[发明专利]基于毫米波雷达与视频检测的交通拥堵分析方法

权利要求书

1.基于毫米波雷达与视频检测的交通拥堵分析方法，其特征在于，包括如下步骤：

步骤1，利用视频影像获取道路信息、车辆数量信息，包括视场内车道的个数、各条车道长度、视场内车辆数量、各车辆长度，通过各车辆长度、车道长度计算车道空间占有率，通过车道的个数、各条车道长度、车辆数量计算车辆群密度；

步骤2，利用基于毫米波雷达的道路车辆检测系统获取车辆的位置信息和速度信息，其中车辆的位置信息用于定位，速度信息用于计算车辆群速度；

所述毫米波雷达的道路车辆检测系统包括毫米波雷达系统和雷达数据处理系统，所述毫米波雷达系统布置于交通信号灯横杆上，所述毫米波雷达系统主动发射电磁波信号，通过计算接收信号与发射信号的多普勒频移来提供探测目标的相对距离、相对速度以及方位角三个数据信息，然后将三个数据信息输出给数据处理系统，由数据处理系统完成信号的滤波，并最终输出车辆的位置信息和速度信息；所述的滤波包括两个步骤：有效目标初选和目标有效性检验，所述有效目标初选是利用极坐标系运算规则来剔除不在道路区域内的虚假目标，所述目标有效性检验是利用卡尔曼滤波算法来计算相邻几个周期内目标出现和移动的连续性，以此剔除噪声数据的干扰；

有效目标初选的具体实现方式如下；

先将雷达探测目标的有效区域划分出来，设有效区域是一个由x1＝A₁,x2＝A₂,y1＝B₁,y2＝B₂所包围而成的矩形，其中A₁，A₂，B₁，B₂代表矩形的四条边在以毫米波雷达为原点的直角坐标系下的边界值，是由先验知识得到的；

判别目标有效性，即判别目标是否在道路区域内的公式为：

其中，r为目标与雷达的相对距离，α为目标与雷达的方位角，若某一目标的r与α符合公式(4)，即可认为其有效；

目标有效性检验的具体实现步骤如下；

①设定周期阈值N；

②确定待跟踪目标，在第1个周期中，选择该周期中新出现的目标为待跟踪目标；

③计算目标的预测状态向量，首先需要得到第n个周期时描述待跟踪目标的状态向量，状态向量包括位置信息和速度信息，1≤n≤N-1：X_n|n＝[x_n|n,y_n|n,v_xn|n,v_yn|n]^T，及其协方差P_n|n，其中X表示状态向量，x表示待跟踪目标在以毫米波雷达为原点的直角坐标系下的横坐标，y表示纵坐标，v_x表示待跟踪目标的速度矢量在横坐标轴上的分量，v_y表示在纵坐标轴上的分量，下标n|n表示加入了第n个周期的观测值后由卡尔曼滤波方法计算得到的值，若下标是n|n-1，则表示该值是利用第(n-1)个周期的状态向量利用卡尔曼滤波方法预测得到的值；

若周期序数n＝1，则将待跟踪目标的位置坐标从极坐标系转换到直角坐标系，得到位置观测值，利用xy正交分解将待跟踪目标的位置坐标和速度矢量从极坐标系下转换到直角坐标系下，得到速度观测值，公式为：

其中，r为目标与雷达的相对距离，α为目标与雷达的方位角，v为目标与雷达的相对速度，下标1表示周期序数，则X_1|1＝[x_1|1，y_1|1，v_x1|1，v_y1|1]^T＝[x₁,y₁,v_x1,v_y1]^T，P_1|1由毫米波雷达生产厂商提供；

若周期序数n≠1，则说明在上一个周期中已经得到了使用卡尔曼滤波计算出的结果X_n|n，P_n|n；

假设该目标在一个周期的间隔内近似认为做匀速直线运动，则第(n+1)周期该目标的预测状态向量可通过公式(7)来预测：

即

其中，T为雷达扫描周期，x_n+1|n、y_n+1|n、v_xn+1|n、v_yn+1|n为根据第n个周期计算所得的第(n+1)周期该目标的预测状态向量

协方差通过公式(8)来计算：

P_n+1|n＝FP_n|nF^T+Q_n (8)

其中Q_n为均值为零的高斯协方差矩阵；

④判断相邻两个周期内观测到的是否是同一个目标，将目标的预测状态向量与实际观测得到的状态向量比较，设第(n+1)周期观测到的该目标的实际状态向量为：X_n+1＝[x_n+1,y_n+1,v_xn+1,v_yn+1]^T，则比较公式如下：

其中，Δx，Δy，Δv_x，Δv_y是人为设定的误差差限，若X_n+1与满足公式(9)，则认为在第(n+1)周期内观测到的该目标与在第n个周期观测到的是同一个目标；若是同一个目标，则进行下一步，否则认为丢失该目标，即该目标为噪声；

⑤计算卡尔曼滤波结果，第(n+1)周期的卡尔曼滤波结果为：

P_n+1|n+1＝P_n+1|n-K_nP_n+1|n (11)

K_n＝P_n+1|n(P_n+1|n+R_n+1),R_n+1＝P_1|1 (12)

其中，K_n为卡尔曼增益，R_n+1为第(n+1)个周期观测的协方差矩阵，由于近似认为同一个毫米波雷达每次观测的误差相等，故有R_n+1＝P_1|1；

⑥重复步骤③-⑤，直至目标消失或周期序数达到N，若在周期序数达到N之前目标消失，则认为该目标是噪声，放弃跟踪；若周期序数达到N，即n+1＝N，则输出X_n+1|n+1；

步骤3，通过构建道路拥堵指数用于衡量交通拥堵水平，道路拥堵指数的计算公式为：

其中，VS表示车辆群速度，VD表示车辆群密度，p表示设定的参数，RCI是一个连续数据，取值越小表示道路越拥堵，取值越大表示道路越畅通；

设定拥堵状态阈值R1，并对视场内各个车道的车辆状态持续的时间长度设定阈值T1，若RCI值达到拥堵状态阈值R1并持续时间超过阈值T1，则认为该路段交通拥堵；

步骤4，输出监测视场内路段的车道空间占有率及其对应的交通拥堵水平，以及拥堵车辆的位置信息。