[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

说明书

本发明公开了一种基于毫米波雷达与视频检测的交通拥堵分析方法。本发明利用视频监控摄像头获取视场内道路影像，识别车辆运动情况，测定视场内车辆数量、车道等数据，并用毫米波雷达检测车辆位置和车辆行驶速度，通过获得的交通流数据计算道路拥堵指数，得到拥堵程度的量化参数，进而对交通拥堵情况进行分析。本发明根据交通流数据分析交通拥堵程度，实时、智能、快捷地对道路情况进行评估，有利于指导疏散交通堵塞，改善路况，提高市民出行效率。

技术领域

本发明属于交通路况监管领域，特别是涉及一种基于雷达信号与机器视觉的交通拥堵分析技术。

背景技术

目前国内外存在不少基于视频图像的道路交通拥堵分析技术，该技术可以分为两部分，一是基于视频图像的交通流参数提取，二是基于交通流参数的交通拥堵分析。国内外对于两部分内容各自都做了大量的研究，但两部分内容结合起来研究并不多，而且评价交通拥堵程度的交通流参数更多的在于从固定交通摄像头拍摄的视频中提取或者从线圈等传感器检测设备中提取或者计算机软件的模拟。

基于交通视频的拥堵分析，国外研究主要聚集在交通事件监测方面。主要方法包括：通过提取视频中的背景以及车辆的运动轨迹来分析交通事件；对视频中的车辆采用卡尔曼滤波来对车辆进行跟踪，从而实现事件的检测；通过对图像数据区分为高阶模型和低阶处理模型，为监控系统提供一种基于规则推理的车辆检测方法。而国内浙江大学率先提出基于视频的交通事件检测技术，采用ART2神经网络算法对交通视频进行数据挖掘，自动检测交通事件，并取得了一定的成果。哈尔滨工业大学也开发出了一套基于交通视频的信息采集系统。成都Vroad检测系统是通过分析视频的数据来检测道路事件，有预警功能。总之此类系统虽能较好的完成部分视频检测功能，但大部分检测系统由于维护成本过高，或者实际使用效果不明显，所以很少被普及开来。

目前大多数的交通拥堵分析方法基本都是从交通信息的采集出发，以获取的车流量、平均行程速度和占有率等交通状态参数为依据，分析归纳得出交通规律，从而建立交通状态参数与道路拥堵之间的关系模型，进而得到交通拥堵分析模型，最后得出道路的拥堵程度。关于交通流参数指标和交通拥堵之间的关系模型，国内外不少研究者贡献了各种各样的理论模型。由于受交通数据采集技术的限制，交通流参数指标和拥堵之间的关系模型经历了从速度——密度模型到速度——流量模型的发展，进而又发展到流量——密度模型。但是这三种模型存在各种各样的问题，而且使用受到道路最大负荷和道路级别的限制。近年来，国内外研究者根据实际的交通运行特点，提出了各种各样的交通拥堵分析模型。国外有学者通过从图像中提取车速和车流量等5个参数，然后使用隐式马尔科夫模型建立了基本交通参数和道路拥堵之间的关系模型，从而实现对道路服务等级的评价。而国内有学者通过分析道路占有率和占有率方差的时序图，认为在这两个参数的值都比较高时容易引发拥堵，而且为了观察交通状态是否发生变化，引入了占有率绝对值，进一步的实验发现，当占有率绝对值在长时间内变化很缓慢或者基本不变化时，就认为道路发生了拥堵，以此建立这三个交通流参数与拥堵之间的关系。上述这些模型比较复杂，而且非专业人士难以直观地理解，因此需要一种直观、合理、高效的拥堵分析模型。

综上所述，主要涉及到的交通流数据采集方式停留在交通视频采集，而目前随着检测技术的发展，道路雷达检测设备的全天候、作用域广等特点使其很好地弥补了单一视频检测的缺陷，由此带来的低成本、高性价比、高效率等优势，愈发受到国内外的重视。本发明拟将交通流参数提取与基于交通流参数的交通拥堵分析结合一体，利用毫米波雷达+视频检测的方式提取车辆参数，并采用科学易行的交通拥堵分析方法进行拥堵分析，更好地指导与改善交通路况。

发明内容

本发明将交通流参数提取与基于交通流参数的交通拥堵分析结合一体，相较于单一视频检测车辆，本发明采用毫米波雷达+视频联动获取车辆运行参数，识别车辆运动状态(包括静止或以一定速度行驶)，基于获取的交通流参数，采用科学高效的拥堵分析法分析交通路况，为改善交通拥堵提供指导。