[发明专利]一种基于图像处理的路网交通拥堵模式识别方法

说明书

本发明公开一种基于图像处理的路网交通拥堵模式识别方法，提供将交通测量值（速度）转换成彩色图像，基于区域的方法使用分水岭算子将模式分割成不同的区域，从中提取出三个主要的交通相关元素：空间，时间尺度，干扰和需求‑供应区域。该方法结合图像处理和交通领域知识混合的方法，对得到的特征集进行分层凝聚聚类，得到不同层次的数据集，利用计算机视觉的方法对交通拥挤模式进行识别。通过本发明，能够对交通的拥挤区域的识别进行评价分类，判断拥堵类型，对后续进行拥堵区域边界控制，快速疏解城市交通拥堵具有实际意义。

技术领域

本发明涉及交通信号控制技术领域，具体而言，涉及一种基于图像处理的路网交通拥堵模式识别方法。

背景技术

随着经济社会的不断发展，城市化、机动化的不断加快，城市交通压力也在急剧上升。交通拥堵模式的识别在交通规划和控制管理等多个领域具有重要意义。

城市交通拥堵是交通管理的核心问题之一，而城市路网控制子区的划分及控制子区的边界协调控制是处理区域交通拥堵问题的关键。常规的区域交通控制策略多采用静态的交通控制子区划分，缺乏对交通流时空动态特性的分析，难以支持时变的交通拥堵控制决策。因此如何快速的对拥堵类型进行动态识别及相应的疏导控制，对缓解城市交通拥堵问题具有重要意义。

发明内容

为解决上述场景中现有技术存在的问题，本发明提供一种基于图像处理的路网交通拥堵模式识别方法。

本发明解决其技术问题所采用的技术方案是：本发明公开一种基于图像处理的路网交通拥堵模式识别方法，包括：

（1）利用自适应平滑方法，将研究区域的交通数据在时空维度上转换为速度热力图像；

（2）从速度热力图像中提取代表性特征，识别用于区分交通模式的不同特征，运用基于区域的特征提取方法对交通拥挤区域进行特征提取，获取输入模式有效的表示；

（3）基于提取的特征，对交通数据集进行聚类；

（4）对聚类结果进行定性评估，判断路网交通拥堵模式的类型。

优选地，在步骤（1）之前包括对研究区域的交通数据进行数据预处理的步骤，包括：

通过分散在研究区域道路沿线的固定探测器收集速度测量的交通数据；

对于未产生可用数据的探测器，其覆盖范围内的交通动态问题采用自适应平滑方法，对交通数据进行插值。

优选地，在根据基于区域的方法对交通拥挤区域进行特征提取的步骤中，包括：

2.1）图像分割，使用分水岭算法将交通模式的图像划分为不同的区域；

2.2）区域合并，将研究区域与其相邻区域合并得到一个大的区域；运用Canny边缘用作区域合并；

2.3）自定义特征向量的构造，从分割的模式中提取交通相关特征，然后构造合适的特征向量，总结得到交通流的三个重要特征：时空尺度、干扰和需求-供给成分。

优选地，图像分割的步骤具体包括：

对速度热力图像的梯度信息进行检测，梯度图像用Sobel算子计算获得，并用最大梯度值进行标记；找到灰度值最小的像素点默认为标记灰度值最低点，让二值化的灰度阈值从最小值开始增长，水平面在增长的过程中碰到周围的邻域像素时，测量像素到起始点的测地距离，如果小于设定阈值，则将这些像素淹没，否则在像素上设置大坝，对邻域像素进行分类。

优选地，区域合并的步骤具体包括：

2.2.1）用高斯滤波器平滑图像以去除噪声；

2.2.2）在平滑后的图像上计算Sobel梯度；

2.2.3）对梯度图像中对应于边缘点的局部最大强度进行非最大化抑制；

2.2.4）利用两个上下限阈值来滤除不需要的边缘点。

优选地，自定义特征向量的构造的步骤具体包括：