[发明专利]一种智能网联环境下的交通信息量化方法及其系统

权利要求书

1.一种智能网联环境下的交通信息量化方法，其特征在于，具体步骤如下：

步骤S1：根据采集到的视频提取交通信息源，并将交通信息源进行种类划分，

在步骤S1中，交通信息源的种类包括交通参与者、车、路以及环境；

划分的具体步骤如下：

步骤S11：汽车摄像头实时采集图像，并将采集到的图像发送至卷积神经网络模型中，卷积神经网络模型包括卷积层和全连接层；

步骤S12：将图像输入Resnet框架后，进行Zeropad操作并使用滑动窗口来处理场景图像，卷积层操作之后，通过BN正则化操作，Relu激活函数，最大池化操作，对原始图像进行信息特征提取；

步骤S13：将提取的信息特征输入串联的两种不同的残差块，残差块的输出进行Average-Pooling操作，再将其进行Flatten操作得到高级特征；

步骤S14：高级特征输入到全连接层中对图像进行分类，得到交通参与者、车辆、道路和背景环境的交通信息源；

步骤S2：通过实际观测和计算获得各交通信息源的状态集和概率分布，在步骤S2中，根据步骤S1获取的各个交通信息源，通过实际观测得到每个信息源的状态集，通过计算获得概率分布，

设是一个信息源的有限状态集，令，是该有限状态集S的一个概率分布，记状态发生的概率为；

步骤S3：采用信息论量化交通信息源，在步骤S3中，具体步骤如下：

步骤S31：计算单个交通信息源的信息量，

在信息论中，信息由交通信息源输出的，交通信息源为，另

记交通信息源在发生状态时的信息量为，计算公式如下：

信息熵可以表示交通信息源的不确定程度，用所有可能发生状态的信息量的总体平均值来表示，信息熵与交通信息源的不确定程度正相关，交通信息源的信息熵计算公式如下：

当每个状态发出的信息概率相等，则

步骤S32：计算驾驶场景的信息量，计算公式如下：

其中，为驾驶场景的交通信息源的个数；

驾驶场景的信息熵计算公式如下：

。

2.一种基于上述权利要求1的一种智能网联环境下的交通信息量化方法的系统，其特征在于：包括信息源提取设备、处理器以及存储器，

所述信息源提取设备包括采集驾驶场景图像的摄像头和用于提取交通信息源识别的卷积神经网络模型；

处理器用于计算交通信息源的状态概率分布和交通信息量；

所述存储 器中存储有执行程序和各交通信息源的状态集及概率分布。