[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

说明书

本发明公开了一种智能网联环境下的交通信息量化方法，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；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；步骤S3：采用信息论量化交通信息源。同时公开了一种智能网联环境下的交通信息量化系统，采用上述结构的一种智能网联环境下的交通信息量化方法及其系统，将驾驶人驾驶过程的行车信息进行量化，计算出信息量，能将不确定的信息转化为确定的信息，提高驾驶效率，帮助驾驶人优化驾驶过程，保障驾驶安全。

技术领域

本发明涉及交通信息量化技术领域，尤其是涉及一种智能网联环境下的交通信息量化方法及其系统。

背景技术

交通信息作为路网环境的认知载体，以语音、图像、文字、符号等形式传递给驾驶员，其发布目的是为消除驾驶员行车过程中对实时交通状况的不确定性，保证行车安全的同时提高出行效率。智能网联环境下驾驶人行车信息包含人、车、路和环境方面的信息，但从驾驶人信息感知和处理特点角度可划分为视距内信息和视距外信息，即“看的见的信息”和“看不见的信息”，其中“看的见信息”即为能直接观察到的视觉信息，而“看不见的信息”包含被遮挡的信息、远距离信息和听觉信息等。

在智能网联环境下，各种交通信息均可通过车载设备采集，并提供给驾驶人。但是交通信息这个概念本身比较抽象，我们需要将信息量化。早在1948年，香农(Shannon)在他著名的《通信的数学原理》论文中指出：“信息是用来消除随机不确定性的东西”，并提出了“信息熵”的概念（借用了热力学中熵的概念），来解决信息的度量问题。

现有技术下大多只计算了交通基础设施的信息量，并未具体计算驾驶场景的信息量。

发明内容

本发明的目的是提供一种智能网联环境下的交通信息量化方法及其系统，将驾驶人驾驶过程的行车信息进行量化，计算出信息量，能将不确定的信息转化为确定的信息，提高驾驶效率，帮助驾驶人优化驾驶过程，保障驾驶安全。

为实现上述目的，本发明提供了一种智能网联环境下的交通信息量化方法，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；

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；

步骤S3：采用信息论量化交通信息源。

优选的，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。

优选的，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。

优选的，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，