[发明专利]基于交通数据中台的道路诱导设施故障排查方法及系统

权利要求书

1.一种基于交通数据中台的道路诱导设施故障排查方法，其特征在于，该方法包括：

基于目标区域内的车辆获取道路图像，对道路图像进行处理得到视区大小，当视区大小小于预设视区大小阈值时，基于道路图像得到道路边缘图像，基于每个像素点的色调值对道路边缘图像中的像素点进行分类，得到若干目标像素点集合，对目标像素点集合进行筛选，若筛选后不存在目标像素点集合，则生成第一故障排查结果；若存在，则目标像素点集合为道路视线诱导设施集合；

对道路视线诱导设施集合进行连通域分析，在各个连通域中心点生成视线诱导设施代表点，包括视线诱导设施代表点的图像为视线诱导设施识别图像；将视线诱导设施识别图像与预先构建好的图像库中的视线诱导设施标准图像进行相似度对比；若不相似，则生成第二故障排查结果；

根据第一故障排查结果或第二故障排查结果生成相应的提示信息，提示信息通过数据中台传输至终端。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：基于数据中台中存储的交通事故数据将道路划分为第一类子区域、第二类子区域，其中，第一类子区域的交通事故发生率高于第二类子区域；车流量小于预设要求的第二类子区域中的车辆要驶入的下一第二类子区域为目标子区域；目标区域包括第一类子区域和目标子区域。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：提取道路图像中的道路侧边像素点后构建道路侧边二值图，对道路侧边二值图中的道路侧边像素点区域进行膨胀后得到新的二值图，新的二值图与道路图像相乘得到所述道路边缘图像。

4.如权利要求3所述的方法，其特征在于，所述得到若干目标像素点集合的过程为：将道路边缘图像中每个像素点的色调值映射到极坐标系中，利用聚类算法对极坐标系中的像素点进行聚类得到若干目标像素点集合。

5.如权利要求4所述的方法，其特征在于，所述聚类包括第一次聚类和第二次聚类，根据第一次聚类的结果设置第二次聚类的聚类参数；每次聚类得到的像素点集合为目标像素点集合。

6.如权利要求5所述的方法，其特征在于，利用DBSCAN聚类算法进行聚类，第一次聚类的聚类半径为r₁，像素点数量为m₁，得到N个像素点集合；第二次聚类的聚类半径为r₂，像素点数量为m₂；其中，m₁小于m₂，H′_n表示第n个像素点集合聚类中心点的色调值，H_n表示与第n个像素点集合聚类中心点的色调值对应的标准色的色调值；标准色包括红、黄、绿、青、蓝、紫。

7.如权利要求6所述的方法，其特征在于，所述筛选包括初步筛选：

对于每个目标像素点集合：对目标像素点集合进行连通域分析，得到若干连通域，沿车辆行驶方向选择两端的两个连通域，根据两个连通域中心点连线得到连线二值图，在连线二值图中对中心点连线进行膨胀，得到和所述新的二值图大小相同的验证图像；计算验证图像和所述二值图中膨胀区域的交并比，若交并比大于交并比阈值，则该目标像素点集合保留。