[发明专利]一种基于深度学习技术的道路交叉口全要素健康诊断系统

权利要求书

1.一种基于深度学习技术的道路交叉口全要素健康诊断系统，其特征在于，所述基于深度学习技术的道路交叉口全要素健康诊断系统包括：

模型建立模块，用于建立输入为视频的每帧图像且输出为每帧图像中的交通对象的深度学习模型；

视频获取模块，用于获取各路口各自对应的待测视频；

轨迹重构模块，用于基于所述待测视频和所述深度学习模型重构所述交通对象的交通轨迹；

分析识别模块，用于根据所述交通对象的交通轨迹和预设的交通场景识别车道流量和交通事件；

诊断评价模块，用于将所述车道流量和交通事件输入预设定的研判模型以得到所述研判模型输出的所述路口的诊断结果；以及

路口确定模块，用于基于各路口对应的诊断结果确定优先治理路口。

2.根据权利要求1所述的基于深度学习技术的道路交叉口全要素健康诊断系统，其特征在于，所述模型建立模块包括：

历史数据获取子模块，用于获取多帧历史图像及其内部存在的交通对象；

模型建立子模块，用于建立以多帧图像为输入且以交通对象为输出的基础模型；以及

训练子模块，用于通过所述多帧历史图像及其内部存在的交通对象训练所述基础模型得到深度学习模型。

3.根据权利要求1所述的基于深度学习技术的道路交叉口全要素健康诊断系统，其特征在于，所述分析识别模块包括：

场景建立子模块，用于建立各种交通场景，其中每一交通场景被配置为包含有特定的交通对象的交通轨迹及其对应的特征信息；以及

识别子模块，用于根据所重构的所述交通对象的交通轨迹以及获取到的与所述交通对象相关的特征信息识别车道流量和交通事件。

4.根据权利要求3所述的基于深度学习技术的道路交叉口全要素健康诊断系统，其特征在于，所述识别子模块用于根据所重构的所述交通对象的交通轨迹以及与所述交通对象相关的特征信息识别车道流量和交通事件包括：

在获取到的交通对象相关的特征信息包含任一交通场景的特定的交通对象的交通轨迹及其对应的全部特征信息时，识别该任一交通场景对应的所述交通事件；以及

基于所重构的所述交通对象的交通轨迹识别车道流量。

5.根据权利要求1所述的基于深度学习技术的道路交叉口全要素健康诊断系统，其特征在于，所述交通场景包括以下任意一者：信号灯配时不合理场景、交叉口打结溢出场景、交叉口人机非冲突场景。

6.根据权利要求1所述的基于深度学习技术的道路交叉口全要素健康诊断系统，其特征在于，所述诊断评价模块包括：

模型获取子模块，用于获取已训练完成的研判模型，其中所述研判模型的输入为所述路口的历史车道流量和历史交通事件且输出为所述路口的诊断结果；以及

结果输出子模块，用于将所述车道流量和交通事件输入所述研判模型以得到所述研判模型输出的所述路口的诊断结果。

7.根据权利要求1所述的基于深度学习技术的道路交叉口全要素健康诊断系统，其特征在于，所述路口确定模块包括：

结果比较子模块，用于比较各路口的诊断结果所示出的路口分数；以及

路口确定子模块，用于确定以分数最低的路口确定为优先治理路口。