[发明专利]一种交通工程人工智能视频识别算法

权利要求书

1.一种交通工程人工智能视频识别算法，其特征在于：包括以下步骤：

S1：数据预处理：通过车辆GPS数据获得路段速度，同时获取车检器交通数据，利用交通数据的数据间隙建立速度、流量和占有率的三维交通数据；

S2：基于速度时空图拥堵分类：依托速度时空图，利用图像形态学获得交通拥堵子集，并且通过拥堵特征提取方法，采用层次分析法或Kmeans聚类算法实现交通拥堵子集的无监督分析结果；

S3：根据三维交通数据利用尖点突变理论建立三维McMaster算法模型；

S4：根据三维McMaster算法模型计算出交通数据流是否发生突变并进行常偶发拥堵判别：从而区分常发性拥堵和偶发性拥堵；

S5：基于决策树的拥堵成因智能判别：基于拥堵子集分类与常偶发判别，结合数据实现拥堵成因的精细化判别。

2.根据权利要求1所述的一种交通工程人工智能视频识别算法，其特征在于：

S1中所述的根据三维交通数据利用尖点突变理论建立三维McMaster算法模型具体包括以下步骤：

基于尖点突变理论的势函数建立交通流模型，所述的势函数为：

E(v，q，o)＝av⁴+bqv²+cov；

式中，a、b、c为待定参数，v、q、o分别表示速度、流量、占有率；

对速度、流量、占有率进行坐标的平移和旋转；

利用坐标变换后的数据求解突变流形中的待定参数并得到其具体的分叉集方程。

3.根据权利要求1所述的一种交通工程人工智能视频识别算法，其特征在于：

S2中所述的基于速度时空图拥堵分类具体实现方法如下：

S20：构建交通速度时空模型；利用路段速度构建速度时空图时，针对其中路段长度不均一、数据异常、数据缺失问题，构建双核函数考虑自由流与拥堵流的传播影响，基于ASM算法、中值过滤法或均值插值法实现速度时空图的速度平滑与填充，从而实现道路速度时空图构建；

S21：图像形态学；通过一系列图像形态学处理提取速度时空图中的拥堵子集，包括二值化化处理、开运算、闭运算、分水岭算法；

S22：拥堵特征提取；构建特征工程获取拥堵子集的特征向量，主要包括：拥堵形态特征、速度特征、边界特征；

S23层次分析法；基于拥堵子集之间的相似距离差，采用层次分析法实现拥堵子集的无监督分类。

4.根据权利要求1所述的一种交通工程人工智能视频识别算法，其特征在于：

S4中所述的根据三维McMaster算法模型计算出交通数据流是否发生突变，从而区分常发性拥堵和偶发性拥堵具体方法为：

通过判断流量和占有率是否穿越控制平面分叉集投影区域来区分常发性拥堵和偶发性拥堵。

5.根据权利要求3所述的一种交通工程人工智能视频识别算法，其特征在于：

S20中所述的ASM算法实现原理采用附近点的数据，基于双核函数线性叠加实现目标点数据的补全与修正。

6.根据权利要求1所述的一种交通工程人工智能视频识别算法，其特征在于：

S2中所述的二值化示将图像上像素点按照图中最优阀值thresh，实现像素点的二值化处理；开运算：先腐蚀后膨胀，使边界平滑，消除细小的尖刺；闭运算：先膨胀后腐蚀，主要填充子集内部的细小空洞，连接邻近子集；分水岭算法：基于图像区域分隔方法，将临近像素间相似的详细连接起来构成一个封闭轮廓；分水岭算法把图像中的每一个像素图像中每一点像素的灰度值表示该点的海拔高度。

7.根据权利要求3所述的一种交通工程人工智能视频识别算法，其特征在于：

S22中所述的拥堵形态特征：主要量化拥堵所造成的物理影响程度，包括影响长度、持续时间、拥堵像素点数；速度特征：主要量化拥堵所造成的道路运行特征，包括平均速度、速度标准差、最大速度、最小速度；边界特征：主要量化拥堵形成与消散的特征，包括左右边界斜率差、拥堵起源点。

8.根据权利要求1所述的一种交通工程人工智能视频识别算法，其特征在于：

S4中所述的常偶发拥堵判别具体实现方法如下：

通过统计道路速度上各个时段上的分布以及交通流数据没有穿越分叉集实现拥堵来实现常偶发性的判定；道路速度在各时段的分布近似为正态分布，当发生偶发事件时，速度的分布则处于，表示分布的均值，表示分布的标准差，连续两个或以上速度数据点处于区间之外时且当交通流数据没有穿越分叉集，实际结果显示该拥堵是常发性拥堵。