[发明专利]一种交通工程人工智能视频识别算法

说明书

本发明公开了一种交通工程人工智能视频识别算法，涉及交通工程技术领域，包括以下步骤：S1：数据预处理：S2：基于速度时空图拥堵分类：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。本发明提供了一种架构清晰、实施简单、效率及成本更低的交通拥堵子集特征提取方法。

技术领域

本发明涉及交通工程技术领域，具体涉及一种交通工程人工智能视频识别算法。

背景技术

近年来，随着我国道路建设迅猛发展，公路网交通拥挤频频出现。

交通拥堵识别不仅能够帮助相关交通管理部门及时发现并疏散交通拥堵，避免二次事故；另一方面，拥堵的成因识别更能从本质上剖析造成拥堵的内在原因，为制定改善和治理方案等工作提供定量化的分析手段和依据。

现阶段交通拥堵识别分类的主流技术分为理论研究与数据驱动两大类。前者注重从交通拥堵的交通流特征中寻找合适的数学建模方法，并采用交通仿真技术区分不同类型的交通拥堵；后者则重点采用机器学习的方法，从大量数据中区分不同交通拥堵所产生的数据表征。随着机器视觉技术的发展，基于时空速度图的交通拥堵识别分类方法得到了广泛关注与应用。该类方法首先通过图像识别技术获取时空速度图中的交通拥堵子集，然后对于每个拥堵子集构建量化的特征工程，最后采用无监督方法实现拥堵子集的聚类划分，从而实现交通拥堵识别与分类。然而，不同成因的交通拥堵可能表征为速度时空图上的同一特性，因此目前仍然缺乏针对每类交通拥堵的成因判别的有效可行方法框架。

发明内容

为解决现有技术问题，本发明提供一种交通工程人工智能视频识别算法，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。

进一步的方案是，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。

进一步的方案是，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；