[发明专利]基于智慧交通综合数据仓城市体检数据分析方法及系统有效

专利信息
申请号: 202111543642.2 申请日: 2021-12-16
公开(公告)号: CN114241767B 公开(公告)日: 2022-11-01
发明(设计)人: 高波;陈嘉鹏;陈春英;黎忠华;陈乙利;李有朋 申请(专利权)人: 深圳市鹏城交通网络股份有限公司
主分类号: G08G1/01 分类号: G08G1/01;G08G1/065;G06Q10/04;G06Q50/30
代理公司: 北京冠和权律师事务所 11399 代理人: 时嘉鸿
地址: 518000 广东省深圳市罗*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 智慧 交通 综合 数据 城市 体检 分析 方法 系统
【权利要求书】:

1.一种基于智慧交通综合数据仓城市体检数据分析方法,其特征在于,包括:

S1、获取目标数据类型,根据所述目标数据类型对智慧交通综合数据仓内的数据进行筛选,得到若干符合目标数据类型的目标数据;

S2、对若干所述目标数据进行处理,得到目标数据分析曲线图;

S3、获取对比标准曲线图,根据所述对比标准曲线图对所述目标数据分析曲线图进行对比分析,生成优劣程度曲线图;

S4、整合所有目标数据类型对应的优劣程度曲线图生成城市交通体检报告;

其中,所述目标数据类型包括车辆数据类型、行人数据类型、环境数据类型;

获取车辆数据中的每日车流数据,若城市任一区域内任一道路的当日车流数据与当前道路的历史车流数据相比存在异常;其中,所述异常包括当日车流长度与历史车流长度差值超过预设长度阈值或当日车流通行速度与历史车流通行速度差值超过预设速度阈值;

获取当前道路的环境数据,判断当前道路的环境数据中是否存在施工区域或事故区域;

若不存在,获取当前道路的环境数据中的当日环境影像和历史环境影像;

对所述当日环境影像进行部分截图拼接处理,得到当前道路无车辆行人的当日拼接图像;

对所述历史环境影像进行部分截图拼接处理,得到当前道路无车辆行人的历史拼接图像;

基于预先训练的道路异常识别模型对所述当日拼接图像进行异常识别,得到第一异常分布信息;

基于预先训练的道路异常识别模型对所述历史拼接图像进行异常识别,得到第二异常分布信息;

其中,所述预先训练的道路异常识别模型输出的异常分布信息包括异常的异常类型和异常位置;所述异常类型包括障碍物挡路异常类型、地面损坏异常类型;

基于所述第二异常分布信息对所述第一异常分布信息进行筛选,剔除所述第一异常分布信息中与所述第二异常分布信息具有相同异常类型和相同异常位置的异常,得到第三异常分布信息;

根据所述第三异常分布信息生成交通道路异常报告。

2.根据权利要求1所述的一种基于智慧交通综合数据仓城市体检数据分析方法,其特征在于,所述S2包括:

S21、获取若干相同目标数据类型的目标数据;

S22、将城市进行区域划分,根据若干所述目标数据的采集的区域的不同,将若干所述目标数据分组为若干区域目标数据组;其中,所述区域目标数据组中包括若干具有相同采集区域的目标数据;

S23、将所述区域目标数据组中的目标数据的采集时间作为横坐标、目标数据的值作为纵坐标,生成所述区域目标数据组的曲线分析图;

S24、获取所有所述区域目标数据组对应的曲线分析图进行曲线拟合,得到目标数据曲线分析图。

3.根据权利要求1所述的一种基于智慧交通综合数据仓城市体检数据分析方法,其特征在于,所述S3包括:

S31、获取与所述目标数据类型对应的对比标准曲线图作为目标对比标准曲线图;

S32、获取目标数据分析曲线图中需要进行对比分析的时间段的部分目标数据分析曲线图;

S33、对所述目标对比标准曲线图和所述部分目标数据分析曲线图进行优劣数据对比分析,生成优劣程度曲线图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市鹏城交通网络股份有限公司,未经深圳市鹏城交通网络股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111543642.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top