[发明专利]基于全方位计算机视觉的道路交通状态检测装置

摘要

一种基于全方位计算机视觉的道路交通状态检测装置，包括安装在路网上各个道路中的各个测量点的摄像装置、用于根据摄像装置的视频数据进行评价道路交通状态的微处理器，所述的微处理器包括：全景图像获取单元、道路服务能力定制单元、道路服务水平自学习单元、道路服务水平判断单元、检测数据加工单元和人工核实单元。本发明提供一种具有检测范围广、检测精度高、检测实时性好、实施方便、检测结果直观明了，既有主观感受性指标数据又有客观评价性指标数据，且便于城市各级路网在时间、空间上的对道路交通状态进行综合评价的基于全方位计算机视觉的道路交通状态检测装置。

主权项

一种基于全方位计算机视觉的道路交通状态检测装置，包括安装在路网上各个道路上的各个测量点的摄像装置、用于根据摄像装置的视频数据进行评价道路交通状态的微处理器，摄像装置通过视频接口与所述的微处理器连接，其特征在于：所述的微处理器包括：全景图像获取单元，用于获取初始化信息和视频图像，包括系统初始化模块和图像获取模块；系统初始化模块，用于将数据指标信息、定制数据和检测点空间位置信息读入到动态存储单元中，以备后续处理过程中调用；图像获取模块，用于读取从摄像装置传过来的视频图像信息并将视频图像信息保存在动态存储单元中；道路服务能力定制单元，用于采用道路行驶方向定制模块定义道路上车辆的运行方向和定义道路的拥塞密度，包括道路行驶方向定制模块和道路拥塞密度定制模块；定制道路区域路段后的道路决定该路段上某一行驶方向所能承载的最大车辆数，定制后的数据存放在定制数据存放单元，以便系统初始化模块中调用；道路行驶方向定制模块，用于根据道路上规定车辆的运行方向定义道路运行方向区域，即定值出与车道平行的线，对于有多条车道的道路要定制出若干条平行线，如果平行车道有X条的话就要定制X+1条平行线，对在该定制车道上出现与所规定运行方向不一致的光流速度不作为统计对象；道路拥塞密度定制模块，用于根据拥塞密度反映道路能承载的最大车辆数，根据车辆的大小和一定车间距将道路划分为若干块区域M，即定义出若干条等距的与车道垂直的线，在车道上就定制了若干个区域，车辆的长度以一般轿车作为计算值，车间距以发生拥挤状态下车辆与车辆之间的平均距离作为计算值；道路服务水平自学习单元，用于自动获取检测道路的设计限速DSA和道路的设计流量DF，包括车辆平均速度检测模块、车辆速度变化量计算模块、道路的拥塞密度检测模块和道路上车辆流量检测模块，根据实际道路的视频数据并通过运行上述模块的运算得到道路的设计限速DSA和道路的设计流量DF，道路的设计限速DSA和道路的设计流量DF存放在数据指标存放单元内，以便道路服务水平判断单元的计算过程中调用；车辆平均速度检测模块，用于根据通过道路上所有车辆的特征点的光流速度平均值来计算得到道路行驶车辆的平均值，计算公式如式(5)所示； d ' = Σ N d N - - - ( 5 ) 式中：∑Nd为前N帧所有车辆的特征点的光流速度平均值的统计和，N表示所统计的帧数，d表示在前N帧的某一帧内所有车辆的特征点的光流速度平均值，d ′表示在前N帧的所有车辆的特征点的光流速度统计平均值，N的取值范围为5～8；车辆速度变化量计算模块，用于将光流方差作为车辆运行速度变化量的计算方法，计算公式如式(6)所述； cov = Σ i = 1 N ( 1 - d i / d ' ) 2 N - 1 × 100 - - - ( 6 ) 式中：d′表示在前N帧的所有车辆的特征点的光流速度统计平均值，di表示在前N帧中第i帧的所有车辆的特征点的光流速度统计平均值，cov表示光流方差，N的取值范围为5～8，与公式(5)内的取值相同；道路的拥塞密度检测模块，用于检测道路的拥塞密度，通过检测在所述的道路的拥塞密度定制模块中定制的区域是否有车辆，然后统计有多少区域内有车辆得到统计值H，将其定义为等效密度，其值反映此时路面上的车辆数；道路能承载的最大车辆数的区域块数M值，将其定义为拥塞密度，拥塞密度的反映道路可以承载的最大车辆数；等效密度H与拥塞密度M的比，对某一段路而言，这两个值的比值比较直观的反映此时交通流的饱和程度，用公式(7)计算拥塞密度比；ρ＝H /M (7)式中：ρ为道路的拥塞密度比，M为拥塞密度，即为道路能承载的最大车辆数的区域块数M值；H为等效密度，即为在定制的区域内有车辆的区域块数，ρ的值的大小能反映拥塞情况，等于1时表明已经达到了道路能最大承载的最大车辆数；检测在所述的道路的拥塞密度定制模块中定制的区域内类似于车辆的特征点数是否超过了阈值L，且类似于车辆的特征点的光流方向必须与所定制的道路运行方向一致；道路车辆流量检测模块，用于实时检测道路的车流量；通过在所述的道路上车辆平均速度检测模块中计算所得到的在前N帧的所有车辆的特征点的光流速度统计平均值d′以及在所述的道路的拥塞密度检测模块中计算所得到的有多少区域内有车辆得到统计值H，然后通过这两个值和每帧所花费的时间来计算得到道路车辆流量，计算公式如式(8)所示；F＝ρ×d′×X (8)式中：ρ为道路的拥塞密度比，d′表示在前N帧的所有车辆的特征点的光流速度统计平均值，X为在所述的道路行驶方向定制模块中所定制的同一方向运行的车道数；道路服务水平等级的判断单元，包括道路车辆平均速度检测模块、车辆速度变化量计算模块、道路的拥塞密度检测模块、道路车辆流量检测模块和道路服务水平判定模块，用于实时计算和判断某道路中的某路段在某时刻的道路服务水平；从所述的道路车辆平均速度检测模块、车辆速度变化量计算模块、所述的道路的拥塞密度检测模块和所述的道路车辆流量检测模块所得到的道路服务水平等级4种指数来综合判定目前道路的服务水平等级；道路服务水平判定模块，用于判定当前道路的服务水平，根据表1中的判定条件来判定道路服务水平，将道路服务水平等级分为A、B、C、D、E、F等6个等级；道路的服务水平等级综合判断表如表1所示；服务水平等级道路车辆平均速度d′车辆速度变化量cov(％)道路的拥塞密度比ρ(％) 道路车辆流 量FA道路设计速度(d′≥Max-S％×DSA)cov≤cov-10ρ≤ρ-min F＜Min-F％DFBd′≥Max-S％DSAMin-cov＜cov≤cov-25ρ-min＜ρ≤ρ-65Min-F％DF ≤F＜Max-F％ DFCd′≥Max-S％DSAcov-15＜cov≤cov-45ρ-45≤ρ≤ρ-85F≥Max-F％DFDMax-S％DSA＞d′≥Mid-S％DSAcov-35＜cov≤cov-55ρ-75≤ρ≤ρ-95F≥Max-F％DFEMax-S％DSA＞d′≥Low-S％DSAcov-45＜cov≤cov-75ρ-85≤ρ≤ρ-99Min-F％DF ≤F＜Max-F％ DFFMid-S％DSA＞d′≥Min-S％DSAcov-70＜cov≤Max-covρ-95≤ρ≤ρ-maxF＜Min-F％DF表1表1中的DSA和DF的数据指标大小是在所述的道路服务水平自学习单元中学习得到的，道路车辆平均速度d′是利用公式(5)计算得到的，车辆速度变化量cov是利用公式(6)计算得到的，道路的拥塞密度比ρ是利用公式(7)计算得到的，道路车辆流量F是利用公式(8)计算得到的，Max-S初定为95，Mid-S初定为75，Low-S初定为35，Min-S初定为1，Max-F初定为85，Min-F初定为20，Max-cov初定为99，cov-75初定为75，cov-70初定为70，cov-55初定为55，cov-45初定为45，cov-35初定为35，cov-25初定为25，cov-15初定为15，cov-10初定为10，Min-cov初定为5，ρ-min初定为20，ρ-45初定为45，ρ-65初定为65，ρ-75初定为75，ρ-85初定为85，ρ-95初定为95，ρ-99初定为99，ρ-max初定为100。