申请/专利权人：山东通维信息工程有限公司

申请日：2023-12-11

公开（公告）日：2024-04-12

公开（公告）号：CN117392853B

主分类号：G08G1/01

分类号：G08G1/01;G08G1/065;G08G1/017;G06V20/54;G06V20/62;G06F18/2337;G06N3/126;G06N3/08;H04L67/12

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明提供了一种基于云端的大数据智能车道控制系统，涉及智能交通技术领域，该系统包括：车辆采集终端、云端及显示终端；云端包括车型识别单元、车流量预测单元、智能车道调度单元及数据传输单元。本发明能够实时采集车辆图像数据和车流量信息，利用车型识别单元识别车辆类型和判断车辆是否安装智能设备，以及车流量预测单元预测未来车流量情况，并通过智能车道调度单元智能地优化车道组合和调度，提高交通通行效率，从而能够提升交通安全性，为驾驶者和乘客提供更高效、便捷和安全的出行体验。

主权项：1.一种基于云端的大数据智能车道控制系统，其特征在于，该系统包括：车辆采集终端、云端及显示终端；所述车辆采集终端，用于通过智能监控设备采集预设时间内的车辆图像数据以及车流量信息；所述云端，用于获取采集终端采集的数据信息进行分析处理，得到车道分配方案，并发送信息提醒车道管理员按照车道分配方案对车道进行调整；所述显示终端，用于将车道管理员对车道调整后的结果进行展示；其中，所述云端包括车型识别单元、车流量预测单元、智能车道调度单元及数据传输单元；所述车型识别单元，用于利用大数据分析技术对采集的车辆图像数据进行处理和分析，以识别车辆类型，并判断车辆是否安装智能设备；所述车流量预测单元，用于通过预设车流量预测模型并结合实时车流量数据，预测未来预设时间段内的车流量；所述智能车道调度单元，用于根据预测的车流量情况、车辆类型以及车辆是否安装智能设备，智能地优化车道组合；所述数据传输单元，用于将优化后的车道组合发送至移动设备并对车道管理员提醒；所述利用大数据分析技术对采集的车辆图像数据进行处理和分析，以识别车辆类型，并判断车辆是否安装智能设备包括：S21、利用边缘检测算法从车辆图像中检测和定位车牌区域，并将定位的车牌区域进行字符切割，得到车牌字符图像；S22、根据车牌的字符图像识别出车辆的车牌号；S23、根据识别出的车牌号与预设的车辆信息数据库进行比对，判断出车辆是否安装智能设备及车辆类型；所述根据车牌的字符图像识别出车辆的车牌号包括：S221、基于迭代渐进的凸包算法进行车牌字符轮廓点提取，并判断字符轮廓是否被遮挡；S222、通过光学字符识别法对未遮挡的字符进行字符识别；S223、对遮挡的字符进行轮廓分段，并利用相似性度量法识别字符；S224、对每个字符的识别结果进行组合，得到完整的车牌号；所述对遮挡的字符进行轮廓分段，并利用相似性度量法识别字符包括：S2231、通过Douglas-Peucker算法对字符轮廓线进行简化，计算出边界点对字符轮廓特征的贡献度；所述边界点对字符轮廓特征的贡献度计算公式为： 式中，KOt,Ot+1表示边界点对字符轮廓特征的贡献度；Ot表示构成字符轮廓的第ｔ条线段；Ot+1表示构成字符轮廓的第ｔ+1条线段；δOt,Ot+1表示线段Ot和线段Ot+1的夹角；bOt表示线段Ot相对于字符轮廓周长归一化后的长度；bOt+1表示线段Ot+1相对于字符轮廓周长归一化后的长度；S2232、筛选出贡献度大于预设阈值的边界点，并通过筛选的边界点对字符轮廓进行初步分段，得到初步轮廓段；S2233、计算初步轮廓段中每个分段的起伏度，并根据起伏度结果对初步轮廓段合并优化，得到最终轮廓分段；其中，所述计算初步轮廓段中每个分段的起伏度，并根据起伏度结果对初步轮廓段合并优化，得到最终轮廓分段包括：S22331、定义最小分段数Q，并计算初步轮廓段中每个分段的起伏度V；S22332、当轮廓分段数大于Q时，对初步轮廓段中的每个分段进行合并，否则，将当前分段作为最终轮廓分段；S22333、根据每个分段的起伏度V，选取初步轮廓段中起伏度V最小的分段St进行合并，对于最小分段St左右相邻的分段St-1和St+1，若V（St-1）≥V（St+1），则最小分段St与左边相邻分段进行St-1合并，若V（St-1）＜V（St+1），则最小分段St与右边相邻分段进行St+1合并；S2234、将合并完成后的轮廓分段添加至分段集合中，并在分段集合中将原分段St删除，重新计算合并后分段的起伏度，若当前分段数大于最小分段数Q时，则重新执行步骤S232，否则结束分段合并，得到最终轮廓分段；S2234、基于高度函数和动态规划将最终轮廓分段与预设的字符分段数据进行相似性度量；S2235、根据相似性度量的结果，对每个最终轮廓分段进行字符识别；所述根据预测的车流量情况、车辆类型以及车辆是否安装智能设备，智能地优化车道组合包括：S41、根据预测的车流量情况、车辆类型以及车辆是否安装智能设备，并分别作为ｘ轴、ｙ轴以及ｚ轴建模，转换调度为优先级评价坐标系中的坐标参数；S42、染色体初始化，随机生成各车辆在各车道上的初始位置；S43、计算车辆之间欧氏距离，并通过映射函数确定车辆之间的相似度，并构建相似度矩阵；S44、判断构建的相似度矩阵是否为模糊等价关系，若是，则进行模糊聚类得到分类结果并执行S48，否则执行S45；S45、通过平方自合成方法求出相似矩阵的传递闭包；S46、通过置信水平λ∈[0,1]，求出传递闭包的λ截矩阵；S47、根据λ截矩阵对车辆进行分类，将相似的车辆划分到同一类别；S48、根据分类结果计算适应度值；S49、判断是否满足预设收敛条件，若满足，则执行S411，否则执行S410,S410、对染色体进行交叉和变异操作，并返回S43；S411、输出车道的分配方案作为最优车道组合，并结束流程。

全文数据：

权利要求：

百度查询： 山东通维信息工程有限公司 一种基于云端的大数据智能车道控制系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD