一種基于智能手機(jī)的交通流信息采集方法
【專利摘要】本發(fā)明涉及一種基于智能手機(jī)的交通流信息采集方法，包括：數(shù)據(jù)輸入步驟，用于采集不同類型的交通環(huán)境下的交通流信息與交通噪聲數(shù)據(jù)，并將所采集的交通流信息與交通噪聲數(shù)據(jù)按類型存儲；模型建立步驟，包括通過數(shù)據(jù)輸入步驟所得到的交通流信息、交通噪聲數(shù)據(jù)、道路類型信息與采集時間類型信息建立人工神經(jīng)網(wǎng)絡(luò)模型，所建立的人工神經(jīng)網(wǎng)絡(luò)模型按照道路類型信息與采集時間類型信息分為多個類別；手機(jī)端數(shù)據(jù)處理步驟，包括由手機(jī)端采集地理位置信息、交通噪聲數(shù)據(jù)、時間信息，利用這些信息從所建立的人工神經(jīng)網(wǎng)絡(luò)模型中選擇一個，進(jìn)而得到交通流信息。
【專利說明】一種基于智能手機(jī)的交通流信息采集方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及交通領(lǐng)域，特別涉及一種基于智能手機(jī)的交通流信息采集方法。
【背景技術(shù)】
[0002]作為治理城市交通擁堵的關(guān)鍵技術(shù)一交通車流量分析及評價是目前研究的重點與難點，它不僅能為交通管理者治理交通擁堵提供決策依據(jù)，同時也能為動態(tài)交通誘導(dǎo)提供數(shù)據(jù)支撐。目前使用廣泛的交通擁堵分析及評價方法有:進(jìn)行人工交通調(diào)查，或者利用視頻、線圈等固定檢測交通采集設(shè)備，從而得到車流量、密度等交通流參數(shù)。
[0003]目前，無論是通過安裝固定監(jiān)測器，還是其他檢測方式，在城市復(fù)雜道路環(huán)境中都存在一定的弊端和問題，主要有:
[0004]I)現(xiàn)行的監(jiān)測車流量的方法需要經(jīng)過長時間的前期準(zhǔn)備工作，并需要大量的施工單位配合施工，時間成本相對較大。
[0005]2)現(xiàn)行的方法在客觀情況影響下得到的數(shù)據(jù)量有限，覆蓋面較小，建立數(shù)據(jù)模型數(shù)據(jù)不夠充足。
[0006]3)城市中復(fù)雜的道路環(huán)境中各種不同的道路對應(yīng)的車流量模型不一樣，很難用通用的模型進(jìn)行分析，需要按照不同的道路類型建立相應(yīng)的數(shù)據(jù)模型進(jìn)行逐一的分析。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的交通流信息檢測方法成本高的缺陷，從而提供一種快捷、簡便、成本低的交通流信息采集方法。
[0008]為了實現(xiàn)上述目的，本發(fā)明提供了一種基于智能手機(jī)的交通流信息采集方法，包括:
[0009]一數(shù)據(jù)輸入步驟，該步驟用于采集不同類型的交通環(huán)境下的交通流信息與交通噪聲數(shù)據(jù)，并將所采集的交通流信息與交通噪聲數(shù)據(jù)按類型存儲；所述類型包括道路的類型與采集時間的類型；
[0010]一模型建立步驟，該步驟包括通過數(shù)據(jù)輸入步驟所得到的交通流信息、交通噪聲數(shù)據(jù)、道路類型信息與采集時間類型信息建立人工神經(jīng)網(wǎng)絡(luò)模型，所建立的人工神經(jīng)網(wǎng)絡(luò)模型按照道路類型信息與采集時間類型信息分為多個類別；其中，所述人工神經(jīng)網(wǎng)絡(luò)將大量同類型的交通流信息與交通噪聲數(shù)據(jù)進(jìn)行分布式并行信息處理，然后通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而找到交通噪聲與交通流之間的相應(yīng)關(guān)系；
[0011]一手機(jī)端數(shù)據(jù)處理步驟，該步驟包括由手機(jī)端采集地理位置信息、交通噪聲數(shù)據(jù)、時間信息，利用這些信息從所建立的人工神經(jīng)網(wǎng)絡(luò)模型中選擇一個，進(jìn)而得到交通流信息。
[0012]上述技術(shù)方案中，在所述的手機(jī)端數(shù)據(jù)處理步驟中，將手機(jī)端采集的地理位置信息與電子地圖相匹配，得到手機(jī)端所在道路，根據(jù)該道路的類型以及時間信息從所建立的人工神經(jīng)網(wǎng)絡(luò)模型中選擇一個，然后將所述交通噪聲數(shù)據(jù)輸入所選擇的人工神經(jīng)網(wǎng)絡(luò)模型，得到交通流信息。[0013]上述技術(shù)方案中，在所述的模型建立步驟中還包括:將電子地圖中各條道路的標(biāo)簽與所建立的人工神經(jīng)網(wǎng)絡(luò)模型中的特定模型進(jìn)行關(guān)聯(lián)；所述關(guān)聯(lián)根據(jù)道路的類型實現(xiàn)；
[0014]在手機(jī)端數(shù)據(jù)處理步驟中，由手機(jī)端采集的地理位置信息與電子地圖匹配，得到手機(jī)端當(dāng)前所在的道路，由道路的標(biāo)簽得到與其關(guān)聯(lián)的人工神經(jīng)網(wǎng)絡(luò)模型，結(jié)合時間信息從關(guān)聯(lián)的人工神經(jīng)網(wǎng)絡(luò)模型中選擇一個。
[0015]上述技術(shù)方案中，所述道路的類型包括7種節(jié)點類型與4種路段類型，其中，節(jié)點類型包括:單數(shù)字化道路的同級交叉、雙數(shù)字化道路的同級交叉、有環(huán)島的路口、高架橋、地下通道、入口坡道以及出口坡道；路段類型包括:環(huán)路主干道、環(huán)路輔道、環(huán)路連接線以及主干道支路。
[0016]上述技術(shù)方案中，所述采集時間的類型包括早高峰、正午時段、晚高峰。
[0017]上述技術(shù)方案中，在所述數(shù)據(jù)輸入步驟中，將所采集的交通流信息與交通噪聲數(shù)據(jù)按類型存儲包括:首先將所采集的交通流信息與交通噪聲數(shù)據(jù)按照道路類型依次予以存儲，然后將按道路類型存儲的交通流信息與交通噪聲數(shù)據(jù)按照采集時間的類型分別予以存儲。
[0018]上述技術(shù)方案中，所述人工神經(jīng)網(wǎng)絡(luò)模型為BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型，該模型以道路類型作為模型建立基礎(chǔ)，模型的輸入層設(shè)定為交通噪聲數(shù)據(jù)和時間信息，通過不斷輸入交通噪聲數(shù)據(jù)的原始數(shù)據(jù)，并改變隱含層的層數(shù)進(jìn)行訓(xùn)練，在輸出層得到交通流數(shù)據(jù)。
[0019]上述技術(shù)方案中，所述BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型有33個，通過將11種道路類型在3個時間類型分別建模得到。
[0020]本發(fā)明的優(yōu)點在于:
[0021](I)本發(fā)明通過在現(xiàn)實道路中利用手機(jī)采集交通噪聲分貝的方式，解決了城市復(fù)雜壞境中估算車流量的問題，同時可為指揮部門的誘導(dǎo)與指揮起到參考的作用；
[0022](2)本發(fā)明提出基于BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理模型的思路，可使得使用者可以更準(zhǔn)確地、更快速地獲得對應(yīng)位置的交通流量。
[0023](3)本發(fā)明可利用普遍的智能手機(jī)解決復(fù)雜城市環(huán)境的道路車流量問題，更方便向公眾提供精細(xì)化的交通服務(wù)信息。
【專利附圖】

【附圖說明】
[0024]圖1是本發(fā)明的基于智能手機(jī)的交通流信息采集方法的流程圖；
[0025]圖2是本發(fā)明中所采用的BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型的示意圖。
【具體實施方式】
[0026]現(xiàn)結(jié)合附圖對本發(fā)明作進(jìn)一步的描述。
[0027]本發(fā)明的實施步驟總體上分為三步:數(shù)據(jù)輸入、模型建立以及手機(jī)端數(shù)據(jù)處理。其中，數(shù)據(jù)輸入步驟主要完成在不同類型的交通環(huán)境下采集交通流信息與交通噪聲數(shù)據(jù)，然后將所采集的數(shù)據(jù)按照類型分別予以存儲；模型建立步驟主要通過人工神經(jīng)網(wǎng)絡(luò)將大量同類型的數(shù)據(jù)進(jìn)行分布式并行信息處理，然后通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而找到交通噪聲與交通流量之間的相應(yīng)關(guān)系，與此同時建立手機(jī)端電子地圖道路標(biāo)簽與相應(yīng)車輛噪聲與道路的BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型對應(yīng)關(guān)系，為通過衛(wèi)星定位準(zhǔn)確選擇BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型打下基礎(chǔ)；手機(jī)端數(shù)據(jù)處理步驟主要是利用手機(jī)端的定位功能以及現(xiàn)有的專業(yè)噪聲監(jiān)測軟件進(jìn)行復(fù)雜道路環(huán)境的交通流量監(jiān)測。
[0028]下面結(jié)合圖1對各個步驟的具體實現(xiàn)做詳細(xì)說明。
[0029]步驟1、數(shù)據(jù)輸入。本步驟中所要輸入的數(shù)據(jù)包括交通流信息與交通噪聲數(shù)據(jù)，這兩類信息在存儲時需要按照道路類型與采集時間分類存儲。該步驟具體包括:
[0030]步驟1-1、對道路進(jìn)行分類。
[0031]對道路進(jìn)行分類的原則是通過電子地圖的道路基本屬性進(jìn)行分類，按照道路綜合層的空間描述，總體可以分為兩個基本要素，即節(jié)點和路段。道路主要是節(jié)點和路段進(jìn)行組合的結(jié)果。因此，在對道路進(jìn)行分類之前首先對節(jié)點與路段進(jìn)行分類，節(jié)點類型與路段類型的組合即為道路的類型。
[0032]在本發(fā)明中，節(jié)點包括下列類型:I)單數(shù)字化道路的同級交叉(指形狀簡單的交叉路，如丁字路口、十字路口)、2)雙數(shù)字化道路的同級交叉(指形狀復(fù)雜的交叉路，如除十字路口、丁字路口外的其他交叉路)、3 )有環(huán)島的路口、4 )高架橋、5 )地下通道、6 )入口坡道以及7)出口坡道；路段包括下列類型:1)環(huán)路主干道2)環(huán)路輔道3)環(huán)路連接線以及4)主干道支路?？傆嫻?jié)點有7種類型，路段有4種類型，組合起來道路共有11種監(jiān)測類型。
[0033]步驟1-2、對采集時間進(jìn)行分類。
[0034]采集的時間原則是按照早高峰、正午時段、晚高峰來進(jìn)行交通流信息與交通噪聲數(shù)據(jù)的采集。通過對三個具有明顯特征的時間段進(jìn)行交通流信息與交通噪聲數(shù)據(jù)的采集能夠進(jìn)行高峰時段與平常時段的交通流與交通噪聲的對比研究，發(fā)現(xiàn)其中存在的關(guān)系。將早高峰、正午時段、晚高峰分表標(biāo)注不同的標(biāo)簽，例如，其中早高峰時間從上午8點到9點，時間標(biāo)簽設(shè)為90 ;午間時段從中午11點到I點，時間標(biāo)簽設(shè)為60 ;晚高峰下午從5點到8點，時間標(biāo)簽設(shè)為100。
[0035]步驟1-3、采集交通流信息與交通噪聲數(shù)據(jù)，然后將所采集的數(shù)據(jù)按照道路類型、時間類型分別予以存儲。
[0036]例如，首先為各個道路類型建立對應(yīng)的存儲文件，然后在各個道路類型的存儲文件中分別建立三個時間段的子文件。采集到交通流信息與交通噪聲數(shù)據(jù)后，首先判斷道路類型，放入相應(yīng)的主文件夾，然后再判斷采集時間，放入對應(yīng)的采集時間段的子文件夾。
[0037]步驟2、建立數(shù)據(jù)模型。本步驟中所要建立的數(shù)據(jù)模型包括兩種，第一種是用于描述交通噪聲與交通流量之間的相應(yīng)關(guān)系的模型，另一種是用于描述道路類型與第一種模型間對應(yīng)關(guān)系的模型。該步驟具體包括:
[0038]步驟2-1、建立用于描述交通噪聲與交通流量間關(guān)系的BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型。
[0039]步驟I所采集的數(shù)據(jù)中包括四個變量:時間標(biāo)簽、交通流數(shù)據(jù)、交通噪聲數(shù)據(jù)、道路類型信息。利用這四個變量可通過MATLAB建立BP神經(jīng)網(wǎng)絡(luò)模型，即計算實際輸出時按從輸入到輸出的方向進(jìn)行。其中以道路類型作為模型建立基礎(chǔ)，模型的輸入層設(shè)定為交通噪聲數(shù)據(jù)和時間標(biāo)簽，通過不斷輸入交通噪聲數(shù)據(jù)的原始數(shù)據(jù)，并改變隱含層的層數(shù)進(jìn)行訓(xùn)練，在輸出層得到交通流數(shù)據(jù)。圖2為所建立的BP神經(jīng)網(wǎng)絡(luò)模型的示意圖，其中:
[0040]X1代表交通噪聲數(shù)據(jù)，Xj代表時間標(biāo)簽，xM代表輸入層第M個節(jié)點的輸入。
[0041]Wij表示隱含層第i個節(jié)點到輸入層第j個節(jié)點之間的權(quán)值；
[0042]Θ i表示隱含層第i個節(jié)點的閾值；[0043]φ (χ)表示隱含層的激勵函數(shù)；
[0044]wki表示輸出層第k個節(jié)點到隱含層第i個節(jié)點之間的權(quán)值，i=l, **., q ;
[0045]ak表示輸出層第k個節(jié)點的閾值，k=l，…，L ;
[0046]ψ (χ)表示輸出層的激勵函數(shù)；
[0047]Ok表不輸出層輸出交通流數(shù)據(jù)。
[0048]信號的前向傳播過程如下:
[0049]隱含層第i個節(jié)點的輸入Iieti:
[0050]
【權(quán)利要求】
1.一種基于智能手機(jī)的交通流信息采集方法，包括: 一數(shù)據(jù)輸入步驟，該步驟用于采集不同類型的交通環(huán)境下的交通流信息與交通噪聲數(shù)據(jù)，并將所采集的交通流信息與交通噪聲數(shù)據(jù)按類型存儲；所述類型包括道路的類型與采集時間的類型； 一模型建立步驟，該步驟包括通過數(shù)據(jù)輸入步驟所得到的交通流信息、交通噪聲數(shù)據(jù)、道路類型信息與采集時間類型信息建立人工神經(jīng)網(wǎng)絡(luò)模型，所建立的人工神經(jīng)網(wǎng)絡(luò)模型按照道路類型信息與采集時間類型信息分為多個類別；其中，所述人工神經(jīng)網(wǎng)絡(luò)將大量同類型的交通流信息與交通噪聲數(shù)據(jù)進(jìn)行分布式并行信息處理，然后通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而找到交通噪聲與交通流之間的相應(yīng)關(guān)系； 一手機(jī)端數(shù)據(jù)處理步驟，該步驟包括由手機(jī)端采集地理位置信息、交通噪聲數(shù)據(jù)、時間信息，利用這些信息從所建立的人工神經(jīng)網(wǎng)絡(luò)模型中選擇一個，進(jìn)而得到交通流信息。
2.根據(jù)權(quán)利要求1所述的基于智能手機(jī)的交通流信息采集方法，其特征在于，在所述的手機(jī)端數(shù)據(jù)處理步驟中，將手機(jī)端采集的地理位置信息與電子地圖相匹配，得到手機(jī)端所在道路，根據(jù)該道路的類型以及時間信息從所建立的人工神經(jīng)網(wǎng)絡(luò)模型中選擇一個，然后將所述交通噪聲數(shù)據(jù)輸入所選擇的人工神經(jīng)網(wǎng)絡(luò)模型，得到交通流信息。
3.根據(jù)權(quán)利要求1所述的基于智能手機(jī)的交通流信息采集方法，其特征在于，在所述的模型建立步驟中還包括:將電子地圖中各條道路的標(biāo)簽與所建立的人工神經(jīng)網(wǎng)絡(luò)模型中的特定模型進(jìn)行關(guān)聯(lián)；所述關(guān)聯(lián)根據(jù)道路的類型實現(xiàn)； 在手機(jī)端數(shù)據(jù)處理步驟中，由手機(jī)端采集的地理位置信息與電子地圖匹配，得到手機(jī)端當(dāng)前所在的道路，由道路的標(biāo)簽得到與其關(guān)聯(lián)的人工神經(jīng)網(wǎng)絡(luò)模型，結(jié)合時間信息從關(guān)聯(lián)的人工神經(jīng)網(wǎng)絡(luò)模型中選擇一個。
4.根據(jù)權(quán)利要求2或3所述的基于智能手機(jī)的交通流信息采集方法，其特征在于，所述道路的類型包括7種節(jié)點類型與4種路段類型，其中，節(jié)點類型包括:單數(shù)字化道路的同級交叉、雙數(shù)字化道路的同級交叉、有環(huán)島的路口、高架橋、地下通道、入口坡道以及出口坡道；路段類型包括:環(huán)路主干道、環(huán)路輔道、環(huán)路連接線以及主干道支路。
5.根據(jù)權(quán)利要求2或3所述的基于智能手機(jī)的交通流信息采集方法，其特征在于，所述采集時間的類型包括早高峰、正午時段、晚高峰。
6.根據(jù)權(quán)利要求2或3所述的基于智能手機(jī)的交通流信息采集方法，其特征在于，在所述數(shù)據(jù)輸入步驟中，將所采集的交通流信息與交通噪聲數(shù)據(jù)按類型存儲包括:首先將所采集的交通流信息與交通噪聲數(shù)據(jù)按照道路類型依次予以存儲，然后將按道路類型存儲的交通流信息與交通噪聲數(shù)據(jù)按照采集時間的類型分別予以存儲。
7.根據(jù)權(quán)利要求2或3所述的基于智能手機(jī)的交通流信息采集方法，其特征在于，所述人工神經(jīng)網(wǎng)絡(luò)模型為BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型，該模型以道路類型作為模型建立基礎(chǔ)，模型的輸入層設(shè)定為交通噪聲數(shù)據(jù)和時間信息，通過不斷輸入交通噪聲數(shù)據(jù)的原始數(shù)據(jù)，并改變隱含層的層數(shù)進(jìn)行訓(xùn)練，在輸出層得到交通流數(shù)據(jù)。
8.根據(jù)權(quán)利要求7所述的基于智能手機(jī)的交通流信息采集方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型有33個，通過將11種道路類型在3個時間類型分別建模得到。
【文檔編號】G08G1/065GK103761881SQ201410058808
【公開日】2014年4月30日 申請日期:2014年2月20日 優(yōu)先權(quán)日:2014年2月20日
【發(fā)明者】吳江帆, 雷利軍, 王振華, 聶煒, 景澤濤, 單雅文, 王法巖, 荊長林, 萬蔚, 于淵, 田啟華, 張丹 申請人:中國航天系統(tǒng)工程有限公司