本發(fā)明屬于智能交通，具體涉及一種數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法及系統(tǒng)。

背景技術(shù)：

1、智能交通的發(fā)展，是未來城市交通體系的重要組成部分，它依托于先進的信息技術(shù)、大數(shù)據(jù)分析、人工智能等科技手段，旨在實現(xiàn)交通管理的智能化、服務(wù)的個性化和運營的高效化。

技術(shù)實現(xiàn)思路

1、本發(fā)明旨在提供一種數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法及系統(tǒng)，以通過該數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法實現(xiàn)對城市智能交通起到基礎(chǔ)支撐的作用，提高城市交通的智能化程度。

2、為實現(xiàn)以上目的，本發(fā)明采用以下技術(shù)方案：

3、提供一種數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法，包括：

4、利用包括攝像頭、激光雷達和毫米波雷達在內(nèi)的各類路側(cè)感知設(shè)備，采集多源傳感數(shù)據(jù)指標；

5、對所述多源傳感數(shù)據(jù)指標進行整合處理形成交通車輛數(shù)據(jù)，此外還準備有離線路網(wǎng)數(shù)據(jù)；

6、對所述交通車輛數(shù)據(jù)以及離線路網(wǎng)數(shù)據(jù)進行進一步的解析與處理，以滿足行車軌跡評估的數(shù)據(jù)使用需求；

7、基于前面解析和處理后的數(shù)據(jù)進行道路行車狀態(tài)的評估并生成行車軌跡信息；

8、對所述行車軌跡信息進行可視化展示，并設(shè)置信息接口，以供開發(fā)相關(guān)應(yīng)用時調(diào)取使用。

9、優(yōu)選的，所述對所述交通車輛數(shù)據(jù)以及離線路網(wǎng)數(shù)據(jù)進行進一步的解析與處理包括：

10、通過卡爾曼濾波器對融合了多源傳感器信息的交通車輛數(shù)據(jù)進行解析與處理，獲取行車狀態(tài)和行車軌跡估計的數(shù)據(jù)；

11、通過uid重識別方式辨識所述交通車輛數(shù)據(jù)中由不同傳感器采集到的同一輛交通車輛的數(shù)據(jù)；

12、基于所述交通車輛數(shù)據(jù)，通過雙向pid預(yù)測的方式或隱馬爾可夫鏈統(tǒng)計模型對傳感器感知不到的感知盲區(qū)路段進行交通車輛行車軌跡數(shù)據(jù)的預(yù)測。

13、優(yōu)選的，所述基于前面解析和處理后的數(shù)據(jù)進行行車狀態(tài)的評估并生成行車軌跡信息包括：

14、基于卡爾曼濾波器融合獲取的行車狀態(tài)和行車軌跡估計數(shù)據(jù)，進行交通車輛數(shù)據(jù)的融合；

15、基于uid重識別方式辨識的同一輛交通車輛的數(shù)據(jù)，進行車輛行駛數(shù)據(jù)的全局uid匹配；

16、基于雙向pid預(yù)測的交通車輛行車軌跡數(shù)據(jù)，進行車輛在感知盲區(qū)路段的行車軌跡預(yù)測。

17、優(yōu)選的，所述對所述行車軌跡信息進行可視化展示包括對歷史軌跡的可視化展示和對預(yù)測軌跡的可視化展示。

18、優(yōu)選的，所述多源傳感數(shù)據(jù)指標的采集、所述交通車輛數(shù)據(jù)的整合、對所述交通車輛數(shù)據(jù)以及離線路網(wǎng)數(shù)據(jù)的解析與處理、進行道路行車狀態(tài)的評估和行車軌跡信息的生成，均結(jié)合外置ai算法和云端計算資源進行輔助處理。

19、本發(fā)明還提供一種數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估系統(tǒng)，包括：

20、感知層，該感知層利用包括攝像頭、激光雷達和毫米波雷達在內(nèi)的各類路側(cè)感知設(shè)備，結(jié)合外置計算資源，采集多源傳感數(shù)據(jù)指標；

21、數(shù)據(jù)層，該數(shù)據(jù)層對所述多源傳感數(shù)據(jù)指標進行整合處理形成交通車輛數(shù)據(jù)，此外還準備有離線路網(wǎng)數(shù)據(jù)；

22、技術(shù)層，該技術(shù)層對所述交通車輛數(shù)據(jù)以及離線路網(wǎng)數(shù)據(jù)進行進一步的解析與處理，以滿足行車軌跡評估的數(shù)據(jù)使用需求；

23、功能層，該功能層基于前面解析和處理后的數(shù)據(jù)進行道路行車狀態(tài)的評估并生成行車軌跡信息；

24、應(yīng)用層，該應(yīng)用層對所述行車軌跡信息進行可視化展示，并設(shè)置信息接口，以供開發(fā)相關(guān)應(yīng)用時調(diào)取使用。

25、優(yōu)選的，所述技術(shù)層包括：

26、卡爾曼濾波器，用于通過該卡爾曼濾波器對融合了多源傳感器信息的交通車輛數(shù)據(jù)進行解析與處理，獲取行車狀態(tài)和行車軌跡估計的數(shù)據(jù)；

27、uid重識別模塊，用于通過uid重識別方式辨識所述交通車輛數(shù)據(jù)中由不同傳感器采集到的同一輛交通車輛的數(shù)據(jù)；

28、雙向pid預(yù)測模塊，用于基于所述交通車輛數(shù)據(jù)，通過雙向pid預(yù)測的方式或隱馬爾可夫鏈統(tǒng)計模型對傳感器感知不到的感知盲區(qū)路段進行交通車輛行車軌跡數(shù)據(jù)的預(yù)測。

29、優(yōu)選的，所述功能層包括：

30、交通車輛融合模塊，用于基于卡爾曼濾波器融合獲取的行車狀態(tài)和行車軌跡估計數(shù)據(jù)，進行交通車輛數(shù)據(jù)的融合；

31、全局uid匹配模塊，用于基于uid重識別方式辨識的同一輛交通車輛的數(shù)據(jù)，進行車輛行駛數(shù)據(jù)的全局uid匹配；

32、行車軌跡預(yù)測模塊，用于基于雙向pid預(yù)測的交通車輛行車軌跡數(shù)據(jù)，進行行車軌跡的預(yù)測。

33、優(yōu)選的，所述應(yīng)用層包括對歷史軌跡進行可視化展示的歷史軌跡可視化展示模塊，和對預(yù)測軌跡進行可視化展示的預(yù)測軌跡可視化展示模塊。

34、優(yōu)選的，還包括計算資源連接模塊，所述多源傳感數(shù)據(jù)指標的采集、交通車輛數(shù)據(jù)的整合、對所述交通車輛數(shù)據(jù)以及離線路網(wǎng)數(shù)據(jù)的解析與處理、進行道路行車狀態(tài)的評估和行車軌跡信息的生成，均通過所述計算資源連接模塊獲取外置ai算法和云端計算資源進行輔助處理。

35、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：該數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法利用攝像頭、激光雷達和毫米波雷達等各類路側(cè)感知設(shè)備采集交通車輛數(shù)據(jù)，整合處理采集的傳感數(shù)據(jù)形成交通車輛數(shù)據(jù)，并準備離線路網(wǎng)數(shù)據(jù)，然后應(yīng)用卡爾曼濾波、uid重識別、雙向pid預(yù)測等技術(shù)對整理的數(shù)據(jù)進行進一步解析與處理，以滿足不同功能的數(shù)據(jù)處理需求，然后通過交通車輛融合、全局uid匹配、行車軌跡預(yù)測等不同功能的模塊進行相關(guān)數(shù)據(jù)的處理，并對所有功能處理的數(shù)據(jù)進行可視化展示，并開放接口以供后續(xù)應(yīng)用開發(fā)。該方法以數(shù)字道路為重點場景，利用區(qū)域內(nèi)終端設(shè)備，通過各類路側(cè)感知設(shè)備進行交通車輛信息采集，并對數(shù)據(jù)進行分析，實現(xiàn)車輛追蹤與定位，掌握城市數(shù)字道路片區(qū)各道路的行車軌跡情況，對提高城市智能化程度、實現(xiàn)城市數(shù)字化區(qū)域管理具有基礎(chǔ)的支撐作用。

技術(shù)特征：

1.一種數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法，其特征在于，所述對所述交通車輛數(shù)據(jù)以及離線路網(wǎng)數(shù)據(jù)進行進一步的解析與處理包括：

3.根據(jù)權(quán)利要求2所述的數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法，其特征在于，所述基于前面解析和處理后的數(shù)據(jù)進行行車狀態(tài)的評估并生成行車軌跡信息包括：

4.根據(jù)權(quán)利要求1所述的數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法，其特征在于，所述對所述行車軌跡信息進行可視化展示包括對歷史軌跡的可視化展示和對預(yù)測軌跡的可視化展示。

5.根據(jù)權(quán)利要求1所述的數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法，其特征在于，所述多源傳感數(shù)據(jù)指標的采集、所述交通車輛數(shù)據(jù)的整合、對所述交通車輛數(shù)據(jù)以及離線路網(wǎng)數(shù)據(jù)的解析與處理、進行道路行車狀態(tài)的評估和行車軌跡信息的生成，均結(jié)合外置ai算法和云端計算資源進行輔助處理。

6.一種數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估系統(tǒng)，其特征在于，包括：

7.根據(jù)權(quán)利要求6所述的數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估系統(tǒng)，其特征在于，所述技術(shù)層包括：

8.根據(jù)權(quán)利要求7所述的數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估系統(tǒng)，其特征在于，所述功能層包括：

9.根據(jù)權(quán)利要求6所述的數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估系統(tǒng)，其特征在于，所述應(yīng)用層包括對歷史軌跡進行可視化展示的歷史軌跡可視化展示模塊，和對預(yù)測軌跡進行可視化展示的預(yù)測軌跡可視化展示模塊。

10.根據(jù)權(quán)利要求6所述的數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估系統(tǒng)，其特征在于，還包括計算資源連接模塊，所述多源傳感數(shù)據(jù)指標的采集、交通車輛數(shù)據(jù)的整合、對所述交通車輛數(shù)據(jù)以及離線路網(wǎng)數(shù)據(jù)的解析與處理、進行道路行車狀態(tài)的評估和行車軌跡信息的生成，均通過所述計算資源連接模塊獲取外置ai算法和云端計算資源進行輔助處理。

技術(shù)總結(jié)
本發(fā)明屬于智能交通技術(shù)領(lǐng)域，尤其為一種數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法及系統(tǒng)，該數(shù)字道路行車軌跡數(shù)據(jù)指標計算評估方法利用各類路側(cè)感知設(shè)備采集交通車輛數(shù)據(jù)，整合處理采集的傳感數(shù)據(jù)形成交通車輛數(shù)據(jù)，并準備離線路網(wǎng)數(shù)據(jù)，然后應(yīng)用不同的數(shù)據(jù)處理技術(shù)對獲取的數(shù)據(jù)進行進一步解析與處理，以滿足不同功能的數(shù)據(jù)處理需求，然后通過交通車輛融合、全局UID匹配、行車軌跡預(yù)測等不同功能的模塊進行相關(guān)數(shù)據(jù)的處理，并對所有功能處理的數(shù)據(jù)進行可視化展示，并開放接口以供后續(xù)應(yīng)用開發(fā)，該方法能夠?qū)崿F(xiàn)道路車輛的追蹤與定位，掌握城市數(shù)字道路片區(qū)各道路的行車軌跡情況，對提高城市智能化程度、實現(xiàn)城市數(shù)字化區(qū)域管理具有基礎(chǔ)的支撐作用。

技術(shù)研發(fā)人員：謝秉鑫,朱宜放,孫小飛,王雨帆,孟宏偉,張淼
受保護的技術(shù)使用者：雄安新區(qū)智能城市創(chuàng)新聯(lián)合會
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9