本發(fā)明涉及交通監(jiān)控，更具體地說(shuō)，本發(fā)明涉及一種智慧交通信息處理平臺(tái)。

背景技術(shù)：

1、隨著城市化進(jìn)程的加快，車輛數(shù)量急劇增加，導(dǎo)致道路資源供需失衡，交通擁堵成為人們?nèi)粘３鲂兄械钠毡殡y題?，F(xiàn)有的解決交通擁堵手段，主要依賴于人工干預(yù)和預(yù)設(shè)的信號(hào)控制策略，缺乏靈活性和智能化，難以實(shí)時(shí)響應(yīng)復(fù)雜多變和動(dòng)態(tài)變化的交通狀況，導(dǎo)致在高峰時(shí)段往往無(wú)法有效緩解道路擁堵。

2、此外，現(xiàn)有的交通信息采集手段存在數(shù)據(jù)來(lái)源單一，這使得交通管理者難以準(zhǔn)確掌握道路狀況，無(wú)法實(shí)時(shí)調(diào)節(jié)交通信號(hào)或采取有效的分流措施，從而加劇了擁堵的發(fā)生。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供一種智慧交通信息處理平臺(tái)，是通過(guò)交通攝像頭實(shí)時(shí)采集擁堵道路的多源數(shù)據(jù)，并對(duì)原始數(shù)據(jù)進(jìn)行清洗、降噪和格式化處理，基于實(shí)時(shí)采集的多源數(shù)據(jù)建立解決擁堵模型，實(shí)時(shí)動(dòng)態(tài)調(diào)控交通信號(hào)燈緩解擁堵，并基于實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)建立預(yù)測(cè)模型預(yù)測(cè)道路擁堵，提前引導(dǎo)車輛分流，避免擁堵的發(fā)生，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種智慧交通信息處理平臺(tái)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、交通模式識(shí)別模塊、交通道路流量控制模塊、交通道路流量預(yù)測(cè)模塊和信息發(fā)布模塊；所述數(shù)據(jù)采集模塊實(shí)時(shí)采集擁堵道路數(shù)據(jù)；所述數(shù)據(jù)預(yù)處理模塊建立降噪模型對(duì)采集到的數(shù)據(jù)進(jìn)行降噪處理，以提高數(shù)據(jù)的質(zhì)量，所述降噪模型的公式為：

4、，其中，為輸入圖像，大小為，像素值的范圍為，為像素的水平位置，為像素的垂直位置；為降噪后輸出的圖像，其像素值仍為；為二維高斯濾波核，為高斯濾波核的標(biāo)準(zhǔn)差，決定濾波器的平滑程度；為卷積操作，實(shí)現(xiàn)平滑處理以去除高頻噪聲，同時(shí)保留邊緣細(xì)節(jié)；為將輸入圖像分割為個(gè)分塊，得到第個(gè)分塊的像素值，分塊的目的是對(duì)局部區(qū)域進(jìn)行自適應(yīng)處理，減少全局直方圖均衡化引入的偽影；為直方圖裁剪閾值，用于限制過(guò)高的對(duì)比度增強(qiáng)，防止光斑過(guò)度增強(qiáng)；為對(duì)分塊應(yīng)用對(duì)比度受限自適應(yīng)直方圖均衡化；

5、所述交通道路流量控制模塊利用實(shí)時(shí)交通數(shù)據(jù)，建立解決擁堵模型，減輕擁堵現(xiàn)狀，所述解決擁堵模型的公式為：

6、，

7、式中：為解決擁堵現(xiàn)狀的目標(biāo)函數(shù)，衡量解決擁堵的優(yōu)化狀態(tài)；為信號(hào)燈控制的方向總數(shù)；為第個(gè)方向的擁堵指數(shù)，滿足，其中，為第個(gè)方向的車輛密度，為道路設(shè)計(jì)允許的最大車輛密度，為車速對(duì)擁堵指數(shù)的影響權(quán)重，為第個(gè)方向所有車輛的平均車速，為無(wú)擁堵條件下的所有車輛的平均車速；為第一調(diào)節(jié)系數(shù)，控制排隊(duì)長(zhǎng)度偏差的權(quán)重；為第方向的實(shí)際車輛排隊(duì)長(zhǎng)度；為預(yù)設(shè)的車輛排隊(duì)長(zhǎng)度閾值，滿足，其中，為道路最大容許的排隊(duì)長(zhǎng)度，為用于控制預(yù)設(shè)的車輛排隊(duì)長(zhǎng)度閾值變化的敏感度；為第二調(diào)節(jié)系數(shù)，控制優(yōu)先車道時(shí)間偏差的權(quán)重；為第個(gè)方向的綠燈時(shí)長(zhǎng)，滿足，其中，為初始設(shè)置的默認(rèn)綠燈時(shí)長(zhǎng)；為優(yōu)先車道的綠燈時(shí)長(zhǎng)；所述解決擁堵模型重新規(guī)劃信號(hào)燈的控制時(shí)間，靈活調(diào)整個(gè)方向綠燈的時(shí)長(zhǎng)比例，還引入了對(duì)優(yōu)先車道綠燈時(shí)長(zhǎng)的調(diào)控能力，緩解了道路的擁堵。

8、作為本發(fā)明進(jìn)一步方案，數(shù)據(jù)采集模塊實(shí)時(shí)采集擁堵道路數(shù)據(jù)，包括以下具體內(nèi)容：所述數(shù)據(jù)采集模塊通過(guò)布置在道路沿線的交通攝像頭對(duì)道路的交通狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，所述交通攝像頭能夠?qū)崟r(shí)采集到交通流中圖像數(shù)據(jù)，并對(duì)所述圖像數(shù)據(jù)進(jìn)行分析獲取車輛密度、道路占用率以及車流量等關(guān)鍵數(shù)據(jù)，將捕捉到的畫面通過(guò)圖像處理算法進(jìn)行解析，車輛被精準(zhǔn)地識(shí)別和計(jì)數(shù)，從而得到單位時(shí)間內(nèi)通過(guò)某一位置的車輛數(shù)，即車流量。此外，所述交通攝像頭還能夠識(shí)別道路的占用情況，例如是否存在因施工、事故等造成的車道封閉，或者是否有其他障礙物影響到道路的正常使用。為了確保數(shù)據(jù)的精確性，所述交通攝像頭具有高分辨率成像技術(shù)和夜視能力，能夠在不同光照條件下采集高質(zhì)量的圖像，包括白天和夜晚的交通狀況、復(fù)雜天氣下的道路情況等。采集到的數(shù)據(jù)通過(guò)通信網(wǎng)絡(luò)傳輸?shù)綌?shù)據(jù)預(yù)處理模塊，所述通信網(wǎng)絡(luò)采用高速低延遲的傳輸方式，如5g網(wǎng)絡(luò)或光纖專線，確保數(shù)據(jù)的實(shí)時(shí)性和穩(wěn)定性。

9、作為本發(fā)明進(jìn)一步方案，數(shù)據(jù)預(yù)處理模塊對(duì)采集到的原始數(shù)據(jù)進(jìn)行清洗、降噪和格式化處理，包括以下具體內(nèi)容：首先，所述數(shù)據(jù)預(yù)處理模塊對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，其目的是去除數(shù)據(jù)中存在的錯(cuò)誤值、冗余信息以及缺失數(shù)據(jù)等問(wèn)題，比如，在數(shù)據(jù)采集過(guò)程中，可能由于設(shè)備故障或通信中斷而產(chǎn)生一些不完整的記錄，這些不完整的數(shù)據(jù)如果不加以處理，將會(huì)對(duì)后續(xù)分析帶來(lái)偏差。因此，數(shù)據(jù)清洗過(guò)程中采用基于統(tǒng)計(jì)方法的離群值來(lái)檢測(cè)和剔除異常值，以及基于規(guī)則的邏輯判斷，將明顯不合理的車速、過(guò)高或過(guò)低的車輛密度等值標(biāo)記為異常。

10、其次，所述交通攝像頭在復(fù)雜的光照條件下采集到的圖像會(huì)收到光斑和陰影的干擾，所述數(shù)據(jù)預(yù)處理模塊通過(guò)建立降噪模型對(duì)采集到的原始數(shù)據(jù)進(jìn)行降噪處理，以提高數(shù)據(jù)的質(zhì)量。

11、從不同傳感器采集到的數(shù)據(jù)具有不同的時(shí)間戳、不同的數(shù)據(jù)單位以及不同的數(shù)據(jù)類型，因此所述數(shù)據(jù)預(yù)處理模塊對(duì)時(shí)間戳進(jìn)行同步校準(zhǔn)，對(duì)單位進(jìn)行統(tǒng)一轉(zhuǎn)換，將所有數(shù)據(jù)整合到統(tǒng)一的結(jié)構(gòu)化數(shù)據(jù)庫(kù)中，以便于系統(tǒng)的統(tǒng)一管理和分析。

12、作為本發(fā)明進(jìn)一步方案，交通模式識(shí)別模塊識(shí)別不同時(shí)間段和道路條件下的交通模式，包括以下具體內(nèi)容：所述交通模式識(shí)別模塊通過(guò)布設(shè)在道路沿線的交通攝像頭實(shí)時(shí)獲取車輛密度、道路占用率和平均車速等關(guān)鍵交通特征數(shù)據(jù)，并對(duì)所述關(guān)鍵交通特征數(shù)據(jù)進(jìn)行分析，以車輛密度與平均車速為核心特征，綜合評(píng)估道路通暢程度。例如，在正常流量條件下，車輛密度和平均車速保持在預(yù)設(shè)的范圍內(nèi)，將此狀態(tài)標(biāo)記為“通暢”；隨著車輛數(shù)量的增加和平均車速的下降，當(dāng)密度超過(guò)預(yù)設(shè)的閾值時(shí)，所述交通模式識(shí)別模塊會(huì)識(shí)別為“擁堵”。此外，所述交通模式識(shí)別模塊還能夠檢測(cè)出交通事故等特殊事件的發(fā)生。例如，當(dāng)某一位置的車速突然下降且車輛密度異常集中時(shí)，基于特征異常推測(cè)出可能存在事故。

13、作為本發(fā)明進(jìn)一步方案，交通道路流量預(yù)測(cè)模塊通過(guò)對(duì)實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)進(jìn)行分析，建立交通擁堵預(yù)測(cè)模型，提前引導(dǎo)車輛選擇路線，包括以下具體內(nèi)容：所述交通道路流量預(yù)測(cè)模塊基于實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)，建立交通擁堵預(yù)測(cè)模型，預(yù)測(cè)擁堵?tīng)顩r，提前發(fā)布交通信息，引導(dǎo)車輛選擇不同的路線，所述交通擁堵預(yù)測(cè)模型的公式為：

14、，

15、式中：為預(yù)測(cè)時(shí)刻的擁堵指數(shù)；為道路的總數(shù)；為第條道路時(shí)刻的車輛密度；為第條道路的最大設(shè)計(jì)車輛密度；為第條道路時(shí)刻所有車輛的平均車速；為第條道路時(shí)刻所有車輛的平均車速；為時(shí)刻第條道路的濕滑程度受到溫度的影響因子；對(duì)擁堵指數(shù)進(jìn)行分級(jí)，若，說(shuō)明處于通暢狀態(tài)，無(wú)需對(duì)車輛進(jìn)行引導(dǎo)；若，說(shuō)明處于輕微擁堵，建議車輛優(yōu)先選擇替代路線；若，說(shuō)明處于嚴(yán)重?fù)矶?，通過(guò)信號(hào)燈延長(zhǎng)主路紅燈時(shí)長(zhǎng)，同時(shí)增加輔路綠燈時(shí)長(zhǎng)，提前引導(dǎo)車輛分流。

16、作為本發(fā)明進(jìn)一步方案，信息發(fā)布模塊將交通流量和預(yù)測(cè)結(jié)果告知駕駛員，包括以下具體內(nèi)容：所述信息發(fā)布模塊將實(shí)時(shí)交通數(shù)據(jù)和預(yù)測(cè)結(jié)果及時(shí)傳達(dá)給駕駛員，從而引導(dǎo)其選擇最佳路線，避免擁堵并優(yōu)化道路資源的利用率。所述信息發(fā)布模塊通過(guò)多種通信方式實(shí)現(xiàn)信息的高效傳播，包括手機(jī)應(yīng)用、車載導(dǎo)航系統(tǒng)和路側(cè)顯示屏等渠道，以覆蓋不同的駕駛場(chǎng)景和用戶需求。在手機(jī)應(yīng)用方面，模塊通過(guò)實(shí)時(shí)推送通知或動(dòng)態(tài)導(dǎo)航服務(wù)，將當(dāng)前道路的交通狀態(tài)、預(yù)計(jì)通行時(shí)間和替代路線建議以可視化的方式呈現(xiàn)給駕駛員，便于其在行駛前或行駛過(guò)程中快速調(diào)整路線；對(duì)于車載導(dǎo)航系統(tǒng)，所述信息發(fā)布模塊通過(guò)與車輛內(nèi)嵌系統(tǒng)的對(duì)接，直接在駕駛員的導(dǎo)航屏幕上顯示詳細(xì)的交通信息，并結(jié)合語(yǔ)音提示，幫助駕駛員在不影響安全駕駛的前提下快速了解路況；路側(cè)顯示屏則主要服務(wù)于無(wú)法訪問(wèn)手機(jī)或車載系統(tǒng)的駕駛員，通過(guò)電子屏幕實(shí)時(shí)顯示特定路段的交通狀況、預(yù)計(jì)延誤時(shí)間以及分流建議等信息，為臨時(shí)決策提供依據(jù)。此外，所述信息發(fā)布模塊具備智能化的信息篩選功能，根據(jù)駕駛員的位置、目的地和當(dāng)前路況，僅推送相關(guān)性最高的信息，避免冗余或不必要的干擾。

17、作為本發(fā)明進(jìn)一步方案，所述數(shù)據(jù)預(yù)處理模塊和所述數(shù)據(jù)采集模塊相連接，所述交通模式識(shí)別模塊和數(shù)據(jù)預(yù)處理模塊相連接，所述交通道路流量控制模塊與所述交通模式識(shí)別模塊相連接，所述交通道路流量預(yù)測(cè)模塊與所述交通道路流量控制模塊相連接，所述信息發(fā)布模塊與所述交通道路流量預(yù)測(cè)模塊相連接。

18、本發(fā)明一種智慧交通信息處理平臺(tái)的技術(shù)效果和優(yōu)點(diǎn)：本發(fā)明通過(guò)數(shù)據(jù)采集模塊利用交通攝像頭實(shí)時(shí)采集擁堵道路數(shù)據(jù)，包括車輛密度、道路占用率和車流量；數(shù)據(jù)預(yù)處理模塊對(duì)原始數(shù)據(jù)進(jìn)行清洗、降噪和格式化處理，提高數(shù)據(jù)的質(zhì)量；交通模式識(shí)別模塊依據(jù)關(guān)鍵交通特征數(shù)據(jù)識(shí)別不同交通模式，交通道路流量控制模塊基于實(shí)時(shí)數(shù)據(jù)建立解決擁堵模型，動(dòng)態(tài)調(diào)控信號(hào)燈時(shí)間等緩解擁堵；交通道路流量預(yù)測(cè)模塊利用實(shí)時(shí)與歷史數(shù)據(jù)建立預(yù)測(cè)模型預(yù)測(cè)擁堵并分級(jí)，提前引導(dǎo)車輛分流；信息發(fā)布模塊通過(guò)多種渠道將交通信息精準(zhǔn)推送告知駕駛員，該平臺(tái)有效提高了交通數(shù)據(jù)的準(zhǔn)確性和完整性，增強(qiáng)了交通模式識(shí)別的精準(zhǔn)性，提升了道路通行效率，實(shí)現(xiàn)了交通擁堵的有效緩解與提前應(yīng)對(duì)，優(yōu)化了駕駛員的出行體驗(yàn)，使交通管理更加智能化、高效化。