本发明涉及交通管理领域，尤其涉及一种道路流量拥堵报警的方法与系统。
背景技术：
近年来，城市交通基础设施和管理设施建设有了较大的提高，但仍然远低于城市发展的需求。交通拥堵逐步成为城市交通的常态和棘手的问题，对现有的警力和公安交通指挥形成了极大的挑战。
目前，国内外的交通拥堵报警以交警指挥中心人工发现为主。视频监控是实时查看交通状况的最好方式，直观呈现道路的各种情况。道路上部署的各类监控摄像机，直接把道路上的车流视频信息传送到交警指挥中心，坐席值班人员实时观测监控大屏幕，发现拥堵的路口，向执勤交警发送拥堵告警消息，调度警力进入现场监管和疏导。这种模式需要大量的人员来观测监控屏幕，效率还不高。因此，如何发挥道路监控的智能应用，将公安信息化建设与地理信息技术紧密结合起来,大力开展警用地理信息系统建设,利用现代科技管理手段，科学组织，通过向科技要警力，增强交警快速反应能力将成为必要的措施。
技术实现要素：
为了解决上述问题，本发明提供了一种道路流量拥堵报警的方法与系统。
本发明技术方案是：一种道路流量拥堵报警的方法，包括以下步骤：
S1.交通参数采集：通过交通流量采集设备采集参数，所述参数包括t时间内的平均车速v(t)、车流量f(t)、占有率o(t)以及车流量图片pn，其中n＝{1，2，3，…}，图片Pn大小均为a*b；
S2.特征向量组合：A.将获取到的大小为a*b的车流量图片pn全部归一化，用x尺度y方位和对应该图像分辨率的Gabor滤波器对大小为a*b的图像进行滤波，即分别同yb个通道的滤波器进行卷积，其中yb＝x*y，通过级联卷积可以得到图像GIST特征；
B.将大小为a*b的图片划分成bj*bj的规则网格，各网块依次记为wi，其中i＝{1，2，3，…，yg}，网格块大小为a'*b'，分别用yb个通道的滤波器进行卷积，通过级联卷积可以得到块GIST特征，用GS表示每个网格块的GIST特征，对GS块各通道进行滤波取平均值后按行组合的方式得到全局GIST特征，用GG表示全局GIST特征，即GG的维数为yb*yg，所以该图片场景的GIST特征是yb*yg维的特征向量组；
C.计算交通参数变化量：以1分钟为例,车速v(t)的1分钟变化量为：Qv[V(t)]＝|v(t)-v(t-1)|；车流量f(t)的1分钟变化量为：Qf[f(t)]＝|f(t)-f(t-1)|；占有率o(t)的1分钟变化量为：Qo[o(t)]＝|o(t)-o(t-1)|；
D.将一张图片的特征向量与该图提取到的交通参数组合成新的向量为：F＝{GG,Qv[V(t)],Qf[f(t)],Qo[o(t)]}，新的向量F为模型训练提供依据；
S3.模型训练：将三种交通状态：畅通、缓行、拥堵分别以0、1、2代替，即交通状态j＝{0,1,2}，设训练分类器为h,将步骤S2中图片GIST特征和交通参数组合的新的特征向量F放入分类器h，得到训练分类函数h(Fn)；
假设训练函数为g(Fn,θk)＝j，θk为阈值，根据三种交通状态可以分析得出k＝{0,1}；
当h(Fn)＜θ0时，交通状态结果为0，即为畅通状态；当θ0≤h(Fn)≤θ1时，交通状态结果为1，即为缓行状态；当h(Fn)＞θ1时，交通状态结果为2，即为拥堵状态；
由训练函数g(Fn,θk)＝j，即得到训练误差∑||g(Fn，θk)-j||2，通过最小二乘法求出θk的值，即求出θ0，θ1的值；
S4.拥堵判断：对于一组由交通流量采集设备采集到的图片，获取每个图片的组合特征向量F，将组合的特征向量F代入训练函数g(Fn,θk)和分类器函数h(Fn)中，计算得到实际结果j；若是j为2，则该时刻的交通状态为拥堵，触发警报装置。
一种道路流量拥堵报警的系统，包括依次连接的交通流量采集设备、参数处理器以及警报装置；所述交通流量采集设备用于获取道路上车辆t时间内的平均车速v(t)、车流量f(t)和占有率o(t)，t时间内获取到的车流量图片pn，其中n＝{1，2，3，…}；所述参数处理器用于接收交通流量采集设备传输的参数信息，并根据参数信息判断该道路的交通状况；所述警报装置用于接收参数处理器判断出交通拥堵状态后发送的信号，并触发报警。
本发明的有益效果是：本发明研发的是一套交通拥堵自动报警系统，利用智能交通流量采集设备完成道路的流量统计，并在此基础上通过参数处理器利用GIST特征完成道路的拥堵状况分析，从而自动完成道路拥堵识别与报警，并通知相关人员及时采取应对措施。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明工作流程示意图；
具体实施方式
以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
结合附图1，一种道路流量拥堵报警的方法，包括以下步骤：
S1.交通参数采集：通过交通流量采集设备采集参数，所述参数包括t时间内的平均车速v(t)、车流量f(t)、占有率o(t)以及车流量图片pn，其中n＝{1，2，3，…}，图片Pn大小均为a*b；
S2.特征向量组合：A.将获取到的大小为a*b的车流量图片pn全部归一化，用x尺度y方位和对应该图像分辨率的Gabor滤波器对大小为a*b的图像进行滤波，即分别同yb个通道的滤波器进行卷积，其中yb＝x*y，通过级联卷积可以得到图像GIST特征；
B.将大小为a*b的图片划分成bj*bj的规则网格，各网块依次记为wi，其中i＝{1，2，3，…，yg}，网格块大小为a'*b'，分别用yb个通道的滤波器进行卷积，通过级联卷积可以得到块GIST特征，用GS表示每个网格块的GIST特征，对GS块各通道进行滤波取平均值后按行组合的方式得到全局GIST特征，用GG表示全局GIST特征，即GG的维数为yb*yg，所以该图片场景的GIST特征是yb*yg维的特征向量组；
C.计算交通参数变化量，以1分钟为例,车速v(t)的1分钟变化量为：
Qv[V(t)]＝|v(t)-v(t-1)|；车流量f(t)的1分钟变化量为：
Qf[f(t)]＝|f(t)-f(t-1)|；占有率o(t)的1分钟变化量为：
Qo[o(t)]＝|o(t)-o(t-1)|；
D.将一张图片的特征向量与该图提取到的交通参数组合成新的向量为：
F＝{GG,Qv[V(t)],Qf[f(t)],Qo[o(t)]}，则,新的向量F为模型训练提供依据；
S3.模型训练：将三种交通状态：畅通、缓行、拥堵分别以0、1、2代替，即交通状态j＝{0,1,2}，设训练分类器为h,将步骤S2中图片GIST特征和交通参数组合的新的特征向量F放入分类器h，得到训练分类函数h(Fn)；
假设训练函数为g(Fn,θk)＝j，θk为阈值，根据三种交通状态可以分析得出k＝{0,1}；
当h(Fn)＜θ0时，交通状态结果为0，即为畅通状态；当θ0≤h(Fn)≤θ1时，交通状态结果为1，即为缓行状态；当h(Fn)＞θ1时，交通状态结果为2，即为拥堵状态；
由训练函数g(Fn,θk)＝j，即得到训练误差∑||g(Fn，θk)-j||2，通过最小二乘法求出θk的值，即求出θ0，θ1的值；
S4.拥堵判断：对于一组由交通流量采集设备采集到的图片，获取每个图片的组合特征向量F，将组合的特征向量F代入训练函数g(Fn,θk)和分类器函数h(Fn)中，计算得到实际结果j；若是j为2，则该时刻的交通状态为拥堵，触发警报装置。
一种道路流量拥堵报警的系统，包括依次连接的交通流量采集设备、参数处理器以及警报装置；所述交通流量采集设备用于获取道路上车辆t时间内的平均车速v(t)、车流量f(t)和占有率o(t)，t时间内获取到的车流量图片pn，其中n＝{1，2，3，…}；所述参数处理器用于接收交通流量采集设备传输的参数信息，并根据参数信息判断该道路的交通状况；所述警报装置用于接收参数处理器判断出交通拥堵状态后发送的信号，并触发报警，相关执法部门应尽快调动警力去现场疏通。
本发明利用智能交通流量采集设备完成道路的流量统计，并在此基础上通过参数处理器利用GIST特征完成道路的拥堵状况分析，从而自动完成道路拥堵识别与报警，并通知相关人员及时采取应对措施。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。