一种基于区块链技术的实时路况信息采集推送方法与流程

本发明涉及交通路况技术领域，具体为一种基于区块链技术的实时路况信息采集推送方法。

背景技术：

随着国民经济的飞速发展、生活节奏加快，越来越多的人出行时选择以车代步，这导致了城市交通愈加拥堵，传统的交通管理机制已经无法满足如今客流量大、车流量多的交通现状。传统的实时路况信息采集系统一般是在各路段设置监控系统，或者设置速度监测仪等等，其路况信息的采集、发布，再到更新，全都是由交通部门完全管控，此类信息采集方法不仅需要耗费大量的人力、物力在设备的安装上，而且效率低、实时性差。

且传统的实时路况信息采集系统通常都需要一个中心平台来对采集到的信息进行整合和处理，而随着数据量的增多，系统的效率会越来越低，并且管理上会有诸多困难。因此，如何实时地采集交通路况信息、并及时将这些信息传递给每一个交通参与者，这是当前迫切需要解决的问题。

技术实现要素：

本发明针对现有技术存在的问题，提出了一种基于区块链技术的实时路况信息采集推送方法。

本发明解决其技术问题所采用的技术方案是：一种基于区块链技术的实时路况信息采集推送方法，包括以下步骤，

1）运行车辆在车载终端或司机手机上安装路况应用软件，并通过与所述车载终端或司机手机连接的行车记录仪采集当前道路的实时路况视频；

2）通过所述路况应用软件的视频处理模块处理所述路况视频以获取所述运行车辆所处的路况条件；

3）通过所述路况应用软件的路况更新模块将所述路况条件更新于所述路况应用软件的路况查询模块；

4）车主通过路况查询模块查询路况以选择合适的行驶路径。

作为优选，所述步骤2）具体包括，21）将所述路况视频以20秒的时间间隔进行实时分段以得到路况短视频；

22）等间隔提取所述路况短视频的s帧待检测图片；

23）检测每一帧待检测图片的车辆数目以及每一帧待检测图片中所述运行车辆与正前方车辆的车距，若待检测图片的车辆数目大于车辆数阈值且待检测图片的车距小于车距阈值，则将所述运行车辆所处的路况条件判为第一拥挤，否则判为不拥挤；

24）若s帧待检测图片中有95%的待检测图片均将所述运行车辆所处的路况条件判为第一拥挤，则将所述运行车辆所处的路况条件判为第二拥挤，否则判为不拥挤；

25）若连续三段路况短视频均将所述运行车辆所处的路况条件判为第二拥挤，则将所述运行车辆所处的路况条件判为第三拥挤，否则判为不拥挤。

作为优选，所述步骤3）中，所述路况应用软件还包括导航模块，当所述运行车辆所处的路况条件判为第三拥挤时，所述路况更新模块结合所述导航模块将所述运行车辆以红色亮点的形式显示在所述路况查询模块。

作为优选，所述步骤23）中通过背景差法计算所述待检测图片的车辆数目，具体包括以下步骤，

231）在云端服务器设置道路背景库，所述云端服务器与所述车载终端或司机手机连接；

232）根据导航模块调用所述运行车辆所处位置对应的初级道路背景图；

233）将所述初级道路背景图片与所述待检测图片结合并通过背景计算模型得到终级道路背景图；

234）将待检测图片与所述终级道路背景图作差以获得车辆图片；

235）对所述车辆图片进行车辆数目统计。

作为优选，所述背景计算模型通过道路背景训练集建立并通过道路背景测试集完善，所述道路背景训练集与所述道路背景测试集通过描述符匹配法去重，具体包括以下步骤，

l1.提取道路背景训练集中所有图片各自的特征点，并根据所述特征点计算相应图片的描述符；

l2.按顺序在道路背景测试集中提取一张测试图片并计算所述测试图片的测试特征点，根据所述测试特征点计算所述测试图片的测试描述符；

l3.根据所述测试描述符结合dbow算法获取所述道路背景训练集中与所述测试图片最相似的n张候选图片；

l4.按顺序在n张候选图片中选取一张候选图片，将所述候选图片的描述符与所述测试图片的测试描述符进行匹配，匹配结果为相同，则将测试集中的所述测试图片删除并返回步骤2）；否则，继续执行步骤4）至n张候选图片均匹配结束并返回步骤2）。

作为优选，所述步骤l4中匹配过程具体为，

l41.将所述测试图片的测试描述符与所述候选图片的描述符进行暴力匹配，获取所述测试图片与所述候选图片描述符匹配的测试描述符集合一；

l42.将所述测试描述符集合一中与距离最近的测试描述符之间距离大于一定阈值d的测试描述符删除以获得测试描述符集合二；

l43.将所述测试描述符集合二中不符合旋转不变性的测试描述符删除以获得测试描述符集合三；

l44.将所述测试描述符集合三中不符合缩放不变性的测试描述符删除以获得测试描述符集合四；

l45.计算所述测试描述符集合四中测试描述符的个数，当个数大于阈值m时，进入下一步骤；否则判定所述测试图片与所述后选图片的匹配结果为不相同；

l46.判定测试描述符集合四中的测试描述符是否匹配在水印上，是则判定所述测试图片与所述后选图片的匹配结果为不相同，否则判定所述测试图片与所述后选图片的匹配结果为相同。

作为优选，所述步骤l42中两测试描述符之间的距离为两测试描述符之差的模；

所述步骤l43中旋转不变性为所述测试描述符集合二中的某一测试描述符与其他任意两测试描述符之间形成的测试夹角与所述候选图片对应的描述符形成的夹角相等。

作为优选，所述步骤l44中缩放不变性计算过程具体为,

l441将所述测试描述符集合三中的测试描述符任意两两配对形成多组测试描述符；

l442计算每组测试描述符中两测试描述符之间的测试距离，并计算所述候选图片中与每组测试描述符对应的描述符之间的候选距离；

l443计算每组测试距离与对应的候选距离之间的比值，并计算所有比值的比值平均值；

l444将每组测试描述符求得的比值与比值平均值作差，当差值大于一定阈值时，则该组的两个测试描述符不符合缩放不变性。

作为优选，所述步骤l46具体为计算所述测试描述符集合四中测试描述符两两距离的平均值，如果所述平均值小于所述测试图片对角线长度的10%，则判定所述测试描述符集合四中的测试描述符匹配在水印上，否则判定所述测试描述符集合四中的测试描述符不匹配在水印上。

作为优选，n张候选图片中n取值为5，阈值d取值为30，阈值m取值为10。

本发明的有益效果是，本发明的实时路况信息采集推送方法可以充分利用社会公众资源，通过社会公众来参与道路交通路况数据的采集，不但效率高，而且比传统机制更加灵活；本发明可以省去传统意义上的中心平台，通过分布式数据存储、点对点传输的形式，应用行车记录仪使每一个交通参与者都能够直接参与路况信息的采集过程。

附图说明

图1为本发明一种基于区块链技术的实时路况信息采集推送方法的流程图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

如图1所示，一种基于区块链技术的实时路况信息采集推送方法，包括以下步骤，

1）运行车辆在车载终端或司机手机上安装路况应用软件，并通过与所述车载终端或司机手机连接的行车记录仪采集当前道路的实时路况视频。

2）通过所述路况应用软件的视频处理模块处理所述路况视频以获取所述运行车辆所处的路况条件。视频处理模块只处理其对应的运行车辆所采集的路况视频。

具体包括，21）将所述路况视频以20秒的时间间隔进行实时分段以得到路况短视频。

22）等间隔提取所述路况短视频的s帧待检测图片。

23）检测每一帧待检测图片的车辆数目以及每一帧待检测图片中所述运行车辆与正前方车辆的车距，若待检测图片的车辆数目大于车辆数阈值且待检测图片的车距小于车距阈值，则将所述运行车辆所处的路况条件判为第一拥挤，否则判为不拥挤。车辆数阈值可以是5辆，车距阈值可以是4米。

24）若s帧待检测图片中有95%的待检测图片均将所述运行车辆所处的路况条件判为第一拥挤，则将所述运行车辆所处的路况条件判为第二拥挤，否则判为不拥挤。

25）若连续三段路况短视频均将所述运行车辆所处的路况条件判为第二拥挤，则将所述运行车辆所处的路况条件判为第三拥挤，否则判为不拥挤。

3）通过所述路况应用软件的路况更新模块将所述路况条件更新于所述路况应用软件的路况查询模块。所述路况应用软件还包括导航模块，当所述运行车辆所处的路况条件判为第三拥挤时，所述路况更新模块结合所述导航模块将所述运行车辆以红色亮点的形式显示在所述路况查询模块。路况更新模块会将其对应的运行车辆的最新路况信息更新于所有的路况应用软件。所处路况为第一拥挤、第二拥挤以及不拥挤的运行车辆不作显示，只有所处路况为第三拥挤的运行车辆才在路况查询模块中以红色亮点的形式显示，当同一运行车辆所处的路况条件从第三拥挤变为其他路况时，其所对应的红色亮点会消失。

4）车主通过路况查询模块查询路况以选择合适的行驶路径。车主可通过路况查询模块查询相关道路的路况信息，例如，某一路段红色亮点较多时，车主可选择其他的道路行驶。

所述步骤23）中通过背景差法计算所述待检测图片的车辆数目，具体包括以下步骤，

231）在云端服务器设置道路背景库，所述云端服务器与所述车载终端或司机手机连接。

232）根据导航模块调用所述运行车辆所处位置对应的初级道路背景图。同一路段同一车道在一定范围内使用一张初级道路背景图。

233）将所述初级道路背景图片与所述待检测图片结合并通过背景计算模型得到终级道路背景图。通过背景计算模型以及待检测图片的信息优化初级道路背景图片以得到终级道路背景图。背景计算模型采集现有的模型。

234）将待检测图片与所述终级道路背景图作差以获得车辆图片。

235）对所述车辆图片进行车辆数目统计。

所述背景计算模型通过道路背景训练集建立并通过道路背景测试集完善，所述道路背景训练集与所述道路背景测试集通过描述符匹配法去重，避免出现过拟合现象，具体包括以下步骤，

l1.提取道路背景训练集中所有图片各自的特征点，并根据所述特征点计算相应图片的描述符。特征点提取可以使用fast算法，描述符计算可以使用orb算法。特征点是图像中那些明暗变化突出的点。描述符是每个特征点的标识，一般是通过提取特征点附近的像素信息得到，可以用来判断不同图片中，哪些特征点对应的是物体上相同的点，这个过程叫做特征点的匹配。描述符的特点之一是图像在经过缩放、旋转、平移后，描述符并不发生变化，描述符最终以向量形式呈现，比如64个1byte的数。

l2.按顺序在道路背景测试集中提取一张测试图片并计算所述测试图片的测试特征点，根据所述测试特征点计算所述测试图片的测试描述符。测试特征点提取可以使用fast算法，测试描述符计算可以使用orb算法。

l3.根据所述测试描述符结合dbow算法获取所述道路背景训练集中与所述测试图片最相似的n张候选图片。

为了加速描述符的匹配速度，本方法同时使用dbow算法提速。通常道路背景训练集图片的数量在几十万级，道路背景测试集的数量在几万级。如果直接两两进行暴力匹配的话，会花费大量时间，大大降低本发明的匹配效率。使用dbow算法后，只需要一次对比，就可以找出最相近的图片，然后再通过描述符的匹配和匹配特征点的位置关系来确定两图片是否是相同片。dbow算法是一种高效的回环检测算法，dbow算法的全称为bagsofbinarywordsforfastplacerecognitioninimagesequence，使用的特征检测算法为fast，描述子使用的是brief描述子。

l4.按顺序在n张候选图片中选取一张候选图片，将所述候选图片的描述符与所述测试图片的测试描述符进行匹配，匹配结果为相同，则将测试集中的所述测试图片删除并返回步骤2）；否则，继续执行步骤4）至n张候选图片均匹配结束并返回步骤2）。

通过图片两两间描述符的匹配度，可以判断是否图片相同。比如相同的图片能够匹配上的特征点数目远大于不同的图片。并且因为描述符的平移、缩放、旋转不变性，所以即使图片进行了变形处理，也能被匹配上。再因为描述符是局部特征，图片加上不同的水印后，们也不影响匹。所述步骤l4中匹配过程具体为，

l41.将所述测试图片的测试描述符与所述候选图片的描述符进行暴力匹配，获取所述测试图片与所述候选图片描述符匹配的测试描述符集合一。

简单进行描述符的匹配不是完全可靠的，那些错误的匹配叫做误匹配，正确匹配的时候不管图片怎么变形，特征点之间的相对关系保持不变，但误匹配的特征点杂乱无章，所以可以通过这个规律来排除误匹配。

l42.将所述测试描述符集合一中与距离最近的测试描述符之间距离大于一定阈值d的测试描述符删除以获得测试描述符集合二。步骤l42中两测试描述符之间的距离为两测试描述符之差的模，此步骤可以删除独立的匹配特征点。

l43.将所述测试描述符集合二中不符合旋转不变性的测试描述符删除以获得测试描述符集合三。步骤l43中旋转不变性为所述测试描述符集合二中的某一测试描述符与其他任意两测试描述符之间形成的测试夹角与所述候选图片对应的描述符形成的夹角相等。

例如，候选图片存在特征点1，特征点2和特征点3，三个特征点连接后形成三角形1，测试图片存在测试特征点1，测试特征点2和测试特征点3，三个测试特征点连接后形成三角形2，且特征点1与测试特征点1匹配，特征点2与测试特征点2匹配，特征点3与测试特征点3，假设候选图片与测试图片是相同的，则三角形1与三角形2的形状是相同的，否则，三角形1与三角形2的形状很大概率是不同的。

l44.将所述测试描述符集合三中不符合缩放不变性的测试描述符删除以获得测试描述符集合四。步骤l44中缩放不变性计算过程具体为,

l441将所述测试描述符集合三中的测试描述符任意两两配对形成多组测试描述符；

l442计算每组测试描述符中两测试描述符之间的测试距离，并计算所述候选图片中与每组测试描述符对应的描述符之间的候选距离；

l443计算每组测试距离与对应的候选距离之间的比值，并计算所有比值的比值平均值；

l444将每组测试描述符求得的比值与比值平均值作差，当差值大于一定阈值时，则该组的两个测试描述符不符合缩放不变性。

例如，候选图片存在特征点d1，特征点d2，特征点d3和特征点d4，测试图片存在测试特征点s1，测试特征点s2，测试特征点s3和测试特征点s4，且特征点d1与测试特征点s1匹配，特征点d2与测试特征点s2匹配，特征点d3与测试特征点s3，特征点d4与测试特征点s4匹配，其中，测试特征点s1与测试特征点s2之间的距离比上特征点d1与特征点d2之间的距离为比值1，测试特征点s3与测试特征点s4之间的距离比上特征点d3与特征点d4之间的距离为比值2，假设候选图片与测试图片是相同的，则比值1和比值2是相同的。本发明先求得比值的平均值，再用实际比值与平均比值作比较，可判断测测试特征点的描述符与候选图片的描述符是否真的匹配。

l45.计算所述测试描述符集合四中测试描述符的个数，当个数大于阈值m时，进入下一步骤，否则判定所述测试图片与所述后选图片的匹配结果为不相同。

l46.判定测试描述符集合四中的测试描述符是否匹配在水印上，是则判定所述测试图片与所述后选图片的匹配结果为不相同，否则判定所述测试图片与所述后选图片的匹配结果为相同。步骤l46具体为计算所述测试描述符集合四中测试描述符两两距离的平均值，如果所述平均值小于所述测试图片对角线长度的10%，则判定所述测试描述符集合四中的测试描述符匹配在水印上，否则判定所述测试描述符集合四中的测试描述符不匹配在水印上。

其中，n张候选图片中n取值可以为5，阈值d取值可以为30，阈值m取值可以为10。

上面所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的构思和范围进行限定。在不脱离本发明设计构思的前提下，本领域普通人员对本发明的技术方案做出的各种变型和改进，均应落入到本发明的保护范围，本发明请求保护的技术内容，已经全部记载在权利要求书中。