一种有效的智能交通监控系统的制作方法

本发明创造涉及智能交通领域，具体涉及一种有效的智能交通监控系统。

背景技术：

近年来，随着我国经济飞速发展，城市化进度加快，城市的规模急剧扩大，城市人口数量急速增加，现有的城市交通已经无法满足城市发展的要求。为减轻城市交通压力，提高城市交通能力，对道路的交通状态进行实时判断，对道路的交通流进行提前预测，可以显著提高驾驶员对道路交通状态的了解程度，从而帮助驾驶员根据道路交通的具体情况进行线路安排，从而使各条道路的交通量能够达到均衡，很大程度上改善了道路的拥堵情况，提高了交通系统的运行效率。

技术实现要素：

针对上述问题，本发明旨在提供一种有效的智能交通监控系统。

本发明创造的目的通过以下技术方案实现：

一种有效的智能交通监控系统，包括交通信息采集模块、交通信息传输模块、交通信息分析模块和交通信息显示模块，所述交通信息采集模块用于采集道路现场的交通信息数据，并将所述交通信息数据通过交通信息传输模块传输至交通信息分析模块，所述交通信息分析模块包括交通信息处理单元、交通状态判断单元和交通流预测单元，所述交通信息处理单元用于对采集得到的交通信息数据进行处理，所述交通状态判断单元用于根据处理后的交通信息数据对当前道路的交通状态进行判断，所述交通流预测单元采用小波神经网络根据处理的交通信息数据对道路的交通流进行预测，所述交通信息显示模块采用可变信息板对当前道路的交通状态和交通流预测结果进行实时显示。

本发明创造的有益效果：根据实时采集的道路交通信息对当前道路的交通状态进行判断，并对道路的交通流进行预测，从而有效的帮助驾驶员实时了解道路的交通状态，使得驾驶员能够根据道路的交通状态和交通流预测结果及时安排出行的道路，从而改善了交通拥堵现象，提高了道路的通行效率。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

附图标记：

交通信息采集模块1；交通信息传输模块2；交通信息分析模块3；交通信息显示模块4；交通信息处理单元31；交通状态判断单元32；交通流预测单元33。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种有效的智能交通监控系统，包括交通信息采集模块1、交通信息传输模块2、交通信息分析模块3和交通信息显示模块4，所述交通信息采集模块1用于采集道路现场的交通信息数据，并将所述交通信息数据通过交通信息传输模块2传输至交通信息分析模块3，所述交通信息分析模块3包括交通信息处理单元31、交通状态判断单元32和交通流预测单元33，所述交通信息处理单元31用于对采集得到的交通信息数据进行处理，所述交通状态判断单元32用于根据处理后的交通信息数据对当前道路的交通状态进行判断，所述交通流预测单元33采用小波神经网络根据处理后的交通信息数据对道路的交通流进行预测，所述交通信息显示模块4采用可变信息板对当前道路的交通状态和交通流预测结果进行实时显示。

优选地，所述交通信息采集模块1中设置有环形检测线圈或视频数据检测传感器。

优选地，所述交通信息传输模块2采用gprs或4g通信方式进行数据传输。

优选地，采用布谷鸟算法对交通流预测单元33中采用的小波神经网络算法的参数进行优化，在布谷鸟算法的选择阶段，在布谷鸟算法的选择阶段，在按发现概率丢弃差的鸟窝位置以后，采用下式产生相同数量的鸟窝位置代替丢弃的鸟窝位置，具体为：

式中，r为[0,1]区间的随机数，β为黄金分割比例系数，且β＝0.618，y为[-1,1]区间的随机数，和分别为布谷鸟i在第t+1次迭代和第t次迭代时的位置，为在第t次迭代时布谷鸟的最优位置，和为第t次迭代时的三个随机位置。

本优选实施例在鸟窝进行淘汰更新时，引入了布谷鸟的最优鸟窝位置，使得产生的新的鸟窝位置在布谷鸟的最优鸟窝位置附近，从而提高了算法的收敛速度，此外，引入了黄金分割比例系数对最优位置搜索项进行调节，黄金分割比例系数体现了事物内部关系的和谐与均衡，而布谷鸟算法是一种模拟生物进化过程的算法，因此，本优选实施例按照黄金分割比例系数围绕鸟窝最优位置产生新的鸟窝位置，更加的符合生物进化的规律，从而大大的提高了算法的寻优效率。

优选地，采用布谷鸟搜索算法对交通流预测单元33中采用的小波神经网络算法的参数进行优化，所述布谷鸟算法采用自适应变化的步长因子和发现概率，设pmin为最小发现概率，pmax为最大发现概率，αmin为最小步长因子，αmax为最大步长因子，则当前的发现概率pi和当前的步长因子αi的计算公式为：

式中，hmax(t)为第t次迭代时的最大适应度值，hmin(t)为第t次迭代时的最小适应度值。

本优选实施例采用的自适应变化的发现概率和步长因子，相较于传统的依赖于迭代次数对发现概率和步长因子进行改变的方法，本实施例根据当前迭代的适应度值分别情况对算法的搜索情况进行判断，各布谷鸟的适应度值能够更加合理的反应当前算法的搜索情况，从而增加了算法的精确性。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。