本发明涉及大数据
技术领域：
，具体涉及一种高效的智能交通管理大数据分析系统。
背景技术：
：随着交通基础设施建设的不断投入和人民生活水平的持续提高，交通设施规模和交通工具数量正以惊人的速度攀升，交通拥堵、交通事故的发生频率也随之增加，给交通管理带来了巨大挑战。利用大数据分析技术指导交通发展的时代即将来临；目前市场上的针对交通进行数据分析大多没有形成一个整体的系统，分析的数据范围较小，数据分析的深度较浅，大多仅仅是普通统计的水平。技术实现要素：针对上述问题，本发明旨在提供一种高效的智能交通管理大数据分析系统。本发明的目的采用以下技术方案来实现：一种高效的智能交通管理大数据分析系统，包括智能交通分布式调度系统，所述智能交通分布式调度系统通过智能交通分布式数据总线分别接入智能交通数据采集系统、智能交通数据存储系统、智能交通数据处理系统。本发明的有益效果为：提升了交通感知智能化水平，建立了完整的交通监测体系，进而辅助交通决策，提高交通运营效率。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，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是本发明的结构连接示意图。附图标记：智能交通数据采集系统1、智能交通数据存储系统2、智能交通数据处理系统3、智能交通分布式调度系统4。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，本实施例的一种高效的智能交通管理大数据分析系统，包括智能交通分布式调度系统4，所述智能交通分布式调度系统4通过智能交通分布式数据总线分别接入智能交通数据采集系统1、智能交通数据存储系统2、智能交通数据处理系统3，其中：所述智能交通分布式调度系统4用于支撑大规模系统的自动化运维及分布式计算框架；所述智能交通数据采集系统1用于采集交通数据并通过智能交通分布式数据总线传输至智能交通数据存储系统，所述交通数据包括交通图像数据；所述智能交通数据存储系统2用于存储交通数据并通过智能交通分布式数据总线提供给智能交通数据处理系统；所述智能交通数据处理系统3用于对智能交通数据存储系统中的交通数据进行处理，为上层业务应用提供方便使用的常用数据处理分析的功能封装，所述对交通数据进行处理包括对图像数据中的车牌进行识别。本实施例提升了交通感知智能化水平，建立了完整的交通监测体系，进而辅助交通决策，提高交通运营效率。优选的，所述智能交通管理大数据分析系统还包括智能交通运维管理系统，所述智能交通运维管理系统接入智能交通分布式调度系统4，并同时分别接入智能交通数据采集系统1、智能交通数据存储系统2、智能交通数据处理系统3，用于管理各个系统中的各个业务应用部署及生命周期管理，并对各个系统进行监控及故障排查修复。本优选实施例对各个系统进行监控，提升了系统的稳定性和可靠性。优选的，所述智能交通分布式数据总线用于提供高容错、高性能的数据传输、交换及应用协作平台。本优选实施例为高性能的数据传输提供了硬件基础。优选的，所述对图像数据中的车牌进行识别通过号牌识别装置实现，所述号牌识别装置包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于对所述图像数据进行预处理，所述第二处理模块用于对所述预处理后的图像数据的车牌边缘进行检测，获取车牌区域，得到车牌图像；所述第三处理模块用于对所述车牌图像的字符进行分割，所述第四处理模块用于将所述车牌图像的字符和字符模板进行匹配，完成车牌识别。本优选实施例能够对交通图像数据中的车牌进行有效识别，提高了交通监控能力。优选的，所述第一处理模块用于对所述图像数据进行预处理，包括第一增强单元和第二去噪单元，所述第一增强单元用于对图像进行增强，所述第二去噪单元用于对图像进行去噪，所述对图像进行增强，采用以下步骤进行：第一步：将彩色图像转化为灰度图像；第二步将图像划分为C个灰度级，第k个灰度级的增强直方图EH(k)可表示为：上述式子中，mj表示第k个灰度级的像素点的数量，k＝1,2,…,C，n表示图像像素点总数量。所述对图像进行去噪，采用以下方式进行：对于像素点(x,y),选取Ni×Ni的邻域像素，其中，i＝1,2,3，则去噪后的图像可表示为：上述式子中，EM(x,y)表示像素点(x,y)去噪后的输出灰度值，表示像素点(x,y)在Ni×Ni邻域内灰度均值，表示像素点(x,y)在Ni×Ni邻域内灰度中值。本优选实施例智能交通数据处理系统设置第一处理模块对图像进行增强和去噪，保证了图像的质量，为后续的车牌定位和字符分割奠定了基础，增强单元在算法设计中考虑了第k灰度级之前的所有像素点的灰度级，有效提高了图像的亮度，保证了图像相关信息的准确辨识，滤波单元在算法设计中结合中值滤波和均值滤波，并选取多个尺度邻域作为参考，有效滤除噪声的同时保留了更多的细节特征，改善了图像的视觉效果，进而提高了数据处理系统的准确性和智能交通管理大数据分析系统的可靠性。优选的，所述第三处理模块用于对所述车牌图像的字符进行分割，包括第一二值化单元和第二字符分割单元，所述第一二值化单元对车牌图像进行二值化处理，所述第二字符分割单元对处理后的车牌图像的字符进行分割。所述车牌图像进行二值化处理，采用以下方式进行：对于灰度值小于确定阈值的像素点，灰度值记为0，对于灰度值大于确定阈值的像素点，灰度值记为255，所述确定阈值采用以下步骤确定：第一步：将图像像素点的平均灰度值作为初始阈值T0；第二步：利用该阈值将车牌图像划分为Q1和Q2两个区域，计算两个区域的平均灰度值分别为v1和v2，得到新的阈值第三步：令Tw＝Tw+1,重复第二步，得到T11；第四步：计算图像熵值YW，具体为：上述式子中，YW(J)表示阈值为J时的图像熵值,J∈[T11-5,T11+5]，Pl表示灰度值为l的像素占图像总像素的比重，选取熵值最大的J作为确定阈值，完成图像二值化处理。所述对车牌的字符进行分割，采用以下方式进行：将车牌图像从左向右进行逐列扫描，当灰度值为255像素点的数量大于15，则记为字符的起始列，继续扫描，当灰度值为255像素点的数量小于15，则记为字符的结束列，扫描之车牌图像最右端，得到车牌图像的所有字符；将车牌图像自上而下进行逐行扫描，统计每行的白色像素点的数量，当灰度值为255像素点的数量大于15，作为字符的上边界，同理，将车牌图像自下而上进行逐行扫描，统计每行的白色像素点的数量，当灰度值为255像素点的数量大于15，作为字符的下边界。本优选实施例智能交通数据处理系统的第一二值化单元采用全新的算法实现了灰度图像二值化，在二值化过程中，对二值化阈值进行11次更新，并结合图像熵来最终确定二值化阈值，一方面提高了二值化的速度，另一方面获取了更为准确的二值化图像；通过模块组合获取的号牌识别装置具有抗干扰能力强，识别率高、识别速度快、鲁棒性好等优点，通过对车牌信息进行分析，实现了车辆跟踪以及交通流量检测等功能，从而提高了数据处理系统和智能交通管理大数据分析系统的交通监控管理能力。采用本发明智能交通管理大数据分析系统对交通数据进行管理，对灰度级取不同值时的管理情况进行统计，同未采用本发明相比，产生的有益效果如下表所示：灰度级管理效率提高管理可靠性提高831％26％927％30％1022％35％1118％40％1216％42％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。当前第1页1 2 3