一种基于GIS和边缘计算的智能交通管理平台的制作方法

本发明涉及智能交通领域，特别涉及一种基于gis和边缘计算的智能交通管理平台。

背景技术：

为了改善社会上的交通状况，解决我国城市交通目前面临的问题，提高城市系统的运作效率，虽然可以通过道路基础建设改善路网结构、修建道路、拓宽路面来改善，但随着使用时间不断增长，损坏会愈加迅速，性能也会逐步降低。长期以来我国城市交通基础设施管理仍然停留在人工和经验层面，信息化程度较低，技术手段相对落后。为确保城市交通运行安全，延长设施使用寿命，必须提高设施的管理能力与水平。

针对上述问题，我国现有如下专利:

专利公告号：cn107506390a，公开了一种城市交通管理业务数据与gis路网信息关联处理工具，包括：gis地图数据导入模块、路网数据预处理模块、道路数据维护模块、业务数据关联模块、辖区数据管理模块、地图操作管理模块、系统管理模块；该工具用于对接地理信息系统gis，并采集生成gis路网信息，将gis路网信息与公安交通管理综合应用平台的交通管理业务数据进行关联。本发明使得业务数据能够在电子地图上进行可视化展示，同时也为实现交通违法热点、事故多发点等深度分析研判应用提供支撑。

然而，该专利提供的一种管理系统，组网结构简单，无法满足城市交通统一管理的需要。

技术实现要素：

针对现有技术中存在的问题，本发明的目的在于提供一种基于gis和边缘计算的智能交通管理平台，其特点是系统利用gis图形和地理信息处理功能，通过人机交互界面和后台处理数据库，使交通指挥管理更高效；网络容量大，能够满足城市交通统一管理的需要，运用边缘计算，网络负载小、延迟低。

为达到上述目的，本发明采用的技术方案是：包括第一层边缘计算网络、第二层边缘计算网络、第三层边缘计算网络和移动监控终端；所述第一层边缘计算网络覆盖一个城市网格，包括在一个城市网格内的多个交通监控节点和一个网关，任意交通监控节点均与所述网关连接；所述第二层边缘计算网络覆盖一个县级行政区域，包括多个网关，网关之间采用lora网络，任意网关层级相同，同时任意网关定期将自己的计算资源情况广播给该区域内的所有其他网关；所述第三层边缘计算网络覆盖一个市级行政区域，包括上述所有网关和后台服务器，任意所述网关均与所述后台服务器连接，所述后台服务器与所述移动监控终端连接；所述后台服务器包括中央处理系统、信息数据库、交通信息数据分析与处理模块、无线模块和报警模块；所述监控节点的输出端通过网关连接信息数据库的输入端；所述信息数据库的输出端连接着交通信息综合数据分析与处理模块的输入端；所述交通信息综合数据分析与处理模块连接着中央处理系统；所述报警模块连接着中央处理系统；所述无线模块连接着中央处理系统；所述显示模块通过无线模块进行连接；所述移动监控终端通过无线模块进行连接；所述信息数据库中设置有城市交通规划信息、gis地理信息、桥梁建设参数信息、交通信号灯系统信息、地铁建设参数信息、公路建设参数信息。

优选的，所述第一层边缘计算网络中，所述监控节点和所述网关之间采用lora网络。

优选的，在所述第三层边缘计算网络中，所述网关与所述后台服务器之间采用lte网络。

优选的，所述监控节点包括高清摄像装置和图像处理装置；所述高清摄像装置和图像处理装置连接，所述高清摄像装置安装于十字路口、公路收费站卡口或停车场卡口处；所述高清摄像装置用于采集汽车图像信息、汽车车牌图像信息和驾驶人图像信息；所述高清摄像装置与网关连接，用于向网关发送汽车图像信息、汽车车牌图像信息和驾驶人图像信息。

优选的，所述图像处理装置包括图像处理模块、车型识别模块、车牌识别模块、图像比对模块；所述图像处理模块，用于汽车图像信息的处理；所述车型识别模块，用于识别车型，得到汽车车型信息；所述车牌识别模块，用于识别车牌；所述图像比对模块，用于识别后图像与车辆登记数据库中的数据进行对比；所述图像比对模块与所述网关连接，将比对结果发送给网关。

优选的，所述汽车图像信息包括汽车的前后轮轴距、车标、天窗、长、宽、高、车身颜色信息；所述汽车车型信息包括汽车的品牌、型号、配置、颜色信息。

优选的，所述无线模块采用4g模块或者gprs模块或者gsm模块。

优选的，所述图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对；所述图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。

优选的，所述车型识别模块采用bp神经网络识别车辆型号，bp神经网络设有7个输入神经元和4个输出神经元；所述输入神经元为汽车的前后轮轴距、车标、天窗、长、宽、高、车身颜色信息；所述输出神经元为汽车的品牌、型号、配置、颜色，构造神经网络。

本发明的有益效果在于:

1）通过设置边缘计算网络，一方面扩大网络容量，增加组网范围，满足城市交通统一管理的需要，另一方面利用边缘计算优点，网络负载小、延迟低；

2）系统利用gis图形和地理信息处理功能，通过人机交互界面和后台处理数据库，使交通指挥管理更高效；

3）具有套牌汽车识别功能，不仅可以比对车标、车牌、车颜色等信息，并且可以具体到车辆型号和配置，提高了查处套牌的精确性；并且可以对驾驶人摄像，方便追溯套牌车驾驶者。

附图说明

图1为本实施例的组网结构图；

图2为本实施例的后台服务器的结构框图；

图3为本实施例的监控节点的结构框图。

具体实施方式

以下实施例用于说明本发明，但不能用来限制本发明的范围。

其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。

本实施例公开的一种基于gis和边缘计算的智能交通管理平台，如图1-3所示，一种基于gis和边缘计算的智能交通管理平台，包括第一层边缘计算网络、第二层边缘计算网络、第三层边缘计算网络和移动监控终端。第一层边缘计算网络覆盖一个城市网格，包括在一个城市网格内的多个交通监控节点和一个网关，任意交通监控节点均与网关连接。第二层边缘计算网络覆盖一个县级行政区域，包括多个网关，网关之间采用lora网络，任意网关层级相同，同时任意网关定期将自己的计算资源情况广播给该区域内的所有其他网关。第三层边缘计算网络覆盖一个市级行政区域，包括上述所有网关和后台服务器，任意网关均与后台服务器连接，后台服务器与移动监控终端连接。后台服务器包括中央处理系统、信息数据库、交通信息数据分析与处理模块、无线模块和报警模块。监控节点的输出端通过网关连接信息数据库的输入端。信息数据库的输出端连接着交通信息综合数据分析与处理模块的输入端。交通信息综合数据分析与处理模块连接着中央处理系统。报警模块连接着中央处理系统。无线模块连接着中央处理系统。显示模块通过无线模块进行连接。移动监控终端通过无线模块进行连接。信息数据库中设置有城市交通规划信息、gis地理信息、桥梁建设参数信息、交通信号灯系统信息、地铁建设参数信息、公路建设参数信息。

第一层边缘计算网络中，监控节点和网关之间采用lora网络。

在第三层边缘计算网络中，网关与后台服务器之间采用lte网络。

监控节点包括高清摄像装置和图像处理装置。高清摄像装置和图像处理装置连接，高清摄像装置安装于十字路口、公路收费站卡口或停车场卡口处。高清摄像装置用于采集汽车图像信息、汽车车牌图像信息和驾驶人图像信息。高清摄像装置与网关连接，用于向网关发送汽车图像信息、汽车车牌图像信息和驾驶人图像信息。

图像处理装置包括图像处理模块、车型识别模块、车牌识别模块、图像比对模块。图像处理模块，用于汽车图像信息的处理。车型识别模块，用于识别车型，得到汽车车型信息。车牌识别模块，用于识别车牌。图像比对模块，用于识别后图像与车辆登记数据库中的数据进行对比。图像处理模块分别与车型识别模块的输入端和车牌识别模块的输入端连接。还包括分别与车型识别模块的输出端和车牌识别模块的输出端连接的图像比对模块。图像比对模块与网关连接，将比对结果发送给网关。

汽车图像信息包括汽车的前后轮轴距、车标、天窗、长、宽、高、车身颜色信息。汽车车型信息包括汽车的品牌、型号、配置、颜色信息。

无线模块采用4g模块或者gprs模块或者gsm模块。

图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对。图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。

本发明的系统是以gis公用平台作为整个交通管理系统的枢纽，系统利用基于gis的数字电子地图把才采集到的套牌车信息经过数据融合后生成的实时信息动态的显示在电子地图上。

由于在远离后台服务器端的边缘区域图像处理装置、网关等设备的计算能力参差不齐，各种设备通信质量也会实时变化，因此实施例提出了采用上述的分层网络结构来完成整个智能交通管理平台中所有边缘设备的组网。这种分层网络结构可以使得所有处于边缘计算网络中的设备都能够共享出自己的计算资源。但并不是所有的边缘任务都能在边缘设备处理，当在当前层的设备中无法完成时，则可以上传到下一层进行处理。首先，每个网关下覆盖的所有监控节点和该网关组成第一层边缘计算网络，其次一定范围内的所有网关组成了第二层边缘计算网络，最后后台服务器作为云端处理器构成第三层边缘计算网络。

本实施例中套牌车的识别方法，包括以下步骤：

步骤一、公路收费站卡口或停车场卡口安装前端高清摄像装置和图像处理装置，当汽车行驶通过时，前端高清摄像装置采集汽车图像数据。

步骤二、前端高清摄像装置将采集的图像传送至图像处理装置，图像处理模块对图像进行去噪平滑处理。

步骤三、将处理后的图像送入图像识别模块处理，图像识别模块包括车型识别模块和车牌识别模块。

步骤四、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块，与车辆登记数据库中的数据进行对比，如果信息不一致，则向交通管理部门报警，如果信息一致，则进行下一辆车辆识别。

步骤五、交通管理部门根据报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。

图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对。图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。

车型识别模块采用bp神经网络识别车辆型号，bp神经网络设有7个输入神经元和4个输出神经元。采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为bp神经网络的输入神经元。品牌、型号、配置、颜色作为bp神经网络的输出神经元，从而构造神经网络。用训练好的神经网络对汽车具体型号进行识别，获取汽车品牌、型号、配置、颜色。

需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对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范围，其均应涵盖在本发明的权利要求范围中。