一种路网交通流参数估算方法及设备与流程

本发明涉及计算机，尤其涉及一种路网交通流参数估算方法及设备。

背景技术：

1、交通流参数(平均速度、车流密度和流量)是分析城市交通道路通行能力和评估交通运行状况的重要依据，也是掌握城市交通运行规律和开展交通拥堵治理的研究基础。

2、现有技术中，在进行路网交通流参数的估算时，主要通过人工调查法和线圈检测法来获取交通流参数。其中，人工调查法通过针对小规模路网，采用人工计数或者浮动车跟车形式统计某一时段内路段的车辆数、车辆类型、车头时距这些数据，并据此计算得到交通流参数；线圈检测法通过在道路下方设置一个环形线圈，当车辆经过线圈或者停在线圈上面时，就会引起线圈电感量的变化，根据对线圈电感量的变化量采集得到的数据进行计算，得到交通流参数。

3、可见，现有技术中，人工调查法的成本高昂、效率较低，难以应用于对交通流参数的大规模调查场景，且依赖于调查人员的专业素质从而导致数据的准确性难以保证；线圈检测法的硬件和施工成本较高。

技术实现思路

1、为了解决上述技术问题，本发明实施例提出了一种路网交通流参数估算方法及设备，通过将获取到的路网研究范围内的路网图像输入至卷积神经网络模型，输出得到路网车辆检测结果，并根据路网车辆检测结果计算得到路网交通流参数，从而实现更高效且成本更低的交通流参数估算。

2、为了实现上述目的，本发明实施例提供了一种路网交通流参数估算方法，包括：

3、获取基础资料数据；其中，所述基础资料数据包括若干个路段的边界；

4、根据所有路段的边界确定路网研究范围，并获取所述路网研究范围内的路网图像；

5、将所述路网图像输入至预设的卷积神经网络模型，得到所述卷积神经网络模型输出的路网车辆检测结果；

6、根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数。

7、进一步的，所述根据所有路段的边界确定路网研究范围，并获取所述路网研究范围内的路网图像，具体包括：从所述基础资料数据中读取得到所述边界的坐标；针对每一路段，根据对应的边界拓展得到矩形，并获取所述矩形的端点坐标；根据所述端点坐标选取得到最小横坐标、最大横坐标、最小纵坐标和最大纵坐标，并以所述最小横坐标、最大横坐标、最小纵坐标和最大纵坐标作为所述路网研究范围的四个端点的坐标；采用飞行器获取所述路网研究范围内的路网图像。

8、更进一步的，所述采用飞行器获取所述路网研究范围内的路网图像，具体包括：根据预设的划分策略对所述路网研究范围进行划分，得到多个采样网格；根据所述采样网格中质心的坐标进行路径规划，使得飞行器根据规划得到的路径在各个所述采样网格内执行图像采样操作，得到与各个所述采样网格对应的各个网格图像，将所有网格图像组成所述路网图像。

9、更进一步的，所述根据预设的划分策略对所述路网研究范围进行划分，得到多个采样网格，具体包括：获取飞行器的有效视距宽度，并根据所述有效视距宽度，计算得到间距；根据路网研究范围的四个端点的坐标和所述间距进行划分，得到多个采样网格。

10、进一步的，所述将所述路网图像输入至预设的卷积神经网络模型，得到所述卷积神经网络模型输出的路网车辆检测结果，具体包括：将所述路网图像输入至所述卷积神经网络模型中的主干网络，得到所述主干网络输出的若干个拾取框属性；其中，所述主干网络包括卷积层、组归一化层和mish激活函数，所述拾取框属性包括拾取框编码、拾取框中心点坐标、拾取框长度、拾取框宽度和拾取框置信度；针对每一拾取框属性，判断对应的拾取框置信度是否大于预设的置信度阈值时，若是，则：判定与这一拾取框属性对应的拾取物为车辆，并根据这一拾取框属性中的拾取框长度和拾取框宽度，计算得到所述车辆的车型；将所有计算得到的车型输出为所述路网车辆检测结果。

11、更进一步的，所述将所述路网图像输入至所述卷积神经网络模型中的主干网络，得到所述主干网络输出的若干个拾取框属性，具体包括：将具备三个通道的路网图像输入至所述主干网络，得到所述主干网络输出的与三个通道对应的三种维度的特征张量；根据维度从大到小的规则，对所述特征张量进行排序，得到第一特征张量、第二特征张量和第三特征张量；对所述第三特征张量执行反卷积操作，并将操作后的第三特征张量与所述第二特征张量进行连接，得到新的第二特征张量；对新的第二特征张量执行反卷积操作，并将操作后的第二特征张量与所述第一特征张量进行连接，得到新的第一特征张量；对新的第一特征张量执行卷积操作，得到所述拾取框属性。

12、更进一步的，所述根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数，具体包括：针对每一路段，根据对应的边界计算得到路段长度，根据这一路段内判定为车辆的拾取物的数量、预设的标准车系数和所述车型，计算得到标准车数量，并根据所述标准车数量和所述路段长度，计算得到这一路段的路段平均车辆密度；将计算得到的所有路段的路段平均车辆密度进行合并，得到所述路网交通流参数中的路网平均车辆密度。

13、更进一步的，所述根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数，具体包括：针对每一路段，根据所述拾取框属性中的拾取框编码和拾取框中心点坐标，计算得到对应的路段区间速度；将计算得到的所有路段的路段区间速度进行合并，得到所述路网交通流参数中的路网区间速度。

14、更进一步的，所述根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数，具体包括：针对每一路段，根据对应的路段平均车辆密度和路段区间速度，通过预设的流密速公式计算得到对应的路段平均流量；其中，所述流密速公式为路段平均流量等于路段平均车辆密度乘以路段区间速度；将计算得到的所有路段的路段平均流量进行合并，得到所述路网交通流参数中的路网平均流量。

15、本发明实施例还提供了一种计算机设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的路网交通流参数估算方法的步骤。

16、综上，本发明具有以下有益效果：

17、采用本发明实施例，通过获取基础资料数据；其中，所述基础资料数据包括若干个路段的边界；根据所有路段的边界确定路网研究范围，并获取所述路网研究范围内的路网图像；将所述路网图像输入至预设的卷积神经网络模型，得到所述卷积神经网络模型输出的路网车辆检测结果；根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数；特别地，对所述路网研究范围进行划分后，得到多个采样网格，并根据所述采样网格进行路径规划，使得飞行器沿着规划得到的路径进行图像采样，得到的网格图像组成路网图像。本发明实施例能够快速实现车辆的车型和位置的识别，从而快速计算得到路段平均车辆密度、路段区间速度和路段平均流量，能够以更低的成本高效、灵活地实现大规模路网全天分时交通运行参数的获取。

技术特征：

1.一种路网交通流参数估算方法，其特征在于，包括：

2.如权利要求1所述的路网交通流参数估算方法，其特征在于，所述根据所有路段的边界确定路网研究范围，并获取所述路网研究范围内的路网图像，具体包括：

3.如权利要求2所述的路网交通流参数估算方法，其特征在于，所述采用飞行器获取所述路网研究范围内的路网图像，具体包括：

4.如权利要求3所述的路网交通流参数估算方法，其特征在于，所述根据预设的划分策略对所述路网研究范围进行划分，得到多个采样网格，具体包括：

5.如权利要求1所述的路网交通流参数估算方法，其特征在于，所述将所述路网图像输入至预设的卷积神经网络模型，得到所述卷积神经网络模型输出的路网车辆检测结果，具体包括：

6.如权利要求5所述的路网交通流参数估算方法，其特征在于，所述将所述路网图像输入至所述卷积神经网络模型中的主干网络，得到所述主干网络输出的若干个拾取框属性，具体包括：

7.如权利要求5所述的路网交通流参数估算方法，其特征在于，所述根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数，具体包括：

8.如权利要求7所述的路网交通流参数估算方法，其特征在于，所述根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数，具体包括：

9.如权利要求8所述的路网交通流参数估算方法，其特征在于，所述根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数，具体包括：

10.一种计算机设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述的路网交通流参数估算方法。

技术总结
本发明公开了一种路网交通流参数估算方法及设备，所述方法包括：获取基础资料数据；其中，所述基础资料数据包括若干个路段的边界；根据所有路段的边界确定路网研究范围，并获取所述路网研究范围内的路网图像；将所述路网图像输入至预设的卷积神经网络模型，得到所述卷积神经网络模型输出的路网车辆检测结果；根据所述路网车辆检测结果，计算得到所述路网研究范围内的路网交通流参数。本发明实施例能够快速实现车辆的车型和位置的识别，从而快速计算得到路段平均车辆密度、路段区间速度和路段平均流量，能够以更低的成本高效、灵活地实现大规模路网全天分时交通运行参数的获取。

技术研发人员：周茂松,吕明,张晓明,李鑫,王嘉祺,黄达鑫
受保护的技术使用者：广州市城市规划勘测设计研究院
技术研发日：
技术公布日：2024/1/13