一种基于5G无线通信的智慧交通数据处理方法与流程

一种基于5g无线通信的智慧交通数据处理方法
技术领域
1.本发明涉及智慧城市、5g网络的技术领域，尤其涉及一种基于5g无线通信的智慧交通数据处理方法。


背景技术：

2.城市道路交通系统解决方案将先进的云计算、信息融合技术、数据通讯传输技术、远程控制技术以及计算机处理技术等高科技技术有效的运用于城市道路交通管理。出行者可进行实时交通方式和交通路线选择；交通管理部门可自动进行合理的交通疏导、控制盒事故处理；运输部门可随时掌握车辆的运行情况，进行合理调度；从而，使路网上的交通流运行处于最佳状态改善交通拥挤和阻塞，最大限度提高路网的通过能力，提高整个公路运输系统的机动性、安全性和生产效率，同时也减少了公路运输对环境污染的影响。
3.而在进行智慧交通系统的过程中，为了保证数据获取的准确度以及及时性，以保证分析的有效准确就会以5g网络为依托，随着5g的来临,智慧交通的时代拐点也已经出现，5g将牵引新一轮技术融合创新，全面推动车联网、云计算、边缘计算及自动驾驶等技术发展,全面赋能城市智慧交通建设,对交通信息化管理乃至整个交通行业带来深刻的变革，通过分析5g特点,结合交通运营管理中的具体场景,探讨5g在城市智慧交通建设中的应用前景,以期实现5g对智慧交通的全面赋能。5g技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行快速的获取，在于提高对数据的“获取能力”，通过“数据的快速获取”实现数据的“增值”。
4.在现有网络与智慧交通系统进行连接的过程中，其获取信息速度慢，处理信息不够准确，从而无法实现数据的快速、准确分析，进而难以完善智慧交通系统，导致智慧交通系统的实际使用效果差。


技术实现要素：

5.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
6.鉴于上述现有存在的问题，提出了本发明。
7.因此，本发明解决的技术问题是：现有技术在智慧交通信息数据的获取及处理上速度较慢，从而导致智慧交通系统的不完善以及实际应用效果差。
8.为解决上述技术问题，本发明提供如下技术方案：采集驾驶员驾驶信息，并进行数据预处理，筛选出交通违章过的驾驶员驾驶信息；利用深度学习算法构建数据分析模型，将所述交通违章过的驾驶员驾驶信息输入到所述数据分析模型中进行训练；基于5g网络切片实时获取驾驶员驾驶状态信息以及道路信息，将二者进行融合，并输入到训练好的数据分析模型中进行状态预测；根据预测结果进行双向实时地预警提醒，完成智慧交通的数据处理。
9.作为本发明所述的基于5g无线通信的智慧交通数据处理方法的一种优选方案，其中：所述数据预处理包括数据清洗、数据变换以及数集合成。
10.作为本发明所述的基于5g无线通信的智慧交通数据处理方法的一种优选方案，其中：所述驾驶员驾驶信息包括驾驶状态信息和其对应的道路信息。
11.作为本发明所述的基于5g无线通信的智慧交通数据处理方法的一种优选方案，其中：所述数据分析模型包括，定义所述数据分析模型的目标函数为：
[0012][0013]
其中，表示权重，t表示行驶时刻，m表示违章次数，xi、yi分别表示i行驶时间段所对应的路段车流量值、人流量值，k表示道路流量系数。
[0014]
作为本发明所述的基于5g无线通信的智慧交通数据处理方法的一种优选方案，其中：所述5g网络切片包括，urll网络切片：面向于智慧交通、道路交通信息获取需求侧响应业务。
[0015]
作为本发明所述的基于5g无线通信的智慧交通数据处理方法的一种优选方案，其中：将所述驾驶员驾驶状态信息以及道路信息进行融合的过程包括，建立信息融合模型：
[0016][0017]
其中，zi为信息数据长度阈值的兼容系数，为调节函数，yr为流量通道子系数，为信息数据长度阈值，为信息数据长度阈值的调整阈值。
[0018]
作为本发明所述的基于5g无线通信的智慧交通数据处理方法的一种优选方案，其中：还包括，通过所述信息融合模型对所述驾驶员驾驶状态信息以及道路信息进行融合调整，得到融合的信息：通过所述信息融合模型计算所述驾驶状态信息数据长度阈值及道路信息数据长度阈值的兼容系数，得到所述驾驶状态信息数据长度阈值及道路信息数据长度阈值的兼容系数；判断所述所述驾驶状态信息数据长度阈值及道路信息数据长度阈值的兼容系数是否均满足兼容条件，若是，则将其二者进行融合；其中，所述兼容条件为：所述兼容系数大于0且小于1。
[0019]
作为本发明所述的基于5g无线通信的智慧交通数据处理方法的一种优选方案，其中：所述根据预测结果进行双向实时地预警提醒包括，当所述数据分析模型的目标函数的值在0.4～0.9之间时，同时想智能交通管理系统以及驾驶员发出预警信息。
[0020]
本发明的有益效果：本发明结合深度学习算法及5g网络切片对智慧交通信息数据进行获取及处理，可以提高处理的速度及准确性，从而能够完善智慧交通系统以及有较好的实际应用效果。
附图说明
[0021]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本
领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0022]
图1为本发明一个实施例提供的一种基于5g无线通信的智慧交通数据处理方法的基本流程示意图。
具体实施方式
[0023]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
[0024]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0025]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0026]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0027]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0028]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0029]
实施例1
[0030]
参照图1，为本发明的一个实施例，提供了一种基于5g无线通信的智慧交通数据处理方法，包括：
[0031]
s1：采集驾驶员驾驶信息，并进行数据预处理，筛选出交通违章过的驾驶员驾驶信息；需要说明的是，
[0032]
驾驶员驾驶信息包括驾驶状态信息和其对应的道路信息，其中，驾驶状态信息驾驶汽车的车型、驾驶时长、驾驶人员个人身份信息等数据；对应的道路信息为拥堵和非拥堵等状态；
[0033]
数据预处理包括数据清洗、数据变换以及数集合成；具体的，数据清洗：空缺值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗；数据变换：对数据进行特征构造、数据分级及数据量化；数集合成：对数据变换后的数据进行数据统计，将数据合并到统一的数据
存储中。
[0034]
s2：利用深度学习算法构建数据分析模型，将交通违章过的驾驶员驾驶信息输入到数据分析模型中进行训练；需要说明的是，
[0035]
数据分析模型包括，
[0036]
定义数据分析模型的目标函数为：
[0037][0038]
其中，表示权重，t表示行驶时刻，m表示违章次数，xi、yi分别表示i行驶时间段所对应的路段车流量值、人流量值，k表示道路流量系数。
[0039]
s3：基于5g网络切片实时获取驾驶员驾驶状态信息以及道路信息，将二者进行融合，并输入到训练好的数据分析模型中进行状态预测；需要说明的是，
[0040]
5g网络切片包括：
[0041]
urll网络切片：面向于智慧交通、道路交通信息获取需求侧响应业务。
[0042]
进一步的，将驾驶员驾驶状态信息以及道路信息进行融合的过程包括：
[0043]
建立信息融合模型：
[0044][0045]
其中，zi为信息数据长度阈值的兼容系数，为调节函数，yr为流量通道子系数，为信息数据长度阈值，为信息数据长度阈值的调整阈值。
[0046]
更进一步的：
[0047]
通过信息融合模型对驾驶员驾驶状态信息以及道路信息进行融合调整，得到融合的信息：
[0048]
通过信息融合模型计算驾驶状态信息数据长度阈值及道路信息数据长度阈值的兼容系数，得到驾驶状态信息数据长度阈值及道路信息数据长度阈值的兼容系数；
[0049]
判断驾驶状态信息数据长度阈值及道路信息数据长度阈值的兼容系数是否均满足兼容条件，若是，则将其二者进行融合；
[0050]
其中，兼容条件为：兼容系数大于0且小于1。
[0051]
s4：根据预测结果进行双向实时地预警提醒，完成智慧交通的数据处理；需要说明的是，
[0052]
根据预测结果进行双向实时地预警提醒包括：
[0053]
当数据分析模型的目标函数的值在0.4～0.9之间时，同时想智能交通管理系统以及驾驶员发出预警信息。
[0054]
本发明结合深度学习算法及5g网络切片对智慧交通信息数据进行获取及处理，可以提高处理的速度及准确性，从而能够完善智慧交通系统以及有较好的实际应用效果。
[0055]
实施例2
[0056]
本实施例为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了
一种基于5g无线通信的智慧交通数据处理方法的验证测试，对本方法中采用的技术效果加以验证说明，本实施例采用传统技术方案与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
[0057]
传统的技术方案：有较高的时延，分析处理的准确度较低。为验证本方法相对传统方法具有较高的分析处理的准确度以及较低的时延。本实施例中将采用传统的智慧交通数据处理方法和本方法分别对仿真交通场景的信息获取速度及信息数据处理精度进行实时测量对比。
[0058]
测试环境：将实时交通场景运行在仿真平台模拟车辆行驶并模拟实际交通场景下行人、车辆及红绿灯的行驶，分别利用传统方法和本发明方法，则开启自动化测试设备并运用matlb软件编程实现两种方法的仿真测试，根据实验结果得到仿真数据。每种方法各测试20组数据，计算获得每组数据的信息获取速度以及数据分析准确度，与仿真模拟输入的实际时间及数据进行对比计算误差。结果如下表所示。
[0059]
表1：实验结果对比表。
[0060]
测试样本传统方法本发明方法时延≥1ms0.6ms准确率88.62％97.48％
[0061]
应说明的是，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精神和范围，其均应涵盖在本发明的权利要求范围当中。