[發(fā)明專利]一種基于交通圖像信息的車輛最優(yōu)路徑挖掘方法

有效

• 申請?zhí)枺?/td>: 201110265681.0
• 申請日: 2011-09-08
• 公開（公告）號: CN102436598A
• 公開（公告）日: 2012-05-02
• 發(fā)明（設計）人: 崔志明;張廣銘;吳健;楊元峰;和天旭
• 申請（專利權）人: 崔志明;張廣銘;吳健
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 蘇州創(chuàng)元專利商標事務所有限公司 32103
• 代理人: 陶海鋒

技術領域

本發(fā)明涉及交通圖像處理技術中的智能路徑挖掘領域，具體涉及一種交通圖像信息挖掘整合利用方法。?

背景技術

現有技術中，隨著社會經濟快速發(fā)展，交通在人類經濟、社會活動中的地位日益顯著。交通管理的層次、質量更是與人們生活密切相關，提高交通管理水平的重要措施就是采用智能交通系統(tǒng)，即ITS。基于交通圖像的車輛檢測、跟蹤和分類技術的發(fā)展為ITS中動態(tài)交通信息的采集與分析提供了一條很好的途徑，這些技術可以廣泛地應用于車輛收費、道路監(jiān)控、大型停車場以及提高公路利用效率等領域。?

以圖像理解為基礎的智能交通系統(tǒng)隨著計算機視覺和模式識別技術的不斷發(fā)展，進入實際應用階段。基于圖像理解的車輛檢測、跟蹤及分類技術的研究與發(fā)展為交通信息的采集與分析提供了一條良好途徑，這些技術伴隨數據挖掘的技術，可以為交管部門提供決策支持，亦可為駕駛人員提供最優(yōu)路徑選擇。這是目前智能交通系統(tǒng)研究的熱點。?

傳統(tǒng)的交通圖像主要用于牌照識別，違章檢測（闖紅燈，違規(guī)轉彎，逆行等），且都針對同一場景的圖片進行處理，許多有用信息沒有得到充分利用。例如攝像頭自身所處的位置信息；圖片拍攝的精確時間；多個攝像頭之間的距離信息，這些信息的提取都沒有被用于計算挖掘出新的信息，而是作為歷史信息存于數據庫內，在一定的時間內被更新掉了。?

深層學習（Deep?Learning）作為一種新的機器學習理論框架于2010年被提出，參見http://deeplearning.net。?

神經網絡具有以下性質和能力：（一）非線性。一個由非線性神經元互連而成的神經網絡自身是非線性的，這種非線性是針對網絡結點的特殊性質。（二）輸入輸出映射。通過訓練樣本對神經網絡的突觸權值進行調整，每個樣本由唯一的輸入信號和相應的期望響應組成。（三）適應性。神經網絡具有調整自身突觸權值來適應外界變化的能力，當其處于時變環(huán)境中，突觸權值可設計成隨時間變化。?

2009年，Learning?Deep?Architectures?for?AI理論由加拿大科學家Yoshua?Bengio先生提出，該理論對通過構建深層結構（Deep?Architectures）和逐層（layer?by?layer）學習為解決人工智能中復雜數據優(yōu)化的問題提供了有效途徑。?

[文獻出處：Yoshua?Bengio,?Learning?Deep?Architectures?for?AI?[J],?Foundations?and?Trends?in?Machine?LearningVol.?2,?No.?1?(2009)pp.?1–127.]?

然而，將交通圖像信息與神經網絡，尤其是深層學習結合，進行車輛最優(yōu)路徑的挖掘的構思，未見報道。

發(fā)明內容

本發(fā)明的發(fā)明目的是提供一種基于交通圖像信息的車輛最優(yōu)路徑挖掘方法，用以為復雜交通環(huán)境下車輛最優(yōu)路徑的選擇與決策支持，具有良好的魯棒性。?

為達到上述發(fā)明目的，發(fā)明人首先針對交通路網的攝像頭布局特性進行了研究，發(fā)現交通圖像的采集設備固定，而且采集設備之間的路程距離可以測量，不同的采集設備相對于不同的地理位置構成了一張交通網絡。采用圖論的原理可構建一個有向圖，得到最優(yōu)路徑為特定人員提供服務。其次，由于各攝像頭（結點）的計算所要考慮的因素較多，且各因素在不同層次的權重不一樣，不能使用單一權值進行全局處理。?

基于上述特定特點，本發(fā)明考慮采用將深層神經網絡與圖論理論相結合進行深度優(yōu)化計算。首先各結點的信息按時間維度分類保存，如結點地理位置，交通圖片信息采集時間，各結點之間的實際路程距離，結點區(qū)域車流量等。其次構建深層神經網絡計算輸入層、輸出層信息，然后，設置隱含層進行逐層計算，再將輸出結果使用圖論原理得出最優(yōu)路徑。該路徑可用于交管指揮、特種車輛行駛，及用戶行駛決策支持。?

由此，本發(fā)明采用的技術方案是：一種基于交通圖像信息的車輛最優(yōu)路徑挖掘方法，在待挖掘車輛最優(yōu)路徑的交通路網中布置有攝像頭，挖掘方法包括下列步驟：?

(1)?針對交通路網的攝像頭布局特性進行采集，對各攝像頭進行名稱標定，并記錄各攝像頭對應地理位置信息；各攝像頭的名稱可以采用如C1、C2、C3……進行標定，對應地理位置信息表達如某某路No.005位置；

(2)?根據道路可達性測量相鄰攝像頭之間的路程距離；

(3)?構建攝像頭分布的帶權網絡圖，每個攝像頭對應一個結點，權值是相鄰攝像頭之間的路程距離；