[發明專利]一種基于北斗導航系統的智能交通管理方法

有效

• 申請號: 202011623294.5
• 申請日: 2020-12-31
• 公開（公告）號: CN112802335B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 王士元;劉嘉銘;魯斌;侯超;柴海寧;趙曉嵐
• 申請（專利權）人: 維特瑞交通科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/08;G06N20/20
• 代理公司: 石家莊領皓專利代理有限公司 13130
• 代理人: 馮賀珍

1.一種基于北斗導航系統的智能交通管理方法，其特征在于，包括以下步驟

S0、控制中心設置交通流量預測模塊和北斗導航模塊，交通流量預測模塊預測交通流量，北斗導航模塊獲得當前時刻道路擁堵情況，二者建立一一映射；

S1、二者不滿足映射關系時，確定可能涉及的若干道路檢測單元，控制中心發送指令至此些道路檢測單元，其中道路檢測單元安裝設置北斗衛星導航定位模塊，通訊模塊，攝像模塊，三者均與控制模塊連接；

S2、此些控制模塊接收此些指令后，控制道路檢測單元拍照獲取道路照片信息；

S3、控制模塊將此些道路照片信息附帶北斗衛星導航定位模塊所采集的位置信息，回傳至控制中心；

S4、控制中心對道路照片信息，制定道路管理方案；

其中，S0中，交通流量的預測方法通過t時刻、t-m時刻某一十字路口交通狀況預測t+m時刻此十字路口其中一方向下游交通流量Q_{預測（t+m）}，從而對交通流量進行不同級別監控，具體包括以下步驟：

S01、確定訓練模型的自變量參數為

t時刻此十字路口此方向的三個上游交通流量q₁、q₂、q₃，由視頻監控獲得，

t時刻、t-m時刻此十字路口此方向下游交通流量Q_（t）、Q_（t-m），由視頻監控獲得，

t時刻十字路口此方向下游車輛交通影響級別L，

因變量參數為t+m時刻此十字路口其中一方向下游交通流量Q_{預測（t+m）}；

S02、記錄以上自變量參數、因變量參數的歷史數據；

S03、通過BP神經網絡預測得到t+m時刻此十字路口其中一方向下游交通流量BP預測值Q_{bp預測（t+m）}，具體的，由各自變量參數及因變量參數的歷史數據輸入至BP神經網絡，得到BP神經網絡交通模型；

t時刻時，各自變量的數值輸入至BP神經網絡交通模型，得到t+m時刻此十字路口此方向下游交通流量BP預測值Q_{bp預測（t+m）}；

其中，步驟S01中，t時刻此十字路口此方向下游車輛交通影響級別L具體按照以下公式：

L=?li/m，（i=1,2,3…，n）

其中li為t-m時刻至t時刻，經過的每一輛車的車輛分級，由攝像頭采集車牌號對應的云端車輛級別獲得；

其中，所述車輛分級li按照以下公式：

li?=a*r+b*s+c*lio，（i=1,2,3…，n），

其中，r為此車輛行駛過程中路邊違規停車累計次數，s為此車輛行駛過程中紅燈時過十字路口累計次數，lio為此車輛車主名下其他車輛的車輛分級，a、b、c為各自的權重，

其中，r、s均由攝像頭視頻采集獲得；

其中，S03與S04之間還包括

S030，通過隨機森林模型預測得到t+m時刻此十字路口其中一方向下游交通流量RF預測值Q_{rf預測（t+m）}，具體的，由各自變量參數及因變量參數的歷史數據輸入至隨機深林模型，得到隨機森林交通模型；

t時刻時，各自變量的數值輸入至隨機深林模型，得到t+m時刻此十字路口此方向下游交通流量RF預測值Q_{rf預測（t+m）}；

其中，S04中，Q_{預測（t+m）}=K₁*Q_{bp預測（t+m）}+?K₂*?Q_{rf預測（t+m）}，

其中，Q_{預測（t+m）}決定此十字路口此方向的監控級別M，分為兩個級別或三個級別，針對于非擁擠時段進行低要求的監控級別，針對于擁堵時段進行高要求的監控級別；所述道路檢測單元為移動道路檢測單元或固定道路檢測單元，移動道路檢測單元為無人機或道路行駛裝置；S04中，K₁、K₂的初始條件為K₁+K₂=1；且K₁、K₂通過最優加權組合法計算獲得。