[發明專利]自動化碼頭閘口車流量預警方法

在審

• 申請號: 202110920447.0
• 申請日: 2021-08-11
• 公開（公告）號: CN113743654A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 李永翠;范光鵬;劉玉;陳強;殷健;徐永寧;吳艷麗;李波;管廷敬;馬慧娟;張傳軍
• 申請（專利權）人: 青島港國際股份有限公司;青島新前灣集裝箱碼頭有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 青島聯智專利商標事務所有限公司 37101
• 代理人: 王笑

本發明公開了一種自動化碼頭閘口車流量預警方法，采集閘口相關路口的車流圖像，采用卷積神經網絡對車流圖像進行分類預測，將分類預測結果、單位時間內平均車流量分類向量、連續兩個單位時間段平均車流量的差值、當前裝箱數量、提箱計劃數量和當前查驗申請數量輸入流量預測模型，得到閘口車流量分類預測，最后采用B/S架構對閘口車流量分類預測進行可視化展示，使碼頭工作人員提前獲知閘口車流情況。

技術領域

本發明屬于自動化碼頭技術領域，具體地說，是涉及一種自動化碼頭閘口車流量預警方法。

背景技術

隨著全自動化碼頭作業吞吐量的不斷提升，閘口車流量也不斷加大，碼頭入閘口車流是否順暢，對馬路交通及港內作業有著重要影響。

現有的車流量預測都是針對城市交通而言的，但對于碼頭、港口等不同于一般城市交通的區域，大多數車輛集中在進出港的閘口、堆場和碼頭，具有特定的規律性，采用現行的城市交通流量預測方法并不合適。

發明內容

本發明的目的在于提供一種自動化碼頭閘口車流量預測方法，基于閘口相關路口的車流圖像，結合當前車流數據和歷史車流數據對閘口車流量進行分類預測，提前為自動化碼頭提供車流預警信息。

本發明采用以下技術方案予以實現：

提出一種自動化碼頭閘口車流量預測方法，包括：獲取預測時段前設定時間段內的閘口相關路口的車流圖像；采用卷積神經網絡對所述車流圖像進行分類預測；將分類預測結果、單位時間內平均車流量分類向量、連續兩個單位時間段平均車流量的差值、當前裝箱數量、提箱計劃數量和當前查驗申請數量輸入流量預測模型，得到閘口車流量分類預測；其中，所述車流量模型采用支持向量機模型。

進一步的，所述卷積神經網絡包括：第一層：卷積層，卷積核為11x11，卷積核數量為60，卷積核窗口移動步長為4，激活函數為：第二層：卷積層，卷積核為11x11，卷積核數量為128，卷積核窗口移動步長為4，激活函數為ReLU；第三層：池化層，池化方法為最大池化；第四層：卷積層，卷積核為5x5，卷積核數量為128，卷積核窗口移動步長為2，激活函數為ReLU；第五層：卷積層，卷積核為5x5，卷積核數量為128，卷積核窗口移動步長為2，激活函數為ReLU；第六層：池化層，池化方法為最大池化；第七層：卷積層，卷積核為3x3，卷積核數量為128，卷積核窗口移動步長為1，激活函數為ReLU；第八層：卷積層，卷積核為3x3，卷積核數量為128，卷積核窗口移動步長為1，激活函數為ReLU；第九層：池化層，池化方法為最大池化；第十層、第十一層和第十二層，均為全連接層，最終輸出的節點有兩個，代表交通情況分類二進制編碼。

進一步的于，所述方法還包括：對所述車流圖像做如下處理：轉化為灰度圖并基于對灰度值做歸一化：其中，Max(G)為所述車流圖像的最大灰度值，Min(G)為所述車流圖像的最小灰度值，v_i為所述車流圖像中的每一個灰度值，n為所述車流圖像的像素個數。

進一步的，所述方法還包括：根據以下步驟處理所述分類預測結果：用二進制編碼表示采用神經網絡對車流圖像進行分類預測的輸出；將對所有閘口相關路口的車流圖像采用卷積神經網絡進行分類預測的輸出合并成一個二進制編碼向量。

進一步的，所述方法還包括：將所述卷積神經網絡根據預測時段前設定時間段內的閘口相關路口的n張車流圖像的識別向量采用取均值，得到用二進制編碼表示的分類預測的輸出；其中，TRA_i為路口交通向量第i個元素的均值；tra_j，i為第j張圖預測向量第i元素的值。

進一步的，所述方法還包括：采用對所述連續兩個單位時間段平均車流量的差值進行歸一化處理；其中，Max(V)為歷史平均流量最大值，Min(V)為歷史平均流量最小值，V_i表示i時段歷史平均流量。

進一步的，所述方法還包括：采用B/S架構將閘口車流量分類預測進行可視化展示，并對高流量預測值做告警表示。