[發明專利]一種基于深度學習的城市主干道路車流量統計方法

在審

• 申請號: 202210047562.6
• 申請日: 2022-01-17
• 公開（公告）號: CN114387310A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 鮑泓;徐歆愷;王晨曦;付一豪;寧晴;潘衛國;徐成
• 申請（專利權）人: 北京聯合大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62;G06N3/04;G06N3/08;G06V20/54;G06V10/80;G06V10/82
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 李娜

本發明公開一種基于深度學習的城市主干道路車流量統計方法，包括以下步驟：在城市主干道監控場景中設置虛擬計數線；使用改進的YOLOv5網絡模型提取所述城市主干道監控場景中的車輛，獲取車輛位置信息；基于所述車輛位置信息，跟蹤所述車輛，獲取所述車輛的運動軌跡；基于所述運動軌跡與所述虛擬計數線的相交情況，判斷所述車輛是否通過所述虛擬計數線，是，則統計所述所述車輛的數目。本發明改進了YOLOv5網絡，加快了模型的推理速度，增強了被遮擋車輛檢測效果，能夠準確地得到實時車流量數據，并且便于傳輸聯網、成本低、易安裝，后期維護方便。

技術領域

本發明涉及智能交通技術領域，特別是涉及一種基于深度學習的城市主干道路車流量統計方法。

背景技術

交通擁堵降低了車輛平均行駛速度，造成道路通行能力下降，增加了交通延誤時間，同時導致燃油消耗和車輛排污量的增加，對環境也造成了一定程度的污染；此外交通擁堵也會增加交通事故的發生概率，而交通事故又會使道路擁堵情況惡化，由此陷入惡性循環。交通擁堵是眾多因素共同作用的結果，包括汽車數量的迅速增加導致道路車流量日益增大；路網結構設計不合理，無法發揮路網的整體功能和各級道路的分流能力；城市道路管理手段落后，目前道路管理仍然依靠交通燈和警察疏導，而當前交叉路口的信號燈大多數都是定時控制，無法按照實際車流量進行合理疏導。目前交通管理部門主要采取如下幾種辦法來解決交通擁堵問題：道路基礎設施建設升級，如拓寬道路，新建道路等；對道路上行駛的車輛數量進行限制，如尾號限行、限制異地車輛進入城區、開發智能交通系統等。

智能交通系統有效解決了城市交通的諸多問題。車流量檢測技術就是智能交通系統中的一個重要研究方向。通過在互聯網上查看各個道路準確的車流量數據，可以讓司機提前規劃好出行路線，讓交警及時地疏導堵塞線路，將城市道路的利用率提高，并有效地緩解道路堵塞情況。

傳統的車流量統計方法主要有感應線圈法、波頻檢測法等。感應線圈法工作原理是，當車輛行駛至線圈裝置區域時，裝置收到來自外界的壓力，并將壓力轉化為電流，發出脈沖信號，接收器接收到脈沖信息后可判知已有車輛駛過。波頻檢測法是將檢測裝置安裝于交通標志桿上，車輛駛入檢測范圍時，會改變原先電磁波的傳播時間或者傳輸頻率，從而能夠檢測出車輛。而且兩種方法不僅操作復雜，維護也十分困難，更無法對車輛進行精確分類，具有很大的局限性。

隨著人工智能的快速發展，基于深度學習的車流量統計方法可以準確的得到實時車流量數據，便于傳輸聯網、成本低、易安裝，后期維護方便，因此得到廣泛的關注。

發明內容

本發明的目的是提供一種基于深度學習的城市主干道路車流量統計方法，以解決上述現有技術存在的問題，利用深度學習對車流量進行統計，能夠準確地得到實時車流量數據，并且便于傳輸聯網、成本低、易安裝，后期維護方便。

為實現上述目的，本發明提供了如下方案：本發明提供一種基于深度學習的城市主干道路車流量統計方法，包括以下步驟：

在城市主干道監控場景中設置虛擬計數線；

構造改進的YOLOv5檢測網絡提取所述城市主干道監控場景中的車輛，獲取車輛位置信息，其中，所述改進的YOLOv5檢測網絡包括GhostBottleneckCSP模塊，并使用CIOU_LOSS損失函數；

基于所述車輛位置信息，跟蹤所述車輛，獲取所述車輛的運動軌跡；

基于所述運動軌跡與所述虛擬計數線的相交情況，判斷所述車輛是否通過所述虛擬計數線，是，則統計所述所述車輛的數目。

可選地，所述虛擬計數線在不同方向道路設置兩條，橫跨不同方向的所有車道，并且不同方向車道的所述虛擬計數線之間保持平行。