[發(fā)明專利]基于多源數(shù)據(jù)多級(jí)融合的高速公路事件檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202210049374.7
• 申請(qǐng)日: 2022-01-17
• 公開(kāi)（公告）號(hào): CN114446052B
• 公開(kāi)（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 沈永俊;屈琦凱;鮑瓊;張銳;楊苗苗
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G06F18/25
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 姜慧勤

1.基于多源數(shù)據(jù)多級(jí)融合的高速公路事件檢測(cè)方法，其特征在于，包括如下步驟：

步驟1，利用高速公路原有的線圈以及視頻多源交通檢測(cè)器，獲取高速公路歷史交通數(shù)據(jù)，搭建道路交通安全云平臺(tái)，存儲(chǔ)多源交通數(shù)據(jù)；

步驟2，根據(jù)不同檢測(cè)器的布設(shè)位置，結(jié)合多源交通檢測(cè)器數(shù)據(jù)互補(bǔ)的特點(diǎn)，將高速公路原有的線圈檢測(cè)器布設(shè)間隔劃分為若干個(gè)小區(qū)間；具體過(guò)程如下：

步驟21，從高速公路事件檢測(cè)起始端開(kāi)始，每隔固定的布設(shè)間隔布設(shè)一線圈檢測(cè)器，確定高速公路視頻檢測(cè)器的布設(shè)位置以及單個(gè)視頻檢測(cè)器能夠覆蓋的空間區(qū)域；

步驟22，采集單個(gè)視頻檢測(cè)器覆蓋的空間區(qū)域的首尾端對(duì)應(yīng)的微觀車輛數(shù)據(jù)，并將所采集的微觀車輛數(shù)據(jù)轉(zhuǎn)化為道路斷面交通流線圈數(shù)據(jù)；

步驟23，將原有高速公路上布設(shè)的相鄰兩個(gè)線圈檢測(cè)器之間的間隔作為一個(gè)大區(qū)間，根據(jù)單個(gè)視頻檢測(cè)器能夠覆蓋的空間區(qū)域，將大區(qū)間劃分為3個(gè)小區(qū)間，即根據(jù)車輛行駛方向，定義相鄰兩個(gè)線圈檢測(cè)器中處于上游的為上游線圈檢測(cè)器，處于下游的為下游線圈檢測(cè)器，則上游線圈檢測(cè)器到視頻檢測(cè)器之間的空間區(qū)域?yàn)榈?個(gè)小區(qū)間，視頻檢測(cè)器能夠覆蓋的空間區(qū)域?yàn)榈?個(gè)小區(qū)間，剩余空間區(qū)域?yàn)榈?個(gè)小區(qū)間；

步驟3，對(duì)交通事件狀態(tài)下的交通流特性進(jìn)行分析，利用車流波動(dòng)理論，并結(jié)合線圈檢測(cè)器的數(shù)據(jù)特點(diǎn)，建立基于交通流數(shù)據(jù)的事件檢測(cè)特征變量集；具體過(guò)程如下：

步驟31，分析交通事件狀態(tài)下的交通流特性，查看發(fā)生交通事件的地點(diǎn)以及該地點(diǎn)對(duì)應(yīng)所在區(qū)間的上、下游交通流參數(shù)變化；

步驟32，以步驟31所述上、下游交通流參數(shù)及其多角度組合的方式，構(gòu)建基于交通流數(shù)據(jù)的交通事件檢測(cè)初始特征變量集，包括：上游交通流量、速度、占有率，下游交通流量、速度、占有率，上游交通流量與占有率的比值、上游交通流量與速度的比值、上游速度與占有率的比值，下游交通流量與占有率的比值、下游交通流量與速度的比值、下游速度與占有率的比值，上游流量的變異系數(shù)、速度的變異系數(shù)、占有率的變異系數(shù)，下游流量的變異系數(shù)、速度的變異系數(shù)、占有率的變異系數(shù)，上下游流量差、速度差、占有率差；

步驟33，利用Boruta算法對(duì)上述初始特征變量集進(jìn)行篩選，提取與交通事件緊密相關(guān)的變量組成基于交通流數(shù)據(jù)的事件檢測(cè)特征變量集；

步驟4，查看發(fā)生交通事件的地點(diǎn)，結(jié)合該地點(diǎn)對(duì)應(yīng)所在小區(qū)間對(duì)應(yīng)的視頻檢測(cè)器獲取該地點(diǎn)所在小區(qū)間內(nèi)車輛行駛軌跡，建立基于視頻檢測(cè)器數(shù)據(jù)的微觀車輛行為特征變量集；具體過(guò)程如下：

步驟41，將發(fā)生在視頻檢測(cè)器覆蓋空間區(qū)域的交通事件所在小區(qū)間劃分為若干個(gè)等間距的小單元，將小單元內(nèi)的車輛換道總次數(shù)、換道車輛的平均速度、每個(gè)車道的換道次數(shù)作為變量；

步驟42，計(jì)算小單元固定時(shí)間間隔內(nèi)的各個(gè)變量值構(gòu)成基于視頻數(shù)據(jù)的變量集，所述時(shí)間間隔根據(jù)實(shí)際的實(shí)時(shí)性需求決定；

步驟5，利用第一級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)和第二級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)對(duì)步驟3所述事件檢測(cè)特征變量集和步驟4所述微觀車輛行為特征變量集進(jìn)行耦合，在統(tǒng)一的框架下實(shí)現(xiàn)多源數(shù)據(jù)的統(tǒng)一表示，以多源數(shù)據(jù)的統(tǒng)一表示為輸入，通過(guò)第三級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)，構(gòu)建基于多級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的交通事件檢測(cè)模型；具體過(guò)程如下：

步驟51，將步驟3所述事件檢測(cè)特征變量集和步驟4所述微觀車輛行為特征變量集分別視為單源數(shù)據(jù)，構(gòu)建第一級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)，該網(wǎng)絡(luò)由一個(gè)全連接神經(jīng)網(wǎng)絡(luò)構(gòu)成，以各個(gè)單源數(shù)據(jù)為輸入，并將網(wǎng)絡(luò)輸出數(shù)據(jù)與該單源輸入數(shù)據(jù)之間的均方誤差作為損失函數(shù)優(yōu)化網(wǎng)絡(luò)，在網(wǎng)絡(luò)訓(xùn)練完成后，選擇第一級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的最后一層作為該單源數(shù)據(jù)的新表示；

步驟52，構(gòu)建第二級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)，以兩個(gè)單源數(shù)據(jù)第一級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的新表示為輸入，輸出為分解得到的各單源數(shù)據(jù)的初始表示，將第二級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的輸入數(shù)據(jù)與第二級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的輸出數(shù)據(jù)之間均方差作為損失函數(shù)優(yōu)化網(wǎng)絡(luò)，在網(wǎng)絡(luò)訓(xùn)練完成后，選擇第二級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的最后一層作為多源數(shù)據(jù)的統(tǒng)一表示，即多源事件數(shù)據(jù)的統(tǒng)一表示；

步驟53，構(gòu)建第三級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)，對(duì)于發(fā)生交通事件的小區(qū)間獲取其相同時(shí)間段未發(fā)生交通事件的交通數(shù)據(jù)，通過(guò)步驟51-52得到多源非事件數(shù)據(jù)的統(tǒng)一表示，以多源非事件數(shù)據(jù)的統(tǒng)一表示為輸入，訓(xùn)練第三級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)，通過(guò)多源事件數(shù)據(jù)的統(tǒng)一表示測(cè)試訓(xùn)練好的基于多級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的交通事件檢測(cè)模型，所述模型包括第一至第三級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)，比較模型輸出與測(cè)試數(shù)據(jù)的差異，判斷交通狀態(tài)是否發(fā)生異常，進(jìn)而實(shí)現(xiàn)交通事件檢測(cè)；

通過(guò)計(jì)算基于多級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的交通事件檢測(cè)模型的事件檢測(cè)率、事件誤報(bào)率、平均檢測(cè)時(shí)間和事件G-mean值，評(píng)價(jià)模型的檢測(cè)性能；其中，

1)計(jì)算模型的事件檢測(cè)率：

2)計(jì)算模型的事件誤報(bào)率：

3)計(jì)算模型的平均檢測(cè)時(shí)間：

4)計(jì)算模型的事件G-mean值：

式中，D為事件檢測(cè)率，a₁為檢測(cè)到的道路交通事件數(shù)量，a₂為道路交通事件發(fā)生總數(shù)，F(xiàn)為事件誤報(bào)率，b₁為誤報(bào)的交通事件數(shù)，b₂為時(shí)間段內(nèi)的所有決策次數(shù)，M為交通事件的平均檢測(cè)時(shí)間，T(i)為檢測(cè)到第i個(gè)交通事件的時(shí)間，AT(i)為第i個(gè)交通事件實(shí)際發(fā)生的時(shí)間，n為交通事件數(shù)量，G-mean為檢測(cè)率和誤報(bào)率的調(diào)和平均值；

步驟6，實(shí)時(shí)采集高速公路交通數(shù)據(jù)，并對(duì)交通數(shù)據(jù)按照步驟3和步驟4相同步驟進(jìn)行處理，利用步驟5構(gòu)建的基于多級(jí)深度自動(dòng)編碼網(wǎng)絡(luò)的交通事件檢測(cè)模型進(jìn)行交通事件檢測(cè)。