城区非主干道路交通路线预测方法、系统及介质与流程

本发明涉及智能交通，尤其涉及一种城区非主干道路交通路线预测方法、系统及介质。

背景技术：

1、目前导航系统在提供路线规划和导航功能时，主要依赖大数据分析来识别和预测道路拥堵情况，可以帮助驾驶员选择最佳路线，避开交通拥堵，这对于日常驾驶是很有帮助的。

2、由于导航系统基于大数据分析来建立，数据主要来源于道路上车辆的行驶数据和路网数据，可以实时分析道路拥堵情况，为驾驶员提供路线建议。然而，仅仅依靠大数据分析并不足以应对所有的道路状况。对于城市非主干道内，行人、非机动车、流动摆摊商贩等占用道路，导致交通状况复杂多变，突发交通意外情况常有发生，容易造成道路拥堵，且此类占用道路的群体并不能实时上传道路状况数据，导航系统不能真实反映上述道路的实时状况，这就可能导致导航系统在规划路线时忽略这些拥堵点，造成规划路线不合理，从而引导驾驶员进入拥堵的道路。

3、由此可见，导航系统的大数据分析为路线规划和导航提供了极大的便利，但在复杂的城市环境中，驾驶员仍需保持警觉，结合自身的驾驶经验和判断力来应对不可预见的意外情况。因此，如何有效地规划路线以规避城市非主干道复杂路况的交通拥堵成为了亟待解决的问题。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种城区非主干道路交通路线预测方法，能够对城区非主干道路的拥堵情况进行预测，有利于规划更佳的导航路线，减小遇到交通拥堵的情况。

2、本发明还提供了一种城区非主干道路交通路线预测系统、电子设备及计算机可读存储介质。

3、根据本发明实施例第一方面的城区非主干道路交通路线预测方法，包括：

4、通过交通监控设备获取非主干道路路段的图像数据；

5、对所述图像数据进行处理，识别出行人与非机动车图像；

6、利用预训练的深度学习模型对所述行人与非机动车图像进行分析，计算所述路段中行人与非机动车的实时流量，并结合历史交通数据预测所述路段的拥堵情况；

7、当预测所述路段在预测时间段内会发生交通拥堵事件时，将拥堵数据上传至云端数据库，所述拥堵数据包括路段信息、所述预测时间段和所述实时流量；

8、根据所述拥堵数据、车辆的当前位置和目的地确定所述车辆的导航路线。

9、根据本发明实施例的城区非主干道路交通路线预测方法，至少具有如下有益效果：

10、实施例的方法首先通过交通监控设备获取非主干道路路段的图像数据，并对图像数据进行识别，得到行人与非机动车图像，然后利用预训练的深度学习模型对行人与非机动车图像进行分析，通过深度学习模块可以计算出路段中行人与非机动车的实时流量，根据实时流量与历史交通数据对路段的拥堵情况进行预测，也即是预判当前的行人与非机动车的实时流量是否可能会造成道路交通拥堵，实现对道路拥堵情况进行预测；当预测出上述路段在预测时间段内发生交通拥堵事件时，将拥堵数据上传至云端数据库，拥堵数据包括路段信息、预测时间段和实时流量，便于路线规划系统可以从云端数据库获取拥堵数据，根据拥堵数据、车辆的当前位置和目的地可以确定出车辆的导航路线，由于结合了拥堵数据进行路线规划，可以使导航路线躲避存在交通拥堵风险的城区非主干道，可以规划出更佳的导航路线，从而减小导航路线遇到交通拥堵的情况，使用户出行更加便利。

11、根据本发明的一些实施例，所述结合历史交通数据预测所述路段的拥堵情况，包括：

12、由所述深度学习模型在采集周期内获取所述历史交通数据，所述历史交通数据包括历史拥堵流量和与所述历史拥堵流量对应的历史时间段；

13、根据所述深度学习模型对所述历史拥堵流量和所述历史时间段进行分析，得到最小流量阈值；

14、对所述实时流量与所述最小流量阈值进行对比，当所述实时流量大于等于所述最小流量阈值时，根据所述实时流量所发生的实时时间段预测出所述路段发生交通拥堵事件的时间。

15、根据本发明的一些实施例，所述由所述深度学习模型在采集周期内获取所述历史交通数据，包括：

16、通过所述深度学习模型识别图像中的车道线以及位于所述车道线内的车辆、行人与非机动车；

17、当所述车道线内的车辆的车速低于第一阈值，且行人与非机动车的密度大于等于第二阈值时，确定为历史拥堵事件；

18、根据所述密度和所述车辆的车速低于所述第一阈值的持续时间计算得到所述历史拥堵流量，并记录所述持续时间为所述历史时间段。

19、根据本发明的一些实施例，所述方法还包括：

20、利用所述历史时间段对所述深度学习模型进行训练；

21、所述根据所述实时流量所发生的实时时间段预测出所述路段发生交通拥堵事件的时间，包括：

22、当所述实时时间段大于等于预设时间值时，将所述实时时间段进行划分形成多个时间分段；

23、提取每个所述时间分段对应的行人与非机动车的最大流量；

24、将每个所述时间分段所对应的所述最大流量输入到训练好的所述深度学习模型中，计算由所述最小流量阈值达到所述最大流量的平均时间，并根据所述平均时间得到对交通拥堵事件发生时间的预测结果。

25、根据本发明的一些实施例，所述通过所述深度学习模型识别所述路段的车道线以及位于所述车道线内的车辆、行人与非机动车，包括：

26、利用所述深度学习模型对所述车道线内的物体进行分析，生成相应的边界特征；

27、对连续的图像中的所述边界特征进行关联，生成所述物体的运动轨迹；

28、根据所述边界特征、所述运动轨迹与预设的特征库进行匹配，识别出所述车道线内的车辆、行人与非机动车。

29、根据本发明的一些实施例，所述方法，还包括：

30、实时采集所述路段的所述图像数据，并利用预训练的深度学习模型对所述图像数据进行分析，识别出车道线和位于所述车道线内的车辆和车辆类别；

31、根据所述车道线内的车辆、所述车辆类别和所述实时流量计算得到行人与非机动车在所述路段的车道占用率；

32、当所述车道占用率大于等于第三阈值，判定所述路段当前发生交通拥堵事件，并上传至云端数据库。

33、根据本发明的一些实施例，所述根据所述拥堵数据、车辆的当前位置和目的地确定所述车辆的导航路线，包括：

34、根据所述当前位置和所述目的地设定导航路线；

35、当所述导航路线经过所述路段，所述实时流量大于等于历史拥堵流量且所述车辆在所述路段的行驶时间与所述预测时间段存在交集时，调整所述导航路线，使调整后的所述导航路线不经过所述路段。

36、根据本发明的一些实施例，所述根据所述拥堵数据、车辆的当前位置和目的地确定所述车辆的导航路线，包括：

37、根据所述当前位置和所述目的地设定导航路线；

38、当所述目的地位于所述路段内，且所述车辆在所述路段的行驶时间与所述预测时间段不存在交集时，将初始设定的所述导航路线确定为所述导航路线，并向驾驶员发出提醒信息，所述提醒信息包括所述路段在所述预测时间段内存在发生交通拥堵事件的预测结果。

39、根据本发明的一些实施例，所述方法还包括：

40、当开启所述车辆或移动终端的导航功能时，获取驾驶员的历史导航路线；

41、所述根据所述拥堵数据、车辆的当前位置和目的地确定所述车辆的导航路线，包括：

42、根据所述当前位置和所述目的地设定初始导航路线；

43、当所述初始导航路线和所述历史导航路线均经过所述路段，所述实时流量大于等于历史拥堵流量且所述车辆在所述路段的行驶时间与所述预测时间段存在交集时，调整所述导航路线，使调整后的所述导航路线不经过所述路段，并将所述初始导航路线与调整后的所述导航路线发送至所述车辆或所述移动终端，以获取驾驶员选择所述初始导航路线或调整后的所述导航路线的操作指令；

44、当获取到所述操作指令时，根据所述操作指令将驾驶员选择的路线确定为当前导航路线。

45、根据本发明实施例第二方面的城区非主干道路交通路线预测系统，包括：

46、采集模块，用于通过交通监控设备获取非主干道路路段的图像数据；

47、识别模块，用于对所述图像数据进行处理，识别出行人与非机动车图像；并利用预训练的深度学习模型对所述行人与非机动车图像进行分析，计算所述路段中行人与非机动车的实时流量；

48、判断模块，用于将所述实时流量结合历史交通数据预测所述路段的拥堵情况，当预测所述路段在预测时间段内会发生交通拥堵事件时，将拥堵数据上传至云端数据库，所述拥堵数据包括路段信息、所述预测时间段和所述实时流量；

49、路径规划模块，用于根据所述拥堵数据、车辆的当前位置和目的地确定所述车辆的导航路线。

50、根据本发明实施例的城区非主干道路交通路线预测系统，至少具有如下有益效果：

51、采集模块通过交通监控设备获取道路路段的图像数据，并利用识别模块对图像数据进行识别，得到行人与非机动车图像，然后利用预训练的深度学习模型对行人与非机动车图像进行分析，通过深度学习模块可以计算出路段中行人与非机动车的实时流量；然后利用判断模块根据实时流量与历史交通数据对路段的拥堵情况进行预测，也即是预判当前的行人与非机动车的实时流量是否可能会造成道路交通拥堵，实现对道路拥堵情况进行预测；当预测出上述路段在预测时间段内发生交通拥堵事件时，将拥堵数据上传至云端数据库，拥堵数据包括路段信息、预测时间段和实时流量；最后通过路径规划模块根据拥堵数据、车辆的当前位置和目的地确定出车辆的导航路线，由于增加了拥堵数据进行规划，可以使导航路线躲避存在交通拥堵风险的城区非主干道，使导航路线更佳，减小导航路线遇到交通拥堵的情况，使用户出行更加便利。

52、根据本发明实施例第三方面的电子设备，包括：

53、至少一个处理器；以及

54、与所述至少一个处理器通信连接的存储器；其中，

55、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例所述的方法。

56、根据本发明实施例第四方面的计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述实施例所述的方法。

57、由于电子设备和计算机可读存储介质采用了上述实施例的方法的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再赘述。

58、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。