一种高速公路交通车流量智能采集方法及系统与流程

本发明涉及车辆数据降维，具体涉及一种高速公路交通车流量智能采集方法及系统。

背景技术：

1、对高速公路交通车流量进行采集，能够为高速公路交通管理和规划提供数据支持和决策参考，有助于提升交通系统的运行效率、安全性和环境友好性。一般确定高速公路车流量的方法是在高速公路安装摄像头，根据拍摄得到的视频通过车牌识别算法，统计每个车流量采集点的车流量。

2、考虑到高速公路的监测场景，其车流量的数据量必然是巨大的，因此为了减少存储压力以及计算成本，现有技术通过对高速公路采集到的车流量数据进行主成分分析方法（principal component analysis，pca）降维处理，从而去除冗余信息，在减少存储压力的同时，提高根据降维后的数据进行交通管理分析的效率和准确性。但是现有技术pca降维过程中并没有考虑到车流量数据中不正常的离散数据对降维结果的影响，从而导致降维效果较差，导致采集到的降维后的车流量数据的准确度较差。

技术实现思路

1、为了解决现有技术pca降维过程中并没有考虑到车流量数据中不正常的离散数据对降维结果的影响，导致采集到的降维后的车流量数据的准确度较差的技术问题，本发明的目的在于提供一种高速公路交通车流量智能采集方法及系统，所采用的技术方案具体如下：

2、本技术第一方面提出了一种高速公路交通车流量智能采集方法，所述方法包括：

3、通过高速公路摄像头采集每个车流量采集点在每个采样时刻下的车流量数据；

4、根据所述车流量数据与历史车流量数据的符合情况，确定每个车流量采集点在每个采样时刻下的历史车流量符合度；

5、在每个车流量采集点中，根据车流量数据时序变化趋势，确定所有的初始堵车时间段；根据每个采样时刻与对应的所有的初始堵车时间段之间的时间差的最小值，确定每个车流量采集点在每个采样时刻下的匹配堵车时间段；

6、获取所述匹配堵车时间段表征堵车特征符合情况的堵车倾向性；根据所述堵车倾向性和所述历史车流量符合度，确定每个车流量采集点在每个采样时刻下的车流量正常程度；

7、根据所述车流量正常程度对pca降维过程中的协方差矩阵进行修正，确定修正协方差矩阵；根据所述修正协方差矩阵进行车流量数据降维，并将降维后的车流量数据进行存储。

8、进一步地，所述历史车流量符合度的获取方法包括：

9、在每个车流量采集点的历史数据中，将每个采样时刻在所有历年对应的同一时刻对应的车流量数据的均值，作为每个车流量采集点在每个采样时刻下的历史参考数据；

10、将每个车流量采集点在每个采样时刻下的车流量数据与所述历史参考数据之间的差异进行负相关映射，确定每个车流量采集点在每个采样时刻下的历史车流量符合度。

11、进一步地，所述初始堵车时间段的获取方法包括：

12、获取每个车流量采集点的所有车流量数据对应的车流量数据变化折线图；

13、在所述车流量数据变化折线图中，将每个采样时刻邻接的两个折线段之间的斜率差异的归一化值，作为每个车流量采集点在每个采样时刻下的车流量瞬时变化率；

14、在每个车流量采集点中，将所述车流量瞬时变化率大于预设变化率阈值的采样时刻，作为参考时刻；

15、任选两个参考时刻作为一个时刻组合；获取所有的时刻组合；

16、根据每个时刻组合中对应的两个参考时刻的车流量数据大小和车流量瞬时变化率大小，以及两个参考时刻之间对应时间段中的车流量稳定情况，确定每个时刻组合对应的堵车概率；

17、将所述堵车概率大于预设概率阈值的时刻组合，作为堵车组合；将每个堵车组合对应的两个参考时刻之间的时间段，作为每个堵车组合的初始堵车时间段。

18、进一步地，所述堵车概率的获取方法包括：

19、

20、其中，为第个时刻组合对应的堵车概率；为时间顺序上第个时刻组合对应的两个参考时刻之间的所有采样时刻的车流量数据方差；为第个时刻组合中的第一个参考时刻的车流量数据；为第个时刻组合中的第二个参考时刻的车流量数据；为第个时刻组合中的第一个参考时刻的车流量瞬时变化率；为第个时刻组合中的第二个参考时刻的车流量瞬时变化率；为以自然常数为底的指数函数；为归一化函数。

21、进一步地，所述堵车倾向性的获取方法包括：

22、在时间顺序上，将每个匹配堵车时间段的起始时刻，作为对应的堵车平稳起始时刻；将每个匹配堵车时间段的终止时刻，作为对应的堵车平稳终止时刻；

23、在时间顺序上，将每个匹配堵车时间段起始时刻与前一个匹配堵车时间段的终止时刻之间的所有时刻，作为每个匹配堵车时间段的上升筛选起始时刻；根据每个筛选起始时刻的车流量瞬时变化率，与每个筛选起始时刻与对应的匹配堵车时间段起始时刻的时间差的负相关归一化值之间的比值，确定对应的上升起始可能性；获取每个匹配堵车时间段对应的上升起始可能性最大的堵车上升起始时刻；

24、将每个匹配堵车时间段的起始时刻与后一个匹配堵车时间段的终止时刻之间的所有时刻，作为每个匹配堵车时间段的下降筛选终止时刻；根据所述上升起始可能性的获取方法，计算每个下降筛选终止时刻的下降终止可能性；获取每个匹配堵车时间段对应的下降终止可能性最大的堵车下降终止时刻；

25、在所述车流量数据变化折线图上，根据所述堵车上升起始时刻、所述堵车平稳起始时刻、所述堵车平稳终止时刻和所述堵车下降终止时刻连接后的折线段与所述车流量数据变化折线图之间的轮廓相似情况，确定每个匹配堵车时间段的堵车情况符合程度；

26、将每个采样时刻距离对应的匹配堵车时间段的时间差的负相关映射值与所述堵车情况符合程度之间的乘积的归一化值，作为每个车流量采集点在每个采样时刻下的堵车倾向性。

27、进一步地，所述堵车情况符合程度的获取方法包括：

28、在所述车流量数据变化折线图上，将所述堵车上升起始时刻的数据点、所述堵车平稳起始时刻的数据点、所述堵车平稳终止时刻的数据点和所述堵车下降终止时刻的数据点以时间顺序依次相连后的分段函数的积分，与堵车上升起始时刻和所述堵车下降终止时刻之间的所有分段函数的积分之间差异的负相关映射值，作为每个匹配堵车时间段的堵车情况符合程度。

29、进一步地，所述车流量正常程度的获取方法包括：

30、依次将每个车流量采集点的每个采样时刻，作为目标时刻；将目标时刻对应的车流量采集点以及相距最近的预设邻接数量个车流量采集点，作为目标时刻的参考采集点；

31、当目标时刻的历史车流量符合度大于或等于预设历史阈值时，将目标时刻的历史车流量符合度作为车流量正常程度；

32、当目标时刻的历史车流量符合度小于预设历史阈值时，将所有参考采集点在目标时刻下的堵车倾向性的均值的归一化值，作为目标时刻的车流量正常程度。

33、进一步地，所述修正协方差矩阵的获取方法包括：

34、在通过主成分分析方法对所有车流量采集点在所有采样时刻下的车流量数据进行降维的过程中，以所述车流量正常程度为权重对协方差矩阵中每个矩阵位置的元素计算过程进行修正，确定协方差矩阵中每个矩阵位置的修正元素；根据所有修正元素，确定修正协方差矩阵。

35、进一步地，所述修正元素的计算方法包括：

36、

37、其中，为协方差矩阵中第行第列对应的矩阵位置的修正元素；为采样时刻数量；为第个车流量采集点在第个采样时刻下的车流量正常程度；为第个车流量采集点在第个采样时刻下的车流量正常程度；为第个车流量采集点在第个采样时刻下的车流量数据；为第个车流量采集点在所有采样时刻下的车流量数据均值；为第个车流量采集点在第个采样时刻下的车流量数据；为第个车流量采集点在所有采样时刻下的车流量数据均值。

38、本技术第一方面提出了一种高速公路交通车流量智能采集系统，所述系统包括：

39、数据采集模块，用于通过高速公路摄像头采集每个车流量采集点在每个采样时刻下的车流量数据；

40、第一确定模块，用于根据所述车流量数据与历史车流量数据的符合情况，确定每个车流量采集点在每个采样时刻下的历史车流量符合度；

41、第二确定模块，用于在每个车流量采集点中，根据车流量数据时序变化趋势，确定所有的初始堵车时间段；根据每个采样时刻与对应的所有的初始堵车时间段之间的时间差的最小值，确定每个车流量采集点在每个采样时刻下的匹配堵车时间段；

42、第三确定模块，用于获取所述匹配堵车时间段表征堵车特征符合情况的堵车倾向性；根据所述堵车倾向性和所述历史车流量符合度，确定每个车流量采集点在每个采样时刻下的车流量正常程度；

43、数据存储模块，用于根据所述车流量正常程度对pca降维过程中的协方差矩阵进行修正，确定修正协方差矩阵；根据所述修正协方差矩阵进行车流量数据降维，并将降维后的车流量数据进行存储。

44、第三方面，本技术提供一种计算机设备，包括存储器和处理器。该存储器用于存储计算机程序代码，该处理器用于从存储器中调用并运行该计算机程序代码，以执行如本技术第一方面或第一方面任意实施例的方法。

45、第四方面，本技术提供一种计算机程序产品，所述计算机程序产品包括计算机程序代码，当所述计算机程序代码被执行时，以执行如本技术第一方面或第一方面任意实施例的方法。

46、第五方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序代码，当所述计算机程序代码被执行时，以执行如本技术第一方面或第一方面任意实施例的方法。

47、本技术具有如下有益效果：

48、通过对每个车流量数据进行车流量正常程度的计算，从而根据车流量正常程度对数据降维过程中的协方差矩阵进行修正，从而考虑到车流量数据中不正常的离散数据对降维结果的影响，使得采集到的降维后的车流量数据更加准确。

49、对于每个车流量采集点在每个采样时刻下车流量数据而言，当为正常的车流量数据时，其只可能存在两种正常数据特征表现情况。第一种正常数据特征表现情况为该车流量数据与历年该采样时刻下具有高度的一致性，因此根据所述车流量数据与历史车流量数据的符合情况，确定每个车流量采集点在每个采样时刻下的历史车流量符合度；通过历史车流量符合度来表征车流量正常程度。第二种正常数据特征表现情况为该车流量数据属于堵车状态的数据，由于处于堵车状态，导致该车流量的数据表现与历年该采样时刻下的车流量数据通常不同，但并不影响该车流量数据为正常的堵车数据。因此根据堵车特征符合情况，得到每个车流量采集点在每个采样时刻下的堵车倾向性；进一步地结合历史车流量符合度和堵车倾向性，确定更加准确的车流量正常程度；使得后续根据车流量正常程度修正得到的修正协方差矩阵更加准确，从而提高pca降维结果的准确性，使得降维后的车流量数据的准确性更高。