基于大數(shù)據(jù)的高速公路車流量分析系統(tǒng)研究

秦潔 中設(shè)設(shè)計(jì)集團(tuán)股份有限公司

基于大數(shù)據(jù)的高速公路車流量分析系統(tǒng)研究

秦潔 中設(shè)設(shè)計(jì)集團(tuán)股份有限公司

本文通過提取并結(jié)合了兩種圖像信息：位置信息和像素變化信息，提出了一種新的基于虛擬檢測(cè)線的車流量分割計(jì)數(shù)方法，該方法結(jié)合了虛擬線圈和目標(biāo)跟蹤各自的優(yōu)勢(shì)，兼顧了車流量統(tǒng)計(jì)的實(shí)時(shí)性和準(zhǔn)確性，該方法能夠在多種不同天氣狀況下在各車道對(duì)視頻車輛計(jì)數(shù)的準(zhǔn)確率均大于95%，具有容易推廣實(shí)施的優(yōu)勢(shì)。

大數(shù)據(jù) 高速公路 車流量 視頻分析

引言：自1988年起我國首條高速公路滬嘉高速公路的建成通車開始，經(jīng)歷了二十余年的發(fā)展，“十二五”期間我國高速公路通車?yán)锍涛涣惺澜绲谝弧！笆濉逼陂g中國高速公路投資增長勢(shì)頭將延續(xù)，到2020年，全國高速公路將新增通車?yán)锍?.6萬公里。隨著高速公路的通車?yán)锍毯吐肪W(wǎng)密度的不斷增加，交通流量預(yù)測(cè)一直是智能交通領(lǐng)域的一個(gè)研究熱點(diǎn)，先進(jìn)計(jì)算機(jī)技術(shù)新一代通信技術(shù)圖像采集與識(shí)別技術(shù)等高新技術(shù)紛紛集成于高速公路體系，利用大數(shù)據(jù)對(duì)高速公路的發(fā)展進(jìn)行更深層次的挖掘，可以進(jìn)一步提高高速公路的運(yùn)營服務(wù)能力，從而使其在我國的“一路一帶”戰(zhàn)略中發(fā)揮重要的基礎(chǔ)保障作用。

1 高速公路大數(shù)據(jù)的特點(diǎn)

在高速公路中，大數(shù)據(jù)具有數(shù)據(jù)規(guī)模大、數(shù)據(jù)種類繁多、低價(jià)值密度和處理速度快等特點(diǎn)。高速公路中包括收費(fèi)系統(tǒng)和其他應(yīng)用系統(tǒng)所產(chǎn)生的結(jié)構(gòu)化數(shù)據(jù)，包括通信監(jiān)控系統(tǒng)中產(chǎn)生的視頻、音頻數(shù)據(jù)，靜態(tài)車牌圖片信息等其他數(shù)據(jù)。同時(shí)，高速公路還需要適時(shí)發(fā)布站點(diǎn)狀態(tài)、路況環(huán)境、特殊事件、交通管制等信息，甚至包括地質(zhì)災(zāi)害和天氣信息等數(shù)據(jù)指標(biāo)。

2 高速公路車流量分析系統(tǒng)發(fā)展歷程

1984年，IwaoOkutani等提出了一種基于卡爾曼濾波理論的短時(shí)交通流量預(yù)測(cè)模型，實(shí)驗(yàn)結(jié)果表明該預(yù)測(cè)模型的平均絕對(duì)百分誤差小于9%，且最大絕對(duì)百分誤差小于30%。

1994年，A.G.Hobeika等基于回歸分析建立了短時(shí)交通流量預(yù)測(cè)模型，該預(yù)測(cè)模型同時(shí)考慮了目標(biāo)斷面當(dāng)前時(shí)刻、目標(biāo)斷面歷史時(shí)刻以及目標(biāo)斷面上游當(dāng)前時(shí)刻的流量數(shù)據(jù)，并采用了啟發(fā)式自適應(yīng)權(quán)重的方法進(jìn)行了權(quán)重分配，實(shí)驗(yàn)結(jié)果表明該預(yù)測(cè)模型在進(jìn)行高峰時(shí)期的交通流量預(yù)測(cè)時(shí)效果較好，且平均絕對(duì)百分誤差約為6%。

2003年，BillyM.Williams等在分析了以往短時(shí)交通流量預(yù)測(cè)存在的不足的基礎(chǔ)上，提出了基于周期性的ARIMA預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明該預(yù)測(cè)模型能夠有效提高短時(shí)交通流量的預(yù)測(cè)精度，其MAPE僅為8.6%。

2004年，徐今強(qiáng)等采用時(shí)間序列模型對(duì)短時(shí)交通流量進(jìn)行了預(yù)測(cè)。首先通過對(duì)實(shí)測(cè)的交通流非平穩(wěn)時(shí)間序列進(jìn)行差分變換及標(biāo)準(zhǔn)化處理，從而將其轉(zhuǎn)化為標(biāo)準(zhǔn)正態(tài)的平穩(wěn)時(shí)間序列，然后分別采用極大似然估計(jì)法和AIC準(zhǔn)則進(jìn)行了模型參數(shù)的估計(jì)和模型定階。實(shí)驗(yàn)結(jié)果表明該ARMA模型能夠較好地?cái)M合交通流時(shí)間序列，并可獲得較好的中短期預(yù)測(cè)精度。

2008年，王彥杰等針對(duì)傳統(tǒng)的K近鄰非參數(shù)回歸預(yù)測(cè)方法在進(jìn)行交通狀態(tài)預(yù)測(cè)時(shí)的不足，在進(jìn)行狀態(tài)向量選取時(shí)采用主成分分析方法，并結(jié)合基于斜率表示的相似性度量方法，提出了改進(jìn)的非參數(shù)回歸預(yù)測(cè)方法，實(shí)驗(yàn)結(jié)果表明改進(jìn)后的非參數(shù)預(yù)測(cè)方法的平均相對(duì)誤差為33.2%，比改進(jìn)前的方法提高了17.7%。

2016年，孫同心等基于實(shí)時(shí)和歷史的收費(fèi)站出入口流量數(shù)據(jù)，在大數(shù)據(jù)分析手段的基礎(chǔ)之上通過系統(tǒng)級(jí)的預(yù)測(cè)算法模型進(jìn)行短時(shí)高速公路流量預(yù)測(cè)，并基于后續(xù)的實(shí)時(shí)流量數(shù)據(jù)對(duì)算法模型進(jìn)行持續(xù)的訓(xùn)練與優(yōu)化。對(duì)計(jì)算結(jié)果進(jìn)行驗(yàn)證，發(fā)現(xiàn)此結(jié)果較單維度預(yù)測(cè)的結(jié)果較為準(zhǔn)確。

3 基于大數(shù)據(jù)的高速公路車流量分析平臺(tái)設(shè)計(jì)

現(xiàn)階段在高速公路交通信息采集應(yīng)用的技術(shù)包括感應(yīng)線圈、微波、雷達(dá)、紅外等固定式檢測(cè)器，以及基于GPS、藍(lán)牙、RFID、收費(fèi)數(shù)據(jù)和手機(jī)數(shù)據(jù)等移動(dòng)式檢測(cè)技術(shù)。不同于城市道路，高速公路交通流特性相對(duì)簡單，但高速公路路網(wǎng)覆蓋的地域廣泛，要實(shí)現(xiàn)整個(gè)高速公路網(wǎng)的監(jiān)控，既有的檢測(cè)技術(shù)有些局限。基于視頻分析的車流量統(tǒng)計(jì)計(jì)算方法，包括如下步驟：

步驟一：對(duì)原始圖像進(jìn)行預(yù)處理來增強(qiáng)該圖像的整體對(duì)比度，該預(yù)處理依次包括濾波去噪和圖像增強(qiáng)，先通過濾波去噪去除原始圖像上孤立的噪點(diǎn)，再通過圖像增強(qiáng)增加像素灰度值的動(dòng)態(tài)范圍，使圖像整體對(duì)比度增強(qiáng)；

步驟二：在步驟一處理過的圖像通過幀差法檢測(cè)運(yùn)動(dòng)車輛，再利用形態(tài)學(xué)處理和行掃描的方法處理運(yùn)動(dòng)車輛輪廓存在的孔洞，以達(dá)到對(duì)圖像上車輛的分析和識(shí)別的目的；

步驟三：通過車輛分割計(jì)數(shù)方法在步驟二處理過的圖像上進(jìn)行車輛計(jì)數(shù)。車輛分割計(jì)數(shù)方法基于虛擬檢測(cè)線的檢測(cè)方法，在二值化的前景圖像上，通過車輛和檢測(cè)線相對(duì)位置的基礎(chǔ)上結(jié)合檢測(cè)線上像素特征的變化規(guī)律來對(duì)車輛進(jìn)行計(jì)數(shù)。

4 未來展望

隨著信息化、計(jì)算機(jī)等技術(shù)的發(fā)展智能交通系統(tǒng)應(yīng)運(yùn)而生，人們迫切希望建立完善的智能交通系統(tǒng)，能夠?qū)崟r(shí)、高效、準(zhǔn)確地掌握交通運(yùn)輸情況，有效的解決交通擁堵、事故頻發(fā)等問題。下一步應(yīng)針對(duì)交通擁堵預(yù)測(cè)方法進(jìn)行進(jìn)一步的完善和改進(jìn)。考慮建立多交通路口之間的關(guān)聯(lián)，構(gòu)建局域范圍的智能交通信號(hào)燈控制系統(tǒng)，實(shí)現(xiàn)一定區(qū)域的協(xié)調(diào)調(diào)度。

[1]楊仁懷,郎川萍,劉文美．高速公路大數(shù)據(jù)處理現(xiàn)狀與挑戰(zhàn)［J］．計(jì)算機(jī)系統(tǒng)應(yīng)用,2014,23(9)：13－17

[2]林艷.大數(shù)據(jù)在我國高速公路中的應(yīng)用探討[J].北方交通,2016（05）：162-164