一種交通擁堵檢測方法和裝置的制造方法
【專利摘要】本發明適用于智慧交通領域，提供了一種交通擁堵檢測方法和裝置，旨在解決現有技術交通擁堵檢測代價高昂，無法全面覆蓋以及準確性和效率均較低的問題。所述方法包括：采集注冊車輛的行駛參數數據，行駛參數數據包括注冊車輛安裝的車載導航軟件輸出的位置數據和速度；根據行駛參數數據確定交通擁堵區域；輸出包含交通擁堵區域對應的擁堵信息的擁堵報告。本發明的技術方案從非常普及的車載導航軟件獲取行駛參數數據進行自動檢測分析，并自動輸出擁堵報告，因此降低了交通擁堵檢測費用，解決了覆蓋范圍的限制，同時提高了交通擁堵檢測的準確性和檢測效率。
【專利說明】
一種交通擁堵檢測方法和裝置
技術領域
[0001]本發明涉及智慧交通領域，尤其涉及一種交通擁堵檢測方法和裝置。
【背景技術】
[0002]實時交通擁堵檢測是智能交通系統最重要的組成部分之一，可為道路選擇、交通疏導等工作提供重要的決策依據。目前實時交通擁堵檢測技術主要依賴于環形感應線圈檢測器、微波檢測器和交通攝像頭等路邊固定設施以及浮動車監控設施，對車速、車道占有率、交通流量和車流圖像等信息進行人工錄入和分析來估計路段的交通擁堵狀態。
[0003]但是，路邊固定設施和浮動車監控設施的實施和維護費用高昂，并且難以覆蓋所有道路路段，同時，人工錄入的方式工作強度大，容易疏漏，導致檢測效率低，并影響檢測的準確性。
【發明內容】
[0004]本發明的目的在于提供一種交通擁堵檢測方法和裝置，旨在解決現有技術交通擁堵檢測代價高昂，無法全面覆蓋以及準確性和效率均較低的問題。
[0005]本發明的第一方面，提供一種交通擁堵檢測方法，包括:
[0006]采集注冊車輛的行駛參數數據，所述行駛參數數據包括所述注冊車輛安裝的車載導航軟件輸出的所述注冊車輛的位置數據和速度；
[0007]根據所述行駛參數數據確定交通擁堵區域；
[0008]輸出包含所述交通擁堵區域對應的擁堵信息的擁堵報告。
[0009]本發明的第二方面，提供一種交通擁堵檢測裝置，包括:
[0010]采集模塊，采集注冊車輛的行駛參數數據，所述行駛參數數據包括所述注冊車輛安裝的車載導航軟件輸出的所述注冊車輛的位置數據和速度；
[0011]檢測模塊，根據所述行駛參數數據確定交通擁堵區域；
[0012]輸出模塊，輸出包含所述交通擁堵區域對應的擁堵信息的擁堵報告。
[0013]本發明與現有技術相比存在的有益效果是:注冊車輛的位置和速度等行駛參數數據來自于車載導航軟件，一方面，由于車載導航軟件非常普及，一般的車主均會安裝這類軟件，因此，在數據獲取方面的成本比較低廉;另一方面，從非常普及的車載導航軟件獲取行駛參數數據進行自動檢測分析，自動輸出擁堵報告，無需依賴路邊固定設施和浮動車監控設施進行人工錄入和交通擁堵檢測，因此，降低了交通擁堵檢測費用，解決了覆蓋范圍的限制，同時提高了交通擁堵檢測的準確性和檢測效率。
【附圖說明】
[0014]圖1是本發明實施例一提供的一種交通擁堵檢測方法的流程圖；
[0015]圖2是本發明實施例二提供的一種交通擁堵檢測方法的流程圖；
[0016]圖3是本發明實施例三提供的一種交通擁堵檢測裝置的結構示意圖；
[0017]圖4是本發明實施例四提供的一種交通擁堵檢測裝置的結構示意圖。
【具體實施方式】
[0018]為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。
[0019]以下結合具體附圖對本發明的實現進行詳細的描述。
[0020]實施例一:
[0021]圖1是本發明實施例一提供的一種交通擁堵檢測方法的流程圖，具體包括步驟SlOl至S103，詳述如下:
[0022]SlOl、采集注冊車輛的行駛參數數據，該行駛參數數據包括注冊車輛安裝的車載導航軟件輸出的該注冊車輛的位置數據和速度。
[0023]注冊車輛需預先安裝車載導航軟件，車載導航軟件具體可以是全球定位系統(Global Posit1ning System，GPS)導航客戶端，例如高德導航等。
[0024]當注冊車輛的車載導航軟件被開啟后，車載導航軟件實時將所在車輛的位置數據和速度發送到導航服務器。
[0025]具體地，從導航服務器采集注冊車輛的位置數據和速度等行駛參數數據，其中，位置數據可以是坐標數據等。
[0026]進一步地，可以直接采集導航服務器中所有注冊車輛的位置數據和速度等行駛參數數據，也可以對導航服務器中的行駛參數數據進行篩選，只采集速度低于預設的采集速度的那些注冊車輛的行駛參數數據。
[0027]S102、根據采集到的行駛參數數據確定交通擁堵區域。
[0028]具體地，根據從導航服務器采集的注冊車輛的位置數據和速度，篩選出速度低于預設的擁堵速度的注冊車輛，并對篩選出的注冊車輛的位置數據進行分析，如果在某一個區域范圍內出現大量注冊車輛行駛緩慢，則將該區域確定為交通擁堵區域。
[0029]進一步地，還可以對出現大量注冊車輛行駛緩慢的區域進行進一步的分析，根據這一區域的視頻數據和道路情況，進一步確定該區域是否為交通擁堵區域。
[0030 ] S103、輸出包含交通擁堵區域對應的擁堵信息的擁堵報告。
[0031]具體地，當確定交通擁堵區域后，可以根據交通擁堵區域的注冊車輛的行駛參數數據，以及該交通擁堵區域的視頻數據，經過大數據的分析和計算，獲取該交通擁堵區域的擁堵開始的時間、擁堵起始位置、擁堵終點位置、擁塞長度、擁堵車輛總數和擁堵解決時間等擁堵信息，自動生成并輸出包含這些擁堵信息的擁堵報告，使相關區域管理部門或者責任人員能夠及時根據接收到的擁堵報告進行進一步的確認和判斷，以便及時進行交通疏
B
寸ο
[0032]本實施例中，通過采集注冊車輛安裝的車載導航軟件輸出的該注冊車輛的位置數據和速度，獲取注冊車輛的行駛參數數據，并根據采集到的行駛參數數據確定交通擁堵區域，自動輸出包含交通擁堵區域對應的擁堵信息的擁堵報告。由于注冊車輛的位置和速度等行駛參數數據來自于車載導航軟件，一方面，由于車載導航軟件非常普及，一般的車主均會安裝這類軟件，因此，在數據獲取方面的成本比較低廉;另一方面，從非常普及的車載導航軟件獲取行駛參數數據進行自動檢測分析，自動輸出擁堵報告，無需依賴路邊固定設施和浮動車監控設施進行人工錄入和交通擁堵檢測，因此，降低了交通擁堵檢測費用，解決了覆蓋范圍的限制，同時提高了交通擁堵檢測的準確性和檢測效率。
[0033]實施例二:
[0034]圖2是本發明實施例二提供的一種交通擁堵檢測方法的流程圖，具體包括步驟S201至S208，詳述如下:
[0035]S201、采集注冊車輛的行駛參數數據，該行駛參數數據包括注冊車輛安裝的車載導航軟件輸出的該注冊車輛的位置數據和速度。
[0036]注冊車輛需預先安裝車載導航軟件，車載導航軟件具體可以是GPS導航客戶端，例如高德導航等。
[0037]當注冊車輛的車載導航軟件被開啟后，車載導航軟件實時將所在車輛的位置數據和速度發送到導航服務器。
[0038]具體地，從導航服務器采集注冊車輛的位置數據和速度等行駛參數數據，其中，位置數據可以是坐標數據等。
[0039]進一步地，可以直接采集導航服務器中所有注冊車輛的位置數據和速度等行駛參數數據，也可以對導航服務器中的行駛參數數據進行篩選，只采集速度低于預設的采集速度的那些注冊車輛的行駛參數數據。
[0040]S202、根據采集到的行駛參數數據確定疑似擁堵區域。
[0041]具體地，根據采集到的行駛參數數據確定疑似擁堵區域的具體過程包括步驟S2021至步驟S2022，詳細說明如下:
[0042]S2021、對采集到的行駛參數數據進行篩選，提取注冊車輛的速度小于預設的速度閾值的行駛參數數據。
[0043]具體地，對步驟S201采集到的行駛參數數據進行篩選，將速度小于預設的速度閾值的注冊車輛的行駛參數數據提取出來。
[0044]需要說明的是，如果步驟S201只采集速度低于預設的采集速度的那些注冊車輛的行駛參數數據，則預設的速度閾值必然小于或者等于預設的采集速度。
[0045]可以理解的是，在本實施例中，提取注冊車輛的速度小于預設的速度閾值的行駛參數數據，在其他實施例中，也可以為提取注冊車輛的速度小于或者等于預設的速度閾值的行駛參數數據。
[0046]S2022、對提取出的行駛參數數據中的位置數據進行空間聚類，確定疑似擁堵區域。
[0047]具體地，采用數據挖掘中聚類的統計分析方法，對步驟S2021提取出的注冊車輛的行駛參數數據中的位置數據進行空間聚類，將聚集大量速度低于速度閾值的注冊車輛的區域確定為疑似擁堵區域。
[0048]S203、根據疑似擁堵區域中注冊車輛的位置數據，判斷該疑似擁堵區域的道路類型，其中，道路類型包括高速公路和普通道路。
[0049]具體地，根據疑似擁堵區域中注冊車輛的位置數據，查詢注冊車輛所在的位置，可以判斷出該疑似擁堵區域的道路類型是高速公路還是普通道路。
[0050]若疑似擁堵區域的道路類型為普通道路，則執行步驟S204;否則，疑似擁堵區域的道路類型為高速公路，則執行步驟S206。
[0051 ] S204、查詢疑似擁堵區域的信號燈的狀態。
[0052]疑似擁堵區域的信號燈的狀態包括紅燈狀態、綠燈狀態和黃燈狀態。
[0053]具體地，若疑似擁堵區域的信號燈的狀態為綠燈狀態，則繼續執行步驟S205，否貝1J，疑似擁堵區域的信號燈的狀態為紅燈狀態或者黃燈狀態，此時認定車速降低是正常情況，流程跳轉到步驟S208，退出。
[0054]S205、獲取綠燈狀態的信號燈所在位置的地感線圈的脈沖頻率。
[0055]具體地，若獲取到的綠燈狀態的信號燈所在位置的地感線圈的脈沖頻率小于預設的頻率閾值，則繼續執行步驟S206，否則認定疑似擁堵區域中車輛當前的行車速度還沒有達到擁堵的程度，流程跳轉到步驟S208，退出。
[0056]可以理解的是，在本實施例中，判斷綠燈狀態的信號燈所在位置的地感線圈的脈沖頻率是否小于預設的頻率閾值，在其他實施例中，也可以為判斷綠燈狀態的信號燈所在位置的地感線圈的脈沖頻率是否小于或者等于預設的頻率閾值。
[0057]S206、根據疑似擁堵區域的監控視頻確定交通擁堵區域。
[0058]具體地，根據疑似擁堵區域的監控視頻確定交通擁堵區域的具體過程包括步驟S2061至步驟S2063，詳細說明如下:
[0059]S2061、根據疑似擁堵區域的監控視頻，對疑似擁堵區域進行道路分割，獲取道路
?目息O
[0060]如果疑似擁堵區域的道路類型為高速公路，則直接根據該疑似擁堵區域的監控視頻，采用道路分割算法，對疑似擁堵區域進行道路分割，獲取道路信息；如果疑似擁堵區域的道路類型為普通道路，則在經過了步驟S204和步驟S205的判斷后，確定該疑似擁堵區域是綠燈狀態并且信號燈所在位置的地感線圈的脈沖頻率過低，才進一步根據該疑似擁堵區域的監控視頻，采用道路分割算法，對疑似擁堵區域進行道路分割，獲取道路信息。
[0061]具體地，采用道路分割算法獲取道路信息的具體過程包括步驟al)至步驟a3)，詳細說明如下:
[0062]al)、根據疑似擁堵區域的監控視頻，獲取該疑似擁堵區域的當前圖像和初始背景圖像，其中，初始背景圖像為預存的沒有車輛和行人的疑似擁堵區域的圖像。
[0063]具體地，獲取疑似擁堵區域的監控視頻數據，根據該監控視頻數據截取疑似擁堵區域的當前圖像，并在預存的沒有車輛和行人的初始背景圖像庫中找出該疑似擁堵區域的初始背景圖像。
[0064]a2)、分析疑似擁堵區域的當前圖像和初始背景圖像的差異，根據該差異提取當前圖像的前景區域。
[0065]具體地，對疑似擁堵區域的當前圖像和初始背景圖像進行圖像分析，計算出當前圖像和初始背景圖像之間的差異，并根據該差異提取出疑似擁堵區域的前景區域。
[0066]a3)、對當前圖像的前景區域進行分類，獲取機動車道、非機動車車道和人行道的道路信息。
[0067]具體地，根據提取出疑似擁堵區域的前景區域，并與預存的沒有車輛和行人的初始背景圖像進行比較，獲取機動車道、非機動車車道和人行道的道路信息。
[0068]S2062、根據獲取的道路信息計算疑似擁堵區域的車輛分布率。
[0069]具體地，根據步驟S2061獲取的疑似擁堵區域的道路信息，對機動車道的車輛占位情況進行計算，得到疑似擁堵區域的車輛分布率。
[0070]S2063、若車輛分布率大于預設的占位閾值，則確定疑似擁堵區域為交通擁堵區域。
[0071]具體地，如果步驟S2062計算出的車輛分布率大于預設的占位閾值，則說明疑似擁堵區域的緩行車輛過多，達到了擁堵的程度，因此可以確定疑似擁堵區域為交通擁堵區域。
[0072]可以理解的是，在本實施例中，若車輛分布率大于預設的占位閾值，則確定疑似擁堵區域為交通擁堵區域，在其他實施例中，也可以為車輛分布率大于或者等于預設的占位閾值，則確定疑似擁堵區域為交通擁堵區域。
[0073 ] S207、輸出包含交通擁堵區域對應的擁堵信息的擁堵報告。
[0074]具體地，當確定交通擁堵區域后，可以根據交通擁堵區域的注冊車輛的行駛參數數據，以及該交通擁堵區域的視頻數據，經過大數據的分析和計算，獲取該交通擁堵區域的擁堵開始的時間、擁堵起始位置、擁堵終點位置、擁塞長度、擁堵車輛總數和擁堵解決時間等擁堵信息，自動生成并輸出包含這些擁堵信息的擁堵報告，使相關區域管理部門或者責任人員能夠及時根據接收到的擁堵報告進行進一步的確認和判斷，以便及時進行交通疏
B
寸ο
[0075]S208、退出。
[0076]本實施例中，通過采集注冊車輛安裝的車載導航軟件輸出的該注冊車輛的位置數據和速度，獲取注冊車輛的行駛參數數據。由于注冊車輛的位置和速度等行駛參數數據來自于車載導航軟件，一方面，由于車載導航軟件非常普及，一般的車主均會安裝這類軟件，因此，在數據獲取方面的成本比較低廉;另一方面，從非常普及的車載導航軟件獲取行駛參數數據進行自動檢測分析，自動輸出擁堵報告，無需依賴路邊固定設施和浮動車監控設施進行人工錄入和交通擁堵檢測，因此，降低了交通擁堵檢測費用，解決了覆蓋范圍的限制，同時提高了交通擁堵檢測的準確性和檢測效率。同時，在根據采集到的行駛參數數據確定交通擁堵區域時，首先提取速度小于預設的速度閾值的行駛參數數據，并對提取出的行駛參數數據中的位置數據進行空間聚類，得到疑似擁堵區域，再根據疑似擁堵區域的道路類型進行不同的處理:對高速公路直接通過對疑似擁堵區域的視頻數據進行道路分割來判斷是否擁堵;對普通道路則先確定綠燈時地感線圈的脈沖頻率是否過低，如果綠燈狀態下的脈沖頻率過低，才進一步對疑似擁堵區域的視頻數據進行道路分割來判斷是否擁堵，從而確認疑似擁堵區域是否為交通擁堵區域，采用這種檢測方法進一步提高了擁堵檢測的準確性。
[0077]實施例三:
[0078]圖3是本發明實施例三提供的一種交通擁堵檢測裝置的結構示意圖，為了便于說明，僅示出了與本發明實施例相關的部分。圖3示例的一種交通擁堵檢測裝置可以是前述實施例一提供的交通擁堵檢測方法的執行主體，其可以是服務器或者服務器的一個功能模塊。圖3示例的一種交通擁堵檢測裝置包括:采集模塊31、檢測模塊32和輸出模塊33。各功能模塊詳細說明如下:
[0079]采集模塊31，用于采集注冊車輛的行駛參數數據，該行駛參數數據包括注冊車輛安裝的車載導航軟件輸出的該注冊車輛的位置數據和速度；
[0080]檢測模塊32，用于根據采集模塊31采集到的行駛參數數據確定交通擁堵區域；
[0081]輸出模塊33，輸出包含檢測模塊32確定的交通擁堵區域對應的擁堵信息的擁堵報生口 ο
[0082]本實施例提供的一種交通擁堵檢測裝置中各模塊實現各自功能的過程，具體可參考前述圖1所示實施例的描述，此處不再贅述。
[0083]從上述圖3示例的一種交通擁堵檢測裝置可知，本實施例中，通過采集注冊車輛安裝的車載導航軟件輸出的該注冊車輛的位置數據和速度，獲取注冊車輛的行駛參數數據，并根據采集到的行駛參數數據確定交通擁堵區域，自動輸出包含交通擁堵區域對應的擁堵信息的擁堵報告。由于注冊車輛的位置和速度等行駛參數數據來自于車載導航軟件，一方面，由于車載導航軟件非常普及，一般的車主均會安裝這類軟件，因此，在數據獲取方面的成本比較低廉;另一方面，從非常普及的車載導航軟件獲取行駛參數數據進行自動檢測分析，自動輸出擁堵報告，無需依賴路邊固定設施和浮動車監控設施進行人工錄入和交通擁堵檢測，因此，降低了交通擁堵檢測費用，解決了覆蓋范圍的限制，同時提高了交通擁堵檢測的準確性和檢測效率。
[0084]實施例四:
[0085]圖4是本發明實施例四提供的一種交通擁堵檢測裝置的結構示意圖，為了便于說明，僅示出了與本發明實施例相關的部分。圖4示例的一種交通擁堵檢測裝置可以是前述實施例二提供的交通擁堵檢測方法的執行主體，其可以是服務器或者服務器的一個功能模塊。圖4示例的一種交通擁堵檢測裝置包括:采集模塊41、檢測模塊42和輸出模塊43。各功能模塊詳細說明如下:
[0086]采集模塊41，用于采集注冊車輛的行駛參數數據，該行駛參數數據包括注冊車輛安裝的車載導航軟件輸出的該注冊車輛的位置數據和速度；
[0087]檢測模塊42，用于根據采集模塊41采集到的行駛參數數據確定交通擁堵區域；
[0088]輸出模塊43，輸出包含檢測模塊42確定的交通擁堵區域對應的擁堵信息的擁堵報生口 ο
[0089]進一步地，檢測模塊42包括:
[0090]疑似區域確定子模塊421，用于根據采集模塊41采集到的行駛參數數據確定疑似擁堵區域；
[0091]道路類型判斷子模塊422，用于根據疑似區域確定子模塊421確定的疑似擁堵區域的注冊車輛的位置數據，判斷該疑似擁堵區域的道路類型，其中，道路類型包括高速公路和普通道路；
[0092]信號燈狀態查詢子模塊423，用于若道路類型判斷子模塊422判斷出的道路類型為普通道路，則查詢疑似擁堵區域的信號燈狀態；
[0093]脈沖頻率獲取子模塊424，用于若信號燈狀態查詢子模塊423查詢出的信號燈狀態為綠燈狀態，則獲取該信號燈所在位置的地感線圈的脈沖頻率；
[0094]判斷子模塊425，用于若脈沖頻率獲取子模塊424獲取到的脈沖頻率小于預設的頻率閾值，或者道路類型判斷子模塊422判斷出的道路類型為高速公路，則根據疑似擁堵區域的監控視頻確定交通擁堵區域。
[0095]進一步地，疑似區域確定子模塊421包括:
[0096]篩選單元4211，用于對采集模塊41采集到的行駛參數數據進行篩選，提取注冊車輛的速度小于預設的速度閾值的行駛參數數據；
[0097]聚類單元4212，用于對篩選單元4211提取出的行駛參數數據中的位置數據進行空間聚類，確定疑似擁堵區域。
[0098]進一步地，判斷子模塊425包括:
[0099]分割單元4251，用于根據疑似擁堵區域的監控視頻，對該疑似擁堵區域進行道路分割，獲取道路信息；
[0100]計算單元4252，用于根據分割單元4251獲取的道路信息計算疑似擁堵區域的車輛分布率；
[Ο?Ο?]確定單元4253，用于若計算單元4252計算出的車輛分布率大于預設的占位閾值，則確定該疑似擁堵區域為交通擁堵區域。
[0102]進一步地，分割單元4251還用于:
[0103]根據疑似擁堵區域的監控視頻，獲取該疑似擁堵區域的當前圖像和初始背景圖像，其中，初始背景圖像為預存的沒有車輛和行人的疑似擁堵區域的圖像；
[0104]分析疑似擁堵區域的當前圖像和初始背景圖像的差異，根據該差異提取當前圖像的前景區域；
[0105]對當前圖像的前景區域進行分類，獲取機動車道、非機動車車道和人行道的道路
?目息O
[0106]本實施例提供的一種交通擁堵檢測裝置中各模塊實現各自功能的過程，具體可參考前述圖2所示實施例的描述，此處不再贅述。
[0107]從上述圖4示例的一種交通擁堵檢測裝置可知，本實施例中，通過采集注冊車輛安裝的車載導航軟件輸出的該注冊車輛的位置數據和速度，獲取注冊車輛的行駛參數數據。由于注冊車輛的位置和速度等行駛參數數據來自于車載導航軟件，一方面，由于車載導航軟件非常普及，一般的車主均會安裝這類軟件，因此，在數據獲取方面的成本比較低廉;另一方面，從非常普及的車載導航軟件獲取行駛參數數據進行自動檢測分析，自動輸出擁堵報告，無需依賴路邊固定設施和浮動車監控設施進行人工錄入和交通擁堵檢測，因此，降低了交通擁堵檢測費用，解決了覆蓋范圍的限制，同時提高了交通擁堵檢測的準確性和檢測效率。同時，在根據采集到的行駛參數數據確定交通擁堵區域時，首先提取速度小于預設的速度閾值的行駛參數數據，并對提取出的行駛參數數據中的位置數據進行空間聚類，得到疑似擁堵區域，再根據疑似擁堵區域的道路類型進行不同的處理:對高速公路直接通過對疑似擁堵區域的視頻數據進行道路分割來判斷是否擁堵;對普通道路則先確定綠燈時地感線圈的脈沖頻率是否過低，如果綠燈狀態下的脈沖頻率過低，才進一步對疑似擁堵區域的視頻數據進行道路分割來判斷是否擁堵，從而確認疑似擁堵區域是否為交通擁堵區域，采用這種檢測方法進一步提高了擁堵檢測的準確性。
[0108]需要說明的是，本說明書中的各個實施例均采用遞進的方式描述，每一個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同或者相似的部分互相參見即可。對于裝置類實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
[0109]值得注意的是，上述裝置實施例中，所包括的各個模塊只是按照功能邏輯進行劃分的，但并不局限于上述的劃分，只要能夠實現相應的功能即可；另外，各功能模塊的具體名稱也只是為了便于相互區分，并不用于限制本發明的保護范圍。
[0110]本領域普通技術人員可以理解，實現上述各實施例方法中的全部或部分步驟是可以通過程序來指令相關的硬件來完成，相應的程序可以存儲于一計算機可讀取存儲介質中，所述的存儲介質，如R0M/RAM、磁盤或光盤等。
[0111]以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。
【主權項】
1.一種交通擁堵檢測方法，其特征在于，包括: 采集注冊車輛的行駛參數數據，所述行駛參數數據包括所述注冊車輛安裝的車載導航軟件輸出的所述注冊車輛的位置數據和速度； 根據所述行駛參數數據確定交通擁堵區域； 輸出包含所述交通擁堵區域對應的擁堵信息的擁堵報告。2.根據權利要求1所述的交通擁堵檢測方法，其特征在于，所述根據所述行駛參數數據確定交通擁堵區域包括: 根據所述行駛參數數據確定疑似擁堵區域； 根據所述疑似擁堵區域中所述注冊車輛的位置數據，判斷所述疑似擁堵區域的道路類型，所述道路類型包括高速公路和普通道路； 若所述道路類型為所述普通道路，則查詢所述疑似擁堵區域的信號燈的狀態； 若所述信號燈的狀態為綠燈狀態，則獲取所述綠燈狀態的信號燈所在位置的地感線圈的脈沖頻率； 若所述脈沖頻率小于預設的頻率閾值或者所述道路類型為所述高速公路，則根據所述疑似擁堵區域的監控視頻確定交通擁堵區域。3.根據權利要求2所述的交通擁堵檢測方法，其特征在于，所述根據所述行駛參數數據確定疑似擁堵區域包括: 對所述行駛參數數據進行篩選，提取所述注冊車輛的速度小于預設的速度閾值的行駛參數數據； 對提取出的所述行駛參數數據中的位置數據進行空間聚類，確定疑似擁堵區域。4.根據權利要求2或3所述的交通擁堵檢測方法，其特征在于，所述根據所述疑似擁堵區域的監控視頻確定交通擁堵區域包括: 根據所述疑似擁堵區域的監控視頻，對所述疑似擁堵區域進行道路分割，獲取道路信息; 根據所述道路信息計算所述疑似擁堵區域的車輛分布率； 若所述車輛分布率大于預設的占位閾值，則確定所述疑似擁堵區域為交通擁堵區域。5.根據權利要求4所述的交通擁堵檢測方法，其特征在于，所述對所述疑似擁堵區域的監控視頻進行道路分割，獲取道路信息包括: 根據所述疑似擁堵區域的監控視頻，獲取所述疑似擁堵區域的當前圖像和初始背景圖像，所述初始背景圖像為預存的沒有車輛和行人的疑似擁堵區域的圖像； 分析所述當前圖像和所述初始背景圖像的差異，根據所述差異提取所述當前圖像的前景區域； 對所述前景區域進行分類，獲取機動車道、非機動車車道和人行道的道路信息。6.一種交通擁堵檢測裝置，其特征在于，包括: 采集模塊，用于采集注冊車輛的行駛參數數據，所述行駛參數數據包括所述注冊車輛安裝的車載導航軟件輸出的所述注冊車輛的位置數據和速度； 檢測模塊，用于根據所述行駛參數數據確定交通擁堵區域； 輸出模塊，用于輸出包含所述交通擁堵區域對應的擁堵信息的擁堵報告。7.根據權利要求6所述的交通擁堵檢測裝置，其特征在于，所述檢測模塊包括: 疑似區域確定子模塊，用于根據所述行駛參數數據確定疑似擁堵區域； 道路類型判斷子模塊，用于根據所述疑似擁堵區域的所述注冊車輛的位置數據，判斷所述疑似擁堵區域的道路類型，所述道路類型包括高速公路和普通道路； 信號燈狀態查詢子模塊，用于若所述道路類型為普通道路，則查詢所述疑似擁堵區域的信號燈的狀態； 脈沖頻率獲取子模塊，用于若所述信號燈的狀態為綠燈狀態，則獲取所述綠燈狀態的信號燈所在位置的地感線圈的脈沖頻率； 判斷子模塊，用于若所述脈沖頻率小于預設的頻率閾值或者所述道路類型為所述高速公路，則根據所述疑似擁堵區域的監控視頻確定交通擁堵區域。8.根據權利要求7所述的交通擁堵檢測裝置，其特征在于，所述疑似區域確定子模塊包括: 篩選單元，用于對所述行駛參數數據進行篩選，提取所述注冊車輛的速度小于預設的速度閾值的行駛參數數據； 聚類單元，用于對提取出的所述行駛參數數據中的位置數據進行空間聚類，確定疑似擁堵區域。9.根據權利要求7或8所述的交通擁堵檢測裝置，其特征在于，所述判斷子模塊包括: 分割單元，用于根據所述疑似擁堵區域的監控視頻，對所述疑似擁堵區域進行道路分害J，獲取道路信息； 計算單元，用于根據所述道路信息計算所述疑似擁堵區域的車輛分布率； 確定單元，用于若所述車輛分布率大于預設的占位閾值，則確定所述疑似擁堵區域為交通擁堵區域。10.根據權利要求9所述的交通擁堵檢測裝置，其特征在于，所述分割單元還用于: 根據所述疑似擁堵區域的監控視頻，獲取所述疑似擁堵區域的當前圖像和初始背景圖像，所述初始背景圖像為預存的沒有車輛和行人的疑似擁堵區域的圖像； 分析所述當前圖像和所述初始背景圖像的差異，根據所述差異提取所述當前圖像的前景區域； 對所述前景區域進行分類，獲取機動車道、非機動車車道和人行道的道路信息。
【文檔編號】G08G1/052GK106023593SQ201610596935
【公開日】2016年10月12日
【申請日】2016年7月26日
【發明人】張云超, 丁恒
【申請人】深圳市喜悅智慧數據有限公司