一种基于大数据的城市车流预警检测方法和系统技术方案

一种基于大数据的城市车流预警检测方法，包括：车辆卡口相机采集区域内往来车流图像数据,并将车流图像数据发送给图像处理模块图像处理模块接收车辆卡口相机发送的车流图像数据，将车流图像数据转为结构化车辆数据；数据推送模块使用消息引擎将将结构化车辆数据发送至大数据平台和搜素服务器；大数据平台对结构化车辆数据进行分析处理，对车流量进行预警判断；将预警结果发送至可视化平台，对车流量进行可视化预警本发明专利技术使用的大数据技术能够及时采集、处理海量数据，并根据数据处理来控制系统状态；在对多种数据进行计算后，可以预测相关信息，并展开实时动态监测；大数据分布式计算、存储框架，能够对海量车辆数据进行分析处理及存储，比传统应用系统更加高效、稳定。稳定。稳定。

【技术实现步骤摘要】
一种基于大数据的城市车流预警检测方法和系统


[0001]本专利技术涉及的是大数据，数据挖掘与车流量预警
,特别涉及一种基于大数据的城市车流预警检测方法及系统。

技术介绍

[0002]随着我国城市化的进一步发展，城市交通拥堵现象是普遍存在的问题，通过对车流数据的监控，可以对当前区域交通情况进行合理的分析，分析结果可作为道路拥堵参考，便于合理分流，有效缓解城市道路交通压力。
[0003]大数据指的是人类生产与生活中所产生的大量数据信息，该技术呈现出来源复杂、数量巨大的特点。当前城市交通车流数据巨大且路况复杂多样。大数据通过对车流数据的整合处理，并可深入挖掘数据中的价值信息，进而服务于城市交通指导。相对于传统解决方式，大数据分析具有及时性、高吞吐量、高并发、高可用、可预测等特性，能在有效时间内处理海量数据。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于大数据的城市车流预警检测方法和系统。
[0005]为了解决上述技术问题，本申请实施例公开了如下技术方案：
[0006]一种基于大数据的城市车流预警检测方法，包括：
[0007]S100.车辆卡口相机采集区域内往来车流图像数据,并将车流图像数据发送给图像处理模块；
[0008]S200.图像处理模块接收车辆卡口相机发送的车流图像数据，将车流图像数据转为结构化车辆数据；
[0009]S300.数据推送模块使用消息引擎将将结构化车辆数据发送至大数据平台和搜素服务器；
[0010]S400.大数据平台对结构化车辆数据进行分析处理，对车流量进行预警判断；
[0011]S500.将预警结果发送至可视化平台，对车流量进行可视化预警。
[0012]进一步地,S100中，卡口相机使用高清卡口相机。
[0013]进一步地,S200中，使用图像识别与解析技术，将车流图像图像转化成车辆结构化数据。
[0014]进一步地,S200中，结构化数据定义至少包括：机动车ID、机动车类别、车身颜色、卡口设备ID、出现时间、通过时间、车牌号码、图片地址，行驶速度。
[0015]进一步地,S300中，使用kafka分布式消息引擎，实时数据传输，保证数据的可靠性与稳定性。
[0016]进一步地，S300中，大数据平台至少包括：hdfs、zookeeper、yarn、spark、Hbase、Hive组件。
[0017]进一步地,S300中，搜素服务器至少包括:ElasticSearch、Mysql组件。
[0018]进一步地,S400中，对车流量进行预警判断的方法为：若以X分钟为统计间隔，得到卡口区域中各路段的平均行程速度；根据区域路段交通严重拥堵划分标准判断当前X分钟是否拥堵；记当前X分钟区域中各路段的平均行程速度为Xcurrent，记下一个X分钟区域中各路段的平均行程速度为Xnext，通过动态监控Xnext/Xcurrent值变化，对车流量进行预警判断。
[0019]进一步地,S500中，使用多种颜色分别表示拥堵情况，使用折线图表示拥堵动态变化率。
[0020]本专利技术还公开了一种基于大数据的城市车流预警检测系统，包括：
[0021]数据采集模块，用于通过车辆卡口采集城市交通车流量数据；
[0022]图像处理模块，用于将采集的车流量数据转换为结构化车辆数据；
[0023]数据推送模块，用于通过消息引擎将结构化车辆数据发送至大数据平台和搜素服务器；
[0024]数据处理模块，用于通过大数据对车流分析处理，对车流量进行预警判断；
[0025]可视化模块，用于根据预警结果给出不同程度的可视化预警显示。
[0026]本专利技术实施例提供的上述技术方案的有益效果至少包括：本专利技术公开的一种基于大数据的城市车流预警检测方法和系统，使用的大数据技术能够及时采集、处理海量数据，并根据数据处理来控制系统状态；在对多种数据进行计算后，可以预测相关信息，并展开实时动态监测；大数据分布式计算、存储框架，能够对海量车辆数据进行分析处理及存储，比传统应用系统更加高效、稳定。
[0027]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0028]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0029]图1为本专利技术实施例1中，一种基于大数据的城市车流预警检测方法的流程图；
[0030]图2为本专利技术实施例1中，一种基于大数据的城市车流预警检测方法示意图；
[0031]图3为本专利技术实施例2中，一种基于大数据的城市车流预警检测系统的结构图。
具体实施方式
[0032]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0033]实施例1
[0034]本实施例公开了一种基于大数据的城市车流预警检测方法，包括：
[0035]S100.车辆卡口相机采集区域内往来车流图像数据,并将车流图像数据发送给图像处理模块。
[0036]具体的，车辆卡口相机要求为高清卡口相机，采集的是双向车道的车流数据。
[0037]S200.图像处理模块接收车辆卡口相机发送的车流图像数据，将车流图像数据转为结构化车辆数据。
[0038]具体的，使用图像识别与解析技术，将车流图像转化成车辆结构化数据，具体结构化数据定义为：机动车ID、机动车类别、车身颜色、卡口设备ID、出现时间、通过时间、车牌号码、图片地址，行驶速度等多个字段。
[0039]S300.数据推送模块使用消息引擎将将结构化车辆数据发送至大数据平台和搜素服务器。
[0040]具体的，使用kafka分布式消息引擎，实时数据传输，保证数据的可靠性与稳定性。其中大数据平台包括hdfs、zookeeper、yarn、spark、Hbase、Hive等组件。搜素服务器包括ElasticSearch、Mysql等。
[0041]S400.大数据平台对结构化车辆数据进行分析处理，对车流量进行预警判断。
[0042]具体的，对车流量进行预警判断的方法为：若以X分钟为统计间隔，得到卡口区域中各路段的平均行程速度；根据区域路段交通严重拥堵划分标准判断当前X分钟是否拥堵；记当前X分钟区域中各路段的平均行程速度为Xcurrent，记下一个X分钟区域中各路段的平均行程速度为Xnext，通过动态监控Xnext/Xcurrent值变化，对车流量进行预警判断。在本实施例中，优选15分钟为统计时间间隔。
[0043]S500.将预警结果发送至可视化平台，对车流量进行可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的城市车流预警检测方法，其特征在于,包括：S100.车辆卡口相机采集区域内往来车流图像数据,并将车流图像数据发送给图像处理模块；S200.图像处理模块接收车辆卡口相机发送的车流图像数据，将车流图像数据转为结构化车辆数据；S300.数据推送模块使用消息引擎将将结构化车辆数据发送至大数据平台和搜素服务器；S400.大数据平台对结构化车辆数据进行分析处理，对车流量进行预警判断；S500.将预警结果发送至可视化平台，对车流量进行可视化预警。2.如权利要求1的一种基于大数据的城市车流预警检测方法，其特征在于,S100中，卡口相机使用高清卡口相机。3.如权利要求1的一种基于大数据的城市车流预警检测方法，其特征在于,S200中，使用图像识别与解析技术，将车流图像图像转化成车辆结构化数据。4.如权利要求1的一种基于大数据的城市车流预警检测方法，其特征在于,S200中，结构化数据定义至少包括：机动车ID、机动车类别、车身颜色、卡口设备ID、出现时间、通过时间、车牌号码、图片地址，行驶速度。5.如权利要求1的一种基于大数据的城市车流预警检测方法，其特征在于,S300中，使用kafka分布式消息引擎，实时数据传输，保证数据的可靠性与稳定性。6.如权利要求1的一种基于大数据的城市车流预警检测方法，其特征在于,S300中，大数据平台至少包括：h...

【专利技术属性】
技术研发人员：雷龙飞，贺珊，张龙涛，杨光，吕峰，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：