智能杆辅助决策方法、智能杆及系统技术方案

本发明专利技术提供了一种智能杆辅助决策方法，其包括步骤：步骤S1、智能杆采集实时道路交通信息；步骤S2、智能杆将道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值；步骤S3、智能杆通过数据通信将最优观测值发送出，用于车载终端接收后辅助驾驶人驾驶，或用于广播传输至设定范围区域的所有终端，智能杆将最优观测值和与该最优观测值相对应的道路交通信息形成结构化数据，并将结构化数据通过网络传输至云台融合中心。本发明专利技术还提供了一种智能杆和智能杆辅助决策系统。与相关技术相比，采用本发明专利技术的技术方案的智能杆辅助决策方法、智能杆及系统的道路通行效率高。

【技术实现步骤摘要】
智能杆辅助决策方法、智能杆及系统
本专利技术涉及交通
，尤其涉及一种智能杆辅助决策方法、智能杆及系统。
技术介绍
近年来，以照明为基础的智能杆发展迅速。智能杆由于点位多、距离近的优势，更加有利于对道路和车辆信息的收集和处理。同时随着机动车保有量的不断增长，道路交通问题日益突出，基于智能杆的位置和功能优势，智能杆系统越来越重要。相关技术的智能杆系统一般包括智能杆和与所述智能杆通讯联系的后台中心。智能杆包括道路信息采集设备。然而，目前的智能杆系统路侧设备安装分散，对空间资源的利用效率低下，并且不能收集到全面的道路信息；现有的道路检测设备没有统一化管理，造成了部分设备重复安装、缺少安装等情况，不能充分发挥作用；道路信息采集设备收集到的数据不能共享至云平台，通常情况下是各个部门负责各自的数据，道路信息数据的隔离造成的数据孤岛效应严重；车路协同的能力低下，车辆所获取的信息非常有限；智能杆的服务效率偏低，现有的智能杆主要作用就是照明或违章拍照，以至于杆体上的空间大部分闲置。因此，现有的智能杆系统路很难缓解道路拥堵现状，提高道路通行效率。因此，实有必要提供一种新的方法、智能杆和系统来解决上述技术问题。
技术实现思路
本专利技术的目的是克服上述技术问题，提供一种道路通行效率高的智能杆辅助决策方法、智能杆及系统。为了实现上述目的，本专利技术提供一种智能杆辅助决策方法，其特征在于，该方法包括如下步骤：步骤S1、智能杆采集实时道路交通信息；步骤S2、所述智能杆将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值；步骤S3、所述智能杆通过数据通信将所述最优观测值发送出，用于车载终端接收后辅助驾驶人驾驶，或用于广播传输至设定范围区域的所有终端，所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据，并将所述结构化数据通过网络传输至云台融合中心；所述结构化数据用于所述云台融合中心进行区域化数据融合计算，以计算出道路交通决策信息，所述道路交通决策信息用于传输至交管部门使用。更优的，所述步骤S1中，所述道路交通信息包括道路上的人、车以及环境的视频信息和传感器数据。更优的，所述步骤S2中，所述最优观测值包括道路上的车的基础信息，所述基础信息包括车流量、平均车速、车距以及车型。更优的，所述步骤S2之前，所述的智能杆辅助决策方法还包括如下步骤：步骤S11、所述智能杆将所述道路交通信息进行数据清理。更优的，所述步骤S3中，所述智能杆将所述道路交通信息通过基于深度学习的目标检测和跟踪算法进行计算，以实现对人、车、环境中的物体进行识别和异常状态监测，并将计算结果整合并入所述最优观测值。更优的，所述步骤S3中，所述智能杆将所述道路交通信息通过预测算法对道路上的车的行为进行预测和跟踪，并将所述预测算法的计算结果整合并入所述最优观测值。更优的，所述预测算法包括卡尔曼滤波或者核相关滤波的目标跟踪算法。本专利技术还提供一种智能杆,其应用如上中任意一项所述的智能杆辅助决策方法，所述智能杆包括：传感器，用于采集实时道路交通信息；杆载边缘计算处理器，用于将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法，计算出最优观测值，并同时将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据，所述结构化数据用于所述云台融合中心进行区域化数据融合计算，以计算出道路交通决策信息，所述道路交通决策信息用于传输至交管部门使用；杆载通讯模块，用于将所述最优观测值发送出，用于车载终端接收后辅助驾驶人驾驶，或用于广播传输至设定范围区域的所有终端，将所述结构化数据传输至所述云台融合中心。更优的，所述传感器包括视频传感器、雷达传感器、红外传感器以及环境监测传感器，所述视频传感器包括工业摄像机，所述雷达传感器包括毫米波雷达，所述环境监测传感器包括温度传感器。本专利技术还提供一种智能杆辅助决策系，所述智能杆辅助决策系统包括云台融合中心和如上中任意一项所述的智能杆，所述云台融合中心与所述智能杆通讯连接，所述云台融合中心用于将各个所述智能杆传输至的所述结构化数据进行区域化数据融合计算，并计算出道路交通决策信息，所述道路交通决策信息用于传输至交管部门使用。与现有技术相比，本专利技术的智能杆辅助决策方法、智能杆及系统的将采集的实时道路交通信息在所述智能杆进行初步计算并计算出最优观测值，所述智能杆通过数据通信将所述最优观测值发送至各个车载终端以辅助驾驶人驾驶或广播传输至设定范围区域的所有终端，从而可以为机动车驾驶人提供实时的道路信息(拥堵信息、视觉盲区信息、红绿灯信息等)，并且可以为驾驶人提供定制化的出行方案和驾驶决策方案，提高道路通行效率，降低交通事故发生频率。所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据通过网络传输至云台融合中心，所述云台融合中心将各个所述智能杆传输至的所述结构化数据进行区域化数据融合计算，并计算出道路交通决策信息。该方法通过采集的实时道路交通信息后，由所述智能杆进行初步计算并计算出最优观测值，再将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据通过网络传输至云台融合中心，从而避免了相关技术的将全部的原始数据全部传输至云台融合中心，很好地解决由于多个所述智能杆的位置比较分散，用一个云台融合中心进行信息处理则容易产生数据传输错误，云台融合中心数据处理量增大等问题，提高系统的检测能力和可靠性。另外，还可以使得交管部门可以通过PC终端查看道路视频和交通数据并对路况进行实时调控，以便对异常的行为做出应急指挥，提高道路实时应急援助效率，降低道路交通拥堵可能，优化道路交通管理的运作，充分实现人、车、路信息的有效协同和驾驶人的辅助决策，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。综上所述，本专利技术的智能杆辅助决策方法、智能杆及系统的道路通行效率高。【附图说明】为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：图1为本专利技术智能杆辅助决策方法的流程框图；图2为本专利技术智能杆辅助决策方法一种实施例的流程框图；图3为本专利技术一种智能杆辅助决策系统的结构框图；图4为本专利技术一种智能杆辅助决策系统的智能杆的结构框图。【具体实施方式】下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。请同时参图1-2所示，本专利技术提供一种智能杆辅助决策方法。...

【技术保护点】
1.一种智能杆辅助决策方法，其特征在于，该方法包括如下步骤：/n步骤S1、智能杆采集实时道路交通信息；/n步骤S2、所述智能杆将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值；/n步骤S3、所述智能杆通过数据通信将所述最优观测值发送出，用于车载终端接收后辅助驾驶人驾驶，或用于广播传输至设定范围区域的所有终端，所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据，并将所述结构化数据通过网络传输至云台融合中心；所述结构化数据用于所述云台融合中心进行区域化数据融合计算，以计算出道路交通决策信息，所述道路交通决策信息用于传输至交管部门使用。/n

【技术特征摘要】
20201124 CN 20201133553221.一种智能杆辅助决策方法，其特征在于，该方法包括如下步骤：
步骤S1、智能杆采集实时道路交通信息；
步骤S2、所述智能杆将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值；
步骤S3、所述智能杆通过数据通信将所述最优观测值发送出，用于车载终端接收后辅助驾驶人驾驶，或用于广播传输至设定范围区域的所有终端，所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据，并将所述结构化数据通过网络传输至云台融合中心；所述结构化数据用于所述云台融合中心进行区域化数据融合计算，以计算出道路交通决策信息，所述道路交通决策信息用于传输至交管部门使用。


2.根据权利要求1所述的智能杆辅助决策方法，其特征在于，所述步骤S1中，所述道路交通信息包括道路上的人、车以及环境的视频信息和传感器数据。


3.根据权利要求1所述的智能杆辅助决策方法，其特征在于，所述步骤S2中，所述最优观测值包括道路上的车的基础信息，所述基础信息包括车流量、平均车速、车距以及车型。


4.根据权利要求1所述的智能杆辅助决策方法，其特征在于，所述步骤S2之前，所述的智能杆辅助决策方法还包括如下步骤：
步骤S11、所述智能杆将所述道路交通信息进行数据清理。


5.根据权利要求1所述的智能杆辅助决策方法，其特征在于，所述步骤S3中，所述智能杆将所述道路交通信息通过基于深度学习的目标检测和跟踪算法进行计算，以实现对人、车、环境中的物体进行识别和异常状态监测，并将计算结果整合并入所述最优观测值。


6.根...

【专利技术属性】
技术研发人员：程涛，戴敏琪，李岱，陈志睿，韩鹏飞，林俊杰，李旭茹，杨佳淇，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：广东;44