一种用于智能交通拥堵边缘治理系统技术方案

本发明专利技术涉及基于交通事故拥堵的拥堵处理领域，并提供了一种用于智能交通拥堵边缘治理系统。包括安装于交通设备上的边缘装置，其特征在于，所述系统包括：场景采集模块：用于在交通设备拥堵时，通过所述交通设备上的边缘装置采集周边的场景信息，判断是否存在拥堵事件；事故分析模块：用于在存在拥堵事件时，对所述场景信息进行场景分析，确定拥堵事故信息；边缘连接模块：用于通过所述边缘装置进行局部交通设备连接，组成局部交通网络；边缘处理模块：用于通过所述局部交通网络，进行事故报警，并生成不同交通设备的引流路径和引导提示信息。有益效果在于：本发明专利技术能够联合多个车辆进行局部的车辆引流和引导，缓解因为交通事故造成的拥堵。拥堵。拥堵。

【技术实现步骤摘要】
一种用于智能交通拥堵边缘治理系统


[0001]本专利技术涉及交通管理
，特别涉及一种用于智能交通拥堵边缘治理系统。

技术介绍

[0002]目前，随这汽车保有量的逐渐增加，用于汽车行驶道路的增量远远不及汽车保有量的增加速度，造成了城市道理的拥堵现象日益严重，现有技术中，提出了很多交通治理的方法，包括构建道路模型，监控道路拥堵的原因，进行规划路线或者安排交警进行治理，以此来缓解交通的拥堵，实现交通整体的控制，交通的疏导，交通运行的合理化越来越高，对于出现拥堵也能以最有效的手段进行整体的疏导。
[0003]但是，在交通的整体治理中，现有技术因为主要是基于路灯、车流量为参考项，判断拥堵，如果发生了非常规的拥堵事件，例如在道路中发生的拥堵事件导致的交通拥堵：道路中出现车祸，道路中出现临时管控、道路中忽然出现塌陷或者道路被水淹等非常规事件导致的拥堵现象，对于这些导致的拥堵现象，虽然可以通过调节红绿灯实现交通的疏导，但是只能缓解交通拥堵，无法从根本上解决临时拥堵问题。想要从根本上解决因为这些问题导致的交通拥堵问题，需要对这些拥堵事件的快速发现、快速明确事件成因，快速上报和快速处理。

技术实现思路

[0004]本专利技术提供一种用于智能交通拥堵边缘治理系统，用以解决道路中出现车祸，道路中出现临时管控、道路中忽然出现塌陷或者道路被水淹等非常规事件导致的拥堵现象，对于这些导致的拥堵现象，虽然可以通过调节红绿灯实现交通的疏导，但是只能缓解交通拥堵，无法从根本上解决临时拥堵问题的情况。
[0005]一种用于智能交通拥堵边缘治理系统，包括安装于交通设备上的边缘装置，所述系统包括：场景采集模块：用于在交通设备拥堵时，通过所述交通设备上的边缘装置采集周边的场景信息，判断是否存在拥堵事件；事故分析模块：用于在存在拥堵事件时，对所述场景信息进行场景分析，确定拥堵事故信息；边缘连接模块：用于通过所述边缘装置进行局部交通设备连接，组成局部交通网络；边缘处理模块：用于通过所述局部交通网络，生成不同交通设备的引流路径和引导提示信息。
[0006]进一步的：所述场景采集模块包括：车辆信息采集单元：用于通过边缘装置连接交通设备，获取交通设备的实时信息；其中，所述实时信息包括：实时速度信息、平均速度信息、实时位置信息和行驶路径信
息；场景采集单元：用于获取交通设备周边的场景数据，确定交通设备的场景数据；其中，所述场景数据包括：周边场景图像、周边车辆分布信息和周边车辆的移动数据；拥堵判定单元：用于根据所述实时信息和场景数据，确定局部车辆数据，并基于拥堵判定模型，判断是否存在拥堵；其中，所述局部车辆数据包括：局部车辆密度数据、局部车辆平均速度信息和局部车辆在预设时间内的行驶信息；拥堵因素提取单元：用于在局部拥堵时，根据所述场景图像，进行事故因素筛选，判断是否存在道路事故；拥堵事件判定单元：用于在存在道路事故时，确定道路事故的事故特征，根据所述事故特征，确定对应的拥堵事件。
[0007]进一步的：所述拥堵因素提取单元包括如下提取步骤：根据所述场景数据，确定周边场景图像；进行周边场景图像拼接，生成局部立体图像；根据所述局部立体图像，通过网格划分的划分基准设定网格化划分条件，对所述局部立体图像进行分割，生成网格化图像，并构建对应当前网格化图像的元素数据集；基于所述元素数据集，提取不同网格内的场景元素；在预设的场景数据库中，筛选不同网格中符合特征匹配条件的场景元素；其中，所述场景元素数据库包括所有的场景元素；所述特征匹配条件包括色谱匹配、轮廓匹配和几何匹配；对符合特征匹配条件的场景元素进行标记，生成标记编码；根据所述标记编码，构建基于所述局部立体图像的拥堵判定模型；根据所述拥堵判定模型，计算每个场景元素在拥堵状况中的权重值；其中，所述权重值表示在拥堵环境中不同场景元素的拥堵权重；根据所述权重值，提取拥堵因素。
[0008]进一步的：所述拥堵事件判定单元确定对应的拥堵事件包括如下步骤：预先统计道路拥堵事件，构建道路拥堵事件的知识图谱；在道路拥堵事件的知识图谱中确定不同道路拥堵事件的事件实体信息；得到与所述道路拥堵事件的事件实体信息关联的拥堵身份实体；根据所述拥堵身份实体，确定与所述拥堵身份实体关联的位置信息，为拥堵位置信息，与所述拥堵位置信息关联的时间信息，为拥堵时间信息；其中，所述拥堵位置信息表示道路拥堵事件的事件实体的位置信息；所述拥堵事件信息表示道路拥堵事件的拥堵时间；根据与所述拥堵位置信息的车辆邻接度，定义N级拥堵位置信息，根据与所述拥堵时间信息的邻接度，定义M级拥堵时间信息，N、M为正整数；根据所述道路拥堵事件的知识图谱，得到与所述拥堵身份实体关联的类型信息；其中，所述道路拥堵事件的知识图谱包括拥堵身份实体和类型信息，所述拥堵身份实体
至少为一个，所述类型信息至少包括身份信息、时间信息和位置信息，每个所述拥堵身份实体分别与一个所述身份信息、一个所述时间信息和一个所述位置信息关联，相邻的所述时间信息关联，相邻的所述位置信息关联；根据所述身份信息、位置信息、类型信息和时间信息，确定对应的拥堵事件。
[0009]进一步的：所述事故分析模块包括：模型生成单元：用于通过场景分析模型进行场景数据采集和场景分析，从而生成场景文档；文档分解单元：用于使用基于道路事故库训练的神经训练模型对场景文档进行分析，从而得到若干个拥堵事件信息，所述神经训练模型为Word2Vec模型，用于对场景文档进行信息分解，从而获得场景文档对应的场景全局信息和n个元素；其中，所述场景全局信息包括场景全局中不同元素的分布信息；所述n个元素均为拥堵事件的元素；信息向量生成单元：用于通过预设的循环神经网络对所述场景全局信息进行处理，生成场景全局信息的信息向量，并通过循环神经网络对所述信息向量对n个元素进行处理，生成元素信息向量；事件信息提取单元：用于通过循环神经网络将对元素信息向量进行处理，生成拥堵事件内容概要，根据所述拥堵事件内容概要确定拥堵事件信息；事故判定单元：用于将所述拥堵事件信息和预设的拥堵事件模板进行匹配，确定对应的拥堵事故信息。
[0010]进一步的：，所述事故判定单元将所述拥堵事件信息和预设的拥堵事件模板进行匹配，包括如下步骤：将所述拥堵事件信息通过预设拥堵事件解析规则进行事件解析，确定正则表达式集合；其中，所述拥堵事件解析规则至少包括：拥堵事件类型解析规则、拥堵事件特征解析规则、拥堵事件元素解析规则和模板匹配项的属性解析规则；将所述拥堵事件信息与所述拥堵事件模板的正则表达式集合中的每个正则表达式进行逐一匹配，确定与所述事件信息匹配成功的目标正则表达式；其中，所述逐一匹配包括：在所述拥堵事件模板的正则表达式集合中存在包括排除项的正则表达式的情况下，将所述拥堵事件信息与除去排除项的正则表达式进行匹配；其中，所述排除项基于所述拥堵事件解析规则确定，所述排除项包括事件类型、事件特征、事件元素和模板匹配项的属性；在拥堵事件信息和拥堵事件模板匹配成功的情况下，从所述包括排除项的正则表达式中确定与所述事件信息匹配成功的目标正则表达式；基于所述目标正则表达式，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于智能交通拥堵边缘治理系统，包括安装于交通设备上的边缘装置，其特征在于，所述系统包括：场景采集模块：用于在交通设备拥堵时，通过所述交通设备上的边缘装置采集周边的场景信息，判断是否存在拥堵事件；事故分析模块：用于在存在拥堵事件时，对所述场景信息进行场景分析，确定拥堵事故信息；边缘连接模块：用于通过所述边缘装置进行局部交通设备连接，组成局部交通网络；边缘处理模块：用于通过所述局部交通网络，进行事故报警，并生成不同交通设备的引流路径和引导提示信息；所述事故分析模块包括：模型生成单元：用于通过场景分析模型进行场景数据采集和场景分析，从而生成场景文档；文档分解单元：用于使用基于道路事故库训练的神经训练模型对场景文档进行分析，从而得到若干个拥堵事件信息，所述神经训练模型为Word2Vec模型，用于对场景文档进行信息分解，从而获得场景文档对应的场景全局信息和n个元素；其中，所述场景全局信息包括场景全局中不同元素的分布信息；所述n个元素均为拥堵事件的元素；信息向量生成单元：用于通过预设的循环神经网络对所述场景全局信息进行处理，生成场景全局信息的信息向量，并通过循环神经网络对所述信息向量对n个元素进行处理，生成元素信息向量；事件信息提取单元：用于通过循环神经网络将对元素信息向量进行处理，生成拥堵事件内容概要，根据所述拥堵事件内容概要确定拥堵事件信息；事故判定单元：用于将所述拥堵事件信息和预设的拥堵事件模板进行匹配，确定对应的拥堵事故信息。2.如权利要求1所述的一种用于智能交通拥堵边缘治理系统，其特征在于，所述场景采集模块包括：车辆信息采集单元：用于通过边缘装置连接交通设备，获取交通设备的实时信息；其中，所述实时信息包括：实时速度信息、平均速度信息、实时位置信息和行驶路径信息；场景采集单元：用于获取交通设备周边的场景数据；其中，所述场景数据包括：周边场景图像、周边车辆分布信息和周边车辆的移动数据；拥堵判定单元：用于根据所述实时信息和场景数据，确定局部车辆数据，并基于拥堵判定模型，判断是否存在拥堵；其中，所述局部车辆数据包括：局部车辆密度数据、局部车辆平均速度信息和局部车辆在预设时间内的行驶信息；拥堵因素提取单元：用于在局部拥堵时，根据所述场景图像，进行事故因素筛选，判断是否存在道路事故；拥堵事件判定单元：用于在存在道路事故时，确定道路事故的事故特征，根据所述事故特征，确定对应的拥堵事件。
3.如权利要求2所述的一种用于智能交通拥堵边缘治理系统，其特征在于，所述拥堵因素提取单元包括如下提取步骤：根据所述场景数据，确定周边场景图像；进行周边场景图像拼接，生成局部立体图像；根据所述局部立体图像，通过网格划分的划分基准设定网格化划分条件，对所述局部立体图像进行分割，生成网格化图像，并构建对应当前网格化图像的元素数据集；基于所述元素数据集，提取不同网格内的场景元素；在预设的场景数据库中，筛选不同网格中符合特征匹配条件的场景元素；其中，所述场景数据库包括所有的场景元素；所述特征匹配条件包括色谱匹配、轮廓匹配和几何匹配；对符合特征匹配条件的场景元素进行标记，生成标记编码；根据所述标记编码，构建基于所述局部立体图像的拥堵判定模型；根据所述拥堵判定模型，计算每个场景元素在拥堵状况中的权重值；其中，所述权重值表示在拥堵环境中不同场景元素的拥堵权重；根据所述权重值，提取拥堵因素。4.如权利要求2所述的一种用于智能交通拥堵边缘治理系统，其特征在于，所述拥堵事件判定单元确定对应的拥堵事件包括如下步骤：预先统计道路拥堵事件，构建道路拥堵事件的知识图谱；在道路拥堵事件的知识图谱中确定不同道路拥堵事件的事件实体信息；得到与所述道路拥堵事件的事件实体信息关联的拥堵身份实体；根据所述拥堵身份实体，确定与所述拥堵身份实体关联的位置信息，为拥堵位置信息，与所述拥堵位置信息关联的时间信息，为拥堵时间信息；其中，所述拥堵位置信息表示道路拥堵事件的事件实体的位置信息；所述拥堵时间信息表示道路拥堵事件的拥堵时间；根据与所述拥堵位置信息的车辆邻接度，定义N级拥堵位置信息，根据与所述拥堵时间信息的邻接度，定义M级拥堵时间信息，N、M为正整数；根据所述道路拥堵事件的知识图谱，得到与所述拥堵身份实体关联的类型信息；其中，所述道路拥堵事件的知识图谱包括拥堵身份实体和类型信息，所述拥堵身份实体至少为一个，所述类型信息...

【专利技术属性】
技术研发人员：陈慧远，吕景波，于阳，杨勇，张胜利，聂东辉，张振华，李晓南，贾康利，侯绍卿，
申请(专利权)人：河北博士林科技开发有限公司，
类型：发明
国别省市：