一种多源数据融合的车辆身份孪生方法、系统、设备及介质技术方案

一种多源数据融合的车辆身份孪生方法、系统、设备及介质，方法包括：通过摄像头和地磁线圈进行多源先验车辆信息采集提取，通过计算与车辆行为相关的数据变量的高斯分布均值方差参数及泊松分布强度，以建立车辆行为分析模型，结合车辆行为分析模型，通过线性相位法计算横向变道行为强度与车速综合指标，将地磁位置与车辆信息进行预测匹配，以完成车辆的多源数据融合身份孪生；系统、设备及介质，用于实现一种多源数据融合的车辆身份孪生方法；本发明专利技术具有车辆认证成本低，广泛适用性强，车辆检测准确率高，车辆安全性提高以及交通控制更加高效的优点。效的优点。效的优点。

【技术实现步骤摘要】
一种多源数据融合的车辆身份孪生方法、系统、设备及介质


[0001]本专利技术涉及智能交通
，具体涉及一种多源数据融合的车辆身份孪生方法、系统、设备及介质。

技术介绍

[0002]数字孪生交通技术是一种新的交通智能化管理技术，在交通规划、建设、管理、监测等方面有着广泛的应用，随着5G车联网、云计算的发展，为车辆级的交通预测规划提供了前提条件；现有对于车辆身份信息认证的技术一般有两种：第一种是使用基于数字证书的身份认证方案，每辆车都会通过一个安全设备获得自己的数字证书，由认证中心进行签名并颁发给车辆，通过车辆与道路设施之间的通信确认车辆身份信息；第二种是通过车载单元与道路联网系统的实时交互，实时监测车辆的状态、位置、速度等信息，并进行安全评估与控制；但现有技术存在以下技术问题：(1)车载单元设备、通信模块等系统存在漏洞，可能会被黑客攻击，造成车辆被劫持、信息被泄露等安全风险；(2)认证方案依赖于车辆设备、通信模块等硬件设备，需要安装专用设备，增加了硬件成本；(3)车辆认证和监测需要持续运营和维护，需要投入大量人力物力财力，维护成本过高；(4)车辆认证和监测需要与道路联网系统配合，如果各个系统之间兼容性不良，会影响认证和监测效果。
[0003]专利号CN202111138135.0提供了一种车辆信息认证方法、装置、计算机设备和存储介质，方法包括：接收车辆资源信息，车辆资源信息包括车辆身份信息以及车辆图像；根据车辆身份信息以及车辆图像进行车辆识别码一致性比对，当车辆识别码一致时，解析车辆识别码，以确定车辆型号；根据车辆图像提取第一车辆轮廓，并根据车辆型号获取第二车辆轮廓，根据第一车辆轮廓和第二车辆轮廓进行车辆型号一致性比对；当车辆型号一致时，根据车辆身份信息以及车辆图像生成车辆产品信息；但由于该方法仅通过车辆身份信息与车辆图像与车辆轮廓进行识别，其识别精度较低，且无法适用于车辆较多的情况，从而产生识别效率低的缺点。

技术实现思路

[0004]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种多源数据融合的车辆身份孪生方法、系统、设备及介质，通过摄像头和地磁线圈进行多源先验车辆信息采集提取，通过计算高斯分布均值方差参数及泊松分布强度，以建立车辆行为分析模型，通过计算线性相位法综合指标，以将地磁位置与车辆信息进行预测匹配；本专利技术具有车辆认证成本低，广泛适用性强，车辆检测准确率高，车辆安全性提高以及交通控制更加高效的优点。
[0005]为了实现上述目的，本专利技术采用的技术方案是：
[0006]一种多源数据融合的车辆身份孪生方法，包括以下步骤：
[0007]步骤1.通过摄像头和地磁线圈进行多源先验车辆信息采集提取，其具体方法如下：
[0008]1.1通过摄像头采集车辆先验数据，所述车辆先验数据包括车牌号码、车辆型号以
及行驶行为信息，所述行驶行为信息包括车速、位置、方位、加速度、刹车、车辆的纵向加速度以及横向变道行为强度；
[0009]1.2通过地磁线圈采集区域车辆信息，所述车辆信息包括车辆位置、车速、车型分类，同时通过多个地磁线圈的有机联动，得到车辆的加速度、变道行为、排队长度的复杂车辆行为；
[0010]1.3将采集到的车辆数据进行存储，并提取与车辆行为相关的数据变量；
[0011]步骤2.通过计算步骤1.3中提取的与车辆行为相关的数据变量的高斯分布均值方差参数及泊松分布强度，以建立车辆行为分析模型，其具体建模方法如下：
[0012]2.1将车速变化的概率记为纵向概率，将横向变道行为概率记为横向概率，通过公式(1)得出车辆的纵向概率服从高斯分布：
[0013][0014]其中，f(x)表示一定行驶时间下车辆的数量，x表示车辆行驶时间，μ表示车辆的平均行驶时间t0，通过3σ原则得出：数值分布在(μ
‑
3σ，μ+3σ)中的概率为0.9974，即所有行驶时间近似全在(μ
‑
3σ，μ+3σ)的范围内，可确定最大行驶时间t1为上界μ+3σ，最小行驶时间t2为下界μ
‑
3σ；
[0015]2.2通过式(2)对车速计算得到每辆车的车速行为标准差σ：
[0016][0017]其中，v1表示车辆行驶的最低速度，v2表示车辆行驶的最高速度，v0表示车辆行驶的平均速度，l表示车辆从摄像头区域到需要匹配身份信息的地磁区域的距离；
[0018]2.3通过式(3)对车辆的横向概率进行泊松分布拟合：
[0019][0020]其中，λ为经过先验视频分析可提取的横向变道行为强度，k为车辆在该段路程内发生的变道次数；
[0021]步骤3.结合步骤2中建立的车辆行为分析模型，通过线性相位法计算横向变道行为强度与车速综合指标，将地磁位置与车辆信息进行预测匹配，以完成车辆的多源数据融合身份孪生，具体计算方法如下：
[0022]使用线性加权法将车辆的横向变道行为强度与车速行为综合为一个指标，权重可以按照实际情况设定，将横向变道行为概率记为f1(x)，将车速行为概率记为f2(x)，将横向变道行为概率所占权重记为α，将车速行为概率所占权重记为β，所述综合指标的具体计算方法如式(4)所示：
[0023]f(x)＝αf1(x)+βf2(x)
ꢀꢀꢀꢀ
(4)
[0024]其中，α+β＝1；
[0025]通过式(4)进行大量计算，以得到每一辆车的综合指标，经仿真测试算法进行计算后，得出可承受车辆数量的认证精度仿真图。
[0026]一种多源数据融合的车辆身份孪生系统，包括：
[0027]数据采集提取模块，用于对先验车辆数据及地磁线圈区域车辆信息采集提取；
[0028]数据处理模块，用于对数据采集提取模块所提取的与车辆行为相关的数据变量进行高斯分布及泊松分布强度计算与分析；
[0029]数据建模模块，用于根据提取的与车辆行为相关的数据变量的高斯分布均值方差参数及泊松分布强度，建立车辆行为分析模型。
[0030]一种多源数据融合的车辆身份孪生设备，包括：
[0031]存储器，用于存储计算机程序；
[0032]处理器，用于执行所述计算机程序中的多源数据融合的车辆身份孪生方法。
[0033]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时能够基于多源数据融合以完成车辆身份孪生方法。
[0034]相对于现有技术，本专利技术的有益效果在于：
[0035]1.通过摄像头提取车辆信息，并通过地磁位置车辆信息进行预测匹配，适用于车辆较多情况下的车辆认证，使得本专利技术在降低车辆认证成本的同时，广泛适用性得到提升。
[0036]2.通过线性加权法计算线性相位法综合指标，使得车辆检测准确率提高。
[0037]3.由于本专利技术考虑到了车辆的各种行驶行为信息，并根据行驶行为信息进行计算、建模与分析，进而提升了车辆安全性。
[0038]4.由于本专利技术可实现车辆级数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源数据融合的车辆身份孪生方法，其特征在于，包括以下步骤：步骤1.通过摄像头和地磁线圈进行多源先验车辆信息采集提取，其具体方法如下：1.1通过摄像头采集车辆先验数据，所述车辆先验数据包括车牌号码、车辆型号以及行驶行为信息，所述行驶行为信息包括车速、位置、方位、加速度、刹车、车辆的纵向加速度以及横向变道行为强度；1.2通过地磁线圈采集区域车辆信息，所述车辆信息包括车辆位置、车速、车型分类，同时通过多个地磁线圈的有机联动，得到车辆的加速度、变道行为、排队长度的复杂车辆行为；1.3将采集到的车辆数据进行存储，并提取与车辆行为相关的数据变量；步骤2.通过计算步骤1.3中提取的与车辆行为相关的数据变量的高斯分布均值方差参数及泊松分布强度，以建立车辆行为分析模型，其具体建模方法如下：2.1将车速变化的概率记为纵向概率，将横向变道行为概率记为横向概率，通过公式(1)得出车辆的纵向概率服从高斯分布：其中，f(x)表示一定行驶时间下车辆的数量，x表示车辆行驶时间，μ表示车辆的平均行驶时间t0，通过3σ原则得出：数值分布在(μ
‑
3σ，μ+3σ)中的概率为0.9974，即所有行驶时间近似全在(μ
‑
3σ，μ+3σ)的范围内，可确定最大行驶时间t1为上界μ+3σ，最小行驶时间t2为下界μ
‑
3σ；2.2通过式(2)对车速计算得到每辆车的车速行为标准差σ：其中，v1表示车辆行驶的最低速度，v2表示车辆行驶的最高速度，v0表示车辆行驶的平均速度，l表示车辆从摄像头区域到需要匹配身份信息的地磁区域的距离；2.3通过式(3)对车辆的横向概率进行泊松分布...

【专利技术属性】
技术研发人员：陈奕韬，齐家迅，周子君，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：