【技术实现步骤摘要】
本说明书涉及高速公路通行能力判定，尤其涉及一种高速公路动态通行能力的确定方法、设备及介质。
技术介绍
1、高速公路是现代交通的重要组成部分，随着公众出行需求的快速增长，高速公路成为公众出行的重要途径，但随着机动车数量的快速增多，为了保证高峰期高速公路的正常运行，缓解高速公路拥堵情况影响公众顺畅出现的问题。对于高速公路通行能力判定技术应用而生，高速公路的通行能力是指在单位时间内，高速公路上能够正常通行的车辆数量。
2、当前针对高速公路通行能力的分析研究有很多，例如通过传统的hcm理论模型进行计算的方式，以及通过构建交通仿真模型，再通过设计仿真试验，估算通行能力的方式，和基于高速公路门架系统数据构建二阶段速度-流量关系模型等方式均可实现对于高速公路通行能力的确定。但是上述方式实时性不高且未考虑道路交通条件的动态变化，不适合不同情形下波动较大的道路交通情况。此外，驾驶员会根据不同的路段场景调整与前车的间距，导致在不同场景下车辆的车头时距会产生较大差别，这就导致现有基于调查数据进行计算，然后根据理论模型进行修正的方式，由于没有考虑不同场景下车头时距和车头间距的变化导致动态通行能力的准确性较差，难以确定不同情形下高速公路各路段的实际通行能力。
技术实现思路
1、为了解决上述技术问题，本说明书一个或多个实施例提供了一种高速公路动态通行能力的确定方法、设备及介质。
2、本说明书一个或多个实施例采用下述技术方案：
3、本说明书一个或多个实施例提供一种高速公路动态
4、根据当前环境数据与路网数据，确定待检测高速公路区域的通行场景，并控制无人机获取所述通行场景下待检测高速公路区域的车流视频；其中，所述车流视频为高峰时段视频；
5、基于预置多目标跟踪模型与预置实时目标检测网络，对所述车流视频内的行驶车辆进行跟踪，获得各所述行驶车辆的时序跟踪结果，以基于所述时序跟踪结果确定所述行驶车辆的交通参数；
6、基于预置车速区间对所述行驶车辆的交通参数进行分组，确定所述待检测高速公路区域在不同车速区间下的饱和车头时距；
7、将所述交通参数与所述饱和车头时距输入预置计算模型，确定待检测高速公路区域的初始实际通行能力；
8、根据车道修正系数与车道宽修正系数对所述初始实际通行能力进行修正，获得所述待检测高速公路区域的动态通行能力。
9、可选地，在本说明书一个或多个实施例中，根据当前环境数据与路网数据，确定待检测高速公路区域的通行场景，具体包括：
10、根据预置传感器采集待检测高速公路的当前环境数据；其中，所述当前环境数据包括：光照数据、天气数据；
11、基于预设光照条件对所述待检测高速公路区域的时间场景进行划分，以基于所述光照数据与所述时间场景的划分结果，确定所述待检测高速公路的光照场景；其中，所述光照场景包括：低光照场景或高光照场景；
12、基于预设天气条件对所述待检测高速公路区域的天气状态进行划分，以基于所述天气数据与所述天气状态的划分结果，确定所述待检测高速公路的当前天气状态；
13、将所述光照场景、所述天气状态与所述路网数据所对应的路段场景进行组合，确定待检测高速公路区域的通行场景；其中，所述路段场景包括：基础路段、交织区、分流/合流区、匝道和施工区。
14、可选地，在本说明书一个或多个实施例中，控制无人机获取所述通行场景下待检测高速公路区域的车流视频之前，所述方法还包括：
15、确定所述待检测高速公路区域的道路中心位置，以控制所述无人机在所述道路中心位置的各预置悬停高度进行悬停；
16、基于多个预设悬停角度在各预设悬停高度进行悬停拍摄，以获得所述待检测高速公路区域的多个测试视频；
17、根据所述多个测试视频的视频质量进行对比，确定所述无人机的当前悬停高度与当前悬停角度，以便基于所述当前悬停高度与当前悬停角度与预设采集周期获取所述通行场景下待检测高速公路区域的车流视频。
18、可选地，在本说明书一个或多个实施例中，基于预置多目标跟踪模型与预置实时目标检测网络，对所述车流视频内的行驶车辆进行跟踪，获得各所述行驶车辆的时序跟踪结果，具体包括：
19、将所述车流视频输入所述预置多目标跟踪模型，以对所述车流视频内各帧车流图片进行检测，获得车辆特征信息和车流状态信息；
20、基于所述预置多目标跟踪模型内置跟踪算法对各帧车流图片的车辆特征信息进行匹配，并对所述车流状态信息进行跟踪，获得各所述行驶车辆的车型信息与车辆轨迹数据；
21、将所述车流视频与所述车型信息输入预置实时目标检测网络，以对所述行驶车辆进行分车型编号与车道编号，并根据所述分车型编号、车道编号以及所述车辆轨迹数据，确定各所述行驶车辆的时序跟踪结果。
22、可选地，在本说明书一个或多个实施例中，基于所述时序跟踪结果确定所述行驶车辆的交通参数，具体包括：
23、通过所述时序跟踪结果中各所述行驶车辆的车辆轨迹数据与预设车辆级参数计算时间间隔，确定所述行驶车辆在所述车流视频中各帧的瞬时速度；
24、根据所述时序跟踪结果确定同一车道相邻车辆，以根据同一车道向量车辆的车辆轨迹数据在纵轴方向的坐标分量差，确定所述行驶车辆在所述车流视频中各帧的车头间距；
25、根据所述车头间距与所述瞬时速度，确定所述行驶车辆在所述车流视频中各帧的车头时距；
26、根据所述时序跟踪结果确定所述交通参数的直接参数，并基于所述瞬时速度、所述车头间距与所述车头时距确定所述交通参数的间接参数。
27、可选地，在本说明书一个或多个实施例中，基于预置车速区间对所述行驶车辆的交通参数进行分组，确定所述待检测高速公路区域在不同车速区间下的饱和车头时距，具体包括：
28、根据所述预置车速区间间与所述行驶车辆的交通参数所对应的车速，对所述交通参数进行分类，以获得预置车速区间间中各所述行驶车辆在各车速下的车头时距数据；
29、在各预置车速区间间中对各车速下的车头时距数据进行分类统计，以绘制各预置车速区间间中不同车速下车头时距的频率分布图；
30、根据所述频率分布图的分布形状和峰值位置，确定所述待检测高速公路区域在不同车速区间下的饱和车头时距。
31、可选地，在本说明书一个或多个实施例中，将所述交通参数与所述饱和车头时距输入预置计算模型，确定待检测高速公路区域的初始实际通行能力，具体包括：
32、若确定所述预置计算模型为车头间距计算模型，则获取所述交通参数内的车辆行驶平均速度与平均车头间距；
33、将所述车辆行驶平均速度与所述平均车头间距输入所述车头间距计算模型，获得待检测高速公路区域的初始实际通行能力；其中，所述车头间距计算模型为：q0表示初始实际通行能力，v表示车辆行驶平均速度，表示平均车头间距；
34、若确定所本文档来自技高网...
【技术保护点】
1.一种高速公路动态通行能力的确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述根据当前环境数据与路网数据，确定待检测高速公路区域的通行场景，具体包括：
3.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述控制无人机获取所述通行场景下待检测高速公路区域的车流视频之前，所述方法还包括：
4.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述基于预置多目标跟踪模型与预置实时目标检测网络，对所述车流视频内的行驶车辆进行跟踪，获得各所述行驶车辆的时序跟踪结果，具体包括：
5.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述基于所述时序跟踪结果确定所述行驶车辆的交通参数，具体包括：
6.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述基于预置车速区间对所述行驶车辆的交通参数进行分组，确定所述待检测高速公路区域在不同车速区间下的饱和车头时距，具体包括：
7.根据权利
8.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述根据车道修正系数与车道宽修正系数对所述初始实际通行能力进行修正，获得所述待检测高速公路区域的动态通行能力，具体包括：
9.一种高速公路动态通行能力的确定设备，其特征在于，所述设备包括：
10.一种非易失性存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令能够：
...【技术特征摘要】
1.一种高速公路动态通行能力的确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述根据当前环境数据与路网数据，确定待检测高速公路区域的通行场景，具体包括：
3.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述控制无人机获取所述通行场景下待检测高速公路区域的车流视频之前，所述方法还包括：
4.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述基于预置多目标跟踪模型与预置实时目标检测网络，对所述车流视频内的行驶车辆进行跟踪，获得各所述行驶车辆的时序跟踪结果，具体包括：
5.根据权利要求1所述的一种高速公路动态通行能力的确定方法，其特征在于，所述基于所述时序跟踪结果确定所述行驶车辆的交通参数，具体包括：
...
【专利技术属性】
技术研发人员：崔建，李镇，康传刚，方涛，郭邦昕，韩浩然，李甜，
申请(专利权)人：山东高速股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。