一种基于智能手机的交通流信息采集方法技术

本发明专利技术涉及一种基于智能手机的交通流信息采集方法，包括：数据输入步骤，用于采集不同类型的交通环境下的交通流信息与交通噪声数据，并将所采集的交通流信息与交通噪声数据按类型存储；模型建立步骤，包括通过数据输入步骤所得到的交通流信息、交通噪声数据、道路类型信息与采集时间类型信息建立人工神经网络模型，所建立的人工神经网络模型按照道路类型信息与采集时间类型信息分为多个类别；手机端数据处理步骤，包括由手机端采集地理位置信息、交通噪声数据、时间信息，利用这些信息从所建立的人工神经网络模型中选择一个，进而得到交通流信息。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及，包括：数据输入步骤，用于采集不同类型的交通环境下的交通流信息与交通噪声数据，并将所采集的交通流信息与交通噪声数据按类型存储；模型建立步骤，包括通过数据输入步骤所得到的交通流信息、交通噪声数据、道路类型信息与采集时间类型信息建立人工神经网络模型，所建立的人工神经网络模型按照道路类型信息与采集时间类型信息分为多个类别；手机端数据处理步骤，包括由手机端采集地理位置信息、交通噪声数据、时间信息，利用这些信息从所建立的人工神经网络模型中选择一个，进而得到交通流信息。【专利说明】
本专利技术涉及交通领域，特别涉及。
技术介绍
作为治理城市交通拥堵的关键技术一交通车流量分析及评价是目前研究的重点与难点，它不仅能为交通管理者治理交通拥堵提供决策依据，同时也能为动态交通诱导提供数据支撑。目前使用广泛的交通拥堵分析及评价方法有:进行人工交通调查，或者利用视频、线圈等固定检测交通采集设备，从而得到车流量、密度等交通流参数。目前，无论是通过安装固定监测器，还是其他检测方式，在城市复杂道路环境中都存在一定的弊端和问题，主要有:I)现行的监测车流量的方法需要经过长时间的前期准备工作，并需要大量的施工单位配合施工，时间成本相对较大。2)现行的方法在客观情况影响下得到的数据量有限，覆盖面较小，建立数据模型数据不够充足。3)城市中复杂的道路环境中各种不同的道路对应的车流量模型不一样，很难用通用的模型进行分析，需要按照不同的道路类型建立相应的数据模型进行逐一的分析。
技术实现思路
本专利技术的目的在于克服现有技术的交通流信息检测方法成本高的缺陷，从而提供一种快捷、简便、成本低的交通流信息采集方法。为了实现上述目的，本专利技术提供了，包括:一数据输入步骤，该步骤用于采集不同类型的交通环境下的交通流信息与交通噪声数据，并将所采集的交通流信息与交通噪声数据按类型存储；所述类型包括道路的类型与采集时间的类型；一模型建立步骤，该步骤包括通过数据输入步骤所得到的交通流信息、交通噪声数据、道路类型信息与采集时间类型信息建立人工神经网络模型，所建立的人工神经网络模型按照道路类型信息与采集时间类型信息分为多个类别；其中，所述人工神经网络将大量同类型的交通流信息与交通噪声数据进行分布式并行信息处理，然后通过调整内部大量节点之间相互连接的关系，从而找到交通噪声与交通流之间的相应关系；一手机端数据处理步骤，该步骤包括由手机端采集地理位置信息、交通噪声数据、时间信息，利用这些信息从所建立的人工神经网络模型中选择一个，进而得到交通流信息。上述技术方案中，在所述的手机端数据处理步骤中，将手机端采集的地理位置信息与电子地图相匹配，得到手机端所在道路，根据该道路的类型以及时间信息从所建立的人工神经网络模型中选择一个，然后将所述交通噪声数据输入所选择的人工神经网络模型，得到交通流信息。上述技术方案中，在所述的模型建立步骤中还包括:将电子地图中各条道路的标签与所建立的人工神经网络模型中的特定模型进行关联；所述关联根据道路的类型实现；在手机端数据处理步骤中，由手机端采集的地理位置信息与电子地图匹配，得到手机端当前所在的道路，由道路的标签得到与其关联的人工神经网络模型，结合时间信息从关联的人工神经网络模型中选择一个。上述技术方案中，所述道路的类型包括7种节点类型与4种路段类型，其中，节点类型包括:单数字化道路的同级交叉、双数字化道路的同级交叉、有环岛的路口、高架桥、地下通道、入口坡道以及出口坡道；路段类型包括:环路主干道、环路辅道、环路连接线以及主干道支路。上述技术方案中，所述采集时间的类型包括早高峰、正午时段、晚高峰。上述技术方案中，在所述数据输入步骤中，将所采集的交通流信息与交通噪声数据按类型存储包括:首先将所采集的交通流信息与交通噪声数据按照道路类型依次予以存储，然后将按道路类型存储的交通流信息与交通噪声数据按照采集时间的类型分别予以存储。上述技术方案中，所述人工神经网络模型为BP神经网络数据模型，该模型以道路类型作为模型建立基础，模型的输入层设定为交通噪声数据和时间信息，通过不断输入交通噪声数据的原始数据，并改变隐含层的层数进行训练，在输出层得到交通流数据。上述技术方案中，所述BP神经网络数据模型有33个，通过将11种道路类型在3个时间类型分别建模得到。本专利技术的优点在于:(I)本专利技术通过在现实道路中利用手机采集交通噪声分贝的方式，解决了城市复杂坏境中估算车流量的问题，同时可为指挥部门的诱导与指挥起到参考的作用；(2)本专利技术提出基于BP神经网络数据处理模型的思路，可使得使用者可以更准确地、更快速地获得对应位置的交通流量。(3)本专利技术可利用普遍的智能手机解决复杂城市环境的道路车流量问题，更方便向公众提供精细化的交通服务信息。【专利附图】【附图说明】图1是本专利技术的基于智能手机的交通流信息采集方法的流程图；图2是本专利技术中所采用的BP神经网络数据模型的示意图。【具体实施方式】现结合附图对本专利技术作进一步的描述。本专利技术的实施步骤总体上分为三步:数据输入、模型建立以及手机端数据处理。其中，数据输入步骤主要完成在不同类型的交通环境下采集交通流信息与交通噪声数据，然后将所采集的数据按照类型分别予以存储；模型建立步骤主要通过人工神经网络将大量同类型的数据进行分布式并行信息处理，然后通过调整内部大量节点之间相互连接的关系，从而找到交通噪声与交通流量之间的相应关系，与此同时建立手机端电子地图道路标签与相应车辆噪声与道路的BP神经网络数据模型对应关系，为通过卫星定位准确选择BP神经网络数据模型打下基础；手机端数据处理步骤主要是利用手机端的定位功能以及现有的专业噪声监测软件进行复杂道路环境的交通流量监测。下面结合图1对各个步骤的具体实现做详细说明。步骤1、数据输入。本步骤中所要输入的数据包括交通流信息与交通噪声数据，这两类信息在存储时需要按照道路类型与采集时间分类存储。该步骤具体包括:步骤1-1、对道路进行分类。对道路进行分类的原则是通过电子地图的道路基本属性进行分类，按照道路综合层的空间描述，总体可以分为两个基本要素，即节点和路段。道路主要是节点和路段进行组合的结果。因此，在对道路进行分类之前首先对节点与路段进行分类，节点类型与路段类型的组合即为道路的类型。在本专利技术中，节点包括下列类型:I)单数字化道路的同级交叉(指形状简单的交叉路，如丁字路口、十字路口)、2)双数字化道路的同级交叉(指形状复杂的交叉路，如除十字路口、丁字路口外的其他交叉路)、3 )有环岛的路口、4 )高架桥、5 )地下通道、6 )入口坡道以及7)出口坡道；路段包括下列类型:1)环路主干道2)环路辅道3)环路连接线以及4)主干道支路。总计节点有7种类型，路段有4种类型，组合起来道路共有11种监测类型。步骤1-2、对采集时间进行分类。采集的时间原则是按照早高峰、正午时段、晚高峰来进行交通流信息与交通噪声数据的采集。通过对三个具有明显特征的时间段进行交通流信息与交通噪声数据的采集能够进行高峰时段与平常时段的交通流与交通噪声的对比研究，发现其中存在的关系。将早高峰、正午时段、晚高峰分表标注不同的标签，例如，其中早高峰时间从上午8点到9点，时间标签设为90 ;午间时段从中午11点到I点，时间标签设为60 本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：吴江帆，雷利军，王振华，聂炜，景泽涛，单雅文，王法岩，荆长林，万蔚，于渊，田启华，张丹，
申请(专利权)人：中国航天系统工程有限公司，
类型：发明
国别省市：