本發(fā)明涉及交通，具體涉及一種基于人工智能的交通信號(hào)機(jī)流量分析裝置、分析方法及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著智能交通系統(tǒng)的快速發(fā)展，交通信號(hào)機(jī)的流量分析精度直接影響著道路通行效率與擁堵治理水平。

2、相關(guān)技術(shù)中，交通信號(hào)機(jī)系統(tǒng)主要通過攝像頭或者地感線圈進(jìn)行交通流量的分析，但是使用地感線圈進(jìn)行交通流量分析存在線圈傳感器更換難度大、更換成本高的問題；而使用攝像頭進(jìn)行交通流量分析容易存在網(wǎng)絡(luò)不穩(wěn)定等復(fù)雜條件下識(shí)別準(zhǔn)確率驟降的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的是提供一種基于人工智能的交通信號(hào)機(jī)流量分析裝置、分析方法及存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有技術(shù)中交通流量分析裝置難以兼顧維護(hù)成本以及識(shí)別準(zhǔn)確性的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，第一方面，本技術(shù)實(shí)施例中提供了一種基于人工智能的交通信號(hào)機(jī)流量分析裝置，包括存儲(chǔ)器及處理器，所述存儲(chǔ)器存儲(chǔ)有可執(zhí)行程序代碼，所述處理器用于調(diào)用并運(yùn)行所述可執(zhí)行程序代碼時(shí)實(shí)現(xiàn)以下交通流量分析方法的步驟：

3、獲取振動(dòng)膜傳感器采集數(shù)據(jù)形成的初始振動(dòng)曲線，所述振動(dòng)膜傳感器設(shè)于目標(biāo)交通路段；

4、基于環(huán)境參數(shù)對(duì)所述初始振動(dòng)曲線進(jìn)行環(huán)境因素補(bǔ)償修正得到目標(biāo)振動(dòng)曲線；

5、識(shí)別并提取所述目標(biāo)振動(dòng)曲線的關(guān)鍵特征得到多個(gè)候選振動(dòng)數(shù)據(jù)集，所述候選振動(dòng)數(shù)據(jù)集至少包括振動(dòng)幅值以及對(duì)應(yīng)的振動(dòng)時(shí)長(zhǎng)；

6、根據(jù)所述多個(gè)候選振動(dòng)數(shù)據(jù)集對(duì)實(shí)時(shí)交通流量進(jìn)行初步預(yù)估得到交通流量預(yù)估值；

7、在所述交通流量預(yù)估值大于或等于流量閾值的情況下，觸發(fā)交通流量校正指令，并根據(jù)所述交通流量校正指令控制云端攝像頭啟動(dòng)以對(duì)所述交通流量預(yù)估值進(jìn)行校正得到交通流量目標(biāo)值，其中，所述云端攝像頭與云服務(wù)器通信連接。

8、在一種可能的實(shí)現(xiàn)方式中，所述振動(dòng)膜傳感器包括設(shè)于目標(biāo)交通路段路面的車輛碾壓升降模塊、設(shè)于所述車輛碾壓升降模塊下方的力傳遞桿以及設(shè)于路側(cè)的彈性體，所述彈性體內(nèi)設(shè)有振動(dòng)膜片；其中，當(dāng)車輛位于所述車輛碾壓升降模塊上方時(shí)，所述車輛碾壓升降模塊下沉而帶動(dòng)所述力傳遞桿擺動(dòng)，所述力傳遞桿擺動(dòng)時(shí)擠壓所述彈性體以使所述振動(dòng)膜片因空氣壓縮而產(chǎn)生振動(dòng)信號(hào)。

9、在一種可能的實(shí)現(xiàn)方式中，所述車輛碾壓升降模塊包括可升降的壓板以及復(fù)位彈簧，所述復(fù)位彈簧用于在車輛離開后恢復(fù)所述壓板的初始位置，所述壓板的初始位置與路面平齊或者高于地面。

10、在一種可能的實(shí)現(xiàn)方式中，所述基于環(huán)境參數(shù)對(duì)所述初始振動(dòng)曲線進(jìn)行環(huán)境因素補(bǔ)償修正得到目標(biāo)振動(dòng)曲線，包括：

11、獲取氣象傳感器采集的實(shí)時(shí)氣象數(shù)據(jù)，所述氣象傳感器包括風(fēng)感傳感器以及雨感傳感器中的至少一種；

12、當(dāng)氣象數(shù)據(jù)中的降雨量氣象參數(shù)和/或風(fēng)速氣象參數(shù)超過預(yù)設(shè)的氣象參數(shù)閾值時(shí)，調(diào)用預(yù)訓(xùn)練的環(huán)境補(bǔ)償神經(jīng)網(wǎng)絡(luò)對(duì)所述初始振動(dòng)曲線進(jìn)行環(huán)境因素補(bǔ)償修正得到目標(biāo)振動(dòng)曲線。

13、在一種可能的實(shí)現(xiàn)方式中，所述識(shí)別并提取所述目標(biāo)振動(dòng)曲線的關(guān)鍵特征得到多個(gè)候選振動(dòng)數(shù)據(jù)集，包括：

14、基于圖像分析技術(shù)提取所述目標(biāo)振動(dòng)曲線中的封閉區(qū)域得到多個(gè)封閉圖形，其中，每個(gè)封閉圖形對(duì)應(yīng)一個(gè)振動(dòng)事件；

15、提取每個(gè)封閉圖形中的最大振動(dòng)幅值、振幅積分面積以及振動(dòng)時(shí)長(zhǎng)得到多個(gè)候選振動(dòng)數(shù)據(jù)集。

16、在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述多個(gè)候選振動(dòng)數(shù)據(jù)集對(duì)實(shí)時(shí)交通流量進(jìn)行初步預(yù)估得到交通流量預(yù)估值，包括：

17、將所述多個(gè)候選振動(dòng)數(shù)據(jù)集輸入預(yù)訓(xùn)練的輕量化卷積網(wǎng)絡(luò)中進(jìn)行特征篩選，保留與目標(biāo)車輛交通流量相關(guān)的關(guān)鍵特征得到多個(gè)目標(biāo)振動(dòng)數(shù)據(jù)集；

18、根據(jù)所述多個(gè)目標(biāo)振動(dòng)數(shù)據(jù)集對(duì)實(shí)時(shí)交通流量進(jìn)行初步預(yù)估得到交通流量預(yù)估值。

19、在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述多個(gè)目標(biāo)振動(dòng)數(shù)據(jù)集對(duì)實(shí)時(shí)交通流量進(jìn)行初步預(yù)估得到交通流量預(yù)估值，包括：

20、在最大振動(dòng)幅值小于幅值閾值的情況下，以第一預(yù)估方式進(jìn)行交通流量初步預(yù)估得到得到交通流量預(yù)估值；

21、在最大振動(dòng)幅值大于或等于幅值閾值的情況下，以第二預(yù)估方式進(jìn)行交通流量初步預(yù)估得到交通流量預(yù)估值，其中，所述第二預(yù)估方式為根據(jù)振幅積分面積以及振動(dòng)時(shí)長(zhǎng)進(jìn)行交通流量初步預(yù)估，振幅積分面積與交通流量成正相關(guān)，和/或，振動(dòng)時(shí)長(zhǎng)與交通流量成正相關(guān)。

22、在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述交通流量校正指令控制云端攝像頭啟動(dòng)以對(duì)所述交通流量預(yù)估值進(jìn)行校正得到交通流量目標(biāo)值，包括：

23、根據(jù)所述交通流量校正指令控制云端攝像頭啟動(dòng)；

24、在所述云端攝像頭啟動(dòng)后，實(shí)時(shí)獲取云端攝像頭采集的視頻數(shù)據(jù)；

25、提取與所述目標(biāo)振動(dòng)數(shù)據(jù)集時(shí)間對(duì)應(yīng)的目標(biāo)視頻幀；

26、對(duì)所述目標(biāo)視頻幀進(jìn)行車輛特征識(shí)別得到車輛數(shù)量值；

27、根據(jù)所述車輛數(shù)量值對(duì)所述交通流量預(yù)估值進(jìn)行校正得到交通流量目標(biāo)值。

28、第二方面，本技術(shù)實(shí)施例還提供了一種交通流量分析方法，應(yīng)用于交通信號(hào)機(jī)流量分析裝置，所述方法包括：

29、獲取振動(dòng)膜傳感器采集數(shù)據(jù)形成的初始振動(dòng)曲線，所述振動(dòng)膜傳感器設(shè)于目標(biāo)交通路段；

30、基于環(huán)境參數(shù)對(duì)所述初始振動(dòng)曲線進(jìn)行環(huán)境因素補(bǔ)償修正得到目標(biāo)振動(dòng)曲線；

31、識(shí)別并提取所述目標(biāo)振動(dòng)曲線的關(guān)鍵特征得到多個(gè)候選振動(dòng)數(shù)據(jù)集，所述候選振動(dòng)數(shù)據(jù)集至少包括振動(dòng)幅值以及對(duì)應(yīng)的振動(dòng)時(shí)長(zhǎng)；

32、根據(jù)所述多個(gè)候選振動(dòng)數(shù)據(jù)集對(duì)實(shí)時(shí)交通流量進(jìn)行初步預(yù)估得到交通流量預(yù)估值；

33、在所述交通流量預(yù)估值大于或等于流量閾值的情況下，觸發(fā)交通流量校正指令，并根據(jù)所述交通流量校正指令控制云端攝像頭啟動(dòng)以對(duì)所述交通流量預(yù)估值進(jìn)行校正得到交通流量目標(biāo)值，其中，所述云端攝像頭與云服務(wù)器通信連接。

34、第三方面，本技術(shù)實(shí)施例還提供了一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第二方面所述方法的步驟。

35、區(qū)別于現(xiàn)有技術(shù)，本技術(shù)實(shí)施例提供的基于人工智能的交通信號(hào)機(jī)流量分析裝置，由存儲(chǔ)器和處理器構(gòu)成，存儲(chǔ)器中存儲(chǔ)有可執(zhí)行程序代碼，處理器調(diào)用并運(yùn)行該代碼時(shí)，首先獲取目標(biāo)交通路段振動(dòng)膜傳感器采集數(shù)據(jù)形成的初始振動(dòng)曲線，接著基于環(huán)境參數(shù)對(duì)初始振動(dòng)曲線進(jìn)行環(huán)境因素補(bǔ)償修正以得到目標(biāo)振動(dòng)曲線，然后識(shí)別并提取目標(biāo)振動(dòng)曲線的關(guān)鍵特征，形成包含振動(dòng)幅值及對(duì)應(yīng)振動(dòng)時(shí)長(zhǎng)等信息的多個(gè)候選振動(dòng)數(shù)據(jù)集，依據(jù)這些候選振動(dòng)數(shù)據(jù)集對(duì)實(shí)時(shí)交通流量進(jìn)行初步預(yù)估得出交通流量預(yù)估值，若該預(yù)估值大于或等于預(yù)設(shè)的流量閾值，則觸發(fā)交通流量校正指令，并據(jù)此校正指令控制與云服務(wù)器通信連接的云端攝像頭啟動(dòng)，對(duì)交通流量預(yù)估值進(jìn)行校正，最終得到交通流量目標(biāo)值。

36、在交通流量較小的場(chǎng)景中，振動(dòng)膜傳感器能夠獨(dú)立且精準(zhǔn)地完成流量預(yù)估任務(wù)。由于此時(shí)交通狀況相對(duì)簡(jiǎn)單，車輛通過產(chǎn)生的振動(dòng)特征較為單一且易于識(shí)別，振動(dòng)膜傳感器憑借其高靈敏度和穩(wěn)定性，可準(zhǔn)確捕捉車輛振動(dòng)信息，進(jìn)而實(shí)現(xiàn)高精度的流量預(yù)估。同時(shí)，振動(dòng)膜傳感器結(jié)構(gòu)相對(duì)簡(jiǎn)單，安裝與維護(hù)成本較低，無需大規(guī)模的基礎(chǔ)設(shè)施建設(shè)和復(fù)雜的后期維護(hù)工作，能夠以較低的成本滿足交通流量監(jiān)測(cè)需求。

37、而在交通流量較大的場(chǎng)景中，利用振動(dòng)膜傳感器進(jìn)行流量預(yù)估的基礎(chǔ)上，結(jié)合云端攝像頭視頻數(shù)據(jù)對(duì)流量預(yù)估值進(jìn)行二次校正，振動(dòng)數(shù)據(jù)與圖像數(shù)據(jù)相互印證、優(yōu)勢(shì)互補(bǔ)，極大提高了交通流量分析的精準(zhǔn)度。