买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：徐州交控智能科技有限公司

摘要：本发明为一种交通检测系统及方法，涉及交通管理技术领域，包括通过因子分析提取预处理后的实时交通数据的公因子，根据公因子构建决策树模型；根据决策树模型对交通特征数据进行特征类型归类，获得特征归类数据；通过决策规则将特征归类数据进行融合，生成融合后的交通数据；基于卷积神经网络和递归神经网络构建交通预测模型，利用预设条件下采集的交通数据对交通预测模型进行训练和优化，得到优化的交通预测模型；根据交通预测模型的输入要求，对融合后的数据进行格式化处理，将获得的格式化融合交通数据输入优化后的交通预测模型中，获得实时的交通预测结果。可以对交通数据价值进行彻底挖掘，为交通预测提供更全局的视角和更丰富的信息。

主权项：1.一种交通检测方法，其特征在于，包括以下步骤：采集高速公路的实时交通数据，并进行预处理和特征提取，获得交通特征数据；通过因子分析提取预处理后的交通特征数据的公因子，根据提取到的公因子构建决策树模型；根据决策树模型对交通特征数据进行特征类型归类，获得特征归类数据；通过决策规则将所述特征归类数据进行融合，生成融合后的交通数据；将融合后的交通数据输入构建的交通预测模型中，获得实时交通预测结果；其中，所述采集高速公路的实时交通数据包括以下步骤：根据设置在高速公路的两侧的图像采集设备，实时获取车辆图像数据；对实时图像进行预处理，包括去噪、图像增强，获得有效图像数据；有效图像数据通过目标检测算法识别实时图像中的车辆，获得车辆类型数据；其中，对有效图像数据进行边界处理，通过实例分割网络，识别和分割图像中的个体对象，确认每个对象的精准边界，获取准确的车辆信息；通过目标跟踪在连续的图像帧中追踪车辆，获得车辆的运动轨迹、车流量数据；根据纹理特征、边缘检测以及形状特征对有效图像数据进行特征提取，获得道路条件数据；基于时间序列，对车辆类型数据以及道路条件数据进行整合，获得实时交通特征数据；所述目标跟踪包括：通过卡尔曼滤波算法KalmanFilter，用于预测和校正目标车辆的位置；再结合匈牙利算法，利用目标跟踪算法，进一步实现目标关联；其中，所述目标跟踪算法包括以下步骤：利用YOLO-V5从视频帧中提取目标车辆的位置信息；对每个检测到的目标车辆初始化一个轨迹；初始化通常包括为目标分配一个唯一的ID，并记录其初始位置和其他相关信息；基于目标车辆的当前速度和运动模型，对每个目标车辆的轨迹进行预测，推断目标车辆在下一个时间步的位置；将当前检测到的目标与先前帧中的轨迹利用匈牙利算法进行关联；根据关联结果，更新目标车辆的轨迹信息；定期删除失效的轨迹，以确保系统不会持续跟踪不再存在的目标；其中，所述将融合后的交通数据输入构建的交通预测模型中，获得实时交通预测结果，包括以下步骤：基于卷积神经网络和递归神经网络构建交通预测模型，利用预设条件下采集的交通数据对交通预测模型进行训练和优化，得到优化的交通预测模型；根据交通预测模型的输入要求，对融合后的交通数据进行格式化处理，将获得的格式化融合交通数据输入优化后的交通预测模型中，获得实时的交通预测结果；所述通过因子分析提取预处理后的实时交通数据的公因子，包括以下步骤：对预处理后的交通特征数据进行标准化处理，获得标准化后的实时交通数据；计算标准化后的实时交通数据之间的协方差矩阵，通过解释方差贡献率、Kaiser准则、Scree图，确定因子数；通过最大似然估计处理标准化后的实时交通数据，获得因子载荷矩阵和特征值，并对因子载荷矩阵进行旋转，根据特征值，确认公因子及公因子含义；所述通过决策规则将特征归类数据进行融合，生成融合后的交通数据，包括以下步骤：根据决策树模型的输出，设计融合规则；根据历史交通数据分析，确定特征归类数据的权重；对特征归类数据进行标准化处理，获得尺度和量级一致的标准化特征归类数据；根据确定的融合规则和特征权重对标准化特征归类数据处理，获得融合特征数据；通过主成分分析对融合特征数据进行降维处理，获得融合后的交通数据；所述交通预测结果对中高风险区域和时段进行预警标识，包括以下步骤：根据业务理解构造新的特征，其中，根据时间生成是否为高峰时段的标识、根据天气条件判断是否不利于驾驶的标识；利用随机森林算法降低构造的特征的维度，并采用逐步回归方法来剔除对交通预测模型中对预测贡献无关以及线性关系低的特征，获得有效预测结果，根据有效预测结果进行预警标识。

全文数据：

权利要求：

百度查询： 徐州交控智能科技有限公司 一种交通检测系统及方法