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！

摘要：本发明的一种可用于高速路段的多任务感知流量调控网络方法，包括如下：步骤S1:设置若干个高速路段监测点；步骤S2:搭建多任务网络模型，该多任务网络模型由一个共享编码器和三个解码器组成；共享编码器由一个主干网络、特征融合层组成，主干网络采用将C3f模块替换为CSP模块的CSPDarkNet架构，特征融合层包括FPN架构以及SPPF模块；步骤S3：将多任务学习损失函数应用于多任务网络模型的训练；当多任务网络模型训练好后，采用NNCF算法使得多任务网络模型轻量化；步骤S4:将多任务网络模型部署于高速路段的边缘监控设备中；步骤S5:当高速路段出现拥堵情况时，边缘监控设备引导车辆提前变道进入排队序列；上述方法能够保证于高速路段的边缘监控设备具有实精确性和实时性。

主权项：1.一种可用于高速路段的多任务感知流量调控网络方法，其特征在于，其包括如下步骤：步骤S1:通过设置若干个高速路段监测点，获取实时车流量视频数据；步骤S2:搭建多任务网络模型，该多任务网络模型为由一个共享编码器和三个解码器组成的图像检测分割网络；共享编码器由一个主干网络、特征融合层组成，主干网络采用将CSP模块替换为C3f模块的CSPDarkNet架构，在替换了BottleneckCSP模块为C3f模块后，主干网络的CSPDarkNet架构包括卷积模块、C3f模块，特征融合层包括FPN架构以及融入在FPN架构上的SPPF模块，三个解码器分别为车辆目标检测解码器、车道线检测解码器和可行驶区域分割解码器；其中，将实时车流量视频数据输入到共享编码器后，由主干网络提取该实时车流量视频数据不同尺度的特征数据、提前对可行驶区域分割任务处理并输出到可行驶区域分割解码器，特征融合层接收该实时车流量视频数据不同尺度的特征数据、分别对车辆目标检测分割和车道线检测分割任务处理并分别输出到车辆目标检测解码器、车道线检测解码器；在步骤S2中，C3f模块为对YOLOv8中C2f模块进行改进的改进模块，C3f模块将输入切分成为n个分支，并分别通过n个Bottleneck模块处理，同时将Bottlenec模块中的3*3卷积核拆分成3*1和1*3的卷积核进行处理，最后将所有分支与残差分支拼接起来，其中，参数n为可通过人工调整的参数；在步骤S2中，特征融合层的SPPF模块用于扩大感受野，生成并融合不同尺度的特征信息，特征融合层的FPN架构在不同语义级别下进行特征融合，SPPF模块和FPN架构采用串联方式进行连接，其两者串联后最终使得生成的特征包含多个尺度和多个语义级别信息；其中，特征融合层还包括两层上采样，特征融合层的FPN架构在接收特征图后进行上采样操作，其上采样操作前取消卷积操作，上采样后采用C3f模块处理，并将不同阶段输出的特征图进行拼接，完成特征融合；其中，在步骤S2中，车辆目标检测解码器采用PAN结构，该PAN结构由C3f模块、卷积层、Concat层构成，特征融合层的FPN架构与该PAN结构组成FPN-PAN结构，该FPN-PAN结构实现浅层特征图和深层特征图的双向传递，最后通过与车辆目标检测解码器连接的若干个目标检测头输出结果；接着，特征融合层的FPN架构的输出特征直接传输到车道线检测解码器上，可行驶区域分割解码器则直接从特征融合层的SPPF模块后面和FPN架构前面之间的位置获取特征；步骤S3：对多任务网络模型进行训练；并构建多任务学习损失函数，并将该多任务学习损失函数应用于多任务网络模型的训练；当多任务网络模型训练好后，采用NNCF算法使得训练好的多任务网络模型轻量化；步骤S4:将训练好的轻量化的多任务网络模型部署于高速路段的边缘监控设备中，其中，车辆目标检测、车道线检测辅助最佳调控路线搜索，可行驶区域分割判断高速路段车距安全性；步骤S5:高速路段的边缘监控设备进行实时路线调控，当高速路段出现拥堵情况时，边缘监控设备提前对车联网或地图软件发送调控路线数据，并引导车辆提前变道进入排队序列。

全文数据：

权利要求：

百度查询： 东莞理工学院 一种可用于高速路段的多任务感知流量调控网络方法