(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210515902.3 (22)申请日 2022.05.12 (71)申请人 安徽超清科技股份有限公司 地址 230000 安徽省合肥市肥东县经济开 发区荷花路 (72)发明人 卢青松　杨有丽　汪培泉　 (74)专利代理 机构 合肥律众知识产权代理有限 公司 34147 专利代理师 殷娟 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/82(2022.01) G06V 10/762(2022.01) G06V 10/40(2022.01) G06V 10/25(2022.01)G08G 1/01(2006.01) G08G 1/065(2006.01) (54)发明名称 一种基于人工智能的道路拥堵分析系统 (57)摘要 本发明涉及道路拥堵分析， 具体涉及一种基 于人工智能的道路拥堵分析系统， 包括服务器， 服务器通过车道图像采集模块采集道路图像， 并 通过车道 图像处理模块对道路图像进行图像处 理， 服务器通过目标车辆检测模块在处理后的道 路图像中进行车辆检测， 并利用车辆密度输出模 块输出各车道的车辆密度， 服务器通过车流量统 计模块根据各车道的车辆密度统计道路车流量； 本发明提供的技术方案能够有效克服现有技术 所存在的不能准确统计道路车流量、 无法对道路 拥堵原因进行有效分析的缺陷。 权利要求书2页 说明书5页 附图2页 CN 115187932 A 2022.10.14 CN 115187932 A 1.一种基于人工智能的道路拥堵分析系统， 其特征在于： 包括服务器， 所述服务器通过 车道图像采集模块采集道路图像， 并通过车道图像处理模块对道路图像进行图像处理， 所 述服务器通过目标车辆检测模块在处理后的道路图像中进 行车辆检测， 并利用车辆密度输 出模块输出各车道的车辆密度， 所述服务器通过车流量统计模块根据各车道的车辆密度统 计道路车流 量； 所述服务器通过交通数据采集模块采集交通数据， 并通过拥堵类型判断模块进行拥堵 类型判断， 所述服务器通过速度时空图构建模块构建道路速度时空图， 并通过拥堵子集提 取模块从道路速度时空图中提取拥堵子集， 所述服务器通过特征向量提取模块提取拥堵子 集的特征向量， 并通过拥堵子集分类模块基于特征向量对拥堵子集进行聚类， 所述服务器 通过拥堵原因分析模块 根据拥堵类型和拥堵子集聚类结果分析拥堵原因。 2.根据权利要求1所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述车道图 像处理模块对道路图像进行分车道处 理， 并在每 个车道区域内设置感兴趣区域。 3.根据权利要求2所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述车道图 像处理模块在分车道处理后的图像中以方框、 圆、 椭圆、 不规则多边形中的一种方式描绘感 兴趣区域 边缘。 4.根据权利要求2所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述目标车 辆检测模块采用全卷积网络模型对感兴趣区域进 行特征提取， 得到 当前道路图像中的车辆 目标； 所述车辆密度输出模块采用反卷积网络模型获取 各车道的车辆密度。 5.根据权利要求4所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述车流量 统计模块 根据各车道的车辆密度统计道路车流 量， 包括： S1、 计算各 车道的车辆数量： 其中， i为车道标号， ρ 为车道的车辆密度， S为车道区域内感兴趣区域的面积； S2、 计算监控区域内所有车道的车辆数量： S3、 计算监控区域内的道路车流 量： T＝v*Q/L 其中， v为 监控区域内所有车辆的平均速度， L 为监控区域内车道的实际长度。 6.根据权利要求5所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述车流量 统计模块根据各车道的车辆密度统计道路车流量之后， 将道路车流量以及车辆平均速度发 送至交通数据采集模块， 所述拥堵类型判断模块基于道路车流量、 车辆平均速度构建拥堵 类型判断模型： S1、 基于势函数建立交通 流模型， 所述势函数为： E＝av4+bQv2 其中， a、 b均为待定系数； S2、 对道路车流 量、 车辆平均速度进行坐标的平 移和旋转；权　利　要　求　书 1/2 页 2 CN 115187932 A 2S3、 利用变换坐标 数据求解突变流形中的参数， 并得到具体分叉集方程。 7.根据权利要求6所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述拥堵类 型判断模块通过判断道路车流量是否穿越穿越分叉集投影区域来区分常发性拥堵、 偶发性 拥堵。 8.根据权利要求1所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述速度时 空图构建模块利用路段车辆平均速度构建道路速度时空图， 所述拥堵子集提取模块通过图 像形态学 处理从道路速度时空图中提取拥堵子集， 所述特征向量提取模块构建特征向量提 取模型提取拥堵子集的特征向量， 所述拥堵子集分类模块基于特征向量之间的相似距离， 通过K‑means聚类算法对拥堵子集进行聚类。 9.根据权利要求8所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述速度时 空图构建模块通过构建双核函数考虑自由流与拥堵流的传播影响， 解决数据异常、 数据缺 失问题， 基于均值插值法实现道路速度时空图的速度平 滑与填充。 10.根据权利要求8所述的基于人工智能的道路拥堵分析系统， 其特征在于： 所述拥堵 子集的特征向量包括速度特征和边界特征， 所述速度特征包括车辆平均速度、 速度标准差、 最大速度和最小速度， 所述 边界特征包括拥堵子集 边缘轮廓和拥堵起 点。权　利　要　求　书 2/2 页 3 CN 115187932 A 3