一种端边云协同下智慧道路多源感知数据实时融合处理方法、系统及设备与流程
本技术涉及道路交通信息处理,具体地涉及一种端边云协同下智慧道路多源感知数据实时融合处理方法、系统及设备。
背景技术:
1、随着智慧道路、车路协同及智能交通系统的发展,道路交通状态的感知对象已由传统的断面交通流量逐渐扩展至车辆位置、车辆速度、车道占用状态、车辆轨迹、交通事件以及道路环境状态等多维信息。相应地,道路侧感知设备也由单一的地磁检测器或摄像机发展为摄像机、毫米波雷达、激光雷达、路侧单元rsu、气象传感器及车载终端等多种设备共同部署。由于不同感知设备在采样频率、数据格式、空间坐标基准、检测精度以及适用环境方面存在差异,如何对多源异构交通感知数据进行及时、准确的融合处理,并据此获得连续、可靠的道路交通运行状态,已成为智慧道路交通监测和控制中的重要技术问题。
2、现有技术已经对多源交通数据融合进行了研究。例如,中国专利申请cn110766936a公开了一种基于多源数据融合的交通运行状态感知方法和系统,将移动数据、固定感知数据和路网数据结合能够改善单一数据源覆盖不足的问题,但其技术重点主要在不同类别交通状态数据的结构化提取、融合及路网匹配,对于同一交通对象由多个异构传感设备同时产生相互冲突观测时,如何随实时环境变化确定不同数据源的可靠程度,以及如何利用车辆在具体道路拓扑中的实际可达性进一步判断冲突观测,仍存在进一步改进空间。又例如,中国专利申请cn113781767a公开了一种基于多源感知的交通数据融合方法及系统,该方案获取多源交通数据,对多源数据进行同步记录、添加时空标签并转换为统一格式,再通过数据融合模型进行时空匹配和融合,以获得融合交通数据集。由此可见,现有方案已经能够实现交通多源数据的时空统一及融合处理。
3、然而,在实际智慧道路环境中,感知设备的输出质量并非固定不变,例如摄像机在雨夜、逆光及遮挡环境下可靠性可能迅速下降,而不同设备对同一车辆的位置、速度或车道判断还可能发生相互矛盾。因此,如何提高智慧道路多源感知数据实时融合的准确性和可靠性是本领域亟待解决的技术问题。
技术实现思路
1、有鉴于此,本技术提供一种端边云协同下智慧道路多源感知数据实时融合处理方法、系统及设备,以利于解决现有技术中感知设备输出质量不稳定,使得道路多源感知数据实时融合的准确性和可靠性降低的问题。
2、第一方面,本技术实施例提供了一种端边云协同下智慧道路多源感知数据实时融合处理方法,包括:
3、构建面向道路交通对象的端侧异构感知数据语义化处理机制,将不同感知设备产生的原始感知数据转换为具有统一时间基准、空间基准和道路交通语义的数据单元;
4、在边缘节点建立基于道路空间关联、数据源可信度演化以及交通运动可实现性的多源实时融合机制,对来自不同端侧节点的交通语义数据进行对象关联、动态可信度评价和冲突消解;
5、在云端建立面向跨路段交通传播关系的全局状态融合和异常校正机制,根据多个边缘节点形成的局部融合结果生成道路网络级连续交通状态,并利用跨路段后续交通状态对前序融合结果进行反向验证;
6、建立云端全局校正结果驱动端侧及边缘侧感知策略动态调整的闭环协同机制,使端、边、云三级数据处理状态随道路交通状态实时演化。
7、在一种可能的实现方式中,所述构建面向道路交通对象的端侧异构感知数据语义化处理机制,将不同感知设备产生的原始感知数据转换为具有统一时间基准、空间基准和道路交通语义的数据单元,包括:
8、选取在相邻感知设备感知区域中连续出现的同一车辆作为跨设备时序参照对象;
9、根据同一参照对象在不同感知设备中的出现时刻、离开时刻、交通传播时间以及运动状态连续性确定各感知设备之间的相对时间偏移量,并对设备时间戳进行动态校正;
10、将经过时间校正的感知结果投影至预先建立的道路拓扑模型中,针对检测得到的道路交通对象形成交通语义数据单元;
11、根据同一交通对象的位置变化、速度变化、车道状态变化以及事件标签变化判断交通状态变化程度,并在交通状态稳定时仅上传关键状态增量信息,在检测到异常状态时提高上传频率并将异常发生前预设时间窗口内缓存的历史交通状态一并上传。
12、在一种可能的实现方式中,所述将经过时间校正的感知结果投影至预先建立的道路拓扑模型中,针对检测得到的道路交通对象形成交通语义数据单元,包括:
13、将经过时间校正的感知结果投影至预先建立的道路拓扑模型中;
14、端侧节点不直接向边缘节点持续上传全部原始感知数据,针对检测得到的道路交通对象形成交通语义数据单元;
15、当检测到异常情况时,在对应交通语义数据单元中附加交通状态变化标签。
16、在一种可能的实现方式中,所述在边缘节点建立基于道路空间关联、数据源可信度演化以及交通运动可实现性的多源实时融合机制,对来自不同端侧节点的交通语义数据进行对象关联、动态可信度评价和冲突消解,包括:
17、构建以交通对象为节点的局部时空关联网络,并仅当多个交通语义数据之间的状态迁移满足实际道路通行拓扑时才将其关联为同一交通对象;
18、根据感知偏离、环境退化及历史自洽状态建立数据源可信度非线性动态演化机制;
19、基于道路交通运动可实现性和候选状态竞争关系进行冲突数据反向校验,从而从多个冲突结果中选择最具有交通运动可实现性的结果。
20、在一种可能的实现方式中,所述根据感知偏离、环境退化及历史自洽状态建立数据源可信度非线性动态演化机制,包括:
21、获取感知设备当前输出的交通对象状态与对应交通对象前序融合轨迹之间的位置、速度及多维度评价参数;
22、根据所述多维度评价参数构建感知失可信形变量;
23、进一步根据历史时间窗口内的平均感知偏离水平和平均通信延迟水平分别构建可信状态衰减阶次和可信恢复阶次;
24、将前一融合周期的数据源可信度递推为当前融合周期的数据源动态可信度:
25、
26、其中:。
27、在一种可能的实现方式中,所述基于道路交通运动可实现性和候选状态竞争关系进行冲突数据反向校验,从而从多个冲突结果中选择最具有交通运动可实现性的结果,包括:
28、判定为同一交通对象的多数据源候选状态,结合历史融合结果计算交通可实现性形变量,从纵向运动、车道迁移、道路通行约束做乘性耦合校验;
29、结合数据源动态可信度、候选状态间状态差异计算冲突竞争指数,选取最优值作为对象主融合状态;
30、当所有候选状态对应的交通可实现性形变量均超过预设异常范围,或者最小冲突竞争指数与次小冲突竞争指数之间的差异不足以形成稳定判别时,将该交通对象标记为冲突交通对象并上传云端进行跨区域校验。
31、在一种可能的实现方式中,所述在云端建立面向跨路段交通传播关系的全局状态融合和异常校正机制,根据多个边缘节点形成的局部融合结果生成道路网络级连续交通状态,并利用跨路段后续交通状态对前序融合结果进行反向验证,包括:
32、将相邻道路区段按照道路连接关系、交通流行驶方向及交叉口连接关系构建交通状态传播链,并针对同一车辆由一个边缘节点管理区域驶入另一边缘节点管理区域的情况进行跨区域轨迹衔接;
33、根据不同边缘区域的交通状态进行因果一致性判断,并根据车辆及交通事件在后续路段实际观测到的交通传播结果对局部融合状态进行反向验证和校正;
34、结合校正后的全局融合结果形成车辆对象层、车道状态层、路段状态层及道路网络层的交通状态信息,并进一步形成交通控制需求标识。
35、在一种可能的实现方式中,所述根据不同边缘区域的交通状态进行因果一致性判断,并根据车辆及交通事件在后续路段实际观测到的交通传播结果对局部融合状态进行反向验证和校正,包括:
36、当某边缘节点判断特定路段发生严重拥堵,但该路段上游车辆状态、下游驶出流量及邻近道路交通状态均不存在与所述拥堵等级相匹配的变化时,降低该局部拥堵状态的全局一致程度;
37、当某边缘节点检测到异常停车,同时后续检测到该车辆后方车速降低、后方排队增长、相邻车道车辆绕行及车道流量重新分配时,则提高对应异常停车事件的全局可信程度;
38、对于标记为冲突交通对象的数据,云端根据其在后续边缘区域出现的位置和时间,对不同候选状态进行反向追踪;
39、若某一候选状态能够与后续实际观测到的轨迹形成道路拓扑连续关系,则利用该结果反向校正原边缘节点的候选状态判断,并将对应校正结果反馈至原边缘节点。
40、在一种可能的实现方式中,所述建立云端全局校正结果驱动端侧及边缘侧感知策略动态调整的闭环协同机制,使端、边、云三级数据处理状态随道路交通状态实时演化,包括:
41、周期性比较各边缘节点上传的局部交通状态与云端形成的全局校正交通状态,确定不同道路区域中不同类型感知设备对应的误差类型及持续程度,并生成端边节点反馈参数;
42、根据云端反馈结果以及当前道路交通状态动态调整端侧数据上传频率、边缘侧的融合周期以及云端的跨区域校验频率;
43、在根据云端融合交通状态实施交通控制后,继续采集控制执行后的实际交通变化趋势,并与控制前预测的交通响应方向进行比较,当不一致时将对应道路区域标记为融合结果疑似偏差区域并触发重新校验。
44、第二方面,本技术实施例提供了一种端边云协同下智慧道路多源感知数据实时融合处理系统,包括:
45、端侧语义化处理模块,用于构建面向道路交通对象的端侧异构感知数据语义化处理机制,将不同感知设备产生的原始感知数据转换为具有统一时间基准、空间基准和道路交通语义的数据单元;
46、边缘融合模块,用于在边缘节点建立基于道路空间关联、数据源可信度演化以及交通运动可实现性的多源实时融合机制,对来自不同端侧节点的交通语义数据进行对象关联、动态可信度评价和冲突消解;
47、云端全局融合模块,用于在云端建立面向跨路段交通传播关系的全局状态融合和异常校正机制,根据多个边缘节点形成的局部融合结果生成道路网络级连续交通状态,并利用跨路段后续交通状态对前序融合结果进行反向验证;
48、闭环协同调整模块,用于建立云端全局校正结果驱动端侧及边缘侧感知策略动态调整的闭环协同机制,使端、边、云三级数据处理状态随道路交通状态实时演化。
49、第三方面,本技术实施例提供了一种电子设备,包括:
50、处理器;
51、存储器;
52、以及计算机程序,其中所述计算机程序被存储在所述存储器中,所述计算机程序包括指令,当所述指令被所述处理器执行时,使得所述电子设备执行第一方面中任意一项所述的方法。
53、第四方面,本技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行第一方面中任意一项所述的方法。
54、在本技术实施例中,通过端侧异构感知数据语义化处理、边缘节点多源实时融合、云端全局状态融合与异常校正以及端边云闭环协同调整,能够在端、边、云分布式处理条件下,对时空异构且可靠性动态变化的道路多源感知数据进行实时融合,在局部观测发生冲突时获得符合道路实际运动规律的交通状态,并利用跨路段后续交通状态及控制执行结果对前序融合结果进行持续校正,从而提高智慧道路多源感知数据实时融合的准确性和可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com