基于大数据的道路监控数据管理系统的制作方法

本发明涉及交通监控数据管理，尤其涉及基于大数据的道路监控数据管理系统。

背景技术：

1、交通监控数据管理技术领域涉及对道路交通运行状态数据的采集、存储、管理与分析等关键事项，主要通过构建面向道路交通环境的视频图像、车牌识别、雷达检测等多源监控数据采集体系，并结合数据建模、格式转换、语义提取等手段，形成面向交通事件、交通流量、通行效率等管理目标的信息系统，在方法上以数据融合、特征提取、数据库设计、索引构建等步骤为核心构建管理能力；其中，传统道路监控数据管理系统是指通过在固定监测点部署摄像设备采集交通图像信息后，利用关系型数据库对采集图像及元数据进行静态存储，采用时间序列检索方式实现历史数据回溯，并通过预设规则判定交通异常事件，该方式采用基于车牌识别图像字段的匹配检索方法或采用基于时间标签的数据聚合方法完成数据调阅与整理，但在面对复杂、多源、异构的监控数据持续增长时，其在数据组织与实时处理方面存在局限。

2、传统道路监控数据管理依赖于固定监测点的图像采集与关系型数据库的静态存储方式，存在数据组织方式单一的问题，无法有效构建车辆轨迹的连续性与空间逻辑联系。时间序列检索模式下，仅能实现以时间为主轴的历史数据回溯，难以动态还原多源识别信息之间的内在关联，造成轨迹信息碎片化、行为过程割裂，无法形成有效的路径重构与行为群体提取机制。基于图像字段或时间标签的聚合检索方法受限于检索粒度粗糙与路径特征缺失，难以支撑复杂道路场景中对高频车辆行为的有效辨识。例如，在早晚高峰等高密度交通时段，多个车辆可能同时通过多个监控点，系统难以识别其轨迹连接关系，从而无法反映道路通行的真实状态趋势。此外，静态存储方式缺乏对数据实时演变特征的建模能力，导致对突发聚合现象的响应滞后，无法在管理层面及时调整策略，造成交通调度和事件响应效率下降。上述问题在数据持续增长与场景复杂化背景下愈加突出，限制了传统系统在智慧交通管理中的适应能力与精度。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的基于大数据的道路监控数据管理系统。

2、为了实现上述目的，本发明采用了如下技术方案：基于大数据的道路监控数据管理系统包括：

3、车流监测输入模块提取监控区域内过车检测记录，整合同一辆车在差异时刻的识别数据，对车辆时间信息、位置坐标及唯一标识进行整理与归类，形成空间分区结构与时间序列特征的数据集，生成原始车流数据集；

4、路径片段组织模块基于所述原始车流数据集中每辆车连续记录，抽取车辆在差异监测点之间轨迹信息，对时间相邻且空间连续路径节点进行归并，生成车道路径片段集合；

5、路径稳定度生成模块从所述车道路径片段集合中提取同一片段在差异时间段内出现频次，判断频次随时间的变化幅度，并将变化特征用于衡量路径片段稳定性程度，建立排序与区分的稳定度标注信息，生成稳定度标注路径片段表；

6、行为链结构提取模块依据所述稳定度标注路径片段表中车辆起始位置与时间记录，识别同时进入监控区域且位置接近的车辆组合，将连续存在的聚合现象标记为行为链起始节点，追踪关联路径，生成车道行为链结构。

7、作为本发明的进一步方案，所述原始车流数据集包括时间信息、位置坐标、唯一标识，所述车道路径片段集合包括路径节点序列、时间间隔特征、空间连续性特征，所述稳定度标注路径片段表包括路径片段出现频次、频次变化幅度、稳定性等级，所述车道行为链结构包括起始位置、起始时间、链式轨迹结构。

8、作为本发明的进一步方案，所述车流监测输入模块包括：

9、过车记录提取子模块提取所述监控区域内监控节点的过车检测记录，调用节点在设定时间段内拍摄图像的帧序列，检测图像中出现的车体像素形态与移动轨迹，判断为独立的过车事件，并记录出现时间与节点编号，获取初始过车记录量；

10、识别数据整合子模块根据所述初始过车记录量，筛选差异时刻出现的车辆记录，计算车牌字符拟合度与车身颜色向量的余弦距离，选取字符拟合度大于字符拟合度阈值且颜色向量距离小于同类颜色阈值的记录，标注统一车辆编号，提取对应识别时间点与位置坐标，按时间顺序排列记录，获取车辆轨迹识别序列；

11、时空特征生成子模块调用所述车辆轨迹识别序列，构建每辆车的连续时间段与空间坐标序列，计算相邻节点间的时间差、位移差与轨迹段时间跨度，获取节点间时空偏差值，将偏差值映射为特征权重，结合时间序列长度、坐标聚合分区，获取分区编号与时间窗口，生成空间分区结构与时间序列特征数据集。

12、作为本发明的进一步方案，所述路径片段组织模块包括：

13、路径筛取子模块基于所述原始车流数据中每辆车的连续记录，提取通行节点、通行时间与位置坐标，按照时间顺序组织轨迹序列，剔除不满足时间与空间连续性要求的记录，生成连续轨迹节点集；

14、时空归并子模块调用所述连续轨迹节点集，依据时间间隔与空间距离条件筛选轨迹节点，归并满足连续性要求的节点组合，提取归并后的起止信息与轨迹特征，获取节点归并路径指标值；

15、路径片段生成子模块根据所述节点归并路径指标值，识别归并路径组合中的轨迹特征变化情况，判断路径是否满足片段划分标准，整理轨迹结构与方向信息，获取车道路径片段集合。

16、作为本发明的进一步方案，所述路径稳定度生成模块包括：

17、频次提取子模块基于所述车道路径片段集合，提取每一条路径片段在差异时段内的出现记录，按时间段划分统计路径片段的出现次数，剔除重复统计记录，归并相同路径编号在差异时间区间内的出现量，获取路径片段出现频次序列；

18、变化识别子模块调用所述路径片段出现频次序列，按时间顺序分析频次变化状态，针对每一片段构建时间—频次序列曲线，识别频次值之间的变化幅度与极差区间，获取路径片段频次变化程度，对每条路径的波动强度进行量化，生成路径频次波动值；

19、稳定度标注子模块根据所述路径频次波动值，设置稳定性区间阈值范围，将所有路径片段对应的频次波动指标进行区间归属判断，标记对应的稳定性等级标签，并排序归类形成可调用格式，获取稳定度标注路径片段表。

20、作为本发明的进一步方案，所述行为链结构提取模块包括：

21、行为起始识别子模块基于所述稳定度标注路径片段表，提取车辆在监控区域内的首次出现时间与对应位置，识别在相邻时间段内横向坐标差值在设定距离阈值内的车辆组合，判断持续保持接近状态的车辆组是否满足连续聚合条件，标记组合车辆，获取起始节点识别标签集；

22、路径聚合分析子模块调用所述起始节点识别标签集，获取标记车辆的路径编号序列及时间记录，判断车辆组合间路径编号的一致性与时间序列的同步性，筛选满足路径聚合特征的车辆组合，获取路径聚合耦合值序列；

23、链式轨迹生成子模块根据所述路径聚合耦合值序列识别路径一致性满足设定要求的车辆组合，整合路径编号及时间序列，依据时间顺序与路径连接关系构建连续结构，获取车道行为链结构。

24、作为本发明的进一步方案，所述系统还包括：

25、索引路径配置模块根据所述行为链结构中的路径段，匹配对应的稳定度信息，对全部路径段按照稳定性顺序进行排序，构建主干与辅助路径的分级结构，生成路径索引配置表；

26、所述路径索引配置表包括路径段排序结果、主干路径、辅助路径；

27、所述监控区域指由多个前端交通监控设备覆盖的道路空间范围，边界由设备覆盖坐标范围定义；

28、所述过车检测记录指监控设备在车辆通过检测点时采集的信息数据，包括车牌号码、采集时间、车辆坐标、速度、车道编号字段；

29、所述差异时刻指车辆在差异时钟时间点进入差异监测点或同一监测点时的记录时间，判别依据为时间戳字段值不一致；

30、所述位置坐标为车辆通过监测点时记录的地理位置信息；

31、所述空间分区结构指将监控区域按道路、车道和坐标网格划分的逻辑空间。

32、所述路径节点为车辆在连续监测中形成的位置信息集合体，包括时间戳、位置坐标、车道编号基础要素；

33、所述路径片段指由两个及以上相邻路径节点组成的车辆轨迹段，节点间时间间隔和空间位移满足连续性标准；

34、所述时间段指用于聚合车辆轨迹信息的时间窗口，可按固定间隔（五分钟）或事件驱动方式划定；

35、所述稳定性程度指通过频次变化幅度计算得到的数值；

36、所述设定距离阈值为依据道路车道宽度设定的数值；

37、所述聚合现象指在单位时间内，多辆车辆横向坐标接近并在空间位置连续集中的情况，满足并行判断后可认定为聚合；

38、所述行为链为由同一起点出发、路径连续、行为特征一致的多个车辆轨迹组合形成的有序结构；

39、所述主干路径为在多个时间段中频次稳定性指标高于平均值且车辆覆盖量大的路径片段集合，所述辅助路径为未满足条件路径；

40、所述路径索引配置表为记录路径段编号、所属层级、优先级排序字段的数据结构。

41、作为本发明的进一步方案，所述索引路径配置模块包括：

42、稳定信息匹配子模块根据所述行为链结构中的路径编号，匹配路径在稳定度标注路径片段表中的稳定度信息，建立路径与稳定度的对应关系，获取路径稳定度匹配列表；

43、路径等级排序子模块调用所述路径稳定度匹配列表中的数据，依据稳定度信息进行路径等级划分，结合路径在行为链中的出现情况，完成排序分层操作，获取路径等级分层结果；

44、结构索引生成子模块根据所述路径等级分层结果中的层级分类信息，整理路径编号并按层级建立索引结构，排除编号重叠与层级交叉情况，生成路径索引配置表。

45、与现有技术相比，本发明的优点和积极效果在于：

46、本发明中，通过对车辆在不同监控点的识别记录进行归类，构建具备空间与时间特征的数据集，有效支撑车流轨迹的连续建模，结合路径节点的时间邻近性与空间连贯性完成轨迹合并，使路径片段具有稳定的行为描述能力，通过分析路径片段的出现频次及变化幅度，提取稳定性高的路径信息，为路径分级与优先排序提供依据，对位置接近、时间同步的车辆组合进行行为链追踪，可还原具有行为一致性的轨迹群体，刻画道路聚合现象的动态演化过程，依据行为链中路径的稳定程度构建主辅分级结构，增强路径数据的组织效率与检索性能，整体实现多源识别数据的融合处理与轨迹行为的精确识别，提升在复杂交通环境下的洞察能力与管理反应效率。