基于聚类算法的雷达采集道路车辆信息的方法及系统与流程

技术特征：

1.一种基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，包括：

获取特征变量符合预设特征区间的雷达测量点数据，并存储为第一数据集，其中，每个所述雷达测量点数据的特征变量包括目标与雷达的纵向相对距离和数据采集时间；

基于时间对所述第一数据集中的雷达测量点数据分别添加帧序号，并对所述第一数据集中的雷达测量点数据进行归一化处理和聚类处理，以从所述第一数据集中的雷达测量点数据获取多个目标簇数据；

利用所述帧序号和所述目标与雷达的纵向相对距离构建坐标系，将目标簇数据中每一个雷达测量点数据映射到所述坐标系中，并基于起始雷达测量点数据和终止雷达测量点数据落在所述坐标系中的位置筛选出有效簇数据；

基于所述有效簇数据包含的雷达测量点数据计算道路车辆信息。

2.根据权利要求1所述的基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，所述雷达测量点数据的特征变量还包括目标与雷达的横向相对距离、目标的速度以及目标的雷达散射截面中的至少一种；所述特征区间为针对所述特征变量分别预先设置的有效区间；所述获取特征变量符合预设的特征区间的雷达测量点数据的方法包括：

获取全部的雷达测试点数据；

将所述雷达测试点数据的特征变量分别与对应的特征区间比较；

筛选出特征变量都分别符合对应的特征区间的雷达测量点数据，并存储为第一数据集。

3.根据权利要求1所述的基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，所述添加帧序号的方法包括：将第一数据集中的雷达测量点数据按测量时间排序，从时间最早的雷达测量点数据开始依次添加帧序号。

4.根据权利要求1所述的基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，对所述第一数据集中的雷达测量点数据的所有特征变量分别进行归一化处理。

5.根据权利要求4所述的基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，所述聚类处理的方法包括：

利用dbscan算法将归一化处理之后的雷达测量点数据归类为簇数据，或同时获取并删除离散数据；

将所述簇数据存储为目标簇数据。

6.根据权利要求1所述的基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，所述归一化处理包括第一归一化处理和第二归一化处理，所述聚类处理包括第一聚类处理和第二聚类处理；对所述第一数据集中的雷达测量点数据进行归一化处理和聚类处理的方法包括：

对所述第一数据集中的雷达测量点数据依次进行第一归一化处理和第一聚类处理，获取第一簇数据和第一离散数据，通过删除第一离散数据以过滤测量噪点，并将所有的第一簇数据中的雷达测量数据存储到第二数据集；

对所述第二数据集中的雷达测量点数据依次进行第二归一化处理和第二聚类处理，获取第二簇数据，并将所有的第二簇数据存储为目标簇数据。

7.根据权利要求1所述的基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，所述利用所述帧序号和所述目标与雷达的纵向相对距离构建坐标系，将目标簇数据中每一个雷达测量点数据映射到所述坐标系中，并基于起始雷达测量点数据和终止雷达测量点数据落在所述坐标系中的位置筛选出有效簇数据，包括：

将帧序号作为坐标系横轴变量，将目标与雷达的纵向相对距离作为坐标系纵轴变量，建立坐标系；

将数据采集时间特征区间两极值对应的帧序号分别设置为第一最小值和第一最大值，并且针对所述帧序号设置第一偏移量；

将目标与雷达纵向相对距离的特征区间的两极值分别设置为第二最小值和第二最大值，并且针对所述目标与雷达的纵向相对距离设置第二偏移量；

基于所述第一最小值、第一最大值、第一偏移量、第二最小值、第二最大值和第二偏移量在坐标系中选取目标区域，所述目标区域中任一点满足：

筛选出起始雷达测量点数据和终止雷达测量点数据都落在所述目标区域内的目标簇数据，并存储为有效簇数据。

8.根据权利要求1所述的基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，所述利用所述帧序号和所述目标与雷达的纵向相对距离构建坐标系，将目标簇数据中每一个雷达测量点数据映射到所述坐标系中，并基于起始雷达测量点数据和终止雷达测量点数据落在所述坐标系中的位置筛选出有效簇数据，包括：

将帧序号作为坐标系横轴变量，将目标与雷达的纵向相对距离作为坐标系纵轴变量，建立坐标系；

将数据采集时间特征区间两极值对应的帧序号分别设置为第一最小值和第一最大值，并且针对所述帧序号设置第一偏移量；

将目标与雷达纵向相对距离的特征区间的两极值分别设置为第二最小值和第二最大值，并且针对所述目标与雷达的纵向相对距离设置第二偏移量；

基于所述第一最小值、第一最大值、第一偏移量、第二最小值、第二最大值和第二偏移量在坐标系中选取无效区域，所述无效区域中任一点满足：

筛选出起始雷达测量点数据和/或终止雷达测量点数据落在所述无效区域内的目标簇数据，判断为无效簇数据并删除；

将剩余目标簇数据存储为有效簇数据。

9.根据权利要求7所述的基于聚类算法的雷达采集道路车辆信息的方法，其特征在于，所述计算道路车辆信息的方法包括以下任意一项或多项：

选取所有有效簇数据中同一时刻的雷达测量点数据，获取对应簇中对应帧的数据点，计算数据点的速度的平均值，即为该目标指定时刻的速度；或通过截取各簇中该时间帧的数据点，分别计算该帧中属于各簇的点的速度平均值；

选取任一有效簇数据中的所有雷达测量点数据，通过首末时刻的位移及采样时间差计算所述有效簇数据对应的目标车辆的平均车速；或同时基于所有目标车辆的平均速度计算总平均速度，并统计最大车速与最小车速。

10.一种基于聚类算法的雷达采集道路车辆信息的系统，其特征在于，包括数据采集模块、数据处理模块和道路车辆信息计算模块，所述数据处理模块包括加载单元、第一处理单元和第二处理单元，其中，

所述数据采集模块用于获取雷达测量点数据，其中，每个所述雷达测量点数据的特征变量包括目标与雷达的纵向相对距离和数据采集时间；

所述加载单元，用于获取特征变量符合预设特征区间的雷达测量点数据，并存储为第一数据集；

所述第一处理单元，用于基于时间对所述第一数据集中的雷达测量点数据分别添加帧序号，并对所述第一数据集中的雷达测量点数据进行归一化处理和聚类处理，以从所述第一数据集中的雷达测量点数据获取多个目标簇数据；

所述第二处理单元，用于利用所述帧序号和所述目标与雷达的纵向相对距离构建坐标系，将目标簇数据中每一个雷达测量点数据映射到所述坐标系中，并基于起始雷达测量点数据和终止雷达测量点数据落在所述坐标系中的位置筛选出有效簇数据；

所述道路车辆信息计算模块用于基于所述有效簇数据包含的雷达测量点数据计算道路车辆信息。

技术总结
本发明公开基于聚类算法的雷达采集道路车辆信息的方法和系统，其中该方法包括：获取特征变量符合预设特征区间的雷达测量点数据，存储为第一数据集；基于时间对第一数据集中的雷达测量点数据分别添加帧序号，对第一数据集中的雷达测量点数据进行归一化处理和聚类处理，从第一数据集中的雷达测量点数据获取多个目标簇数据；利用帧序号和目标与雷达的纵向相对距离构建坐标系，将目标簇数据中每一个雷达测量点数据映射到所述坐标系中，并基于起始雷达测量点数据和终止雷达测量点数据落在所述坐标系中的位置筛选出有效簇数据；基于有效簇数据包含的雷达测量点数据计算道路车辆信息，解决了现有统计方法精度不足的问题。

技术研发人员：李洋;陆海凌;王彦平;申文杰;林赟
受保护的技术使用者：北京戍宁信息技术有限公司
技术研发日：2021.07.13
技术公布日：2021.08.13