[发明专利]车辆到站时间预报系统及方法

说明书

技术领域

本发明涉及计算机领域，特别是涉及一种车辆到站时间预报系统及方法。

背景技术

智能视频监控系统是视频监控系统功能的扩展。通过对监测到的视频码流进行智能分析，主要提供人脸识别、车牌识别、车速检测、静物监控、警戒区检测、涂鸦检测等功能。

预报公交车到站时间是智能交通系统领域的关键技术，对它的研究具有重要意义。现有的公交系统由于无法预知到站时间，给市民的出现时间带来很多未知性，从而市民对公交满意度不高，致使私家车增多，给交通带来更大的负担，同时，也消耗更多的能源，给环境带来很多不好的影响。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的车辆到站时间预报系统及方法。

本发明提供一种车辆到站时间预报系统，包括：

数据库，用于保存车辆基本信息、车辆监控规则信息、以及车辆实时运行数据；

智能分析模块，用于根据所述车辆监控规则信息控制一个或多个数据采集终端，从所述一个或多个数据采集终端获取视频码流并进行处理，根据车辆基本信息从处理后的视频码流中获取车辆实时运行数据，根据车辆实时运行数据、以及数据库中当前时段的历史车辆实时运行数据建立车辆到站时间预测模型，并根据车辆到站时间预测模型计算出车辆到达任一站的车辆到站信息，并将车辆实时运行数据写入数据库。

优选地，上述系统还包括：

视频监控业务管理模块，用于将智能分析模块计算出的车辆到站信息写入数据库，并将车辆到站信息发送到智能显示终端；在接收到查询公交车到站时间请求后，将车辆到站信息发送到短信中心；

智能显示终端，设置于站点，用于显示车辆到站信息；

短信中心，用于将车辆到站信息通过短信发送到用户终端。

优选地，上述智能显示终端具体用于：对于同一线路的车辆，从接收到的车辆到站信息中，选择到站时间最小值作为到达该站点的时间。

优选地，上述系统还包括：

监控客户端，用于通过数据采集终端对车辆的运行进行实时监控。

优选地，上述车辆基本信息具体包括：车辆线路名称、车辆线路所经历的站点信息、站点间的路程信息、以及数据采集终端的位置信息；

车辆监控规则信息具体包括：车辆监控范围、以及监控时间；

车辆实时运行数据具体包括：车辆线路信息、各个相邻车辆站点之间路段上的车流量密度信息、以及车辆具体位置信息，其中，车辆线路信息包括：车辆线路名称、到站时间、出站时间、以及相应数据采集终端的标识信息，车流量密度信息包括：车辆行驶速度信息；

车辆到站信息具体包括：到站时间、以及车辆到站延误时间。

优选地，上述智能分析模块具体包括：

图像处理模块，用于根据车辆基本信息和车辆监控规则信息从相应的数据采集终端获取视频码流，将视频码流转化为图像帧，并对图像帧进行滤波和灰度处理；

车辆线路识别算法模块，用于从处理后的图像帧中识别车辆线路，获取车辆线路信息，并写入数据库；

车流量密度算法模块，用于从处理后的图像帧中计算各个相邻车辆站点之间路段上的车流量密度信息，并写入数据库；

到站时间预测模块，用于根据车辆实时运行数据、以及数据库中当前时段的历史车辆实时运行数据建立车辆到站时间预测模型，并根据车辆到站时间预测模型计算出车辆到达任一站的车辆到站信息。

优选地，上述到站时间预测模块具体用于：

根据车辆线路识别算法模块识别出的车辆线路信息，从数据库中获取相应车辆线路所经历的站点信息、以及站点间的路程信息，并从车流量密度算法模块获取相应的车流量密度信息；

假设各个站点之间的路程为S，车流量密度为delta（P，T），其中，delta（P，T）=a/speed（P，T），P为站点函数，T是时间函数，a为常量，站点间的路程S、车辆行驶速度speed和站点间行驶时间t的关系为t=S/speed；

确定行驶时间t与车流量密度的关系为：t=S delta（P，T）/a；

拟合出关于delta（P，T）和时间的一组曲线W[n]，根据当前某个站点的某个时刻的delta（P，T），结合W[n]加权计算得到未来的车流量密度delta（P，T），根据t=S delta(P,T)/a计算得到到站时间；

根据数据库中相应时段的到站时间计算出车辆到站延误时间。

本发明还提供了一种车辆到站时间预报方法，包括：