[发明专利]公路时空环境、气象和地理因素的监测分析感知方法、系统

说明书

本发明提供一种公路时空环境、气象和地理因素的监测分析感知方法、系统，方法包括：根据监测样本图像数据，利用监测样本图像数据输入对与机器学习算法相对应的机器学习模块进行训练；利用监测图像验证数据对训练后的机器学习模块进行验证，若训练后的机器学习模型通过验证则将其确定为最终的机器学习模型；获取到公路的实际监测数据；将实际监测数据输入至最终的机器学习模型，确定监测结果。以上方案，样本数据中包括地理因素，对气象数据，获取时间结合地理因素就构成时空环境的参数。因此，本发明中的技术方案能够在考虑时空、气象和地理因素后得到更准确的公路监测结果。

技术领域

本发明涉及交通控制技术领域,具体涉及一种公路时空环境、气象和地理因素的监测分析感知方法、系统。

背景技术

目前，在道路上每隔一段距离会安装有摄像头，通过摄像头对行驶车辆进行连续拍摄，从而能够确定车辆是否有违法行为。采用这种方式，要想获得有效的清晰的图像，对于能见度的要求比较高，虽然很多摄像头的旁边安装了光源用于辅助照明以提高摄像头在拍摄时的能见度，但是对于有雾天气、雨雪天气等情况下的效果依然有待提升。

另外，现有技术中的道路信息采集仅依靠摄像头采集到的视频信息，其监控画面受到天气、环境等多方面因素的影响，准确度有待提升。

发明内容

为此，本发明所要解决的现有技术中的道路信息采集系统受天气、环境影响导致准确度低的技术问题，进而提供一种公路时空环境、气象和地理因素的监测分析感知方法、系统。

为解决上述技术问题，本发明提供种公路时空环境、气象和地理因素的监测分析感知方法，包括如下步骤：

获取监测图像样本数据，所述监测图像样本数据包括监测样本图像、所述监测样本图像所对应位置的地理坐标和所述监测样本图像的获取时间；

根据所述监测样本图像数据，确定机器学习算法，并利用所述监测样本图像数据输入对与所述机器学习算法相对应的机器学习模块进行训练；

利用监测图像验证数据对训练后的机器学习模块进行验证，若训练后的机器学习模型通过验证则将其确定为最终的机器学习模型；

获取到公路的实际监测数据，所述实际监测数据包括实际监测图像、实际监测图像所对应位置的地理坐标和所述实际监测图像的获取时间；

将所述实际监测数据输入至所述最终的机器学习模型，根据所述最终的机器学习模型输出的结果确定监测结果。

可选地，上述的公路时空环境、气象和地理因素的监测分析感知方法中，其特征在于，根据所述监测样本图像数据，确定机器学习算法，并利用所述监测样本图像数据输入对与所述机器学习算法相对应的机器学习模块进行训练的步骤中：

所述监测图像样本数据中的监测样本图像采用jpg的格式进行存储；所述监测样本图像所对应位置的地理坐标和所述监测样本图像的获取时间采用txt格式存储。

本发明还提供一种公路时空环境、气象和地理因素的监测分析感知系统，包括至少一个处理器和至少一个存储器，至少一个存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行以上所述的公路时空环境、气象和地理因素的监测分析感知方法。

可选地，上述的公路时空环境、气象和地理因素的监测分析感知系统中，还包括：

监测感知组件，不同监测感知组件设置于公路的不同位置，且相邻两组监测感知组件的监测区域具有重叠部分。

可选地，上述的公路时空环境、气象和地理因素的监测分析感知系统中，所述监测感知组件包括用于拍摄监测区域视频或图像的摄像头，用于对监测区域内的障碍物状态进行检测的超声波检测器，用于对监测区域内的障碍物状态进行检测的红外检测器；