本技術(shù)涉及交通控制，尤其涉及一種基于人工智能的收費(fèi)站匝道管控方法、設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著全球經(jīng)濟(jì)的持續(xù)增長(zhǎng)和城市化進(jìn)程的加速，高速公路作為連接各大城市及經(jīng)濟(jì)區(qū)域的重要基礎(chǔ)設(shè)施，其規(guī)模與復(fù)雜度不斷提升，成為現(xiàn)代社會(huì)不可或缺的交通動(dòng)脈。高速公路的快速發(fā)展不僅極大地促進(jìn)了人員流動(dòng)與物資交流，也對(duì)交通管理與服務(wù)提出了更高要求。收費(fèi)站，作為高速公路網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)和交通樞紐，承擔(dān)著車(chē)輛通行費(fèi)收取、交通流量調(diào)控以及安全監(jiān)管等多重職能，其運(yùn)行效率與管理水平直接影響到整個(gè)路網(wǎng)的通暢度和用戶體驗(yàn)。

2、傳統(tǒng)的收費(fèi)站匝道管理方式，大多依賴(lài)于人工收費(fèi)、半自動(dòng)化收費(fèi)系統(tǒng)以及基礎(chǔ)的視頻監(jiān)控，這種模式下，對(duì)交通流量的實(shí)時(shí)監(jiān)測(cè)、車(chē)輛類(lèi)型的快速識(shí)別以及特殊交通狀況(如事故、惡劣天氣)的應(yīng)急響應(yīng)能力相對(duì)有限。人工操作易受疲勞、情緒等因素影響，導(dǎo)致效率低下；而簡(jiǎn)單的監(jiān)控系統(tǒng)往往缺乏智能分析功能，難以實(shí)時(shí)準(zhǔn)確地評(píng)估交通狀況并作出相應(yīng)調(diào)整。這些因素共同作用下，容易引發(fā)交通擁堵，延長(zhǎng)車(chē)輛通行時(shí)間，不僅造成了時(shí)間與資源的浪費(fèi)，還可能因車(chē)輛積壓增加交通事故的風(fēng)險(xiǎn)，影響道路安全與公眾出行體驗(yàn)。

3、近年來(lái)，隨著人工智能、大數(shù)據(jù)、云計(jì)算等先進(jìn)技術(shù)的飛速發(fā)展，智能交通系統(tǒng)(its)成為解決現(xiàn)代交通管理難題的新途徑。人工智能技術(shù)在交通管理領(lǐng)域的應(yīng)用，如智能交通信號(hào)控制、車(chē)輛自動(dòng)駕駛、路況預(yù)測(cè)等，已展現(xiàn)出顯著成效，提高了交通系統(tǒng)的運(yùn)行效率與安全性。然而，針對(duì)高速公路收費(fèi)站匝道這一特定場(chǎng)景，盡管有了一些初步的探索，如車(chē)牌自動(dòng)識(shí)別、etc系統(tǒng)的推廣，但整體上仍缺乏一套全面、高效的智能化管控方案。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供了一種基于人工智能的收費(fèi)站匝道管控方法、設(shè)備及介質(zhì)，用以解決上述技術(shù)問(wèn)題。

2、一方面，本技術(shù)實(shí)施例提供了一種基于人工智能的收費(fèi)站匝道管控方法，包括：

3、基于待管控路段預(yù)設(shè)的路側(cè)設(shè)備，采集所述待管控路段的視頻流及傳感器數(shù)據(jù)，并對(duì)所述視頻流進(jìn)行預(yù)處理，以確定關(guān)鍵幀圖像；

4、結(jié)合所述傳感器數(shù)據(jù)對(duì)所述關(guān)鍵幀圖像進(jìn)行分析，確定所述待管控路段對(duì)應(yīng)的交通數(shù)據(jù)和交通影響因素值，并將所述交通數(shù)據(jù)和所述交通影響因素值輸入至訓(xùn)練好的交通流預(yù)測(cè)模型中，以輸出預(yù)設(shè)時(shí)間段對(duì)應(yīng)的預(yù)估交通狀況；

5、基于實(shí)時(shí)獲取的車(chē)輛駕駛需求和所述預(yù)估交通狀況，生成對(duì)應(yīng)行駛車(chē)輛的推薦規(guī)劃路徑，并基于所述行駛車(chē)輛對(duì)相應(yīng)推薦規(guī)劃路徑的確認(rèn)狀況，優(yōu)化所述預(yù)估交通狀況；

6、確定優(yōu)化后預(yù)估交通狀況對(duì)應(yīng)的擁堵等級(jí)，并基于預(yù)設(shè)的匝道管控庫(kù)，確定所述擁堵等級(jí)對(duì)應(yīng)的匝道管控策略，以根據(jù)所述匝道管控策略，對(duì)收費(fèi)站進(jìn)行匝道管控。

7、在本技術(shù)的一種實(shí)現(xiàn)方式中，基于待管控路段預(yù)設(shè)的路側(cè)設(shè)備，采集所述待管控路段的視頻流及傳感器數(shù)據(jù)，并對(duì)所述視頻流進(jìn)行預(yù)處理，以確定關(guān)鍵幀圖像，具體包括：

8、通過(guò)待管控路段預(yù)設(shè)的攝像頭和傳感器，實(shí)時(shí)采集所述待管控路段對(duì)應(yīng)的視頻流以及傳感器數(shù)據(jù)，并接收所述攝像頭和所述傳感器上傳的視頻流和傳感器數(shù)據(jù)；

9、對(duì)所述視頻流進(jìn)行分析，識(shí)別出所述視頻流中前后信息不一致的兩個(gè)相鄰圖像中的后一圖像，以確定所述視頻流對(duì)應(yīng)的關(guān)鍵幀圖像。

10、在本技術(shù)的一種實(shí)現(xiàn)方式中，結(jié)合所述傳感器數(shù)據(jù)對(duì)所述關(guān)鍵幀圖像進(jìn)行分析，確定所述待管控路段對(duì)應(yīng)的交通數(shù)據(jù)和交通影響因素值，具體包括：

11、獲取所述待管控路段對(duì)應(yīng)的歷史匝道管控記錄，并基于所述歷史匝道管控記錄，確定所述待管控路段對(duì)應(yīng)的交通影響因素；其中，所述交通影響因素包括時(shí)間段、節(jié)假日、天氣，所述時(shí)間段包括高峰期、低谷期和常規(guī)期；

12、對(duì)所述關(guān)鍵幀圖像進(jìn)行分割，以確定出所述關(guān)鍵幀圖像中的行駛車(chē)輛，并識(shí)別所述行駛車(chē)輛對(duì)應(yīng)的車(chē)型、車(chē)輛顏色和車(chē)牌號(hào)；

13、根據(jù)所述待管控路段中相鄰路段所述行駛車(chē)輛對(duì)應(yīng)的傳感器數(shù)據(jù)，確定所述行駛車(chē)輛對(duì)應(yīng)的車(chē)速，以獲得所述待管控路段對(duì)應(yīng)的交通數(shù)據(jù)；

14、獲取所述交通數(shù)據(jù)對(duì)應(yīng)的數(shù)據(jù)采集時(shí)刻，以根據(jù)所述數(shù)據(jù)采集時(shí)刻，并結(jié)合所述傳感器數(shù)據(jù)，確定所述待管控路段對(duì)應(yīng)的交通影響因素值。

15、在本技術(shù)的一種實(shí)現(xiàn)方式中，將所述交通數(shù)據(jù)和所述交通影響因素值輸入至訓(xùn)練好的交通流預(yù)測(cè)模型中，以輸出預(yù)設(shè)時(shí)間段對(duì)應(yīng)的預(yù)估交通狀況之前，所述方法還包括：

16、基于深度學(xué)習(xí)算法，構(gòu)建所述待管控路段對(duì)應(yīng)的交通流預(yù)測(cè)模型；

17、獲取所述待管控路段對(duì)應(yīng)的歷史交通數(shù)據(jù)以及所述歷史交通數(shù)據(jù)對(duì)應(yīng)的歷史交通影響因素值，并標(biāo)注好所述歷史交通數(shù)據(jù)和所述歷史交通影響因素值對(duì)應(yīng)的下一時(shí)段交通狀況；

18、將所述歷史交通數(shù)據(jù)和所述歷史交通影響因素值輸入至所述交通流預(yù)測(cè)模型中，并輸出對(duì)應(yīng)的預(yù)估交通狀況，直至所述預(yù)估交通狀況與標(biāo)注好的下一時(shí)段交通狀況相匹配，完成對(duì)所述交通流預(yù)測(cè)模型的訓(xùn)練。

19、在本技術(shù)的一種實(shí)現(xiàn)方式中，將所述交通數(shù)據(jù)和所述交通影響因素值輸入至訓(xùn)練好的交通流預(yù)測(cè)模型中，以輸出預(yù)設(shè)時(shí)間段對(duì)應(yīng)的預(yù)估交通狀況，具體包括：

20、確定所述交通數(shù)據(jù)和所述交通影響因素值對(duì)應(yīng)的數(shù)據(jù)格式與交通流預(yù)測(cè)模型對(duì)應(yīng)的輸入格式是否一致，若否，則將所述交通數(shù)據(jù)和所述交通影響因素值轉(zhuǎn)換為所述輸入格式；

21、將輸入格式的所述交通數(shù)據(jù)和所述交通影響因素值輸入至訓(xùn)練好的交通流預(yù)測(cè)模型中，并輸出預(yù)設(shè)時(shí)間段內(nèi)所述待管控路段對(duì)應(yīng)的預(yù)估交通狀況；

22、對(duì)所述預(yù)估交通狀況進(jìn)行校驗(yàn)，若校驗(yàn)失敗，則基于預(yù)設(shè)專(zhuān)家?guī)鞂?duì)所述預(yù)估交通狀況進(jìn)行修正，以獲得目標(biāo)預(yù)估交通狀況。

23、在本技術(shù)的一種實(shí)現(xiàn)方式中，基于實(shí)時(shí)獲取的車(chē)輛駕駛需求和所述預(yù)估交通狀況，生成對(duì)應(yīng)行駛車(chē)輛的推薦規(guī)劃路徑，具體包括：

24、根據(jù)所述預(yù)估交通狀況，確定所述待管控路段是否存在潛在風(fēng)險(xiǎn)，若是，則獲取所述待管控路段中行駛車(chē)輛對(duì)應(yīng)的駕駛需求信息；其中，所述駕駛需求信息包括目的地、期望到達(dá)時(shí)間、偏好路線；

25、基于所述駕駛需求信息，并結(jié)合所述預(yù)估交通狀況，為所述行駛車(chē)輛生成對(duì)應(yīng)的至少一條待推薦規(guī)劃路徑；其中，所述待推薦規(guī)劃路徑包括預(yù)計(jì)形式時(shí)長(zhǎng)、預(yù)計(jì)費(fèi)用以及擁堵情況；

26、通過(guò)無(wú)線通信方式，將所述待推薦規(guī)劃路徑發(fā)送對(duì)應(yīng)行駛車(chē)輛，以供車(chē)輛人員選擇確認(rèn)。

27、在本技術(shù)的一種實(shí)現(xiàn)方式中，基于所述行駛車(chē)輛對(duì)相應(yīng)推薦規(guī)劃路徑的確認(rèn)狀況，優(yōu)化所述預(yù)估交通狀況，具體包括：

28、接收所述待管控路段中所有車(chē)輛對(duì)相應(yīng)推薦規(guī)劃路徑的確認(rèn)情況，并根據(jù)反饋數(shù)據(jù)，動(dòng)態(tài)更新所述待管控路段對(duì)應(yīng)的交通影響因素值；

29、根據(jù)反饋數(shù)據(jù)，并結(jié)合更新后的交通影響因素值，對(duì)所述交通流預(yù)測(cè)模型的模型參數(shù)進(jìn)行迭代優(yōu)化，以通過(guò)優(yōu)化后的交通流預(yù)測(cè)模型，生成目標(biāo)預(yù)估交通狀況。

30、在本技術(shù)的一種實(shí)現(xiàn)方式中，確定優(yōu)化后預(yù)估交通狀況對(duì)應(yīng)的擁堵等級(jí)，并基于預(yù)設(shè)的匝道管控庫(kù)，確定所述擁堵等級(jí)對(duì)應(yīng)的匝道管控策略，具體包括：

31、基于預(yù)設(shè)的擁堵等級(jí)劃分標(biāo)準(zhǔn)，并根據(jù)優(yōu)化后的預(yù)估交通狀況，確定所述待管控路段對(duì)應(yīng)的擁堵等級(jí)；

32、根據(jù)所述擁堵等級(jí)，在預(yù)設(shè)的匝道管控庫(kù)中確定對(duì)應(yīng)的匝道管控策略，并根據(jù)所述待管控路段實(shí)時(shí)采集的交通數(shù)據(jù)，確定所述待管控道路對(duì)應(yīng)的實(shí)際情況；

33、根據(jù)所述實(shí)際情況，對(duì)所述匝道管控策略進(jìn)行調(diào)整，并生成所述待管控路段對(duì)應(yīng)的目標(biāo)匝道管控策略。

34、另一方面，本技術(shù)實(shí)施例還提供了一種基于人工智能的收費(fèi)站匝道管控設(shè)備，所述設(shè)備包括：

35、至少一個(gè)處理器；

36、以及，與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；

37、其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行如上述的一種基于人工智能的收費(fèi)站匝道管控方法。

38、另一方面，本技術(shù)實(shí)施例還提供了一種非易失性計(jì)算機(jī)存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令被執(zhí)行時(shí)，實(shí)現(xiàn)如上述的一種基于人工智能的收費(fèi)站匝道管控方法。

39、本技術(shù)實(shí)施例提供了一種基于人工智能的收費(fèi)站匝道管控方法、設(shè)備及介質(zhì)，至少包括以下有益效果：

40、通過(guò)高效的路側(cè)設(shè)備采集和預(yù)處理技術(shù)，能夠?qū)崟r(shí)、準(zhǔn)確地獲取待管控路段的交通視頻和傳感器數(shù)據(jù)，為后續(xù)的交通分析和預(yù)測(cè)提供堅(jiān)實(shí)的基礎(chǔ)；通過(guò)融合視頻和傳感器數(shù)據(jù)，能夠更全面地了解待管控路段的交通狀況，包括車(chē)輛流量、速度、密度等關(guān)鍵指標(biāo)，以及天氣、路況等影響因素；通過(guò)將這些數(shù)據(jù)輸入到經(jīng)過(guò)訓(xùn)練的交通流預(yù)測(cè)模型中，能夠更準(zhǔn)確地預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的交通狀況，為交通管理和決策提供依據(jù)；通過(guò)實(shí)時(shí)獲取車(chē)輛駕駛需求，并結(jié)合預(yù)估的交通狀況，能夠?yàn)樾旭傑?chē)輛提供個(gè)性化的推薦規(guī)劃路徑，有助于減少車(chē)輛行駛時(shí)間，提高道路通行效率，同時(shí)降低交通擁堵和事故發(fā)生的可能性；通過(guò)收集行駛車(chē)輛對(duì)推薦規(guī)劃路徑的確認(rèn)狀況，能夠及時(shí)反饋和調(diào)整預(yù)估的交通狀況，有助于提高交通預(yù)測(cè)的準(zhǔn)確性和實(shí)用性，更好地滿足實(shí)際交通需求；通過(guò)確定優(yōu)化后預(yù)估交通狀況的擁堵等級(jí)，能夠更精確地評(píng)估當(dāng)前和未來(lái)的交通狀況，結(jié)合預(yù)設(shè)的匝道管控庫(kù)，能夠迅速制定并執(zhí)行相應(yīng)的匝道管控策略，有效緩解交通擁堵，提高道路通行能力；通過(guò)實(shí)施匝道管控策略，能夠合理調(diào)控進(jìn)入收費(fèi)站的車(chē)輛流量，避免收費(fèi)站口出現(xiàn)過(guò)度擁堵的情況，有助于提高收費(fèi)站的通行效率，減少車(chē)輛等待時(shí)間，同時(shí)提升整體交通流暢度和安全性。