本發(fā)明涉及一種智能交通系統(tǒng)，尤其涉及一種移動(dòng)式車路協(xié)同路側(cè)設(shè)備交通感知調(diào)節(jié)方法及系統(tǒng)。

背景技術(shù)：

1、隨著智能交通和車路協(xié)同技術(shù)的快速發(fā)展，交通感知系統(tǒng)在提高交通安全、緩解交通擁堵和實(shí)現(xiàn)智能駕駛等方面發(fā)揮著重要作用。然而，現(xiàn)有的交通感知系統(tǒng)主要存在以下問(wèn)題：

2、數(shù)據(jù)融合復(fù)雜性高：交通環(huán)境中的多源異構(gòu)數(shù)據(jù)（如攝像頭、激光雷達(dá)、毫米波雷達(dá)等）需要高效的融合算法才能獲得準(zhǔn)確的感知結(jié)果。傳統(tǒng)方法在處理實(shí)時(shí)大量數(shù)據(jù)時(shí)計(jì)算復(fù)雜度高，難以及時(shí)提供精確的信息。

3、環(huán)境適應(yīng)性不足：傳統(tǒng)感知算法在不同環(huán)境下（如天氣變化、光照條件、交通流量變化）性能不穩(wěn)定，難以適應(yīng)復(fù)雜多變的交通狀況，影響系統(tǒng)的可靠性和準(zhǔn)確性。

4、部署效率低：現(xiàn)有系統(tǒng)在新的交通場(chǎng)景下部署和調(diào)試時(shí)間較長(zhǎng)，需要大量的參數(shù)調(diào)整和模型訓(xùn)練，無(wú)法滿足快速響應(yīng)的需求。

5、缺乏動(dòng)態(tài)調(diào)節(jié)能力：感知模型通常是預(yù)先訓(xùn)練的，缺乏在運(yùn)行過(guò)程中根據(jù)實(shí)時(shí)數(shù)據(jù)進(jìn)行調(diào)節(jié)和優(yōu)化的能力。當(dāng)環(huán)境發(fā)生變化時(shí)，模型無(wú)法自適應(yīng)調(diào)整，導(dǎo)致感知性能下降。

6、為了解決上述問(wèn)題，亟需一種能夠快速部署、具備環(huán)境適應(yīng)性和動(dòng)態(tài)調(diào)節(jié)能力的交通感知系統(tǒng)，能夠動(dòng)態(tài)適應(yīng)交通環(huán)境的實(shí)時(shí)變化，優(yōu)化感知模型，提高系統(tǒng)的感知準(zhǔn)確性和穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的：本發(fā)明的目的是提供一種移動(dòng)式車路協(xié)同路側(cè)設(shè)備交通感知調(diào)節(jié)方法，解決現(xiàn)有交通感知系統(tǒng)存在的數(shù)據(jù)融合復(fù)雜性高、環(huán)境適應(yīng)性不足、部署效率低以及缺乏動(dòng)態(tài)調(diào)節(jié)能力的問(wèn)題。本發(fā)明的另一目的在于提出一種移動(dòng)式車路協(xié)同路側(cè)設(shè)備交通感知調(diào)節(jié)系統(tǒng)，解決如何執(zhí)行上述調(diào)節(jié)方法的問(wèn)題。

2、技術(shù)方案：本發(fā)明所述的一種移動(dòng)式車路協(xié)同路側(cè)設(shè)備交通感知調(diào)節(jié)方法，包括如下步驟：

3、通過(guò)移動(dòng)式路側(cè)設(shè)備實(shí)時(shí)采集交通環(huán)境的多源數(shù)據(jù)并預(yù)處理多源數(shù)據(jù)；

4、對(duì)預(yù)處理后的多源數(shù)據(jù)進(jìn)行特征提取得到多源特征；

5、采用sac模型對(duì)多源特征進(jìn)行融合生成交通感知結(jié)果；

6、利用量子行為粒子群優(yōu)化算法對(duì)sac模型的參數(shù)進(jìn)行在線優(yōu)化和調(diào)節(jié)；

7、加載優(yōu)化后的sac模型參數(shù)，實(shí)現(xiàn)移動(dòng)式路側(cè)設(shè)備的快速部署和啟動(dòng)。

8、優(yōu)選地，所述移動(dòng)式路側(cè)設(shè)備包括攝像頭、激光雷達(dá)、毫米波雷達(dá)、v2x通信模塊和高性能邊緣計(jì)算單元。

9、具體地，所述移動(dòng)式路側(cè)設(shè)備用于在不同交通場(chǎng)景中靈活部署，采集交通環(huán)境的多源異構(gòu)數(shù)據(jù)。該設(shè)備集成了攝像頭、激光雷達(dá)和毫米波雷達(dá)等多種傳感器，用于獲取道路的實(shí)時(shí)信息。移動(dòng)式路側(cè)設(shè)備配備了高性能的邊緣計(jì)算單元，具備實(shí)時(shí)數(shù)據(jù)處理和算法運(yùn)行能力。通過(guò)v2x（vehicle-to-everything）通信模塊，設(shè)備實(shí)現(xiàn)與車輛和其他路側(cè)設(shè)備的信息交互，支持車路協(xié)同功能，增強(qiáng)交通感知的覆蓋范圍和準(zhǔn)確性。

10、優(yōu)選地，所述預(yù)處理多源數(shù)據(jù)包括對(duì)多源數(shù)據(jù)進(jìn)行清洗、同步和歸一化處理，其中時(shí)間同步采用精密時(shí)間協(xié)議實(shí)現(xiàn)納秒級(jí)同步。

11、優(yōu)選地，所述對(duì)預(yù)處理后的多源數(shù)據(jù)進(jìn)行特征提取包括利用深度學(xué)習(xí)模型從預(yù)處理后的數(shù)據(jù)中提取高層次特征，其中對(duì)圖像數(shù)據(jù)采用卷積神經(jīng)網(wǎng)絡(luò)模型提取視覺(jué)特征，對(duì)點(diǎn)云數(shù)據(jù)采用pointnet++模型提取空間結(jié)構(gòu)特征；對(duì)于雷達(dá)數(shù)據(jù)提取運(yùn)動(dòng)特征。

12、優(yōu)選地，所述sac模型包括策略網(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò)，策略網(wǎng)絡(luò)輸入多源特征 s t，輸出融合策略 a t；價(jià)值網(wǎng)絡(luò)評(píng)估當(dāng)前策略的價(jià)值函數(shù)；

13、所述采用sac模型對(duì)多源特征進(jìn)行融合包括：

14、將多源特征 s t與融合策略 a t進(jìn)行加權(quán)融合，得到融合后的特征；

15、利用融合后的特征，生成交通感知結(jié)果。

16、優(yōu)選地，所述sac算法的策略網(wǎng)絡(luò)參數(shù)的更新目標(biāo)為最大化以下目標(biāo)函數(shù)：

17、

18、其中， α為溫度系數(shù)， d為經(jīng)驗(yàn)回放池。

19、優(yōu)選地，所述利用量子行為粒子群優(yōu)化算法對(duì)sac模型的參數(shù)進(jìn)行在線優(yōu)化和調(diào)節(jié)包括利用實(shí)時(shí)采集的多源數(shù)據(jù)計(jì)算sac模型的性能指標(biāo)作為適應(yīng)度函數(shù)，更新粒子群，優(yōu)化模型參數(shù)，使感知性能達(dá)到最優(yōu)；

20、所述量子行為粒子群優(yōu)化算法通過(guò)以下位置更新公式，更新粒子的位置為：

21、

22、

23、進(jìn)一步地，上述移動(dòng)式車路協(xié)同路側(cè)設(shè)備交通感知調(diào)節(jié)方法還包括步驟：

24、通過(guò)v2x通信接口將交通感知結(jié)果發(fā)送給附近的車輛，提供實(shí)時(shí)的交通信息，輔助車輛的駕駛決策；同時(shí)，系統(tǒng)接收車輛的狀態(tài)信息，進(jìn)一步豐富感知數(shù)據(jù)源，實(shí)現(xiàn)移動(dòng)式路側(cè)設(shè)備與車輛和其他路側(cè)設(shè)備之間的信息交互。

25、本發(fā)明第二方面公開(kāi)一種移動(dòng)式車路協(xié)同路側(cè)設(shè)備交通感知調(diào)節(jié)系統(tǒng)，包括：

26、移動(dòng)式路側(cè)設(shè)備，用于實(shí)時(shí)采集交通環(huán)境的多源數(shù)據(jù)；

27、數(shù)據(jù)預(yù)處理模塊，用于對(duì)所述移動(dòng)式路側(cè)設(shè)備采集的多源數(shù)據(jù)進(jìn)行清洗、同步和歸一化處理；

28、特征提取模塊，利用深度學(xué)習(xí)模型對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行特征提取，得到多源特征；

29、數(shù)據(jù)融合調(diào)節(jié)模塊，基于sac算法，對(duì)所述多源特征進(jìn)行融合，生成交通感知結(jié)果；

30、參數(shù)優(yōu)化模塊，利用量子行為粒子群優(yōu)化算法對(duì)sac模型的參數(shù)進(jìn)行優(yōu)化和在線調(diào)節(jié)，以提高感知性能；

31、快速部署模塊，用于在系統(tǒng)部署前加載優(yōu)化后的sac模型參數(shù)，實(shí)現(xiàn)設(shè)備的快速部署和啟動(dòng)；

32、用戶接口模塊，用于為操作人員提供系統(tǒng)狀態(tài)監(jiān)控、交通感知結(jié)果展示和參數(shù)調(diào)節(jié)與控制功能；

33、車路協(xié)同通信模塊，用于實(shí)現(xiàn)移動(dòng)式路側(cè)設(shè)備與車輛和其他路側(cè)設(shè)備之間的信息交互。

34、優(yōu)選地，所述車路協(xié)同通信模塊采用v2x通信協(xié)議，實(shí)現(xiàn)交通感知結(jié)果和車輛狀態(tài)信息的雙向傳輸，所述信息采用asn.1編碼，符合v2x通信標(biāo)準(zhǔn)。

35、在上述技術(shù)方案基礎(chǔ)上，所述數(shù)據(jù)預(yù)處理模塊用于對(duì)移動(dòng)式路側(cè)設(shè)備采集的多源數(shù)據(jù)進(jìn)行清洗、同步和歸一化處理。由于不同傳感器的數(shù)據(jù)格式、采樣率和時(shí)間戳可能存在差異，數(shù)據(jù)預(yù)處理模塊首先對(duì)數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換和時(shí)間同步，確保多源數(shù)據(jù)在同一時(shí)間基準(zhǔn)下進(jìn)行融合。接著，采用濾波算法去除噪聲和異常值，提升數(shù)據(jù)質(zhì)量。歸一化處理將不同尺度和單位的數(shù)據(jù)轉(zhuǎn)換到統(tǒng)一的范圍，為后續(xù)的特征提取和數(shù)據(jù)融合提供一致性的數(shù)據(jù)輸入。

36、在上述技術(shù)方案基礎(chǔ)上，所述特征提取模塊利用深度學(xué)習(xí)模型從預(yù)處理后的數(shù)據(jù)中提取高層次特征。對(duì)于圖像數(shù)據(jù)，采用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)（cnn）提取視覺(jué)特征，如物體檢測(cè)和分類信息；對(duì)于點(diǎn)云數(shù)據(jù)，采用三維卷積網(wǎng)絡(luò)或pointnet模型提取空間結(jié)構(gòu)特征；對(duì)于雷達(dá)數(shù)據(jù)，提取目標(biāo)的速度和距離等運(yùn)動(dòng)特征。特征提取模塊針對(duì)不同類型的數(shù)據(jù)，選擇適合的深度學(xué)習(xí)模型和參數(shù)，提取具有代表性的特征，為數(shù)據(jù)融合提供豐富的信息源。

37、在上述技術(shù)方案基礎(chǔ)上，所述數(shù)據(jù)融合調(diào)節(jié)模塊采用基于sac（soft?actor-critic）算法的數(shù)據(jù)融合模型，對(duì)多源特征進(jìn)行融合，生成統(tǒng)一的交通感知結(jié)果。sac算法通過(guò)策略網(wǎng)絡(luò)（actor）和價(jià)值網(wǎng)絡(luò)（critic）的協(xié)同工作，實(shí)現(xiàn)對(duì)數(shù)據(jù)融合策略的優(yōu)化。策略網(wǎng)絡(luò)輸入多源特征，輸出最優(yōu)的融合策略，生成交通感知結(jié)果，如目標(biāo)檢測(cè)、跟蹤和場(chǎng)景理解等。價(jià)值網(wǎng)絡(luò)評(píng)估策略的性能，指導(dǎo)策略網(wǎng)絡(luò)的更新。該模塊能夠在高維連續(xù)動(dòng)作空間中進(jìn)行策略優(yōu)化，具有高樣本效率和穩(wěn)定性。

38、在上述技術(shù)方案基礎(chǔ)上，所述參數(shù)優(yōu)化模塊利用qpso（量子行為粒子群優(yōu)化）算法對(duì)sac模型的關(guān)鍵參數(shù)進(jìn)行優(yōu)化和在線調(diào)節(jié)。qpso算法通過(guò)模擬量子行為，具有全局搜索能力和快速收斂特性。參數(shù)優(yōu)化模塊在系統(tǒng)運(yùn)行過(guò)程中，利用實(shí)時(shí)采集的數(shù)據(jù)，計(jì)算sac模型的性能指標(biāo)（如感知準(zhǔn)確率、處理延遲等）作為適應(yīng)度函數(shù)。然后，qpso算法更新粒子群，優(yōu)化模型參數(shù)，使感知性能達(dá)到最優(yōu)。該模塊實(shí)現(xiàn)了對(duì)感知模型的動(dòng)態(tài)調(diào)節(jié)，增強(qiáng)了系統(tǒng)在不同環(huán)境下的適應(yīng)性。

39、在上述技術(shù)方案基礎(chǔ)上，所述快速部署模塊用于在系統(tǒng)部署前加載經(jīng)過(guò)離線訓(xùn)練和qpso優(yōu)化的sac模型初始參數(shù)，實(shí)現(xiàn)設(shè)備的快速部署和啟動(dòng)。通過(guò)預(yù)先優(yōu)化模型參數(shù)和配置，減少了現(xiàn)場(chǎng)調(diào)試和訓(xùn)練時(shí)間?？焖俨渴鹉K提供自動(dòng)化的部署流程，包括設(shè)備的網(wǎng)絡(luò)配置、傳感器校準(zhǔn)和模型加載等，支持一鍵部署功能，提升系統(tǒng)的部署效率。

40、在上述技術(shù)方案基礎(chǔ)上，所述用戶接口模塊為操作人員提供系統(tǒng)狀態(tài)監(jiān)控、交通感知結(jié)果展示和控制操作的界面。用戶接口模塊通過(guò)直觀的圖形界面顯示當(dāng)前交通環(huán)境信息、設(shè)備運(yùn)行狀態(tài)、感知模型的工作狀況以及交通感知結(jié)果，確保操作人員能夠?qū)崟r(shí)掌握系統(tǒng)的運(yùn)行情況。模塊具備參數(shù)調(diào)節(jié)和控制功能，操作人員可以通過(guò)界面對(duì)系統(tǒng)參數(shù)進(jìn)行調(diào)整，以滿足特定的應(yīng)用需求。用戶接口模塊還支持歷史數(shù)據(jù)的查詢和分析，幫助操作人員優(yōu)化系統(tǒng)配置，提高交通感知的效率和準(zhǔn)確性。

41、在上述技術(shù)方案基礎(chǔ)上，所述車路協(xié)同通信模塊實(shí)現(xiàn)移動(dòng)式路側(cè)設(shè)備與車輛和其他路側(cè)設(shè)備之間的信息交互。通過(guò)v2x通信接口，系統(tǒng)將交通感知結(jié)果發(fā)送給附近的車輛，提供實(shí)時(shí)的交通信息，輔助車輛的駕駛決策。同時(shí)，系統(tǒng)接收車輛的狀態(tài)信息，如位置、速度和行駛方向等，進(jìn)一步豐富感知數(shù)據(jù)源，提高感知的準(zhǔn)確性。

42、上述移動(dòng)式車路協(xié)同路側(cè)設(shè)備交通感知調(diào)節(jié)系統(tǒng)的運(yùn)行方法如下：

43、步驟1：數(shù)據(jù)采集與預(yù)處理。移動(dòng)式路側(cè)設(shè)備通過(guò)傳感器模塊實(shí)時(shí)采集交通環(huán)境的多源數(shù)據(jù)，包括圖像、點(diǎn)云和雷達(dá)數(shù)據(jù)。數(shù)據(jù)預(yù)處理模塊對(duì)數(shù)據(jù)進(jìn)行清洗、同步和歸一化處理，確保數(shù)據(jù)的準(zhǔn)確性和實(shí)時(shí)性。處理后的數(shù)據(jù)傳輸至特征提取模塊。

44、步驟2：特征提取。特征提取模塊利用深度學(xué)習(xí)模型從預(yù)處理后的數(shù)據(jù)中提取高層次特征，包括視覺(jué)特征、空間結(jié)構(gòu)特征和運(yùn)動(dòng)特征，為數(shù)據(jù)融合提供豐富的信息。

45、步驟3：數(shù)據(jù)融合與感知調(diào)節(jié)。數(shù)據(jù)融合調(diào)節(jié)模塊采用基于sac算法的模型，對(duì)多源特征進(jìn)行融合，生成交通感知結(jié)果。參數(shù)優(yōu)化模塊利用qpso算法，根據(jù)實(shí)時(shí)數(shù)據(jù)對(duì)sac模型的參數(shù)進(jìn)行在線優(yōu)化和調(diào)節(jié)，提高數(shù)據(jù)融合的準(zhǔn)確性和系統(tǒng)的環(huán)境適應(yīng)性。

46、步驟4：快速部署與啟動(dòng)。快速部署模塊在系統(tǒng)部署前加載經(jīng)過(guò)離線訓(xùn)練和qpso優(yōu)化的sac模型初始參數(shù)，實(shí)現(xiàn)設(shè)備的快速部署和啟動(dòng)。通過(guò)自動(dòng)化的部署流程，減少現(xiàn)場(chǎng)調(diào)試和配置時(shí)間，確保系統(tǒng)能夠迅速投入運(yùn)行。

47、步驟5：車路協(xié)同通信。車路協(xié)同通信模塊將交通感知結(jié)果通過(guò)v2x通信接口發(fā)送給附近的車輛和其他路側(cè)設(shè)備，實(shí)現(xiàn)信息共享。系統(tǒng)同時(shí)接收車輛的狀態(tài)信息，豐富感知數(shù)據(jù)源，增強(qiáng)交通感知的覆蓋范圍。

48、步驟6：用戶交互與系統(tǒng)監(jiān)控。用戶接口模塊為操作人員提供系統(tǒng)狀態(tài)監(jiān)控、交通感知結(jié)果展示和控制操作的界面。操作人員可以通過(guò)界面實(shí)時(shí)了解系統(tǒng)運(yùn)行情況，對(duì)異常情況進(jìn)行干預(yù)和處理，并可對(duì)系統(tǒng)參數(shù)進(jìn)行調(diào)整，提高系統(tǒng)的操作靈活性。

49、步驟7：參數(shù)在線優(yōu)化與異常處理。系統(tǒng)在運(yùn)行過(guò)程中，持續(xù)進(jìn)行模型參數(shù)的在線優(yōu)化，適應(yīng)環(huán)境變化。當(dāng)檢測(cè)到異常情況（如傳感器故障、感知精度下降等）時(shí)，系統(tǒng)自動(dòng)進(jìn)行故障診斷和處理，包括重啟設(shè)備、切換備用模塊或發(fā)送告警信息，確保系統(tǒng)的穩(wěn)定運(yùn)行。

50、有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明具有如下顯著優(yōu)點(diǎn)：

51、（1）高精度的交通感知：通過(guò)多源數(shù)據(jù)融合和深度學(xué)習(xí)模型的應(yīng)用，實(shí)現(xiàn)了對(duì)交通環(huán)境的高精度感知，包括車輛、行人和非機(jī)動(dòng)車的檢測(cè)和跟蹤。

52、（2）實(shí)時(shí)性強(qiáng)：采用高性能邊緣計(jì)算單元和優(yōu)化的算法結(jié)構(gòu)，確保了系統(tǒng)的實(shí)時(shí)性，滿足了交通感知的時(shí)效性要求。

53、（3）環(huán)境適應(yīng)性強(qiáng)：利用sac和qpso算法，系統(tǒng)能夠根據(jù)不同的交通環(huán)境和天氣條件，動(dòng)態(tài)調(diào)整模型參數(shù)，保持最佳性能。

54、（4）快速部署和易維護(hù)：通過(guò)快速部署模塊，實(shí)現(xiàn)了設(shè)備的快速安裝和啟動(dòng)，減少了現(xiàn)場(chǎng)調(diào)試時(shí)間；系統(tǒng)的模塊化設(shè)計(jì)便于維護(hù)和升級(jí)。

55、（5）車路協(xié)同：通過(guò)車路協(xié)同通信模塊，實(shí)現(xiàn)了與車輛的信息交互，增強(qiáng)了系統(tǒng)的整體感知能力，提升了交通安全和效率。

56、（6）用戶友好性：用戶接口模塊提供了直觀的界面，方便操作人員監(jiān)控和控制系統(tǒng)，提升了系統(tǒng)的可用性。