(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211463075.4 (22)申请日 2022.11.22 (71)申请人 南京大学 地址 210093 江苏省南京市 鼓楼区汉口路 22号 (72)发明人 周海波　查曹怡　薛鉴哲　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 孟红梅 (51)Int.Cl. G08G 1/01(2006.01) G06F 30/18(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种路侧检测单元布设与道路交通稀疏感 知方法及系统 (57)摘要 本发明公开了一种路侧检测单元布设与道 路交通稀 疏感知方法及系统， 为现代城市交通感 知系统提出了低成本的解决方案。 首先， 使用交 通流仿真软件建模出一个配备道路传感器的复 杂城市路网系统， 根据仿真的运行结果， 得到仿 真中所有车辆的行驶数据以及交通检测器的监 测数据； 其次， 移 除城市路网中的一部分交通检 测器， 利用稀 疏感知方法在现有检测器的基础上 恢复出被移 除部分的检测器交通数据； 最后， 将 恢复出来的交通检测器数据作为虚拟检测器替 代原路网中被移除的真实检测器， 得到完整的路 网交通检测器数据。 本发明能够利用稀疏路侧检 测器还原出城市路网中所有检测器的数据， 实现 低成本的路侧检测器布设方案， 且 具有较高的估 算精度。 权利要求书2页 说明书7页 附图3页 CN 115512548 A 2022.12.23 CN 115512548 A 1.一种基于交通稀疏感知的路侧检测单 元布设方法， 其特 征在于， 包括以下步骤： 使用交通流仿真软件建模城市交通路网， 在交通路网每段道路都配备真实交通检测 器， 根据仿真的运行结果， 得到仿真中所有车辆的行驶数据以及真实交通检测器的监测数 据； 移除交通路网中的一部分真实交通检测器， 利用交通稀疏感知方法在未被移除的交通 检测器数据的基础上恢复出被移除的交通检测器数据； 所述交通稀疏感知方法通过深度学 习模型将稀疏的交通检测器数据映射到被移除的交通检测器数据； 将恢复出来的交通检测器数据作为虚拟交通检测器的监测数据， 用虚拟交通检测器替 代原交通路 网中被移除的真实交通检测器， 真实交通检测器与 虚拟交通检测器结合得到交 通路网中的稀疏交通检测器部署方式。 2.根据权利要求1所述的基于交通稀疏感知的路侧检测单元布设方法， 其特征在于： 所 述城市交通路 网的拓扑结构从城市抽象出来， 根据城市中的所有道路在真实地图中的长度 进行建模； 所述拓扑 结构定义 为有向图， 有向图中以交叉路口作为节点， 道路作为链路。 3.根据权利要求1所述的基于交通稀疏感知的路侧检测单元布设方法， 其特征在于： 在 交通流仿 真软件中， 通过设置源点 ‑终点OD矩阵来对交通需求进 行动态分配， OD矩阵中的数 值代表在仿 真时间段内各个OD对之 间的出行次数， 分别设置不同级别出行需求的OD矩阵进 行仿真。 4.根据权利要求1所述的基于交通稀疏感知的路侧检测单元布设方法， 其特征在于： 交 通路网中配备的完整交通检测器由真实交通检测器和虚拟交通检测器组成， 完整交通检测 器被定义为 ， 每个交通检测器 表示为 ， 其中 和 分别代表交通检测器 的经纬度位置， 代表交通检测器 捕获到的车辆经过时的 瞬时速度， 表示仿真时间， n是全部交通检测器数量； 定义 X是由多个真实交通检测器组成 的一组稀疏的检测 器数据，Y是一组完整的检测 器数据； 通过深度学习模型学习映射方程： ；G为表示交通路网拓扑 结构的有向图。 5.根据权利要求1所述的基于交通稀疏感知的路侧检测单元布设方法， 其特征在于： 所 述深度学习模型采用Transformer模型、 长短期记 忆网络模型或全连接神经网络模型。 6.根据权利要求1所述的基于交通稀疏感知的路侧检测单元布设方法， 其特征在于： 所 述深度学习模型采用Transformer模型， 向所述Transformer模型中嵌入位置编码， 并使用 多头注意力机制学习 数据之间的联系； 用一个线性变换作为解码器， 将得到的每个真实交 通检测器的平均速度数据输入Tr ansformer模型， 输出结果就是虚拟交通检测器的平均速 度的估计值。 7.根据权利要求6所述的基于交通稀疏感知的路侧检测单元布设方法， 其特征在于： 所 述Transformer模 型以预设时间步长的所有真实交通检测器的预设时间窗口检测车辆速度 的平均速度作为输入， 通过编码器得到的输出 作为解码器的输入， 经过解码器进行线性 变换得到输出 ， 作为所有虚拟交通检测器的平均速度的估计值； 其中 和 是线性变换的参数矩阵和偏置向量。 8.根据权利要求1所述的基于交通稀疏感知的路侧检测单元布设方法， 其特征在于： 通 过随机地从交通路网中移除真实交通检测器， 得到稀疏部署的真实交通检测器布局， 再根权　利　要　求　书 1/2 页 2 CN 115512548 A 2据交通稀疏感知方法估算出被移除的真实交通检测器处的交通检测器数据， 选择满足设定 条件的真实交通检测器布局作为最终的部署方案， 所述设定条件包括真实交通检测器数量 范围， 以及恢复的虚拟交通检测器数据的准确性。 9.一种道路交通稀疏感知方法， 其特 征在于， 包括如下步骤： 获取真实交通路网中的真实交通检测器的监测数据； 所述真实交通路网中的真实交通 检测器的部署方式， 根据权利要求1 ‑8任一项所述的基于交通稀疏感知的路侧检测单元布 设方法得到的虚实结合的稀疏交通检测器部署方式确定； 将真实交通检测器数据输入到训练好的深度学习模型， 得到虚拟交通检测器数据， 从 而得到完整的交通检测器数据。 10.一种计算机系统， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述计算机程序被加载至处理器时实现根据权利要求 1‑8任一项所 述的基于交通稀疏感知的路侧检测单元布设方法的步骤， 或者实现根据权利要求9所述的 道路交通稀疏感知方法的步骤。权　利　要　求　书 2/2 页 3 CN 115512548 A 3