本发明属于智能交通车流量采集，涉及智能交通运算系统中单车道级车流量通行数据采集方法，一种针对独立车道有效车辆叠加计数的车流量数据采集方法。
背景技术：
1、随着城市化进程的加速，道路交通流量日益增大。车流量检测算法在智慧交通系统中扮演着至关重要的角色。车流量检测算法能够实时准确地获取道路车辆的数量和流动情况，为交通管理部门提供了重要的数据支持，有助于科学管理城市道路、减少交通拥堵、提高道路使用效率。
2、在智能交通系统中，准确统计车流量是实现交通管理和控制的关键。智能交通系统需要实时获取详细的道路信息，并通过网络将这些信息传送给交管部门，以帮助他们科学地管理城市道路。车流量信息是道路交通信息的关键组成部分，为后续处理提供基础数据，因此获取准确的车流量信息至关重要。
3、车辆检测是实现车流量统计的前提。通过目标检测方法对道路上行驶的车辆进行检测与识别，获得的结果被用于车流量统计。在数据收集的前端过程中，准确地检测和识别车辆显得尤为重要。这是因为智能交通系统使用终端设备作为通信手段，并与运营商长期进行信息交换。从车辆检测中收集到的数据，是智能交通系统用于缓解交通拥堵、判断车辆是否违反交通规则的重要依据和保障。
4、现有的车辆计数方法多依赖于物理传感器或传统的图像处理技术，如背景减除法、帧间差分法等，但这些方法受限于硬件成本高、对环境敏感、受环境影响大等问题。并且传统的车流量统计方法依赖于人工操作，然而在如今快速发展的时代，这种方法已经无法满足日益密集的交通环境需求。随着监控视频技术和计算机技术的进步，车辆检测逐渐采用计算机视觉的方式实现。近年来，深度学习技术的发展为车辆计数提供了新的解决方案，但现有技术中利用深度学习进行车辆计数的方法往往需要大量的标注数据，且计算资源消耗较大，尤其数据运算上较为庞大，数据处理量大，限制了其在资源有限环境下的应用。
5、因此，研究并寻找更高效的针对独立车道的车流量统计方案具有实际意义和应用价值。
技术实现思路
1、本发明提供了智能交通运算系统中单车道级车流量通行数据采集方法，通过设置独立车道进入区域和离开区域，并利用训练模型将车辆原图像转换为亮度信息的数值图像，再通过生成器逆转换回车辆图像，从而实现单车数量叠加计数。本发明提高了车辆计数的准确性和鲁棒性，降低了计算资源消耗，为智能交通控制运算提供有效的交通基础数据。
2、本发明的技术方案是这样实现的：
3、智能交通运算系统中单车道级车流量通行数据采集方法，包括：
4、s1、设置独立车道进入区域和离开区域，在监控画面中的感兴趣区域，优选为道路段或交叉口，标定进入区域和离开区域。
5、具体的，所述进入区域的位置能够涵盖独立车道车辆的进入路径，并且能够准确地捕捉到车辆通过所述进入区域；所述离开区域的位置能够涵盖独立车道车辆的离开路径，并且能够准确地捕捉到车辆通过所述离开区域。
6、s2、定义训练模型，包括生成器g1、生成器g2和判别器d1、判别器d2；生成器g1用于从原始图像生成车辆位置和计数信息，生成器g2用于将车辆位置和计数信息重建为赋值原始图像；判别器d1用于区分生成的车辆计数信息和真实的车辆计数信息，判别器d2用于区分重建的赋值原始图像和真实的车辆原始图像。
7、具体的，对于判别器 d1，用于对生成的车辆计数信息y的真实性进行评估，输出为真实概率；满足d1(y)∈[0,1]。
8、具体的，对于判别器d2，用于对重建的赋值原始图像x的真实性进行评估，输出为真实概率；满足d2(x)∈[0,1]。
9、s3、将车辆的原始图像以停留时间转换为亮度信息的数值x，对车辆进行赋值生成虚拟赋值图像y=g1(x)，虚拟赋值图像y通过生成器g2逆生成赋值原始图像g2(y)。通过生成器和判别器的相互竞争，优化车辆计数的准确性。
10、具体的，对于生成器g1，车辆位置和计数信息y满足y=g1(x)，其中x表示车辆的原始图像以停留时间转换为亮度信息的数值，y表示车辆位置和计数信息。
11、具体的，对于生成器g2，赋值原始图像x′满足x′=g2(y)，其中y表示车辆位置和计数信息，x′表示重建的赋值原始图像。
12、s4、当车辆驶入进入区域时，将其计数为一辆进入的车辆；当车辆驶离离开区域时，将其计数为一辆离开的车辆。
13、具体的，g1生成器和g2生成器对驶入进入区域和驶离离开区域的车辆的位置信息和计数结果步骤如下：
14、当车辆驶入进入区域时，使用g1生成器提取车辆的位置信息，并将其转换为车辆计数结果，表示为yenter=g1(xenter)，其中，xenter∈x，yenter∈y。
15、当车辆驶离离开区域时，使用g1生成器提取车辆的位置信息，并将其转换为车辆计数结果，表示为yexit=g1(xexit)，其中，xexit∈x，yexit∈y。
16、使用生成器g2将车辆计数结果重建为赋值原始图像，表示为。
17、s5、单车数量叠加，计算感兴趣区域内的车辆流量，得到不同时间段内的车流量数据。
18、对进入区域的车辆应用生成器g1，统计进入区域的车辆数，nenter=g1(xenter)，其中，nenter为进入的车辆计数；对离开区域的车辆应用生成器g1，统计离开区域的车辆数，nexit=g1(xexit)，其中，nexit为离开的车辆计数；
19、计算进入区域的车辆数与离开区域的车辆数的和值得到总车流量。
20、计算进入区域的车辆数与离开区域的车辆数的差值得到净车流量
21、s6、使用损失函数来优化训练模型性能，确保在不同时间段内有效车辆车流量判断准确性。
22、设计损失函数，对生成器g1、g2和判别器d1、d2进行训练，优化车辆计数的准确性；使其能够在不同环境下准确地转换和识别车辆信息，从而提高车流量统计的准确性和鲁棒性，其中，lgan表示对抗损失函数，lcycle表示循环一致性损失函数，λgan、λcycle、λt和λj是各损失项的权重。
23、具体的，对于g1和g2，满足对抗损失函数，训练d1和d2，使d1和d2能够区分真假数据。
24、具体的，满足循环一致性损失函数，确保通过g2重建的图像能够通过g1再次生成与原始车辆计数信息相似的结果，实现有效车辆车流量判断。
25、s7、在边缘设备上部署模型以实现实时运行。
26、边缘设备可以是位于数据源近端的计算设备，如小型服务器、专用计算机或具有强大计算能力的嵌入式设备。边缘部署不仅提高了数据处理速度和可靠性，还增强了系统的灵活性和可扩展性。在交通高峰期，系统能够无缝地处理大量数据，而不受网络延迟或带宽限制的影响。此外，由于数据处理主要在本地进行，这也提高了数据隐私和安全性。
27、本发明的有益效果为：
28、数据重建验证：定义生成器g2将车辆位置和计数信息重建为赋值原始图像，再通过判别器d2进行验证，无硬件传感器的车流量监控，减少了对昂贵硬件的依赖，提高了在各种环境条件下的车辆计数准确性，减少了对标注数据的依赖；这种双重验证机制增强了系统的鲁棒性，减少了错误计数的可能性。
29、时间-亮度转换的创新应用：将车辆的停留时间转换为亮度信息，这一创新方法利用虚拟赋值图像y=g1(x)来表示车辆的存在和停留时间，在实现车辆计数的同时记录车辆的停留时间，从而为交通管理和调度提供了一种新的维度。
30、实时监控与分析：系统能够实时监控车辆的进入和离开，及时更新车流量数据，使得交通管理更为动态和响应迅速。这对于高峰时段的交通管理和紧急情况下的交通调度尤为重要。
31、适应性强：由于系统使用了机器学习模型，它可以通过训练适应不同的监控环境和场景，无论是城市交叉口还是高速公路，都能够有效地统计车流量。
32、损失函数优化：通过损失函数来优化训练模型的性能，确保了模型在不同时间段内都能准确统计车流量数据，提高了模型的泛化能力。
33、成本效益：模型被训练和部署，它可以自动运行，减少了人工干预的需要，从而降低了长期的运营成本。降低了计算资源消耗，实现了在边缘设备上的实时运行能力，提高了系统的运行效率和实时性。
34、数据丰富性：系统不仅提供车辆数量，还通过亮度信息提供了车辆停留时间的间接测量，这些数据可以用于进一步的交通流研究和规划。
35、隐私保护：与识别车牌或车内人员的方法相比，本方法关注于车辆的整体流动，不涉及个人识别信息，因此更好地保护了个人隐私。
1.智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，包括
2.根据权利要求1所述的智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，步骤s1包括，
3.根据权利要求1所述的智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，步骤s2包括
4.根据权利要求1所述的智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，步骤s3包括
5.根据权利要求1所述的智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，步骤s4包括
6.根据权利要求1所述的智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，步骤s5包括，
7.根据权利要求1所述的智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，步骤s6包括
8.根据权利要求7所述的智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，
9.根据权利要求7所述的智能交通运算系统中单车道级车流量通行数据采集方法，其特征在于，
