一种信息轨、道面信息感知系统和道面信息感知方法

1.本发明涉及交通信息技术领域，尤其涉及一种信息轨、道面信息感知系统和道面信息感知方法。


背景技术：

2.近年来，我国道路交通运输行业快速发展。中国机动车保有量、驾驶人数量、道路里程也持续增长。近年来，我国汽车新注册登记数量每年就以超过2000万辆的速度增长，城市机动化水平进一步提升，道路安全也日趋复杂。在交通道路快速发展以及汽车保有量的快速增长的背景下，涌现了各种问题，例如城市拥堵、交通事故频发、道路设施易损坏，路面维护困难等等。因此，如何对道路的车辆进行监测已经成为了人们研究的重点课题。
3.现有的道路监测方案多是基于有形轨进行设计的，例如地铁、高铁等，其通常在固定的轨道上运行，人们仅需在固定的轨道上设置相应的监控设施即可完成监测。然而在公路等不具备固定轨道的道路下，道面覆盖区域广且往往存在多个车道，加之车辆随机行驶，经常出现变道等行为，导致上述基于有形轨设计的监测方案，无论是从信息采集的角度，还是从信息分析的角度，均无法应用于公路等不具备有形轨的道面上。
4.所以，人们亟需一种能够对不具备固定轨道的行车场景进行监测的解决方案。


技术实现要素：

5.有鉴于此，有必要提供一种信息轨、道面信息感知系统和道面信息感知方法，用以解决如何对不具备固定轨道的行车场景进行监测的问题。
6.为达到上述技术目的，本发明采取了以下技术方案：
7.第一方面，本发明提供一种信息轨，包括设置于道面且能够获取道面传感数据以形成无形轨道信息的传感网络，所述无形轨道信息覆盖所述道面沿预设路径延伸的预设监测区域内的行车及道面信息。
8.进一步的，所述预设监测区域为在所述道面中，基于预设宽度，沿所述预设路径延伸至预设长度构成的区域，所述预设宽度小于所述道面的宽度，所述预设长度小于所述道面的长度。
9.进一步的，所述无形轨道信息包括所述预设监测区域中是否存在车辆、所述预设监测区域中的车型分类统计、所述预设监测区域的道面状态预测结果。
10.第二方面，本发明还提供一种道面信息感知系统，包括传感网络道路和状态分析模块，所述传感网络道路包括如上述任一项所述信息轨；
11.所述传感网络道路用于行车并采集所述道面传感数据，所述传感网络道路电连接所述状态分析模块，所述状态分析模块包括数据获取模块、方法选定模块和数据分析模块，其中：
12.所述数据获取模块用于获取所述传感网络道路中的多种道面传感数据；
13.所述方法选定模块用于获取实际分析目标，并基于所述实际分析目标，根据所述
道面传感数据的种类，从多个预设分析方法中选择出目标分析方法，并从所述道面传感数据中筛选出与所述目标分析方法对应的目标传感数据；
14.所述数据分析模块用于基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道信息。
15.进一步的，所述传感网络道路包括多个道路模块体和所述信息轨，多个所述道路模块体相互拼接构成用于车辆行驶的道面，所述信息轨包括多种传感网络，所述传感网络用于采集所述道面传感数据，多种传感网络分别可选择地连接于不同的所述道路模块体，多种传感网络均电连接至一起，所述传感网络包括光纤类传感网络、电类传感网络和磁类传感网络。
16.进一步的，所述道路模块体包括自下而上依次相连的基层、传感层和路面层，所述传感网络埋设于所述传感层，所述传感网络的信号传输端延伸出所述传感层的侧端面。
17.进一步的，所述传感网络道路还包括连接器和填充料，所述连接器位于两个所述道路模块体之间，所述连接器分别连接相邻的两个所述道路模块体中的传感网络；所述填充料填充于相邻的两个所述道路模块体之间的缝隙中。
18.第三方面，本发明还提供一种道面信息感知方法，应用于上述道面信息感知系统，所述方法包括：
19.获取所述传感网络道路中的多种道面传感数据；
20.获取实际分析目标，并基于所述实际分析目标，根据所述道面传感数据的种类，从多个预设分析方法中选择出目标分析方法，并从所述道面传感数据中筛选出与所述目标分析方法对应的目标传感数据；
21.基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道信息。
22.进一步的，多个所述预设分析方法包括基于统计学原理的分析方法、基于机器学习技术的分析方法和基于深度学习技术的分析方法。
23.进一步的，所述基于统计学原理的分析方法包括t检验方法、方差分析法、回归分析、主成分分析、时间序列分析和相关分析法；所述基于机器学习技术的分析方法包括朴素贝叶斯分析法、决策树分析法、聚类分析法、马尔科夫分析法、随机森林分析法、和支持向量机分析法；所述基于深度学习技术的分析方法包括卷积神经网络分析法、自编码器分析法、长短时记忆网络分析法、生成对抗网络分析法和transformers分析法。
24.本发明提供一种信息轨、道面信息感知系统及道面信息感知方法，其中信息轨包括设置于道面且能够获取道面传感数据以形成无形轨道信息的传感网络，所述无形轨道信息覆盖所述道面沿预设路径延伸的预设监测区域内的行车及道面信息。道面信息感知系统包括传感网络道路和状态分析模块，其先获取所述传感网络道路中的多种道面传感数据，然后获取实际分析目标，并基于所述实际分析目标，根据所述道面传感数据的种类，从多个预设分析方法中选择出目标分析方法，并从所述道面传感数据中筛选出与所述目标分析方法对应的目标传感数据，最后基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道信息。相比于现有技术，本发明开创性地提出了信息轨的概念，为人们提供了一种全新的道路监测的思路，实现了在无法铺设有形轨的开阔路面，获取行车信息及道面信息并进行监测的问题。
附图说明
25.图1为本发明提供的道面信息感知系统一实施例的系统架构图；
26.图2为本发明提供的道面信息感知系统一实施例中道路模块体的结构示意图；
27.图3为本发明提供的道面信息感知系统一实施例中传感网络道路的结构示意图；
28.图4为本发明提供的道面信息感知系统一实施例中两个道路模块体相连接的结构示意图；
29.图5为本发明提供的道面信息感知方法一实施例的方法流程图；
30.图6为本发明提供的道面信息感知方法一实施例中采用的长短时记忆网络的网络架构图。
具体实施方式
31.下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
32.在本技术的描述中，“道面”或“路面”是指包括但不限于高速公路、普通公路、隧道、桥梁以及飞机跑道的表面。
33.在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
34.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
35.本发明提供了一种信息轨、道面信息感知系统及道面信息感知方法，以下分别进行说明。
36.本发明的一个具体实施例，公开了一种信息轨，该信息轨包括设置于道面且能够获取道面传感数据以形成无形轨道信息的传感网络，所述无形轨道信息覆盖所述道面沿预设路径延伸的预设监测区域内的行车及道面信息。
37.具体地，信息轨是一种不具备固定轨道形状的，且不会限制车辆行驶路径的，但能够采集任意人为规定的预设路径或预设监测区域内(即人为划分的一种无形的轨道)内的信息，并得到无形轨道信息的一种发明。
38.具体地，无形轨道信息是在无固定轨道的区域中人为抽象出的一个以轨道的形状延伸的范围内的信息的集合，其所表征的是道路中某一个轨迹(也可以称之为某一区域)内的行车及道面信息，“无形”是指没有实体，“无形轨道”即没有实体的轨道。无形轨道信息的延伸形状可以人为地根据实际需求自行拟定，即预设路径和预设监测区域均可以根据实际情况和需求(如道路的情况，期望获取的信息，车辆的规格等)灵活的设定。
39.例如，在一个优选的实施例中，现存在一种在矿山区域中运送货物的无人矿车，虽然存在着一条固定的道路供矿车行驶，但是矿车行驶过程中因路面状况经常发生变化(如路面有落石、动物阻碍时，光照条件发生变化影响雷达判断时)，导致矿车每次行进的实际路线是不同的(每次的行进轨迹均不同，但均在道路范围内)。
40.此时，若在矿车行驶的道路中设置信息轨，并规定本实施例中的信息轨所对应的预设监测区域为矿车行驶的整个道路，无形轨道信息包含了整个道路中矿车每次行驶的轨
迹信息，通过所有轨迹信息可以分析出道路的路面状况，例如，当多个行驶轨迹均在某一位置偏离原有的预计路线时，便可以认为该位置的路面发生了损坏或存在障碍物，应及时派维护人员去处理。
41.在又一个优选的实施例中，同样在矿山区域基于无人驾驶车辆行驶的场景下，矿车行驶的道路中同样设置有信息轨，本实施例中则规定信息轨所对应的预设监测区域为矿车一次行驶时其所经过的轨迹区域，本实施例中的无形轨道信息则包含了该矿车在其行驶路径上的车速、止停时间，甚至是车重等信息，根据车速、车重信息人们则可以得到矿车运送的物料是否有撒漏等等，从而优化无人矿车的行驶逻辑。
42.进一步的，在一个优选的实施例中，所述预设监测区域为在所述道路的道面中，基于预设宽度，沿所述预设路径延伸至预设长度构成的区域，所述预设宽度小于所述道路的宽度，所述预设长度小于所述道面的长度。
43.在一个优选的实施例中，使用场景为高速公路，预设宽度可以为一个车道的宽度，预设长度可以为一个预设区间的长度，此时，预设长度下的一个车道便可以作为一个信息轨对应的预设监测区域，该无形轨道信息可以包含车速、车辆数量、行车间距等信息。
44.再例如，在又一个优选的实施例中，同样在高速公路的使用场景下，信息轨可以为某一辆车的行驶轨迹，此时预设宽度即为该车辆的宽度，而预设长度则为该车辆从进入高速到驶出高速公路的总长度，该信息轨可以应用于对某一特定的可疑车辆的监控场景下，本信息轨包括车辆的车速、变道等信息，可以通过该信息轨判断该车辆是否存在违规变道、超速、危险驾驶等行驶过程中的违法行为。
45.进一步的，在一个优选的实施例中，所述无形轨道信息包括所述预设监测区域中是否存在车辆、所述道路中的车型分类统计、所述道路的道面状态预测结果。同样地，上述实施例中所提及的信息轨所包含的内容均可以作为所述无形轨道信息。
46.结合图1所示，为了更好地说明上述信息轨，本发明还提供一种道面信息感知系统，包括上述信息轨，该道面信息感知系统包括传感网络道路110和状态分析模块120，其中传感网络道路又包括所述信息轨，所述传感网络道路用于行车并采集道面传感数据，所述传感网络道路电连接所述状态分析模块，所述状态分析模块包括数据获取模块121、方法选定模块122和数据分析模块123，其中：
47.所述数据获取模块121用于获取所述传感网络道路中的多种道面传感数据；
48.所述方法选定模块122用于获取实际分析目标，并基于所述实际分析目标，根据所述道面传感数据的种类，从多个预设分析方法中选择出目标分析方法，并从所述道面传感数据中筛选出与所述目标分析方法对应的目标传感数据；
49.所述数据分析模块123用于基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道信息。
50.上述传感网络道路110可以为任意的设置有传感网络的路面，例如，在一个优选的实施例中，传感网络道路为设置有磁场传感器的高速公路或者任意公路，通过磁场传感器可以检测到车辆的经过与否，甚至为车辆的轨迹等等，所检测得到的数据即为所述道面传感数据。其中传感网络便可以视为信息轨。
51.具体地，结合图2～3所示，在一个优选的实施例中所述传感网络道路110包括多个道路模块体111和所述信息轨，多个所述道路模块体111相互拼接构成用于车辆行驶的道
面，所述信息轨包括多种传感网络112，所述传感网络112用于采集所述道面传感数据，多种传感网络112分别可选择地连接于不同的所述道路模块体，多种传感网络112均电连接至一起，连接至一起的多个传感网络112可以视为所述信息轨，所述传感网络包括光纤类传感网络、电类传感网络和磁类传感网络。
52.上述道路模块体111进一步提供了一种新的道路架构，进一步增强了信息轨的功能。通过设置有不同传感网络112的道路模块体111，可以拼接组合成完整的传感网络道路110供车辆行驶，使得道路的设计与建设模块化，使得道面监测方案可以根据具体需求灵活调整，将传统的复杂的工程简化为模块化的拼接问题，极大地提高了设计及施工的灵活程度。最重要的是，不同的传感网络112可以提供不同种类的道面传感数据，实际中人们可以根据需要，基于更多种类的道面传感数据，得到可以获取信息内容更加丰富的信息轨。
53.在一个优选的实施例中，所述道路模块体包括自下而上依次相连的基层1111、传感层1112和路面层1113，所述传感网络112埋设于所述传感层1112，所述传感网络112的信号传输端延伸出所述传感层1112的侧端面，路面层1113组成直接供车辆行驶的路面。多个道路模块体直接拼接，不同的道路模块体中的传感网络通过传输端相连接，组合成一个完整地传感网络。
54.可以理解的是，传感网络可以包含任意形式的传感器，其如何设置于传感层中以及如何进行通讯均为现有技术，因此本文中不做过多说明。
55.同样地，可以理解的是，为了方便地示意出传感层1112中的传感网络112，图2并未示出传感层1112的实体部分，实际中基层1111、传感层1112和路面层1113三者可以根据具体情况选用不同的材料，也可以使用同一种材料。
56.进一步的，在一个优选的实施例中，结合图4所示，所述传感网络道路还包括连接器113和填充料，所述连接器113位于两个所述道路模块体111之间，所述连接器113分别连接相邻的两个所述道路模块体111中的传感网络112；所述填充料填充于相邻的两个所述道路模块体111之间的缝隙中。
57.连接器113可以为插头等任意的可以连接两个传感网络的传输端的设备，若传感网络112中通过通讯光纤作为传输端时，连接器113也可以为单独的用于传输数据的光缆总线，其与信息轨中的通讯光纤通过热熔的方式连接。可以理解的是，为了示意清楚，图4中两个道路模块体111之间的距离采用了夸张的示意方式，实际中两个道路模块体111之间的间隙很小，仅需保障可以安装连接器113即可，同时，为了保障道路表面的平整度，使多个道路模块体111能够组合出平整的路面，相邻的两个道路模块体111中可以填充用于构成路面的填充料，如沥青等。
58.进一步的，在一个优选的实施例中，所述道路模块体111为矩形块，所述传感网络112为光纤传感网络中的光栅阵列传感网络，光栅阵列传感网络包括所述光栅阵列蚀刻于所述通讯光纤上构成的光栅阵列光纤，通讯光纤(即所述传感网络112的信号传输端)沿所述道路模块体111的长度方向延伸，多个所述光栅阵列光纤相互平行，多个所述光栅阵列光纤所在的平面平行于路面。
59.本实施例中因采用光栅阵列作为传感网络，因此构成的光栅阵列光纤沿直线延伸，且相互平行，即方便进行检测，也方便两端与其他的道面模块体中的传感网络连接实现灵活地布设。
60.本实施例中道路模块体为矩形块状，矩形块状方便进行拼接，实际中也可以根据具体情况将道路模块体111设置为其他形状，例如构成弯道部分的道路模块体111可以设计为弧形。同时，路面一般情况下均为平面，当需要构成上坡或下坡等路面时，道路模块体111也可以略有弧度。同样地，实际中根据具体选择的传感网络的种类以及具体的应用场景不同(如在需要测量路面的应力、变形程度等不同的场景下)传感网络的排布方式也可以不同。
61.例如，在使用包含通讯光纤的光纤传感网络的情况下，弯道中通讯光纤可以弯曲延伸，在岔路口或者道路宽度发生改变的道路中，多条通讯光纤可以向不同的方向延伸(如弯折、迂回等)，使通讯光纤能够携带光纤传感单元覆盖路面的每一部分，当通讯光纤延伸出道路模块体111时，也可以方便信息轨从不同的方向进行拼接。
62.可以理解的是，本实施例中的光栅阵列仅为传感网络较为优选的一种实施方式，光栅阵列具有信号强，响应快，精度高等优点。实际中也可也根据需要，选用其他种类的光纤传感节点，也可以同时选择多种光纤传感节点混合使用，如法布里-珀罗(fabry-perot,f-p)型光纤传感单元、马赫-曾德尔(mach-zehnder)干涉型光纤传感单元、迈克耳孙(michelson)干涉型传感单元、萨奈克(sagnac)干涉型传感单元、基于光纤背向散射的光时域反射仪(optical time domain reflectometer,otdr)技术的分布式光纤传感单元、基于光频域反射仪(optical frequency domain reflectometer,ofdr)技术的分布式光纤传感单元，以及基于长距离干涉技术的分布式光纤传感单元等。
63.进一步的，结合图5所示，为了更好地说明上述信息轨及道面信息感知系统，本发明还提供一种道面信息感知方法，应用于上述道面信息感知系统，所述方法包括：
64.s501、获取所述传感网络道路中的多种道面传感数据；
65.s502、获取实际分析目标，并基于所述实际分析目标，根据所述道面传感数据的种类，从多个预设分析方法中选择出目标分析方法，并从所述道面传感数据中筛选出与所述目标分析方法对应的目标传感数据；
66.s503、基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道数据。
67.在一个优选的实施例中，上述多个所述预设分析方法包括基于统计学原理的分析方法、基于机器学习技术的分析方法和基于深度学习技术的分析方法。
68.具体地，在一个优选的实施例中，所述基于统计学原理的分析方法包括t检验方法、方差分析法、回归分析、主成分分析、时间序列分析和相关分析法；所述基于机器学习技术的分析方法包括朴素贝叶斯分析法、决策树分析法、聚类分析法、马尔科夫分析法、随机森林分析法、和支持向量机分析法；所述基于深度学习技术的分析方法包括卷积神经网络分析法、自编码器分析法、长短时记忆网络分析法、生成对抗网络分析法和transformers分析法。
69.进一步的，在一个优选的实施例中，上述传感网络直接采集到的数据为第一信息，采集方式为当检测到变化时，它们会转换为模拟电信号输出。这些模拟信号可以通过相应的模数转换器设备实现数字信号转换，供后续数字设备读取和处理。采集到的第一信息可以传输到控制中心等设施，对第一信息进行处理，生成第二信息(即所述道面传感数据)，并由数据获取模块121获取，供数据分析模块123进行分析。
70.在一优选的实施例中，上述第一信息和第二信息传输方式为通过光纤传输。可以理解的是，上述第一信息收集和传输，不依赖路侧或车载设备。进一步的，控制中心包括边缘机房和中心机房，两者之间的功能都为保存数据。第一信息处理方式为对原始传感器组件数据进行滤波和线性化操作，以消除第一信息中干扰信息影响。
71.进一步的，可以理解的是，如何选择具体的目标分析方法为本领域技术人员能够理解并实现的现有技术，可以根据现场实际情况以及数据情况，选择合适的简单或者复杂的分析方法。实际中可以通过人工选择的方式进行选择，也可以采用固定的流程。
72.本实施例种，所述目标传感数据为确定了目标分析方法后，从道面传感数据中筛选而出的需要的数据。
73.在一个优选的实施例中，目标分析方法为方差分析法；所述实际分析目标为判定是否存在车辆；所述目标传感数据包括多个数值数据，每个所述数值数据对应有一个实际位置；所述步骤：基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道数据，包括：
74.根据所述目标传感数据，计算每个数值数据的方差；
75.根据每个数值数据的方差，得到方差分布；
76.基于所述数值数据的方差和所述方差分布的均值，确定所述数值数据对应的实际位置存在车辆；
77.基于每个所述数值数据对应的实际位置是否存在车辆，构成所述无形轨道信息；
78.其中，若所述数值数据的方差大于所述方差分布的均值，则所述数值数据对应的实际位置存在车辆。
79.上述过程中，数值数据是以数值形式表现出来的数据，如道面上不同位置的压力值等，其可以由传感网络采集的第一信息转化成第二信息得到。
80.本发明还提供一更加详细的实施例，用以更加清楚地说明上述过程：
81.本实施例中方差分析通过如下公式进行表示：
[0082][0083]
其中，σ2表示个数为n的数值数据方差，x(i)表示第i个数值数据，表示数值数据的均值。
[0084]
在本实施例中进行方差分析的具体过程为：
[0085]
第一步、根据第i个数值数据，确定所得方差值σ2；
[0086]
第二步、确定目标传感数据中所有数值数据的方差值，确定目标传感数据中数值数据的方差分布；
[0087]
第三步、根据方差分布确定目标传感数据中数值的状态分布，便于后续进一步分析。
[0088]
第二步中，方差分布通过如下公式表示：
[0089]
ε＝{σ
12
,σ
22
,
…
σ
k2
}
[0090]
其中，k为目标传感数据所包含数值数据的数量。
[0091]
进一步地，第三步中，每个数值的状态分布通过如下公式获取：
[0092][0093]
其中，sgn()为符号函数，为方差分布均值。
[0094]
第三步具体又包括：
[0095]
1、根据所述数值方差分布确定多个车道中传感网络状态分布。
[0096]
2、若一个数值数据的方差大于所述方差分布均值，则所述数值数据对应的传感测点(即实际位置)存在车辆。
[0097]
然后便可以进行更多的处理分析工作，根据最大方差值确定车辆所在车道，并最终构成无形轨道信息。在本实施例种，信息轨对应的预设监测区域为整条道路。
[0098]
本发明还提供一优选的实施例，本实施例中所述目标分析方法为聚类分析法，所述目标传感数据包括多个信息数据，所述信息数据是指能够携带信息的数据，如车身长度(可由阵列光栅光纤检测震动的时间得到，即阵列光栅光纤直接检测的信号为第一信息，处理后得到的车身长度为第二信息)等。本实施例中，所述基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道数据，具体包括：
[0099]
建立高斯混合模型，并初始化所述高斯混合模型中的模型参数；
[0100]
基于贝叶斯准则优化所述高斯混合模型中的模型参数，得到优化后高斯混合模型；
[0101]
根据所述优化后高斯混合模型聚类所述信息数据，得到所述无形轨道信息。
[0102]
进一步的，在一个优选的实施例中，上述基于贝叶斯准则优化所述高斯混合模型中的模型参数，得到优化后高斯混合模型，具体包括：
[0103]
以所述高斯混合模型的模型参数为变量，基于贝叶斯准则建立对数似然概率函数；
[0104]
根据期望最大化方法，求解所述对数似然函数，得到优化后的模型参数；
[0105]
根据所述优化后的模型参数，得到优化后高斯混合模型。
[0106]
进一步的，在一个优选的实施例中，上述实际分析目标为车型分类统计，所述信息数据用于表征车辆的车型信息(能够反应车身长度、重量的数据)；所述根据所述优化后高斯混合模型聚类所述信息数据，得到所述无形轨道信息，具体包括：
[0107]
根据所述高斯混合模型，聚类所述信息数据，得到聚类结果，所述聚类结果包括车型类别和每个车型类别的车型数量；
[0108]
根据所述聚类结果进行统计，得到各车型类别的车型数量占总车辆数的比例作为所述无形轨道信息。同样地，本实施例中的信息轨对应的预设监测区域可以为一条车道，也可以为整个道路。
[0109]
本发明还提供一更加详细的实施例，用以更加清楚地说明上述过程：
[0110]
本实施例中的聚类分析法采用基于高斯混合模型的聚类，具体通过如下公式进行表示：
[0111][0112]
其中,ck为各高斯分量权重，权重总和为1，即表示第k
个高斯分量的概率密度函数。x表示长度为n的时序信号，∑k表示协方差矩阵，μk表示均值向量，v表示时序信号状态集合。
[0113]
本实施例中具体的聚类分析过程如下：
[0114]
第一步、对所述高斯混合模型聚类过程进行参数(ck,μk,∑k)(即所述模型参数)初始估计。
[0115]
第二步、根据初始参数进行高斯混合模型训练。
[0116]
第三步、通过高斯混合模型中不同权重的高斯分量实现信号拟合。
[0117]
具体地，第二步中，高斯混合模型训练过程包含迭代重估计步骤，根据贝叶斯准则确定对数似然概率函数：
[0118][0119]
进一步的，根据期望最大化方法确定上述对数似然函数解，最终重估计参数公式如下公式表示：
[0120][0121][0122][0123]
其中表示样本帧xi对于第k个高斯分量的参与度，即第i个观测数据来自第k个高斯分量的概率，计算公式如下：
[0124][0125]
上述第三步中，信号拟合聚类过程通过如下公式表示：
[0126][0127]
其中，bj(x
t
)表示第j个状态产生时序信号值x
t
的概率计算公式。
[0128]
进一步的，当实际分析目标为车型分类统计时，上述第三步的具体过程为：
[0129]
1、获取车辆信号所属传感器位置(即信息数据)，确定所有信息轨中车辆信号；
[0130]
2、采集车辆信号进行模型聚类，确定车型类别和每个类别的车型数量；
[0131]
3、统计当前所有车辆车型分类结果，计算各类车型占比，计算公式如下：
[0132][0133]
其中，车型类别共有k种，n表示各车型数量。
[0134]
进一步的，本发明还提供一优选的实施例，在本实施例中，所述目标分析方法为长短时记忆网络学习法；所述目标传感数据包括历史数据，历史数据即为具有时间维度的，能够存储一段时间，反应过去情况的数据，例如历史温度数据(可以通过温度传感网络得到，或通过光栅阵列光纤测量形变间接地得到)。本实施例中所述步骤：基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道数据，具体包括：
[0135]
建立长短时记忆网络模型；
[0136]
将所述历史数据划分为训练集、验证集和测试集；
[0137]
根据所述训练集和验证集训练所述长短时记忆网络模型，并通过所述测试急测试所述长短时记忆网络模型，得到训练后的长短时记忆模型；
[0138]
以所述历史数据作为模型输入，根据所述训练后的长短时记忆模型，预测结果，并将所述预测结果作为所述无形轨道信息。
[0139]
本发明还提供一更加详细的实施例，用以更加清楚地说明上述过程：
[0140]
本实施例中，长短时记忆网络的深度学习选用lstm神经网络架构，其具体网络架构如图6所示。
[0141]
其中，lstm引入了遗忘门f
t
、输入门i
t
、输出门o
t
，每一个门的输入均为上一时间帧隐藏状态h
t-1
和当前时间帧信号x
t
，经过激活函数sigmoid的全连接层得到输出结果。
[0142]
进一步的，假设隐藏单元数为h，输入x
t
样本数量为n，输入个数为d。则f
t
、i
t
和o
t
如下公式进行表示：
[0143]ft
＝σ(x
twxf
+h
t-1whf
+bf)
[0144]it
＝σ(x
twxi
+h
t-1whi
+bi)
[0145]ot
＝σ(x
twxo
+h
t-1who
+bo)
[0146]
其中，和为权重参数，为偏置参数，三个门元素值域均为0～1。
[0147]
进一步的，遗忘门f
t
通过查看上一帧隐藏状态h
t-1
和当前输入x
t
决定了上一帧细胞状态c
t-1
中哪些信息可以传递到当前时间步。输入门i
t
控制输入x
t
和候选细胞状态如何流入当前帧细胞状态c
t
中。计算公式为：
[0148][0149]
其中，根据组合f
t
和i
t
控制细胞中信息流动可以得到当前时间帧细胞状态c
t
：
[0150][0151]
进一步的，通过输出门o
t
和c
t
可以得到当前帧隐藏状态h
t
计算公式：
[0152]ht
＝o
t
×
tanh(c
t
)
[0153]
其中，tanh确保输出h
t
元素值保持在-1和1之间，o
t
决定了最终所需的输出部分。
[0154]
本实施例中，给出一种利用lstm实现环境温度趋势感知方法，具体如下：
[0155]
步骤一、根据传感网络采集历史温度数据(即所述历史数据)，并将其转化成适合lstm模型输入的格式。在本实施例中，选择以小时为时间分辨率收集过去30天的温度数据。将采集到的温度数据按时间顺序排列并将其划分为训练集、验证集和测试集。
[0156]
步骤二、构建lstm模型，并进行训练。在本实施例中，设置了两层lstm神经网络层，每层有64个神经元，以及一个全连接层用于输出预测结果。然后，使用训练集和验证集对模型进行训练。在训练过程中，使用均方误差(mse)作为损失函数，adam优化器进行模型参数更新。训练过程中还通过early stopping策略避免模型过拟合。一旦模型训练结束，使用测试集评估模型性能，以确保模型能够准确地预测未知数据。
[0157]
步骤三、使用已训练好的lstm模型对未来一段时间内的温度进行预测。在本实施例中，我们使用过去30天的历史数据作为模型输入，预测未来24小时内的温度变化。预测结果可以通过图表或数值的方式呈现出来，以更好地了解未来的温度变化趋势。本实施例中的信息轨所代表的范围可以任意人为指定。
[0158]
本发明提供一种信息轨、道面信息感知系统及道面信息感知方法，其中信息轨包括设置于道面且能够获取道面传感数据以形成无形轨道信息的传感网络，所述无形轨道信息覆盖所述道面沿预设路径延伸的预设监测区域内的行车及道面信息。道面信息感知系统包括传感网络道路和状态分析模块，其先获取所述传感网络道路中的多种道面传感数据，然后获取实际分析目标，并基于所述实际分析目标，根据所述道面传感数据的种类，从多个预设分析方法中选择出目标分析方法，并从所述道面传感数据中筛选出与所述目标分析方法对应的目标传感数据，最后基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道信息。相比于现有技术，本发明开创性地提出了信息轨的概念，为人们提供了一种全新的道路监测的思路，实现了在无法铺设有形轨的开阔路面，获取行车信息及道面信息并进行监测的问题。
[0159]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

技术特征：
1.一种信息轨，其特征在于，包括设置于道面且能够获取道面传感数据以形成无形轨道信息的传感网络，所述无形轨道信息覆盖所述道面沿预设路径延伸的预设监测区域内的行车及道面信息。2.根据权利要求1所述的信息轨，其特征在于，所述预设监测区域为在所述道面中，基于预设宽度，沿所述预设路径延伸至预设长度构成的区域，所述预设宽度小于所述道面的宽度，所述预设长度小于所述道面的长度。3.根据权利要求1所述的信息轨，其特征在于，所述无形轨道信息包括所述预设监测区域中是否存在车辆、所述预设监测区域中的车型分类统计、所述预设监测区域的道面状态预测结果。4.一种道面信息感知系统，其特征在于，包括传感网络道路和状态分析模块，所述传感网络道路包括如权利要求1～3任一项所述的信息轨；所述传感网络道路用于行车并采集所述道面传感数据，所述传感网络道路电连接所述状态分析模块，所述状态分析模块包括数据获取模块、方法选定模块和数据分析模块，其中：所述数据获取模块用于获取所述传感网络道路中的多种道面传感数据；所述方法选定模块用于获取实际分析目标，并基于所述实际分析目标，根据所述道面传感数据的种类，从多个预设分析方法中选择出目标分析方法，并从所述道面传感数据中筛选出与所述目标分析方法对应的目标传感数据；所述数据分析模块用于基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨道信息。5.根据权利要求4所述的道面信息感知系统，其特征在于，所述传感网络道路包括多个道路模块体和所述信息轨，多个所述道路模块体相互拼接构成用于车辆行驶的道面，所述信息轨包括多种传感网络，所述传感网络用于采集所述道面传感数据，多种传感网络分别可选择地连接于不同的所述道路模块体，多种传感网络均电连接至一起，所述传感网络包括光纤类传感网络、电类传感网络和磁类传感网络。6.根据权利要求5所述的道面信息感知系统，其特征在于，所述道路模块体包括自下而上依次相连的基层、传感层和路面层，所述传感网络埋设于所述传感层，所述传感网络的信号传输端延伸出所述传感层的侧端面。7.根据权利要求6所述的道面信息感知系统，其特征在于，所述传感网络道路还包括连接器和填充料，所述连接器位于两个所述道路模块体之间，所述连接器分别连接相邻的两个所述道路模块体中的传感网络；所述填充料填充于相邻的两个所述道路模块体之间的缝隙中。8.一种道面信息感知方法，应用于如权利要求4所述的道面信息感知系统，其特征在于，所述方法包括：获取所述传感网络道路中的多种道面传感数据；获取实际分析目标，并基于所述实际分析目标，根据所述道面传感数据的种类，从多个预设分析方法中选择出目标分析方法，并从所述道面传感数据中筛选出与所述目标分析方法对应的目标传感数据；基于所述目标分析方法分析所述目标传感数据，得到所述实际分析目标对应的无形轨
道信息。9.根据权利要求8所述的道面信息感知方法，其特征在于，多个所述预设分析方法包括基于统计学原理的分析方法、基于机器学习技术的分析方法和基于深度学习技术的分析方法。10.根据权利要求9所述的道面信息感知方法，其特征在于，所述基于统计学原理的分析方法包括t检验方法、方差分析法、回归分析、主成分分析、时间序列分析和相关分析法；所述基于机器学习技术的分析方法包括朴素贝叶斯分析法、决策树分析法、聚类分析法、马尔科夫分析法、随机森林分析法、和支持向量机分析法；所述基于深度学习技术的分析方法包括卷积神经网络分析法、自编码器分析法、长短时记忆网络分析法、生成对抗网络分析法和transformers分析法。

技术总结
本发明提供一种信息轨、道面信息感知系统及道面信息感知方法，其中信息轨包括设置于道面且能够获取道面传感数据以形成无形轨道信息的传感网络，无形轨道信息覆盖道面沿预设路径延伸的预设监测区域内的行车及道面信息。道面信息感知系统包括传感网络道路和状态分析模块，其先获取多种道面传感数据，然后获取实际分析目标，从多个预设分析方法中选择出目标分析方法，最后基于目标分析方法分析目标传感数据，得到实际分析目标对应的无形轨道信息。相比于现有技术，本发明开创性地提出了信息轨的概念，为人们提供了一种全新的道路监测的思路，实现了在无法铺设有形轨的开阔路面，获取行车信息及道面信息并进行监测的问题。行车信息及道面信息并进行监测的问题。行车信息及道面信息并进行监测的问题。


技术研发人员：张劲泉 汪林 张卓敏 刘芳 范典 杨燕
受保护的技术使用者：武汉理工大学
技术研发日：2023.07.11
技术公布日：2023/10/7