论文部分内容阅读
摘 要：交通安全问题时刻关系到我们的生活便利与生命安全，而随着互联网技术的不断发展，交通管理平台也需要不断的更新换代，以达到更加便捷、高效、安全的维护交通安全的目的。基于此目的，本文依据GIS和边缘计算，设计出了一款智能交通管理平台，该平台结构整体可分为三层，每层的计算机网络分别覆盖一个城市网络、县级行政区域和市级行政区域，每个监控节点都包括高清摄像装置和图像处理装置，通过识别后图像与车辆登记数据库中的数据进行对比来分析交通现状，车辆有无违反交通规则问题，同时该系统还具有识别套牌车的功能，并且能够通过高清摄像装置和图像处理装置追溯套牌车驾驶者。
关键词：GIS；边缘计算；监控节点；Lora网络
传统的交通管理平台，组网结构简单，无法满足城市交通统一管理的需要。针对现有技术中存在的问题，本平台的目的在于提供一种基于GIS和边缘计算的智能交通管理平台，其特点是系统利用GIS图形和地理信息处理功能，通过人机交互界面和后台处理数据库，使交通指挥管理更高效；网络容量大，能够满足城市交通统一管理的需要，运用边缘计算，网络负载小、延迟低。
本文设计了一种基于GIS和边缘计算的智能交通管理平台。包括三层边缘计算网络和移动监控终端。第一层边缘计算网络覆盖一个城市网格，包括在一个城市网格内的多个交通监控节点和一个网关，任意交通监控节点均与网关连接。第二层边缘计算网络覆盖一个县级行政区域，包括多个网关，网关之间采用Lora网络，任意网关层级相同，同时任意网关定期将自己的计算资源情况广播给该区域内的所有其他网关。第三层边缘计算网络覆盖一个市级行政区域，包括上述所有网关和后台服务器，任意网关均与后台服务器连接，后台服务器与移动监控终端连接。后台服务器包括中央处理系统、信息数据库、交通信息数据分析与处理模块、无线模块和报警模块。监控节点的输出端通过网关连接信息数据库的输入端。信息数据库的输出端连接着交通信息综合数据分析与处理模块的输入端。交通信息综合数据分析与处理模块连接着中央处理系统。报警模块连接着中央处理系统。无线模块连接着中央处理系统。显示模块通过无线模块进行连接。移动监控终端通过无线模块进行连接。信息数据库中设置有城市交通规划信息、GIS地理信息、桥梁建设参数信息、交通信号灯系统信息、地铁建设参数信息、公路建设参数信息。
第一层边缘计算网络中，监控节点和网关之间采用Lora网络。
在第三层边缘计算网络中，网关与后台服务器之间采用LTE网络。
监控节点包括高清摄像装置和图像处理装置。高清摄像装置和图像处理装置连接，高清摄像装置安装于十字路口、公路收费站卡口或停车场卡口处。高清摄像装置用于采集汽车图像信息、汽车车牌图像信息和驾驶人图像信息。高清摄像装置与网关连接，用于向网关发送汽车图像信息、汽车车牌图像信息和驾驶人图像信息。
图像处理装置包括图像处理模块、车型识别模块、车牌识别模块、图像比对模块。图像处理模块，用于汽车图像信息的处理。车型识别模块，用于识别车型，得到汽车车型信息。车牌识别模块，用于识别车牌。图像比对模块，用于识别后图像与车辆登记数据库中的数据进行对比。图像处理模块分别与车型识别模块的输入端和车牌识别模块的输入端连接。还包括分别与车型识别模块的输出端和车牌识别模块的输出端连接的图像比对模块。图像比对模块与网关连接，将比对结果发送给网关。
汽车图像信息包括汽车的前后轮轴距、车标、天窗、长、宽、高、车身颜色信息。汽车车型信息包括汽车的品牌、型号、配置、颜色信息。
无线模块采用4G模块或者GPRS模块或者GSM模块。
图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对。图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。
该系统是以GIS公用平台作为整个交通管理系统的枢纽，系统利用基于GIS的数字电子地图把才采集到的套牌车信息经过数据融合后生成的实时信息动态的显示在电子地图上。
由于在远离后台服务器端的边缘区域图像处理装置、网关等设备的计算能力参差不齐，各种设备通信质量也会实时变化，因此实施例提出了采用上述的分层网络结构来完成整个智能交通管理平台中所有边缘设备的组网。这种分层网络结构可以使得所有处于边缘计算网络中的设备都能够共享出自己的计算资源。但并不是所有的边缘任务都能在边缘设备处理，当在当前层的设备中无法完成时，则可以上传到下一层进行处理。首先，每个网关下覆盖的所有监控节点和该网关组成第一层边缘计算网络，其次一定范围内的所有网关组成了第二层边缘计算网络，最后后台服务器作为云端处理器构成第三层边缘计算网络。
套牌车的识别方法，包括以下步骤：
（1）公路收费站卡口或停车场卡口安装前端高清摄像装置和图像处理装置，当汽车行驶通过时，前端高清摄像装置采集汽车图像数据。
（2）前端高清摄像装置将采集的图像传送至图像处理装置，图像处理模块对图像进行去噪平滑处理。
（3）将处理后的图像送入图像识别模块处理，图像识别模块包括车型识别模块和车牌识别模块。
（4）将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块，与车辆登记数据库中的数据进行对比，如果信息不一致，则向交通管理部门报警，如果信息一致，则进行下一辆车辆识别。
（5）交通管理部门根据报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。
图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对。图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。
車型识别模块采用BP神经网络识别车辆型号，BP神经网络设有7个输入神经元和4个输出神经元。采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元。品牌、型号、配置、颜色作为BP神经网络的输出神经元，从而构造神经网络。用训练好的神经网络对汽车具体型号进行识别，获取汽车品牌、型号、配置、颜色。
该平台的优势在于：
（1）通过设置边缘计算网络，一方面扩大网络容量，增加组网范围，
满足城市交通统一管理的需要，另一方面利用边缘计算优点，网络负载小、延迟低；
（2）系统利用GIS图形和地理信息处理功能，通过人机交互界面和后
台处理数据库，使交通指挥管理更高效；
（3）具有套牌汽车识别功能，不仅可以比对车标、车牌、车颜色等信息，并且可以具体到车辆型号和配置，提高了查处套牌的精确性；并且可以对驾驶人摄像，方便追溯套牌车驾驶者。
作者简介：
杨晓艺，出生年月：1997.10.30，性别：女，民族：汉籍贯：山东省济南市，学历：本科，研究方向：通信工程.
关键词：GIS；边缘计算；监控节点；Lora网络
传统的交通管理平台，组网结构简单，无法满足城市交通统一管理的需要。针对现有技术中存在的问题，本平台的目的在于提供一种基于GIS和边缘计算的智能交通管理平台，其特点是系统利用GIS图形和地理信息处理功能，通过人机交互界面和后台处理数据库，使交通指挥管理更高效；网络容量大，能够满足城市交通统一管理的需要，运用边缘计算，网络负载小、延迟低。
本文设计了一种基于GIS和边缘计算的智能交通管理平台。包括三层边缘计算网络和移动监控终端。第一层边缘计算网络覆盖一个城市网格，包括在一个城市网格内的多个交通监控节点和一个网关，任意交通监控节点均与网关连接。第二层边缘计算网络覆盖一个县级行政区域，包括多个网关，网关之间采用Lora网络，任意网关层级相同，同时任意网关定期将自己的计算资源情况广播给该区域内的所有其他网关。第三层边缘计算网络覆盖一个市级行政区域，包括上述所有网关和后台服务器，任意网关均与后台服务器连接，后台服务器与移动监控终端连接。后台服务器包括中央处理系统、信息数据库、交通信息数据分析与处理模块、无线模块和报警模块。监控节点的输出端通过网关连接信息数据库的输入端。信息数据库的输出端连接着交通信息综合数据分析与处理模块的输入端。交通信息综合数据分析与处理模块连接着中央处理系统。报警模块连接着中央处理系统。无线模块连接着中央处理系统。显示模块通过无线模块进行连接。移动监控终端通过无线模块进行连接。信息数据库中设置有城市交通规划信息、GIS地理信息、桥梁建设参数信息、交通信号灯系统信息、地铁建设参数信息、公路建设参数信息。
第一层边缘计算网络中，监控节点和网关之间采用Lora网络。
在第三层边缘计算网络中，网关与后台服务器之间采用LTE网络。
监控节点包括高清摄像装置和图像处理装置。高清摄像装置和图像处理装置连接，高清摄像装置安装于十字路口、公路收费站卡口或停车场卡口处。高清摄像装置用于采集汽车图像信息、汽车车牌图像信息和驾驶人图像信息。高清摄像装置与网关连接，用于向网关发送汽车图像信息、汽车车牌图像信息和驾驶人图像信息。
图像处理装置包括图像处理模块、车型识别模块、车牌识别模块、图像比对模块。图像处理模块，用于汽车图像信息的处理。车型识别模块，用于识别车型，得到汽车车型信息。车牌识别模块，用于识别车牌。图像比对模块，用于识别后图像与车辆登记数据库中的数据进行对比。图像处理模块分别与车型识别模块的输入端和车牌识别模块的输入端连接。还包括分别与车型识别模块的输出端和车牌识别模块的输出端连接的图像比对模块。图像比对模块与网关连接，将比对结果发送给网关。
汽车图像信息包括汽车的前后轮轴距、车标、天窗、长、宽、高、车身颜色信息。汽车车型信息包括汽车的品牌、型号、配置、颜色信息。
无线模块采用4G模块或者GPRS模块或者GSM模块。
图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对。图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。
该系统是以GIS公用平台作为整个交通管理系统的枢纽，系统利用基于GIS的数字电子地图把才采集到的套牌车信息经过数据融合后生成的实时信息动态的显示在电子地图上。
由于在远离后台服务器端的边缘区域图像处理装置、网关等设备的计算能力参差不齐，各种设备通信质量也会实时变化，因此实施例提出了采用上述的分层网络结构来完成整个智能交通管理平台中所有边缘设备的组网。这种分层网络结构可以使得所有处于边缘计算网络中的设备都能够共享出自己的计算资源。但并不是所有的边缘任务都能在边缘设备处理，当在当前层的设备中无法完成时，则可以上传到下一层进行处理。首先，每个网关下覆盖的所有监控节点和该网关组成第一层边缘计算网络，其次一定范围内的所有网关组成了第二层边缘计算网络，最后后台服务器作为云端处理器构成第三层边缘计算网络。
套牌车的识别方法，包括以下步骤：
（1）公路收费站卡口或停车场卡口安装前端高清摄像装置和图像处理装置，当汽车行驶通过时，前端高清摄像装置采集汽车图像数据。
（2）前端高清摄像装置将采集的图像传送至图像处理装置，图像处理模块对图像进行去噪平滑处理。
（3）将处理后的图像送入图像识别模块处理，图像识别模块包括车型识别模块和车牌识别模块。
（4）将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块，与车辆登记数据库中的数据进行对比，如果信息不一致，则向交通管理部门报警，如果信息一致，则进行下一辆车辆识别。
（5）交通管理部门根据报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。
图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对。图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。
車型识别模块采用BP神经网络识别车辆型号，BP神经网络设有7个输入神经元和4个输出神经元。采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元。品牌、型号、配置、颜色作为BP神经网络的输出神经元，从而构造神经网络。用训练好的神经网络对汽车具体型号进行识别，获取汽车品牌、型号、配置、颜色。
该平台的优势在于：
（1）通过设置边缘计算网络，一方面扩大网络容量，增加组网范围，
满足城市交通统一管理的需要，另一方面利用边缘计算优点，网络负载小、延迟低；
（2）系统利用GIS图形和地理信息处理功能，通过人机交互界面和后
台处理数据库，使交通指挥管理更高效；
（3）具有套牌汽车识别功能，不仅可以比对车标、车牌、车颜色等信息，并且可以具体到车辆型号和配置，提高了查处套牌的精确性；并且可以对驾驶人摄像，方便追溯套牌车驾驶者。
作者简介：
杨晓艺，出生年月：1997.10.30，性别：女，民族：汉籍贯：山东省济南市，学历：本科，研究方向：通信工程.