[0030] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于计算机视觉的高速公路数据高效存储系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0031] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0032] 下面结合附图具体的说明本发明所提供的一种基于计算机视觉的高速公路数据高效存储系统的具体方案。
[0033] 请参阅图1，其示出了本发明一个实施例提供的一种基于计算机视觉的高速公路数据高效存储系统的结构框图，该高速公路数据高效存储系统100包括：
[0034] 数据获取模块10，用于获取每个路段上预设时间段内的感知数据和风险数据；感知数据包括车道流量、车道速度和超车次数；风险数据包括违章次数、事故次数。
[0035] 趋势相关性获取模块20，用于采用相关系数法分别获取一个周期内每个车道之间车道流量的第一相关性和车道速度的第二相关性，并根据第一相关性和第二相关性得到趋势相关性。
[0036] 路段优先值获取模块30，用于根据一个周期内感知数据与风险数据之间的相关性、趋势相关性和每个路段的道路弯曲程度得到路段优先值。
[0037] 路段评分获取模块40，用于获取历史感知数据的长程相关性、并结合路段优先值、路段数据访问频率和时间得到每个路段评分。
[0038] 数据缓存模块50，用于根据每个路段评分进行数据缓存，当缓存空间不足时，优先释放路段评分最低的数据。
[0039] 综上所述，本实施例提供了一种基于计算机视觉的高速公路数据高效存储系统，该系统通过数据获取模块10获取感知数据和风险数据；通过趋势相关性获取模块20获取车道速度和车道流量之间的趋势相关性；通过路段优先值获取模块30得到感知数据和风险数据之间的相关性，并结合趋势相关性和道路弯曲程度得到路段优先值；路段评分获取模块40根据历史感知数据的长程相关性、路段优先值、路段数据访问频率和时间得到每个路段评分；数据缓存模块50根据每个路段评分进行数据缓存，当缓存空间不足时，优先释放路段评分最低的数据，解决了现有技术中高速公路数据中重要数据的读取效率低，且缓存空间中数据命中率低的技术问题。
[0040] 优选的，本发明实施例中的数据获取模块10包括车道流量获取单元101、车道速度获取单元102、超车次数获取单元103和风险次数获取单元104。
[0041] 车道流量获取单元101，用于从每个高速路段上布置在不同位置的多个摄像头中选择一个摄像头，采用目标追踪的方法从选取的摄像头拍摄的视频中为每一个车辆分配一个ID，根据车辆的ID和位置获取预设时间段内每个车道上的车道流量。
[0042] 高速路段为高速公路上没有岔路口且单向的路段。
[0043] 本实施例中的预设时间段为一个小时。在其他实施例中，实施者也可根据实际情况选择合适的预设时间段。
[0044] 本实施例中采用基于深度学习的目标追踪方法，具体采用DeepSORT目标追踪模型。在其他实施例中，实施者可根据实际情况选择合适的目标追踪模型。
[0045] 车道速度获取单元102，用于对预设时间段内每个车道上一个位置测量的多个车辆的速度求平均得到平均车辆速度，再对每个路段的延伸方向上间隔获取的平均车辆速度求平均得到车道速度。
[0046] 超车次数获取单元103，用于根据每个路段的延伸方向上间隔获取的车辆顺序得到所述超车次数。
[0047] 将一个高速路段上每相邻两个摄像头拍摄的车辆顺序进行比较获取超车次数。
[0048] 风险数据获取单元104，用于从高速公路监控系统中获取每个路段上的违章次数和事故次数。
[0049] 优选的，本发明实施例中的趋势相关性获取模块20包括第一相关性获取单元201和第二相关性获取单元202。
[0050] 第一相关性获取单元201，用于采用相关系数法获取一个周期内车道流量的第一相关性矩阵，对第一相关性矩阵中每个车道流量之间的相关性求平均值得到第一相关性。
[0051] 本实施例中的一个周期为一天。在其他实施例中，实施者可根据实际情况选择合适的周期时长。
[0052] 获取第一相关性的具体步骤如下：
[0053] (1)根据车道流量得到形状为[n，24]的第一矩阵，其中n表示该路段的车道数量，24代表一天内每个小时的车道流量。
[0054] (2)采用相关系数法获取第一矩阵对应的第一相关性矩阵，第一相关性矩阵中元素的数值在[‑1，1]之间，‑1表示强烈负相关，+1表示强烈正相关，0表示无关系。
[0055] (3)根据第一相关性矩阵中的元素计算第一相关性，计算公式如下：
[0056]
[0057] 其中，CC1为第一相关性，cc1i为第i个车道与第一个车道之间车道流量的相关性。
[0058] 第二相关性获取单元202，用于采用相关系数法获取一天内车道速度的第二相关性矩阵，对第二相关矩阵中每个车道速度之间的相关性求平均值得到第二相关性。
[0059] (1)根据车道速度得到形状为[n，24]的第二矩阵，其中n表示该路段的车道数量，24代表一天内每个小时的车道速度。
[0060] (2)采用相关系数法获取第二矩阵对应的第二相关性矩阵，第二相关性矩阵中元素的数值在[‑1，1]之间，‑1表示强烈负相关，+1表示强烈正相关，0表示无关系。
[0061] (3)根据第二相关性矩阵中的元素计算第二相关性，计算公式如下：
[0062]
[0063] 其中，CC2为第二相关性，cc2i为第i个车道与第一个车道之间车道速度的相关性。
[0064] 本实施例中的相关系数法采用Pearson相关系数法。在其他实施例中，实施者可以根据实际情况选择合适的相关系数法。
[0065] 趋势相关性的计算公式如下：
[0066] CC3＝w1*CC1+w2*CC2
[0067] 其中，CC3为趋势相关性，CC3越大，表示路段越拥挤，w1为第一相关性CC1的权重，w2为第二相关性CC2的权重。
[0068] 本实施例中，w1＝0.29，w2＝0.71。在其他实施例中，实施者可根据实际情况选择合适的权重。
[0069] 优选的，本发明实施例中的路段优先值获取模块30包括相关性获取单元301和道路弯曲程度获取单元302。
[0070] 相关性获取单元301，用于采用典型相关分析法获取感知数据与风险数据之间的相关性。相关性越大，说明感知数据与路段风险越相关。
[0071] 道路弯曲程度获取单元302，用于根据每个路段两端点之间的直线距离d与总路程s之间的比值得到道路弯曲程度B。
[0072] 路段优先值的计算公式如下：
[0073] LV＝B*(CC4+CC3)
[0074] 其中，LV为路段优先值，CC4为相关性。
[0075] 优选的，本发明实施例中的路段评分获取模块40包括长程相关性获取单元401和路段评分计算单元402。
[0076] 长程相关性获取单元401，用于采用消除趋势波动分析法从历史感知数据中分别获取反映车道流量、车道速度和超车次数对应的长程相关性的Hurst指数h。
[0077] (1)当0.5＜h＜1时，说明时间序列具有长程相关性，呈现出趋势不断增强的状态，即在某一时间段是递增(递减)趋势，下一个时间段也会是递增(递减)趋势，且h越接近于1，长程相关性越强。
[0078] (2)当h＝0.5时，说明时间序列不相关，是一个独立的随机过程，即当前状态不会影响将来状态。
[0079] (3)当0＜h＜0.5时，说明时间序列只存在负的相关性，呈现反持久性的状态，即时间序列在某一个时间段是递增(递减)的趋势，则在下一个时间段是递减(递增)的趋势。
[0080] 路段评分计算获取单元402，用于根据感知数据对应的Hurst指数、路段优先值、频率和时间计算路段评分。
[0081] 初始分计算公式如下：
[0082] S0＝(h1+h2+h3)*100
[0083] 其中，S0为初始分，h1为车道流量对应的Hurst指数，h2为车道速度对应的Hurst指数，h3为车道速度对应的Hurst指数。
[0084] 路段评分计算公式如下：
[0085] Score＝S0+10*LV+0.001*VV‑T
[0086] 其中，Score为路段评分，VV为该路段数据在一个小时内被访问的频率，T为距离数据产生T个小时。
[0087] 优选的，本发明实施例中的数据缓存模块50采用分布式缓存，当缓存空间不足时，优先释放路段评分最低的数据。该缓存淘汰方式可以提高缓存命中率，且避免了缓存穿透问题。
[0088] 分布式缓存能够高性能地读取数据、能够动态地扩展缓存节点、能够自动发现和切换故障节点、能够自动均衡数据分区，而且能够为使用者提供图形化的管理界面，部署和维护都十分方便。
[0089] 请参阅图2，优选的，为了更合理的利用存储资源和提高数据缓存模块50中的数据未被命中时数据的读取速率，本发明实施例中的高速公路数据高效存储系统100还包括数据存储模块60，用于对数据缓存模块释放的数据进行存储；释放的数据中，路段评分高的数据存储在磁盘外圈，路段评分低的数据存储在磁盘内圈。
[0090] 当用户访问数据缓存模块中的数据未命中时，将在数据存储模块寻找需要的数据，并将该数据进一步传送到数据缓存模块中。
[0091] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0092] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0093] 以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
