车流量检测方法、装置、电子设备及存储介质与流程

1.本技术属于电子技术领域，尤其涉及一种车流量检测方法、装置、电子设备及存储介质。


背景技术：

2.车流量(traffic volume)，指的是由单位时间内通过某路段的车辆为标准，在一定的时间内，某条公路点上所通过的车辆数。在交通管理和规划中，车流量常常是一个重要的指标。然而，目前的车流量检测方法准确性较低，从而影响了后续的管理和规划。


技术实现要素：

3.有鉴于此，本技术实施例提供了车流量检测方法、装置、电子设备及存储介质，以解决现有技术中如何准确地实现车流量检测的问题。
4.本技术实施例的第一方面提供了一种车流量检测方法，包括：
5.针对目标时间段内的每个预设时刻，获取所述预设时刻对应的第一车辆数量和第二车辆数量；根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量；其中，所述第一车辆数量根据雷达信号确定，所述第二车辆数量根据路侧单元信号确定；
6.根据各个所述预设时刻分别对应的所述目标车辆数量，确定所述目标时间段对应的车流量。
7.可选地，所述根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量，包括：
8.若所述第一车辆数量与所述第二车辆数量之间的差距值小于或者等于预设阈值，则以所述第一车辆数量作为所述目标车辆数量。
9.可选地，所述根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量，包括：
10.若所述第一车辆数量和所述第二车辆数量之间的差距值大于预设阈值，则获取所述雷达信号对应的第一点云数据，并通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果；所述聚类参数包括信噪比阈值、聚类邻域值和聚类门限中的任意一项或者多项；
11.若根据所述第一纠正聚类结果确定的第三车辆数量与所述第二车辆数量之间的差距值小于或者等于所述预设阈值，则以所述第三车辆数量作为所述目标车辆数量。
12.可选地，所述通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果，包括：
13.若所述第一车辆数量小于所述第二车辆数量，则：
14.根据第一信噪比阈值对所述第一点云数据进行数据过滤处理，确定第二点云数据；其中，所述第一信噪比阈值小于预设的初始信噪比阈值；
15.根据第一聚类邻域值和第一聚类门限，对所述第二点云数据进行聚类处理，得到第一纠正聚类结果；其中，所述第一聚类邻域值小于预设的初始聚类邻域值，所述第一聚类门限小于预设的初始聚类门限。
16.可选地，所述通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果，包括：
17.若所述第一车辆数量大于所述第二车辆数量，则：
18.根据第二信噪比阈值和/或静态点判定速度阈值，对所述第一点云数据进行数据过滤处理，确定第三点云数据；其中，所述第二信噪比阈值大于预设的初始信噪比阈值，所述静态点判定速度阈值为预设的非静态点的最小速度值；
19.根据第二聚类邻域值和第二聚类门限，对所述第三点云数据进行聚类处理，得到第一纠正聚类结果；其中，所述第二聚类邻域值大于预设的初始聚类邻域值，所述第二聚类门限大于预设的初始聚类门限。
20.可选地，在所述确定第一纠正聚类结果之后，所述方法还包括：
21.若根据所述第一纠正聚类结果确定的第三车辆数量与所述第二车辆数量之间的差距值大于所述预设阈值，则：
22.获取所述预设时刻的雷达信号对应的第四点云数据，以及所述预设时刻的后一时刻的雷达信号对应的第五点云数据；
23.通过调整所述聚类参数，分别确定所述第四点云数据对应的第一聚类目标集合，以及所述第五点云数据对应的第二聚类目标集合；
24.根据预设目标匹配算法，确定所述第二聚类目标集合与所述第一聚类目标集合的匹配结果；
25.根据所述匹配结果，确定所述目标车辆数量。
26.可选地，若所述第三车辆数量小于所述第二车辆数量，则所述根据所述匹配结果，确定所述目标车辆数量，包括：
27.根据所述匹配结果，确定所述第二聚类目标集合中未匹配目标的数量；
28.将所述未匹配目标的数量加上所述第一聚类目标集合中的目标总数，得到第二纠正聚类结果；
29.根据所述第二纠正聚类结果，确定目标车辆数量。
30.可选地，若所述第三车辆数量大于所述第二车辆数量，则所述根据所述匹配结果，确定所述目标车辆数量，包括：
31.根据所述匹配结果，确定所述第二聚类目标集合中已匹配目标的数量；
32.将所述已匹配目标的数量作为所述目标车辆数量。
33.本技术实施例的第二方面提供了一种车流量检测装置，包括：
34.目标车辆数量确定模块，用于针对目标时间段内的每个预设时刻，获取所述预设时刻对应的第一车辆数量和第二车辆数量；根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量；其中，所述第一车辆数量根据雷达信号确定，所述第二车辆数量根据路侧单元信号确定；
35.车流量确定模块，用于根据各个所述预设时刻分别对应的所述目标车辆数量，确定所述目标时间段对应的车流量。
36.本技术实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，使得电子设备实现如所述车流量检测方法的步骤。
37.本技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得电子设备实现如所述车流量检测方法的步骤。
38.本技术实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的车流量检测方法。
39.本技术实施例与现有技术相比存在的有益效果是：本技术实施例中，对于目标时间段内的每个预设时刻，既获取根据雷达信号确定的第一车辆数量，又能够获取根据路侧单元信号确定的第二车辆数量，以根据该第一车辆数量和第二车辆数量，确定该预设时刻对应的目标车辆数量；之后，根据各个预设时刻分别对应的目标车辆数量，确定该目标时间段对应的车流量。由于目标车辆数量是根据第一车辆数量和第二车辆数量确定的，而第一车辆数量是基于雷达信号确定的，第二车辆数量是基于路侧单元信号确定的，因此目标车辆数量实际上是结合雷达和路侧单元的检测结果来综合确定的，相对于通过单一传感器测得车流量的方式，能够提高目标车辆数量的准确性，从而提高基于该目标车辆数量确定的车流量的准确性，即，提高车流量检测的准确性。
附图说明
40.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
41.图1是本技术实施例提供的一种车流量检测方法对应的应用场景示意图；
42.图2是本技术实施例提供的一种车流量检测方法的实现流程示意图；
43.图3是本技术实施例提供的一种车流量检测方法对应的系统结构图；
44.图4是本技术实施例提供的一种车流量检测装置的示意图；
45.图5是本技术实施例提供的一种电子设备的示意图。
具体实施方式
46.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
47.为了便于理解，首先本技术实施例的一些相关概念进行以下解释：
48.路侧单元(road side unit,rsu)：是etc系统中，安装在路侧，采用专用短程通信技术(dedicated short range communication，dsrc)技术，与车载单元(on board unit，obu)进行通讯，实现车辆身份识别，电子扣分的装置。
49.车载单元obu：采用dsrc技术，与rsu进行通讯的微波装置。
50.高速公路复合通行卡(cpc卡)：cpc卡能够与rsu建立通信连接，cpc卡能够识别车辆进、出收费站信息，精确记录车辆的实际行驶路径，为跨省通行费计费、清算等提供重要
依据。
51.快速傅立叶变换(fast-fourier-transform,fft)：傅里叶变换是时域一频域变换分析中最基本的方法之一。
52.为了说明本技术所述的技术方案，下面通过具体实施例来进行说明。
53.目前，通过雷达测量车流量的方法中，受雷达聚类算法的限制，当道路中两个车辆相隔较近时，容易将两个车辆聚类成一个目标，从而导致目标漏检，车流量检测结果偏小；当道路中存在行驶的大型车辆时，又容易将该大型车辆检测为两个或者多个小型车辆，导致车流量检测结果偏大；另外，如果雷达检测区域内部有静止干扰目标，也会造成误检(即将静止物体误判为车辆)，导致车流量检测结果偏大。因此，仅通过雷达进行车流量检测的方法，存在着一定的测量误差，导致车流量检测不准确。
54.而仅通过rsu进行车流量检测，则可能存在着车辆没有携带obu或者cpc，导致rsu无法检测到该车辆的情况，或者存在着rsu不一定能够成功激活所有路过车辆的obu或者cpc卡的情况，从而造成漏检，导致车流量检测结果偏小。
55.可见，无论是单纯通过雷达实现车流量检测，还是单纯通过rsu实现车流量检测，均存在一定的缺陷，导致车流量检测不准确。而本技术中，在考虑到上述的缺陷后，通过获取雷达检测到的车辆数量和rsu检测到的车辆数量以综合确定目标车辆数量，能够降低误检概率，提高车流量检测的准确性。
56.示例性地，图1示出了本技术实施例提供的一种车流量检测方法对应的应用场景示意图。该应用场景中，道路的同一水平线上安装了雷达(radio detection and ranging，radar)和rsu，该雷达和rsu均分别与数据处理中心(图中未示出)建立了数据传输通道，从而使雷达和rsu均能够与该数据处理中心进行数据通信。该数据处理中心可以为电脑、服务器、手机等计算设备。
57.在安装rsu时，可以调整确定rsu的有效检测区域，该有效检测区域需要覆盖道路上的全车道(例如图1所示的4车道)。具体地，可以根据rsu天线的安装角度及其天线波束图确定rsu的有效检测区域。其中，rsu的波束图并不要求为矩形，例如rsu对应的有效检测区域可以为如图1所示的椭圆虚线内的区域，只需要保证该rsu的有效检测区域包含该道路全车道的一定长度的道路路段即可。设有效检测区域中最靠近rsu的第一边缘点与该rsu的距离为l1，该有效检测区域中与rsu相距最远的第二边缘点与该rsu的距离为l2，则可以根据该有效检测区域确定道路上与该rsu距离为l1和距离为l2的两条平行线之间包含的目标检测区域，将该目标检测区域作为后续车辆电子标签(obu或者cpc)能够被rsu识别检测的区域。当车辆的obu或者cpc经过该路面上的目标检测区域时，obu或者cpc能够被rsu唤醒，使得rsu能够检测到车辆的电子标签。
58.对于雷达，可以该雷达为坐标系原点建立坐标系，雷达对道路发射信号，之后通过接收到的反射信号进行信号处理，确定各个回波点到达雷达的距离。将距离大小位于l1和l2之间的点视为rsu的目标检测范围内的回波点，将其作为用于确定第一车辆数量的目标数据点。
59.实施例一：
60.图2示出了本技术实施例提供的第一种车流量检测方法的流程示意图，该车流量检测方法的执行主体为电子设备。
61.在一个实施例中，该电子设备可以提前设置了配置文件，其配置的内容可以包括以下的任意一项或者多项：
62.(1)rsu对应的目标检测区域的信息(例如图1所示的距离l1和距离l2的信息)；
63.(2)每两个预设时刻之间的时间间隔可以为δt；
64.(3)预设阈值δn；
65.(4)静态点判定速度阈值vs(单位为米/秒)；
66.(5)初始聚类算法中的聚类参数：初始信噪比阈值δsnr、初始聚类邻域值ri和初始聚类门限minpts；
67.(6)纠正聚类处理中的调整系数：聚类邻域调整系数λ、α；信噪比阈值调整系数β、γ；
68.(7)状态转移矩阵f；
69.(8)匹配算法中的位置关联阈值d_uilda，速度关联阈值v_uilda。
70.如图2所示的该车流量检测方法详述如下：
71.在s201中，针对目标时间段内的每个预设时刻，获取所述预设时刻对应的第一车辆数量和第二车辆数量；根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量；其中，所述第一车辆数量根据雷达信号确定，所述第二车辆数量根据所述路侧单元信号确定。
72.本技术实施例中，目标时间段为设定的进行车流量统计的监测时间段。该目标时间段可以为1分钟、1小时、1天等。该目标时间段中，包含至少两个预设时刻，其中，该预设时刻可以以秒为时间单位，相邻的每两个预设时刻之间的时间间隔可以为δt。例如，目标时间段可以为1分钟，δt＝10秒，则该目标时间段内包含6个预设时刻，分别为：第10秒时刻、第20秒时刻、第30秒时刻、第40秒时刻、第50秒时刻、第60秒时刻(或者分别为第0秒时刻、第10秒时刻、第20秒时刻、第30秒时刻、第40秒时刻、第50秒时刻)。
73.本技术实施例的执行主体，即电子设备具体可以为与图1所示的radar和rsu建立了通信连接的计算设备，该计算设备可以为电脑、手机、云端服务器等。电子设备可以在目标预设时间段内的每个预设时刻，获取雷达传输的该预设时刻的第一车辆数量，以及获取路侧单元rsu传输的该预设时刻的第二车辆数量。其中，第一车辆数量是由根据该预设时刻采集到的雷达信号进行信号处理和聚类处理得到的，第二车辆数量是根据该预设时刻采集到的rsu信号而确定的。
74.在一个实施例中，获取预设时刻对应的第一车辆数量，具体包括：接收雷达发送的第一车辆数量。该第一车辆数量为雷达根据雷达信号进行信号处理和聚类处理得到的。示例性，雷达确定第一车辆数量的步骤可以如下：
75.a1：雷达按照预设的时间间隔发射雷达信号，并接收道路中的车辆反射的回波信号。
76.a2：雷达接收到该回波信号后，对回波信号进行数字采样，之后依次进行一维fft、多普勒fft(二维fft)、三维fft处理，可以得到雷达检测区域内每个点与该雷达原点的距离r、速度v和角度θ等信息。并且，通过补偿过滤器对经过fft处理后的数据进行滤波处理，可以确定该雷达检测区域内每个点对应的信噪比snr。根据这些信息，可以构建得到雷达检测范围内的初始点云数据，形成点云图。在该初始点云数据中，每个点数据包含距离r、速度v
和角度θ和信噪比snr等信息。
77.a3：雷达对通过初始信噪比阈值、初始聚类邻域值和初始聚类门限等聚类算法参数，对该初始点云数据进行聚类处理，得到该初始点云数据中的各个聚类目标，并以该聚类目标的数量作为第一车辆数量。
78.在一个实施例中，获取预设时刻对应的第二车辆数量，具体包括：接收rsu发送的第二车辆数量，该第二车辆数量是由rsu根据rsu检测信号确定的。示例性地，rsu确定第二车辆数量的步骤可以如下：
79.b1：配置定向窄波束天线的rsu发射信号，当车辆进入上述的目标检测区域后，其携带的电子标签被rsu激活，与rsu建立通信连接；
80.b2：rsu根据检测到的在目标检测区域内与其进行通信的电子标签的数量，确定第二车辆数量。
81.在一个实施例中，电子设备可以根据内部时钟模块产生的时钟信号，每间隔预设时长δt产生一次数据请求信号，并向雷达和rsu同步发送数据请求信号，使得雷达和rsu在接收到数据请求后，向该电子设备返回预设时刻对应的第一车辆数量、第二车辆数量，完成数据发送的同步，使得电子设备能够同步接收到对应同一预设时刻的第一车辆数量和第二车辆数量。
82.电子设备在接收到第一车辆数量和第二车辆数量后，对该第一车辆数量和第二车辆数量进行比较，根据比较结果确定预设时刻对应的目标车辆数量。
83.在s202中，根据各个所述预设时刻分别对应的所述目标车辆数量，确定所述目标时间段对应的车流量。
84.在目标时间段内的各个预设时刻均分别确定了其对应的目标车辆数量后，根据各个目标车辆数量，统计目标时间段内的车辆总数，根据该车辆总数确定目标时间段对应的车流量。在一个实施例中，目标时间段的车流量为以该目标时间段为单位时长的车流量，则可以直接将该车辆总数作为该目标时间段对应的车流量。例如，设目标时间段为1分钟，根据1分钟内各个预设时刻对应的目标车辆数量，统计得到1分钟内的车辆总数，将其作为该1分钟内的车流量。
85.可选地，上述的步骤s202可以包括：
86.对于所述目标时间段内的首个预设时刻，以所述首个预设时刻对应的目标车辆数量作为所述首个预设时刻的车辆增量；
87.对于所述目标时间段内的非首个预设时刻，在每次确定所述非首个预设时刻对应的目标车辆数量之后，减去与所述非首个预设时刻的上一时刻重复的目标数量，得到所述非首个预设时刻的车辆增量；
88.将各个所述车辆增量进行累加，确定所述目标时间段对应的车流量。
89.在该目标时间段内，对于首个预设时刻，在根据该首个预设时刻的第一车辆数量和第二车辆数量确定目标车辆数量后，可以直接以该目标车辆数量作为该首个预设时刻的车辆增量，该首个预设时刻的车辆增量也即为目标时间段内开始进行车辆统计时的初始车辆数量。
90.之后，电子设备可以向雷达发送目标跟踪数据请求，雷达将每个预设时刻包含的车辆目标唯一id信息的数据返回至电子设备。对于每个非首个预设时刻，在确定该非首个
时刻对应的目标车辆数量后，将当前时刻统计的车辆的目标唯一id信息与上一时刻统计的车辆的目标唯一id信息进行对比，确定当前时刻与上一时刻均存在的目标唯一id信息的个数，将其称为重复数量，即在上一时刻已统计的、当前时刻无需再次统计的数量。将当前时刻的目标车辆数量减去该重复数量，可以得到当前预设时刻相对于上一时刻的车辆增量。
91.之后，将各个预设时刻分别对应的车辆增量进行累加，可以得到没有重复的车辆总数，根据该车辆总数确定对应的车流量。例如，设目标时间段为1分钟，相邻的每两个预设时刻之间的时间间隔为δt，则可以将60/δt个车辆增量进行累加，得到1分钟的车流量。
92.本技术实施例中，由于目标车辆数量是根据第一车辆数量和第二车辆数量确定的，而第一车辆数量是基于雷达信号确定的，第二车辆数量是基于路侧单元信号确定的，因此目标车辆数量实际上是结合雷达信号和路侧单元信号这两个信号来综合确定的，相对于通过单一传感器测得车流量的方式，能够提高目标车辆数量的准确性，从而提高基于该目标车辆数量确定的车流量的准确性，即，提高车流量检测的准确性。
93.可选地，所述根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量，包括：
94.若所述第一车辆数量与所述第二车辆数量之间的差距值小于或者等于预设阈值，则以所述第一车辆数量作为所述目标车辆数量。
95.本技术实施例中，在获取到预设时刻对应的第一车辆数量和第二车辆数量后，将基于雷达信号确定的该第一车辆数量与该基于rsu信号确定的第一车辆数量进行对比。当比较确定第一车辆数量与第二车辆数量相等时，直接将该第一车辆数量作为该预设时刻对应的目标车辆数量。或者，当第一车辆与第二车辆数量虽然不一致，但二者之间的差距值在预设阈值δn以内，则可以将根据雷达信号确定的第一车辆数量在误差范围内是准确的，因此，此时也将该第一车辆数量作为该预设时刻对应的目标车辆数量。
96.本技术实施例中，通过对第一车辆数量和第二车辆数量进行比对，在二者的差距值小于或者预设阈值时，直接将该第一车辆数量作为目标车辆数量，因此能够利用基于rsu信号确定的第二车辆数量来验证基于雷达信号确定的第一车辆数量的准确性，从而保证车流量检测的准确性。
97.可选地，所述根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量，包括：
98.若所述第一车辆数量和所述第二车辆数量之间的差距值大于预设阈值，则获取所述雷达信号对应的第一点云数据，并通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果；所述聚类参数包括信噪比阈值、聚类邻域值和聚类门限中的任意一项或者多项；
99.若根据所述第一纠正聚类结果确定的第三车辆数量与所述第二车辆数量之间的差距值小于或者等于所述预设阈值，则以所述第一车辆数量作为所述目标车辆数量。
100.本技术实施例中，当第一车辆数量和第二车辆数量之间的差距值大于预设阈值δn时，说明当前可能由于雷达的聚类处理算法不够准确而导致车辆数量的确定存在偏差。此时，可以进入一次纠正处理模式，改进聚类处理算法，基于雷达信号确定纠正后的第三车辆数量。
101.在一个实施例中，电子设备进入一次纠正处理模式后，向雷达发送点云数据请求
信号，以获取当前需纠正车辆数量的预设时刻对应的点云数据。雷达接收到该点云数据请求信号后，将该点云数据按照预设的通信协议封装为数据包后发送至电子设备。电子设备接收到雷达发送的数据包后，进行数据解析，得到预设时刻对应的第一点云数据。
102.之后，电子设备根据第一车辆数量和第二车辆数量的比较结果，调整当前聚类参数，再基于调整后的聚类参数对该第一点云数据进行聚类处理(将此时的聚类处理称为第一纠正聚类处理)，得到对应的聚类结果作为第一纠正聚类结果。其中，可以调整的聚类参数包括点云数据的信噪比阈值、聚类邻域大小和聚类门限(即形式一个聚类目标的最小点数)中的任意一项或者多项。
103.在通过调整聚类参数，确定优化后的第一纠正聚类结果后，可以根据该第一纠正聚类结果确定第三车辆数量。例如，可以将该第一纠正聚类结果中确定的聚类目标的数量，作为重新基于雷达信号确定的第三车辆数量。之后，将该第三车辆数量与该第二车辆数量进行比较，如果该第三车辆数量与该第二车辆数量一致，或者第三车辆数量与该第二车辆数量不一致但二者的差距值小于或者等于预设阈值δn，则说明当前优化聚类算法得到的第三车辆数量在误差范围内与基于rsu信号得到的第二车辆数量相等，此时，可以将该第三车辆数量作为该预设时刻对应的车辆数量。
104.本技术实施例中，由于在基于雷达信号确定的第一车辆数量和基于rsu信号确定的第二车辆数量之间的差距较大时，能够通过调整聚类参数实现第一纠正聚类处理，以得到更准确的第三车辆数量，基于该第三车辆数量确定更准确的目标车辆数量，因此能够提高车流量检测的准确性。
105.可选地，所述通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果，包括：
106.若所述第一车辆数量小于所述第二车辆数量，则：
107.c1：根据第一信噪比阈值对所述第一点云数据进行数据过滤处理，确定第二点云数据；其中，所述第一信噪比阈值小于预设的初始信噪比阈值；
108.c2：根据第一聚类邻域值和第一聚类门限，对所述第二点云数据进行聚类处理，得到第一纠正聚类结果；其中，所述第一聚类邻域值小于预设的初始聚类邻域值，所述第一聚类门限小于预设的初始聚类门限。
109.本技术实施例中，当第一车辆数量和第二车辆数量之间的差距值大于预设阈值δn，并且第一车辆数量小于该第二车辆数量时，说明原来基于雷达信号进行聚类处理得到的聚类目标的数量可能偏少。此时，执行目标偏少时对应的第一纠正聚类处理步骤，具体可以包括以上的步骤c1～c2。
110.其中，以上的步骤c1具体可以包括以下的步骤c11～c14。
111.c11：在获取第一点云数据后，首先可以进行坐标转换，将极坐标系下的第一点云数据转化为笛卡尔坐标系下的第一点云数据，其转换公式为：
112.x＝d*cosa
113.y＝d*sina
114.其中：(x，y)为笛卡尔坐标系下的坐标，(d，a)为极坐标系下的坐标。
115.c12：根据初始信噪比阈值δsnr和第一信噪比阈值变化系数β，将聚类参数中的信噪比阈值由原来的初始信噪比阈值调整为数值更小的第一信噪比阈值snr1，示例性地，
snr1＝β*δsnr(0《β《1)。其中，该初始信噪比阈值为原来基于雷达信号确定第一车辆数量的过程中进行点云数据滤除所依据的信噪比阈值。
116.c13：根据该第一信噪比阈值对该笛卡尔坐标系下的第一点云数据进行数量过滤处理，将其中信噪比小于该第一信噪比阈值的点云数据滤除，得到去噪后的第一点云数据。由于调整后的第一信噪比阈值更小，使得在点云数据滤除时能够保留更多的信噪比不太大的点数据，使得能够进行后续聚类处理的点云数据更多，从一定程度上提高后续聚类处理得到的聚类目标的数量，从而能够一定程度上提高基于雷达信号检测到的车辆数量。
117.c14：根据电子设备存储的rsu对应的目标检测区域的信息，从去噪后的第一点云数据中筛选出位于该目标检测区域(即图1所示的距离l1和l2之间的路面区域)内的点云数据，得到第二点云数据。
118.在一个实施例中上述的步骤c2，包括步骤c21～c23。
119.c21：根据初始聚类邻域值ri和第一邻域变化系数λ，将聚类参数中的聚类邻域值由原来的初始聚类邻域值调整为数值更小的第一聚类邻域值r1。其中，该初始聚类邻域值为原来基于雷达信号确定第一车辆数量的聚类处理中所依据的聚类邻域值。示例性地，r1＝λ*ri(0《λ《1)。
120.c22：根据初始聚类门限minpts，将聚类参数中的聚类邻域值由原来的初始聚类门限调整为数值更小的第一聚类门限m1。其中，该初始聚类门限为原来基于雷达信号确定第一车辆数量的聚类处理中所依据的聚类门限，聚类门限指的是每个聚类簇要求的最少点数。示例性地，m1＝minpts-1。
121.c23：基于调整后的第一聚类邻域阈值r1和第一聚类门限m1，对该第二点云数据进行密度聚类处理，得到第一纠正聚类结果。由于调整后的第一聚类邻域阈值r1更小，第一聚类门限m1也更小，使得在聚类处理时，对聚类目标的邻域大小和点数门限要求更低，能够聚类出更多小的聚类目标，从一定程度上提高后续聚类处理得到的聚类目标的数量，从而能够一定程度上提高基于雷达信号检测到的车辆数量。在一些实施例中，当得到的第一纠正聚类结果中包含的聚类目标的数量仍小于第二车辆数量时，可以再次返回执行步骤c21至步骤c23，得到进一步优化的第一纠正聚类结果。
122.本技术实施例中，基于较小的第一信噪比阈值、第一聚类邻域阈值和第一聚类门限，使得第一纠正聚类结果中包含的聚类目标更多，使得在第一车辆数量小于第二车辆数量时，基于该聚类目标增多的第一纠正聚类结果，缩小基于雷达信号确定的车辆数量与该第二车辆数量的差距，得到更准确的第三车辆数量，提高车辆检测的准确性。
123.可选地，所述通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果，包括：
124.若所述第一车辆数量大于所述第二车辆数量，则：
125.d1：根据第二信噪比阈值和/或预设速度阈值，对所述第一点云数据进行数据过滤处理，确定第三点云数据；其中，所述第二信噪比阈值大于预设的初始信噪比阈值，所述预设速度阈值为预设的车辆最低行驶速度；
126.d2：根据第二聚类邻域值和第二聚类门限，对所述第三点云数据进行聚类处理，得到第一纠正聚类结果；其中，所述第二聚类邻域值大于预设的初始聚类邻域值，所述第二聚类门限大于预设的初始聚类门限。
127.本技术实施例中，当第一车辆数量和第二车辆数量之间的差距值大于预设阈值δn，并且第一车辆数量大于该第二车辆数量时，说明原来基于雷达信号进行聚类处理得到的聚类目标的数量可能偏多。此时，执行目标偏多时对应的第一纠正聚类处理步骤，具体可以包括以上的步骤d1～d2。
128.其中，以上的步骤d1具体可以包括以下的步骤d11～d15。
129.d11：在获取第一点云数据后，首先可以进行坐标转换，将极坐标系下的第一点云数据转化为笛卡尔坐标系下的第一点云数据。
130.d12：根据初始信噪比阈值δsnr和第二信噪比阈值变化系数γ，将聚类参数中的信噪比阈值由原来的初始信噪比阈值调整为数值更大的第二信噪比阈值snr2。示例性地，snr2＝γ*δsnr(1《γ《2)。
131.d13：根据该第二信噪比阈值对该笛卡尔坐标系下的第一点云数据进行数量过滤处理，将其中信噪比小于该第二信噪比阈值的点云数据滤除，得到去噪后的第一点云数据。由于调整后的第二信噪比阈值更大，使得在点云数据滤除时更加严格地滤除掉信噪比较差的点云数据，使得能够进行后续聚类点云数据更少，从一定程度上较少后续聚类处理得到的聚类目标的数量，从而能够一定程度上减少基于雷达信号误检测出的多余目标。
132.d14：在得到该去噪后的第一点云数据后，可以进一步基于预设的静态点判定速度阈值vs，将其中点云速度低于vs的点云数据滤除，即去除掉可能为静态物而非车辆的点云数据，得到筛选后的第一点云数据。
133.d15：根据电子设备存储的rsu对应的目标检测区域的信息，从筛选后的第一点云数据中筛选出位于该目标检测区域内的点云数据，得到第三点云数据。
134.在一个实施例中上述的步骤d2，包括步骤d21～d23。
135.d21：根据初始聚类邻域值ri和第二邻域变化系数α，将聚类参数中的聚类邻域值由原来的初始聚类邻域值调整为数值更大的第二聚类邻域值r2。示例性地，r2＝α*ri(1《α《2)。
136.d22：根据初始聚类门限minpts，将聚类参数中的聚类邻域值由原来的初始聚类门限调整为数值更大的第二聚类门限m2。示例性地，m2＝minpts+1。
137.d23：基于调整后的第二聚类邻域阈值r2和第一聚类门限m2，对该第三点云数据进行密度聚类处理，得到第一纠正聚类结果。由于调整后的第一聚类邻域阈值r2更大，第二聚类门限m2也更大，使得在聚类处理时，对聚类目标的邻域大小和点数门限要求升高，排除掉一些小的聚类目标的出现，从一定程度上降低后续聚类处理得到的聚类目标的数量，使其与第二车辆数量接近，从而能够一定程度上提高基于雷达信号检测到的车辆数量。
138.本技术实施例中，基于较大的第二信噪比阈值、第二聚类邻域阈值和第二聚类门限，使得第一纠正聚类结果中包含的聚类目标更少，使得在第一车辆数量大于第二车辆数量时，基于该聚类目标减少的第一纠正聚类结果，缩小基于雷达信号确定的车辆数量与该第二车辆数量的差距，得到更准确的第三车辆数量，提高车辆检测的准确性。
139.可选地，在所述确定第一纠正聚类结果之后，所述方法还包括：
140.若根据所述第一纠正聚类结果确定的第三车辆数量与所述第二车辆数量之间的差距值大于所述预设阈值，则：
141.获取所述预设时刻的雷达信号对应的第四点云数据，以及所述预设时刻的后一时
刻的雷达信号对应的第五点云数据；
142.通过调整聚类参数，分别确定所述第四点云数据对应的第一聚类目标集合，以及所述第五点云数据对应的第二聚类目标集合；
143.根据预设目标匹配算法，确定所述第二聚类目标集合与所述第一聚类目标集合的匹配结果；
144.根据所述匹配结果，确定第二纠正聚类结果；
145.根据所述第二纠正聚类结果，确定所述目标车辆数量。
146.本技术实施例中，当进行第一纠正聚类处理后，根据第一纠正聚类结果确定的第三车辆数量和第二车辆数量之间的差距值仍大于预设阈值δn时，则说明通过一次纠正聚类处理仍无法准确地确定当前的目标车辆数量。此时，可以进行二次纠正处理模式，进一步改进聚类处理算法，以进一步提高目标车辆数量确定的准确性。
147.电子设备进入二次纠正处理模式后，可以向雷达发送多帧点云数据请求信号。雷达接收到该信号后，按照预设的通信协议封装当前预设时刻的雷达信号对应的点云数据作为第四点云数据，以及该预设时刻的下一时刻的雷达信号对应的点云数据作为第五点云数据，并发送至电子设备。电子设备对雷达发送的数据进行解析，得到该第四点云数据和第五点云数据。
148.在获取到第四点云数据和第五点云数据后，电子设备根据第一车辆数量和第二车辆数量的比较结果，调整当前聚类参数，再基于调整后的聚类参数对该第四点云数据进行聚类处理，得到对应的第一聚类目标集合；以及基于调整后的聚类参数对该第五点云数据进行聚类处理，得到对应的第二聚类目标集合。
149.在得到第一聚类目标集合后，可以根据预设目标匹配算法，确定该第二聚类目标集合与该第一聚类目标集合的匹配结果，该匹配结果可以包括该第二聚类目标集合中的已匹配目标的数量和/或未匹配目标的数量。设第一聚类目标集合中的聚类目标为第一聚类目标，第二聚类目标集合中的聚类目标为第二目标，则第二聚类目标集合中的已匹配目标，指的是能够在第一聚类目标集合中找到与之相匹配的第一聚类目标的第二目标。相反地，未匹配目标为无法在第一聚类目标集合中找到与之相匹配的第一聚类目标的第二目标。
150.可选地，该预设目标匹配算法，可以包括以下步骤：
151.e1：基于第一聚类目标集合的各个第一聚类目标的状态sn和预设状态转换公式，确定该第一聚类目标对应的预测聚类目标的状态sn+1。其中，该预设状态转换公式为：
152.sn+1＝f*sn
153.其中：sn＝[xn,yn,vxn,vyn]为运动过程中目标当前帧点云数据中的聚类目标的状态量；sn+1＝[xs,ys,vxs,vys]为预测的下一帧点云数据中的聚类目标的状态量；f为预设的状态转移矩阵。聚类目标的状态量包含的四个参数依次分别为x轴方向的位置信息、y轴方向的位置信息、x轴方向的速度信息、y轴方向的速度信息。
[0154]
e2：获取第二聚类目标集合中各个第二聚类目标的实际状态mn+1。
[0155]
e3：根据各个第二聚类目标的实际状态mn+1＝[xm,ym,vxm,vym]和各个预测聚类目标的状态sn+1＝[xs,ys,vxs,vys]，确定各个位置差距值δd和速度差距值
△
v。
[0156]
在一个实施例中，设
△
x＝xm-xs；
△
y＝ym-ys；
△
vx＝vxm-vxs；
△
vy＝vym-vys；则位置差距值δd＝sqrt(
△
x*
△
x+
△
y*
△
y)，速度差距值
△
v＝sqrt(
△
vx*
△
vx+
△
vy*
△
vy)，其中，sqrt表示开根号运算。
[0157]
e4：对于每个预测聚类目标的状态，从第二聚类目标集合中查找与其对应的位置差距值δd最小的第二聚类目标ti，将该第二聚类目标ti对应的位置差距值记为：min(
△
d)，将该第二聚类目标ti对应的速度差距值即为：min(
△
v)；之后，根据该位置差距值min(
△
d)与位置关联阈值d_uilta的比较结果，速度差距值min(
△
v)与速度关联阈值v_uilta的比较结果，确定匹配结果。
[0158]
其中，若min(
△
d)《d_uilta和min(
△
v)《v_uilta均成立，则第二聚类目标ti为已匹配目标。
[0159]
在得到匹配结果后，根据该匹配结果，可以确定第二纠正聚类结果，该第二纠正聚类结果中包含更准确的聚类目标的数量。根据该第二纠正聚类结果包含的聚类目标的数量，可以对应确定当前预设时刻的目标车辆数量。
[0160]
本技术实施例中，由于能够在第三车辆数量与第二车辆数量仍存在较大差距时，通过再次调整聚类参数以及进行聚类目标匹配，进一步准确地确定目标车辆数量，提高车流量检测的准确性。
[0161]
可选地，若所述第三车辆数量小于所述第二车辆数量，则所述根据所述匹配结果，确定所述目标车辆数量，包括：
[0162]
根据所述匹配结果，确定所述第二聚类目标集合中未匹配目标的数量；
[0163]
将所述未匹配目标的数量加上所述第一聚类目标集合中的目标总数，得到第二纠正聚类结果；
[0164]
根据所述第二纠正聚类结果，确定目标车辆数量。
[0165]
本技术实施例中，当根据第三车辆数量与该第二车辆数量的差距值大于预设阈值，并且该第三车辆数量小于该第二车辆数量时，上述通过调整所述聚类参数，分别确定所述第四点云数据对应的第一聚类目标集合，以及所述第五点云数据对应的第二聚类目标集合的步骤中，包括：通过公式snr 1＝β*
△
snr(0《β《1)，将聚类参数中的信噪比阈值调整为较低的第一信噪比阈值；通过公式r1＝λ*ri(0《λ《1)，将聚类邻域值调整为较小的第一聚类邻域值；通过公式mpoints1＝minpts-1，将聚类参数中的聚类门限调整为较低的第一聚类门限；之后通过调整后的聚类参数对第四点云数据进行数据滤除和聚类处理，得到第一聚类目标集合；通过调整后的聚类参数对第五点云数据进行数据滤除和聚类处理，得到第二聚类目标集合，从而能够获取更多的聚类目标进行后续的目标匹配。
[0166]
在确定匹配结果后，可以根据该匹配结果，确定第二聚类目标集合中未匹配目标的数量。之后，将第一聚类目标集合中包含的第一聚类目标的目标总数n1加上该未匹配目标的数量n2，得到第二纠正聚类结果n3＝n1+n2。
[0167]
将该第二纠正聚类结果与基于rsu信号确定的第二车辆数量进行比较，如果该第二纠正聚类目标结果小于该第二车辆数量时，则直接以该第二车辆数量作为最终的目标车辆数量。若该第二纠正聚类目标结果大于该第二车辆数量，则以该第二纠正聚类目标结果作为最终的目标车辆数量。
[0168]
本技术实施例中，当根据第一纠正聚类结果确定的第三车辆数量小于该第二车辆数量时能够通过调整聚类参数，并确定第二纠正聚类结果时将未匹配目标的数量纳入统计，因此能够在基于第一次纠正后，聚类目标仍较少的情况下尽量得到更多数量的聚类目
标来确定目标车辆数量，以提高车流量检测的准确性。
[0169]
可选地，若所述第三车辆数量大于所述第二车辆数量，则所述根据所述匹配结果，确定所述目标车辆数量，包括：
[0170]
根据所述匹配结果，确定所述第二聚类目标集合中已匹配目标的数量；
[0171]
将所述已匹配目标的数量作为所述目标车辆数量。
[0172]
本技术实施例中，当根据第三车辆数量与该第二车辆数量的差距值大于预设阈值，并且该第三车辆数量大于该第二车辆数量时，上述通过调整所述聚类参数，分别确定所述第四点云数据对应的第一聚类目标集合，以及所述第五点云数据对应的第二聚类目标集合的步骤中，包括：通过公式snr 2＝γ*
△
snr(1《γ《2)，将聚类参数中的信噪比阈值调整为较高的第二信噪比阈值；通过公式r2＝α*ri(1《α《2)，将聚类邻域值调整为较大的第二聚类邻域值；通过公式mpoints2＝minpts+1，将聚类参数中的聚类门限调整为较高的第二聚类门限；之后通过调整后的聚类参数对第四点云数据进行数据滤除和聚类处理，得到第一聚类目标集合；通过调整后的聚类参数对第五点云数据进行数据滤除和聚类处理，得到第二聚类目标集合，从而能够获取更少的聚类目标进行后续的目标匹配。
[0173]
在确定匹配结果后，可以根据该匹配结果，确定第二聚类目标集合已匹配目标的数量。之后，将该已匹配目标的数量确定为目标车辆数量。
[0174]
本技术实施例中，当根据第一纠正聚类结果确定的第三车辆数量大于该第二车辆数量时能够通过调整聚类参数，并将已匹配目标作为目标车辆数量，从而能够通过严格的匹配条件准确地确定目标车辆数量，以提高车流量检测的准确性。
[0175]
示例性地，本技术实施例的车流量检测方法对应的系统结构图如图3所示，包括车流量检测方法的执行主体电子设备，以及与该电子设备建立了通信连接，能够与该电子设备进行数据交互的雷达radar、路侧单元rsu。其中，电子设备包括用于确定数据请求信号产生时间的时钟模块、与雷达和路侧单元进行通信的通信模块、用于统计车流量的主控及车流量统计模块、用于纠标车辆数量的纠正处理模块；雷达radar包括用于发射雷达信号和获取回波信号的射频模块、用于对回波信号进行处理分析的信号处理模块，以及用于与电子设备进行数据交互的通信模块；路侧单元rsu包括用于发射和接收rsu信号的射频模块，用于进行第二车辆数量统计的车辆数量统计模块，以及用于与电子设备进行数据交互的通信模块。
[0176]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0177]
实施例二：
[0178]
图4示出了本技术实施例提供的一种车流量检测装置的结构示意图，为了便于说明，仅示出了与本技术实施例相关的部分：
[0179]
该车流量检测装置包括：目标车辆数量确定模块41、车流量确定模块42。其中：
[0180]
目标车辆数量确定模块41，用于针对目标时间段内的每个预设时刻，获取所述预设时刻对应的第一车辆数量和第二车辆数量；根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量；其中，所述第一车辆数量根据雷达信号确定，所述第二车辆数量根据路侧模块信号确定。
[0181]
车流量确定模块42，用于根据各个所述预设时刻分别对应的所述目标车辆数量，确定所述目标时间段对应的车流量。
[0182]
上述的目标车辆数量确定模块41，具体可以包括通信模块和车辆数量统计模块；其中，通信模块用于针对目标时间段内的每个预设时刻，获取所述预设时刻对应的第一车辆数量和第二车辆数量；车辆数量统计模块用于根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量。
[0183]
可选地，所述目标车辆数量确定模块41中包括：
[0184]
第一确定模块，用于若所述第一车辆数量与所述第二车辆数量之间的差距值小于或者等于预设阈值，则以所述第一车辆数量作为所述目标车辆数量。
[0185]
可选地，所述目标车辆数量确定模块41中包括：
[0186]
第一纠正模块，用于若所述第一车辆数量和所述第二车辆数量之间的差距值大于预设阈值，则获取所述雷达信号对应的第一点云数据，并通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果；所述聚类参数包括信噪比阈值、聚类邻域值和聚类门限中的任意一项或者多项；
[0187]
若根据所述第一纠正聚类结果确定的第三车辆数量与所述第二车辆数量之间的差距值小于或者等于所述预设阈值，则以所述第三车辆数量作为所述目标车辆数量。
[0188]
可选地，在所述第一纠正模块中，所述通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果，包括：
[0189]
若所述第一车辆数量小于所述第二车辆数量，则：
[0190]
根据第一信噪比阈值对所述第一点云数据进行数据过滤处理，确定第二点云数据；其中，所述第一信噪比阈值小于预设的初始信噪比阈值；
[0191]
根据第一聚类邻域值和第一聚类门限，对所述第二点云数据进行聚类处理，得到第一纠正聚类结果；其中，所述第一聚类邻域值小于预设的初始聚类邻域值，所述第一聚类门限小于预设的初始聚类门限。
[0192]
可选地，在所述第一纠正模块中，所述通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果，包括：
[0193]
若所述第一车辆数量大于所述第二车辆数量，则：
[0194]
根据第二信噪比阈值和/或静态点判定速度阈值，对所述第一点云数据进行数据过滤处理，确定第三点云数据；其中，所述第二信噪比阈值大于预设的初始信噪比阈值，所述静态点判定速度阈值为预设的非静态点的最小速度值；
[0195]
根据第二聚类邻域值和第二聚类门限，对所述第三点云数据进行聚类处理，得到第一纠正聚类结果；其中，所述第二聚类邻域值大于预设的初始聚类邻域值，所述第二聚类门限大于预设的初始聚类门限。
[0196]
可选地，所述目标车辆数量确定模块41中还包括：
[0197]
第二纠正模块，用于若根据所述第一纠正聚类结果确定的第三车辆数量与所述第二车辆数量之间的差距值大于所述预设阈值，则：获取所述预设时刻的雷达信号对应的第四点云数据，以及所述预设时刻的后一时刻的雷达信号对应的第五点云数据；通过调整所述聚类参数，分别确定所述第四点云数据对应的第一聚类目标集合，以及所述第五点云数据对应的第二聚类目标集合；根据预设目标匹配算法，确定所述第二聚类目标集合与所述
第一聚类目标集合的匹配结果；根据所述匹配结果，确定所述目标车辆数量。
[0198]
可选地，所述第二纠正模块中，所述若所述第三车辆数量小于所述第二车辆数量，则所述根据所述匹配结果，确定所述目标车辆数量，包括：根据所述匹配结果，确定所述第二聚类目标集合中未匹配目标的数量；将所述未匹配目标的数量加上所述第一聚类目标集合中的目标总数，得到第二纠正聚类结果；根据所述第二纠正聚类结果，确定目标车辆数量。
[0199]
可选地，所述第二纠正模块中，所述若所述第三车辆数量大于所述第二车辆数量，则所述根据所述匹配结果，确定所述目标车辆数量，包括：根据所述匹配结果，确定所述第二聚类目标集合中已匹配目标的数量；将所述已匹配目标的数量作为所述目标车辆数量。
[0200]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0201]
实施例三：
[0202]
图5是本技术一实施例提供的电子设备的示意图。如图5所示，该实施例的电子设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如车流量检测程序。所述处理器50执行所述计算机程序52时实现上述各个车流量检测方法实施例中的步骤，例如图2所示的步骤s201至s202。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示目标车辆数量确定单元41至车流量确定单元42的功能。
[0203]
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本技术。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述电子设备5中的执行过程。
[0204]
所述电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是电子设备5的示例，并不构成对电子设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0205]
所称处理器50可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0206]
所述存储器51可以是所述电子设备5的内部存储单元，例如电子设备5的硬盘或内存。所述存储器51也可以是所述电子设备5的外部存储设备，例如所述电子设备5上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器51还可以既包括所述电子设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述电子设备所需的
其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
[0207]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0208]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0209]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0210]
在本技术所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0211]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0212]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0213]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增
减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0214]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。

技术特征：
1.一种车流量检测方法，其特征在于，包括：针对目标时间段内的每个预设时刻，获取所述预设时刻对应的第一车辆数量和第二车辆数量；根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量；其中，所述第一车辆数量根据雷达信号确定，所述第二车辆数量根据路侧单元信号确定；根据各个所述预设时刻分别对应的所述目标车辆数量，确定所述目标时间段对应的车流量。2.如权利要求1所述的车流量检测方法，其特征在于，所述根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量，包括：若所述第一车辆数量与所述第二车辆数量之间的差距值小于或者等于预设阈值，则以所述第一车辆数量作为所述目标车辆数量。3.如权利要求1所述车流量检测方法，其特征在于，所述根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量，包括：若所述第一车辆数量和所述第二车辆数量之间的差距值大于预设阈值，则获取所述雷达信号对应的第一点云数据，并通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果；所述聚类参数包括信噪比阈值、聚类邻域值和聚类门限中的任意一项或者多项；若根据所述第一纠正聚类结果确定的第三车辆数量与所述第二车辆数量之间的差距值小于或者等于所述预设阈值，则以所述第三车辆数量作为所述目标车辆数量。4.如权利要求3所述的车流量检测方法，其特征在于，所述通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果，包括：若所述第一车辆数量小于所述第二车辆数量，则：根据第一信噪比阈值对所述第一点云数据进行数据过滤处理，确定第二点云数据；其中，所述第一信噪比阈值小于预设的初始信噪比阈值；根据第一聚类邻域值和第一聚类门限，对所述第二点云数据进行聚类处理，得到第一纠正聚类结果；其中，所述第一聚类邻域值小于预设的初始聚类邻域值，所述第一聚类门限小于预设的初始聚类门限。5.如权利要求3所述的车流量检测方法，其特征在于，所述通过调整聚类参数实现对所述第一点云数据的第一纠正聚类处理，确定第一纠正聚类结果，包括：若所述第一车辆数量大于所述第二车辆数量，则：根据第二信噪比阈值和/或静态点判定速度阈值，对所述第一点云数据进行数据过滤处理，确定第三点云数据；其中，所述第二信噪比阈值大于预设的初始信噪比阈值，所述静态点判定速度阈值为预设的非静态点的最小速度值；根据第二聚类邻域值和第二聚类门限，对所述第三点云数据进行聚类处理，得到第一纠正聚类结果；其中，所述第二聚类邻域值大于预设的初始聚类邻域值，所述第二聚类门限大于预设的初始聚类门限。6.如权利要求3至5任意一项所述的车流量检测方法，其特征在于，在所述确定第一纠正聚类结果之后，所述方法还包括：若根据所述第一纠正聚类结果确定的第三车辆数量与所述第二车辆数量之间的差距
值大于所述预设阈值，则：获取所述预设时刻的雷达信号对应的第四点云数据，以及所述预设时刻的后一时刻的雷达信号对应的第五点云数据；通过调整所述聚类参数，分别确定所述第四点云数据对应的第一聚类目标集合，以及所述第五点云数据对应的第二聚类目标集合；根据预设目标匹配算法，确定所述第二聚类目标集合与所述第一聚类目标集合的匹配结果；根据所述匹配结果，确定所述目标车辆数量。7.如权利要求6所述的车流量检测方法，其特征在于，若所述第三车辆数量小于所述第二车辆数量，则所述根据所述匹配结果，确定所述目标车辆数量，包括：根据所述匹配结果，确定所述第二聚类目标集合中未匹配目标的数量；将所述未匹配目标的数量加上所述第一聚类目标集合中的目标总数，得到第二纠正聚类结果；根据所述第二纠正聚类结果，确定目标车辆数量。8.如权利要求6所述的车流量检测方法，其特征在于，若所述第三车辆数量大于所述第二车辆数量，则所述根据所述匹配结果，确定所述目标车辆数量，包括：根据所述匹配结果，确定所述第二聚类目标集合中已匹配目标的数量；将所述已匹配目标的数量作为所述目标车辆数量。9.一种车流量检测装置，其特征在于，包括：目标车辆数量确定模块，用于针对目标时间段内的每个预设时刻，获取所述预设时刻对应的第一车辆数量和第二车辆数量；根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量；其中，所述第一车辆数量根据雷达信号确定，所述第二车辆数量根据路侧单元信号确定；车流量确定模块，用于根据各个所述预设时刻分别对应的所述目标车辆数量，确定所述目标时间段对应的车流量。10.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，当所述处理器执行所述计算机程序时，使得电子设备实现如权利要求1至8任一项所述方法的步骤。11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，使得电子设备实现如权利要求1至8任一项所述方法的步骤。

技术总结
本申请适用于电子技术领域，提供了车流量检测方法、装置、电子设备及存储介质，包括：针对目标时间段内的每个预设时刻，获取所述预设时刻对应的第一车辆数量和第二车辆数量；根据所述第一车辆数量和所述第二车辆数量确定所述预设时刻对应的目标车辆数量；其中，所述第一车辆数量根据雷达信号确定，所述第二车辆数量根据路侧单元信号确定；根据各个所述预设时刻分别对应的所述目标车辆数量，确定所述目标时间段对应的车流量。本申请实施例能够准确地实现车流量检测。实现车流量检测。实现车流量检测。


技术研发人员：韦敏
受保护的技术使用者：深圳成谷软件有限公司
技术研发日：2021.12.27
技术公布日：2023/7/4