申请/专利权人：青岛港国际股份有限公司;青岛新前湾集装箱码头有限责任公司

申请日：2021-08-11

公开（公告）日：2024-06-25

公开（公告）号：CN113743654B

主分类号：G08G1/065

分类号：G08G1/065;G06F18/241;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.12.21#实质审查的生效;2021.12.03#公开

摘要：本发明公开了一种自动化码头闸口车流量预警方法，采集闸口相关路口的车流图像，采用卷积神经网络对车流图像进行分类预测，将分类预测结果、单位时间内平均车流量分类向量、连续两个单位时间段平均车流量的差值、当前装箱数量、提箱计划数量和当前查验申请数量输入流量预测模型，得到闸口车流量分类预测，最后采用BS架构对闸口车流量分类预测进行可视化展示，使码头工作人员提前获知闸口车流情况。

主权项：1.自动化码头闸口车流量预警方法，其特征在于，包括：1）获取预测时段前设定时间段内的闸口相关路口的车流图像；对所述车流图像做如下处理：当获取了车流图像后，先将彩色图像转化为灰度图像，然后对其边缘做灰度补偿，基于对灰度值做归一化：其中，为所述车流图像的最大灰度值，为所述车流图像的最小灰度值，为所述车流图像中的每一个灰度值，为所述车流图像的像素个数；2）采用卷积神经网络对所述车流图像进行分类预测；所述卷积神经网络包括：第一层：卷积层，卷积核为11x11，卷积核数量为60，卷积核窗口移动步长为4，激活函数为：ReLUx=；第二层：卷积层，卷积核为11x11，卷积核数量为128，卷积核窗口移动步长为4，激活函数为ReLU;第三层：池化层，池化方法为最大池化；第四层：卷积层，卷积核为5x5，卷积核数量为128，卷积核窗口移动步长为2，激活函数为ReLU；第五层：卷积层，卷积核为5x5，卷积核数量为128，卷积核窗口移动步长为2，激活函数为ReLU；第六层：池化层，池化方法为最大池化；第七层：卷积层，卷积核为3x3，卷积核数量为128，卷积核窗口移动步长为1，激活函数为ReLU;第八层：卷积层，卷积核为3x3，卷积核数量为128，卷积核窗口移动步长为1，激活函数为ReLU;第九层：池化层，池化方法为最大池化；第十层、第十一层和第十二层，均为全连接层，最终输出的节点有两个，代表交通情况分类二进制编码；3）根据以下步骤处理所述分类预测结果：用二进制编码表示卷积神经网络对车流图像进行分类预测的输出；包括：将所述卷积神经网络根据预测时段前设定时间段内的闸口相关路口的n张车流图像的识别向量采用取均值，得到用二进制编码表示的分类预测的输出；其中，为路口交通向量第i个元素的均值；为第j张图预测向量第i元素的值；将对所有闸口相关路口的车流图像采用卷积神经网络进行分类预测的输出合并成一个二进制编码向量；4）将分类预测结果、单位时间内平均车流量分类向量、连续两个单位时间段平均车流量的差值、当前装箱数量、提箱计划数量和当前查验申请数量输入流量预测模型，得到闸口车流量分类预测；其中，所述流量预测模型采用支持向量机模型；其中，单位时间内平均车流量分类包括高、中、低三类，将此三类状态用二进制码表示得到单位时间平均车流量分类向量；根据历史数据计算连续两个单位时间段平均车流量的差值，并采用对所述连续两个单位时间段平均车流量的差值进行归一化处理，为历史平均流量最大值，为历史平均流量最小值，表示i时段历史平均流量；当前装箱数量、提箱计划数量和当前查验申请数量记录了计划入闸作业车辆的信息反映未来入闸作业的车辆的量级，逐一进行归一化处理；预测的标签分为两类，大于等于预设值为告警流量，小于预设值的为正常流量，分别用[1,0]和[0,1]两种向量表示；5）采用BS架构将闸口车流量分类预测进行可视化展示，并对高流量预测值做告警。

全文数据：

权利要求：

百度查询： 青岛港国际股份有限公司;青岛新前湾集装箱码头有限责任公司 自动化码头闸口车流量预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD