本发明涉及高速公路，具体地涉及一种高速公路收费站收费岛的行车引导方法及系统。
背景技术：
1、在当前的交通系统中，车辆视觉指引信息的明确性和一致性对于保障交通流畅和驾驶安全至关重要。然而，当前的收费岛标识和指引信息在设计上存在一些问题。
2、首先，收费岛标识可能由于设计过于复杂、字体过小或颜色不醒目，使得驾驶员在快速行驶过程中难以迅速捕捉和准确理解标识，这导致车辆在接近收费站时无法有效地按照指示有序进入收费岛，例如，属于大型货车类型匝道的货车因没有准确获知标识，而错行驶在小型车辆匝道，进而在收费站内部形成拥堵，降低了整体的通行效率。其次，收费站内的行车诱导信息和指示信息存在分散、不一致、不明确的情况，导致驾驶员难以在短时间内获取完整且准确的信息，增加了交通事故的风险。此外，不明确的视觉指引信息还可能导致驾驶员在紧急情况下做出错误的判断和操作，从而引发交通事故。
技术实现思路
1、本发明实施例的目的是提供一种高速公路收费站收费岛的行车引导方法及系统，用于全部或至少部分的解决上述现有技术中存在的技术问题。
2、为了实现上述目的，本发明实施例提供一种高速公路收费站收费岛的行车引导方法，包括：
3、构建多源异构数据感知体系，并基于所述多源异构数据感知体系获取高速公路收费站收费岛的多源异构的数据感知信息；
4、将所述多源异构的数据感知信息输入至预先构建的协同控制模型中，获得行车引导决策，其中，所述预先构建的协同控制模型是基于车辆检测和追踪算法、行为识别算法以及密度估计算法构建的。
5、可选的，构建多源异构数据感知体系的过程包括：
6、采集收费岛、收费广场以及匝道所处的环境信息、车流信息以及设备运行状态信息；
7、在收费岛内建立内网，用于将采集的收费岛、收费广场以及匝道所处的环境信息、车流信息以及设备运行状态信息实时传输到上层系统，以使所述上层系统对上传的多源异构的数据感知信息进行融合，获得多源异构数据感知体系。
8、可选的，上层系统对上传的多源异构的数据感知信息进行融合的过程，包括：
9、分别提取所述收费岛、收费广场以及匝道所处的环境信息、车流信息以及设备运行状态信息中环境特征数据、车流特征数据以及设备运行状态特征数据；
10、将提取出的环境特征数据、车流特征数据以及设备运行状态特征数据映射到同一特征空间，并对映射后的特征数据进行拼接，生成多源异构融合数据。
11、可选的，车辆检测和追踪算法、行为识别算法以及密度估计算法包括：
12、车辆检测和追踪算法表征为：
13、基于多源异构数据感知体系，获取一段时间内进入收费岛车辆的多源异构的数据感知信息中包含的连续图像数据，并根据所述连续图像数据确定车辆标识；
14、基于所述连续图像数据设定运行轨迹参考点，按照时间序列将每张图像中设定的运行轨迹参考点进行排列连线，获得车辆的行驶轨迹；
15、基于所述行驶轨迹和车辆标识，对进入收费岛、收费广场以及匝道的车辆进行追踪；
16、行为识别算法表征为：
17、将连续图像数据映射至点云坐标系，并基于设定的运行轨迹参考点对应的点云数据，构建每张图像中车辆对应的点云数据，并根据每张图像中车辆对应的点云数据确定车辆的行为；
18、密度估计算法表征为：
19、获取收费岛、收费广场以及匝道一距离范围内多源异构的数据感知信息中包含的图像数据，并对该图像进行边缘裁剪处理，获得目标图像；
20、确定所述目标图像对应的面积，并基于热力学原理获取目标图像中车辆的数量；
21、根据目标图像中车辆的数量和目标图像对应的面积估算车辆密度。
22、可选的，将所述多源异构的数据感知信息输入至预先构建的协同控制模型中，获得行车引导决策，包括：
23、基于进入收费岛车辆的行驶轨迹和车辆标识、车辆的行为以及车辆密度引导车辆有序进入收费岛：
24、基于车辆的行驶轨迹和车辆的行为确定车辆是否通过该收费岛，若是则准备服务工作；
25、基于车辆标识，确定车辆的类型，以引导车辆进入与其类型对应的匝道；
26、基于车辆密度预估各收费通道的平均服务时间，以安排服务人员。
27、另一方面，本发明还提供一种高速公路收费站收费岛的行车引导系统，包括：
28、构建单元，用于构建多源异构数据感知体系，并基于所述多源异构数据感知体系获取高速公路收费站收费岛的多源异构的数据感知信息；
29、引导单元，用于将所述多源异构的数据感知信息输入至预先构建的协同控制模型中，获得行车引导决策，其中，所述预先构建的协同控制模型是基于车辆检测和追踪算法、行为识别算法以及密度估计算法构建的。
30、可选的，所述构建单元具体用于：
31、采集收费岛、收费广场以及匝道所处的环境信息、车流信息以及设备运行状态信息；
32、在收费岛内建立内网，用于将采集的收费岛、收费广场以及匝道所处的环境信息、车流信息以及设备运行状态信息实时传输到上层系统，以使所述上层系统对上传的多源异构的数据感知信息进行融合，获得多源异构数据感知体系。
33、可选的，所述构建单元具体用于：
34、分别提取所述收费岛、收费广场以及匝道所处的环境信息、车流信息以及设备运行状态信息中环境特征数据、车流特征数据以及设备运行状态特征数据；
35、将提取出的环境特征数据、车流特征数据以及设备运行状态特征数据映射到同一特征空间，并对映射后的特征数据进行拼接，生成多源异构融合数据。
36、可选的，所述引导单元具体用于：
37、车辆检测和追踪算法表征为：
38、基于多源异构数据感知体系，获取一段时间内进入收费岛车辆的多源异构的数据感知信息中包含的连续图像数据，并根据所述连续图像数据确定车辆标识；
39、基于所述连续图像数据设定运行轨迹参考点，按照时间序列将每张图像中设定的运行轨迹参考点进行排列连线，获得车辆的行驶轨迹；
40、基于所述行驶轨迹和车辆标识，对进入收费岛、收费广场以及匝道的车辆进行追踪；
41、行为识别算法表征为：
42、将连续图像数据映射至点云坐标系，并基于设定的运行轨迹参考点对应的点云数据，构建每张图像中车辆对应的点云数据，并根据每张图像中车辆对应的点云数据确定车辆的行为；
43、密度估计算法表征为：
44、获取收费岛、收费广场以及匝道一距离范围内多源异构的数据感知信息中包含的图像数据，并对该图像进行边缘裁剪处理，获得目标图像；
45、确定所述目标图像对应的面积，并基于热力学原理获取目标图像中车辆的数量；
46、根据目标图像中车辆的数量和目标图像对应的面积估算车辆密度。
47、可选的，所述引导单元具体用于：
48、基于进入收费岛车辆的行驶轨迹和车辆标识、车辆的行为以及车辆密度引导车辆有序进入收费岛：
49、基于车辆的行驶轨迹和车辆的行为确定车辆是否通过该收费岛，若是则准备服务工作；
50、基于车辆标识，确定车辆的类型，以引导车辆进入与其类型对应的匝道；
51、基于车辆密度预估各收费通道的平均服务时间，以安排服务人员。
52、通过上述技术方案，构建的多源异构数据感知体系，能够实时、准确地获取收费岛附近的交通状况、车辆行驶信息以及环境状态信息，经过协同控制模型处理后，可以生成合理的行车引导决策，从而有效指导车辆安全、快速地通过收费站，减少了车辆拥堵和交通事故的风险。协同控制模型是基于车辆检测和追踪算法、行为识别算法以及密度估计算法构建的，能够实现对车辆行为的深度理解和预测，这使得行车引导决策更加智能化和自动化，减少了人工干预的需要，提高了系统的可靠性和稳定性。
53、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
1.一种高速公路收费站收费岛的行车引导方法，其特征在于，包括：
2.根据权利要求1所述的行车引导方法，其特征在于，构建多源异构数据感知体系的过程包括：
3.根据权利要求2所述的行车引导方法，其特征在于，上层系统对上传的多源异构的数据感知信息进行融合的过程，包括：
4.根据权利要求1所述的行车引导方法，其特征在于，车辆检测和追踪算法、行为识别算法以及密度估计算法包括：
5.根据权利要求4所述的行车引导方法，其特征在于，将所述多源异构的数据感知信息输入至预先构建的协同控制模型中，获得行车引导决策，包括：
6.一种高速公路收费站收费岛的行车引导系统，其特征在于，包括：
7.根据权利要求6所述的行车引导系统，其特征在于，所述构建单元具体用于：
8.根据权利要求7所述的行车引导系统，其特征在于，所述构建单元具体用于：
9.根据权利要求6所述的行车引导系统，其特征在于，所述引导单元具体用于：
10.根据权利要求9所述的行车引导系统，其特征在于，所述引导单元具体用于：
