近年来，随着国民经济的快速、持续发展，机动车保有量迅速增加。据公安部统计显示，至2021年底全国机动车保有量达3.95亿辆，全国79个城市汽车保有量超过100万辆。随着汽车保有量的快速增长，交通拥堵等各类交通事故频发，严重危害城市居民的公共出行安全，同时伴随着汽车尾气排放的增长，导致城市环境污染日益严重。为了解决日益恶化的交通问题，智能交通系统（Intelligent Transport System）应运而生。

交通监控系统是智能交通系统（ITS）的重要组成部分，而车型识别、车流量检测及数据通信是交通监控系统自动化的基础核心内容，为进一步提取、分析道路交通信息和控制车辆提供数据支撑，是智能交通发展的重要的共性基础技术。

目前市场中比较常见的车流量信息采集技术主要包括了磁频的车辆检测技术、射频的车辆检测技术、视频的车辆检测技术、波频的车辆检测技术、移动型交通数据采集技术等。但是并没有哪种技术能适用各种交通环境，各自都存在优点和缺点。如感应线圈采集方式，需要破路施工，封闭车道进行安装，损坏不易迅速恢复；视频采集方式，车辆互相遮挡漏检，受天气、积水、亮度影响大；雷达采集方式，采集有车辆互相遮挡和低速状态下检测不准确的弊端，后期需要有经验的人员建设与维护，成本费用较高。

综上所述，研发安装维护方便、成本费用较低、车流量信息采集准确率高的交通流量轮廓信息采集及数据回传技术，对智慧交通行业基础性、关键性技术的改革和创新具有重要的示范意义，也将大幅提升我市在智能交通建设过程中解决关键共性技术问题的能力，为我市未来的智慧城市和无人驾驶等领域提供全方位技术保障。

1、采用基于相机成像原理与深度学习算法，构建出交通流多种特性的模型，再利用硅光电池的光生伏特效应完成车辆信息采集，从而实现对多条车道实时进行车型、车流量等多种类型数据采集、传输和分析，实现交通流预测与优化。

2、通过采用均值背景差分和自适应阈值选取相结合的方法，获取可靠前景、背景；通过采用基于颜色和纹理的阴影检测方法去除所检测目标中的阴影部分，降低阴影对车辆检测的影响程度；通过采用canny边缘检测及Kalman滤波跟踪模型技术，跟踪车辆轮廓目标经过检测区域的频率，判断所属车型并统计对应的车流量。

3、为了消除天气因素对交通流的影响，引入时空关联LSTM模型分析技术与DBN-SVR模型分析技术，通过收集天气与交通流数据，对数据进行缺失补齐、去噪、归一化处理，利用长短时记忆递归神经网络（LSTM）处理交通流的时间相关性，同时采用局部相关系数法自适应调整上下游检测点对目标检测点的影响权重，实现交通流空间关联性的提取；利用灰色关联分析法分析交通流数据与天气数据之间的非线性相关关系，从而筛选出对交通流影响较大的天气因素，再利用深度置信网络（DBN）提取天气与交通流量的非线性特征并输入到支持向量机（SVR）中，通过SVR强大的非线性回归拟合能力，对交通流量进行预测，从而实现较高识别和统计精度，满足对车辆实时监控管理的要求。

1、检测单车道车流量准确率：98%；

2、识别小、中、大型车辆，准确率：95%；

3、捕获角度：10--90°，角度可调；

4、抗噪及环境\其他干扰能力强：四季全天候工作，准确率98%；

5、数据处理时间：不超过50ms；

6、采集车辆速度范围：0km/h—160km/h；

7、具备RS485串口/网络通讯功能，用于实时传输采集数据，及设备ID配置、通道配置、车道配置、重启等操作；

8、具备无线通讯功能（通讯距离大于200m，通讯速率：250kbps，发射功率：20dbm），用于传输采集数据，及设备ID配置、通道配置、车道配置、重启等操作；

9、采用外部供电，内置锂电池，掉电后能持续工作48H；

10、使用寿命：5年以上。