CN102426783B - 基于车辆跟踪的低流量道路交通事件检测方法 - Google Patents

基于车辆跟踪的低流量道路交通事件检测方法 Download PDF

Info

Publication number
CN102426783B
CN102426783B CN2011102533331A CN201110253333A CN102426783B CN 102426783 B CN102426783 B CN 102426783B CN 2011102533331 A CN2011102533331 A CN 2011102533331A CN 201110253333 A CN201110253333 A CN 201110253333A CN 102426783 B CN102426783 B CN 102426783B
Authority
CN
China
Prior art keywords
vehicle
upstream
downstream
monitoring
detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN2011102533331A
Other languages
English (en)
Other versions
CN102426783A (zh
Inventor
常云涛
梁倩玉
孙健
彭仲仁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN2011102533331A priority Critical patent/CN102426783B/zh
Publication of CN102426783A publication Critical patent/CN102426783A/zh
Application granted granted Critical
Publication of CN102426783B publication Critical patent/CN102426783B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开了一种基于车辆跟踪的低流量道路交通事件检测方法,其包括以下步骤:1)确定车辆通过监测路段的正常行驶时间;2)采集车牌信息对车辆进行标识和跟踪;3)根据跟踪车辆是否在正常行驶时间内通过监测路段判断该车是否遭遇异常情况。其中:步骤1)具体包括:1)确定车辆正常行驶的车速上下限;2)根据上下游监测断面的距离和车辆正常行驶的车速上下限确定车辆通过监测路段的正常行驶时间。本发明的检测方法还包括消除误检、漏检事件本发明的方法能大大降低流量情况下道路交通事件检测的误报率,并能以较低的设备布设密度进行有效工作,可应用于低流量路网或低流量时段的道路交通事件检测,为交通事故救援预警服务。

Description

基于车辆跟踪的低流量道路交通事件检测方法
技术领域
本发明属于交通技术领域,涉及交通控制与管理,尤其是基于车辆跟踪的低流量道路交通事件检测方法。
背景技术
在城市交通监控系统中,往往通过采集道路上的交通参数如速度、占有率等,并根据道路速度、占有率的变化率来判断交通事件的发生。中国专利文献CN101540103A公开了一种自动交通事件检测技术,该方法为:确定某一交通信息获取周期,在每一周期末,实时采集监测路段的交通占有率和速度;预处理这些交通数据;以处理后的交通数据为基础,分析交通状态和进行交通事件检测,得到相应路段的交通状态信息和交通事件信息。然而,低流量道路上的车流量低,速度、占有率的变化率几乎不发生变化,因此,现有的城市道路和高速公路应用的基于交通状态变化判断交通事件的检测技术,无法直接应用到低流量道路的交通事件检测中。
发明内容
本发明的目的在于为了解决现有交通事件检测技术无法应用于低流量条件下的交通事件检测问题,本发明提供了一种基于车辆跟踪的低流量道路交通事件检测方法。
为达到以上目的,本发明所采用的解决方案是:
一种基于车辆跟踪的低流量道路交通事件检测方法,其包括以下步骤:
1)确定车辆通过监测路段的正常行驶时间;
2)采集车牌信息对车辆进行标识和跟踪;
3)根据跟踪车辆是否在正常行驶时间内通过监测路段判断该车是否遭遇异常情况。
所述步骤1),具体包括:
1)确定车辆正常行驶的车速上下限;
2)根据上下游监测断面的距离和车辆正常行驶的车速上下限确定车辆通过监测路段的正常行驶时间。
所述确定车辆正常行驶的车速上下限,是通过监测系统采集监测点的车速分布特点,统计车速的均值和方差确定的。
其还包括消除误检、漏检事件,具体包括:
将上、下游采集到的在正常行驶时间内通过的车辆的车牌信息进行比对,如果车牌信息相符,则该对上、下游车牌是相匹配的同一辆车,认定未发生异常事件;如果车牌信息不相符,则剔除步骤1)中相匹配的车辆,然后判断:
若上、下游未匹配车辆的数量相同,则上、下游的车牌信息误检,上、下游的车辆是存在对应关系的同一辆车,认定未发生异常事件;
若上游未匹配车辆的数量多于下游未匹配车辆的数量,则上游车辆存在未通过下游监测点的情况,认定发生异常事件;
若上游未匹配车辆的数量少于下游未匹配车辆的数量,则上游存在漏检情况,认定未发生异常事件。
由于采用了上述方案,本发明具有以下特点:
1)在夜间和其他低流量条件下常规检测方法往往失效,但是本方法能有效检测到交通事件;
2)理论上可以将事件误报率从95%以上降低到10%以内;
3)能够在每10km一个检测断面的低设备密度条件下实现平均事件检测时间不超过10分钟,大大低于现有城市道路检测器设置的0.8~2km的检测断面间距,适合在城际高速公路上推广应用,尤其是在西部地区的大量流量较低的高等级路网上非常适用。
附图说明
图1为车辆跟踪事件检测示意图。
图2为车辆跟踪事件检测方法流程图。
图3为车辆因异常事件无法到达下游断面的示意图。
图4为车辆误检测消除方法的示意图。
图5为车辆漏检测消除方法示意图。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
本发明通过对低流量道路的车辆进行跟踪,比对车辆牌照进行匹配,消除车辆识别导致的误检,判断交通事件的发生。
本发明的基于车辆跟踪的低流量道路交通事件检测方法,首先,利用道路上的检测线圈或高清车辆识别系统自身的交通参数(流量、速度、占有率)检测功能,采集监测点的车速分布特点,统计车速的均值和方差,确定车辆正常行驶的车速分布上下限。由上下游监测断面的距离和正常行驶车速的上下限计算得到车辆通过监测路段的正常行驶时间;一般通过当前时刻的车辆行驶时间与历史值进行加权来估计。前时刻的检测路段行驶时间可以通过统计检测测路段当前时刻前30分钟内(如果车辆数不足100辆,则需延长统计时间,但不超过60分钟)的车辆行驶时间来获得。
其次,通过采集车牌信息对车辆进行标识与跟踪,结合检测路段的车速分布规律和行驶时间分布特点,确定车辆通过监测路段的正常行驶时间,根据跟踪车辆是否在正常的行驶时间内通过监测路段来判断该车是否遭遇异常情况。由于当车辆通过设有监测设备(车牌识别设备)的监测断面,车辆监测设备检测到有车辆通过,则触发监测设备对车辆进行抓拍,并根据抓拍图像识别得到该车对应的车牌号码。基于车牌号码的唯一性,可利用该车牌信息作为车辆的标识。此外,有关该车辆的抓拍图像、通过时刻、瞬时速度、占有率等信息与车辆号码作为不同字段存入交通控制系统的数据库中,作为交通事件检测方法的基础数据。
但是,在实际监测过程中会出现一些误检、漏检的情况,为此判断是否有异常事件发生时,首先,通过车牌匹配(车辆匹配指将上、下游识别到的车牌数据进行比对,如果车牌信息相符,则该对上下游车牌向匹配,并认为是同一辆车)确定目标车辆,若该目标车辆在最晚到达时间之前通过下一个检测断面,则认为该车安全通过监测路段,否则,进一步确认是否存在误检、漏检情况。然而,误检率和漏检率通常远大于异常事件发生的概率,为此,本发明还设计了一种消除误检漏检影响的判别逻辑方式,大大降低误检和漏检的影响。
所述判别逻辑方式是通过车牌识别,剔除那些上下游车牌正常匹配的车辆,剩下的车辆便是上下游车牌信息未能匹配的车辆(以下简称“失配车辆”),这部分车辆所占的比例通常比较低。如果上下游失配车辆的数量一致,则认为车辆信息“失配”是由于车牌信息识别错误造成的,实际无异常事件发生;如果上游失配车辆数多于下游失配车辆数,则认为有车未通过下游断面,则可进行事件报警;如果上游失配车辆数少于下游失配车辆数,则认为是由于上游漏检造成的,实际无异常事件发生。
具体来说,在低流量道路中选取封闭的路段,在该道路不同路段上布设多个高清卡口设备,为保证车辆检测的精度,高清卡口系统应当配备线圈,对所有车道(包括紧急车道)全覆盖,高清卡口用于检测所在断面通过的车辆牌照和瞬时速度信息,相邻的上下游两个高清卡口构成图1中的一个检测断面。
高清卡口设备在车辆通过所在检测断面时,抓拍图像并识别车辆牌照号码,标识跟踪车辆;根据车辆通过高清卡口设备所在检测断面的速度、通过时刻,以当前检测路段行驶事件的统计数据和历史数据为依据,加权求和来估计标识车辆到达下游高清卡口检测断面的到达时间。在到达下游断面的最晚估计时间前,如果上下游的检测断面的车辆牌照匹配正确,则车辆安全通过;如果经过车牌误检和漏检处理,上下游的检测断面的车辆牌照仍可正确匹配,则车辆安全通过;如果经过车牌误检和漏检处理,上下游的检测断面的车辆牌照仍不能匹配,则车辆未安全通过上下游检测断面,交通事件发生,如图2所示。
为了更好表述和理解本发明中所提出的车辆误检测和漏检测消除方法,本发明提出了图3、4、5的图示法,其中的横坐标Dj表示检测断面,纵坐标Tj表示车辆在检测断面某一位置的时间。
消除误检与漏检导致的误报警
在判别异常事件之前,一一核查下游检测到的尚未与上游车辆成功匹配的车辆(失配车辆),通过比对一定时间范围内通过上下游的车牌未成功匹配的车辆数来消除误检车辆的影响。记上、下游失配车辆数分别为mu何md
(1)如果mu>md,则说明有上游车辆未正常通过下游检测断面,车辆可能应异常事件滞留于路段中(如图3),进行事件报警;
(2)如果mu=md,说明上下游车辆是因为车牌误检的原因而发生失配现象,这些失配车辆存在对应关系,上下游车辆之间实现了间接匹配,无异常事件发生,无报警;
(3)如果mu<md,说明上游失配车辆数小于下游,可能上游存在漏检情况,这种情况下同时有异常事件发生的概率极低,故不作判断,无报警。
车牌误检处理
如图4,在某检测周期内,车辆均正常通过检测路段,但是存在多辆车牌信息失配的情况,且无法判断上下游这些失配车辆之间的具体对应关系,如不处理将进行错误的事件报警。可以通过间接匹配的方式处理如下(以2车失配为例)
(1)设当前时刻为T,置上游断面失配车辆数mu=0,下游断面失配车辆数md=0;
(2)T-tmax之前通过上游段面j的正常车辆应当在时刻T之前通过了下游检测断面j+1;
(3)在上游,T-tmax之前车牌未正常匹配的车辆为i1(图4a),上游未匹配的车辆数mu=1,而下游的T时刻之前的未匹配车辆为i1′和i2′(图4b),因此下游未匹配的车辆数md=2,mu<md,无法判断是否有事件发生,进入下一检测周期继续判别;
(4)保持mu=1,md=2的记录状态,继续检测后续车辆至T+ΔT时刻(图4a);
(5)在上游,T+ΔT-tmax之前车牌未正常匹配的车辆为i1和i2,上游未匹配的车辆数更新为mu=2,而下游的T+ΔT时刻之前的未匹配车辆仍为i1′和i2′(图4b),md=2,保持不变;mu=md,上、下游失配车辆数平衡,则可判断车牌失配是由误检引起,对失配车辆进行间接匹配,不进行报警;
(6)置mu=0,md=0,进入后续检测周期;
漏检处理
假定上游断面j检测到车辆i,而断面j+1漏检车辆i,则显然有上游j断面失配车数大于下游j+1断面,从而导致误报警。对于这种情况,我们通过增加下游检测断面j+2的校核来消除事件误报。
如图5所示:车辆i在j+1检测断面漏检,按照上文的检测逻辑,将出现mu>md的情况,从而触发事件报警机制。为了消除j+1断面漏检的影响,通过后续j+2断面进行漏检校核,如果在j+2断面发现与j断面匹配的车牌信息,则认为车辆i在j+1断面漏检,取消报警。这是,事件报警的最早时间由原来的Ti,j+1推迟到Ti,j+2
本发明结合的低流量道路的特点,提出了基于车辆跟踪的交通事件检测方法。显然,上述实例仅仅是为了清楚说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举,而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于这里的实施例,本领域技术人员根据本发明的揭示,不脱离本发明的范畴所做出的改进和修改都应该在本发明的保护范围之内。

Claims (3)

1.一种基于车辆跟踪的低流量道路交通事件检测方法,其特征在于:其包括以下步骤:
1)确定车辆通过监测路段的正常行驶时间;
2)采集车牌信息对车辆进行标识和跟踪;
3)根据跟踪车辆是否在正常行驶时间内通过监测路段判断该车是否遭遇异常情况;
其还包括消除误检、漏检事件,具体包括:
将上、下游采集到的在正常行驶时间内通过的车辆的车牌信息进行比对,如果车牌信息相符,则该对上、下游车牌是相匹配的同一辆车,认定未发生异常事件;如果车牌信息不相符,则剔除步骤1)中相匹配的车辆,然后判断:
若上、下游未匹配车辆的数量相同,则上、下游的车牌信息误检,上、下游的车辆是存在对应关系的同一辆车,认定未发生异常事件;
若上游未匹配车辆的数量多于下游未匹配车辆的数量,则上游车辆存在未通过下游监测点的情况,认定发生异常事件;
若上游未匹配车辆的数量少于下游未匹配车辆的数量,则上游存在漏检情况,认定未发生异常事件。
2.如权利要求1所述的基于车辆跟踪的低流量道路交通事件检测方法,其特征在于:所述步骤1),具体包括:
1)确定车辆正常行驶的车速上下限;
2)根据上下游监测断面的距离和车辆正常行驶的车速上下限确定车辆通过监测路段的正常行驶时间。
3.如权利要求2所述的基于车辆跟踪的低流量道路交通事件检测方法,其特征在于:所述确定车辆正常行驶的车速上下限,是通过监测系统采集监测点的车速分布特点,统计车速的均值和方差确定的。
CN2011102533331A 2011-08-30 2011-08-30 基于车辆跟踪的低流量道路交通事件检测方法 Active CN102426783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011102533331A CN102426783B (zh) 2011-08-30 2011-08-30 基于车辆跟踪的低流量道路交通事件检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011102533331A CN102426783B (zh) 2011-08-30 2011-08-30 基于车辆跟踪的低流量道路交通事件检测方法

Publications (2)

Publication Number Publication Date
CN102426783A CN102426783A (zh) 2012-04-25
CN102426783B true CN102426783B (zh) 2013-11-13

Family

ID=45960760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011102533331A Active CN102426783B (zh) 2011-08-30 2011-08-30 基于车辆跟踪的低流量道路交通事件检测方法

Country Status (1)

Country Link
CN (1) CN102426783B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107564276A (zh) * 2017-07-06 2018-01-09 重庆大学 一种基于交通状态突变的交通事件检测方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886292B (zh) * 2014-03-20 2017-02-08 杭州电子科技大学 一种基于机器视觉的夜间车辆目标稳定跟踪方法
CN111260929B (zh) * 2018-11-30 2022-01-04 西安宇视信息科技有限公司 车辆跟踪异常检测方法及装置
CN111489545B (zh) * 2019-01-28 2023-03-31 阿里巴巴集团控股有限公司 道路监控方法、装置以及设备、存储介质
CN113516843A (zh) * 2020-04-09 2021-10-19 阿里巴巴集团控股有限公司 预计到达时间的确定方法和装置、电子设备以及计算机可读存储介质
CN113256967B (zh) * 2021-04-25 2023-05-16 广州方纬智慧大脑研究开发有限公司 基于卡口数据的道路交通事件检测方法、装置及介质
CN115691095A (zh) * 2021-07-27 2023-02-03 海信集团控股股份有限公司 交通事件分析设备及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4033672B2 (ja) * 2001-12-26 2008-01-16 株式会社日立製作所 緊急事態通報システム
KR20070031629A (ko) * 2005-09-15 2007-03-20 주식회사 현대오토넷 차량용 텔레매틱스 서비스를 사용하는 차량 운전자 보호시스템 및 그 제어 방법
CN1828685A (zh) * 2005-12-28 2006-09-06 黄宝文 高速公路交通超速监测方法及其系统
CN101739823A (zh) * 2009-12-21 2010-06-16 浙江工业大学 一种适用低频采样的路段平均行程时间测量方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107564276A (zh) * 2017-07-06 2018-01-09 重庆大学 一种基于交通状态突变的交通事件检测方法

Also Published As

Publication number Publication date
CN102426783A (zh) 2012-04-25

Similar Documents

Publication Publication Date Title
CN102426783B (zh) 基于车辆跟踪的低流量道路交通事件检测方法
CN109686088B (zh) 一种交通视频告警方法、设备及系统
CN104751629B (zh) 一种交通事件的检测方法和系统
CN102254429B (zh) 一种应用基于视频识别的违章车辆检测装置的违章车辆检测方法
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
CN110164132B (zh) 一种道路交通异常的检测方法及系统
CN109979197B (zh) 基于融合数据的高速公路交通时间地图构建方法、系统
CN104240499A (zh) 一种基于微波数据的异常拥堵点判别方法
WO2022143549A1 (zh) 一种基于收费数据的高速公路路况的监测方法及装置
CN103500503A (zh) 一种基于众包模式的精准路况分析方法及系统
CN103559792B (zh) 一种高速公路行驶车辆疲劳驾驶的认定方法
CN113870570B (zh) 一种基于etc的路网运行状态方法、系统和存储介质
CN107067730B (zh) 基于卡口设备的网约车人车不一致监测方法
CN107146409B (zh) 路网中设备检测时间异常的识别和真实时差估算方法
CN101551940A (zh) 城市快速道路交通状态判别与发布系统及其方法
CN103971516B (zh) 交通数据预处理方法及路况检测方法
CN107590999A (zh) 一种基于卡口数据的交通状态判别方法
CN103956052A (zh) 一种公路路况的检测方法和系统
Yang et al. Use of sensor data to identify secondary crashes on freeways
CN114565982A (zh) 基于etc的车辆状态监测方法
Oskarbski et al. Automatic incident detection at intersections with use of telematics
CN112687099A (zh) 一种超载嫌疑车辆判定方法和装置
CN113345242A (zh) 检测加塞车辆的方法、装置及设备
CN108760239B (zh) 车辆识别装置检测方法及系统
Abuelela et al. Enhancing automatic incident detection techniques through vehicle to infrastructure communication

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant