CN103678838A - 一种道路交通事故信息深度处理方法 - Google Patents
一种道路交通事故信息深度处理方法 Download PDFInfo
- Publication number
- CN103678838A CN103678838A CN201210324076.0A CN201210324076A CN103678838A CN 103678838 A CN103678838 A CN 103678838A CN 201210324076 A CN201210324076 A CN 201210324076A CN 103678838 A CN103678838 A CN 103678838A
- Authority
- CN
- China
- Prior art keywords
- information
- accident
- data
- image information
- vehicle
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种道路交通事故信息深度处理方法,该方法包括以下步骤:数据采集模块:采集事故现场勘测信息、事故车辆损坏信息和人员伤亡信息,并将信息传输给处理模块;处理模块对采集的信息进行数据预处理,获得事故中各方碰撞的对应关系;处理模块根据预处理后的数据进行事故再现模拟、伤员伤害程度的评价、人员在事故发生过程中的致伤机理分析、事故发生的原因分析和车辆安全性评价等一系列处理,并获得相应的评价和分析数据,最后将这些数据以报告形式输出至数据库保存,作为道路交通安全性分析和新车型研发的依据。与现有技术相比,本发明具有全面、科学、可靠性高、操作性强等优点。
Description
技术领域
本发明涉及一种事故信息处理方法,尤其是涉及一种道路交通事故信息深度处理方法。
背景技术
中国是典型的以混合交通为主的国家,路面环境状况非常复杂和多变,道路交通事故发生率全世界第一,并且其总量随着机动车保有量的增加还在进一步增加。面对我国当前极其严峻的交通安全形势,迫切要求建立一个全面的道路交通事故信息采集系统与事故深度研究方法,对于道路交通事故的调查和研究制定一系列规范和标准。
目前对于道路交通事故信息采集系统与事故深度研究方法存在一些不足之处,在于:第一,现有的专利或者专业论文等所涉及的研究领域,大多只针对道路交通事故深度研究方法中的某一个流程与环节进行探讨与研究,或从某一点或几点进行分析;第二,事故采样的范围较小,只限定于特定的车型或特定的事故类型;第三,并未系统地完整地对道路交通事故从人、车、路及环境等多方面因素来进行数据采集与处理,更没有形成调查规范和数据质量标准。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种全面、科学、可靠性高、操作性强的道路交通事故信息深度处理方法。
本发明的目的可以通过以下技术方案来实现:
一种道路交通事故信息深度处理方法,该方法包括以下步骤:
1)数据采集模块采集事故现场勘测信息、事故车辆损坏信息和人员伤亡信息,并将信息传输给处理模块;
2)处理模块对采集的信息进行数据预处理,获得事故中各方碰撞的对应关系;
3)处理模块根据预处理后的数据进行事故再现模拟,从空间和时间上模拟事故每个阶段的过程,并获得相应的评价数据;
4)处理模块根据人员伤亡信息获得伤员伤害程度的评价数据;
5)处理模块根据步骤3)和步骤4)获得的数据,对人员在事故发生过程中的致伤机理进行分析处理,获得致伤机理数据;
6)处理模块结合步骤3)至步骤5)的数据对事故发生的原因进行分析处理,获得事故成因数据;
7)处理模块根据步骤4)中的数据和采集的事故车辆损坏信息获得车辆安全性评价数据;
8)数据输出模块将步骤3)至步骤7)的数据以报告形式输出至数据库保存,作为道路交通安全性分析评价和新车型研发的依据。
所述的事故现场勘测信息包括事故总体信息、现场事故车辆图像信息、事故现场环境图像信息、事故现场道路图像信息和现场其他图像信息。
所述的现场痕迹图像信息包括刹车痕迹图像信息、车体碎片图像信息、散落物图像信息、血迹图像信息以及碰撞参与方各自的最终位置图像信息。
所述的事故车辆损坏信息包括车辆特性状态技术参数信息、车辆变形信息和碰撞痕迹图像信息。
所述的车辆特性状态技术参数包括车体外型参数、质量参数和轮胎气压和花纹参数。
所述的碰撞痕迹图像信息包括车辆内部的碰撞痕迹图像信息、乘员损伤遗留图像信息、安全装置实施保护作用的图像信息,和车辆外部与行人、两轮车、其他车辆或其它物体的碰撞痕迹图像信息。
所述的人员伤亡记录信息要包括车内驾乘人员和车外交通参与者的伤情鉴定信息、死亡鉴定信息、现场救援措施和紧急施救信息、入院检查信息以及住院治疗信息或尸体解剖信息。
所述的步骤2)中的数据预处理包括数据归纳和可用数据提取处理。
与现有技术相比,本发明具有以下优点:
1)对于道路交通事故的数据处理制定了一系列规范和标准,确保整个调查和研究过程做到科学、完整、系统、全面;本发明按照一定规范进行信息采集,获得的信息具有可靠性、可比性,标准化规范化的采集过程保证数据的质量能满足相应的研究和研发要求。
2)针对不同事故采样类型广泛,所采信息包括事故当事人、事故车辆、事故现场,以及环境和伤亡情况。
3)针对所要采集的信息制定了采集规范,步骤极详细,操作性很强,目标很清晰,质量要求明确。
4)本发明方法具体分为信息规范采集、数据处理、事故再现、伤害评价、致伤机理分析、事故成因分析、车辆安全性分析等方面,并从多个学科的角度对道路交通事故进行全方位分析研究,形成完整的车辆安全性多元化学科研究闭环系统。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种道路交通事故信息深度处理方法,该方法包括以下步骤:
在步骤S101中,数据采集模块采集事故现场勘测信息、事故车辆损坏信息和人员伤亡记录信息,并将信息传输给处理模块。
所述的事故现场勘测信息包括事故总体信息、现场事故车辆图像信息、事故现场环境图像信息、事故现场道路图像信息和现场其他图像信息。所述的现场痕迹图像信息包括刹车痕迹图像信息、车体碎片图像信息、散落物图像信息、血迹图像信息以及碰撞参与方各自的最终位置图像信息。所述的事故车辆损坏信息包括车辆特性状态技术参数信息、车辆变形信息和碰撞痕迹图像信息。所述的车辆特性状态技术参数包括车体外型参数、质量参数和轮胎气压和花纹参数。所述的碰撞痕迹图像信息包括车辆内部的碰撞痕迹图像信息、乘员损伤遗留图像信息、安全装置实施保护作用的图像信息,和车辆外部与行人、两轮车、其他车辆或其它物体的碰撞痕迹图像信息。所述的人员伤亡记录信息要包括车内驾乘人员和车外交通参与者的伤情鉴定信息、死亡鉴定信息、现场救援措施和紧急施救信息、入院检查信息以及住院治疗信息或尸体解剖信息。
在步骤S102中,处理模块对采集的信息进行数据预处理,获得车辆碰撞的对应关系。所述的数据预处理包括数据归纳和可用数据提取处理,为后续事故分析研究做准备。
在步骤S103中,处理模块根据预处理后的数据进行事故再现模拟,从空间和时间上模拟事故每个阶段的过程,并获得相应的评价数据。事故再现模拟包括绘制现场图(如现场图中出现的标记物,如人行道、隔离带、限速标志、红绿灯等)、车辆最终位置图以及碰撞过程图,并进行行车速度、碰撞前后速度分析和碰撞能量分析。
在步骤S104中,处理模块根据人员伤亡信息获得伤员伤害程度的评价数据,为车辆安全性分析提供可靠依据;
在步骤S105中,处理模块根据步骤S103和步骤S104获得的数据对人员在事故发生过程中的致伤机理进行分析处理,获得致伤机理数据。
在步骤S106中,处理模块结合步骤S103至步骤S105的数据对事故发生的原因进行分析处理,获得事故成因数据。
在步骤S107中,处理模块根据步骤S104中的数据和采集的事故车辆损坏信息获得车辆安全性评价数据。
在步骤S108中,数据输出模块将步骤S103至步骤S107的数据以报告形式输出至数据库保存,作为道路交通安全性分析评价和新车型研发的依据。
规范采集1000起交通事故信息,通过本发明的道路交通事故信息深度处理方法对采集的信息进行处理,并将处理结果进行存档,为事故总体评价与统计分析提供可靠的依据。通过本发明采集和处理的数据能够较好的体现各项事故的特征,从而对道路交通安全性方面提出有效、可靠的建议与措施,对预防和减少事故伤害具有十分重要的现实意义。同时,本发明采集和处理的数据能为车辆安全性发现问题和提出对策,对于中国汽车工业的自主研发的现实意义更加重大。
从实际事故中得到关于道路、车辆、环境、人员伤害机理、驾驶行为习惯等信息,作为车型研发和设计的基础资料,对汽车生产厂家和汽车安全零部件企业非常重要,它丰富了车辆安全性研发的研究内容,积累真实的安全性方面的数据,检验现有的技术与产品质量,为车辆安全性方面的技术发展指出了方向;对科研院校而言,实时的事故信息采集分析是一个崭新的研究方向,拓展了汽车安全性研究领域,并且更具实用性与可靠性;通过事故研究资源在其他社会各职能部门之间的共享,它将有可能以事故再现的方式,形象准确地还原事故现场,为寻找事故原因提供基础,有助于警方判定事故责任;此外,有助于寻找道路交通的规划和设计安全问题,避免和减少事故的发生。对交通管理法规的制定及完善起到积极作用,对道路规划与设计也提供了一些参考依据;同时也可以在事故急救措施的改进以及事故医疗科研、事故保险理赔等方面发挥综合作用。
Claims (8)
1.一种道路交通事故信息深度处理方法,其特征在于,该方法包括以下步骤:
1)数据采集模块采集事故现场勘测信息、事故车辆损坏信息和人员伤亡信息,并将信息传输给处理模块;
2)处理模块对采集的信息进行数据预处理,获得事故中各方碰撞的对应关系;
3)处理模块根据预处理后的数据进行事故再现模拟,从空间和时间上模拟事故每个阶段的过程,并获得相应的评价数据;
4)处理模块根据人员伤亡信息获得伤员伤害程度的评价数据;
5)处理模块根据步骤3)和步骤4)获得的数据,对人员在事故发生过程中的致伤机理进行分析处理,获得致伤机理数据;
6)处理模块结合步骤3)至步骤5)的数据对事故发生的原因进行分析处理,获得事故成因数据;
7)处理模块根据步骤4)中的数据和采集的事故车辆损坏信息获得车辆安全性评价数据;
8)数据输出模块将步骤3)至步骤7)的数据以报告形式输出至数据库保存,作为道路交通安全性分析和新车型研发的依据。
2.根据权利要求1所述的一种道路交通事故信息深度处理方法,其特征在于,所述的事故现场勘测信息包括事故总体信息、现场事故车辆图像信息、事故现场环境图像信息、事故现场道路图像信息和现场其他图像信息。
3.根据权利要求2所述的一种道路交通事故信息深度处理方法,其特征在于,所述的现场痕迹图像信息包括刹车痕迹图像信息、车体碎片图像信息、散落物图像信息、血迹图像信息以及碰撞参与方各自的最终位置图像信息。
4.根据权利要求1所述的一种道路交通事故信息深度处理方法,其特征在于,所述的事故车辆损坏信息包括车辆特性状态技术参数信息、车辆变形信息和碰撞痕迹图像信息。
5.根据权利要求4所述的一种道路交通事故信息深度处理方法,其特征在于,所述的车辆特性状态技术参数包括车体外型参数、质量参数和轮胎气压及花纹参数。
6.根据权利要求4所述的一种道路交通事故信息深度处理方法,其特征在于,所述的碰撞痕迹图像信息包括车辆内部的碰撞痕迹图像信息、乘员损伤遗留图像信息、安全装置实施保护作用的图像信息,和车辆外部与行人、两轮车、其他车辆或其它物体的碰撞痕迹图像信息。
7.根据权利要求1所述的一种道路交通事故信息深度处理方法,其特征在于,所述的人员伤亡信息包括车内驾乘人员和车外交通参与者的伤情鉴定信息、死亡鉴定信息、现场救援措施和紧急施救信息、入院检查信息以及住院治疗信息或尸体解剖信息。
8.根据权利要求1所述的一种道路交通事故信息深度处理方法,其特征在于,所述的步骤2)中的数据预处理包括数据归纳和可用数据提取处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210324076.0A CN103678838A (zh) | 2012-09-04 | 2012-09-04 | 一种道路交通事故信息深度处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210324076.0A CN103678838A (zh) | 2012-09-04 | 2012-09-04 | 一种道路交通事故信息深度处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103678838A true CN103678838A (zh) | 2014-03-26 |
Family
ID=50316373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210324076.0A Pending CN103678838A (zh) | 2012-09-04 | 2012-09-04 | 一种道路交通事故信息深度处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103678838A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205312A (zh) * | 2015-09-08 | 2015-12-30 | 重庆大学 | 道路事故热点成因分析和破坏度评估方法 |
CN106649572A (zh) * | 2016-11-16 | 2017-05-10 | 中国特种设备检测研究院 | 城镇燃气聚乙烯管道失效基础数据处理实现方法及系统 |
CN108491418A (zh) * | 2018-02-06 | 2018-09-04 | 西南交通大学 | 一种交通事故数据信息化采集、管理和分析系统及方法 |
CN108665757A (zh) * | 2018-03-29 | 2018-10-16 | 斑马网络技术有限公司 | 模拟车辆事故系统及其应用 |
CN110853354A (zh) * | 2019-11-19 | 2020-02-28 | 上海工程技术大学 | 一种基于gps的道路交通深度采集系统 |
CN112639894A (zh) * | 2018-07-20 | 2021-04-09 | C·博诺 | 用于分析与人员相关的事故数据的计算机辅助方法 |
CN113362602A (zh) * | 2021-06-29 | 2021-09-07 | 山东旗帜信息有限公司 | 一种基于门架通行数据的拥堵分析方法及设备 |
CN113470357A (zh) * | 2021-06-30 | 2021-10-01 | 中国汽车工程研究院股份有限公司 | 一种道路交通事故信息处理系统及处理方法 |
CN113627872A (zh) * | 2021-07-21 | 2021-11-09 | 深圳市城市公共安全技术研究院有限公司 | 生产安全事故现场的勘查信息采集系统及方法 |
CN113895431A (zh) * | 2021-09-30 | 2022-01-07 | 重庆电子工程职业学院 | 一种车辆检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070088488A1 (en) * | 2005-10-14 | 2007-04-19 | Reeves Michael J | Vehicle safety system |
CN102236908A (zh) * | 2011-07-18 | 2011-11-09 | 长安大学 | 车辆迭碰撞事故分析计算与模拟再现系统 |
-
2012
- 2012-09-04 CN CN201210324076.0A patent/CN103678838A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070088488A1 (en) * | 2005-10-14 | 2007-04-19 | Reeves Michael J | Vehicle safety system |
CN102236908A (zh) * | 2011-07-18 | 2011-11-09 | 长安大学 | 车辆迭碰撞事故分析计算与模拟再现系统 |
Non-Patent Citations (3)
Title |
---|
张晓云等: "基于人体损伤特征的车-人碰撞事故再现模拟与分析", 《机械工程学报》 * |
蒲玲玲: "汽车-自行车碰撞事故再现及骑车人损伤分析", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技II辑》 * |
陈君毅等: "从道路交通事故研究看我国汽车正面碰撞法规试验形式", 《汽车工程》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205312A (zh) * | 2015-09-08 | 2015-12-30 | 重庆大学 | 道路事故热点成因分析和破坏度评估方法 |
CN105205312B (zh) * | 2015-09-08 | 2017-11-17 | 重庆大学 | 道路事故热点成因分析和破坏度评估方法 |
CN106649572A (zh) * | 2016-11-16 | 2017-05-10 | 中国特种设备检测研究院 | 城镇燃气聚乙烯管道失效基础数据处理实现方法及系统 |
CN108491418A (zh) * | 2018-02-06 | 2018-09-04 | 西南交通大学 | 一种交通事故数据信息化采集、管理和分析系统及方法 |
CN108665757A (zh) * | 2018-03-29 | 2018-10-16 | 斑马网络技术有限公司 | 模拟车辆事故系统及其应用 |
CN112639894A (zh) * | 2018-07-20 | 2021-04-09 | C·博诺 | 用于分析与人员相关的事故数据的计算机辅助方法 |
CN112639894B (zh) * | 2018-07-20 | 2023-09-05 | C·博诺 | 用于分析与人员相关的事故数据的计算机辅助方法 |
CN110853354A (zh) * | 2019-11-19 | 2020-02-28 | 上海工程技术大学 | 一种基于gps的道路交通深度采集系统 |
CN113362602A (zh) * | 2021-06-29 | 2021-09-07 | 山东旗帜信息有限公司 | 一种基于门架通行数据的拥堵分析方法及设备 |
CN113470357A (zh) * | 2021-06-30 | 2021-10-01 | 中国汽车工程研究院股份有限公司 | 一种道路交通事故信息处理系统及处理方法 |
CN113627872A (zh) * | 2021-07-21 | 2021-11-09 | 深圳市城市公共安全技术研究院有限公司 | 生产安全事故现场的勘查信息采集系统及方法 |
CN113895431A (zh) * | 2021-09-30 | 2022-01-07 | 重庆电子工程职业学院 | 一种车辆检测方法及系统 |
CN113895431B (zh) * | 2021-09-30 | 2023-07-04 | 重庆电子工程职业学院 | 一种车辆检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103678838A (zh) | 一种道路交通事故信息深度处理方法 | |
CN107843440A (zh) | 一种自动驾驶车辆性能测试系统及方法 | |
Liu et al. | Design of traffic emergency response system based on internet of things and data mining in emergencies | |
CN104590122B (zh) | 车道偏离报警系统的测试装置及方法 | |
CN102163368A (zh) | 不安全驾驶行为的识别与监控系统及方法 | |
CN103863220A (zh) | 机动车数据的监测方法和系统 | |
CN102881162A (zh) | 大规模交通信息的数据处理及融合方法 | |
CN105115605A (zh) | 轨道列车红外检测系统及检测方法 | |
TWI613108B (zh) | 針對事故的駕駛行為分析系統及方法 | |
CN111914687B (zh) | 一种基于车联网主动识别事故的方法 | |
CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN106383920A (zh) | 一种基于关联规则的重特大交通事故致因识别方法 | |
CN104748960A (zh) | 一种行车横梁在线应力监测与故障诊断系统及方法 | |
Zheng et al. | Avoid: Autonomous vehicle operation incident dataset across the globe | |
CN114118847A (zh) | 化工园区危险源在线监测平台 | |
CN106530714A (zh) | 一种基于交通流数据的二次交通事故时间预测方法 | |
CN106157609A (zh) | 一种路段状态的监测方法及装置 | |
CN117436821A (zh) | 交通事故诊断报告的生成方法、设备及存储介质 | |
CN202025368U (zh) | 不安全驾驶行为的识别与监控系统 | |
Tapak et al. | Periodical vehicle inspections with smart technology | |
CN102708674A (zh) | 车辆智能服务的方法及系统 | |
Balfe | Human factors applications of on-train-data-recorder (OTDR) data: an exploratory study | |
CN208271393U (zh) | 一种多功能高速公路自动巡警系统 | |
CN113129590A (zh) | 基于车载雷达与图形测量的交通设施信息智能分析方法 | |
Park et al. | Development of risk assessment models for railway casualty accidents |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140326 |
|
RJ01 | Rejection of invention patent application after publication |