CN108986542B - 一种城市交叉路口事故隐患黑点的自动判别方法 - Google Patents

Abstract

本发明公开了一种城市交叉路口事故隐患黑点的自动判别方法，包括如下步骤：在待检测交叉路口选定任意一点为参考点，以参考点为坐标原点建立坐标系，获取交叉路口的视频，识别视频中的车辆，并获取相应的位置信息；对视频内的车辆进行编号，并根据位置信息计算得到当前车辆速度；然后对交叉路口检测范围内的任意车辆两两组合，对车辆进行碰撞事件估算；根据阈值对碰撞时间进行筛选，判定两车是否冲突；预测冲突车辆对的预期碰撞点，获取包含所有碰撞点的最小区域，并进行分区，计算单位时间内每一分区判定的事故发生频率，进一步标定事故隐患黑点。

Description

一种城市交叉路口事故隐患黑点的自动判别方法

技术领域

本发明涉及交通管理领域，具体涉及一种城市交叉路口事故隐患黑点的自动判别方法。

背景技术

近年来，全球的道路交通事故持续增加，我国更是交通事故的重灾区。交通事故隐患黑点的判定和评价也因此一直都是交通安全研究的热点。据相关数据显示，道路交通事故约有33％发生于道路交叉口。这使得交叉口事故隐患黑点的判别和评价在交通事故黑点研究中占据了重要的地位。

在一般的事故隐患黑点判别方法中，事故隐患黑点的判别方法主要分为直接鉴别方法和间接鉴别方法，如图2所示。

公布号为CN04392076A的中国专利申请提供了城市路网行人交通事故黑点识别方法，通过对指定时间段指定区域的行人交通事故分布模型的参数值，得到各事故路段单位的事故频数，并利用其估计行人交通事故分布模型的参数值，得到各事故频数的概率和事故频数累积概率，确定给定置信水平下的行人交通事故黑点上限阈值，识别行人交通事故黑点，通过反向解码实现行人交通事故黑点的空间定位和显示。

公布号为CN103116979A的中国专利申请公开了一种基于系统安全指标分布法的道路事故黑点鉴别系统，该系统包括历史事故数据记录单元、系统安全指标单元、黑点鉴别单元、和黑点鉴别结果输出单元，对路段节点上的系统安全指标进行计算。

上述事故隐患黑点判别方法多数基于现有事故数据进行分析预测，具有如下缺点和不足：

1)数据样本采集具有随机性，训练样本采集需投入大量人力。

2)采集的数据多为事故数据，未能在造成损失前做出预测，规避损失，造成财产损失和人员伤亡不可挽回。

3)预测所得结果不具时效性，无法实时监测交叉路口安全事故隐患，并动态判别交通事故隐患黑点。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种城市交叉路口事故隐患黑点的自动判别方法。

本发明采用如下技术方案：

一种城市交叉路口事故隐患黑点的自动判别方法，包括如下步骤：

S1在待检测交叉路口选定任意一点为参考点，以参考点为坐标原点建立坐标系，获取交叉路口的视频，识别视频中的车辆，并获取相应的位置信息；

S2对视频内的车辆进行编号i，i为自然数，记录车辆当前时刻t₁，和t₁-ΔT＝t₀时刻的位置信息，ΔT为一个步长时间，并根据位置信息计算得出当前车辆速度；

S3对交叉路口摄像机检测范围内的任意车辆两两组合，记为车辆对(i，j)，对车辆对(i，j)进行碰撞时间估算，记为TTC_ij；

S4设定阈值对TTC_ii进行筛选，判定两车是否冲突；

S5预测冲突车辆对的预期碰撞点，记录碰撞时间t_ijC，车辆i估计碰撞坐标

车辆j估计碰撞坐标

及两车碰撞点坐标

S6在坐标系中标记两车碰撞点坐标，获取包含所有碰撞点的最小区域D，使用尺取法对区域D划分分区，记录每一分区碰撞点数量；

S7计算单位时间内每一分区判定的事故发生频率

对每一分区标定事故隐患黑点，并根据频率由低到高对事故隐患黑点划分等级，标定颜色。

所述S2中，t₀时刻，车辆i的位置坐标

t₁时刻车辆的位置坐标为

则t₁时刻车辆i的估计速度为：

所述S3中，估算两两车辆碰撞时间TTC_ij，具体公式如下：

其中，k为目前视频中检测到车辆总数，

为车辆j的估计速度，

为t₁时刻车辆j的位置坐标。

所述阈值为：

当0≤TTC_ij≤2.5s时，车辆i与车辆j有极大可能碰撞，此时判定车辆i与车辆j冲突。

所述S5中碰撞时间计算公式为t_ijC＝t₁+TTC_ij，车辆i估计碰撞坐标

车辆j估计碰撞坐标

两车碰撞点坐标

具体计算公式如下：

所述S6中，包含所有碰撞点的最小区域D，具体为：

X_max＝max{x_ijC}，X_min＝min{x_ijC}，X_max＝max{y_ijC}，Y_min＝min{y_ijC}

则包含所有碰撞点的最小区域为矩形区域，其四个顶点分别为

(X_min，Y_min)，(X_max，Y_min)，(X_min，Y_max)，(X_max，Y_max)。

所述S6中，使用尺取法对区域D划分分区，记录每一分区碰撞点数量，具体为：

给定面积为a*b的矩形区域D_mn，且设其左下顶点坐标为(x_m，y_n)，m，n＝1，2...，且使(x₁，y₁)＝(X_min，Y_min)，将矩形区域向右平移，即保持y_n不变，令x_m+1＝x_m+1，记录区域内所包含的碰撞点数量，直至x_m+a≤X_max；再令y_n+1＝y_n+1，x_m＝X_min，右移并记录，直至y_m≤Y_max，x_m+a≤X_max。

所述S7中根据频率由低到高对事故隐患黑点划分等级，标定颜色，具体为：

当f≤2，判定事故隐患黑点等级为I级，标定为绿色；

当2≤f≤6，判定事故隐患黑点等级为II级，标定为黄色；

当f＞6，等级为III级，颜色为红色。

所述S2中的步长时间可选取0.5～1s。

本发明的有益效果：

(1)本发明适用范围广，既可用于前端计算回传结果，也可用于视频数据回传后台之后的后台运算；

(2)本发明实验数据由算法计算得出，无须采集实际事故数据，降低财产损失和人员伤亡，减少数据获取成本；

(3)本发明应用视频技术对城市交叉路口进行检测获取数据，节约人力成本输出，提高数据的精确度；

(4)本发明数据为实时监测所得，能够动态跟踪该交叉路口的事故隐患黑点，对道路安全隐患排查具有更高的参考价值；

(5)本发明通过圈定包含所有碰撞点的最小区域D，有效减少尺取法操作范围，降低运算量，减少运算成本；

(6)本发明通过尺取法和标色法对判别结果进行分级标色，结果直观明了，更有利于分析；

(7)本发明利用视频监测装置对交叉路口事故隐患黑点进行判定，相比传统黑点判别方法，拥有更广的适用范围，更低的判别成本，更直观的判别结果，具有实际推广价值。

附图说明

图1是本发明的工作流程图；

图2是现有技术事故隐患黑点的判别方法；

图3是本发明的碰撞点分布图；

图4是本发明实施例事故隐患黑点判定及标色图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

如图1、如图3及图4所示，一种城市交叉路口事故隐患黑点的自动判别方法，包括如下步骤：

S1在待检测交叉路口选定任意一点为参考点，以参考点为坐标原点建立坐标系，完成摄像机标定获取交叉路口的视频，识别视频中的车辆，并获取相应的位置信息，摄像机设置在能获取交叉路口视频的位置。

S2对视频内的车辆进行编号i，i为自然数，记录车辆当前时刻t₁，和t₁-ΔT＝t₀时刻的位置信息，ΔT为一个步长时间，并根据位置信息计算得出当前车辆速度；

i(i＝1，2，...，k)，本实施例中选取车辆1和车辆2作为示例车辆对进行计算：

t₀时刻，车辆1的位置坐标为

车辆2的位置坐标为

当前时刻t₁，车辆1的位置坐标为

车辆2的位置坐标为

则可由公式计算得出

当前时刻t₁，车辆1的速度

车辆2的速度为

S3对车辆进行两两匹配估算碰撞时间，将车辆1与车辆2记为车辆对(1，2)，则根据公式计算可得出车辆对(1，2)的碰撞时间为

S4由于0≤TTC₁₂＝0.5s≤2.5s，则车辆对(1，2)有极大可能碰撞，此时判定车辆对(1，2)冲突。

S5由S4中的计算可知，车辆对(1，2)碰撞，则计算碰撞时间为

t_12C＝t₁+TTC₁₂

车辆1预计碰撞坐标为

车辆2预计碰撞坐标为

则取两车预计碰撞点均值，可得两车实际碰撞点

记录t_12C及

并在直角坐标系中标记出

重复步骤S3，S4，S5直至计算出视频中所有车辆对的碰撞点，并记录t_ijC及

并在直角坐标系中标记出

S6经计算得出该路口在高峰时段的碰撞点坐标为(2，6)(3，2)(4，4)(6，5)，计算得出X_min＝2，X_max＝6，Y_min＝2，Y_max＝6，则最小区域D为四个顶点为(2，2)，(2，6)，(6，2)，(6，6)的矩形区域，见图3。

S7根据所得事故隐患在坐标系上的分布进行标色的，统计表如下，标注图见图4。

分区	事故频率f	黑点等级	标识颜色
				D11	2	I级	绿色
D12	3	II级	黄色
				D21	2	I级	绿色
D22	2	II级	绿色

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种城市交叉路口事故隐患黑点的自动判别方法，其特征在于，包括如下步骤：

S1在待检测交叉路口选定任意一点为参考点，以参考点为坐标原点建立坐标系，获取交叉路口的视频，识别视频中的车辆，并获取相应的位置信息；

S2对视频内的车辆进行编号i，i为自然数，记录车辆当前时刻t₁，和t₁-ΔT＝t₀时刻的位置信息，ΔT为一个步长时间，并根据位置信息计算得出当前车辆速度；

S3对交叉路口检测范围内的任意车辆两两组合，记为车辆对(i,j)，对车辆对(i,j)进行碰撞时间估算，记为TTC_ij；

S4设定阈值对TTC_ij进行筛选，判定两车是否冲突；

S5预测冲突车辆对的预期碰撞点，记录碰撞时间t_ijC，车辆i估计碰撞坐标

车辆j估计碰撞坐标

及两车碰撞点坐标

S6在坐标系中标记两车碰撞点坐标，获取包含所有碰撞点的最小区域D，使用尺取法对区域D划分分区，记录每一分区碰撞点数量；

S7计算单位时间内每一分区判定的事故发生频率

对每一分区标定事故隐患黑点，并根据频率由低到高对事故隐患黑点划分等级，标定颜色。

2.根据权利要求1所述的自动判别方法，其特征在于，所述S2中，t₀时刻，车辆i的位置坐标

t₁时刻车辆的位置坐标为

则t₁时刻车辆i的估计速度为：

3.根据权利要求1所述的自动判别方法，其特征在于，所述S3中，估算两两车辆碰撞时间TTC_ij，具体公式如下：

其中，k为目前视频中检测到车辆总数，

为车辆j的估计速度，

为t₁时刻车辆j的位置坐标。

4.根据权利要求1所述的自动判别方法，其特征在于，所述阈值为：

当0≤TTC_ij≤2.5s时，车辆i与车辆j有极大可能碰撞，此时判定车辆i与车辆j冲突。

5.根据权利要求1所述的自动判别方法，其特征在于，所述S5中碰撞时间计算公式为t_ijC＝t₁+TTC_ij，车辆i估计碰撞坐标

车辆j估计碰撞坐标

两车碰撞点坐标

具体计算公式如下：

6.根据权利要求1所述的自动判别方法，其特征在于，所述S6中，包含所有碰撞点的最小区域D，具体为：

X_max＝max{x_ijC},X_min＝min{x_ijC},Y_max＝max{y_ijC},Y_min＝min{y_ijC}

则包含所有碰撞点的最小区域为矩形区域，其四个顶点分别为

(X_min,Y_min),(X_max,Y_min),(X_min,Y_max),(X_max,Y_max)。

7.根据权利要求1所述的自动判别方法，其特征在于，所述S6中，使用尺取法对区域D划分分区，记录每一分区碰撞点数量，具体为：

给定面积为a*b的矩形区域D_mn，且设其左下顶点坐标为(x_m，y_n)，m,n＝1,2…，且使(x₁,y₁)＝(X_min,Y_min),将矩形区域向右平移，即保持y_n不变，令x_m+1＝x_m+1,记录区域内所包含的碰撞点数量，直至x_m+a≤X_max；再令y_m+1＝y_n+1，x_m＝X_min,右移并记录，直至y_m≤Y_max，x_m+a≤X_max。

8.根据权利要求1所述的自动判别方法，其特征在于，所述S7中根据频率由低到高对事故隐患黑点划分等级，标定颜色，具体为：

当f≤2，判定事故隐患黑点等级为Ⅰ级，标定为绿色；

当2<f≤6，判定事故隐患黑点等级为Ⅱ级，标定为黄色；

当f＞6，等级为III级，颜色为红色。

9.根据权利要求1所述的自动判别方法，其特征在于，步长时间可选取0.5～1s。

Images