CN109243181A - 交通事故预警方法、装置、终端设备及存储介质 - Google Patents
交通事故预警方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN109243181A CN109243181A CN201811110514.7A CN201811110514A CN109243181A CN 109243181 A CN109243181 A CN 109243181A CN 201811110514 A CN201811110514 A CN 201811110514A CN 109243181 A CN109243181 A CN 109243181A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- road conditions
- vehicle
- speed
- early warning
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Abstract
本申请实施例适用于道路交通技术领域,公开了一种交通事故预警方法、装置、终端设备及存储介质,其中,方法包括:获取待监测路段的路况图像;基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值;若目标车辆的车速呈递减趋势并最终减小至零,且目标车辆的停止运行时间大于预设时间阈值,则执行预警动作。本申请实施例主动预判是否有交通事故发生并进行预警,不用依赖人为报警,提高了事故处理效率,及时有效地处理交通事故。
Description
技术领域
本申请属于道路交通技术领域,尤其涉及一种交通事故预警方法、装置、终端设备及计算机可读存储介质。
背景技术
随着社会的发展进步,汽车的持有量也越来越多,车辆增多必定会给道路交通带来很大的交通压力,继而会使得交通事故增多。
目前,出现交通事故时,一般是由交通当事人打电话报警,或者是路过的路人打电话报警,然后交警根据报警人提供的相关信息赶往事故现场处理事故。但是,这种方式依赖于当事人或者是路人报警,交警接到报警后才赶到现场处理事故,十分滞后,且在报警时需要沟通事故情况,例如,发生地点、大概情况等,耗时较长。交通事故处理不及时,还会使得道路交通拥堵情况加重。也就是是,现有的交通事故处理速度较低,十分滞后。
发明内容
有鉴于此,本申请实施例提供一种交通事故预警方法、装置、终端设备及计算机可读存储介质,以及时有效地处理交通事故。
本申请实施例的第一方面提供一种交通事故预警方法,包括:
获取待监测路段的路况图像;
基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值;
若所述目标车辆的车速呈递减趋势并最终减小至零,且所述目标车辆的停止运行时间大于预设时间阈值,则执行预警动作。
可选地,所述基于路况图像内的位置差,计算预设时间段内所选取的目标路况图像内的每个目标车辆的预设数量个速度值,包括:
提取所述路况图像内的车辆特征信息;
根据所述车辆特征信息,识别所有所述目标路况图像内的同一目标车辆;
根据同一目标车辆在两个不同时间点对应的所述路况图像内的位置差,计算所述预设时间段内每个所述目标车辆的所述预设数量个速度值。
可选地,所述若所述目标车辆的车速呈递减趋势并最终减小至零,且所述目标车辆的停止运行时间大于预设时间阈值,执行预警动作,包括:
按照时间先后顺序,根据每个所述目标车辆的所述预设数量个速度值,判断所有所述目标车辆的速度值是否呈递减趋势并最终减小至零;
当所有所述目标车辆的车速呈递减趋势并最终减小至零时,判断所述目标车辆的停止运行时间是否大于所述预设时间阈值,所述预设时间阈值大于或等于红绿灯最大间隔时间;
当所述目标车辆的停止运行时间大于所述预设时间阈值,将预警信息传至后台控制室。
可选地,在所述基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值之后,还包括:
根据所述预设数量个速度值,判断所述目标车辆的车速是否呈递减趋势,且目标车速是否小于预设速度阈值;
当所述目标车辆的车速呈递减趋势,且所述目标车速小于所述预设速度阈值,确定当前路段出现拥堵状况。
可选地,在所述确定当前路段出现拥堵状况之后,还包括:
根据拥堵状况生成所述当前路段的拥堵提示信息;
将拥堵提示信息显示于预先设置在预设目标路段的显示设备。
可选地,在所述确定当前路段出现拥堵状况之后,还包括:
根据拥堵状况和预先设定的拥堵等级,确定所述待监测路段的拥堵等级。
可选地,还包括:
统计各所述路况图像内的车辆数量;
若所述路况图像内的车辆数量呈递增趋势,且车速呈下降趋势,拥堵等级升高,将所述待监测路段作为事故易发路段。
本申请的第二方面提供一种交通事故预警装置,包括:
获取模块,用于获取待监测路段的路况图像;
车速计算模块,用于基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值;
预警模块,用于若所述目标车辆的车速呈递减趋势并最终减小至零,且所述目标车辆的停止运行时间大于预设时间阈值,执行预警动作。
可选地,所述车速计算模块包括:
提取单元,用于提取所述路况图像内的车辆特征信息;
识别单元,用于根据所述车辆特征信息,识别所有所述目标路况图像内的同一目标车辆;
速度计算单元,用于根据同一目标车辆在两个不同时间点对应的所述路况图像内的位置差,计算所述预设时间段内每个所述目标车辆的所述预设数量个速度值。
可选地,所述预警模块包括:
第一判断单元,用于按照时间先后顺序,根据每个所述目标车辆的所述预设数量个速度值,判断所有所述目标车辆的速度值是否呈递减趋势并最终减小至零;
第二判断单元,用于当所有所述目标车辆的车速呈递减趋势并最终减小至零时,判断所述目标车辆的停止运行时间是否大于所述预设时间阈值,所述预设时间阈值大于或等于红绿灯最大间隔时间;
预警单元,用于当所述目标车辆的停止运行时间大于所述预设时间阈值,将预警信息传至后台控制室。
可选地,还包括:
判断模块,用于根据所述预设数量个速度值,判断所述目标车辆的车速是否呈递减趋势,且目标车速是否小于预设速度阈值;
第一确定模块,用于当所述目标车辆的车速呈递减趋势,且所述目标车速小于所述预设速度阈值,确定当前路段出现拥堵状况。
可选地,还包括:
拥堵提示信息生成模块,用于根据拥堵状况生成所述当前路段的拥堵提示信息;
显示模块,用于将拥堵提示信息显示于预先设置在预设目标路段的显示设备。
可选地,还包括:
第二确定模块,用于根据拥堵状况和预先设定的拥堵等级,确定所述待监测路段的拥堵等级。
可选地,还包括:
统计模块,永不统计各所述路况图像内的车辆数量;
作为模块,用于若所述路况图像内的车辆数量呈递增趋势,且车速呈下降趋势,拥堵等级升高,将所述待监测路段作为事故易发路段。
本申请实施例的第三方面提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面任一项所述方法的步骤。
本申请实施例的第四方面一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面任一项所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例通过实时采集待监测路段的路况图像,根据路况图像计算出车辆的多个车速,当判断出车速呈下降趋势,车辆停止时间大于预设时间阈值,则进行交通事故预警,即,主动预判是否有交通事故发生并进行预警,不用依赖人为报警,提高了事故处理效率,及时有效地处理交通事故。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种具体应用场景示意框图;
图2为本申请实施例提供的一种交通事故预警方法的流程示意图;
图3为本申请实施例提供的一种交通事故预警方法的另一种流程示意图;
图4为本申请实施例提供的一种交通事故预警方法的交互示意图;
图5为本申请实施例提供的一种交通事故预警装置的结构示意框图;
图6为本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。
下面将首先介绍本申请实施例可能涉及的应用场景。
参见图1示出的本申请实施例提供的一种具体应用场景示意框图,包括设置于待监测路段的至少一个图像采集设备11,于所述图像采集设备连接的后台识别系统12,该后台识别系统用于接收实时路况图像,根据路况图像判断该待监测路段是否有交通事故发生,以进行事故预警。
可以理解的是,上述图像采集设备可以具体为高清摄像头,用于采集道路路况信息。而待监测路段可以是根据历史经验确定的事故易发地段,或者是车流量较多的路段,例如,十字路口。上述后台识别系统可以包括但不限于至少一台终端设备、显示设备以及其它必需设备。
在一些情况下,上述应用场景还可以包括于后台识别系统12连接,设置于目标路段,用于显示路段拥堵信息的至少一个显示设备13。此时,当后台识别系统根据所采集的图像,确定出路段的拥堵情况后,可以将相应路段的拥堵信息显示在显示设备上,以提示后续车辆采取相应的措施。
需要说明的是,上述提及的应用场景只是示例性场景,并不造成对本申请实施例应用场景的限定。
在介绍完本申请实施例可能涉及的应用场景后,下面将对本申请实施例的提供的技术方案作详细介绍说明。为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
实施例一
本实施例将从后台识别系统端介绍本申请实施例提供的交通事故预警方法的具体过程。
请参见图2,为本申请实施例提供的一种交通事故预警方法的流程示意图,该方法可以具体包括:
步骤S201、获取待监测路段的路况图像。
需要说明的是,上述待监测路段可以是根据历史经验确定的事故易发路段,具体可以人为确定,也可以由系统通过统计历史交通事故发生地段确定的;或者可以是一些需要特别监测的路段,例如,车流量较大的路段、十字路口等;当然,该待监测路段也可以是任意路段,在此不作限定。
具体地,实时接收设置于待监测路段的至少一个图像采集设备(例如,摄像头)传回的路况图像。
步骤S202、基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值。
需要说明的是,所选取的路况图像为目标路况图像,目标路况图像为预设时间段内的目标时间点对应的路况图像,目标车辆为所有目标路况图像内均存在的车辆。
上述路况图像内包括有至少一辆车辆,且多幅路况图像内所包括的车辆可能是不同的,也可能是相同的。所有目标路况图像内共有的车辆为目标车辆。例如,一副路况图像包括A车辆、B车辆和C车辆,另一副路况图像中可能由于A车辆已经出了图像采集设备的采集范围的原因,只包括B车辆和C车辆,此时,B车辆和C车辆为两幅路况图像内共有的车辆,即为目标车辆。
上述预设时间段可以是任意的,在该预设时间段内,可以根据时间先后顺序,根据不同的目标时间点选取一定数量的目标路况图像。然后根据同一车辆在两个时间点内的两幅图像内的位置差,计算出每一目标车辆的预设数量个速度值。上述预设数量具体可以由所选取的时间点个数来确定。
例如,将早上8点40分至9点这一时间段作为上述预设时间段,并从该预设时间段内所采集的实时路况图像中,分别选取8点40分、8点45分、8点50分、8点55分、9点整对应的路况图像作为目标路况图像,相应的8点40分、8点45分、8点50分、8点55分、9点即为上述所称的目标时间点,此时,首先识别所有目标路况图像内的目标车辆,然后根据同一车辆在两个不同时间点的两幅路况图像内的位置差,来计算车速。具体地,可以计算8点40分和8点45分对应的目标路况图像内的所有目标车辆的位置差,然后根据位置差得出目标车辆的一个车速,依次类推,基于8点45分和8点50分的目标路况图像、基于8点50分和8点55分的目标路况图像、基于8点55分和9点整的目标路况图像,分别计算出相应的车速值,这样能得出4个速度值,即,在8点40分至9点间,每个目标车辆有4个速度值。
具体地,在确定目标时间点和选取的目标路况图像之后,可以确定用于计算车速的两个不同时间点,然后再利用图像识别技术,基于车辆特征信息,识别同一目标车辆在目标路况图像内的位置差,然后基于位置差和时间的关系,计算出车速。
可以理解的是,多组用于计算车速的两个目标时间点间的差值可以是相等的,例如,在8点40分至9点这一时间段,每隔5分钟选取一个目标时间点,即目标时间点为8点40分、8点45分、8点50分、8点55分、9点整;也可以是不相等的,例如,在8点40分至9点这一时间段,所选取的目标时间点为8点40分、8点50分、8点55分和9点整。
步骤S203、若目标车辆的车速呈递减趋势并最终减小至零,且目标车辆的停止运行时间大于预设时间阈值,则执行预警动作。
需要说明的是,车速呈递减趋势并最终减小至零的目标车辆数量可以是所有的目标车辆,也可以是一部分目标车辆,在此不作限定。
具体地,在计算出目标车辆的多个车速之后,可以根据时间先后顺序,判断在该预设时间段内的车速变化趋势,当车速呈减小趋势并最终减小为零,再判断目标车辆的停止时间是否大于预设时间阈值,如果大于预设时间阈值,则可以执行预警动作。
例如,在8点40分至9点期间,每辆目标车辆有4个速度值,分别为40km/h、30km/h、20km/h、0km/h,此时,由于速度值呈下降趋势并最终减小至零,且目标车辆停止时间超过预设时间阈值,则可以执行预警动作。
需要说明的是,上述预设时间阈值可以具体根据实际应用场景进行设定,一般情况下,考虑到车辆停止可能是因为红绿灯、车祸、拥堵、违章停车等,为了避免将因为红绿灯的停止进行预警,故该预设时间阈值可以大于或等于红绿灯的最大间隔时间。
上述预警动作指的是可以将待监测路段的相应信息通知相关人员的动作。该动作可以具体表现为将待监测路段的画面传回至主控制室,也可以表现为以邮件、短信等形式通知交警等相关人员,当然,该预警动作也可以表现为其它,只要能实现预警目的即可,在此不作限定。
本实施例通过实时采集待监测路段的路况图像,根据路况图像计算出车辆的多个车速,当判断出车速呈下降趋势,车辆停止时间大于预设时间阈值,则进行交通事故预警,即,主动预判是否有交通事故发生并进行预警,不用依赖人为报警,提高了事故处理效率,及时有效地处理交通事故。
实施例二
请参见图3,为本申请实施例提供的一种交通事故预警方法的另一种流程示意图,该方法可以包括以下步骤:
步骤S301、获取设置于待监测路段的图像采集设备实时采集的路况图像。
步骤S302、提取路况图像内的车辆特征信息;
其中,该车辆特征信息可以包括但不限于车辆轮廓信息、车牌特征信息、车身颜色信息以及车辆所处车道信息。
步骤S303、根据车辆特征信息,识别所有路况图像内的同一目标车辆。
步骤S304、根据同一目标车辆在两个不同目标时间点对应的路况图像内的位置差,计算预设时间点内每个目标车辆的预设数量个速度值。
具体地,基于图像内车辆的车辆轮廓、车牌、车身颜色、车辆所处车道等车辆信息,确定不同路况图像中的车辆是否同一车辆。例如,一幅目标路况图像内包括A车辆、B车辆、C车辆,另一幅目标路况图像内包括B车辆、C车辆,基于这两幅目标路况图像内的车辆特征信息,确定两幅图像内共有的B车辆和C车辆。
在识别出各个目标路况图像内的目标车辆后,根据两个目标时间点对应的目标路况图像内的车辆位置差,计算出各个目标车辆的速度值。
步骤S305、按照时间先后顺序,根据每个目标车辆的预设数量个速度值,判断所有目标车辆的速度值是否呈递减趋势并最终减小至零。
步骤S306、当所有目标车辆的车速呈递减趋势并最终减小至零时,判断目标车辆的停止运行时间是否大于预设时间阈值,预设时间阈值大于或等于红绿灯最大间隔时间。
步骤S307、当目标车辆的停止运行时间大于预设时间阈值,将预警信息传至后台控制室。
可以理解的是,上述预警信息指的是用于通知相关人员待监测路段的路况信息的信息,其可以包括但不限于当前时刻的待监测路段的路况画面、系统得出的相关信息(例如,是否出现交通事故、发生事故的可能时间、当前路段的拥堵情况等)。
需要说明的是,本实施例与上述实施例一的相同或相似之处,请参见上述实施例一的相应内容,在此不再赘述。
本实施例通过实时采集待监测路段的路况图像,根据路况图像计算出车辆的多个车速,当判断出车速呈下降趋势,车辆停止时间大于预设时间阈值,则进行交通事故预警,即,主动预判是否有交通事故发生并进行预警,不用依赖人为报警,提高了事故处理效率,及时有效地处理交通事故。
实施例三
请参见图4,为本申请实施例提供的一种交通事故预警方法的交互示意图,其执行主体包括图像采集设备、后台识别系统和显示设备。该交互示意图包括以下步骤:
步骤S401、图像采集设备将实时采集的待监测路段的路况图像传回后台识别系统。
步骤S402、后台识别系统基于同一车辆在两个时间点的两幅路况图像内的位置差,计算预设时间段内所选取的目标路况图像内的每个目标车辆的预设数量个速度值。
步骤S403、后台识别系统若判断出所有目标车辆的车速呈递减趋势并最终减小至零,且目标车辆的停止运行时间大于预设时间阈值,则执行预警动作。
步骤S404、后台识别系统根据预设数量个速度值,判断目标车辆的车速是否呈递减趋势,且目标车速是否小于预设速度阈值。
步骤S405、当目标车辆的车速呈递减趋势,且目标车速小于预设速度阈值,确定当前路段出现拥堵状况。
需要说明的是,上述预设速度阈值可以根据实际应用场景进行设定,在此不作限定。
步骤S406、后台识别系统根据拥堵状况生成当前路段的拥堵提示信息。
步骤S407、后台识别系统将拥堵提示信息显示于预先设置在预设目标路段的显示设备。
步骤S408、后台识别系统根据拥堵状况和预先设定的拥堵等级,确定待监测路段的拥堵等级。
可以理解的是,上述拥堵提示信息包括但不限于当前时刻的路况图像信息,以及系统得出的拥堵等级、可能的应对措施(例如,往哪条路走可以避过该拥堵路段)。
在系统确定路段拥堵信息之后,可以将这些拥堵信息显示在预先安装在一定路段的显示屏上,用于提示后续的车主拥堵信息等。同时,后台识别系统还可以根据所采集到的路况图像,基于拥堵状况和预先设定的拥堵等级,确定当前拥堵等级。
具体地,可以预先设定5级拥堵等级,第一级的拥堵状况为畅通,第二级的拥堵状况为车多缓行,第三级的拥堵状况为车多交替缓行,第四级的拥堵状况为车多停止,局部缓行,第五级的拥堵状况为车多且均停止。至于每级的判断标准可以预先设定,例如,可以设置当车速低于某个速度阈值,且画面内的车辆数量大于某个数量阈值时,则可以将拥堵等级确定为相应的拥堵等级。
步骤S409、后台识别系统统计各目标路况图像内的车辆数量;若目标路况图像内的车辆数量呈递增趋势,且车速呈下降趋势,拥堵等级升高,将待监测路段作为事故易发路段。
在根据路况确定出相应的拥堵等级之后,可以实时统计目标路况图像内的车辆数量,并判断车辆的速度,如果符合拥堵等级升高条件,则可以将拥堵等级升高,例如,从第三级升高至第五级。并且可以将该路段设为事故易发路段。
本实施例通过实时采集待监测路段的路况图像,根据路况图像计算出车辆的多个车速,当判断出车速呈下降趋势,车辆停止时间大于预设时间阈值,则进行交通事故预警,即,主动预判是否有交通事故发生并进行预警,不用依赖人为报警,提高了事故处理效率,及时有效地处理交通事故。此外,还可以将当前路况进行显示,以提示后续车辆相关拥堵信息,便于提前采取应对措施;还可以将拥堵信息确定拥堵等级,并根据实时路况提高拥堵等级,便于车主直观理解拥堵情况。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例四
请参见图5,为本申请实施例提供的一种交通事故预警装置的结构示意框图,该装置可以具体集成于后台识别系统的终端内,该装置可以包括:
获取模块51,用于获取待监测路段的路况图像。
车速计算模块52,用于基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值。
预警模块53,用于若目标车辆的车速呈递减趋势并最终减小至零,且目标车辆的停止运行时间大于预设时间阈值,执行预警动作。
在一种可能的实现中,车速计算模块包括:
提取单元,用于提取路况图像内的车辆特征信息;
识别单元,用于根据车辆特征信息,识别所有目标路况图像内的同一目标车辆;
速度计算单元,用于根据同一目标车辆在两个不同时间点对应的路况图像内的位置差,计算预设时间段内每个目标车辆的预设数量个速度值。
在一种可能的实现中,预警模块包括:
第一判断单元,用于按照时间先后顺序,根据每个目标车辆的预设数量个速度值,判断所有目标车辆的速度值是否呈递减趋势并最终减小至零;
第二判断单元,用于当所有目标车辆的车速呈递减趋势并最终减小至零时,判断目标车辆的停止运行时间是否大于预设时间阈值,预设时间阈值大于或等于红绿灯最大间隔时间;
预警单元,用于当目标车辆的停止运行时间大于预设时间阈值,将预警信息传至后台控制室。
在一种可能的实现中,上述装置还包括:
判断模块,用于根据预设数量个速度值,判断目标车辆的车速是否呈递减趋势,且目标车速是否小于预设速度阈值;
第一确定模块,用于当目标车辆的车速呈递减趋势,且目标车速小于预设速度阈值,确定当前路段出现拥堵状况。
在一种可能的实现中,上述装置还包括:
拥堵提示信息生成模块,用于根据拥堵状况生成当前路段的拥堵提示信息;
显示模块,用于将拥堵提示信息显示于预先设置在预设目标路段的显示设备。
在一种可能的实现中,还包括:
第二确定模块,用于根据拥堵状况和预先设定的拥堵等级,确定待监测路段的拥堵等级。
在一种可能的实现中,还包括:
统计模块,永不统计各路况图像内的车辆数量;
作为模块,用于若路况图像内的车辆数量呈递增趋势,且车速呈下降趋势,拥堵等级升高,将待监测路段作为事故易发路段。
本实施例通过实时采集待监测路段的路况图像,根据路况图像计算出车辆的多个车速,当判断出车速呈下降趋势,车辆停止时间大于预设时间阈值,则进行交通事故预警,即,主动预判是否有交通事故发生并进行预警,不用依赖人为报警,提高了事故处理效率,及时有效地处理交通事故。
实施例五
图6是本申请一实施例提供的终端设备的示意图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个交通事故预警方法实施例中的步骤,例如图2所示的步骤S201至S204。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块或单元的功能,例如图5所示模块51至53的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块、单元,所述一个或者多个模块、单元被存储在所述存储器61中,并由所述处理器60执行,以完成本申请。所述一个或多个模块、单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如,所述计算机程序62可以被分割成获取模块、车速计算模块以及预警模块,各模块具体功能如下:
获取模块,用于获取待监测路段的路况图像。车速计算模块,用于基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值。预警模块,用于若所有目标车辆的车速呈递减趋势并最终减小至零,且目标车辆的停止运行时间大于预设时间阈值,执行预警动作。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可以是后台识别系统内的处理终端。所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备,例如所述终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置、终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置、终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块、单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种交通事故预警方法,其特征在于,包括:
获取待监测路段的路况图像;
基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值;
若所述目标车辆的车速呈递减趋势并最终减小至零,且所述目标车辆的停止运行时间大于预设时间阈值,则执行预警动作。
2.根据权利要求1所述的交通事故预警方法,其特征在于,所述基于路况图像内的位置差,计算预设时间段内所选取的目标路况图像内的每个目标车辆的预设数量个速度值,包括:
提取所述路况图像内的车辆特征信息;
根据所述车辆特征信息,识别所有所述目标路况图像内的同一目标车辆;
根据同一目标车辆在两个不同时间点对应的所述路况图像内的位置差,计算所述预设时间段内每个所述目标车辆的所述预设数量个速度值。
3.根据权利要求1所述的交通事故预警方法,其特征在于,所述若所述目标车辆的车速呈递减趋势并最终减小至零,且所述目标车辆的停止运行时间大于预设时间阈值,执行预警动作,包括:
按照时间先后顺序,根据每个所述目标车辆的所述预设数量个速度值,判断所有所述目标车辆的速度值是否呈递减趋势并最终减小至零;
当所有所述目标车辆的车速呈递减趋势并最终减小至零时,判断所述目标车辆的停止运行时间是否大于所述预设时间阈值,所述预设时间阈值大于或等于红绿灯最大间隔时间;
当所述目标车辆的停止运行时间大于所述预设时间阈值,将预警信息传至后台控制室。
4.根据权利要求1至3任一项所述的交通事故预警方法,其特征在于,在所述基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值之后,还包括:
根据所述预设数量个速度值,判断所述目标车辆的车速是否呈递减趋势,且目标车速是否小于预设速度阈值;
当所述目标车辆的车速呈递减趋势,且所述目标车速小于所述预设速度阈值,确定当前路段出现拥堵状况。
5.根据权利要求4所述的交通事故预警方法,其特征在于,在所述确定当前路段出现拥堵状况之后,还包括:
根据拥堵状况生成所述当前路段的拥堵提示信息;
将拥堵提示信息显示于预先设置在预设目标路段的显示设备。
6.根据权利要求4所述的交通事故预警方法,其特征在于,在所述确定当前路段出现拥堵状况之后,还包括:
根据拥堵状况和预先设定的拥堵等级,确定所述待监测路段的拥堵等级。
7.根据权利要求6所述的交通事故预警方法,其特征在于,还包括:
统计各所述路况图像内的车辆数量;
若所述路况图像内的车辆数量呈递增趋势,且车速呈下降趋势,拥堵等级升高,将所述待监测路段作为事故易发路段。
8.一种交通事故预警装置,其特征在于,包括:
获取模块,用于获取待监测路段的路况图像;
车速计算模块,用于基于路况图像内的位置差,计算预设时间段内所选取的路况图像内的每个目标车辆的预设数量个速度值;
预警模块,用于若所述目标车辆的车速呈递减趋势并最终减小至零,且所述目标车辆的停止运行时间大于预设时间阈值,执行预警动作。
9.一种终端设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811110514.7A CN109243181A (zh) | 2018-09-21 | 2018-09-21 | 交通事故预警方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811110514.7A CN109243181A (zh) | 2018-09-21 | 2018-09-21 | 交通事故预警方法、装置、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109243181A true CN109243181A (zh) | 2019-01-18 |
Family
ID=65057127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811110514.7A Pending CN109243181A (zh) | 2018-09-21 | 2018-09-21 | 交通事故预警方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109243181A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110415530A (zh) * | 2019-06-10 | 2019-11-05 | 许超贤 | 一种智能化互联网交通管理系统方法 |
CN111489546A (zh) * | 2019-01-29 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 交通信息发布方法、装置、设备及存储介质 |
CN111489545A (zh) * | 2019-01-28 | 2020-08-04 | 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 |
CN112562330A (zh) * | 2020-11-27 | 2021-03-26 | 深圳市综合交通运行指挥中心 | 评估道路运行指数的方法和装置、电子设备、存储介质 |
CN112598905A (zh) * | 2020-12-14 | 2021-04-02 | 苏州智能交通信息科技股份有限公司 | 一种客流动态分析预警方法、系统和存储介质 |
CN112813752A (zh) * | 2020-12-31 | 2021-05-18 | 江苏中路工程技术研究院有限公司 | 一种大流量路段港湾式停靠带结构及其布设方法 |
CN113628460A (zh) * | 2021-07-16 | 2021-11-09 | 浙江数智交院科技股份有限公司 | 一种基于边缘计算的高速公路车辆实时管控方法 |
CN113658426A (zh) * | 2021-07-29 | 2021-11-16 | 中寰卫星导航通信有限公司 | 一种车辆事故识别方法及装置 |
CN114078327A (zh) * | 2020-08-20 | 2022-02-22 | 浙江宇视科技有限公司 | 道路拥堵状态检测方法、装置、设备和存储介质 |
CN114120629A (zh) * | 2021-10-13 | 2022-03-01 | 中国铁建电气化局集团有限公司 | 基于交通控制设备的车辆控制方法、装置、设备及介质 |
CN115223370A (zh) * | 2022-08-31 | 2022-10-21 | 四川九通智路科技有限公司 | 一种交通事故检测方法及检测系统 |
CN115719325A (zh) * | 2022-12-07 | 2023-02-28 | 钧捷科技(北京)有限公司 | 基于无人驾驶的路况图像处理系统 |
CN116502125A (zh) * | 2023-04-28 | 2023-07-28 | 成都赛力斯科技有限公司 | 车辆事件划分方法、装置及车联网服务器 |
WO2023179319A1 (zh) * | 2022-03-25 | 2023-09-28 | 京东方科技集团股份有限公司 | 报警方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105892A (zh) * | 2007-07-30 | 2008-01-16 | 深圳市融合视讯科技有限公司 | 一种车辆交通事故的自动检测方法 |
CN103325255A (zh) * | 2013-06-29 | 2013-09-25 | 佘若凡 | 基于摄影测量技术进行区域交通状况检测的方法 |
CN103903465A (zh) * | 2014-04-17 | 2014-07-02 | 姜廷顺 | 一种道路拥堵原因实时发布方法及系统 |
CN104751629A (zh) * | 2013-12-31 | 2015-07-01 | 中国移动通信集团公司 | 一种交通事件的检测方法和系统 |
CN104867343A (zh) * | 2015-05-08 | 2015-08-26 | 济南东朔微电子有限公司 | 一种基于无线定位的高速公路二次事故预警方法及系统 |
CN105513371A (zh) * | 2016-01-15 | 2016-04-20 | 昆明理工大学 | 一种基于核密度估计的高速公路违章停车检测方法 |
KR20160105255A (ko) * | 2015-02-27 | 2016-09-06 | 아주대학교산학협력단 | 차량 충돌 방지를 위한 지능형 신호등 제어 장치 및 방법 |
CN105931461A (zh) * | 2016-06-01 | 2016-09-07 | 乐视控股(北京)有限公司 | 路况预警方法、装置及服务器 |
CN206133931U (zh) * | 2016-11-01 | 2017-04-26 | 长安大学 | 一种隧道交通拥堵快速疏散控制系统 |
CN107301774A (zh) * | 2017-06-30 | 2017-10-27 | 深圳市金溢科技股份有限公司 | 交通拥堵预警方法、系统、车载单元和路侧单元 |
CN107507445A (zh) * | 2017-08-17 | 2017-12-22 | 千寻位置网络有限公司 | 基于高精度定位自动播报交通事故和拥堵车道的方法 |
CN107742418A (zh) * | 2017-09-29 | 2018-02-27 | 东南大学 | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 |
-
2018
- 2018-09-21 CN CN201811110514.7A patent/CN109243181A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105892A (zh) * | 2007-07-30 | 2008-01-16 | 深圳市融合视讯科技有限公司 | 一种车辆交通事故的自动检测方法 |
CN103325255A (zh) * | 2013-06-29 | 2013-09-25 | 佘若凡 | 基于摄影测量技术进行区域交通状况检测的方法 |
CN104751629A (zh) * | 2013-12-31 | 2015-07-01 | 中国移动通信集团公司 | 一种交通事件的检测方法和系统 |
CN103903465A (zh) * | 2014-04-17 | 2014-07-02 | 姜廷顺 | 一种道路拥堵原因实时发布方法及系统 |
KR20160105255A (ko) * | 2015-02-27 | 2016-09-06 | 아주대학교산학협력단 | 차량 충돌 방지를 위한 지능형 신호등 제어 장치 및 방법 |
CN104867343A (zh) * | 2015-05-08 | 2015-08-26 | 济南东朔微电子有限公司 | 一种基于无线定位的高速公路二次事故预警方法及系统 |
CN105513371A (zh) * | 2016-01-15 | 2016-04-20 | 昆明理工大学 | 一种基于核密度估计的高速公路违章停车检测方法 |
CN105931461A (zh) * | 2016-06-01 | 2016-09-07 | 乐视控股(北京)有限公司 | 路况预警方法、装置及服务器 |
CN206133931U (zh) * | 2016-11-01 | 2017-04-26 | 长安大学 | 一种隧道交通拥堵快速疏散控制系统 |
CN107301774A (zh) * | 2017-06-30 | 2017-10-27 | 深圳市金溢科技股份有限公司 | 交通拥堵预警方法、系统、车载单元和路侧单元 |
CN107507445A (zh) * | 2017-08-17 | 2017-12-22 | 千寻位置网络有限公司 | 基于高精度定位自动播报交通事故和拥堵车道的方法 |
CN107742418A (zh) * | 2017-09-29 | 2018-02-27 | 东南大学 | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489545A (zh) * | 2019-01-28 | 2020-08-04 | 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 |
CN111489546A (zh) * | 2019-01-29 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 交通信息发布方法、装置、设备及存储介质 |
CN110415530A (zh) * | 2019-06-10 | 2019-11-05 | 许超贤 | 一种智能化互联网交通管理系统方法 |
CN114078327A (zh) * | 2020-08-20 | 2022-02-22 | 浙江宇视科技有限公司 | 道路拥堵状态检测方法、装置、设备和存储介质 |
CN114078327B (zh) * | 2020-08-20 | 2023-01-24 | 浙江宇视科技有限公司 | 道路拥堵状态检测方法、装置、设备和存储介质 |
CN112562330A (zh) * | 2020-11-27 | 2021-03-26 | 深圳市综合交通运行指挥中心 | 评估道路运行指数的方法和装置、电子设备、存储介质 |
CN112598905A (zh) * | 2020-12-14 | 2021-04-02 | 苏州智能交通信息科技股份有限公司 | 一种客流动态分析预警方法、系统和存储介质 |
CN112813752A (zh) * | 2020-12-31 | 2021-05-18 | 江苏中路工程技术研究院有限公司 | 一种大流量路段港湾式停靠带结构及其布设方法 |
CN113628460A (zh) * | 2021-07-16 | 2021-11-09 | 浙江数智交院科技股份有限公司 | 一种基于边缘计算的高速公路车辆实时管控方法 |
CN113658426A (zh) * | 2021-07-29 | 2021-11-16 | 中寰卫星导航通信有限公司 | 一种车辆事故识别方法及装置 |
CN113658426B (zh) * | 2021-07-29 | 2023-10-03 | 中寰卫星导航通信有限公司 | 一种车辆事故识别方法及装置 |
CN114120629A (zh) * | 2021-10-13 | 2022-03-01 | 中国铁建电气化局集团有限公司 | 基于交通控制设备的车辆控制方法、装置、设备及介质 |
WO2023179319A1 (zh) * | 2022-03-25 | 2023-09-28 | 京东方科技集团股份有限公司 | 报警方法及装置 |
CN115223370A (zh) * | 2022-08-31 | 2022-10-21 | 四川九通智路科技有限公司 | 一种交通事故检测方法及检测系统 |
CN115719325A (zh) * | 2022-12-07 | 2023-02-28 | 钧捷科技(北京)有限公司 | 基于无人驾驶的路况图像处理系统 |
CN115719325B (zh) * | 2022-12-07 | 2023-11-17 | 钧捷科技(北京)有限公司 | 基于无人驾驶的路况图像处理系统 |
CN116502125A (zh) * | 2023-04-28 | 2023-07-28 | 成都赛力斯科技有限公司 | 车辆事件划分方法、装置及车联网服务器 |
CN116502125B (zh) * | 2023-04-28 | 2024-03-12 | 重庆赛力斯凤凰智创科技有限公司 | 车辆事件划分方法、装置及车联网服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109243181A (zh) | 交通事故预警方法、装置、终端设备及存储介质 | |
CN109816976A (zh) | 一种交通管理方法及系统 | |
CN105493502B (zh) | 视频监控方法、视频监控系统以及计算机可读存储介质 | |
CN108124485A (zh) | 针对肢体冲突行为的告警方法、装置、存储介质及服务器 | |
CN106971552B (zh) | 套牌现象检测方法和系统 | |
CN111126235A (zh) | 一种船只违章停泊检测处理方法及装置 | |
CN105427610A (zh) | 一种基于车路协同技术的交通管理方法 | |
CN105427613B (zh) | 一种车辆违规加塞的举证方法及其系统 | |
CN113838284A (zh) | 一种事故高发路段上的车辆预警方法、装置、存储介质及终端 | |
CN110473418A (zh) | 危险路段识别方法、装置、服务器及存储介质 | |
CN110517500A (zh) | 一种人车关联处理方法及装置 | |
CN110379172A (zh) | 交通规则的生成方法及装置、存储介质、电子装置 | |
CN112950907A (zh) | 一种预警方法、装置、设备及介质 | |
CN110012069A (zh) | 一种车辆数据处理装置、方法及车辆监控平台 | |
CN111951548B (zh) | 一种车辆驾驶风险确定方法、装置、系统及介质 | |
CN112988830A (zh) | 人流量统计方法、装置、系统、存储介质和计算机设备 | |
CN108417035A (zh) | 基于云平台的智能交通监控系统 | |
CN114332707A (zh) | 设备有效性的确定方法及装置、存储介质、电子装置 | |
CN115311894A (zh) | 基于大数据分析的智慧停车管理方法、系统、终端及介质 | |
CN109166336B (zh) | 一种基于区块链技术的实时路况信息采集推送方法 | |
CN110264780A (zh) | 非固定停车位的提示方法和装置 | |
CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
CN112349087B (zh) | 一种基于路口信息全息感知的可视化数据输入方法 | |
CN112216106A (zh) | 基于bim技术的智能交通管理系统 | |
CN115273468B (zh) | 一种交通拥堵控制策略生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant after: SHENZHEN GOLO CHELIAN DATA TECHNOLOGY Co.,Ltd. Address before: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant before: GOLO IOV DATA TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |