CN110622227B - 交通预测系统 - Google Patents
交通预测系统 Download PDFInfo
- Publication number
- CN110622227B CN110622227B CN201880031785.5A CN201880031785A CN110622227B CN 110622227 B CN110622227 B CN 110622227B CN 201880031785 A CN201880031785 A CN 201880031785A CN 110622227 B CN110622227 B CN 110622227B
- Authority
- CN
- China
- Prior art keywords
- information
- traffic
- occurrence rate
- traffic accident
- accident occurrence
- 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
Links
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 128
- 230000008520 organization Effects 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000000491 multivariate analysis Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 231100001261 hazardous Toxicity 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001274197 Scatophagus argus Species 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012314 multivariate regression analysis Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本文公开了一种用于交通预测的交通预测系统,该交通预测系统根据通过传感器感测到的路面信息、天气信息和交通信息来计算特定距离内的交通事故发生率,从而向驾驶员通知根据速度的交通事故发生率并向驾驶员提供与其对应的图像。该交通预测系统包括:传感器部件,其用于感测预定的第一信息中的至少一条;通信部件,其用于从天气相关组织和道路交通相关组织中的至少一个接收第二信息;存储部件,其用于保存与交通事故发生率相关的多个图像;控制部件,其用于使用第一信息和第二信息计算距交通预测系统特定距离内的交通事故发生率,并且从多个图像中确定与交通事故发生率对应的图像;以及显示部件,其根据控制部件的控制来显示交通事故发生率和图像。
Description
技术领域
本发明涉及交通预测系统。特别地,该交通预测系统根据通过传感器感测到的路面信息、天气信息和交通信息来计算特定距离内的交通事故发生率,从而向驾驶员通知根据速度的交通事故发生率并且向驾驶员提供与其对应的图像。
背景技术
随着近年来车辆数量的增加,生活质量得到改善,并且使我们能够拥有生活便利并享受各种休闲活动。因此,车辆驾驶变得更加频繁并且其数量增加。因此,安全事故发生率逐渐增加。
通常,道路交通信息对于车辆用户很重要。特别地,路面信息不仅帮助车辆用户安全地驾驶,而且还帮助道路管理员立即执行对结冰道路的维护。
特别地,冬季下雪或下雨造成的结冰道路是交通事故的主要原因之一。因此,应检测出结冰道路的状态,并需要即时且适当的维护,以便预先防止道路诱因。
不能否认作为交通工具的车辆对人类生活是有利和有益的。然而,如上所述,每年由于车辆引起的交通事故增加。通常,使用两种方法,这两种方法使用铺设在道路下方的传感器以及安装在道路上的关键点处的无码相机或CCTV,以管理交通量。铺设在道路下方的环路检测器目前被用作车辆检测器。
如上所述,在传统的道路和桥梁的情况下,由于很难预先识别其结冰状态,因此道路管理员难以立即进行维护并且难以使由于结冰的道路而引起的交通事故最小化。也就是说,由于道路管理员查看道路现场并检查其状态,然后安装路牌或从道路上清除积雪,因此难以同时检查每个道路现场的结冰状态。因此,对策的建立可能会延迟。此外,作为用于检查无需查看道路现场的道路状态的传统方法,使用用于利用发射微波或红外线来监测路面的状态的方法。这种方法是可靠的,但是它具有宽范围的结果。此外,水和冰中的每一种都具有不同的反射性,并且当它们中的一种存在于路面上时,几乎不能对它们应用该方法。因此,它的准确性差。
此外,在交通事故发生率高的诸如学校区域、老人保护区域(silver zone)、危险区域等这样的区域中安装常规道路预测系统是不够的,大多数驾驶员甚至在车辆行驶限制时间期间仍在这些区域中行驶,并且经常发生不仅违反交通信号而且违反速度限制的情况。此外,诸如儿童、老人等的行人经常不注意地横穿人行横道。因此,存在的缺点是,由于行驶的车辆而导致事故的可能性将增加。
发明内容
技术问题
本发明旨在提供一种交通预测系统,该交通预测系统根据从传感器感测到的路面信息、天气信息和交通信息来计算特定距离内的交通事故发生率,将根据速度的交通事故发生率告知驾驶员,并向驾驶员提供与其对应的图像,从而解决如上所述的问题和缺陷。
本发明的技术问题不限于上述技术问题,本领域普通技术人员将根据以下描述清楚地理解未涵盖的另一方面。
问题的技术方案
在本发明的一方面,一种交通预测系统可以包括:传感器部件,该传感器部件用于感测预定的第一信息中的至少一条;通信部件,该通信部件用于从天气相关组织和道路交通相关组织中的至少一个接收第二信息;存储部件,该存储部件用于保存与交通事故发生率相关的多个图像;控制部件,该控制部件用于使用第一信息和第二信息来计算距交通预测系统特定距离内的交通事故发生率,并且从多个图像中确定与交通事故发生率对应的图像;以及显示部件,该显示部件用于根据控制部件的控制来显示交通事故发生率和图像。
根据本发明的示例性实施方式,第一信息可以包括天气信息、道路状态信息和车速信息。
根据本发明的示例性实施方式,第二信息可以包括事故历史信息、天气信息、道路状态信息、地点信息和日期信息。
根据本发明的示例性实施方式,多个图像可以包括:第一图像,该第一图像通告(announce)在预定的第一基准下的一般状态;以及第二图像,该第二图像通告在第一基准与预定的第二基准之间的稍微危险的状态;以及第三图像,该第三图像通告在第二基准之上的危险状态。
根据本发明的示例性实施方式,控制部件可以使用第一信息中包括的相对湿度和第二信息中包括的环境温度来计算露点温度,然后可以使用露点温度来计算交通事故发生率。
根据本发明的示例性实施方式,露点温度可以通过表示如下的式1来计算,
[式1]
其中,Dp是露点温度,T是环境温度,RH是相对湿度,ββ和λλ分别表示作为马格努斯(Magnus)常数的17.62℃和243.12℃。
根据本发明的示例性实施方式,通信部件可以与外围装置共享交通事故发生率和图像。
根据本发明的示例性实施方式,通信部件可以与外围装置共享交通事故发生率和图像。
根据本发明,交通预测系统能够根据传感器感测到的路面信息、天气信息和交通信息来计算特定距离内的交通事故发生率,向驾驶员通知根据速度的交通事故发生率,并向驾驶员提供与其对应的图像。因此,它引起驾驶员的注意,并且能够针对来自发送的各种信息的意外情况立即采取行动并且能够管理道路的危险因素。
此外,本发明可以安装在诸如学校区域、老人保护区域、危险区域等这样的交通事故发生率高的区域中,从而减少引起道路诱因的事故。此外,分别与该区域和交通事故发生率对应的图像中的每一个可以显示在路牌上。另选地,可以在其上显示交通事故发生率。因此,驾驶员能够直接识别图像和交通事故发生率,从而感觉到危险程度。
此外,本发明的效果不限于上述效果,本领域普通技术人员将根据以下描述清楚地理解未涵盖的另一方面。
附图说明
图1示出了根据本发明的示例性实施方式的交通预测系统。
图2示出了传感器部件。
图3是示出控制部件预测路面的结冰状态并且然后将其反映到交通事故发生率中的流程图。
图4示出了在控制部件中根据路面信息的事故率。
图5示出了根据天气的事故率。
图6a和图6b是说明根据控制部件的车速信息的事故率的图。
图7a和图7b是根据本发明的示例性实施方式的根据控制部件的事故历史信息来说明事故率的图。
图8是将权重应用于在控制部件中计算出的交通事故发生率的图。
图9a至图9c是示出在显示部件上显示的交通事故发生率以及根据其的图像的图。
具体实施方式
现在将参照附图描述本发明的示例性实施方式,使得该描述是彻底和完整的,并且将向本领域技术人员充分传达本发明的示例性实施方式。然而,由于本发明的描述仅仅是在构造和功能上描述本发明的示例性实施方式,因此其范围不限于本文所描述的示例性实施方式。也就是说,示例性实施方式可以进行各种修改并且具有不同的形式,因此,本发明的范围可以包括能够实现其技术构思的等同物。此外,这里提出的目的或效果绝不意指特定示例性实施方式包括所有这些效果或仅包括这些效果。因此,本发明的范围可以不限于此。
本发明中使用的术语可以被理解如下。
诸如“第一”、“第二”等的术语用于将一个元件与另一个元件区分开,因此本发明的范围绝不限于此。例如,第一元件可以被命名为第二元件,并且与此类似,第二元件也可以被命名为第一元件。当提到特定元件连接到其他元件时,它不仅可以直接连接到其他元件,而且在它们之间还可以有另一个元件。另一方面,当提到特定元件直接连接到其他元件时,在它们之间没有其他元件。此外,描述元件之间的关系的诸如“在…之间”和“直接在…之间”和/或“与…相邻”和“与…直接相邻”等这样的其他术语可以被如前解释。
除非单数形式的表达在上下文中彼此明显不同,否则单数形式的表达可以包括其复数形式。此外,诸如“包括”、“包含”等这样的术语旨在指定特征、数字、步骤、操作、元件、组件或其组合的存在,并且它们可能不排除预先存在或添加一个或更多个不同的特征、数字、步骤、操作、元件、组件或其组合。
除非以不同的方式限定本文所用的所有术语,否则本文所用的所有术语具有与本领域技术人员通常理解的含义相同的含义。字典中限定的常用术语可以被解释为与上下文中的相关术语的含义相一致的含义,并且除非在本发明中被明确限定,否则它们可以不被理想地或过度地正式解释。
在传统的道路和桥梁的情况下,由于几乎不能事先识别出其结冰状态,因此道路管理员难以立即进行维护并且无法使由于结冰的道路引起的交通事故最小化。
此外,在诸如学校区域、老人保护区域、危险区域等的交通事故发生率高的区域中安装常规的道路预测系统是不够的,大多数驾驶员甚至在车辆行驶限制时间的时段期间仍在这些区域内行驶,并且经常发生不仅违反交通信号而且违反速度限制的情况。因此,诸如儿童、老人等的行人经常不注意地横穿人行横道,存在的缺点是,由于行驶的车辆而导致事故的可能性将增加。
因此,本发明提供了一种交通预测系统,以解决上述缺陷。
根据本发明,交通预测系统可以根据传感器感测到的路面信息、天气信息和交通信息来计算距特定距离内的交通事故发生率,从而向驾驶员通知根据速度的交通事故发生率,并向驾驶员提供与其对应的图像。
图1示出了根据本发明的示例性实施方式的交通预测系统,并且图2示出了图1所示的传感器部件。
参照图1,交通预测系统10可以包括传感器部件100、通信部件200、存储部件300、控制部件400和显示部件500。
传感器部件100感测预定的第一信息中的至少一条,并将感测到的第一信息传送到控制部件400。
根据本发明的示例性实施方式,第一信息可以与天气信息(优选地,温度、湿度、大气压等)、路况信息和车速信息相关。
根据本发明的示例性实施方式,传感器部件100可以感测路面的温度、湿度和大气压或者大气、道路状态等。
根据本发明的示例性实施方式,传感器部件100可以包括传感器节点(见图2),从而将第一信息传送到传感器节点,并且传感器节点因此能够将接收到的第一信息传送到控制部件400。
根据本发明的示例性实施方式,传感器节点可以将在传感器部件100中感测到的第一信息中的数条合并为一条,然后对其进行编码。
根据本发明的示例性实施方式,通信部件200可以从天气相关组织和道路交通相关组织中的至少一个接收第二信息,从而将接收到的第二信息传送到控制部件400。
根据本发明的示例性实施方式,通信部件200可以与外围装置共享交通事故发生率和图像,从而与诸如政府组织、企业、实验室等这样的组织共享交通事故发生率和图像。
根据本发明的示例性实施方式,第二信息可以包括从组织(即,天气或道路交通相关的组织)接收到的事故历史信息、天气信息、道路状态信息、地点信息和日期信息。
根据本发明的示例性实施方式,天气信息可以包括天气、大气温度、降雨等。
存储部件300保存与交通事故发生相关的多个图像。
根据本发明的示例性实施方式,存储部件300可以保存与交通事故发生相关的多个视频。
根据本发明的示例性实施方式,存储部件300可以将在控制部件400中确定的图像传送到控制部件400。
根据本发明的示例性实施方式,存储部件300可以保存分别与学校区域、老人保护区域、危险区域等对应的图像中的每一个。
根据本发明的示例性实施方式,存储部件300例如可以根据与学校区域对应的车辆事故率来保存儿童正在行走、吃惊或者跌倒并且然后受伤的图像(见图9a)。
根据本发明的示例性实施方式,存储部件300例如可以根据与老人保护区域对应的车辆事故率来保存握着拐杖的老年人正在行走、吃惊或者跌倒并且然后受伤的图像(见图9b)。
根据本发明的示例性实施方式,存储部件300例如可以根据与危险区域对应的车辆事故率来保存携带婴儿车的人正在行走、吃惊或者跌倒并且然后受伤的图像(见图9c)。
根据本发明的示例性实施方式,存储部件300还可以保存与交通事故发生率相关的多个危险指数(即,用于向驾驶员通告根据车速的交通事故危险程度的交通安全指数)。
根据本发明的示例性实施方式,存储部件300可以保存与交通事故发生率相关的多个危险指数(或多个图像)。
根据示例性实施方式,危险指数可以是用于通告交通事故的危险程度的交通安全指数。
控制部件400使用分别从传感器部件100和通信部件200传送的第一信息和第二信息来计算距交通预测系统10特定距离内的交通事故发生率,并且从多个图像中确定与交通事故发生率对应的图像。
根据本发明的示例性实施方式,控制部件400可以确定与计算出的交通事故发生率对应的图像,从而从存储部件300接收所确定的图像。
根据本发明的示例性实施方式,控制部件400可以确定交通事故发生率和与其对应的图像,然后将相关的所确定的交通事故发生率和图像传送至显示部件500。
根据本发明的示例性实施方式,控制部件400可以在诸如学校区域、老人保护区域、危险区域等这样的显示出高交通事故发生率的区域上应用权重,从而计算最终危险程度,并且它还可以从存储部件300接收所确定的图像,其中,能够通过将交通事故发生率乘以权重来计算最终危险程度,并且控制部件400能够将相关的最终危险程度重新保存为交通事故发生率。
根据本发明的示例性实施方式,控制部件400可以使用第一信息和第二信息中包括的天气信息、事故历史信息、路面信息和车速信息来计算交通事故发生率。
根据本发明的示例性实施方式,多个图像可以包括第一图像、第二图像和第三图像。
第一图像通告在预定的第一基准下的一般状态。
根据本发明的示例性实施方式,第一图像可以通告人们正在行走的一般状态。
第二图像通告在第一基准与预定的第二基准之间的轻微危险状态。
根据本发明,第二图像可以通告人吃惊或者由于吃惊而跌倒的轻微危险状态。
第三图像通告在第二基准之上的危险状态。
根据本发明的示例性实施方式,第三图像可以通告人跌倒并且然后受伤的危险状态。
根据本发明的示例性实施方式,第一图像和第二图像可以作为预定的交通事故发生率,根据其使用而改变。
根据本发明的示例性实施方式,可以例如将第一基准确定为30%的交通事故发生率,其中,将第二基准确定为80%的交通事故发生率。
根据本发明的示例性实施方式,控制部件400可以确定多个危险指数当中的与交通事故发生率(或多个图像)对应的危险指数。
根据本发明的示例性实施方式,控制部件400可以确定与计算出的交通事故发生率(或多个图像)对应的危险指数,以便从存储部件300接收所确定的危险指数。
根据本发明的示例性实施方式,控制部件400可以确定与计算出的交通事故发生率(或多个图像)对应的危险指数,以便将相关的所确定的危险指数传送到显示部件500。
根据本发明的示例性实施方式,多个危险指数可以包括第一危险指数、第二危险指数和第三危险指数。
根据本发明的示例性实施方式,第一危险指数可以通告在预定的第一基准下的一般状态。优选地,第一危险指数可以被通告为“警告(warning)”等级,通告驾驶员应该意识到车速(即,驾驶员的行驶速度)的一般状态。
根据本发明的示例性实施方式,第二危险指数可以通告在第一危险指数和预定的第二危险指数之间的稍微危险的状态。优选地,第二危险指数可以将驾驶员应该注意车速的轻微危险状态通告为“谨慎(caution)”等级。
根据本发明的示例性实施方式,第三危险指数可以通告高于第二危险指数的危险状态。优选地,第三危险指数可以将与车速相关的危险状态作为“危险”等级通知给驾驶员。
显示部件500根据控制部件400的控制来显示交通事故发生率和图像。
根据本发明的示例性实施方式,显示部件500可以包括用于显示交通事故发生率和图像的灯板(例如,LED灯板)。
根据本发明的示例性实施方式,显示部件500可以显示交通事故发生率(或图像)和危险指数。
包括上述元件的交通预测系统10可以通过传感器感测到的路面信息、天气信息和交通信息来计算距特定距离内的交通事故发生率,从而向驾驶员通知根据速度的交通事故发生率,并向驾驶员提供与其对应的图像。因此,它引起驾驶员的注意,能够针对所发送的各种信息立即对意外情况采取措施,并且能够管理危险因素。
包括上述元件的交通预测系统10可以被安装在诸如学校区域、老人保护区域、危险区域等这样的交通事故发生率高的区域中,从而减少引起道路诱因的事故。此外,显示部件500可以分别显示与区域和交通事故发生率对应的图像中的每一个。另选地,它可以显示交通事故发生率,因此驾驶员能够直接识别图像和交通事故发生率,从而感觉到危险程度。
根据本发明示例性实施方式的交通预测系统的操作
控制部件400可以使用从传感器部件100传送的第一信息和从通信部件200传送的第二信息来计算距交通预测系统10特定距离内的交通事故发生率,然后将计算出的交通事故发生率传送到存储部件300。存储部件300可以保存相关的所传送的交通事故发生率并且将与预先保存的交通事故发生率对应的图像传送到控制部件400。控制部件400可以将相关的所传送的图像和计算出的交通事故发生率传送到显示部件500。显示部件500可以在灯板上显示相关的所传送的图像和交通事故发生率,从而在安装有交通预测系统10的区域中根据驾驶员的行驶速度和与其对应的图像向驾驶员显示交通事故发生率。因此,交通预测系统10可以根据车辆行驶速度来引起驾驶员对图像(或视频、动画和危险指数)的注意。
图3是控制部件预测路面的结冰状态并且然后将其反映到交通事故发生率中的流程图。
参照图3,传感器部件100可以感测路面温度和环境温度并且确定路面温度是否高于零以及环境温度是否低于零(S100),并且如果路面温度高于零并且环境温度低于零,则传感器部件100可以测量环境信息(例如,湿度和大气压)和路面信息,并且通信部件200可以传送天气信息(S200)。
控制部件400可以分别从传感器部件100和通信部件200接收感测到的信息(即,环境信息和路面信息)和天气信息,接着将它们存储在存储部件300中(S300),并且记录并修改测量值(S400)。
控制部件400可以计算所记录的和修改的测量值(S500),随后预测路面的结冰状态(S600)。如果预测到其结冰状态,则将其反映到交通事故发生率中。
图4示出了在控制部件中根据路面信息的事故发生率。
参照图4,控制部件400可以使用第一信息中包括的湿度和第二信息中包括的环境温度来计算露点温度,然后使用露点温度来计算交通事故发生率。换句话说,控制部件400可以使用露点温度来计算路面信息的交通事故发生率,其中,可以通过式1来计算露点温度:
[式1]
其中,Dp是露点温度,T是环境温度,RH是相对湿度,ββ和λλ分别表示作为马格努斯常数的17.62℃和243.12℃。
根据本发明的示例性实施方式,控制部件400可以通过将露点温度和路面温度进行比较来确定路面是否处于结冰状态,并且使用计算出的露点温度来计算路面信息的交通事故发生率。
根据本发明的示例性实施方式,控制部件400可以从式2计算制动距离,从而计算路面的交通事故发生率(即,根据结冰路面的交通事故发生率)。
[式2]
其中,d是制动距离(m),v是车辆行驶速度,f是轮胎与路面之间的摩擦系数,并且s是纵向斜度(%)。
图5示出了根据天气的事故率。
参照图5,可以使用表示如下的式3来计算根据诸如降雨、降雪、雾等这样的天气条件的能见距离,并且可以使用表示如下的式4来计算停车视距,从而根据事故历史信息来计算事故率。
[式3]
其中,SSD是停车视距(m),V是速度(Km/h),tr是识别响应时间(秒),f是轮胎-路面摩擦系数,并且s是斜度(m/m,上坡(+)和下坡(-))。
[式4]
其中,VD是能见距离,b↓↓scat是散射系数,b↓↓abs是吸收系数。
根据本发明的示例性实施方式,在控制部件400中,能见距离(VD)可以计算停车视距(SSD)。因此,可以确定的是,当能见距离(VD)大于停车视距(SSD)时,能够以当前车速安全驾驶,而当能见距离(VD)小于停车视距(SSD)时,无法安全驾驶。
根据本发明的示例性实施方式,在控制部件400中,能见距离(VD)可以使用停车视距(SSD)来根据天气信息(即,根据天气条件的事故率)计算事故率。因此,驾驶员可以识别出意外情况并对其做出反应,从而立即采取应对措施。
图6a和图6b是说明根据控制部件的车速信息的事故率的图。
参照图6a,根据本发明的示例性实施方式,控制部件400可以使用平均通过速度与交通事故率之间的关系来根据车速信息来计算事故率。
参照图6b,根据本发明的示例性实施方式,控制部件400可以使用与平均速度相比的交通事故率的相对事故率来根据车速信息计算事故率。
图7a和图7b是说明根据事故历史信息的事故率的图。
参照图7a,控制部件400可以使用从道路交通相关组织传送的按时间、日和月的交通事故率的信息来计算交通事故发生率。
参照图7b,控制部件400可以使用从道路交通相关组织传送的针对区域和特定道路的交通事故发生率的信息来计算交通事故发生率。
根据本发明的示例性实施方式,控制部件400可以通过使用路面信息、天气信息、车速信息和事故历史信息的多元分析,使用式5来计算交通预测系统的算法。本文中所使用的多元分析可以包括判别分析、多元回归分析、因子分析、相关分析以及各种分析。
根据本发明的示例性实施方式,控制部件400可以使用式5来计算每个分析,从而计算交通预测系统的四种算法。
[式5]
y=β0+β1F1+β2F2+…+βnFn
其中,y是预测函数,ββ0是通过每次分析所预测的事故率的常数(它因分析而不同),是预测函数的每个项的系数(即,权重)(其中,判别分析使用典型(canonical)相关系数,多元回归分析使用回归系数,因子分析使用因子(变量)系数,并且相关分析使用协方差),并且是用于预测功能的自变量(即,路面信息、天气信息、车速信息和事故历史信息)。
根据本发明的示例性实施方式,控制部件400可以使用表示如下的式6来测量由式5计算出的四种类型的分析的解释能力,从而将其中最高的解释能力计算为交通事故发生率。
[式6]
其中,r是解释能力,Y是过去数据的事故率的数据集(即,针对第二信息中包括的事故历史信息中的事故率的数据库的数量),y是通过预测函数计算出的事故率的数据库(即,数据库的数量),sd是事故率的数据库的偏差,并且n是过去事故率的数据库的维数(即,数据库的数量)。
根据本发明的示例性实施方式,当使用判别分析的解释能力在使用式6的每个分析的解释能力当中是最高的时,控制部件400例如可以选择通过判别分析计算出的事故率。
图8是将权重应用于在控制部件中计算出的交通事故发生率的图。
参照图8,交通预测系统10假设车辆A经过特定位置,其中,天气条件是降雨量为10mm,过去事故历史是每年一次,路面处于结冰状态,并且车速比道路限速高10Km/h。
根据本发明的示例性实施方式,控制部件400可以通过将按天气信息、事故历史信息、路面信息和车速乘的危险程度乘以权重,然后将全部一起相加来计算最终危险程度。
根据本发明的示例性实施方式,例如,控制部件400可以通过为每个信息选择适当的权重,将每个信息乘以相关的被选权重并且然后将全部一起相加,来计算最终危险程度为61/100。因此,可以将相关的最终危险程度保存为交通事故发生率。
图9a至图9c是示出在显示部件上显示的交通事故发生率以及根据其的图像的图。
参照图9a,当根据车辆经过学校区域的速度的交通事故发生率低于第一基准(例如,交通事故发生率为30%或更低)时,显示部件500可以显示孩子正在行走的图像(即,第一图像)。另选地,它可以显示根据车辆经过学校区域的速度的交通事故发生率(例如,事故率为30%)或者危险指数“警告”(即,第一危险指数)(见图9a-(a))。
当交通事故发生率在第一基准与预定的第二基准之间(例如,交通事故发生率为低于30%至80%)时,显示部件500可以显示孩子感到吃惊的图像(即,第二图像)。另选地,它可以显示交通事故发生率(例如,事故率为50%)或者危险指数“谨慎”(即,第二危险指数)(见图9a-(b))。
当交通事故发生率超过第二基准(例如,交通事故发生率为80%或更高)时,显示部件(500)显示孩子跌倒并且然后受伤的图像(即,第三图像)。另选地,它可以显示交通事故发生率(例如,事故率为80%)或者危险指数“危险”(即,第三危险指数)(见图9a-(c))。
参照图9b,当根据车辆经过老人保护区域的速度的交通事故发生率低于第一基准(例如,交通事故发生率为30%或更低)时,显示部件500可以显示孩子正在行走的图像(即,第一图像)。另选地,它可以显示根据车辆经过老人保护区域的速度的交通事故发生率(例如,事故率为30%)或者危险指数“警告”(即,第一危险指数)(见图9b-(a))。
当交通事故发生率在第一基准与预定的第二基准之间(例如,交通事故发生率为低于30%至80%)时,显示部件500可以显示老人吃惊并跌倒的图像(即,第二图像)。另选地,它可以显示交通事故发生率(例如,事故率为50%)或者危险指数“谨慎”(即,第二危险指数)(见图9b-(b))。
当交通事故发生率超过第二基准(例如,交通事故发生率为80%或更高)时,显示部件(500)显示老年人跌倒并且然后受伤的图像(即,第三图像)。另选地,它可以显示交通事故发生率(例如,事故率为80%)或者危险指数“危险”(即,第三危险指数)(见图9b-(c))。
参照图9c,当根据车辆经过危险区域的速度的交通事故发生率低于第一基准(例如,交通事故发生率为30%或更低)时,显示部件500可以显示携带婴儿车的人正在行走的图像(即,第一图像)。另选地,它可以显示根据车辆经过危险区域的速度的交通事故发生率(例如,事故率为30%)或者危险指数“警告”(即,第一危险指数)(见图9c-(a))。
当交通事故发生率在第一基准与预定的第二基准之间(例如,交通事故发生率为低于30%至80%)时,显示部件500可以显示携带婴儿车的人吃惊的图像(即,第二图像)。另选地,它可以显示交通事故发生率(例如,事故率为50%)或者危险指数“谨慎”(即,第二危险指数)(见图9c-(b))。
当交通事故发生率超过第二基准(例如,交通事故发生率为80%或更高)时,显示部件(500)显示携带婴儿车的人跌倒并且然后受伤的图像(即,第三图像)。另选地,它可以显示交通事故发生率(例如,事故率为80%)或者危险指数“危险”(即,第三危险指数)(见图9c-(c))。
如上所述,本发明的示例性实施方式不仅可以通过上述装置和/或操作方法来实现,而且可以通过程序、记录有程序的记录介质等来实现,并且本领域技术人员可以根据上述示例性实施方式的描述来容易地实施本发明的示例性实施方式。尽管已经参照本发明的特定实施方式对本发明进行了详细描述,但是应该理解,这些实施方式并不意图限制本发明。对于本领域技术人员将显而易见的是,可以对本发明的结构进行各种修改和变型。考虑到前述内容,本发明旨在涵盖本发明的落入所附的权利要求的范围内的修改和变型。
Claims (5)
1.一种交通预测系统,该交通预测系统包括:
传感器部件,该传感器部件用于感测预定的第一信息中的至少一条;
通信部件,该通信部件用于从天气相关组织和道路交通相关组织中的至少一个接收第二信息;
存储部件,该存储部件用于保存与交通事故发生率相关的多个图像;
控制部件,该控制部件用于使用所述第一信息和所述第二信息来计算距所述交通预测系统特定距离内的交通事故发生率,并且用于从所述多个图像中确定与所述交通事故发生率对应的图像;以及
显示部件,该显示部件用于根据所述控制部件的控制来显示所述交通事故发生率和所述图像,其中,
所述第二信息包括事故历史信息、天气信息、道路状态信息、地点信息和日期信息,
所述多个图像包括:
第一图像,该第一图像通告在预定的第一基准状态下的人正在行走的一般状态;
第二图像,该第二图像通告在所述第一基准状态与预定的第二基准状态之间的人吃惊或者由于吃惊而跌倒的稍微危险的状态;以及
第三图像,该第三图像通告在所述第二基准状态之上的人跌倒并且然后受伤的危险状态,并且
所述控制部件用于通过多元分析使用表示如下的式5来计算所述交通预测系统的算法,
[式5]
y=β0+β1F1+β2F2+…+βnFn
其中,所述控制部件用于使用表示如下的式6来测量由所述式5计算出的四种类型的分析的解释能力,以将最高的解释能力确定为交通事故发生率,
[式6]
其中,r是解释能力,Y是过去数据的交通事故发生率的数据集,y是通过所述预测函数计算出的交通事故发生率的数据库,sd是交通事故发生率的数据库的偏差,并且n是过去交通事故发生率的数据库的维数。
2.根据权利要求1所述的交通预测系统,其中,
所述第一信息包括从所述传感器部件感测到的天气信息、道路状态信息和车速信息。
3.根据权利要求1所述的交通预测系统,其中,
所述控制部件使用所述第一信息中包括的相对湿度和所述第二信息中包括的环境温度来计算露点温度,并且然后使用所述露点温度来计算所述交通事故发生率。
5.根据权利要求1所述的交通预测系统,其中,
所述通信部件与外围装置共享所述交通事故发生率和所述图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2017-0059903 | 2017-05-15 | ||
KR1020170059903A KR101826060B1 (ko) | 2017-05-15 | 2017-05-15 | 교통사고 예보시스템 |
PCT/KR2018/003413 WO2018212444A1 (en) | 2017-05-15 | 2018-03-23 | System of traffic forecasting |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110622227A CN110622227A (zh) | 2019-12-27 |
CN110622227B true CN110622227B (zh) | 2022-09-30 |
Family
ID=61228056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880031785.5A Active CN110622227B (zh) | 2017-05-15 | 2018-03-23 | 交通预测系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10878695B2 (zh) |
EP (1) | EP3625787B1 (zh) |
KR (1) | KR101826060B1 (zh) |
CN (1) | CN110622227B (zh) |
WO (1) | WO2018212444A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7368092B2 (ja) * | 2019-03-19 | 2023-10-24 | パナソニックホールディングス株式会社 | 事故検出装置、及び、事故検出方法 |
CN110335468A (zh) * | 2019-07-26 | 2019-10-15 | 王宣予 | 一种道路安全状态识别方法 |
CN112102610A (zh) * | 2020-07-27 | 2020-12-18 | 清华大学深圳国际研究生院 | 一种交通流量预测方法 |
CN111951548B (zh) * | 2020-07-30 | 2023-09-08 | 腾讯科技(深圳)有限公司 | 一种车辆驾驶风险确定方法、装置、系统及介质 |
CN111798662A (zh) * | 2020-07-31 | 2020-10-20 | 公安部交通管理科学研究所 | 一种基于时空网格化数据的城市交通事故预警方法 |
KR102312714B1 (ko) * | 2020-12-15 | 2021-10-14 | (주)아이비로시스템 | 도로 상태를 판단하기 위한 멀티센서 및 도로 상태 판단 방법이 적용된 스마트 도로상황 알림 시스템 |
KR102453688B1 (ko) * | 2021-04-28 | 2022-10-11 | 아주대학교산학협력단 | 교통사고의 잠재적 위험도 평가 시스템 및 그 방법 |
CN113706863B (zh) * | 2021-08-05 | 2022-08-02 | 青岛海信网络科技股份有限公司 | 一种道路交通状态预测方法 |
CN114944055B (zh) * | 2022-03-29 | 2023-04-18 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 基于电子收费门架的高速公路碰撞风险动态预测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741590A (zh) * | 2016-03-29 | 2016-07-06 | 福建工程学院 | 路段预警的方法及系统 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69129568T2 (de) * | 1990-02-26 | 1998-12-10 | Matsushita Electric Industrial Co., Ltd., Kadoma, Osaka | Verkehrsmonitorvorrichtung |
JPH11101647A (ja) | 1997-09-29 | 1999-04-13 | Noda Denshi Kogyo Kk | カ−ナビゲ−ションを用いた交通安全システム |
JPH11120478A (ja) * | 1997-10-17 | 1999-04-30 | Hitachi Ltd | 交通事故管理支援システム |
DE19746570A1 (de) * | 1997-10-22 | 1999-05-06 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur großflächigen Verkehrslageüberwachung |
JP2001112051A (ja) * | 1999-10-08 | 2001-04-20 | Ddi Corp | 通信トラヒック量予測装置を有する移動通信システム |
KR20010016528A (ko) | 2000-12-18 | 2001-03-05 | 이봉규 | Gis 기반의 도로 기상 정보 제공 방법 및 시스템 |
US7418345B2 (en) * | 2003-11-14 | 2008-08-26 | Continental Teves Ag & Co., Ohg | Method and device for reducing damage caused by an accident |
KR100775571B1 (ko) | 2005-03-30 | 2007-11-13 | 남일희 | 기후 변화에 따라 최고 제한속도가 변경되는교통표시장치의 제어방법 |
US9552726B2 (en) * | 2009-08-24 | 2017-01-24 | Here Global B.V. | Providing driving condition alerts using road attribute data |
US20110112720A1 (en) * | 2009-11-09 | 2011-05-12 | Dale Keep | Road Conditions Reporting |
CN102298850A (zh) * | 2011-06-17 | 2011-12-28 | 福建工程学院 | 一种在危险驾驶区域主动提醒用户的方法 |
CN102360525B (zh) * | 2011-09-28 | 2013-10-16 | 东南大学 | 基于判别分析的快速道路实时交通事故风险预测方法 |
JP2013168065A (ja) * | 2012-02-16 | 2013-08-29 | Sony Corp | 情報処理装置、端末装置、情報処理方法、及び状況表示方法 |
US10037689B2 (en) * | 2015-03-24 | 2018-07-31 | Donald Warren Taylor | Apparatus and system to manage monitored vehicular flow rate |
US20140278032A1 (en) * | 2013-03-15 | 2014-09-18 | Inrix, Inc. | Traffic causality |
CN103198712B (zh) * | 2013-03-21 | 2015-08-26 | 东南大学 | 一种雾天状态下减少交通事故的车辆调控方法 |
CN103198713B (zh) * | 2013-03-21 | 2016-01-06 | 东南大学 | 基于交通数据和天气数据的减少交通事故的车辆调控方法 |
CN103198709B (zh) * | 2013-03-21 | 2015-07-15 | 东南大学 | 一种雨天状况下减少交通事故的车辆调控方法 |
US9092978B2 (en) * | 2013-08-13 | 2015-07-28 | International Business Machines Corporation | Managing traffic flow |
KR102200121B1 (ko) * | 2014-02-17 | 2021-01-08 | 삼성전자 주식회사 | 차량 흐름 예측 방법 및 장치 |
US9430944B2 (en) * | 2014-11-12 | 2016-08-30 | GM Global Technology Operations LLC | Method and apparatus for determining traffic safety events using vehicular participative sensing systems |
CN104575063A (zh) * | 2014-12-26 | 2015-04-29 | 北京中交兴路车联网科技有限公司 | 一种车辆预警方法 |
US9666072B2 (en) * | 2014-12-29 | 2017-05-30 | Here Global B.V. | Dynamic speed limit |
EP3251023A4 (en) * | 2015-01-26 | 2018-09-26 | TRW Automotive U.S. LLC | Vehicle driver assist system |
KR102268134B1 (ko) | 2015-02-04 | 2021-06-22 | 한국과학기술원 | 모바일 데이터와 인프라 데이터를 이용한 차량 충돌 경보 장치 및 그 방법 |
US10490074B2 (en) * | 2017-05-09 | 2019-11-26 | Qualcomm Incorporated | Frequency biasing for doppler shift compensation in wireless communications systems |
-
2017
- 2017-05-15 KR KR1020170059903A patent/KR101826060B1/ko active IP Right Grant
-
2018
- 2018-03-23 CN CN201880031785.5A patent/CN110622227B/zh active Active
- 2018-03-23 EP EP18802096.0A patent/EP3625787B1/en active Active
- 2018-03-23 US US16/611,156 patent/US10878695B2/en active Active
- 2018-03-23 WO PCT/KR2018/003413 patent/WO2018212444A1/en unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741590A (zh) * | 2016-03-29 | 2016-07-06 | 福建工程学院 | 路段预警的方法及系统 |
Non-Patent Citations (1)
Title |
---|
humidity at a glance most relevant equations with sample code;start2015a70;《豆丁》;20150806;第1-2页 * |
Also Published As
Publication number | Publication date |
---|---|
US10878695B2 (en) | 2020-12-29 |
KR101826060B1 (ko) | 2018-02-06 |
WO2018212444A1 (en) | 2018-11-22 |
EP3625787B1 (en) | 2024-07-10 |
EP3625787A1 (en) | 2020-03-25 |
CN110622227A (zh) | 2019-12-27 |
EP3625787A4 (en) | 2021-03-10 |
US20200082712A1 (en) | 2020-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110622227B (zh) | 交通预测系统 | |
Sagberg et al. | An investigation of behavioural adaptation to airbags and antilock brakes among taxi drivers | |
US9002613B2 (en) | System and method for vehicle speed monitoring using historical speed data | |
Bassan | Overview of traffic safety aspects and design in road tunnels | |
Liang et al. | Effect of environmental factors on driver speed: a case study | |
CN104978853B (zh) | 一种道路交通安全评估方法及系统 | |
Celik et al. | A multinomial logit analysis of risk factors influencing road traffic injury severities in the Erzurum and Kars Provinces of Turkey | |
KR101845594B1 (ko) | 도로 날씨 상황들의 검출 | |
El-Shawarby et al. | Evaluation of driver deceleration behavior at signalized intersections | |
EP3514579A1 (en) | Road surface condition prediction system, driving assistance system, road surface condition prediction method, and data distribution method | |
Khattak et al. | Role of adverse weather in key crash types on limited-access: roadways implications for advanced weather systems | |
US6173231B1 (en) | Method and system for collecting data concerning thermal properties of roads for a geographic database and use thereof in a vehicle safety system | |
Hjelkrem et al. | Chosen risk level during car-following in adverse weather conditions | |
US9401089B2 (en) | Road weather hazard system | |
US20090201140A1 (en) | Method for determining the driving limits of a vehicle | |
KR101308994B1 (ko) | 차륜 회전속도 및 차량 속도를 이용한 노면 미끄럼 판단 장치 및 그 방법 | |
Ma et al. | Modeling crash rates for a mountainous highway by using refined-scale panel data | |
CA2509942A1 (fr) | Dispositif d'affichage anticollision terrain embarque | |
JP6817415B2 (ja) | システム、情報管理サーバ、および方法 | |
JP2008097376A (ja) | 安全運転診断装置及び安全運転診断システム | |
JP5017229B2 (ja) | 道路交通情報提供システム及び方法 | |
EP3775849B1 (en) | Road condition monitoring system | |
US20100251956A1 (en) | Manual inclinometer systems and methods for preventing motor vehicle crashes | |
Hippi et al. | RoadSurf‐pedestrian: a sidewalk condition model to predict risk for wintertime slipping injuries | |
Hadi et al. | Effect of pavement marking retroreflectivity on the performance of vision-based lane departure warning systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Han Guojiangyuandao Applicant after: Quantum gate Co.,Ltd. Address before: Han Guoshizongshi Applicant before: Quantum gate Co.,Ltd. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |