CN111311917A - 一种基于大数据的道路交通安全管理系统 - Google Patents

Abstract

本发明公开一种基于大数据的道路交通安全管理系统，包括道路图像采集模块、图像预处理模块、特征种类提取模块、特征种类匹配模块、道路存储数据模块、数据中转分析模块、车辆检测模块、车速优化分析模块、管理云服务器和通行阻碍模块。本发明通过车辆检测模块和车速优化分析模块分析出车辆在右转车道上的行驶车速，并对车速进行分析，并通过道路图像采集模块、特征种类提取模块、特征种类匹配模块以及结合数据中转分析模块和管理云服务器，综合分析车辆进行右转过程中的驾驶综合危险评估系数，能够直观地预测车辆按照当前车速经过人行横道的危险程度，具有预测的准确性高，便于及早控制和预警提醒的作用，减少交通事故。

Description

一种基于大数据的道路交通安全管理系统

技术领域

本发明属于道路交通管理技术领域，涉及到一种基于基于大数据的道路交通安全管理系统。

背景技术

交通信号灯由红灯、绿灯、黄灯组成。红灯表示禁止通行，绿灯表示准许通行，黄灯表示警示，在交通路口，一般的红灯只限制直行或左转弯的车辆通行，对右转弯车辆几乎没有限制，当人行横道为绿灯状态时，右转车辆仍然可以通行，而右转弯时驾驶员的视线受直行车道以及左转车道上停留的车辆影响，极易造成右转车辆在经过人行道时对人行道上的行人、自行车以及电动车辆进行碰撞，造成人员伤亡以及车辆的损坏，目前，无法通根据交通路口的实际情况，综合分析右转车道上的车辆通过人行横道时的危险状况，造成每年交通路口发生交通事故的次数屡屡不减，为了减少道路交通路口的交通事故，现设计一种基于基于大数据的道路交通安全管理系统。

发明内容

本发明的目的在于提供的一种基于基于大数据的道路交通安全管理系统，解决了背景技术中存在的问题。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的道路交通安全管理系统，包括道路图像采集模块、图像预处理模块、特征种类提取模块、特征种类匹配模块、道路存储数据模块、数据中转分析模块、车辆检测模块、车速优化分析模块、管理云服务器和通行阻碍模块；

所述图像预处理模块分别与道路图像采集模块、特征种类提取模块和数据中转分析模块连接，特征种类匹配模块分别与特征种类提取模块和数据中转分析模块连接，管理云云服务器分别与数据中转分析模块、道路存储数据模块、车速优化分析模块和通行阻碍模块连接，车辆检测模块和车速优化分析模块连接；

所述道路图像采集模块用于对处于绿灯状态下的人行横道上来往人群和直行车道进行定时图像采集，并将采集的人群图像和直行车道的图像发送至图像预处理模块；

所述图像预处理模块用于接收道路图像采集模块发送的人群图像信息和直行车道的图像信息，对采集的人群图像和直行车道的图像进行噪声处理，并将经处理后的人群图像分别发送至特征种类提取模块和数据中转分析模块，将经处理后的直行车道图像发送至管理云服务器；

所述特征提取模块用于接收图像预处理模块发送的经处理后的人群图像，对各人群图像中特征进行提取，并将提取的人群图像中的所有特征发送至特征种类匹配模块；

所述特征种类匹配模块分别与道路存储数据模块和特征种类特征模块连接，特征种类匹配模块用于提取道路存储数据模块中各特征种类对应的种类特征集合，并接收特征提取模块发送的人群图像中的所有特征分别与各特征种类对应的种类特征集合进行对比，得到各特征种类特征对比集合A′_K(a′_k1,a′_k2,...,a′_ki,...,a′_km)，a′_ki表示为人群图像中的所有特征中是否存在第K个特征种类对应的第i个特征，若存在，则a′_ki等于f，若不存在，则a′_ki等于f，特征种类匹配模块将人群图像中的所有特征与各特征种类对应的种类特征集合对比后的各特征种类特征对比集合发送至数据中转分析模块；

所述数据中转分析模块用于接收特征种类匹配模块发送的各特征种类特征对比集合，统计人群图像中所有特征与各特征种类间的匹配度吻合系数，并将统计与各特征种类间的匹配度吻合系数与设定的各特征种类对应的匹配度吻合系数阈值进行对比，若大于设定的特征种类对应的匹配度吻合系数，则提取匹配度吻合系数大于设定的特征种类对应的匹配度吻合系数阈值所对应的特征种类，根据提取的人群图像中的特征种类获取特征种类在人群图像中的位置信息，同时接收图像预处理模块发送的经处理后的人群图像，提取人群图像中组成人行横道的各斑马线编号对应的位置，并将各特征种类在人群图像中的位置与各斑马线编号对应的位置进行对比，若各特征种类在人群图像中的位置与其中一斑马线编号对应的位置相同，则数据中转分析模块将提取各特征种类以及各特征种类对应的斑马线编号发送至管理云服务器；

所述道路存储数据模块存储有若干特征种类对应的特征集合，各特征种类对应的特征集合为A_K(a_K1,a_K2,...,a_Ki,...,a_Km)，a_Ki表示为第K个特征种类对应的第i个特征，并存储人行横道的标准图像，人行横道由若干与道路通行方向相平行的斑马线组成，对人行横道上各相互平行的斑马线按照车辆直行的方向从右到左进行编号，另外，存储各车辆种类对应的车辆特征以及各车辆种类下的车身高度所对应的视线遮挡系数；

所述车辆检测模块由若干个车速传感器组成，各车速传感器分别一一对应安装在各检测点上，检测点设置在右转车道上，车辆检测模块用于对经过右转车道上检测点处的车辆进行车速检测，并将各检测点检测的车辆车速发送至车速优化分析模块；

所述车速优化分析模块用于接收车速检测模块发送的各检测点检测的车速，提取同一车辆经过各检测点处所对应的车速，构成车辆行驶车速集合，并对同一车辆在第j+1个检测点处的车速与第j个检测点处的车速进行对比，得到车辆行驶车速对比集合，判断车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和是否大于设定的车辆行驶减速阈值，若车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和小于设定的车辆行驶减速阈值，则车辆减速危险因子λ取E，若车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和大于设定的车辆行驶减速阈值,则车辆减速危险因子λ取1，并判断车辆在第w个检测点检测的车速是否大于设定的转弯标准车速，若大于设定的转弯标准车速，则转弯危险因子β取R,若小于设定的转弯标准车速，则转弯危险因子β取1，车速优化分析模块将车辆在第w个检测点处的车速、以及根据该车辆车速判断的车辆减速危险因子λ以及转弯危险因子β发送至管理云服务器；

所述管理云服务器用于实时接收数据中转分析模块发送的各特征种类以及各特征种类对应的白线编号，提取两固定时间段内同一特征种类下的同一人员对应的白线编号，根据两固定时间段内同一特征种类下同一人员的白线编号变化，统计该特征种类下的该人员的移动速度；

所述管理云服务器用于接收图像预处理模块发送的经处理后的直行车道图像，对接收的直行车道图像进行车辆特征提取，并将提取的直行车道区域的车辆特征与道路存储数据模块中各车辆种类对应的特征进行对比，以确定直行车道上停靠等待红灯的车辆种类，并从道路存储数据模块中筛选出停靠在直行车道上的各车辆种类所对应的视线遮挡系数；

所述管理云服务器接收车速优化分析模块发送的车辆在第w个检测点处的车速，并根据车辆在右转车道上第w个检测点处的车速统计车辆达到人行横道区域的时间，并判断人行横道绿灯状态下各特征种类下的各人员按照当前移动速度达到人行横道右转区域的初始时间和离开人行横道右转区域的终止时间，若车辆到达人行横道区域的时间与其中一特征种类下的一人员对应的起始时间和终止时间范围部分重叠，则表明车辆以当前车速驾驶所对应的交通事故危险系数θ，若车辆到达人行横道区域的时间不与任何一特征种类下的任何一人员对应的起始时间和终止时间范围部分重叠，则表明车辆以当前车速驾驶所对应的交通事故危险系数θ，管理云服务器根据车辆以当前车速驾驶所对应的交通事故危险系数θ、车辆在右转车道上的车辆减速危险因子λ、转弯危险因子β以及停靠在直行车道上的各车辆种类所对应的视线遮挡系数，统计车辆进行右转过程中的驾驶综合危险评估系数，管理云服务器将车辆的驾驶综合危险评估系数与设定的驾驶综合危险评估系数阈值进行对比，若大于设定的驾驶综合危险评估系数阈值，则管理云服务器发送驾驶综合危险评估系数至车辆终端，车载终端根据接收的驾驶综合危险评估系数进行语音提醒，同时发送控制指令至通行阻碍模块；

所述通行阻碍模块用于接收管理云服务器发送的控制指令，用于阻挡车辆通过人行横道。

进一步地，所述驾驶综合危险评估系数的计算公式为

ζ表示为车辆在右转车道进行右转的驾驶综合危险评估系数，驾驶综合危险评估系数越高，表明车辆驾驶通过人行横道所出现交通事故的可能性越大，λ表示为车辆在右转车道上的车辆减速危险因子，β表示为转弯危险因子，dist(λ,β)表示为车辆减速危险因子λ和转弯危险因子β间的欧式距离，θ表示为车辆以当前车速驾驶所对应的交通事故危险系数，εx表示为直行车道上等待的第x个车辆对应的车辆种类所对应的视觉遮挡系数，gεx表示为直行车道上等待的第x个车辆对应的车辆种类所对应的视觉遮挡比重系数，且gε1＞gε2＞gε3＞......。

进一步地，同一特征种类中各特征对应的权重比例系数分别为ya_k1,ya_k2,...,ya_ki,...,ya_km，且ya_k1+ya_k2+...+ya_ki+...+ya_km＝1，ya_ki表示为第K个特征种类对应的第i个特征的权重比例系数。

进一步地，所述通行阻碍模块安装在第w个检测点以及人行横道中点位置处，当车辆经过第w个检测点后，通行阻碍模块启动。

进一步地，所述通行阻碍模块包括限位框、阻挡机构和两传动机构，限位框包括限位顶板和限位底板，限位顶板和限位底板之间固定有若干支撑柱，限位顶板上开有若干定位导向孔和第一滑动槽，定位导向孔上开有矩形槽，限位底板上开有两安装孔以及若干第二滑动槽，限位底板两端固定有限位支撑板，限位支撑板上开有限位孔；

所述传动机构包括传动丝杠、第一圆齿轮、第二圆齿轮和传动电机，传动丝杠与第一圆齿轮固定连接，传动电机通过输出轴与第二圆齿轮连接，第二圆齿轮与第一圆齿轮相啮合，传动电机上的输出轴通过轴承与安装孔连接，传动丝杠通过轴承与限位孔连接；

所述传动丝杠转动带动与传动丝杠相配合的阻挡机构进行上升。

进一步地，还包括减震机构，所述减震机构包括防护外板和防护内板，防护外板和防护内板间分布有若干减震弹簧，防护内板上固定有两相互平行的限位柱，限位柱分别与第一滑动槽和第二滑动槽滑动配合。

进一步地，所述阻挡机构包括限位调节板、阻挡件和辅助支撑件，限位调节板包括传动支撑板，传动支撑板两端开有与传动丝杠相配合的螺纹孔，两螺纹孔间整列分布有若干第一阻挡柱，阻挡柱上开有球槽和矩形凹槽，球槽与矩形凹槽相连通，矩形凹槽上固定开有第一铰接孔的第一铰接板；

所述阻挡件包括第二阻挡柱，第二阻挡柱下端面固定有延伸柱和延伸板，延伸柱上有与球槽相配合的圆球，延伸板上固定开有第二铰接孔的第二铰接板；

所述辅助支撑件包括第一支撑部和第二支撑部，第二支撑部一端与第一支撑部内滑动配合，第一支撑部内固定有缓冲弹簧，第一支撑部另一端固定有第二铰接头，第二铰接头与延伸板上的第二铰接板相铰接，第二支撑部一端固定有第一铰接头，第一铰接头与矩形凹槽上的第一铰接板相铰接。

进一步地，所述球槽球心距离阻挡住上端面的距离大于球槽的半径。

本发明的有益效果：

本发明提供的一种基于大数据的道路交通安全管理系统，通过车辆检测模块和车速优化分析模块分析出车辆在右转车道上的行驶车速，对车辆经过各检测点处的车速进行处理分析，判断出车辆行驶过程中对应的车辆减速危险因子以及转弯危险因子，便于为后期分析车辆按照当前车速行驶至人行横道是否存在危险提供可靠的数据。

通过道路图像采集模块、特征种类提取模块、特征种类匹配模块以及结合数据中转分析模块和管理云服务器，可分析出人行横道上行人的特征种类，统计出各特征种类下的人员的移动速度，通过判断车辆达到人行横道的时间以及人行横道上各特征种类下的人员移动至人行横道右转区域的时间间大小关系，获得当前车速驾驶所对应的交通事故危险系数，并结合车辆在右转车道行驶过程中的车辆减速危险因子以及转弯危险因子，综合分析车辆进行右转过程中的驾驶综合危险评估系数，能够直观地预测车辆按照当前车速经过人行横道的危险程度，减少因直行车道以及左转车道上车辆遮挡视线等综合原因造成的交通事故的次数，本发明具有预测的准确性高，智能化，便于及早控制和预警提醒的作用，减少交通事故，大大提高了道路交通的安全性。

另外，一旦驾驶综合危险评估系数大于设定的设定的驾驶综合危险评估系数阈值，则管理云服务器发送控制指令至通行阻碍模块，通行阻碍模块执行动作，以阻碍车辆靠通过人行横道，保障了人行横道上行人的安全通行。

通过通行阻碍模块中传动机构带动阻挡机构进行上升，以达到阻碍车辆通行的目的，同时，通过限位调节板和阻挡件间的连接设计，避免车辆撞击到阻挡件后，阻挡件会脱离限位调节板，减少阻挡件脱落对行人的损坏，并通过辅助支撑件增加限位调节板和阻挡件间连接的稳定性，可重复使用，减少成本。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明中一种基于大数据的道路交通安全管理系统的示意图；

图2为本发明中通行阻碍模块的示意图；

图3为本发明中限位框的示意图；

图4为本发明中传动机构的示意图；

图5为本发明中阻挡机构的示意图；

图6为本发明中图2的俯视图；

图7为本发明中A-A的剖视图；

图8为本发明中B-B的剖视图；

图9为本发明中图8的局部放大示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于大数据的道路交通安全管理系统，包括道路图像采集模块、图像预处理模块、特征种类提取模块、特征种类匹配模块、道路存储数据模块、数据中转分析模块、车辆检测模块、车速优化分析模块、管理云服务器和通行阻碍模块。

图像预处理模块分别与道路图像采集模块、特征种类提取模块和数据中转分析模块连接，特征种类匹配模块分别与特征种类提取模块和数据中转分析模块连接，管理云云服务器分别与数据中转分析模块、道路存储数据模块、车速优化分析模块和通行阻碍模块连接，车辆检测模块和车速优化分析模块连接。

道路图像采集模块为高清摄像头，车辆前进方向的人行横道右侧，以对人行横道以及直行车道进行图像采集，道路图像采集模块用于对处于绿灯状态下的人行横道上来往人群和直行车道进行定时图像采集，并将采集的人群图像和直行车道的图像发送至图像预处理模块，以固定时间段进行采集，采集的固定时间段小于人行横道上绿灯的时间，设定采集的固定时间段为4s；

图像预处理模块用于接收道路图像采集模块发送的人群图像信息和直行车道的图像信息，对采集的人群图像和直行车道的图像进行噪声处理，以提高人群图像和直行车道图像的清晰度，并将经处理后的人群图像分别发送至特征种类提取模块和数据中转分析模块，将经处理后的直行车道图像发送至管理云服务器。

特征提取模块用于接收图像预处理模块发送的经处理后的人群图像，对各人群图像中特征进行提取，并将提取的人群图像中的所有特征发送至特征种类匹配模块。

特征种类匹配模块分别与道路存储数据模块和特征种类特征模块连接，特征种类匹配模块用于提取道路存储数据模块中各特征种类对应的种类特征集合，并接收特征提取模块发送的人群图像中的所有特征分别与各特征种类对应的种类特征集合进行对比，得到各特征种类特征对比集合A′_K(a′_k1,a′_k2,...,a′_ki,...,a′_km)，a′_ki表示为人群图像中的所有特征中是否存在第K个特征种类对应的第i个特征，若存在，则a′_ki等于f(2＞f＞1),若不存在，则a′_ki等于f(f＝1)，特征种类匹配模块将人群图像中的所有特征与各特征种类对应的种类特征集合对比后的各特征种类特征对比集合发送至数据中转分析模块。

数据中转分析模块用于接收特征种类匹配模块发送的各特征种类特征对比集合，统计人群图像中所有特征与各特征种类间的匹配度吻合系数

并将统计与各特征种类间的匹配度吻合系数与设定的各特征种类对应的匹配度吻合系数阈值进行对比，若大于设定的特征种类对应的匹配度吻合系数，则提取匹配度吻合系数大于设定的特征种类对应的匹配度吻合系数阈值所对应的特征种类，根据提取的人群图像中的特征种类获取特征种类在人群图像中的位置信息，同时接收图像预处理模块发送的经处理后的人群图像，提取人群图像中组成人行横道的各斑马线编号对应的位置，并将各特征种类在人群图像中的位置与各斑马线编号对应的位置进行对比，若各特征种类在人群图像中的位置与其中一斑马线编号对应的位置相同，则数据中转分析模块将提取各特征种类以及各特征种类对应的斑马线编号发送至管理云服务器。

道路存储数据模块存储有若干特征种类对应的特征集合，各特征种类对应的特征集合为A_K(a_K1,a_K2,...,a_Ki,...,a_Km)，a_Ki表示为第K个特征种类对应的第i个特征，同一特征种类中各特征对应的权重比例系数分别为ya_k1,ya_k2,...,ya_ki,...,ya_km，且ya_k1+ya_k2+...+ya_ki+...+ya_km＝1，ya_ki表示为第K个特征种类对应的第i个特征的权重比例系数，并存储人行横道的标准图像，人行横道由若干与道路通行方向相平行的斑马线组成，对人行横道上各相互平行的斑马线按照车辆直行的方向从右到左进行编号，分别为1,2,...,n，各斑马线编号到人行横道区域最右端的距离分别为s1,s2,...,sn，相邻斑马线中心间的距离相同，且s1,s2,...,sp编号对应的人行横道为右转车道区域，p＜n，各斑马线编号对应的位置在采集的人群图像中的位置是固定且唯一的，其中，特征种类包括行人、自行车和电动自行车等，另外，存储各车辆种类对应的车辆特征以及各车辆种类下的车身高度所对应的视线遮挡系数，不同车身高度对右转道路上驾驶人员观察人行横道情况的视线遮挡系数不同，车身高度越高，对右转车道上驾驶人员观察人行横道上的行人的视觉遮挡系数越高。

车辆检测模块由若干个车速传感器组成，各车速传感器分别一一对应安装在各检测点上，检测点设置在右转车道上，车辆检测模块用于对经过右转车道上检测点处的车辆进行车速检测，并将各检测点检测的车辆车速发送至车速优化分析模块，相邻两车速传感器间的距离相同，对车速传感器按照车辆行驶的方向进行编号，分别为1,2,...,j,...,w,各车速传感器距离人行横道区域的距离分别为y1,y2,...,yj,...,yw,y1＞y2＞...＞yj＞...＞yw，yw大于平均车辆以车速为30km/h在右转车道上所对应的安全制动距离，yj表示为第j个车速传感器安装的检测点距离人行横道区域的距离，w表示为检测点的数量；

车速优化分析模块用于接收车速检测模块发送的各检测点检测的车速，提取同一车辆经过各检测点处所对应的车速，构成车辆行驶车速集合V_2q(v_2q1,v_2q2,...,v_2qj,...,v_2qw)，V_2q表示为行驶在右转车辆上的车辆车速集合，v_2qj表示为右转车辆上第q个车辆经过第j个检测点处的车速，对同一车辆在第j+1个检测点处的车速与第j个检测点处的车速进行对比，得到车辆行驶车速对比集合V′_2q(v′_2q1,v′_2q2,...,v′_2qj,...,v′_2q(w-1))，v′_2qj表示为同一车辆在第j个检测点处的车速与第j+1个检测点处的车速间的差值，判断车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和是否大于设定的车辆行驶减速阈值，若车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和小于设定的车辆行驶减速阈值，则车辆减速危险因子λ取E(2＞E＞1)，若车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和大于设定的车辆行驶减速阈值,则车辆减速危险因子λ取1，并判断车辆在第w个检测点检测的车速是否大于设定的转弯标准车速(30Km/h)，若大于设定的转弯标准车速，则转弯危险因子β取R(4＞R＞2),若小于设定的转弯标准车速，则转弯危险因子β取1，车速优化分析模块将车辆在第w个检测点处的车速、以及根据该车辆车速判断的车辆减速危险因子λ以及转弯危险因子β发送至管理云服务器；

管理云服务器用于实时接收数据中转分析模块发送的各特征种类以及各特征种类对应的白线编号，提取两固定时间段内同一特征种类下的同一人员对应的白线编号，根据两固定时间段内同一特征种类下同一人员的白线编号变化，统计该特征种类下的该人员的移动速度

v_1K表示为第K个特征种类下的人员移动速度，T表示为固定时间段，s′_K表示为第K个特征种类距离斑马线区域最右端的距离，s′^T _K表示为经固定时间段T后第K个特征种类的距离斑马线区域最右端的距离；

管理云服务器用于接收图像预处理模块发送的经处理后的直行车道图像，对接收的直行车道图像进行车辆特征提取，并将提取的直行车道区域的车辆特征与道路存储数据模块中各车辆种类对应的特征进行对比，以确定直行车道上停靠等待红灯的车辆种类，并从道路存储数据模块中筛选出停靠在直行车道上的各车辆种类所对应的视线遮挡系数，其中，按照直行车道上车辆距离人行横道的距离由近到远对各车辆进行编号，分别为1,2,3,...,且各车辆编号所对应的车辆种类的视觉遮挡系数分别为ε1,ε2,ε3,...。

管理云服务器接收车速优化分析模块发送的车辆在第w个检测点处的车速，并根据车辆在右转车道上第w个检测点处的车速统计车辆达到人行横道区域的时间，并判断人行横道绿灯状态下各特征种类下的各人员按照当前移动速度达到人行横道右转区域的初始时间和离开人行横道右转区域的终止时间，若车辆到达人行横道区域的时间与其中一特征种类下的一人员对应的起始时间和终止时间范围部分重叠，则表明车辆以当前车速驾驶所对应的交通事故危险系数θ，(θ等于0.928)，若车辆到达人行横道区域的时间不与任何一特征种类下的任何一人员对应的起始时间和终止时间范围部分重叠，则表明车辆以当前车速驾驶所对应的交通事故危险系数θ(θ等于0.24)，管理云服务器根据车辆以当前车速驾驶所对应的交通事故危险系数θ、车辆在右转车道上的车辆减速危险因子λ、转弯危险因子β以及停靠在直行车道上的各车辆种类所对应的视线遮挡系数，统计车辆进行右转过程中的驾驶综合危险评估系数，驾驶综合危险评估系数的计算公式为

ζ表示为车辆在右转车道进行右转的驾驶综合危险评估系数，驾驶综合危险评估系数越高，表明车辆驾驶通过人行横道所出现交通事故的可能性越大，λ表示为车辆在右转车道上的车辆减速危险因子，β表示为转弯危险因子，dist(λ,β)表示为车辆减速危险因子λ和转弯危险因子β间的欧式距离，θ表示为车辆以当前车速驾驶所对应的交通事故危险系数，εx表示为直行车道上等待的第x个车辆对应的车辆种类所对应的视觉遮挡系数，gεx表示为直行车道上等待的第x个车辆对应的车辆种类所对应的视觉遮挡比重系数，且gε1＞gε2＞gε3＞......，即越靠近人行横道的车辆所对应的视觉遮挡比重系数越大，管理云服务器将车辆的驾驶综合危险评估系数与设定的驾驶综合危险评估系数阈值进行对比，若大于设定的驾驶综合危险评估系数阈值，则管理云服务器发送驾驶综合危险评估系数至车辆终端，车载终端根据接收的驾驶综合危险评估系数进行语音提醒，以提醒驾驶人员进行减速驾驶，同时发送控制指令至通行阻碍模块。

通行阻碍模块用于接收管理云服务器发送的控制指令，用于阻挡车辆通过人行横道，保障了人行横道上行人等的安全通行。

其中，通行阻碍模块安装在第w个检测点以及人行横道中点位置处，当车辆经过第w个检测点后，通行阻碍模块启动，阻碍车辆，保证人行横道上人员的安全，降低交通事故造成的人员伤亡。

如图2-9所示，通行阻碍模块包括限位框1、减震机构2、阻挡机构和两传动机构3，限位框1包括限位顶板11和限位底板12，限位顶板11和限位底板12之间固定有若干支撑柱13，限位顶板11上阵列分布有若干定位导向孔111，定位导向孔111上开有矩形槽112，定位导向孔111和矩形槽112相互连通，限位顶板11两相对侧边开有第一滑动槽113，限位底板12上开有两安装孔121以及若干第二滑动槽122，限位底板12两端固定有限位支撑板14，限位支撑板14为U型结构，限位支撑板14上开有限位孔15；

减震机构2包括防护外板21和防护内板22，防护外板21和防护内板22间分布有若干减震弹簧23，防护内板22上固定有两相互平行的限位柱221，限位柱221分别与第一滑动槽113和第二滑动槽122滑动配合，通过减震机构2上的减震弹簧23减少路面因受碾压而对通行阻碍模块的损坏。

传动机构3包括传动丝杠31、第一圆齿轮32、第二圆齿轮33和传动电机35，传动丝杠31与第一圆齿轮32固定连接，传动电机35通过输出轴34与第二圆齿轮33连接，第二圆齿轮33与第一圆齿轮32相啮合，传动电机35上的输出轴34通过轴承与安装孔121连接，传动丝杠31通过轴承与限位孔15连接，其中，两传动机构3中的传动电机35工作后，两传动丝杠31的转动方向相同。

阻挡机构包括限位调节板4、阻挡件5和辅助支撑件6，限位调节板4包括传动支撑板41，传动支撑板41两端开有与传动丝杠31相配合的螺纹孔43，两螺纹孔43间整列分布有若干第一阻挡柱42，阻挡柱42上开有球槽421和矩形凹槽422，球槽421与矩形凹槽422相连通，球槽421球心距离阻挡住42上端面的距离大于球槽421的半径，矩形凹槽422上固定开有第一铰接孔的第一铰接板423，阻挡件5包括第二阻挡柱51，第二阻挡柱51下端面固定有延伸柱52和延伸板54，延伸柱52上有与球槽421相配合的圆球53，延伸板54上固定开有第二铰接孔的第二铰接板，其中，第二阻挡柱51和第一阻挡柱42分别与定位导向孔111滑动配合，且延伸板54与矩形槽112相配合，且阻挡件5可在矩形凹槽422内进行转动。

辅助支撑件6包括第一支撑部61和第二支撑部62，第二支撑部62一端与第一支撑部61内滑动配合，第一支撑部61内固定有缓冲弹簧63，第一支撑部61另一端固定有第二铰接头65，第二铰接头65与延伸板54上的第二铰接板相铰接，第二支撑部62一端固定有第一铰接头64，第一铰接头64与矩形凹槽422上的第一铰接板423相铰接，辅助支撑件6用于对限位调节板4、阻挡件5进行支撑。

工作时，当管理云服务器发送控制指令后，两传动电机35工作，传动电机35转动带动两第二圆齿轮33进行转动，第二圆齿轮33转动带动第一圆齿轮32转动，进而带动两传动丝杠32转动，通过传动丝杠32与传动支撑板41上螺纹孔43相配合，带动传动支撑板41沿传动丝杠32轴线的方向上升。

传动支撑板41上升带动阻挡件5和辅助支撑件6上升，当车辆到达通行阻碍模块时，通行阻碍模块中的阻挡机构对车辆进行阻挡，阻碍车辆达到人行横道区域，当车辆撞击到阻挡件5时，由于撞击力的作用，阻挡件5由竖直状态转变成倾倒状态，由于阻挡件5与限位调节板4间通过球铰接，阻挡件5不脱离限位调节板4，同时，当车辆撞击到阻挡件5，辅助支撑杆6受到阻挡件5的压力，缓冲弹簧63被压缩，进而降低车辆的车速，并减少车辆通过人行横道造成的行人伤亡。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于大数据的道路交通安全管理系统，其特征在于：包括道路图像采集模块、图像预处理模块、特征种类提取模块、特征种类匹配模块、道路存储数据模块、数据中转分析模块、车辆检测模块、车速优化分析模块、管理云服务器和通行阻碍模块；

所述图像预处理模块分别与道路图像采集模块、特征种类提取模块和数据中转分析模块连接，特征种类匹配模块分别与特征种类提取模块和数据中转分析模块连接，管理云云服务器分别与数据中转分析模块、道路存储数据模块、车速优化分析模块和通行阻碍模块连接，车辆检测模块和车速优化分析模块连接；

所述道路图像采集模块用于对处于绿灯状态下的人行横道上来往人群和直行车道进行定时图像采集，并将采集的人群图像和直行车道的图像发送至图像预处理模块；

所述图像预处理模块用于接收道路图像采集模块发送的人群图像信息和直行车道的图像信息，对采集的人群图像和直行车道的图像进行噪声处理，并将经处理后的人群图像分别发送至特征种类提取模块和数据中转分析模块，将经处理后的直行车道图像发送至管理云服务器；

所述特征提取模块用于接收图像预处理模块发送的经处理后的人群图像，对各人群图像中特征进行提取，并将提取的人群图像中的所有特征发送至特征种类匹配模块；

所述特征种类匹配模块分别与道路存储数据模块和特征种类特征模块连接，特征种类匹配模块用于提取道路存储数据模块中各特征种类对应的种类特征集合，并接收特征提取模块发送的人群图像中的所有特征分别与各特征种类对应的种类特征集合进行对比，得到各特征种类特征对比集合A′_K(a′_k1,a′_k2,...,a′_ki,...,a′_km)，a′_ki表示为人群图像中的所有特征中是否存在第K个特征种类对应的第i个特征，若存在，则a′_ki等于f，若不存在，则a′_ki等于f，特征种类匹配模块将人群图像中的所有特征与各特征种类对应的种类特征集合对比后的各特征种类特征对比集合发送至数据中转分析模块；

所述数据中转分析模块用于接收特征种类匹配模块发送的各特征种类特征对比集合，统计人群图像中所有特征与各特征种类间的匹配度吻合系数，并将统计与各特征种类间的匹配度吻合系数与设定的各特征种类对应的匹配度吻合系数阈值进行对比，若大于设定的特征种类对应的匹配度吻合系数，则提取匹配度吻合系数大于设定的特征种类对应的匹配度吻合系数阈值所对应的特征种类，根据提取的人群图像中的特征种类获取特征种类在人群图像中的位置信息，同时接收图像预处理模块发送的经处理后的人群图像，提取人群图像中组成人行横道的各斑马线编号对应的位置，并将各特征种类在人群图像中的位置与各斑马线编号对应的位置进行对比，若各特征种类在人群图像中的位置与其中一斑马线编号对应的位置相同，则数据中转分析模块将提取各特征种类以及各特征种类对应的斑马线编号发送至管理云服务器；

所述道路存储数据模块存储有若干特征种类对应的特征集合，各特征种类对应的特征集合为A_K(a_K1,a_K2,...,a_Ki,...,a_Km)，a_Ki表示为第K个特征种类对应的第i个特征，并存储人行横道的标准图像，人行横道由若干与道路通行方向相平行的斑马线组成，对人行横道上各相互平行的斑马线按照车辆直行的方向从右到左进行编号，另外，存储各车辆种类对应的车辆特征以及各车辆种类下的车身高度所对应的视线遮挡系数；

所述车辆检测模块由若干个车速传感器组成，各车速传感器分别一一对应安装在各检测点上，检测点设置在右转车道上，车辆检测模块用于对经过右转车道上检测点处的车辆进行车速检测，并将各检测点检测的车辆车速发送至车速优化分析模块；

所述车速优化分析模块用于接收车速检测模块发送的各检测点检测的车速，提取同一车辆经过各检测点处所对应的车速，构成车辆行驶车速集合，并对同一车辆在第j+1个检测点处的车速与第j个检测点处的车速进行对比，得到车辆行驶车速对比集合，判断车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和是否大于设定的车辆行驶减速阈值，若车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和小于设定的车辆行驶减速阈值，则车辆减速危险因子λ取E，若车辆行驶车速对比集合中所有相邻两检测点间的车速差累计和大于设定的车辆行驶减速阈值,则车辆减速危险因子λ取1，并判断车辆在第w个检测点检测的车速是否大于设定的转弯标准车速，若大于设定的转弯标准车速，则转弯危险因子β取R,若小于设定的转弯标准车速，则转弯危险因子β取1，车速优化分析模块将车辆在第w个检测点处的车速、以及根据该车辆车速判断的车辆减速危险因子λ以及转弯危险因子β发送至管理云服务器；

所述管理云服务器用于实时接收数据中转分析模块发送的各特征种类以及各特征种类对应的白线编号，提取两固定时间段内同一特征种类下的同一人员对应的白线编号，根据两固定时间段内同一特征种类下同一人员的白线编号变化，统计该特征种类下的该人员的移动速度；

所述管理云服务器用于接收图像预处理模块发送的经处理后的直行车道图像，对接收的直行车道图像进行车辆特征提取，并将提取的直行车道区域的车辆特征与道路存储数据模块中各车辆种类对应的特征进行对比，以确定直行车道上停靠等待红灯的车辆种类，并从道路存储数据模块中筛选出停靠在直行车道上的各车辆种类所对应的视线遮挡系数；

所述管理云服务器接收车速优化分析模块发送的车辆在第w个检测点处的车速，并根据车辆在右转车道上第w个检测点处的车速统计车辆达到人行横道区域的时间，并判断人行横道绿灯状态下各特征种类下的各人员按照当前移动速度达到人行横道右转区域的初始时间和离开人行横道右转区域的终止时间，若车辆到达人行横道区域的时间与其中一特征种类下的一人员对应的起始时间和终止时间范围部分重叠，则表明车辆以当前车速驾驶所对应的交通事故危险系数θ，若车辆到达人行横道区域的时间不与任何一特征种类下的任何一人员对应的起始时间和终止时间范围部分重叠，则表明车辆以当前车速驾驶所对应的交通事故危险系数θ，管理云服务器根据车辆以当前车速驾驶所对应的交通事故危险系数θ、车辆在右转车道上的车辆减速危险因子λ、转弯危险因子β以及停靠在直行车道上的各车辆种类所对应的视线遮挡系数，统计车辆进行右转过程中的驾驶综合危险评估系数，管理云服务器将车辆的驾驶综合危险评估系数与设定的驾驶综合危险评估系数阈值进行对比，若大于设定的驾驶综合危险评估系数阈值，则管理云服务器发送驾驶综合危险评估系数至车辆终端，车载终端根据接收的驾驶综合危险评估系数进行语音提醒，同时发送控制指令至通行阻碍模块；

所述通行阻碍模块用于接收管理云服务器发送的控制指令，用于阻挡车辆通过人行横道。

2.根据权利要求1所述的一种基于大数据的道路交通安全管理系统，其特征在于：所述驾驶综合危险评估系数的计算公式为

ζ表示为车辆在右转车道进行右转的驾驶综合危险评估系数，驾驶综合危险评估系数越高，表明车辆驾驶通过人行横道所出现交通事故的可能性越大，λ表示为车辆在右转车道上的车辆减速危险因子，β表示为转弯危险因子，dist(λ,β)表示为车辆减速危险因子λ和转弯危险因子β间的欧式距离，θ表示为车辆以当前车速驾驶所对应的交通事故危险系数，εx表示为直行车道上等待的第x个车辆对应的车辆种类所对应的视觉遮挡系数，gεx表示为直行车道上等待的第x个车辆对应的车辆种类所对应的视觉遮挡比重系数，且gε1＞gε2＞gε3＞......。

3.根据权利要求1所述的一种基于大数据的道路交通安全管理系统，其特征在于：同一特征种类中各特征对应的权重比例系数分别为ya_k1,ya_k2,...,ya_ki,...,ya_km，且ya_k1+ya_k2+...+ya_ki+...+ya_km＝1，ya_ki表示为第K个特征种类对应的第i个特征的权重比例系数。

4.根据权利要求3所述的一种基于大数据的道路交通安全管理系统，其特征在于：所述通行阻碍模块安装在第w个检测点以及人行横道中点位置处，当车辆经过第w个检测点后，通行阻碍模块启动。

5.根据权利要求4所述的一种基于大数据的道路交通安全管理系统，其特征在于：所述通行阻碍模块包括限位框(1)、阻挡机构和两传动机构(3)，限位框(1)包括限位顶板(11)和限位底板(12)，限位顶板(11)和限位底板(12)之间固定有若干支撑柱(13)，限位顶板(11)上开有若干定位导向孔(111)和第一滑动槽(113)，定位导向孔(111)上开有矩形槽(112)，限位底板(12)上开有两安装孔(121)以及若干第二滑动槽(122)，限位底板(12)两端固定有限位支撑板(14)，限位支撑板(14)上开有限位孔(15)；

所述传动机构(3)包括传动丝杠(31)、第一圆齿轮(32)、第二圆齿轮(33)和传动电机(35)，传动丝杠(31)与第一圆齿轮(32)固定连接，传动电机(35)通过输出轴(34)与第二圆齿轮(33)连接，第二圆齿轮(33)与第一圆齿轮(32)相啮合，传动电机(35)上的输出轴(34)通过轴承与安装孔(121)连接，传动丝杠(31)通过轴承与限位孔(15)连接；

所述传动丝杠(31)转动带动与传动丝杠(31)相配合的阻挡机构进行上升。

6.根据权利要求5所述的一种基于大数据的道路交通安全管理系统，其特征在于：还包括减震机构(2)，所述减震机构(2)包括防护外板(21)和防护内板(22)，防护外板(21)和防护内板(22)间分布有若干减震弹簧(23)，防护内板(22)上固定有两相互平行的限位柱(221)，限位柱(221)分别与第一滑动槽(113)和第二滑动槽(122)滑动配合。

7.根据权利要求6所述的一种基于大数据的道路交通安全管理系统，其特征在于：所述阻挡机构包括限位调节板(4)、阻挡件(5)和辅助支撑件(6)，限位调节板(4)包括传动支撑板(41)，传动支撑板(41)两端开有与传动丝杠(31)相配合的螺纹孔(43)，两螺纹孔(43)间整列分布有若干第一阻挡柱(42)，阻挡柱(42)上开有球槽(421)和矩形凹槽(422)，球槽(421)与矩形凹槽(422)相连通，矩形凹槽(422)上固定开有第一铰接孔的第一铰接板(423)；

所述阻挡件(5)包括第二阻挡柱(51)，第二阻挡柱(51)下端面固定有延伸柱(52)和延伸板(54)，延伸柱(52)上有与球槽(421)相配合的圆球(53)，延伸板(54)上固定开有第二铰接孔的第二铰接板；

所述辅助支撑件(6)包括第一支撑部(61)和第二支撑部(62)，第二支撑部(62)一端与第一支撑部(61)内滑动配合，第一支撑部(61)内固定有缓冲弹簧(63)，第一支撑部(61)另一端固定有第二铰接头(65)，第二铰接头(65)与延伸板(54)上的第二铰接板相铰接，第二支撑部(62)一端固定有第一铰接头(64)，第一铰接头(64)与矩形凹槽(422)上的第一铰接板(423)相铰接。

8.根据权利要求7所述的一种基于大数据的道路交通安全管理系统，其特征在于：所述球槽(421)球心距离阻挡住(42)上端面的距离大于球槽(421)的半径。

Images