CN111369792A - 一种交通事件的分析方法、装置及电子设备 - Google Patents
一种交通事件的分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111369792A CN111369792A CN201911157518.5A CN201911157518A CN111369792A CN 111369792 A CN111369792 A CN 111369792A CN 201911157518 A CN201911157518 A CN 201911157518A CN 111369792 A CN111369792 A CN 111369792A
- Authority
- CN
- China
- Prior art keywords
- data
- target road
- traffic
- information type
- road scene
- 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.)
- Granted
Links
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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种交通事件的分析方法、装置及电子设备,该方法包括:获取目标道路场景中发生第一交通事件时,预设时间范围内的所述目标道路场景中与所述第一交通事件相关的各种信息类型的样本数据;获取所述目标道路场景中未发生所述第一交通事件时,所述目标道路场景中与所述第一交通事件相关的所述各种信息类型的基准数据;对比所述基准数据与所述样本数据,根据所述基准数据与所述样本数据的差异,确定异常数据;根据所述异常数据,对所述第一交通事件进行分析。与现有技术相比,应用本发明实施例提供的方案,可以实现基于所采集到的各类信息,为交通事件成因分析提供数据基础。
Description
技术领域
本发明涉及智能交通技术领域,特别是涉及一种交通事件的分析方法、装置及电子设备。
背景技术
当前,为了保证道路交通顺畅,以及在发生交通事件时,能够有效回溯事件发生经过及原因,在各道路,尤其是各路口处,通常会设置有各类信息采集设备,用于实时采集道路场景的各种信息类型的信息数据。例如,监控摄像头、抓拍摄像头、气象检测器和交通检测器等。
在相关技术中,尽管采集到了大量的各种信息类型的信息数据,但是所采集到的各种信息类型的信息数据的应用层次却比较浅,例如,仅仅用于对道路交通事件的发生经过及原因进行回溯,以及对道路中车辆的行驶路径进行疏导,保证交通顺畅等。
由于属于更深层次应用的交通事件成因分析相对于事件回溯,对于道路交通而言更具有价值,因此,如何基于所采集到的各种信息类型的信息数据,为交通事件成因分析提供数据基础,是一个亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种交通事件的分析方法、装置及电子设备,以实现基于所采集到的各种信息类型的信息数据,为交通事件成因分析提供数据基础。具体技术方案如下:
第一方面,本发明实施例提供了一种交通事件的分析方法,所述方法包括:
获取目标道路场景中发生第一交通事件时,预设时间范围内的所述目标道路场景中与所述第一交通事件相关的各种信息类型的样本数据;
获取所述目标道路场景中未发生所述第一交通事件时,所述目标道路场景中与所述第一交通事件相关的所述各种信息类型的基准数据;
对比所述基准数据与所述样本数据,根据所述基准数据与所述样本数据的差异,确定异常数据;
根据所述异常数据,对所述第一交通事件进行分析。
可选的,一种具体实现方式中,所述根据所述基准数据与所述样本数据的差异,确定异常数据,包括:
针对同种所述信息类型,执行如下步骤:
比对该种信息类型的样本数据与该种信息类型的基准数据,确定所述该种信息类型的基准数据与该样本数据的差异;
确定所述差异满足预设条件的样本数据数量,作为差异数据数量;
当所述差异数据数量大于第一阈值时,确定该种信息类型对应的数据为异常数据。
可选的,一种具体实现方式中,当该种信息类型的基准数据为一数值时,所述预设条件为:
该种信息类型的样本数据与该种信息类型的基准数据的差异值小于第二阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值,且小于第二阈值,其中,所述第三阈值小于所述第二阈值。
可选的,一种具体实现方式中,当该种信息类型的基准数据为一数值范围时,所述预设条件为:
该种信息类型的样本数据位于该种信息类型的基准数据的数值范围之外。
第二方面,本发明实施例提供了一种交通事件的分析装置,其特征在于,所述装置包括:
样本数据获取模块,用于获取目标道路场景中发生第一交通事件时,预设时间范围内的所述目标道路场景中与所述第一交通事件相关的各种信息类型的样本数据;
基准数据获取模块,用于获取所述目标道路场景中未发生所述第一交通事件时,所述目标道路场景中与所述第一交通事件相关的所述各种信息类型的基准数据;
异常数据确定模块,用于对比所述基准数据与所述样本数据,根据所述基准数据与所述样本数据的差异,确定异常数据;
事件分析模块,用于根据所述异常数据,对所述第一交通事件进行分析。
可选的,一种具体实现方式中,所述信息类型确定模块具体用于:
针对同种所述信息类型,执行如下步骤:
比对该种信息类型的样本数据与该种信息类型的基准数据,确定所述该种信息类型的基准数据与该样本数据的差异;
确定所述差异满足预设条件的样本数据数量,作为差异数据数量;
当所述差异数据数量大于第一阈值时,确定该种信息类型对应的数据为异常数据。
可选的,一种具体实现方式中,当该种信息类型的基准数据为一数值时,所述预设条件为:
该种信息类型的样本数据与该种信息类型的基准数据的差异值小于第二阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值,且小于第二阈值,其中,所述第三阈值小于所述第二阈值。
可选的,一种具体实现方式中,当该种信息类型的基准数据为一数值范围时,所述预设条件为:
该种信息类型的样本数据位于该种信息类型的基准数据的数值范围之外。
第三方面,本发明实施例提供了一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面提供的任一交通事件的分析方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面提供的任一交通事件的分析方法的步骤。
以上可见,应用本发明实施例提供的方案,针对目标道路场景,获取目标道路场景中发生第一交通事件时,获取预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据,以及,目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据;进而,便可以对比上述所获取的样本数据和基准数据,确定异常数据,并根据所确定的异常数据,对第一交通事件进行分析。
这样,在确定目标道路场景中是否发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的样本数据和基准数据之间的差异数据,便可以根据该异常数据分析第一交通事件的成因、预防、处理及影响评估等。从而,可以利用所采集到的各种信息类型的信息数据,为交通事件成因分析提供数据基础,实现更深层次的交通事件成因分析。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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为本发明实施例提供的一种交通事件的分析方法的流程示意图;
图2为图1所示实施例中,S101的一种具体实现方式的流程示意图;
图3为获取目标道路场景中发生任一类交通事件时,预设时间范围内的目标道路场景中与该类型交通事件相关的各种信息类型的样本数据的一种具体实现方式的流程示意图;
图4为图1所示实施例中,S102的一种具体实现方式的流程示意图;
图5为图4所示实施例中,S401的一种具体实现方式的流程示意图;
图6为图1所示实施例中,S102的另一种具体实现方式的流程示意图;
图7为图6所示实施例中,S601的一种具体实现方式的流程示意图;
图8为图1所示实施例中,S103的一种具体实现方式的流程示意图;
图9为本发明实施例提供的一种交通事件的分析装置的结构示意图;
图10为本发明实施例提供的一种电子设备的结构示意图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在相关技术中,道路场景中的各类信息采集设备所采集到的信息数据的应用层次比较浅,由于属于更深层次应用的交通事件成因分析相对于事件回溯及道路交通治理更具有价值,因此,如何基于各类信息采集设备所采集到的各种信息类型的信息数据,为交通事件成因分析提供数据基础,是一个亟待解决的问题。为了解决上述技术问题,本发明实施例提供了一种交通事件的分析方法。
下面,首先对本发明实施例提供的一种交通事件的分析方法进行介绍。
图1为本发明实施例提供的一种交通事件的分析方法的流程示意图。其中,该方法可以应用于任一需要对交通事件进行分析的电子设备,例如,笔记本电脑、台式电脑、平板电脑等,对此,本发明实施例不做具体限定,以下简称电子设备。
当各类信息采集设备是存在于同一道路监控系统中时,该电子设备可以是该道路监控系统的控制设备,进而,该电子设备可以直接从每一信息采集设备处获取该信息采集设备所采集的信息数据;当然,该电子设备也可以是该道路监控系统之外的其他电子设备,则该电子设备可以从该道路监控系统中获取各类信息采集设备所采集到的各种信息类型的信息数据。这都是合理的。
如图1所示,本发明实施例提供的一种交通事件的分析方法可以包括如下步骤:
S101:获取目标道路场景中发生第一交通事件时,预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据;
S102:获取目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据;
S103:对比基准数据与样本数据,根据基准数据与样本数据的差异,确定异常数据;
S104:根据异常数据,对第一交通事件进行分析。
以上可见,应用本发明实施例提供的方案,针对目标道路场景,获取目标道路场景中发生第一交通事件时,预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据,以及,目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据;进而,便可以对比上述所获取的样本数据和基准数据,确定异常数据,并根据所确定的异常数据,对第一交通事件进行分析。
这样,在确定目标道路场景中是否发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的样本数据和基准数据之间的差异数据,便可以根据该异常数据分析第一交通事件的成因、预防、处理及影响评估等。从而,可以利用所采集到的各种信息类型的信息数据,为交通事件成因分析提供数据基础,实现更深层次的交通事件成因分析。
下面,对图1所示实施例中的各个步骤进行详细说明。
针对上述步骤S101,获取目标道路场景中发生第一交通事件时,预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据;
具体的:
当目标道路场景中未发生任何交通事件时,各类信息采集设备所采集到的关于目标道路场景的各种信息类型的信息数据可以是相对稳定的。也就是说,当目标道路场景中未发生任何交通事件时,上述各种信息类型的信息数据可以满足一定的数据规律。
而相应的,当目标道路场景中发生交通事件时,各类信息设备采集到的关于目标道路场景的各种信息类型的信息数据将可能发生波动,从而,破坏其所满足的数据规律。
其中,该交通事件可以是道路交通中经常出现的交通事故、交通违章现象等,例如,闯红灯事件、各类交通事故等。
显然,在上述图1所示的实施例中,第一交通事件可以为多种交通事件中的任一种,而该多种交通事件中可以包括目标道路场景中所能够出现的全部类型的交通事件,则该第一交通事件即为目标道路场景中所能够出现的任一种交通事件。例如,闯红灯事件、人车相撞事件、机动车之间的碰撞事件等。
这样,当希望基于各类信息采集设备所采集到的关于目标道路场景的各种信息类型的信息数据,对第一交通事件进行分析时,电子设备便可以首先执行上述步骤S101,获取目标道路场景中发生第一交通事件时,预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据。
其中,上述预设时间范围可以是自第一交通事件发生时刻起,向前追溯一段时长和向后追溯一段时长所确定的。也就是说,上述预设时间范围可以包括:从第一交通事件发生时刻向前追溯的第一时长对应的时间范围,和从第一交通事件发生时刻向后延展的第二时长对应的时间范围,即上述预设时间范围的起始时间在第一交通事件发生时刻之前,结束时间在第一交通事件发生时刻之后。
由于为了保证能够对目标道路场景进行全面地监控,因此,各类信息采集设备将采集到多种信息类型的信息数据,例如,目标道路场景中的车流量、目标道路场景中的人流量、目标道路场景的视频画面、目标道路场景中红绿灯各自的时长、目标道路场景中车辆的行驶轨迹、目标道路场景的天气状况、目标道路场景的地理位置等。
然而,针对第一交通事件而言,可能并不是所有信息类型的信息数据均与其相关,例如,对于闯红灯事件而言,所采集到的目标道路场景中车辆的行驶轨迹便可以视为与其无关的信息数据。
基于此,在上述步骤S101中,电子设备所获取的是与第一交通事件相关的各种信息类型的样本数据,即所获取的是各类信息采集设备采集的各种信息类型的信息数据中,与第一交通事件相关的信息类型的信息数据对应的样本数据。
具体的,可以预先在电子设备中设定各类第一交通事件与各类信息类型之间的对应关系,这样,在针对某一第一交通事件执行上述步骤S101时,电子设备便可以从该对应关系中,确定与该第一交通事件相关的信息类型,从而,获取所确定的各种信息类型的样本数据。
其中,所获取的样本数据可以为信息采集设备所采集到的信息数据,例如,所采集到的信息数据为:人/车流量、时长等可以量化比较的数据;也可以是对所采集到的信息数据进行结构化处理之后得到的该信息数据对应的结构化数据,例如,所采集到的信息数据为:目标道路场景监控视频画面、目标道路场景中车辆行驶轨迹等不能直接量化比较的数据。
当然,对于所采集到的可以量化比较的信息数据,也可以对这些信息数据进行结构化处理,将所得到的结构化数据作为样本数据,这都是合理的。
当所获取的样本数据为结构化数据时,该结构化数据可以是各类信息采集设备将采集到的信息数据发送给指定的处理设备,以使该处理设备进行结构化处理所得到,这样,电子设备可以从该处理设备处获得该结构化数据;也可以是电子设备直接从各类信息采集设备处获取该信息采集设备采集到的信息数据,并在电子设备本地进行结构化所得到的。这都是合理的。
此外,为了保证对第一交通事件的分析结果的准确性,在上述步骤S101中所获取到的各种信息类型的样本数据可以是满足一定的预设数量的。其中,该预设数量可以基于实际应用中对分析结果的准确性需求所确定的。
其中,可以理解的,电子设备可以通过多种方式获取目标道路场景中发生第一交通事件时,预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据,即电子设备可以通过多种方式执行上述步骤S101。对此,本发明实施例不做具体限定。
可选的,一种具体实现方式中,如图2所示,电子设备执行上述步骤S101的方式,可以包括如下步骤:
S201:对目标道路场景的监控视频进行事件检测;
电子设备可以对目标道路场景的监控视频进行事件检测,从而确定目标道路场景中所发生的每次第一交通事件。
可选的,电子设备可以是实时地对目标道路场景的监控视频进行事件检测,也就是说,电子设备对实时采集到的目标道路场景的监控视频进行检测,即在目标道路场景的监控视频采集设备采集到目标道路场景的监控视频时,电子设备立即获取该监控视频,并对该监控视频进行事件检测。
可选的,电子设备可以对已录制完成的目标道路场景的监控视频进行事件检测,也就是说,电子设备对目标道路场景的监控视频采集设备在当前时刻之前的一定时长范围内采集到目标道路场景的监控视频进行事件检测。
S202:当每次检测到第一交通事件时,确定该次第一交通事件的发生时间,并基于所确定的发生时间,获取包括该发生时间的预设时间范围内,目标道路场景中与该次第一交通事件相关的各种信息类型的初始数据;
在对目标道路场景的监控视频进行事件检测的过程中,当每次检测到第一交通事件发生时,电子设备便可以确定该次第一交通事件的发生时间。
进而,由于预设时间范围是自第一交通事件发生时间起,向前追溯一段时长和向后追溯一段时长所确定的,因此,在确定第一交通事件的发生时间之后,电子设备便可以基于该发生时间,确定包括该发生时间的预设时长范围的起始时间和结束时间。
进而,电子设备便可以获取该预设时长范围内,目标道路场景中与该次第一交通事件相关的各种信息类型的初始数据。
S203:基于所获取到的初始数据,确定预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据。
可选的,电子设备执行上述步骤S203的方式可以包括:在所获取到的初始数据满足聚类条件时,对所获取到的初始数据进行聚类,得到当目标道路场景中发生第一交通事件时,获取预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据。
可选的,聚类条件可以为所获取到的初始数据的数据量满足一定的预设数量,以保证所得到的与第一交通事件相关的各种信息类型的样本数据的准确性。
当然,上述聚类条件还可以是根据实际应用的需求所设定的其他条件。
其中,电子设备可以采用任一聚类算法执行上述步骤S203,对此,本发明实施例不做具体限定。
此外,由于第一交通事件可以为目标道路场景中所能够出现的任一种交通事件,而在目标道路场景中,各种交通事件是无序发生的,也就是说,在两次第一交通事件发生的时间间隔中,可能发生了其他类型的交通事件。即电子设备在检测到两次第一交通事件之间,可能检测到其他交通事件。
为了区分每一类型的交通事件,并对同一类型的交通事件的样本数据进行聚类,可选的,另一种具体实现方式中,如图3所示,电子设备执行上述步骤S101的方式,可以包括如下步骤:
S301:对目标道路场景的监控视频进行事件检测;
电子设备可以对目标道路场景的监控视频进行事件检测,从而确定目标道路场景中所发生的每一次第一交通事件。
可选的,电子设备可以是实时地对目标道路场景的监控视频进行事件检测,也就是说,电子设备对实时采集到的目标道路场景的监控视频进行检测,即在目标道路场景的监控视频采集设备采集到目标道路场景的监控视频时,电子设备立即获取该监控视频,并对该监控视频进行事件检测。
可选的,电子设备可以对已录制完成的目标道路场景的监控视频进行事件检测,也就是说,电子设备对目标道路场景的监控视频采集设备在当前时刻之前的一时间范围内采集到目标道路场景的监控视频进行事件检测。
S302:当检测到第一交通事件时,确定该交通事件的发生时间,基于所确定的发生时间,获取包括该发生时间的预设时间范围内,目标道路场景中与该交通事件相关的各种信息类型的初始数据,并基于第一交通事件的事件类型为所获取到的初始数据添加标签;
在对目标道路场景的监控视频进行事件检测的过程中,当每次检测到任一交通事件发生时,电子设备便可以确定该交通事件的发生时间。
进而,由于预设时间范围是自该交通事件发生时间起,向前追溯一段时长和向后追溯一段时长所确定的,因此,在确定该交通事件的发生时间之后,电子设备便可以基于该发生时间,确定包括该发生时间的预设时长范围的起始时间和结束时间。并且,电子设备还可以确定该交通事件的事件类型。
这样,电子设备便可以根据该事件类型,获取包括该发生时间的预设时间范围内,目标道路场景中与该交通事件相关的各种信息类型的初始数据,并基于该第一交通事件的事件类型为所获取到的初始数据添加标签。
S303:当所获取到的初始数据满足聚类条件时,基于所获取的各个样本数据的标签,对所获取到的各个初始数据进行聚类,得到目标道路场景中与每一类第一交通事件相关的各种信息类型的样本数据。
可以理解的,各类型类交通事件的发生顺序是无序的,进而,在上述步骤S302中,电子设备所获取到的初始数据中包括:与各类型交通事件相关的各种信息类型的初始数据,而为了能够获取每一类型交通事件相关的各种信息类型的样本数据,则需要对在上述步骤S302中所获取到的初始数据进行分类。
进而,由于所获取的初始数据均具有基于所检测到的第一交通事件的事件类型所确定的标签,便可以按照该标签对所获取到的初始数据进行分类,具有相同标签的初始数据为同一类数据。进而,当所获取到与每一类第一交通事件相关的各种信息类型的初始数据满足聚类条件时,便可以对每一类第一交通事件相关的各种信息类型的初始数据进行聚类,得到与该类交通事件相关的各种信息类型的样本数据。
可选的,聚类条件为所获取到的与每一类第一交通事件相关的各种信息类型的初始数据的数据量满足一定的预设数量,以保证所得到的与第一交通事件相关的各种信息类型的样本数据的准确性。
当然,上述聚类条件还可以是根据实际应用的需求所设定的其他条件。
其中,电子设备可以采用任一聚类算法执行上述步骤S303,对此,本发明实施例不做具体限定。
这样,在图3所示的实施例中,电子设备可以获取在目标道路场景中发生任一类交通事件时,预设时间范围内的目标道路场景中与该类型交通事件相关的各种信息类型的样本数据,则当针对第一交通事件执行本发明实施例提供的交通事件的分析方法时,同样可以从所获取的目标道路场景中发生各类交通事件时,预设时间范围内的目标道路场景中与该类型交通事件相关的各种信息类型的样本数据中,提取到目标道路场景中发生第一交通事件时,预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据。
针对上述步骤S102,获取目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据;具体的:
在执行完上述步骤S101,获取到目标道路场景中发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的样本数据后,电子设备便可以继续执行上述步骤S102。
可选的,电子设备也可以先执行上述步骤S102,再执行上述步骤S101。
可选的,一种具体实现方式中,如图4所示,电子设备执行上述步骤S102的方式,包括:
S401:获取目标道路场景中未发生任一交通事件时,目标道路场景中各种信息类型的第一类全局基准数据;
S402:从第一类全局基准数据中获取与第一交通事件相关的各种信息类型的基准数据。
当目标道路场景中未发生任一交通事件时,各类信息采集设备所采集到的关于目标道路场景的各种信息类型的信息数据可以满足一定的数据规律。
例如,假设第一交通事件为闯红灯事件,目标道路场景为一道路交叉口,则当该道路交叉口未发生任一交通事件时,该道路交叉口的人流量和车流量是处于一定的数据范围内,并且,不同车辆行驶过该道路交叉口的行车轨迹是趋于重合,或者处于一定的轨迹范围内的。
基于此,针对目标道路场景,便可以基于各种信息类型的信息数据所满足的数据规律,确定目标道路场景中未发生任一交通事件时,目标道路场景中各种信息类型的第一类全局基准数据。
其中,目标道路场景中任一种信息类型的第一类全局基准数据可以为一个数值,也可以为一个数值范围。
当信息采集设备所采集到的信息数据为可以直接量化的数据时,例如,所采集到的信息数据为:人/车流量、时长等,可以直接对所采集到的信息数据进行数学运算、仿真模拟、数据拟合、聚类等类型的数据处理,从而,确定所采集到的信息数据所满足的数据规律,并进而确定目标道路场景中,所采集到的信息数据的信息类型对应的第一类全局基准数据。
示例性的,所采集到的信息数据为目标道路场景中红绿灯的绿灯时长时,可以直接计算所采集到的多个绿灯时长的平均值,从而,将该平均值确定为目标道路场景中,绿灯时长这一信息类型对应的第一类全局基准数据;
示例性的,所采集到的信息数据为目标道路场景中的车流量,则可以对所采集到的多个车流量进行聚类,确定车流量的流量范围,从而,将该流量范围确定为目标道路场景中,车流量这一信息类型对应的第一类全局基准数据。
相应的,当信息采集设备所采集到的信息数据为不可以直接量化的数据时,例如,所采集到的信息数据为:目标道路场景中车辆的行驶轨迹、目标道路场景的视频画面等,可以首先对所采集到的数据进行结构化处理,得到可以直接进行量化的结构化数据,进而,再对所得到的结构化数据进行数学运算、仿真模拟、数据拟合、聚类等类型的数据处理,从而,确定所采集到的信息数据所满足的数据规律,并进而确定目标道路场景中,所采集到的信息数据的信息类型对应的第一类全局基准数据。
示例性的,所采集到的信息数据为目标道路场景中车辆的行驶轨迹,则可以首先将图形化的行驶轨迹进行结构化处理,得到可以量化的结构化数据,进而,通过数据拟合,确定行驶轨迹所对应的数据,从而,将该数据确定为目标道路场景中,行驶轨迹这一信息类型对应的第一类全局基准数据。
当然,对于所采集到的可以直接量化的信息数据,也可以对这些信息数据进行结构化处理,进而对所得到的结构化数据进行各类数据处理,得到目标道路场景中,这些信息数据的信息类型所对应的基准数据,这都是合理的。
此外,电子设备可以直接从本地或者其他电子设备获取上述各种信息类型的第一类全局基准数据,这些第一类全局基准数据存储在本地或者该其他电子设备中;也可以直接从各类信息采集设备处获取该信息采集设备采集到的信息数据,进而,基于所获取到的信息数据,得到该信息数据对应的信息类型的第一类全局基准数据。
其中,为了保证所提供的第一类全局基准数据的准确性,进而保证所提供的第一交通事件的成因的数据基础的准确性,所获取到的各种信息类型的第一类全局基准参数可以是基于各类信息采集设备所采集到的预设数据量的信息数据所确定的。其中,预设数据量可以基于实际应用中,对所提供的第一交通事件的成因的数据基础的准确性需求所确定的。
其中,该预设数量的信息数据可以是在连续时长内采集到的信息数据,例如,连续24小时;也可以是按照预定周期,在每个周期的指定时间范围内采集到的,例如,每天6:00-9:00之间的采集到的信息数据,且连续采集30天。这都是合理的。
进一步的,由于上述各种信息类型的第一类全局基准数据包括未发生任一交通事件时,目标道路场景中,各类信息采集设备所采集到的各种信息类型的信息数据对应的基准数据,因此,该第一类全局基准数据中包括与第一交通事件相关的各种信息类型的基准数据,也包括与第一交通事件不相关的各种信息类型的基准数据。
这样,电子设备便可以进一步从上述第一类全局基准数据中获取与第一交通事件相关的各种信息类型的基准数据,从而得到目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据。
可选的,一种具体实现方式中,如图5所示,电子设备执行上述步骤S401,获取目标道路场景中未发生任一交通事件时,目标道路场景中各种信息类型的第一类全局基准数据的方式,包括如下步骤:
S501:对目标道路场景的监控视频进行事件检测;
S502:在未检测到任一交通事件时,获取各类信息采集设备所采集到的目标道路场景中各种信息类型的第一类全局信息数据;
S503:对所获取到的第一类全局信息数据进行聚类,得到目标道路场景中未发生任一交通事件时,目标道路场景中各种信息类型的第一类全局基准数据。
其中,本具体实现方式中的执行主体与本发明实施例提供的一种交通事件的分析方法的执行主体可以相同,也可以不同,对此,本发明实施例不做具体限定。为了行文清晰,可以将第一类全局信息数据的生成方式的执行主体简称为信息数据获取设备。具体的:
信息数据获取设备可以对目标道路场景的监控视频进行事件检测,以得到目标道路场景中发生任一交通事件的事件类型和发生时间,以及未发生任一交通事件的时间范围。
其中,为了能够更有针对性地确定在不同情况下,各类交通事件的异常信息类型,信息数据获取设备可以按照预定周期,在每个周期内的指定时间范围内执行上述步骤S501-S502。例如,以一天为一周期,在每天的17时至20时之间执行上述步骤S501-S502。
当然,为了更全面地了解目标道路场景未发生任一交通事件时,关于目标道路场景的各类信息状态,信息数据获取设备也可以连续时间范围内执行上述步骤S501-S502。
可选的,信息数据获取设备可以是实时地对目标道路场景的监控视频进行事件检测,即在目标道路场景的监控视频采集设备采集到目标道路场景的监控视频时,信息数据获取设备立即对该监控视频进行事件检测。
可选的,信息数据获取设备可以对已录制完成的目标道路场景的监控视频进行事件检测,也就是说,信息数据获取设备可以对目标道路场景的监控视频采集设备在当前时刻之前的一时间范围内采集到目标道路场景的监控视频进行事件检测。
这样,信息数据获取设备可以基于事件检测结果,从各类信息采集设备所采集的关于目标道路场景的信息数据中,获取未发生任一交通事件时,各类信息采集设备所采集到的目标道路场景中各种信息类型的第一类全局信息数据。
可选的,信息数据获取设备执行上述步骤S502,可以包括如下步骤11-12:
步骤11:基于事件检测结果,确定未发生任一交通事件的时间范围;
步骤12:获取各类信息采集设备在该时间范围内,所采集到的目标道路场景中各种信息类型的第一类全局信息数据,或者,获取各类信息采集设备在该时间范围内的各个指定时刻采集到的目标道路场景中各种信息类型的第一类全局信息数据,或者,获取在该时间范围内,从该时间范围的起始时间开始,每隔预设时间间隔,各类信息采集设备采集到的目标道路场景中各种信息类型的第一类全局信息数据。
信息数据获取设备在对目标道路场景的监控视频进行事件检测时,检测的是目标道路场景中发生任一类交通事件的事件类型和发生时间,以及未发生任一类交通事件的时间范围。因此,基于事件检测结果,信息数据获取设备可以确定所检测的监控视频对应的监控时长内,目标道路场景中未发生任一类交通事件的时间范围。
可选的,信息数据获取设备可以获取各类信息采集设备在上述所确定的时间范围内,所采集到的目标道路场景中各种信息类型的第一类全局信息数据。
可选的,信息数据获取设备可以获取各类信息采集设备在上述所确定的时间范围内,各个指定时刻采集到的目标道路场景中各种信息类型的第一类全局信息数据。
可选的,信息数据获取设备可以获取在上述所确定的时间范围内,从时间范围的起始时间开始,每隔预设时间间隔,各类信息采集设备采集到的目标道路场景中各种信息类型的第一类全局信息数据。
进一步的,在执行完上述步骤S502,获取到在未检测到任一交通事件时,各类信息采集设备所采集到的目标道路场景中各种信息类型的第一类全局信息数据后,信息数据获取设备便可以对所获取到的第一类全局信息数据进行聚类,从而,得到目标道路场景中未发生任一交通事件时,目标道路场景中各种信息类型的第一类全局基准数据。
其中,信息数据获取设备可以采用任一聚类算法执行上述步骤S303,对此,本发明实施例不做具体限定。
可选的,另一种具体实现方式中,如图6所示,电子设备执行上述步骤S102,获取目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据的方式,可以包括如下步骤:
S601:获取目标道路场景中未发生第一交通事件时,目标道路场景中各种信息类型的第二类全局基准数据;
S602:从第二类全局基准数据中获取与第一交通事件相关的各种信息类型的基准数据。
在目标道路场景中未发生第一交通事件时,获取目标道路场景中各种信息类型的第二类全局基准数据。
其中,上述各种信息类型的第二类全局基准数据包括未发生第一交通事件时,目标道路场景中,各类信息采集设备所采集到的各种信息类型的信息数据对应的基准数据,明显的,该第二类全局基准数据中包括与第一交通事件相关的各种信息类型的基准数据,也包括与第一交通事件不相关的各种信息类型的基准数据。
这样,电子设备便可以进一步从上述第二类全局基准数据中获取与第一交通事件相关的各种信息类型的基准数据,从而得到目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据。
可选的,一种具体实现方式中,如图7所示,电子设备执行上述步骤S601,获取目标道路场景中未发生第一交通事件时,目标道路场景中各种信息类型的第二类全局基准数据的方式,包括如下步骤:
S701:对目标道路场景的监控视频进行事件检测;
S702:在未检测到第一交通事件时,获取各类信息采集设备所采集到的目标道路场景中各种信息类型的第二类全局信息数据;
S703:对所获取到的第二类全局信息数据进行聚类,得到目标道路场景中未发生第一交通事件时,目标道路场景中各种信息类型的第二类全局基准数据。
其中,本具体实现方式中的执行主体与本发明实施例提供的一种交通事件的分析方法的执行主体可以相同,也可以不同,对此,本发明实施例不做具体限定。为了行文清晰,可以将第一类采集信息的生成方式的执行主体简称为信息数据获取设备。具体的:
信息数据获取设备可以对目标道路场景的监控视频进行事件检测,以得到目标道路场景中发生任一类交通事件的事件类型和发生时间,以及未发生第一交通事件的时间范围。
这样,信息数据获取设备便可以基于事件检测结果,从各类信息采集设备所采集的关于目标道路场景的信息数据中,获取未发生第一交通事件时,各类信息采集设备所采集到的目标道路场景中各种信息类型的第二类全局信息数据。
可选的,信息数据获取设备执行上述步骤S702,可以包括如下步骤21-22:
步骤21:基于事件检测结果,确定未发生第一交通事件的时间范围;
步骤22:获取各类信息采集设备在该时间范围内,所采集到的目标道路场景中各种信息类型的第二类全局信息数据,或者,获取各类信息采集设备在该时间范围内的各个指定时刻采集到的目标道路场景中各种信息类型的第二类全局信息数据,或者,获取在该时间范围内,从该时间范围的起始时间开始,每隔预设时间间隔,各类信息采集设备采集到的目标道路场景中各种信息类型的第二类全局信息数据。
进一步的,在获取到在未检测到第一交通事件时,各类信息采集设备所采集到的目标道路场景中各种信息类型的第二类全局信息数据后,信息数据获取设备便可以对所获取到的第二类全局信息数据进行聚类,从而,得到目标道路场景中未发生第一交通事件时,目标道路场景中各种信息类型的第二类全局基准数据。
其中,信息数据获取设备可以采用任一聚类算法执行上述步骤S703,对此,本发明实施例不做具体限定。
针对上述步骤S103,对比基准数据与样本数据,根据基准数据与样本数据的差异,确定异常数据。具体的:
在执行完上述步骤S102,得到目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据后,电子设备便可以继续执行上述步骤S103。
这样,在获取到上述各种信息类型的样本数据和上述各种信息类型的基准数据后,电子设备便可以对比上述基准数据与上述样本数据,从而,确定上述基准数据与上述样本数据之间的差异,进而,便可以根据所确定的差异,确定异常数据。
可选的,一种具体实现方式中,在确定异常数据后,电子设备便可以将所确定的异常数据与第一交通事件通过语音播报、显示屏显示等多种方式推送给用户。
可选的,一种具体实现方式中,在确定异常数据后,电子设备还可以确定该异常数据所属的信息类型,进而,电子设备还可以向用户推送第一交通事件与所确定的信息类型之间的对应关系。
可选的,在一种具体实现方式中,在确定异常数据后,电子设备还可以进一步确定该异常数据的异常类型,即相较于基准数据,该异常数据是高于基准数据,还是低于基准数据等,并向用户推送该异常类型。这样,用户可以更细致、详细地获知所确定的异常数据的多种信息。
其中,电子设备在利用显示屏等可视化方式推送所确定的与第一交通事件的异常数据相关的各类信息时,可以通过表格等多种形式进行展示。对此,本发明实施例不做具体限定。
并且,用户在获知第一交通事件对应异常数据后,可以收集大量的异常数据,并对所收集到的异常数据进行归纳、拟合等多种形式的数据处理,从而确定该第一交通事件的发生原因,从而,可以根据该发生原因有针对性地改善目标道路场景的交通设施,以减少第一交通事件的发生次数,改善目标道路场景的道路交通环境。
其中,电子设备可以通过多种方式执行上述步骤S103,对此,本发明实施例不做具体限定。
由于在上述步骤S101中所获取到的是:当目标道路场景中发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型;在上述步骤S102中所获取到的是:目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据;也就是说,所获取到的样本数据和基准数据均为:目标道路场景中与第一交通事件相关的各种信息类型的数据,因此,所获取到的样本数据和基准数据的信息类型是相同的。
基于此,可选的,一种具体实现方式中,,电子设备在执行上述步骤S103时,如图8所示,可以针对所获取的样本数据和基准数据中属于同一种信息类型的数据,执行如下步骤:
S801:比对该种信息类型的样本数据与该种信息类型的基准数据,确定该种信息类型的基准数据与该样本数据的差异;
S802:确定差异满足预设条件的样本数据数量,作为差异数据数量;
S803:当差异数据数量大于第一阈值时,确定该种信息类型对应的样本数据为异常数据。
具体的,针对每一种信息类型,电子设备可以确定所获取的样本数据中属于该种信息类型的各个样本数据,以及所获取的基准数据中该种信息类型的基准数据,进而,便可以所确定的每一样本数据与所确定的基准数据的差异。
这样,针对该种信息类型,在得到属于该种信息类型的每一样本数据与该种信息类型的基准数据的差异后,便可以确定所得到的各个差异中满足预设条件的差异的数量。其中,所得到的满足预设条件的差异的数量即为差异满足预设条件的样本数据数量,进而,可以将该数量作为差异数据数量。
进一步的,判断所确定的差异数据数量与第一阈值的大小关系,当所确定的差异数据数量大于第一阈值时,电子设备便可以确定该种信息类型对应的样本数据为异常数据。
其中,针对不同的信息类型,上述第一阈值的具体数值可以是不同的,也可以是相同的,并且,针对不同的信息类型,上述第一阈值可以根据实际应用中的需求进行限定,对此,本发明实施例不做具体限定。
可选的,一种具体实现方式中,在图8所示的实施例中,当该种信息类型的基准参数为一数值时,则上述预设条件可以为如下三个条件中的任一个:
条件1:该种信息类型的样本数据与该种信息类型的基准数据的差异值小于第二阈值;
条件2:该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值;
条件3:该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值,且小于第二阈值,其中,第三阈值小于第二阈值。
具体的,在本具体实现方式中,针对该种信息类型的样本数据中的每一个样本数据,电子设备可以计算该样本数据与该种信息类型的基准参数的差异值;
进而,电子设备可以统计所计算得到的差异值中小于第二阈值的差异值的数量,从而将统计得到的数量作为差异满足预设条件的样本数据数量,即作为差异数据数量;
或者,
电子设备可以统计所计算得到的差异值中大于第三阈值的差异值的数量,从而将统计得到的数量作为差异满足预设条件的样本数据数量,即作为差异数据数量;
或者,
电子设备可以统计所计算得到的差异值中大于第三阈值,且小于第二阈值的差异值的数量,从而将统计得到的数量作为差异满足预设条件的样本数据数量,即作为差异数据数量。
可选的,另一种具体实现方式中,在如图8所示的实施例中,当该种信息类型的基准参数为一数值范围时,则上述预设条件可以为如下条件:
电子设备执行上述步骤S201的方式,可以包括如下步骤:
该种信息类型的样本数据位于该种信息类型的基准数据的数值范围之外。
具体的,在本具体实现方式中,针对该种信息类型的样本数据中的每一个样本数据,电子设备可以判断该样本数据是否位于该种信息类型的基准数据的数值范围之内;
进而,电子设备便可以统计该种信息类型的样本数据中,位于该种信息类型的基准数据的数值范围之外的样本数据的数量,作为差异数据数量。
例如,假设第一交通事件为闯红灯事件,目标道路场景为一道路交叉口;且该道路交叉口中与闯红灯事件相关的各种信息类型为:通过红绿灯路口的人流量和绿灯时长。
则可以获取上述两种信息类型的样本数据,即分别属于通过红绿灯路口的人流量和绿灯时长的样本数据,以及上述两种信息类型的基准数据,即分属于通过红绿灯路口的人流量和绿灯时长的基准数据。
其中,每种信息类型的样本数据均为100个,通过红绿灯路口的人流量的基准数据为一数值范围A,绿灯时长的基准数据为一数值a。
则针对通过红绿灯路口的人流量这一信息类型,分别判断100个属于通过红绿灯路口的人流量的样本数据中,每个样本数据是否位于数值范围A内。进而,判断得到3个属于通过红绿灯路口的人流量的样本数据位于数值范围A外。这样,假设通过红绿灯路口的人流量对应的第一阈值为5,则由于3<5,则通过红绿灯路口的人流量不是发生异常的信息类型;
进而,针对绿灯时长这一信息类型,分别计算100个属于绿灯时长的样本数据中,每个样本数据与数值a的差异值。进而,由于预设条件为:该种信息类型的样本数据与该种信息类型的基准数据的差异值大于第三阈值,且第三阈值为0.1s,则在所计算得到的100个差异值中,统计得到差异值大于0.1s的差异值数量为95。这样,假设绿灯时长对应的第一阈值为90,则由于95>90,则绿灯时长对应的样本数据为异常数据。
这样,在执行完步骤S103,确定异常数据后,电子设备便可以继续执行上述步骤S104,根据所确定的异常数据,对第一交通事件进行分析。
具体的,在确定异常数据后,电子设备便可以直接收集大量的异常数据,并对所收集到的异常数据进行归纳、拟合等多种形式的数据处理,分析确定该第一交通事件的发生原因,并向用户推送该发生原因。
此外,可选的,电子设备在分析确定第一交通事件的发生原因后,还可以进一步分析确定第一交通事件的预防策略等其他与第一交通事件相关的信息,并将所分析确定的信息推送给用户。
为了便于理解上述图1所示实施例,下面以目标道路场景为一道路交叉口,第一交通事件为闯红灯事件为例,对上述图1所示实施例进行举例说明。
假设一道路交叉口中与闯红灯事件相关的各种信息类型的样本数据为:通过红绿灯路口的人流量和绿灯时长。
则获取该道路交叉口中发生闯红灯事件时,该道路交叉口中通过红绿灯路口的人流量和绿灯时长分别对应的样本数据;
再获取该道路交叉口中未发生闯红灯事件时,该道路交叉口中通过红绿灯路口的人流量和绿灯时长分别对应的基准数据;
对比通过红绿灯路口的人流量的样本数据和通过红绿灯路口的人流量的基准数据,以及绿灯时长的样本数据和绿灯时长的基准数据。
其中,确定通过红绿灯路口的人流量的样本数据和通过红绿灯路口的人流量的基准数据的差异小于预设人流量阈值,说明通过红绿灯路口的人流量的样本数据是合理的;
并且,确定绿灯时长的样本数据与绿灯时长的基准数据的差异大于预设时长阈值,则可以绿灯时长的样本数据是不合理的,则绿灯时长的样本数据为异常数据。
这样,电子设备便可以收集大量的闯红灯事件中的绿灯时长的数据,从而,根据所收集到的数据确定该道路交叉口中发生闯红灯事件的原因。
进而,当用户获知改原因后,便可以有针对性地采取措施解决该问题,减少闯红灯事件的发生。例如,调整红绿灯闪烁系统,确保绿灯时长稳定。
此外,需要说明的是,当希望基于各类信息采集设备所采集到的关于目标道路场景的各种信息类型的信息数据,确定多种交通事件的发生原因时,则在上述图1所示的实施例的基础上,上述步骤S101-S103,可以分别包括如下步骤:
步骤1:针对每一种交通事件,获取目标道路场景中发生该种交通事件时,目标道路场景中与该种交通事件相关的各种信息类型的样本数据;
步骤2:针对每一种交通事件,获取目标道路场景中未发生该种交通事件中的任一事件时,目标道路场景中与该种交通事件相关的各种信息类型的基准数据
步骤3:针对每一种交通事件,对比关于该种交通事件的基准数据与样本数据,根据基准数据与样本数据的差异,确定该种交通事件的异常数据。
具体的,上述步骤1-3的具体执行方式与上述步骤S101-S103的执行方式相同,再次不再赘述。
相应于上述本发明实施例提供的一种交通事件的分析方法,本发明实施例还提供了一种交通事件的分析装置。
图9为本发明实施例提供的一种交通事件的分析装置的结构示意图,如图9所示,该装置包括如下模块:
样本数据获取模块910,用于获取目标道路场景中发生第一交通事件时,预设时间范围内的所述目标道路场景中与所述第一交通事件相关的各种信息类型的样本数据;
基准数据获取模块920,用于获取所述目标道路场景中未发生所述第一交通事件时,所述目标道路场景中与所述第一交通事件相关的所述各种信息类型的基准数据;
异常数据确定模块930,用于对比所述基准数据与所述样本数据,根据所述基准数据与所述样本数据的差异,确定异常数据;
事件分析模块940,用于根据所述异常数据,对所述第一交通事件进行分析。
以上可见,应用本发明实施例提供的方案,针对目标道路场景,当目标道路场景中发生第一交通事件时,可以获取预设时间范围内的目标道路场景中与第一交通事件相关的各种信息类型的样本数据,以及,目标道路场景中未发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的基准数据;进而,便可以对比上述所获取的样本数据和基准数据,确定异常数据,并根据所确定的异常数据,对第一交通事件进行分析。
这样,在确定目标道路场景中是否发生第一交通事件时,目标道路场景中与第一交通事件相关的各种信息类型的样本数据和基准数据之间的差异数据,便可以根据该异常数据分析第一交通事件的成因、预防、处理及影响评估等。从而,可以利用所采集到的各种信息类型的信息数据,为交通事件成因分析提供数据基础,实现更深层次的交通事件成因分析。
可选的,一种具体实现方式中,所述异常数据确定模块930具体用于:
针对同种所述信息类型,执行如下步骤:
比对该种信息类型的样本数据与该种信息类型的基准数据,确定所述该种信息类型的基准数据与该样本数据的差异;
确定所述差异满足预设条件的样本数据数量,作为差异数据数量;
当所述差异数据数量大于第一阈值时,确定该种信息类型对应的样本数据为异常数据。
可选的,一种具体实现方式中,当该种信息类型的基准数据为一数值时,所述预设条件为:
该种信息类型的样本数据与该种信息类型的基准数据的差异值小于第二阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值,且小于第二阈值,其中,所述第三阈值小于所述第二阈值。
可选的,一种具体实现方式中,当该种信息类型的基准数据为一数值范围时,所述预设条件为:
该种信息类型的样本数据位于该种信息类型的基准数据的数值范围之外。
相应于上述本发明实施例提供的一种交通事件的分析方法,本发明实施例还提供了一种电子设备,如图10所示,包括处理器1001、通信接口1002、存储器1003和通信总线1004,其中,处理器1001,通信接口1002,存储器1003通过通信总线1004完成相互间的通信,
存储器1003,用于存放计算机程序;
处理器1001,用于执行存储器1003上所存放的程序时,实现上述本发明实施例提供的任一交通事件的分析方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。
相应于上述本发明实施例提供的一种交通事件的分析方法,本发明实施例还提供了一种计算机可读存储介质,该计算机程序被处理器执行时实现上述本发明实施例提供的任一交通事件的分析方法的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例、电子设备实施例、计算机可读存储介质而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种交通事件的分析方法,其特征在于,所述方法包括:
获取目标道路场景中发生第一交通事件时,预设时间范围内的所述目标道路场景中与所述第一交通事件相关的各种信息类型的样本数据;
获取所述目标道路场景中未发生所述第一交通事件时,所述目标道路场景中与所述第一交通事件相关的所述各种信息类型的基准数据;
对比所述基准数据与所述样本数据,根据所述基准数据与所述样本数据的差异,确定异常数据;
根据所述异常数据,对所述第一交通事件进行分析。
2.根据权利要求1所述的方法,其特征在于,所述根据所述基准数据与所述样本数据的差异,确定异常数据,包括:
针对同种所述信息类型,执行如下步骤:
比对该种信息类型的样本数据与该种信息类型的基准数据,确定所述该种信息类型的基准数据与该样本数据的差异;
确定所述差异满足预设条件的样本数据数量,作为差异数据数量;
当所述差异数据数量大于第一阈值时,确定该种信息类型对应的样本数据为异常数据。
3.根据权利要求2所述的方法,其特征在于,
当该种信息类型的基准数据为一数值时,所述预设条件为:
该种信息类型的样本数据与该种信息类型的基准数据的差异值小于第二阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值,且小于第二阈值,其中,所述第三阈值小于所述第二阈值。
4.根据权利要求2所述的方法,其特征在于,
当该种信息类型的基准数据为一数值范围时,所述预设条件为:
该种信息类型的样本数据位于该种信息类型的基准数据的数值范围之外。
5.一种交通事件的分析装置,其特征在于,所述装置包括:
样本数据获取模块,用于获取目标道路场景中发生第一交通事件时,预设时间范围内的所述目标道路场景中与所述第一交通事件相关的各种信息类型的样本数据;
基准数据获取模块,用于获取所述目标道路场景中未发生所述第一交通事件时,所述目标道路场景中与所述第一交通事件相关的所述各种信息类型的基准数据;
异常数据确定模块,用于对比所述基准数据与所述样本数据,根据所述基准数据与所述样本数据的差异,确定异常数据;
事件分析模块,用于根据所述异常数据,对所述第一交通事件进行分析。
6.根据权利要求1所述的装置,其特征在于,所述异常数据确定模块具体用于:
针对同种所述信息类型,执行如下步骤:
比对该种信息类型的样本数据与该种信息类型的基准数据,确定所述该种信息类型的基准数据与该样本数据的差异;
确定所述差异满足预设条件的样本数据数量,作为差异数据数量;
当所述差异数据数量大于第一阈值时,确定该种信息类型对应的样本数据为异常数据。
7.根据权利要求6所述的装置,其特征在于,
当该种信息类型的基准数据为一数值时,所述预设条件为:
该种信息类型的样本数据与该种信息类型的基准数据的差异值小于第二阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值;
或者,
该种信息类型的样本数据与该种信息类型的的基准数据的差异值大于第三阈值,且小于第二阈值,其中,所述第三阈值小于所述第二阈值。
8.根据权利要求6所述的装置,其特征在于,
当该种信息类型的基准数据为一数值范围时,所述预设条件为:
该种信息类型的样本数据位于该种信息类型的基准数据的数值范围之外。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-4任一所述的方法步骤。
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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-4任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911157518.5A CN111369792B (zh) | 2019-11-22 | 2019-11-22 | 一种交通事件的分析方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911157518.5A CN111369792B (zh) | 2019-11-22 | 2019-11-22 | 一种交通事件的分析方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111369792A true CN111369792A (zh) | 2020-07-03 |
CN111369792B CN111369792B (zh) | 2021-09-10 |
Family
ID=71210733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911157518.5A Active CN111369792B (zh) | 2019-11-22 | 2019-11-22 | 一种交通事件的分析方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369792B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289024A (zh) * | 2020-10-23 | 2021-01-29 | 杭州海康威视系统技术有限公司 | 一种交通事件信息的识别方法、装置、设备及存储介质 |
CN113052048A (zh) * | 2021-03-18 | 2021-06-29 | 北京百度网讯科技有限公司 | 交通事件检测方法、装置、路侧设备以及云控平台 |
CN115472014A (zh) * | 2022-09-16 | 2022-12-13 | 苏州映赛智能科技有限公司 | 一种交通追溯方法、系统、服务器及计算机存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622883A (zh) * | 2012-03-21 | 2012-08-01 | 北京世纪高通科技有限公司 | 判定交通事件解除的方法及装置 |
US20160379486A1 (en) * | 2015-03-24 | 2016-12-29 | Donald Warren Taylor | Apparatus and system to manage monitored vehicular flow rate |
CN108205892A (zh) * | 2018-01-02 | 2018-06-26 | 南京逸杰软件科技有限公司 | 一种交通事件主动检测的方法及路侧智能信息终端 |
CN108281000A (zh) * | 2018-02-05 | 2018-07-13 | 北京交通大学 | 一种数据驱动的突发事件对区域路网影响分析系统及方法 |
CN108959196A (zh) * | 2018-07-09 | 2018-12-07 | 苏州工业园区测绘地理信息有限公司 | 一种交通事故时空分析系统 |
CN109035775A (zh) * | 2018-08-22 | 2018-12-18 | 青岛海信网络科技股份有限公司 | 一种突发事件识别的方法及装置 |
CN109145170A (zh) * | 2018-06-27 | 2019-01-04 | 公安部道路交通安全研究中心 | 一种道路交通事故数据挖掘服务器、方法和系统 |
CN110264715A (zh) * | 2019-06-20 | 2019-09-20 | 大连理工大学 | 一种基于路段突发拥堵分析的交通事件检测方法 |
-
2019
- 2019-11-22 CN CN201911157518.5A patent/CN111369792B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622883A (zh) * | 2012-03-21 | 2012-08-01 | 北京世纪高通科技有限公司 | 判定交通事件解除的方法及装置 |
US20160379486A1 (en) * | 2015-03-24 | 2016-12-29 | Donald Warren Taylor | Apparatus and system to manage monitored vehicular flow rate |
CN108205892A (zh) * | 2018-01-02 | 2018-06-26 | 南京逸杰软件科技有限公司 | 一种交通事件主动检测的方法及路侧智能信息终端 |
CN108281000A (zh) * | 2018-02-05 | 2018-07-13 | 北京交通大学 | 一种数据驱动的突发事件对区域路网影响分析系统及方法 |
CN109145170A (zh) * | 2018-06-27 | 2019-01-04 | 公安部道路交通安全研究中心 | 一种道路交通事故数据挖掘服务器、方法和系统 |
CN108959196A (zh) * | 2018-07-09 | 2018-12-07 | 苏州工业园区测绘地理信息有限公司 | 一种交通事故时空分析系统 |
CN109035775A (zh) * | 2018-08-22 | 2018-12-18 | 青岛海信网络科技股份有限公司 | 一种突发事件识别的方法及装置 |
CN110264715A (zh) * | 2019-06-20 | 2019-09-20 | 大连理工大学 | 一种基于路段突发拥堵分析的交通事件检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289024A (zh) * | 2020-10-23 | 2021-01-29 | 杭州海康威视系统技术有限公司 | 一种交通事件信息的识别方法、装置、设备及存储介质 |
CN112289024B (zh) * | 2020-10-23 | 2022-04-05 | 杭州海康威视系统技术有限公司 | 一种交通事件信息的识别方法、装置、设备及存储介质 |
CN113052048A (zh) * | 2021-03-18 | 2021-06-29 | 北京百度网讯科技有限公司 | 交通事件检测方法、装置、路侧设备以及云控平台 |
CN113052048B (zh) * | 2021-03-18 | 2024-05-10 | 阿波罗智联(北京)科技有限公司 | 交通事件检测方法、装置、路侧设备以及云控平台 |
CN115472014A (zh) * | 2022-09-16 | 2022-12-13 | 苏州映赛智能科技有限公司 | 一种交通追溯方法、系统、服务器及计算机存储介质 |
CN115472014B (zh) * | 2022-09-16 | 2023-10-10 | 苏州映赛智能科技有限公司 | 一种交通追溯方法、系统、服务器及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111369792B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111369792B (zh) | 一种交通事件的分析方法、装置及电子设备 | |
US9583000B2 (en) | Vehicle-based abnormal travel event detecting and reporting | |
CN111862521A (zh) | 行为热力图生成及报警方法、装置、电子设备及存储介质 | |
WO2021093625A1 (zh) | 智能分析算法选取方法、装置、系统及电子设备 | |
CN105493502A (zh) | 视频监控方法、视频监控系统以及计算机程序产品 | |
CN102902960B (zh) | 基于高斯建模与目标轮廓的遗留物检测方法 | |
CN111028503B (zh) | 一种车辆变道监测方法及装置 | |
CN104298586A (zh) | 一种基于系统日志的Web系统异常分析方法和装置 | |
CN108230669B (zh) | 基于大数据和云分析的道路车辆违法检测方法及系统 | |
CN111767432B (zh) | 共现对象的查找方法和装置 | |
JP2020524343A5 (ja) | イベントを判定するためのシステム、方法及びプログラム | |
Fragkou et al. | Detection of traffic incidents using nonlinear time series analysis | |
CN114333343A (zh) | 一种非机动车违章抓拍取证装置、方法及系统 | |
CN109120916B (zh) | 摄像机故障检测方法、装置及计算机设备 | |
Ren et al. | Detecting and locating of traffic incidents in a road segment based on lane-changing characteristics | |
CN112215038A (zh) | 特定车辆识别系统、方法及存储介质 | |
KR101848367B1 (ko) | 모션벡터와 dct 계수를 이용한 메타데이터 기반 의심영상 구분식별 방식의 영상 관제 방법 | |
US20150348407A1 (en) | Recommendation Engine Based on a Representation of the Local Environment Augmented by Citizen Sensor Reports | |
CN115359658A (zh) | 交通事件的检测方法、装置、设备、存储介质及程序产品 | |
CN114445786A (zh) | 道路拥堵检测方法、装置、电子设备及存储介质 | |
TWI706381B (zh) | 影像物件偵測方法及系統 | |
CN112885106A (zh) | 基于车辆大数据的区域禁行检测系统、方法及存储介质 | |
CN111553291A (zh) | 行人轨迹的生成方法、装置、设备及计算机存储介质 | |
CN112598912B (zh) | 卡口间隔获取方法、装置、计算机设备及存储介质 | |
Thajchayapong et al. | Spatial inference of traffic transition using micro–macro traffic variables |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |