CN111462501A - 一种基于5g网络的超视区通行系统及其实施方法 - Google Patents

Abstract

本公开公开了一种基于5G网络的超视区通行系统及其实施方法，包括：中心服务器，所述中心服务器与若干台感知传感器连接，每台感知传感器均安装在交叉路口，所述中心服务器接收网络摄像机采集的实时交通图像数据；所述中心服务器对实时交通图像数据进行存储，并通过发射机连接的5G发射天线发送给行人的移动终端和/或机动车的车载终端。道路参与者(驾驶员、行路人)借助5G网络技术，实现彼此透明、超视区观察，实现有效管控行驶行为、避免交通事故的发生概率。极大保护行路者的生命及财产的安全。

Description

一种基于5G网络的超视区通行系统及其实施方法

技术领域

本发明涉及一种基于5G网络的超视区通行系统及其实施方法。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

全国因交通事故死亡人数每年超过10--26万，万车伤亡人数13.7人。高于日本10倍。全世界每年死亡超过50--125万。累积死亡人数超过3000万。每年全世界因交通事故受伤者3000万人，永久性致残300万人。每年因交通事故造成经济损失达万亿，因交通事故家破人亡屡屡发生。

交通事故发生率高的主要原因：存在盲区：交通主题--参与者(驾驶员、行路人)对道路及其他交通参与者观察存在盲区；次要原因是障碍物遮挡驾驶员视线，无法发现即将发生交通事故的对方。现有技术，无法消除道路通行者的盲区和超视区。

发明内容

为了解决现有技术的不足，本公开提供了一种基于5G网络的超视区通行系统及其实施方法，道路参与者(驾驶员、行路人)借助5G网络技术，实现彼此透明、超视区观察，实现有效管控行驶行为、避免交通事故的发生。极大保护行路者的生命及财产的安全。

第一方面，本公开提供了一种基于5G网络的超视区通行系统；

一种基于5G网络的超视区通行系统，包括：中心服务器，所述中心服务器与若干台感知传感器连接，每台感知传感器均安装在交叉路口，所述中心服务器接收网络摄像机采集的实时交通图像数据；所述中心服务器对实时交通图像数据进行存储，并通过发射机连接的5G发射天线发送给行人的移动终端和/或机动车的车载终端。

第二方面，本公开提供了一种基于5G网络的超视区通行系统的实施方法；

一种基于5G网络的超视区通行系统的实施方法，包括：

中心服务器接收交叉路口的感知传感器采集的实时交通图像数据；所述中心服务器对实时交通图像数据进行存储，并通过发射机连接的5G发射天线发送给行人的移动终端和机动车的车载终端。

与现有技术相比，本公开的有益效果是：

因为采用5G网络，所以克服了数据传输缓慢的问题，进而达到了交叉路口的行人和司机可以通过自身携带的终端对交通路况进行实时查看，也可以实现交叉路口的超视区通行。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本公开实施例一的系统架构示意图；

图2为本公开实施例一的交叉路口系统平面图；

图3为本公开实施例一的交叉路口建筑物或树木挡住驾驶员实现示意图；

图4为本公开实施例一的轿车盲区示意图；

图5为本公开实施例一的客车盲区示意图；

图6为本公开实施例一的汽车行驶安全距离与车速关系图；

图7为本公开实施例一的车辆行驶危险区重叠示意图；

图8为本公开实施例一的参与交通的车辆都产生一个危险区示意图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本公开本实施例中，“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，在本申请的描述中，“多个”是指两个或多于两个。

5G技术即第5代通信技术：其特点三个方面(1)传输信息速率高，是4G通信的100多倍，移动传输可达1GBPS，实时性好，可满足道路状况、道路参与者运动状态的信息采集、处理、交换的大容量要求；(2)及延迟短，适合实时控制，可满足道路、车辆、行人实时动态处理要求；(3)互交性好，可实时便捷信息交流。

道路信息由网络摄像机采集，然后传送给中心服务器，中心服务器完成道路信息的存储、处理、转发，发射机完成道路信息的发射。驾驶员或道路行者通过终端，接收系统发射的道路信息，终端根据道路信息，把本终端的位置、运动状态、与道路信息进行动态预测，终端显示道路状况，特别是盲区状况，显示、提示可能发生的碰撞。

由高清网络摄像机抓拍路况、车辆、行人实时信息，用单模光纤来传输路况信息，网络接口接收光纤传来信息，中心服务器接收光纤送来的路况信息。进行存储、备份，中心服务器对信息进行处理。处理后信息送往接口，连接光纤，由光纤把信息送到发射机，发射机对信息进行多级放大，送5G标准的发射天线。天线把路况信息变成5G电磁波模式发射出去，车载智能终端或非机动行人手机终端接收5G路况信息，获得、并显示路况全面信息。

实施例一，本实施例提供了一种基于5G网络的超视区通行系统；

如图1所示，一种基于5G网络的超视区通行系统，包括：中心服务器，所述中心服务器与若干台感知传感器连接，每台感知传感器均安装在交叉路口，如图2所示；所述中心服务器接收网络摄像机采集的实时交通图像数据；所述中心服务器对实时交通图像数据进行存储，并通过发射机连接的5G发射天线发送给行人的移动终端和/或机动车的车载终端。

所述超视区，是指超过交通参与者视野范围区域的范围。

进一步地，所述行人的移动终端和/或机动车的车载终端，采集自身的移动数据，并将移动数据通过5G发射天线上传给发射机，发射机再将采集到的移动终端和/或机动车的车载终端的移动数据上传给中心服务器，中心服务器将实时交通图像数据与移动数据进行整合后发布给行人的移动终端和/或机动车的车载终端。

应理解的，所述机动车的车载终端采集自身的移动数据，包括以下数据的一种或多种：当前机动车所处位置、当前机动车的行驶路线、当前机动车的行驶速度、当前机动车的车型、当前机动车的载货量、当前机动车的载人数量、当前机动车的车况或当前机动车的设定范围内的路况。

进一步地，所述系统，还包括：

为每一位交通参与者均计算安全范围，其中交通参与者是指行人或车辆；当其中一位交通参与者的安全范围与其他交通参与者的安全范围重叠，则发出告警提示，并进一步计算重叠区域占每一位交通参与者安全范围的比值，当比值超出设定阈值时，向重叠区域的两位交通参与者发出严重告警，向重叠区域外的设定距离范围内的交通参与者也发出告警提示。

进一步地，所述中心服务器通过光纤与每台感知传感器连接。

应理解的，所述感知传感器，包括以下形式的一种或多种：雷达、声呐、测速仪或摄像机。

进一步地，所述中心服务器通过光纤与发射机连接。

进一步地，所述摄像机，用于抓拍道路全方位路况信息、车辆、行人和遮挡物信息，并上传给中心服务器。

进一步地，所述移动终端和车载终端接收中心服务器发布的道路信息，所述道路信息中显示当前移动终端或车载终端所处的道路位置、运动状态以及潜在的危险事件。

进一步地，所述发射机，用于将中心服务器的信息进行信号幅度放大和信号功率放大，然后通过5G发射天线发送给行人的移动终端和机动车的车载终端。

实施例二，本实施例提供了一种基于5G网络的超视区通行系统的实施方法；

一种基于5G网络的超视区通行系统的实施方法，包括：

中心服务器接收交叉路口的感知传感器采集的实时交通图像数据；所述中心服务器对实时交通图像数据进行存储，并通过发射机连接的5G发射天线发送给行人的移动终端和机动车的车载终端。

作为一个或多个实施例，所述实施方法，还包括：

所述行人的移动终端和/或机动车的车载终端，采集自身的移动数据，并将移动数据通过5G发射天线上传给发射机，发射机再将采集到的移动终端和/或机动车的车载终端的移动数据上传给中心服务器，中心服务器将实时交通图像数据与移动数据进行整合后发布给行人的移动终端和/或机动车的车载终端。

作为一个或多个实施例，所述实施方法，还包括：

为每一位交通参与者均计算安全范围，其中交通参与者是指行人或车辆；

当其中一位交通参与者的安全范围与其他交通参与者的安全范围重叠，则发出告警提示，并进一步计算重叠区域占每一位交通参与者安全范围的比值，当比值超出设定阈值时，向重叠区域的两位交通参与者发出严重告警，向重叠区域外的设定距离范围内的交通参与者也发出告警提示。

进一步地，计算安全范围的考虑因素，通过预先训练好的深度学习模型来计算。

进一步地，预先训练好的深度学习模型的训练步骤包括：

构建卷积神经网络模型；

构建训练集，所述训练集包括：已知安全范围的交通参与者的车型、载货量和当前车速；

将训练集输入到卷积神经网络模型中进行训练，当损失函数达到最小值时，停止训练，输出训练好的卷积神经网络模型。

驾驶员的反应时间一般在：0.4—1.0秒，反应迅速的驾驶员在：0.4—0.6秒，当车以50KM/S行驶时，汽车行驶6--7米后，驾驶员才能做出应急反应。

汽车制动器启动响应时间：0.15—0.3秒，车又前进2--4米；如果汽车以50公里每小时行驶，1秒钟内，行驶13.8米，普通刹车距离7--13米。那么，汽车从驾驶员产生应急刹车意识到汽车完全停住，汽车已经行驶了20--30米。

如果汽车以100公里每小时行驶，1秒钟内，行驶28米，普通刹车距离40---50米。那么汽车从驾驶员产生应急刹车意识到汽车完全停住，汽车已经行驶了78米。

高速公路，汽车以120公里/小时行驶，从驾驶员产生应急刹车意识到汽车完全停住，汽车已经行驶了100米的距离。

如图6所示，汽车行驶安全距离与速度有关：

当汽车高速行车，即车速在100km/h以上时，安全车距在100米以上。

当汽车快速行车，即车速在60km/h以上时，安全车距在60米以上；在例如，车速80km/h，则安全车距为80米以上。

当汽车中速行车，即车速在50km/h左右时，安全车距不低于50米。

当汽车低速行车，即车速在40km/h以下时，安全车距不低于30米。

当汽车慢速行车，即车速在20km/h以下时，安全车距不低于10米。

交通事故：用时空理论来描述，具有独立占有时间--空间特性的两个或多个物体，发生时间--空间争占矛盾，产生物体受损或解体。这一过程称之为交通事故，也可以称之为时空争占事件。

预防模式：首先要搜索到发生时空激烈争占矛盾的主体、发生的时间、发生的地点。提前，对事件参与者进行干预，化解矛盾，避免交通事故。

交通参与的主体信息：感知参与交通的车辆和行人。有物联网、移动通信、交通抓拍系统、公安的天眼系统，卫星系统。信息整合后，可以获取参与交通的所有车量及行人的位置、移动速度、安全范围。目前这些信息只用于破案、交通事故的还原。本公开可以让这些信息起到更大的作用，编制一张更大网络，完成保护人们安全出行的任务。

超视区通行系统：从硬件分，网络上传的传感器系统：参与交通的车辆佩带的中端机，发射车辆自己信息如位置、行驶路线、行驶速度、车型、载货、载人、车况、路况等信息。接收系统发来各项指令、路况、交通服务信息。道路设置各种检测车辆的雷达、声呐、测速仪、摄像机等感知传感器构成感知网，公共感知网：移动通信网，卫星光学、红外抓拍网。

从软件分：系统操作平台、终端安装运行部分；整体、系统、复杂的功能都在系统完成。终端部分：完成与本车辆相关的任务，如获取与本车辆可能发生交通事故的其他交通参与者的信息接收，信息处理，然后向本车驾驶员以屏幕、语音、灯光等形式提供信息。为回避可能的交通事故做应急处理准备、和相应的躲避处理。

处理算法：蚂蚁移动重叠时空算法，每一个交通参与者，在海量的交通参与者中，相当于一只蚂蚁，有位置，有移动速度，但是也有改变车道的随意性。根据车辆信息(车型、载货辆、车速)，计算每一个交通参与者的安全范围，如果每一个交通参与者与其他车辆的安全范围重叠，可能发生交通事故、碰撞的可能性。如图7所示，危险区的根部重叠，发生交通碰撞的概率为100％。根据推延的结果，系统及时向终端车发送危险区信息。

终端车收到危险区信息，针对本车的危险区与其他车危险区是否重叠进行推延，提供本车躲避方式，减少危险区重叠的可能性。避免交通事故发声。

一个车辆就是一个危险区，一个移动的危险区。行人进入危险区，可能发生交通事故。车辆进入该车的危险区，可有发生碰撞，追尾等交通事故。

干预措施：减少行人、电动车进入汽车的危险区。提示汽车简慢速度，可以缩小危险区。

提醒交叉行驶的车辆，这时，由于交叉路口，障碍物阻挡视线，需要超视区系统提供服务，及时了解交叉路上车辆信息，危险区是否重叠。

如图8所示，有红绿灯控制的路口，车辆、行人安交通灯信号交替通行，安全行驶有保证。对于没有交通灯、或设有红绿灯，有个别车辆闯红灯，或行人闯红灯，这时极易造成交通事故。特别是，乡村小道，不时窜出一辆拖拉机、一头牛、一个人。躲闪不及，发生交通事故概率非常高。汽车行驶的盲区如图3、图4和图5所示，车的驾驶员的反应时间，汽车驾驶员的反应时间。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于5G网络的超视区通行系统，其特征是，包括：中心服务器，所述中心服务器与若干台感知传感器连接，每台感知传感器均安装在交叉路口，所述中心服务器接收网络摄像机采集的实时交通图像数据；所述中心服务器对实时交通图像数据进行存储，并通过发射机连接的5G发射天线发送给行人的移动终端和/或机动车的车载终端。

2.如权利要求1所述的系统，其特征是，所述行人的移动终端和/或机动车的车载终端，采集自身的移动数据，并将移动数据通过5G发射天线上传给发射机，发射机再将采集到的移动终端和/或机动车的车载终端的移动数据上传给中心服务器，中心服务器将实时交通图像数据与移动数据进行整合后发布给行人的移动终端和/或机动车的车载终端。

3.如权利要求1所述的系统，其特征是，所述机动车的车载终端采集自身的移动数据，包括以下数据的一种或多种：当前机动车所处位置、当前机动车的行驶路线、当前机动车的行驶速度、当前机动车的车型、当前机动车的载货量、当前机动车的载人数量、当前机动车的车况或当前机动车的设定范围内的路况。

4.如权利要求1所述的系统，其特征是，所述系统，还包括：

为每一位交通参与者均计算安全范围，其中交通参与者是指行人或车辆；当其中一位交通参与者的安全范围与其他交通参与者的安全范围重叠，则发出告警提示，并进一步计算重叠区域占每一位交通参与者安全范围的比值，当比值超出设定阈值时，向重叠区域的两位交通参与者发出严重告警，向重叠区域外的设定距离范围内的交通参与者也发出告警提示。

5.如权利要求1所述的系统，其特征是，所述中心服务器通过光纤与每台感知传感器连接；所述中心服务器通过光纤与发射机连接；

所述移动终端和车载终端接收中心服务器发布的道路信息，所述道路信息中显示当前移动终端或车载终端所处的道路位置、运动状态以及潜在的危险事件；

所述发射机，用于将中心服务器的信息进行信号幅度放大和信号功率放大，然后通过5G发射天线发送给行人的移动终端和机动车的车载终端。

6.一种基于5G网络的超视区通行系统的实施方法，其特征是，包括：

中心服务器接收交叉路口的感知传感器采集的实时交通图像数据；所述中心服务器对实时交通图像数据进行存储，并通过发射机连接的5G发射天线发送给行人的移动终端和机动车的车载终端。

7.如权利要求6所述的实施方法，其特征是，还包括：

所述行人的移动终端和/或机动车的车载终端，采集自身的移动数据，并将移动数据通过5G发射天线上传给发射机，发射机再将采集到的移动终端和/或机动车的车载终端的移动数据上传给中心服务器，中心服务器将实时交通图像数据与移动数据进行整合后发布给行人的移动终端和/或机动车的车载终端。

8.如权利要求7所述的实施方法，其特征是，还包括：

为每一位交通参与者均计算安全范围，其中交通参与者是指行人或车辆；

当其中一位交通参与者的安全范围与其他交通参与者的安全范围重叠，则发出告警提示，并进一步计算重叠区域占每一位交通参与者安全范围的比值，当比值超出设定阈值时，向重叠区域的两位交通参与者发出严重告警，向重叠区域外的设定距离范围内的交通参与者也发出告警提示。

9.如权利要求8所述的实施方法，其特征是，计算安全范围的考虑因素，通过预先训练好的深度学习模型来计算。

10.如权利要求9所述的实施方法，其特征是，预先训练好的深度学习模型的训练步骤包括：

构建卷积神经网络模型；

构建训练集，所述训练集包括：已知安全范围的交通参与者的车型、载货量和当前车速；

将训练集输入到卷积神经网络模型中进行训练，当损失函数达到最小值时，停止训练，输出训练好的卷积神经网络模型。

Images