CN112002102A - 一种安全监控方法及其系统 - Google Patents

一种安全监控方法及其系统 Download PDF

Info

Publication number
CN112002102A
CN112002102A CN202010922274.1A CN202010922274A CN112002102A CN 112002102 A CN112002102 A CN 112002102A CN 202010922274 A CN202010922274 A CN 202010922274A CN 112002102 A CN112002102 A CN 112002102A
Authority
CN
China
Prior art keywords
result
data
instruction
unit
traveling
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
Application number
CN202010922274.1A
Other languages
English (en)
Other versions
CN112002102B (zh
Inventor
苑贵全
骞一凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Weijie Dongbo Information Technology Co ltd
Original Assignee
Beijing Weijie Dongbo Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Weijie Dongbo Information Technology Co ltd filed Critical Beijing Weijie Dongbo Information Technology Co ltd
Priority to CN202010922274.1A priority Critical patent/CN112002102B/zh
Publication of CN112002102A publication Critical patent/CN112002102A/zh
Application granted granted Critical
Publication of CN112002102B publication Critical patent/CN112002102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Social Psychology (AREA)
  • Acoustics & Sound (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种安全监控方法及其系统，其中，安全监控方法，包括如下步骤：确定目标行驶路线；根据目标行驶路线驾驶，并实时获取行进数据；对行进数据进行分析，并生成指令，指令为继续监控指令或警报指令。本申请具有对交通工具内的异常事件和异常驾驶事件进行安全监控，并及时对异常情况进行警报，从而避免人员伤亡的技术效果。

Description

一种安全监控方法及其系统
技术领域
本申请涉及计算机技术领域，尤其涉及一种安全监控方法及其系统。
背景技术
绿色出行是采用对环境影响较小的出行方式(即既节约能源、提高能效和减少污染，又益于健康和兼顾效率的出行方式)，例如：乘坐公交、地铁等公共交通工具。随着绿色出行的推广，越来越多的人选择乘坐公共交通出行，故公共交通的安全对保护人民的生命财产具有重大意义。现有的驾驶系统主要是通过对疲劳驾驶的人员进行警告以避免驾驶员疲劳驾驶。但对于交通工具内影响驾驶员安全驾驶的事件和对于驾驶员违规驾驶恶意报复社会的事件没有相应的监控和警报，无法有效的保护交通工具内人员的生命安全。
发明内容
本申请的目的在于提供一种安全监控方法及其系统，具有对交通工具内的异常事件和异常驾驶事件进行安全监控，并及时对异常情况进行警报，从而避免人员伤亡的技术效果。
为达到上述目的，本申请提供一种安全监控方法，包括如下步骤：确定目标行驶路线；根据目标行驶路线驾驶，并实时获取行进数据；对行进数据进行分析，并生成指令，指令为继续监控指令或警报指令。
如上的，其中，对行进数据进行分析，并生成指令的子步骤如下：对行进数据中的车内数据进行分析，生成事件结果；根据事件结果对路况数据进行分析，生成路况结果；根据路况结果生成行进结果；根据行进结果生成指令。
如上的，其中，对行进数据中的车内数据进出分析，生成事件结果的子步骤如下：对车内数据中的视频数据进行分析，生成图像结果；对车内数据中的音频数据进行分析，生成音频结果；根据图像结果和音频结果生成事件结果。
如上的，其中，对车内数据中的视频数据进行分析，生成图像结果的子步骤如下：对视频数据进行预判断，并生成预判结果，其中，预判结果为：有异常可能或无异常可能；根据预判结果进行处理，生成图像结果；其中，若生成的预判结果为：有异常可能，则表示视频数据中有存在异常情况的可能，需要对可能存在异常情况的人物区域进行二次分析，生成二次分析结果，其中，二次分析结果为：有异常或无异常。
如上的，其中，若二次分析结果为：有异常，则生成的图像结果为：状况：有异常；异常原因：乘客区域异常；危害值：Twhz＝Kjtz，其中，Kjtz为计算得出的具体值。
如上的，其中，图像结果中的危害值的具体值的计算公式为：Kjtz＝λ1·Ddjl+λ2·Wdz+λ3·Sbj；其中，
Figure BDA0002667140950000021
其中，Kjtz为图像结果中的危害值的具体值；Ddjl为具有异常的人物与驾驶员之间的距离危险值；Wdz为异常动作危险值；Sbj为异常的乘客区域的异常面积危险值；λ1为距离危险值在总危险值中所占的权重；λ2为异常动作危险值在总危险值中所占的权重；λ3为异常面积危险值在总危险值中所占的权重；(x0,y0)为驾驶座位所在的坐标，将驾驶座位的坐标点作为原点，(a,b)为具有异常的人物所在位置的坐标。
本申请还提供一种安全监控系统，包括：数据采集装置、数据处理装置、存储装置和警报装置；其中，数据采集装置：用于根据初始行驶路线获取初始路况数据；接收并执行路线规划指令，重新生成新的行驶路线，并将新的行驶路线发送至数据处理装置；采集行进数据，并将行进数据发送至数据处理装置；接收并执行继续监控指令；数据处理装置：用于执行上述的安全监控方法；存储装置：用于存储异常动作数据库和异常语义数据库；警报装置：用于接收并执行警报指令。
如上的，其中，数据采集装置至少包括：定位单元和采集单元；其中，定位单元：用于根据起点和终点设置初始行驶路线；接收并执行路线规划指令，重新生成新的行驶路线；获取行进数据中的路况数据；采集单元：用于获取行进数据中的车内数据，其中，车内数据至少包括：视频数据和音频数据。
如上的，其中，数据处理装置至少包括：图像处理单元、音频处理单元、路况单元、分析单元和指令单元；其中，图像处理单元：用于对车内数据中的视频数据进行分析，生成图像结果，并将图像结果发送至分析单元；音频处理单元：用于对车内数据中的音频数据进行分析，生成音频结果，并将音频结果发送至分析单元；分析单元：用于对初始路况数据进行初始检测，并生成初始检测结果；接收图像结果和音频结果，根据图像结果和音频结果生成事件结果，并将事件结果发送至路况单元；路况单元：接收事件结果，根据事件结果对路况数据进行分析，生成路况结果，并根据路况结果获得行进结果，将行进结果发送至指令单元；指令单元：对初始检测结果进行分析；向数据采集装置下发路线规划指令；接收行进结果，根据行进结果生成指令，指令为：继续监控指令或警报指令。
如上的，其中，警报指令包括警报信息，警报信息至少包括：危险原因和临时停车信息。
本申请具有对交通工具内的异常事件和异常驾驶事件进行安全监控，并及时对异常情况进行警报，从而避免人员伤亡的技术效果。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为安全监控系统一种实施例的结构示意图；
图2为安全监控方法一种实施例的流程图。
具体实施方式
下面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。
如图1所示，本申请提供一种安全监控系统，包括：数据采集装置110、数据处理装置120、存储装置130和警报装置140。
其中，数据采集装置110：用于根据初始行驶路线获取初始路况数据；接收并执行路线规划指令，重新生成新的行驶路线，并将新的行驶路线发送至数据处理装置；采集行进数据，并将行进数据发送至数据处理装置；接收并执行继续监控指令。
数据处理装置120：用于执行下述的安全监控方法；用于接收初始路况数据，进行初始检测，向数据采集装置下发路线规划指令，确定目标行驶路线；用于接收行进数据并对行进数据进行分析，生成指令并下发。
存储装置130：用于存储异常动作数据库和异常语义数据库。
警报装置140：用于接收并执行警报指令。
进一步的，数据采集装置110至少包括：定位单元和采集单元。
其中，定位单元：用于根据起点和终点设置初始行驶路线；接收并执行路线规划指令，重新生成新的行驶路线；获取行进数据中的路况数据。其中，路况数据至少包括：当前行驶位置、路段拥挤参数、当前路段状态、路段属性。
采集单元：用于获取行进数据中的车内数据，其中，车内数据至少包括：视频数据和音频数据。
进一步的，数据处理装置120至少包括：图像处理单元、音频处理单元、路况单元、分析单元和指令单元。
其中，图像处理单元：用于对车内数据中的视频数据进行分析，生成图像结果，并将图像结果发送至分析单元。
音频处理单元：用于对车内数据中的音频数据进行分析，生成音频结果，并将音频结果发送至分析单元。
分析单元：用于对初始路况数据进行初始检测，并生成初始检测结果；接收图像结果和音频结果，根据图像结果和音频结果生成事件结果，并将事件结果发送至路况单元。
路况单元：接收事件结果，根据事件结果对路况数据进行分析，生成路况结果，并根据路况结果获得行进结果，将行进结果发送至指令单元。
指令单元：对初始检测结果进行分析；向数据采集装置下发路线规划指令；接收行进结果，根据行进结果生成指令，指令为：继续监控指令或警报指令。
进一步的，警报指令包括警报信息，警报信息至少包括：危险原因和临时停车信息。
如图2所示，本申请提供一种安全监控方法，包括如下步骤：
S210：确定目标行驶路线。
进一步的，确定目标行驶路线的子步骤如下：
Q1：根据初始行驶路线进行初始检测，并生成初始检测结果。
具体的，通过数据采集装置采集初始行驶路线上的初始路况数据，并将初始路况数据发送至数据处理装置，数据处理装置对初始路况数据进行初始检测，并生成初始检测结果。其中，初始检测结果为：无障碍或道路障碍。若从初始路况数据中检测到与初始行驶路线相对应的路段存在故障、且该故障导致无法正常通行且短期无法修复，则生成的初始检测结果为道路故障，存在故障的路段即为故障路段。若从初始路况数据中检测到与初始行驶路线相对应的路段不存在故障或者存在轻微故障、且该轻微故障不影响正常通行且短期可以修复，则生成的初始检测结果为无障碍。
作为一个实施例，当驾驶员驾驶公共交通(例如：公交车、大巴等)时，由于公共交通的行驶路线为固定的，故将公共交通的第一站作为起点(即：初始节点JD0)，最后一站作为终点(即：终节点JDn)，初始节点JD0与终节点JDn之间的站点作为中间节点JDx(其中，x∈[1,n-1]，n为自然数)，并将公共交通的固定行驶路线作为初始行驶路线。两个节点可构成一个路段。
Q2：分析初始检测结果，并确定目标行驶路线。
具体的，数据处理装置生成初始检测结果后，对初始检测结果进行分析，若初始检测结果为：无障碍，则将初始行驶路线作为目标行驶路线。若初始检测结果为：道路障碍，则向数据采集装置下发路线规划指令，数据采集装置接收并执行路线规划指令重新生成新的行驶路线，并将新的驾驶路线发送至数据处理装置，数据处理装置将新的驾驶路线作为目标行驶路线。
进一步的，路线规划指令包括：故障路段，在行驶之前，数据采集装置接收到路线规划指令后，只需对故障路段重新进行规划，生成新的行驶路线，并将新的行驶路线替换至初始行驶路线中的故障路段位置，完成替换后，将完成替换的初始行驶路线作为目标行驶路线。
进一步的，在行驶过程中，数据处理装置对路况数据中的当前路段状态进行分析，检测该路段周围是否存在危险地段从而导致无法通行，若存在，则向数据采集装置下发路线规划指令，数据采集装置接收并执行路线规划指令重新生成新的行驶路线，并将新的行驶路线替换至目标行驶路线中的故障路段位置，完成替换后，将完成替换的目标行驶路线发送至数据处理装置，数据处理装置将新的驾驶路线作为目标行驶路线。
S220：根据目标行驶路线驾驶，并实时获取行进数据。
具体的，根据目标行驶路线驾驶，并在驾驶过程中通过数据采集装置实时获取行进数据，并将行进数据上传至数据处理装置，执行S230。
其中，行进数据至少包括：路况数据和车内数据。
其中，路况数据至少包括：实时行驶路线和路段状况，其中，路段状况：至少包括：当前行驶位置、路段拥挤参数、当前路段状态、路段属性。
其中，车内数据至少包括：视频数据和音频数据。
S230：对行进数据进行分析，并生成指令，其中，指令为：继续监控指令或警报指令。
进一步的，对行进数据进行分析，并生成指令的子步骤如下：
R1：对行进数据中的车内数据进行分析，生成事件结果。
进一步的，对行进数据中的车内数据进出分析，生成事件结果的子步骤如下：
R110：对车内数据中的视频数据进行分析，生成图像结果。
具体的，图像处理单元对车内数据中的视频数据进行分析，生成图像结果，并将图像结果发送至分析单元。
进一步的，对车内数据中的视频数据进行分析，生成图像结果的子步骤如下：
T1：对视频数据进行预判断，并生成预判结果。
具体的，图像处理单元对采集的车内视频数据进行初步识别，将车内的每个乘客均作为一个人物区域，逐一对每个人物区域进行预判断，判断该人物是否具有异常行为，生成预判断结果，执行T2。
若判断人物存在异常行为(例如：打架，持危险物品对相邻人物进行攻击，偷窃等)，则生成的预判结果为：有异常可能。若人物不存在异常行为，则生成的预判结果为：无异常可能。
T2：根据预判结果进行处理，生成图像结果。
若生成的预判结果为：无异常可能，则表示视频数据中无异常情况，生成图像结果为：状况：无异常；异常原因：无；危害值：Twhz＝0。
若生成的预判结果为：有异常可能，则表示视频数据中有存在异常情况的可能，需要对可能存在异常情况的人物区域进行二次分析，生成二次分析结果，若二次分析结果为：无异常，则生成图像结果为：状况：无异常；异常原因：无；危害值：Twhz＝0。若二次分析结果为：有异常，则生成的图像结果为：状况：有异常；异常原因：乘客区域异常；危害值：Twhz＝Kjtz，其中，Kjtz为计算得出的具体值。
其中，图像结果中的危害值的具体值的计算公式为：
Kjtz＝λ1·Ddjl+λ2·Wdz+λ3·Sbj；
其中，
Figure BDA0002667140950000081
其中，Kjtz为图像结果中的危害值的具体值；Ddjl为具有异常的人物与驾驶员之间的距离危险值；Wdz为异常动作危险值；Sbj为异常的乘客区域的异常面积危险值；λ1为距离危险值在总危险值中所占的权重；λ2为异常动作危险值在总危险值中所占的权重；λ3为异常面积危险值在总危险值中所占的权重；(x0,y0)为驾驶座位所在的坐标，将驾驶座位的坐标点作为原点，(a,b)为具有异常的人物所在位置的坐标。
具体的，异常动作危险值Wdz为根据异常动作设定的参数。Sbj等于具有异常的人物脚不动时所能攻击的范围。
进一步的，对可能存在异常情况的人物区域进行二次分析，生成二次分析结果的子步骤如下：
T210：对可能存在异常情况的人物区域进行特征提取，获取人物特征。
具体的，图像处理单元对可能存在异常情况的人物区域进行特征提取，获取人物特征。
T220：对人物特征进行对比，生成二次分析结果。
进一步的，对人物特征进行对比，生成二次分析结果的子步骤如下：
P1：读取预先设置的异常动作数据库。
具体的，图像处理单元获得人物特征后，读取预先存储于存储装置内的异常动作数据库，执行P2。
P2：利用异常动作数据库对人物特征进行比对，生成二次分析结果。
具体的，利用异常动作数据库对人物特征进行比对，若人物特征为与异常动作数据库中存储的异常类型相同的异常动作或相似的异常动作，则生成的二次分析结果为：有异常。若人物特征与异常动作数据库中存储的异常类型相同的异常动作或相似的异常动作不同，则生成的二次分析结果为：无异常。
R120：对车内数据中的音频数据进行分析，生成音频结果。
具体的，音频处理单元对车内数据中的音频数据进行分析，生成音频结果，并将音频结果发送至分析单元。
进一步的，对车内数据中的音频数据进行分析，生成音频结果的子步骤如下：
Y1：对音频数据进行预分析，生成预分析结果。
具体的，音频处理单元对采集的车内音频数据进行预分析，将车内的每个乘客的声音均作为一个声音数据，逐一对每个声音数据进行预判断，判断该声音数据是否具有异常声音，生成预分析结果，执行Y2。
若判断声音数据存在异常声音(例如：尖叫，吵架等)，则生成的预分析结果为：有异常可能。若声音数据不存在异常声音，则生成预分析结果为：无异常可能。
Y2：根据预分析结果进行处理，生成音频结果。
具体的，若生成的预分析结果为：无异常可能，则表示音频数据中无异常情况，生成音频结果为：状况：无异常；异常原因：无；危害值：Ywhz＝0。
若生成的预分析结果为：有异常可能，则表示音频数据中有存在异常情况的可能，需要对可能存在异常情况的声音数据进行二次处理，生成二次处理结果，若二次处理结果为：无异常，则生成音频结果为：状况：无异常；异常原因：无；危害值：Ywhz＝0。若二次处理结果为：有异常，则生成的音频结果为：状况：有异常；异常原因：乘客区域异常；危害值：Ywhz＝Hjtz，其中，Hjtz为计算得出的具体值。
Hjtz＝λ1·Dsjl+η·Ysy+λ3·Sbj；
其中，
Figure BDA0002667140950000101
其中，Hjtz为音频结果中的危害值的具体值；Dsjl为具有异常的人物与驾驶员之间的距离危险值；Ysy为异常声音危险值；Sbj为异常的乘客区域的异常面积危险值；λ1为距离危险值在总危险值中所占的权重；η为异常声音危险值在总危险值中所占的权重；λ3为异常面积危险值在总危险值中所占的权重；Tsy为驾驶座位接收到异常声音的时间；r1为绝热系数；r2为摩尔气体常数；Tw为温度；Gm为气体的摩尔质量。
具体的，异常声音危险值Ysy为根据异常声音设定的参数。Sbj等于具有异常的人物脚不动时所能攻击的范围。
进一步的，对可能存在异常情况的声音数据进行二次处理，生成二次处理结果的子步骤如下：
Y210：对声音数据进行语义识别，获取语义内容。
具体的，音频处理单元对声音数据进行语义识别，获取语义内容。
Y220：根据异常语义数据库对语义内容进行处理，生成二次处理结果。具体的，音频处理单元获得语义内容后，读取预先存储于存储装置内的异常语义数据库，利用异常语义数据库对语义内容进行比对，若语义内容为与异常语义数据库中存储的异常类型相同的异常内容或相似的异常内容(该异常内容会对驾驶员或者某些乘客造成意外事件或表示已经发生意外事件)，则生成的二次处理结果为：有异常。若语义内容与异常语义数据库中存储的异常类型相同的异常内容或相似的异常内容不同，则生成的二次处理结果为：无异常。
R130：根据图像结果和音频结果生成事件结果。
具体的，分析单元根据图像结果和音频结果生成事件结果，并将事件结果发送至路况单元，执行R2。其中，事件结果包括：事件状态和危险程度。
若图像结果的状况和音频结果的状况均为无异常，则生成的事件结果为：事件状态：安全；危险程度：无。若图像结果的状况和音频结果的状况中的一个或多个为有异常，则生成的事件结果为：事件状态：安全；危险程度：低或高。
其中，危险程度根据图像结果中的危害值Twhz或者音频结果中的危害值Ywhz而定。
具体的，当图像结果中的危害值Twhz或者音频结果中的危害值Ywhz大于或等于预设危险阀值时，危险程度为高，当图像结果中的危害值Twhz或者音频结果中的危害值Ywhz小于预设危险阀值时，危险程度为低。
R2：根据事件结果对路况数据进行分析，生成路况结果。
具体的，路况单元接收到事件结果后，根据事件结果对路况数据进行分析，生成路况结果，并将路况结果发送至指令单元。
进一步的，根据事件结果对路况数据进行分析，生成路况结果的子步骤如下：
R210：对事件结果进行判断，生成处理指令，其中，处理指令为第一处理指令或者第二处理指令。
具体的，若事件结果为：事件状态：安全；危险程度：无，则生成第一处理指令。
若事件结果为：事件状态：安全；危险程度：低，则生成第一处理指令。
若事件结果为：事件状态：安全；危险程度：高，则生成第二处理指令。
R220：根据处理指令对路况数据进行处理，生成路况结果，其中路况结果包括：行驶状态和临时停车信息。
具体的，当生成的处理指令为第一处理指令时，表示车内情况安全，只需路况数据中的实时行驶路线进行分析，若实时行驶路线与目标行驶路线中的路段一致，则表示行驶路线正确，驾驶员无异常操作，生成的路况结果为：行驶状态：行驶正常；临时停车信息：无。
若实时行驶路线与目标行驶路线中的路段不一致，则表示行驶路线不正确，驾驶员有异常操作，存在恶意驾驶从而导致危险的可能，需要对路况数据中的当前路段状态进行分析，检测该路段周围是否存在危险区域(例如：道路两侧存在断崖、河流等车辆驶入可能导致人员死亡的区域)，若存在，则生成的路况结果为：行驶状态：行驶异常；临时停车信息：至少包括停车位置和到达停车位置的时间。
若事件结果为：事件状态：安全；危险程度：高，则生成第二处理指令，分析路况数据，并生成路况结果，生成的路况结果为：行驶状态：行驶异常；临时停车信息：至少包括停车位置和到达停车位置的时间。
进一步的，当生成的路况结果为：行驶状态：行驶异常；临时停车信息：至少包括停车位置和到达停车位置的时间时，获取临时停车信息的子步骤如下：
K1：根据路况数据中的路段属性确定路段类型，其中，路段类型包括：可停路段和非可停路段。
具体的，路段属性包括：高速路、非高速路、城市辅路、危险山路、高架桥路、立交桥路、狭窄沿海路、宽阔沿海路等属性。其中，高速路、危险山路、高架桥路、立交桥路和狭窄沿海路等属性的路段为不可以随便临时停车的路段，非高速路、城市辅路和宽阔沿海路等属性的路段为可以随便临时停车的路段。
若当前行驶的路段属性为不可以随便临时停车的路段，则确定该路段的路段类型为非可停路段，若当前行驶的路段属性为可以随便临时停车的路段，则确定该路段的路段类型为可停路段。
K2：根据路段类型获取停车位置和到达停车位置的时间。
具体的，若路段类型为可停路段，则停车位置为：就近位置；到达停车位置的时间为：Tdd＜0.1h。其中，就近位置指当前行驶路段距离当前行驶位置最近的停靠点。
若路段类型为非可停路段，则停车位置为：较远位置；到达停车位置的时间为：Tdd＝Jtsc，其中Jtsc为计算得出的具体时长。
获取临时停车信息中的到达停车位置的时间的公式如下：
Figure BDA0002667140950000131
其中，Jtsc为到达停车位置的具体时长；Ddt为当前行驶位置到停车位置的距离；Vjs为交通工具的假设速度，
Figure BDA0002667140950000132
为取样时间段td中车辆的平均行驶时间；Msl为取样时间段td中车辆的到达数量；e为常数；β为路段拥挤参数，表示按照特定时间段的交通拥挤程度设置的一个参数，交通越拥挤，则交通拥挤阀值β越大。
其中，具体的特定时间段的分段方式可以根据实际情况而定。优选的，特定时间段可分为上下班时间段和非上下班时间段。
R3：根据路况结果生成行进结果。
具体的，路况单元根据路况结果生成行进结果，并将行进结果发送至指令单元。其中，行进结果为行进无异常和行进异常。若行进结果为行进异常，则行进结果还包括临时停车信息。
若生成的路况结果为：行驶状态：行驶正常；临时停车信息：无，则生成的行进结果为行进无异常。若生成的路况结果为：行驶状态：行驶异常；临时停车信息：至少包括停车位置和到达停车位置的时间，则生成的行进结果为行进异常。
R4：根据行进结果生成指令，其中，指令为：继续监控指令或警报指令。
具体的，指令单元接收到行进结果后，根据行进结果生成指令，其中，指令为继续监控指令或警报指令。若行进结果为行进无异常，则生成继续监控指令，并将继续监控指令下发至数据采集装置，数据采集装置接收并执行继续监控指令；若行进结果为行进异常，则生成警报指令，并将警报指令下发至警报装置，警报装置接收并执行警报指令。其中，警报指令包括警报信息，警报信息包括：危险原因和临时停车信息。
本申请具有对交通工具内的异常事件和异常驾驶事件进行安全监控，并及时对异常情况进行警报，从而避免人员伤亡的技术效果。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，本申请的保护范围意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请保护范围及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种安全监控方法，其特征在于，包括如下步骤：
确定目标行驶路线；
根据目标行驶路线驾驶，并实时获取行进数据；
对行进数据进行分析，并生成指令，指令为继续监控指令或警报指令。
2.根据权利要求1所述的安全监控方法，其特征在于，对行进数据进行分析，并生成指令的子步骤如下：
对行进数据中的车内数据进行分析，生成事件结果；
根据事件结果对路况数据进行分析，生成路况结果；
根据路况结果生成行进结果；
根据行进结果生成指令。
3.根据权利要求2所述的安全监控方法，其特征在于，对行进数据中的车内数据进出分析，生成事件结果的子步骤如下：
对车内数据中的视频数据进行分析，生成图像结果；
对车内数据中的音频数据进行分析，生成音频结果；
根据图像结果和音频结果生成事件结果。
4.根据权利要求3所述的安全监控方法，其特征在于，对车内数据中的视频数据进行分析，生成图像结果的子步骤如下：
对视频数据进行预判断，并生成预判结果，其中，预判结果为：有异常可能或无异常可能；
根据预判结果进行处理，生成图像结果；
其中，若生成的预判结果为：有异常可能，则表示视频数据中有存在异常情况的可能，需要对可能存在异常情况的人物区域进行二次分析，生成二次分析结果，其中，二次分析结果为：有异常或无异常。
5.根据权利要求4所述的安全监控方法，其特征在于，若二次分析结果为：有异常，则生成的图像结果为：状况：有异常；异常原因：乘客区域异常；危害值：Twhz＝Kjtz，其中，Kjtz为计算得出的具体值。
6.根据权利要求5所述的安全监控方法，其特征在于，图像结果中的危害值的具体值的计算公式为：
Kjtz＝λ1·Ddjl+λ2·Wdz+λ3·Sbj；
其中，
Figure FDA0002667140940000021
其中，Kjtz为图像结果中的危害值的具体值；Ddjl为具有异常的人物与驾驶员之间的距离危险值；Wdz为异常动作危险值；Sbj为异常的乘客区域的异常面积危险值；λ1为距离危险值在总危险值中所占的权重；λ2为异常动作危险值在总危险值中所占的权重；λ3为异常面积危险值在总危险值中所占的权重；(x0,y0)为驾驶座位所在的坐标，将驾驶座位的坐标点作为原点，(a,b)为具有异常的人物所在位置的坐标。
7.一种安全监控系统，其特征在于，包括：数据采集装置、数据处理装置、存储装置和警报装置；
其中，数据采集装置：用于根据初始行驶路线获取初始路况数据；接收并执行路线规划指令，重新生成新的行驶路线，并将新的行驶路线发送至数据处理装置；采集行进数据，并将行进数据发送至数据处理装置；接收并执行继续监控指令；
数据处理装置：用于执行权利要求1-6中任意一项所述的安全监控方法；
存储装置：用于存储异常动作数据库和异常语义数据库；
警报装置：用于接收并执行警报指令。
8.根据权利要求7所述的安全监控系统，其特征在于，数据采集装置至少包括：定位单元和采集单元；
其中，定位单元：用于根据起点和终点设置初始行驶路线；接收并执行路线规划指令，重新生成新的行驶路线；获取行进数据中的路况数据；
采集单元：用于获取行进数据中的车内数据，其中，车内数据至少包括：视频数据和音频数据。
9.根据权利要求8所述的安全监控系统，其特征在于，数据处理装置至少包括：图像处理单元、音频处理单元、路况单元、分析单元和指令单元；
其中，图像处理单元：用于对车内数据中的视频数据进行分析，生成图像结果，并将图像结果发送至分析单元；
音频处理单元：用于对车内数据中的音频数据进行分析，生成音频结果，并将音频结果发送至分析单元；
分析单元：用于对初始路况数据进行初始检测，并生成初始检测结果；接收图像结果和音频结果，根据图像结果和音频结果生成事件结果，并将事件结果发送至路况单元；
路况单元：接收事件结果，根据事件结果对路况数据进行分析，生成路况结果，并根据路况结果获得行进结果，将行进结果发送至指令单元；
指令单元：对初始检测结果进行分析；向数据采集装置下发路线规划指令；接收行进结果，根据行进结果生成指令，指令为：继续监控指令或警报指令。
10.根据权利要求9所述的安全监控系统，其特征在于，警报指令包括警报信息，警报信息至少包括：危险原因和临时停车信息。
CN202010922274.1A 2020-09-04 2020-09-04 一种安全监控方法及其系统 Active CN112002102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010922274.1A CN112002102B (zh) 2020-09-04 2020-09-04 一种安全监控方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010922274.1A CN112002102B (zh) 2020-09-04 2020-09-04 一种安全监控方法及其系统

Publications (2)

Publication Number Publication Date
CN112002102A true CN112002102A (zh) 2020-11-27
CN112002102B CN112002102B (zh) 2021-09-14

Family

ID=73470117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010922274.1A Active CN112002102B (zh) 2020-09-04 2020-09-04 一种安全监控方法及其系统

Country Status (1)

Country Link
CN (1) CN112002102B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105292052A (zh) * 2015-11-12 2016-02-03 福州大学 车辆行车安全自动监控与报警系统
CN205113247U (zh) * 2015-11-12 2016-03-30 福州大学 车辆行车安全自动监控与报警系统
CN108985530A (zh) * 2017-05-31 2018-12-11 北京嘀嘀无限科技发展有限公司 车辆危险行为管理方法及装置
CN109255457A (zh) * 2018-09-14 2019-01-22 赵菁 基于大数据挖掘的安全网约车方法及系统
US10339401B2 (en) * 2017-11-11 2019-07-02 Bendix Commercial Vehicle Systems Llc System and methods of monitoring driver behavior for vehicular fleet management in a fleet of vehicles using driver-facing imaging device
CN110299013A (zh) * 2019-07-10 2019-10-01 深圳成谷科技有限公司 一种车辆危险驾驶行为的检测处理方法、装置及设备
CN110379107A (zh) * 2019-06-21 2019-10-25 杭州金通科技集团股份有限公司 一种公交行车安全保障系统及方法
CN110706700A (zh) * 2019-09-29 2020-01-17 深圳市元征科技股份有限公司 一种车内骚扰预防报警方法及装置、服务器、存储介质
CN110751586A (zh) * 2019-02-21 2020-02-04 北京嘀嘀无限科技发展有限公司 一种订单行程异常识别方法和系统
CN110956143A (zh) * 2019-12-03 2020-04-03 交控科技股份有限公司 一种异常行为检测方法、装置、电子设备及存储介质
CN111091044A (zh) * 2019-10-25 2020-05-01 武汉大学 一种面向网约车的车内危险场景识别方法
CN111276137A (zh) * 2018-12-04 2020-06-12 北京嘀嘀无限科技发展有限公司 保护乘客的方法、电子设备和计算机可读介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105292052A (zh) * 2015-11-12 2016-02-03 福州大学 车辆行车安全自动监控与报警系统
CN205113247U (zh) * 2015-11-12 2016-03-30 福州大学 车辆行车安全自动监控与报警系统
CN108985530A (zh) * 2017-05-31 2018-12-11 北京嘀嘀无限科技发展有限公司 车辆危险行为管理方法及装置
US10339401B2 (en) * 2017-11-11 2019-07-02 Bendix Commercial Vehicle Systems Llc System and methods of monitoring driver behavior for vehicular fleet management in a fleet of vehicles using driver-facing imaging device
CN109255457A (zh) * 2018-09-14 2019-01-22 赵菁 基于大数据挖掘的安全网约车方法及系统
CN111276137A (zh) * 2018-12-04 2020-06-12 北京嘀嘀无限科技发展有限公司 保护乘客的方法、电子设备和计算机可读介质
CN110751586A (zh) * 2019-02-21 2020-02-04 北京嘀嘀无限科技发展有限公司 一种订单行程异常识别方法和系统
CN110379107A (zh) * 2019-06-21 2019-10-25 杭州金通科技集团股份有限公司 一种公交行车安全保障系统及方法
CN110299013A (zh) * 2019-07-10 2019-10-01 深圳成谷科技有限公司 一种车辆危险驾驶行为的检测处理方法、装置及设备
CN110706700A (zh) * 2019-09-29 2020-01-17 深圳市元征科技股份有限公司 一种车内骚扰预防报警方法及装置、服务器、存储介质
CN111091044A (zh) * 2019-10-25 2020-05-01 武汉大学 一种面向网约车的车内危险场景识别方法
CN110956143A (zh) * 2019-12-03 2020-04-03 交控科技股份有限公司 一种异常行为检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112002102B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
Hourdos et al. Real-time detection of crash-prone conditions at freeway high-crash locations
CN112183245A (zh) 一种监测网约车司机异常行为并告警的方法、装置及电子设备
CN110077398B (zh) 一种用于智能驾驶的危险处理方法
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
Vlahogianni et al. Freeway operations, spatiotemporal-incident characteristics, and secondary-crash occurrence
JP5992681B2 (ja) 混雑の非通常状態検知システム
CN103617734B (zh) 基于时程特征的高速公路车辆安全行驶识别方法
CN113870570B (zh) 一种基于etc的路网运行状态方法、系统和存储介质
CN116704720B (zh) 一种智慧化交通违规预警系统及方法
CN106448180A (zh) 一种长大隧道交通事件实时检测系统及其方法
CN113936465B (zh) 交通事件检测方法及装置
Appiah et al. Safety effectiveness of actuated advance warning systems
CN113905215B (zh) 一种公交安全驾驶监控系统
CN109919066B (zh) 一种检测轨道交通车厢内乘客密度异常的方法和装置
CN114565982A (zh) 基于etc的车辆状态监测方法
CN112937439B (zh) 一种公交车驾驶员驾驶行为预警系统及方法
CN112002102B (zh) 一种安全监控方法及其系统
Ki et al. Method for automatic detection of traffic incidents using neural networks and traffic data
CN114038195A (zh) 基于轨迹分析的道路异常事件监控检测方法
CN110533930B (zh) 交通数据处理方法、装置、计算机设备和存储介质
CN107134148A (zh) 占道停车行为检测方法与装置
Fujimura et al. Vehicle infrastructure integration system using vision sensors to prevent accidents in traffic flow
Samerei et al. Analyzing the transition from two-vehicle collisions to chain reaction crashes: A hybrid approach using random parameters logit model, interpretable machine learning, and clustering
CN114170800A (zh) 一种交通云控平台主动事件预测并处置的方法与系统
Appiah et al. Evaluation of NDOR's Actuated Advance Warning Systems

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