CN112509322A - 一种基于无人机的高速交通事故监管方法、系统及可读存储介质 - Google Patents

一种基于无人机的高速交通事故监管方法、系统及可读存储介质 Download PDF

Info

Publication number
CN112509322A
CN112509322A CN202011359920.4A CN202011359920A CN112509322A CN 112509322 A CN112509322 A CN 112509322A CN 202011359920 A CN202011359920 A CN 202011359920A CN 112509322 A CN112509322 A CN 112509322A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
traffic
information
accident
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.)
Withdrawn
Application number
CN202011359920.4A
Other languages
English (en)
Inventor
刘立斌
耿鹏
付骏宇
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.)
Foshan Menassen Intelligent Technology Co ltd
Original Assignee
Foshan Menassen Intelligent 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 Foshan Menassen Intelligent Technology Co ltd filed Critical Foshan Menassen Intelligent Technology Co ltd
Priority to CN202011359920.4A priority Critical patent/CN112509322A/zh
Publication of CN112509322A publication Critical patent/CN112509322A/zh
Withdrawn legal-status Critical Current

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
    • G08G1/0108—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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及一种基于无人机的高速交通事故监管方法、系统及可读存储介质，包括：通过无人机节点获取交通图像信息，将图像信息进行预处理，得到交通流数据；根据交通流数据获取车流密度，计算车流拥堵信息及拥堵类型，根据车流拥堵信息确定拥堵区域内的拥堵状态，生成处理方式；根据处理方式获取附近区域无人机待机状态，并确定无人机进入拥堵区域，调整无人机进行预订姿态，进行实时航拍，并进行突发性事件的判别，得到结果信息；根据结果信息，判定是否有交通事故及人员伤亡；若有，则通过无人机节点传输至平台；平台分析得到附近医院信息，并将交通事故情况通过无人机航拍画面与医院进行实时传输及线上互连。

Description

一种基于无人机的高速交通事故监管方法、系统及可读存储 介质
技术领域
本发明涉及一种高速交通事故监管方法，尤其涉及一种基于无人机的高速交通事故监管方法、系统及可读存储介质。
背景技术
在日益严峻的交通环境下，交通拥堵正获得越来越广泛的应用。然而，在硬件设施迅速发展和完善的同时，交通管理系统智能化程度低的问题依然存在，交通管理部门面临着从海量的交通流数据中，尤其像交通突发拥堵所产生的具有非重复特性的数据中，获取隐藏的内在信息，以及充分利用信息优势制定科学的疏导策略等问题。因此，在海量交通数据的基础上，开展动态交通流信息处理及拥堵的控制与诱导策略研究，对缓解城市交通拥堵具有重要意义，交通拥堵过程中，容易造成突发性交通事故，现有技术中涉及到一些基础管理的领域，尤其是进行现场管理有一定滞后性，如交通拥堵、交通事故(到达现场需要一定的时间且例如在高速路双向车道，无论是报警人或出警人，都很难准确的判定车流的方向，对事故处理增加了难度。
为了能够对交通事故监管实现精准的控制，需要开发一款与其相匹配的系统进行控制，该系统根据交通流数据获取车流密度，计算车流拥堵信息及拥堵类型，同时获取附近区域无人机待机状态，并确定无人机进入拥堵区域，调整无人机进行预订姿态，进行实时航拍，并进行突发性事件的判别，当有交通事故及人员伤亡；平台分析得到附近医院信息，并将交通事故情况通过无人机航拍画面与医院进行实时传输及线上互连，但是在进行控制过程中，如何实现精准控制的同时，实现高速交通事故精准动态监管都是亟不可待要解决的问题。
发明内容
本发明克服了现有技术的不足，提供一种基于无人机的高速交通事故监管方法、系统及可读存储介质。
为达到上述目的，本发明采用的技术方案为：一种基于无人机的高速交通事故监管方法，包括：
通过无人机节点获取交通图像信息，将图像信息进行预处理，得到交通流数据；
根据交通流数据获取车流密度，计算车流拥堵信息及拥堵类型，
根据车流拥堵信息确定拥堵区域内的拥堵状态，生成处理方式；
根据处理方式获取附近区域无人机待机状态，并确定无人机进入拥堵区域，
调整无人机进行预订姿态，进行实时航拍，并进行突发性事件的判别，得到结果信息；
根据结果信息，判定是否有交通事故及人员伤亡；
若有，则通过无人机节点传输至平台；
平台分析得到附近医院信息，并将交通事故情况通过无人机航拍画面与医院进行实时传输及线上互连。
本发明一个较佳实施例中，通过航拍无人机采集交通图像信息，将图像信息进行预处理，得到交通流数据，具体包括：
获取交通图像信息，将图像信息进行边缘化处理；
提取图像信息中的路径分割线及路径轨迹，生成路网信息；
根据路网信息与实际交通路径信息进行比较，得到无人机航拍姿态角；
判断无人机航拍姿态角是否大于预设航拍角；
若大于，则生成补偿信息，根据补偿信息进行调整无人机航拍姿态角；
通过无人机再次拍摄交通图像信息，并生成交通流数据。
本发明一个较佳实施例中，通过航拍无人机采集交通图像信息，将图像信息进行预处理，还包括：
将交通图像进行阈值化处理，非车道线区域处理成黑色，车道线区域处理成白色；
通过局部最小值法去除图像噪点，并通过局部最大值法对白色区域进行补偿处理；
设定剔除宽度，将白色区域进行固定宽度处理，并根据车道线极角特征建立极角约束条件，
根据极角约束条件生成补偿信息，根据补偿信息调整无人机航拍姿态角。
本发明一个较佳实施例中，还包括：获取交通事故位置信息，得到事故位置历史交通事故数据；
根据历史交通事故数据建立处理模型；
通过无人机节点采集交通事故数据，生成交通事故信息；
将交通事故信息与预设阈值进行比较，得到偏差率；
判断所述偏差率是都大于第一阈值且小于第二阈值；
若大于第一阈值且小于第二阈值，则生成第一处理方式，
判断所述偏差率是否大于第二阈值，
若大于，则生成第二处理方式，
将处理结果信息上传至平台。
本发明一个较佳实施例中，所述第一处理方式包括：
无人机飞行至事故位置，对事故车辆进行多角度拍摄，生成图像信息；
将图像信息传输至事故车主车载终端，
事故车主进行图像信息确认后，则生成提醒信息，
根据提醒信息将车辆转移至预定位置，等待交管人员到来；
所述第二处理方式包括：
无人机飞行至事故位置，对事故车辆进行多角度拍摄，生成图像信息，将图像信息传输至事故车主车载终端；
通过无人机节点监测人体活动状态，
判断人体活动状态是否异常；
若异常，则通过无人机节点连接救护终端，并将实时画面信息传输至救护终端；
救护终端接收事故画面信息，生成临时救助决策，进行远程指导救助。
本发明一个较佳实施例中，所述突发性事件包括道路拥堵、交通事故、道路施工、道路封闭、道路天气异常中的一种或多种；
所述道路拥堵包括周期性拥堵或非周期性拥堵，所述周期性拥堵包括道路交叉口或路段上预定时间段内经常出现的拥堵；所述非周期性拥堵包括随机或意外情况下造成的拥堵。
本发明第二方面还提供了一种基于无人机的高速交通事故监管系统，该系统包括：存储器、处理器，所述存储器中包括基于无人机的高速交通事故监管方法程序，所述基于无人机的高速交通事故监管方法程序被所述处理器执行时实现如下步骤：
通过无人机节点获取交通图像信息，将图像信息进行预处理，得到交通流数据；
根据交通流数据获取车流密度，计算车流拥堵信息及拥堵类型，
根据车流拥堵信息确定拥堵区域内的拥堵状态，生成处理方式；
根据处理方式获取附近区域无人机待机状态，并确定无人机进入拥堵区域，
调整无人机进行预订姿态，进行实时航拍，并进行突发性事件的判别，得到结果信息；
根据结果信息，判定是否有交通事故及人员伤亡；
若有，则通过无人机节点传输至平台；
平台分析得到附近医院信息，并将交通事故情况通过无人机航拍画面与医院进行实时传输及线上互连。
本发明一个较佳实施例中，通过航拍无人机采集交通图像信息，将图像信息进行预处理，得到交通流数据，具体包括：
获取交通图像信息，将图像信息进行边缘化处理；
提取图像信息中的路径分割线及路径轨迹，生成路网信息；
根据路网信息与实际交通路径信息进行比较，得到无人机航拍姿态角；
判断无人机航拍姿态角是否大于预设航拍角；
若大于，则生成补偿信息，根据补偿信息进行调整无人机航拍姿态角；
通过无人机再次拍摄交通图像信息，并生成交通流数据。
本发明一个较佳实施例中，获取交通事故位置信息，得到事故位置历史交通事故数据；
根据历史交通事故数据建立处理模型；
通过无人机节点采集交通事故数据，生成交通事故信息；
将交通事故信息与预设阈值进行比较，得到偏差率；
判断所述偏差率是都大于第一阈值且小于第二阈值；
若大于第一阈值且小于第二阈值，则生成第一处理方式，
判断所述偏差率是否大于第二阈值，
若大于，则生成第二处理方式，
将处理结果信息上传至平台。
本发明第三方面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中包括基于无人机的高速交通事故监管方法程序，所述基于无人机的高速交通事故监管方法程序被处理器执行时，实现上述任一项所述的基于无人机的高速交通事故监管方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
(1)通过无人机航拍道路图像信息，并实时获取交通流数据，根据模型自动识别交通事件类别，根据不同的交通事件类别做出对应的决策，无人机节点针对拥堵区域进行实时画面传输，实现城市道路的实时监控。
(2)通过无人机对事故现场进行多角度拍摄，并进行车辆碰撞程度及位置，人员伤亡信息进行实时分析，将图像信息与采集信息传输至事故车主车载终端，事故车主进行事故认证，认证通过后将采集信息上传至平台与交通管理系统，并针对事故程度进行出警处理，实现事故处理的高效性。
(3)当道路发生交通事故或有人员伤亡时，根据附近区域无人机待机状态进行选择最佳无人机节点个数飞行至预定区域，通过调整无人机节点的航拍角实现多无人机节点配合联拍，保证无人机节点传输的现场画面清晰，并与医院实现互连，进行远程指导临时自救服务。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种基于无人机的高速交通事故监管方法的流程图；
图2示出了获取交通流数据方法流程图；
图3示出了图像信息预处理方法流程图；
图4示出了通过处理模型处理交通事故的方法流程图；
图5示出了一种基于无人机的高速交通事故监管系统框图；
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于无人机的高速交通事故监管方法的流程图。
如图1所示，本发明第一方面提供了一种基于无人机的高速交通事故监管方法，包括：
S102，通过无人机节点获取交通图像信息，将图像信息进行预处理，得到交通流数据；
S104，根据交通流数据获取车流密度，计算车流拥堵信息及拥堵类型，
S106，根据车流拥堵信息确定拥堵区域内的拥堵状态，生成处理方式；
S108，根据处理方式获取附近区域无人机待机状态，并确定无人机进入拥堵区域，
S110，调整无人机进行预订姿态，进行实时航拍，并进行突发性事件的判别，得到结果信息；
S112，根据结果信息，判定是否有交通事故及人员伤亡；
S114，若有，则通过无人机节点传输至平台，平台分析得到附近医院信息，并将交通事故情况通过无人机航拍画面与医院进行实时传输及线上互连。
需要说明的是，通过无人机航拍道路图像信息，并实时获取交通流数据，根据模型自动识别交通事件类别，根据不同的交通事件类别做出对应的决策，无人机节点针对拥堵区域进行实时画面传输，实现城市道路的实时监控，在反映交通流状态的各种指标中包括交通量、车辆的平均速度、车道占有率，需要注意的是交通量与车辆的平均速度、车道占有率呈非线性相关关系，动态交通流参数具有时空数据的明显特征，时空自相关是其最核心、最本质的特征，用来描述在时间域和空间域上的内在属性。时空自相关性可以分为时间自相关和空间自相关，时间序列在一般情况下具有取值在相邻时刻上(或时间段内)相互关联的特征，即为时间自相关。交通量、车辆平均速度、车道占有率等反映交通流参数数据具备时间自相关属性，即在相邻时刻上(或时间段内)存在相关性，其自相关系数为
Figure BDA0002803683940000081
其中λ表示时间自相关系数，n为时间延迟期数，T为抽样的时间点总数；xt为t时刻的研究属性值，xt+n为t+n时刻的研究属性值，xt+2n为t+2n时刻的研究属性值，
Figure BDA0002803683940000082
为T个时刻内所有研究属性值的平均值；自相关系数的取值范围在区间[-1,1]之内，越接近1说明时间序列的自相关程度越高。
需要说明的是，通过无人机对事故现场进行多角度拍摄，并进行车辆碰撞程度及位置，人员伤亡信息进行实时分析，将图像信息与采集信息传输至事故车主车载终端，事故车主进行事故认证，认证通过后将采集信息上传至平台与交通管理系统，并针对事故程度进行出警处理，实现事故处理的高效性。
如图2所示，本发明公开了获取交通流数据方法流程图；
根据本发明实施例，通过航拍无人机采集交通图像信息，将图像信息进行预处理，得到交通流数据，具体包括：
S202，获取交通图像信息，将图像信息进行边缘化处理；
S204，提取图像信息中的路径分割线及路径轨迹，生成路网信息；
S206，根据路网信息与实际交通路径信息进行比较，得到无人机航拍姿态角；
S208，判断无人机航拍姿态角是否大于预设航拍角；
S210，若大于，则生成补偿信息，根据补偿信息进行调整无人机航拍姿态角；
S212，通过无人机再次拍摄交通图像信息，并生成交通流数据。
需要说明的是，当道路发生交通事故或有人员伤亡时，根据附近区域无人机待机状态进行选择最佳无人机节点个数飞行至预定区域，通过调整无人机节点的航拍角实现多无人机节点配合联拍，保证无人机节点传输的现场画面清晰，并与医院实现互连，进行远程指导临时自救服务。
如图3所示，本发明公开了图像信息预处理方法流程图；
根据本发明实施例，通过航拍无人机采集交通图像信息，将图像信息进行预处理，还包括：
S302，将交通图像进行阈值化处理，非车道线区域处理成黑色，车道线区域处理成白色；
S304，通过局部最小值法去除图像噪点，并通过局部最大值法对白色区域进行补偿处理；
S306，设定剔除宽度，将白色区域进行固定宽度处理，并根据车道线极角特征建立极角约束条件，
S308，根据极角约束条件生成补偿信息，根据补偿信息调整无人机航拍姿态角。
如图4所示，本发明公开了通过处理模型处理交通事故的方法流程图；
根据本发明实施例，还包括：S402，获取交通事故位置信息，得到事故位置历史交通事故数据；
S404，根据历史交通事故数据建立处理模型；
S406，通过无人机节点采集交通事故数据，生成交通事故信息；
S408，将交通事故信息与预设阈值进行比较，得到偏差率；
S410，判断所述偏差率是都大于第一阈值且小于第二阈值；
S412，若大于第一阈值且小于第二阈值，则生成第一处理方式，
S414，判断所述偏差率是否大于第二阈值，
S416，若大于，则生成第二处理方式，将处理结果信息上传至平台。
根据本发明实施例，所述第一处理方式包括：
无人机飞行至事故位置，对事故车辆进行多角度拍摄，生成图像信息；
将图像信息传输至事故车主车载终端，
事故车主进行图像信息确认后，则生成提醒信息，
根据提醒信息将车辆转移至预定位置，等待交管人员到来；
所述第二处理方式包括：
无人机飞行至事故位置，对事故车辆进行多角度拍摄，生成图像信息，将图像信息传输至事故车主车载终端；
通过无人机节点监测人体活动状态，
判断人体活动状态是否异常；
若异常，则通过无人机节点连接救护终端，并将实时画面信息传输至救护终端；
救护终端接收事故画面信息，生成临时救助决策，进行远程指导救助。
根据本发明实施例，所述突发性事件包括道路拥堵、交通事故、道路施工、道路封闭、道路天气异常中的一种或多种；
所述道路拥堵包括周期性拥堵或非周期性拥堵，所述周期性拥堵包括道路交叉口或路段上预定时间段内经常出现的拥堵；所述非周期性拥堵包括随机或意外情况下造成的拥堵。
如图5所示，本发明公开了一种基于无人机的高速交通事故监管系统框图；
本发明第二方面还提供了一种基于无人机的高速交通事故监管系统，该系统包括：存储器、处理器，所述存储器中包括基于无人机的高速交通事故监管方法程序，所述基于无人机的高速交通事故监管方法程序被所述处理器执行时实现如下步骤：
通过无人机节点获取交通图像信息，将图像信息进行预处理，得到交通流数据；
根据交通流数据获取车流密度，计算车流拥堵信息及拥堵类型，
根据车流拥堵信息确定拥堵区域内的拥堵状态，生成处理方式；
根据处理方式获取附近区域无人机待机状态，并确定无人机进入拥堵区域，
调整无人机进行预订姿态，进行实时航拍，并进行突发性事件的判别，得到结果信息；
根据结果信息，判定是否有交通事故及人员伤亡；
若有，则通过无人机节点传输至平台；
平台分析得到附近医院信息，并将交通事故情况通过无人机航拍画面与医院进行实时传输及线上互连。
需要说明的是，通过无人机航拍道路图像信息，并实时获取交通流数据，根据模型自动识别交通事件类别，根据不同的交通事件类别做出对应的决策，无人机节点针对拥堵区域进行实时画面传输，实现城市道路的实时监控，在反映交通流状态的各种指标中包括交通量、车辆的平均速度、车道占有率，需要注意的是交通量与车辆的平均速度、车道占有率呈非线性相关关系，动态交通流参数具有时空数据的明显特征，时空自相关是其最核心、最本质的特征，用来描述在时间域和空间域上的内在属性。时空自相关性可以分为时间自相关和空间自相关，时间序列在一般情况下具有取值在相邻时刻上(或时间段内)相互关联的特征，即为时间自相关。交通量、车辆平均速度、车道占有率等反映交通流参数数据具备时间自相关属性，即在相邻时刻上(或时间段内)存在相关性，其自相关系数为
Figure BDA0002803683940000121
其中λ表示时间自相关系数，n为时间延迟期数，T为抽样的时间点总数；xt为t时刻的研究属性值，xt+n为t+n时刻的研究属性值，xt+2n为t+2n时刻的研究属性值，
Figure BDA0002803683940000122
为T个时刻内所有研究属性值的平均值；自相关系数的取值范围在区间[-1,1]之内，越接近1说明时间序列的自相关程度越高。
当道路发生交通事故或有人员伤亡时，根据附近区域无人机待机状态进行选择最佳无人机节点个数飞行至预定区域，通过调整无人机节点的航拍角实现多无人机节点配合联拍，保证无人机节点传输的现场画面清晰，并与医院实现互连，进行远程指导临时自救服务。
根据本发明实施例，通过航拍无人机采集交通图像信息，将图像信息进行预处理，得到交通流数据，具体包括：
获取交通图像信息，将图像信息进行边缘化处理；
提取图像信息中的路径分割线及路径轨迹，生成路网信息；
根据路网信息与实际交通路径信息进行比较，得到无人机航拍姿态角；
判断无人机航拍姿态角是否大于预设航拍角；
若大于，则生成补偿信息，根据补偿信息进行调整无人机航拍姿态角；
通过无人机再次拍摄交通图像信息，并生成交通流数据。
需要说明的是，通过无人机对事故现场进行多角度拍摄，并进行车辆碰撞程度及位置，人员伤亡信息进行实时分析，将图像信息与采集信息传输至事故车主车载终端，事故车主进行事故认证，认证通过后将采集信息上传至平台与交通管理系统，并针对事故程度进行出警处理，实现事故处理的高效性。
根据本发明实施例，获取交通事故位置信息，得到事故位置历史交通事故数据；
根据历史交通事故数据建立处理模型；
通过无人机节点采集交通事故数据，生成交通事故信息；
将交通事故信息与预设阈值进行比较，得到偏差率；
判断所述偏差率是都大于第一阈值且小于第二阈值；
若大于第一阈值且小于第二阈值，则生成第一处理方式，
判断所述偏差率是否大于第二阈值，
若大于，则生成第二处理方式，
将处理结果信息上传至平台。
根据本发明实施例，所述第一处理方式包括：
无人机飞行至事故位置，对事故车辆进行多角度拍摄，生成图像信息；
将图像信息传输至事故车主车载终端，
事故车主进行图像信息确认后，则生成提醒信息，
根据提醒信息将车辆转移至预定位置，等待交管人员到来；
所述第二处理方式包括：
无人机飞行至事故位置，对事故车辆进行多角度拍摄，生成图像信息，将图像信息传输至事故车主车载终端；
通过无人机节点监测人体活动状态，
判断人体活动状态是否异常；
若异常，则通过无人机节点连接救护终端，并将实时画面信息传输至救护终端；
救护终端接收事故画面信息，生成临时救助决策，进行远程指导救助。
根据本发明实施例，所述突发性事件包括道路拥堵、交通事故、道路施工、道路封闭、道路天气异常中的一种或多种；
所述道路拥堵包括周期性拥堵或非周期性拥堵，所述周期性拥堵包括道路交叉口或路段上预定时间段内经常出现的拥堵；所述非周期性拥堵包括随机或意外情况下造成的拥堵。
根据本发明实施例，通过航拍无人机采集交通图像信息，将图像信息进行预处理，还包括：
将交通图像进行阈值化处理，非车道线区域处理成黑色，车道线区域处理成白色；
通过局部最小值法去除图像噪点，并通过局部最大值法对白色区域进行补偿处理；
设定剔除宽度，将白色区域进行固定宽度处理，并根据车道线极角特征建立极角约束条件，
根据极角约束条件生成补偿信息，根据补偿信息调整无人机航拍姿态角。
本发明第三方面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中包括基于无人机的高速交通事故监管方法程序，所述基于无人机的高速交通事故监管方法程序被处理器执行时，实现上述任一项所述的基于无人机的高速交通事故监管方法的步骤。
综上所述，通过无人机航拍道路图像信息，并实时获取交通流数据，根据模型自动识别交通事件类别，根据不同的交通事件类别做出对应的决策，无人机节点针对拥堵区域进行实时画面传输，实现城市道路的实时监控。
通过无人机对事故现场进行多角度拍摄，并进行车辆碰撞程度及位置，人员伤亡信息进行实时分析，将图像信息与采集信息传输至事故车主车载终端，事故车主进行事故认证，认证通过后将采集信息上传至平台与交通管理系统，并针对事故程度进行出警处理，实现事故处理的高效性。
当道路发生交通事故或有人员伤亡时，根据附近区域无人机待机状态进行选择最佳无人机节点个数飞行至预定区域，通过调整无人机节点的航拍角实现多无人机节点配合联拍，保证无人机节点传输的现场画面清晰，并与医院实现互连，进行远程指导临时自救服务。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于无人机的高速交通事故监管方法，其特征在于，包括：
通过无人机节点获取交通图像信息，将图像信息进行预处理，得到交通流数据；
根据交通流数据获取车流密度，计算车流拥堵信息及拥堵类型，
根据车流拥堵信息确定拥堵区域内的拥堵状态，生成处理方式；
根据处理方式获取附近区域无人机待机状态，并确定无人机进入拥堵区域，
调整无人机进行预订姿态，进行实时航拍，并进行突发性事件的判别，得到结果信息；
根据结果信息，判定是否有交通事故及人员伤亡；
若有，则通过无人机节点传输至平台；
平台分析得到附近医院信息，并将交通事故情况通过无人机航拍画面与医院进行实时传输及线上互连。
2.根据权利要求1所述的一种基于无人机的高速交通事故监管方法，其特征在于，通过航拍无人机采集交通图像信息，将图像信息进行预处理，得到交通流数据，具体包括：
获取交通图像信息，将图像信息进行边缘化处理；
提取图像信息中的路径分割线及路径轨迹，生成路网信息；
根据路网信息与实际交通路径信息进行比较，得到无人机航拍姿态角；
判断无人机航拍姿态角是否大于预设航拍角；
若大于，则生成补偿信息，根据补偿信息进行调整无人机航拍姿态角；
通过无人机再次拍摄交通图像信息，并生成交通流数据。
3.根据权利要求1所述的一种基于无人机的高速交通事故监管方法，其特征在于，通过航拍无人机采集交通图像信息，将图像信息进行预处理，还包括：
将交通图像进行阈值化处理，非车道线区域处理成黑色，车道线区域处理成白色；
通过局部最小值法去除图像噪点，并通过局部最大值法对白色区域进行补偿处理；
设定剔除宽度，将白色区域进行固定宽度处理，并根据车道线极角特征建立极角约束条件，
根据极角约束条件生成补偿信息，根据补偿信息调整无人机航拍姿态角。
4.根据权利要求1所述的一种基于无人机的高速交通事故监管方法，其特征在于，还包括：
获取交通事故位置信息，得到事故位置历史交通事故数据；
根据历史交通事故数据建立处理模型；
通过无人机节点采集交通事故数据，生成交通事故信息；
将交通事故信息与预设阈值进行比较，得到偏差率；
判断所述偏差率是都大于第一阈值且小于第二阈值；
若大于第一阈值且小于第二阈值，则生成第一处理方式，
判断所述偏差率是否大于第二阈值，
若大于，则生成第二处理方式，
将处理结果信息上传至平台。
5.根据权利要求1所述的一种基于无人机的高速交通事故监管方法，其特征在于，所述第一处理方式包括：
无人机飞行至事故位置，对事故车辆进行多角度拍摄，生成图像信息；
将图像信息传输至事故车主车载终端，
事故车主进行图像信息确认后，则生成提醒信息，
根据提醒信息将车辆转移至预定位置，等待交管人员到来；
所述第二处理方式包括：
无人机飞行至事故位置，对事故车辆进行多角度拍摄，生成图像信息，
将图像信息传输至事故车主车载终端；
通过无人机节点监测人体活动状态，
判断人体活动状态是否异常；
若异常，则通过无人机节点连接救护终端，并将实时画面信息传输至救护终端；
救护终端接收事故画面信息，生成临时救助决策，进行远程指导救助。
6.根据权利要求1所述的一种基于无人机的高速交通事故监管方法，其特征在于，所述突发性事件包括道路拥堵、交通事故、道路施工、道路封闭、道路天气异常中的一种或多种；
所述道路拥堵包括周期性拥堵或非周期性拥堵，所述周期性拥堵包括道路交叉口或路段上预定时间段内经常出现的拥堵；所述非周期性拥堵包括随机或意外情况下造成的拥堵。
7.一种基于无人机的高速交通事故监管系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于无人机的高速交通事故监管方法程序，所述基于无人机的高速交通事故监管方法程序被所述处理器执行时实现如下步骤：通过无人机节点获取交通图像信息，将图像信息进行预处理，得到交通流数据；
根据交通流数据获取车流密度，计算车流拥堵信息及拥堵类型，
根据车流拥堵信息确定拥堵区域内的拥堵状态，生成处理方式；
根据处理方式获取附近区域无人机待机状态，并确定无人机进入拥堵区域，
调整无人机进行预订姿态，进行实时航拍，并进行突发性事件的判别，得到结果信息；
根据结果信息，判定是否有交通事故及人员伤亡；
若有，则通过无人机节点传输至平台；
平台分析得到附近医院信息，并将交通事故情况通过无人机航拍画面与医院进行实时传输及线上互连。
8.根据权利要求7所述的一种基于无人机的高速交通事故监管系统，其特征在于，通过航拍无人机采集交通图像信息，将图像信息进行预处理，得到交通流数据，具体包括：
获取交通图像信息，将图像信息进行边缘化处理；
提取图像信息中的路径分割线及路径轨迹，生成路网信息；
根据路网信息与实际交通路径信息进行比较，得到无人机航拍姿态角；
判断无人机航拍姿态角是否大于预设航拍角；
若大于，则生成补偿信息，根据补偿信息进行调整无人机航拍姿态角；
通过无人机再次拍摄交通图像信息，并生成交通流数据。
9.根据权利要求7所述的一种基于无人机的高速交通事故监管系统，其特征在于，获取交通事故位置信息，得到事故位置历史交通事故数据；
根据历史交通事故数据建立处理模型；
通过无人机节点采集交通事故数据，生成交通事故信息；
将交通事故信息与预设阈值进行比较，得到偏差率；
判断所述偏差率是都大于第一阈值且小于第二阈值；
若大于第一阈值且小于第二阈值，则生成第一处理方式，
判断所述偏差率是否大于第二阈值，
若大于，则生成第二处理方式，
将处理结果信息上传至平台。
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中包括基于无人机的高速交通事故监管方法程序，所述基于无人机的高速交通事故监管方法程序被处理器执行时，实现如权利要求1至6中任一项所述的基于无人机的高速交通事故监管方法的步骤。
CN202011359920.4A 2020-11-27 2020-11-27 一种基于无人机的高速交通事故监管方法、系统及可读存储介质 Withdrawn CN112509322A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011359920.4A CN112509322A (zh) 2020-11-27 2020-11-27 一种基于无人机的高速交通事故监管方法、系统及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011359920.4A CN112509322A (zh) 2020-11-27 2020-11-27 一种基于无人机的高速交通事故监管方法、系统及可读存储介质

Publications (1)

Publication Number Publication Date
CN112509322A true CN112509322A (zh) 2021-03-16

Family

ID=74966979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011359920.4A Withdrawn CN112509322A (zh) 2020-11-27 2020-11-27 一种基于无人机的高速交通事故监管方法、系统及可读存储介质

Country Status (1)

Country Link
CN (1) CN112509322A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113923405A (zh) * 2021-09-29 2022-01-11 陕西通信规划设计研究院有限公司 一种基于安全监控的移动通信系统
CN113949846A (zh) * 2021-09-28 2022-01-18 上海翼枭航空科技有限公司 适配于自主飞机的智慧城市图像精细化管理方法及系统
CN117315934A (zh) * 2023-09-25 2023-12-29 阜阳交通能源投资有限公司 基于无人机的高速公路车流量实时监测及拥堵预测系统
CN117576908A (zh) * 2023-11-21 2024-02-20 青岛格仑特新能源车辆制造有限公司 一种基于物联网的智能警用车载控制系统及方法
CN117912229A (zh) * 2023-11-29 2024-04-19 招商智广科技(安徽)有限公司 一种基于视频监控的高速智能调度管理系统
CN117912229B (zh) * 2023-11-29 2024-07-09 招商智广科技(安徽)有限公司 一种基于视频监控的高速智能调度管理系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113949846A (zh) * 2021-09-28 2022-01-18 上海翼枭航空科技有限公司 适配于自主飞机的智慧城市图像精细化管理方法及系统
CN113923405A (zh) * 2021-09-29 2022-01-11 陕西通信规划设计研究院有限公司 一种基于安全监控的移动通信系统
CN113923405B (zh) * 2021-09-29 2024-02-23 陕西通信规划设计研究院有限公司 一种基于安全监控的移动通信系统
CN117315934A (zh) * 2023-09-25 2023-12-29 阜阳交通能源投资有限公司 基于无人机的高速公路车流量实时监测及拥堵预测系统
CN117576908A (zh) * 2023-11-21 2024-02-20 青岛格仑特新能源车辆制造有限公司 一种基于物联网的智能警用车载控制系统及方法
CN117576908B (zh) * 2023-11-21 2024-04-26 青岛格仑特新能源车辆制造有限公司 一种基于物联网的智能警用车载控制系统及方法
CN117912229A (zh) * 2023-11-29 2024-04-19 招商智广科技(安徽)有限公司 一种基于视频监控的高速智能调度管理系统
CN117912229B (zh) * 2023-11-29 2024-07-09 招商智广科技(安徽)有限公司 一种基于视频监控的高速智能调度管理系统

Similar Documents

Publication Publication Date Title
CN112509322A (zh) 一种基于无人机的高速交通事故监管方法、系统及可读存储介质
KR101833359B1 (ko) 차량의 외부 영상 빅데이터를 이용한 교통 정보 수집 방법 및 장치
US11380105B2 (en) Identification and classification of traffic conflicts
US10803322B2 (en) Networks of sensors collaboratively chronicling events of interest
KR102122859B1 (ko) 교통 영상감시시스템의 멀티 표적 추적 방법
CN112462774A (zh) 一种基于无人机航行跟随的城市道路监管方法、系统及可读存储介质
CN107220633A (zh) 一种智能移动执法系统及方法
CN112382097A (zh) 一种基于动态交通流的城市道路监管方法、系统及可读存储介质
CN112433539A (zh) 一种处理高速交通事故的无人机调度方法、系统及可读存储介质
KR102282800B1 (ko) 라이다와 영상카메라를 이용한 멀티 표적 추적 방법
KR102122850B1 (ko) 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션
CN113642403B (zh) 基于边缘计算的人群异动智能安全检测系统
CN107330414A (zh) 暴力行为监控方法
CN109191829A (zh) 道路安全监控方法及系统、计算机可读存储介质
CN114202711A (zh) 一种列车车厢内异常行为智能监测方法、装置及监控系统
CN111932889B (zh) 一种基于车路协同的交通疏导系统
CN117319609A (zh) 一种物联网大数据智能视频监控系统及方法
CN114241589A (zh) 一种基于车载视频的公交司机违规行为判定方法及装置
WO2022218011A1 (zh) 交通异常检测方法、装置、设备、存储介质以及程序产品
CN115546742A (zh) 一种基于单目热红外摄像头的铁轨异物识别方法及系统
CN113869220A (zh) 重大交通事故的监测方法及系统
Ritchie et al. Field investigation of advanced vehicle reidentification techniques and detector technologies-Phase 1
CN114399910A (zh) 交通控制方法及相关设备
CN111680897A (zh) 一种勤务管控方法、装置、系统及计算机可读存储介质
Hubner et al. Audio-video sensor fusion for the detection of security critical events in public spaces

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210316

WW01 Invention patent application withdrawn after publication