CN112562330A - 评估道路运行指数的方法和装置、电子设备、存储介质 - Google Patents
评估道路运行指数的方法和装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN112562330A CN112562330A CN202011364842.7A CN202011364842A CN112562330A CN 112562330 A CN112562330 A CN 112562330A CN 202011364842 A CN202011364842 A CN 202011364842A CN 112562330 A CN112562330 A CN 112562330A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicles
- vehicle
- speed
- road
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例提供的评估道路运行指数的方法和装置、电子设备、存储介质,属于互联网技术领域。评估道路运行指数的方法,包括:获取待评估的路段视频数据;对所述路段视频数据进行车道检测,得到对应每一车道的车道视频信息;对每一所述车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数;根据所述车辆行驶速度和车辆数,评估对应每一所述车道的道路运行指数。通过本公开实施例,可以评估每一车道的道路运行指数,从而可以实现实时反映每条车道的道路运行指数。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及评估道路运行指数的方法和装置、电子设备、存储介质。
背景技术
在我国公路交通线路网中,主干线最基础的也有单向两车道,双向四车道的情况,一些大型交通枢纽的干线更是有单向四车道,双向八车道的情况。但当前常用的技术方案在评估道路拥堵情况时只是对单方向总体的道路评估,并没有具体到某一车道的拥堵情况,这样的道路评估并不能反映实际情况,对交通疏通决策有消极影响。
发明内容
本公开实施例的主要目的在于提出一种评估道路运行指数的方法和装置、电子设备、存储介质,可以评估每一车道的道路运行指数。
为实现上述目的,本公开实施例的第一方面提出了一种评估道路运行指数的方法,包括:
获取待评估的路段视频数据;
对所述路段视频数据进行车道检测,得到对应每一车道的车道视频信息;
对每一所述车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数;
根据所述车辆行驶速度和车辆数,评估对应每一所述车道的道路运行指数。
在一些实施例中,所述对所述路段视频数据进行车道检测,得到对应每一车道的车道视频信息,包括:
将所述路段视频数据输入至预设的车道检测模型进行车道检测,得到对应每一车道的监控视频流;
根据所述监控视频流得到所述车道视频信息。
在一些实施例中,所述对每一所述车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数,包括:
将所述路段视频数据输入至预设的车辆追踪模型进行车辆追踪,得到对应每一所述车道的车辆平均速度和车辆数。
在一些实施例中,所述车辆追踪模型包括FairMOT多目标跟踪模型和测速模块,通过所述FairMOT多目标跟踪模型实时统计所述车辆数,通过所述测速模块获取所述车辆平均速度。
在一些实施例中,所述通过所述测速模块获取所述车辆平均速度,包括:
获取所述所述路段视频数据中的图像数据;
建立对应所述图像数据的世界坐标系与相机坐标系之间的转换关系、以及所述相机坐标系与图像坐标系之间的转换关系;
根据所述世界坐标系与所述相机坐标系之间的转换关系、以及所述相机坐标系与所述图像坐标系之间的转换关系计算出所述车辆平均速度。
在一些实施例中,所述车辆行驶速度为车辆平均速度,所述根据所述车辆行驶速度和车辆数,评估对应每一所述车道的道路运行指数,包括:
比较所述车辆平均速度与预设速度范围之间的关系和比较所述车辆数与预设车辆数量范围之间的关系;
根据所述车辆平均速度与所述预设速度范围之间的小关系以及所述车辆数与所述预设车辆数量范围之间的关系评估对应每一所述车道的道路运行指数。
在一些实施例中,所述预设速度范围包括速度阈值上限和速度阈值下限,所述预设车辆数量范围包括车辆阈值上限和车辆阈值下限,所述道路运行指数包括以下至少之一:通畅,轻微拥堵,严重拥堵;所述根据所述车辆平均速度与所述速度阈值之间的大小关系以及所述车辆数与所述车辆阈值之间的大小关系评估对应每一所述车道的道路运行指数,至少包括以下步骤之一:
若所述根据所述车辆平均速度大于所述速度阈值上限且所述车辆数小于所述车辆阈值下限,则评估对应每一所述车道的道路运行指数为所述通畅;
若所述根据所述车辆平均速度在所述预设速度范围内且所述车辆数在所述预设车辆数量范围内,则评估对应每一所述车道的道路运行指数为所述轻微拥堵;或者
若所述根据所述车辆平均速度小于所述速度阈值下限且所述车辆数大于所述车辆阈值上限,则评估对应每一所述车道的道路运行指数为所述严重拥堵。
为实现上述目的,本公开实施例的第二方面提出了一种评估道路运行指数的装置,包括:
视频数据获取模块,用于获取待评估的路段视频数据;
车道检测模块,用于对所述路段视频数据进行车道检测,得到对应每一车道的车道视频信息;
车辆检测模块,用于对每一所述车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数;
道路运行指数评估模块,用于根据所述车辆行驶速度和车辆数,评估对应每一所述车道的道路运行指数。
为实现上述目的,本公开实施例的第三方面提出了一种电子设备,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在存储器中,处理器执行所述至少一个程序以实现本公开实施例如上述第一方面所述的方法。
为实现上述目的,本公开实施例的第四方面提出了一种存储介质,所述存储介质为计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行:
如上述第一方面所述的方法。
本公开实施例提出的评估道路运行指数的方法和装置、电子设备、存储介质,通过获取待评估的路段视频数据,并对所述路段视频数据进行车道检测、以得到对应每一车道的车道视频信息,再对每一所述车道视频信息进行车辆检测、以得到对应每一车道的车辆行驶速度和车辆数,从而可以根据所述车辆行驶速度和车辆数评估对应每一所述车道的道路运行指数,从而可以实现实时反映每条车道的道路运行指数。
附图说明
图1是本公开实施例提供的评估道路运行指数的方法的流程图。
图2是图1中的步骤102的流程图。
图3是图1中的步骤103的流程图。
图4是图1中的步骤104的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的,不是旨在限制本发明。
首先,对本申请中涉及的若干名词进行解析:
FairMOT多目标跟踪模型:基本采用的是检测+跟踪的思路,检测采用的centernet,跟踪采用deepsort,将两个任务进行了端到端训练,可以实现对目标的检测和追踪。
超快速车道线检测算法(Ultra Fast Structure-aware Deep Lane Detection):使用全局特征选择图像在预定义行上的车道线位置,即将车道线检测定义为寻找车道线在图像中某些行的位置的集合,即基于行方向上的位置选择、分类(row-basedclassification);车道线表示为不同行上的选定位置,而不是分割图,过优化选定位置的关系(即结构损失)来直接利用车道的刚度和平滑度。
随着经济的发展,出现越来越多的车辆,车辆已成为人们日常生活和工作所不可或缺的出行工具,交通拥堵也逐渐成为一大重点问题,为解决道路拥堵问题,很多政府在规划建设了城市快速路,但目前针对整个城市快速路的运营通行能力缺乏科学的评估监测,道路安装的卡口、电子警察等前端设备采集数据信息后,没有得到有效的整合加工,没有有效运用于道路通行能力的监控,导致对整条道路的运行能力的判断缺乏科学实时的数据支撑,不便于提升道路交通管理的现代化、精细化水平。并且,在我国公路交通线路网中,主干线最基础的也有单向两车道,双向四车道的情况,一些大型交通枢纽的干线更是有单向四车道,双向八车道的情况。但当前常用的技术方案在评估道路拥堵情况时只是对单方向总体的道路评估,并没有具体到某一车道的拥堵情况,这样的道路评估并不能反映实际情况,对交通疏通决策有消极影响。
基于此,本公开实施例提出一种评估道路运行指数的技术方案,可以实时反映每一车道的道路运行指数。
本公开实施例提供一种评估道路运行指数的方法和装置、电子设备、存储介质,具体通过如下实施例进行说明,首先描述本公开实施例中的评估道路运行指数的方法。
本公开实施例提供的评估道路运行指数的方法,可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机或者智能手表等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现评估道路运行指数的方法的应用等,但并不局限于以上形式。
请参阅图1,图1是本公开实施例提供的评估道路运行指数的方法的一个可选的流程图,图1中的方法包括步骤101至步骤104。
步骤101、获取待评估的路段视频数据;
步骤102、对路段视频数据进行车道检测,得到对应每一车道的车道视频信息;
步骤103、对每一车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数;
步骤104、根据车辆行驶速度和车辆数,评估对应每一车道的道路运行指数。
本公开实施例提出的评估道路运行指数的方法,通过获取待评估的路段视频数据,并对所述路段视频数据进行车道检测、以得到对应每一车道的车道视频信息,再对每一所述车道视频信息进行车辆检测、以得到对应每一车道的车辆行驶速度和车辆数,从而可以根据所述车辆行驶速度和车辆数评估对应每一所述车道的道路运行指数,从而可以实现实时反映每条车道的道路运行指数
在一些实施例中,路段视频数据可以通过摄像机拍摄获得,该摄像机可以是监控摄像头,相应地,该路段视频数据可以是监控视频数据;路段视频数据可以包括摄像画面,该摄像画面包括了车辆、车道等相关信息;该路段视频数据是指在摄像画面中车道线垂直于x轴的监控视频数据。
请参阅图2,在一些实施例中,步骤102,包括:
步骤201、将路段视频数据输入至预设的车道检测模型进行车道检测,得到对应每一车道的监控视频流;
步骤202、根据监控视频流得到车道视频信息。
在一些实施例中,车道检测模型是指能检测车道线的深度神经网络模型,本公开实施例的车道检测模型是基于超快速车道线检测算法,能实现在车辆遮挡以及各种复杂光线的影响下快速检测车道线,准确性高、检测效率高。关于超快速车道线检测算法,本公开实施例不做限定,可以参照现有的相关算法。
在一些实施例中,步骤103包括:
将路段视频数据输入至预设的车辆追踪模型进行车辆追踪,得到对应每一车道的车辆平均速度和车辆数。
其中,车辆数是指在同一摄像画面内的车辆数,车辆平均速度是指在同一摄像画面内的车辆的平均速度。
在一些实施例中,车辆追踪模型包括FairMOT多目标跟踪模型和测速模块,通过FairMOT多目标跟踪模型实时统计车辆数,通过测速模块获取车辆平均速度。
请参阅图3,在一些实施例中,通过测速模块获取车辆平均速度,包括:
步骤301、获取路段视频数据中的图像数据;
步骤302、建立对应图像数据的世界坐标系与相机坐标系之间的转换关系、以及相机坐标系与图像坐标系之间的转换关系;
步骤303、根据世界坐标系与相机坐标系之间的转换关系、以及相机坐标系与图像坐标系之间的转换关系计算出车辆平均速度。
请参阅图4,在一些实施例中,车辆行驶速度为车辆平均速度,步骤104包括:
步骤401、比较车辆平均速度与预设速度范围之间的关系和比较车辆数与预设车辆数量范围之间的关系;
步骤402、根据车辆平均速度与预设速度范围之间的小关系以及车辆数与预设车辆数量范围之间的关系评估对应每一车道的道路运行指数。
在一些实施例中,预设速度范围包括速度阈值上限和速度阈值下限,预设车辆数量范围包括车辆阈值上限和车辆阈值下限,道路运行指数包括以下至少之一:通畅,轻微拥堵,严重拥堵;根据车辆平均速度与速度阈值之间的大小关系以及车辆数与车辆阈值之间的大小关系评估对应每一车道的道路运行指数,至少包括以下步骤之一:
若根据车辆平均速度大于速度阈值上限且车辆数小于车辆阈值下限,则评估对应每一车道的道路运行指数为通畅;
若根据车辆平均速度在预设速度范围内且车辆数在预设车辆数量范围内,则评估对应每一车道的道路运行指数为轻微拥堵;或者
若根据车辆平均速度小于速度阈值下限且车辆数大于车辆阈值上限,则评估对应每一车道的道路运行指数为严重拥堵。
本公开实施例,综合车辆平均速度与预设速度范围之间的小关系以及车辆数与预设车辆数量范围之间的关系,对道路运行指数进行评估,使得评估结果更加准确。
测速模块的实现原理是依据计算机视觉三大坐标系的变换,即图像坐标系,相机坐标系,世界坐标系之间的变换。本公开实施例对测速模块不做限定。
在一具体应用场景中,预设速度范围可以是[40,60]千米/小时,速度阈值上限可以是60千米/小时、速度阈值下限可以是40千米/小时。速度阈值上限和速度阈值下限的取值,可以根据实际情况进行合理设置,本公开实施例不做限定。
在一具体应用场景中,预设车辆数量范围可以是[20,40],车辆阈值上限可以是40、车辆阈值下限可以是20。车辆阈值上限和车辆阈值下限的取值,可以根据实际情况进行合理设置,本公开实施例不做限定。
本公开实施例还提供一种评估道路运行指数的装置,可以实现上述评估道路运行指数的方法,该装置包括:
视频数据获取模块,用于获取待评估的路段视频数据;
车道检测模块,用于对路段视频数据进行车道检测,得到对应每一车道的车道视频信息;
车辆检测模块,用于对每一车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数;
道路运行指数评估模块,用于根据车辆行驶速度和车辆数,评估对应每一车道的道路运行指数。
本公开实施例还提供了一种电子设备,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在存储器中,处理器执行所述至少一个程序以实现本公开实施例上述评估道路运行指数的方法。该电子设备可以为包括手机、平板电脑、个人数字助理(Personal Digital Assistant,简称PDA)、销售终端(Point of Sales,简称POS)、车载电脑等任意智能终端。
本公开实施例还提供了一种存储介质,该存储介质是计算机可读存储介质,该计算机可执行指令用于执行上述评估道路运行指数的方法。
本公开实施例提出的评估道路运行指数的方法、评估道路运行指数的装置、电子设备、存储介质,通过获取待评估的路段视频数据,并对所述路段视频数据进行车道检测、以得到对应每一车道的车道视频信息,再对每一所述车道视频信息进行车辆检测、以得到对应每一车道的车辆行驶速度和车辆数,从而可以根据所述车辆行驶速度和车辆数评估对应每一所述车道的道路运行指数,从而可以实现实时反映每条车道的道路运行指数。此外,本公开实施例,综合车辆平均速度与预设速度范围之间的小关系以及车辆数与预设车辆数量范围之间的关系,对道路运行指数进行评估,使得评估结果更加准确。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案,并不构成对于本公开实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1-4中示出的技术方案并不构成对本公开实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者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者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于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:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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,包括多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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本公开实施例的优选实施例,并非因此局限本公开实施例的权利范围。本领域技术人员不脱离本公开实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本公开实施例的权利范围之内。
Claims (10)
1.一种评估道路运行指数的方法,其特征在于,包括:
获取待评估的路段视频数据;
对所述路段视频数据进行车道检测,得到对应每一车道的车道视频信息;
对每一所述车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数;
根据所述车辆行驶速度和车辆数,评估对应每一所述车道的道路运行指数。
2.根据权利要求1所述的方法,其特征在于,所述对所述路段视频数据进行车道检测,得到对应每一车道的车道视频信息,包括:
将所述路段视频数据输入至预设的车道检测模型进行车道检测,得到对应每一车道的监控视频流;
根据所述监控视频流得到所述车道视频信息。
3.根据权利要求1所述的方法,其特征在于,所述对每一所述车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数,包括:
将所述路段视频数据输入至预设的车辆追踪模型进行车辆追踪,得到对应每一所述车道的车辆平均速度和车辆数。
4.根据权利要求3所述的方法,其特征在于,所述车辆追踪模型包括FairMOT多目标跟踪模型和测速模块,通过所述FairMOT多目标跟踪模型实时统计所述车辆数,通过所述测速模块获取所述车辆平均速度。
5.根据权利要求4所述的方法,其特征在于,所述通过所述测速模块获取所述车辆平均速度,包括:
获取所述所述路段视频数据中的图像数据;
建立对应所述图像数据的世界坐标系与相机坐标系之间的转换关系、以及所述相机坐标系与图像坐标系之间的转换关系;
根据所述世界坐标系与所述相机坐标系之间的转换关系、以及所述相机坐标系与所述图像坐标系之间的转换关系计算出所述车辆平均速度。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述车辆行驶速度为车辆平均速度,所述根据所述车辆行驶速度和车辆数,评估对应每一所述车道的道路运行指数,包括:
比较所述车辆平均速度与预设速度范围之间的关系和比较所述车辆数与预设车辆数量范围之间的关系;
根据所述车辆平均速度与所述预设速度范围之间的小关系以及所述车辆数与所述预设车辆数量范围之间的关系评估对应每一所述车道的道路运行指数。
7.根据权利要求6所述的方法,其特征在于,所述预设速度范围包括速度阈值上限和速度阈值下限,所述预设车辆数量范围包括车辆阈值上限和车辆阈值下限,所述道路运行指数包括以下至少之一:通畅,轻微拥堵,严重拥堵;所述根据所述车辆平均速度与所述速度阈值之间的大小关系以及所述车辆数与所述车辆阈值之间的大小关系评估对应每一所述车道的道路运行指数,至少包括以下步骤之一:
若所述根据所述车辆平均速度大于所述速度阈值上限且所述车辆数小于所述车辆阈值下限,则评估对应每一所述车道的道路运行指数为所述通畅;
若所述根据所述车辆平均速度在所述预设速度范围内且所述车辆数在所述预设车辆数量范围内,则评估对应每一所述车道的道路运行指数为所述轻微拥堵;
若所述根据所述车辆平均速度小于所述速度阈值下限且所述车辆数大于所述车辆阈值上限,则评估对应每一所述车道的道路运行指数为所述严重拥堵。
8.一种评估道路运行指数的装置,其特征在于,包括:
视频数据获取模块,用于获取待评估的路段视频数据;
车道检测模块,用于对所述路段视频数据进行车道检测,得到对应每一车道的车道视频信息;
车辆检测模块,用于对每一所述车道视频信息进行车辆检测,得到对应每一车道的车辆行驶速度和车辆数;
道路运行指数评估模块,用于根据所述车辆行驶速度和车辆数,评估对应每一所述车道的道路运行指数。
9.一种电子设备,其特征在于,包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
所述程序被存储在存储器中,处理器执行所述至少一个程序以实现如权利要求1至7任一项所述的方法。
10.一种存储介质,所述存储介质为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存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行:
如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364842.7A CN112562330A (zh) | 2020-11-27 | 2020-11-27 | 评估道路运行指数的方法和装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364842.7A CN112562330A (zh) | 2020-11-27 | 2020-11-27 | 评估道路运行指数的方法和装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112562330A true CN112562330A (zh) | 2021-03-26 |
Family
ID=75045204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011364842.7A Pending CN112562330A (zh) | 2020-11-27 | 2020-11-27 | 评估道路运行指数的方法和装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562330A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506264A (zh) * | 2021-07-07 | 2021-10-15 | 北京航空航天大学 | 道路车辆数识别方法和装置 |
CN113781773A (zh) * | 2021-08-17 | 2021-12-10 | 中山大学 | 一种交通运行评估方法、装置、系统及电子设备 |
CN113988719A (zh) * | 2021-12-27 | 2022-01-28 | 南昌工程学院 | 城市道路环卫质量评价方法、装置、存储介质及设备 |
CN116311903A (zh) * | 2023-01-28 | 2023-06-23 | 深圳市综合交通运行指挥中心 | 一种基于视频分析评估道路运行指数的方法 |
WO2023125843A1 (zh) * | 2021-12-30 | 2023-07-06 | 深圳云天励飞技术股份有限公司 | 道路拥堵检测方法、装置、电子设备及存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118648A (zh) * | 2007-05-22 | 2008-02-06 | 南京大学 | 交通监视环境下的路况摄像机标定方法 |
CN101344991A (zh) * | 2008-09-03 | 2009-01-14 | 华为技术有限公司 | 提供道路信息的方法、装置及系统 |
CN105702049A (zh) * | 2016-03-29 | 2016-06-22 | 成都理工大学 | 一种基于dsp的应急车道监控系统及实现方法 |
US20160300485A1 (en) * | 2015-04-10 | 2016-10-13 | Honda Motor Co., Ltd. | Pedestrian path predictions |
CN106781488A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于车流密度和车速融合的交通运行状态评价方法 |
CN107301776A (zh) * | 2016-10-09 | 2017-10-27 | 上海炬宏信息技术有限公司 | 基于视频检测技术的车道路况处理及发布方法 |
CN108280995A (zh) * | 2017-12-29 | 2018-07-13 | 广州斯沃德科技有限公司 | 车联网的路况数据处理方法、装置和计算机设备 |
US20180273032A1 (en) * | 2015-11-30 | 2018-09-27 | Huawei Technologies Co., Ltd. | Automatic Driving Navigation Method, Apparatus, and System, In-Vehicle Terminal, and Server |
CN108615358A (zh) * | 2018-05-02 | 2018-10-02 | 安徽大学 | 一种道路拥堵检测方法及装置 |
CN109243181A (zh) * | 2018-09-21 | 2019-01-18 | 深圳市轱辘汽车维修技术有限公司 | 交通事故预警方法、装置、终端设备及存储介质 |
CN109726699A (zh) * | 2019-01-07 | 2019-05-07 | 殷鹏 | 基于人工智能的电动自行车占用机动车道识别方法 |
CN109766846A (zh) * | 2019-01-15 | 2019-05-17 | 电子科技大学 | 一种基于视频的自适应多车道车流检测方法及系统 |
CN109816694A (zh) * | 2019-01-28 | 2019-05-28 | 北京旷视科技有限公司 | 目标跟踪方法、装置及电子设备 |
CN111275960A (zh) * | 2018-12-05 | 2020-06-12 | 杭州海康威视系统技术有限公司 | 一种交通路况分析方法、系统及摄像机 |
CN111275977A (zh) * | 2019-08-23 | 2020-06-12 | 上海烜融信息技术服务有限公司 | 一种车辆闯红灯监测系统和方法 |
CN111310593A (zh) * | 2020-01-20 | 2020-06-19 | 浙江大学 | 一种基于结构感知的超快速车道线检测方法 |
CN111798658A (zh) * | 2019-11-08 | 2020-10-20 | 方勤 | 行驶车道通行效率检测平台 |
-
2020
- 2020-11-27 CN CN202011364842.7A patent/CN112562330A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118648A (zh) * | 2007-05-22 | 2008-02-06 | 南京大学 | 交通监视环境下的路况摄像机标定方法 |
CN101344991A (zh) * | 2008-09-03 | 2009-01-14 | 华为技术有限公司 | 提供道路信息的方法、装置及系统 |
US20160300485A1 (en) * | 2015-04-10 | 2016-10-13 | Honda Motor Co., Ltd. | Pedestrian path predictions |
US20180273032A1 (en) * | 2015-11-30 | 2018-09-27 | Huawei Technologies Co., Ltd. | Automatic Driving Navigation Method, Apparatus, and System, In-Vehicle Terminal, and Server |
CN105702049A (zh) * | 2016-03-29 | 2016-06-22 | 成都理工大学 | 一种基于dsp的应急车道监控系统及实现方法 |
CN107301776A (zh) * | 2016-10-09 | 2017-10-27 | 上海炬宏信息技术有限公司 | 基于视频检测技术的车道路况处理及发布方法 |
CN106781488A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于车流密度和车速融合的交通运行状态评价方法 |
CN108280995A (zh) * | 2017-12-29 | 2018-07-13 | 广州斯沃德科技有限公司 | 车联网的路况数据处理方法、装置和计算机设备 |
CN108615358A (zh) * | 2018-05-02 | 2018-10-02 | 安徽大学 | 一种道路拥堵检测方法及装置 |
CN109243181A (zh) * | 2018-09-21 | 2019-01-18 | 深圳市轱辘汽车维修技术有限公司 | 交通事故预警方法、装置、终端设备及存储介质 |
CN111275960A (zh) * | 2018-12-05 | 2020-06-12 | 杭州海康威视系统技术有限公司 | 一种交通路况分析方法、系统及摄像机 |
CN109726699A (zh) * | 2019-01-07 | 2019-05-07 | 殷鹏 | 基于人工智能的电动自行车占用机动车道识别方法 |
CN109766846A (zh) * | 2019-01-15 | 2019-05-17 | 电子科技大学 | 一种基于视频的自适应多车道车流检测方法及系统 |
CN109816694A (zh) * | 2019-01-28 | 2019-05-28 | 北京旷视科技有限公司 | 目标跟踪方法、装置及电子设备 |
CN111275977A (zh) * | 2019-08-23 | 2020-06-12 | 上海烜融信息技术服务有限公司 | 一种车辆闯红灯监测系统和方法 |
CN111798658A (zh) * | 2019-11-08 | 2020-10-20 | 方勤 | 行驶车道通行效率检测平台 |
CN111310593A (zh) * | 2020-01-20 | 2020-06-19 | 浙江大学 | 一种基于结构感知的超快速车道线检测方法 |
Non-Patent Citations (3)
Title |
---|
CFZD: "超快的车道线检测", 《知乎HTTPS://ZHUANLAN.ZHIHU.COM/P/157530787》 * |
王文峰: "《MATLAB计算机视觉与机器认知》", 31 August 2017, 北京航空航天大学出版社 * |
高毅鹏: "多目标研究入门-从SORT到FairMOT", 《知乎HTTPS://ZHUANLAN.ZHIHU.COM/P/260292966》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506264A (zh) * | 2021-07-07 | 2021-10-15 | 北京航空航天大学 | 道路车辆数识别方法和装置 |
CN113506264B (zh) * | 2021-07-07 | 2023-08-29 | 北京航空航天大学 | 道路车辆数识别方法和装置 |
CN113781773A (zh) * | 2021-08-17 | 2021-12-10 | 中山大学 | 一种交通运行评估方法、装置、系统及电子设备 |
CN113988719A (zh) * | 2021-12-27 | 2022-01-28 | 南昌工程学院 | 城市道路环卫质量评价方法、装置、存储介质及设备 |
WO2023125843A1 (zh) * | 2021-12-30 | 2023-07-06 | 深圳云天励飞技术股份有限公司 | 道路拥堵检测方法、装置、电子设备及存储介质 |
CN116311903A (zh) * | 2023-01-28 | 2023-06-23 | 深圳市综合交通运行指挥中心 | 一种基于视频分析评估道路运行指数的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112562330A (zh) | 评估道路运行指数的方法和装置、电子设备、存储介质 | |
CN108513676B (zh) | 一种路况识别方法、装置及设备 | |
CN108986465B (zh) | 一种车流量检测的方法、系统及终端设备 | |
CN112417953B (zh) | 道路状况检测和地图数据更新方法、装置、系统及设备 | |
WO2014151681A2 (en) | Methods and apparatus to estimate demography based on aerial images | |
CN111078818B (zh) | 地址分析方法、装置、电子设备及存储介质 | |
CN110807924A (zh) | 基于全量全样实时交通数据的多参数融合方法及系统 | |
CN104318327A (zh) | 一种车辆轨迹预测分析方法 | |
US20220357176A1 (en) | Methods and data processing systems for predicting road attributes | |
CN110969142A (zh) | 一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法 | |
CN112734242A (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
CN109166336B (zh) | 一种基于区块链技术的实时路况信息采集推送方法 | |
CN111695627A (zh) | 路况检测方法、装置、电子设备及可读存储介质 | |
CN111967451B (zh) | 一种道路拥堵检测方法及装置 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN113282638B (zh) | 一种城建用车识别方法和装置 | |
Haryono et al. | Accuracy in Object Detection based on Image Processing at the Implementation of Motorbike Parking on the Street | |
CN112289028B (zh) | 一种涉车套牌发现方法、装置、设备和介质 | |
CN114267021A (zh) | 对象识别方法和装置、存储介质及电子设备 | |
CN115187886A (zh) | 一种车辆违规行为检测方法、装置及电子设备 | |
CN112258881A (zh) | 基于智慧交通的车辆管理方法 | |
CN113393011A (zh) | 预测限速信息的方法、装置、计算机设备和介质 | |
Liao et al. | Real-time Occupancy Detection Of On-street Parking Spaces Based On An Edge Device | |
CN116828397B (zh) | 一种轨迹信息的获取方法、装置、电子设备和存储介质 | |
CN117612254B (zh) | 一种基于共享单车通勤行为识别方法、系统、设备和介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |