CN112562332A - 一种面向道路交通事故的数据处理装置和方法 - Google Patents
一种面向道路交通事故的数据处理装置和方法 Download PDFInfo
- Publication number
- CN112562332A CN112562332A CN202011381370.6A CN202011381370A CN112562332A CN 112562332 A CN112562332 A CN 112562332A CN 202011381370 A CN202011381370 A CN 202011381370A CN 112562332 A CN112562332 A CN 112562332A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- accident
- traffic accident
- layer
- 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
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 172
- 238000012545 processing Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 239000010410 layer Substances 0.000 claims description 61
- 238000000605 extraction Methods 0.000 claims description 11
- 238000003672 processing method Methods 0.000 claims description 11
- 230000006378 damage Effects 0.000 claims description 10
- 239000012535 impurity Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 239000011241 protective layer Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000004927 fusion Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 230000009429 distress Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种面向道路交通事故的数据处理装置和方法,应用于通信领域。装置包括硬件和软件,硬件包括用于基于应用程序的架构进行交通事故处理的处理器、传感器和用于硬件防护的防护层。处理器中运行应用程序,应用程序的架构包括数据层、分析层、通讯层和应用层。分析层,用于分析交通相关数据,确定是否发生交通事故;以及在确定发生交通事故时,确定交通事故的类型和执行相应的交通事故处理方式。通讯层,用于根据交通事故处理方式,执行与其他设备的数据传输。应用层,用于设置与交通事故处理方式相关的应用程序和根据应用程序中接收到的指令执行相应步骤。这样该装置能结合事故类型进行高效的事故应对。
Description
技术领域
本申请涉及通信领域,尤其涉及一种面向道路交通事故的数据处理装置和方法。
背景技术
随着车辆技术的发展,汽车的数量持续上涨。与此同时,公路交通事故量也逐年上升,公路交通事故问题日益凸现。作为智能交通系统中紧急事件与安全子系统的一个领域,建立完善的公路紧急救援系统对降低事故死亡率具有重要的作用。道路交通事故实验表明,如果在事故发生后5分钟内采用紧急救援措施,30分钟内采用急诊,至少可以有18%-25%的重伤者免于死亡。因此,如何以最快的反应速度,在最短的时间内,采取最有效的救助措施救助伤者、疏解交通,降低事故的死亡率,减少其他损失,预防次发生事件的出现在公路信息化管理和智能交通发展中显得尤为重要。
目前,车辆上使用的自主呼救系统可以在发生重大交通事故时,进行自主呼救。例如,一些车载终端中设置自主呼救系统,能够定位自动播报交通事故和车道情况。
但自主呼救系统安装在车辆上,依赖车载终端实施呼救。一些严重事故可能会造成车辆完全损坏导致车载终端完全失灵,使得呼救无法实现。
发明内容
本申请实施例提供一种面向道路交通事故的数据处理装置和方法,能够实现采集交通相关数据并分析,快速识别交通事故,并对事故进行分类处理,根据事故影响范围的不同,实现不同的自动化处理方式,高效应对交通事故。
第一方面,本申请实施例提供一种面向道路交通事故的数据处理装置,装置包括硬件和软件,硬件包括处理器、传感器和防护层,处理器中运行应用程序,应用程序的架构包括数据层、分析层、通讯层和应用层;防护层,用于装置的硬件防护;传感器,用于采集装置周围的交通相关数据;处理器,用于基于应用程序的架构进行交通事故处理;其中,数据层,用于获取传感器采集的交通相关数据;分析层,用于分析交通相关数据,确定是否发生交通事故;以及在确定发生交通事故的情况下,确定交通事故的类型,以及根据交通事故的类型执行相应的交通事故处理方式;通讯层,用于根据交通事故处理方式,执行与其他设备的数据传输;应用层,用于设置与交通事故处理方式相关的应用程序,以根据应用程序中接收到的指令执行相应步骤。
可选的,交通相关数据包括:交通相关的图像数据、雷达数据和位置数据;其中,位置数据是基于北斗基础定位、实时动态定位RTK和超宽带定位得到的,位置数据的定位精度为厘米级定位。
可选的,分析层,具体用于:剔除图像数据、雷达数据和位置数据中的杂质数据,得到处理后图像数据、处理后雷达数据和处理后位置数据;将所处理后图像数据、处理后雷达数据和处理后位置数据输入预先训练的模型;利用模型对处理后图像数据、处理后雷达数据和处理后位置数据进行特征提取、对象识别和事故分类,得到交通事故的类型。
可选的,交通事故的类型与事故伤亡人数、是否有火情、事故占用车道情况和路体受损情况有关;在将交通事故的类型分类为轻微事故、一般事故、重大事故或特大事故的情况下,轻微事故相应的交通事故处理方式包括:向医护系统和/或交通处理相关系统发送通知;向交通事故发生位置周围的车辆发送广播;以及,将交通事故相关的数据存储到存储系统;一般事故相应的交通事故处理方式包括:向医护系统和/或交通处理相关系统发送通知;向交通事故发生位置周围的车辆发送广播;以及,将交通事故相关的数据存储到存储系统;重大事故相应的交通事故处理方式包括:向医护系统、交通处理相关系统和消防系统发送通知;向交通事故发生位置周围的车辆发送广播;以及,将交通事故相关的数据存储到存储系统;特大事故相应的交通事故处理方式包括:向医护系统、交通处理相关系统、消防系统和救援系统发送通知;向交通事故发生位置周围的车辆发送广播;以及,将交通事故相关的数据存储到存储系统。
可选的,应用层中设置有自动报警应用程序、数据传输应用程序和远程数据查看应用程序;自动报警应用程序,用于向交通事故处理方式中涉及的相关系统自动发出通知;远程数据查看应用程序,用于接收用户的查询请求,并在存储系统中查询查询请求相关的信息。
第二方面,本申请实施例提供一种面向道路交通事故的数据处理方法,应用于如上任一项所述的装置,方法包括:获取传感器采集的交通相关数据;分析交通相关数据,确定是否发生交通事故;以及在确定发生交通事故的情况下,确定交通事故的类型,以及根据交通事故的类型执行相应的交通事故处理方式;根据交通事故处理方式,执行与其他设备的数据传输;根据应用程序中接收到的指令执行相应步骤。
可选的,交通相关数据包括:交通相关的图像数据、雷达数据和位置数据;其中,位置数据是基于北斗基础定位、实时动态定位RTK和超宽带定位得到的,位置数据的定位精度为厘米级定位。
可选的,分析交通相关数据,确定是否发生交通事故,包括:剔除图像数据、雷达数据和位置数据中的杂质数据,得到处理后图像数据、处理后雷达数据和处理后位置数据;将处理后图像数据、处理后雷达数据和处理后位置数据输入预先训练的模型;利用模型对处理后图像数据、处理后雷达数据和处理后位置数据进行特征提取、对象识别和事故分类,得到交通事故的类型。
第三方面,本申请实施例提供一种电子设备,包括:存储器和处理器。存储器用于存储程序指令。处理器用于调用并执行存储器中的程序指令,执行如上任一项所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器被执行时,实现如上任一项所述的方法。
本申请实施例中面向道路交通事故的数据处理装置包括:硬件和软件。硬件包括处理器、传感器和防护层。防护层,用于装置的硬件防护。传感器,用于采集装置周围的交通相关数据。处理器,用于运行应用程序,进行交通事故处理。应用程序包括数据层、分析层、通讯层和应用层。数据层,用于获取传感器采集的交通相关数据。分析层,用于分析交通相关数据,确定是否发生交通事故;以及在确定发生交通事故的情况下,确定交通事故的类型,以及根据交通事故的类型执行相应的交通事故处理方式。通讯层,用于根据交通事故处理方式,执行与其他设备的数据传输。应用层,用于设置与交通事故处理方式相关的应用程序,以根据应用程序中接收到的指令执行相应步骤。面向道路交通事故的数据处理装置中应用程序能够获取交通相关的数据并进行分析判断;确定是否发生事故并进行相关分类处理。本申请实施例中的装置能够快速识别交通事故,并实现不同的自动化处理方式,高效应对交通事故。同时,本申请实施例中的装置可放置于路测,可以避免了车载自动报警终端在事故中损毁失灵从而无法进行呼救的情况。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请实施例的原理。
图1为本申请提供的一种应用场景的示意图;
图2为本申请实施例提供的一种数据处理装置实体结构的示意图;
图3为本申请实施例提供的一种数据处理装置软件程序的架构的示意图;
图4为本申请实施例提供的一种数据处理装置整体结构的示意图;
图5为本申请实施例提供的一种数据处理方法流程示意图;
图6为本申请实施例提供的交通相关数据分析处理流程的示意图;
图7为本申请实施例提供的面向交通事故的一种处理方法的流程的示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请实施例构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请实施例的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在交通事故的检测方面,主要依靠高速警察巡逻、群众或过路司机报警等方式。这些常规方式已经不能满足事故高效救援的需要。目前,通过车载卫星高精度定位终端能够定位自动播报交通事故和拥堵车道,也有车辆中使用的自主呼救系统,以及北斗卫星的手持应急救援终端。但是,车载终端可能在事故中损坏甚至失灵,无法进行有效的呼救和情况汇报,使得伤者不能得到有效救助。
因此,本申请实施例提出一种面向道路交通事故的数据处理装置,包括:硬件和软件。硬件包括处理器、传感器和防护层。防护层,用于装置的硬件防护。传感器,用于采集装置周围的交通相关数据。处理器,用于运行应用程序,进行交通事故处理。应用程序包括数据层、分析层、通讯层和应用层。数据层,用于获取传感器采集的交通相关数据。分析层,用于分析交通相关数据,确定是否发生交通事故;以及在确定发生交通事故的情况下,确定交通事故的类型,以及根据交通事故的类型执行相应的交通事故处理方式。通讯层,用于根据交通事故处理方式,执行与其他设备的数据传输。应用层,用于设置与交通事故处理方式相关的应用程序,以根据应用程序中接收到的指令执行相应步骤。面向道路交通事故的数据处理装置中应用程序能够获取交通相关的数据并进行分析判断;确定是否发生事故并进行相关分类处理。本申请实施例中的装置能够快速识别交通事故,并实现不同的自动化处理方式,高效应对交通事故。同时,本申请实施例中的装置可放置于路测,可以避免车载自动报警终端在事故中损毁失灵从而无法进行呼救的情况。
图1为本申请提供的一种应用场景的示意图。如图1所示,包括:汽车A1、红绿灯B1、红绿灯B2、摄像头C1、摄像头C2、微波雷达D1、行人E1和面向道路交通事故的数据处理装置101。面向道路交通事故的数据处理装置101放置于路测,可通过数据采集终端(例如摄像头C1、摄像头C2、微波雷达D1)对道路上的车(例如汽车A1)、人(例如行人E1)、基础设施(红绿灯B1、红绿灯B2)等进行信息采集。采集终端数量根据业务和场景需求,灵活配置。路测装置101可以对采集终端的数据进行融合分析,判断是否发生交通事故,以及交通事故的类别和相应处理方式。面向道路交通事故的数据处理装置101中还包括位置信息采集模块,可以对事故发生位置进行厘米级定位。路测装置101内含报警程序、数据传输程序,可自动报警和远程现场事故照片等信息传送,方便远程制定救援方案。
为了便于理解,下面对事故类别的分类、事故影响范围的关键原则及其对应自动报警规则进行介绍。
事故类别的分类可以分为轻微事故、一般事故、重大事故、特大事故。轻微事故:是指一次造成轻伤1至2人,或者财产损失机动车事故不足1000元,非机动车事故不足200元的事故。一般事故:是指一次造成重伤1至2人,或者轻伤3人以上,或者财产损失不足3万元的事故。重大事故:是指一次造成死亡1至2人,或者重伤3人以上10人以下,或者财产损失3万元以上不足6万元的事故。特大事故:是指一次造成死亡3人以上,或者重伤11人以上,或者死亡1人,同时重伤8人以上,或者死亡2人,同时重伤5人以上,或者财产损失6万元以上的事故。
事故现场数据为本申请实施例提供的装置中实时更新的事故现场的图片、视频和/或雷达点云数据。事故影响范围是根据事故伤亡人数、是否有火情和事故占用车道情况,这三类主要因素对事故影响范围进行分类判断,并划分为四个等级(例如等级1、等级2、等级3和等级4)。
事故影响范围的关键原则及其对应自动报警规则在本申请实施例中可以分为以下几种情况。
第一种情况:事故中有火情,无论大小,事故影响范围判定为等级4,对应自动报警规则为即刻通知四类救援团队(消防、交警、医护和救援)。
第二种情况:事故占用车道超过总车道的50%,事故影响范围判定为等级4,对应自动报警规则为即刻通知四类救援团队(消防、交警、医护和救援)。
第三种情况:事故类别为重大事故或特大事故,事故影响范围判定为等级4,对应自动报警规则为即刻通知四类救援团队(消防、交警、医护和救援)。
第四种情况:事故为一般事故且占用车道小于50%,事故影响范围判定为等级3,对应报警规则为即刻通知三类救援团队(消防、交警和医护)。
第五种情况:事故为一般事故或者轻微事故,或对车道占用小于30%,则事故影响范围判定为等级2,对应自动报警规则为即刻通知公安和医护救援团队。
第六种情况:事故为轻微事故,或对车道占用小于10%,事故影响范围判定为等级1,对应自动报警规则为即刻通知公安和医护救援团队。
本申请实施例中数据处理装置包括硬件实体和软件程序。
图2为本申请实施例提供的一种数据处理装置硬件实体结构的示意图。硬件包括运行应用程序的处理器11、传感器21和防护层31。防护层,用于装置的硬件防护;传感器,用于采集装置周围的交通相关数据;处理器,用于基于应用程序的架构进行交通事故处理。
一些实施例中,防护层采用国标GB T 9089.2-2008规定的防护标准,用于防雨、风、尘、雷、电、高温、严寒等。
一些实施例中,传感器包括:数据采集终端(例如微波雷达和视频单元摄像头等)。摄像头成本低,可以获取全局交通主体信息,并能够识别指示牌、红绿灯状态但无法获取三维动态信息。微波雷达抗环境干扰能力强,穿透雾、烟、灰尘的能力强,具有全天候全天时的特点。数据采集终端可以实现全天候交通信息采集,包括道路交通主体(行人、车辆、非机动车)和道路基础设施(车道、栏杆、指示牌等)信息。
一些实施例中,装置采用可插拔的数据采集单元,可根据业务和场景需求,灵活配置各数据数据采集终端的数量。
图3为本申请实施例提供的一种数据处理装置软件程序的架构的示意图。应用程序的架构包括数据层301、分析层302、通讯层303和应用层304。数据层,用于获取传感器采集的交通相关数据;分析层,用于分析交通相关数据,确定是否发生交通事故;以及在确定发生交通事故的情况下,确定交通事故的类型,以及根据交通事故的类型执行相应的交通事故处理方式;通讯层,用于根据交通事故处理方式,执行与其他设备的数据传输;应用层,用于设置与交通事故处理方式相关的应用程序,以根据应用程序中接收到的指令执行相应步骤。
一些实施例中,交通相关数据包括:交通相关的图像数据、雷达数据和位置数据;其中,位置数据是基于北斗基础定位、实时动态定位(real-timekinematic,RTK)和超宽带定位(ultra wide band,UWB)得到的,位置数据的定位精度为厘米级定位。
一些实施例中,数据层包括位置信息采集模块(例如全球定位系统(navigationsatellite timing and ranging global position system,GPS)/北斗基础定位模块、RTK高精度定位模块和UWB高精度定位模块等)。位置信息采集模块可以实现遮挡与非遮挡场景下的混合连续定位。RTK高精度定位模块通过内置RTK算法,配合全国北斗地基增强系统,可支持北斗卫星导航系统(beidou navigation satellite system,BDS)/GPS双系统实时的厘米级定位。UWB定位模块主要实现在无法接收卫星定位的遮挡环境下(如桥梁隧道等城市卫星盲区)的厘米级定位。部署在本装置上的UWB定位标签,通过与部署在周围的UWB基站进行同步计算,将同步数据传输给云平台形成定位结果数据。
其中数据采集输入的数据及格式如表1所示
表1数据采集模块及数据格式
一些实施例中,分析层具体用于:剔除图像数据、雷达数据和位置数据中的杂质数据,得到处理后图像数据、处理后雷达数据和处理后位置数据;将处理后图像数据、处理后雷达数据和处理后位置数据输入预先训练的模型;利用模型对处理后图像数据、处理后雷达数据和处理后位置数据进行特征提取、对象识别和事故分类,得到交通事故的类型。
一些实施例中,特征提取是将交通对象的特征信息进行提取,如:轮廓,运动参数等。通过深度学习网络的目标检测算法YOLOv3实现交通对象目标检测,提取交通参与者的位置、速度等信息,获取交通对象的坐标点(像素坐标点)。
一些实施例中,对象识别是确定事故影响范围,包括人、车、交通设施的受损情况及交通流程的影响情况。通过设计“事故跨视图生成+重识别”的事故重识别方法,快速实现同类事故目标的匹配和识别。对象识别主要包括:通过对抗生成网络生成交通事故多视图图片,设计重识别特征提取网络完成重识别特征映射,交通事故重识别网络设计。
一些实施例中,交通事故的类型与事故伤亡人数、是否有火情、事故占用车道情况和路体受损情况有关;在将交通事故的类型分类为轻微事故、一般事故、重大事故或特大事故的情况下,轻微事故相应的交通事故处理方式包括:向医护系统和交通处理相关系统发送通知;向交通事故发生位置周围的车辆发送广播;以及,将交通事故相关的数据存储到存储系统;一般事故相应的交通事故处理方式包括:向医护系统和交通处理相关系统发送通知;向交通事故发生位置周围的车辆发送广播;以及,将交通事故相关的数据存储到存储系统;重大事故相应的交通事故处理方式包括:向医护系统、交通处理相关系统和消防系统发送通知;向交通事故发生位置周围的车辆发送广播;以及,将交通事故相关的数据存储到存储系统;特大事故相应的交通事故处理方式包括:向医护系统、交通处理相关系统、消防系统和救援系统发送通知;向交通事故发生位置周围的车辆发送广播;以及,将交通事故相关的数据存储到存储系统。对事故情况进行分类处理,可以合理利用救援资源。
一些实施例中,装置中还包括:长期演进无线通信(long term evolution-vehicle to everything,LTE-V2X)模块。该装置可以将该交通事故信息广播给周围车辆,通知周围车辆关注,避免引起二次交通事故和交通拥堵。
一些实施例中,事故分类则根据事故受损情况,按照国家关于事故类别的判定标准进行判定。结果输出的内容如表2所示。
表2救援装置结果输出内容
一些实施例中,通讯层中包括4G/5G模组和V2X模组,用于数据传输。
一些实施例中,应用层中设置有自动报警应用程序、数据传输应用程序和远程数据查看应用程序;自动报警应用程序,用于向交通事故处理方式中涉及的相关系统自动发出通知;远程数据查看应用程序,用于接收用户的查询请求,并在存储系统中查询查询请求相关的信息。
一些实施例中,终端采集到的数据实时上传到云端平台,接到报警后的救援团队可以通过云端平台下发的平台登录入口实时查询事故现场图片,初步评估事故类型和事故影响范围,第一时间远程制定救援方案,也能在赶来救援的路上实时关注事故进度。上传到平台的数据还可为日后交警和保险部门判断交通事故责任等提供依据。
图4为本申请实施例提供的一种数据处理装置整体结构的示意图。从整体上看,装置可分为4层,分别是:防护层401、数据层402、分析层403和通信层404。防护层401用于防雨、风、尘、雷、电、高温、严寒等。数据层402包括微波雷达、视频单元和高精度定位单元。分析层403包括:数据融合分析和综合定位分析,用于分析交通数据。通信层404包括:4G/5G模组和V2X模组,用于数据传输。装置的原理和技术效果类似,此处不再赘述。
根据本申请实施例的另一个方面,本申请实施例还提供了一种面向道路交通事故的数据处理方法,应用于如上任一实施例所述的装置。图5为本申请实施例提供的一种数据处理方法的流程图,如图5所示,数据处理方法包括:
S101、获取传感器采集的交通相关数据。
一些实施例中,交通相关数据包括:交通相关的图像数据、雷达数据和位置数据;其中,位置数据是基于北斗基础定位、实时动态定位RTK和超宽带定位UWB得到的,位置数据的定位精度为厘米级定位,包括:遮挡和/或非遮挡场景下的定位数据。
S102、分析交通相关数据,确定是否发生交通事故;以及在确定发生交通事故的情况下,确定交通事故的类型,以及根据交通事故的类型执行相应的交通事故处理方式。
一些实施例中,分析交通相关数据,确定是否发生交通事故,包括:剔除图像数据、雷达数据和位置数据中的杂质数据,得到处理后图像数据、处理后雷达数据和处理后位置数据;将处理后图像数据、处理后雷达数据和处理后位置数据输入预先训练的模型;利用模型对处理后图像数据、处理后雷达数据和处理后位置数据进行特征提取、对象识别和事故分类,得到交通事故的类型。
一些实施例中,特征提取是将交通对象的特征信息进行提取,如:轮廓,运动参数等。通过深度学习网络的目标检测算法YOLOv3实现交通对象目标检测,提取交通参与者的位置、速度等信息,获取交通对象的坐标点(像素坐标点)。
一些实施例中,对象识别是确定事故影响范围,包括人、车、交通设施的受损情况及交通流程的影响情况。通过设计“事故跨视图生成+重识别”的事故重识别方法,快速实现同类事故目标的匹配和识别。对象识别包括:通过对抗生成网络生成交通事故多视图图片,设计重识别特征提取网络完成重识别特征映射,交通事故重识别网络设计。
S103、根据交通事故处理方式,执行与其他设备的数据传输。S104、根据应用程序中接收到的指令执行相应步骤。
一些实施例中,应用程序中可以设置具有报警智能决策机制,根据不同的事故级别通知不同的救援团队。根据事故影响范围的不同实现不同的自动化报警级别,效率远高于人工发现事故并报警的效率。
一些实施例中,交通相关数据和分析结果同步得到云端平台,同时在启动报警机制后将事故第一现场照片、视频和位置实时同步发送给救援团队,并提供查询接口方便救援团队在未到救援现场时实施查询事故进展。
本申请实施例提供的数据处理方法,可以通过传感器采集获取交通相关数据,并通过算法分析数据,判断是否发生事故、事故类别和事故影响范围,以及根据相应的交通事故处理方式进行不同的处理。该数据处理方法可以快速判断交通事故并处理,可以缩短事故被发现时间,高效应对交通事故,减少事故损失,降低事故死亡率。
图6为本申请实施例提供的交通相关数据分析处理流程的示意图。数据分析处理流程包括:
S201、数据采集。
一些实施例中,数据采集是对交通相关的数据(例如:图像视频数据、微波雷达数据、位置信息等)进行采集。
S202、数据预处理。
一些实施例中,数据预处理是对交通相关数据的杂质数据的剔除,并进行图像数据和视频数据在时间、空间以及交通主体在速度上的融合。
S203、融合计算。
一些实施例中,融合计算包括特征提取、对象识别和事故分类三个模块。融合计算具体方式如上所述,在此不做赘述。
S204、结果输出。
一些实施例中,结果输出是对分析计算结果的输出,包括:事故类别、现场图片及视频和事故影响范围。事故类别和事故影响范围判定如上所述。
图7为本申请实施例提供的一种面向交通事故的一种处理方法的流程的示意图。面向交通事故的一种处理方法的流程包括:
S301、装置的探测到交通事故。
S302、装置通过实时分析确定事故准确位置和影响的车道信息后,并将事故分析结果实时广播给周围车辆。
广播可以提醒车辆注意避让,避免二次交通事故发生和交通拥堵。
S303、判断是否属于重大事故。
S304、如果属于重大事故,启动内置电话报警程序,通过通信模块将实时分析结果(事故位置信息、人员伤亡情况、车辆受损情况、占用车道情况、路体受损情况等)电话通知给交警部门、医院救护部门、消防部门;如果不属于重大交通事故,将分析结果、实时的信息上传云端系统,并同步到国家救援系统。
救援部门在收到报警信息后,可以通过平台实时查看事故第一现场的图片和视频,并提前设计救援方案。上传到平台的事故现场图片和视频可为日后交警和保险部门判断交通事故责任等提供依据。
根据本申请实施例的另一个方面,本申请实施例还提供了一种电子设备,包括:存储器和处理器。存储器用于存储程序指令。处理器用于调用并执行存储器中的程序指令,执行如上任一项所述的方法。电子设备实现原理和技术效果类似,此处不再赘述。根据本申请实施例的另一个方面,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时,实现如上任一实施例所述的方法。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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,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。
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申请实施例方案的目的。
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,也可以是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。
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)执行本申请各个实施例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(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。
还应理解,在本申请各实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
以上,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种面向道路交通事故的数据处理装置,其特征在于,所述装置包括硬件和软件,所述硬件包括处理器、传感器和防护层,所述处理器中运行应用程序,所述应用程序的架构包括数据层、分析层、通讯层和应用层;
所述防护层,用于所述装置的硬件防护;
所述传感器,用于采集所述装置周围的交通相关数据;
所述处理器,用于基于所述应用程序的架构进行交通事故处理;
其中,所述数据层,用于获取所述传感器采集的交通相关数据;
所述分析层,用于分析所述交通相关数据,确定是否发生交通事故;以及在确定发生交通事故的情况下,确定所述交通事故的类型,以及根据所述交通事故的类型执行相应的交通事故处理方式;
所述通讯层,用于根据所述交通事故处理方式,执行与其他设备的数据传输;
所述应用层,用于设置与所述交通事故处理方式相关的应用程序,以根据所述应用程序中接收到的指令执行相应步骤。
2.根据权利要求1所述的装置,其特征在于,所述交通相关数据包括:交通相关的图像数据、雷达数据和位置数据;其中,所述位置数据是基于北斗基础定位、实时动态定位RTK和超宽带定位得到的,所述位置数据的定位精度为厘米级定位。
3.根据权利要求2所述的装置,其特征在于,所述分析层,具体用于:
剔除所述图像数据、所述雷达数据和所述位置数据中的杂质数据,得到处理后图像数据、处理后雷达数据和处理后位置数据;
将所述处理后图像数据、所述处理后雷达数据和所述处理后位置数据输入预先训练的模型;
利用所述模型对所述处理后图像数据、所述处理后雷达数据和所述处理后位置数据进行特征提取、对象识别和事故分类,得到所述交通事故的类型。
4.根据权利要求3所述的装置,其特征在于,所述交通事故的类型与事故伤亡人数、是否有火情、事故占用车道情况和路体受损情况有关;
在将所述交通事故的类型分类为轻微事故、一般事故、重大事故或特大事故的情况下,
所述轻微事故相应的交通事故处理方式包括:向医护系统和/或交通处理相关系统发送通知;向所述交通事故发生位置周围的车辆发送广播;以及,将所述交通事故相关的数据存储到存储系统;
所述一般事故相应的交通事故处理方式包括:向医护系统和/或交通处理相关系统发送通知;向所述交通事故发生位置周围的车辆发送广播;以及,将所述交通事故相关的数据存储到存储系统;
所述重大事故相应的交通事故处理方式包括:向医护系统、交通处理相关系统和消防系统发送通知;向所述交通事故发生位置周围的车辆发送广播;以及,将所述交通事故相关的数据存储到存储系统;
所述特大事故相应的交通事故处理方式包括:向医护系统、交通处理相关系统、消防系统和救援系统发送通知;向所述交通事故发生位置周围的车辆发送广播;以及,将所述交通事故相关的数据存储到存储系统。
5.根据权利要求4所述的装置,其特征在于,所述应用层中设置有自动报警应用程序、数据传输应用程序和远程数据查看应用程序;
所述自动报警应用程序,用于向所述交通事故处理方式中涉及的相关系统自动发出通知;
所述远程数据查看应用程序,用于接收用户的查询请求,并在所述存储系统中查询所述查询请求相关的信息。
6.一种面向道路交通事故的数据处理方法,其特征在于,应用于如权利要求1-5任一项所述的装置,所述方法包括:
获取所述传感器采集的交通相关数据;
分析所述交通相关数据,确定是否发生交通事故;以及在确定发生交通事故的情况下,确定所述交通事故的类型,以及根据所述交通事故的类型执行相应的交通事故处理方式;
根据所述交通事故处理方式,执行与其他设备的数据传输;
根据所述应用程序中接收到的指令执行相应步骤。
7.根据权利要求6所述的方法,其特征在于,所述交通相关数据包括:交通相关的图像数据、雷达数据和位置数据;其中,所述位置数据是基于北斗基础定位、实时动态定位RTK和超宽带定位得到的,所述位置数据的定位精度为厘米级定位。
8.根据权利要求7所述的方法,其特征在于,所述分析所述交通相关数据,确定是否发生交通事故,包括:
剔除所述图像数据、所述雷达数据和所述位置数据中的杂质数据,得到处理后图像数据、处理后雷达数据和处理后位置数据;
将所述处理后图像数据、所述处理后雷达数据和所述处理后位置数据输入预先训练的模型;
利用所述模型对所述处理后图像数据、所述处理后雷达数据和所述处理后位置数据进行特征提取、对象识别和事故分类,得到所述交通事故的类型。
9.一种电子设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用并执行所述存储器中的程序指令,执行如权利要求6-8中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求6-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011381370.6A CN112562332A (zh) | 2020-11-30 | 2020-11-30 | 一种面向道路交通事故的数据处理装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011381370.6A CN112562332A (zh) | 2020-11-30 | 2020-11-30 | 一种面向道路交通事故的数据处理装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112562332A true CN112562332A (zh) | 2021-03-26 |
Family
ID=75045737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011381370.6A Pending CN112562332A (zh) | 2020-11-30 | 2020-11-30 | 一种面向道路交通事故的数据处理装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562332A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963538A (zh) * | 2021-10-19 | 2022-01-21 | 交通运输部公路科学研究所 | 基于数据自流动的智慧公路信息物理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310728A (ja) * | 2007-06-18 | 2008-12-25 | Sumitomo Electric Ind Ltd | 路側通信装置及び車両の異常検出方法 |
JP2010066895A (ja) * | 2008-09-09 | 2010-03-25 | Toshiba Corp | 道路交通情報提供システム及び方法 |
WO2012056655A1 (ja) * | 2010-10-28 | 2012-05-03 | パナソニック株式会社 | 交通事故検出装置及び交通事故検出方法 |
CN109559558A (zh) * | 2018-12-14 | 2019-04-02 | 深圳市元征科技股份有限公司 | 事故提醒方法、智能警示牌、路侧单元及事故提醒系统 |
CN110738842A (zh) * | 2018-07-18 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 事故责任划分及行为分析方法、装置、设备及存储介质 |
CN110942623A (zh) * | 2018-09-21 | 2020-03-31 | 阿里巴巴集团控股有限公司 | 一种辅助交通事故处理方法和系统 |
CN111696366A (zh) * | 2020-06-04 | 2020-09-22 | 中国人民解放军战略支援部队信息工程大学 | 一种道路事故感知识别方法及系统 |
-
2020
- 2020-11-30 CN CN202011381370.6A patent/CN112562332A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310728A (ja) * | 2007-06-18 | 2008-12-25 | Sumitomo Electric Ind Ltd | 路側通信装置及び車両の異常検出方法 |
JP2010066895A (ja) * | 2008-09-09 | 2010-03-25 | Toshiba Corp | 道路交通情報提供システム及び方法 |
WO2012056655A1 (ja) * | 2010-10-28 | 2012-05-03 | パナソニック株式会社 | 交通事故検出装置及び交通事故検出方法 |
CN110738842A (zh) * | 2018-07-18 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 事故责任划分及行为分析方法、装置、设备及存储介质 |
CN110942623A (zh) * | 2018-09-21 | 2020-03-31 | 阿里巴巴集团控股有限公司 | 一种辅助交通事故处理方法和系统 |
CN109559558A (zh) * | 2018-12-14 | 2019-04-02 | 深圳市元征科技股份有限公司 | 事故提醒方法、智能警示牌、路侧单元及事故提醒系统 |
CN111696366A (zh) * | 2020-06-04 | 2020-09-22 | 中国人民解放军战略支援部队信息工程大学 | 一种道路事故感知识别方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963538A (zh) * | 2021-10-19 | 2022-01-21 | 交通运输部公路科学研究所 | 基于数据自流动的智慧公路信息物理系统 |
CN113963538B (zh) * | 2021-10-19 | 2022-06-10 | 交通运输部公路科学研究所 | 基于数据自流动的智慧公路信息物理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | Internet of vehicles for smart and safe driving | |
CN108877234B (zh) | 四维实景交通仿真的车辆违规占道跟踪检测系统及方法 | |
KR101534056B1 (ko) | 교통 신호 맵핑 및 검출 | |
KR20210091074A (ko) | 교통 모니터링 방법, 장치, 기기 및 저장매체 | |
US11420770B2 (en) | Collaborative relationship between a UAV and an automobile | |
DE112019004065T5 (de) | Informationsverarbeitungsvorrichtung, endgerät,informationsverarbeitungsverfahren, und informationsverarbeitungsprogramm | |
CN105679023A (zh) | 一种基于无人机的高速公路违章监测系统 | |
CN109572555A (zh) | 一种应用于无人车的遮挡信息显示方法和系统 | |
CN104424802A (zh) | 一种车辆违规监控系统 | |
KR101661163B1 (ko) | 영상 분석을 통한 운전자 안전 운전 보조와 지도 db의 실시간 갱신을 처리하기 위한 안전 운전 시스템 | |
CN106899836B (zh) | 警企联动空地一体化指挥平台 | |
WO2021227586A1 (zh) | 交通事故分析方法、装置及设备 | |
CN109788242B (zh) | 救援系统、救援方法及其所使用的服务器 | |
CN104159067A (zh) | 基于3dgis与实景视频相结合的智能监控系统和方法 | |
KR101498582B1 (ko) | 교통사고 데이터 제공 시스템 및 방법 | |
CN109671270B (zh) | 行车事故处理方法及装置、存储介质 | |
CN112562332A (zh) | 一种面向道路交通事故的数据处理装置和方法 | |
KR101623102B1 (ko) | 영상 요약데이터 태깅 및 무선통신 기반의 스마트 차량용 카메라 기술과 그 장치를 이용한 정보 거래 서비스 제공 시스템 및 방법 | |
US20230125597A1 (en) | Information collection system | |
CN109863540A (zh) | 基于自动驾驶设备的快速出警方法及系统、存储介质 | |
EP3557555A1 (en) | System and method for providing road condition information | |
CN114694073B (zh) | 安全带佩戴情况的智能检测方法、装置、存储介质及设备 | |
CN203968263U (zh) | 基于3dgis与实景视频相结合的智能监控系统 | |
CN115019546A (zh) | 停车提示方法、装置、电子设备及存储介质 | |
CN116798247A (zh) | 事故数据提示的方法及相关设备 |
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 |