CN113658608A - 路面积水监测方法、装置、存储介质及电子设备 - Google Patents
路面积水监测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113658608A CN113658608A CN202110993655.3A CN202110993655A CN113658608A CN 113658608 A CN113658608 A CN 113658608A CN 202110993655 A CN202110993655 A CN 202110993655A CN 113658608 A CN113658608 A CN 113658608A
- Authority
- CN
- China
- Prior art keywords
- information
- sound
- target
- training
- preset
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 87
- 239000002352 surface water Substances 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012549 training Methods 0.000 claims abstract description 79
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 53
- 230000005236 sound signal Effects 0.000 claims abstract description 49
- 238000013507 mapping Methods 0.000 claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 32
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 239000010813 municipal solid waste Substances 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 3
- 208000034699 Vitreous floaters Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/296—Acoustic waves
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Electromagnetism (AREA)
- Thermal Sciences (AREA)
- Fluid Mechanics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种路面积水监测方法及相关设备，涉及路况监测技术领域。该方法包括：通过声音采集装置获取监测区域的声音信号；提取声音信号中的目标声音特征；查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征。本发明用于路面积水监测，主要为解决目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题。
Description
技术领域
本发明涉及路况监测技术领域，尤其涉及一种路面积水监测方法、装置、存储介质及电子设备。
背景技术
近些年，随着我国城市化进程加快，加之气象条件的变化，降雨过程呈现暴雨多、发生迅速、历时短、水量大，局地出现极端暴雨的特征，尤其局部、区域性暴雨洪水重于往年。当强降水或连续性降水超过城市排水能力便会发生城市内涝，一度出现暴雨之下城区可“看海”、街道可“捕鱼”的尴尬景观，更甚者危及人民生命财产安全。随着城市大脑建设，精细化城市治理的要求，对道路进行积水实时监测，以便及时有效地做出交通预警及防汛排水工作，变得十分必要且重要。
目前，在进行道路积水监测时，通常有雷达式、超声波式、电子水尺、图像识别等监测方式。但采用雷达式监测或超声波式监测时，会受到车辆、行人、漂浮物及道路垃圾等影响，并且其耗电量大，存在不能方便稳定地监测到积水深度的问题；采用电子水尺监测时，会容易受到泥沙、树叶、道路垃圾等附着设备的影响，并且其存在安装位置需要占用道路空间、安装工程量大、运维工作量大(需要每场降雨后及时清理以确保其准确性和灵敏性)等缺陷，存在不能方便稳定地监测到积水深度的问题；采用图像识别监测，会受到昼夜光差的影响，并且对摄像头清晰度要求较高，夜间准确性差并且需要获取视频流及算力、算法的支持，不同道路因环境不同导致算法复用性差，存在不能方便稳定地监测到积水深度的问题。
发明内容
鉴于上述问题，本发明提供了一种路面积水监测方法及相关设备，主要目的在于解决目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题。
为解决上述技术问题，第一方面，本发明提供了一种路面积水监测方法，该方法包括：
通过声音采集装置获取监测区域的声音信号；
提取声音信号中的目标声音特征；
查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征。
可选的，目标信息还包括目标车辆信息，训练信息还包括训练车辆信息，其中，车辆信息为车辆速度和/或车辆类型；
查找与目标信息对应的预设声音特征的步骤之前，包括：
提取声音信号中的频谱信息；
根据频谱信息和目标声音特征得到目标车辆信息。
可选的，目标信息还包括目标温湿度信息，训练信息还包括训练温湿度信息；
查找与目标信息对应的预设声音特征的步骤之前，包括：
通过温湿度测量装置获取监测区域的目标温湿度信息。
可选的，通过声音采集装置获取监测区域的声音信号，包括：
若监测区域为固定路段，则通过设置在固定路段的道路路旁的声音采集装置获取固定路段的声音信号。
可选的，通过声音采集装置获取监测区域的声音信号的步骤，包括：
若监测区域为非固定路段，则通过设置在可移动目标物上的声音采集装置获取非固定路段的声音信号。
可选的，目标信息还包括目标高度信息，训练信息还包括训练高度信息；
查找与目标信息对应的预设声音特征的步骤之前，包括：
获取声音采集装置距离地面的目标高度信息。
可选的，方法还包括：
通过路面积水信息判断是否进行预警提示，其中，预警提示包括声光预警。
为了实现上述目的，根据本发明的第二方面，提供了一种路面积水监测装置，包括：
采集单元，用于通过声音采集装置获取监测区域的声音信号；
提取单元，用于提取声音信号中的目标声音特征；
查找单元，用于查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征。
为了实现上述目的，根据本发明的第三方面，提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述第一方面中任一项的路面积水监测方法的步骤。
为了实现上述目的，根据本发明的第四方面，提供了一种电子设备，该电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器，其中，处理器用于调用存储器中的程序指令，执行上述第一方面中任一项的路面积水监测方法的步骤。
借由上述技术方案，本申请提供了一种路面积水监测方法、装置、存储介质及电子设备，主要目的在于解决目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题。本申请通过声音采集装置获取监测区域的声音信号；提取声音信号中的目标声音特征；查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征，实现路面积水监测。上述方案能够实现积水监测过程中避免外部因素对监测过程的干扰的技术效果，进而解决了目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题。
附图说明
通过阅读下文示例性实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出示例性实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件/单元。在附图中：
图1为本申请实施例提供的一种路面积水监测方法的示意性流程图；
图2为本申请实施例提供的一种路面积水监测装置的示意性结构框图；
图3为本申请实施例提供的一种电子设备的示意性结构框图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
为了解决目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题，本申请实施例提供了一种路面积水监测方法，如图1所示，该方法可以包括：
步骤101、通过声音采集装置获取监测区域的声音信号；
具体的，可以通过声音采集装置获取监测区域的声音信号，声音采集装置可以多点布置、连续布置，监测区域可以为隧道内道路、桥梁道路、高速公路、市内道路、乡间小路等可能存在积水的道路，声音信号为车辆通过监测区域时发出的声音，例如，车辆轮胎与地面之间的摩擦声、车辆发动机的震动声、车辆通行时与积水形成的声音等；可以通过声音采集装置持续不断地获取监测区域的声音信号，也可以定时获取监测区域的声音信号，本领域技术人员可以按需获取声音信号，本申请实施例对此不做限定。
需要说明的是，进行声音采集的耗电量小、不会占用道路空间、音频数据流较视频数据流小、不会受到泥沙、树叶、漂浮物及道路垃圾等影响，通过步骤101可以避免如雷达式监测或超声波式监测时，漂浮物及道路垃圾对积水监测的影响，可以避免如电子水尺监测时，泥沙、树叶、道路垃圾等附着监测设备的影响，可以避免如图像识别监测时，夜间准确性差等问题。
步骤102、提取声音信号中的目标声音特征；
具体的，目标声音特征为进行积水监测时的声音特征，声音特征可以为MFCC(Mel-Frequency Cepstral Coefficients，梅尔频率倒谱系数)、LPC(Linear PredictiveCoefficient，线性预测系数)或倒谱系数等，本申请对此不做限制；而本实施例则以MFCC作为声音特征为例做以说明：将获取的声音信号分解为多个讯框(分帧、加窗)，并通过一个高通滤波器将其预强化/预加重，进行傅立叶变换，将信号变换至频域，将每个讯框获得的频谱通过梅尔滤波器(三角重叠窗口)，得到梅尔刻度，在每个梅尔刻度上提取对数能量，对获得的结果进行离散余弦变换，变换到倒频谱域，最终得到的MFCC，就是这个倒频谱图的幅度(amplitudes)，一般使用12个系数，与讯框能量叠加得13维的系数；也即，将声音信号转换为多维向量。
需要说明的是，通过步骤102可以得到目标声音特征，以便后续步骤对积水深度进行判断/监测。
步骤103、查找与目标信息对应的预设声音特征，以得到路面积水信息；
其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征。
具体的，训练声音特征为预设模型训练时的声音特征；预设声音特征可以保存于积水声音指纹库中，目标信息为进行积水监测时所采集、提取或计算得到的用于进行积水深度测量的信息，训练信息为用于构建、训练预设模型而输入的信息，路面积水信息可以为路面积水的准确深度，也可以为路面积水的程度，例如，可以将路面积水的程度划分成5个层级：无积水、轻积水(水深0-5cm)、中度积水(6-15cm)、重度积水(15-30cm)、严重积水(大于30cm)；可以选择在下雨天气的不同路段，采集大量声音信号，进行预设模型的构建、训练，预设模型中可以采用机器学习分类/聚类算法、神经网络算法或强化学习算法等，本申请对此不做限制；而本实施例则以预设模型中采用CTC(Connectionist TemporalClassification，连接时间分类)算法为例做以说明：通过CTC算法得到P(O|W)，即由某一预设声音特征得到路面积水深度的概率；在预设模型训练过程中，输入训练声音特征、路面积水信息，以通过预设模型建立预设声音特征与路面积水信息的映射关系，并将预设模型通过实际验证后率定校正，形成积水声音指纹库，以存储预设声音特征与路面积水信息的映射关系，以便在积水监测时能够准确地得到路面积水信息。
需要说明的是，现有技术在进行声音识别时，通常会预先创建并训练模型，以得到可用模型，该可用模型可以通过声音得到预设的分类结果，并使用该可用模型进行声音的识别，例如，使用某一可用模型，将动物叫声输入，输出得到是何种动物，这种方式对进行声音识别的设备的算力要求较高，通常需要传输到云端进行计算，耗时耗力；而本申请实施例则通过步骤103，利用由已经率定校正好的预设模型所得到的积水声音指纹库(存储着预设声音特征与路面积水信息的映射关系)，并将在监测过程中得到的目标声音特征与积水声音指纹库中的预设声音特征进行匹配，以得到路面积水信息。本申请实施例中，积水声音指纹库可以存储在云端，通过步骤103将目标声音特征传输到云端后与预设声音特征进行匹配，或将声音信号传输到云端，由云端进行步骤102和步骤103的执行；积水声音指纹库可以存储在包含声音采集装置的积水监测装置中，以便步骤103将目标声音特征在积水监测装置中与预设声音特征进行匹配，节省上传云端的资源消耗。
在一些示例中，目标信息还可以包括目标车辆信息，训练信息还可以包括训练车辆信息，车辆信息为车辆速度和/或车辆类型；步骤103之前，可以包括：提取声音信号中的频谱信息；根据频谱信息和目标声音特征得到目标车辆信息。
具体的，通过频谱信息和声音特征可以将目标声音特征划分为第一目标声音特征和第二目标声音特征，第一目标声音特征用于与积水声音指纹库中的预设声音特征比较匹配，第二目标声音特征用于进行目标车辆信息的判断；目标车辆信息为进行积水监测时得到的车辆信息，训练车辆信息为预设模型进行训练时输入的车辆信息；训练车辆信息为预设模型训练过程中预设定的车辆信息，目标车辆信息可以由第二目标声音特征根据多普勒原理、频谱分类等方式进行推断；车辆速度可以为精准车速，也可以为大致车速/分级车速(例如：慢速、中速、快速等)，本领域技术人员可以按照需要进行设定/选择，本申请实施例对此不做限制；车辆类型可以分为轿车、卡车、公交车或新能源汽车等，本领域技术人员可以按照需要设定/选择车辆类型的分类，本申请实施例对此不做限制；在预设模型训练过程中，输入训练车辆信息、训练声音特征、路面积水信息，以通过预设模型建立，车辆信息对应的预设声音特征，与路面积水信息的映射关系，并将预设模型通过实际验证后率定校正，形成积水声音指纹库，以存储上述映射关系。
需要说明的是，声音是振动产生的声波，通过介质(气体、固体、液体)传播并能被人或动物听觉器官所感知的波动现象，声音包括以下性质：频率、波长、波数振幅、音量(响度)、声压、音强、音速、方向、音色等，声音特征是对上述声音性质中的一种或多种性质的反映，不同车辆速度和/或车辆类型对声音的性质都会产生影响，也即会对声音特征产生影响，通过上述示例中的限定和步骤，可以在进行路面积水监测时，根据目标车辆信息和目标声音特征，与该车辆信息对应的预设声音特征进行匹配，能够更准确地得到路面积水信息。
在一些示例中，目标信息还可以包括目标温湿度信息，训练信息还可以包括训练温湿度信息；步骤103之前，可以包括：通过温湿度测量装置获取监测区域的目标温湿度信息。
具体的，目标温湿度信息为进行积水监测时得到的温湿度信息，训练温湿度信息为预设模型进行训练时输入的温湿度信息，温湿度信息为空气温度信息和/或空气湿度信息，温湿度测量装置可以设置在声音采集装置的内部，温湿度测量装置可以测量得到空气温度信息和/或空气湿度信息；在预设模型训练过程中，输入训练温湿度信息、训练声音特征、路面积水信息，以通过预设模型建立，温湿度信息对应的预设声音特征，与路面积水信息的映射关系，并将预设模型通过实际验证后率定校正，形成积水声音指纹库，以存储上述映射关系。
需要说明的是，不同的空气温湿度对声音的性质都会产生影响，也即会对声音特征产生影响，通过上述示例中的限定和步骤，可以在进行路面积水监测时，根据温湿度信息和目标声音特征，与该温湿度信息对应的预设声音特征进行匹配，能够更准确地得到路面积水信息。
在一些示例中，步骤101可以包括：若监测区域为固定路段，则通过设置在固定路段的道路路旁的声音采集装置获取固定路段的声音信号；若监测区域为非固定路段，则通过设置在可移动目标物上的声音采集装置获取非固定路段的声音信号。
具体的，道路路旁可以是道路的一侧路旁或两侧路旁，可移动目标物可以是车辆、三脚架等可以安置声音采集装置的可移动物体上；若是对固定路段进行积水监测，则可以将声音采集装置设置在固定路段路旁的电线杆、树木、墙壁、红绿灯、建筑物、马路牙上等位置；若是对非固定路段进行积水监测，则可以将声音采集装置设置在车辆、三脚架等可移动物体上。
需要说明的是，通过上述示例中的限定和步骤，在对固定路段进行积水监测时，声音采集装置可以方便地设置在道路路旁，占用空间小、易安装；在对非固定路段进行积水监测时，声音采集装置可以设置在车辆、三脚架等可移动物体上，便于针对不同路段进行积水监测。
在一些示例中，目标信息还可以包括目标高度信息，训练信息还可以包括训练高度信息；步骤103之前，可以包括：获取声音采集装置距离地面的目标高度信息。
具体的，目标高度信息为进行积水监测时，声音采集装置距离地面的高度，训练高度信息为预设模型进行训练时，声音采集装置距离地面的高度；在预设模型训练过程中，输入训练高度信息、训练声音特征、路面积水信息，以通过预设模型建立，高度信息对应的预设声音特征，与路面积水信息的映射关系，并将预设模型通过实际验证后率定校正，形成积水声音指纹库，以存储上述映射关系。
需要说明的是，不同的声音采集高度对声音的性质都会产生影响，也即会对声音特征产生影响，通过上述示例中的限定和步骤，可以在进行路面积水监测时，根据高度信息和目标声音特征，与该高度信息对应的预设声音特征进行匹配，能够更准确地得到路面积水信息。
在一些示例中，上述方法还可以包括：通过路面积水信息判断是否进行预警提示，其中，预警提示可以包括声光预警。
具体的，在路面积水信息显示当前路面积水深度达到或超过某一阈值时，发出预警提示；预警提示可以通过声音采集装置中的声光预警装置，发出声光预警，以提醒车辆或行人避免通过该积水路段，例如，在路面积水信息显示当前路面积水深度30cm时，发出声光预警；预警提示可以通过声音采集装置中的远程预警装置，将预警信息发送至相关部门或相关人员，以便及时清理路面积水。
需要说明的是，通过上述示例中的步骤，可以减少路面积水对人民生命财产安全造成的威胁。
借由上述技术方案，本申请实施例提供了一种路面积水监测方法，主要目的在于解决目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题。本申请实施例通过声音采集装置获取监测区域的声音信号；提取声音信号中的目标声音特征；查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征，实现路面积水监测。上述方案能够实现积水监测过程中避免外部因素对监测过程的干扰的技术效果，进而解决了目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题。
进一步的，作为对前述方法实施例的实现，本申请实施例还提供了一种路面积水监测装置，用于对前述方法实施例进行实现。该装置实施例与前述方法实施例对应，为便于阅读，本路面积水监测装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本申请实施例中的装置能够对应实现前述方法实施例中的全部内容。如图2所示，该装置20包括：采集单元201、提取单元202和查找单元203，其中，
采集单元201，用于通过声音采集装置获取监测区域的声音信号；
提取单元202，用于提取声音信号中的目标声音特征；
查找单元203，用于查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征。
本申请实施例还提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现以下路面积水监测方法：
通过声音采集装置获取监测区域的声音信号；
提取声音信号中的目标声音特征；
查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征。
可选的，目标信息还包括目标车辆信息，训练信息还包括训练车辆信息，其中，车辆信息为车辆速度和/或车辆类型；
查找与目标信息对应的预设声音特征的步骤之前，包括：
提取声音信号中的频谱信息；
根据频谱信息和目标声音特征得到目标车辆信息。
可选的，目标信息还包括目标温湿度信息，训练信息还包括训练温湿度信息；
查找与目标信息对应的预设声音特征的步骤之前，包括：
通过温湿度测量装置获取监测区域的目标温湿度信息。
可选的，通过声音采集装置获取监测区域的声音信号，包括：
若监测区域为固定路段，则通过设置在固定路段的道路路旁的声音采集装置获取固定路段的声音信号。
可选的，通过声音采集装置获取监测区域的声音信号的步骤，包括：
若监测区域为非固定路段，则通过设置在可移动目标物上的声音采集装置获取非固定路段的声音信号。
可选的，目标信息还包括目标高度信息，训练信息还包括训练高度信息；
查找与目标信息对应的预设声音特征的步骤之前，包括：
获取声音采集装置距离地面的目标高度信息。
可选的，方法还包括：
通过路面积水信息判断是否进行预警提示，其中，预警提示包括声光预警。
本申请实施例还提供了一种电子设备30，如图3所示，该电子设备包括至少一个处理器301、以及与处理器连接的至少一个存储器302；其中，处理器301用于调用存储器302中的程序指令，以执行实现上述路面积水监测方法。
借由上述技术方案，本申请实施例提供了一种路面积水监测方法及相关装置，主要目的在于解决目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题。本申请实施例通过声音采集装置获取监测区域的声音信号；提取声音信号中的目标声音特征；查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，目标信息包括目标声音特征，预设声音特征与路面积水信息存在映射关系，映射关系基于预设模型得到，预设模型为建立训练信息与路面积水信息之间关系的抽象模型，训练信息包括训练声音特征，实现路面积水监测。上述方案能够实现积水监测过程中避免外部因素对监测过程的干扰的技术效果，进而解决了目前在进行路面积水监测时，不能方便稳定地监测到积水深度的问题。
本申请是参照根据本申请实施例的方法、设备(系统)和装置的流程图和/或方框图来描述的；应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合；可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程流程管理设备的处理器以产生一个机器，使得通过计算机或其他可编程流程管理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，电子设备可以包括一个或多个处理器(CPU)、存储器和总线；电子设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片；存储器是存储介质的示例。
存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储；信息可以是计算机可读指令、数据结构、程序的模块或其他数据；计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息；按照本文中的界定，存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本申请的说明书和权利要求书及附图中的术语“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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素；在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品；因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式；而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
可以由一种或多种程序设计语言或其组合来编写用于执行本申请实施例操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言——诸如Common Lisp、Python、C++、Objective-C、Smalltalk、Delphi、Java、Swift、C#、Perl、Ruby、JavaScript和PHP等，还包括常规的过程式程序设计语言——诸如Fortran、ALGOL、COBOL、PL/I、BASIC、Pascal和C等，还包括其他任意一种编程语言——诸如Lisp、Tcl、Prolog、VisualBasic.NET、SQL和R等；程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行；在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上仅为本申请的实施例而已，并不用于限制本申请；对于本领域技术人员来说，本申请可以有各种更改和变化；凡在本申请的精神和原理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权利要求范围之内。
Claims (10)
1.一种路面积水监测方法，其特征在于，所述方法包括：
通过声音采集装置获取监测区域的声音信号；
提取所述声音信号中的目标声音特征；
查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，所述目标信息包括所述目标声音特征，所述预设声音特征与所述路面积水信息存在映射关系，所述映射关系基于预设模型得到，所述预设模型为建立训练信息与所述路面积水信息之间关系的抽象模型，所述训练信息包括训练声音特征。
2.根据权利要求1所述的方法，其特征在于，
所述目标信息还包括目标车辆信息，所述训练信息还包括训练车辆信息，其中，所述车辆信息为车辆速度和/或车辆类型；
所述查找与目标信息对应的预设声音特征的步骤之前，包括：
提取所述声音信号中的频谱信息；
根据所述频谱信息和所述目标声音特征得到所述目标车辆信息。
3.根据权利要求1所述的方法，其特征在于，
所述目标信息还包括目标温湿度信息，所述训练信息还包括训练温湿度信息；
所述查找与目标信息对应的预设声音特征的步骤之前，包括：
通过温湿度测量装置获取所述监测区域的目标温湿度信息。
4.根据权利要求1所述的方法，其特征在于，所述通过声音采集装置获取监测区域的声音信号的步骤，包括：
若所述监测区域为固定路段，则通过设置在所述固定路段的道路路旁的所述声音采集装置获取所述固定路段的所述声音信号。
5.根据权利要求1所述的方法，其特征在于，所述通过声音采集装置获取监测区域的声音信号的步骤，包括：
若所述监测区域为非固定路段，则通过设置在可移动目标物上的所述声音采集装置获取所述非固定路段的所述声音信号。
6.根据权利要求4或5所述的方法，其特征在于，
所述目标信息还包括目标高度信息，所述训练信息还包括训练高度信息；
所述查找与目标信息对应的预设声音特征的步骤之前，包括：
获取所述声音采集装置距离地面的所述目标高度信息。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述路面积水信息判断是否进行预警提示，其中，所述预警提示包括声光预警。
8.一种路面积水监测装置，其特征在于，包括：
采集单元，用于通过声音采集装置获取监测区域的声音信号；
提取单元，用于提取所述声音信号中的目标声音特征；
查找单元，用于查找与目标信息对应的预设声音特征，以得到路面积水信息，其中，所述目标信息包括目标声音特征，所述预设声音特征与所述路面积水信息存在映射关系，所述映射关系基于预设模型得到，所述预设模型为建立训练信息与所述路面积水信息之间关系的抽象模型，所述训练信息包括训练声音特征。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1至权利要求7中任一项所述的路面积水监测方法的步骤。
10.一种电子设备，其特征在于，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器，其中，所述处理器用于调用所述存储器中的程序指令，执行如权利要求1至权利要求7中任一项所述的路面积水监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110993655.3A CN113658608B (zh) | 2021-08-27 | 2021-08-27 | 路面积水监测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110993655.3A CN113658608B (zh) | 2021-08-27 | 2021-08-27 | 路面积水监测方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113658608A true CN113658608A (zh) | 2021-11-16 |
| CN113658608B CN113658608B (zh) | 2022-03-25 |
Family
ID=78493034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110993655.3A Active CN113658608B (zh) | 2021-08-27 | 2021-08-27 | 路面积水监测方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113658608B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114900667A (zh) * | 2022-05-26 | 2022-08-12 | 歌尔股份有限公司 | 一种门铃控制方法、装置、门铃设备及可读存储介质 |
| CN114898514A (zh) * | 2022-05-26 | 2022-08-12 | 歌尔股份有限公司 | 一种门铃设备及其排水机构、排水控制方法和装置 |
| CN114942596A (zh) * | 2022-07-26 | 2022-08-26 | 山脉科技股份有限公司 | 一种城市防洪排水智能控制系统 |
| CN115762565A (zh) * | 2023-01-06 | 2023-03-07 | 江苏省气象服务中心 | 一种基于路噪音频分析的路面气象状况识别方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203759247U (zh) * | 2013-12-03 | 2014-08-06 | 北汽福田汽车股份有限公司 | 一种车载雷达系统 |
| CN111031114A (zh) * | 2019-11-29 | 2020-04-17 | 万翼科技有限公司 | 车辆水浸防护方法、设备和系统 |
| CN111223494A (zh) * | 2019-12-17 | 2020-06-02 | 深圳市联谛信息无障碍有限责任公司 | 一种路面信息识别的方法、装置以及电子设备 |
| US20200219382A1 (en) * | 2019-01-07 | 2020-07-09 | Ford Global Technologies, Llc | Home smart listening device linking to transport vehicle |
| CN111951560A (zh) * | 2020-08-30 | 2020-11-17 | 北京嘀嘀无限科技发展有限公司 | 服务异常检测方法、训练服务异常检测模型的方法和训练声音模型的方法 |
| CN112071096A (zh) * | 2020-09-24 | 2020-12-11 | 山东智果云科技有限公司 | 一种低洼路面积水深度检测、预警、预报的方法及装置 |
| CN112330490A (zh) * | 2020-11-19 | 2021-02-05 | 海天水务集团股份公司 | 一种智慧水务综合信息处理平台 |
| CN112382091A (zh) * | 2020-11-11 | 2021-02-19 | 北京世纪高通科技有限公司 | 一种道路积水预警方法及装置 |
| CN112560822A (zh) * | 2021-02-23 | 2021-03-26 | 江苏聆世科技有限公司 | 一种基于卷积神经网络的道路声信号分类方法 |
| CN112557510A (zh) * | 2020-12-11 | 2021-03-26 | 广西交科集团有限公司 | 混凝土路面脱空智能检测装置及其检测方法 |
-
2021
- 2021-08-27 CN CN202110993655.3A patent/CN113658608B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203759247U (zh) * | 2013-12-03 | 2014-08-06 | 北汽福田汽车股份有限公司 | 一种车载雷达系统 |
| US20200219382A1 (en) * | 2019-01-07 | 2020-07-09 | Ford Global Technologies, Llc | Home smart listening device linking to transport vehicle |
| CN111031114A (zh) * | 2019-11-29 | 2020-04-17 | 万翼科技有限公司 | 车辆水浸防护方法、设备和系统 |
| CN111223494A (zh) * | 2019-12-17 | 2020-06-02 | 深圳市联谛信息无障碍有限责任公司 | 一种路面信息识别的方法、装置以及电子设备 |
| CN111951560A (zh) * | 2020-08-30 | 2020-11-17 | 北京嘀嘀无限科技发展有限公司 | 服务异常检测方法、训练服务异常检测模型的方法和训练声音模型的方法 |
| CN112071096A (zh) * | 2020-09-24 | 2020-12-11 | 山东智果云科技有限公司 | 一种低洼路面积水深度检测、预警、预报的方法及装置 |
| CN112382091A (zh) * | 2020-11-11 | 2021-02-19 | 北京世纪高通科技有限公司 | 一种道路积水预警方法及装置 |
| CN112330490A (zh) * | 2020-11-19 | 2021-02-05 | 海天水务集团股份公司 | 一种智慧水务综合信息处理平台 |
| CN112557510A (zh) * | 2020-12-11 | 2021-03-26 | 广西交科集团有限公司 | 混凝土路面脱空智能检测装置及其检测方法 |
| CN112560822A (zh) * | 2021-02-23 | 2021-03-26 | 江苏聆世科技有限公司 | 一种基于卷积神经网络的道路声信号分类方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114900667A (zh) * | 2022-05-26 | 2022-08-12 | 歌尔股份有限公司 | 一种门铃控制方法、装置、门铃设备及可读存储介质 |
| CN114898514A (zh) * | 2022-05-26 | 2022-08-12 | 歌尔股份有限公司 | 一种门铃设备及其排水机构、排水控制方法和装置 |
| CN114942596A (zh) * | 2022-07-26 | 2022-08-26 | 山脉科技股份有限公司 | 一种城市防洪排水智能控制系统 |
| CN115762565A (zh) * | 2023-01-06 | 2023-03-07 | 江苏省气象服务中心 | 一种基于路噪音频分析的路面气象状况识别方法及系统 |
| CN115762565B (zh) * | 2023-01-06 | 2023-05-30 | 江苏省气象服务中心 | 一种基于路噪音频分析的路面气象状况识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113658608B (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113658608B (zh) | 路面积水监测方法、装置、存储介质及电子设备 | |
| Sevillano et al. | DYNAMAP–Development of low cost sensors networks for real time noise mapping | |
| Nooralahiyan et al. | A field trial of acoustic signature analysis for vehicle classification | |
| CN103413441A (zh) | 道路天气状况监控系统和监控方法 | |
| George et al. | Exploring sound signature for vehicle detection and classification using ANN | |
| Gourley et al. | Remote collection and analysis of witness reports on flash floods | |
| Garcia et al. | A real time urban flood monitoring system for metro Manila | |
| Azorin-Molina et al. | Sea breeze thunderstorms in the eastern Iberian Peninsula. Neighborhood verification of HIRLAM and HARMONIE precipitation forecasts | |
| CN115081508B (zh) | 一种基于交通数字孪生的交通运行风险平行仿真系统 | |
| CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
| KR102334369B1 (ko) | 블랙아이스 생성 예측을 통한 알림 시스템 | |
| CN105262983A (zh) | 基于灯联网的道路监控系统与方法 | |
| Ramos-Romero et al. | Identification and mapping of asphalt surface deterioration by tyre-pavement interaction noise measurement | |
| Zambon et al. | Vehicle speed recognition from noise spectral patterns | |
| JP2002298063A (ja) | 浸水予測と排水管理をするためのリアル浸水マップシステムおよびその方法 | |
| Vaibhav et al. | Real-time fog visibility range estimation for autonomous driving applications | |
| CN117012006B (zh) | 一种城市道路的洪涝灾害预警方法、设备及介质 | |
| Ramírez et al. | Accident risk detection in urban trees using machine learning and fuzzy logic | |
| CN116168727A (zh) | 一种变压器异常声音检测方法、系统、设备及存储介质 | |
| Pathak et al. | Assessment and prediction of environmental noise generated by road traffic in Nagpur City, India | |
| Maity et al. | Identifying outdoor context by correlating air and noise pollution sensor log | |
| AU2020103374A4 (en) | Mobile traffic noise measurement and prediction method using machine learning algorithms | |
| CN113807454B (zh) | 能见度确定方法、装置、计算机设备及可读存储介质 | |
| Kongrattanaprasert et al. | Detection of road surface conditions using tire noise from vehicles | |
| Exner et al. | Monitoring Street Infrastructures with Artificial Intelligence |
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 |