CN113724496B - 一种全场景道路交通安全隐患排查方法以及排查系统 - Google Patents
一种全场景道路交通安全隐患排查方法以及排查系统 Download PDFInfo
- Publication number
- CN113724496B CN113724496B CN202111005220.XA CN202111005220A CN113724496B CN 113724496 B CN113724496 B CN 113724496B CN 202111005220 A CN202111005220 A CN 202111005220A CN 113724496 B CN113724496 B CN 113724496B
- Authority
- CN
- China
- Prior art keywords
- road
- traffic
- potential safety
- safety hazard
- data
- 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.)
- Active
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
Abstract
本发明提供一种全场景道路交通安全隐患排查方法以及排查系统,属于道路安全设施技术领域。所述的S1:数据采集;S2:构建全场景道路交通安全隐患排查知识体系;S3:实现道路交通安全隐患场景智能化识别;S4:构建从道路规划设计、交通基础设施配备、安全视距到交通组织的道路交通安全隐患标准化排查,利用数据判别算法库与人工辅助识别道路交通安全隐患风险点;S5:生成道路交通安全隐患排查结论。本专利在智能化设备采集数据基础上,构建面向平面交叉口、陡坡路段等全场景下隐患排查知识体系,该体系涉及道路规划设计、交通基础设施配备各方面隐患排查,完成全场景道路交通安全隐患排查。
Description
技术领域
本发明属于道路安全设施技术领域,具体涉及一种全场景道路交通安全隐患排查方法以及排查系统。
背景技术
随着我国道路基础设施快速建设,道路交通安全事故发生率呈现逐年上升趋势,道路交通事故发生造成生命财产损失的同时严重影响社会经济发展与社会稳定。道路交通安全隐患排查越来越受到公安部等部门重视,公安部交通管理局2020年8月召开全国事故预防“减量控大”视频推进会,2021年4月全国公安交通管理工作会议都提出了要切实抓好事故预防“减量控大”工作,全面排查道路交通安全风险隐患,以确保全国道路交通安全形势稳定。在当前全国各地交通管理部门积极推进道路智能化管理下,针对道路交通安全隐患排查的智能化手段相对缺乏。《公路交通事故多发点段及严重安全隐患排查工作规范(试行)》明确提出为健全完善公路交通安全隐患排查工作长效机制,规范公路交通事故多发点段的排查工作,有效防范和减少道路交通事故的发生。《公路巡逻民警队警务工作规范(公安部令第116号)》中指出要公路巡逻民警队应当定期分析研判本地区交通安全形势,根据道路交通事故时间、地点、主要原因以及交通违法行为发生的规律特点,科学制定预防道路交通事故的对策、措施和意见。从相关法律法规中可以看出,道路交通安全隐患排查作为相关部门日常工作亟待构建长效排查机制。
当前相关部门开展道路交通安全隐患排查多依据道路交通安全事故统计结果,根据事故严重程度确定安全隐患等级,在确定道路交通安全隐患位置信息基础上,由相关管理部门进行人工现场排查,拍摄记录事故点位图片并整理成排查档案后,相关人员以核定安全隐患等级与提交安全隐患分析研判报告,最终提出整改意见并上报相关部门。
专利名称为:道路交通安全隐患路段甄别方法和系统,专利号为201210426533.7的专利中通过对事故点与地图数据比对分析对隐患路段及类型进行了甄别认定。该专利对于安全隐患认定属于基于道路交通事故的被动式排查。专利名称为:一种智能道路交通安全隐患排查系统,专利号为201810007925.7的专利中重点在于整合道路测量系统、检测系统与视觉系统对道路建设不标准造成交通事故路段进行排查。该专利主要排查道路设计与建设不规范造成的安全隐患问题,缺少对于道路基础设施建设配备不完整、不标准而造成的安全隐患排查。总体看来,当前实际道路交通安全隐患排查工作中,排查流程尚未形成规范,排查方法单一,缺少智能化排查手段,安全隐患在人工排查下,排查认定主观性强,排查周期长。
发明内容
本发明通过提供一种全场景道路交通安全隐患排查方法以及排查系统,以解决上述技术问题。
为实现上述目的,本发明的技术解决方案是:
一种全场景道路交通安全隐患排查方法,包括以下步骤:
S1:数据采集,利用车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、加速度传感器对道路图像、位置信息、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度以时间标签为依据进行标准化采集数据;
根据采集的数据建立平面交叉口分析模型、陡坡路段及弯道分析模型;
所述平面交叉口识别模型通过将位置信息拟合行驶轨迹,根据拟合轨迹形状确定十字交叉口、丁字交叉口、Y型交叉口等各类型交叉口,输出平面交叉口识别结果;
所述陡坡路段及弯道识别模型首先将位置信息拟合行驶轨迹,确定轨迹起终点,计算陡坡路段坡度、坡长、高差,弯道路段转弯半径的不同场景下的关键参数,判断关键参数是否满足相应场景认定标准后,输出场景识别结果;
S2:构建全场景道路交通安全隐患排查知识体系,安全隐患排查知识体系中包含多种隐患场景下的多种场景分析模型及各场景下所需排查的交通标志、交通标线、安全设施、安全视距等具体内容及其设置标准;
S3:实现道路交通安全隐患场景智能化识别,所述智能化识别结合图像判别算法与数据判别算法,图像判别算法基于深度图像识别技术,通过对不同安全隐患场景图片进行标签标注后训练,实现场景确定以及图片中存在的交通安全设施的图像识别,与图片中包含的道路宽度、车道数量、车道宽度、道路坡度、圆曲线半径道路基础参数信息识别;数据判别算法则是在构建隐患项结构化数据模型库上,通过数据分析实现隐患场景的智能化识别;
S4:构建从道路规划设计、交通基础设施配备、安全视距到交通组织的道路交通安全隐患标准化排查,所述标准化排查包括构建道路基本信息库,所述基本信息包括道路类型、坡度、转弯半径、车道数、限速,然后综合分析基本信息中道路类型及坡度、转弯半径,对道路规划设计不科学所造成的安全隐患进行排查;利用数据判别算法库与人工辅助识别道路交通安全隐患风险点,数据判别算法库在不同场景下,定义交叉口停止线、陡坡路段及转弯路段起/终点为基准点,在限速、宽度道路特性条件下依据交通标志、交通标线、安全设施设置规范确定其距基准点位置,将该位置定义为道路安全隐患排查最佳视角位置,通过采集图片进行道路安全隐患排查时,快速定位隐患点,在所述隐患点排查交通标志、交通标线、安全设施是否缺失、是否符合标准内容,最佳视角判定在智能算法基础上结合人工辅助手段,选定隐患排查识别目标图片与数据判别算法所需数据,智能化识别道路交通安全隐患后对隐患点进行图片标注,隐患图片标注结合深度图像识别技术智能化标注与人工判定辅助性标注,以可视化形式确保道路交通安全隐患排查方法可实施性与隐患排查结果的完整性与准确性;
S5:生成道路交通安全隐患排查结论。
优选地,所述步骤S1还包括数据采集后利用信息时间标签完成不同数据时间特征匹配,构建标准化采集数据;
所述标准化采集数据以图片作为道路安全隐患场景识别人工智能算法的基数数据,以深度图像识别技术对相关图像进行标注,模型训练后完成隐患场景识别,综合道路图像、位置信息、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度构建数据模型,完成道路交通安全要素的识别与测量,支持道路交通安全隐患可视化排查与隐患标注后,将图片与排查点位信息进行关联。
优选地,所述将图片与排查点位信息进行关联为将图片对应采集点位GPS位置数据,以时间关系顺序排列,在坐标系统转换后匹配地图位置信息,生成图片与地图之间对应关系,实现隐患排查快速定位与可视化排查。
优选地,所述步骤S4中道路交通安全隐患标准化排查的方法包括以下步骤:
Step1:确定路段基准点,平面交叉口基准点为停止线位置;陡坡路段、转弯路段基准点为路段起/终点位置;
Step2:依据相关标准文件确定排查交通标志、交通标线、安全设施、安全视距、交通组织排查的最佳点位Pbest,Pbest=Po±ls,其中ls为相关标准中规定的交通标志、交通标线、安全设施的布设点位距基准点距离与安全视距、交通组织排查时距基准点距离;
Step3:确定最佳点位Pbest下图片为安全隐患排查最佳视角;
Step4:根据图像确认最佳视角下交通标志、交通标线、安全设施是否缺失,安全视距、交通组织是否存在安全隐患:
若最佳视角下不存在安全隐患,则完成该点隐患排查;
若最佳视角下交通标志、交通标线、安全设施缺失,安全视距、交通组织存在安全隐患,需进入Step5进行交通标志、交通标线、安全设施隐患确认;
Step5:人为增大减小调整ls值,以在最佳排查点位前后确认是否为交通标志、交通标线、安全设施缺失:
若调整ls值后仍未发现交通标志、交通标线、安全设施,则认定为缺失;
若调整ls值后发现交通标志、交通标线、安全设施,则需进入Step6确定具体隐患详情;
Step6:判定交通标志、交通标线、安全设施是否完整,有无遮挡、磨损情况:
若完整,则认定交通标志、交通标线、安全设施设置位置不符合标准,ls增大认定设置位置距离基准点过远,ls减小认定设置位置距离基准点过近;
若不完整,结合Step5综合给定隐患认定结果;
Step7:以图片标注和文字总结形式输出隐患认定结果,完成隐患智能化排查。
本发明还提供一种全场景道路交通安全隐患排查系统,包括数据采集层、数据层、逻辑层、应用层。
所述数据采集层以前端智能化设备完成道路数据采集;
所述数据层包括采集数据、隐患认定数据、地图数据,为逻辑层提供数据支撑;
逻辑层在数据层的基础上,完成隐患排查的场景识别与道路参数识别、确定最佳排查视角,以可视化形式完成道路隐患项认定;
应用层在逻辑层完成道路隐患项认定下,面向不同部门实际应用开展相应排查工作,应用层包括排查总览、任务管理、可视化报告。
优选地,所述数据采集层以车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、加速度传感器对道路图像、位置、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度以时间标签为依据进行标准化采集数据。
优选地,所述数据层中隐患认定数据包含道路设计规范与交通标志、交通标线、安全设施设置标准。
优选地,所述逻辑层在数据整合基础上实现隐患排查工作中的隐患场景识别、道路参数识别、排查最佳视角确定、隐患项认定,其中隐患场景识别与道路参数识别是在实际路段排查工作开展前确定具体排查场景与隐患排查所需参数,道路参数识别与排查最佳视角确定则是为发现路段可能存在安全隐患位置,隐患项认定则是在上述基础上完成路段隐患内容确定。
优选地,所述排查总览为通过设置不同级别系统权限,对于不同系统使用部门划分特定权限,在各自权限下操作系统时仅可访问不同后台数据库数据,实现相应排查任务查看;所述任务管理为在浏览器页面端对数据录入、修改、删除、查询,在业务逻辑层数据验证基础上,实现后台数据库中数据响应;所述可视化报告为在完成道路安全隐患排查任务完成后,通过将排查结果信息写入后台数据库中,形成完整隐患排查结果数据。
本发明的有益效果是:
1.本专利则是在智能化设备采集数据基础上,构建面向平面交叉口、陡坡路段、连续下坡路段、单个急弯路段、连续急弯路段、坡弯组合路段、学校周边路段、穿村过镇路段、临水路段、临崖路段、其他路侧危险路段、事故多发点、事故多发段、隧道出入口全场景下隐患排查知识体系,该体系涉及道路规划设计、交通基础设施配备、安全视距、交通组织各方面隐患排查,最终可完成全场景道路交通安全隐患排查。
2.本发明基于道路交通安全相关法律法规梳理,构建了全场景道路交通安全隐患排查知识体系,面向相关部门道路安全隐患排查业务流程,规范化了从数据采集、分析、隐患识别到隐患结论生成的完整道路交通安全隐患排查流程。
3.本发明隐患排查工作开展并非仅根据道路事故统计数据,而是在全场景下依据道路规划设计、交通设施设计相关规范,实现现有道路交通安全隐患主动排查。
4.本发明以推动相关部门开展道路交通安全排查工作为基本原则,利用方法与系统智能化完成整体道路安全隐患排查工作。
附图说明
图1是全场景道路交通安全隐患排查流程技术路线。
图2是道路交通安全隐患排查流程技术路线图。
图3是道路交通安全隐患排查系统架构图。
具体实施方式
下面将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,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
本发明针对现阶段道路交通安全隐患排查存在的问题,基于标准化采集数据,在构建全场景道路交通安全隐患排查知识体系基础上,实现道路交通安全隐患场景智能化识别后,对道路交通安全隐患进行标准化排查,以可视化形式生成安全隐患排查结论,集成开发道路交通安全隐患排查系统。本发明的全场景道路交通安全隐患排查流程技术路线如图1所示。
具体的,一种全场景道路交通安全隐患排查方法,包括以下步骤:
S1:数据采集,利用车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、加速度传感器对道路图像、位置信息、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度以时间标签为依据进行标准化采集数据;
在改装车辆上布设多个高清摄像头,从左前方、正前方、右前方不同方向进行多视角高频道路图像数据采集;通过GPS测量仪采集获取车辆行驶过程GPS信息;通过陀螺仪测量滚转角、俯仰角、偏航角信息;通过车速传感器与加速度传感器分别测量车速与加速度信息。上述信息采集完成后分别存储于相应设备存储中心,利用信息时间标签完成不同数据时间特征匹配,构建标准化采集数据。
所述标准化采集数据以图片作为道路安全隐患场景识别人工智能算法的基数数据,以深度图像识别技术对相关图像进行标注,模型训练后完成隐患场景识别,综合道路图像、位置信息、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度构建数据模型,完成道路交通安全要素的识别与测量,支持道路交通安全隐患可视化排查与隐患标注后,将图片与排查点位信息进行关联。优选地,所述将图片与排查点位信息进行关联为将图片对应采集点位GPS位置数据,以时间关系顺序排列,在坐标系统转换后匹配地图位置信息,生成图片与地图之间对应关系,实现隐患排查快速定位与可视化排查,以便提高整体排查工作效率。
根据采集的数据(道路图像、位置信息、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度)建立平面交叉口分析模型、陡坡路段及弯道分析模型;
所述平面交叉口识别模型通过将位置信息拟合行驶轨迹,根据拟合轨迹形状确定十字交叉口、丁字交叉口、Y型交叉口等各类型交叉口,输出平面交叉口识别结果;
所述陡坡路段及弯道识别模型首先将位置信息拟合行驶轨迹,确定轨迹起终点,计算陡坡路段坡度、坡长、高差,弯道路段转弯半径的不同场景下的关键参数,判断关键参数是否满足相应场景认定标准后,输出场景识别结果;
S2:构建全场景道路交通安全隐患排查知识体系,安全隐患排查知识体系中包含多种(本发明列举14种)隐患场景下的多种场景分析模型及各场景下所需排查的交通标志、交通标线的具体内容及其设置标准;
由于平面交叉口、陡坡路段、连续下坡路段、单个急弯路段、连续急弯路段、坡弯组合路段、学校周边路段、穿村过镇路段、临水路段、临崖路段、其他路侧危险路段、事故多发点、事故多发段、隧道出入口全场景下道路特性、交通标志、交通标线、安全设施、安全视距、交通组织等排查内容存在一定差异,道路交通安全隐患排查涉及众多法律、规范,要实现不同场景下道路交通安全隐患排查,需在道路交通安全相关标准下,构建全场景道路交通安全隐患排查知识体系。
全场景道路交通安全隐患排查知识体系以隐患场景为划分依据,确定了平面交叉口、陡坡路段、连续下坡路段、单个急弯路段、连续急弯路段、坡弯组合路段、学校周边路段、穿村过镇路段、临水路段、临崖路段、其他路侧危险路段、事故多发点、事故多发段、隧道出入口14项隐患场景。根据不同隐患场景,明确隐患排查内容,以对排查路段从基本信息、交通标志、交通标线、安全设施、安全视距到交通组织中可能涉及道路安全隐患的内容进行排查,排查过程中对上述排查内容不仅局限于完整性排查,更要从其是否符合标准进行排查,确保本发明构建的全场景道路交通安全隐患排查体系在开展安全隐患排查工作时排查结果的准确与全面。
S3:实现道路交通安全隐患场景智能化识别,所述智能化识别结合图像判别算法与数据判别算法,图像判别算法基于深度图像识别技术,通过对不同安全隐患场景图片进行标签标注后训练,实现场景确定以及图片中存在的交通安全设施的图像识别,与图片中包含的道路宽度、车道数量、车道宽度、道路坡度、圆曲线半径道路基础参数信息识别;数据判别算法则是在构建隐患项结构化数据模型库上,通过数据分析实现隐患场景的智能化识别;
S4:要实现道路安全隐患主动发现排查,以全场景道路交通安全隐患排查知识体系为基础,构建从道路规划设计、交通基础设施配备、安全视距到交通组织的道路交通安全隐患标准化排查方法,所述标准化排查包括构建道路基本信息库,所述基本信息包括道路类型、坡度、转弯半径、车道数、限速,然后综合分析基本信息中道路类型及坡度、转弯半径,对道路规划设计不科学所造成的安全隐患进行排查;例如陡坡路段排查时在不同设计速度下最大纵坡应及不同纵坡的最大坡长满足表1与表2所示,当排查路段限速vmax确定时,路段最大纵坡imax(i=hl,h为路段高差、l为路段水平距离)、路段最大坡长Lmax即可确定。在路段限速vmax下,当时间路段纵坡i>imax或实际路段长度L>Lmax时认定陡坡路段存在道路规划设计不科学造成的安全隐患。
表1最大纵坡
设计速度(km/h) | 120 | 100 | 80 | 60 | 40 | 30 | 20 |
最大纵坡(%) | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
表2不同纵坡的最大坡长(m)
利用数据判别算法库与人工辅助识别道路交通安全隐患风险点,数据判别算法库在不同场景下,定义交叉口停止线、陡坡路段及转弯路段起/终点为基准点,在限速、宽度道路特性条件下依据交通标志、交通标线、安全设施等设置规范确定其距基准点位置,将该位置定义为道路安全隐患排查最佳视角位置,通过采集图片进行道路安全隐患排查时,快速定位隐患点,在所述隐患点排查交通标志、交通标线、安全设施是否缺失、是否符合标准内容进行排查,用数据判别算法库辅助完成道路安全隐患排查;
标准化数据采集是面向全场景下的数据采集,采集数据标准统一,数据经过清洗、处理可满足主动式道路交通安全隐患排查要求,可实现数据与隐患标注点的一一对应关系。
隐患智能化排查中最佳视角判定在智能算法基础上结合人工辅助手段,选定隐患排查识别目标图片与数据判别算法所需数据,智能化识别道路交通安全隐患后对隐患点进行图片标注,隐患图片标注结合深度图像识别技术智能化标注与人工判定辅助性标注,以可视化形式确保道路交通安全隐患排查方法可实施性与隐患排查结果的完整性与准确性;道路交通安全隐患排查流程技术路线如图2所示;
由于道路交通标志、交通标线设置位置不标准等隐患项认定与基本信息中车道数、限速等信息存在关联关系,基本信息确定后,相应隐患项认定标准即可明确。道路交通安全隐患排查方法依托于智能化采集的数据,在确定道路隐患场景下,核定不同道路场景下待排查路段数后,对交通标志、交通标线、安全设施、安全视距、交通组织各内容进行排查。
所述道路交通安全隐患标准化排查的方法包括以下步骤:
Step1:确定路段基准点,平面交叉口基准点为停止线位置;陡坡路段、转弯路段基准点为路段起/终点位置;
Step2:依据相关标准文件确定排查交通标志、交通标线、安全设施、安全视距、交通组织排查的最佳点位Pbest,Pbest=Po±ls,其中ls为相关标准中规定的交通标志、交通标线、安全设施的布设点位距基准点距离与安全视距、交通组织排查时距基准点距离;
Step3:确定最佳点位Pbest下图片为安全隐患排查最佳视角;
Step4:根据图像确认最佳视角下交通标志、交通标线、安全设施是否缺失,安全视距、交通组织是否存在安全隐患:
若最佳视角下不存在安全隐患,则完成该点隐患排查;
若最佳视角下交通标志、交通标线、安全设施缺失,安全视距、交通组织存在安全隐患,需进入Step5进行交通标志、交通标线、安全设施隐患确认;
Step5:人为增大减小调整ls值,以在最佳排查点位前后确认是否为交通标志、交通标线、安全设施缺失:
若调整ls值后仍未发现交通标志、交通标线、安全设施,则认定为缺失;
若调整ls值后发现交通标志、交通标线、安全设施,则需进入Step6确定具体隐患详情;
Step6:判定交通标志、交通标线、安全设施是否完整,有无遮挡、磨损情况:
若完整,则认定交通标志、交通标线、安全设施设置位置不符合标准,ls增大认定设置位置距离基准点过远,ls减小认定设置位置距离基准点过近;
若不完整,结合Step5综合给定隐患认定结果;
Step7:以图片标注和文字总结形式输出隐患认定结果,完成隐患智能化排查。
S5:生成道路交通安全隐患排查结论。
为实现面向不同用户的隐患排查结论,本发明定义了层次化排查报告:包括道路交通安全隐患排查流程报告、道路交通安全隐患点段隐患单、基于隐患排查任务(或路段、区域)的总体报告。道路交通安全隐患排查流程报告的作用在于确保排查流程完整性与正确性,道路交通安全隐患点段隐患单与基于隐患排查任务(或路段、区域)的总体报告的作用在于面向不同用户业务需求,查看隐患排查分析与结论。所有排查报告以可视化形式展现后,可输出标准化文档格式,便于道路交通安全隐患排查工作中将排查结论上报相关部门。
如图3所示,本发明还提供一种全场景道路交通安全隐患排查系统,包括数据采集层、数据层、逻辑层、应用层,
所述数据采集层以前端智能化设备完成道路数据采集;所述数据采集层以车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、加速度传感器对道路图像、位置、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度以时间标签为依据进行标准化采集数据。
所述数据层包括采集数据、隐患认定数据、地图数据,为逻辑层提供数据支撑;所述数据层中隐患认定数据包含道路设计规范与交通标志、交通标线、安全设施设置标准等。例如道路设计规范方面:平面交叉口在不同限速与车道数等基本参数下的交通设施布设标准、陡坡路段在不同设计速度与纵坡坡度下最大坡长值等。交通标志、交通标线、安全设施设置标准方面:为各场景下交通标志、交通标线、安全设施具体布设类型,例如陡坡路段应布设道路车行道分界线、对向车道分界线等交通标线,上/下陡坡标志、禁止/解除超车标志等。
逻辑层在数据层的基础上,完成隐患排查的场景识别与道路参数识别、确定最佳排查视角,以可视化形式完成道路隐患项认定;所述逻辑层在数据整合基础上实现隐患排查工作中的隐患场景识别、道路参数识别、排查最佳视角确定、隐患项认定,其中隐患场景识别与道路参数识别是在实际路段排查工作开展前确定具体排查场景与隐患排查所需参数,道路参数识别与排查最佳视角确定则是为发现路段可能存在安全隐患位置,隐患项认定则是在上述基础上完成路段隐患内容确定。
应用层在逻辑层完成道路隐患项认定下,面向不同部门实际应用开展相应排查工作,应用层包括排查总览、任务管理、可视化报告。
所述排查总览为通过设置不同级别系统权限,对于不同系统使用部门划分特定权限,在各自权限下操作系统时仅可访问不同后台数据库数据,实现相应排查任务查看;在选定时间范围内从排查任务、辖区、道路三种层次对日常与专项道路隐患排查结果进行可视化展示,排查结果可选在不同道路类型下的已完成、执行中、未开始各项数据统计,支持自定义选项下的统计结果以图表形式进行可视化展示。在排查任务、辖区、道路层次下,结合地图情况,实现层级页面跳转与数据显示,例如辖区管理中可实现从省、市、区县页面跳转,在省、市、区县层次上进行隐患详情预览,从而满足不同用户业务场景需求。
所述任务管理为在浏览器页面端对数据录入、修改、删除、查询,在业务逻辑层数据验证基础上,实现后台数据库中数据响应;任务管理功能可以实现任务名称、道路名称、道路类型、任务状态、开始时间、结束时间选项下的任务创建与查询,生成排查任务列表。在列表展示页面跳转进行全场景道路安全隐患标准化排查,排查工作以网页端可视化操作实现排查任务中排查人员与后台数据交互,在业务逻辑层对数据验证基础上完成排查工作,排查完成后可对排查任务进行详情预览以保证隐患排查工作的准确性。
所述可视化报告为在完成道路安全隐患排查任务完成后,通过将排查结果信息写入后台数据库中,形成完整隐患排查结果数据。在此基础上预先制定基于隐患排查任务(或路段、区域)的总体报告、道路交通安全隐患排查流程报告、道路交通安全隐患点段隐患单三项排查报告模板,将不同隐患排查结果数据中后台存储字段传入排查文档模板相应位置处,完成道路安全隐患排查报告。排查报告可在角色不同权限下选择任务报告、辖区报告、道路报告后生成相应任务列表,在任务列表下查看与下载基于隐患排查任务(或路段、区域)的总体报告,并辅助于地图对总体报告概况可视化展示。在总体报告可视化展示界面上,选定路段隐患项排查点位列表,查看与下载道路交通安全隐患排查流程报告、道路交通安全隐患点段隐患单。面向不同用户需求下的报告可视化展示与下载,为后续隐患治理提供依据,形成排查、治理、评价、再排查的业务闭环,实现道路交通安全隐患排查的规范化与智能化,提升隐患排查效率。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种全场景道路交通安全隐患排查方法,其特征在于,包括以下步骤:
S1:数据采集,利用车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、加速度传感器对道路图像、位置信息、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度以时间标签为依据进行标准化采集数据;
根据采集的数据建立平面交叉口分析模型、陡坡路段及弯道分析模型;
所述平面交叉口识别模型通过将位置信息拟合行驶轨迹,根据拟合轨迹形状确定十字交叉口、丁字交叉口、Y型交叉口各类型交叉口,输出平面交叉口识别结果;所述陡坡路段及弯道识别模型首先将位置信息拟合行驶轨迹,确定轨迹起终点,计算陡坡路段坡度、坡长、高差,弯道路段转弯半径的不同场景下的关键参数,判断关键参数是否满足相应场景认定标准后,输出场景识别结果;
S2:构建全场景道路交通安全隐患排查知识体系,安全隐患排查知识体系中包含多种隐患场景下的多种场景分析模型及各场景下所需排查的基本信息、交通标志、交通标线、安全设施、安全视距的具体内容及其设置标准;
S3:实现道路交通安全隐患场景智能化识别,所述智能化识别结合图像判别算法与数据判别算法,图像判别算法基于深度图像识别技术,通过对不同安全隐患场景图片进行标签标注后训练,实现场景确定以及图片中存在的交通安全设施的图像识别,与图片中包含的道路宽度、车道数量、车道宽度、道路坡度、圆曲线半径道路基础参数信息识别;数据判别算法则是在构建隐患项结构化数据模型库上,通过数据分析实现隐患场景的智能化识别;
S4:构建从道路规划设计、交通基础设施配备、安全视距到交通组织的道路交通安全隐患标准化排查,所述标准化排查包括构建道路基本信息库,所述基本信息包括道路类型、坡度、转弯半径、车道数、限速,然后综合分析基本信息中道路类型及坡度、转弯半径,对道路规划设计不科学所造成的安全隐患进行排查;利用数据判别算法库与人工辅助识别道路交通安全隐患风险点,数据判别算法库在不同场景下,定义交叉口停止线、陡坡路段及转弯路段起/终点为基准点,在限速、宽度道路特性条件下依据交通标志、交通标线、安全设施设置规范确定其距基准点位置,将该位置定义为道路安全隐患排查最佳视角位置,通过采集图片进行道路安全隐患排查时,快速定位隐患点,在所述隐患点排查交通标志、交通标线、安全设施是否缺失、是否符合标准内容;最佳视角判定在智能算法基础上结合人工辅助手段,选定隐患排查识别目标图片与数据判别算法所需数据,智能化识别道路交通安全隐患后对隐患点进行图片标注,隐患图片标注结合深度图像识别技术智能化标注与人工判定辅助性标注,以可视化形式确保道路交通安全隐患排查方法可实施性与隐患排查结果的完整性与准确性;所述道路交通安全隐患标准化排查的方法包括以下步骤:
Step1:确定路段基准点,平面交叉口基准点为停止线位置;陡坡路段、转弯路段基准点为路段起/终点位置;
Step2:依据相关标准文件确定排查交通标志、交通标线、安全设施、安全视距、交通组织排查的最佳点位Pbest,Pbest=Po±ls,其中ls为相关标准中规定的交通标志、交通标线、安全设施的布设点位距基准点距离与安全视距、交通组织排查时距基准点距离;
Step3:确定最佳点位Pbest下图片为安全隐患排查最佳视角;
Step4:根据图像确认最佳视角下交通标志、交通标线、安全设施是否缺失,安全视距、交通组织是否存在安全隐患:
若最佳视角下不存在安全隐患,则完成该点隐患排查;
若最佳视角下交通标志、交通标线、安全设施缺失,安全视距、交通组织存在安全隐患,需进入Step5进行交通标志、交通标线、安全设施隐患确认;
Step5:人为增大减小调整ls值,以在最佳排查点位前后确认是否为交通标志、交通标线、安全设施缺失:若调整ls值后仍未发现交通标志、交通标线、安全设施,则认定为缺失;若调整ls值后发现交通标志、交通标线、安全设施,安全视距与交通组织存在安全隐患,则需进入Step6确定具体隐患详情;
Step6:判定交通标志、交通标线、安全设施是否完整,有无遮挡、磨损情况:
若完整,则认定交通标志、交通标线、安全设施设置位置不符合标准,ls增大认定设置位置距离基准点过远,ls减小认定设置位置距离基准点过近;若不完整,结合Step5综合给定隐患认定结果;
Step7:以图片标注和文字总结形式输出隐患认定结果,完成隐患智能化排查;
S5:生成道路交通安全隐患排查结论。
2.根据权利要求1所述的全场景道路交通安全隐患排查方法,其特征在于,所述步骤S1还包括数据采集后利用信息时间标签完成不同数据时间特征匹配,构建标准化采集数据;所述标准化采集数据以图片作为道路安全隐患场景识别人工智能算法的基数数据,以深度图像识别技术对相关图像进行标注,模型训练后完成隐患场景识别,综合道路图像、位置信息、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度构建数据模型,完成道路交通安全要素的识别与测量,支持道路交通安全隐患可视化排查与隐患标注后,将图片与排查点位信息进行关联。
3.根据权利要求2所述的全场景道路交通安全隐患排查方法,其特征在于,所述将图片与排查点位信息进行关联为将图片对应采集点位GPS位置数据,以时间关系顺序排列,在坐标系统转换后匹配地图位置信息,生成图片与地图之间对应关系,实现隐患排查快速定位与可视化排查。
4.一种采用如权利要求3所述的全场景道路交通安全隐患排查方法的全场景道路交通安全隐患排查系统,其特征在于,该系统包括数据采集层、数据层、逻辑层、应用层,所述数据采集层以前端智能化设备完成道路数据采集;所述数据层包括采集数据、隐患认定数据、地图数据,为逻辑层提供数据支撑;逻辑层在数据层的基础上,完成隐患排查的场景识别与道路参数识别、确定最佳排查视角,以可视化形式完成道路隐患项认定;应用层在逻辑层完成道路隐患项认定下,面向不同部门实际应用开展相应排查工作,应用层包括排查总览、任务管理、可视化报告。
5.根据权利要求4所述的全场景道路交通安全隐患排查系统,其特征在于,所述数据采集层以车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、加速度传感器对道路图像、位置、俯仰角、偏航角、速度、水平方向加速度、垂直方向加速度以时间标签为依据进行标准化采集数据。
6.根据权利要求5所述的全场景道路交通安全隐患排查系统,其特征在于,所述数据层中隐患认定数据包含道路设计规范与交通标志、交通标线、安全设施设置标准。
7.根据权利要求6所述的全场景道路交通安全隐患排查系统,其特征在于,所述逻辑层在数据整合基础上实现隐患排查工作中的隐患场景识别、道路参数识别、排查最佳视角确定、隐患项认定,其中隐患场景识别与道路参数识别是在实际路段排查工作开展前确定具体排查场景与隐患排查所需参数,道路参数识别与排查最佳视角确定则是为发现路段可能存在安全隐患位置,隐患项认定则是在上述基础上完成路段隐患内容确定。
8.根据权利要求7所述的全场景道路交通安全隐患排查系统,其特征在于,所述排查总览为通过设置不同级别系统权限,对于不同系统使用部门划分特定权限,在各自权限下操作系统时仅可访问不同后台数据库数据,实现相应排查任务查看;所述任务管理为在浏览器页面端对数据录入、修改、删除、查询,在业务逻辑层数据验证基础上,实现后台数据库中数据响应;所述可视化报告为在完成道路安全隐患排查任务完成后,通过将排查结果信息写入后台数据库中,形成完整隐患排查结果数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005220.XA CN113724496B (zh) | 2021-08-30 | 2021-08-30 | 一种全场景道路交通安全隐患排查方法以及排查系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005220.XA CN113724496B (zh) | 2021-08-30 | 2021-08-30 | 一种全场景道路交通安全隐患排查方法以及排查系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113724496A CN113724496A (zh) | 2021-11-30 |
CN113724496B true CN113724496B (zh) | 2022-06-21 |
Family
ID=78679131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111005220.XA Active CN113724496B (zh) | 2021-08-30 | 2021-08-30 | 一种全场景道路交通安全隐患排查方法以及排查系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724496B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115171075B (zh) * | 2022-07-07 | 2023-09-26 | 北京百度网讯科技有限公司 | 道路类型识别方法、装置及设备 |
CN116881831B (zh) * | 2023-09-07 | 2023-12-01 | 湖南省国土资源规划院 | 基于遥感技术的道路识别方法、系统及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
WO2018082784A1 (en) * | 2016-11-07 | 2018-05-11 | Swiss Reinsurance Company Ltd. | System and method for predicting of absolute and relative risks for car accidents |
WO2018217526A1 (en) * | 2017-05-23 | 2018-11-29 | Uber Technologies, Inc. | Path segment risk regression system for on-demand transportation services |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10474144B2 (en) * | 2016-08-01 | 2019-11-12 | The United States Of America, As Represented By The Secretary Of The Navy | Remote information collection, situational awareness, and adaptive response system for improving advance threat awareness and hazardous risk avoidance |
CN212363149U (zh) * | 2020-07-06 | 2021-01-15 | 江苏金建交通工程有限公司 | 一种交通标志牌位置异常检测装置 |
CN112735139A (zh) * | 2021-01-07 | 2021-04-30 | 中国安全生产科学研究院 | 一种用于普通公路安全隐患排查的装置和方法 |
-
2021
- 2021-08-30 CN CN202111005220.XA patent/CN113724496B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
WO2018082784A1 (en) * | 2016-11-07 | 2018-05-11 | Swiss Reinsurance Company Ltd. | System and method for predicting of absolute and relative risks for car accidents |
WO2018217526A1 (en) * | 2017-05-23 | 2018-11-29 | Uber Technologies, Inc. | Path segment risk regression system for on-demand transportation services |
Non-Patent Citations (1)
Title |
---|
高速公路改扩建道路设计中的安全问题探讨;张翼丹;《江西建材》;20160630(第12期);正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113724496A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113724496B (zh) | 一种全场景道路交通安全隐患排查方法以及排查系统 | |
CN107430815A (zh) | 用于自动识别停车区的方法和系统 | |
CN106548629B (zh) | 基于数据融合的交通违法行为检测方法和系统 | |
JP5656547B2 (ja) | 交差点交通流計測装置 | |
CN112633722B (zh) | 车载道路安全风险评估系统及方法 | |
CN112070454A (zh) | 高速公路养护施工区域控制安全管理系统的设计方法 | |
CN114782619B (zh) | 一种基于bim技术的可视化安全设施流转管理方法 | |
RU2507101C1 (ru) | Способ автоматизированного составления схемы дорожно-транспортного происшествия | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
CN116629546A (zh) | 基于高精定位和数字孪生的试车场智能排程和管理系统 | |
CN115691114A (zh) | 一种临崖路段的识别方法以及道路交通安全隐患排查方法 | |
CN114141011B (zh) | 一种陡坡及连续下坡路段识别方法以及安全隐患排查方法 | |
Noh et al. | SafetyCube: Framework for potential pedestrian risk analysis using multi-dimensional OLAP | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN112419713A (zh) | 一种基于云计算的城市交通监测系统 | |
Sarasua et al. | Use of global positioning system to identify crash locations in south carolina | |
RU2616103C2 (ru) | Способ автоматизированного составления схемы дорожно-транспортного происшествия с использованием системы глобального позиционирования и фотокамеры | |
TWI810921B (zh) | 交通肇事路段改善規劃方法及系統 | |
EP1635299A2 (de) | Vorrichtung und Verfahren zur georeferenzierten Aufnahme von Strassenverkehrsunfällen unmittelbar am Unfallort | |
CN114155709B (zh) | 一种急弯路段识别方法以及安全隐患排查方法 | |
CN115641708A (zh) | 一种学校周边路段的识别方法以及道路交通安全隐患排查方法 | |
CN115662111A (zh) | 一种穿村过镇路段识别方法以及道路交通安全隐患排查方法 | |
Mastandrea et al. | Development and implementation of an automated facility inventory system | |
Steele et al. | Traffic sign retroreflectivity condition assessment and deterioration analysis using Lidar technology | |
CN117058887B (zh) | 一种城市交通数据的采集方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |