CN113781781A - 道路交通风险指数的计算方法和道路交通风险预警方法 - Google Patents
道路交通风险指数的计算方法和道路交通风险预警方法 Download PDFInfo
- Publication number
- CN113781781A CN113781781A CN202111065655.3A CN202111065655A CN113781781A CN 113781781 A CN113781781 A CN 113781781A CN 202111065655 A CN202111065655 A CN 202111065655A CN 113781781 A CN113781781 A CN 113781781A
- Authority
- CN
- China
- Prior art keywords
- traffic
- risk
- road
- traffic data
- flow rate
- 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
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种道路交通风险指数的计算方法和一种道路交通风险预警方法,其中,道路交通风险预警方法包括:获取目标道路场景的道路交通风险指数D,道路交通风险指数D根上述的道路交通风险指数的计算方法获取;根据所述道路交通风险指数D判定所述目标道路场景的风险等级,并将包含风险等级信息的信号发送至终端进行预警提示。本发明解决了现有技术中的道路交通风险预警方法的检测准确率低、泛化性差;以及仅适用于单一的道路交通环境场景中,更换至其他类型的道路交通环境场景后,误报率明显提升,存在应用局限性的问题。
Description
技术领域
本发明涉及依靠人工智能的计算机视觉识别技术的交通管理技术领域,具体而言,涉及一种道路交通风险指数的计算方法和基于道路交通风险指数的道路交通风险预警方法。
背景技术
随着我国经济的高速发展,道路交通运输行业也发生着日新月异的变化,交通路网面积不断地扩大,机动车辆数量飞速增加。但随之而来的,便是道路交通的事故率明显升高,直接威胁到了人们的日常安全出行。
对于道路交通安全管控的一种有效手段便是进行道路交通的风险预警。相关技术中,利用计算机视觉技术,将道路交通环境场景中摄取的视频或图像作为样本数据,训练获得道路交通风险预警模型,通过道路交通风险预警模型对多条道路的聚类分析,从而确定每类道路的风险预警等级,最终实现道路交通的风险预警。上述的道路交通风险预警模型的训练集中,样本数据提供的数据源单一,从而导致现有的道路交通风险预警方法的检测准确率低以及泛化性差的问题;不仅如此,现有的道路交通风险预警模型更没有针对性地区分出与不同的目标道路场景对应的高概率出现的数据源种类;因此,现有的道路交通风险预警方法仅适用于单一的道路交通环境场景中,将其适配性应用于其他类型的道路交通环境场景时,误报率明显提升,存在应用局限性的问题。
发明内容
本发明的主要目的在于提供一种道路交通风险指数的计算方法和基于道路交通风险指数的道路交通风险预警方法,以解决现有技术中的道路交通风险预警方法的检测准确率低、泛化性差;以及仅适用于单一的道路交通环境场景中,更换至其他类型的道路交通环境场景后,误报率明显提升,存在应用局限性的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种道路交通风险指数的计算方法,包括:步骤S1,获取目标道路场景的视频图像;根据视频图像区分目标道路场景的类别,在多种待选交通数据中选定与该类别的目标道路场景具有风险相关性的交通数据的种类为n种;步骤S2,获取目标道路场景匹配的n种交通数据在预设统计时间内的信息数据读值,并根据各信息数据读值落入的阈值范围对应的级别,获取与其对应的交通数据的积分值;步骤S3,设置目标道路场景对应的各种交通数据的权重值;根据交通数据的积分值和权重值分别计算n 种交通数据的风险参数,根据n种交通数据的风险参数计算获取目标道路场景的道路交通风险指数D。
进一步地,多种待选交通数据包括:总车流量、高危车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、中型货车、小型货车、农用车流量、三轮车流量、平均车速、不良驾驶行为发生数量、交通事故发生数量。
进一步地,目标道路场景的类别包括:城市道路、农村道路、工业区道路和山区道路;其中,多种待选交通数据中与城市道路具有风险相关性的交通数据包括:总车流量、高危车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量;多种待选交通数据中与农村道路具有风险相关性的交通数据包括:总车流量、重型货车流量、中型客车流量、小型客车流量、农用车流量、三轮车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量;多种待选交通数据中与工业区道路具有风险相关性的交通数据包括:总车流量、高危车流量、重型货车流量、中型货车、小型货车、平均车速、不良驾驶行为发生数量、交通事故发生数量;多种待选交通数据中与山区道路具有风险相关性的交通数据包括:总车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量、交通事故发生数量。
进一步地,在步骤S2中,获取的交通数据为在25天至35天之间选取的预设统计时间的信息数据读值。
进一步地,在步骤S2中,交通数据的积分值的取值范围为[0,1],交通数据的信息数据读值落入的阈值范围对应的级别分为多个等级,相邻两个等级的阈值范围对应的交通数据的积分值的差值相等。
进一步地,交通数据的信息数据读值落入的阈值范围对应的级别分为等级1~等级5,其中,等级1对应的交通数据的积分值为0.2;等级2对应的交通数据的积分值为0.4;等级3 对应的交通数据的积分值为0.6;等级4对应的交通数据的积分值为0.8;等级5对应的交通数据的积分值为1.0。
进一步地,在步骤S3中,n种交通数据的权重值累积加和为1;且n种交通数据包括n1个一级交通数据和n2个二级交通数据,其中,各一级交通数据的权重值的取值范围为[0,1/n1]。
根据本发明的另一方面,提供了一种基于道路交通风险指数的道路交通风险预警方法,包括:步骤U1,获取目标道路场景的道路交通风险指数D,道路交通风险指数D根据上述的道路交通风险指数的计算方法获取;步骤U2,根据道路交通风险指数D判定目标道路场景的风险等级,并将包含风险等级信息的信号发送至终端进行预警提示;其中,道路交通风险指数D的范围为[0,1];当道路交通风险指数D∈(0.8,1.0]时,目标道路场景的风险等级为危险级;当道路交通风险指数D∈(0.6,0.8]时,目标道路场景的风险等级为高风险级;当道路交通风险指数D∈(0.4,0.6]时,目标道路场景的风险等级为中风险级;当道路交通风险指数 D∈[0,0.4]时,目标道路场景的风险等级为低风险级。
进一步地,终端为具有导航功能软件或地图显示功能软件的移动终端或道路情报显示面板;预警提示为文字预警,其中,当目标道路场景的风险等级为危险级时,终端处的文字预警为红色;当目标道路场景的风险等级为高风险级时,终端处的文字预警为橙色;当目标道路场景的风险等级为中风险级时,终端处的文字预警为黄色;当目标道路场景的风险等级为低风险级时,终端处的文字预警为绿色;或预警提示为声音预警,其中,当目标道路场景的风险等级为危险级、高风险级或中风险级时,终端启动声音预警,且声音预警的频率或声音预警的音量与目标道路场景的风险等级的高低成正比;当目标道路场景的风险等级为低风险级时,终端关闭声音预警。
本发明提供的道路交通风险预警方法,能够应用道路交通风险预警模型获取道路交通风险指数D后,基于道路交通风险指数D预判目标道路场景的风险等级,并将包含风险等级信息的信号发送至终端进行预警提示;从而以数字化提示的形式告知行人或驾乘人员目标道路场景存在的风险状况,及时提高行人或驾乘人员对中风险级以上的目标道路场景的风险警觉意识,从源头出发降低道路交通事故率、减少道路交通事故中的伤亡人数,极大地提升了道路交通的安全性。本发明的道路交通风险预警方法实施简便,泛化能力强。
在本发明中,道路交通风险指数D的获取是利用人工智能领域的计算机视觉识别技术对目标道路场景的视频图像的分析处理,首先能够针对性地区分出与不同类别的目标道路场景对应的高概率出现的交通数据的种类,基于当前的目标道路场景对应的交通数据的种类,有导向性地计算获取道路交通风险指数D,具体而言,道路交通风险指数D根据一类目标道路场景的n种交通数据的风险参数计算所得,而每种交通数据的风险参数根据其积分值和权重值计算所得,交通数据的积分值根据预设统计时间内的信息数据读值估量,交通数据的权重值根据交通数据的在当前的目标道路场景的比重设置;综合了n种交通数据的积分值和权重值得到的道路交通风险指数D能够更真实地反馈出当前的目标道路场景的风险状况,从而确保了应用道路交通风险指数D对目标道路场景的风险等级检测结果的准确率。此外,道路交通风险指数D的计算方法的能够适配性地应用于多种类型的道路交通环境场景,从而具有很优良的实用性。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明的一种可选实施例的道路交通风险指数的计算方法的流程图;
图2示出了根据本发明的一种可选实施例的基于道路交通风险指数的道路交通风险预警方法的流程图;
图3示出了图1中可选实施例的道路交通风险指数的计算方法的计算规则图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案,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一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。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。
为了解决现有技术中的道路交通风险预警方法的检测准确率低、泛化性差;以及仅适用于单一的道路交通环境场景中,更换至其他类型的道路交通环境场景后,误报率明显提升,存在应用局限性的问题,本发明提供了一种道路交通风险指数的计算方法和基于道路交通风险指数的道路交通风险预警方法;如图2所示,基于道路交通风险指数的道路交通风险预警方法包括:步骤U1,获取目标道路场景的道路交通风险指数D,道路交通风险指数D根据上述和下述的道路交通风险指数的计算方法获取;步骤U2,根据道路交通风险指数D判定目标道路场景的风险等级,并将包含风险等级信息的信号发送至终端进行预警提示;在本发明的优选实施例中,道路交通风险指数D的范围为[0,1];目标道路场景的风险等级根据交通风险指数区域划分为4个等级,分别为危险级、高风险级、中风险级和低风险级,当道路交通风险指数D∈(0.8,1.0]时,目标道路场景的风险等级为危险级;当道路交通风险指数D∈(0.6, 0.8]时,目标道路场景的风险等级为高风险级;当道路交通风险指数D∈(0.4,0.6]时,目标道路场景的风险等级为中风险级;当道路交通风险指数D∈[0,0.4]时,目标道路场景的风险等级为低风险级。
本发明还提供了一种道路交通风险预警模型,该模型用于执行道路交通风险指数的计算方法以及道路交通风险预警方法,道路交通风险预警模型根据采集到的多种类型的目标道路场景的视频图像制作形成的训练样本集训练获取。训练完成的道路交通风险预警模型可以随机性地应用于对任何类型的道路交通环境场景收集的视频图像进行检测,从而得到该目标道路场景的风险等级,最终起到对行人或者驾乘人员风险预警提示的目的。
在本发明中,终端可选为具有导航功能软件或地图显示功能软件的移动终端或道路情报显示面板。移动终端可以是手机、平板电脑、PC、带有通讯功能电子手表等,道路情报显示面板通常为固定安装在道路上或者道路之间的交汇口处,其显示有用于对行人或驾乘人员启提示作用的信息,或者显示有宣传作用的讯息。
在本发明的一个可选实施例中,预警提示为文字预警,其中,当目标道路场景的风险等级为危险级时,终端处的文字预警为红色;当目标道路场景的风险等级为高风险级时,终端处的文字预警为橙色;当目标道路场景的风险等级为中风险级时,终端处的文字预警为黄色;当目标道路场景的风险等级为低风险级时,终端处的文字预警为绿色。
在本发明的另一个可选实施例中,预警提示为声音预警,其中,当目标道路场景的风险等级为危险级、高风险级或中风险级时,终端启动声音预警,且声音预警的频率或声音预警的音量与目标道路场景的风险等级的高低成正比;当目标道路场景的风险等级为低风险级时,终端关闭声音预警。也就是说,当目标道路场景的风险等级为危险级时,声音预警的频率或声音预警的音量相对很高,当目标道路场景的风险等级为中风险级时,声音预警的频率或声音预警的音量相对很低。
图1是根据本发明的一种可选实施例的道路交通风险指数的计算方法的流程图,图3示出了图1中相同的可选实施例的道路交通风险指数的计算方法的计算规则图。根据本实施例提供的道路交通风险指数的计算方法能够稳定地、可靠地计算得到目标道路场景的道路交通风险指数D,以便于后期通过道路交通风险指数D判定目标道路场景的风险等级。
如图1所示,道路交通风险指数的计算方法的步骤包括:步骤S1,获取目标道路场景的视频图像;根据视频图像区分目标道路场景的类别,在多种待选交通数据中选定与该类别的目标道路场景具有风险相关性的交通数据的种类为n种;步骤S2,获取目标道路场景匹配的 n种交通数据在预设统计时间内的信息数据读值,并根据各信息数据读值落入的阈值范围对应的级别,获取与其对应的交通数据的积分值;步骤S3,设置目标道路场景对应的各种交通数据的权重值;根据交通数据的积分值和权重值分别计算n种交通数据的风险参数,根据n种交通数据的风险参数计算获取目标道路场景的道路交通风险指数D。
本发明提供的道路交通风险预警方法,能够应用道路交通风险预警模型获取道路交通风险指数D后,基于道路交通风险指数D预判目标道路场景的风险等级,并将包含风险等级信息的信号发送至终端进行预警提示;从而以数字化提示的形式告知行人或驾乘人员目标道路场景存在的风险状况,及时提高行人或驾乘人员对中风险级以上的目标道路场景的风险警觉意识,从源头出发降低道路交通事故率、减少道路交通事故中的伤亡人数,极大地提升了道路交通的安全性。本发明的道路交通风险预警方法实施简便,泛化能力强。
在本发明中,道路交通风险指数D的获取是利用人工智能领域的计算机视觉识别技术对目标道路场景的视频图像的分析处理,首先能够针对性地区分出与不同类别的目标道路场景对应的高概率出现的交通数据的种类,基于当前的目标道路场景对应的交通数据的种类,有导向性地计算获取道路交通风险指数D,具体而言,道路交通风险指数D根据一类目标道路场景的n种交通数据的风险参数计算所得,而每种交通数据的风险参数根据其积分值和权重值计算所得,交通数据的积分值根据预设统计时间内的信息数据读值估量,交通数据的权重值根据交通数据的在当前的目标道路场景的比重设置;综合了n种交通数据的积分值和权重值得到的道路交通风险指数D能够更真实地反馈出当前的目标道路场景的风险状况,从而确保了应用道路交通风险指数D对目标道路场景的风险等级检测结果的准确率。此外,道路交通风险指数D的计算方法的能够适配性地应用于多种类型的道路交通环境场景,从而具有很优良的实用性。
为了便于理解,以及明显体现技术方案的算法,在本可选实施例中,第n种交通数据的积分值记为Ln;第n种交通数据的权重值记为Wn;第n种交通数据的风险参数记为Sn,其中,Sn=Ln×Wn;进一步地,道路交通风险指数D的计算公式为:可见,在本实施例中,交通数据的风险参数的计算方式为交通数据的积分值和权重值的乘积,因此交通数据的风险参数的最终读值侧重积分值和权重值之间的比重大者;而道路交通风险指数D的获取则是考虑了该目标道路场景的能够影响其风险等级的所有交通数据的风险参数之和,因此交通风险指数D能够更准确地反馈该目标道路场景的真实情况的风险等级,道路交通风险指数D具有很优良的可参考性。
需要说明的是,n表示交通数据的序数,其为正整数,不同类型的目标道路场景所对应的 n的值不同,在本实施例中,n小于等于13,也就是说,本实施例提供了13种待选交通数据作为获取各种类型的目标道路场景的道路交通风险指数D的候选集;13种待选交通数据涵盖了影响目标道路场景的交通风险主要因素,但是并非全部因素,因此,当待选交通数据的候选集中的待选交通数据的种类多余13种或少于13种时的技术方案,也在本发明的保护范围之内。
具体而言,本可选实施例的13种待选交通数据包括:总车流量、高危车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、中型货车、小型货车、农用车流量、三轮车流量、平均车速、不良驾驶行为发生数量、交通事故发生数量。上述的13种待选交通数据涵盖了能够影响多种目标道路场景的交通风险的交通数据;本实施例涉及的目标道路场景的类别主要为四种,包括:城市道路、农村道路、工业区道路和山区道路。也就是说,本发明提供的基于道路交通风险指数的道路交通风险预警方法主要是在这四种目标道路场景下应用。
具体而言,13种待选交通数据中与城市道路具有风险相关性的交通数据包括:总车流量、高危车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量;13种待选交通数据中与农村道路具有风险相关性的交通数据包括:总车流量、重型货车流量、中型客车流量、小型客车流量、农用车流量、三轮车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量;13种待选交通数据中与工业区道路具有风险相关性的交通数据包括:总车流量、高危车流量、重型货车流量、中型货车、小型货车、平均车速、不良驾驶行为发生数量、交通事故发生数量;13种待选交通数据中与山区道路具有风险相关性的交通数据包括:总车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量、交通事故发生数量。
可选地,在步骤S2中,交通数据的积分值的取值范围为[0,1],交通数据的信息数据读值落入的阈值范围对应的级别分为多个等级,相邻两个等级的阈值范围对应的交通数据的积分值的差值相等。通过对信息数据读值按阈值范围分级的方式,能够更便捷地、快速地获取各类型的交通数据的信息数据读值,从而有利于交通数据的积分值的计算获取。在本优选实施例中,如图3所示,交通数据的信息数据读值落入的阈值范围对应的级别分为等级1~等级 5,其中,等级1对应的交通数据的积分值为0.2;等级2对应的交通数据的积分值为0.4;等级3对应的交通数据的积分值为0.6;等级4对应的交通数据的积分值为0.8;等级5对应的交通数据的积分值为1.0。
可选地,在步骤S2中,获取的交通数据为在25天至35天之间选取的预设统计时间的信息数据读值。在本发明的优选实施例中,预设统计时间优选为30天。
需要解释说明的是,如图3所示,对于每一类型的目标道路场景,与其风险相关的n种交通数据的每一个交通数据视为一个模块,n个模块分别记为:T1、T2、T3…Tn,每个模块对应有一个积分值,记为L1、L2、L3…Ln。以目标道路场景是城市道路为例,在图3中,积分值L1对应的交通数据可选为总车流量,30天采集到的一处城市道路的总车流量的信息数据读值为X1,其正好处于20000辆至30000辆之间,如图3所示,信息数据读值为X1落入的阈值范围对应的级别为3级,那么其对应的积分值L1为0.6;进一步地积分值L2和积分L3 对应的交通数据分别可选为小型客车流量和中型客车流量,由图3可知,两者对应的信息数据读值小于总车流量对应的信息数据读值;30天采集到的该处城市道路的小型客车流量的信息数据读值为X2,其正好处于4000辆至5000辆之间,信息数据读值为X2落入的阈值范围对应的级别为5级,那么其对应的积分值L2为1.0;30天采集到的该处城市道路的中型客车流量的信息数据读值为X3,其正好处于1200辆至1600辆之间,信息数据读值为X3落入的阈值范围对应的级别为3级,那么其对应的积分值L2为0.6。对于城市道路的其余类型的交通数据:高危车流量、大型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量在此不一一例举,其对应的信息数据读值均在城市正常运营的合理范围内。
可选地,在步骤S3中,n种交通数据的权重值累积加和为1,如图3所示,即为 W1+W2+W3…+Wn=1,这样更有利于道路交通风险指数D的计算。在本可选实施例中,n种交通数据包括n1个一级交通数据和n2个二级交通数据,其中,各一级交通数据的权重值的取值范围为[0,1/n1]。优选地,n1+n2=n。一级交通数据相比于二级交通数据的权重比重更大,也就是更容易影响该目标道路场景的交通风险。
具体地,在目标道路场景为城市道路的9种交通数据中,被划分为一级交通数据的有6 种,分别为:高危车流量、大型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量,其余为二级交通数据。
在目标道路场景为农村道路的9种交通数据中,被划分为一级交通数据的有5种,分别为:重型货车流量、农用车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量;其余为二级交通数据。
在目标道路场景为工业区道路的8种交通数据中,被划分为一级交通数据的有4种,分别为:重型货车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量;其余为二级交通数据。
在目标道路场景为山区道路的7种交通数据中,被划分为一级交通数据的有5种,分别为:大型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量、交通事故发生数量;其余为二级交通数据。
本发明针对现有的交通数据的局限性,按照固定的数据时间周期(即预设统计时间),通过固定的运算方法,计算出道路交通风险指数D,形成可视化、直观的风险数据结果,以起到提示作用。
如果道路交通风险指数D较高,说明在该目标道路场景行驶的驾乘人员或行人存在发生交通事故的风险,极易造成生命财产的损失;如果风险指数较低,说明在该路段相对比较安全。通过道路交通风险指数D的数字化输出,协助交通管理部门针对不同的目标道路场景进行不同程度的管理,优化勤务部署,比如加大管理力度,改善道路交通组织,增加诱导屏等,从而较少交通事故的发生,提高群众的生命安全,尤其为农村道路交通安全提供数字化的管理依据。
对于目标道路场景的视频图像的采集,可以是目标道路场景的路段或者路口。对于多种交通数据的统计方式本发明采用视频统计的方式,其利用算法能够实现自动化统计,具有精确度高的优点。视频统计通过视频采集设备(摄像机)采集视频图像,视频图像用于发送到视频分析仪,视频分析仪用于接收到视频图像并分析处理。
上述实施例中的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,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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,在本发明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。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种道路交通风险指数的计算方法,其特征在于,包括:
步骤S1,获取目标道路场景的视频图像;根据所述视频图像区分所述目标道路场景的类别,在多种待选交通数据中选定与该类别的所述目标道路场景具有风险相关性的交通数据的种类为n种;
步骤S2,获取所述目标道路场景匹配的n种所述交通数据在预设统计时间内的信息数据读值,并根据各所述信息数据读值落入的阈值范围对应的级别,获取与其对应的交通数据的积分值;
步骤S3,设置所述目标道路场景对应的各种所述交通数据的权重值;根据所述交通数据的积分值和权重值分别计算n种所述交通数据的风险参数,根据n种所述交通数据的风险参数计算获取所述目标道路场景的道路交通风险指数D。
3.根据权利要求1所述的道路交通风险指数的计算方法,其特征在于,多种所述待选交通数据包括:总车流量、高危车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、中型货车、小型货车、农用车流量、三轮车流量、平均车速、不良驾驶行为发生数量、交通事故发生数量。
4.根据权利要求3所述的道路交通风险指数的计算方法,其特征在于, 所述目标道路场景的类别包括:城市道路、农村道路、工业区道路和山区道路;其中,
多种所述待选交通数据中与所述城市道路具有风险相关性的交通数据包括:总车流量、高危车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量;
多种所述待选交通数据中与农村道路具有风险相关性的交通数据包括:总车流量、重型货车流量、中型客车流量、小型客车流量、农用车流量、三轮车流量、平均车速、不良驾驶行为发生数量以及交通事故发生数量;
多种所述待选交通数据中与工业区道路具有风险相关性的交通数据包括:总车流量、高危车流量、重型货车流量、中型货车、小型货车、平均车速、不良驾驶行为发生数量、交通事故发生数量;
多种所述待选交通数据中与山区道路具有风险相关性的交通数据包括:总车流量、大型客车流量、中型客车流量、小型客车流量、重型货车流量、平均车速、不良驾驶行为发生数量、交通事故发生数量。
5.根据权利要求1至4中任一项所述的道路交通风险指数的计算方法,其特征在于,在步骤S2中,获取的所述交通数据为在25天至35天之间选取的预设统计时间的信息数据读值。
6.根据权利要求1至4中任一项所述的道路交通风险指数的计算方法,其特征在于,在步骤S2中,所述交通数据的积分值的取值范围为[0,1],所述交通数据的信息数据读值落入的阈值范围对应的级别分为多个等级,相邻两个等级的所述阈值范围对应的所述交通数据的积分值的差值相等。
7.根据权利要求6所述的道路交通风险指数的计算方法,其特征在于,所述交通数据的信息数据读值落入的阈值范围对应的级别分为等级1~等级5,其中,
等级1对应的所述交通数据的积分值为0.2;
等级2对应的所述交通数据的积分值为0.4;
等级3对应的所述交通数据的积分值为0.6;
等级4对应的所述交通数据的积分值为0.8;
等级5对应的所述交通数据的积分值为1.0。
8.根据权利要求1至4中任一项所述的道路交通风险指数的计算方法,其特征在于,在所述步骤S3中,n种所述交通数据的权重值累积加和为1;且n种所述交通数据包括n1个一级交通数据和n2个二级交通数据,其中,各所述一级交通数据的权重值的取值范围为[0,1/n1]。
9.一种基于道路交通风险指数的道路交通风险预警方法,其特征在于,包括:
步骤U1,获取目标道路场景的道路交通风险指数D,所述道路交通风险指数D根据权利要求1至8中任一项所述的道路交通风险指数的计算方法获取;
步骤U2,根据所述道路交通风险指数D判定所述目标道路场景的风险等级,并将包含风险等级信息的信号发送至终端进行预警提示;其中,所述道路交通风险指数D的范围为[0,1];
当所述道路交通风险指数D∈(0.8,1.0]时,所述目标道路场景的风险等级为危险级;
当所述道路交通风险指数D∈(0.6,0.8]时,所述目标道路场景的风险等级为高风险级;
当所述道路交通风险指数D∈(0.4,0.6]时,所述目标道路场景的风险等级为中风险级;
当所述道路交通风险指数D∈[0,0.4]时,所述目标道路场景的风险等级为低风险级。
10.根据权利要求9所述的基于道路交通风险指数的道路交通风险预警方法,其特征在于,所述终端为具有导航功能软件或地图显示功能软件的移动终端或道路情报显示面板;
所述预警提示为文字预警,其中,当所述目标道路场景的风险等级为危险级时,所述终端处的文字预警为红色;当所述目标道路场景的风险等级为高风险级时,所述终端处的文字预警为橙色;当所述目标道路场景的风险等级为中风险级时,所述终端处的文字预警为黄色;当所述目标道路场景的风险等级为低风险级时,所述终端处的文字预警为绿色;或
所述预警提示为声音预警,其中,当所述目标道路场景的风险等级为危险级、高风险级或中风险级时,所述终端启动声音预警,且声音预警的频率或声音预警的音量与所述目标道路场景的风险等级的高低成正比;当所述目标道路场景的风险等级为低风险级时,所述终端关闭声音预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111065655.3A CN113781781A (zh) | 2021-09-13 | 2021-09-13 | 道路交通风险指数的计算方法和道路交通风险预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111065655.3A CN113781781A (zh) | 2021-09-13 | 2021-09-13 | 道路交通风险指数的计算方法和道路交通风险预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781781A true CN113781781A (zh) | 2021-12-10 |
Family
ID=78843023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111065655.3A Pending CN113781781A (zh) | 2021-09-13 | 2021-09-13 | 道路交通风险指数的计算方法和道路交通风险预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781781A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116844340A (zh) * | 2023-08-29 | 2023-10-03 | 临沂大学 | 基于人工智能的道路交通风险预测方法 |
CN117172424A (zh) * | 2023-10-31 | 2023-12-05 | 江苏科运智慧交通科技有限公司 | 一种增强道路安全警示信息传递有效性的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651153A (zh) * | 2016-12-06 | 2017-05-10 | 浙江图讯科技股份有限公司 | 一种基于多灾种实时耦合的化工园区实时定量风险评估方法 |
CN108346317A (zh) * | 2018-04-11 | 2018-07-31 | 北京汽车研究总院有限公司 | 道路风险预警方法和装置 |
DE102018215008A1 (de) * | 2018-09-04 | 2020-03-05 | Audi Ag | Verfahren zum Betreiben eines Kraftfahrzeugsystems eines Kraftfahrzeugs, Fahrerassistenzeinrichtung, und Kraftfahrzeug |
CN113139699A (zh) * | 2021-05-13 | 2021-07-20 | 平安国际智慧城市科技股份有限公司 | 交通事故数据处理方法、装置、设备及可读存储介质 |
-
2021
- 2021-09-13 CN CN202111065655.3A patent/CN113781781A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651153A (zh) * | 2016-12-06 | 2017-05-10 | 浙江图讯科技股份有限公司 | 一种基于多灾种实时耦合的化工园区实时定量风险评估方法 |
CN108346317A (zh) * | 2018-04-11 | 2018-07-31 | 北京汽车研究总院有限公司 | 道路风险预警方法和装置 |
DE102018215008A1 (de) * | 2018-09-04 | 2020-03-05 | Audi Ag | Verfahren zum Betreiben eines Kraftfahrzeugsystems eines Kraftfahrzeugs, Fahrerassistenzeinrichtung, und Kraftfahrzeug |
CN113139699A (zh) * | 2021-05-13 | 2021-07-20 | 平安国际智慧城市科技股份有限公司 | 交通事故数据处理方法、装置、设备及可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116844340A (zh) * | 2023-08-29 | 2023-10-03 | 临沂大学 | 基于人工智能的道路交通风险预测方法 |
CN116844340B (zh) * | 2023-08-29 | 2023-11-21 | 临沂大学 | 基于人工智能的道路交通风险预测方法 |
CN117172424A (zh) * | 2023-10-31 | 2023-12-05 | 江苏科运智慧交通科技有限公司 | 一种增强道路安全警示信息传递有效性的方法 |
CN117172424B (zh) * | 2023-10-31 | 2024-04-09 | 苏交科集团股份有限公司 | 一种增强道路安全警示信息传递有效性的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11891071B2 (en) | Vehicle to vehicle telematics | |
CN107784587B (zh) | 一种驾驶行为评价系统 | |
US10777024B1 (en) | Traffic based driving analysis | |
US9558656B1 (en) | Traffic based driving analysis | |
CN101465059B (zh) | 城市道路交通安全态势鉴判预警系统 | |
CN108346288B (zh) | 路段运行状态预警方法、装置及电子设备 | |
CN113781781A (zh) | 道路交通风险指数的计算方法和道路交通风险预警方法 | |
US9870708B2 (en) | Methods for enabling safe tailgating by a vehicle and devices thereof | |
CN111833480B (zh) | 驾驶行为检测方法、装置和车辆 | |
CN113155173B (zh) | 感知性能评测方法、装置、电子装置和存储介质 | |
WO2007029455A1 (ja) | 風景単調度演算装置及び方法 | |
CN110132293B (zh) | 一种路线推荐方法及装置 | |
CN107529659B (zh) | 安全带佩戴检测方法、装置及电子设备 | |
CN205281786U (zh) | 报警系统 | |
CN107113400B (zh) | 显示装置和具备该显示装置的交通违章管理系统 | |
US20070282519A1 (en) | System and method for analyzing traffic disturbances reported by vehicles | |
CN110991353A (zh) | 识别驾驶员驾驶行为及危险驾驶行为预警方法 | |
CN114241589B (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 | |
CN108182818B (zh) | 一种智能交通预警系统 | |
CN111209797A (zh) | 一种驾驶行为监控的方法、装置、设备和存储介质 | |
CN116011800A (zh) | 一种交通事件预警的方法及设备 | |
CN113352989A (zh) | 智能行车安全辅助方法、产品、设备和介质 | |
CN112447042B (zh) | 交通事件侦测系统及方法 | |
KR101498582B1 (ko) | 교통사고 데이터 제공 시스템 및 방법 | |
CN113612631A (zh) | 车联网威胁建模方法、系统及计算机可读存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211210 |