CN113888873B - 基于短时交通流的高速公路事故检测、预警系统及方法 - Google Patents

Abstract

本发明公开了一种基于短时交通流的高速公路事故检测、预警系统及方法，其中检测系统包括：多个短时交通流采集装置，沿高速公路间隔设置，用于采集对应检测点的声音信号并进行预处理，然后将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据，并按预设时间间隔将短时交通流数据无线传输至上位机；上位机，用于将预设的连续数量短时交通流采集装置作为一个检测单元，将检测路段划分为多个检测区间，并根据每个检测区间中各短时交通流采集装置采集的短时交通流数据的变化状态判断是否发生事故拥堵事件。能24小时进行事故快速检测，不受天气、照明、供电、高速流量等条件限制。

Description

基于短时交通流的高速公路事故检测、预警系统及方法

技术领域

本发明涉及交通事故检测领域，尤其涉及一种基于短时交通流的高速公路事故检测、预警系统及方法。

背景技术

高速公路行车速度快、速差大、驾驶人状态不一，交通事故伤亡率普遍较高，特别是二次事故作为一次事故危险因素的第二次激发，其静态碰撞往往伤害更大，造成的人身及财产损失更为严重。随着中国汽车保有量的持续稳定增长，如何进一步加强高速公路交通安全管理，是各级道路交通安全管理部门、学术界研究的重点课题，且随着电子信息化技术的高速发展，高速公路科技信息化建设特别是围绕事故防控方面的科技建设投入力度越来越大、成效也越来越明显。

当前高速公路事故智能检测系统较多集中于通过路面摄像头进行视频算法检测、高密度激光对射感应、音频多特征碰撞声检测或者其它门架线圈感应等方式进行，受制于高速公路里程长、供电位置保障不稳定、任何点位均有可能发生事故，各类前端设备贵、安装密度大、配套施工多，且部分安装或检测条件苛刻，对夜间事故、车辆抛锚事故、轻微刮擦事故等情形难以有效识别，特别是对事故后方正常车辆预警提示时效性慢、条件苛刻，存在需要在后方车辆安装特定设备、或者在路面安装各类大型声光电预警提示系统进行预警，财政投入耗费巨大。同时，配合路警协同方面支撑不足。

发明内容

本发明提供了一种基于短时交通流的高速公路事故检测、预警系统及方法，以解决现有的高速公路事故智能检测系统事故识别效果不佳的问题。

第一方面，提供了一种基于短时交通流的高速公路事故检测系统，包括：

多个短时交通流采集装置，沿高速公路间隔设置，所述短时交通流采集装置用于采集对应检测点的声音信号并进行预处理，然后将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据，并按预设时间间隔将短时交通流数据无线传输至上位机；

上位机，用于将预设的连续数量短时交通流采集装置作为一个检测单元，将检测路段划分为多个检测区间，并根据每个检测区间中各短时交通流采集装置采集的短时交通流数据的变化状态判断是否发生事故拥堵事件，并确定事故拥堵事件位置。

通过设置在高速公路边的短时交通流采集装置采集对应检测点的声音信号，并对声音信号进行预处理，然后将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据，然后根据各检测点的短时交通流数据的变化状态判断是否发生了事故拥堵事件。该方案中，仅需采集各检测点的声音信号即可分析出是否发生事故拥堵事件，适用大范围安装；相对于视频信号处理而言，声音信号处理计算成本低，可快速判断出是否发生事故拥堵事件及位置，实时性高。不受到天气、照明、高速流量等因素的限制。

进一步地，所述短时交通流采集装置包括声音检测单元、计算处理单元、无线通信单元、太阳能供电模块，所述声音检测单元、计算处理单元、无线通信单元均与所述太阳能供电模块连接；

所述声音检测单元用于采集其对应检测点的声音信号传输至计算处理单元；

所述计算处理单元，用于对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据；并将短时交通流数据及该短时交通流采集装置的ID编码经所述无线通信单元传输至上位机。

通过太阳能供电模块为短时交通流采集装置供电，使短时交通流采集装置不受供电困难条件的限制。而且结构简单，成本低，适用大范围安装。

进一步地，所述计算处理单元对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据的具体过程包括：

对声音信号进行分段处理，得到多个声音片段信号；

对每一个声音片段信号进行Mel频谱转化得到对应的Mel频谱图，得到Mel频谱图序列；

将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计得到短时交通流数据。

进一步地，所述短时交通流识别模型通过如下方法得到：

获取高速公路旁检测点的历史声音信号，并对历史声音信号进行分段处理，人工对得到的多个历史声音片段信号设置有无车辆通过的标签分类；

对每个历史声音片段信号进行Mel频谱转化得到对应的历史Mel频谱图，构建训练样本集；

基于训练样本集，以历史Mel频谱图作为深度卷积神经网络的输入，以对应的有无车辆通过的标签分类作为深度卷积神经网络输出，对深度卷积神经网络进行训练，得到短时交通流识别模型。

进一步地，所述对声音信号进行分段处理时，按50％的重叠率进行分段处理；

所述将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计得到短时交通流数据过程中，当识别到当前输入的Mel频谱图为有车通过时，则舍弃当前输入的Mel频谱图的下一个Mel频谱图，然后继续对当前输入的Mel频谱图的下下一个Mel频谱图进行识别。

考虑到信号直接分段可能会将一些有车辆经过的信号截断从而无法识别到，故分段时按一定重叠率进行分段处理。因为按照50％的重叠率进行分段处理，故在识别到当前输入的Mel频谱图为有车辆经过时，需要舍弃下一个Mel频谱图，对后续的Mel频谱图继续进行识别，以防止重复计数。

进一步地，所述声音检测单元包括竖直设置的三角形通道及设置于所述三角形通道尾端的麦克风。通过在麦克风接收声音的前端设置一个竖直的三角形通道，可收缩麦克风的收音范围，增强三角形通道正对方向的声音的收音效果，减弱非正对方向的声音的收音效果，从而使声音信号的特征更显著，降低噪声，提高检测精度。

进一步地，所述短时交通流采集装置的ID编码包括高速公路国省道编号、车流方向、公里数、检测点序号、道路特征。通过设置高速公路国省道编号、车流方向、公里数、检测点序号、道路特征等信息，可方便确认事故发生地的位置。

进一步地，所述上位机根据每个检测区间中各短时交通流采集装置采集的短时交通流数据的变化状态判断是否发生事故拥堵事件，具体包括：

对于每个检测区间，将所有短时交通流采集装置每次上传的短时交通流数据，按照数值大小分类叠加，得到以上传次序为横轴、短时交通流数据为纵轴的短时交通流-上传周期等级分布情况；

根据短时交通流-上传周期等级分布情况，对分布于低等级的短时交通流数据所占比重第一次增加情况启动识别，若第二次分布于低等级的短时交通流数据所占比重继续增加，则判断该路段为短时交通流异常识别单元；

对判断为短时交通流异常的识别单元，将其所属检测区间内所有短时交通流采集装置每次上传的短时交通流数据，按次统计得到以预设数量的短时交通流采集装置布设顺序排列的检测点为横轴、短时交通流数据为纵轴的短时交通流-检测点等级分布情况；

排查短时交通流异常单元是否存在事故，根据短时交通流-检测点等级分布情况，若一处检测点的短时交通流数据较其前一次上传的数据同比下降、较前一处检测点下降率超过阈值，且随着短时交通流数据多轮上传更新，该处检测点及其下游路段邻近检测点的短时交通流数据继续同比自身下降，且该监测点下游路段邻近检测点较上游路段邻近检测点下降率依然超过阈值，甚至上游路段最近一处检测点的短时交通流数据较其前一处检测点下降率也超过阈值，则可判定：处于初始短时交通流数据下降率超过阈值相邻两个检测点中间路段存在事故拥堵事件。

正常情况下，一个短时交通流识别单元内各短时交通流采集装置采集的短时交通流数据一般是均衡的，仅仅会短时出现波动情况，一旦发生了交通事故，则会导致出现分布于低等级的短时交通流数据所占比重增加，且随着时间推移，进一步增加。基于此，通过统计短时交通流-上传周期等级分布情况，可识别出短时交通流异常单元；最后确认是否发生交通事故，考虑到如果发生交通事故，那么连续的多个检测点检测到的短时交通流数据会在某个检测点突然大幅度下降，且随着时间推移，位于该检测点下游的检测点的短时交通流数据也出现大幅度下降。因此，通过多次统计短时交通流-检测点等级分布情况可确认是否发生交通事故及发生交通事故的位置区间。

第二方面，提供了一种基于短时交通流的高速公路事故预警系统，包括预警模块以及如上所述的基于短时交通流的高速公路事故检测系统；

所述预警模块包括设置于各个所述短时交通流采集装置上的可视激光发射单元、LED阵列及显示屏；

所述基于短时交通流的高速公路事故检测系统识别到事故拥堵事件时，生成预警指令无线传输至事故拥堵事件位置预设范围内的所述预警模块；所述高度公路事故快速检测系统还用于实时监测事故拥堵事件位置上游拥堵车流尾端位置；并生成预警指令无线传输至拥堵车流尾端位置预设范围内的所述预警模块；

所述预警模块在接收到预警指令后，所述可视激光发射单元向天空垂直或呈一定倾斜角度发射可视激光，所述LED阵列进行红蓝闪烁提醒，所述显示屏进行预警显示。

当检测到发送事故拥堵事件时，可及时通过预警模块发出预警信号，利用激光发射单元发射可视激光，可远距离提醒上游车辆前方发生事故，提醒司机注意，并同时通过LED阵列及显示屏多方式提醒，确保预警信息及时准确传达到上游车辆，避免发生二次事故。并且实时监测拥堵车流尾端的位置，并根据拥堵车流尾端的位置实时调整预警范围，避免发生二次安全事故。

进一步地，所述预警模块还包括手机终端和车载终端，所述上位机通过专网将事故拥堵事件位置、拥堵车流尾端位置、预警时间传输至地图导航公司服务器端，由地图导航公司服务器端围绕事故拥堵事件位置或拥堵车流尾端位置圈定一个预设范围的预警电子围栏，对进入预警电子围栏范围内驶向事故拥堵事件位置或拥堵车流尾端位置的导航手机终端或车载终端无线传输预警信息。

考虑到现在很大一部分司机驾驶时会开启地图导航，因此通过专网将事故拥堵事件位置、拥堵车流尾端位置、预警时间传输至地图导航公司服务器端，再由地图导航公司服务器端在进入预警范围内的车辆的手机终端或车载终端发出预警信息，以便司机及时接收预警信息。

第三方面，提供了一种基于短时交通流的高速公路事故检测方法，包括：

按预设时间间隔获取沿高速公路设置的检测点采集的声音信号并进行预处理；

将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据；

将预设的连续数量检测点作为一个检测单元，将检测路段划分为多个检测区间，并根据每个检测区间中各检测点采集的短时交通流数据的变化状态判断是否发生事故拥堵事件，并确定事故拥堵事件位置。

第四方面，提供了一种基于短时交通流的高速公路事故预警方法，包括：

采用如上所述的基于短时交通流的高速公路事故检测方法识别到事故拥堵事件时，生成预警指令传输至事故拥堵事件位置预设范围内的预警模块进行预警；

并实时监测事故拥堵事件位置上游拥堵车流尾端位置；并生成预警指令传输至拥堵车流尾端位置预设范围内的预警模块进行预警。

有益效果

本发明提出了一种基于短时交通流的高速公路事故检测、预警系统及方法，通过设置在高速公路边的短时交通流采集装置采集对应检测点的声音信号，并对声音信号进行预处理，然后将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据，然后根据各检测点的短时交通流数据的变化状态判断是否发生了事故拥堵事件。该方案中，仅需采集各检测点的声音信号即可分析出是否发生事故拥堵事件，适用大范围安装；相对于视频信号处理而言，声音信号处理计算成本低，可快速判断出是否发生事故拥堵事件及位置，实时性高。能24小时进行事故快速检测不受到天气、照明、高速流量等因素的限制。当确定了事故拥堵事件的位置后，可通过预警模块实时预警，并且实时定位拥堵车流尾端位置，并根据实时拥堵车流尾端位置调整预警范围，通过预警模块预警提醒上游车辆。而且通过可视激光、LED阵列闪烁及显示屏预警可提供远距离预警，提高安全性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于短时交通流的高速公路事故检测系统结构示意图；

图2是本发明实施例提供的短时交通流采集装置结构框图；

图3是本发明实施例提供的短时交通流采集装置的结构示意图；

图4是本发明实施例提供的大流量和小流量两种情况下短时交通流-上传周期等级分布情况示例图；

图5是本发明实施例提供的短时交通流-检测点等级分布情况示例图；

图6是本发明实施例提供的短时交通流识别模型训练及应用流程图；

图7是本发明实施例提供的设置不同分段重叠率的短时交通流识别统计结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，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做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

实施例1

如图1至3所示，本实施例提供了一种基于短时交通流的高速公路事故检测系统，包括：

多个短时交通流采集装置1，沿高速公路间隔设置，所述短时交通流采集装置1用于采集对应检测点的声音信号并进行预处理，然后将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据，并按预设时间间隔将短时交通流数据无线传输至上位机2；

上位机2，用于将预设的连续数量短时交通流采集装置1作为一个检测单元，将检测路段划分为多个检测区间，并根据每个检测区间中各短时交通流采集装置1采集的短时交通流数据的变化状态判断是否发生事故拥堵事件，并确定事故拥堵事件位置。

通过设置在高速公路边的短时交通流采集装置1采集对应检测点的声音信号，并对声音信号进行预处理，然后将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据，然后根据各检测点的短时交通流数据的变化状态判断是否发生了事故拥堵事件。该方案中，仅需采集各检测点的声音信号即可分析出是否发生事故拥堵事件，适用大范围安装；相对于视频信号处理而言，声音信号处理计算成本低，可快速判断出是否发生事故拥堵事件及位置，实时性高。不受到天气、照明、高速流量等因素的限制。

具体地，如图2和3所示，所述短时交通流采集装置1包括声音检测单元12、计算处理单元11、无线通信单元13、太阳能供电模块，所述声音检测单元12、计算处理单元11、无线通信单元13均与所述太阳能供电模块连接。结构简单，成本低，适用大范围安装。

本实施例中，太阳能供电模块包括太阳能光伏阵列及与其连接的太阳能蓄电池板，太阳能光伏阵列将太阳能转化为电能储存到太阳能蓄电池板中，进而为声音检测单元12、计算处理单元11、无线通信单元13供电。通过太阳能供电模块为短时交通流采集装置1供电，使短时交通流采集装置1不受供电困难条件的限制。

所述声音检测单元12用于采集其对应检测点的声音信号传输至计算处理单元11。声音检测单位可选择为一个麦克风，接收声音信号后经AD模数转换模块转换为数字信号传输至计算处理单元11。在其他优选实施例中，所述声音检测单元12包括竖直设置的三角形通道17及设置于所述三角形通道尾端的麦克风。通过在麦克风接收声音的前端设置一个竖直的三角形通道17，可收缩麦克风的收音范围，增强三角形通道正对方向的声音的收音效果，减弱非正对方向的声音的收音效果，从而使声音信号的特征更加明显，降低噪声，提高检测精度。

所述计算处理单元11包括数据处理模块，计时模块和数据存储模块，数据存储模块用于存储数据，计时模块用于为检测的短时交通流数据匹配时间信息，数据处理模块可选择树莓派。数据处理模块用于对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据；并将短时交通流数据及该短时交通流采集装置1的ID编码经所述无线通信单元13传输至上位机2。

其中，对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据的具体过程包括：

A1：对声音信号进行分段处理，得到多个声音片段信号；分段的长度可根据实际情况进行设置，如对于采样频率为48000Hz的声音信号,对于车流量较大的路段，可选择分段时每段为24000个采样点，对于车流量相对少的路段，可选择分段时每段为48000个采样点；当然，也可根据需要选择其他的分段长度，对于最后分段存在声音片段信号长度不足时，可对该声音分段信号前后进行填充，以达到设定长度。

A2：对每一个声音片段信号进行Mel频谱转化得到对应的Mel频谱图，得到Mel频谱图序列。其中，将声音片段信号进行Mel频谱转化得到对应的Mel频谱图的过程包括：采用快速傅里叶变换将声音片段信号从时域映射到频域；将y轴(频率)转换为对射刻度，将幅度转化为分贝，以形成频谱图；最后将y轴(频率)映射到Mel刻度上形成Mel频谱图。Mel频谱图拥有比普通频谱图更好的特征，用于机器学习的效果更好。

A3：将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计识别为有车辆通过结果的总个数得到短时交通流数据。

优选地，步骤A1中，对声音信号进行分段处理时，按预设的重叠率进行分段处理；本实施中，通过设置不同重叠率并对预测结果进行实验，实验结果如图7所示，当重叠率为50％时识别结果的总体误差最小，因此本实施例中选用50％的重叠率作为实际使用的的参数。

步骤A3中，将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计得到短时交通流数据过程中，当识别到当前输入的Mel频谱图为有车通过时，则舍弃当前输入的Mel频谱图的下一个Mel频谱图，然后继续对当前输入的Mel频谱图的下下一个Mel频谱图进行识别。

考虑到信号直接分段可能会将一些有车辆经过的信号截断从而无法识别到，故分段时按一定重叠率进行分段处理。因为按照50％的重叠率进行分段处理，故在识别到当前输入的Mel频谱图为有车辆经过时，需要舍弃下一个Mel频谱图，对后续的Mel频谱图继续进行识别，以防止重复计数。

其中，所述短时交通流识别模型通过如下方法得到：

A01：获取高速公路旁检测点的历史声音信号，并对历史声音信号进行分段处理，人工对得到的多个历史声音片段信号设置有无车辆通过的标签分类。实施例时，筛选出包括无车辆通过的历史声音片段信号和有车辆通过的历史声音片段信号，两类信号的数量根据事情情况选择，如各200～2000不等，如果样本数据足够，也可选择更大的数值。

A02：对筛选出的每个历史声音片段信号进行Mel频谱转化得到对应的历史Mel频谱图，构建训练样本集。本实施例中，训练样本集按4:1划分为训练集和测试集。

A03：基于训练样本集，以历史Mel频谱图作为深度卷积神经网络的输入，以对应的有无车辆通过的标签分类作为深度卷积神经网络输出，对深度卷积神经网络(DCNN)进行训练，得到短时交通流识别模型。DCNN网络包括多个卷积池化层和全连接层，训练时，使用50作为小批量大小，1e-4作为学习率，指定Adam优化。

上述从训练短时交通流识别模型到应用短时交通流识别模型的流程图如图6所示。

其中，所述短时交通流采集装置1的ID编码包括高速公路国省道编号、车流方向、公里数、检测点序号、道路特征。本实施例中，ID编号的赋值方式为：高速公路国省道编号-车流方向-K公里数-X(M)-道路特征。其中车流方向东南西北用E/S/W/N表示；X(M)中，M表示1公里内检测点的总数，X表示在M个检测点中的序号，该序号由小到大顺序与车流方向一致；道路特征包括普通线型路段ST、港湾路段HA、匝道互通RA、服务区路段SE等。如ID编码：G60-S-K1705-5(5)-ST，表示该检测点是京港澳高速往南方向1705公里第5个检测点(1705km-1706km共5个检测点)，该检测点位处普通线型路段。该检测点与ID编码为G60-S-K1706-1(5)-ST的检测点同向相邻。通过设置高速公路国省道编号、车流方向、公里数、检测点序号、道路特征等信息，可方便确认事故发生地的位置。

需说明的是，在一优选实施例中，短时交通流采集装置1包括两个采集声音方向相反的声音检测单元12，实施时，可将短时交通流采集装置1沿高度公路中央护栏安装，两个声音检测单元12分别面向双向车道，垂直于道路路面，进而可一个装置同时采集双向交通流数据，节约成本。两个声音检测单元12通过两个接口将数据传输至计算处理单元11，计算处理单元11根据数据的输入接口来对ID编号中的车流方向赋值。

具体实施时，可选择为每个短时交通流采集装置1配置GPRS/3G/4G/5G远程无线通信模块，从而使每个短时交通流采集装置1自行先上位机2上传数据。优选地，以预设数量的短时交通流采集装置1为一组，每组指定一个短时交通流采集装置1配置GPRS/3G/4G/5G远程无线通信模块，并该组内所有短时交通流采集装置1配置ZigBee模块/WBEE模块/LORA模块等近程无线通讯模块，每组内的短时交通流采集装置1将采集的数据都通过近程无线通讯模块传输至制定的短时交通流采集装置1，然后由制定的短时交通流采集装置1将接收的数据以及自身采集的诗句一起通过远程无线通信模块传输至上位机2。反向接收上位机2传输的指令时，指令传输过程相反，在此不再赘述。

在实际的高速公路路况中，存在以下规则：

规则1：事故拥堵点的车辆缓行或排队停止时，无法产生高速通行时的波形声音能量，无法被邻近短时交通流采集装置1感应，检测点短时交通流为0。因此拥堵点若无法通行，导致下游检测点无车通行，检测的短时交通流数值下降，逐渐变为0，除非恢复通行，否则较长时间不能检测到数值；若留有瓶颈车道缓慢通行，下游路段检测点短时交通流量要小于上游未拥堵路段短时交通流量，且检测到小流量数值开始增多。

规则2：随着时间推移，拥堵缓行或停止等待的车队长度将会逆着车流方向向上游路段增加，上游拥堵路段对应检测点短时交通流数值将“正常交通流数值直接变为0值”，不会出现“正常流量值-小流量数值-流量0值”过渡过程。基于上游检测点短时交通流数值出现“正常交通流数值直接变为0值”，进而可确定拥堵车流尾端位置。

规则3：大流量高速路段，低速大型车辆长时间并行或爬坡时，对上游车辆的拥堵，同样导致下游路段检测点短时交通流量要小于上游未拥堵路段短时交通流量，且检测到小流量数值增加，但随着时间推移，低速车队通过的下游相关检测点，其短时交通流逐渐恢复或超过原有水平，这种情况不是事故拥堵事件。

规则4：接近平均短时交通流数值的各检测点自身数值占比，上游检测点＞下游检测点＞事故拥堵检测点。

规则5：交通流量较小路段，一台车或两台车发生抛锚、或者单方事故不会导致拥堵，该车发生事故后，上游若无车辆通过，上游邻近检测点数值为1，下游各检测点数值为0。

基于上述基本规则，所述上位机2根据每个短时交通流识别单元中各短时交通流采集装置1采集的短时交通流数据的变化状态判断是否发生事故拥堵事件，具体包括：

B1：对于每个短时交通流识别单元，将所有短时交通流采集装置1每次上传的短时交通流数据，按照数值大小分类叠加，得到以上传次序为横轴、短时交通流数据为纵轴的短时交通流-上传周期等级分布情况；如图4所示，提供了大流量和小流量两种路况下的短时交通流-上传周期等级分布情况示例图；

B2：根据短时交通流-上传周期等级分布情况，对分布于低等级的短时交通流数据所占比重第一次增加情况启动识别，若第二次分布于低等级的短时交通流数据所占比重继续增加，则判断该路段为短时交通流异常单元；

B3：将短时交通流识别单元内所有短时交通流采集装置1每次上传的短时交通流数据，按次统计得到以预设数量的短时交通流采集装置1布设顺序排列的检测点为横轴、短时交通流数据为纵轴的短时交通流-检测点等级分布情况；如图5所示，提供了连续三次上传数据得到的短时交通流-检测点等级分布情况示例图；

B4：排查短时交通流异常单元是否存在事故，根据短时交通流-检测点等级分布情况，若一处检测点的短时交通流数据较其前一次上传的数据同比下降、较前一处检测点下降率超过阈值，且随着短时交通流数据多轮上传更新，该处检测点及其下游路段邻近检测点的短时交通流数据继续同比自身下降，且该监测点下游路段邻近检测点较上游路段邻近检测点下降率依然超过阈值，甚至上游路段最近一处检测点的短时交通流数据较其前一处检测点下降率也超过阈值，则可判定：处于初始短时交通流数据下降率超过阈值相邻两个检测点中间路段存在事故拥堵事件。

正常情况下，一个短时交通流识别单元内各短时交通流采集装置1采集的短时交通流数据一般是均衡的，仅仅会短时出现波动情况，一旦发生了交通事故，则会导致出现分布于低等级的短时交通流数据所占比重增加，且随着时间推移，进一步增加。基于此，通过统计短时交通流-上传周期等级分布情况，可识别出短时交通流异常单元；最后确认是否发生交通事故，考虑到如果发生交通事故，那么连续的多个检测点检测到的短时交通流数据会在某个检测点突然大幅度下降，且随着时间推移，位于该检测点下游的检测点的短时交通流数据也出现大幅度下降。因此，通过多次统计短时交通流-检测点等级分布情况可确认是否发生交通事故及发生交通事故的位置区间。该检测事故方法充分考虑了短时交通流检测装置对并行通过车辆声音或激光检测获取数据可能低于实际值的容错性，通过设置阈值并进行多轮上传数据的比对，并结合产生事故时，事故拥堵点前后交通流的规则特征，可精确判断事故是否发生，及定位事故发生点段。

实施例2

本实施例提供了一种基于短时交通流的高速公路事故预警系统，包括预警模块以及如实施例1所述的基于短时交通流的高速公路事故检测系统；

所述预警模块包括设置于各个所述短时交通流采集装置1上的可视激光发射单元14、LED阵列15及显示屏16；

所述基于短时交通流的高速公路事故检测系统识别到事故拥堵事件时，生成预警指令无线传输至事故拥堵事件位置预设范围内的所述预警模块；所述高度公路事故快速检测系统还用于实时监测事故拥堵事件位置上游拥堵车流尾端位置；并生成预警指令无线传输至拥堵车流尾端位置预设范围内的所述预警模块；

所述预警模块在接收到预警指令后，所述可视激光发射单元14向天空垂直或呈一定倾斜角度发射可视激光，所述LED阵列15进行红蓝闪烁提醒，所述显示屏16进行预警显示。

其中，实时监测事故拥堵事件位置上游拥堵车流尾端位置方法与判断事故拥堵事件位置原理相同，在确定发送交通拥堵事件位置后，随着时间推移，拥堵缓行或停止等待的车队长度将会逆着车流方向向上游路段增加，上游拥堵路段对应检测点短时交通流数值将“正常交通流数值直接变为0值”，不会出现“正常流量值-小流量数值-流量0值”过渡过程。通过短时交通流-检测点等级分布情况可实时确定上游短时交通流数值出现“正常交通流数值直接变为0值”的检测点，进而可确定拥堵车流尾端位置。

当检测到发送事故拥堵事件时，可及时通过预警模块发出预警信号，利用激光发射单元发射可视激光，可在夜间远距离提醒上游车辆前方发生事故，提醒司机注意，并同时通过LED阵列15及显示屏16多方式提醒，确保预警信息及时准确传达到上游车辆，避免发生二次事故。并且实时监测拥堵车流尾端的位置，并根据拥堵车流尾端的位置实时调整预警范围，避免发生二次安全事故。

如图2和3所示，实施时，激光发射单元、LED阵列15及显示屏16由太阳能供电模块供电，激光发射单元设置于短时交通流采集装置1的顶部，LED阵列15、显示屏16设置在短时交通流采集装置1的来车方向。对于集成了双向采集声音信号的短时交通流采集装置1，则在其两侧均设置有LED阵列15、显示屏16。

优选地，所述预警模块还包括手机终端和车载终端，所述上位机2通过专网(交警与高德、百度、腾讯等地图公司警企联动协议)将事故拥堵事件位置、拥堵车流尾端位置、预警时间传输至地图导航公司服务器端，由地图导航公司服务器端围绕事故拥堵事件位置或拥堵车流尾端位置圈定一个预设范围的预警电子围栏，对进入预警电子围栏范围内驶向事故拥堵事件位置或拥堵车流尾端位置的导航手机终端或车载终端无线传输预警信息，通过语音播报拥堵点位置信息及减速慢行安全提示信息。

考虑到现在很大一部分司机驾驶时会开启地图导航，因此通过专网将事故拥堵事件位置、拥堵车流尾端位置、预警时间传输至地图导航公司服务器端，再由地图导航公司服务器端在进入预警范围内的车辆的手机终端或车载终端发出预警信息，以便司机及时接收预警信息。

优选地，预警模块还包括远端龙门架跨线电子显示屏、高速公路侧LED显示模块。事故预警启动时，根据预警位置，相关电子显示屏/LED显示模块的控制器根据通过专网接收的事故点位置信息与其自身同向路程，发布距离预警信息，如发布“前方XX公里有警情事件，请减速慢行”等预设警示信息。

优选地，预警模块还包括安装在事故预警点预设范围内的执勤执法警车或路政车辆内，以及安装在事故预警点路段所辖管理部门综合研判室或指挥调度室的语音播报器，根据上位机2无线传输的预警信号，对辖区事故预警位置信息进行语音播报。

优选地，还包括统计模块；对各事故点预警的位置信息等数据记录统计，用以评估识别一段时间目标区域内高速公路路网高风险路段、点段情况，为高速交警、路政、道路经营管理企业排查道路风险隐患提供参考。

优选地，还包括显示标记模块，事故预警启动时，在PC端电脑屏或交通指挥中心大型电子屏幕的高速公路路网图上，标记事故预警点位、方向、拥堵车流尾端变化等信息。并显示目标区域内与GPS或北斗定位系统警车、路政车辆位置情况，为指挥调度、优化警务部署实现高效率接处警提供参考。

实施例3

本实施例提供了一种基于短时交通流的高速公路事故快速检测方法，包括：

S1：按预设时间间隔获取沿高速公路设置的检测点采集的声音信号并进行预处理；

S2：将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据；

S3：将预设的连续数量检测点作为一个识别单元，将检测路段划分为多个检测区间，并根据每个检测区间中各检测点采集的短时交通流数据的变化状态判断是否发生事故拥堵事件。

上述步骤的具体实现过程参见实施例1，在此不再进行赘述。

实施例4

本实施例提供了一种基于短时交通流的高速公路事故预警方法，包括：

采用如实施例3所述的基于短时交通流的高速公路事故检测方法识别到事故拥堵事件时，生成预警指令传输至事故拥堵事件位置预设范围内的预警模块进行预警；

并实时监测事故拥堵事件位置上游拥堵车流尾端位置；并生成预警指令传输至拥堵车流尾端位置预设范围内的预警模块进行预警。

上述步骤的具体实现过程参见前述实施例1-3，在此不再进行赘述。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

本发明通过采用前端单通道麦克风以检测计算代价最小方式对通过车辆进行识别，计算车道短时交通流，对各检测点的短时交通流数据进行计算分析，能快速判断是否发生事故及事故的位置区间，并自动在事故来车方向预设范围(如5公里)启动车辆导航预警、电子显示屏预警，及2公里、1公里、500米等距离可视激光、爆闪灯路面预警，同时在交警、路政赶至现场处置前，同步匹配拥堵车流尾端2公里、1公里、500米等距离可视激光、爆闪灯路面预警。能24小时进行事故快速检测并预警，不受天气、照明、供电、高速流量等各种条件限制，检测预警等前端设备价格十分低廉，适用大范围安装。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于短时交通流的高速公路事故检测系统，其特征在于，包括：

多个短时交通流采集装置，沿高速公路间隔设置，所述短时交通流采集装置用于采集对应检测点的声音信号并进行预处理，然后将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据，并按预设时间间隔将短时交通流数据无线传输至上位机；

计算处理单元对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据的具体过程包括：

对声音信号进行分段处理，得到多个声音片段信号；

对每一个声音片段信号进行Mel频谱转化得到对应的Mel频谱图，得到Mel频谱图序列；

将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计得到短时交通流数据；

上位机，用于将预设的连续数量短时交通流采集装置作为一个检测单元，将检测路段划分为多个检测区间，并根据每个检测区间中各短时交通流采集装置采集的短时交通流数据的变化状态判断是否发生事故拥堵事件，并确定事故拥堵事件位置，具体包括：

对于每个检测区间，将所有短时交通流采集装置每次上传的短时交通流数据，按照数值大小分类叠加，得到以上传次序为横轴、短时交通流数据为纵轴的短时交通流-上传周期等级分布情况；

根据短时交通流-上传周期等级分布情况，对分布于低等级的短时交通流数据所占比重第一次增加情况启动识别，若第二次分布于低等级的短时交通流数据所占比重继续增加，则判断该路段为短时交通流异常识别单元；

对判断为短时交通流异常识别单元，将其所属检测区间内所有短时交通流采集装置每次上传的短时交通流数据，按次统计得到以预设数量的短时交通流采集装置布设顺序排列的检测点为横轴、短时交通流数据为纵轴的短时交通流-检测点等级分布情况；

排查短时交通流异常识别单元是否存在事故，根据短时交通流-检测点等级分布情况，若一处检测点的短时交通流数据较其前一次上传的数据同比下降、较上游路段邻近检测点下降率超过阈值，且随着短时交通流数据多轮上传更新，该处检测点及其下游路段邻近检测点的短时交通流数据继续同比自身下降，且该检测点下游路段邻近检测点较该检测点上游路段邻近检测点下降率依然超过阈值，上游路段邻近检测点的短时交通流数据较其自身的上游路段邻近检测点下降率也超过阈值，则可判定：处于初始出现短时交通流数据下降率超过阈值的检测点与其上游路段相邻的检测点中间路段存在事故拥堵事件。

2.根据权利要求1所述的基于短时交通流的高速公路事故检测系统，其特征在于，所述短时交通流采集装置包括声音检测单元、计算处理单元、无线通信单元、太阳能供电模块，所述声音检测单元、计算处理单元、无线通信单元均与所述太阳能供电模块连接；

所述声音检测单元用于采集其对应检测点的声音信号传输至计算处理单元；

所述计算处理单元，用于对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据；并将短时交通流数据及该短时交通流采集装置的ID编码经所述无线通信单元传输至上位机。

3.根据权利要求1所述的基于短时交通流的高速公路事故检测系统，其特征在于，所述短时交通流识别模型通过如下方法得到：

获取高速公路旁检测点的历史声音信号，并对历史声音信号进行分段处理，人工对得到的多个历史声音片段信号设置有无车辆通过的标签分类；

对每个历史声音片段信号进行Mel频谱转化得到对应的历史Mel频谱图，构建训练样本集；

基于训练样本集，以历史Mel频谱图作为深度卷积神经网络的输入，以对应的有无车辆通过的标签分类作为深度卷积神经网络输出，对深度卷积神经网络进行训练，得到短时交通流识别模型。

4.根据权利要求1所述的基于短时交通流的高速公路事故检测系统，其特征在于，所述对声音信号进行分段处理时，按50％的重叠率进行分段处理；

所述将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计得到短时交通流数据过程中，当识别到当前输入的Mel频谱图为有车通过时，则舍弃当前输入的Mel频谱图的下一个Mel频谱图，然后继续对当前输入的Mel频谱图的下下一个Mel频谱图进行识别。

5.一种基于短时交通流的高速公路事故预警系统，其特征在于，包括预警模块以及如权利要求1至4任一项所述的基于短时交通流的高速公路事故检测系统；

所述预警模块包括设置于各个所述短时交通流采集装置上的可视激光发射单元、LED阵列及显示屏；

所述基于短时交通流的高速公路事故检测系统识别到事故拥堵事件时，生成预警指令无线传输至事故拥堵事件位置预设范围内的所述预警模块；所述高速公路事故快速检测系统还用于实时监测事故拥堵事件位置上游拥堵车流尾端位置；并生成预警指令无线传输至拥堵车流尾端位置预设范围内的所述预警模块；

所述预警模块在接收到预警指令后，所述可视激光发射单元向天空垂直或呈一定倾斜角度发射可视激光，所述LED阵列进行红蓝闪烁提醒，所述显示屏进行预警显示。

6.根据权利要求5所述的基于短时交通流的高速公路事故预警系统，其特征在于，所述预警模块还包括手机终端和车载终端，所述上位机通过专网将事故拥堵事件位置、拥堵车流尾端位置、预警时间传输至地图导航公司服务器端，由地图导航公司服务器端围绕事故拥堵事件位置或拥堵车流尾端位置圈定一个预设范围的预警电子围栏，对进入预警电子围栏范围内驶向事故拥堵事件位置或拥堵车流尾端位置的导航手机终端或车载终端无线传输预警信息。

7.一种基于短时交通流的高速公路事故检测方法，其特征在于，包括：

按预设时间间隔获取沿高速公路设置的检测点采集的声音信号并进行预处理；

将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据；

对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据的具体过程包括：

对声音信号进行分段处理，得到多个声音片段信号；

对每一个声音片段信号进行Mel频谱转化得到对应的Mel频谱图，得到Mel频谱图序列；

将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计得到短时交通流数据；

将预设的连续数量检测点作为一个检测单元，将检测路段划分为多个检测区间，并根据每个检测区间中各检测点采集的短时交通流数据的变化状态判断是否发生事故拥堵事件，并确定事故拥堵事件位置，具体包括：

对于每个检测区间，将所有短时交通流采集装置每次上传的短时交通流数据，按照数值大小分类叠加，得到以上传次序为横轴、短时交通流数据为纵轴的短时交通流-上传周期等级分布情况；

根据短时交通流-上传周期等级分布情况，对分布于低等级的短时交通流数据所占比重第一次增加情况启动识别，若第二次分布于低等级的短时交通流数据所占比重继续增加，则判断该路段为短时交通流异常识别单元；

对判断为短时交通流异常识别单元，将其所属检测区间内所有短时交通流采集装置每次上传的短时交通流数据，按次统计得到以预设数量的短时交通流采集装置布设顺序排列的检测点为横轴、短时交通流数据为纵轴的短时交通流-检测点等级分布情况；

排查短时交通流异常识别单元是否存在事故，根据短时交通流-检测点等级分布情况，若一处检测点的短时交通流数据较其前一次上传的数据同比下降、较上游路段邻近检测点下降率超过阈值，且随着短时交通流数据多轮上传更新，该处检测点及其下游路段邻近检测点的短时交通流数据继续同比自身下降，且该检测点下游路段邻近检测点较该检测点上游路段邻近检测点下降率依然超过阈值，上游路段邻近检测点的短时交通流数据较其自身的上游路段邻近检测点下降率也超过阈值，则可判定：处于初始出现短时交通流数据下降率超过阈值的检测点与其上游路段相邻的检测点中间路段存在事故拥堵事件。

8.一种基于短时交通流的高速公路事故预警方法，其特征在于，包括：

采用如权利要求7所述的基于短时交通流的高速公路事故检测方法识别到事故拥堵事件时，生成预警指令传输至事故拥堵事件位置预设范围内的预警模块进行预警；

并实时监测事故拥堵事件位置上游拥堵车流尾端位置；并生成预警指令传输至拥堵车流尾端位置预设范围内的预警模块进行预警。