CN113920728A - 高速公路抛洒障碍物检测与预警方法及系统 - Google Patents
高速公路抛洒障碍物检测与预警方法及系统 Download PDFInfo
- Publication number
- CN113920728A CN113920728A CN202111180374.2A CN202111180374A CN113920728A CN 113920728 A CN113920728 A CN 113920728A CN 202111180374 A CN202111180374 A CN 202111180374A CN 113920728 A CN113920728 A CN 113920728A
- Authority
- CN
- China
- Prior art keywords
- risk
- vehicle
- lane
- obstacle
- throwing
- 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
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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高速公路抛洒障碍物检测与预警方法及系统,属于智能交通领域。本发明通过分析出现抛洒障碍物情况下车辆瞬时轨迹、连续交通流状态和车流速度分布等方面,提出了基于车辆瞬时轨迹的检测方法、基于连续交通流状态矩阵的检测方法、基于车流速度分布的检测方法以及基于紧急情况检测方法;综合运用这些方法,能够实时、有效、同步地检测道路中是否出现抛洒障碍物、估算障碍物位置,甚至障碍物大小,比使用单一方法检测更加敏感、快速、全面。基于本发明方法,能够第一时间向司机发出避险预警并及时通知道路管养排障单位到场清理路障,以有效预防抛洒障碍物交通事故,尤其预防因此引发的二次交通事故。
Description
技术领域
本发明属于智能交通领域,具体涉及一种高速公路抛洒障碍物检测、预警方法及系统。
背景技术
高速公路车道障碍物指道路车辆因素抛洒物和道路环境因素侵入物,构成车辆正常通行危险障碍,是长期困扰着高速公路交通安全管理的老大难问题。
一是种类多数量大事故多。小到铁钉、铁屑、塑料袋等,大到蓬布、轮胎、钢卷等;有小面积洒落,也有延绵数公里洒落;有金属、石块等硬质,也有布料、轮胎、塑料等软质。沪宁高速苏州段统计:每年养护公司清除垃圾在200立方米、400吨左右,其中交通事故遗留下来的垃圾有160吨左右;沪苏浙高速公路统计:一年清除高速公路垃圾在80到100立方米约160吨左右。抛洒障碍物为高速公路重大事故的主要诱因之一。仅以G92杭州湾环线高速公路绍兴段为例,2012年以来,抛洒障碍物诱发的事故占事故总量的10%,每年的抛洒障碍物事故居高不下,始终保持高位运行。
二是路线长监测发现难。目前主要做法是加强人员巡查和视频监控,但在实际操作中,效果很难保障。一方面高速里程长,巡逻需要时间;另一方面监控视角内清晰度有效距离短,存在较大盲区,在车流量大的时候,抛洒障碍物很难及时被发现,有时接到报警也难以精准定位,往往接到事故报警才知道路上有抛洒障碍物,急忙赶过去处理已经来不及了;视频监控或频繁误报或严重漏报,尤其在恶劣天气低能见度或夜晚环境下通过监控视频主动发现抛洒障碍物的可能性微乎其微。
三是事故预防预警难。抛洒障碍物在高速公路上的出现具有不确定性,何时抛洒、抛在哪里、抛了什么,不可预见,往往是飞来横祸;司机驾车高速行驶过程中,一旦突然发现前方不明物体飞至或紧贴于路面不易察觉的小的抛洒障碍物,会本能地采取紧急避让措施,如突然刹车、猛打方向,极易引发追尾、撞护栏甚至翻车的事故;第一时间监测道路定位障碍物信息并发布出去让过往驾驶人及时有效获取预警信息是预防事故特别是二次事故的关键。目前,高速公路上最快用于路况信息发布只有固定可变情报板,但其数量稀少,对连续不断驶向抛洒障碍物的后来车辆安全预警效果大打折扣。
四是货车抛洒障碍物后果重。产生高速抛洒障碍物的原因有多种,从抛洒障碍物危害通行安全程度看,主要货车抛洒事件往往后果性质严重。一些大货车装货时没有捆绑好,遇到路面颠簸或弯道就会造成货物洒落和抛出;有的货物或盖布被大风吹起飘落;有些车辆检测不充分导致轮胎等车辆配件也经常会掉落。高速公路收费站入口是控制货车装载问题的有效关口,可及时发现排除容易诱发抛洒事件的车辆进入高速公路,但目前对于装载不规范、易发生抛洒的车辆监管难以到位。抛洒事件可从源头治理杜绝此类事件发生,如推进货车厢式化等,但这还是一个漫长的过程。一般封闭道路相对开放道路(口)横向干扰因素很少,高速公路的外环境横向侵入障碍物对交通安全的影响可以忽略。
高速车道障碍物对道路通行安全影响可分三个发展过程:突发动态抛洒过程、落地静态潜伏过程和发生或二次发生事故过程;高速车道障碍物对道路通行(交通流)构成低、中、高三个风险等级,有可能对应发生轻微、一般和重大及以上交通事故。因此,实时监测评估和预警高速车道障碍物对预防尤其恶性交通事故意义重大。
一是突发动态抛洒过程(简称第一过程)。在道路车流状态突然发生车窗抛洒垃圾、各类货物以及车辆遮盖物散落、车辆爆胎甩出、风吹其它垃圾、车辆零部件脱落、道路标志标牌倾倒、各类小动物窜入等抛洒移动物目标,且在前后车跟驰速度较快碰撞时距较近时更显突然性,往往时间极其短暂,转瞬即逝,防不胜防。虽抛洒物在运动状态容易被跟车司机第一时间发现,对心理素质稳定、有一定驾驶经验的司机可以及时避让避险,但大多数司机尤其非专业司机一旦遇到突如其来莫名其妙的飞来物必有不同程度心理紧张甚至惊魂,极易引起避险操作动作慌乱,导致安全风险等级升级。
二是落地静态发现过程(简称第二过程)。抛洒物落地后将成为后来车辆通行前方车道上的静止障碍物,如潜伏的“地雷”具有更大的危险性。在正常能见度和低速驾时,一般司机都会发现和辨别车道前方距离较大障碍物,并可稳定操作及时变道避让避险。但是,从抛洒物落地到被第一位司机发现都存在一段“潜伏”时间,及早监测发现使障碍物的“潜伏”时间缩短,就能为实时预警和尽快排除风险(清障“排雷”)创造条件,最大可能预防后来车辆发生“踩雷”和二次事故。
三是预警预防事故过程(简称第三过程)。从发现道路抛洒障碍物到通知每一位将要经过抛洒障碍物的司机,从立即通知专业道路维护人员到清除抛洒障碍物,有两个时间段。这两个时间段越短,抛洒障碍物可能引发交通事故几率越小,可能避免人民生命财产安全的有效性越高。综上所述,如果依靠现有人工巡查和视频监控技术条件及安全管控思路来化解高速公路所有抛洒障碍物的安全风险,进而预防交通事故的发生,显然是不切合实际的。但是,针对高速公路抛洒障碍物事件特点,分析评估构成道路通行不同的风险等级,采取全天候毫米波雷达和摄像机(雷摄一体机)捕捉抛洒障碍物检测方法,缩短抛洒障碍物落地事捕捉发现预警时间和通知排障时间,可有效预防重大事故和二次群死恶性事故的发生。
发明内容
发明目的:针对上述现有技术存在的问题,本发明目的在于提供一种高速公路抛洒障碍物检测、风险预警方法及系统,识别评估抛洒障碍物引起的道路通行风险,第一时间向司机发出避险预警并及时通知道路管养排障单位到场清理路障,以有效预防抛洒障碍物交通事故,尤其预防因此引发的二次交通事故。
技术方案:为实现上述发明目的,发明采用如下技术方案:
一种高速公路抛洒障碍物检测方法,在车流量小于设定阈值时,采用基于车辆瞬时轨迹的检测方法,在车流量在设定阈值以上时,采用基于连续交通流状态矩阵的检测方法;
所述基于车辆瞬时轨迹的检测方法,包括如下步骤:
记录每个车道上连续发生的车辆变道数目,当某个车道上连续两辆车发生变道时,根据两辆车变道位置预估抛洒障碍物位置,并进入下一步;
若该车道出现连续三辆车变道,则根据三辆车变道位置更新抛洒障碍物预估位置,并通报抛洒障碍物预估位置;若设定时间内该车道无车辆完整通过,则通报抛洒障碍物预估位置;若下一辆车完整通过该车道,则将该车道的连续车辆变道数目重置为0;
所述基于连续交通流状态矩阵的检测方法,包括如下步骤:
将雷达检测范围内路段按照车道与沿道路方向距离分成一个矩阵,每条车道垂直于道路方向每d/k长度对应矩阵一行,d为车道宽度,k∈{3,4}为测算精度参数,每个矩阵单元用于标记一个周期内是否有车辆经过对应的位置;
对一个周期内的矩阵数据进行分析,若矩阵的a+k·n行中任意一行前部分标记有车辆经,出现连续两个单元以上标记无车辆经过,则认为道路存在风险,预估抛洒障碍物为该行中首次标记无车辆经过的位置并通报;其中,n∈[0,C-1],C为车道数,a∈[2,k-1]。
进一步地,所述基于连续交通流状态矩阵的检测方法中,矩阵a+k·n行中任意一行检测出抛洒障碍物时,若其上下两行中存在一行全标记有车辆经过,则说明车辆不用完全变道就可以绕开该障碍物,预估障碍物大小不超过d/k,否则预估障碍物大小超过d/k。
进一步地,还包括根据障碍物大小,以及,天气情况或路段判断风险程度:在天气识别为正常天气,且当前路段不属于配置的风险路段,预估障碍物大小不超过d/k时,则通报风险程度为低风险;在天气识别为正常天气,且当前路段和时段不属于配置的风险路段,预估障碍物大小超过d/k时,则通报风险程度为中风险;在天气识别为配置的恶劣天气情形,或者当前路段属于配置的风险路段,预估障碍物大小不超过d/k时,则通报风险程度为中风险;在天气识别为配置的恶劣天气情形,或者当前路段属于配置的风险路段,预估障碍物大小超过d/k时,则通报风险程度为高风险。
进一步地,还包括采用基于车流速度分布的检测方法,所述基于车流速度分布的检测方法,包括如下步骤:
对一个周期内雷达检测出的所有车辆位置和速度,进行二次多项式函数拟合,v=a·y2+b·y+c,其中y为车辆位置,v为车速,a、b、c为拟合出的系数;
进一步地,还包括紧急情况检测方法,一旦检测到车辆有急停现象立刻通报急停发生的位置。
高速公路抛洒障碍物风险预警方法,同时采用如下方法进行检测,任一方法检测到抛洒障碍物后,向道路管理员和/或来向司机发出风险预警;
方法一:基于车辆瞬时轨迹的检测方法,包括如下步骤:
记录每个车道上连续发生的车辆变道数目,当某个车道上连续两辆车发生变道时,根据两辆车变道位置预估抛洒障碍物位置,并进入下一步;
若该车道出现连续三辆车变道,则根据三辆车变道位置更新抛洒障碍物预估位置,并通报抛洒障碍物预估位置;若设定时间内该车道无车辆完整通过,则通报抛洒障碍物预估位置;若下一辆车完整通过该车道,则将该车道的连续车辆变道数目重置为0;
方法二:基于连续交通流状态矩阵的检测方法,包括如下步骤:
将雷达检测范围内路段按照车道与沿道路方向距离分成一个矩阵,每条车道垂直于道路方向每d/k长度对应矩阵一行,d为车道宽度,k∈{3,4}为测算精度参数,每个矩阵单元用于标记一个周期内是否有车辆经过对应的位置;
对一个周期内的矩阵数据进行分析,若矩阵的a+k·n行中任意一行前部分标记有车辆经,出现连续两个单元以上标记无车辆经过,则认为道路存在风险,预估抛洒障碍物为该行中首次标记无车辆经过的位置并通报;其中,n∈[0,C-1],C为车道数,a∈[2,k-1];
方法三:基于车流速度分布的检测方法,包括如下步骤:
对一个周期内雷达检测出的所有车辆位置和速度,进行二次多项式函数拟合,v=a·y2+b·y+c,其中y为车辆位置,v为车速,a、b、c为拟合出的系数;
进一步地,所述方法二和方法三中,还包括对风险程度进行预警;
所述基于连续交通流状态矩阵的检测方法中,矩阵a+k·n行中任意一行检测出抛洒障碍物时,若其上下两行中存在一行全标记有车辆经过,则说明车辆不用完全变道就可以绕开该障碍物,预估障碍物大小不超过d/k,否则预估障碍物大小超过d/k;根据障碍物大小,以及,天气情况或路段判断风险程度:在天气识别为正常天气,且当前路段不属于配置的风险路段,预估障碍物大小不超过d/k时,则通报风险程度为低风险;在天气识别为正常天气,且当前路段和时段不属于配置的风险路段,预估障碍物大小超过d/k时,则通报风险程度为中风险;在天气识别为配置的恶劣天气情形,或者当前路段属于配置的风险路段,预估障碍物大小不超过d/k时,则通报风险程度为中风险;在天气识别为配置的恶劣天气情形,或者当前路段属于配置的风险路段,预估障碍物大小超过d/k时,则通报风险程度为高风险;
进一步地,所述预警方法还包括:方法四:紧急情况检测方法,一旦检测到车辆有急停现象立刻通报急停发生的位置。
基于相同的发明构思,本发明提供的一种计算机系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现所述的高速公路抛洒障碍物检测方法,或高速公路抛洒障碍物风险预警方法。
有益效果:与现有技术相比,本发明从车辆瞬时轨迹、连续交通流状态、车流速度分布等方面进行分析,能够实时有效同步检测道路中是否出现抛洒障碍物,比使用单一方法检测更加敏感、快速、全面。此外,本发明使用的方法还可以估测抛洒障碍物的大小,并根据天气、道路情况,对风险进行预测评估。
附图说明
图1为本发明实施例的总体流程图。
图2为本发明实施例中基于车辆瞬时轨迹的检测方法的障碍物规避示意图。
图3为本发明实施例中基于车辆瞬时轨迹的检测方法的流程图。
图4为本发明实施例中基于连续交通流状态矩阵的检测方法的路段划分示意图。
图5为本发明实施例中基于连续交通流状态矩阵的检测方法的流程图。
图6为本发明实施例中基于车流速度分布的检测方法的障碍物附近车速分布示意图。
图7为本发明实施例中基于车流速度分布的检测方法的流程图。
具体实施方式
下面将结合附图和具体实施例,对本发明的技术方案进行清楚、完整的描述。
针对高速公路抛洒障碍物突发动态抛洒过程(第一过程)、落地静态发现过程(第二过程)以及预警预防事故过程(第三过程),本发明研究分析后,对车道障碍物分类及风险等级划分如表1、表2所示。
表1 第一过程安全风险等级评估表
说明:根据我国高速公路发生的重特大交通事故分析:第一过程中第6、7抛洒障碍物事件,一般在高速跟车行驶且超安全车速情况下才可能失去从容避险机会导致重特大交通事故;爆胎等引起的事故不属于交通事故,一般在速度过快或驾驶疲劳疏忽大意感觉迟钝情况下才会失去安全把控或混乱中操纵失误引发突发重大交通事故。
特别地,在团雾、大雾、雨(雾)、沙暴、雪、冰雹等恶劣天气低能见度、路面雨水冰雪湿滑(据调查统计:高速公路潮湿路面单车事故数量和伤亡人数占路面因素导致事故相当高的比例,主要是因为驾驶员在潮湿的路面上行车不如在漫水、积水、坑槽等恶劣路面上谨慎)、大风和夜晚情况下或桥涵和隧道(口)、转弯处,如果缺乏对抛洒障碍物第一时间侦测并提醒预警驾驶员预先把控安全车速,驾驶员应对上述突发抛洒障碍物事件的能力必然相对削弱,危险性都会显著上升一至二个等级。
表2 第二、三过程安全风险等级评估表(k∈{3,4}为测算精度参数)
说明:第二、三过程中全部8类抛洒障碍物事件的安全风险等级较高,特别是遇到团雾、大雾、沙尘、雨雪、冰雹等恶劣天气低能见度、夜晚或桥涵、转弯处、合流区等情况导致驾驶员出现视程障碍,驾驶员一旦发现车道前方来历不明的障碍物会出现紧张心理反应,或紧急刹车或应急变道避险,如果司机不能提前获得预警通知,适当控制安全车速车距,从容采取避让避险措施,极易发生重大交通事故,尤其在车流量较大时二次恶性事故的概率很大。第8抛洒障碍物事件,在大车尤其大型拖挂车与小车间隔跟驰状态小于安全车距,容易发生严重追尾重特大交通事故。
基于上述分析和评估,考虑到不同类型抛洒障碍物识别的难度和位置的不确定性,本发明从驾驶员行为、交通流等特征进行抛洒障碍物识别、道路通行风险评估,用于预警预防事故过程,即第三过程,以预防发生或二次发生事故。本发明基于大场景道路检测专用毫米波雷达设备和摄像机检测图像处理单元提供的数据进行设计。数据特征:一个雷达视角下可对每一辆道路通过汽车的大小尺寸、速度、路面位置坐标(车辆中心点位置坐标)和行进方向进行检测(简称一个单元路段检测);道路全程可根据道路特点和检测精度要求连续布设多个单元路段检测装置,一个单元路段检测范围一般为500-1500米;图像处理等外部单元可以实时精准连续全天候计算恶劣天气道路交通低能见度,获取当前天气状况等。
具体地,如图1所示,本发明实施例公开的高速公路抛洒障碍物检测方法,主要包括基于车辆瞬时轨迹、基于连续交通流状态矩阵、基于车流速度分布以及紧急情况的检测方法。下面对各种方法做详细介绍:
方法一:基于车辆瞬时轨迹的检测方法
本算法通过交通流特征常数进行目标车辆动态轨迹计算是否存在抛洒障碍物及其位置。首先记录每个车道上连续发生的车辆变道数目,当某个车道上连续两辆车发生变道时,根据两辆车变道位置预估抛洒障碍物位置,并进入下一步;若该车道出现连续三辆车变道,则根据三辆车变道位置更新抛洒障碍物预估位置,并通报抛洒障碍物预估位置;若设定时间内该车道无车辆完整通过,则通报抛洒障碍物预估位置;若下一辆车完整通过该车道,则将该车道的连续车辆变道数目重置为0。具体算法过程描述如下:
1、算法输入
通过毫米波雷达为算法提供其覆盖范围内所有车辆的位置坐标(x,y)。雷达朝向为行车方向,即车辆从y=0位置,朝y>0方向行驶。通过统计车流规律,得到车道线方程。通过对车位置坐标和车道线方程作比较,可以得到车辆是否变道,从哪个车道变道。为每个车道各开辟一个变量来存放车道内车辆发生的变道数目。对于车道1,该变量为count1,每当车道上发生变道行为,则count1=count1+1。
2、算法过程
(1)设置变量countn(n为车道号)来记录n车道上发生连续变道行为。每当n车道上一辆车变道,countn=ciuntn+1。每当n车道上一辆车没有发生变道,countn=0。
(2)当某个countn=2时,认为车道n有很大风险,若第一辆变道车发生变道行为时变道位置为y1,第二辆变道车发生变道行为时变道位置为y2,则障碍物位置预估值为y=max(y1,y2)。
(3)由于已经有连续两辆车变道,接下来车辆可能会在较远处绕行,在前一个雷达覆盖区域提前规避,如图2所示。
分为三种情况讨论:
(a)若countn=3,则说明n车道出现连续三辆车变道,存在抛洒障碍物的可能性极高。记录其变道位置坐标为y3,更新抛洒障碍物预估位置为:
y=max(y,y3)
通报道路管理员抛洒障碍物预估位置y。
(b)若10秒内(时间可根据车流量进行调整,车流量更小时,时间可以适当延长),无车完整通过n车道,countn=2始终保持,则认为车辆提前规避了抛洒障碍物。通报道路管理员雷达标号和抛洒障碍物预估位置y。
(c)下一辆车完整地行驶过整个车道n,将countn变量重置为0。
具体算法流程如图3所示。
方法二:基于连续交通流状态矩阵的检测方法
本算法基于连续的车辆位置信息来判断抛洒障碍物是否出现及其出现位置。首先将雷达检测范围内路段按照车道与沿道路方向距离分成一个表示道路状态的矩阵,每个矩阵单元格用于标记一个周期内是否有车辆经过对应的位置;然后对一个周期内的矩阵数据进行分析,判断是否存在抛洒障碍物。
1、算法输入
本算法将雷达提供的车辆的位置信息作为输入。
2、算法过程
(1)首先,如图4,将雷达检测范围内路段按照车道与沿道路方向距离分成一个矩阵。假定雷达扫描的扫路段长度为l,每条车道宽度为d,车道数为C。我们将每条车道沿道路方向每5米长度(该间隔也可调整)、垂直于道路方向每d/k(k为测算精度参数,取值为3或4)长度分为一格,可得一个k·C行列(向下取整)的矩阵来存储道路状态,其初始值都是0,代表无车辆经过。若一个周期T(如20秒)内,雷达监测到车辆的位置信息到达某格,则矩阵在该位置的值变为1。矩阵中所有第a+k·n(n∈[0,C-1],a∈[2,k-1],)行,表示车辆正常行驶(不变道不压线在道路中间行驶)时会经过的位置。
(2)对于一个算法运算周期T得到的矩阵数据,进行分类分析。
(a)若矩阵任意一行的值全部相同(全为1或者全为0),这代表车辆完整通过一条车道或无车经过,道路段是安全的。
(b)若矩阵a+k·n(n∈[0,C-1],a∈[2,k-1],)行中任意一行前部分为1,但出现连续2格或以上的0时,此时认为道路存在风险,记录0在该行出现的最近(Y值最小)位置,此为抛洒障碍物可能发生的位置。此时,若其上下两行中一行全为1,则说明车辆不用完全变道就可以绕开该障碍物,障碍物距离车道分离标线不超过d/k(记为情况A),否则障碍物距离车道分离标线超过d/k(记为情况B)。
(c)对于检测到的抛洒障碍物,可以通过如下规则确定风险程度:
在正常天气下的小型抛洒障碍物(情况A)为低风险;
低能见度等恶劣天气环境和特殊道路线形、路况等因素下,若障碍物在靠近车道分离标线1/k车道宽的距离以内(情况A),则为中风险;正常天气下时,若障碍物距离车道分离标线超过1/k车道宽(情况B),在车道中线附近时,为中风险;
低能见度等恶劣天气环境和特殊道路线形、路况等因素下,若障碍物距离车道分离标线超过1/k车道宽(情况B),在车道中线附近时,则为高风险。
具体天气情况、能见度识别可有现有方法提供,作为本算法的输入。对一些特殊的风险路段,在系统里配置即可,也作为本算法的输入,此处只根据条件进行判断即可。当然,具体的风险等级可以再结合雷达、摄像机、人工辅助判断等其他手段得到的障碍物高度、性质、移动性等进行调整,此处只是将对道路交通影响面的大小作为一种主要的考虑因素。具体算法过程如图5。
方法三:基于车流速度分布的检测方法
本算法针对抛洒障碍物对车流平均速度的影响进行处理来发现抛洒障碍物并通知道路管理员。首先对一个周期内雷达检测出的所有车辆位置和速度,进行二次多项式函数拟合,根据拟合函数的形状判断是否存在抛洒障碍物及其位置。
1、算法输入
本算法的输入为雷达提供的所有车辆的速度大小值,与雷达的相对位置(x,y),雷达朝向道路行进方向,即车辆从y=0位置进入,向y>0方向行进。
2、算法过程
(1)考虑到在抛洒障碍物出现后,车流的速度会在抛洒障碍物前后最低,两侧的速度会随着距离障碍物距离越远而越高,为了排除车辆速度数据本身存在的不确定性和随机性,取一段时间T(秒)的数据进行统计。对于T时间内所有雷达检测出的车辆位置、速度,进行二次多项式拟合,得到如图6所示结果。二次多项式函数为:
v=a·y2+b·y+c
其中,y为车辆位置的y坐标(m),v为车速(km/h),a、b、c分别为拟合出的函数的系数。
(2)若函数满足其对称轴位于雷达有效范围内(0~500m),且二次函数开口朝上且开口大小适中,则可以确认抛洒障碍物出现在雷达检测范围内。具体条件如下:
具体算法过程如图7。
方法四:紧急情况检测方法
在许多紧急情况中,如低能见度,车辆的急停现象也是一个重要的现象,它代表了非常紧急的情况。
急停代表道路情况非常不好,需要立刻反应。例如:车间距较小的情况下,车辆遇到了处在第一过程的抛洒障碍物;低能见度(能见度<200米)下,车辆遇到了处在第二过程的抛洒障碍物。
当雷达实时检测到出现车辆减速度持续1秒以上高于4m/s2,并且其的速度在某一时刻低于10km/h时,认为其发生急停,一旦有急停现象立刻通知道路管理员急停发生的位置。
上述检测方法可以组合适用,以提高检测效果。当车流稀疏时,运用基于车辆瞬时轨迹的检测方法,可以达到完美的效果;当车流密集时,运用基于连续交通流状态矩阵的检测方法,可以达到完美的效果。具体车流状态稀疏和密集的辨别可由现有方法提供,例如通过设置合理的车流量阈值来区分,本方法不赘述。当道路极易发生重特大事故或紧急事故时,需要快速反应,可运用基于车流速度分布的检测方法。紧急情况算法无论什么状态下都可运行。
本发明实施例提供的一种高速公路抛洒障碍物风险预警方法,可根据配置情况同时运行上述四种方法进行抛洒障碍物检测,其中任何一个方法检测到抛洒障碍物后,均向道路管理员和/或来向司机(通过具有定位功能的车载/移动终端、情报板提示等)发出相应的风险预警。
基于相同的发明构思,本发明实施例提供的一种计算机系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现所述的高速公路抛洒障碍物检测方法,或高速公路抛洒障碍物风险预警方法。
Claims (10)
1.一种高速公路抛洒障碍物检测方法,其特征在于,在车流量小于设定阈值时,采用基于车辆瞬时轨迹的检测方法,在车流量在设定阈值以上时,采用基于连续交通流状态矩阵的检测方法;
所述基于车辆瞬时轨迹的检测方法,包括如下步骤:
记录每个车道上连续发生的车辆变道数目,当某个车道上连续两辆车发生变道时,根据两辆车变道位置预估抛洒障碍物位置,并进入下一步;
若该车道出现连续三辆车变道,则根据三辆车变道位置更新抛洒障碍物预估位置,并通报抛洒障碍物预估位置;若设定时间内该车道无车辆完整通过,则通报抛洒障碍物预估位置;若下一辆车完整通过该车道,则将该车道的连续车辆变道数目重置为0;
所述基于连续交通流状态矩阵的检测方法,包括如下步骤:
将雷达检测范围内路段按照车道与沿道路方向距离分成一个矩阵,每条车道垂直于道路方向每d/k长度对应矩阵一行,d为车道宽度,k∈{3,4}为测算精度参数,每个矩阵单元用于标记一个周期内是否有车辆经过对应的位置;
对一个周期内的矩阵数据进行分析,若矩阵的a+k·n行中任意一行前部分标记有车辆经,出现连续两个单元以上标记无车辆经过,则认为道路存在风险,预估抛洒障碍物为该行中首次标记无车辆经过的位置并通报;其中,n∈[0,C-1],C为车道数,a∈[2,k-1]。
2.根据权利要求1所述的高速公路抛洒障碍物检测方法,其特征在于,所述基于连续交通流状态矩阵的检测方法中,矩阵a+k·n行中任意一行检测出抛洒障碍物时,若其上下两行中存在一行全标记有车辆经过,则说明车辆不用完全变道就可以绕开该障碍物,预估障碍物大小不超过d/k,否则预估障碍物大小超过d/k。
3.根据权利要求2所述的高速公路抛洒障碍物检测方法,其特征在于,还包括根据障碍物大小,以及,天气情况或路段判断风险程度:在天气识别为正常天气,且当前路段不属于配置的风险路段,预估障碍物大小不超过d/k时,则通报风险程度为低风险;在天气识别为正常天气,且当前路段和时段不属于配置的风险路段,预估障碍物大小超过d/k时,则通报风险程度为中风险;在天气识别为配置的恶劣天气情形,或者当前路段属于配置的风险路段,预估障碍物大小不超过d/k时,则通报风险程度为中风险;在天气识别为配置的恶劣天气情形,或者当前路段属于配置的风险路段,预估障碍物大小超过d/k时,则通报风险程度为高风险。
6.根据权利要求1所述的高速公路抛洒障碍物检测方法,其特征在于,还包括紧急情况检测方法,一旦检测到车辆有急停现象立刻通报急停发生的位置。
7.高速公路抛洒障碍物风险预警方法,其特征在于,同时采用如下方法进行检测,任一方法检测到抛洒障碍物后,向道路管理员和/或来向司机发出风险预警;
方法一:基于车辆瞬时轨迹的检测方法,包括如下步骤:
记录每个车道上连续发生的车辆变道数目,当某个车道上连续两辆车发生变道时,根据两辆车变道位置预估抛洒障碍物位置,并进入下一步;
若该车道出现连续三辆车变道,则根据三辆车变道位置更新抛洒障碍物预估位置,并通报抛洒障碍物预估位置;若设定时间内该车道无车辆完整通过,则通报抛洒障碍物预估位置;若下一辆车完整通过该车道,则将该车道的连续车辆变道数目重置为0;
方法二:基于连续交通流状态矩阵的检测方法,包括如下步骤:
将雷达检测范围内路段按照车道与沿道路方向距离分成一个矩阵,每条车道垂直于道路方向每d/k长度对应矩阵一行,d为车道宽度,k∈{3,4}为测算精度参数,每个矩阵单元用于标记一个周期内是否有车辆经过对应的位置;
对一个周期内的矩阵数据进行分析,若矩阵的a+k·n行中任意一行前部分标记有车辆经,出现连续两个单元以上标记无车辆经过,则认为道路存在风险,预估抛洒障碍物为该行中首次标记无车辆经过的位置并通报;其中,n∈[0,C-1],C为车道数,a∈[2,k-1];
方法三:基于车流速度分布的检测方法,包括如下步骤:
对一个周期内雷达检测出的所有车辆位置和速度,进行二次多项式函数拟合,v=a·y2+b·y+c,其中y为车辆位置,v为车速,a、b、c为拟合出的系数;
8.根据权利要求7所述的高速公路抛洒障碍物风险预警方法,其特征在于,所述方法二和方法三中,还包括对风险程度进行预警;
所述基于连续交通流状态矩阵的检测方法中,矩阵a+k·n行中任意一行检测出抛洒障碍物时,若其上下两行中存在一行全标记有车辆经过,则说明车辆不用完全变道就可以绕开该障碍物,预估障碍物大小不超过d/k,否则预估障碍物大小超过d/k;根据障碍物大小,以及,天气情况或路段判断风险程度:在天气识别为正常天气,且当前路段不属于配置的风险路段,预估障碍物大小不超过d/k时,则通报风险程度为低风险;在天气识别为正常天气,且当前路段和时段不属于配置的风险路段,预估障碍物大小超过d/k时,则通报风险程度为中风险;在天气识别为配置的恶劣天气情形,或者当前路段属于配置的风险路段,预估障碍物大小不超过d/k时,则通报风险程度为中风险;在天气识别为配置的恶劣天气情形,或者当前路段属于配置的风险路段,预估障碍物大小超过d/k时,则通报风险程度为高风险;
9.根据权利要求7所述的高速公路抛洒障碍物风险预警方法,其特征在于,还包括:方法四:紧急情况检测方法,一旦检测到车辆有急停现象立刻通报急停发生的位置。
10.一种计算机系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被加载至处理器时实现根据权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180374.2A CN113920728B (zh) | 2021-10-11 | 2021-10-11 | 高速公路抛洒障碍物检测与预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180374.2A CN113920728B (zh) | 2021-10-11 | 2021-10-11 | 高速公路抛洒障碍物检测与预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113920728A true CN113920728A (zh) | 2022-01-11 |
CN113920728B CN113920728B (zh) | 2022-08-12 |
Family
ID=79238906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111180374.2A Active CN113920728B (zh) | 2021-10-11 | 2021-10-11 | 高速公路抛洒障碍物检测与预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113920728B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114512006A (zh) * | 2022-04-18 | 2022-05-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种路面抛洒物预警方法、装置和存储介质 |
CN115311850A (zh) * | 2022-07-15 | 2022-11-08 | 重庆长安汽车股份有限公司 | 一种基于众包模式的抛洒物识别与预警方法及系统 |
CN115662148A (zh) * | 2022-12-05 | 2023-01-31 | 每日互动股份有限公司 | 一种道路异常事件的预警方法、装置、设备及介质 |
CN117104222A (zh) * | 2023-10-25 | 2023-11-24 | 广州市德赛西威智慧交通技术有限公司 | 一种应用于车辆行驶区域的障碍物检测方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06274786A (ja) * | 1993-03-18 | 1994-09-30 | Hitachi Ltd | 道路交通異常検出方法、装置および道路交通異常監視システム |
WO2016107561A1 (zh) * | 2014-12-30 | 2016-07-07 | 清华大学 | 交通事件检测方法以及系统 |
CN106056957A (zh) * | 2016-06-16 | 2016-10-26 | 招商局重庆交通科研设计院有限公司 | 一种全桥面随机车流的精确同步定位方法 |
CN106571046A (zh) * | 2016-11-11 | 2017-04-19 | 上海市政工程设计研究总院(集团)有限公司 | 基于路面网格体系的车路协同辅助驾驶方法 |
CN107316006A (zh) * | 2017-06-07 | 2017-11-03 | 北京京东尚科信息技术有限公司 | 一种道路障碍物检测的方法和系统 |
CN108510797A (zh) * | 2018-04-04 | 2018-09-07 | 南京微达电子科技有限公司 | 基于雷达侦测的高速公路预警系统及方法 |
CN109166314A (zh) * | 2018-09-29 | 2019-01-08 | 河北德冠隆电子科技有限公司 | 基于全方位跟踪检测雷达的路况感知设备及车路协同系统 |
CN109643485A (zh) * | 2016-12-30 | 2019-04-16 | 同济大学 | 一种城市道路交通异常检测方法 |
CN110473402A (zh) * | 2019-08-20 | 2019-11-19 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
WO2020101071A1 (ko) * | 2018-11-14 | 2020-05-22 | 휴먼플러스(주) | 도로 장애물의 알림 및 차량의 추적이 가능한 라이다를 이용한 교통 감시 시스템 |
CN111915893A (zh) * | 2019-04-15 | 2020-11-10 | 北京嘀嘀无限科技发展有限公司 | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 |
CN113077494A (zh) * | 2021-04-10 | 2021-07-06 | 山东沂蒙交通发展集团有限公司 | 一种基于车辆轨迹的路面障碍物智能识别设备 |
CN113255439A (zh) * | 2021-04-13 | 2021-08-13 | 深圳市锐明技术股份有限公司 | 一种障碍物识别方法、装置、系统、终端及云端 |
-
2021
- 2021-10-11 CN CN202111180374.2A patent/CN113920728B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06274786A (ja) * | 1993-03-18 | 1994-09-30 | Hitachi Ltd | 道路交通異常検出方法、装置および道路交通異常監視システム |
WO2016107561A1 (zh) * | 2014-12-30 | 2016-07-07 | 清华大学 | 交通事件检测方法以及系统 |
CN106056957A (zh) * | 2016-06-16 | 2016-10-26 | 招商局重庆交通科研设计院有限公司 | 一种全桥面随机车流的精确同步定位方法 |
CN106571046A (zh) * | 2016-11-11 | 2017-04-19 | 上海市政工程设计研究总院(集团)有限公司 | 基于路面网格体系的车路协同辅助驾驶方法 |
CN109643485A (zh) * | 2016-12-30 | 2019-04-16 | 同济大学 | 一种城市道路交通异常检测方法 |
CN107316006A (zh) * | 2017-06-07 | 2017-11-03 | 北京京东尚科信息技术有限公司 | 一种道路障碍物检测的方法和系统 |
CN108510797A (zh) * | 2018-04-04 | 2018-09-07 | 南京微达电子科技有限公司 | 基于雷达侦测的高速公路预警系统及方法 |
CN109166314A (zh) * | 2018-09-29 | 2019-01-08 | 河北德冠隆电子科技有限公司 | 基于全方位跟踪检测雷达的路况感知设备及车路协同系统 |
WO2020101071A1 (ko) * | 2018-11-14 | 2020-05-22 | 휴먼플러스(주) | 도로 장애물의 알림 및 차량의 추적이 가능한 라이다를 이용한 교통 감시 시스템 |
CN111915893A (zh) * | 2019-04-15 | 2020-11-10 | 北京嘀嘀无限科技发展有限公司 | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 |
CN110473402A (zh) * | 2019-08-20 | 2019-11-19 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
CN113077494A (zh) * | 2021-04-10 | 2021-07-06 | 山东沂蒙交通发展集团有限公司 | 一种基于车辆轨迹的路面障碍物智能识别设备 |
CN113255439A (zh) * | 2021-04-13 | 2021-08-13 | 深圳市锐明技术股份有限公司 | 一种障碍物识别方法、装置、系统、终端及云端 |
Non-Patent Citations (3)
Title |
---|
HUIYUAN FU: "Abandoned Object detection in highway scene", 《2011 6TH INTERNATIONAL CONFERENCE ON PERVASIVE COMPUTING AND APPLICATIONS》 * |
徐惠娟: "拥堵条件下高速公路管理控制策略研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
汤恒: "平原区双车道公路典型十字平交口小型车速度特性研究", 《公路交通科技》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114512006A (zh) * | 2022-04-18 | 2022-05-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种路面抛洒物预警方法、装置和存储介质 |
CN115311850A (zh) * | 2022-07-15 | 2022-11-08 | 重庆长安汽车股份有限公司 | 一种基于众包模式的抛洒物识别与预警方法及系统 |
CN115662148A (zh) * | 2022-12-05 | 2023-01-31 | 每日互动股份有限公司 | 一种道路异常事件的预警方法、装置、设备及介质 |
CN115662148B (zh) * | 2022-12-05 | 2023-03-17 | 每日互动股份有限公司 | 一种道路异常事件的预警方法、装置、设备及介质 |
CN117104222A (zh) * | 2023-10-25 | 2023-11-24 | 广州市德赛西威智慧交通技术有限公司 | 一种应用于车辆行驶区域的障碍物检测方法及装置 |
CN117104222B (zh) * | 2023-10-25 | 2023-12-29 | 广州市德赛西威智慧交通技术有限公司 | 一种应用于车辆行驶区域的障碍物检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113920728B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113920728B (zh) | 高速公路抛洒障碍物检测与预警方法及系统 | |
CN110473402A (zh) | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 | |
CN107742418A (zh) | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 | |
CN103914688A (zh) | 一种城市道路障碍物识别系统 | |
CN110549941A (zh) | 一种基于实时信息的行人碰撞分级预警方法 | |
CN102096803A (zh) | 基于机器视觉的行人安全状态识别系统 | |
CN108974007B (zh) | 确定主动巡航控制的兴趣物体 | |
US20230264713A1 (en) | System and method for managing environmental conditions for an autonomous vehicle | |
CN111788104B (zh) | 用于自动化驾驶的已知车道间隔 | |
Benekohal et al. | Automated speed photo enforcement effects on speeds in work zones | |
Detwiller et al. | Potential reduction in pedestrian collisions with an autonomous vehicle | |
DE102014210259A1 (de) | Assistent zur Detektion von herabfallenden Objekten | |
EP2528798A1 (en) | A railroad crossing | |
Mukherjee et al. | Large animal detection and continuous traffic monitoring on highways | |
Tarko et al. | Probabilistic approach to controlling dilemma occurrence at signalized intersections | |
CN117079465A (zh) | 一种用于高速公路的行驶车辆安全预警方法与系统 | |
Gates et al. | Prediction of driver action at signalized intersections by using a nested logit model | |
CN115346370A (zh) | 基于智能交通的路口防碰撞系统及方法 | |
CN113240903B (zh) | 一种基于雷视监测的路口车辆加塞预警及管控方法 | |
Soccolich et al. | Potential reduction in large truck and bus traffic fatalities and injuries using Lytx's drivecam program | |
Young et al. | Intelligent transportation systems for operation of roadway segments in high-wind conditions | |
White et al. | Inexpensive, infrastructure-based, intersection collision-avoidance system to prevent left-turn crashes with opposite-direction traffic | |
Dutta et al. | An empirical study on the influence of on-road static obstacles on driver behaviour | |
Wang et al. | Analysis of accident characteristics of vehicle spillage in a highway tunnel | |
Ikiriko et al. | Analyzing the impact of roadside features on injury severity |
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 |