CN114141011B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN114141011B
CN114141011B CN202111395418.3A CN202111395418A CN114141011B CN 114141011 B CN114141011 B CN 114141011B CN 202111395418 A CN202111395418 A CN 202111395418A CN 114141011 B CN114141011 B CN 114141011B
Authority
CN
China
Prior art keywords
potential safety
traffic
point
steep slope
continuous downhill
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
Application number
CN202111395418.3A
Other languages
English (en)
Other versions
CN114141011A (zh
Inventor
杜林佳
贾乐乐
刘茜
柴滢
李巧霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Anrongchang Information Technology Co ltd
Original Assignee
Beijing Anrongchang Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Anrongchang Information Technology Co ltd filed Critical Beijing Anrongchang Information Technology Co ltd
Priority to CN202111395418.3A priority Critical patent/CN114141011B/zh
Publication of CN114141011A publication Critical patent/CN114141011A/zh
Application granted granted Critical
Publication of CN114141011B publication Critical patent/CN114141011B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供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，属于道路安全隐患排查技术领域。所述的陡坡及连续下坡路段安全隐患排查方法，包括以下步骤：步骤一：建立标准化数据采集；步骤二：构建陡坡及连续下坡路段安全隐患排查知识体系；步骤三：实现陡坡及连续下坡路段智能化识别；步骤四：陡坡及连续下坡路段开展安全隐患排查；步骤五：根据得出陡坡及连续下坡路段安全隐患排查结论。本发明通过前端智能化设备采集数据，依据图像进行可视化排查，构建陡坡及连续下坡路段安全隐患排查知识体系，完成陡坡及连续下坡路段智能化识别，不同方面进行陡坡及连续下坡路段的安全隐患排查，生成隐患排查结果。

Description

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
技术领域
本发明属于道路安全隐患排查技术领域，具体涉及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。
背景技术
隐患排查是指根据国家安全生产法律法规，利用安全生产管理相关方法，对生产经营单位的人、机械设备、工作环境和生产管理进行逐项排查，目的是发现安全生产事故隐患。道路交通安全隐患是指公路本身存在影响行车安全的因素，通过分析交通事故多发原因确定的未来极大可能再次引发交通事故的公路安全隐患路段，多表现为部分急弯、陡坡、连续下坡、视距不良、路侧险要等路段。道路交通安全隐患排查是指对公路本身存在影响行车安全的因素，可能引发交通事故的公路安全隐患路段，根据国家交通安全法律法规对公路交通中的人、车辆及行驶环境进行逐项排查，发现道路交通安全事故隐患。连续下坡路段指多个下坡连续里程大于3km，在相对高差为200-500m时平均纵坡大于5.5％，相对高差大于500m时平均纵坡大于5％。纵坡是指路线纵断面上同一坡段两点间的高差与其水平距离的比值，以百分率表示。
近些年来我国大力开展道路基础设施建设，由于地形、地质、工程投资等因素限制，实际道路建设中最大纵坡及最大坡长采用规范中的极限值难以避免，易形成坡度过大、坡长过长的隐患路段。陡坡及连续下坡路段作为特殊道路类型，车辆在下坡路段行驶时需长时间制动而造成刹车失灵现象，使得陡坡及连续下坡路段产生较高的事故率及致死率。公安部将连续下坡路段作为重点安全隐患排查路段，于2018年11月开始，集中开展连续下坡危险路段排查整治行动。
专利名称为：一种连续下坡路段提示方法、装置及车辆，专利号为：201910722835.0的专利提出了一种连续下坡路段的提示方法。利用车辆行驶过程中采集的车况信息判断车辆是否处于连续下坡路段，若车辆处于连续下坡路段时，通过可视化装置显示安全预警提示信息与相应措施，避免车辆刹车变差或失灵以保证行车安全。该专利从车辆行驶角度对连续下坡路段进行了认定，利用对车辆进行预警提示来避免安全事故发生。专利名称为：一种高速公路安全隐患排查装置和方法，专利号为：202110020605.7的专利针对高速公路长下坡路段，利用各种前端设备采集坡道长度、车速、坡度、应急设施信息，判断长下坡路段是否存在安全隐患。该专利将路段俯角大于4°或百米车速大于3m/s作为长下坡存在安全隐患认定条件，其隐患认定方法缺少理论性支撑，在不同路段下的适用性较低。
总体看来，当前陡坡及连续下坡路段安全隐患排查侧重于路段整体是否存在安全隐患认定，排查方法缺乏理论支撑，认定结果虽然涵盖了道路设计、安全设施等内容，但缺乏对陡坡及连续下坡路段内部详细隐患点的细致性分析，排查结果难以有效推进相关部门开展陡坡及连续下坡路段安全隐患排查工作。
现有陡坡及连续下坡路段道路交通安全隐患排查方法主要集中于对道路线形(坡长、坡度等)、道路车辆行驶特性中存在的安全隐患进行排查，其侧重于对陡坡及连续下坡路段安全隐患有无的认定，缺少对于隐患内容全面细致性分析，隐患排查结果对相关部门推进实际排查工作缺乏有力支撑；此外，现有排查方法缺乏对于陡坡及连续下坡路段交通标志、交通标线等交通基础设施不完整、不规范问题的有效排查；现有方法忽视了相关部门开展隐患排查工作时排查、分析、上报、治理整体业务流程。
发明内容
本发明通过提供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，以解决现有技术中存在的上述技术问题，本发明基于标准化数据采集，构建陡坡及连续下坡路段安全隐患排查知识体系，实现路段智能化识别后，开展安全隐患标准化排查，生成陡坡及连续下坡路段安全隐患排查结论。
为实现上述目的，本发明的技术解决方案是：
一种陡坡路段识别方法，以下陡坡方向为例，包括以下步骤：
Step1:测量t时刻车辆俯仰角β(t)，俯仰角为车辆行驶方向与水平面夹角，车辆上坡β(t)>0，车辆下坡β(t)<0；
Step2:计算t时刻车辆瞬时坡度值α(t)，其中α(t)＝tanβ(t)；
Step3：判断α(t)是否小于-j，其中j为最大纵坡值：
若α(t)>-j，则令t＝t+Δt，返回Step1，其中Δt为数据采集时间间隔；
若α(t)≤-j，则进入Step4；
Step4：将t时刻前离散点拟合曲线f(t)；
Step5：计算f(t)导数f′(t)；
Step6：判断f′(t)是否等于0：
若f′(t)<0，则令t＝t-Δt,返回Step5；
若f′(t)＝0，则进入Step7；
Step7：标记t0时刻坐标点为陡坡路段起点p(t0)；
Step8：计算距起点第i个间隔点与前一点坐标间距Δl(ti)＝p(ti)-p(ti-1)；
Step9：计算距起点第i个间隔点至起点长度L(ti)＝l(ti-1)+Δl(ti)；
Step10：依据设计速度v与最大纵坡j计算判定路段为陡坡路段临界点位置L(v,j)；
Step11：判断L(ti)是否大于L(v,j)：
若L(ti)<L(v,j)，则令l(ti)＝L(ti)后，令i＝i+1，返回Step8；
若L(ti)≥L(v,j)，则判断ti时刻坐标点为陡坡路段临界点，进入Step12；
Step12：计算临界点位置与起点位置高差h(L)；
Step13：判定距离起点L(ti)距离点与起点高差h(L(ti))与依据设计速度v、最大纵坡j与最大坡长l计算高差值h(v,j,l)：
若h(L)≥h(v,j,l)，则判定路段为陡坡路段；
若h(L)<h(v,j,l)，则判定路段为非陡坡路段。
一种连续下坡路段识别方法，包括以下步骤：
S1:测量t时刻车辆俯仰角β(t)，俯仰角为车辆行驶方向与水平面夹角，车辆上坡时β(t)>0，车辆下坡时β(t)<0；
S2:计算t时刻车辆瞬时坡度值α(t)，其中α(t)＝tanβ(t)；
S3：判断α(t)是否小于-5％：
若α(t)>-5％，则令t＝t+Δt(Δt为数据采集时间间隔)，返回S1；
若α(t)≤-5％，则进入S4；
S4：将t时刻前离散点拟合曲线f(t)；
S5：计算f(t)导数f′(t)；
S6:判断f′(t)是否等于0：
若f′(t)<0，则令t＝t-Δt，返回S5；
若f′(t)＝0，则进入S7；
S7：标记t0时刻坐标点为连续下坡起点，l(ti-1)＝0，i＝1；
S8：计算距起点第i个间隔点与前一点坐标间距Δ(ti)＝l(ti)-l(ti-1)；
S9：计算距起点第i的距离L(ti)＝l(ti)+Δ(ti)；
S10：判断L(ti)是否大于3km：
若L(ti)≤3km，则令l(ti)＝L(ti)后，令i＝i+1，返回S8；
若L(ti)>3km，则判断ti时刻坐标点为连续下坡定义终点，进入S11；
S11：计算起终点高差h与水平距离d；
S12：判断起终点高差h是否大于500m：
若h>500m，则计算起终点间坡度值hd，进入S12.1；
S12.1：判断起终点坡度值hd是否大于5％：
当h/d>5％，则认定该路段为连续下坡路段；
当h/d≤5％，则认定该路段为非连续下坡路段；
若h≤500m，则进入S13；
S13：判断起终点高差h是否大于200m：
若h>200m，则计算起终点间坡度值h/d，进入S13.1；
S13.1：判断起终点坡度值h/d是否大于5.5％：
当h/d>5.5％，则认定该路段为连续下坡路段；
当h/d≤5.5％，则认定该路段为非连续下坡路段；
若h≤200m，则认定该路段为非连续下坡路段。
一种陡坡及连续下坡路段安全隐患排查方法，包括以下步骤：
步骤一：利用车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、海拔测量仪对车辆行驶过程中进行多视角高频道路图像数据、GPS信息、滚转角、俯仰角、偏航角、车速、海拔高度数据进行采集，并进行存储；
步骤二：构建陡坡及连续下坡路段安全隐患排查知识体系，该知识体系包含陡坡及连续下坡路段的基本信息以及在道路线形、交通标志、交通标线、安全设施、交通组织中存在的隐患类型，同时还包含隐患认定标准、隐患排查点位位置信息、隐患内容描述及治理建议；
步骤三：结合数据判别算法与图像判别算法的双重认定，根据上述的陡坡路段识别方法，以及以上所述的连续下坡路段识别方法进行陡坡及连续下坡路段智能化识别；
步骤四：以构建的安全隐患排查知识体系为基础，对陡坡及连续下坡路段从道路线形、交通标志、交通标线、安全设施、交通组织不同方面开展安全隐患排查；
步骤五：根据步骤四的安全隐患排查结果得出陡坡及连续下坡路段安全隐患排查结论。
优选地，所述步骤一还包括网络通讯模块和数据处理模块，所述车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、海拔测量仪将采集的数据存储后通过网络通讯模块传输至数据处理模块，所述数据处理模块利用时间标签完成不同数据特征匹配，构建标准化采集数据。
优选地，所述步骤二中陡坡及连续下坡路段排查交通标线包括对向车行道分界线、同向车行道分界线、车行道边缘线、减速振动标线，排查交通标志包括上陡坡标志、下陡坡标志、连续下坡标志、限制速度标志、禁止超车标志与解除禁止超车标志，安全设施包括减速带、护栏、避险车道，交通组织为关注路段重型货运车辆混行情况。
优选地，所述步骤四中陡坡及连续下坡路段安全隐患排查的方法，包括以下步骤：
步骤a：确定陡坡及连续下坡路段起终点为基准点Po；
步骤b：依据构建安全隐患排查知识体系中标准规定与陡坡及连续下坡路段中存在安全隐患位置信息，确定排查交通标志、交通标线、安全设施、交通组织等各项内容排查的最佳点位Pbest，其中Pbest＝Po±ls，ls为相关标准规定下交通标志、交通标线、安全设施、交通组织的排查点位距离基准点距离或范围；
步骤c：确定最佳点位Pbest下图片为安全隐患排查最佳视角；
步骤d：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，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，交通组织是存在安全隐患，需进入步骤e进行隐患确认交通标志、交通标线、安全设施详情；
步骤e：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，则需进入步骤f确定具体隐患详情；
步骤f：判定交通标志、交通标线、安全设施是否完整，有无遮挡、磨损、损坏等情况：
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，结合步骤e综合给定隐患认定结果；
步骤g：以图片标注和文字总结形式输出隐患认定结果，完成安全隐患智能化排查。
本发明的有益效果是：
本申请提出了一种陡坡及连续下坡路段安全隐患排查方法，以推进相关部门开展陡坡及连续下坡路段安全隐患排查为原则，通过前端智能化设备采集数据，依据图像进行可视化排查，构建陡坡及连续下坡路段安全隐患排查知识体系，完成陡坡及连续下坡路段智能化识别，从道路线形、交通标志、交通标线、安全设施、交通组织不同方面进行陡坡及连续下坡路段的安全隐患排查，生成隐患排查结果，便于进一步推动陡坡及连续下坡路段安全隐患排查工作。
附图说明
图1是陡坡及连续下坡路段安全隐患排查流程技术路线图。
图2是标准化数据采集流程图。
图3是陡坡路段数据判别算法流程图。
图4是高差值h(v,j,l)计算示意图。
图5是连续下坡路段数据判别算法流程图。
图6是陡坡及连续下坡路段安全隐患排查方法技术路线图。
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。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参见图1，陡坡及连续下坡路段安全隐患排查流程技术路线，一种陡坡及连续下坡路段安全隐患排查方法，包括以下步骤：
步骤一：建立标准化数据采集：利用数据采集模块的车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、海拔测量仪等智能化前端设备，通过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；利用GPS测量仪采集获取车辆行驶过程GPS信息；依靠陀螺仪测量滚转角、俯仰角、偏航角信息；使用车速传感器测量车速信息和海拔测量仪测量车辆行驶过程中海拔高度；上述信息采集完成后分别存储于相应设备存储中心，依托网络通信模块实现不同存储端的数据贯通，于数据处理模块利用时间标签完成不同数据特征匹配，构建标准化采集数据，为后续陡坡及连续下坡路段识别与安全隐患排查提供数据基础。标准化数据采集流程图如图2所示。
步骤二：构建陡坡及连续下坡路段安全隐患排查知识体系。陡坡及连续下坡路段安全隐患排查涉及基本信息(路段限速、坡度、坡长等)、交通标志、交通标线、安全设施、交通组织等方面，实际道路交通安全隐患认定涉及众多法律、规范，要实现全面细致对陡坡及连续下坡路段安全隐患排查，需依托道路交通安全相关标准，构建陡坡及连续下坡路段安全隐患排查知识体系。该知识体系包含陡坡及连续下坡路段的基本信息以及在道路线形、交通标志、交通标线、安全设施、交通组织中存在的隐患类型，同时还包含隐患认定标准、隐患排查点位位置信息、隐患内容描述及治理建议。其中陡坡及连续下坡路段排查交通标线包括对向车行道分界线、同向车行道分界线、车行道边缘线、减速振动标线，排查交通标志包括上陡坡标志、下陡坡标志、连续下坡标志、限制速度标志、禁止超车标志与解除禁止超车标志，安全设施包括减速带、护栏、避险车道，交通组织主要关注路段重型货运车辆混行情况。本申请构建的陡坡及连续下坡路段安全隐患排查知识体系，不局限于对于陡坡及连续下坡路段隐患有无的认定，更重要在于确定路段安全隐患点位置信息及隐患分析，从而保证对陡坡及连续下坡路段交通标志、交通标线、安全设施、交通组织隐患排查的完整性与标准性；
步骤三：实现陡坡及连续下坡路段智能化识别。在开展陡坡及连续下坡路段安全隐患排查工作时坡度、坡长、交通设施布设位置与陡坡及连续下坡路段位置信息相关，故陡坡及连续下坡路段排查前需实现陡坡及连续下坡路段智能化识别，明确路段对应起终点位置信息。智能化识别为在数据处理模块中结合数据判别算法与图像判别算法的双重认定，根据陡坡路段识别方法，以及连续下坡路段识别方法进行陡坡及连续下坡路段智能化识别；
具体的，依据《公路工程技术标准》(JTG B01-2014)中关于陡坡路段规定，陡坡路段场景如下：
(1)限制速度100KM/h，最大纵坡4％；长度800米；
(2)限制速度80KM/h，最大纵坡5％；长度700米；
(3)限制速度60KM/h，最大纵坡6％；长度600米；
(4)限制速度40KM/h，最大纵坡7％；长度500米；
(5)限制速度30KM/h，最大纵坡8％；长度300米；
(6)限制速度20KM/h，最大纵坡9％；长度300米。
基于上述陡坡路段场景定义，以下陡坡方向为例，参见图3陡坡路段数据判别算法流程图，所述陡坡路段识别方法，包括以下步骤：
Step1:测量t时刻车辆俯仰角β(t)，俯仰角为车辆行驶方向与水平面夹角，车辆上坡β(t)>0，车辆下坡β(t)<0；
Step2:计算t时刻车辆瞬时坡度值α(t)，其中α(t)＝tanβ(t)；
Step3：判断α(t)是否小于-j，其中j为最大纵坡值：
若α(t)>-j，则令t＝t+Δt，返回Step1，其中Δt为数据采集时间间隔；
若α(t)≤-j，则进入Step4；
j在不同陡坡路段限制速度下的最大纵坡，取值如表1所示：
表1陡坡路段对应参数
Figure BDA0003369796680000111
Step4：将t时刻前离散点拟合曲线f(t)；
Step5：计算f(t)导数f′(t)；
Step6：判断f′(t)是否等于0：
若f′(t)<0，则令t＝t-Δt,返回Step5；
若f′(t)＝0，则进入Step7；
Step7：标记t0时刻坐标点为陡坡路段起点p(t0)；
Step8：计算距起点第i个间隔点与前一点坐标间距Δl(ti)＝p(ti)-p(ti-1)；
Step9：计算距起点第i个间隔点至起点长度L(ti)＝l(ti-1)+Δl(ti)；
Step10：依据设计速度v与最大纵坡j计算判定路段为陡坡路段临界点位置L(v,j)(例如在设计速度为100km/h与最大纵坡j为4％时L(v,j)值为800m)；
Step11：判断L(ti)是否大于L(v,j)：
若L(ti)<L(v,j)，则令l(ti)＝L(ti)后，令i＝i+1，返回Step8；
若L(ti)≥L(v,j)，则判断ti时刻坐标点为陡坡路段临界点，进入Step12；
Step12：计算临界点位置与起点位置高差h(L)；
Step13：判定距离起点L(ti)距离点与起点高差h(L(ti))与依据设计速度v、最大纵坡j与最大坡长l计算高差值h(v,j,l)(例如设计速度v为100km/h、最大纵坡j(j＝h/d)为4％、最大纵坡坡长l为800m时，如图4高差值h(v,j,l)计算示意图所示，由勾股定理即可确定h取值为22.31m，即h(v,j,l)取值为22.31m)：
若h(L)≥h(v,j,l)，则判定路段为陡坡路段；
若h(L)<h(v,j,l)，则判定路段为非陡坡路段。
依据《公路安全生命防护工程实施技术指南》中连续下坡路段定义：多个下坡连续里程大于3km，在相对高差为200m至500m时平均纵坡大于5.5％，相对高差大于500m时平均纵坡大于5％，参见图5连续下坡数据判别算法流程图，一种连续下坡路段识别方法，包括以下步骤：
S1:测量t时刻车辆俯仰角β(t)，俯仰角为车辆行驶方向与水平面夹角，车辆上坡时β(t)>0，车辆下坡时β(t)<0；
S2:计算t时刻车辆瞬时坡度值α(t)，其中α(t)＝tanβ(t)；
S3：判断α(t)是否小于-5％：
若α(t)>-5％，则令t＝t+Δt(Δt为数据采集时间间隔)，返回S1；
若α(t)≤-5％，则进入S4；
S4：将t时刻前离散点拟合曲线f(t)；
S5：计算f(t)导数f′(t)；
S6:判断f′(t)是否等于0：
若f′(t)<0，则令t＝t-Δt，返回S5；
若f′(t)＝0，则进入S7；
S7：标记t0时刻坐标点为连续下坡起点，l(ti-1)＝0，i＝1；
S8：计算距起点第i个间隔点与前一点坐标间距Δ(ti)＝l(ti)-l(ti-1)；
S9：计算距起点第i的距离L(ti)＝l(ti)+Δ(ti)；
S10：判断L(ti)是否大于3km：
若L(ti)≤3km，则令l(ti)＝L(ti)后，令i＝i+1，返回S8；
若L(ti)>3km，则判断ti时刻坐标点为连续下坡定义终点，进入S11；
S11：计算起终点高差h与水平距离d；
S12：判断起终点高差h是否大于500m：
若h>500m，则计算起终点间坡度值h/d，进入S12.1；
S12.1：判断起终点坡度值h/d是否大于5％：
当h/d>5％，则认定该路段为连续下坡路段；
当h/d≤5％，则认定该路段为非连续下坡路段；
若h≤500m，则进入S13；
S13：判断起终点高差h是否大于200m：
若h>200m，则计算起终点间坡度值hd，进入S13.1；
S13.1：判断起终点坡度值hd是否大于5.5％：
当hd>5.5％，则认定该路段为连续下坡路段；
当h/d≤5.5％，则认定该路段为非连续下坡路段；
若h≤200m，则认定该路段为非连续下坡路段。
通过陡坡及连续下坡路段数据判别算法对采集数据循环判定，最终确定陡坡及连续下坡路段起、终点位置信息，完成数据层面陡坡及连续下坡路段识别。
在数据判别算法确定陡坡及连续下坡路段基础上，图像判别算法结合深度图像识别技术，对数据判别算法确定路段范围内图像中道路宽度、车道数量等路段基础参数进行识别。
步骤四：陡坡及连续下坡路段安全隐患标准化排查。陡坡及连续下坡路段安全隐患排查的方法为以构建的安全隐患排查知识体系为基础，对陡坡及连续下坡路段从道路线形、交通标志、交通标线、安全设施、交通组织不同方面开展安全隐患排查工作。首先通过基本信息中坡度、坡长与限速等参数对道路线形设计不科学所造成的安全隐患进行排查，利用陡坡及连续下坡路段数据判别算法将陡坡及连续下坡路段划分为若干陡坡路段进行排查时，各陡坡路段在对应设计速度下最大纵坡及不同纵坡的最大坡长满足表2与表3所示,当排查路段限速vmax确定时，路段最大纵坡αmax(α＝hd，h为路段高差、d为路段水平距离)、路段最大坡长Lmax即可确定。在给定路段限速vmax下，当实际路段i纵坡α(i)>αmax或实际路段i长度L(i)>Lmax时认定陡坡及连续下坡路段存在安全隐患，并确定陡坡及连续下坡路段中安全隐患具体路段i存在道路线形设计不科学造成的安全隐患；
表2陡坡路段最大纵坡
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3不同纵坡的最大坡长
Figure BDA0003369796680000141
Figure BDA0003369796680000151
陡坡及连续下坡交通标志、交通标线、安全设施布设位置与路段基本信息相关，在构建道路基本信息库后，上述排查内容相应隐患项认定标准即可明确。陡坡及连续下坡路段安全隐患排查方法依托于智能化采集图片对陡坡及连续下坡路段交通标志、交通标线、安全设施、交通组织各内容进行可视化排查，如图6所示陡坡及连续下坡路段安全隐患排查方法技术路线。
所述陡坡及连续下坡路段安全隐患排查的方法，包括以下步骤：
步骤a：确定陡坡及连续下坡路段起终点为基准点Po；
步骤b：依据构建安全隐患排查知识体系中标准规定与陡坡及连续下坡路段中存在安全隐患位置信息，确定排查交通标志、交通标线、安全设施、交通组织等各项内容排查的最佳点位Pbest，其中Pbest＝Po±ls，ls为相关标准规定下交通标志、交通标线、安全设施、交通组织的排查点位距离基准点距离或范围；
步骤c：确定最佳点位Pbest下图片为安全隐患排查最佳视角；
步骤d：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，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，交通组织是存在安全隐患，需进入步骤e进行隐患确认交通标志、交通标线、安全设施详情；
步骤e：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，则需进入步骤f确定具体隐患详情；
步骤f：判定交通标志、交通标线、安全设施是否完整，有无遮挡、磨损、损坏等情况：
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，结合步骤e综合给定隐患认定结果；
步骤g：以图片标注和文字总结形式输出隐患认定结果，完成安全隐患智能化排查。
陡坡及连续下坡路段安全隐患智能化排查在智能算法上结合人工辅助手段确定陡坡及连续下坡路段隐患排查最佳视角，选定隐患排查目标点位的图片相关数据，首先在深度图像识别技术上对隐患进行识别，并辅助于人工判定，确保对陡坡及连续下坡路段安全隐患项全面排查，并以图片标记形式对排查发现隐患项进行隐患标注，便于将隐患标注图片附于排查报告中，将排查结果以可视化形式进行展示。
步骤五：形成陡坡及连续下坡路段安全隐患排查结论。为实现面向不同用户的隐患排查结论，本申请定义了层次化排查报告：包括陡坡及连续下坡路段安全隐患排查流程报告、陡坡及连续下坡路段安全隐患单、基于隐患排查的总体报告。陡坡及连续下坡路段安全隐患排查流程报告可对陡坡及连续下坡路段交通标志、交通标线、安全设施与交通组织排查结果进行汇总，其作用在于确保排查流程完整性与正确性；陡坡及连续下坡路段安全隐患单与基于隐患排查的总体报告中从部分到整体对现存隐患内容进行分析，其作用在于面向不同用户业务需求，在不同权限、范围内查看隐患排查结论。本申请定义的上述排查报告依据排查工作规范中排查报告格式要求，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，及后续安全隐患治理。
本发明具有以下有益效果：
1、现有技术对于陡坡及连续下坡路段安全隐患排查流程未形成标准化。本专利基于陡坡及连续下坡路段安全相关法律法规及规范梳理，构建了陡坡及连续下坡路段安全隐患排查知识体系，以相关部门道路安全隐患排查业务流程为导向，规范化了从数据采集、分析、隐患识别到隐患结论生成的陡坡及连续下坡路段安全隐患排查流程。
2、现有技术对于陡坡及连续下坡路段排查内容不全面不细致。本专利提出了一种对陡坡及连续下坡路段全面排查，包括道路线形、交通标志、交通标线、安全设施、交通组织等。
3、现有技术对于不同陡坡及连续下坡路段排查方法缺乏理论体系支撑。本专利基于国家标准、行业标准、部门规范构建排查知识体系，以提供理论支撑。
4、现有技术不足以支持相关部门开展隐患治理工作。基于本专利设计的安全隐患排查方法制定了不同层次隐患排查报告，其结果能够推动相关部门开展安全隐患排查与治理工作。
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 (6)

1.一种陡坡路段识别方法，其特征在于，包括以下步骤：
Step1:测量t时刻车辆俯仰角β(t)，俯仰角为车辆行驶方向与水平面夹角，车辆上坡β(t)>0，车辆下坡β(t)<0；
Step2:计算t时刻车辆瞬时坡度值α(t)，其中α(t)＝tanβ(t)；
Step3：判断α(t)是否小于-j，其中j为最大纵坡值：
若α(t)>-j，则令t＝t+Δt，返回Step1，其中Δt为数据采集时间间隔；
若α(t)≤-j，则进入Step4；
Step4：将t时刻前离散点拟合曲线f(t)；
Step5：计算f(t)导数f′(t)；
Step6：判断f′(t)是否等于0：
若f′(t)<0，则令t＝t-Δt,返回Step5；
若f′(t)＝0，则进入Step7；
Step7：标记t0时刻坐标点为陡坡路段起点p(t0)；
Step8：计算距起点第i个间隔点与前一点坐标间距Δl(ti)＝p(ti)-p(ti-1)；
Step9：计算距起点第i个间隔点至起点长度L(ti)＝l(ti-1)+Δl(ti)，其中；l(ti-1)＝l(ti-2)+Δl(ti-1)；
Step10：依据设计速度v与最大纵坡j计算判定路段为陡坡路段临界点位置L(v,j)；
Step11：判断L(ti)是否大于L(v,j)：
若L(ti)<L(v,j)，则令l(ti)＝L(ti)后，令i＝i+1，返回Step8；
若L(ti)≥L(v,j)，则判断ti时刻坐标点为陡坡路段临界点，进入Step12；
Step12：计算临界点位置与起点位置高差h(L)；
Step13：判定距离起点L(ti)距离点与起点高差h(L(ti))与依据设计速度v、最大纵坡j与最大坡长l计算高差值h(v,j,l)：
若h(L)≥h(v,j,l)，则判定路段为陡坡路段；
若h(L)<h(v,j,l)，则判定路段为非陡坡路段。
2.一种连续下坡路段识别方法，其特征在于，包括以下步骤：
S1:测量t时刻车辆俯仰角β(t)，俯仰角为车辆行驶方向与水平面夹角，车辆上坡时β(t)>0，车辆下坡时β(t)<0；
S2:计算t时刻车辆瞬时坡度值α(t)，其中α(t)＝tanβ(t)；
S3：判断α(t)是否小于-5％：
若α(t)>-5％，则令t＝t+Δt，其中Δt为数据采集时间间隔，返回S1；
若α(t)≤-5％，则进入S4；
S4：将t时刻前离散点拟合曲线f(t)；
S5：计算f(t)导数f′(t)；
S6:判断f′(t)是否等于0：
若f′(t)<0，则令t＝t-Δt，返回S5；
若f′(t)＝0，则进入S7；
S7：标记t0时刻坐标点为陡坡路段起点p(t0)；
S8：计算距起点第i个间隔点与前一点坐标间距Δl(ti)＝p(ti)-p(ti-1)；
S9：计算距起点第i个间隔点至起点长度L(ti)＝l(ti-1)+Δl(ti)，其中；l(ti-1)＝l(ti-2)+Δl(ti-1)；
S10：判断L(ti)是否大于3km：
若L(ti)≤3km，则令l(ti)＝L(ti)后，令i＝i+1，返回S8；
若L(ti)>3km，则判断ti时刻坐标点为连续下坡定义终点，进入S11；
S11：计算起终点高差h与水平距离d；
S12：判断起终点高差h是否大于500m：
若h>500m，则计算起终点间坡度值h/d，进入S12.1；
S12.1：判断起终点坡度值h/d是否大于5％：
当h/d>5％，则认定该路段为连续下坡路段；
当h/d≤5％，则认定该路段为非连续下坡路段；
若h≤500m，则进入S13；
S13：判断起终点高差h是否大于200m：
若h>200m，则计算起终点间坡度值h/d，进入S13.1；
S13.1：判断起终点坡度值h/d是否大于5.5％：
当h/d>5.5％，则认定该路段为连续下坡路段；
当h/d≤5.5％，则认定该路段为非连续下坡路段；
若h≤200m，则认定该路段为非连续下坡路段。
3.一种陡坡及连续下坡路段安全隐患排查方法，其特征在于，包括以下步骤：
步骤一：利用车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、海拔测量仪对车辆行驶过程中进行多视角高频道路图像数据、GPS信息、滚转角、俯仰角、偏航角、车速、海拔高度数据进行采集，并进行存储；
步骤二：构建陡坡及连续下坡路段安全隐患排查知识体系，该知识体系包含陡坡及连续下坡路段的基本信息以及在道路线形、交通标志、交通标线、安全设施、交通组织中存在的隐患类型，同时还包含隐患认定标准、隐患排查点位位置信息、隐患内容描述及治理建议；
步骤三：结合数据判别算法与图像判别算法的双重认定，根据权利要求1所述的陡坡路段识别方法，以及权利要求2所述的连续下坡路段识别方法进行陡坡及连续下坡路段智能化识别；
步骤四：以构建的安全隐患排查知识体系为基础，对陡坡及连续下坡路段从道路线形、交通标志、交通标线、安全设施、交通组织不同方面开展安全隐患排查；
步骤五：根据步骤四的安全隐患排查结果得出陡坡及连续下坡路段安全隐患排查结论。
4.根据权利要求3所述的陡坡及连续下坡路段安全隐患排查方法，其特征在于，所述步骤一还包括网络通讯模块和数据处理模块，所述车载高清摄像头、GPS测量仪、陀螺仪、车速传感器、海拔测量仪将采集的数据存储后通过网络通讯模块传输至数据处理模块，所述数据处理模块利用时间标签完成不同数据特征匹配，构建标准化采集数据。
5.根据权利要求3所述的陡坡及连续下坡路段安全隐患排查方法，其特征在于，所述步骤二中陡坡及连续下坡路段排查交通标线包括对向车行道分界线、同向车行道分界线、车行道边缘线、减速振动标线，排查交通标志包括上陡坡标志、下陡坡标志、连续下坡标志、限制速度标志、禁止超车标志与解除禁止超车标志，安全设施包括减速带、护栏、避险车道，交通组织为关注路段重型货运车辆混行情况。
6.根据权利要求3所述的陡坡及连续下坡路段安全隐患排查方法，其特征在于，所述步骤四中陡坡及连续下坡路段安全隐患排查的方法，包括以下步骤：
步骤a：确定陡坡及连续下坡路段起终点为基准点Po；
步骤b：依据构建安全隐患排查知识体系中标准规定与陡坡及连续下坡路段中存在安全隐患位置信息，确定排查交通标志、交通标线、安全设施、交通组织各项内容排查的最佳点位Pbest，其中Pbest＝Po±ls，ls为相关标准规定下交通标志、交通标线、安全设施、交通组织的排查点位距离基准点距离或范围；
步骤c：确定最佳点位Pbest下图片为安全隐患排查最佳视角；
步骤d：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，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，交通组织是存在安全隐患，需进入步骤e进行隐患确认交通标志、交通标线、安全设施详情；
步骤e：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，则需进入步骤f确定具体隐患详情；
步骤f：判定交通标志、交通标线、安全设施是否完整，有无遮挡、磨损、损坏情况：
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，结合步骤e综合给定隐患认定结果；
步骤g：以图片标注和文字总结形式输出隐患认定结果，完成安全隐患智能化排查。
CN202111395418.3A 2021-11-23 2021-11-23 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 Active CN114141011B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111395418.3A CN114141011B (zh) 2021-11-23 2021-11-23 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111395418.3A CN114141011B (zh) 2021-11-23 2021-11-23 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

Publications (2)

Publication Number Publication Date
CN114141011A CN114141011A (zh) 2022-03-04
CN114141011B true CN114141011B (zh) 2022-09-27

Family

ID=80391180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111395418.3A Active CN114141011B (zh) 2021-11-23 2021-11-23 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

Country Status (1)

Country Link
CN (1) CN114141011B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115158274B (zh) * 2022-08-31 2022-11-29 四川省公路规划勘察设计研究院有限公司 基于货车制动重刹特性的长大纵坡危险路段识别方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004061155A (ja) * 2002-07-25 2004-02-26 Aisin Aw Co Ltd 道路情報推測装置
CN103093088A (zh) * 2013-01-09 2013-05-08 西安费斯达自动化工程有限公司 陡坡和弯曲道路的安全评估方法
WO2018058860A1 (zh) * 2016-09-28 2018-04-05 深圳市元征科技股份有限公司 车辆上坡路的提示方法及装置
CN108121884A (zh) * 2018-01-16 2018-06-05 南京林业大学 一种高速环道横断面线形的设计方法
CN108682149A (zh) * 2018-05-21 2018-10-19 东南大学 基于二项Logistic回归的公路事故黑点路段线形致因分析方法
CN110186428A (zh) * 2019-05-27 2019-08-30 北京泓达九通科技发展有限公司 一种基于大数据曲线拟合的道路坡度确定方法及系统
CN111114318A (zh) * 2020-01-10 2020-05-08 长安大学 一种高速公路长大下坡缓和坡段几何指标设计方法
CN112735138A (zh) * 2021-01-07 2021-04-30 中国安全生产科学研究院 一种高速公路安全隐患排查装置和方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004045340A (ja) * 2002-07-15 2004-02-12 Aisin Aw Co Ltd 道路情報推測装置
CN105444735A (zh) * 2014-08-22 2016-03-30 北京协进科技发展有限公司 一种道路坡度的确定方法及装置
CN105651254B (zh) * 2016-02-23 2018-02-27 吉林大学 基于道路线形和频谱特征的道路坡度计算方法
CN107560599B (zh) * 2017-09-04 2020-05-12 清华大学 一种基于特征点采样和曲线拟合的道路坡度数据处理方法
CA3075156A1 (en) * 2019-03-15 2020-09-15 Mission Control Space Services Inc. Terrain traficability assesment for autonomous or semi-autonomous rover or vehicle
CN110044333A (zh) * 2019-05-14 2019-07-23 芜湖汽车前瞻技术研究院有限公司 一种基于单目视觉的坡度检测方法和装置
CN113447031A (zh) * 2020-03-24 2021-09-28 厦门雅迅网络股份有限公司 坡度点筛选方法、终端设备及介质和坡度计算方法及系统
CN113324510B (zh) * 2021-06-01 2022-03-11 中国铁道科学研究院集团有限公司 轨道线路竖曲线曲率检测方法、装置及轨道线路检测系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004061155A (ja) * 2002-07-25 2004-02-26 Aisin Aw Co Ltd 道路情報推測装置
CN103093088A (zh) * 2013-01-09 2013-05-08 西安费斯达自动化工程有限公司 陡坡和弯曲道路的安全评估方法
WO2018058860A1 (zh) * 2016-09-28 2018-04-05 深圳市元征科技股份有限公司 车辆上坡路的提示方法及装置
CN108121884A (zh) * 2018-01-16 2018-06-05 南京林业大学 一种高速环道横断面线形的设计方法
CN108682149A (zh) * 2018-05-21 2018-10-19 东南大学 基于二项Logistic回归的公路事故黑点路段线形致因分析方法
CN110186428A (zh) * 2019-05-27 2019-08-30 北京泓达九通科技发展有限公司 一种基于大数据曲线拟合的道路坡度确定方法及系统
CN111114318A (zh) * 2020-01-10 2020-05-08 长安大学 一种高速公路长大下坡缓和坡段几何指标设计方法
CN112735138A (zh) * 2021-01-07 2021-04-30 中国安全生产科学研究院 一种高速公路安全隐患排查装置和方法

Also Published As

Publication number Publication date
CN114141011A (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
CN111862606B (zh) 一种基于多源数据的非法营运车辆识别方法
CN110738842A (zh) 事故责任划分及行为分析方法、装置、设备及存储介质
CN111565361A (zh) 基于v2v的车辆紧急制动预警系统的测试方法及测试系统
CN102208013A (zh) 风景匹配参考数据生成系统和位置测量系统
CN110533909B (zh) 一种基于交通环境的驾驶行为分析方法及系统
CN112365741B (zh) 一种基于多车道车距检测的安全预警方法及系统
CN105427620B (zh) 一种基于出租车运行数据的非法营运车辆识别方法
CN110491127A (zh) 一种通行引导方法、装置以及可读存储介质
CN106448223B (zh) 一种雾霾自动适应的高速公路行车车速预警装置及方法
CN108492554A (zh) 一种交通数据采集处理系统及其控制方法
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
CN116307699A (zh) 基于多源数据的道路隐患点段分级方法、装置及存储介质
CN116153095B (zh) 一种基于边缘计算的高速公路团雾预警方法
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
CN114912689A (zh) 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统
CN107038896A (zh) 便于采集分析车辆信息的方法
CN117831307A (zh) 一种道路车辆识别系统及方法
CN112735138A (zh) 一种高速公路安全隐患排查装置和方法
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
CN117315939A (zh) 高速公路交通安全态势预警方法及系统
CN105608315A (zh) 公交停靠站安全服务水平定量评价方法及系统
CN114155709B (zh) 一种急弯路段识别方法以及安全隐患排查方法
CN109131322A (zh) 一种车辆分类标记方法、控制装置及汽车
CN109141595A (zh) 一种通过视频识别车辆尺寸信息获取交通轴载信息的方法
CN114898549A (zh) 公路行程时间的信息显示系统、方法以及信息牌

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