CN114241412A - 确定交通事件的检测精度的方法、装置、设备及存储介质 - Google Patents
确定交通事件的检测精度的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114241412A CN114241412A CN202111539323.4A CN202111539323A CN114241412A CN 114241412 A CN114241412 A CN 114241412A CN 202111539323 A CN202111539323 A CN 202111539323A CN 114241412 A CN114241412 A CN 114241412A
- Authority
- CN
- China
- Prior art keywords
- detection
- event
- traffic
- sensing end
- events
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种用于确定交通事件的检测精度的方法、装置、设备以及存储介质,涉及人工智能技术领域,具体为智能交通和深度学习技术。该方法包括:获取路侧感知端对感知范围内发生的交通事件的检测结果;基于检测结果确定路侧感知端的正确检测数目以及检测总数;基于正确检测数目、检测总数以及感知范围内的交通事件的发生总数,计算路侧感知端的检测准确率和/或检测召回率。本公开提供的方法可以提高交通事件的检测精度的确定效率以及准确率。
Description
技术领域
本公开涉及人工智能技术领域,具体为智能交通和深度学习技术,尤其涉及用于确定交通事件的检测精度的方法、装置、设备以及存储介质。
背景技术
为了实时获取道路的交通状况,在一些重要路段均设置有道路监控系统,通过摄像机拍摄道路实时状况,然后将拍摄的图像实时上传到道路监控指挥中心。
在现有的道路监控系统中,道路监控指挥中心的监控人员通过操作云台观察上传的道路各个方向的监控视频图像,通过观察监控视频图像来人为判断交通事件的发生。
发明内容
本公开提供了一种用于确定交通事件的检测精度的方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种用于确定交通事件的检测精度的方法,包括:获取路侧感知端对感知范围内发生的交通事件的检测结果;基于检测结果确定路侧感知端的正确检测数目以及检测总数;基于正确检测数目、检测总数以及感知范围内的交通事件的发生总数,计算路侧感知端的检测准确率和/或检测召回率。
根据本公开的第二方面,提供了一种用于确定交通事件的检测精度的装置,包括:第一获取模块,被配置成获取路侧感知端对感知范围内发生的交通事件的检测结果;确定模块,被配置成基于检测结果确定路侧感知端的正确检测数目以及检测总数;计算模块,被配置成基于正确检测数目、检测总数以及感知范围内的交通事件的发生总数,计算路侧感知端的检测准确率和/或检测召回率。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开可以应用于其中的示例性系统架构图;
图2是根据本公开的用于确定交通事件的检测精度的方法的一个实施例的流程图;
图3是根据本公开的用于确定交通事件的检测精度的方法的另一个实施例的流程图;
图4是根据本公开的用于确定交通事件的检测精度的方法的又一个实施例的流程图;
图5是根据本公开的用于确定交通事件的检测精度的装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的用于确定交通事件的检测精度的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开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公开。
图1示出了可以应用本公开的用于确定交通事件的检测精度的方法或用于确定交通事件的检测精度的装置的实施例的示例性系统架构 100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105 交互,以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种服务。例如,服务器105可以对从终端设备101、102、103获取的检测结果进行分析和处理,并生成处理结果(例如路侧感知端的检测准确率和检测召回率)。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于确定交通事件的检测精度的方法一般由服务器105执行,相应地,用于确定交通事件的检测精度的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本公开的用于确定交通事件的检测精度的方法的一个实施例的流程200。该用于确定交通事件的检测精度的方法包括以下步骤:
步骤201,获取路侧感知端对感知范围内发生的交通事件的检测结果。
在本实施例中,用于确定交通事件的检测精度的方法的执行主体 (例如图1所示的服务器105)可以获取路侧感知端对感知范围内发生的交通事件的检测结果。上述执行主体可以基于有线网络连接方式或无线网络连接方式从远程或本地获取车路协同路口的路侧感知端对感知范围内发生的交通事件的检测结果。其中,路侧感知端包括路侧感知设备,路侧感知设备以感知摄像机为主;此外,根据实际应用场景对检测准确率和定位精度的需要,还可选配毫米波雷达、激光雷达或其他传感器设备。其中,交通事件包括但不限于:逆行事件、行人事件、抛洒物事件、拥堵事件、低速或超速事件等等。
需要说明的是,车路协同路口是指部署有车路协同路侧感知端的交通路口。车路协同路侧感知端主要包括以下主要部分:出行者子系统:由出行者所携带的各类信息终端或其它信息处理设备构成;车载子系统:包括OBU(On board Unit,车载单元),也可以包括车载计算控制模块、车载网关、路由器等;路侧子系统:包括路侧通信设施、路侧感知设施、路侧计算设施等,也包括用于交通安全、交通管理、通信与定位的各类设备设施;中心子系统:包括中心解密、中心交换、服务组件节点、服务路由器和中心接入节点等,具备网络管理、业务支撑和服务等能力。
步骤202,基于检测结果确定路侧感知端的正确检测数目以及检测总数。
在本实施例中,上述执行主体可以基于步骤201获取的检测结果来确定路侧感知端的正确检测数目以及检测总数。其中,正确检测数目是指步骤201中获取的路侧感知端对感知范围内发生的交通事件的检测结果与实际发生的交通事件一致的数目,也即路侧感知端对发生的交通事件正确检测的数目。检测总数是指路侧感知端所检测到的感知范围内发生的交通事件的总数。上述执行主体可以基于步骤201获取的检测结果确定路侧感知端的正确检测数目以及检测总数,从而基于该正确检测数目以及检测总数来计算路侧感知端的检测准确率和检测召回率。
步骤203,基于正确检测数目、检测总数以及感知范围内的交通事件的发生总数,计算路侧感知端的检测准确率和/或检测召回率。
在本实施例中,上述执行主体可以基于路侧感知端对感知范围内发生的交通事件的正确检测数目以及检测总数,还有感知范围内的交通事件的发生总数,来计算路侧感知端对感知范围内发生的交通事件的检测准确率和/或检测召回率。其中,感知范围内的交通事件的发生总数是指路侧感知端的感知范围内发生所有的交通事件的数目,其中,包括路侧感知端所检测到的数目(也即检测总数)以及路侧感知端未检测到的交通事件的数目。其中,检测准确率是指正确识别的目标数或事件数与应被正确识别的目标总数或事件总数的百分比,也即正确检测数目与检测总数的比值。检测召回率是指正确识别的目标数或事件数与应被识别的目标数或事件数的百分比,也即正确检测数目与发生总数的比值。
本公开实施例提供的用于确定交通事件的检测精度的方法,首先获取路侧感知端对感知范围内发生的交通事件的检测结果;然后基于检测结果确定路侧感知端的正确检测数目以及检测总数;最后基于正确检测数目、检测总数以及感知范围内的交通事件的发生总数,计算路侧感知端的检测准确率和/或检测召回率。本实施例中的用于确定交通事件的检测精度的方法,该方法可以利用路侧感知端对感知范围内发生的交通事件的正确检测数以及检测总数来计算路侧感知端的检测准确率和检测召回率,从而提升了路侧感知端的检测精度的确定效率以及准确率。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
继续参考图3,图3示出了根据本公开的用于确定交通事件的检测精度的方法的另一个实施例的流程300。该用于确定交通事件的检测精度的方法包括以下步骤:
步骤301,确定待检测交通事件。
在本实施例中,用于确定交通事件的检测精度的方法的执行主体 (例如图1所示的服务器105)首先会确定待检测交通事件,也即上述执行主体会先确定路侧感知端的感知范围内的待检测交通事件为哪一种。例如,在一个测试环境下,上述执行主体先确定需要测试的待检测交通事件。例如待检测交通事件为超速事件,再例如待检测交通事件为逆行事件等。可选的,测试环境包括开放式测试环境、封闭式测试环境或者半封闭式测试环境。
步骤302,获取路侧感知端对感知范围内发生的待检测交通事件的检测结果。
在本实施例中,上述执行主体可以获取路侧感知端对感知范围内发生的待检测交通事件的检测结果,也即路侧感知端对感知范围内发生的待检测交通事件进行检测,上述执行主体会获取路侧感知端的检测结果。从而使得获取的检测结果更全面。
步骤303,确定感知范围内的交通事件的发生总数。
在本实施例中,上述执行主体可以确定感知范围内的交通事件的发生总数,其中,发生总数中包括路侧感知端检测到的交通事件的数目,还包括路侧感知端未检测到的交通事件的数目。
在本实施例的一些可选实施方式中,交通事件包括以下至少一项:停止事件、逆行事件、行人事件、抛洒物事件、拥堵事件、超速事件、低速事件、交通事故、机动车驶离事件、机动车闯红灯事件、机动车不按导向行驶事件、道路施工事件、异常占道车事件、非机动车闯入事件、自定义事件。从而丰富了路侧感知端可以检测的交通事件的类型。
在本实施例的一些可选实施方式中,交通事件的发生总数包括:待检测交通事件的正例事件的数目以及待检测交通事件的负例事件的数目;以及待检测交通事件的正例事件的数目为交通参与者在感知范围内、以待检测交通事件对应的要求持续预设时长的次数;待检测交通事件的正例事件的数目为交通参与者在感知范围内、以非待检测交通事件对应的要求持续预设时长的次数。
在本实现方式中,交通事件的发生总数包括待检测交通事件的正例事件的数目以及待检测交通事件的负例事件的数目,其中,正例事件(正向用例)的数目是指交通参与者在感知范围内、以待检测交通事件对应的要求持续预设时长的次数,也即实际发生的交通事件的次数;负例事件(负向用例)的数目是指交通参与者在感知范围内、以非待检测交通事件对应的要求持续预设时长的次数,也即未发生的交通事件的次数。其中,预设时长可以根据实际情况进行设定,其可以为一个具体数值,也可以为一个时间段,本实施例中对此不做具体限定。
例如,在一个以待检测交通事件为逆行事件的测试环境下,上述执行主体会构建待检测交通事件的正例事件以及负例事件,正例事件即上述执行主体控制目标车辆以逆行的方式在路侧感知端的感知范围内行驶预设时长,负例事件即上述执行主体控制目标车辆以正常行驶的方式在路侧感知端的感知范围内行驶预设时长。
其中,目标车辆可以满足如下条件:具备无线通信能力,空旷、无遮挡、无干扰条件下通信距离大于或者等于300m;V2X(Vehicle to Everything,车载单元与其他设备通讯)消息的发送应符合YD/T 3340-2018、YD/T 3707-2020、YD/T 3709-2020与T/CSAE 53-2020标准规范;应支持从车辆数据总线或其他数据源获取:车辆速度、档位信息、车辆方向盘转角、车身周围的车灯状态、车辆事件标志、车辆四轴加速度、车辆制动系统状态等数据信息。
可选地,若测试场地为十字路口,则可以分别在四个方向距离路口中心85米的直行车道,距离路口中心70米的左转和右转车道,距离路口中心50米的左转和右转车道进行正例交通事件以及负例交通事件的构造。若测试场地为丁字路口,则可以分别在三个方向的距离路口中心85米、70米、50米的左转和右转车道,以及路口中心和任选一个方向距离路口30米的位置进行正例交通事件以及负例交通事件构造。若测试场地为直行车道,则可以分别在距离相机85米、70 米、50米、30米、0米的内外测车道分别进行正例交通事件以及负例交通事件构造,同一个位置需要不同的正负向交通事件,以记录的数据进行每个交通事件指标的计算。
在本实现方式中,优选的,为了提高检测的精准度,可以进行多轮测试,可以预先设定进行测试的次数。
通过构造待检测交通事件的正例事件以及待检测交通事件的负例事件,可以进一步提升路侧感知端对感知范围内发生的所有交通事件的检测准确率。
在本实施例的一些可选实施方式中,交通参与者包括以下至少一项:机动车、非机动车、行人、抛洒物、特殊目标。其中,机动车可以包括轿车、卡车、大巴车、紧急或特殊车辆等,机动车分类满足GA 802标准;非机动车包括自行车、摩托车、三轮车、自行车等;抛洒物指抛洒在路上的物体;特殊目标包括石墩、水马、立柱等。路侧感知端可以对不同类型的交通参与者参与的交通事件进行检测。
步骤304,将正确检测数目与检测总数的比值确定为路侧感知端对待检测交通事件的检测准确率。
在本实施例中,上述执行主体可以将路侧感知端对感知范围内的待检测交通事件的正确检测数目与对感知范围内检测的所有待检测交通事件的检测总数的比值确定为路侧感知端对待检测交通事件的检测准确率。检测准确率是指正确识别的目标数或事件数与应被正确识别的目标总数或事件总数的百分比,也即正确检测数目与检测总数的比值。
步骤305,将正确检测数目与发生总数的比值确定为路侧感知端对待检测交通事件的检测召回率。
在本实施例中,上述执行主体可以将路侧感知端对感知范围内的待检测交通事件的正确检测数目与对感知范围内发生的所有交通事件的发生总数的比值确定为路侧感知端对待检测交通事件的检测召回率。检测召回率是指正确识别的目标数或事件数与应被识别的目标数或事件数的百分比,也即正确检测数目与发生总数的比值。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于确定交通事件的检测精度的方法,该方法突出了确定路侧感知端对待检测交通事件的检测准确率以及检测召回率的步骤,从而进一步提升了交通事件的检测精度的确定效率以及准确率。
继续参考图4,图4示出了根据本公开的用于确定交通事件的检测精度的方法的又一个实施例的流程400。该用于确定交通事件的检测精度的方法包括以下步骤:
步骤401,确定待检测交通事件。
步骤402,获取路侧感知端对感知范围内发生的待检测交通事件的检测结果。
步骤403,确定感知范围内的交通事件的发生总数。
步骤404,将正确检测数目与检测总数的比值确定为路侧感知端对待检测交通事件的检测准确率。
步骤405,将正确检测数目与发生总数的比值确定为路侧感知端对待检测交通事件的检测召回率。
步骤401-405与前述实施例的步骤301-305基本一致,具体实现方式可以参考前述对步骤301-305的描述,此处不再赘述。
步骤406,将检测准确率、检测召回率与预设的检测准确率、召回率进行比较,生成与比较结果对应的验证信息。
在本实施例中,用于确定交通事件的检测精度的方法的执行主体(例如图1所示的服务器105)可以将计算得到的路侧感知端的检测准确率以及检测召回率与预设的检测准确率、召回率进行比较,从而基于比较结果生成与比较结果对应的验证信息。从而可以在一些需要对路侧感知端的检测精度需要进行验证的实际应用场景中,能够基于计算结果生成相应的验证信息,其中,验证信息中可以包括通过验证与未通过验证。例如,计算得到的路侧感知端的检测准确率为93%,检测召回率为92%,预设的检测准确率为90%,预设的召回率为90%,那么可以看出计算得到的路侧感知端实际的检测准确率以及召回率均大于预设值,所以,可以得到验证信息为:通过验证。
举例来说,如果验证信息为对路侧感知设备的性能评估提示,可以预先获取路侧感知设备的厂家渠道或者其他渠道提供的检测精度。通过在测试环境或者真实行车环境中执行上述对路侧感知设备的检测精度测试步骤,可以得到检测精度的测试结果。如果检测精度的测试结果指示未通过测试,具体可以为测试得到的检测精度小于初始提供的检测精度,则可以生成验证信息,来提示路侧感知设备的性能与预先标注不符合。
又或者,如果验证信息为对路侧感知设备的维修提示,可以基于维修标准设置相应的检测精度条件。如果检测精度测试结果指示未通过测试,具体可以为测试得到的检测精度小于预先设置的阈值,则可以生成验证信息,来提示路侧感知设备需要维修。
步骤407,获取交通事件的位置信息。
在本实施例中,上述执行主体还可以交通事件的位置信息,也即路侧感知端检测到的交通事件的实际发生位置。需要说明的是,本实施例中对步骤402与步骤407的执行顺序不做具体详定,也即步骤407可以在步骤402之前执行,还可以在步骤402之后执行,甚至还可以与步骤402同时执行。
步骤408,将检测结果以及位置信息发送给交通事件展示平台,以使交通事件展示平台展示检测结果以及位置信息。
在本实施例中,上述执行主体可以将检测结果以及位置信息发送给交通事件展示平台,以使交通事件展示平台展示该检测结果以及位置信息。本实施例中的路侧感知端具备对检测到的交通事件进行上报的能力,也即路侧感知端在检测到感知范围内发生交通事件后,会将检测到的交通事件所对应的检测结果以及交通事件的位置信息上报给交通事件展示平台,从而使交通事件展示平台使交通事件展示平台更直观地将路侧感知端检测的交通事件进行展示。此外,本实施例中的交通事件展示平台除了交通事件的检测结果以及交通事件的位置信息外,还可以展示其他信息,本实施例中对此不做具体详定。
在本实施例的一些可选实施方式中,该用于确定交通事件的检测精度的方法还包括:获取交通事件展示平台接收的、由路侧感知端上报的检测结果;将交通事件展示平台接收的检测结果与路侧感知端的检测结果进行比对;基于比对结果确定路侧感知端的上报能力。
在本实现方式中,上述执行主体还会获取交通事件展示平台所接收的、由路侧感知端上报的对交通事件的检测结果,其中,路侧感知端会将每次检测到的交通事件的检测结果上报给交通事件展示平台。然后,上述执行主体会将从交通事件展示平台所获取的检测结果与从路侧感知端获取的检测结果进行比对,从而判断两份检测结果是否相同,并基于比对结果来确定路侧感知端将交通事件进行上报的能力。从而实现对路侧感知端的上报能力进行检测。可选地,若从交通事件展示平台所获取的检测结果与从路侧感知端获取的检测结果的相同率达到预设阈值,则认为路侧感知端的上报能力通过检测;若从交通事件展示平台所获取的检测结果与从路侧感知端获取的检测结果的相同率没有达到预设阈值,则认为路侧感知端的上报能力没有通过检测,此时需要对路侧感知端进行维修。
在本实施例的一些可选实施方式中,该用于确定交通事件的检测精度的方法还包括:获取交通事件展示平台接收的、由路侧感知端上报的检测结果的上报总数;基于上报总数以及发生总数,确定交通事件展示平台的接收率。
在本实现方式中,上述执行主体会获取交通事件展示平台接收的、由路侧感知端上报的检测结果的上报总数。然后,上述执行主体会将该上报总数与交通事件的发生总数的比值确定为交通事件展示平台对交通事件的接收率。从而通过上述步骤可以计算得到交通事件展示平台对所发生的交通事件的接收率。
作为示例,假设路侧感知端的感知范围内发生了100次交通事件,交通事件展示平台接收到的上报总数为88,则可以确定交通事件展示平台对交通事件的接收率为88%。
在本实施例的一些可选实施方式中,该用于确定交通事件的检测精度的方法还包括:基于检测总数以及发生总数,确定路侧感知端的检测率;基于接收率以及检测率,确定路侧感知端的上报能力。
在本实现方式中,上述执行主体还会基于路侧感知端的检测总数以及路侧感知端的感知范围内的交通事件的发生总数,来确定路侧感知端对感知范围内发生的交通事件的检测率。然后,基于交通事件展示平台的接收率以及路侧感知端的检测率来确定路侧感知端的上报能力。例如,在交通事件展示平台的接收率小于路侧感知端的检测率的情况下,可确定路侧感知端的上报能力没有通过检测,此时需要对路侧感知端的上报链路进行维修。
作为示例,假设路侧感知端的感知范围内发生了100次交通事件,路侧感知端对交通事件的检测数为90,则可以确定路侧感知端的检测率90%。而交通事件展示平台的接收率为88%,则可以看出来交通事件展示平台的接收率小于路侧感知端的检测率,说明在某些情况下,路侧感知端检测到了交通事件,但是却没有将其成功上报给交通事件展示平台,此时说明路侧感知端的上报能力没有通过检测,此时需要对路侧感知端的上报链路进行维修。
从图4中可以看出,与图3对应的实施例相比,本实施例中的用于确定交通事件的检测精度的方法,该方法突出了将检测准确率、检测召回率与预设的检测准确率、召回率进行比较,并生成与比较结果对应的验证信息的步骤,从而使得在一些需要对路侧感知端的检测精度需要进行验证的实际应用场景中,能够基于计算结果生成相应的验证信息;此外,该方法中还突出了获取交通事件的位置信息并通过交通事件展示平台将该位置信息进行展示的步骤,从而达到更直观地将路侧感知端检测的交通事件进行展示的效果。
在一个用于确定逆行事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的逆行事件的检测结果确定路侧感知端对逆行事件的检测精度。在该应用场景中,路侧感知端具备逆行事件检测以及将检测到的逆行事件上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,目标车辆会以允许速度驶入路侧感知端的感知范围内,且其行驶方向与道路允许行驶方向相反,且其会以该逆行状态持续预设时长,从而构成逆行事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的逆行事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对逆行事件的上报。
之后,该目标车辆会在路侧感知端的感知范围内的不同位置处再次以逆行方式进行行驶,且该步骤会重复执行多次,例如重复执行20 次。上述执行主体会分别获取路侧感知端对逆行事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次逆行事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的逆行事件的发生总数,计算路侧感知端对逆行事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对逆行事件的检测准确率以及检测召回率均大于90%,则路侧感知端对逆行事件的检测精度通过测试。
在一个用于确定超速事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的超速事件的检测结果确定路侧感知端对超速事件的检测精度。在该应用场景中,路侧感知端具备超速事件检测以及将检测到的超速事件上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,目标车辆会以超过允许速度上限的20%的速度驶入路侧感知端的感知范围内,且其行驶方向与道路允许行驶方向相同,且其会以该超速状态持续预设时长,从而构成超速事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的超速事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对超速事件的上报。
之后,该目标车辆会在路侧感知端的感知范围内的不同位置处再次以超速方式进行行驶,且该步骤会重复执行多次,例如重复执行20 次。上述执行主体会分别获取路侧感知端对超速事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次超速事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的超速事件的发生总数,计算路侧感知端对超速事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对超速事件的检测准确率以及检测召回率均大于90%,则路侧感知端对超速事件的检测精度通过测试。
在一个用于确定异常占道车事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的异常占道车事件的检测结果确定路侧感知端对异常占道车事件的检测精度。在该应用场景中,路侧感知端具备异常占道车事件检测以及将检测到的异常占道车事件上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,目标车辆会停留在路侧感知端的感知范围内,且会以该状态持续预设时长,从而构成异常占道车事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的异常占道车事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对异常占道车事件的上报。
之后,该目标车辆会在路侧感知端的感知范围内的不同位置处再次以异常占道车方式停留,且该步骤会重复执行多次,例如重复执行 20次。上述执行主体会分别获取路侧感知端对异常占道车事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次异常占道车事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的异常占道车事件的发生总数,计算路侧感知端对异常占道车事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对异常占道车事件的检测准确率以及检测召回率均大于90%,则路侧感知端对异常占道车事件的检测精度通过测试。
在一个用于确定交通事故的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的交通事故的检测结果确定路侧感知端对交通事故的检测精度。在该应用场景中,路侧感知端具备交通事故检测以及将检测到的交通事故上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,目标车辆会静止停留在路侧感知端的感知范围内,且同车道会直立摆放安全三角牌,且会持续预设时长,从而构成交通事故。
然后,上述执行主体会获取路侧感知端对感知范围内发生的交通事故的检测结果,并查验交通事件展示平台是否接收到路侧感知端对交通事故的上报。
之后,多次重复执行上述步骤,例如重复执行20次。上述执行主体会分别获取路侧感知端对交通事故的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次交通事故的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的交通事故的发生总数,计算路侧感知端对交通事故的检测准确率和检测召回率。可选地,若路侧感知端对交通事故的检测准确率以及检测召回率均大于90%,则路侧感知端对交通事故的检测精度通过测试。
在一个用于确定车道拥堵事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的车道拥堵事件的检测结果确定路侧感知端对车道拥堵事件的检测精度。在该应用场景中,路侧感知端具备车道拥堵事件检测以及将检测到的车道拥堵事件上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,三辆以上的目标车辆会静止停留在路侧感知端的感知范围内,并且该三辆以上的目标车辆需停留在同一车道,且车辆前后间距小于一倍车长,且会以该状态持续预设时长,从而构成车道拥堵事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的车道拥堵事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对车道拥堵事件的上报。
之后,上述目标车辆会在路侧感知端的感知范围内的不同位置处再次以车道拥堵方式停留,且该步骤会重复执行多次,例如重复执行 20次。上述执行主体会分别获取路侧感知端对车道拥堵事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次车道拥堵事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的车道拥堵事件的发生总数,计算路侧感知端对车道拥堵事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对车道拥堵事件的检测准确率以及检测召回率均大于90%,则路侧感知端对车道拥堵事件的检测精度通过测试。
在一个用于确定道路施工事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的道路施工事件的检测结果确定路侧感知端对道路施工事件的检测精度。在该应用场景中,路侧感知端具备道路施工事件检测以及将检测到的道路施工事件上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,在路侧感知端的感知范围内,摆放三个以上的锥筒,且锥筒面积应大于1平方米,且以该状态持续预设时长,从而构成道路施工事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的道路施工事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对道路施工事件的上报。
之后,在路侧感知端的感知范围内的不同位置处再次构造道路施工事件,且该步骤会重复执行多次,例如重复执行20次。上述执行主体会分别获取路侧感知端对道路施工事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次道路施工事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的道路施工事件的发生总数,计算路侧感知端对道路施工事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对道路施工事件的检测准确率以及检测召回率均大于90%,则路侧感知端对道路施工事件的检测精度通过测试。
在一个用于确定行人闯入事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的行人闯入事件的检测结果确定路侧感知端对行人闯入事件的检测精度。在该应用场景中,路侧感知端具备行人闯入事件检测以及将检测到的行人闯入事件上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,在路侧感知端的感知范围内,行人闯入路口或机动车道内,且持续预设时长,从而构成行人闯入事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的行人闯入事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对行人闯入事件的上报。
之后,在路侧感知端的感知范围内的不同位置处再次构造行人闯入事件,且该步骤会重复执行多次,例如重复执行20次。上述执行主体会分别获取路侧感知端对行人闯入事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次行人闯入事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的行人闯入事件的发生总数,计算路侧感知端对行人闯入事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对行人闯入事件的检测准确率以及检测召回率均大于90%,则路侧感知端对行人闯入事件的检测精度通过测试。
在一个用于确定非机动车闯入事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的非机动车闯入事件的检测结果确定路侧感知端对非机动车闯入事件的检测精度。在该应用场景中,路侧感知端具备非机动车闯入事件检测以及将检测到的非机动车闯入事件上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,在路侧感知端的感知范围内,非机动车闯入路口或机动车道内,且持续预设时长,从而构成非机动车闯入事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的非机动车闯入事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对非机动车闯入事件的上报。
之后,在路侧感知端的感知范围内的不同位置处再次构造非机动车闯入事件,且该步骤会重复执行多次,例如重复执行20次。上述执行主体会分别获取路侧感知端对非机动车闯入事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次非机动车闯入事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的非机动车闯入事件的发生总数,计算路侧感知端对非机动车闯入事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对非机动车闯入事件的检测准确率以及检测召回率均大于90%,则路侧感知端对非机动车闯入事件的检测精度通过测试。
在一个用于确定异常低速事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的异常低速事件的检测结果确定路侧感知端对异常低速事件的检测精度。在该应用场景中,路侧感知端具备异常低速事件检测以及将检测到的异常低速事件上报给交通事件展示平台的能力,交通事件展示平台具备接收交通事件的能力。
首先,目标车辆会以低于允许速度上限的80%的速度驶入路侧感知端的感知范围内,且其行驶方向与道路允许行驶方向相同,且其会以该异常低速状态持续预设时长,从而构成异常低速事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的异常低速事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对异常低速事件的上报。
之后,在路侧感知端的感知范围内的不同位置处再次构造异常低速事件,且该步骤会重复执行多次,例如重复执行20次。上述执行主体会分别获取路侧感知端对异常低速事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次异常低速事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的异常低速事件的发生总数,计算路侧感知端对异常低速事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对异常低速事件的检测准确率以及检测召回率均大于90%,则路侧感知端对异常低速事件的检测精度通过测试。
在一个用于确定机动车闯红灯事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的机动车闯红灯事件的检测结果确定路侧感知端对机动车闯红灯事件的检测精度。在该应用场景中,路侧感知端具备机动车闯红灯事件检测、将检测到的机动车闯红灯事件上报给交通事件展示平台以及接收红绿灯信号的能力,交通事件展示平台具备接收交通事件的能力。
首先,目标车辆会在红灯时段从机动车道越过停止线进入路口内,并继续行驶通过并驶离路口,然后再次越过停止线进入机动车道内,从而构成机动车闯红灯事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的机动车闯红灯事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对机动车闯红灯事件的上报。
之后,在路侧感知端的感知范围内的不同位置处再次构造机动车闯红灯事件,且该步骤会重复执行多次,例如重复执行20次。上述执行主体会分别获取路侧感知端对机动车闯红灯事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对该次机动车闯红灯事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的机动车闯红灯事件的发生总数,计算路侧感知端对机动车闯红灯事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对机动车闯红灯事件的检测准确率以及检测召回率均大于90%,则路侧感知端对机动车闯红灯事件的检测精度通过测试。
在一个用于确定机动车不按导向行驶事件的检测精度的应用场景中,上述执行主体会通过路侧感知端对感知范围内发生的机动车不按导向行驶事件的检测结果确定路侧感知端对机动车不按导向行驶事件的检测精度。在该应用场景中,路侧感知端具备机动车不按导向行驶事件检测、将检测到的机动车不按导向行驶事件上报给交通事件展示平台以及接收红绿灯信号的能力,交通事件展示平台具备接收交通事件的能力。
首先,目标车辆不按照车道导向指示标记行驶,且有从机动车道内起步越过停止线并进入路口内的完整过程,从而构成机动车不按导向行驶事件。
然后,上述执行主体会获取路侧感知端对感知范围内发生的机动车不按导向行驶事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对机动车不按导向行驶事件的上报。
之后,在路侧感知端的感知范围内的不同位置处再次构造机动车不按导向行驶事件,且该步骤会重复执行多次,例如重复执行20次。上述执行主体会分别获取路侧感知端对机动车不按导向行驶事件的检测结果,并查验交通事件展示平台是否接收到路侧感知端对机动车不按导向行驶事件的上报。
最后,上述执行主体会基于检测结果中的正确检测数目、检测总数以及感知范围内的机动车不按导向行驶事件的发生总数,计算路侧感知端对机动车不按导向行驶事件的检测准确率和检测召回率。其中,检测准确率为正确检测数目与检测总数的百分比;检测召回率为正确检测数目与发生总数的百分比。可选地,若路侧感知端对机动车不按导向行驶事件的检测准确率以及检测召回率均大于90%,则路侧感知端对机动车不按导向行驶事件的检测精度通过测试。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于确定交通事件的检测精度的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于确定交通事件的检测精度的装置500 包括:第一获取模块501、确定模块502和计算模块503。其中,第一获取模块501,被配置成获取路侧感知端对感知范围内发生的交通事件的检测结果;确定模块502,被配置成基于检测结果确定路侧感知端的正确检测数目以及检测总数;计算模块503,被配置成基于正确检测数目、检测总数以及感知范围内的交通事件的发生总数,计算路侧感知端的检测准确率和/或检测召回率。
在本实施例中,用于确定交通事件的检测精度的装置500中:第一获取模块501、确定模块502和计算模块503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,第一获取模块包括:第一确定子模块,被配置成确定待检测交通事件;获取子模块,被配置成获取路侧感知端对感知范围内发生的待检测交通事件的检测结果。
在本实施例的一些可选的实现方式中,交通事件的发生总数包括:待检测交通事件的正例事件的数目以及待检测交通事件的负例事件的数目;以及待检测交通事件的正例事件的数目为交通参与者在感知范围内、以待检测交通事件对应的要求持续预设时长的次数;待检测交通事件的正例事件的数目为交通参与者在感知范围内、以非待检测交通事件对应的要求持续预设时长的次数。
在本实施例的一些可选的实现方式中,交通参与者包括以下至少一项:机动车、非机动车、行人、抛洒物、特殊目标。
在本实施例的一些可选的实现方式中,计算模块包括:第二确定子模块,被配置成将正确检测数目与检测总数的比值确定为路侧感知端对待检测交通事件的检测准确率;第三确定子模块,被配置成将正确检测数目与发生总数的比值确定为路侧感知端对待检测交通事件的检测召回率。
在本实施例的一些可选的实现方式中,用于确定交通事件的检测精度的装置500还包括:比较模块,被配置成将检测准确率、检测召回率与预设的检测准确率、召回率进行比较,生成与比较结果对应的验证信息。
在本实施例的一些可选的实现方式中,交通事件包括以下至少一项:停止事件、逆行事件、行人事件、抛洒物事件、拥堵事件、超速事件、低速事件、交通事故、机动车驶离事件、机动车闯红灯事件、机动车不按导向行驶事件、道路施工事件、异常占道车事件、非机动车闯入事件、自定义事件。
在本实施例的一些可选的实现方式中,用于确定交通事件的检测精度的装置500还包括:第二获取模块,被配置成获取交通事件展示平台接收的、由路侧感知端上报的检测结果;比对模块,被配置成将交通事件展示平台接收到的检测结果与路侧感知端的检测结果进行比对;第一确定模块,被配置成基于比对结果确定路侧感知端的上报能力。
在本实施例的一些可选的实现方式中,用于确定交通事件的检测精度的装置500还包括:第三获取模块,被配置成获取交通事件展示平台接收的、由路侧感知端上报的检测结果的上报总数;第二确定模块,被配置成基于上报总数以及发生总数,确定交通事件展示平台的接收率。
在本实施例的一些可选的实现方式中,用于确定交通事件的检测精度的装置500还包括:第三确定模块,被配置成基于检测总数以及发生总数,确定路侧感知端的检测率;第四确定模块,被配置成基于接收率以及检测率,确定路侧感知端的上报能力。
在本实施例的一些可选的实现方式中,用于确定交通事件的检测精度的装置500还包括:第四获取模块,被配置成获取交通事件的位置信息;发送模块,被配置成将检测结果以及位置信息发送给交通事件展示平台,以使交通事件展示平台展示检测结果以及位置信息。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元 (CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如用于确定交通事件的检测精度的方法。例如,在一些实施例中,用于确定交通事件的检测精度的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由 ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的用于确定交通事件的检测精度的方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于确定交通事件的检测精度的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路 (ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT (阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统 (例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络) 来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (25)
1.一种用于确定交通事件的检测精度的方法,包括:
获取路侧感知端对感知范围内发生的交通事件的检测结果;
基于所述检测结果确定所述路侧感知端的正确检测数目以及检测总数;
基于所述正确检测数目、所述检测总数以及所述感知范围内的交通事件的发生总数,计算所述路侧感知端的检测准确率和/或检测召回率。
2.根据权利要求1所述的方法,其中,所述获取路侧感知端对感知范围内发生的交通事件的检测结果,包括:
确定待检测交通事件;
获取路侧感知端对感知范围内发生的待检测交通事件的检测结果。
3.根据权利要求2所述的方法,其中,所述交通事件的发生总数包括:所述待检测交通事件的正例事件的数目以及所述待检测交通事件的负例事件的数目;以及
所述待检测交通事件的正例事件的数目为交通参与者在感知范围内、以待检测交通事件对应的要求持续预设时长的次数;
所述待检测交通事件的正例事件的数目为交通参与者在感知范围内、以非待检测交通事件对应的要求持续预设时长的次数。
4.根据权利要求3所述的方法,其中,所述交通参与者包括以下至少一项:机动车、非机动车、行人、抛洒物、特殊目标。
5.根据权利要求3所述的方法,其中,所述基于所述正确检测数目、所述检测总数以及所述感知范围内的交通事件的发生总数,计算所述路侧感知端的检测准确率和/或检测召回率,包括:
将所述正确检测数目与所述检测总数的比值确定为所述路侧感知端对待检测交通事件的检测准确率;
将所述正确检测数目与所述发生总数的比值确定为所述路侧感知端对待检测交通事件的检测召回率。
6.根据权利要求1-5中任一项所述的方法,还包括:
将所述检测准确率、检测召回率与预设的检测准确率、召回率进行比较,生成与比较结果对应的验证信息。
7.根据权利要求1-6中任一项所述的方法,其中,所述交通事件包括以下至少一项:停止事件、逆行事件、行人事件、抛洒物事件、拥堵事件、超速事件、低速事件、交通事故、机动车驶离事件、机动车闯红灯事件、机动车不按导向行驶事件、道路施工事件、异常占道车事件、非机动车闯入事件、自定义事件。
8.根据权利要求1-7中任一项所述的方法,还包括:
获取交通事件展示平台接收的、由所述路侧感知端上报的检测结果;
将所述交通事件展示平台接收到的检测结果与所述路侧感知端的检测结果进行比对;
基于比对结果确定所述路侧感知端的上报能力。
9.根据权利要求1-8中任一项所述的方法,还包括:
获取交通事件展示平台接收的、由所述路侧感知端上报的检测结果的上报总数;
基于所述上报总数以及所述发生总数,确定所述交通事件展示平台的接收率。
10.根据权利要求9所述的方法,还包括:
基于所述检测总数以及所述发生总数,确定所述路侧感知端的检测率;
基于所述接收率以及所述检测率,确定所述路侧感知端的上报能力。
11.根据权利要求1-10中任一项所述的方法,还包括:
获取所述交通事件的位置信息;
将所述检测结果以及所述位置信息发送给交通事件展示平台,以使所述交通事件展示平台展示所述检测结果以及所述位置信息。
12.一种用于确定交通事件的检测精度的装置,包括:
第一获取模块,被配置成获取路侧感知端对感知范围内发生的交通事件的检测结果;
确定模块,被配置成基于所述检测结果确定所述路侧感知端的正确检测数目以及检测总数;
计算模块,被配置成基于所述正确检测数目、所述检测总数以及所述感知范围内的交通事件的发生总数,计算所述路侧感知端的检测准确率和/或检测召回率。
13.根据权利要求12所述的装置,其中,所述第一获取模块包括:
第一确定子模块,被配置成确定待检测交通事件;
获取子模块,被配置成获取路侧感知端对感知范围内发生的待检测交通事件的检测结果。
14.根据权利要求13所述的装置,其中,所述交通事件的发生总数包括:所述待检测交通事件的正例事件的数目以及所述待检测交通事件的负例事件的数目;以及
所述待检测交通事件的正例事件的数目为交通参与者在感知范围内、以待检测交通事件对应的要求持续预设时长的次数;
所述待检测交通事件的正例事件的数目为交通参与者在感知范围内、以非待检测交通事件对应的要求持续预设时长的次数。
15.根据权利要求14所述的装置,其中,所述交通参与者包括以下至少一项:机动车、非机动车、行人、抛洒物、特殊目标。
16.根据权利要求14所述的装置,其中,所述计算模块包括:
第二确定子模块,被配置成将所述正确检测数目与所述检测总数的比值确定为所述路侧感知端对待检测交通事件的检测准确率;
第三确定子模块,被配置成将所述正确检测数目与所述发生总数的比值确定为所述路侧感知端对待检测交通事件的检测召回率。
17.根据权利要求12-16中任一项所述的装置,还包括:
比较模块,被配置成将所述检测准确率、检测召回率与预设的检测准确率、召回率进行比较,生成与比较结果对应的验证信息。
18.根据权利要求12-17中任一项所述的装置,其中,所述交通事件包括以下至少一项:停止事件、逆行事件、行人事件、抛洒物事件、拥堵事件、超速事件、低速事件、交通事故、机动车驶离事件、机动车闯红灯事件、机动车不按导向行驶事件、道路施工事件、异常占道车事件、非机动车闯入事件、自定义事件。
19.根据权利要求12-18中任一项所述的装置,还包括:
第二获取模块,被配置成获取交通事件展示平台接收的、由所述路侧感知端上报的检测结果;
比对模块,被配置成将所述交通事件展示平台接收到的检测结果与所述路侧感知端的检测结果进行比对;
第一确定模块,被配置成基于比对结果确定所述路侧感知端的上报能力。
20.根据权利要求12-19中任一项所述的装置,还包括:
第三获取模块,被配置成获取交通事件展示平台接收的、由所述路侧感知端上报的检测结果的上报总数;
第二确定模块,被配置成基于所述上报总数以及所述发生总数,确定所述交通事件展示平台的接收率。
21.根据权利要求20所述的装置,还包括:
第三确定模块,被配置成基于所述检测总数以及所述发生总数,确定所述路侧感知端的检测率;
第四确定模块,被配置成基于所述接收率以及所述检测率,确定所述路侧感知端的上报能力。
22.根据权利要求12-21中任一项所述的装置,还包括:
第四获取模块,被配置成获取所述交通事件的位置信息;
发送模块,被配置成将所述检测结果以及所述位置信息发送给交通事件展示平台,以使所述交通事件展示平台展示所述检测结果以及所述位置信息。
23.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111539323.4A CN114241412A (zh) | 2021-12-15 | 2021-12-15 | 确定交通事件的检测精度的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111539323.4A CN114241412A (zh) | 2021-12-15 | 2021-12-15 | 确定交通事件的检测精度的方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114241412A true CN114241412A (zh) | 2022-03-25 |
Family
ID=80756671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111539323.4A Pending CN114241412A (zh) | 2021-12-15 | 2021-12-15 | 确定交通事件的检测精度的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241412A (zh) |
-
2021
- 2021-12-15 CN CN202111539323.4A patent/CN114241412A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7371157B2 (ja) | 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム | |
CN110164130B (zh) | 交通事件检测方法、装置、设备及存储介质 | |
CN111739344B (zh) | 一种预警方法、装置及电子设备 | |
CN103903465B (zh) | 一种道路拥堵原因实时发布方法及系统 | |
CN110910673B (zh) | 一种提醒行人碰撞车辆的方法及系统、摄像头、移动终端 | |
CN103680209A (zh) | 交通信息系统和路况采集发布、防追尾、事故判断方法 | |
CN112579464A (zh) | 自动驾驶算法的校验方法、装置、设备以及存储介质 | |
CN105280024A (zh) | 基于车辆速度和距离的交叉路口碰撞可能性的评估方法 | |
CN112306051A (zh) | 一种高速公路无人驾驶交警车辆机器人系统 | |
CN115861973A (zh) | 一种道路异常状态检测方法、系统、电子设备和存储介质 | |
CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
CN111765904A (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
CN113345242A (zh) | 检测加塞车辆的方法、装置及设备 | |
CN112559272B (zh) | 车载设备的质量信息确定方法、装置、设备及存储介质 | |
CN112991735A (zh) | 交通流量监测系统的测试方法、装置及设备 | |
CN114241412A (zh) | 确定交通事件的检测精度的方法、装置、设备及存储介质 | |
CN114596704B (zh) | 交通事件处理方法、装置、设备及存储介质 | |
CN113888866B (zh) | 一种具有多级预警功能的道路车辆管理系统 | |
CN115796726A (zh) | 车辆异常处理方法、车辆异常检测方法、装置、系统和部件 | |
JP6732053B2 (ja) | 逆走ドライバを検出するための方法、装置、およびシステム | |
TWI699662B (zh) | 偵測系統及其偵測方法 | |
CN115384536A (zh) | 一种驾驶辅助系统控制器的评估方法、装置、设备及介质 | |
CN114202918A (zh) | 一种应对交通拥堵的交通分流方法、装置、电子设备及介质 | |
CN114973656A (zh) | 交通交互性能的评估方法、装置、设备、介质和产品 | |
CN114120651B (zh) | 用于测试感知目标数的方法、装置、设备、介质和产品 |
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 |