CN115050213A - 一种基于人工智能的道路风险监控装置 - Google Patents
一种基于人工智能的道路风险监控装置 Download PDFInfo
- Publication number
- CN115050213A CN115050213A CN202210486383.2A CN202210486383A CN115050213A CN 115050213 A CN115050213 A CN 115050213A CN 202210486383 A CN202210486383 A CN 202210486383A CN 115050213 A CN115050213 A CN 115050213A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- vehicle
- information
- module
- 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
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G08G1/0137—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
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于人工智能的道路风险监控装置,具体涉及交通控制技术领域,包括数据采集模块、数据计算模块、风险评估模块、数据库和展示模块,其中,数据计算模块还与互联网连接;数据采集模块用于获取监控道路的实时影像信息;数据计算模块基于数据采集模块获取的实时影像信息,获取道路中行驶车辆的行驶信息;风险评估模块基于数据计算模块获取的行驶信息与道路路况进行分析,获取道路风险信息。本发明能够对道路交通事故进行评估和计算,获取车辆在出现事故过程中的行进数据,方便进行交通事故预防和救治,减少交通事故出现的可能性,提高道路安全性。
Description
技术领域
本发明涉及交通控制技术领域,更具体地说,本发明涉及一种基于人工智能的道路风险监控装置。
背景技术
目前,交通事故致因机理的研究正朝系统论的方向发展,即由最初单纯寻找事故的致因因素向阐述事故演变过程的方向延伸,将事故的致因因素集看作一个系统,建立具有一般性的数学模型或图模型描述事故的因果逻辑关系及风险转化路径,输入容易观测的因素值即可对事故演变过程中的不稳定因素的影响进行评估。已有的研究建立了事故发生与人员行为、车辆特性、道路环境、管理条件等事件间的线性因果关系,但是,对于事件间的复杂交互性、动态性及实时性的解释远远不够,许多事故影响因子可能被隐藏。
营运车辆道路交通事故的发生极少是单一原因诱发的,而是事故影响因素序列连锁反应的结果。如果能及时抽掉事故风险链中的一个或多个环节,许多重大伤亡事故是完全可以避免的。然而,长期以来,由于事故的复杂性与不确定性以及过去认知手段的缺乏,我国在营运车辆道路交通事故连锁反应机理的研究上仍处于起步阶段,极大地削弱了我国对道路交通事故的防治能力。
发明内容
为实现上述目的,本发明提供如下技术方案:一种基于人工智能的道路风险监控装置,包括数据采集模块、数据计算模块、风险评估模块、数据库和展示模块,其中,数据计算模块还与互联网连接;
数据采集模块用于获取监控道路的实时影像信息;
数据计算模块基于数据采集模块获取的实时影像信息,获取道路中行驶车辆的行驶信息;
风险评估模块基于数据计算模块获取的行驶信息与道路路况进行分析,获取道路风险信息;
数据库用于对数据采集模块获取的影像信息和数据计算模块获取的计算数据进行存储和备份;
展示模块用于对道路风险信息进行展示。
在一个优选地实施方式中,所述数据采集模块具体为一个高速高清摄像头,高速高清摄像头对车道进行影像获取,朝向车道的行进方向拍摄。
在一个优选地实施方式中,所述数据计算模块获取的行驶信息包括了车型信息、车速信息、实时时间信息、车身倾斜信息和车辆与车道两边的距离信息。
在一个优选地实施方式中,所述风险评估模块的分析过程为:
步骤一,利用图像识别技术,对影像信息读取;
步骤二,将车型信息中车辆的长度和宽度信息进行提取,分别标记为L车和W车,将车道宽度信息标记为W宽,计算车辆边缘处与车道之间的距离L左和L右,根据车辆行驶速度V获取车辆与车道边缘处出现接触的时间T;
在一个优选地实施方式中,所述风险评估模块获取车辆与车道边缘处的接触时间T,将时间T存储至数据库中进行备份,同时数据采集模块持续获取道路影像信息,将出现碰撞车辆的接触时间T碰提取后,单独存储和互联网云端备份。
在一个优选地实施方式中,将各个路段内发生碰撞车辆的接触时间T碰提取出,并获取碰撞车辆的L边距1和L边距2、偏移角度α左和α右,将L边距1和L边距2、偏移角度α左和α右根据大小进行依次排列,根据数值分布的范围进行划区,将分布集中的数据进行单独抓取后,计算各个数值的平均大小,依次获取L平均边距1和L平均边距2、偏移角度α平均左和α平均右,将上述平均值进行打包后,存储于数据库中,同时进行云端上传。
在一个优选地实施方式中,在对排列的数据进行划区、对集中数据进行抓取时,设置一个集中抓取的范围,该范围的获取具体为:
根据L边距1和L边距2、偏移角度α左和α右四类数据的具体排列,在每类初始数据的位置设定一个值A,在末端数据的位置设定一个值B,总体数据的长度为B-A,该类数据的总数为C;
在一个优选地实施方式中,所述展示模块与道路车辆的中控中心连接,用于将各个道路中的接触时间T碰在道路中行进的车辆进行播放。
本发明的技术效果和优点:
本发明能够对道路交通事故进行评估和计算,获取车辆在出现事故过程中的行进数据,方便进行交通事故预防和救治,减少交通事故出现的可能性,提高道路安全性。
附图说明
图1为本发明的系统框架结构示意图。
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。
如图1所示的一种基于人工智能的道路风险监控装置,包括数据采集模块、数据计算模块、风险评估模块、数据库和展示模块,其中,数据计算模块还与互联网连接;
数据采集模块用于获取监控道路的实时影像信息;
数据计算模块基于数据采集模块获取的实时影像信息,获取道路中行驶车辆的行驶信息;
风险评估模块基于数据计算模块获取的行驶信息与道路路况进行分析,获取道路风险信息;
数据库用于对数据采集模块获取的影像信息和数据计算模块获取的计算数据进行存储和备份;
展示模块用于对道路风险信息进行展示。
所述数据采集模块具体为一个高速高清摄像头,高速高清摄像头对车道进行影像获取,朝向车道的行进方向拍摄。
所述数据计算模块获取的行驶信息包括了车型信息、车速信息、实时时间信息、车身倾斜信息和车辆与车道两边的距离信息。
在一个实施例中,所述风险评估模块的分析过程为:
步骤一,利用图像识别技术,对影像信息读取;
步骤二,将车型信息中车辆的长度和宽度信息进行提取,分别标记为L车和W车,将车道宽度信息标记为W宽,计算车辆边缘处与车道之间的距离L左和L右,根据车辆行驶速度V获取车辆与车道边缘处出现接触的时间T;
所述风险评估模块获取车辆与车道边缘处的接触时间T,将时间T存储至数据库中进行备份,同时数据采集模块持续获取道路影像信息,将出现碰撞车辆的接触时间T碰提取后,单独存储和互联网云端备份。
根据车辆在行进过程中与车道边缘处之间的距离、和车辆倾斜的角度、车辆行进的速度,计算车辆与车道边缘处在可能出现碰撞时所需要的接触时间T碰,利用进行接触时间T碰风险评估,能够有效的获取道路中出现交通事故状况的可能性。
进一步的,为了将风险评估再具体化,方便进行风险评估和预防,将各个路段内发生碰撞车辆的接触时间T碰提取出,并获取碰撞车辆的L边距1和L边距2、偏移角度α左和α右,将L边距1和L边距2、偏移角度α左和α右根据大小进行依次排列,根据数值分布的范围进行划区,将分布集中的数据进行单独抓取后,计算各个数值的平均大小,依次获取L平均边距1和L平均边距2、偏移角度α平均左和α平均右,将上述平均值进行打包后,存储于数据库中,同时进行云端上传。
在上述的基础上,上述的数据具体为:出现碰撞的车辆在行进过程中,与车道延伸方向初步出现偏移后,且偏移角度稳定时,偏移角度的具体数值和车辆偏移后需要行进至车道边缘处的距离数值。
在对排列的数据进行划区、对集中数据进行抓取时,设置一个集中抓取的范围,该范围的获取具体为:
根据L边距1和L边距2、偏移角度α左和α右四类数据的具体排列,在每类初始数据的位置设定一个值A,在末端数据的位置设定一个值B,总体数据的长度为B-A,该类数据的总数为C;
进一步的,同一个碰撞车辆只会存在L边距1和偏移角度α左或L边距2和偏移角度α右,两者不会同时出现。
通过划区后排列和集中抓取,能够获取容易出现碰撞车辆的偏移角度范围和距离,方便进行交通事故预防和救治,减少交通事故出现的可能性,提高道路安全性。
所述展示模块与道路车辆的中控中心连接,用于将各个道路中的接触时间T碰在道路中行进的车辆进行播放。
最后应说明的几点是:首先,在本申请的描述中,需要说明的是,除非另有规定和限定,术语“安装”、“相连”、“连接”应做广义理解,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变,则相对位置关系可能发生改变;
其次:本发明公开实施例附图中,只涉及到与本公开实施例涉及到的结构,其他结构可参考通常设计,在不冲突情况下,本发明同一实施例及不同实施例可以相互组合;
最后: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,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 (8)
1.一种基于人工智能的道路风险监控装置,其特征在于,包括依次连接的数据采集模块、数据计算模块、风险评估模块、数据库和展示模块,其中,数据计算模块还连接有数据库,且与互联网连接;
数据采集模块用于获取监控道路的实时影像信息;
数据计算模块基于数据采集模块获取的实时影像信息,获取道路中行驶车辆的行驶信息;
风险评估模块基于数据计算模块获取的行驶信息与道路路况进行分析,获取道路风险信息;
数据库用于对数据采集模块获取的影像信息和数据计算模块获取的计算数据进行存储和备份;
展示模块用于对道路风险信息进行展示。
2.根据权利要求1所述的一种基于人工智能的道路风险监控装置,其特征在于,所述数据采集模块具体为一个高速高清摄像头,高速高清摄像头对车道进行影像获取,朝向车道的行进方向拍摄。
3.根据权利要求1所述的一种基于人工智能的道路风险监控装置,其特征在于,所述数据计算模块获取的行驶信息包括了车型信息、车速信息、实时时间信息、车身倾斜信息和车辆与车道两边的距离信息。
5.根据权利要求4所述的一种基于人工智能的道路风险监控装置,其特征在于,所述风险评估模块获取车辆与车道边缘处的接触时间T,将时间T存储至数据库中进行备份,同时数据采集模块持续获取道路影像信息,将出现碰撞车辆的接触时间T碰提取后,单独存储和互联网云端备份。
6.根据权利要求5所述的一种基于人工智能的道路风险监控装置,其特征在于,将各个路段内发生碰撞车辆的接触时间T碰提取出,并获取碰撞车辆的L边距1和L边距2、偏移角度α左和α右,将L边距1和L边距2、偏移角度α左和α右根据大小进行依次排列,根据数值分布的范围进行划区,将分布集中的数据进行单独抓取后,计算各个数值的平均大小,依次获取L平均边距1和L平均边距2、偏移角度α平均左和α平均右,将上述平均值进行打包后,存储于数据库中,同时进行云端上传。
8.根据权利要求5所述的一种基于人工智能的道路风险监控装置,其特征在于,所述展示模块与道路车辆的中控中心连接,用于将各个道路中的接触时间T碰在道路中行进的车辆进行播放。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210486383.2A CN115050213A (zh) | 2022-05-06 | 2022-05-06 | 一种基于人工智能的道路风险监控装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210486383.2A CN115050213A (zh) | 2022-05-06 | 2022-05-06 | 一种基于人工智能的道路风险监控装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115050213A true CN115050213A (zh) | 2022-09-13 |
Family
ID=83157362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210486383.2A Pending CN115050213A (zh) | 2022-05-06 | 2022-05-06 | 一种基于人工智能的道路风险监控装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115050213A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732785A (zh) * | 2015-01-09 | 2015-06-24 | 杭州好好开车科技有限公司 | 一种驾驶行为分析和提醒的方法及系统 |
CN109263660A (zh) * | 2018-11-12 | 2019-01-25 | 江铃汽车股份有限公司 | 一种基于360°环视影像系统的车道偏移预警控制方法 |
CN110264783A (zh) * | 2019-06-19 | 2019-09-20 | 中设设计集团股份有限公司 | 基于车路协同的车辆防碰撞预警系统及方法 |
CN110618986A (zh) * | 2019-09-04 | 2019-12-27 | 水晶球教育信息技术有限公司 | 一种大数据统计抽样方法、装置、服务器及存储介质 |
CN110789534A (zh) * | 2019-11-07 | 2020-02-14 | 淮阴工学院 | 一种基于路况检测的车道偏离预警方法及系统 |
CN111497870A (zh) * | 2019-01-14 | 2020-08-07 | 厦门歌乐电子企业有限公司 | 一种车辆越车道线行驶提醒装置及方法 |
CN113592221A (zh) * | 2021-06-17 | 2021-11-02 | 长安大学 | 基于安全替代评价指标的道路路段风险动态评估方法 |
-
2022
- 2022-05-06 CN CN202210486383.2A patent/CN115050213A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732785A (zh) * | 2015-01-09 | 2015-06-24 | 杭州好好开车科技有限公司 | 一种驾驶行为分析和提醒的方法及系统 |
CN109263660A (zh) * | 2018-11-12 | 2019-01-25 | 江铃汽车股份有限公司 | 一种基于360°环视影像系统的车道偏移预警控制方法 |
CN111497870A (zh) * | 2019-01-14 | 2020-08-07 | 厦门歌乐电子企业有限公司 | 一种车辆越车道线行驶提醒装置及方法 |
CN110264783A (zh) * | 2019-06-19 | 2019-09-20 | 中设设计集团股份有限公司 | 基于车路协同的车辆防碰撞预警系统及方法 |
CN110618986A (zh) * | 2019-09-04 | 2019-12-27 | 水晶球教育信息技术有限公司 | 一种大数据统计抽样方法、装置、服务器及存储介质 |
CN110789534A (zh) * | 2019-11-07 | 2020-02-14 | 淮阴工学院 | 一种基于路况检测的车道偏离预警方法及系统 |
CN113592221A (zh) * | 2021-06-17 | 2021-11-02 | 长安大学 | 基于安全替代评价指标的道路路段风险动态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102541061B (zh) | 基于视听觉信息的缩微智能车 | |
DE112012007157B4 (de) | Fahrunterstützungsvorrichtung und Fahrunterstützungsverfahren | |
EP2888604B1 (de) | Verfahren zur bestimmung eines fahrspurverlaufs für ein fahrzeug | |
CN110942623B (zh) | 一种辅助交通事故处理方法和系统 | |
CN103324930A (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
EP2224743B1 (en) | Vehicle periphery monitoring device, vehicle, and vehicle periphery monitoring program | |
CN103630122A (zh) | 一种单目视觉车道线检测方法及其测距方法 | |
CN108482382B (zh) | 驾驶技术评分方法、设备、存储介质及车辆 | |
DE102019127190A1 (de) | System und verfahren zum beurteilen des bekanntseins eines gelernten fahrzeugdatensatzes eines fahrerassistenzsystems | |
US20220266842A1 (en) | Method and device for monitoring driving behavior risk degree | |
DE102015213538A1 (de) | Verfahren und System zum Warnen vor einer Falschfahrt eines Fahrzeugs | |
CN113657265B (zh) | 一种车辆距离探测方法、系统、设备及介质 | |
DE102019122536A1 (de) | Exzentrizitätskarten | |
CN116110012B (zh) | 用于智慧工地的危险违规动作识别方法及系统 | |
CN106441411A (zh) | 一种轨道机车及车辆走行部检测方法及检测系统 | |
CN104700657A (zh) | 一种基于人工神经网络的周边车辆行为预判系统 | |
CN113112865A (zh) | 一种区域化车辆协同预警避险的交互系统及方法 | |
CN113147784A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN109094574A (zh) | 一种基于台架的无人车驾驶状态测量控制系统 | |
DE102020112825A1 (de) | Verfahren zum Erfassen von relevanten statischen Objekten innerhalb einer Fahrspur sowie Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs | |
CN115050213A (zh) | 一种基于人工智能的道路风险监控装置 | |
DE112018007967T5 (de) | Fahrzeugsteuervorrichtung, automatisiertes fahrzeugfahrtentwicklungssystem, fahrzeugsteuerverfahren und programm | |
CN113176778A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 | |
CN116342651A (zh) | 一种基于人工智能的行车安全智能检测系统及方法 | |
DE102019206870A1 (de) | Verfahren zum Ermitteln einer durch einen Verkehrsteilnehmer verursachten Gefährdung und zum Einleiten einer Überwachung des Verkehrsteilnehmers und Steuergerät |
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 |