CN115171385A - 一种基于毫米波雷达和视频联动交通事件检测系统 - Google Patents
一种基于毫米波雷达和视频联动交通事件检测系统 Download PDFInfo
- Publication number
- CN115171385A CN115171385A CN202210790170.9A CN202210790170A CN115171385A CN 115171385 A CN115171385 A CN 115171385A CN 202210790170 A CN202210790170 A CN 202210790170A CN 115171385 A CN115171385 A CN 115171385A
- Authority
- CN
- China
- Prior art keywords
- road condition
- road
- signal
- traffic
- generating
- 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
- 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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通事件检测技术领域,用于解决现有的在城市道路交通事件检测分析的方式中,难以对城市道路交通事件实现高效的检测以及快速认定,更难以实现对城市道路交通事件及时的预警,无法保证城市道路交通的安全发展的问题,尤其公开了一种基于毫米波雷达和视频联动交通事件检测系统,包括数据采集单元、云存储单元、路况静态分析单元、车辆动态分析单元、路况综合分析单元、车辆事故定性单元、预警反馈单元和显示终端;本发明,利用不同处理方式从不同层面对城市道路交通事件进行检测,实现对城市交通事件进行准确且全面的检测认定分析,保证城市道路交通的安全发展,极大的促进了城市道路系统的正常运行。
Description
技术领域
本发明涉及交通事件检测技术领域,具体为一种基于毫米波雷达和视频联动交通事件检测系统。
背景技术
随着经济技术的高速发展,城市发展建设规模不断扩大,城市人口持续增长并且高度聚集,机动车数量和人们的交通需求与日俱增,有限的道路资源与飞速增长的机动车交通需求的矛盾日益明显,排队车辆形成大规模、长时间的拥堵随处可见,交通事故频繁发生,因此,实现对城市道路交通事件高效的检测分析,则显得至关重要;
但现有的在对城市道路交通事件的检测分析的方式,大都是通过单一的视频记录进行人工肉眼检测,且在城市道路交通事件检测分析的方式中,在极大的消耗人力的同时,其检测的效率还较低,难以对城市道路交通事件实现高效的检测以及快速认定,更难以实现对城市道路交通事件及时的预警,无法保证城市道路交通的安全发展,严重妨碍了城市道路系统的正常运行;
为了解决上述缺陷,现提供一种技术方案。
发明内容
本发明的目的就在于为了解决现有的在城市道路交通事件检测分析的方式中,难以对城市道路交通事件实现高效的检测以及快速认定,更难以实现对城市道路交通事件及时的预警,无法保证城市道路交通的安全发展,严重妨碍了城市道路系统的正常运行的问题,利用毫米波雷达技术与视频分析技术相互联动作用采集城市道路交通信息,并通过动态分析与静态分析相结合的方式,实现对城市交通事件进行准确且全面的检测认定分析,保证城市道路交通的安全发展,极大的促进了城市道路系统的正常运行,而提出一种基于毫米波雷达和视频联动交通事件检测系统。
本发明的目的可以通过以下技术方案实现:
一种基于毫米波雷达和视频联动交通事件检测系统,包括数据采集单元、云存储单元、路况静态分析单元、车辆动态分析单元、路况综合分析单元、车辆事故定性单元、预警反馈单元和显示终端;
所述数据采集单元用于采集城市内各条道路的路况信息、通行信息和车辆行驶状态信息,并将其均发送至云存储单元进行暂存;
所述路况静态分析单元用于从云存储单元中调取城市内各条道路的路况信息,并进行路况基础静态分析处理,据此生成道路路况状态差级信号、道路路况状态中级信号或道路路况状态优级信号,并将其均发送路况综合分析单元;
所述车辆动态分析单元用于从云存储单元中调取城市内各条道路的通行信息,并进行路况通行动态分析处理,据此生成道路通行平缓信号、道路通行畅通信号、道路通行严重拥堵信号或道路通行一般拥堵信号,并将其发送至路况综合分析单元;
所述路况综合分析单元用于接收道路路况状态类型判定信号与道路通行类型判定信号,并进行路况事件认定分析处理,据此生成路况事件次级认定信号、路况事件中级认定信号或路况事件优级认定信号,并将其均发送至预警反馈单元;
所述车辆事故定性单元用于从云存储单元中调取城市内各条道路的车辆行驶状态信息,并进行车辆事故动态认定分析处理,据此生成交通事故认定严重信号与交通事故认定一般信号,并将其发送至预警反馈单元;
所述预警反馈单元用于接收各类型事件认定判定信号,并进行预警分析处理,并以文本描述的方式发送至下显示终端进行预警反馈。
进一步的,路况基础静态分析处理的具体操作步骤如下:
实时静态获取城市内各条道路的路况状态信息中的路障系数、透明度和坑洼系数,并将其分别标定为lzi、ndi和kwi,并将其进行公式化分析,依据公式求得路况系数lki,其中,e1、e2和e3分别为路障系数、透明度和坑洼系数的权重因子系数,且e1>e2>e3>0,且e1+e2+e3=5.2;
将路况系数与预设的路况参照阈值Y1进行比较分析,当路况系数大于预设的路况参照阈值Y1时,则生成道路路况状态差级信号,当路况系数等于预设的路况参照阈值Y1时,则生成道路路况状态中级信号,当路况系数小于预设的路况参照阈值Y1时,则生成道路路况状态优级信号。
进一步的,路况通行动态分析处理的具体操作步骤如下:
实时获取城市内各条道路通行信息中的车流量,将车流量与预设的车流上限阈值Ymax和车流下限阈值Ymin进行比较分析;
当车流量值大于车流上限阈值Ymax时,则生成道路拥挤信号,当车流量值处于车流上限阈值Ymax与车流下限阈值Ymin之间时,则生成道路通行平缓信号,当车流量值小于车流下限阈值Ymin时,则生成道路通行畅通信号;
依据道路拥挤信号,实时捕捉道路上车辆的排队长度和行车速度,并将其分别标定为cdi和sdi,并将其进行归一化分析,依据公式zsi=f1*cdi+f2*sdi,求得拥堵系数,其中,f1和f2分别为排队长度和行车速度的修正因子系数,且f1>f2>0,f1+f2=2.1;
将拥堵系数代入预设的拥堵程度判定区间Q中进行比较分析,当拥堵系数处于预设的拥堵程度判定区间Q之内时,则生成道路通行严重拥堵信号,当拥堵系数处于预设的拥堵程度判定区间Q之外时,则生成道路通行一般拥堵信号。
进一步的,路况事件认定分析处理的具体操作步骤如下:
依据道路路况状态类型判定信号建立集合A,将道路路况状态差级信号标定为元素1,将道路路况状态中级信号标定为元素2,将道路路况状态优级信号标定为元素3,且元素1∈集合A,元素2∈集合A,元素3∈集合A;
依据道路通行类型判定信号建立集合B,将道路通行严重拥堵信号或道路通行一般拥堵信号标定为元素1,将道路通行平缓信号标定为元素2,将道路通行畅通信号标定为元素3,且元素1∈集合B,元素2∈集合B,元素3∈集合B;
进一步的,车辆事故动态认定分析处理的具体操作步骤如下:
实时获取城市内各条道路的车辆行驶状态信息中的变形量值和烟火量值,并将其分别标定为bxi和ahi,并将其进行公式化分析,依据公式求得行驶系数dri,其中,p1和p2分别为变形量值和烟火量值的比例系数,且p1和p2均为大于0的自然数,且p1+p2=6.39;
设置行驶系数的梯度参照区间F1、F2,并将行驶系数代入预设的梯度参照区间F1、F2内进行比较分析,当行驶系数处于预设的梯度参照区间F1之内时,则生成交通事故认定一般信号,当行驶系数处于预设的梯度参照区间F2之内时,则生成交通事故认定严重信号。
进一步的,预警分析处理的具体操作步骤如下:
当接收到路况事件次级认定信号时,则生成路况一级预警信号,并以“城市中的该道路的路况状态较差,需要同步进行现场巡视和远程巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到路况事件中级认定信号时,则生成路况二预警信号,并以“城市中的该道路的路况状态一般,仅需加强远程巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到路况事件优级认定信号时,则生成路况三预警信号,并以“城市中的该道路的路况状态较优,无需加强巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到交通事故认定严重信号时,则生成事故一级预警信号,并以“城市中的该道路发生严重交通事故,亟需加强巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到交通事故认定一般信号时,则生成事故二级预警信号,并以“城市中的该道路发生一般交通事故,亟需加强巡视”的文本描述的方式发送至显示终端进行显示说明。
与现有技术相比,本发明的有益效果是:
(1)本发明,利用毫米波雷达技术与视频分析技术相互联动作用采集城市道路交通信息,利用符号化的标定、公式化的分析以及参照阈值的比较分析的方式,分别从静态分析与动态分析层面对道路路况状态与城市道路拥堵状况进行了准确判定分析,并为明确判定城市道路路况事件奠定了基础;
(2)通过元素符号的设定、交集运算和信号输出的整合方式,将道路路况状态类型判定信号与道路通行类型判定信号进行综合分析,进而实现了对城市道路的路况状态的准确且全面的判定分析,保证城市道路交通的安全发展,极大的促进了城市道路系统的正常运行;
(3)本发明,利用公式化处理和梯度参照区间的设置,实现了对城市道路交通事故认定的准确分析,并利用文本描述预警的方式对城市道路的路况状态以及交通事故状态进行明确预警反馈,从而在实现对城市道路交通事件高效的检测以及快速认定的同时,也实现了对城市道路交通事件及时的预警,有效提高了对交通事件的分析与判定。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的系统总框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于毫米波雷达和视频联动交通事件检测系统,包括数据采集单元、云存储单元、路况静态分析单元、车辆动态分析单元、路况综合分析单元、车辆事故定性单元、预警反馈单元和显示终端;
通过数据采集单元捕捉城市内各条道路的路况信息、通行信息和车辆行驶状态信息,并将其均发送至云存储单元进行暂存;
需要说明的是,在捕捉城市内各条道路的路况信息、通行信息和车辆行驶状态信息时,通过毫米波雷达和视频联动的方式采集得到的,毫米波雷达能分辨识别很小的目标,且能同时识别多个目标,并将其进行成像处理;
云存储单元用于存储城市内各条道路的交通信息以供路况静态分析单元、车辆动态分析单元以及车辆事故定性单元对交通信息的随时调用;
当路况静态分析单元从云存储单元中调取到城市内各条道路的路况信息时,并据此进行路况基础静态分析处理,具体的操作过程如下:
实时静态获取城市内各条道路的路况状态信息中的路障系数、透明度和坑洼系数,并将其分别标定为lzi、ndi和kwi,并将其进行公式化分析,依据公式求得路况系数lki,其中,e1、e2和e3分别为路障系数、透明度和坑洼系数的权重因子系数,且e1>e2>e3>0,且e1+e2+e3=5.2,其中,权重因子系数用于均衡各项数据在公式计算中的占比权重,从而促进计算结果的准确性;
需要指出的是,当路况系数的表现数值越小时,则越说明道路的路况状态越好,反之,当路况系数的表现数值越大时,则越说明道路的路况状态越差;
还需指出的是,路障系数指的是道路被封闭禁止通行的长度占道路总长度比值的数据量值,当路障系数的表现数值越大时,则越说明道路被封闭的路段长度越长;
坑洼系数指的是单位长度的道路路面上出现坑洼面积占道路总面积比值的数据量值,当坑洼系数的表现数值越大,则越说明道路上出现的坑洼面积占比大,则越说明道路的路况状态差,而道路出现坑洼指的是由时间变化或者外力原因造成道路不平整的现象;当透明度的表现数值越大时,则越说明车辆在道路上行驶的能见度越好,进而越说明道路的路况状态越好;
将路况系数与预设的路况参照阈值Y1进行比较分析,当路况系数大于预设的路况参照阈值Y1时,则生成道路路况状态差级信号,当路况系数等于预设的路况参照阈值Y1时,则生成道路路况状态中级信号,当路况系数小于预设的路况参照阈值Y1时,则生成道路路况状态优级信号,将生成的道路路况状态差级信号、道路路况状态中级信号或道路路况状态优级信号均发送路况综合分析单元;
当车辆动态分析单元从云存储单元中调取到城市内各条道路的通行信息时,并据此进行路况通行动态分析处理,具体的操作过程如下:
实时获取城市内各条道路通行信息中的车流量,将车流量与预设的车流上限阈值Ymax和车流下限阈值Ymin进行比较分析,其中,车流量指的是单位时间内驶入各道路的车辆多少的数据量值,当车流量的表现数值越大时,则越说明单位时间内驶入各道路的车辆越多;
而车流上限阈值指的是单位时间内道路上允许出现的最大的车辆流动数量的数据值;而车流下限阈值指的是单位时间内道路上允许出现的最小的车辆流动数量的数据值;
当车流量值大于车流上限阈值Ymax时,则生成道路拥挤信号,当车流量值处于车流上限阈值Ymax与车流下限阈值Ymin之间时,则生成道路通行平缓信号,当车流量值小于车流下限阈值Ymin时,则生成道路通行畅通信号;
依据道路拥挤信号,实时捕捉道路上车辆的排队长度和行车速度,并将其分别标定为cdi和sdi,并将其进行归一化分析,依据公式zsi=f1*cdi+f2*sdi,求得拥堵系数,其中,f1和f2分别为排队长度和行车速度的修正因子系数,且f1>f2>0,f1+f2=2.1,修正因子系数用于修正各项参数在公式计算过程中出现的偏差,从而使得计算更加准确和参数数据;
需要说明的是,排队长度指的是拥挤道路上车辆排队的长度,而行车速度指的是拥挤道路上排队长度中各车辆的平均行使速度,当排队长度的表现数值越大时,而行车速度的表现数值越小时,则越说明当前的道路状况越拥挤;
将拥堵系数代入预设的拥堵程度判定区间Q中进行比较分析,当拥堵系数处于预设的拥堵程度判定区间Q之内时,则生成道路通行严重拥堵信号,当拥堵系数处于预设的拥堵程度判定区间Q之外时,则生成道路通行一般拥堵信号;
将生成的道路通行平缓信号、道路通行畅通信号、道路通行严重拥堵信号或道路通行一般拥堵信号发送至路况综合分析单元;
当路况综合分析单元接收到道路路况状态类型判定信号与道路通行类型判定信号时,并据此进行路况事件认定分析处理,具体的操作过程如下:
依据道路路况状态类型判定信号建立集合A,将道路路况状态差级信号标定为元素1,将道路路况状态中级信号标定为元素2,将道路路况状态优级信号标定为元素3,且元素1∈集合A,元素2∈集合A,元素3∈集合A;
依据道路通行类型判定信号建立集合B,将道路通行严重拥堵信号或道路通行一般拥堵信号标定为元素1,将道路通行平缓信号标定为元素2,将道路通行畅通信号标定为元素3,且元素1∈集合B,元素2∈集合B,元素3∈集合B;
将集合A与B进行交集分析,若A∩B=1时,则生成路况事件次级认定信号,若A∩B=2或时,则均生成路况事件中级认定信号,若A∩B=3时,则生成路况事件优级认定信号,并将生成的路况事件次级认定信号、路况事件中级认定信号或路况事件优级认定信号均发送至预警反馈单元;
当车辆事故定性单元从云存储单元中调取到城市内各条道路的车辆行驶状态信息时,并据此进行车辆事故动态认定分析处理,具体的操作过程如下:
实时获取城市内各条道路的车辆行驶状态信息中的变形量值和烟火量值,并将其分别标定为bxi和ahi,并将其进行公式化分析,依据公式求得行驶系数dri,其中,p1和p2分别为变形量值和烟火量值的比例系数,且p1和p2均为大于0的自然数,且p1+p2=6.39,需要指出的是,变形量值指的是车辆受损变形程度大小的数据量值,当变形量值的表现数值越大时,则越说明车辆受损变形的程度越大;而烟火量值指的是捕捉到的火势大小以及烟雾生成量大小的数据量值,当烟火量值的表现数值越大时,则越说明捕捉到的火势越大、烟雾生成越多;
设置行驶系数的梯度参照区间F1、F2,并将行驶系数代入预设的梯度参照区间F1、F2内进行比较分析,当行驶系数处于预设的梯度参照区间F1之内时,则生成交通事故认定一般信号,当行驶系数处于预设的梯度参照区间F2之内时,则生成交通事故认定严重信号;需要说明的是,梯度参照区间F1、F2的区间数值表现是呈梯度增加;将生成的交通事故认定严重信号与交通事故认定一般信号发送至预警反馈单元;
当预警反馈单元接收到各类型事件认定判定信号时,并进行预警分析处理,具体的操作过程如下:
当接收到路况事件次级认定信号时,则生成路况一级预警信号,并以“城市中的该道路的路况状态较差,需要同步进行现场巡视和远程巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到路况事件中级认定信号时,则生成路况二预警信号,并以“城市中的该道路的路况状态一般,仅需加强远程巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到路况事件优级认定信号时,则生成路况三预警信号,并以“城市中的该道路的路况状态较优,无需加强巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到交通事故认定严重信号时,则生成事故一级预警信号,并以“城市中的该道路发生严重交通事故,亟需加强巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到交通事故认定一般信号时,则生成事故二级预警信号,并以“城市中的该道路发生一般交通事故,亟需加强巡视”的文本描述的方式发送至显示终端进行显示说明。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数;将设定的权重因子系数和采集的样本数据代入公式,任意三个公式构成二元一次方程组,将计算得到的系数进行筛选并取均值,得到e1、e2和e3取值分别为0.7548和1.3762;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数;只要不影响参数与量化后数值的比例关系即可。
本发明在使用时,通过采集城市内各条道路的路况信息并进行路况基础静态分析处理,利用符号化的标定、公式化的分析以及参照阈值的比较分析的方式,从而在实现对道路路况状态进行准确判定分析的同时,也为明确判定城市道路路况事件奠定了基础;
通过采集城市内各条道路的通行信息并进行路况通行动态分析处理,利用数值比较分析、数据归一化分析和区间定性分析,从而实现了对城市道路拥堵状况进行准确的判定分析;
再通过元素符号的设定、交集运算和信号输出的整合方式,将道路路况状态类型判定信号与道路通行类型判定信号进行综合分析,进而实现了对城市道路的路况状态的准确且全面的判定分析;
通过采集城市内各条道路的车辆行驶状态信息并进行车辆事故动态认定分析处理,利用公式化处理和梯度参照区间的设置,实现了对城市道路交通事故认定的准确分析,并利用文本描述预警的方式对城市道路的路况状态以及交通事故状态进行明确预警反馈,从而在实现对城市道路交通事件高效的检测以及快速认定的同时,也实现了对城市道路交通事件及时的预警,有效提高了对交通事件的分析与判定;
利用毫米波雷达技术与视频分析技术相互联动作用采集城市道路交通信息,并通过动态分析与静态分析相结合的方式,实现对城市交通事件进行准确且全面的检测认定分析,保证城市道路交通的安全发展,极大的促进了城市道路系统的正常运行。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种基于毫米波雷达和视频联动交通事件检测系统,其特征在于,包括数据采集单元、云存储单元、路况静态分析单元、车辆动态分析单元、路况综合分析单元、车辆事故定性单元、预警反馈单元和显示终端;
所述数据采集单元用于采集城市内各条道路的路况信息、通行信息和车辆行驶状态信息,并将其均发送至云存储单元进行暂存;
所述路况静态分析单元用于从云存储单元中调取城市内各条道路的路况信息,并进行路况基础静态分析处理,据此生成道路路况状态差级信号、道路路况状态中级信号或道路路况状态优级信号,并将其均发送路况综合分析单元;
所述车辆动态分析单元用于从云存储单元中调取城市内各条道路的通行信息,并进行路况通行动态分析处理,据此生成道路通行平缓信号、道路通行畅通信号、道路通行严重拥堵信号或道路通行一般拥堵信号,并将其发送至路况综合分析单元;
所述路况综合分析单元用于接收道路路况状态类型判定信号与道路通行类型判定信号,并进行路况事件认定分析处理,据此生成路况事件次级认定信号、路况事件中级认定信号或路况事件优级认定信号,并将其均发送至预警反馈单元;
所述车辆事故定性单元用于从云存储单元中调取城市内各条道路的车辆行驶状态信息,并进行车辆事故动态认定分析处理,据此生成交通事故认定严重信号与交通事故认定一般信号,并将其发送至预警反馈单元;
所述预警反馈单元用于接收各类型事件认定判定信号,并进行预警分析处理,并以文本描述的方式发送至下显示终端进行预警反馈。
2.根据权利要求1所述的一种基于毫米波雷达和视频联动交通事件检测系统,其特征在于,路况基础静态分析处理的具体操作步骤如下:
实时静态获取城市内各条道路的路况状态信息中的路障系数lzi、透明度ndi和坑洼系数kwi,并将其进行公式化分析,依据公式求得路况系数,其中,e1、e2和e3分别为路障系数、透明度和坑洼系数的权重因子系数,且e1>e2>e3>0,且e1+e2+e3=5.2;
将路况系数与预设的路况参照阈值Y1进行比较分析,当路况系数大于预设的路况参照阈值Y1时,则生成道路路况状态差级信号,当路况系数等于预设的路况参照阈值Y1时,则生成道路路况状态中级信号,当路况系数小于预设的路况参照阈值Y1时,则生成道路路况状态优级信号。
3.根据权利要求1所述的一种基于毫米波雷达和视频联动交通事件检测系统,其特征在于,路况通行动态分析处理的具体操作步骤如下:
实时获取城市内各条道路通行信息中的车流量,将车流量与预设的车流上限阈值Ymax和车流下限阈值Ymin进行比较分析;
当车流量值大于车流上限阈值Ymax时,则生成道路拥挤信号,当车流量值处于车流上限阈值Ymax与车流下限阈值Ymin之间时,则生成道路通行平缓信号,当车流量值小于车流下限阈值Ymin时,则生成道路通行畅通信号;
依据道路拥挤信号,实时捕捉道路上车辆的排队长度和行车速度,并将其进行归一化分析,求得拥堵系数;
将拥堵系数代入预设的拥堵程度判定区间Q中进行比较分析,当拥堵系数处于预设的拥堵程度判定区间Q之内时,则生成道路通行严重拥堵信号,当拥堵系数处于预设的拥堵程度判定区间Q之外时,则生成道路通行一般拥堵信号。
4.根据权利要求1所述的一种基于毫米波雷达和视频联动交通事件检测系统,其特征在于,路况事件认定分析处理的具体操作步骤如下:
依据道路路况状态类型判定信号建立集合A,将道路路况状态差级信号标定为元素1,将道路路况状态中级信号标定为元素2,将道路路况状态优级信号标定为元素3,且元素1∈集合A,元素2∈集合A,元素3∈集合A;
依据道路通行类型判定信号建立集合B,将道路通行严重拥堵信号或道路通行一般拥堵信号标定为元素1,将道路通行平缓信号标定为元素2,将道路通行畅通信号标定为元素3,且元素1∈集合B,元素2∈集合B,元素3∈集合B;
5.根据权利要求1所述的一种基于毫米波雷达和视频联动交通事件检测系统,其特征在于,车辆事故动态认定分析处理的具体操作步骤如下:
实时获取城市内各条道路的车辆行驶状态信息中的变形量值和烟火量值,并将其分别标定为bxi和ahi,并将其进行公式化分析,依据公式求得行驶系数dri,其中,p1和p2分别为变形量值和烟火量值的比例系数,且p1和p2均为大于0的自然数,且p1+p2=6.39;
设置行驶系数的梯度参照区间F1、F2,并将行驶系数代入预设的梯度参照区间F1、F2内进行比较分析,当行驶系数处于预设的梯度参照区间F1之内时,则生成交通事故认定一般信号,当行驶系数处于预设的梯度参照区间F2之内时,则生成交通事故认定严重信号。
6.根据权利要求1所述的一种基于毫米波雷达和视频联动交通事件检测系统,其特征在于,预警分析处理的具体操作步骤如下:
当接收到路况事件次级认定信号时,则生成路况一级预警信号,并以“城市中的该道路的路况状态较差,需要同步进行现场巡视和远程巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到路况事件中级认定信号时,则生成路况二预警信号,并以“城市中的该道路的路况状态一般,仅需加强远程巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到路况事件优级认定信号时,则生成路况三预警信号,并以“城市中的该道路的路况状态较优,无需加强巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到交通事故认定严重信号时,则生成事故一级预警信号,并以“城市中的该道路发生严重交通事故,亟需加强巡视”的文本描述的方式发送至显示终端进行显示说明;
当接收到交通事故认定一般信号时,则生成事故二级预警信号,并以“城市中的该道路发生一般交通事故,亟需加强巡视”的文本描述的方式发送至显示终端进行显示说明。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790170.9A CN115171385B (zh) | 2022-07-06 | 2022-07-06 | 一种基于毫米波雷达和视频联动交通事件检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790170.9A CN115171385B (zh) | 2022-07-06 | 2022-07-06 | 一种基于毫米波雷达和视频联动交通事件检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115171385A true CN115171385A (zh) | 2022-10-11 |
CN115171385B CN115171385B (zh) | 2022-12-27 |
Family
ID=83492043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210790170.9A Active CN115171385B (zh) | 2022-07-06 | 2022-07-06 | 一种基于毫米波雷达和视频联动交通事件检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171385B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740840A (zh) * | 2023-04-03 | 2023-09-12 | 深圳益国电子科技有限公司 | 一种行车记录仪用视频预警系统 |
CN116824864A (zh) * | 2023-08-28 | 2023-09-29 | 山东微笑集成科技有限公司 | 一种灵活配置可视化接入的政务数据处理系统 |
CN116863708A (zh) * | 2023-09-04 | 2023-10-10 | 成都市青羊大数据有限责任公司 | 一种智慧城市调度分配系统 |
CN117392852A (zh) * | 2023-12-11 | 2024-01-12 | 大作(江苏)云科技有限公司 | 一种面向大数据分析的云计算资源调度优化系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014157522A (ja) * | 2013-02-18 | 2014-08-28 | East Nippon Expressway Co Ltd | プローブデータを活用した道路交通管制システム |
CN105225509A (zh) * | 2015-10-28 | 2016-01-06 | 努比亚技术有限公司 | 一种道路车辆智能预警方法、装置和移动终端 |
CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价系统 |
CN111009127A (zh) * | 2019-12-24 | 2020-04-14 | 安徽虹湾信息技术有限公司 | 一种基于事故风险的城市动态预警系统及方法 |
CN113096397A (zh) * | 2021-03-31 | 2021-07-09 | 武汉大学 | 基于毫米波雷达与视频检测的交通拥堵分析方法 |
CN113936459A (zh) * | 2020-06-11 | 2022-01-14 | 腾讯科技(深圳)有限公司 | 一种路况信息收集方法、装置、设备及存储介质 |
WO2022027763A1 (zh) * | 2020-08-06 | 2022-02-10 | 南京慧尔视智能科技有限公司 | 一种基于广域雷达的路面诱导系统及方法 |
-
2022
- 2022-07-06 CN CN202210790170.9A patent/CN115171385B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014157522A (ja) * | 2013-02-18 | 2014-08-28 | East Nippon Expressway Co Ltd | プローブデータを活用した道路交通管制システム |
CN105225509A (zh) * | 2015-10-28 | 2016-01-06 | 努比亚技术有限公司 | 一种道路车辆智能预警方法、装置和移动终端 |
CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价系统 |
CN111009127A (zh) * | 2019-12-24 | 2020-04-14 | 安徽虹湾信息技术有限公司 | 一种基于事故风险的城市动态预警系统及方法 |
CN113936459A (zh) * | 2020-06-11 | 2022-01-14 | 腾讯科技(深圳)有限公司 | 一种路况信息收集方法、装置、设备及存储介质 |
WO2022027763A1 (zh) * | 2020-08-06 | 2022-02-10 | 南京慧尔视智能科技有限公司 | 一种基于广域雷达的路面诱导系统及方法 |
CN113096397A (zh) * | 2021-03-31 | 2021-07-09 | 武汉大学 | 基于毫米波雷达与视频检测的交通拥堵分析方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740840A (zh) * | 2023-04-03 | 2023-09-12 | 深圳益国电子科技有限公司 | 一种行车记录仪用视频预警系统 |
CN116824864A (zh) * | 2023-08-28 | 2023-09-29 | 山东微笑集成科技有限公司 | 一种灵活配置可视化接入的政务数据处理系统 |
CN116824864B (zh) * | 2023-08-28 | 2023-11-21 | 山东微笑集成科技有限公司 | 一种灵活配置可视化接入的政务数据处理系统 |
CN116863708A (zh) * | 2023-09-04 | 2023-10-10 | 成都市青羊大数据有限责任公司 | 一种智慧城市调度分配系统 |
CN116863708B (zh) * | 2023-09-04 | 2024-01-12 | 成都市青羊大数据有限责任公司 | 一种智慧城市调度分配系统 |
CN117392852A (zh) * | 2023-12-11 | 2024-01-12 | 大作(江苏)云科技有限公司 | 一种面向大数据分析的云计算资源调度优化系统 |
CN117392852B (zh) * | 2023-12-11 | 2024-05-03 | 深圳鹏智瑞数字营销有限公司 | 一种面向大数据分析的云计算资源调度优化系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115171385B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115171385B (zh) | 一种基于毫米波雷达和视频联动交通事件检测系统 | |
CN109255955B (zh) | 一种基于地基和空基协同感知的高速公路事故监测方法及系统 | |
CN112712697B (zh) | 面向车路协同应用的车道级交通状态判别方法 | |
CN105788269A (zh) | 基于无人机的异常交通识别方法 | |
CN103065124B (zh) | 一种烟检测方法、装置及火灾检测装置 | |
CN105303831A (zh) | 一种基于通信数据判断高速路拥堵情况的方法 | |
CN101465059A (zh) | 城市道路交通安全态势鉴判预警系统 | |
CN116189436B (zh) | 一种基于大数据的多源数据融合算法 | |
CN101551940A (zh) | 城市快速道路交通状态判别与发布系统及其方法 | |
CN110674887A (zh) | 一种基于视频分类的端到端道路拥堵检测算法 | |
CN117953693B (zh) | 一种基于视频ai的高速公路交通智能监测系统 | |
CN104575049B (zh) | 一种基于阵列雷达的高架匝道智能诱导方法及装置 | |
CN101075377A (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN117194923A (zh) | 一种道路情况分析系统、方法、设备及介质 | |
CN104966404A (zh) | 一种基于阵列雷达的单点自优化信号控制方法及装置 | |
Lam et al. | Real-time traffic status detection from on-line images using generic object detection system with deep learning | |
CN117173899B (zh) | 一种智慧城市交通出行品质评价方法 | |
CN114360264A (zh) | 一种基于交通流量进行调节的智慧城市交通管理方法 | |
CN113256978A (zh) | 一种城市拥堵地区的诊断方法、系统及储存介质 | |
CN117315939A (zh) | 高速公路交通安全态势预警方法及系统 | |
Jin et al. | Automatic freeway incident detection based on fundamental diagrams of traffic flow | |
CN116343498A (zh) | 一种基于大数据公交路线拥堵点提醒系统 | |
CN112802333A (zh) | 基于ai视频分析的高速公路路网安全态势分析系统、方法 | |
CN112905856A (zh) | 一种具有时空依赖的高速交通数据集的构建方法 | |
Koloushani et al. | Introducing Automatic Control Method of Safety Standards in Horizontal Curves by Processing Images Taken by Mobile Mapping System. |
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 |