CN115691141B - 一种基于护栏的城市交通管理方法和系统及网络侧服务端 - Google Patents
一种基于护栏的城市交通管理方法和系统及网络侧服务端 Download PDFInfo
- Publication number
- CN115691141B CN115691141B CN202211402330.4A CN202211402330A CN115691141B CN 115691141 B CN115691141 B CN 115691141B CN 202211402330 A CN202211402330 A CN 202211402330A CN 115691141 B CN115691141 B CN 115691141B
- Authority
- CN
- China
- Prior art keywords
- information
- road width
- time information
- preset
- guardrail
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 238000010191 image analysis Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Abstract
本发明属于城市安全监控领域,提出一种基于护栏的城市交通管理方法和系统,所述方法包括:获取护栏发送的当前图像信息和当前时间信息;根据所述当前图像信息和当前时间信息,获得人流时间信息、车流时间信息和路宽实测信息;根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标;在所述拥挤程度指标超过预设值时,发送告警信息。根据实际路面宽度、人流量和车流量来对护栏所处路段的拥挤程度进行统计和预测,提高城市交通管理的准确性。
Description
技术领域
本发明属于城市安全监控领域,具体涉及一种基于护栏的城市交通管理方法和系统。
背景技术
市政护栏制造工艺成熟,出口量大,但总体呈现产业大而不强,企业小而散的特征,究其原因是企业缺乏核心技术,导致国内缺乏高端市政护栏产品,交付护栏消费者的产品与日益多样化的使用需求匹配性不足。物联网、人工智能、云计算、大数据等新技术的出现给市政护栏行业标准化问题提供了全新的思考空间,通过将新技术融入市政护栏创新研发,能够更高开发市政护栏智慧化功能,助力城市交通高效运行。
现有的城市交通管理,通常只会对于车流量进行监控,对于行人的人流量监控难免疏忽,而人流量的暴增,同样也会出现拥堵,对于城市交通规划极为不利,同时也不利于车辆对于拥堵路段的规避。并且,现今的城市交通管理系统,往往默认路面宽阔,然而现实是部分路段经常会出现夜间大量停车、杂物堆积等等违规行为,这些行为使得路面的实际应用宽度小于规划宽度,使得同样的车流量情况下,实际行驶更为拥堵。
发明内容
有鉴于此,本发明提供了一种基于护栏的城市交通管理方法和系统,用以根据实际路面宽度、人流量和车流量来对护栏所处路段的拥挤程度进行统计和预测,提高城市交通管理的准确性。
本发明的基础方案为:一种基于护栏的城市交通管理方法,包括:
获取护栏发送的当前图像信息和当前时间信息;
根据所述当前图像信息和当前时间信息,获得人流时间信息、车流时间信息和路宽实测信息;
根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标;所述人车行驶规律根据历史的人流时间信息、路宽实测信息和车流时间信息训练得到;
在所述拥挤程度指标超过预设值时,发送告警信息。
有益效果:本方案中根据护栏发送的当前图像信息得到路宽实测信息,进而充分考虑到了当前实际道路的宽度对整体交通的影响,保证了在道路占用情况下对于拥堵与否判断的准确性。同时本案还会综合考虑实际路宽、人流量和车流量,保证拥挤程度指标的准确性。
进一步,根据所述当前图像信息和当前时间信息,获得路宽实测信息,包括:
选取同一护栏朝向第一预设方向的当前图像信息,作为第一图像信息;
选取在预设路宽时长间隔期间的所有第一图像信息,作为第二图像信息;
筛选所有第二图像信息中的路面边缘线;
查找所有路面边缘线重合率最高的路障点,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第一路宽;
根据预设的路面规划中各个护栏的位置,结合所述第一路宽,计算得到路宽实测信息。
进一步,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第一路宽,包括:
计算所述护栏到所述路障点之间的距离,将距离最小的数值作为第一路宽。
进一步,根据预设的路面规划中各个护栏的位置,结合所述第一路宽,计算得到路宽实测信息,包括:
选取同一护栏朝向第二预设方向的当前图像信息,作为第三图像信息;所述第二预设方向与所述第一预设方向相反;
选取在预设路宽时长间隔期间的所有第三图像信息,作为第四图像信息;
筛选所有第四图像信息中的路面边缘线;
查找所有路面边缘线重合率最高的路障点,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第二路宽;
根据第一路宽和第二路宽,结合预设的路面规划中护栏的列数,计算得到路宽实测信息。
进一步,根据第一路宽和第二路宽,结合预设的路面规划中护栏的列数,计算得到路宽实测信息,包括:
在所述路面规划中只有一列护栏时,计算第一路宽和第二路宽的总和,得到路宽实测信息。
进一步,根据第一路宽和第二路宽,结合预设的路面规划中护栏的列数,计算得到路宽实测信息,包括:
在所述路面规划中具有多列护栏时,计算每一列护栏的第一路宽和第二路宽的总和,得到护栏实测信息;
计算平行的多个护栏对应的护栏实测信息的总和,得到路宽实测信息。
进一步,根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标,包括:
将同一护栏在同一时间检测得到的人流时间信息、车流时间信息和路宽实测信息进行相对应;
将相对应的人流时间信息、车流时间信息、路宽实测信息代入到人车行驶规律,计算得到拥挤程度指标;所述人车行驶规律为同一护栏在不同时间段的人流时间信息、车流时间信息和路宽实测信息通过神经网络模型训练得到的。
进一步,根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标,包括:
将当前的人流时间信息、车流时间信息、路宽实测信息,代入到人车行驶规律中,得到拥挤程度指标随着时间变化的规律;
将预设时间段代入所述拥挤程度指标随着时间变化的规律,得到对应的拥挤程度指标。
本发明还提供一种基于护栏的城市交通管理系统,包括:
通信模块,用于获取护栏发送的当前图像信息和当前时间信息;
图像分析模块,用于根据所述当前图像信息和当前时间信息,获得人流时间信息、车流时间信息和路宽实测信息;
建模模块,用于根据历史的人流时间信息、路宽实测信息和车流时间信息训练得到人车行驶规律;
存储模块,用于存储建模模块发送的人车行驶规律;
处理模块,用于根据图像分析模块发送的当前的人流时间信息、车流时间信息、路宽实测信息,结合存储模块中的人车行驶规律,得到未来多个预设时间段的拥挤程度指标;
控制模块,在所述处理模块发送的拥挤程度指标超过预设值时,控制告警模块发送告警信息。
一种网络侧服务端,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上述任一项所述的种基于护栏的城市交通管理方法。
附图说明
图1为本发明第一实施方式中一种基于护栏的城市交通管理方法的流程示意图;
图2为本发明第二实施方式中一种基于护栏的城市交通管理系统的模块示意图;
图3为本发明第三实施方式中一种网络侧服务端的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
第一实施方式:
本发明的第一实施方式提供一种基于护栏的城市交通管理方法,包括:获取护栏发送的当前图像信息和当前时间信息;根据所述当前图像信息和当前时间信息,获得人流时间信息、车流时间信息和路宽实测信息;根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标;所述人车行驶规律根据历史的人流时间信息、路宽实测信息和车流时间信息训练得到;在所述拥挤程度指标超过预设值时,发送告警信息。
根据护栏发送的当前图像信息得到路宽实测信息,进而充分考虑到了当前实际道路的宽度对整体交通的影响,保证了在道路占用情况下对于拥堵与否判断的准确性。同时本案还会综合考虑实际路宽、人流量和车流量,保证拥挤程度指标的准确性。
下面对本实施方式的一种基于护栏的城市交通管理方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须,本实施方式的具体流程如图1所示,本实施方式应用于网络侧服务端。
步骤101,获取护栏发送的当前图像信息和当前时间信息。
具体而言,当前图像信息和当前时间信息通常是由护栏来提供。城市的护栏中集合有摄像头,摄像头直接获取所处护栏周边区域内的当前图像信息。其中,摄像头采集地面图像信息可以是采用数字拍照设备以固定频率来进行拍照;也可以是采用数字摄像设备,以固定频率摄像,期间从预设起点以固定速度旋转镜头到预设终点,得到地面图像信息。
若地面图像信息为一帧图片,则步骤101中直接将该一帧图片作为地面图像信息,并执行步骤102。
若地面图像信息为一段视频,则步骤101中将该视频拆分为多帧图片,将这些图片中的重复内容剔除,剩余的内容重新组合为新的图片,将该新的图片作为地面图像信息。其中,视频拆分为多帧图片中的重复内容,可以通过特征点组成的轮廓之间的相似度来进行计算,相似度达到则判定对应两部分的内容为一个,那么就只会保留一个内容到新的图片中。
例如:一段时间被拆分为三帧图片,图片1中的内容为“A+B+C”,图片2中的内容是“B+C+D”,图片3中的内容是“C+D+E”,通过特征点提取和相似度计算得到图片1和图片2中的“B”和“C”是重复内容,“B”和“C”只会保留一个;通过特征点提取和相似度计算得到图片2和图片3中的“C”和“D”是重复内容,“C”和“D”只会保留一个,再结合非重复部分“A”和“E”,重新组成的新图片中的内容为“A+B+C+D+E”,将该新组成的图片作为当前图像信息,并执行步骤102。本示例,充分考虑到摄像头的旋转视角,通过图片的填补,从而保证当前图像信息是一个全景图像,保证当前图像信息的信息量。
步骤102,根据所述当前图像信息和当前时间信息,获得人流时间信息、车流时间信息和路宽实测信息。
具体而言,根据当前图像信息和当前时间信息,获得人流时间信息,包括:S2-1-1,对当前图像信息进行人体识别,识别出图像中的人形区域;S2-1-2,比较当前图像信息中人形区域与上一帧的当前图像信息对应的人形区域,两者之间的关联,从而识别出同一人在前后两个时间节点的图像,识别在上一个当前图像信息中但是没有出现在这一个当前图像信息中的人形区域,该人形区域的数量作为当前的人流信息;S2-1-3,将当前人流信息和当前时间信息进行关联,作为人流时间信息。此时人流时间信息,代表了在当前时间段(摄像头采集频率),进行人员流通的人数。
在一些示例中,根据当前图像信息和当前时间信息,获得车流时间信息,包括:S2-2-1,对当前图像信息进行车体识别,识别出图像中的车形区域;S2-2-2,比较当前图像信息中车形区域与上一帧的当前图像信息对应的车形区域,两者之间的关联,从而识别出同一车在前后两个时间节点的图像,识别在上一个当前图像信息中但是没有出现在这一个当前图像信息中的车形区域,该车形区域的数量作为当前的车流信息;S2-2-3,将当前车流信息和当前时间信息进行关联,作为车流时间信息。此时车流时间信息,代表了在当前时间段(摄像头采集频率),进行车辆流通的数量。
在一些示例中,根据所述当前图像信息和当前时间信息,获得路宽实测信息,包括:
S2-3-1,选取同一护栏朝向第一预设方向的当前图像信息,作为第一图像信息;
S2-3-2,选取在预设路宽时长间隔期间的所有第一图像信息,作为第二图像信息;
S2-3-3,筛选所有第二图像信息中的路面边缘线;
S2-3-4,查找所有路面边缘线重合率最高的路障点,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第一路宽;
S2-3-5,根据预设的路面规划中各个护栏的位置,结合所述第一路宽,计算得到路宽实测信息。
本案中,S2-3-3和S2-3-4,通过路边边缘线的重合来判断出路面最常规的边缘,即路面能够使用的实际边缘线(即路障点所形成的线段),以实际应用为准,而非预先归化的路面边缘为准,使得本方案的路面测绘更为准确。
具体的,步骤S2-3-4中计算第一路宽的方式具有多种,例如:(1)计算所述护栏到所述路障点之间的距离,将距离最小的数值作为第一路宽。(2)将所有路障点连接成平滑的曲线,以垂直于护栏轴向的方向为标准方向,计算护栏沿着标准方向到所述曲线之间的距离,将该距离作为第一路宽。
具体的,步骤S2-3-5包括:
S2-3-5-1,选取同一护栏朝向第二预设方向的当前图像信息,作为第三图像信息;所述第二预设方向与所述第一预设方向相反;
S2-3-5-2,选取在预设路宽时长间隔期间的所有第三图像信息,作为第四图像信息;
S2-3-5-3,筛选所有第四图像信息中的路面边缘线;
S2-3-5-4,查找所有路面边缘线重合率最高的路障点,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第二路宽;
S2-3-5-5,根据第一路宽和第二路宽,结合预设的路面规划中护栏的列数,计算得到路宽实测信息。
本示例中S2-3-5-1到S2-3-5-4步骤,都是为了计算出与第一预设方向相反的另一个方向上的第二路宽。本案中优先将第一预设方向和第二预设方向都是垂直于护栏之间连线的轴向。例如,在90°拐弯的曲线路口,护栏之间的连线与路面延伸方向平行,第一预设方向设置为朝向90°拐弯的曲线圆心方向,第二预设方向设置为背向90°拐弯的曲线圆心方向。
进一步,步骤S2-3-5-5包括:
S2-3-5-5-1,在所述路面规划中只有一列护栏时,计算第一路宽和第二路宽的总和,得到路宽实测信息;
S2-3-5-5-2,在所述路面规划中具有多列护栏时,计算每一列护栏的第一路宽和第二路宽的总和,得到护栏实测信息;计算平行的多个护栏对应的护栏实测信息的总和,得到路宽实测信息。其中多列护栏的定义是大于或等于两列护栏,每列护栏的延伸方向与路面延伸方向平行。
步骤103,根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标。
具体而言,步骤103包括:S3-1,将同一护栏在同一时间检测得到的人流时间信息、车流时间信息和路宽实测信息进行相对应;S3-2,将相对应的人流时间信息、车流时间信息、路宽实测信息代入到人车行驶规律,计算得到拥挤程度指标。
其中,所述人车行驶规律为同一护栏在不同时间段的人流时间信息、车流时间信息和路宽实测信息通过神经网络模型训练得到的。步骤S3-2的实现可以是:将当前的人流时间信息、车流时间信息、路宽实测信息,代入到人车行驶规律中,得到拥挤程度指标随着时间变化的规律;将预设时间段代入所述拥挤程度指标随着时间变化的规律,得到对应的拥挤程度指标。
用于训练人车行驶规律的神经网络模型,所需要的数据库中的所有信息均为预先采集获取到的所有信息,例如,同一护栏在不同时间段的人流时间信息、车流时间信息和路宽实测信息,再例如,同一护栏的相互对应的、当前时间信息、人流量信息、车流量信息、路宽实测信息。在实际应用时,本系统的护栏之间相隔距离较远,避免相互之间出现数据干扰,每个护栏上传的数据均会进行独立运算。
步骤104,在所述拥挤程度指标超过预设值时,发送告警信息。
具体而言,预设值是预选设定的,拥挤程度指标超过预设值,意味着拥挤程度达到需要足以的地步,告警信息中包含了改拥挤程度指标所对应的护栏的位置信息和告警信号。以供收到该报警信息的路政维护人员、交警等前往该护栏对应的区域进行交通维护。
并且,车辆驾驶员也可与通过城市地图查看各个路段的拥堵系数,具体实施是:步骤103中得到拥挤程度指标后,将该拥挤程度指标和对应的护栏相关联,随后在城市地图中根据护栏标号或者护栏所在位置,直接标注该拥挤程度指标;从而实现用户可以直接查看整个城市地图中所有护栏对应的拥挤程度指标。
进一步的,根据拥挤程度指标的数值,对城市中所有对应的护栏进行染色,便于用户查看,例如,在护栏对应的拥挤程度指标超过预设值时,将该拥挤程度指标对应的护栏对应的地图区域染色为红色,默认颜色为黑色等,每个护栏对应的地图区域为护栏中的摄像头所能监控到的所有区域。
在一些示例中,所述拥挤程度指标还可以根据车祸与否来进行判断。步骤102还包括:S2-4,根据所述当前图像信息和当前时间信息,获得车祸信息。
步骤S2-4的实施还包括:
S2-4-1,对当前图像信息进行去雾的预处理,具体为,采用改进单尺度Retinex算法获得去雾后的图像,通过反转图像利用大气散射模型对低照度图像的亮度进行增强,最后将去雾后的图像与亮度增强后的图像进行加权融合;
S2-4-2,选择基于混合高斯模型的运动目标检测算法,以达到最优的运动目标检测效果;
S2-4-3,建立卡尔曼滤波器进行目标预测并通过目标的质心距离和面积大小变化特征进行目标匹配,选择最佳匹配值作为目标特征信息完成运动目标的跟踪;
S2-4-4,通过目标跟踪获取目标信息后,进行碰撞事故的识别,结合GPS定位系统,构建事故识别与定位。
其中,判断是否发生事故的S2-4-4,包括:鉴定当前图像信息中车辆的位置和车道的位置,计算同一车道中相邻车辆的距离;同一车道相邻车辆之间的距离小于车距临界值时,判定事故触发。本方案旨在根据车辆前后距离来判定是否可能发生追尾事故,其中两车之间的距离计算是,通过图像是被出前一个车辆的车尾到后一个车辆的车头之间的距离。
S2-4-5,在S2-4-4判断存在事故发生时,从当前图像信息中提取事故相关车辆的车辆信息,根据同意护栏所发送的其他的当前图像信息中提取所述车辆的运行轨迹,并计算对应车辆的运动速度,进而根据事故相关的车辆的运动速度、运动轨迹和运动方向,判断事故的严重程度。在一些示例中,两车相撞的相对速度越大,事故的严重程度就越高,对应的事故相关路段的车辆限流程度越高;两车相对速度范围-事故严重程度-车辆限流量是预先设置的表格,运行时直接根据该表格进行实际操作。
步骤103执行时,根据事故严重程度,结合预设规则得到车辆限流信息;根据当前的人流时间信息、车流时间信息、路宽实测信息、以及车辆限流信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标。此时的人车行驶规律为,同一护栏在不同时间段的人流时间信息、车流时间信息、路宽实测信息和事故严重程度,通过神经网络模型训练得到的。
在一些示例中,步骤101获取护栏发送的当前图像信息后,还会进行图像的预处理。图像预处理包括:采用改进单尺度Retinex算法获得去雾后的图像,通过反转图像利用大气散射模型对低照度图像的亮度进行增强,最后将去雾后的图像与亮度增强后的图像进行加权融合。实现降低雾霾和低照度等不利因素对系统成像的影响,提高步骤102中识别的准确性。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
第二实施方式:
本发明的第二实施方式提供一种基于护栏的城市交通管理系统200,如图2所示,包括:
通信模块201,用于获取护栏100发送的当前图像信息和当前时间信息;
图像分析模块202,用于根据所述当前图像信息和当前时间信息,获得人流时间信息、车流时间信息和路宽实测信息;
建模模块203,用于根据历史的人流时间信息、路宽实测信息和车流时间信息训练得到人车行驶规律;
存储模块204,用于存储建模模块203发送的人车行驶规律;
处理模块205,用于根据图像分析模块202发送的当前的人流时间信息、车流时间信息、路宽实测信息,结合存储模块204中的人车行驶规律,得到未来多个预设时间段的拥挤程度指标;
控制模块206,在所述处理模块205发送的拥挤程度指标超过预设值时,控制告警模块207发送告警信息。
其中,通信模块201与护栏100中的采集模块之间是相互通信连接的,所有护栏100中的采集模块均会将自身采集到的当前图像信息、当前时间信息和所处位置信息发送通信模块201。
在实施时,在护栏100上集成监控传感器功能模块(即采集模块),基于5G无线通信传输视频信息给通信模块201,并在城市交通管理系统200采用改进单尺度Retinex算法获得去雾后的图像,通过反转图像利用大气散射模型对低照度图像的亮度进行增强,最后将去雾后的图像与亮度增强后的图像进行加权融合,降低雾霾和低照度等不利因素对系统成像的影响,提高图像分析模块202中识别算法的准确性。
不难发现,本实施方式为与第一实施方式相对应的系统实施例,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
第三实施方式:
本发明第三实施方式提供一种网络侧服务端,如图3所示,包括至少一个处理器301;以及,与至少一个处理器301通信连接的存储器302;其中,存储器302存储有可被至少一个处理器301执行的指令,指令被至少一个处理器301执行,以使至少一个处理器301能够执行上述的基于护栏的城市事故监控方法。
其中,存储器302和处理器301采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器301和存储器302的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器301处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器301。
处理器301负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器302可以被用于存储处理器301在执行操作时所使用的数据。
第四实施方式:
本发明的第四实施方式提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种基于护栏的城市交通管理方法。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (8)
1.一种基于护栏的城市交通管理方法,其特征在于,包括:
获取护栏发送的当前图像信息和当前时间信息;所述当前图像信息是由护栏中摄像头以固定频率从预设起点以固定速度旋转镜头到预设终点摄像得到的一个或多个地面图像信息构成的全景图像;
根据所述当前图像信息和当前时间信息,获得人流时间信息、车流时间信息和路宽实测信息;
根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标;所述人车行驶规律根据历史的人流时间信息、路宽实测信息和车流时间信息训练得到;
在所述拥挤程度指标超过预设值时,发送告警信息;
其中,根据所述当前图像信息和当前时间信息,获得路宽实测信息,包括:
选取同一护栏朝向第一预设方向的当前图像信息,作为第一图像信息;
选取在预设路宽时长间隔期间的所有第一图像信息,作为第二图像信息;
筛选所有第二图像信息中的路面边缘线;
查找所有路面边缘线重合率最高的路障点,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第一路宽;
根据预设的路面规划中各个护栏的位置,结合所述第一路宽,计算得到路宽实测信息;
根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标,包括:
将同一护栏在同一时间检测得到的人流时间信息、车流时间信息和路宽实测信息进行相对应;
将相对应的人流时间信息、车流时间信息、路宽实测信息代入到人车行驶规律,计算得到拥挤程度指标;所述人车行驶规律为同一护栏在不同时间段的人流时间信息、车流时间信息和路宽实测信息通过神经网络模型训练得到的。
2.根据权利要求1所述的一种基于护栏的城市交通管理方法,其特征在于,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第一路宽,包括:
计算所述护栏到所述路障点之间的距离,将距离最小的数值作为第一路宽。
3.根据权利要求1所述的一种基于护栏的城市交通管理方法,其特征在于,根据预设的路面规划中各个护栏的位置,结合所述第一路宽,计算得到路宽实测信息,包括:
选取同一护栏朝向第二预设方向的当前图像信息,作为第三图像信息;所述第二预设方向与所述第一预设方向相反;
选取在预设路宽时长间隔期间的所有第三图像信息,作为第四图像信息;
筛选所有第四图像信息中的路面边缘线;
查找所有路面边缘线重合率最高的路障点,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第二路宽;
根据第一路宽和第二路宽,结合预设的路面规划中护栏的列数,计算得到路宽实测信息。
4.根据权利要求3所述的一种基于护栏的城市交通管理方法,其特征在于,根据第一路宽和第二路宽,结合预设的路面规划中护栏的列数,计算得到路宽实测信息,包括:
在所述路面规划中只有一列护栏时,计算第一路宽和第二路宽的总和,得到路宽实测信息。
5.根据权利要求3所述的一种基于护栏的城市交通管理方法,其特征在于,根据第一路宽和第二路宽,结合预设的路面规划中护栏的列数,计算得到路宽实测信息,包括:
在所述路面规划中具有多列护栏时,计算每一列护栏的第一路宽和第二路宽的总和,得到护栏实测信息;
计算平行的多个护栏对应的护栏实测信息的总和,得到路宽实测信息。
6.根据权利要求1所述的一种基于护栏的城市交通管理方法,其特征在于,根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标,包括:
将当前的人流时间信息、车流时间信息、路宽实测信息,代入到人车行驶规律中,得到拥挤程度指标随着时间变化的规律;
将预设时间段代入所述拥挤程度指标随着时间变化的规律,得到对应的拥挤程度指标。
7.一种基于护栏的城市交通管理系统,其特征在于,包括:
通信模块,用于获取护栏发送的当前图像信息和当前时间信息;
图像分析模块,用于根据所述当前图像信息和当前时间信息,获得人流时间信息、车流时间信息和路宽实测信息;
建模模块,用于根据历史的人流时间信息、路宽实测信息和车流时间信息训练得到人车行驶规律;
存储模块,用于存储建模模块发送的人车行驶规律;
处理模块,用于根据图像分析模块发送的当前的人流时间信息、车流时间信息、路宽实测信息,结合存储模块中的人车行驶规律,得到未来多个预设时间段的拥挤程度指标;
控制模块,在所述处理模块发送的拥挤程度指标超过预设值时,控制告警模块发送告警信息;
其中,所述当前图像信息是由护栏中摄像头以固定频率从预设起点以固定速度旋转镜头到预设终点摄像得到的一个或多个地面图像信息构成的全景图像;
其中,根据所述当前图像信息和当前时间信息,获得路宽实测信息,包括:
选取同一护栏朝向第一预设方向的当前图像信息,作为第一图像信息;
选取在预设路宽时长间隔期间的所有第一图像信息,作为第二图像信息;
筛选所有第二图像信息中的路面边缘线;
查找所有路面边缘线重合率最高的路障点,计算所述护栏到所述路障点之间在垂直于护栏延伸线方向上的长度,作为第一路宽;
根据预设的路面规划中各个护栏的位置,结合所述第一路宽,计算得到路宽实测信息;
根据当前的人流时间信息、车流时间信息、路宽实测信息,结合预设的人车行驶规律,得到未来多个预设时间段的拥挤程度指标,包括:
将同一护栏在同一时间检测得到的人流时间信息、车流时间信息和路宽实测信息进行相对应;
将相对应的人流时间信息、车流时间信息、路宽实测信息代入到人车行驶规律,计算得到拥挤程度指标;所述人车行驶规律为同一护栏在不同时间段的人流时间信息、车流时间信息和路宽实测信息通过神经网络模型训练得到的。
8.一种网络侧服务端,其特征在于,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如权利要求1至6中任一项所述的种基于护栏的城市交通管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402330.4A CN115691141B (zh) | 2022-11-10 | 2022-11-10 | 一种基于护栏的城市交通管理方法和系统及网络侧服务端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402330.4A CN115691141B (zh) | 2022-11-10 | 2022-11-10 | 一种基于护栏的城市交通管理方法和系统及网络侧服务端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115691141A CN115691141A (zh) | 2023-02-03 |
CN115691141B true CN115691141B (zh) | 2024-01-30 |
Family
ID=85050797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211402330.4A Active CN115691141B (zh) | 2022-11-10 | 2022-11-10 | 一种基于护栏的城市交通管理方法和系统及网络侧服务端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115691141B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN211506738U (zh) * | 2020-02-26 | 2020-09-15 | 强永 | 一种基于车路协同城市的智能交通调节系统 |
CN112053559A (zh) * | 2020-08-25 | 2020-12-08 | 浙江省机电设计研究院有限公司 | 一种高速公路安全态势评估方法及评估系统 |
CN113256969A (zh) * | 2021-04-30 | 2021-08-13 | 济南金宇公路产业发展有限公司 | 一种高速公路的交通事故预警方法、设备及介质 |
WO2021169174A1 (zh) * | 2020-02-29 | 2021-09-02 | 深圳壹账通智能科技有限公司 | 道路拥堵程度预测方法、装置、计算机设备及可读存储介质 |
WO2022152026A1 (zh) * | 2021-01-12 | 2022-07-21 | 中兴通讯股份有限公司 | 交通拥堵检测方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-10 CN CN202211402330.4A patent/CN115691141B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN211506738U (zh) * | 2020-02-26 | 2020-09-15 | 强永 | 一种基于车路协同城市的智能交通调节系统 |
WO2021169174A1 (zh) * | 2020-02-29 | 2021-09-02 | 深圳壹账通智能科技有限公司 | 道路拥堵程度预测方法、装置、计算机设备及可读存储介质 |
CN112053559A (zh) * | 2020-08-25 | 2020-12-08 | 浙江省机电设计研究院有限公司 | 一种高速公路安全态势评估方法及评估系统 |
WO2022152026A1 (zh) * | 2021-01-12 | 2022-07-21 | 中兴通讯股份有限公司 | 交通拥堵检测方法、装置、电子设备及存储介质 |
CN113256969A (zh) * | 2021-04-30 | 2021-08-13 | 济南金宇公路产业发展有限公司 | 一种高速公路的交通事故预警方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115691141A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11113961B2 (en) | Driver behavior monitoring | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
EP4152204A1 (en) | Lane line detection method, and related apparatus | |
CN102768801B (zh) | 基于视频的机动车绿灯跟进违章行为的检测方法 | |
CN110717433A (zh) | 一种基于深度学习的交通违规分析方法及装置 | |
CN108701396B (zh) | 一种车前积雪与结冰的检测报警方法、存储介质和服务器 | |
CN103824452A (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
EP3403219A1 (en) | Driver behavior monitoring | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN110197589A (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN113706737B (zh) | 基于自动驾驶车辆的路面巡检系统及方法 | |
CN109191830A (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN109615866A (zh) | 基于互联网的交通路况监控系统 | |
CN111915883A (zh) | 一种基于车载摄像的道路交通状况检测方法 | |
CN109544940A (zh) | 基于三目视觉的公交车专用道占道抓拍系统及其抓拍方法 | |
CN112687103A (zh) | 基于车联网技术的车辆变道的检测方法及系统 | |
CN116128360A (zh) | 道路交通拥堵等级评估方法、装置、电子设备及存储介质 | |
JP3502156B2 (ja) | 交通監視システム | |
CN110930715A (zh) | 一种非机动车闯红灯识别方法、系统及违章处理平台 | |
CN111427063B (zh) | 一种移动装置通行控制方法、装置、设备、系统及介质 | |
CN115691141B (zh) | 一种基于护栏的城市交通管理方法和系统及网络侧服务端 | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
Zhang et al. | Machine learning and computer vision-enabled traffic sensing data analysis and quality enhancement | |
CN114693722A (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN114333331A (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及系统 |
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 |