CN116363865A - 交通拥堵评估方法、装置、电子设备及存储介质 - Google Patents
交通拥堵评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116363865A CN116363865A CN202211658118.4A CN202211658118A CN116363865A CN 116363865 A CN116363865 A CN 116363865A CN 202211658118 A CN202211658118 A CN 202211658118A CN 116363865 A CN116363865 A CN 116363865A
- Authority
- CN
- China
- Prior art keywords
- lane
- queuing
- image
- line
- congestion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 241000283070 Equus zebra Species 0.000 claims description 24
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 240000004050 Pentaglottis sempervirens Species 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及图像处理技术领域,具体涉及一种交通拥堵评估方法、装置、电子设备及存储介质。其中,方法包括:获取当前道路对应的图像帧序列,并确定出图像帧序列对应的各个车道;从停止线开始统计各个车道中的排队车辆,并计算排队车辆中的队尾车辆通过停止线的通行时长;根据各个通行时长以及当前道路的信号灯周期时长,计算各个车道对应的排队时间指数;根据各个排队时间指数,对当前道路的拥堵状况进行评估。通过上述方法,在无需获取各个车辆的速度及无需人工参与的情况下,实现对交通拥堵状况的判定,方便有效,节省时间成本和人力成本,提高评估准确性。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种交通拥堵评估方法、装置、电子设备及存储介质。
背景技术
现阶段,随着城市人口的扩张和汽车保有量的增加,许多大城市的交通拥堵问题日渐严重。多地政府积极寻求治理拥堵的对策,而城市道路实时交通拥堵评价是城市智能交通系统的一个重要的前提和组成,是动态导航和交通诱导的基础。交通管理者可根据实时获取的信息判断城市道路拥堵路况,进行实时交通诱导,疏散交通流,进而减少道路负荷和降低交通拥挤发生的概率。
现有的交通拥堵评价方法,通常通过速度建立交通拥堵预测模型,并且采用模糊推理的方式来获取最终的拥堵指标,实现对交通拥堵进行评价。由于这种评价方法,需要车端的数据才可以准确获取车辆的速度,导致车辆的速度通常难以获取,并且模糊推理的规则也是人为去指定的,导致得到的最终结果不准确。
发明内容
本申请实施例提供一种交通拥堵评估方法、装置、电子设备及存储介质,用于解决当前交通拥堵评估方法依赖各个车辆的速度,并且需要人工参与而导致的评估结果不准确的问题。
第一方面,本申请提供了一种交通拥堵评估方法,所述方法包括:
获取当前道路对应的图像帧序列,并确定出所述图像帧序列对应的各个车道;
从停止线开始统计所述各个车道中的排队车辆,并计算各个车道中的所述排队车辆的队尾车辆通过所述停止线的通行时长;
根据各个通行时长以及对应的各个车道的信号灯周期时长,计算所述各个车道对应的排队时间指数;
根据各个排队时间指数,对所述当前道路的拥堵状况进行评估。
通过上述方法,在无需获取各个车辆的速度及无需人工参与的情况下,实现对交通拥堵状况的判定,方便有效,节省时间成本和人力成本,提高评估准确性。
在一种可能的实施例中,所述确定出所述图像帧序列对应的各个车道,包括:
在所述图像帧序列的各帧图像中分割出车道线,其中,所述车道线包括车道边线和停车线;
将各个车道线进行融合,得到所述图像帧序列对应的完整车道线;
在鸟瞰图视角下,通过所述完整车道线,划分出各个车道。
通过上述方法,可以实现基于摄像头采集的图像帧序列,准确的划分出当前道路场景下的各个车道。
在一种可能的实施例中,所述将各个车道线进行融合,得到所述图像帧序列对应的完整车道线,包括:
通过计算所述图像帧序列中的当前帧图像与前一帧图像的车道线交并比,在所述前一帧图像中确定出与所述当前帧图像任一车道线对应的同一车道线;
将所述前一帧图像与所述当前帧图像中的同一车道线进行融合,并将融合结果进行缓存,得到缓存结果;
将所述图像帧序列中下一帧图像与所述缓存结果中的同一车道线进行融合,并将融合结果进行缓存,得到更新后的缓存结果,直到得到所述完整车道线。
通过上述方法,综合多帧分割结果得到一个完整的车道线和斑马线实例,避免了由于车辆遮挡造成车道线和斑马线不完整情况,以使更加准确地划分车道以及判断车辆是否经过停止线。
在一种可能的实施例中,所述在鸟瞰图视角下,通过所述完整车道线,划分出各个车道,包括:
基于斑马线在真实世界中的先验信息,对所述完整车道线和所述图像帧序列中的图像信息进行坐标转换,得到鸟瞰视图信息,其中,所述先验信息为组成斑马线的白实线互相平行;
通过所述鸟瞰视图信息中的完整车道线信息,在所述鸟瞰视图信息中划分出各个车道。
通过上述方法,利用斑马线在真实世界的尺寸和形状的先验信息,将整个场景转换到鸟瞰视角下进行计算,不需要相机参数也能够准确地划分车道以及统计车辆从静止到通过停止线的时长。
在一种可能的实施例中,从停止线开始统计所述各个车道中的排队车辆,并计算所述排队车辆中的队尾车辆通过所述停止线的通行时长,包括:
从停止线开始计数,判断所述各个车道中的前后两车之间的车距是否小于预设阈值;
若是,则确定所述前后两车属于排队车辆;
在所述各个车道的所有排队车辆中确定出处于静止状态的队尾车辆,并记录第一当前时间戳;
对各个队尾车辆进行跟踪,并将各个队尾车辆通过停止线的第二当前时间戳与第一时间戳之间的时间差,作为各个队尾车辆通过停止线的通行时长。
通过上述方法,在无需人工参与,并且无需获取各个车辆的车速的情况下,可以计算出在道路拥挤时,排队车辆中的队尾车辆通过停止线所消耗的时间。
在一种可能的实施例中,所述根据各个通行时长以及所述当前道路的信号灯周期时长,计算所述各个车道对应的排队时间指数,包括:
检测出所述图像帧序列中各帧图像的信号灯,以及所述信号灯的状态,其中,所述信号灯的状态包括红灯和绿灯;
在所述图像帧序列中的任意相邻两帧图像信号灯的状态不同时,记录所述任意两帧相邻图像的时间戳;
根据记录的各个时间戳及所述各个时间戳对应的信号灯状态,确定出各个车道的信号灯周期时长;
求取各个通行时长与对应的各个车道的信号灯周期时长之间的比值,并将各个比值作为所述各个车道对应的排队时间指数。
通过上述方法,在无需人工参与,并且无需获取车辆速度的情况下,结合信号灯周期时长各个车道排队的队尾车辆通过停止线的通行时长,计算出各个车道的排队时间指数。
在一种可能的实施例中,所述根据各个排队时间指数,对所述当前道路的拥堵状况进行评估,包括:
对所述各个排队时间指数进行排序,得到最大排队时间指数;
根据所述最大时间指数所处的范围,确定所述当前道路对应的拥堵等级,其中,所述拥堵等级包括畅通、轻度拥堵、中度拥堵及严重拥堵中的至少一个。
通过上述方法,在无需人工参与,并且无需获取车辆速度的情况下,根据各个车道的排队时间指数,对当前道路的拥堵程度进行评估。
第二方面,本申请提供了一种交通拥堵评估装置,所述装置包括:
确定模块,用于获取当前道路对应的图像帧序列,并确定出所述图像帧序列对应的各个车道;
计算模块,用于从停止线开始统计所述各个车道中的排队车辆,并计算各个车道中的所述排队车辆的队尾车辆通过所述停止线的通行时长;根据各个通行时长以及对应的各个车道的信号灯周期时长,计算所述各个车道对应的排队时间指数;
评估模块,用于根据各个排队时间指数,对所述当前道路的拥堵状况进行评估。
在一种可能的实施例中,所述确定模块具体用于:
在所述图像帧序列的各帧图像中分割出车道线,其中,所述车道线包括车道边线和停车线;
将各个车道线进行融合,得到所述图像帧序列对应的完整车道线;
在鸟瞰图视角下,通过所述完整车道线,划分出各个车道。
在一种可能的实施例中,所述确定模块还用于:
通过计算所述图像帧序列中的当前帧图像与前一帧图像的车道线交并比,在所述前一帧图像中确定出与所述当前帧图像任一车道线对应的同一车道线;
将所述前一帧图像与所述当前帧图像中的同一车道线进行融合,并将融合结果进行缓存,得到缓存结果;
将所述图像帧序列中下一帧图像与所述缓存结果中的同一车道线进行融合,并将融合结果进行缓存,得到更新后的缓存结果,直到得到所述完整车道线。
在一种可能的实施例中,所述确定模块还用于:
基于斑马线在真实世界中的先验信息,对所述完整车道线和所述图像帧序列中的图像信息进行坐标转换,得到鸟瞰视图信息,其中,所述先验信息为组成斑马线的白实线互相平行;
通过所述鸟瞰视图信息中的完整车道线信息,在所述鸟瞰视图信息中划分出各个车道。
在一种可能的实施例中,所述计算模块具体用于:
从停止线开始计数,判断所述各个车道中的前后两车之间的车距是否小于预设阈值;
若是,则确定所述前后两车属于排队车辆;
在所述各个车道的所有排队车辆中确定出处于静止状态的队尾车辆,并记录第一当前时间戳;
对各个队尾车辆进行跟踪,并将各个队尾车辆通过停止线的第二当前时间戳与第一时间戳之间的时间差,作为各个队尾车辆通过停止线的通行时长。
在一种可能的实施例中,所述计算模块还用于:
检测出所述图像帧序列中各帧图像的信号灯,以及所述信号灯的状态,其中,所述信号灯的状态包括红灯和绿灯;
在所述图像帧序列中的任意相邻两帧图像信号灯的状态不同时,记录所述任意两帧相邻图像的时间戳;
根据记录的各个时间戳及所述各个时间戳对应的信号灯状态,确定出各个车道的信号灯周期时长;
求取各个通行时长与对应的各个车道的信号灯周期时长之间的比值,并将各个比值作为所述各个车道对应的排队时间指数。
在一种可能的实施例中,所述评估模块具体用于:
对所述各个排队时间指数进行排序,得到最大排队时间指数;
根据所述最大时间指数所处的范围,确定所述当前道路对应的拥堵等级,其中,所述拥堵等级包括畅通、轻度拥堵、中度拥堵及严重拥堵中的至少一个。
第三方面,本申请提供一种电子设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行第一方面中任一项所述的交通拥堵评估方法包括的步骤。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时,使所述计算机执行第一方面中任一项所述的交通拥堵评估方法。
上述第二方面至第四方面中的各个方面以及各个方面可能达到的技术效果参照上述针对第一方面或者第一方面中的各种可能方案可以达到的技术效果说明,这里不再重复赘述。
附图说明
图1为本申请实施例提供的一种可能的应用场景示意图;
图2为本申请实施例提供的一种交通拥堵评估方法的流程图;
图3为本申请实施例提供的一种排队车辆示例图;
图4为本申请实施例提供的一种交通拥堵评估装置的结构图;
图5为本申请实施例提供的一种电子设备的结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以按不同于此处的顺序执行所示出或描述的步骤。
本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请中的“多个”可以表示至少两个,例如可以是两个、三个或者更多个,本申请实施例不做限制。
为便于本领域技术人员理解,首先对本申请实施例涉及的部分名词及术语进行简要地阐述、说明,如下所述:
实例分割:实例分割是指将图像中不同类别的像素区分到不同实例中,同一类别的像素具有不同的实例标签。
遮罩Mask:可对目标和背景进行区分的掩码,目标值为1,背景值为0。
透视变换:3d世界到2d图像上的变换。
信号控制周期:信号灯的红灯时长加上绿灯时长。
最大排队时间指数:路口车道中车辆首次停车到通过停止线的时长比上信号灯周期时长的最大值。参考中华人民共和国公共安全行业标准道路交通拥堵度评估方法。
进一步,基于上述名词及相关术语解释,下面将对本申请的设计思路作进一步阐述、说明,具体如下:
现有的交通拥堵评估方法,通常通过速度建立交通拥堵预测模型,并且采用模糊推理的方式来获取最终的拥堵指标,实现对交通拥堵进行评估。由于这种评估方法,需要车端的数据才可以准确获取车辆的速度,导致车辆的速度通常难以获取,并且模糊推理的规则也是人为去指定的,没有统一的标准,导致得到的最终结果不准确。
为了解决上述问题,本申请实施例提供了一种交通拥堵评估方法、装置、电子设备及存储介质。通过检测信号灯状态获取信号灯周期时长,通过场景分割方法获取车辆和车道线mask信息,并加入车道线融合机制,综合多帧分割结果得到一个完整的车道线实例,避免了由于车辆遮挡造成车道线不完整,无法准确划分车道线问题。为了更加准确地判断车辆是否通过停止线,通过斑马线真实形状尺寸的先验信息进行坐标转换,设定斑马线内白实线的坐标使之相互平行,从而将整个场景转换到鸟瞰视角下,进一步,在该鸟瞰视角下统计车辆从静止到经过停止线的时长,结合信号灯周期时长计算排队时间指数,评估道路拥堵程度。通过这种方式,在无需获取各个车辆的速度及无需人工参与的情况下,实现对交通拥堵状况的判定,方便有效,节省时间成本和人力成本,提高评估准确性。
基于上述技术效果,以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请实施例及实施例中的特征可以互相组合。
如图1所示,为本申请实施例提供的一种可能的应用场景示意图,该应用场景包括:目标终端(101a,101b)和服务器102。其中,目标终端(101a,101b)和服务器102之间可通过通信网络进行信息交互,所述通信网络采用的通信方式可包括:无线通信方式和有线通信方式。
示例性的,目标终端(101a,101b)可通过蜂窝移动通信技术接入网络,与服务器102进行通信,所述蜂窝移动通信技术,包括第五代移动通信(5th Generation MobileNetworks,5G)技术。
示例性的,目标终端(101a,101b)可通过短距离无线通信方式接入网络,与服务器102进行通信,所述短距离无线通信方式,包括无线保真(Wireless Fidelity,Wi-Fi)技术。
本申请实施例对上述设备的数量不做任何限制,如图1所示,仅以目标终端(101a,101b)和服务器102为例进行描述,下面对上述各设备及其各自的功能进行简要介绍。
目标终端(101a,101b)是一种可以向用户提供语音和/或数据连通性的设备,包括:具有无线连接功能的手持式终端设备、车载终端设备等。
示例性的,目标终端(101a,101b)包括但不限于:手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(Mobile Internet Device,MID)、可穿戴设备,虚拟现实(VirtualReality,VR)设备、增强现实(Augmented Reality,AR)设备、工业控制中的无线终端设备、无人驾驶中的无线终端设备、智能电网中的无线终端设备、运输安全中的无线终端设备、智慧城市中的无线终端设备,或智慧家庭中的无线终端设备等。
此外,目标终端(101a,101b)上可以安装有交通拥堵评估相关的客户端,该客户端可以是软件(例如,APP、浏览器、短视频软件等),也可以是网页、小程序等。在本申请实施例中,目标终端(101a,101b)可以使用上述APP兼容性检测相关的客户端,并且能够与服务器102之间进行交通拥堵评估相关的信息交互。
进一步的,服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
进一步的,在本申请实施例中,上述服务器102可以搭载有与上述客户端对应的交通拥堵评估业务平台,该交通拥堵评估业务平台用于执行交通拥堵评估业务。
基于上述应用场景,下面将结合参考附图,对本申请实施例所提供的交通拥堵评估方法进行阐述及说明,如图2所示,为本申请实施例提供一种交通拥堵评估方法,具体包括如下步骤:
S201,获取当前道路对应的图像帧序列,并确定出图像帧序列对应的各个车道;
在本申请实施例中,在获取到当前道路对应的图像帧序列后,进一步,在图像帧序列的各帧图像中分割出车道线,其中,车道线包括车道边线和停车线。接着,将各个车道线进行融合,得到图像帧序列对应的完整车道线,具体融合方法为:
首先,通过计算图像帧序列中的当前帧图像与前一帧图像的车道线交并比,在前一帧图像中确定出与当前帧图像任一车道线对应的同一车道线。
举例来讲,图像帧序列中当前帧图像为图像A,图像A的前一帧图像为图像B,其中,在图像A中存在a1、a2两条车道线,在图像B中存在b1、b2两条车道线,分别计算a1、a2两条车道线与b1、b2两条车道线之间的交并比,两两计算交并比的车道线对分别为(a1,b1)、(a1,b2)、(a2,b1)、(a2,b2),得到的4个交并比结果分别为s1、s2、s3、s4。在这4个结果中,若s1>s2,那么可以确认车道线a1与b1为同一车道线,进一步可得a2与b2也为同一条车道线。
然后,将前一帧图像与当前帧图像中的同一车道线进行融合,并将融合结果进行缓存,得到缓存结果;并将图像帧序列中下一帧图像与缓存结果中的同一车道线进行融合,并将融合结果进行缓存,得到更新后的缓存结果,直到得到完整车道线。
举例来讲,摄像头采集的图像帧序列有100帧图像,在获取到第2帧图像时,将第2帧图像与第1帧图像中的同一车道线进行融合,得到缓存结果。然后,在获取到第3帧图像时,将第3帧图像与缓存结果之间的同一车道线进行融合,并将得到的融合结果缓存,接着处理第4、5、···帧图像,直到100帧图像全部融合完成,得到完整车道线。
最后,在鸟瞰图视角下,通过上述完整车道线,划分出各个车道。
具体的,基于斑马线在真实世界中的先验信息,对上述完整车道线和图像帧序列中的图像信息进行坐标转换,得到鸟瞰视图信息,其中,先验信息为组成斑马线的白实线互相平行。例如,检测出斑马线内相邻两根白实线的四个角点,设定这四个角点坐标,使之成为平行四边形或者矩形,从而将整个图像中的车辆和车道线转换到鸟瞰视角下,虽然该尺寸并非与真实世界尺寸一致,但并不影响时长的统计。进一步,通过鸟瞰视图信息中的完整车道线信息,在鸟瞰视图信息中划分出各个车道。
S202,从停止线开始统计各个车道中的排队车辆,并计算各个车道中的排队车辆的队尾车辆通过停止线的通行时长;
在划分出各个车道以后,从鸟瞰视图信息中的停止线开始,统计各个车道中的排队车辆,具体来讲:从停止线开始计数,判断各个车道中的前后两车之间的车距是否小于预设阈值;若小于预设阈值,则确定该前后两车属于排队车辆,通过这种方式,可以确定出各个车道的排队车辆。
进一步,在各个车道的所有排队车辆中确定出处于静止状态的队尾车辆,并记录第一当前时间戳,并对各个队尾车辆进行跟踪,并将各个队尾车辆通过停止线的第二当前时间戳与第一时间戳之间的时间差,作为各个队尾车辆通过停止线的通行时长。
举例来讲,参考图3,图3中的车道内有C1、C2、C3、C4四辆汽车,车辆C1与车辆C2之间的距离为d1,车辆C2与车辆C3之间的距离为d2,车辆C3与车辆C4之间的距离为d3,其中,d1、d2小于预设阈值,d3大于预设阈值,因此,车辆C1、C2、C3为排队车辆。在队尾车辆C3处于静止状态时,开始记录当前时间戳t1,并将队尾车辆C3通过停止线时,记录当前时间戳t2,那么,队尾车辆C3通过停止线的通行时长为t=t2-t1。
S203,根据各个通行时长以及对应的各个车道的信号灯周期时长,计算各个车道对应的排队时间指数;
在计算出各个车道当前排队车辆中的队尾车辆通过停止线的通行时长以后,进一步,检测出图像帧序列中各帧图像的信号灯,以及信号灯的状态,其中,信号灯的状态包括红灯和绿灯;然后,检测图像帧序列中任意相邻的两帧图像之间信号灯的状态是否相同,并在图像帧序列中的任意相邻两帧图像信号灯的状态不同时,记录所述任意两帧相邻图像的时间戳。然后,根据记录的各个时间戳及各个时间戳对应的信号灯状态,确定出当前道路各个车道的信号灯周期时长。
举例来讲,当前图像帧序列包括50帧图像,其中,第1-15帧图像中目标车道的信号灯为绿灯,第16-20帧图像中的信号灯为黄灯,第21-35帧图像中的信号灯为红灯,第36-50帧图像中的信号灯为绿灯。那么可以记录第21帧图像信号灯的状态及对应的时间戳T1,以及第36帧图像信号灯的状态及对应的时间戳T2。此时,根据第21帧图像信号灯的状态及对应的时间戳T1,以及第36帧图像信号灯的状态及对应的时间戳T2,可以确定出目标车道信号灯周期时长为T=T2-T1。
在确定出当前道路各个车道的信号灯周期时长之后,进一步,求取各个通行时长与对应的各个车道的信号灯周期时长之间的比值,并将各个比值作为各个车道对应的排队时间指数。比如,各个车道中的目标车道对应的队尾车辆通过停止线的通行时长为t,那么可以计算出目标车道的排队时间指数为Q=t/T。
S204,根据各个排队时间指数,对各个车道的拥堵状况进行评估。
在计算出各个车道对应的排队时间指数之后,进一步,根据各个排队指数对各个车道的拥堵状况进行评估,具体来讲:
首先,对各个排队时间指数进行排序,得到最大排队时间指数,比如,当前各个车道对应的排队时间指数分别为Q1、Q2、Q3,并且Q1>Q2>Q3,那么可以确定出最大排队时间指数为Q1。
然后,根据最大时间指数所处的范围,确定当前道路对应的拥堵等级,在本申请实施例中,拥堵等级是根据道路拥堵评估标准来确定的,具体包括畅通、轻度拥堵、中度拥堵及严重拥堵。
具体的,在最大排队时间指数处于0-55时,确定当前道路处于畅通状态;在最大排队时间指数处于55-100时,确定当前道路处于轻度拥堵状态;在最大排队时间指数处于100-145时,确定当前道路处于中度拥堵状态;在最大排队时间指数大于145时,确定当前道路处于严重拥堵状态。
基于上述交通拥堵评估方法,在无需获取车端数据,以及无需人工参与的情况下,能够以较低的成本、直观有效地计算最大排队时间指数指标,进而实现对当前道路的拥挤情况进行评估。
并且,利用斑马线在真实世界的尺寸和形状的先验信息,设定转换后斑马线内多段白实线角点坐标,使之相互平行,从而将整个场景转换到鸟瞰视角下进行计算。该转换方法不需要相机参数也能够准确地划分车道以及统计车辆从静止到通过停止线的时长。
此外,分割车道线时,将当前帧的车道线分割结果与前一帧的车道线分割结果进行融合,通过两个实例的mask交并比匹配目标,取匹配上的两个车道线mask的并集作为融合后的结果,之后每一帧与该融合结果进行合并,综合多帧分割结果得到一个完整的车道线和斑马线实例,避免了由于车辆遮挡造成车道线和斑马线不完整情况,能够更加准确地划分车道以及判断车辆是否经过停止线。
基于同一发明构思,本申请实施例提供一种交通拥堵评估装置,请参照图4,该装置包括:
确定模块401,用于获取当前道路对应的图像帧序列,并确定出所述图像帧序列对应的各个车道;
计算模块402,用于从停止线开始统计所述各个车道中的排队车辆,并计算各个车道中的所述排队车辆的队尾车辆通过所述停止线的通行时长;根据各个通行时长以及对应的各个车道的信号灯周期时长,计算所述各个车道对应的排队时间指数;
评估模块403,用于根据各个排队时间指数,对所述当前道路的拥堵状况进行评估。
在一种可能的实施例中,所述确定模块401具体用于:
在所述图像帧序列的各帧图像中分割出车道线,其中,所述车道线包括车道边线和停车线;
将各个车道线进行融合,得到所述图像帧序列对应的完整车道线;
在鸟瞰图视角下,通过所述完整车道线,划分出各个车道。
在一种可能的实施例中,所述确定模块401还用于:
通过计算所述图像帧序列中的当前帧图像与前一帧图像的车道线交并比,在所述前一帧图像中确定出与所述当前帧图像任一车道线对应的同一车道线;
将所述前一帧图像与所述当前帧图像中的同一车道线进行融合,并将融合结果进行缓存,得到缓存结果;
将所述图像帧序列中下一帧图像与所述缓存结果中的同一车道线进行融合,并将融合结果进行缓存,得到更新后的缓存结果,直到得到所述完整车道线。
在一种可能的实施例中,所述确定模块401还用于:
基于斑马线在真实世界中的先验信息,对所述完整车道线和所述图像帧序列中的图像信息进行坐标转换,得到鸟瞰视图信息,其中,所述先验信息为组成斑马线的白实线互相平行;
通过所述鸟瞰视图信息中的完整车道线信息,在所述鸟瞰视图信息中划分出各个车道。
在一种可能的实施例中,所述计算模块402具体用于:
从停止线开始计数,判断所述各个车道中的前后两车之间的车距是否小于预设阈值;
若是,则确定所述前后两车属于排队车辆;
在所述各个车道的所有排队车辆中确定出处于静止状态的队尾车辆,并记录第一当前时间戳;
对各个队尾车辆进行跟踪,并将各个队尾车辆通过停止线的第二当前时间戳与第一时间戳之间的时间差,作为各个队尾车辆通过停止线的通行时长。
在一种可能的实施例中,所述计算模块402还用于:
检测出所述图像帧序列中各帧图像的信号灯,以及所述信号灯的状态,其中,所述信号灯的状态包括红灯和绿灯;
在所述图像帧序列中的任意相邻两帧图像信号灯的状态不同时,记录所述任意两帧相邻图像的时间戳;
根据记录的各个时间戳及所述各个时间戳对应的信号灯状态,确定出各个车道的信号灯周期时长;
求取各个通行时长与对应的各个车道的信号灯周期时长之间的比值,并将各个比值作为所述各个车道对应的排队时间指数。
在一种可能的实施例中,所述评估模块403具体用于:
对所述各个排队时间指数进行排序,得到最大排队时间指数;
根据所述最大时间指数所处的范围,确定所述当前道路对应的拥堵等级,其中,所述拥堵等级包括畅通、轻度拥堵、中度拥堵及严重拥堵中的至少一个。
基于上述交通拥堵评估装置,在无需获取车端数据,以及无需人工参与的情况下,能够以较低的成本、直观有效地计算最大排队时间指数指标,进而实现对当前道路的拥挤情况进行评估。
并且,利用斑马线在真实世界的尺寸和形状的先验信息,设定转换后斑马线内多段白实线角点坐标,使之相互平行,从而将整个场景转换到鸟瞰视角下进行计算。该转换方法不需要相机参数也能够准确地划分车道以及统计车辆从静止到通过停止线的时长。
此外,分割车道线时,将当前帧的车道线分割结果与前一帧的车道线分割结果进行融合,通过两个实例的mask交并比匹配目标,取匹配上的两个车道线mask的并集作为融合后的结果,之后每一帧与该融合结果进行合并,综合多帧分割结果得到一个完整的车道线和斑马线实例,避免了由于车辆遮挡造成车道线和斑马线不完整情况,能够更加准确地划分车道以及判断车辆是否经过停止线。
基于同一发明构思,本申请实施例中还提供了一种电子设备,所述电子设备可以实现前述交通拥堵评估方法装置的功能,参考图5,所述电子设备包括:
至少一个处理器501,以及与至少一个处理器501连接的存储器502,本申请实施例中不限定处理器501与存储器502之间的具体连接介质,图5中是以处理器501和存储器502之间通过总线500连接为例。总线500在图5中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线500可以分为地址总线、数据总线、控制总线等,为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。或者,处理器501也可以称为控制器,对于名称不做限制。
在本申请实施例中,存储器502存储有可被至少一个处理器501执行的指令,至少一个处理器501通过执行存储器502存储的指令,可以执行前文论述交通拥堵评估方法。处理器501可以实现图4所示的装置中各个模块的功能。
其中,处理器501是该装置的控制中心,可以利用各种接口和线路连接整个该控制设备的各个部分,通过运行或执行存储在存储器502内的指令以及调用存储在存储器502内的数据,该装置的各种功能和处理数据,从而对该装置进行整体监控。
在一种可能的设计中,处理器501可包括一个或多个处理单元,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。在一些实施例中,处理器501和存储器502可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器501可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的交通拥堵评估方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器502作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器502可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等。存储器502是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器502还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
通过对处理器501进行设计编程,可以将前述实施例中介绍的交通拥堵评估方法所对应的代码固化到芯片内,从而使芯片在运行时能够执行图2所示的实施例的交通拥堵评估方法的步骤。如何对处理器501进行设计编程为本领域技术人员所公知的技术,这里不再赘述。
基于同一发明构思,本申请实施例提供一种计算机可读存储介质,计算机程序产品包括:计算机程序代码,当计算机程序代码在计算机上运行时,使得计算机执行如前文论述任一的交通拥堵评估方法。由于上述计算机可读存储介质解决问题的原理与交通拥堵评估方法相似,因此上述计算机可读存储介质的实施可以参见方法的实施,重复之处不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程交通拥堵评估设备的处理器以产生一个机器,使得通过计算机或其他可编程交通拥堵评估设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程交通拥堵评估设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程交通拥堵评估设备上,使得在计算机或其他可编程设备上执行一系列用户操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种交通拥堵评估方法,其特征在于,所述方法包括:
获取当前道路对应的图像帧序列,并确定出所述图像帧序列对应的各个车道;
从停止线开始统计所述各个车道中的排队车辆,并计算各个车道中的所述排队车辆的队尾车辆通过所述停止线的通行时长;
根据各个通行时长以及对应的各个车道的信号灯周期时长,计算所述各个车道对应的排队时间指数;
根据各个排队时间指数,对所述当前道路的拥堵状况进行评估。
2.如权利要求1所述的方法,其特征在于,所述确定出所述图像帧序列对应的各个车道,包括:
在所述图像帧序列的各帧图像中分割出车道线,其中,所述车道线包括车道边线和停车线;
将各个车道线进行融合,得到所述图像帧序列对应的完整车道线;
在鸟瞰图视角下,通过所述完整车道线,划分出各个车道。
3.如权利要求2所述的方法,其特征在于,所述将各个车道线进行融合,得到所述图像帧序列对应的完整车道线,包括:
通过计算所述图像帧序列中的当前帧图像与前一帧图像的车道线交并比,在所述前一帧图像中确定出与所述当前帧图像任一车道线对应的同一车道线;
将所述前一帧图像与所述当前帧图像中的同一车道线进行融合,并将融合结果进行缓存,得到缓存结果;
将所述图像帧序列中下一帧图像与所述缓存结果中的同一车道线进行融合,并将融合结果进行缓存,得到更新后的缓存结果,直到得到所述完整车道线。
4.如权利要求2所述的方法,其特征在于,所述在鸟瞰图视角下,通过所述完整车道线,划分出各个车道,包括:
基于斑马线在真实世界中的先验信息,对所述完整车道线和所述图像帧序列中的图像信息进行坐标转换,得到鸟瞰视图信息,其中,所述先验信息为组成斑马线的白实线互相平行;
通过所述鸟瞰视图信息中的完整车道线信息,在所述鸟瞰视图信息中划分出各个车道。
5.如权利要求1所述的方法,其特征在于,从停止线开始统计所述各个车道中的排队车辆,并计算各个车道中的所述排队车辆的队尾车辆通过所述停止线的通行时长,包括:
从停止线开始计数,判断所述各个车道中的前后两车之间的车距是否小于预设阈值;
若是,则确定所述前后两车属于排队车辆;
在所述各个车道的所有排队车辆中确定出处于静止状态的队尾车辆,并记录第一当前时间戳;
对各个队尾车辆进行跟踪,并将各个队尾车辆通过停止线的第二当前时间戳与第一时间戳之间的时间差,作为各个队尾车辆通过停止线的通行时长。
6.如权利要求1所述的方法,其特征在于,所述根据各个通行时长以及对应的各个车道的信号灯周期时长,计算所述各个车道对应的排队时间指数,包括:
检测出所述图像帧序列中各帧图像的信号灯,以及所述信号灯的状态,其中,所述信号灯的状态包括红灯和绿灯;
在所述图像帧序列中的任意相邻两帧图像信号灯的状态不同时,记录所述任意两帧相邻图像的时间戳;
根据记录的各个时间戳及所述各个时间戳对应的信号灯状态,确定出各个车道的信号灯周期时长;
求取各个通行时长与对应的各个车道的信号灯周期时长之间的比值,并将各个比值作为所述各个车道对应的排队时间指数。
7.如权利要求1所述的方法,其特征在于,所述根据各个排队时间指数,对所述当前道路的拥堵状况进行评估,包括:
对所述各个排队时间指数进行排序,得到最大排队时间指数;
根据所述最大时间指数所处的范围,确定所述当前道路对应的拥堵等级,其中,所述拥堵等级包括畅通、轻度拥堵、中度拥堵及严重拥堵中的至少一个。
8.一种交通拥堵评估装置,其特征在于,所述方法包括:
确定模块,用于获取当前道路对应的图像帧序列,并确定出所述图像帧序列对应的各个车道;
计算模块,用于从停止线开始统计所述各个车道中的排队车辆,并计算各个车道中所述排队车辆的队尾车辆通过所述停止线的通行时长;根据各个通行时长以及对应的各个车道的信号灯周期时长,计算所述各个车道对应的排队时间指数;
评估模块,用于根据各个排队时间指数,对所述当前道路的拥堵状况进行评估。
9.一种电子设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行权利要求1-7中任一项所述的方法包括的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时,使所述计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211658118.4A CN116363865A (zh) | 2022-12-22 | 2022-12-22 | 交通拥堵评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211658118.4A CN116363865A (zh) | 2022-12-22 | 2022-12-22 | 交通拥堵评估方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116363865A true CN116363865A (zh) | 2023-06-30 |
Family
ID=86940775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211658118.4A Pending CN116363865A (zh) | 2022-12-22 | 2022-12-22 | 交通拥堵评估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116363865A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437581A (zh) * | 2023-12-20 | 2024-01-23 | 神思电子技术股份有限公司 | 基于图像语义分割和视角缩放的机动车拥堵长度计算方法 |
-
2022
- 2022-12-22 CN CN202211658118.4A patent/CN116363865A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437581A (zh) * | 2023-12-20 | 2024-01-23 | 神思电子技术股份有限公司 | 基于图像语义分割和视角缩放的机动车拥堵长度计算方法 |
CN117437581B (zh) * | 2023-12-20 | 2024-03-01 | 神思电子技术股份有限公司 | 基于图像语义分割和视角缩放的机动车拥堵长度计算方法 |
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 | |
US9396548B2 (en) | Multi-cue object detection and analysis | |
CN109087510B (zh) | 交通监测方法及装置 | |
WO2021036243A1 (zh) | 识别车道的方法、装置及计算设备 | |
CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
CN110379172A (zh) | 交通规则的生成方法及装置、存储介质、电子装置 | |
CN111507278A (zh) | 一种检测路障的方法、装置及计算机设备 | |
CN116363865A (zh) | 交通拥堵评估方法、装置、电子设备及存储介质 | |
CN111353342B (zh) | 肩头识别模型训练方法、装置、人数统计方法、装置 | |
CN113160272B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN112863195A (zh) | 车辆状态的确定方法及装置 | |
CN115019242B (zh) | 一种交通场景的异常事件检测方法、装置和处理设备 | |
CN113902047B (zh) | 图像元素匹配方法、装置、设备以及存储介质 | |
CN112507964B (zh) | 用于车道级事件的检测方法和装置、路侧设备和云控平台 | |
CN116486472A (zh) | 监控视频的群体行为识别方法以及系统 | |
CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
CN114359862A (zh) | 一种信号灯识别方法、装置、电子设备和存储介质 | |
CN113823095B (zh) | 交通状态的确定方法、装置、存储介质及电子装置 | |
CN109063675A (zh) | 车流密度计算方法、系统、终端及计算机可读存储介质 | |
CN114202733A (zh) | 一种基于视频的交通故障检测方法及设备 | |
Channa et al. | Traffic Violation Detection Using Background Subtraction Technique | |
CN116721135A (zh) | 面向车路协同自动驾驶的毫米波雷达点云配准方法及装置 | |
CN114373001A (zh) | 一种雷达和图像的联合标定方法及装置 | |
CN118042433A (zh) | 车辆间通讯方法、装置、电子设备和可读存储介质 | |
Kumari et al. | Smart Traffic Signal Control System Using Artificial Intelligence |
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 |