CN116386343A - 一种基于智慧园区的车辆违规抓拍方法 - Google Patents
一种基于智慧园区的车辆违规抓拍方法 Download PDFInfo
- Publication number
- CN116386343A CN116386343A CN202310212439.XA CN202310212439A CN116386343A CN 116386343 A CN116386343 A CN 116386343A CN 202310212439 A CN202310212439 A CN 202310212439A CN 116386343 A CN116386343 A CN 116386343A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- captured
- park
- monitoring
- distance value
- 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 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 106
- 230000003068 static effect Effects 0.000 claims abstract description 59
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000012806 monitoring device Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于智慧园区的车辆违规抓拍方法，包括：在孪生园区内确定监测区域和待抓拍车辆，其中孪生园区是基于数字孪生技术和智慧园区而生成的，获取监测区域每条道路的道路位置坐标及每个车辆的车辆位置坐标，当待抓拍车辆的车辆状态为动态状态时，根据待抓拍车辆的动态距离值和安全制动值实现违规判定，再根据方向夹角及行驶速度，计算所述待抓拍车辆的偏移指数，通过偏移指数判定违规与否，当待抓拍车辆的车辆状态为静态状态时，启动孪生园区的监控组件，利用监控组件实现待抓拍车辆在静态状态下的违规判定，本发明可克服传统方法依赖深度学习算法实现智慧园区的车辆违规判定，造成大量计算资源浪费的问题。
Description
技术领域
本发明涉及智慧园区智能管理技术领域，尤其涉及一种基于智慧园区的车辆违规抓拍方法。
背景技术
智慧园区是指融合新一代信息与通信技术，具备迅捷信息采集、高速信息传输、高度集中计算、智能事务处理和无所不在的服务提供能力的智慧化园区。
目前基于智慧园区的智能化操作很多，如智能抓拍、车牌识别、人脸识别、火灾自动报警等，其中以车辆违规抓拍最为典型。
目前基于智慧园区的车辆违规抓拍方法，主要依赖于智慧园区的监控设备，即通过智慧园区的监控设备内嵌的深度学习检测算法，先识别出智慧园区的车辆，并通过卷积层、池化层等深度学习操作，识别车辆的位置或行驶速度，进而判断车辆在智慧园区内的行驶、停车等是否违规。
基于监控设备内嵌的深度学习算法虽然可是车辆违规抓拍，但共识的，深度学习算法的运行需要消耗大量的计算资源，当智慧园区内的车辆数量增多时，依赖监控设备的深度学习算法受限于监控设备的计算能力，无法及时的实现对车辆违规的判定，从而造成判定不及时或漏判定的现象发生。
发明内容
本发明提供一种基于智慧园区的车辆违规抓拍方法其主要目的在于克服传统方法依赖深度学习算法实现智慧园区的车辆违规判定，会造成大量计算资源浪费的问题。
为实现上述目的，本发明提供的一种基于智慧园区的车辆违规抓拍方法，包括：
接收车辆违规抓拍指令，根据所述车辆违规抓拍指令启动智慧园区的孪生园区，并在孪生园区内确定监测区域和待抓拍车辆，其中孪生园区是基于数字孪生技术和智慧园区而生成的；
获取监测区域每条道路的道路位置坐标，及在道路位置坐标上每个车辆的车辆位置坐标；
确定所述待抓拍车辆的车辆状态，其中车辆状态包括动态状态和静态状态；
当待抓拍车辆的车辆状态为动态状态时，根据监测区域每个车辆的车辆位置坐标，获取与待抓拍车辆距离最近的车辆，得到近距离车辆；
计算所述待抓拍车辆与近距离车辆的动态距离值，并判断所述动态距离值是否大于预设的安全距离值，若所述动态距离值小于安全距离值，则生成待抓拍车辆的违规行驶提示；
若所述动态距离值大于或等于安全距离值，计算所述待抓拍车辆与近距离车辆的制动距离值，并判断所述制动距离值是否大于预设的安全制动值，若所述制动距离值小于安全制动值，则自动触发待抓拍车辆的制动装置，并生成违规行驶提示；
若所述制动距离值大于或等于安全制动值，则提取所述待抓拍车辆所在车道的车道向量；
获取所述待抓拍车辆的行驶向量及行驶速度，计算所述行驶向量及车道向量的方向夹角；
根据所述方向夹角及行驶速度，利用预构建的偏移指数计算公式，计算所述待抓拍车辆的偏移指数，其中所述偏移指数计算公式如下所示：
其中，
表示第i辆待抓拍车辆的偏移指数，/>
表示第i辆待抓拍车辆的行驶速度，
表示行驶时长，/>
表示行驶向量及车道向量的方向夹角；
判断所述偏移指数是否大于预设的偏移阈值；
若所述偏移指数大于所述偏移阈值，则生成待抓拍车辆的违规行驶提示；
若所述偏移指数不大于所述偏移阈值，则生成待抓拍车辆的无违规行驶提示；
当待抓拍车辆的车辆状态为静态状态时，启动孪生园区的监控组件，利用监控组件拍摄待抓拍车辆的静态位置，并基于所述静态位置与道路位置坐标执行比对，实现待抓拍车辆在静态状态下的违规判定。
可选地，所述根据所述车辆违规抓拍指令启动智慧园区的孪生园区，并在孪生园区内确定监测区域和待抓拍车辆，包括：
解析所述车辆违规抓拍指令，其中车辆违规抓拍指令中包括违规监测区域，其中监测区域小于或等于智慧园区；
从车辆违规抓拍指令中获取所述监测区域；
启动所述智慧园区的孪生园区，其中孪生园区是基于数字孪生技术和智慧园区而生成的；
基于孪生园区划分出与监测区域对应的监测园区，从所述监测园区内获取所有的待抓拍车辆，其中获取方法包括：
发起车辆响应指令，并将车辆响应指令发送至监测园区内所有的车辆传感系统内，其中监测园区内每辆车均安装车辆传感系统；
接收每辆车的车辆传感系统根据车辆响应指令所回传的回传响应指令，其中回传响应指令中包括每辆车的车辆外观及车牌号；
根据每辆车的车辆外观及车牌号，选择得到待抓拍车辆。
可选地，所述车辆传感系统包括安装在车辆的摄像头、毫米波雷达、激光雷达、位置定位器、车辆行驶控制系统及车辆运行系统监测器。
可选地，所述获取监测区域每条道路的道路位置坐标，及在道路位置坐标上每个车辆的车辆位置坐标，包括：
从所述监测区域对应的监测园区中获取监测区域内所有的园区组件，其中园区组件包括植被组件、电力器材组件、监控组件及道路组件，且道路组件包括马路组件、标识组件及引导线组件；
从所有园区组件中筛选得到道路组件，并获取每个道路组件的位置坐标，其中位置坐标包括马路位置、标识位置及引导线位置；
汇总监测区域每个道路组件的位置坐标，得到道路位置坐标集；
发起车辆位置定位指令，并将车辆响应指令发送至监测园区内每辆车的位置定位器；
接收每辆车的位置定位器根据车辆位置定位指令所回传的车辆位置响应指令，其中车辆位置响应指令包括在道路位置坐标上，每辆车的车辆位置坐标；
从车辆位置响应指令中提取得到每个车辆的车辆位置坐标。
可选地，所述确定所述待抓拍车辆的车辆状态，包括：
获取待抓拍车辆的车辆传感系统；
从车辆传感系统中索引得到待抓拍车辆的车辆运行系统监测器，其中车辆运行系统监测器包括待抓拍车辆的当前行驶速度和多组历史行驶速度，且历史行驶速度和当前行驶速度的时间间隔不超过3秒；
判断当前行驶速度和多组历史行驶速度是否均为0，若当前行驶速度和多组历史行驶速度均为0，则确定待抓拍车辆的车辆状态为静态状态；
若当前行驶速度和多组历史行驶速度不均为0，则确定待抓拍车辆的车辆状态为动态状态。
可选地，所述计算所述待抓拍车辆与近距离车辆的动态距离值，包括：
根据下式计算得到动态距离值：
其中，
表示待抓拍车辆与近距离车辆的动态距离值，/>
表示待抓拍车辆与近距离车辆的实际距离值，/>
为待抓拍车辆与近距离车辆的相对速度，/>
表示预先设定的待抓拍车辆与近距离车辆的安全时间。
可选地，所述计算所述待抓拍车辆与近距离车辆的制动距离值，包括：
根据下式计算得到制动距离值：
其中，
表示待抓拍车辆与近距离车辆的制动距离值，/>
为制动待抓拍车辆的制动时间，/>
为通过待抓拍车辆的车辆传感系统实现待抓拍车辆制动的延迟时间，/>
为待抓拍车辆的最大减速度，/>
为近距离车辆的最大减速度，/>
为待抓拍车辆的当前行驶速度，
为近距离车辆的当前行驶速度。
可选地，所述自动触发待抓拍车辆的制动装置，包括：
获取待抓拍车辆的车辆传感系统的控制权，其中控制权包括对待抓拍车辆的车辆行驶控制系统的控制；
利用车辆行驶控制系统生成减速指令，并将减速指令传导至待抓拍车辆，从而触发待抓拍车辆的制动装置，其中制动装置包括刹车装置，实现待抓拍车辆的自动制动。
可选地，所述利用监控组件拍摄待抓拍车辆的静态位置，包括：
根据所述待抓拍车辆的车辆位置坐标，确定与所述待抓拍车辆距离值小于指定距离的一个或多个监控组件，其中监控组件是监控设备的数字孪生；
启动与所述监控组件对应的监控设备，拍摄所述待抓拍车辆的静态状态，得到一个或多个视角的车辆静态图；
将一个或多个视角的车辆静态图发送至孪生园区的管理人员的同时，并根据车辆位置坐标，标定出待抓拍车辆在每个车辆静态图中位置，得到待抓拍车辆的静态位置。
可选地，所述将一个或多个视角的车辆静态图发送至孪生园区的管理人员，之后还包括：
接收管理人员根据车辆静态图所发起的是否违停判定；
若管理人员所发起的是已违停判定，则直接生成待抓拍车辆在静态状态下的违停判定提示；
若管理人员所发起的是未违停判定，则进一步通过静态位置与道路位置坐标执行比对。
本发明实施例为解决背景技术所述问题，先根据车辆违规抓拍指令启动智慧园区的孪生园区，并在孪生园区内确定监测区域和待抓拍车辆，可见本发明实施例的应用场景主要依赖数字孪生技术，即利用数字孪生技术生成与智慧园区对应的孪生园区以后，获取监测区域每条道路的道路位置坐标，及在道路位置坐标上每个车辆的车辆位置坐标，由于依赖于数字孪生技术，可及时高效的获取出车辆的车辆位置坐标，重点的，本发明实施例先确定待抓拍车辆的车辆状态，其中车辆状态包括动态状态和静态状态，可见动态状态和静态状态下，对于待抓拍车辆的违规判定是不一样的，其中当待抓拍车辆的车辆状态为动态状态时，根据监测区域每个车辆的车辆位置坐标，获取与待抓拍车辆距离最近的车辆，得到近距离车辆，由于动态状态下，极容易发生车辆速度过高而产生交通风险，传统的方法仅仅是通过智慧园区内的监控设备实现车速预测，当预测的车速大于设定的最大速度时，则测定车辆违规，但由于并未考虑与待抓拍车辆附近的车辆，因此智能程度有待提高，且过于频繁使用监控设备内的深度学习算法检测车辆并实现车速预测，也会造成大量的计算资源消耗，而本发明实施例巧妙的基于动态距离值和制动距离值实现对待抓拍车辆的违规判定，减少了智慧园区的计算压力，在完成对车速的监测后，进一步地，需要对行驶的偏移程度进行确定，通过偏移指数的计算，完成对待抓拍车辆的偏移程度的监测。因此本发明提出的基于智慧园区的车辆违规抓拍方法，可以克服传统方法依赖深度学习算法实现智慧园区的车辆违规判定，会造成大量计算资源浪费的问题。
附图说明
图1为本发明一实施例提供的基于智慧园区的车辆违规抓拍方法的流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1所示，为本发明一实施例提供的基于智慧园区的车辆违规抓拍方法的流程示意图。在本实施例中，所述基于智慧园区的车辆违规抓拍方法包括：
S1、接收车辆违规抓拍指令，根据所述车辆违规抓拍指令启动智慧园区的孪生园区，并在孪生园区内确定监测区域和待抓拍车辆，其中孪生园区是基于数字孪生技术和智慧园区而生成的。
需解释的是，车辆违规抓拍指令一般由智慧园区的管理人员发出。示例性的，小张为某智慧园区的管理人员，现想确定在该智慧园区内是否有违规违行的车辆，因此发起车辆违规抓拍指令。
进一步地，所述根据所述车辆违规抓拍指令启动智慧园区的孪生园区，并在孪生园区内确定监测区域和待抓拍车辆，包括：
解析所述车辆违规抓拍指令，其中车辆违规抓拍指令中包括违规监测区域，其中监测区域小于或等于智慧园区；
从车辆违规抓拍指令中获取所述监测区域；
启动所述智慧园区的孪生园区，其中孪生园区是基于数字孪生技术和智慧园区而生成的；
基于孪生园区划分出与监测区域对应的监测园区，从所述监测园区内获取所有的待抓拍车辆，其中获取方法包括：
发起车辆响应指令，并将车辆响应指令发送至监测园区内所有的车辆传感系统内，其中监测园区内每辆车均安装车辆传感系统；
接收每辆车的车辆传感系统根据车辆响应指令所回传的回传响应指令，其中回传响应指令中包括每辆车的车辆外观及车牌号；
根据每辆车的车辆外观及车牌号，选择得到待抓拍车辆。
示例性的，小张为某智慧园区的管理人员，现想确定在智慧园区东北方向内是否有违规违行的车辆，因此智慧园区东北方向区域即为监测区域。
此外，数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。因此本发明实施例在执行车辆违规抓拍之前，先基于数字孪生技术构建了智慧园区的孪生园区，此构建方法为已公开技术，在此不再赘述。
进一步地，所述车辆传感系统包括安装在车辆的摄像头、毫米波雷达、激光雷达、位置定位器、车辆行驶控制系统及车辆运行系统监测器等，目前是多个维度的获取车辆的所有车辆信息，其中车辆信息包括车辆位置坐标。
S2、获取监测区域每条道路的道路位置坐标，及在道路位置坐标上每个车辆的车辆位置坐标。
详细地，所述获取监测区域每条道路的道路位置坐标，及在道路位置坐标上每个车辆的车辆位置坐标，包括：
从所述监测区域对应的监测园区中获取监测区域内所有的园区组件，其中园区组件包括植被组件、电力器材组件、监控组件及道路组件，且道路组件包括马路组件、标识组件及引导线组件；
从所有园区组件中筛选得到道路组件，并获取每个道路组件的位置坐标，其中位置坐标包括马路位置、标识位置及引导线位置；
汇总监测区域每个道路组件的位置坐标，得到道路位置坐标集；
发起车辆位置定位指令，并将车辆响应指令发送至监测园区内每辆车的位置定位器；
接收每辆车的位置定位器根据车辆位置定位指令所回传的车辆位置响应指令，其中车辆位置响应指令包括在道路位置坐标上，每辆车的车辆位置坐标；
从车辆位置响应指令中提取得到每个车辆的车辆位置坐标。
可理解的是，每个智慧园区均结构复杂，由道路、植被、电力器材、充电区域及监控系统等多个单元组成，因此在生成智慧园区对应的孪生园区时，其对应生成了每个单元的组件，对应包括植被组件、电力器材组件、监控组件及道路组件等。
需解释的是，每辆车所在的道路位置坐标均包含每辆车的车辆位置坐标，即每辆车所在的道路位置坐标的坐标范围，大于或等于每辆车的车辆位置坐标。
此外，道路组件包括马路组件、标识组件及引导线组件，是因为实际道路中由马路、马路上的标识及画在马路上的引导性等组成。
S3、确定所述待抓拍车辆的车辆状态，其中车辆状态包括动态状态和静态状态。
可理解的是，在监测区域内可获取每辆车的车辆外观及车牌号，进而确定出待抓拍车辆，进一步地，本发明实施例需确定待抓拍车辆的车辆状态，从而根据车辆状态判断该车辆是否违规。
详细地，所述确定所述待抓拍车辆的车辆状态，包括：
获取待抓拍车辆的车辆传感系统；
从车辆传感系统中索引得到待抓拍车辆的车辆运行系统监测器，其中车辆运行系统监测器包括待抓拍车辆的当前行驶速度和多组历史行驶速度，且历史行驶速度和当前行驶速度的时间间隔不超过3秒；
判断当前行驶速度和多组历史行驶速度是否均为0，若当前行驶速度和多组历史行驶速度均为0，则确定待抓拍车辆的车辆状态为静态状态；
若当前行驶速度和多组历史行驶速度不均为0，则确定待抓拍车辆的车辆状态为动态状态。
可理解的是，在待抓拍车辆的车辆传感系统包括车辆运行系统监测器，其中车辆运行系统监测器的主要作用在于监测待抓拍车辆的运行过程，如行驶速度、油量、胎压等，因此可从待抓拍车辆的车辆运行系统监测器中获取当前行驶速度和多组历史行驶速度，从而确定待抓拍车辆在当前时刻下的车辆状态。
S4、当待抓拍车辆的车辆状态为动态状态时，根据监测区域每个车辆的车辆位置坐标，获取与待抓拍车辆距离最近的车辆，得到近距离车辆。
可理解的是，可根据数字孪生技术获取每个车辆的车辆位置坐标，从而通过简单的距离判断公式，从而确定出与待抓拍车辆距离最近的车辆，得到近距离车辆。
S5、计算所述待抓拍车辆与近距离车辆的动态距离值，并判断所述动态距离值是否大于预设的安全距离值，若所述动态距离值小于安全距离值，则生成待抓拍车辆的违规行驶提示。
需解释的是，动态距离值并非简单的通过两车的距离计算得到，而是要考虑两车之间的相对速度。详细地，所述计算所述待抓拍车辆与近距离车辆的动态距离值，包括：
根据下式计算得到动态距离值：
其中，
表示待抓拍车辆与近距离车辆的动态距离值，/>
表示待抓拍车辆与近距离车辆的实际距离值，/>
为待抓拍车辆与近距离车辆的相对速度，/>
表示预先设定的待抓拍车辆与近距离车辆的安全时间。
进一步地，本发明实施例判断动态距离值与安全距离值的大小关系，当动态距离值小于安全距离值是，表明待抓拍车辆与近距离车辆之间的危险系数较大，不利于智慧园区的安全，因此生成待抓拍车辆的违规行驶提示，从而使得待抓拍车辆的行驶速度下降。
S6、若所述动态距离值大于或等于安全距离值，计算所述待抓拍车辆与近距离车辆的制动距离值，并判断所述制动距离值是否大于预设的安全制动值，若所述制动距离值小于安全制动值，则自动触发待抓拍车辆的制动装置，并生成违规行驶提示。
进一步地，若动态距离值大于或等于安全距离值，则表明待抓拍车辆与近距离车辆之间的危险系数较低，需进一步判断制动距离值是否满足智慧园区设定的安全制动值。详细地，所述计算所述待抓拍车辆与近距离车辆的制动距离值，包括：
根据下式计算得到制动距离值：
其中，
表示待抓拍车辆与近距离车辆的制动距离值，/>
为制动待抓拍车辆的制动时间，/>
为通过待抓拍车辆的车辆传感系统实现待抓拍车辆制动的延迟时间，/>
为待抓拍车辆的最大减速度，/>
为近距离车辆的最大减速度，/>
为待抓拍车辆的当前行驶速度，
为近距离车辆的当前行驶速度。
可理解的是，根据上述公式可计算得到待抓拍车辆与近距离车辆的制动距离值，当制动距离值小于安全制动值时，表明待抓拍车辆与近距离车辆极其有可能发生碰撞，因此通过智慧园区对应的孪生园区，控制待抓拍车辆的制动装置，详细地，所述自动触发待抓拍车辆的制动装置，包括：
获取待抓拍车辆的车辆传感系统的控制权，其中控制权包括对待抓拍车辆的车辆行驶控制系统的控制；
利用车辆行驶控制系统生成减速指令，并将减速指令传导至待抓拍车辆，从而触发待抓拍车辆的制动装置，其中制动装置包括刹车装置，实现待抓拍车辆的自动制动。
需解释的是，本发明实施例所述的触发车辆制动装置，并非直接让车辆紧急刹车，而是适当控制待抓拍车辆在智慧园区的行驶速度，防止因行驶速度过高而产生交通风险。
S7、若所述制动距离值大于或等于安全制动值，则提取所述待抓拍车辆所在车道的车道向量；
可理解的是，当动态距离值大于或等于安全制动值，则表明在待抓拍车辆的行驶前后无靠近车辆，因此属于合理行驶空间，此时需要进一步判断待抓牌车辆的偏移程度。
可解释的，所述车道向量指车道的标准行驶方向的单位向量，每个车道的车道向量可以预先设定，例如：道路的右半车道的车道向量与驾驶员的面向方向基本一致，所以右半车道的允许行驶方向为驾驶员的面向方向。又如：当所述右半车道是南北朝向，且行驶方向为自北向南时，所述车道方向为正南方向。
进一步的，在交汇路口的车道向量可能存在交叉。
S8、获取所述待抓拍车辆的行驶向量及行驶速度，计算所述行驶向量及车道向量的方向夹角。
应明白的，所述行驶向量为所述待抓拍车辆行驶方向的单位向量，随着车辆的行驶实时发生方向的变化，可以根据车辆行驶前后位置确定。当待抓拍车辆处于逆行时，所述方向夹角大于90度。
S9、根据所述方向夹角及行驶速度，利用预构建的偏移指数计算公式，计算所述待抓拍车辆的偏移指数。
可解释的，所述偏移指数指待抓牌车辆偏离允许行驶方向的程度。偏移指数越大，偏离程度越大。
详细的，所述偏移指数计算公式如下所示：
其中，
表示第i辆待抓拍车辆的偏移指数，/>
表示第i辆待抓拍车辆的行驶速度，
表示行驶时长，/>
表示行驶向量及车道向量的方向夹角。
可理解的，当所述方向夹角小于等于90度时，表明待抓拍车辆在靠右的道路行驶，但可能与车道向量方向存在偏移，为了限制待抓牌车辆驶出靠右车道，应对待抓拍车辆累计的偏移指数进行计算。当进入交汇路口时，车道向量应与原先的车道向量保持连贯性。
进一步地，当所述方向夹角大于90度时，表明待抓拍车辆处于逆行状态，此时待抓牌车辆的行驶距离越远，则偏移程度越大。
S10、判断所述偏移指数是否大于预设的偏移阈值。
可理解的，由于存在拐弯、变道等车辆行驶情况，因此所述偏移指数可以允许存在，但应该限制在一定的阈值，否则可能存在车辆碰撞的危险。
若所述偏移指数大于所述偏移阈值，则执行S11、生成待抓拍车辆的违规行驶提示。
可理解的，当所述偏移指数大于所述偏移阈值，表示待抓拍车辆存在较大的危险。因此需要生成违规行驶提示。
若所述偏移指数不大于所述偏移阈值，则执行S12、生成待抓拍车辆的无违规行驶提示。
S13、当待抓拍车辆的车辆状态为静态状态时，启动孪生园区的监控组件，利用监控组件拍摄待抓拍车辆的静态位置，并基于所述静态位置与道路位置坐标执行比对，实现待抓拍车辆在静态状态下的违规判定。
详细地，所述利用监控组件拍摄待抓拍车辆的静态位置，包括：
根据所述待抓拍车辆的车辆位置坐标，确定与所述待抓拍车辆距离值小于指定距离的一个或多个监控组件，其中监控组件是监控设备的数字孪生；
启动与所述监控组件对应的监控设备，拍摄所述待抓拍车辆的静态状态，得到一个或多个视角的车辆静态图；
将一个或多个视角的车辆静态图发送至孪生园区的管理人员的同时，并根据一个或多个视角的车辆静态图及车辆位置坐标，生成待抓拍车辆的静态位置。
可理解的是，智慧园区中安置了多个监控设备，且每个监控设备之间相互协作，可以监控到智慧园区的每一个角落。因此本发明实施例启动待抓拍车辆附近的一个或多个监控设备，实现对待抓拍车辆的拍摄。
进一步地，所述根据一个或多个视角的车辆静态图及车辆位置坐标，生成待抓拍车辆的静态位置，包括：
根据车辆位置坐标，标定出待抓拍车辆在每个车辆静态图中位置，得到待抓拍车辆的静态位置。
可理解的是，本发明实施例通过所生成的车辆静态图，计算出待抓拍车辆是否违规停车，相比于直接利用监控设备内嵌的深度学习检测算法来说，更加节约资源。
需理解的是，所述将一个或多个视角的车辆静态图发送至孪生园区的管理人员，之后还包括：
接收管理人员根据车辆静态图所发起的是否违停判定；
若管理人员所发起的是已违停判定，则直接生成待抓拍车辆在静态状态下的违停判定提示；
若管理人员所发起的是未违停判定，则进一步通过静态位置与道路位置坐标执行比对。
总结来说，根据上述技术步骤，可实现智慧园区内的车辆的违规判定。
本发明实施例为解决背景技术所述问题，先根据车辆违规抓拍指令启动智慧园区的孪生园区，并在孪生园区内确定监测区域和待抓拍车辆，可见本发明实施例的应用场景主要依赖数字孪生技术，即利用数字孪生技术生成与智慧园区对应的孪生园区以后，获取监测区域每条道路的道路位置坐标，及在道路位置坐标上每个车辆的车辆位置坐标，由于依赖于数字孪生技术，可及时高效的获取出车辆的车辆位置坐标，重点的，本发明实施例先确定待抓拍车辆的车辆状态，其中车辆状态包括动态状态和静态状态，可见动态状态和静态状态下，对于待抓拍车辆的违规判定是不一样的，其中当待抓拍车辆的车辆状态为动态状态时，根据监测区域每个车辆的车辆位置坐标，获取与待抓拍车辆距离最近的车辆，得到近距离车辆，由于动态状态下，极容易发生车辆速度过高而产生交通风险，传统的方法仅仅是通过智慧园区内的监控设备实现车速预测，当预测的车速大于设定的最大速度时，则测定车辆违规，但由于并未考虑与待抓拍车辆附近的车辆，因此智能程度有待提高，且过于频繁使用监控设备内的深度学习算法检测车辆并实现车速预测，也会造成大量的计算资源消耗，而本发明实施例巧妙的基于动态距离值和制动距离值实现对待抓拍车辆的违规判定，减少了智慧园区的计算压力，在完成对车速的监测后，进一步地，需要对行驶的偏移程度进行确定，通过偏移指数的计算，完成对待抓拍车辆的偏移程度的监测。因此本发明提出的基于智慧园区的车辆违规抓拍方法，可以克服传统方法依赖深度学习算法实现智慧园区的车辆违规判定，会造成大量计算资源浪费的问题。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于智慧园区的车辆违规抓拍方法，其特征在于，所述方法包括：
接收车辆违规抓拍指令，根据所述车辆违规抓拍指令启动智慧园区的孪生园区，并在孪生园区内确定监测区域和待抓拍车辆，其中孪生园区是基于数字孪生技术和智慧园区而生成的；
获取监测区域每条道路的道路位置坐标，及在道路位置坐标上每个车辆的车辆位置坐标；
确定所述待抓拍车辆的车辆状态，其中车辆状态包括动态状态和静态状态；
当待抓拍车辆的车辆状态为动态状态时，根据监测区域每个车辆的车辆位置坐标，获取与待抓拍车辆距离最近的车辆，得到近距离车辆；
计算所述待抓拍车辆与近距离车辆的动态距离值，并判断所述动态距离值是否大于预设的安全距离值，若所述动态距离值小于安全距离值，则生成待抓拍车辆的违规行驶提示；
若所述动态距离值大于或等于安全距离值，计算所述待抓拍车辆与近距离车辆的制动距离值，并判断所述制动距离值是否大于预设的安全制动值，若所述制动距离值小于安全制动值，则自动触发待抓拍车辆的制动装置，并生成违规行驶提示；
若所述制动距离值大于或等于安全制动值，则提取所述待抓拍车辆所在车道的车道向量；
获取所述待抓拍车辆的行驶向量及行驶速度，计算所述行驶向量及车道向量的方向夹角；
根据所述方向夹角及行驶速度，利用预构建的偏移指数计算公式，计算所述待抓拍车辆的偏移指数，其中所述偏移指数计算公式如下所示：
其中，
表示第i辆待抓拍车辆的偏移指数，/>
表示第i辆待抓拍车辆的行驶速度，/>
表示行驶时长，/>
表示行驶向量及车道向量的方向夹角；
判断所述偏移指数是否大于预设的偏移阈值；
若所述偏移指数大于所述偏移阈值，则生成待抓拍车辆的违规行驶提示；
若所述偏移指数不大于所述偏移阈值，则生成待抓拍车辆的无违规行驶提示；
当待抓拍车辆的车辆状态为静态状态时，启动孪生园区的监控组件，利用监控组件拍摄待抓拍车辆的静态位置，并基于所述静态位置与道路位置坐标执行比对，实现待抓拍车辆在静态状态下的违规判定。
2.如权利要求1所述的车辆违规抓拍方法，其特征在于，所述根据所述车辆违规抓拍指令启动智慧园区的孪生园区，并在孪生园区内确定监测区域和待抓拍车辆，包括：
解析所述车辆违规抓拍指令，其中车辆违规抓拍指令中包括违规监测区域，其中监测区域小于或等于智慧园区；
从车辆违规抓拍指令中获取所述监测区域；
启动所述智慧园区的孪生园区，其中孪生园区是基于数字孪生技术和智慧园区而生成的；
基于孪生园区划分出与监测区域对应的监测园区，从所述监测园区内获取所有的待抓拍车辆，其中获取方法包括：
发起车辆响应指令，并将车辆响应指令发送至监测园区内所有的车辆传感系统内，其中监测园区内每辆车均安装车辆传感系统；
接收每辆车的车辆传感系统根据车辆响应指令所回传的回传响应指令，其中回传响应指令中包括每辆车的车辆外观及车牌号；
根据每辆车的车辆外观及车牌号，选择得到待抓拍车辆。
3.如权利要求2所述的车辆违规抓拍方法，其特征在于，所述车辆传感系统包括安装在车辆的摄像头、毫米波雷达、激光雷达、位置定位器、车辆行驶控制系统及车辆运行系统监测器。
4.如权利要求3所述的车辆违规抓拍方法，其特征在于，所述获取监测区域每条道路的道路位置坐标，及在道路位置坐标上每个车辆的车辆位置坐标，包括：
从所述监测区域对应的监测园区中获取监测区域内所有的园区组件，其中园区组件包括植被组件、电力器材组件、监控组件及道路组件，且道路组件包括马路组件、标识组件及引导线组件；
从所有园区组件中筛选得到道路组件，并获取每个道路组件的位置坐标，其中位置坐标包括马路位置、标识位置及引导线位置；
汇总监测区域每个道路组件的位置坐标，得到道路位置坐标集；
发起车辆位置定位指令，并将车辆响应指令发送至监测园区内每辆车的位置定位器；
接收每辆车的位置定位器根据车辆位置定位指令所回传的车辆位置响应指令，其中车辆位置响应指令包括在道路位置坐标上，每辆车的车辆位置坐标；
从车辆位置响应指令中提取得到每个车辆的车辆位置坐标。
5.如权利要求4所述的车辆违规抓拍方法，其特征在于，所述确定所述待抓拍车辆的车辆状态，包括：
获取待抓拍车辆的车辆传感系统；
从车辆传感系统中索引得到待抓拍车辆的车辆运行系统监测器，其中车辆运行系统监测器包括待抓拍车辆的当前行驶速度和多组历史行驶速度，且历史行驶速度和当前行驶速度的时间间隔不超过3秒；
判断当前行驶速度和多组历史行驶速度是否均为0，若当前行驶速度和多组历史行驶速度均为0，则确定待抓拍车辆的车辆状态为静态状态；
若当前行驶速度和多组历史行驶速度不均为0，则确定待抓拍车辆的车辆状态为动态状态。
6.如权利要求5所述的车辆违规抓拍方法，其特征在于，所述计算所述待抓拍车辆与近距离车辆的动态距离值，包括：
根据下式计算得到动态距离值：
其中，
表示待抓拍车辆与近距离车辆的动态距离值，/>
表示待抓拍车辆与近距离车辆的实际距离值，/>
为待抓拍车辆与近距离车辆的相对速度，/>
表示预先设定的待抓拍车辆与近距离车辆的安全时间。
7.如权利要求6所述的车辆违规抓拍方法，其特征在于，所述计算所述待抓拍车辆与近距离车辆的制动距离值，包括：
根据下式计算得到制动距离值：
其中，
表示待抓拍车辆与近距离车辆的制动距离值，/>
为制动待抓拍车辆的制动时间，/>
为通过待抓拍车辆的车辆传感系统实现待抓拍车辆制动的延迟时间，/>
为待抓拍车辆的最大减速度，/>
为近距离车辆的最大减速度，/>
为待抓拍车辆的当前行驶速度，/>
为近距离车辆的当前行驶速度。
8.如权利要求7所述的车辆违规抓拍方法，其特征在于，所述自动触发待抓拍车辆的制动装置，包括：
获取待抓拍车辆的车辆传感系统的控制权，其中控制权包括对待抓拍车辆的车辆行驶控制系统的控制；
利用车辆行驶控制系统生成减速指令，并将减速指令传导至待抓拍车辆，从而触发待抓拍车辆的制动装置，其中制动装置包括刹车装置，实现待抓拍车辆的自动制动。
9.如权利要求8所述的车辆违规抓拍方法，其特征在于，所述利用监控组件拍摄待抓拍车辆的静态位置，包括：
根据所述待抓拍车辆的车辆位置坐标，确定与所述待抓拍车辆距离值小于指定距离的一个或多个监控组件，其中监控组件是监控设备的数字孪生；
启动与所述监控组件对应的监控设备，拍摄所述待抓拍车辆的静态状态，得到一个或多个视角的车辆静态图；
将一个或多个视角的车辆静态图发送至孪生园区的管理人员的同时，并根据车辆位置坐标，标定出待抓拍车辆在每个车辆静态图中位置，得到待抓拍车辆的静态位置。
10.如权利要求9所述的车辆违规抓拍方法，其特征在于，所述将一个或多个视角的车辆静态图发送至孪生园区的管理人员，之后还包括：
接收管理人员根据车辆静态图所发起的是否违停判定；
若管理人员所发起的是已违停判定，则直接生成待抓拍车辆在静态状态下的违停判定提示；
若管理人员所发起的是未违停判定，则进一步通过静态位置与道路位置坐标执行比对。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310212439.XA CN116386343A (zh) | 2023-03-07 | 2023-03-07 | 一种基于智慧园区的车辆违规抓拍方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310212439.XA CN116386343A (zh) | 2023-03-07 | 2023-03-07 | 一种基于智慧园区的车辆违规抓拍方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116386343A true CN116386343A (zh) | 2023-07-04 |
Family
ID=86962463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310212439.XA Pending CN116386343A (zh) | 2023-03-07 | 2023-03-07 | 一种基于智慧园区的车辆违规抓拍方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116386343A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058885A (zh) * | 2023-10-11 | 2023-11-14 | 广州扬名信息科技有限公司 | 一种车况信息反馈共享服务系统 |
-
2023
- 2023-03-07 CN CN202310212439.XA patent/CN116386343A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058885A (zh) * | 2023-10-11 | 2023-11-14 | 广州扬名信息科技有限公司 | 一种车况信息反馈共享服务系统 |
| CN117058885B (zh) * | 2023-10-11 | 2023-12-08 | 广州扬名信息科技有限公司 | 一种车况信息反馈共享服务系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110264783B (zh) | 基于车路协同的车辆防碰撞预警系统及方法 | |
| CN110675656B (zh) | 一种基于瞬时风险识别的智能车辆换道预警方法 | |
| CN109559532B (zh) | 高速公路出口分流区车路协同安全预警控制方法 | |
| CN106133805B (zh) | 用于碰撞回避的驾驶辅助方法和系统 | |
| CN115214661A (zh) | 基于目标车辆的驾驶样式的协同自适应巡航控制系统 | |
| CN109050530B (zh) | 一种巡航加速控制系统及方法 | |
| CN113192331B (zh) | 一种网联环境下面向骑行安全的智能预警系统及预警方法 | |
| CN112512887B (zh) | 一种行驶决策选择方法以及装置 | |
| US11042160B2 (en) | Autonomous driving trajectory determination device | |
| US20180273048A1 (en) | Vehicle lane direction detection | |
| CN112912883B (zh) | 一种仿真方法以及相关设备 | |
| CN116386343A (zh) | 一种基于智慧园区的车辆违规抓拍方法 | |
| CN114387821B (zh) | 车辆碰撞预警方法、装置、电子设备和存储介质 | |
| CN117022323A (zh) | 一种智能驾驶车辆行为分析与预测系统及方法 | |
| Damerow et al. | Intersection warning system for occlusion risks using relational local dynamic maps | |
| CN110648547A (zh) | 运输基础设施通信和控制 | |
| US20220179423A1 (en) | Vehicle controls based on reliability values calculated from infrastructure information | |
| CN116978200A (zh) | 一种针对高速违法车辆进行监控和预警的方法和系统 | |
| CN112216137A (zh) | 一种车用道路指示标志识别系统与方法 | |
| CN114396958B (zh) | 基于多车道多传感器的车道定位方法、系统及车辆 | |
| CN108648479B (zh) | 一种利用电子地图实时提醒夜间团雾路段的装置及方法 | |
| CN117075526B (zh) | 自动驾驶车辆的远程控制方法和装置 | |
| CN110853372A (zh) | 一种智能限速报警方法及其装置 | |
| CN115457679B (zh) | 基于行车监测的互动方法、设备及介质 | |
| CN112124307B (zh) | 一种车辆危险行为的防控方法、装置、系统及存储介质 |
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 |