CN116434153A - 一种拥堵事件识别方法及装置 - Google Patents
一种拥堵事件识别方法及装置 Download PDFInfo
- Publication number
- CN116434153A CN116434153A CN202310118332.9A CN202310118332A CN116434153A CN 116434153 A CN116434153 A CN 116434153A CN 202310118332 A CN202310118332 A CN 202310118332A CN 116434153 A CN116434153 A CN 116434153A
- Authority
- CN
- China
- Prior art keywords
- congestion
- target vehicle
- detection result
- preset
- congestion detection
- 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 63
- 238000001514 detection method Methods 0.000 claims abstract description 157
- 238000013145 classification model Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种拥堵事件识别方法及装置,涉及交通运输技术领域。该方法根据目标车辆上报的当前轨迹点,判断目标车辆是否满足预设的拥堵触发条件;若目标车辆满足预设的拥堵触发条件,则从目标车辆的图像采集设备中获取目标车辆在行驶过程中采集的当前道路图像;根据目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果;根据当前道路图像进行拥堵检测,得到第二拥堵检测结果;根据第一拥堵检测结果和第二拥堵检测结果,确定目标车辆是否存在拥堵事件。从而,判断车辆拥堵更加精准,避免了误判情况,提高了拥堵事件的识别效率,用户也可实施精准地掌握目标车辆的形式情况。
Description
技术领域
本发明涉及交通运输技术领域,具体而言,涉及一种拥堵事件识别方法及装置。
背景技术
随着我国交通运输行业的逐步发展,货运主对货运时效的提升和异常情况监控越来越关注,然而在高速道路运输货物时,常常会产生高速拥堵情况,货运主希望能知道能在货车出现拥堵时实时被通知到,以减小延迟送到对客户的影响。
在现有获知运输过程中拥堵情况时,在管理车辆较少的运输团队中,可以通过货车司机直接通知管理人员来完成拥堵事件的通知;但是在管理车辆较多的情况下,必须能通过自动识别的方式监控车辆,在发生拥堵事件时,实时上报。传统的方法是:通过GPS设备实时上报货车的车速,通过车速识别是否处于拥堵状况,但是单纯的依赖速度判断准确率很低,因为司机经常在应急车道/服务区/收费站临时停车/缓行,在匝道、靠近服务区、收费站等特殊位置,一般都行驶缓慢,但是并非拥堵。因为高速行驶中的种种场景过多,导致单纯依赖速度去判断的准确率非常低。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种拥堵事件识别方法及装置,以解决现有技术中拥堵判断准确率低等问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种拥堵事件识别方法,所述方法包括:
根据目标车辆上报的当前轨迹点,判断所述目标车辆是否满足预设的拥堵触发条件;
若所述目标车辆满足预设的所述拥堵触发条件,则从所述目标车辆的图像采集设备中获取所述目标车辆在行驶过程中采集的当前道路图像;
根据所述目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果;
根据所述当前道路图像进行拥堵检测,得到第二拥堵检测结果;
根据所述第一拥堵检测结果和所述第二拥堵检测结果,确定所述目标车辆是否存在拥堵事件。
可选地,所述根据目标车辆上报的当前轨迹点,判断所述目标车辆是否满足预设的拥堵触发条件,包括:
根据所述当前轨迹点,判断所述目标车辆是否满足进入拥堵逻辑状态的条件;
若所述目标车辆满足进入拥堵逻辑状态的条件,则根据所述目标车辆的历史轨迹点,确定所述目标车辆是否满足进入可能拥堵状态的条件;
若所述目标车辆满足进入可能拥堵状态的条件,则确定所述目标车辆满足所述预设的拥堵触发条件。
可选地,所述根据所述当前轨迹点,判断所述目标车辆是否满足进入拥堵逻辑状态的条件,包括:
判断所述当前轨迹点的速度是否小于预设的拥堵速度阈值;
若所述当前轨迹点的速度小于所述拥堵速度阈值,则确定所述目标车辆满足进入拥堵逻辑状态的条件。
可选地,所述根据所述目标车辆的历史轨迹点,确定所述目标车辆是否满足进入可能拥堵状态的条件,包括:
确定各个历史轨迹点中缓行轨迹点的占比,以及所述缓行轨迹点的时间跨度;其中,所述缓行轨迹点为速度小于或等于拥堵速度阈值的轨迹点;
若所述缓行轨迹点的占比大于预设的拥堵占比阈值,且,所述时间跨度大于预设的拥堵触发时长阈值,则确定所述目标车辆满足进入可能拥堵状态的条件。
可选地,所述根据所述目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果,包括:
采用预设的地图检测算法,将所述目标车辆的连续轨迹点的信息吸附至预设路段的道路网络中,并根据所述预设路段的平均时速进行拥堵检测,得到所述第一拥堵检测结果。
可选地,所述根据所述当前道路图像进行拥堵检测,得到第二拥堵检测结果,包括:
采用预设的视觉检测算法,对所述当前道路图像进行识别,得到所述目标车辆所在的车道、所述目标车辆的相邻车道、所述目标车辆之前的车辆数量以及距离,并根据所述目标车辆所在的车道、所述目标车辆的相邻车道、所述目标车辆之前的车辆数量以及距离进行拥堵检测,得到所述第二拥堵检测结果。
可选地,所述根据所述第一拥堵检测结果和所述第二拥堵检测结果,确定所述目标车辆是否存在拥堵事件,包括:
根据所述目标车辆的多种行驶特征,采用预设的拥堵检测分类模型进行拥堵检测,得到所述目标车辆的目标拥堵检测结果,所述目标拥堵检测结果用于指示所述目标车辆是否存在拥堵事件;
其中,所述多种行驶特征至少包括:所述第一拥堵检测结果和所述第二拥堵检测结果。
可选地,所述多种行驶特征至少还包括:所述当前轨迹点的时间、所述目标车辆是否处于预设感兴趣道路区域、道路类型、隧道类型、所述目标车辆进入拥堵逻辑状态时的速度、所述目标车辆的平均速度、所述目标车辆的最高速度。
可选地,所述方法还包括:
若所述目标车辆存在拥堵事件,则确定所述目标车辆处于开始拥堵状态;
若检测到所述目标车辆在预设连续时间段的速度大于预设的拥堵速度阈值,或者所述目标车辆已不存在拥堵事件,则确定所述目标车辆处于拥堵结束状态。
第一方面,本申请实施例提供一种拥堵事件识别装置,所述装置包括:
判断模块,用于根据目标车辆上报的当前轨迹点,判断所述目标车辆是否满足预设的拥堵触发条件;
获取模块,用于若所述目标车辆满足预设的所述拥堵触发条件,则从所述目标车辆的图像采集设备中获取所述目标车辆在行驶过程中采集的当前道路图像;
第一检测模块,用于根据所述目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果;
第二检测模块,用于根据所述当前道路图像进行拥堵检测,得到第二拥堵检测结果;
确定模块,用于根据所述第一拥堵检测结果和所述第二拥堵检测结果,确定所述目标车辆是否存在拥堵事件。
相对于现有技术而言,本申请具有以下有益效果:
本申请提供一种拥堵事件识别方法及装置,该方法根据目标车辆上报的当前轨迹点,判断目标车辆是否满足预设的拥堵触发条件;若目标车辆满足预设的拥堵触发条件,则从目标车辆的图像采集设备中获取目标车辆在行驶过程中采集的当前道路图像;根据目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果;根据当前道路图像进行拥堵检测,得到第二拥堵检测结果;根据第一拥堵检测结果和第二拥堵检测结果,确定目标车辆是否存在拥堵事件。从而,判断车辆拥堵更加精准,避免了误判情况,提高了拥堵事件的识别效率,用户也可实施精准地掌握目标车辆的形式情况。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种拥堵事件识别方法的流程示意图;
图2为本申请实施例提供的一种拥堵触发条件的判断方法的流程示意图;
图3为本申请实施例提供的一种拥堵逻辑状态的条件的判断方法的流程示意图;
图4为本申请实施例提供的一种可能拥堵状态的条件的判断方法的流程示意图;
图5为本申请实施例提供的另一种拥堵事件识别方法的流程示意图;
图6为本申请实施例提供的一种拥堵事件识别装置的示意图;
图7为本申请实施例提供的一种电子设备的示意图。
图标:601-判断模块、602-获取模块、603-第一检测模块、604-第二检测模块、605-确定模块、701-处理器、702-存储介质。
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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。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,都属于本申请保护的范围。
应注意到:类似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
为提高车辆在行驶过程中的拥堵判断准确率,本申请提供了一种拥堵事件识别方法及装置。并在车辆上安装有定位设备(例如,GPS定位设备),图像采集设备(例如,行车记录设备)。
如下通过具体示例对本申请提供的一种拥堵事件识别方法进行解释说明。图1为本申请实施例提供的一种拥堵事件识别方法的流程示意图,该方法的执行主体可以是电子设备,该电子设备可以为具有计算处理功能的设备,如台式电脑、笔记本电脑等。如图1所示,该方法包括:
S101、根据目标车辆上报的当前轨迹点,判断目标车辆是否满足预设的拥堵触发条件。
实时获取目标车辆定位设备上报的当前轨迹点(例如,每隔10秒获取一次),当前轨迹点包括轨迹点的位置信息、目标车辆的当前速度。进一步地,根据目标车辆上报的当前轨迹点,可以判断目标车辆是否满足预设的拥堵触发条件。
S102、若目标车辆满足预设的拥堵触发条件,则从目标车辆的图像采集设备中获取目标车辆在行驶过程中采集的当前道路图像。
若目标车辆满足预设的拥堵触发条件,则表明目标车辆存在拥堵的可能性,需要进一步地做出判断。则从目标车辆的图像采集设备中获取目标车辆在行驶过程中采集的当前道路图像。
示例地,可以获取图像采集设备采集的预设时长的行车视频,从行车视频中截取图像得到目标车辆在行驶过程中的当前道路图像。预设时长可以为5秒,需要说明的是,从当前道路图像可以识别到目标车辆左前方、正前方以及右前方的道路情况。
S103、根据目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果。
目标车辆的连续轨迹点的信息包含了速度信息,则第一拥堵检测结果表征了根据速度信息做出的拥堵判断。
S104、根据当前道路图像进行拥堵检测,得到第二拥堵检测结果。
当前道路图像包含了目标车辆在行驶过程中的当前道路情况,则第二拥堵检测结果表征了根据当前道路情况做出的拥堵判断。
S105、根据第一拥堵检测结果和第二拥堵检测结果,确定目标车辆是否存在拥堵事件。
综合考虑速度信息、当前道路情况,确定目标车辆是否存在拥堵事件。相较于只根据车辆速度判断车辆是否拥堵,结合速度信息和当前道路情况判断车辆拥堵,更加精准,避免了误判情况,提高了拥堵事件的识别效率,用户也可实施精准地掌握目标车辆的形式情况。
综上,在本实施例中,根据目标车辆上报的当前轨迹点,判断目标车辆是否满足预设的拥堵触发条件;若目标车辆满足预设的拥堵触发条件,则从目标车辆的图像采集设备中获取目标车辆在行驶过程中采集的当前道路图像;根据目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果;根据当前道路图像进行拥堵检测,得到第二拥堵检测结果;根据第一拥堵检测结果和第二拥堵检测结果,确定目标车辆是否存在拥堵事件。从而,判断车辆拥堵更加精准,避免了误判情况,提高了拥堵事件的识别效率,用户也可实施精准地掌握目标车辆的形式情况。
在上述图1对应的实施例的基础上,本申请实施例还提供了一种拥堵触发条件的判断方法。图2为本申请实施例提供的一种拥堵触发条件的判断方法的流程示意图。如图2所示,在S101中的根据目标车辆上报的当前轨迹点,判断目标车辆是否满足预设的拥堵触发条件,包括:
S201、根据当前轨迹点,判断目标车辆是否满足进入拥堵逻辑状态的条件。
当前轨迹点包含了当前位置信息以及当前速度信息,可判断目标车辆是否满足进入拥堵逻辑状态的条件。
S202、若目标车辆满足进入拥堵逻辑状态的条件,则根据目标车辆的历史轨迹点,确定目标车辆是否满足进入可能拥堵状态的条件。
若目标车辆满足进入拥堵逻辑状态的条件,则表明当前道路状态存在拥堵的可能性。进一步地,根据目标车辆的历史轨迹点,确定目标车辆是否满足进入可能拥堵状态的条件。
S203、若目标车辆满足进入可能拥堵状态的条件,则确定目标车辆满足预设的拥堵触发条件。
若目标车辆满足进入可能拥堵状态的条件,则表明出现拥堵的可能性非常大了,需要进一步地精准判断实际的拥堵情况。则确定目标车辆满足预设的拥堵触发条件。
综上,在本实施例中,根据当前轨迹点,判断目标车辆是否满足进入拥堵逻辑状态的条件;若目标车辆满足进入拥堵逻辑状态的条件,则根据目标车辆的历史轨迹点,确定目标车辆是否满足进入可能拥堵状态的条件;若目标车辆满足进入可能拥堵状态的条件,则确定目标车辆满足预设的拥堵触发条件。从而,精准地确定目标车辆是否满足预设的拥堵触发条件。
在上述图2对应的实施例的基础上,本申请实施例还提供了一种拥堵逻辑状态的条件的判断方法。图3为本申请实施例提供的一种拥堵逻辑状态的条件的判断方法的流程示意图。如图3所示,在S201中的根据当前轨迹点,判断目标车辆是否满足进入拥堵逻辑状态的条件,包括:
S301、判断当前轨迹点的速度是否小于预设的拥堵速度阈值。
示例地,若目标车辆当前所处路段为高速公路,则预设的拥堵速度阈值可以为80km/h。
S302、若当前轨迹点的速度小于拥堵速度阈值,则确定目标车辆满足进入拥堵逻辑状态的条件。
若当前轨迹点的速度小于拥堵速度阈值,则表明车速已经比较慢了,可能出现拥堵。因此,确定目标车辆满足进入拥堵逻辑状态的条件,可作进一步地判断。
综上,在本实施例中,判断当前轨迹点的速度是否小于预设的拥堵速度阈值;若当前轨迹点的速度小于拥堵速度阈值,则确定目标车辆满足进入拥堵逻辑状态的条件。从而,精准地确定目标车辆是否满足进入拥堵逻辑状态的条件。
在上述图2对应的实施例的基础上,本申请实施例还提供了一种可能拥堵状态的条件的判断方法。图4为本申请实施例提供的一种可能拥堵状态的条件的判断方法的流程示意图。如图4所示,在S202中的根据目标车辆的历史轨迹点,确定目标车辆是否满足进入可能拥堵状态的条件,包括:
S401、确定各个历史轨迹点中缓行轨迹点的占比,以及缓行轨迹点的时间跨度。
其中,缓行轨迹点为速度小于或等于拥堵速度阈值的轨迹点。
缓行轨迹点的占比以及缓行轨迹点的时间跨度的计算方式如下公式(1)所示。
其中,当第i个轨迹点的速度大于拥堵速度阈值,fl agi=0,当第i个轨迹点的速度小于或等于拥堵速度阈值,fl agi=1,N为统计的轨迹点数量,T为缓行轨迹点的时间跨度。
S402、若缓行轨迹点的占比大于预设的拥堵占比阈值,且,时间跨度大于预设的拥堵触发时长阈值,则确定目标车辆满足进入可能拥堵状态的条件。
若缓行轨迹点的占比大于预设的拥堵占比阈值,且,时间跨度大于预设的拥堵触发时长阈值,表明目标车辆速度较慢的轨迹点较多,且维持时间较长,则表明当前道路状态存在拥堵的可能性。进一步地,确定目标车辆满足进入可能拥堵状态的条件。
综上,在本实施例中,确定各个历史轨迹点中缓行轨迹点的占比,以及缓行轨迹点的时间跨度;其中,缓行轨迹点为速度小于或等于拥堵速度阈值的轨迹点;若缓行轨迹点的占比大于预设的拥堵占比阈值,且,时间跨度大于预设的拥堵触发时长阈值,则确定目标车辆满足进入可能拥堵状态的条件。从而,精准地确定目标车辆是否满足进入可能拥堵状态的条件。
在上述图1对应的实施例的基础上,本申请实施例在S103中的根据目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果,包括:
采用预设的地图检测算法,将目标车辆的连续轨迹点的信息吸附至预设路段的道路网络中,并根据预设路段的平均时速进行拥堵检测,得到第一拥堵检测结果。
示例地,预设路段的平均时速大于拥堵速度阈值,则预设路段的车辆行驶都比较快,则确定第一拥堵检测结果为非拥堵。预设路段的平均时速小于或等于拥堵速度阈值,则预设路段的车辆行驶都比较慢,则确定第一拥堵检测结果为拥堵。
综上,在本实施例中,采用预设的地图检测算法,将目标车辆的连续轨迹点的信息吸附至预设路段的道路网络中,并根据预设路段的平均时速进行拥堵检测,得到第一拥堵检测结果。从而,精准地确定了第一拥堵检测结果。
在上述图1对应的实施例的基础上,本申请实施例在S104中根据当前道路图像进行拥堵检测,得到第二拥堵检测结果,包括:
采用预设的视觉检测算法,对当前道路图像进行识别,得到目标车辆所在的车道、目标车辆的相邻车道、目标车辆之前的车辆数量以及距离,并根据目标车辆所在的车道、目标车辆的相邻车道、目标车辆之前的车辆数量以及距离进行拥堵检测,得到第二拥堵检测结果。
示例地,若目标车辆所在的车道为应急车道时,确定第二拥堵检测结果为非拥堵。
示例地,若目标车辆所在的车道为非应急车道时,且目标车辆的正前方有车辆,且目标车辆的左前方和/或右前方的车辆的行驶状态为快速行驶状态(行驶速度大于拥堵速度阈值),确定第二拥堵检测结果为非拥堵。
示例地,若目标车辆所在的车道为非应急车道时,且目标车辆的正前方有车辆,且目标车辆的行驶状态为缓慢行驶状态或静止状态(行驶速度小于等于拥堵速度阈值),且目标车辆的左前方和/或右前方的车辆的行驶状态为缓慢行驶状态或静止状态(行驶速度小于等于拥堵速度阈值),则确定第二拥堵检测结果为拥堵。
示例地,若目标车辆所在的车道为非应急车道时,且目标车辆的正前方有车辆,且目标车辆的行驶状态为缓慢行驶状态或静止状态(行驶速度小于等于拥堵速度阈值),且目标车辆的正前方存在匝道,则确定第二拥堵检测结果为拥堵。
除上述示例之外的其他情况,都确定第二拥堵检测结果为非拥堵。
综上,在本实施例中,采用预设的视觉检测算法,对当前道路图像进行识别,得到目标车辆所在的车道、目标车辆的相邻车道、目标车辆之前的车辆数量以及距离,并根据目标车辆所在的车道、目标车辆的相邻车道、目标车辆之前的车辆数量以及距离进行拥堵检测,得到第二拥堵检测结果。从而,精准地确定了第二拥堵检测结果。
在上述图1对应的实施例的基础上,本申请实施例在S105中根据第一拥堵检测结果和第二拥堵检测结果,确定目标车辆是否存在拥堵事件,包括:
根据目标车辆的多种行驶特征,采用预设的拥堵检测分类模型进行拥堵检测,得到目标车辆的目标拥堵检测结果,目标拥堵检测结果用于指示目标车辆是否存在拥堵事件。
其中,多种行驶特征至少包括:第一拥堵检测结果和第二拥堵检测结果。
通过预先训练拥堵检测分类模型,并采用预设的拥堵检测分类模型进行拥堵检测,使得结合目标车辆的多种行驶特征的目标车辆的目标拥堵检测结果更加精准。
综上,在本实施例中,根据目标车辆的多种行驶特征,采用预设的拥堵检测分类模型进行拥堵检测,得到目标车辆的目标拥堵检测结果,目标拥堵检测结果用于指示目标车辆是否存在拥堵事件;其中,多种行驶特征至少包括:第一拥堵检测结果和第二拥堵检测结果。从而,精准地确定了目标车辆的目标拥堵检测结果。
在上述实施例的基础上,本申请实施例中的多种行驶特征至少还包括:当前轨迹点的时间、目标车辆是否处于预设感兴趣道路区域、道路类型、隧道类型、目标车辆进入拥堵逻辑状态时的速度、目标车辆的平均速度、目标车辆的最高速度。
示例地,预设感兴趣道路区域包括:服务区、加油站、收费站。道路类型包括(以高速公路为例):高速主路、匝道。隧道类型包括:非隧道、隧道、隧道前的相邻路段、隧道后的相邻路段。
示例地,可采用FM算法模型作为初始模型,并使用预先打标的分类样本进行训练,得到拥堵检测分类模型。
在上述图1对应的实施例的基础上,本申请实施例还提供了另一种拥堵事件识别方法。图5为本申请实施例提供的另一种拥堵事件识别方法的流程示意图。如图5所示,该方法还包括:
S501、若目标车辆存在拥堵事件,则确定目标车辆处于开始拥堵状态。
目标车辆处于开始拥堵状态,则记录目标车辆的当前拥堵数据,将目标车辆的当前拥堵数据保存至数据库,以供用户使用。
S502、若检测到目标车辆在预设连续时间段的速度大于预设的拥堵速度阈值,或者目标车辆已不存在拥堵事件,则确定目标车辆处于拥堵结束状态。
目标车辆在预设连续时间段的速度大于预设的拥堵速度阈值,或者目标车辆已不存在拥堵事件,都已表明目标车辆当前不存在拥堵。则确定目标车辆处于拥堵结束状态。并记录目标车辆的拥堵结束数据,将目标车辆的拥堵结束数据保存至数据库,以供用户使用。
综上,在本实施例中,若目标车辆存在拥堵事件,则确定目标车辆处于开始拥堵状态;若检测到目标车辆在预设连续时间段的速度大于预设的拥堵速度阈值,或者目标车辆已不存在拥堵事件,则确定目标车辆处于拥堵结束状态。从而,使得用户可以精准地获知目标车辆的拥堵情况。
下述对用以执行的本申请所提供的拥堵事件识别装置、服务器及存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图6为本申请实施例提供的一种拥堵事件识别装置的示意图。如图6所示,该装置包括:
判断模块601,用于根据目标车辆上报的当前轨迹点,判断目标车辆是否满足预设的拥堵触发条件。
获取模块602,用于若目标车辆满足预设的拥堵触发条件,则从目标车辆的图像采集设备中获取目标车辆在行驶过程中采集的当前道路图像。
第一检测模块603,用于根据目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果。
第二检测模块604,用于根据当前道路图像进行拥堵检测,得到第二拥堵检测结果。
确定模块605,用于根据第一拥堵检测结果和第二拥堵检测结果,确定目标车辆是否存在拥堵事件。
进一步地,判断模块601,具体用于根据当前轨迹点,判断目标车辆是否满足进入拥堵逻辑状态的条件;若目标车辆满足进入拥堵逻辑状态的条件,则根据目标车辆的历史轨迹点,确定目标车辆是否满足进入可能拥堵状态的条件;若目标车辆满足进入可能拥堵状态的条件,则确定目标车辆满足拥堵触发条件。
进一步地,判断模块601,具体还用于判断当前轨迹点的速度是否小于预设的拥堵速度阈值;若当前轨迹点的速度小于拥堵速度阈值,则确定目标车辆满足进入拥堵逻辑状态的条件。
进一步地,判断模块601,具体还用于确定各个历史轨迹点中缓行轨迹点的占比,以及缓行轨迹点的时间跨度;其中,缓行轨迹点为速度小于或等于拥堵速度阈值的轨迹点;若缓行轨迹点的占比大于预设的拥堵占比阈值,且,时间跨度大于预设的拥堵触发时长阈值,则确定目标车辆满足进入可能拥堵状态的条件。
进一步地,第一检测模块603,具体用于采用预设的地图检测算法,将目标车辆的连续轨迹点的信息吸附至预设路段的道路网络中,并根据预设路段的平均时速进行拥堵检测,得到第一拥堵检测结果。
进一步地,第二检测模块604,具体用于采用预设的视觉检测算法,对当前道路图像进行识别,得到目标车辆所在的车道、目标车辆的相邻车道、目标车辆之前的车辆数量以及距离,并根据目标车辆所在的车道、目标车辆的相邻车道、目标车辆之前的车辆数量以及距离进行拥堵检测,得到第二拥堵检测结果。
进一步地,确定模块605,具体用于根据目标车辆的多种行驶特征,采用预设的拥堵检测分类模型进行拥堵检测,得到目标车辆的目标拥堵检测结果,目标拥堵检测结果用于指示目标车辆是否存在拥堵事件;其中,多种行驶特征至少包括:第一拥堵检测结果和第二拥堵检测结果。
进一步地,确定模块605,具体还用于多种行驶特征至少还包括:当前轨迹点的时间、目标车辆是否处于预设感兴趣道路区域、道路类型、隧道类型、目标车辆进入拥堵逻辑状态时的速度、目标车辆的平均速度、目标车辆的最高速度。
进一步地,确定模块605,还用于若目标车辆存在拥堵事件,则确定目标车辆处于开始拥堵状态;若检测到目标车辆在预设连续时间段的速度大于预设的拥堵速度阈值,或者目标车辆已不存在拥堵事件,则确定目标车辆处于拥堵结束状态。
图7为本申请实施例提供的一种电子设备的示意图,该电子设备可以是具备计算处理功能的设备。
该电子设备包括:处理器701、存储介质702。处理器701和存储介质702通过总线连接。
存储介质702用于存储程序,处理器701调用存储介质702存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种拥堵事件识别方法,其特征在于,所述方法包括:
根据目标车辆上报的当前轨迹点,判断所述目标车辆是否满足预设的拥堵触发条件;
若所述目标车辆满足预设的所述拥堵触发条件,则从所述目标车辆的图像采集设备中获取所述目标车辆在行驶过程中采集的当前道路图像;
根据所述目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果;
根据所述当前道路图像进行拥堵检测,得到第二拥堵检测结果;
根据所述第一拥堵检测结果和所述第二拥堵检测结果,确定所述目标车辆是否存在拥堵事件。
2.根据权利要求1所述的方法,其特征在于,所述根据目标车辆上报的当前轨迹点,判断所述目标车辆是否满足预设的拥堵触发条件,包括:
根据所述当前轨迹点,判断所述目标车辆是否满足进入拥堵逻辑状态的条件;
若所述目标车辆满足进入拥堵逻辑状态的条件,则根据所述目标车辆的历史轨迹点,确定所述目标车辆是否满足进入可能拥堵状态的条件;
若所述目标车辆满足进入可能拥堵状态的条件,则确定所述目标车辆满足所述预设的拥堵触发条件。
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前轨迹点,判断所述目标车辆是否满足进入拥堵逻辑状态的条件,包括:
判断所述当前轨迹点的速度是否小于预设的拥堵速度阈值;
若所述当前轨迹点的速度小于所述拥堵速度阈值,则确定所述目标车辆满足进入拥堵逻辑状态的条件。
4.根据权利要求2所述的方法,其特征在于,所述根据所述目标车辆的历史轨迹点,确定所述目标车辆是否满足进入可能拥堵状态的条件,包括:
确定各个历史轨迹点中缓行轨迹点的占比,以及所述缓行轨迹点的时间跨度;其中,所述缓行轨迹点为速度小于或等于拥堵速度阈值的轨迹点;
若所述缓行轨迹点的占比大于预设的拥堵占比阈值,且,所述时间跨度大于预设的拥堵触发时长阈值,则确定所述目标车辆满足进入可能拥堵状态的条件。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果,包括:
采用预设的地图检测算法,将所述目标车辆的连续轨迹点的信息吸附至预设路段的道路网络中,并根据所述预设路段的平均时速进行拥堵检测,得到所述第一拥堵检测结果。
6.根据权利要求1所述的方法,其特征在于,所述根据所述当前道路图像进行拥堵检测,得到第二拥堵检测结果,包括:
采用预设的视觉检测算法,对所述当前道路图像进行识别,得到所述目标车辆所在的车道、所述目标车辆的相邻车道、所述目标车辆之前的车辆数量以及距离,并根据所述目标车辆所在的车道、所述目标车辆的相邻车道、所述目标车辆之前的车辆数量以及距离进行拥堵检测,得到所述第二拥堵检测结果。
7.根据权利要求1所述的方法,其特征在于,所述根据所述第一拥堵检测结果和所述第二拥堵检测结果,确定所述目标车辆是否存在拥堵事件,包括:
根据所述目标车辆的多种行驶特征,采用预设的拥堵检测分类模型进行拥堵检测,得到所述目标车辆的目标拥堵检测结果,所述目标拥堵检测结果用于指示所述目标车辆是否存在拥堵事件;
其中,所述多种行驶特征至少包括:所述第一拥堵检测结果和所述第二拥堵检测结果。
8.根据权利要求7所述的方法,其特征在于,所述多种行驶特征至少还包括:所述当前轨迹点的时间、所述目标车辆是否处于预设感兴趣道路区域、道路类型、隧道类型、所述目标车辆进入拥堵逻辑状态时的速度、所述目标车辆的平均速度、所述目标车辆的最高速度。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标车辆存在拥堵事件,则确定所述目标车辆处于开始拥堵状态;
若检测到所述目标车辆在预设连续时间段的速度大于预设的拥堵速度阈值,或者所述目标车辆已不存在拥堵事件,则确定所述目标车辆处于拥堵结束状态。
10.一种拥堵事件识别装置,其特征在于,所述装置包括:
判断模块,用于根据目标车辆上报的当前轨迹点,判断所述目标车辆是否满足预设的拥堵触发条件;
获取模块,用于若所述目标车辆满足预设的所述拥堵触发条件,则从所述目标车辆的图像采集设备中获取所述目标车辆在行驶过程中采集的当前道路图像;
第一检测模块,用于根据所述目标车辆的连续轨迹点的信息进行拥堵检测,得到第一拥堵检测结果;
第二检测模块,用于根据所述当前道路图像进行拥堵检测,得到第二拥堵检测结果;
确定模块,用于根据所述第一拥堵检测结果和所述第二拥堵检测结果,确定所述目标车辆是否存在拥堵事件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310118332.9A CN116434153A (zh) | 2023-01-30 | 2023-01-30 | 一种拥堵事件识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310118332.9A CN116434153A (zh) | 2023-01-30 | 2023-01-30 | 一种拥堵事件识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116434153A true CN116434153A (zh) | 2023-07-14 |
Family
ID=87082131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310118332.9A Pending CN116434153A (zh) | 2023-01-30 | 2023-01-30 | 一种拥堵事件识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434153A (zh) |
-
2023
- 2023-01-30 CN CN202310118332.9A patent/CN116434153A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110164130B (zh) | 交通事件检测方法、装置、设备及存储介质 | |
CN109830117B (zh) | 道路规划优化方法、装置、计算机设备及存储介质 | |
CN105405321A (zh) | 高速公路上车辆行驶中的安全预警方法及系统 | |
CN111105622B (zh) | 违规停车纠正方法、装置以及存储介质 | |
CN113362483B (zh) | 一种车辆异常的检测方法、装置、设备及存储介质 | |
CN108958264B (zh) | 基于自动驾驶技术的道路交通稽查方法和车辆 | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
WO2023274071A1 (zh) | 驾驶行为监控方法、装置、电子设备及存储介质 | |
CN109493606B (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
CN112634655B (zh) | 基于车道线的变道处理方法、装置、电子设备及存储介质 | |
CN113127466B (zh) | 一种车辆轨迹数据预处理方法及计算机存储介质 | |
CN108806331B (zh) | 一种预防高速公路二次交通事故的方法及系统 | |
CN109887321B (zh) | 无人车变道安全判别方法、装置及存储介质 | |
CN116386316A (zh) | 交通风险的预测方法和装置、电子设备及存储介质 | |
CN111161587A (zh) | 车辆的控制方法 | |
CN114512002A (zh) | 一种道路路面异常检测方法及装置 | |
CN112785874A (zh) | 信息处理装置、系统及方法以及非暂时性记录介质 | |
CN116434153A (zh) | 一种拥堵事件识别方法及装置 | |
CN112622921B (zh) | 一种检测司机异常驾驶行为的方法、装置及电子设备 | |
CN115757628A (zh) | 车辆碰撞检测方法、装置、设备及介质 | |
CN115762230A (zh) | 基于剩余车位量预测的停车场智能引导方法及装置 | |
CN115188184A (zh) | 一种车辆限速处理方法、设备及装置 | |
CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 | |
CN112766746A (zh) | 交通事故识别方法、装置、电子设备和存储介质 | |
CN116911511B (zh) | 一种商砼运输车辆实时管理方法、装置、设备及存储介质 |
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 |