CN116543542B - 一种隧道入口运行风险定向预警设备布设方法 - Google Patents
一种隧道入口运行风险定向预警设备布设方法 Download PDFInfo
- Publication number
- CN116543542B CN116543542B CN202310797449.4A CN202310797449A CN116543542B CN 116543542 B CN116543542 B CN 116543542B CN 202310797449 A CN202310797449 A CN 202310797449A CN 116543542 B CN116543542 B CN 116543542B
- Authority
- CN
- China
- Prior art keywords
- early warning
- vehicle
- risk
- laser radar
- radar sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000001133 acceleration Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 28
- 238000012502 risk assessment Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 7
- 230000035484 reaction time Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 8
- 239000004973 liquid crystal related substance Substances 0.000 description 32
- 238000010586 diagram Methods 0.000 description 8
- 206010039203 Road traffic accident Diseases 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种隧道入口运行风险定向预警设备布设方法,属于交通安全技术领域。该方法包括确定事故高频路段、确定高风险位置、确定定向预警设备布设位置、确定预警信号触发位置、确定传感器布设位置、确定摄像机布设位置及风险预警几大步骤。本发明能够实时监测隧道入口路段的车辆运行状态,实现隧道入口路段交通运行风险可测、可视及可控,有效提升交通安全水平,易于推广应用。
Description
技术领域
本发明属于交通安全技术领域,具体涉及一种隧道入口运行风险定向预警设备布设方法,尤其涉及一种用于山区高速公路隧道入口路段运行风险定向预警设备布设方法。
背景技术
随着我国高速公路不断向山区延伸及路网规模的不断扩大,隧道建设数量也越来越多地出现在高速公路建设中。隧道作为最常见的结构物,由于封闭的结构和特殊的行车环境,加剧了驾驶员心理负荷,导致交通事故率频发。据统计,隧道路段交通事故数占高速公路总事故的36.5%。其中,隧道出、入口路段是事故易发点,交通事故率是隧道内部的2~3倍。由于驾驶员进入隧道时,洞内外亮度差较大,人眼对光线强度骤变的适应能力有限,行车驶入时易产生“黑洞效应”,短时间内接收不到外界信息,从而导致隧道入口路段事故发生几率最大。
为了降低交通事故发生率、减少事故伤亡,较多主、被动公路行车条件提升技术及交通安全管理方式应用于隧道路段,包括隧道洞口设置交通警告标志、隧道出入口视觉改造、灯光照明设计、特殊标线应用等主动安全措施。但隧道路段的行车条件受影响因素较多,驾驶者不能有效、全面地感知行车条件、交通状况和驾驶风险是交通事故高发的重要因素。现有的静态管控措施无法实时监测隧道入口路段的交通信息,驾驶员不能针对隧道入口运行风险状态进行正确反应,导致预警和管控的效果差。
因此,为了对隧道入口路段车辆进行主动诱导,实现路段上交通运行风险可视、可测、可控、可协同的智能管控,急需提出一套经济、科学、合理的定向预警设备布设方法。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种隧道入口运行风险定向预警设备布设方法,通过合理的布设激光雷达传感器、定向预警设备、摄像机,对隧道入口路段车辆进行动态化信息提醒、主动诱导,实现从源头预防角度降低隧道入口路段行车风险,改善行车安全水平。
为实现上述目的,本发明采用的技术方案如下:
一种隧道入口运行风险定向预警设备布设方法,包括如下步骤:
步骤1:采集隧道路段的历史交通事件数据,根据事故率确定隧道事故高频路段;
步骤2:采集隧道事故高频路段的车辆行驶状态数据,按照速度稳定性原则,根据不同车型加速度变化率确定高风险位置;
步骤3:以高风险位置为基础,根据定向预警设备距高风险位置的距离应满足不同车型的最大安全减速距离,来确定定向预警设备布设位置;
步骤4:以定向预警设备位置为基础,来确定预警信号触发位置;所述的预警信号触发位置与定向预警设备的距离至少满足以最大车速行驶的车辆在驾驶人对预警信号反应时间内行驶的距离;
步骤5:基于所述定向预警设备位置及预警信号触发位置,确定激光雷达传感器的布设位置;具体为:首先根据隧道入口路段单车事故风险,确定第一个激光雷达传感器位置;然后根据双车事故风险,确定第二个激光雷达传感器位置;接着根据定向预警设备有效性验证原则确定其他需要布设的传感器数量及位置;
步骤6:基于所述激光雷达传感器布设位置,考虑车牌遮挡确定摄像机布设数量,摄像机布设间隔根据车牌识别摄像机参数确定,最终确定摄像机布设位置;
步骤7:基于预警信号触发位置,实时监测第一个、第二个激光雷达传感器布设断面的车辆类型、速度、车辆间距,采用定向预警设备对隧道入口路段事故风险进行预警。
优选的是,步骤1中,采集隧道路段的历史交通事件数据来计算事故率;若路段的事故率超过路段事故率平均值时,则确定路段/>为事故高频路段;
各路段单元的事故率计算公式为:
;
其中,表示路段/>的事故率;/>表示路段/>在统计年限内发生的事故频次;b表示事故的统计年限;/>表示路段/>的长度;
路段事故率平均值计算公式为:
;
其中,R表示隧道路段的平均事故率,n为路段总数。
优选的是,步骤2中,采用无人机采集隧道事故高频路段的车辆行驶状态数据,并分别计算大型车、小型车的加速度数据;当该路段超过85%的车辆加速度变化率大于等于相应车辆车型加速度变化率最大值,则该路段判定为高风险,路段的起始桩号为高风险位置起点。
优选的是,大型车加速度变化率最大值为0.25m/s2,小型车加速度变化率最大值为0.5m/s2。
优选的是,步骤3中,定向预警设备的位置距高风险位置的距离D应满足不同车型驾驶员从初始速度V S 减速到安全车速V E 所驶过的最大距离,计算公式为:
;
其中,D表示定向预警设备的位置距高风险位置的距离;D T 、D C 分别表示大型车、小型车的安全减速距离;VTS、VCS分别表示大型车、小型车的初始速度;VTE、VCE分别表示大型车、小型车的安全车速;aT、aC分别表示大型车、小型车的安全减速度。
优选的是,步骤4中,预警信号触发位置与定向预警设备的距离S至少满足以最大车速Vmax行驶的车辆在驾驶人对预警信号反应时间t r 内行驶的距离;
;
其中,Vmax表示车辆的最大速度;t r 为驾驶人对预警信号反应时间;为安全系数。
优选的是,步骤5的具体方法为:
首先,确定预警信号触发位置为第一个激光雷达传感器位置,该位置确定的理由是需要根据隧道入口路段单车事故风险进行实时性预警;其中,隧道入口路段单车事故风险为本发明单车事故风险评估方法获得的风险等级;
然后,确定第二个激光雷达传感器位置;第二个激光雷达传感器位置距离预警信号触发位置35m,该位置确定的理由是:双车事故风险预警需满足被预警车辆通过第一个激光雷达传感器位置时与前车的距离小于等于35m;
在定向预警设备位置布设第三个激光雷达传感器,在距离定向预警设备50m位置处布设第四个激光雷达传感器,在高风险位置布设第五个激光雷达传感器,上述位置确定的理由是:需通过采集预警车辆在接受到预警信号后的行驶状态数据来验证其是否减速以及是否以安全速度通过高风险位置,以实现定向预警设备有效性验证;即有效性验证原则为:通过采集预警车辆在接受到预警信号后的行驶状态数据来验证其是否减速以及是否以安全速度通过高风险位置;
沿着车辆行驶方向,第一个激光雷达传感器、第二个激光雷达传感器、第三个激光雷达传感器、第四个激光雷达传感器、第五个激光雷达传感器顺序布设。
优选的是,步骤6中,摄像机有两个,为第一个摄像机和第二个摄像机,分别设置在预警信号触发位置的两侧,用于拍摄行驶过预警信号触发位置车辆的车牌,第一个摄像机采集车辆后方车牌,第二个摄像机采集车辆前方车牌;
第一个摄像机和第二个摄像机沿着车辆行驶方向顺序布设。
优选的是,步骤7中,采用定向预警设备对隧道入口路段事故进行风险预警的具体方法为:
步骤A:车辆通过第一个激光雷达传感器时,第一个激光雷达传感器采集车辆速度、车道编号、车辆类型,与此同时判定相同车道的上一辆车是否通过第二个激光雷达传感器;
步骤B:如果上一辆车已经通过第二个激光雷达传感器,则第一个激光雷达传感器触发单车预警,第二个摄像机将车牌号传入定向预警设备,定向预警设备根据单车事故风险评估结果动态显示相应等级的预警信号;
单车事故风险评估方法是根据相应的车型的速度来获得其风险等级,进一步确定预警等级,具体如下表1所示;
表1
;
步骤C:如果上一辆车还未通过第二个激光雷达传感器,则第一个激光雷达传感器触发双车预警,第一个摄像机将车牌号传入定向预警设备,定向预警设备根据双车事故风险评估结果动态显示相应等级的预警信号;
双车事故风险评估方法具体为:
双车事故风险是指后车追尾前车的风险,通过输入后车速度V B、前车速度V F、前后车车辆间距D S,根据双车事故风险模型实时计算双车事故风险值,得到双车事故风险等级;双车事故风险模型如下:
;
;
其中,y i,小型车、y i,大型车分别表示小型车、大型车发生追尾风险的水平,V B表示后车速度,V F表示前车速度,D S表示前后车车辆间距;根据预警车辆通过第一个激光雷达传感器时与当前车道前车通过第一个激光雷达传感器的时间差计算得到,即分别表示本车、前车通过第一个激光雷达传感器的时刻;
根据双车事故风险值划分双车事故风险等级及预警等级,如表2所示;
表2
;
步骤D:驾驶员接收到预警信号后,采取相应的操作行为,安全通过隧道入口路段高风险位置;第三个激光雷达传感器、第四个激光雷达传感器、第五个激光雷达传感器采集车辆行驶状态数据,判别车辆是否减速并以安全速度通过第五个激光雷达传感器,从而进行有效性验证。
优选的是,步骤7中,所述的定向预警设备包括灯光预警模块、文字预警模块、图标预警模块、速度显示模块、车牌显示模块;
灯光预警模块用于根据风险等级进行相应的灯光闪烁以吸引定向预警车辆驾驶人注意力;
文字预警模块用于显示定向预警车辆的风险类型及避险措施;其中,单车事故风险类型为隧道,避险措施提醒为减速;双车事故类型为追尾,避险措施为减速;
图标预警模块用于根据不同事故类型的风险及预警等级显示定向预警车辆相应的预警图标;对于单车事故预警,实时显示隧道黑洞效应图标,对于双车事故预警,实时显示追尾事故图标;
速度显示模块用于实时显示定向预警车辆通过第一个激光雷达传感器时的速度;
车牌显示模块用于实时显示定向预警车辆的车牌。
本发明步骤2中,不同车型采集的最小样本量通过预调研确定,计算公式为:
;
式中:n为最小样本量;为速度标准差;Z为常数,当置信度为95%时,Z=1.96;/>为速度容许误差值,假设高速公路的速度容许误差为2-5km/h,本发明推荐取3km/h。通过预采集实验,本发明推荐不同车型需采集最小样本量为96辆。
本发明步骤3中,定向预警设备位置根据极限速度下车辆通过高风险位置的最大安全减速距离确定。
步骤4中,预警信号触发位置根据最大车速、反应时间、安全系数共同确定。
步骤5中,隧道入口路段的事故风险种类划分为单车事故和双车事故,当两车车辆间距小于35m时,根据监测数据触发双车事故预警。所述预警设备有效性验证是通过在预警设备位置之后布设激光雷达传感器,采集车辆行驶状态数据验证预警设备有效性。从而综合确定隧道入口路段激光雷达传感器布设数量和布设间隔。
步骤6中,双车事故预警中为避免后车车牌被遮挡,采用双车牌识别摄像机加大辨认区域。车牌摄像机间距根据车牌摄像机可视距离参数确定。
步骤7中,本发明采用的定向预警设备为多模态定向预警设备.
本发明与现有技术相比,其有益效果为:
本发明可应用于高速公路隧道入口路段运行风险定向预警,在已经布设了限速类静态标志牌的基础上,在该路段布设激光雷达传感器、定向预警设备及摄像机,通过采集车型、速度、车辆间距,对车辆超速、追尾事故进行定向预警,并采用声音、文字、图标、速度、车牌等多模态定向预警设备协同防控隧道入口运行风险,实现对事故高频路段存在的潜在运行风险可测、可视及可控,有效降低了隧道入口路段的运行风险,提高隧道入口路段风险主动防控水平,改善隧道入口路段行车安全水平。另外,本发明仅采用5个传感器,2个摄像机和1套预警设备,可实现隧道入口2种事故风险预警的全部功能。与现有技术相比,本发明方案简洁、经济适用,预计布设成本可降低15%左右。
附图说明
图1是本发明实施例的隧道入口运行风险定向预警设备布设方法的流程图;
图2是本发明实施例的大型车、小型车在隧道入口路段的加速度变化率;
图3是本发明实施例的高风险位置、定向预警设备位置、预警信号触发位置的示意图;
图4是本发明实施例激光雷达传感器、车牌摄像机的位置布设示意图;
图5是本发明实施例的定向预警设备示意图;
图6是本发明实施例中风险预警流程图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
实施例1一种隧道入口运行风险定向预警设备布设方法,包括如下步骤:
步骤1:采集隧道路段的历史交通事件数据,根据事故率确定隧道事故高频路段;
步骤2:采集隧道事故高频路段的车辆行驶状态数据,按照速度稳定性原则,根据不同车型加速度变化率确定高风险位置;
步骤3:以高风险位置为基础,根据定向预警设备距高风险位置的距离应满足不同车型的最大安全减速距离,来确定定向预警设备布设位置;
步骤4:以定向预警设备位置为基础,来确定预警信号触发位置;所述的预警信号触发位置与定向预警设备的距离至少满足以最大车速行驶的车辆在驾驶人对预警信号反应时间内行驶的距离;
步骤5:基于所述定向预警设备位置及预警信号触发位置,确定激光雷达传感器的布设位置;具体为:首先根据隧道入口路段单车事故风险,确定第一个激光雷达传感器位置;然后根据双车事故风险,确定第二个激光雷达传感器位置;接着根据定向预警设备有效性验证原则确定其他需要布设的传感器数量及位置;
步骤6:基于所述激光雷达传感器布设位置,考虑车牌遮挡确定摄像机布设数量,摄像机布设间隔根据车牌识别摄像机参数确定,最终确定摄像机布设位置;
步骤7:基于预警信号触发位置,实时监测第一个、第二个激光雷达传感器布设断面的车辆类型、速度、车辆间距,采用定向预警设备对隧道入口路段事故风险进行预警。
实施例2一种隧道入口运行风险定向预警设备布设方法,包括如下步骤:
步骤1:采集隧道路段的历史交通事件数据,根据事故率确定隧道事故高频路段;
步骤2:采集隧道事故高频路段的车辆行驶状态数据,按照速度稳定性原则,根据不同车型加速度变化率确定高风险位置;
步骤3:以高风险位置为基础,根据定向预警设备距高风险位置的距离应满足不同车型的最大安全减速距离,来确定定向预警设备布设位置;
步骤4:以定向预警设备位置为基础,来确定预警信号触发位置;所述的预警信号触发位置与定向预警设备的距离至少满足以最大车速行驶的车辆在驾驶人对预警信号反应时间内行驶的距离;
步骤5:基于所述定向预警设备位置及预警信号触发位置,确定激光雷达传感器的布设位置;具体为:首先根据隧道入口路段单车事故风险,确定第一个激光雷达传感器位置;然后根据双车事故风险,确定第二个激光雷达传感器位置;接着根据定向预警设备有效性验证原则确定其他需要布设的传感器数量及位置;
步骤6:基于所述激光雷达传感器布设位置,考虑车牌遮挡确定摄像机布设数量,摄像机布设间隔根据车牌识别摄像机参数确定,最终确定摄像机布设位置;
步骤7:基于预警信号触发位置,实时监测第一个、第二个激光雷达传感器布设断面的车辆类型、速度、车辆间距,采用定向预警设备对隧道入口路段事故风险进行预警。
步骤1中,采集隧道路段的历史交通事件数据来计算事故率;若路段的事故率超过路段事故率平均值时,则确定路段/>为事故高频路段;
各路段单元的事故率计算公式为:
;
其中,表示路段/>的事故率;/>表示路段/>在统计年限内发生的事故频次;b表示事故的统计年限;/>表示路段/>的长度;
路段事故率平均值计算公式为:
;
其中,R表示隧道路段的平均事故率,n为路段总数。
步骤2中,采用无人机采集隧道事故高频路段的车辆行驶状态数据,并分别计算大型车、小型车的加速度数据;当该路段超过85%的车辆加速度变化率大于等于相应车辆车型加速度变化率最大值,则该路段判定为高风险,路段的起始桩号为高风险位置起点。
大型车加速度变化率最大值为0.25m/s2,小型车加速度变化率最大值为0.5m/s2。
步骤3中,定向预警设备的位置距高风险位置的距离D应满足不同车型驾驶员从初始速度V S 减速到安全车速V E 所驶过的最大距离,计算公式为:
;
其中,D表示定向预警设备的位置距高风险位置的距离;D T 、D C 分别表示大型车、小型车的安全减速距离;VTS、VCS分别表示大型车、小型车的初始速度;VTE、VCE分别表示大型车、小型车的安全车速;aT、aC分别表示大型车、小型车的安全减速度。
步骤4中,预警信号触发位置与定向预警设备的距离S至少满足以最大车速Vmax行驶的车辆在驾驶人对预警信号反应时间t r 内行驶的距离;
;
其中,Vmax表示车辆的最大速度;t r 为驾驶人对预警信号反应时间;为安全系数。
步骤5的具体方法为:
首先,确定预警信号触发位置为第一个激光雷达传感器位置,该位置确定的理由是需要根据隧道入口路段单车事故风险进行实时性预警;
然后,确定第二个激光雷达传感器位置;第二个激光雷达传感器位置距离预警信号触发位置35m,该位置确定的理由是:双车事故风险预警需满足被预警车辆通过第一个激光雷达传感器位置时与前车的距离小于等于35m;
在定向预警设备位置布设第三个激光雷达传感器,在距离定向预警设备50m位置处布设第四个激光雷达传感器,在高风险位置布设第五个激光雷达传感器,上述位置确定的理由是:需通过采集预警车辆在接受到预警信号后的行驶状态数据来验证其是否减速以及是否以安全速度通过高风险位置,以实现定向预警设备有效性验证;
沿着车辆行驶方向,第一个激光雷达传感器、第二个激光雷达传感器、第三个激光雷达传感器、第四个激光雷达传感器、第五个激光雷达传感器顺序布设。
步骤6中,摄像机有两个,为第一个摄像机和第二个摄像机,分别设置在预警信号触发位置的两侧,用于拍摄行驶过预警信号触发位置车辆的车牌,第一个摄像机采集车辆后方车牌,第二个摄像机采集车辆前方车牌;
第一个摄像机和第二个摄像机沿着车辆行驶方向顺序布设。
步骤7中,采用定向预警设备对隧道入口路段事故进行风险预警的具体方法为:
步骤A:车辆通过第一个激光雷达传感器时,第一个激光雷达传感器采集车辆速度、车道编号、车辆类型,与此同时判定相同车道的上一辆车是否通过第二个激光雷达传感器;
步骤B:如果上一辆车已经通过第二个激光雷达传感器,则第一个激光雷达传感器触发单车预警,第二个摄像机将车牌号传入定向预警设备,定向预警设备根据单车事故风险评估结果动态显示相应等级的预警信号;
单车事故风险评估方法是根据相应的车型的速度来获得其风险等级,进一步确定预警等级,具体如下表1所示;
表1
;
步骤C:如果上一辆车还未通过第二个激光雷达传感器,则第一个激光雷达传感器触发双车预警,第一个摄像机将车牌号传入定向预警设备,定向预警设备根据双车事故风险评估结果动态显示相应等级的预警信号;
双车事故风险评估方法具体为:
双车事故风险是指后车追尾前车的风险,通过输入后车速度V B、前车速度V F、前后车车辆间距D S,根据双车事故风险模型实时计算双车事故风险值,得到双车事故风险等级;双车事故风险模型如下:
;
;
其中,y i,小型车、y i,大型车分别表示小型车、大型车发生追尾风险的水平,V B表示后车速度,V F表示前车速度,D S表示前后车车辆间距;根据预警车辆通过第一个激光雷达传感器时与当前车道前车通过第一个激光雷达传感器的时间差计算得到,即分别表示本车、前车通过第一个激光雷达传感器的时刻;
根据双车事故风险值划分双车事故风险等级及预警等级,如表2所示;
表2
;
步骤D:驾驶员接收到预警信号后,采取相应的操作行为,安全通过隧道入口路段高风险位置;第三个激光雷达传感器、第四个激光雷达传感器、第五个激光雷达传感器采集车辆行驶状态数据,判别车辆是否减速并以安全速度通过第五个激光雷达传感器,从而进行有效性验证。
步骤7中,所述的定向预警设备包括灯光预警模块、文字预警模块、图标预警模块、速度显示模块、车牌显示模块;
灯光预警模块用于根据风险等级进行相应的灯光闪烁以吸引定向预警车辆驾驶人注意力;
文字预警模块用于显示定向预警车辆的风险类型及避险措施;其中,单车事故风险类型为隧道,避险措施提醒为减速;双车事故类型为追尾,避险措施为减速;
图标预警模块用于根据不同事故类型的风险及预警等级显示定向预警车辆相应的预警图标;对于单车事故预警,实时显示隧道黑洞效应图标,对于双车事故预警,实时显示追尾事故图标;
速度显示模块用于实时显示定向预警车辆通过第一个激光雷达传感器时的速度;
车牌显示模块用于实时显示定向预警车辆的车牌。
应用实例
本实例给出了一种隧道入口运行风险定向预警设备布设方法,实时监测隧道入口路段的车辆运行状态。高风险位置根据历史交通事故率和加速度变化率确定,定向预警设备布设位置根据车辆最大安全减速距离确定,预警信号触发位置根据驾驶人反应-操作时间,激光雷达传感器位置根据触发条件、事故类型、有效性验证共同确定,车牌识别摄像机位置根据摄像机参数确定。
1、隧道入口路段高风险位置
所述隧道入口路段高风险位置确定包括如下步骤:
步骤1,根据隧道路段历史交通事故数据计算事故率,事故率是单位长度的年平均事故次数,其值越大,路段越危险。
首先,根据隧道内外车辆的行车特点等对隧道路段进行空间范围划分,将隧道入口方向的洞外500 m定义为隧道入口路段,隧道出口方向的洞外500 m定义为隧道出口路段,其余路段定义为隧道内路段,在此基础上以50m为单位进行路段单元划分。
计算各路段单元的事故率,计算公式为:
;
其中,
表示路段/>的事故率;
表示路段/>在统计年限内发生的事故频次;
b表示事故的统计年限;
表示路段/>的长度。
步骤2,计算隧道路段平均事故率,若路段的事故率超过隧道路段事故率平均值时,则确定路段/>为隧道事故高频路段。隧道路段平均事故率计算公式为:
;
其中,R表示隧道路段的平均事故率,n为路段总数。
步骤3,获取隧道事故高频路段的车辆行驶状态数据,根据不同车型加速度变化率确定高风险位置。其中,车辆行驶状态数据采用无人机采集,包括车型、速度、加速度、车辆间距、车道编号,车型根据车辆尺寸长度分为大型车和小型车。不同车型采集最小样本量通过预调研确定,计算公式为:
;
式中:n为最小样本量;为速度标准差;Z为常数,当置信度为95%时,Z=1.96;/>为速度容许误差值,假设高速公路的速度容许误差为2-5km/h,本发明推荐取3km/h。本发明推荐不同车型需采集最小样本量为96辆;但本领域技术人员应该知晓,采集的样本数量越多越好,确定的结果越精准。/>
路段加速度变化率计算公式为:
;
其中,
表示车辆在路段/>的加速度变化率;
表示车辆在路段/>的加速度;
表示车辆按行驶方向在路段i+1的加速度;
表示路段/>的长度。
高风险位置与车辆的加速度有关,根据《公路项目安全性评价规范》(JTG B05-2015)中对加速度的规定值,当加速度变化率绝对值大于等于0.5m/s2时,行车安全性较差,对于大型车来说,加速度值相应折减。参照《公路工程技术标准》(JTG BO1-2014)中车辆尺寸,把总长大于6m的车辆作为大型车,小于6m的车辆作为小型车。给出不同车型的隧道路段安全加速度推荐值如表3所示。统计不同车型的加速度变化率分布,当该路段超过85%的车辆加速度变化率大于等于加速度变化率最大值,则该路段判定为高风险,路段的起始桩号为高风险位置起点。
表3 不同车型推荐加速度变化率
;
优选地,图2是实施例路段大小型车加速度变化率示意图,将高风险位置与隧道入口的距离记为L,如图3所示。根据历史加速度变化率可知,L=50。
2、定向预警设备布设位置
定向预警设备布设位置对预警效用的发挥起决定性作用。如果定向预警设备位置距离高风险点太远,驾驶人会降低对预警信号的信任度;定向预警设备位置距离高风险点太近,则无法满足在进入高风险路段前将速度降低至安全车速。故定向预警设备的位置距高风险点的距离D应满足驾驶员从初始速度V S 减速到安全车速V E 所驶过的距离。定向预警设备的位置与高风险点的距离记为D。图3是定向预警设备的位置与高风险点的距离、预警信号触发位置与定向预警设备的距离示意图。
;
其中,
D表示定向预警设备的位置距高风险位置的距离;
D T 、D C 分别表示大型车、小型车的安全减速距离;
VTS、VCS分别表示大型车、小型车的初始速度,优选分别取相应车型的95%分位速度统计值;
VTE、VCE分别表示大型车、小型车的安全车速,即隧道路段不同车型的限速;
aT、aC分别表示大型车、小型车的安全减速度,驾驶人看到预警信号后采取减速行为,分别取不同车型15%分位的减速度值。
3、定向预警信号触发位置
定向预警信号触发位置至少保证满足以最大车速Vmax行驶的车辆在预警信号的反应时间t r 内行驶的距离。预警信号触发位置与定向预警设备的距离记为S。图3是定向预警设备的位置与高风险点的距离、预警信号触发位置与定向预警设备的距离示意图。
;
其中,Vmax表示车辆的最大速度,取不同车型95%分位速度统计值的最大值;
t r 为驾驶人对预警信号反应时间即从收到预警信号刺激,到开始进行相应驾驶操作之前经历的时间。已有研究表明,驾驶人对预警信号的反应时间与驾驶人的年龄、驾龄、性别、疲劳程度、应变能力密切相关,驾驶人对预警信号的反应时间与驾驶人应变能力、车辆速度密切相关。根据驾驶模拟实验推荐驾驶人刺激反应时间,不同驾驶人的反应时间变化范围为602~2105ms,均值为1230.49ms,85%分位数为1586ms,标准差244.86ms,本发明优选1.5s。为安全系数,推荐取1.5。
4、激光雷达传感器布设位置
所述激光雷达传感器是采集车辆行驶状态的数据采集设备,图4是以本实施例数据得出的激光雷达传感器布设示意图。所述激光雷达传感器位置确定包括如下步骤:
S1:假设驾驶员在看到预警信号之前车辆保持匀速行驶,因此在预警信号触发位置设置1#激光雷达传感器,获取预警信号触发位置的车辆类型、速度数据。
S2:研究将隧道事故划分为两种,单车超速事故与两车追尾事故,需根据车辆间距判定所属预警工况(单车事故或者双车追尾)。根据蒙特卡洛仿真模拟实验结果确定车辆间距,若两车车辆间距大于等于35m,则根据车辆速度触发单车事故预警;若车辆间距小于35m,则触发双车事故预警。因此,在距离1#激光雷达传感器35m位置处设置2#激光雷达传感器。
S3:通过分析车辆在接收到预警信号后是否减速及其减速程度,以验证预警信号有效性,因此在所述定向预警设备位置同时布设3#激光雷达传感器,在距离定向预警设备50m位置处布设4#激光雷达传感器。
S4:为了验证驾驶员是否以安全速度通过高风险位置,在所述高风险位置同时布设5#激光雷达传感器。
上述激光雷达传感器布设中,1#激光雷达传感器为第一个激光雷达传感器,2#激光雷达传感器为第二个激光雷达传感器,3#激光雷达传感器为第三个激光雷达传感器,4#激光雷达传感器为第四个激光雷达传感器,5#激光雷达传感器为第五个激光雷达传感器。
5、车牌识别摄像机位置
采用车牌识别摄像机采集车辆车牌信息,准确获取车牌号码是实现定向预警的关键。图4包含车牌摄像机的布设示意图。车牌摄像机位置确定包括如下步骤:
步骤(1):根据摄像机可视距离(看清车牌的距离)参数确定摄像机数量及布设间隔,不同摄像机参数见表4,为了保证预警信号触发的同时显示车牌,根据镜头焦距及可视距离确定1#摄像机安装位置。当焦距为45mm时,在2MP清晰度条件下能识别30m远的车牌,则在预警信号触发位置前方30m处安装1#摄像机;若采用变焦镜头,则考虑安装便捷性,可在较近激光雷达传感器或定向预警设备位置处安装1#摄像机。
表4摄像机镜头可视距离与焦距的关系
;
步骤(2):当两车跟车距离较近时,前车会遮挡后车车牌,因此需要在行车相反方向安装2#摄像机,有效获取车辆车牌号码。2#摄像机安装位置同样根据镜头焦距与可视距离参数确定。如选择焦距为45mm镜头时,在预警信号触发位置后方30m处安装2#摄像机。其中,1#摄像机拍定向预警车辆(即通过1#激光雷达传感器的车辆)的后方车牌,2#摄像机拍定向预警车辆的前方车牌。
上述摄像机布设时,1#摄像机为第一个摄像机,2#摄像机为第二个摄像机。
6、定向预警设备触发规则
采用包含灯光预警、图标预警、文字预警的多模态定向预警设备进行预警,多模态定向预警包触发规则如图5所示,所述预警触发规则包括如下步骤:
步骤A:车辆通过1#激光雷达传感器时,1#激光雷达传感器采集车辆速度、车道编号、车辆类型,与此同时判定相同车道的上一辆车是否通过2#激光雷达传感器;
步骤B:如果上一辆车已经通过2#激光雷达传感器,则1#激光雷达传感器触发单车预警,2#摄像机将车牌号传入多模态定向预警设备,定向预警设备根据单车事故风险评估结果动态显示相应等级的预警信号;
单车事故风险评估方法是根据相应的车型的速度来获得其风险等级,进一步确定预警等级,具体如表1所示。
步骤C:如果上一辆车还未通过2#激光雷达传感器,则1#激光雷达传感器触发双车预警,1#摄像机将车牌号传入多模态定向预警设备,定向预警设备根据双车事故风险评估结果动态显示相应等级的预警信号;
双车事故风险评估方法具体为:
双车事故风险是指后车追尾前车的风险,通过输入后车速度V B、前车速度V F、前后车车辆间距D S,根据双车事故风险模型实时计算双车事故风险值,得到双车事故风险等级;双车事故风险模型如下:
;
;
其中,y i,小型车、y i,大型车分别表示小型车、大型车发生追尾风险的水平,V B表示后车速度,V F表示前车速度,D S表示前后车车辆间距;根据预警车辆通过第一个激光雷达传感器时与当前车道前车通过第一个激光雷达传感器的时间差计算得到,即分别表示本车、前车通过第一个激光雷达传感器的时刻;
根据双车事故风险值划分双车事故风险等级及预警等级,如表2所示;
步骤D:驾驶员接收到预警信号后,采取操作行为,安全通过隧道入口路段高风险位置;3#激光雷达传感器、4#激光雷达传感器、5#激光雷达传感器采集车辆行驶状态数据,判别车辆在接收到预警信号后是否减速,是否以安全速度通过5#激光雷达传感器,从而进行有效性验证。
7、定向预警设备的具体模块
为了便于驾驶人理解预警信号含义,能够有效刺激驾驶员,引起驾驶人的注意,定向预警发布形式采用路侧箱体式预警设备,具体模块包括:灯光预警模块、文字预警模块、图标预警模块、速度显示模块、车牌显示模块。如图6所示。
(1)灯光预警
通过在定向预警设备上方设置灯光预警模块吸引驾驶人注意力,灯光预警采用频闪灯闪烁,根据预设频率或外触发来控制闪光速度的闪光灯。根据预警三个等级触发不同频率1Hz、2Hz,4Hz闪烁,越紧急闪烁频率越高。
(2)文字预警
文字预警分为风险类型及避险措施提醒。单车事故风险类型为“隧道”,避险措施提醒为“减速”。双车事故类型为“追尾”,避险措施为“减速”。根据驾驶人的阅读速度,设定文字显示时长1s,间隔时长0.5s,版面采用横向排版形式。
(3)图标预警
对于单车事故预警,实时显示隧道黑洞效应图标,对于双车事故预警,实时显示追尾事故图标。根据预警三个等级,参考突发事件及天气警报级别颜色设置,将预警图标级别分为黄色、橙色、红色三个预警等级,每一种颜色代表不同的严重程度,图标闪烁频率分为1Hz、2Hz,4Hz,风险越高闪烁频率越高。
(4)速度显示
实时显示定向预警车辆的速度(km/h),车速闪烁频率根据预警三个等级分为1Hz、2Hz,4Hz,与灯光闪烁频率同步。
(5)车牌显示
实时显示定向预警车辆的车牌,版面采用横向排版形式。
依托云南省南景高速公路,选取无量3号隧道(新马街隧道)入口路段为隧道入口路段的进行应用。通过分析驾驶员驾驶行为轨迹,95%的驾驶员在通过预警设备前就产生了减速行为,该数据一方面说明驾驶员在看清预警标志至采取减速操作行为之间有充足的反应距离,另一方面说明预警设备可以对于驾驶员起到一定的约束作用。在对高速公路隧道入口路段预警设备布设时可采用本发明中的布设方案及预警方案,以起到交通安全主动防控的作用。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种隧道入口运行风险定向预警设备布设方法,其特征在于,包括如下步骤:
步骤1:采集隧道路段的历史交通事件数据,根据事故率确定隧道事故高频路段;
步骤2:采集隧道事故高频路段的车辆行驶状态数据,根据不同车型加速度变化率确定高风险位置;
步骤3:以高风险位置为基础,根据定向预警设备距高风险位置的距离应满足不同车型的最大安全减速距离,来确定定向预警设备布设位置;
步骤4:以定向预警设备位置为基础,来确定预警信号触发位置;所述的预警信号触发位置与定向预警设备的距离至少满足以最大车速行驶的车辆在驾驶人对预警信号反应时间内行驶的距离;
步骤5:基于所述定向预警设备位置及预警信号触发位置,确定激光雷达传感器的布设位置;具体为:
首先,确定预警信号触发位置为第一个激光雷达传感器位置;
然后,确定第二个激光雷达传感器位置,第二个激光雷达传感器位置距离预警信号触发位置35m;
在定向预警设备位置布设第三个激光雷达传感器,在距离定向预警设备50m位置处布设第四个激光雷达传感器,在高风险位置布设第五个激光雷达传感器;沿着车辆行驶方向,第一个激光雷达传感器、第二个激光雷达传感器、第三个激光雷达传感器、第四个激光雷达传感器、第五个激光雷达传感器顺序布设;
步骤6:基于所述激光雷达传感器布设位置,考虑车牌遮挡确定摄像机布设数量,摄像机布设间隔根据车牌识别摄像机参数确定,最终确定摄像机布设位置;
步骤7:基于预警信号触发位置,实时监测第一个、第二个激光雷达传感器布设断面的车辆类型、速度、车辆间距,采用定向预警设备对隧道入口路段事故风险进行预警;
步骤2中,采用无人机采集隧道事故高频路段的车辆行驶状态数据,并分别计算大型车、小型车的加速度数据;当该路段超过85%的车辆加速度变化率大于等于相应车辆车型加速度变化率最大值,则该路段判定为高风险,路段的起始桩号为高风险位置起点;
步骤3中,定向预警设备的位置距高风险位置的距离D应满足不同车型驾驶员从初始速度VS减速到安全车速VE所驶过的最大距离,计算公式为:
D=max{DT,DC};
其中,D表示定向预警设备的位置距高风险位置的距离;DT、DC分别表示大型车、小型车的安全减速距离;VTS、VCS分别表示大型车、小型车的初始速度;VTE、VCE分别表示大型车、小型车的安全车速;aT、aC分别表示大型车、小型车的安全减速度。
2.根据权利要求1所述的隧道入口运行风险定向预警设备布设方法,其特征在于,步骤1中,采集隧道路段的历史交通事件数据来计算事故率;若路段i的事故率超过路段事故率平均值时,则确定路段i为事故高频路段;
各路段单元的事故率计算公式为:
其中,Ni表示路段i的事故率;Ki表示路段i在统计年限内发生的事故频次;b表示事故的统计年限;表示路段i的长度;
路段事故率平均值计算公式为:
其中,R表示隧道路段的平均事故率,n为路段总数。
3.根据权利要求1所述的隧道入口运行风险定向预警设备布设方法,其特征在于,大型车加速度变化率最大值为0.25m/s2,小型车加速度变化率最大值为0.5m/s2。
4.根据权利要求1所述的隧道入口运行风险定向预警设备布设方法,其特征在于,步骤4中,预警信号触发位置与定向预警设备的距离S至少满足以最大车速Vmax行驶的车辆在驾驶人对预警信号反应时间tr内行驶的距离;
其中,Vmax表示车辆的最大速度;tr为驾驶人对预警信号反应时间;γ为安全系数。
5.根据权利要求1所述的隧道入口运行风险定向预警设备布设方法,其特征在于,步骤6中,摄像机有两个,为第一个摄像机和第二个摄像机,分别设置在预警信号触发位置的两侧,用于拍摄行驶过预警信号触发位置车辆的车牌,第一个摄像机采集车辆后方车牌,第二个摄像机采集车辆前方车牌;
第一个摄像机和第二个摄像机沿着车辆行驶方向顺序布设。
6.根据权利要求1所述的隧道入口运行风险定向预警设备布设方法,其特征在于,步骤7中,采用定向预警设备对隧道入口路段事故进行风险预警的具体方法为:步骤A:车辆通过第一个激光雷达传感器时,第一个激光雷达传感器采集车辆速度、车道编号、车辆类型,与此同时判定相同车道的上一辆车是否通过第二个激光雷达传感器;
步骤B:如果上一辆车已经通过第二个激光雷达传感器,则第一个激光雷达传感器触发单车预警,第二个摄像机将车牌号传入定向预警设备,定向预警设备根据单车事故风险评估结果动态显示相应等级的预警信号;
单车事故风险评估方法是根据相应的车型的速度来获得其风险等级,进一步确定预警等级;具体为:
针对大型车,当检测速度小于等于70km/h时,不预警;当检测速度大于70km/h且小于等于80km/h时,触发I级预警;当检测速度大于80km/h且小于等于90km/h时,触发II级预警;当检测速度大于90km/h时,触发III级预警;
针对小型车,当检测速度小于等于90km/h时,不预警;当检测速度大于90km/h且小于等于100km/h时,触发I级预警;当检测速度大于100km/h且小于等于110km/h时,触发II级预警;当检测速度大于110km/h时,触发III级预警;
步骤C:如果上一辆车还未通过第二个激光雷达传感器,则第一个激光雷达传感器触发双车预警,第一个摄像机将车牌号传入定向预警设备,定向预警设备根据双车事故风险评估结果动态显示相应等级的预警信号;
双车事故风险评估方法具体为:
双车事故风险是指后车追尾前车的风险,通过输入后车速度VB、前车速度VF、前后车车辆间距DS,根据双车事故风险模型实时计算双车事故风险值,得到双车事故风险等级;双车事故风险模型如下:
yi,小型车=0.050VB-0.043VF-0.020Ds+1.472;
yi,大型车=0.040VB-0.030VF-0.016Ds+1.506;
其中,yi,小型车、yi,大型车分别表示小型车、大型车发生追尾风险的水平,VB表示后车速度,VF表示前车速度,DS表示前后车车辆间距;根据预警车辆通过第一个激光雷达传感器时与当前车道前车通过第一个激光雷达传感器的时间差计算得到,即tB、tF分别表示本车、前车通过第一个激光雷达传感器的时刻;
根据双车事故风险值划分双车事故风险等级及预警等级,具体为:当风险值小于1.7dB时,不需要预警;当风险值大于等于1.7dB且小于2.7dB时,触发I级预警;当风险值大于等于2.7dB且小于3.7dB时,触发II级预警;当风险值大于等于3.7dB时,触发III级预警;
步骤D:驾驶员接收到预警信号后,采取相应的操作行为,安全通过隧道入口路段高风险位置;第三个激光雷达传感器、第四个激光雷达传感器、第五个激光雷达传感器采集车辆行驶状态数据,判别车辆是否减速并以安全速度通过第五个激光雷达传感器,从而进行有效性验证。
7.根据权利要求1所述的隧道入口运行风险定向预警设备布设方法,其特征在于,步骤7中,所述的定向预警设备包括灯光预警模块、文字预警模块、图标预警模块、速度显示模块、车牌显示模块;
灯光预警模块用于根据风险等级进行相应的灯光闪烁以吸引定向预警车辆驾驶人注意力;
文字预警模块用于显示定向预警车辆的风险类型及避险措施;其中,单车事故风险类型为隧道,避险措施提醒为减速;双车事故类型为追尾,避险措施为减速;图标预警模块用于根据不同事故类型的风险及预警等级显示定向预警车辆相应的预警图标;对于单车事故预警,实时显示隧道黑洞效应图标,对于双车事故预警,实时显示追尾事故图标;
速度显示模块用于实时显示定向预警车辆通过第一个激光雷达传感器时的速度;车牌显示模块用于实时显示定向预警车辆的车牌。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310797449.4A CN116543542B (zh) | 2023-07-03 | 2023-07-03 | 一种隧道入口运行风险定向预警设备布设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310797449.4A CN116543542B (zh) | 2023-07-03 | 2023-07-03 | 一种隧道入口运行风险定向预警设备布设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116543542A CN116543542A (zh) | 2023-08-04 |
CN116543542B true CN116543542B (zh) | 2023-10-27 |
Family
ID=87452816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310797449.4A Active CN116543542B (zh) | 2023-07-03 | 2023-07-03 | 一种隧道入口运行风险定向预警设备布设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543542B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740986A (zh) * | 2023-08-09 | 2023-09-12 | 聊城市瀚格智能科技有限公司 | 一种隧道行车交通事故风险智能预警方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202887382U (zh) * | 2012-11-16 | 2013-04-17 | 王洪亮 | 油井停机自动报警装置 |
CN104380362A (zh) * | 2012-06-26 | 2015-02-25 | 丰田自动车株式会社 | 车辆用警告装置 |
JP2015049701A (ja) * | 2013-09-02 | 2015-03-16 | 岩崎電気株式会社 | トンネル警報システム |
JP2015135585A (ja) * | 2014-01-17 | 2015-07-27 | 岩崎電気株式会社 | トンネル警報システム及びトンネル警報発信システム |
KR20170119914A (ko) * | 2016-04-20 | 2017-10-30 | 재단법인대구경북과학기술원 | 사각지대를 주행하는 차량을 모니터링하기 위한 레이더 장치 및 그 방법 |
CN107604838A (zh) * | 2017-10-30 | 2018-01-19 | 王少峰 | 一种公路警示装置 |
KR20180096367A (ko) * | 2017-02-20 | 2018-08-29 | 김준배 | 제한속도 인공지능 가변시스템 |
KR20200027185A (ko) * | 2018-09-04 | 2020-03-12 | 김현철 | 초지향성 스피커를 이용한 경고음 출력 시스템 |
CN113140129A (zh) * | 2020-01-17 | 2021-07-20 | 北京图森智途科技有限公司 | 一种车辆预警方法、设备及系统 |
CN214587280U (zh) * | 2021-04-01 | 2021-11-02 | 山东博安智能科技股份有限公司 | 一种智慧隧道报警装置 |
CN113936463A (zh) * | 2021-10-19 | 2022-01-14 | 上海交通大学 | 一种基于雷达和视频数据融合的隧道交通管控方法及系统 |
CN216562061U (zh) * | 2021-09-18 | 2022-05-17 | 长安大学 | 一种公路隧道入口故障车辆检测告警系统 |
CN217113539U (zh) * | 2022-01-17 | 2022-08-02 | 青岛理工大学 | 一种隧道交通事故后的安全警示装置 |
CN115472017A (zh) * | 2022-09-23 | 2022-12-13 | 山西国强高科股份有限公司 | 一种基于定向毫米波雷达技术的隧道安全预警系统 |
CN218939078U (zh) * | 2023-04-03 | 2023-04-28 | 云南省交通规划设计研究院有限公司 | 一种隧道入口主动预警装置 |
CN116206465A (zh) * | 2023-02-09 | 2023-06-02 | 云南省交通规划设计研究院有限公司 | 一种基于车路协同的交通安全风险预警系统和方法 |
CN116229760A (zh) * | 2022-11-30 | 2023-06-06 | 江苏量动信息科技有限公司 | 一种隧道施工维护安全方法、装置及系统 |
CN116363903A (zh) * | 2023-03-20 | 2023-06-30 | 浙江华东测绘与工程安全技术有限公司 | 一种地下通道或隧道结构的防车撞预警系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9365155B2 (en) * | 2013-09-28 | 2016-06-14 | Oldcastle Materials, Inc. | Advanced warning and risk evasion system and method |
-
2023
- 2023-07-03 CN CN202310797449.4A patent/CN116543542B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104380362A (zh) * | 2012-06-26 | 2015-02-25 | 丰田自动车株式会社 | 车辆用警告装置 |
CN202887382U (zh) * | 2012-11-16 | 2013-04-17 | 王洪亮 | 油井停机自动报警装置 |
JP2015049701A (ja) * | 2013-09-02 | 2015-03-16 | 岩崎電気株式会社 | トンネル警報システム |
JP2015135585A (ja) * | 2014-01-17 | 2015-07-27 | 岩崎電気株式会社 | トンネル警報システム及びトンネル警報発信システム |
KR20170119914A (ko) * | 2016-04-20 | 2017-10-30 | 재단법인대구경북과학기술원 | 사각지대를 주행하는 차량을 모니터링하기 위한 레이더 장치 및 그 방법 |
KR20180096367A (ko) * | 2017-02-20 | 2018-08-29 | 김준배 | 제한속도 인공지능 가변시스템 |
CN107604838A (zh) * | 2017-10-30 | 2018-01-19 | 王少峰 | 一种公路警示装置 |
KR20200027185A (ko) * | 2018-09-04 | 2020-03-12 | 김현철 | 초지향성 스피커를 이용한 경고음 출력 시스템 |
CN113140129A (zh) * | 2020-01-17 | 2021-07-20 | 北京图森智途科技有限公司 | 一种车辆预警方法、设备及系统 |
CN214587280U (zh) * | 2021-04-01 | 2021-11-02 | 山东博安智能科技股份有限公司 | 一种智慧隧道报警装置 |
CN216562061U (zh) * | 2021-09-18 | 2022-05-17 | 长安大学 | 一种公路隧道入口故障车辆检测告警系统 |
CN113936463A (zh) * | 2021-10-19 | 2022-01-14 | 上海交通大学 | 一种基于雷达和视频数据融合的隧道交通管控方法及系统 |
CN217113539U (zh) * | 2022-01-17 | 2022-08-02 | 青岛理工大学 | 一种隧道交通事故后的安全警示装置 |
CN115472017A (zh) * | 2022-09-23 | 2022-12-13 | 山西国强高科股份有限公司 | 一种基于定向毫米波雷达技术的隧道安全预警系统 |
CN116229760A (zh) * | 2022-11-30 | 2023-06-06 | 江苏量动信息科技有限公司 | 一种隧道施工维护安全方法、装置及系统 |
CN116206465A (zh) * | 2023-02-09 | 2023-06-02 | 云南省交通规划设计研究院有限公司 | 一种基于车路协同的交通安全风险预警系统和方法 |
CN116363903A (zh) * | 2023-03-20 | 2023-06-30 | 浙江华东测绘与工程安全技术有限公司 | 一种地下通道或隧道结构的防车撞预警系统 |
CN218939078U (zh) * | 2023-04-03 | 2023-04-28 | 云南省交通规划设计研究院有限公司 | 一种隧道入口主动预警装置 |
Non-Patent Citations (1)
Title |
---|
"高速公路长大隧道行车安全评价体系与安全保障技术研究";马力;《中国优秀硕士学位论文全文数据库 工程科技II辑》(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116543542A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108919256B (zh) | 四维实景交通仿真车辆超速全程跟踪检测报警系统及方法 | |
CN109859500B (zh) | 一种基于车路协同的高速合流区安全预警方法 | |
CN105374215B (zh) | 一种高速公路路侧预警装置 | |
CN107730937B (zh) | 一种交通事故风险最小化的隧道出入口动态车速诱导方法 | |
CN109360426A (zh) | 一种超速安全预警方法、装置、系统和可读存储介质 | |
CN113192327B (zh) | 兼顾交通流和个体的道路运行风险主动防控系统及方法 | |
KR102133913B1 (ko) | 딥러닝 기반의 객체인식을 이용한 객체별 맞춤 정보제공 안내전광판 시스템 및 그 제어 방법 | |
CN102289952B (zh) | 一种基于卫星导航系统的车辆防撞方法及导航系统和用途 | |
Weikl et al. | Traffic management effects of variable speed limit system on a German Autobahn: Empirical assessment before and after system implementation | |
CN207517194U (zh) | 基于车路协同的高速公路运行车速主动预警系统 | |
CN107672551B (zh) | 一种前车防撞预警系统及其控制方法 | |
CN105405321A (zh) | 高速公路上车辆行驶中的安全预警方法及系统 | |
CN116543542B (zh) | 一种隧道入口运行风险定向预警设备布设方法 | |
CN112289054A (zh) | 道路安全预警方法、obu、rsu、mec设备及系统 | |
CN109191857B (zh) | 一种基于大数据的智慧交通管理系统 | |
CN111768626A (zh) | 一种集声光电一体化的高速公路风险主动预警系统 | |
CN113066287A (zh) | 一种高速公路交通事故现场风险主动防控方法及系统 | |
CN104200705A (zh) | 一种车辆追尾预警方法与预警系统 | |
JP2010086070A (ja) | 道路交通情報提供システム及び方法 | |
CN109448384A (zh) | 一种高速公路危险交通行为识别方法 | |
CN104851321A (zh) | 一种车辆安全监测方法、系统、及一种电子设备 | |
CN106448223A (zh) | 一种雾霾自动适应的高速公路行车车速预警装置及方法 | |
JP4580995B2 (ja) | 道路交通管制システム | |
CN116052475A (zh) | 一种车辆风险预警方法、系统、存储介质及设备 | |
CN111445669B (zh) | 一种公交车的安全监测系统 |
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 |