CN116612638A - 交通碰撞事故检测方法、装置及可读介质 - Google Patents
交通碰撞事故检测方法、装置及可读介质 Download PDFInfo
- Publication number
- CN116612638A CN116612638A CN202310597428.8A CN202310597428A CN116612638A CN 116612638 A CN116612638 A CN 116612638A CN 202310597428 A CN202310597428 A CN 202310597428A CN 116612638 A CN116612638 A CN 116612638A
- Authority
- CN
- China
- Prior art keywords
- accident
- collision accident
- traffic
- data
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 230000008447 perception Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims description 39
- 230000033001 locomotion Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 12
- 230000007547 defect Effects 0.000 abstract description 7
- 238000007726 management method Methods 0.000 abstract description 7
- 206010039203 Road traffic accident Diseases 0.000 description 27
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供的一种交通碰撞事故检测方法、装置及可读介质,本申请首先获取待检测路段的多种道路感知数据;之后根据所述声音的强度,确定当前碰撞事故类型;最后根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息,从而通过统筹多种传感器的道路感知数据,然后首先根据声音确定出碰撞类型,之后结合所有道路感知数据综合判断是否是碰撞事故,解决了基于交通流对比和基于视频检测的弊端,为道路交通管理部门提供更为丰富的事故信息,便于及时处理。
Description
技术领域
本申请涉及交通检测领域,具体涉及一种交通碰撞事故检测方法、装置及可读介质。
背景技术
交通事故的检测识别是道路交通重点研究问题之一,高效、准确的交通事故识别技术可为后续应急管理和紧急救援提供决策支撑。在诸多交通异常事件类型中,车辆的碰撞往往表征着交通事故的发生,能否在事故发生后及时地反应并采取相应的救援、疏散和隔离等措施,则极大地影响着事故受害者的幸存率和事故现场的交通状况。因此,自动、快速和准确地检测交通监控视频中的碰撞事故,是智能交通系统不可或缺的核心能力之一。
通常来说,现有的交通事故识别方案主要包括:交通事故信息主动上报和数据驱动交通事故识别的两模式。其中交通事故信息上报模式上报效率低,上报信息不全面,耗费人力资源,容易存在漏报情况,存在人工录入失误等,数据驱动又可分为通过一段时间内的车流量与历史常规车流量情况对比的间接检测方式以及通过视觉相机主动检测判断事故两大类,数据驱动会受到环境或者道路因素影响而导致检测误差大、难度高等问题,存在诸多不足。
发明内容
针对现有技术中的交通事故识别方案存在的问题,本申请提供一种交通碰撞事故检测方法、装置及可读介质。
本申请第一方面实施方式提供一种交通碰撞事故检测方法,包括:
获取待检测路段的多种道路感知数据,所述道路感知数据的类型包括声音,且每种道路感知数据通过对应传感器采集得到;
根据所述声音的强度,确定当前碰撞事故类型;
根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息。
在可选的实施方式中,所述碰撞事故类型包括轻微碰撞和严重碰撞,相对应地,所述根据所述声音的强度,确定当前碰撞事故类型,包括:
若采集的声音的强度高于设定阈值,则确定所述当前碰撞事故类型为严重碰撞,反之为轻微碰撞。
在可选的实施方式中,所述道路感知数据的类型还包括:车辆运动数据,对应的传感器包括激光雷达和相机中的至少一个;
所述根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息,包括:
若所述当前碰撞类型为严重碰撞,根据声音数据估算当前碰撞与传感器相对的估算方位角和估算距离;
根据所述估算方位角和估算距离,结合对应位置范围内的所述车辆运动数据,确定所述交通碰撞事故的事故信息。
在可选的实施方式中,所述道路感知数据的类型还包括:车辆运动数据,对应的传感器包括激光雷达和相机中的至少一个;
所述根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息,包括:
若所述当前碰撞类型为轻微碰撞,根据整个路段内的所有车辆运动数据确定疑似交通碰撞事故;
根据所述每个疑似交通碰撞事故的位置范围内的声音数据,判断是否发生交通碰撞事故;
若判断发生交通碰撞事故,调取该对应位置范围内激光雷达采集的点云数据,以及摄像头拍摄图像中相关车辆的车辆图像和事故视频。
在可选的实施方式中,所述声源传感器分布于多个监测站点,所述根据声音数据估算当前碰撞与传感器相对的估算方位角和估算距离,包括:
基于时延估计算法,以其中一个声源传感器为参考原点,确定产生声音的声源与每个声源传感器的距离;
根据所述声源与每个声源传感器的距离,计算所述声源与第i个声源传感器的第一距离和声源与第j个声源传感器的第二距离,并确定所述第一距离和第二距离之间的距离差;i和j不同且均小于N;
根据声速和每个距离差,确定所述当前碰撞与传感器相对的估算方位角和估算距离。
在可选的实施方式中,所述车辆运动数据包括:每一时刻的速度、位置、航向角以及相邻车辆的间距,所述事故信息包括车辆图像、事故视频以及点云数据;相对应地,所述传感器包括激光雷达以及摄像头;
所述根据所述估算方位角和估算距离,结合对应位置范围内的所述车辆运动数据,确定所述交通碰撞事故的事故信息,包括:
在所述当前碰撞与传感器相对的方位角和距离的对应位置范围内,若所述速度、位置、航向角以及相邻车辆的间距在设定时长内的变化量高于对应的阈值,确定该对应位置范围内发生交通碰撞事故;
调取该对应位置范围内激光雷达采集的点云数据,以及摄像头拍摄图像中相关车辆的车辆图像和事故视频。
在可选的实施方式中,所述车辆运动数据包括:速度、位置、航向角以及相邻车辆的间距;所述根据所述每个疑似交通碰撞事故的位置范围内的声音数据,判断是否发生交通碰撞事故,包括:
根据每一时刻整个路段内相邻车辆的间距,结合每个车辆的速度、位置、航向角确定疑似交通碰撞事故的位置范围;
在疑似交通碰撞事故的位置范围内,根据该位置范围中的声音数据,判断该疑似交通碰撞事故是否误判,若未误判,则确定该位置范围内发生交通碰撞事故。
在可选的实施方式中,所述根据每一时刻整个路段内相邻车辆的间距,结合每个车辆的速度、位置、航向角确定疑似交通碰撞事故的位置范围,包括:
将所述待检测路段拆分为多个子路段,并获取所述多个子路段的历史车辆间距数据集;
针对每个子路段,将当前时段内的相邻车辆的间距在设定时长内的变化量与该子路段的历史车辆间距数据集中无事故时和存在事故时的变化量进行变化趋势相关性分析,确定当前子路段的变化量是否异常;
若异常,结合每个车辆的速度、位置以及航向角,确定每个车辆的速度变化、位置变化和航向角变化的一致性是否高于设定阈值;
若是,将对应的子路段确定为疑似交通碰撞事故的位置范围。
本申请第二方面实施方式提供一种交通碰撞事故检测装置,包括:
获取模块,获取待检测路段的多种道路感知数据,所述道路感知数据的类型包括声音,且每种道路感知数据通过对应传感器采集得到;
类型确定模块,根据所述声音的强度,确定当前碰撞事故类型;
事故信息确定模块,根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息。
本申请的第三方面实施方式提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
本申请第四方面实施方式提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法的步骤。
由上述技术方案可知,本申请提供的一种交通碰撞事故检测方法、装置及可读介质,本申请通过统筹多种传感器的道路感知数据,然后首先根据声音确定出碰撞类型,之后结合所有道路感知数据综合判断是否是碰撞事故,解决了基于交通流对比和基于视频检测的弊端,为道路交通管理部门提供更为丰富的事故信息,便于及时处理。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。
图1是本申请实施例中的交通碰撞事故检测方法的流程示意图。
图2是本申请实施例中的交通碰撞事故检测方法的子步骤的细节流程示意图之一。
图3是本申请实施例中的交通碰撞事故检测方法的子步骤的细节流程示意图之二。
图4是本申请实施例中的交通碰撞事故检测方法的子步骤的细节流程示意图之三。
图5是本申请实施例中的交通碰撞事故检测方法的子步骤的细节流程示意图之四。
图6是本申请实施例中交通碰撞事故检测装置的结构示意图。
图7是本申请实施例中电子设备的具体结构示意图。
具体实施方式
为使本申请实施例的目的、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、完整的描述,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。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他实施例,都属于本申请保护的范围。
需要说明的是,本申请公开的交通碰撞事故检测方法、系统、电子设备和计算机可读存储介质可用于交通碰撞事故检测技术领域,也可用于除交通碰撞事故检测技术领域之外的任意领域,本申请公开的交通碰撞事故检测方法、系统、电子设备和计算机可读存储介质的应用领域不做限定。
交通事故的检测识别是道路交通重点研究问题之一,高效、准确的交通事故识别技术可为后续应急管理和紧急救援提供决策支撑。在诸多交通异常事件类型中,车辆的碰撞往往表征着交通事故的发生,能否在事故发生后及时地反应并采取相应的救援、疏散和隔离等措施,则极大地影响着事故受害者的幸存率和事故现场的交通状况。因此,自动、快速和准确地检测交通监控视频中的碰撞事故,是智能交通系统不可或缺的核心能力之一。
通常来说,现有的交通事故识别方案主要包括:交通事故信息主动上报和数据驱动交通事故识别的两模式。其中交通事故信息上报模式上报效率低,上报信息不全面,耗费人力资源,容易存在漏报情况,存在人工录入失误等
其中数据驱动又可分为通过一段时间内的车流量与历史常规车流量情况对比的间接检测方式以及通过视觉相机主动检测判断事故两大类。通过交通流状态的分析:当某一路段发生交通事故后,当前路段及上、下游路段的交通流参数将会产生明显的变化:交通流在事故区域上游排队或以较高的交通密度通行,同时上游路段车辆速度降低,与即将到达上游路段区域的车辆形成明显的速度差。
但是基于交通流对比的方式:该方法主要以目标路段及其上下游路段的交通流参数变化为识别基础,但除交通事故外,还有其他因素可以造成类似变化,如交通需求的变化、临时布置的交通管制措施等,所以数据驱动的交通事故识别模式会受其他因素的干扰,导致误上报。且响应时间长,不能立即发现交通事故。
基于视频的碰撞事故检测方法:通过视觉检测车辆的间距来判定车辆是否碰撞,视觉检测定位精度较低,车辆间距估计存在较大误差,容易产生误报。其次交通碰撞事故碰撞状态发生持续时间极短,间距异常不易捕捉,检测难度较大。并且视觉易受环境影响无法全天候检测,如黑夜、强光、雨雪雾等天气。
基于此,本申请提供一种交通碰撞事故检测方法的实施方式,如图1所示,包括:
S1:获取待检测路段的多种道路感知数据,所述道路感知数据的类型包括声音,且每种道路感知数据通过对应传感器采集得到。
S2:根据所述声音的强度,确定当前碰撞事故类型。
S3:根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息。
从上述描述可知,本申请实施例提供的交通碰撞事故检测方法,本申请通过统筹多种传感器的道路感知数据,然后首先根据声音确定出碰撞类型,之后结合所有道路感知数据综合判断是否是碰撞事故,解决了基于交通流对比和基于视频检测的弊端,为道路交通管理部门提供更为丰富的事故信息,便于及时处理。
本申请实施方式中,感知数据为传感器采集之后经过计算机处理得到的二次数据,例如激光雷达的感知数据为车辆的速度、车距、车辆的位置和航向角等,视觉相机的感知数据为车辆的颜色、车型、车牌号等可视化信息,声源传感器的感知数据为探测范围内的声音。
可以理解的是,激光雷达通过探测器接收到回波信号为一次数据,之后将回波信号处理形成点云数据,对点云数据进行分析(例如连续波频率调制法测距)得到二次数据,同理,车辆的颜色、车型、车牌号等可视化信息为视觉相机拍摄的图像经过计算机识别形成的二次数据,本申请对此不做赘述。
可以理解的是,道路感知数据包括声音数据,并包括上述通过点云数据和图像、视频数据处理形成的车辆运动数据,即车速、车间距等与车辆行驶相关的数据,进一步的,道路感知数据还包括车辆属性数据,例如车型、车牌号、车声颜色等,以及车辆所处道路状态数据,例如车辆位置、车辆航向角等。
在可能的实施方式中,传感器可以包括激光雷达、视觉相机以及声源探测器等,当然本申请不限于此,其中激光雷达采集的感知数据为点云数据,视觉相机采集的数据为图像数据或者视频数据,声源探测器采集的数据为声音数据,本申请对此不作赘述,可以理解的是,本申请还可以配置其他传感器,例如红外传感器,通过红外光辅助测距或者辅助确定车辆是否产生变道。
举例而言,红外传感器设置于交通道路的车道线上,当车辆在该路段产生变道时,则会触发红外信号收发变化,进而确定车辆变道,本申请对此不做具体赘述。
激光雷达包括主控芯片、扫描模块、发射模块和接收模块,扫描模块一般包括扫描器和扫描器驱动,发射模块包括发射光学系统、激光器和激光器驱动,接收模块包括接收光学系统、探测器和模拟前端,具体使用时发射模块的激光器在主控芯片的作用下向目标物发射激光。当激光打在目标物上时,目标物将激光反射回接收光学系统,并照射到探测器上,再通过模拟前端将模拟信号转化为数字信号,然后由主控芯片对信号进行计算、处理,得到大量无拓扑结构离散的空间坐标点,即点云,通过计算机对点云数据进行处理可以使车辆准确感知到当前路面状况并使得车辆及时做出相应操作。
在本申请可选的实施方式中,视觉相机可以为普通相机,或者双目相机,本申请对此不做限制,优选的是,双目相机可以通过景深算法,从景深图像中获取到车辆的间距等信息,可以用于与激光雷达的道路感知数据进行比对,从而提高数据精度。
本申请实施方式中,传感器可以布设于整个路段,在应用时将整个路段分为多个片区或者子路段,例如视觉相机、激光雷达和声源传感器可以设于道路的栏杆上,本申请对此不做赘述。
此外,在本申请实施方式中,碰撞事故类型一般可以包括轻微碰撞和严重碰撞,轻微碰撞对交通流的影响较小,因此现有的交通流对比方式对于轻微碰撞的检测存在较大误差,且除交通事故外,还有其他因素可以造成类似变化,如交通需求的变化、临时布置的交通管制措施等,本申请实施方式中首先可以根据声源产生的声音的强度来判断故障类型,也即若采集的声音的强度高于设定阈值,则确定所述当前碰撞事故类型为严重碰撞,反之为轻微碰撞。
举例而言,由于不同声源传感器的位置不同,因此针对同一声源时接收的声音信号强度各不相同,可以将布设的所有声源传感器采集的声音数据针对某一声源产生的声音进行强度比较,进而确定强度最高的声音对应的声源传感器处于声源附近,之后确定出声源附近后,可以判断强度最高的声音是否高于设定阈值,如果高于则定义为严重碰撞事故,低于则定义为轻微碰撞事故。
本申请首先基于声音来定义碰撞类型,之后利用多传感器采集的道路感知数据进行分类型的综合判断,避免了交通流和视频的检测不准确、易受干扰等缺点,下面对本申请中的轻微碰撞和严重碰撞进行分别说明。
当交通碰撞定义为严重碰撞时,此时声音特征较为明显,可以利用声音数据,结合声源传感器的检测,识别出声源位置,之后再基于声源位置,结合其他道路感知数据进行综合判断。
本实施方式中,所述道路感知数据的类型还包括:车辆运动数据,对应的传感器包括激光雷达和相机中的至少一个;如图2所示,步骤S3具体包括:
S31:若所述当前碰撞类型为严重碰撞,根据声音数据估算当前碰撞与传感器相对的估算方位角和估算距离;
S32:根据所述估算方位角和估算距离,结合对应位置范围内的所述车辆运动数据,确定所述交通碰撞事故的事故信息。
在本申请的实施方式中,可以将整个路段分为多个子路段,在每个子路段内设置多个声源传感器,声源传感器形成传感器阵列,之后,基于相对时延估计的方法,由于阵列的几何结构,各个阵列接收到的信号都有不同程度的延时,而基于相对时延估计的方法通过互相关、广义互相关(Generalized Cross-Correlation,GCC)或相位差等来估计各个阵列信号之间的时延差,再结合阵列的几何结构来估算声源的方位角信息,本申请对此不做赘述。
在本申请的优选实施方式中,本申请可以基于上述TDOA的算法原理,在每个子路段设置一个监测站点,至少一个声源型传感器布置在该监测站点中,之后采用与上述类似的原理,但是由于声源传感器分布在整个路段,因此并未形成阵列,此时由于严重碰撞时产生的声音强度较大,因此存在多个监测站点的声源传感器可以接收到严重碰撞时产生的声音信号,从而基于每个声源传感器可以对应一个接收信号的时间,进而可以计算出每个声源传感器与声源的距离,采用类似于TDOA算法原理进行计算,可以得到所述当前碰撞与传感器相对的估算方位角和估算距离,具体的,步骤S31可以通过如下方式确定,具体的:
所述根据声音数据估算当前碰撞与传感器相对的估算方位角和估算距离,如图3所示,包括:
S311:基于时延估计算法,以其中一个声源传感器为参考原点,确定产生声音的声源与每个声源传感器的距离;
S312:根据所述声源与每个声源传感器的距离,计算所述声源与第i个声源传感器的第一距离和声源与第j个声源传感器的第二距离,并确定所述第一距离和第二距离之间的距离差;i和j不同且均小于N;
S313:根据声速和每个距离差,确定所述当前碰撞与传感器相对的估算方位角和估算距离。
假设在二维平面中存在M个位置随机分布的基站,接收同一目标信号源发射的信号,基站位置坐标分别为(xi,yi),i=1,2,3…,m,目标位置坐标为(x,y),假设第i个基站的接收信号为:
ui(t)=s(t-di)+vi(t) (1)
其中,s(t)为目标发射的源信号,di为原信号传播到达第i个基站的时延,vi(t)为加性高斯白噪声,且假设信号和噪声相互独立。
首先以第1个基站的时延为参考基准,利用广义互相关算法(Generalized cross-correlation,GCC)估计源信号到达第2,3至M个基站与第1个基站的时差:
di1=di-d1,i=2,3至M(2)
之后利用时差d,根据基站与目标的几何关系,列方程组求解目标位置,具体的,根据时差估计di1和光速c,可以得到目标到第i个基站和第1个基站的距离差:ri1=cdi1=ri-r1,i=2,3至M
其中,ri为目标到第i个基站的距离,则利用坐标和上述公式构建非线性方程组,之后定位问题变成了方程的求解问题,从而利用最小二乘法等可以得到目标位置。
本申请关于TDOA算法不作赘述,可以看出,通过结合TDOA算法,通过将每个基站视作为“麦克风阵列”中的一个麦克风,从而可以在整个交通路段的平面内首先信号定位。
进一步的,所述车辆运动数据包括:每一时刻的速度、位置、航向角以及相邻车辆的间距,所述事故信息包括车辆图像、事故视频以及点云数据;相对应地,所述传感器包括激光雷达以及摄像头,在此不做赘述。
本申请对于严重碰撞事故,在通过声音确定出估算方位角和估算距离之后,可以根据所述估算方位角和估算距离,结合对应位置范围内的所述车辆运动数据,确定所述交通碰撞事故的事故信息,具体的,如图4所示,包括:
S321:在所述当前碰撞与传感器相对的方位角和距离的对应位置范围内,若所述速度、位置、航向角以及相邻车辆的间距在设定时长内的变化量高于对应的阈值,确定该对应位置范围内发生交通碰撞事故;
S322:调取该对应位置范围内激光雷达采集的点云数据,以及摄像头拍摄图像中相关车辆的车辆图像和事故视频。
需要说明的是,交通碰撞事故的事故信息一般可以包括碰撞的相关车辆的属性信息,例如车身颜色、车辆车牌号等,通过上述属性信息可以锚定每个车辆,从而可以进一步结合摄像头和激光雷达等传感器的探测数据,测算出车辆距离、位置、航向角、速度和方位角等,而由于严重碰撞事故时,其车流量相比正常通行时会存在差异,但是车流量差异容易受到其他因素干扰,例如突然的雷击、雨天天气导致可视度降低,从而与本申请的严重碰撞形成的参数类似,形成了一定的诱导,本申请通过在区域内的车间距的变化量来确定是否发生碰撞,巧妙地借助了交通事故的突发性这一特点,将天气等持续性状况的因素排除在外,从而提高了碰撞事故的检测准确性。
针对轻微事故,一方面产生的声音强度较低,另一方面车流量变化也较小,此时可以根据每一时刻整个路段内相邻车辆的间距,结合每个车辆的速度、位置、航向角确定疑似交通碰撞事故的位置范围;之后在疑似交通碰撞事故的位置范围内,根据该位置范围中的声音数据,判断该疑似交通碰撞事故是否误判,若未误判,则确定该位置范围内发生交通碰撞事故。
也即本申请针对轻微事故时,首先确定出疑似交通事故的位置范围,之后再“假设”该处已经发生事故,对比此处的声音数据是否是事故产生时的声音数据,从而辅助判断是否故障。
具体的,在本申请优选的实施方式中,可以结合历史数据进行分析,具体的,所述根据每一时刻整个路段内相邻车辆的间距,结合每个车辆的速度、位置、航向角确定疑似交通碰撞事故的位置范围,如图5所示,包括:
S3211:将所述待检测路段拆分为多个子路段,并获取所述多个子路段的历史车辆间距数据集;
S3212:针对每个子路段,将当前时段内的相邻车辆的间距在设定时长内的变化量与该子路段的历史车辆间距数据集中无事故时和存在事故时的变化量进行变化趋势相关性分析,确定当前子路段的变化量是否异常;
S3213:若异常,结合每个车辆的速度、位置以及航向角,确定每个车辆的速度变化、位置变化和航向角变化的一致性是否高于设定阈值;
S3214:若是,将对应的子路段确定为疑似交通碰撞事故的位置范围。
示例性的,假设将路段分为四个:a、b、c以及d子路段,那么对于每个子路段中,对比车辆间距的历史数据的变化趋势,从而虽然车辆间距的变化较小,但是本申请创造性地通过历史车辆间距的变化趋势和当前的变化趋势进行比对,如果四个子路段中的至少一个的变化趋势的一致性高于设定阈值,则确定对应子路段为事故路段。
进一步的,本申请还可以借助于变化趋势的相关性分析,由于距离交通事故发生地越近的路段,受到交通事故影响较大,变化趋势的一致性越低,而距离交通事故发生地越远的路段,受到交通事故影响较小,变化趋势的一致性越高。基于此,本申请结合历史变化趋势,通过变化趋势的一致性来判断,从而可以准确判断出轻微碰撞。
示例性的,假设b子路段发生了轻微碰撞,则b路段的变化趋势一致性最低,a和c次之,d路段的变化趋势一致性最高,从而可以结合一致性趋势的变化,判断b子路段发生轻微碰撞。
可以理解,本申请通过统筹多种传感器的道路感知数据,然后首先根据声音确定出碰撞类型,之后结合所有道路感知数据综合判断是否是碰撞事故,解决了基于交通流对比和基于视频检测的弊端,为道路交通管理部门提供更为丰富的事故信息,便于及时处理。
进一步的,本申请提供一种交通碰撞事故检测装置,如图6所示,包括:
获取模块1,获取待检测路段的多种道路感知数据,所述道路感知数据的类型包括声音,且每种道路感知数据通过对应传感器采集得到;
类型确定模块2,根据所述声音的强度,确定当前碰撞事故类型;
事故信息确定模块3,根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息。
可以理解,本申请提供的一种交通碰撞事故检测装置,本申请通过统筹多种传感器的道路感知数据,然后首先根据声音确定出碰撞类型,之后结合所有道路感知数据综合判断是否是碰撞事故,解决了基于交通流对比和基于视频检测的弊端,为道路交通管理部门提供更为丰富的事故信息,便于及时处理。
从硬件层面来说,为了本发明提供一种用于实现所述交通碰撞事故检测方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现服务器、装置、分布式消息中间件集群装置、各类数据库以及用户终端等相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例中的交通碰撞事故检测方法的实施例,以及,交通碰撞事故检测装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图7为本发明实施例的电子设备9600的系统构成的示意框图。如图7所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图7是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,交通碰撞事故检测功能可以被集成到中央处理器9100中。
在另一个实施方式中,交通碰撞事故检测装置可以与中央处理器9100分开配置,例如可以将交通碰撞事故检测配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现交通碰撞事故检测功能。
如图7所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图7中所示的所有部件;此外,电子设备9600还可以包括图7中没有示出的部件,可以参考现有技术。
如图7所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和声源传感器9132,以经由扬声器9131提供音频输出,并接收来自声源传感器9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过声源传感器9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本发明的实施例还提供能够实现上述实施例中的执行主体可以为服务器的交通碰撞事故检测方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的交通碰撞事故检测方法的全部步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、设备(装置)、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数据处理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数据处理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数据处理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数据处理设备上,使得在计算机或其他可编程设备上执行一系列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。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种交通碰撞事故检测方法,其特征在于,包括:
获取待检测路段的多种道路感知数据,所述道路感知数据的类型包括声音,且每种道路感知数据通过对应传感器采集得到;
根据所述声音的强度,确定当前碰撞事故类型;
根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息。
2.根据权利要求1所述的交通碰撞事故检测方法,其特征在于,所述碰撞事故类型包括轻微碰撞和严重碰撞,相对应地,所述根据所述声音的强度,确定当前碰撞事故类型,包括:
若采集的声音的强度高于设定阈值,则确定所述当前碰撞事故类型为严重碰撞,反之为轻微碰撞。
3.根据权利要求2所述的交通碰撞事故检测方法,其特征在于,所述道路感知数据的类型还包括:车辆运动数据,对应的传感器包括激光雷达和相机中的至少一个;
所述根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息,包括:
若所述当前碰撞类型为严重碰撞,根据声音数据估算当前碰撞与传感器相对的估算方位角和估算距离;
根据所述估算方位角和估算距离,结合对应位置范围内的所述车辆运动数据,确定所述交通碰撞事故的事故信息。
4.根据权利要求2所述的交通碰撞事故检测方法,其特征在于,所述道路感知数据的类型还包括:车辆运动数据,对应的传感器包括激光雷达和相机中的至少一个;
所述根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息,包括:
若所述当前碰撞类型为轻微碰撞,根据整个路段内的所有车辆运动数据确定疑似交通碰撞事故;
根据每个疑似交通碰撞事故的位置范围内的声音数据,判断是否发生交通碰撞事故;
若判断发生交通碰撞事故,调取该对应位置范围内激光雷达采集的点云数据,以及摄像头拍摄图像中相关车辆的车辆图像和事故视频。
5.根据权利要求3所述的交通碰撞事故检测方法,其特征在于,所述传感器包括多个声源传感器,多个声源传感器分布于多个监测站点,所述根据声音数据估算当前碰撞与传感器相对的估算方位角和估算距离,包括:
基于时延估计算法,以其中一个声源传感器为参考原点,确定产生声音的声源与每个声源传感器的距离;
根据所述声源与每个声源传感器的距离,计算所述声源与第i个声源传感器的第一距离和声源与第j个声源传感器的第二距离,并确定所述第一距离和第二距离之间的距离差;i和j不同且均小于N;
根据声速和每个距离差,确定所述当前碰撞与传感器相对的估算方位角和估算距离。
6.根据权利要求3所述的交通碰撞事故检测方法,其特征在于,所述车辆运动数据包括:每一时刻的速度、位置、航向角以及相邻车辆的间距,所述事故信息包括车辆图像、事故视频以及点云数据;相对应地,所述传感器包括激光雷达以及摄像头;
所述根据所述估算方位角和估算距离,结合对应位置范围内的所述车辆运动数据,确定所述交通碰撞事故的事故信息,包括:
在所述当前碰撞与传感器相对的方位角和距离的对应位置范围内,若所述速度、位置、航向角以及相邻车辆的间距在设定时长内的变化量高于对应的阈值,确定该对应位置范围内发生交通碰撞事故;
调取该对应位置范围内激光雷达采集的点云数据,以及摄像头拍摄图像中相关车辆的车辆图像和事故视频。
7.根据权利要求4所述的交通碰撞事故检测方法,其特征在于,所述车辆运动数据包括:速度、位置、航向角以及相邻车辆的间距;所述根据所述每个疑似交通碰撞事故的位置范围内的声音数据,判断是否发生交通碰撞事故,包括:
根据每一时刻整个路段内相邻车辆的间距,结合每个车辆的速度、位置、航向角确定疑似交通碰撞事故的位置范围;
在疑似交通碰撞事故的位置范围内,根据该位置范围中的声音数据,判断该疑似交通碰撞事故是否误判,若未误判,则确定该位置范围内发生交通碰撞事故。
8.根据权利要求7所述的交通碰撞事故检测方法,其特征在于,所述根据每一时刻整个路段内相邻车辆的间距,结合每个车辆的速度、位置、航向角确定疑似交通碰撞事故的位置范围,包括:
将所述待检测路段拆分为多个子路段,并获取所述多个子路段的历史车辆间距数据集;
针对每个子路段,将当前时段内的相邻车辆的间距在设定时长内的变化量与该子路段的历史车辆间距数据集中无事故时和存在事故时的变化量进行变化趋势相关性分析,确定当前子路段的变化量是否异常;
若异常,结合每个车辆的速度、位置以及航向角,确定每个车辆的速度变化、位置变化和航向角变化的一致性是否高于设定阈值;
若是,将对应的子路段确定为疑似交通碰撞事故的位置范围。
9.一种交通碰撞事故检测装置,其特征在于,包括:
获取模块,获取待检测路段的多种道路感知数据,所述道路感知数据的类型包括声音,且每种道路感知数据通过对应传感器采集得到;
类型确定模块,根据所述声音的强度,确定当前碰撞事故类型;
事故信息确定模块,根据当前碰撞事故类型,结合所述多种道路感知数据,确定交通碰撞事故的事故信息。
10.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597428.8A CN116612638A (zh) | 2023-05-18 | 2023-05-18 | 交通碰撞事故检测方法、装置及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597428.8A CN116612638A (zh) | 2023-05-18 | 2023-05-18 | 交通碰撞事故检测方法、装置及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116612638A true CN116612638A (zh) | 2023-08-18 |
Family
ID=87685033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310597428.8A Pending CN116612638A (zh) | 2023-05-18 | 2023-05-18 | 交通碰撞事故检测方法、装置及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116612638A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117912253A (zh) * | 2024-01-31 | 2024-04-19 | 广州云玥科技有限公司 | 一种城市交通数据库信息采集方法和系统 |
-
2023
- 2023-05-18 CN CN202310597428.8A patent/CN116612638A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117912253A (zh) * | 2024-01-31 | 2024-04-19 | 广州云玥科技有限公司 | 一种城市交通数据库信息采集方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111332309B (zh) | 驾驶员监视系统及其操作方法 | |
CN106647776B (zh) | 车辆变道趋势的判断方法、判断装置和计算机存储介质 | |
US11783599B2 (en) | Distracted-driving monitoring method, system and electronic device | |
CN111598034A (zh) | 障碍物检测方法、装置及存储介质 | |
CN113064135B (zh) | 在3d雷达点云连续帧数据中检测障碍物的方法及装置 | |
Tung et al. | Use of phone sensors to enhance distracted pedestrians’ safety | |
CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
US20220092981A1 (en) | Systems and methods for controlling vehicle traffic | |
CN116612638A (zh) | 交通碰撞事故检测方法、装置及可读介质 | |
CN105117096A (zh) | 一种基于图像识别的反跟踪方法及装置 | |
CN111985373A (zh) | 基于交通路口识别的安全预警方法、装置及电子设备 | |
GB2599939A (en) | Method of updating the existance probability of a track in fusion based on sensor perceived areas | |
CN112633182A (zh) | 一种车辆状态检测方法、装置、设备和存储介质 | |
CN117372979A (zh) | 道路巡检方法、装置、电子设备及存储介质 | |
CN111332306A (zh) | 一种基于机器视觉的交通道路感知辅助驾驶预警装置 | |
CN111746526B (zh) | 一种后方无人驾驶车辆的预警方法、装置、设备和车辆 | |
CN117416349A (zh) | V2X环境下基于改进YOLOV7-Tiny和SS-LSTM的自动驾驶风险预判系统及方法 | |
CN108957460A (zh) | 车辆距离的检测方法、设备及计算机可读存储介质 | |
CN110706496A (zh) | 基于声学的环境感知方法及系统 | |
CN116872840A (zh) | 车辆防撞预警方法、装置、车辆和存储介质 | |
CN116563801A (zh) | 交通事故检测方法、装置、电子设备和介质 | |
US11948461B2 (en) | Information processing device, information processing method, and program | |
CN117152708A (zh) | 欺骗攻击检测方法、装置、设备及存储介质 | |
CN111598009A (zh) | 监控急刹车辆的方法、装置、电子设备和存储介质 | |
CN113313654A (zh) | 激光点云滤波去噪方法、系统、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 |