CN116631187A - 一种案件现场勘查信息智能采集分析系统 - Google Patents

一种案件现场勘查信息智能采集分析系统 Download PDF

Info

Publication number
CN116631187A
CN116631187A CN202310592727.2A CN202310592727A CN116631187A CN 116631187 A CN116631187 A CN 116631187A CN 202310592727 A CN202310592727 A CN 202310592727A CN 116631187 A CN116631187 A CN 116631187A
Authority
CN
China
Prior art keywords
vehicle
target vehicle
accident
driving
case
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.)
Granted
Application number
CN202310592727.2A
Other languages
English (en)
Other versions
CN116631187B (zh
Inventor
齐泽荣
胡明征
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Chengshi Electronic Technology Co ltd
Original Assignee
Shandong Chengshi Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Chengshi Electronic Technology Co ltd filed Critical Shandong Chengshi Electronic Technology Co ltd
Priority to CN202310592727.2A priority Critical patent/CN116631187B/zh
Publication of CN116631187A publication Critical patent/CN116631187A/zh
Application granted granted Critical
Publication of CN116631187B publication Critical patent/CN116631187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • 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
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于现场勘查信息采集分析技术领域，具体公开提供的一种案件现场勘查信息智能采集分析系统，该系统包括：对第一事故车辆和第二事故车辆违章行为进行分析，初步评估车祸原因；分析道路环境障碍物对车祸的影响指数，如果车辆在行驶过程中因路面存在障碍物或路面存在损坏而发生事故，则在评估事故责任时，可以减轻车主的案件现场事故承担责任；分析车主驾驶行为对车祸影响指数，有助于调查人员快速、精准的了解事故现场情况并进行初步分析；结合人为因素与环境因素综合判断事故责任，更加科学地对车主责任等级进行评定反馈，可以避免由于主观臆断或个人情感而导致的争议和不公，减少交通事故后续纠纷。

Description

一种案件现场勘查信息智能采集分析系统
技术领域
本发明属于现场勘查信息采集分析技术领域，涉及到一种案件现场勘查信息智能采集分析系统。
背景技术
随着科技的进步，很多新兴的技术手段已经被广泛应用到现行的交通事故案件信息勘察当中。这些技术手段可以协助调查人员更准确、更快速地采集、处理和分析信息，为事故研究者提供更为准确的基础数据，提高事故处理效率和精确度。
现有的交通事故案件信息勘察技术包括在车辆上安装多功能智能摄像头，提取车辆行驶状况、交叉路口情况、红绿灯信号、车辆碰撞时速度等数据，以及利用无人机和高精度相机技术对交通事故现场进行拍摄和录制视频。以上案件信息勘察技术虽然可以获取大量数据，但在信息处理方面存在明显缺陷。
现有的交通事故案件信息勘查技术没有通过数据分析事故车辆的违章行为，对案件发生原因缺乏初步评估，可能导致在案件处理流程中出现繁琐步骤；没有对案件现场事故环境数据进行直接分析，而是通过技术专业人员对环境数据进行解读和分析，使得案件处理过程的时间成本较高，并且在人力资源成本方面存在极大地浪费；没有通过事故车辆的行驶数据直接分析车主异常行为，而是通过人为检测分析车主驾驶异常行为，人为检测分析受主观因素影响较大，难以保持客观公正性，进而会为案件发生原因带来主观影响。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种案件现场勘查信息智能采集分析系统。
本发明的目的可以通过以下技术方案实现：本发明提供一种案件现场勘查信息智能采集分析系统，包括：违章行为监测分析模块，用于根据案件现场车辆行驶视频对第一事故车辆和第二事故车辆违章行为进行监测分析，若某事故车辆存在违章行为，则将该事故车辆记为违章车辆；若两事故车辆均不存在违章行为，则将两事故车辆分别记为第一目标车辆和第二目标车辆，并执行道路环境障碍物信息解析模块。
道路环境障碍物信息解析模块，用于获取案件现场的道路表观数据和天气环境数据，进而分析道路环境障碍物对案件现场的事故影响指数。
车主驾驶行为解析模块，用于获取第一目标车辆和第二目标车辆的各经过路段行驶视频，对第一目标车辆和第二目标车辆的车主驾驶行为进行解析，进而分析第一目标车辆和第二目标车辆的车主驾驶行为对案件现场的事故影响指数。
责任等级评估模块，用于分析第一目标车辆和第二目标车辆的事故承担系数，进而对第一目标车辆和第二目标车辆的车主责任等级进行评估。
显示终端，用于将第一事故车辆和第二事故车辆的违章行为进行显示，当两事故车辆均不存在违章行为时，将第一目标车辆和第二目标车辆的车主责任等级进行显示。
数据库，用于存储各路段位置对应的交通路标指向、路程、限制车速、各裂痕灰度值范围和各凹陷灰度值范围，存储各时间各地区的天气环境数据和各路段的车辆行驶视频，并存储各责任等级对应的事故承担系数范围。
作为一种优选的方案，所述对第一事故车辆的违章行为进行监测分析的具体步骤包括：从交通监控摄像头中提取案件现场车辆行驶视频，获取第一事故车辆的行驶方向和交通路标指向，若第一事故车辆行驶方向与交通路标指向相反，则判定该事故车辆的违章行为为逆向行驶违章行为，反之则从案件现场车辆行驶视频中获取第一事故车辆在交通灯跳转到红灯时刻的车头位置。
若第一事故车辆在交通灯跳转到红灯时刻的车头位置越过路口停靠线，则判定该事故车辆的违章行为为闯红灯违章行为；若第一事故车辆在交通灯跳转到红灯时刻的车头位置未越过路口停靠线，则该事故车辆不存在闯红灯行为，进而将第一事故车辆记为第一目标车辆。
作为一种优选的方案，所述分析道路环境障碍物对案件现场的事故影响指数具体为：从案件现场车辆行驶视频中获取案件现场的路面图像，对案件现场的路面图像进行障碍物识别，提取各障碍物体积Md，d表示为障碍物编号，d＝1,2,...,t。
获取案件现场第一目标车辆和第二目标车辆轮胎位置对应的路面图像，从中提取路面各裂痕区域面积Ai'和路面各凹陷区域面积Bj'，i表示为路面裂痕区域编号，i＝1,2,...,m，j表示为路面凹陷区域编号，j＝1,2,...,n。
从交通监控摄像头中提取案件发生时间，根据案件发生时间提取数据库中对应时间案件现场所处地区的天气环境数据，天气环境数据包括单位时间降雨量和天气能见度，分别记为Q'、P'。
通过分析公式
得到道路环境障碍物对车祸的影响指数，其中M表示为设定的车辆在正常行驶过程中的障碍物体积允许值，A、B分别表示为设定的车辆在正常行驶过程中的路面裂痕区域面积阈值和路面凹陷区域面积阈值，Q、P分别表示为设定的车辆在正常行驶过程中的单位时间降雨量阈值和天气能见度阈值，分别表示为预设的单位时间降雨量和天气能见度对应的天气环境影响评估占比，/>λ1、λ2、λ3分别表示为预设的路面障碍物、道路表观数据和天气环境数据对应的影响占比权重，e为自然常数。
作为一种优选的方案，所述对第一目标车辆和第二目标车辆的车主驾驶行为进行解析具体为：提取数据库中各路段的车辆行驶视频，并根据第一目标车辆的车牌定位第一目标车辆对应行驶路线，进而得到第一目标车辆对应各经过路段，并根据各路段的车辆行驶视频得到第一目标车辆对应各经过路段的行驶视频，提取第一目标车辆对应各经过路段的行驶时长Tk和各经过路段的行驶路程Sk，k表示为路段编号，k＝1,2,...,u，根据得到第一目标车辆车主驾驶行为对应的疲劳驾驶评估因子，其中T、S分别表示为设定的车主连续行驶时长允许值和连续行驶路程允许值，β表示为预设的车主疲劳驾驶的权衡因子。
根据第一目标车辆在案件发生时所处路段的行驶时长和行驶路程，计算第一目标车辆在案件发生时所处路段的行驶车速ν，将其与对应路段限制车速ν0进行对比，由得到第一目标车辆车主驾驶行为对应的超速驾驶评估因子。
获取第一目标车辆在各经过路段的刹车次数Fk和加速次数Hk，进而根据分析公式得到第一目标车辆车主驾驶行为对应的酒后驾驶评估因子，其中Fk'、Hk'分别表示为第k经过路段的平均刹车次数和平均加速次数，Λ表示为第一目标车辆行驶过程中车辆跑偏程度，Λ'表示为设定的车辆行驶过程中跑偏程度允许值，ρ1、ρ2分别表示为设定的异常行驶次数和跑偏程度对应的占比权重，ρ1+ρ2＝1。
根据第一目标车辆的车主驾驶行为解析方式，同理对第二目标车辆的车主驾驶行为进行解析，得到第二目标车辆车主驾驶行为对应的疲劳驾驶、超速驾驶和酒后驾驶评估因子。
作为一种优选的方案，所述第一目标车辆在各经过路段的刹车次数和加速次数具体获取方式为：根据第一目标车辆对应各经过路段的行驶视频，提取得到第一目标车辆对应各经过路段的各时间点车速。
将各经过路段的各时间点车速与其相邻时间点车速进行作差，统计得到各经过路段的各时间点车速与其相邻时间点车速的差值，当某时间点车速与其相邻时间点车速的差值对应绝对值大于预设的车速差值阈值时，若该时间点车速与其相邻时间点车速的差值为负值，则将该时间点与其相邻时间点之间的行驶状态记为刹车状态；若该时间点车速与其相邻时间点车速的差值为正值，则将该时间点与其相邻时间点之间的行驶状态记为加速状态。
进而统计得到各经过路段中刹车状态数量和加速状态数量，分别记为第一目标车辆在对应经过路段的刹车次数和加速次数。
作为一种优选的方案，所述第一目标车辆行驶过程中车辆跑偏程度具体获取方式为：从第一目标车辆对应各经过路段的行驶视频中提取各图像，得到第一目标车辆对应各经过路段的行驶视频中各图像内车辆中心线与其对应车道中心线的夹角θkz，z表示为路段行驶视频的图像编号，z＝1,2,...,y。
进而根据公式得到第一目标车辆行驶过程中车辆跑偏程度，其中R表示为设定的自然常数，R＞1,y为各路段行驶视频的图像数量，u为路段数量，Δθ表示为设定的车辆中心线与其对应车道中心线的夹角偏差允许值，ξ表示为预设的车辆跑偏评定修正因子。
作为一种优选的方案，所述分析第一目标车辆和第二目标车辆的车主驾驶行为对案件现场的事故影响指数具体为：根据分析公式得到第一目标车辆的车主驾驶行为对案件现场的事故影响指数，其中τ1、τ2、τ3分别表示为设定的车主驾驶行为对应的疲劳驾驶、超速驾驶和酒后驾驶评估因子的占比权重。
同理得到第二目标车辆的车主驾驶行为对案件现场的事故影响指数。
作为一种优选的方案，所述对第一目标车辆和第二目标车辆的车主责任等级进行评估具体为：由公式得到第一目标车辆的事故承担系数，进而将第一目标车辆的事故承担系数与数据库中各责任等级对应的事故承担系数范围进行对比，若第一目标车辆的事故承担系数处于某责任等级的事故承担系数范围内，则第一目标车辆的车主属于该责任等级。
同理得到第二目标车辆的车主责任等级。
相较于现有技术，本发明的有益效果如下：(1)本发明通过对第一事故车辆和第二事故车辆违章行为进行监测分析，初步评估车祸原因，减少了调整过程中的时间和人力成本，从而加速案件处理流程。
(2)本发明通过分析道路环境障碍物对车祸的影响指数，可以在车祸调查和责任评估的过程中提供更多的客观数据支持和事实依据，如果车辆在行驶过程中因路面存在障碍物或路面存在损坏而发生交通事故，则在评估事故责任时，可以纳入道路环境对车祸产生的影响，以减轻车主的案件现场事故承担责任。
(3)本发明对车主驾驶行为进行解析，分析车主驾驶行为对车祸影响指数，全面评估车主驾驶行为因素对交通事故的影响，有助于调查人员快速、精准的了解事故现场情况并进行初步分析，从而更有效地判断责任和采取相应措施。
(4)本发明结合人为因素与环境因素综合判断事故责任，更加科学地对车主责任等级进行评定反馈，可以避免由于主观臆断或个人情感而导致的争议和不公，减少交通事故后续纠纷。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明系统模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参阅图1所示，本发明提供了一种案件现场勘查信息智能采集分析系统，该系统包括：违章行为监测分析模块、道路环境障碍物信息解析模块、车主驾驶行为解析模块、责任等级评定模块、显示终端和数据库。所述违章行为监测分析模块与道路环境障碍物信息解析模块连接，责任等级评定模块分别与道路环境障碍物信息解析模块和车主驾驶行为解析模块连接，显示终端分别与违章行为监测分析模块和责任等级评估模块连接，数据库分别与道路环境障碍物信息解析模块、车主驾驶行为解析模块以及责任等级评定模块连接。
所述违章行为监测分析模块用于根据案件现场车辆行驶视频对第一事故车辆和第二事故车辆违章行为进行监测分析，若某事故车辆存在违章行为，则将该事故车辆记为违章车辆，进而将违章车辆的违章行为反馈至显示终端；若两事故车辆均不存在违章行为，则将两事故车辆分别记为第一目标车辆和第二目标车辆，并执行道路环境障碍物信息解析模块。
在本发明的具体实施例中，所述对第一事故车辆的违章行为进行监测分析的具体步骤包括：从交通监控摄像头中提取案件现场车辆行驶视频，获取第一事故车辆的行驶方向和交通路标指向，若第一事故车辆行驶方向与交通路标指向相反，则判定该事故车辆的违章行为为逆向行驶违章行为，反之则从案件现场车辆行驶视频中获取第一事故车辆在交通灯跳转到红灯时刻的车头位置。
若第一事故车辆在交通灯跳转到红灯时刻的车头位置越过路口停靠线，则判定该事故车辆的违章行为为闯红灯违章行为；若第一事故车辆在交通灯跳转到红灯时刻的车头位置未越过路口停靠线，则该事故车辆不存在闯红灯行为，进而将第一事故车辆记为第一目标车辆。
特别说明的，本发明是对交通事故案件现场的两车辆相撞情况进行分析。根据上述第一事故车辆的违章行为监测分析步骤，同理分析得到第二事故车辆的违章行为。
所述获取第一事故车辆的行驶方向和交通路标指向具体为：从案件现场车辆行驶视频中提取第一事故车辆移动轨迹，进而将第一事故车辆移动轨迹的移动方向作为其行驶方向。
根据案件现场车辆行驶视频获取案件现场路段位置，将其与数据库中各路段位置对应的交通路标指向进行匹配，得到案件现场路段位置的交通路标指向。
本发明通过对第一事故车辆和第二事故车辆违章行为进行监测分析，初步评估车祸原因，减少了调整过程中的时间和人力成本，从而加速案件处理流程。
所述道路环境障碍物信息解析模块用于获取案件现场的道路表观数据和天气环境数据，进而分析道路环境障碍物对案件现场的事故影响指数。
在本发明的具体实施例中，所述分析道路环境障碍物对案件现场的事故影响指数具体为：从案件现场车辆行驶视频中获取案件现场的路面图像，对案件现场的路面图像进行障碍物识别，提取各障碍物体积Md，d表示为障碍物编号，d＝1,2,...,t。
获取案件现场第一目标车辆和第二目标车辆轮胎位置对应的路面图像，从中提取路面各裂痕区域面积Ai'和路面各凹陷区域面积Bj'，i表示为路面裂痕区域编号，i＝1,2,...,m，j表示为路面凹陷区域编号，j＝1,2,...,n。
从交通监控摄像头中提取案件发生时间，根据案件发生时间提取数据库中对应时间案件现场所处地区的天气环境数据，天气环境数据包括单位时间降雨量和天气能见度，分别记为Q'、P'。
通过分析公式
得到道路环境障碍物对车祸的影响指数，其中M表示为设定的车辆在正常行驶过程中的障碍物体积允许值，A、B分别表示为设定的车辆在正常行驶过程中的路面裂痕区域面积阈值和路面凹陷区域面积阈值，Q、P分别表示为设定的车辆在正常行驶过程中的单位时间降雨量阈值和天气能见度阈值，分别表示为预设的单位时间降雨量和天气能见度对应的天气环境影响评估占比，/>λ1、λ2、λ3分别表示为预设的路面障碍物、道路表观数据和天气环境数据对应的影响占比权重，e为自然常数。
需要说明的是，所述提取各障碍物体积具体情况为：根据边缘检测算法从案件现场的路面图像中提取各障碍物的轮廓，获取各障碍物轮廓面积和高度，进而通过各障碍物轮廓面积和高度计算对应障碍物体积。
其中边缘检测算法具体内容包括：对案件现场的路面图像进行去噪和灰度化处理，进而利用Sobe l边缘检测算子提取处理后图像中障碍物边缘信息，对障碍物边缘信息进行边缘连接操作得到案件现场的路面图像中障碍物轮廓。
所述路面各裂痕面积和路面各凹陷面积具体提取方式为：对案件现场的路面图像进行预处理，进而对预处理后案件现场的路面图像进行像素分割，得到案件现场的路面图像各像素区域，将案件现场的路面图像各像素区域对应灰度值与数据库中各裂痕灰度值范围进行对比，若案件现场的路面图像中某像素区域的灰度值在某裂痕灰度值范围内，则案件现场的路面图像中该像素区域为裂痕部分区域，将各裂痕部分区域对应的相邻裂痕部分区域进行连接，得到案件现场的路面图像中各相邻裂痕部分区域，将案件现场的路面图像中各相邻裂痕部分区域对应的像素区域面积进行求和得到对应裂痕区域面积，进而统计得到各裂痕区域面积。
同理得到各凹陷区域面积。
本发明通过分析道路环境障碍物对车祸的影响指数，可以在车祸调查和责任评估的过程中提供更多的客观数据支持和事实依据，如果车辆在行驶过程中因路面存在障碍物或路面存在损坏而发生交通事故，则在评估事故责任时，可以纳入道路环境对车祸产生的影响，以减轻车主的案件现场事故承担责任。
所述车主驾驶行为解析模块用于获取第一目标车辆和第二目标车辆的各经过路段行驶视频，对第一目标车辆和第二目标车辆的车主驾驶行为进行解析，进而分析第一目标车辆和第二目标车辆的车主驾驶行为对案件现场的事故影响指数。
在本发明的具体实施例中，所述对第一目标车辆和第二目标车辆的车主驾驶行为进行解析具体为：提取数据库中各路段的车辆行驶视频，并根据第一目标车辆的车牌定位第一目标车辆对应行驶路线，进而得到第一目标车辆对应各经过路段，并根据各路段的车辆行驶视频得到第一目标车辆对应各经过路段的行驶视频，提取第一目标车辆对应各经过路段的行驶时长Tk和各经过路段的行驶路程Sk，k表示为路段编号，k＝1,2,...,u，根据得到第一目标车辆车主驾驶行为对应的疲劳驾驶评估因子，其中T、S分别表示为设定的车主连续行驶时长允许值和连续行驶路程允许值，β表示为预设的车主疲劳驾驶的权衡因子。
根据第一目标车辆在案件发生时所处路段的行驶时长和行驶路程，计算第一目标车辆在案件发生时所处路段的行驶车速ν，将其与对应路段限制车速ν0进行对比，由得到第一目标车辆车主驾驶行为对应的超速驾驶评估因子。
获取第一目标车辆在各经过路段的刹车次数Fk和加速次数Hk，进而根据分析公式得到第一目标车辆车主驾驶行为对应的酒后驾驶评估因子，其中Fk'、Hk'分别表示为第k经过路段的平均刹车次数和平均加速次数，Λ表示为第一目标车辆行驶过程中车辆跑偏程度，Λ'表示为设定的车辆行驶过程中跑偏程度允许值，ρ1、ρ2分别表示为设定的异常行驶次数和跑偏程度对应的占比权重，ρ1+ρ2＝1。
根据第一目标车辆的车主驾驶行为解析方式，同理对第二目标车辆的车主驾驶行为进行解析，得到第二目标车辆车主驾驶行为对应的疲劳驾驶、超速驾驶和酒后驾驶评估因子。
需要说明的是，所述提取第一目标车辆对应各经过路段的行驶时长和各经过路段的行驶路程具体为：从第一目标车辆对应各经过路段的行驶视频中定位出第一目标车辆在对应经过路段的出现时间，进而将各相邻经过路段的出现时间进行作差得到第一目标车辆对应各经过路段的行驶时长；根据各经过路段位置，从数据库中提取对应经过路段位置的路程，将其记为第一目标车辆对应经过路段的行驶路程。
所述计算第一目标车辆在案件发生时所处路段的行驶车速具体为：
所述路段限制车速获取方式为：从各路段行驶视频中获取对应路段位置，将其与数据库中各路段位置的限制车速进行匹配，得到各路段位置对应的路段限制车速。
在本发明的具体实施例中，所述第一目标车辆在各经过路段的刹车次数和加速次数具体获取方式为：根据第一目标车辆对应各经过路段的行驶视频，提取得到第一目标车辆对应各经过路段的各时间点车速。
将各经过路段的各时间点车速与其相邻时间点车速进行作差，统计得到各经过路段的各时间点车速与其相邻时间点车速的差值，当某时间点车速与其相邻时间点车速的差值对应绝对值大于预设的车速差值阈值时，若该时间点车速与其相邻时间点车速的差值为负值，则将该时间点与其相邻时间点之间的行驶状态记为刹车状态；若该时间点车速与其相邻时间点车速的差值为正值，则将该时间点与其相邻时间点之间的行驶状态记为加速状态。
进而统计得到各经过路段中刹车状态数量和加速状态数量，分别记为第一目标车辆在对应经过路段的刹车次数和加速次数。
上述第一目标车辆对应各经过路段的各时间点车速是由第一目标车辆对应各经过路段的各相邻时间点内行驶路程除以相邻时间点对应时长计算得到。
需要说明的是，所述各经过路段的平均刹车次数和平均加速次数具体获取方式为：根据各路段的车辆行驶视频得到各经过路段的当天车辆行驶视频，从各经过路段的当天车辆行驶视频中提取对应经过路段当天各经过车辆的各时间点参照车速。
根据第一目标车辆对应各时间点与其相邻时间点之间的行驶状态分析方式，同理分析当天各经过车辆对应各时间点与其相邻时间点之间的行驶状态，统计得到各经过路段当天各经过车辆的刹车状态数量和加速状态数量，分别通过均值计算得到对应经过路段的平均刹车状态数量和平均加速状态数量，将其记为对应经过路段的平均刹车次数和平均加速次数。
上述各经过路段当天各经过车辆的各时间点参照车速获取方式为：根据各经过路段的当天车辆行驶视频得到各经过路段的当天各经过车辆对应相邻时间点内行驶路程，将其除以相邻时间点对应时长计算得到对应时间点参照车速，进而统计得到各经过路段当天各经过车辆的各时间点参照车速。
在本发明的具体实施例中，所述第一目标车辆行驶过程中车辆跑偏程度具体获取方式为：从第一目标车辆对应各经过路段的行驶视频中提取各图像，得到第一目标车辆对应各经过路段的行驶视频中各图像内车辆中心线与其对应车道中心线的夹角θkz，z表示为路段行驶视频的图像编号，z＝1,2,...,y。
进而根据公式得到第一目标车辆行驶过程中车辆跑偏程度，其中R表示为设定的自然常数，R＞1,y为路段行驶视频的图像数量，u为路段数量，Δθ表示为设定的车辆中心线与其对应车道中心线的夹角偏差允许值，ξ表示为预设的车辆跑偏评定修正因子。
需要说明的是，所述第一目标车辆中心线与其对应车道中心线的夹角获取方式为：将车辆中心线的线段两端进行延长，得到车辆中心线的线段延长线，将其与对应车道中心线进行连接，得到车辆中心线的线段延长线与对应车道中心线的连接点，进而将其作为坐标原点，以车道中心线为纵坐标，垂直于车道中心线的方向为横坐标，建立平面坐标系。
在车辆中心线上定位出车头位置对应的端点坐标，记为(x0,y0)，根据角度公式计算得到第一目标车辆中心线与其对应车道中心线的夹角，π为圆周率，约等于3.14。
在本发明的具体实施例中，所述分析第一目标车辆和第二目标车辆的车主驾驶行为对案件现场的事故影响指数具体为：根据分析公式得到第一目标车辆的车主驾驶行为对车祸影响指数，其中τ1、τ2、τ3分别表示为设定的车主驾驶行为对应的疲劳驾驶、超速驾驶和酒后驾驶评估因子的占比权重。
同理得到第二目标车辆的车主驾驶行为对案件现场的事故影响指数。
本发明对车主驾驶行为进行解析，分析车主驾驶行为对车祸影响指数，全面评估车主驾驶行为因素对交通事故的影响，有助于调查人员快速、精准的了解事故现场情况并进行初步分析，从而更有效地判断责任和采取相应措施。
所述责任等级评定模块用于分析第一目标车辆和第二目标车辆的事故承担系数，进而对第一目标车辆和第二目标车辆的车主责任等级进行评估。
在本发明的具体实施例中，所述对第一目标车辆和第二目标车辆的车主责任等级进行评估具体为：由公式得到第一目标车辆的事故承担系数，进而将第一目标车辆的事故承担系数与数据库中各责任等级对应的事故承担系数范围进行对比，若第一目标车辆的事故承担系数处于某责任等级的事故承担系数范围内，则第一目标车辆的车主属于该责任等级。
同理得到第二目标车辆的车主责任等级。
本发明结合人为因素与环境因素综合判断事故责任，更加科学地对车主责任等级进行评定反馈，可以避免由于主观臆断或个人情感而导致的争议和不公，减少交通事故后续纠纷。
所述显示终端用于将第一事故车辆和第二事故车辆的违章行为进行显示，当两事故车辆均不存在违章行为时，将第一目标车辆和第二目标车辆的车主责任等级进行显示。
所述数据库用于存储各路段位置对应的交通路标指向、路程、限制车速、各裂痕灰度值范围和各凹陷灰度值范围，存储各时间各地区的天气环境数据和各路段的车辆行驶视频，并存储各责任等级对应的事故承担系数范围。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种案件现场勘查信息智能采集分析系统，其特征在于：该系统包括：
违章行为监测分析模块，用于根据案件现场车辆行驶视频对第一事故车辆和第二事故车辆违章行为进行监测分析，若某事故车辆存在违章行为，则将该事故车辆记为违章车辆；若两事故车辆均不存在违章行为，则将两事故车辆分别记为第一目标车辆和第二目标车辆，并执行道路环境障碍物信息解析模块；
道路环境障碍物信息解析模块，用于获取案件现场的道路表观数据和天气环境数据，进而分析道路环境障碍物对案件现场的事故影响指数；
车主驾驶行为解析模块，用于获取第一目标车辆和第二目标车辆对应各经过路段的行驶视频，对第一目标车辆和第二目标车辆的车主驾驶行为进行解析，进而分析第一目标车辆和第二目标车辆的车主驾驶行为对案件现场的事故影响指数；
责任等级评估模块，用于分析第一目标车辆和第二目标车辆的事故承担系数，进而对第一目标车辆和第二目标车辆的车主责任等级进行评估；
显示终端，用于将第一事故车辆和第二事故车辆的违章行为进行显示，当两事故车辆均不存在违章行为时，将第一目标车辆和第二目标车辆的车主责任等级进行显示；
数据库，用于存储各路段位置对应的交通路标指向、路程、限制车速、各裂痕灰度值范围和各凹陷灰度值范围，存储各时间各地区的天气环境数据和各路段的车辆行驶视频，并存储各责任等级对应的事故承担系数范围。
2.根据权利要求1所述的一种案件现场勘查信息智能采集分析系统，其特征在于：所述对第一事故车辆的违章行为进行监测分析的具体步骤包括：
从交通监控摄像头中提取案件现场车辆行驶视频，获取第一事故车辆的行驶方向和交通路标指向，若第一事故车辆行驶方向与交通路标指向相反，则判定该事故车辆的违章行为为逆向行驶违章行为，反之则从案件现场车辆行驶视频中获取第一事故车辆在交通灯跳转到红灯时刻的车头位置；
若第一事故车辆在交通灯跳转到红灯时刻的车头位置越过路口停靠线，则判定该事故车辆的违章行为为闯红灯违章行为；若第一事故车辆在交通灯跳转到红灯时刻的车头位置未越过路口停靠线，则该事故车辆不存在闯红灯行为，进而将第一事故车辆记为第一目标车辆。
3.根据权利要求1所述的一种案件现场勘查信息智能采集分析系统，其特征在于：所述分析道路环境障碍物对案件现场的事故影响指数具体为：
从案件现场车辆行驶视频中获取案件现场的路面图像，对案件现场的路面图像进行障碍物识别，提取各障碍物体积Md，d表示为障碍物编号，d＝1,2,...,t；
获取案件现场第一目标车辆和第二目标车辆轮胎位置对应的路面图像，从中提取路面各裂痕区域面积Ai'和路面各凹陷区域面积Bj'，i表示为路面裂痕区域编号，i＝1,2,...,m，j表示为路面凹陷区域编号，j＝1,2,...,n；
从交通监控摄像头中提取案件发生时间，根据案件发生时间提取数据库中对应时间案件现场所处地区的天气环境数据，天气环境数据包括单位时间降雨量和天气能见度，分别记为Q'、P'；
通过分析公式得到道路环境障碍物对车祸的影响指数，其中M表示为设定的车辆在正常行驶过程中的障碍物体积允许值，A、B分别表示为设定的车辆在正常行驶过程中的路面裂痕区域面积阈值和路面凹陷区域面积阈值，Q、P分别表示为设定的车辆在正常行驶过程中的单位时间降雨量阈值和天气能见度阈值，/>分别表示为预设的单位时间降雨量和天气能见度对应的天气环境影响评估占比，/>λ1、λ2、λ3分别表示为预设的路面障碍物、道路表观数据和天气环境数据对应的影响占比权重，e为自然常数。
4.根据权利要求1所述的一种案件现场勘查信息智能采集分析系统，其特征在于：所述对第一目标车辆和第二目标车辆的车主驾驶行为进行解析具体为：
提取数据库中各路段的车辆行驶视频，并根据第一目标车辆的车牌定位第一目标车辆对应行驶路线，进而得到第一目标车辆对应各经过路段，并根据各路段的车辆行驶视频得到第一目标车辆对应各经过路段的行驶视频，提取第一目标车辆对应各经过路段的行驶时长Tk和各经过路段的行驶路程Sk，k表示为路段编号，k＝1,2,...,u，根据得到第一目标车辆车主驾驶行为对应的疲劳驾驶评估因子，其中T、S分别表示为设定的车主连续行驶时长允许值和连续行驶路程允许值，β表示为预设的车主疲劳驾驶的权衡因子；
根据第一目标车辆在案件发生时所处路段的行驶时长和行驶路程，计算第一目标车辆在案件发生时所处路段的行驶车速ν，将其与对应路段限制车速ν0进行对比，由得到第一目标车辆车主驾驶行为对应的超速驾驶评估因子；
获取第一目标车辆在各经过路段的刹车次数Fk和加速次数Hk，进而根据分析公式得到第一目标车辆车主驾驶行为对应的酒后驾驶评估因子，其中Fk'、Hk'分别表示为第k经过路段的平均刹车次数和平均加速次数，Λ表示为第一目标车辆行驶过程中车辆跑偏程度，Λ'表示为设定的车辆行驶过程中跑偏程度允许值，ρ1、ρ2分别表示为设定的异常行驶次数和跑偏程度对应的占比权重，ρ1+ρ2＝1；
根据第一目标车辆的车主驾驶行为解析方式，同理对第二目标车辆的车主驾驶行为进行解析，得到第二目标车辆车主驾驶行为对应的疲劳驾驶、超速驾驶和酒后驾驶评估因子。
5.根据权利要求4所述的一种案件现场勘查信息智能采集分析系统，其特征在于：所述第一目标车辆在各经过路段的刹车次数和加速次数具体获取方式为：
根据第一目标车辆对应各经过路段的行驶视频，提取得到第一目标车辆对应各经过路段的各时间点车速；
将各经过路段的各时间点车速与其相邻时间点车速进行作差，统计得到各经过路段的各时间点车速与其相邻时间点车速的差值，当某时间点车速与其相邻时间点车速的差值对应绝对值大于预设的车速差值阈值时，若该时间点车速与其相邻时间点车速的差值为负值，则将该时间点与其相邻时间点之间的行驶状态记为刹车状态；若该时间点车速与其相邻时间点车速的差值为正值，则将该时间点与其相邻时间点之间的行驶状态记为加速状态；
进而统计得到各经过路段中刹车状态数量和加速状态数量，分别记为第一目标车辆在对应经过路段的刹车次数和加速次数。
6.根据权利要求4所述的一种案件现场勘查信息智能采集分析系统，其特征在于：所述第一目标车辆行驶过程中车辆跑偏程度具体获取方式为：
从第一目标车辆对应各经过路段的行驶视频中提取各图像，得到第一目标车辆对应各经过路段的行驶视频中各图像内车辆中心线与其对应车道中心线的夹角θkz，z表示为路段行驶视频的图像编号，z＝1,2,...,y；
进而根据公式得到第一目标车辆行驶过程中车辆跑偏程度，其中R表示为设定的自然常数，R＞1,y为路段行驶视频的图像数量，u为路段数量，Δθ表示为设定的车辆中心线与其对应车道中心线的夹角偏差允许值，ξ表示为预设的车辆跑偏评定修正因子。
7.根据权利要求6所述的一种案件现场勘查信息智能采集分析系统，其特征在于：所述分析第一目标车辆和第二目标车辆的车主驾驶行为对案件现场的事故影响指数具体为：根据分析公式得到第一目标车辆的车主驾驶行为对案件现场的事故影响指数，其中τ1、τ2、τ3分别表示为设定的车主驾驶行为对应的疲劳驾驶、超速驾驶和酒后驾驶评估因子的占比权重；
同理得到第二目标车辆的车主驾驶行为对案件现场的事故影响指数。
8.根据权利要求7所述的一种案件现场勘查信息智能采集分析系统，其特征在于：所述对第一目标车辆和第二目标车辆的车主责任等级进行评估具体为：
由公式得到第一目标车辆的事故承担系数，进而将第一目标车辆的事故承担系数与数据库中各责任等级对应的事故承担系数范围进行对比，若第一目标车辆的事故承担系数处于某责任等级的事故承担系数范围内，则第一目标车辆的车主属于该责任等级；
同理得到第二目标车辆的车主责任等级。
CN202310592727.2A 2023-05-24 2023-05-24 一种案件现场勘查信息智能采集分析系统 Active CN116631187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310592727.2A CN116631187B (zh) 2023-05-24 2023-05-24 一种案件现场勘查信息智能采集分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310592727.2A CN116631187B (zh) 2023-05-24 2023-05-24 一种案件现场勘查信息智能采集分析系统

Publications (2)

Publication Number Publication Date
CN116631187A true CN116631187A (zh) 2023-08-22
CN116631187B CN116631187B (zh) 2023-12-15

Family

ID=87637717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310592727.2A Active CN116631187B (zh) 2023-05-24 2023-05-24 一种案件现场勘查信息智能采集分析系统

Country Status (1)

Country Link
CN (1) CN116631187B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117268402A (zh) * 2023-11-17 2023-12-22 黑龙江哲讯信息技术有限公司 一种基于5g通信技术的无人机勘察路径规划方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013003928A (ja) * 2011-06-18 2013-01-07 Hitachi Solutions Ltd 車両事故原因推定システム
CN106157614A (zh) * 2016-06-29 2016-11-23 北京奇虎科技有限公司 汽车事故责任确定方法及系统
CN110116687A (zh) * 2019-04-16 2019-08-13 惠州市德赛西威智能交通技术研究院有限公司 一种车祸责任判定及处理系统和汽车
CN113190977A (zh) * 2021-04-13 2021-07-30 北京汽车研究总院有限公司 自动驾驶车辆的事故责任分析方法及装置
CN114596711A (zh) * 2022-03-31 2022-06-07 北京世纪高通科技有限公司 事故责任的确定方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013003928A (ja) * 2011-06-18 2013-01-07 Hitachi Solutions Ltd 車両事故原因推定システム
CN106157614A (zh) * 2016-06-29 2016-11-23 北京奇虎科技有限公司 汽车事故责任确定方法及系统
CN110116687A (zh) * 2019-04-16 2019-08-13 惠州市德赛西威智能交通技术研究院有限公司 一种车祸责任判定及处理系统和汽车
CN113190977A (zh) * 2021-04-13 2021-07-30 北京汽车研究总院有限公司 自动驾驶车辆的事故责任分析方法及装置
CN114596711A (zh) * 2022-03-31 2022-06-07 北京世纪高通科技有限公司 事故责任的确定方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117268402A (zh) * 2023-11-17 2023-12-22 黑龙江哲讯信息技术有限公司 一种基于5g通信技术的无人机勘察路径规划方法
CN117268402B (zh) * 2023-11-17 2024-01-30 黑龙江哲讯信息技术有限公司 一种基于5g通信技术的无人机勘察路径规划方法

Also Published As

Publication number Publication date
CN116631187B (zh) 2023-12-15

Similar Documents

Publication Publication Date Title
CN109064495B (zh) 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法
CN112700470B (zh) 一种基于交通视频流的目标检测和轨迹提取方法
CN111833598B (zh) 一种高速公路无人机交通事件自动监测方法及系统
CN110298307B (zh) 一种基于深度学习的异常停车实时检测方法
CN109815912B (zh) 一种基于人工智能的高速公路安全巡查系统
CN110826412B (zh) 高速公路能见度检测系统和方法
CN111027447B (zh) 一种基于深度学习的道路溢出实时检测方法
CN110929676A (zh) 一种基于深度学习的违章掉头实时检测方法
CN116631187B (zh) 一种案件现场勘查信息智能采集分析系统
CN115019514B (zh) 一种基于车联网的公路巡查系统
CN111722617B (zh) 一种基于大数据的自动驾驶汽车性能判定系统及方法
CN116128360A (zh) 道路交通拥堵等级评估方法、装置、电子设备及存储介质
CN113256014A (zh) 一种5g通信工程智能检测系统
CN117197019A (zh) 一种车辆三维点云图像融合方法及系统
CN117198057A (zh) 一种面向路侧感知轨迹数据质量检评的实验方法及系统
CN112627023A (zh) 一种智能桥梁检测方法、系统及智能桥梁检测机器人
CN114693722B (zh) 一种车辆行驶行为检测方法、检测装置及检测设备
CN114333331B (zh) 一种多车道桥梁车辆通行信息与车重识别方法及系统
CN115497303A (zh) 一种复杂检测条件下的高速公路车速检测方法及系统
Wang et al. Detection of lane lines on both sides of road based on monocular camera
CN115629385A (zh) 基于毫米波雷达和相机关联的车辆排队长度实时检测方法
CN111583670B (zh) 一种利用无人机监测超速行车的方法、监测系统及无人机
CN112418000A (zh) 基于单目摄像头的不良驾驶行为检测方法及系统
CN113128847A (zh) 一种基于激光雷达的出入口匝道实时风险预警系统及方法
CN118522158B (zh) 一种隧道内实时交通态势监测方法、设备及介质

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
GR01 Patent grant
GR01 Patent grant