CN117292543A - 一种交通场景安全风险监测方法及系统 - Google Patents
一种交通场景安全风险监测方法及系统 Download PDFInfo
- Publication number
- CN117292543A CN117292543A CN202311133258.4A CN202311133258A CN117292543A CN 117292543 A CN117292543 A CN 117292543A CN 202311133258 A CN202311133258 A CN 202311133258A CN 117292543 A CN117292543 A CN 117292543A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- traffic
- visibility
- prediction
- risk assessment
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012502 risk assessment Methods 0.000 claims abstract description 105
- 230000007613 environmental effect Effects 0.000 claims abstract description 90
- 239000013618 particulate matter Substances 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000005286 illumination Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000012535 impurity Substances 0.000 claims description 11
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims 1
- 206010039203 Road traffic accident Diseases 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 7
- 239000002352 surface water Substances 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000007788 liquid Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012549 training Methods 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
- G08G1/0104—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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
Abstract
本申请涉及交通管理技术领域,提供一种交通场景安全风险监测方法及系统。所述方法包括:通过气象预测平台,获取气象预测信息;基于气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数;构建环境障碍特征库;通过图像监测设备获得环境障碍监测数据,输入所述环境障碍特征库进行障碍识别,获得环境障碍识别结果;根据所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,获得交通风险评估结果;通过所述交通风险评估结果进行交通管控。本申请解决了在现有技术中能见度低、路面条件差会影响驾驶员的视线,导致交通事故频发的技术问题的问题,达到了规避交通安全风险的技术效果。
Description
技术领域
本申请涉及交通管理技术领域,特别是涉及一种交通场景安全风险监测方法及系统。
背景技术
高速公路、机场、铁路等交通枢纽,对空气能见度、场地路面条件要求较高,能见度低、路面条件差会影响驾驶员的视线,增加驾驶难度,增加交通事故的风险。针对机场、铁路、高速路等交通安全要求高的场景,通过空气能见度预测(通过气象预测、空气颗粒物监测)、环境障碍物监测(违停车辆、异常行人)、路面情况监测(道路结冰、破损),规避交通安全风险。
综上所述,本申请解决了在现有技术中能见度低、路面条件差会影响驾驶员的视线,导致交通事故频发的技术问题的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够规避交通安全风险的一种交通场景安全风险监测方法及系统。
第一方面,本申请提供了一种交通场景安全风险监测方法,所述方法包括:通过气象预测平台,获取气象预测信息;基于气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数;分析环境障碍类型,获得环境障碍指标,根据环境障碍指标,构建环境障碍特征库;通过图像监测设备获得环境障碍监测数据,输入所述环境障碍特征库进行障碍识别,获得环境障碍识别结果;根据所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,获得交通风险评估结果;通过所述交通风险评估结果进行交通管控。
第二方面,本申请提供了一种交通场景安全风险监测系统,所述系统包括:
气象预测信息获取模块,所述气象预测信息获取模块用于通过气象预测平台,获取气象预测信息;预测指数获得模块,所述预测指数获得模块用于基于气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数;环境障碍特征库构建模块,所述环境障碍特征库构建模块用于分析环境障碍类型,获得环境障碍指标,根据环境障碍指标,构建环境障碍特征库;环境障碍识别结果获得模块,所述环境障碍识别结果获得模块用于通过图像监测设备获得环境障碍监测数据,输入所述环境障碍特征库进行障碍识别,获得环境障碍识别结果;交通风险评估结果获得模块,所述交通风险评估结果获得模块用于根据所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,获得交通风险评估结果;交通管控模块,所述交通管控模块用于通过所述交通风险评估结果进行交通管控。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
首先通过气象预测平台,获取气象预测信息;然后基于气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数;其次分析环境障碍类型,获得环境障碍指标,根据环境障碍指标,构建环境障碍特征库;接下来通过图像监测设备获得环境障碍监测数据,输入所述环境障碍特征库进行障碍识别,获得环境障碍识别结果;再根据所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,获得交通风险评估结果;最后通过所述交通风险评估结果进行交通管控。本申请解决了在现有技术中能见度低、路面条件差会影响驾驶员的视线,导致交通事故频发的技术问题的问题,达到了规避交通安全风险的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种交通场景安全风险监测方法的流程示意图;
图2为一个实施例中一种交通场景安全风险监测方法的获取道路结冰预测指数的流程示意图;
图3为一个实施例中一种交通场景安全风险监测系统的结构框图。
附图标记说明:气象预测信息获取模块11,预测指数获得模块12,环境障碍特征库构建模块13,环境障碍识别结果获得模块14,交通风险评估结果获得模块15,交通管控模块16。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种交通场景安全风险监测方法,所述方法包括:
通过气象预测平台,获取气象预测信息;
高速公路、机场、铁路等交通枢纽,对空气能见度、场地路面条件要求较高,能见度低、路面条件差会影响驾驶员的视线,增加驾驶难度,增加交通事故的风险。针对机场、铁路、高速路等交通安全要求高的场景,通过空气能见度预测(通过气象预测、空气颗粒物监测)、环境障碍物监测(违停车辆、异常行人)、路面情况监测(道路结冰、破损),规避交通安全风险,通过提供一种交通场景安全风险监测方法,来完成对交通场景的监测,避免交通安全风险。
气象预测平台是指依托AI计算能力,结合气象行业数据、图像、视频等资源,将气象防灾减灾救灾体系和气象服务体系有机结合,聚焦气象监测预警预报、信息发布、部门联动、分析评估等的平台,例如中国气象科学数据共享服务网、国家气候中心等;气象预测信息是指对目标交通场景的天气预测信息,通过气象预测平台,获取气象预测信息,为后续对交通场景的环境数据提供了支持。
基于气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数;
空气能见度指反映大气透明度的一个指标,航空界定义为具有正常视力的人在当时的天气条件下还能够看清楚目标轮廓的最大距离,能见度和当时的天气情况密切相关,当出现降雨、雾、霾、沙尘暴等天气过程时,大气透明度较低,因此能见度较差;道路结冰预测是指在所述气象预测信息的天气情况下,道路是否会结冰以及道路结冰的概率。通过气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数,为后续交通场景风险提供了铺垫。
根据光照强度、温度、湿度、颗粒物浓度与空气能见度的映射关系,构建空气能见度计算函数;
通过气象预测数据,获取预测光照强度信息、预测温度信息、预测湿度信息、预测空气颗粒物浓度信息;
利用所述空气能见度计算函数,结合所述预测光照强度信息、预测温度信息、预测湿度信息、预测空气颗粒物浓度信息,进行空气能见度计算,获得预测空气能见度;
基于预测空气能见度,生成预测空气能见度指数。
颗粒物浓度是指悬浮在大气中的固体和液体颗粒在固定范围内的占比,空气能见度计算函数主要受目标物光学特性、背景光学特性、自然界照明、大气透明度等较多因素的制约,本申请中则是根据光照强度、温度、湿度、颗粒物浓度与空气能见度的映射关系构建;预测空气能见度是指根据计算后得到的空气能见度的范围,大气透明度较低,则空气能见度较差;预测空气能见度指数是指所述空气的能见度的等级,例如在能见度20m之内预测空气能见度指数是为1级,能见度在20m到50m时预测空气能见度指数为2级等。根据光照强度、温度、湿度、颗粒物浓度与空气能见度的映射关系,构建空气能见度计算函数;通过所述气象预测数据,获取预测光照强度信息、预测温度信息、预测湿度信息、预测空气颗粒物浓度信息;利用所述空气能见度计算函数,结合所述预测光照强度信息、预测温度信息、预测湿度信息、预测空气颗粒物浓度信息,进行空气能见度计算,获得预测空气能见度;基于预测空气能见度,生成预测空气能见度指数。通过构建空气能见度计算函数,分析计算获得预测空气能见度指数,为后续分析交通场景安全风险提供了监测方法。
通过环境颗粒物浓度监测装置,获取实时空气杂质监测数据;
基于所述实时空气杂质监测数据,结合所述气象预测数据进行空气颗粒物浓度预测,获得预测空气颗粒物浓度信息。
环境颗粒物浓度是指交通环境中各种固态和液态的颗粒状物质在每立方米中的毫克数表示;空气杂质监测数据是指所述交通环境中空气含有的颗粒状物质的数据。通过环境颗粒物浓度监测装置,获取实时空气杂质监测数据;基于所述实时空气杂质监测数据,结合所述气象预测数据进行空气颗粒物浓度预测,获得预测空气颗粒物浓度信息。通过获取空气颗粒物浓度信息,为后续分析交通场景安全提供了支持。
如图2所示,采集目标区域路面排水信息;
通过气象预测信息,获取预测降水信息和预测温度信息;
基于所述预测降水信息、所述目标区域路面排水信息,进行路面积水预测,获得路面积水预测结果;
通过所述预测温度信息、所述路面积水预测结果进行路面结冰预测,获得所述道路结冰预测指数。
目标区域是指待分析研究的交通场景,例如飞机场、停车场等;路面排水信息是指所述道路上的表面排水信息,例如下雨之后排掉积水的速度、方法等;预测降水信息和预测温度信息是指所述交通环境中天气信息,由气象预测平台获得;路面积水预测是指根据所述预测降水信息、所述目标区域路面排水信息对路面的积水排水情况进行预测,例如在下雨的环境中,排水速度就会变慢等;路面结冰预测是在路面积水预测的基础上进行分析的,例如在一定天气一定时间内,所述路面积水预测结果是没有排空,则会结冰。采集目标区域路面排水信息;通过气象预测信息,获取预测降水信息和预测温度信息;基于所述预测降水信息、所述目标区域路面排水信息,进行路面积水预测,获得路面积水预测结果;通过所述预测温度信息、所述路面积水预测结果进行路面结冰预测,获得所述道路结冰预测指数。通过分析所述路面积水预测结果和所述道路结冰预测结果,为后续分析交通环境做出铺垫。
分析环境障碍类型,获得环境障碍指标,根据环境障碍指标,构建环境障碍特征库;
环境障碍类型包括异常障碍物、异常车辆、异常行人,则环境障碍指标包括不明障碍物指标、异常车辆指标、异常行人指标;环境障碍特征库是指所述环境障碍指标组成的,通过分析环境障碍类型,获得环境障碍指标,根据环境障碍指标,构建环境障碍特征库,用来为后续交通环境风险的监测分析做出铺垫。
所述环境障碍指标包括不明障碍物指标、异常车辆指标、异常行人指标;
基于大数据,获取交通环境障碍信息集;
参照所述环境障碍指标,对所述交通环境障碍信息集进行环境障碍特征提取,获得多个环境障碍特征集;
根据所述环境障碍特征集,构建所述环境障碍特征库。
不明障碍物指标是指交通环境中可能有的警示牌、垃圾等;异常车辆指标是指违停车辆;异常行人指标是指不按照交通法规在道路上行走的行人,例如横跨马路等;大数据是指一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。交通环境障碍信息集是指所述目标区域内所有障碍信息的合集;环境障碍特征提取是指在所述目标区域中按照所述环境障碍指标找出环境障碍特征。所述环境障碍指标包括不明障碍物指标、异常车辆指标、异常行人指标;基于大数据,获取交通环境障碍信息集;参照所述环境障碍指标,对所述交通环境障碍信息集进行环境障碍特征提取,获得多个环境障碍特征集;根据所述环境障碍特征集,构建所述环境障碍特征库。根据所述环境障碍特征库,为后续分析交通场景安全风险做出了铺垫。
通过图像监测设备获得环境障碍监测数据,输入所述环境障碍特征库进行障碍识别,获得环境障碍识别结果;
图像监测设备是指替代人体肉眼对产品进行质量检测的设备,本申请中特指交通场景中的摄像头等拍摄装置;环境障碍监测数据是指分析拍摄的图像,得到环境障碍例如异常行人、异常车辆等;将所述环境障碍监测数据输入至所述环境障碍特征库中,确定是否为环境障碍,获得环境障碍识别结果;通过采集拍摄的图像,将所述图像输入至环境障碍特征库中确认环境障碍,为后续交通场景安全风险监测作出铺垫。
根据所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,获得交通风险评估结果;
所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,即构建交通风险评估模型,将所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果输入至交通风险评估模型中,输出交通风险评估结果,根据获得的交通风险评估结果进行交通管的管理控制。
采集交通出行风险样本数据,包括样本能见度指数、样本道路结冰指数、样本环境障碍类型及对应的交通出行风险数据;
利用所述交通出行风险样本数据,构建交通风险评估模型;
将所述能见度预测指数、道路结冰预测指数、环境障碍识别结果输入所述交通风险评估模型进行风险评估,获得交通风险评估结果。
交通出行风险样本数据是指历史交通出行风险数据,包括能见度指数、道路结冰指数、环境障碍类型,由历史数据查询得到的;交通风险评估模型是根据所述交通出行风险样本数据构建而成的,以BP神经网络为基础框架,获得所述交通出行风险样本数据作为训练数据,获得风险评估结果,例如将所述交通风险评估模型分为三个模块,分别为能见度模块、道路结冰模块、环境障碍模块,将所述交通出行风险样本数据分为三部分,分别输入三个不同模块进行评估,将三个不同模块的评估结果进行总结描述,获得交通风险评估结果。采集交通出行风险样本数据,包括样本能见度指数、样本道路结冰指数、样本环境障碍类型及对应的交通出行风险数据;利用所述交通出行风险样本数据,构建交通风险评估模型;将所述能见度预测指数、道路结冰预测指数、环境障碍识别结果输入所述交通风险评估模型进行风险评估,获得交通风险评估结果。根据所述交通风险评估模型获得交通风险评估结果,为后续的交通管控提供了便利及帮助。
通过所述交通风险评估结果进行交通管控。
根据所述交通风险评估结果进行交通管理和控制,例如所述交通场景中只有能见度不合格,则生成能见度预警,根据所述交通风险评估结果进行限速或者停止交通运行等操作。
所述交通风险评估包括能见度风险评估、道路结冰风险评估和道路障碍风险评估;
分别判断能见度风险、道路结冰风险和道路障碍风险是否超过出行能见度风险阈值、道路结冰风险阈值和道路障碍风险阈值,获得能见度风险评估结果、道路结冰风险评估结果和道路障碍风险评估结果;
参照能见度风险评估结果、道路结冰风险评估结果和道路障碍风险评估结果,生成能见度预警、道路结冰预警和道路避障预警;
并根据所述能见度预警、道路结冰预警和道路避障预警进行交通管控。
设置出行能见度风险阈值、道路结冰风险阈值和道路障碍风险阈值,根据工作人员由经验设定,所述交通风险评估包括能见度风险评估、道路结冰风险评估和道路障碍风险评估;分别判断能见度风险、道路结冰风险和道路障碍风险是否超过出行能见度风险阈值、道路结冰风险阈值和道路障碍风险阈值,获得能见度风险评估结果、道路结冰风险评估结果和道路障碍风险评估结果;参照能见度风险评估结果、道路结冰风险评估结果和道路障碍风险评估结果,生成能见度预警、道路结冰预警和道路避障预警;并根据所述能见度预警、道路结冰预警和道路避障预警进行交通管控。本申请解决了在现有技术中能见度低、路面条件差会影响驾驶员的视线,导致交通事故频发的技术问题的问题,达到了规避交通安全风险的技术效果。
如图3所示,本申请提供了一种交通场景安全风险监测系统,所述系统包括:
气象预测信息获取模块11,所述气象预测信息获取模块11用于通过气象预测平台,获取气象预测信息;
预测指数获得模块12,所述预测指数获得模块12用于基于气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数;
环境障碍特征库构建模块13,所述环境障碍特征库构建模块13用于分析环境障碍类型,获得环境障碍指标,根据环境障碍指标,构建环境障碍特征库;
环境障碍识别结果获得模块14,所述环境障碍识别结果获得模块14用于通过图像监测设备获得环境障碍监测数据,输入所述环境障碍特征库进行障碍识别,获得环境障碍识别结果;
交通风险评估结果获得模块15,所述交通风险评估结果获得模块15用于根据所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,获得交通风险评估结果;
交通管控模块16,所述交通管控模块16用于通过所述交通风险评估结果进行交通管控
进一步地,本申请实施例还包括:
空气能见度计算函数构建模块,所述空气能见度计算函数构建模块用于根据光照强度、温度、湿度、颗粒物浓度与空气能见度的映射关系,构建空气能见度计算函数;
气象预测数据分析模块,所述气象预测数据分析模块用于通过气象预测数据,获取预测光照强度信息、预测温度信息、预测湿度信息、预测空气颗粒物浓度信息;
预测空气能见度获得模块,利用所述空气能见度计算函数,结合所述预测光照强度信息、预测温度信息、预测湿度信息、预测空气颗粒物浓度信息,进行空气能见度计算,获得预测空气能见度;
预测空气能见度指数模块,所述预测空气能见度指数模块用于基于预测空气能见度,生成预测空气能见度指数。
进一步地,本申请实施例还包括:
实时空气杂质监测数据获得模块,所设计实时空杂质通过环境颗粒物浓度监测装置,获取实时空气杂质监测数据;
空气颗粒物预测信息获得模块,所述空气颗粒物预测信息获得模块用于基于所述实时空气杂质监测数据,结合所述气象预测数据进行空气颗粒物浓度预测,获得预测空气颗粒物浓度信息。
进一步地,本申请实施例还包括:
目标区域路面排水信息采集模块,所述目标区域路面排水信息采集模块用于采集目标区域路面排水信息;
气象预测信息分析模块,所述气象预测信息分析模块用于通过气象预测信息,获取预测降水信息和预测温度信息;
路面积水预测结果获得模块,所述路面积水预测结果获得模块用于基于所述预测降水信息、所述目标区域路面排水信息,进行路面积水预测,获得路面积水预测结果;
道路结冰预测指数获得模块,所述道路结冰预测值指数获得模块用于通过所述预测温度信息、所述路面积水预测结果进行路面结冰预测,获得所述道路结冰预测指数。
进一步地,本申请实施例还包括:
环境障碍指标获得模块,所述环境障碍指标获得模块用于所述环境障碍指标包括不明障碍物指标、异常车辆指标、异常行人指标;
交通环境障碍信息集获取模块,所述交通环境障碍信息集获取模块用于基于大数据,获取交通环境障碍信息集;
多个环境特征集获得模块,所述多个环境特征集获得模块用于参照所述环境障碍指标,对所述交通环境障碍信息集进行环境障碍特征提取,获得多个环境障碍特征集;
环境障碍特征库构建模块,所述环境障碍特征库构建模块用于根据所述环境障碍特征集,构建所述环境障碍特征库。
进一步地,本申请实施例还包括:
交通出行风险数据采集模块,所述交通出行风险数据集采集模块用于采集交通出行风险样本数据,包括样本能见度指数、样本道路结冰指数、样本环境障碍类型及对应的交通出行风险数据;
交通风险评估模型构建模块,所述交通风险评估模型构建模块用于利用所述交通出行风险样本数据,构建交通风险评估模型;
交通风险评估结果获得模块,所述交通风险评估结果获得模块用于将所述能见度预测指数、道路结冰预测指数、环境障碍识别结果输入所述交通风险评估模型进行风险评估,获得交通风险评估结果。
进一步地,本申请实施例还包括:
交通风险评估包含模块,所述交通风险评估包含模块用于所述交通风险评估包括能见度风险评估、道路结冰风险评估和道路障碍风险评估;
风险评估结果获取模块,所述风险评估结果获取模块用于分别判断能见度风险、道路结冰风险和道路障碍风险是否超过出行能见度风险阈值、道路结冰风险阈值和道路障碍风险阈值,获得能见度风险评估结果、道路结冰风险评估结果和道路障碍风险评估结果;
预警信息生成模块,所述预警信息生成模块用于参照能见度风险评估结果、道路结冰风险评估结果和道路障碍风险评估结果,生成能见度预警、道路结冰预警和道路避障预警;
交通管控模块,所述交通管控模块用于并根据所述能见度预警、道路结冰预警和道路避障预警进行交通管控。
通过所述交通风险评估结果进行交通管控。关于一种交通场景安全风险监测系统的具体实施例可以参见上文中对于一种交通场景安全风险监测方法的实施例,在此不再赘述。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种交通场景安全风险监测方法,其特征在于,所述方法包括:
通过气象预测平台,获取气象预测信息;
基于气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数;
分析环境障碍类型,获得环境障碍指标,根据环境障碍指标,构建环境障碍特征库;
通过图像监测设备获得环境障碍监测数据,输入所述环境障碍特征库进行障碍识别,获得环境障碍识别结果;
根据所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,获得交通风险评估结果;
通过所述交通风险评估结果进行交通管控。
2.如权利要求1所述的方法,其特征在于,所述获得能见度预测指数,包括:
根据光照强度、温度、湿度、颗粒物浓度与空气能见度的映射关系,构建空气能见度计算函数;
通过气象预测数据,获取预测光照强度信息、预测温度信息、预测湿度信息、预测空气颗粒物浓度信息;
利用所述空气能见度计算函数,结合所述预测光照强度信息、预测温度信息、预测湿度信息、预测空气颗粒物浓度信息,进行空气能见度计算,获得预测空气能见度;
基于预测空气能见度,生成预测空气能见度指数。
3.如权利要求2所述的方法,其特征在于,所述获得预测空气颗粒物浓度信息,包括:
通过环境颗粒物浓度监测装置,获取实时空气杂质监测数据;
基于所述实时空气杂质监测数据,结合所述气象预测数据进行空气颗粒物浓度预测,获得预测空气颗粒物浓度信息。
4.如权利要求1所述的方法,其特征在于,获得道路结冰预测指数,包括:
采集目标区域路面排水信息;
通过气象预测信息,获取预测降水信息和预测温度信息;
基于所述预测降水信息、所述目标区域路面排水信息,进行路面积水预测,获得路面积水预测结果;
通过所述预测温度信息、所述路面积水预测结果进行路面结冰预测,获得所述道路结冰预测指数。
5.如权利要求1所述的方法,其特征在于,所述构建环境障碍特征库,包括:
所述环境障碍指标包括不明障碍物指标、异常车辆指标、异常行人指标;
基于大数据,获取交通环境障碍信息集;
参照所述环境障碍指标,对所述交通环境障碍信息集进行环境障碍特征提取,获得多个环境障碍特征集;
根据所述环境障碍特征集,构建所述环境障碍特征库。
6.如权利要求1所述的方法,其特征在于,所述获得交通风险评估结果,包括:
采集交通出行风险样本数据,包括样本能见度指数、样本道路结冰指数、样本环境障碍类型及对应的交通出行风险数据;
利用所述交通出行风险样本数据,构建交通风险评估模型;
将所述能见度预测指数、道路结冰预测指数、环境障碍识别结果输入所述交通风险评估模型进行风险评估,获得交通风险评估结果。
7.如权利要求6所述的方法,其特征在于,所述通过所述交通风险评估结果进行交通管控,包括:
所述交通风险评估包括能见度风险评估、道路结冰风险评估和道路障碍风险评估;
分别判断能见度风险、道路结冰风险和道路障碍风险是否超过出行能见度风险阈值、道路结冰风险阈值和道路障碍风险阈值,获得能见度风险评估结果、道路结冰风险评估结果和道路障碍风险评估结果;
参照能见度风险评估结果、道路结冰风险评估结果和道路障碍风险评估结果,生成能见度预警、道路结冰预警和道路避障预警;
并根据所述能见度预警、道路结冰预警和道路避障预警进行交通管控。
8.一种交通场景安全风险监测系统,其特征在于,所述系统包括:
气象预测信息获取模块,所述气象预测信息获取模块用于通过气象预测平台,获取气象预测信息;
预测指数获得模块,所述预测指数获得模块用于基于气象预测信息,进行空气能见度预测和道路结冰预测,获得能见度预测指数和道路结冰预测指数;
环境障碍特征库构建模块,所述环境障碍特征库构建模块用于分析环境障碍类型,获得环境障碍指标,根据环境障碍指标,构建环境障碍特征库;
环境障碍识别结果获得模块,所述环境障碍识别结果获得模块用于通过图像监测设备获得环境障碍监测数据,输入所述环境障碍特征库进行障碍识别,获得环境障碍识别结果;
交通风险评估结果获得模块,所述交通风险评估结果获得模块用于根据所述能见度预测指数、道路结冰预测指数、所述环境障碍识别结果进行交通风险评估,获得交通风险评估结果;
交通管控模块,所述交通管控模块用于通过所述交通风险评估结果进行交通管控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311133258.4A CN117292543A (zh) | 2023-09-05 | 2023-09-05 | 一种交通场景安全风险监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311133258.4A CN117292543A (zh) | 2023-09-05 | 2023-09-05 | 一种交通场景安全风险监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117292543A true CN117292543A (zh) | 2023-12-26 |
Family
ID=89256258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311133258.4A Pending CN117292543A (zh) | 2023-09-05 | 2023-09-05 | 一种交通场景安全风险监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117292543A (zh) |
-
2023
- 2023-09-05 CN CN202311133258.4A patent/CN117292543A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arya et al. | Transfer learning-based road damage detection for multiple countries | |
CN110738857B (zh) | 一种车辆违章取证方法、装置及设备 | |
CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及系统 | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
CN112633722B (zh) | 车载道路安全风险评估系统及方法 | |
CN113313914B (zh) | 团雾监测方法、装置、系统及存储介质 | |
KR20010016528A (ko) | Gis 기반의 도로 기상 정보 제공 방법 및 시스템 | |
Li et al. | A novel evaluation method for pavement distress based on impact of ride comfort | |
Protopapadakis et al. | Multi-label deep learning models for continuous monitoring of road infrastructures | |
CN111783700B (zh) | 一种路面异物自动识别预警方法和系统 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
CN114241777A (zh) | 一种多源异构联网监测路况预警系统和方法 | |
CN115205796B (zh) | 轨道线路异物侵限监测与风险预警方法及系统 | |
Guerrieri et al. | Flexible and stone pavements distress detection and measurement by deep learning and low-cost detection devices | |
Amrutha et al. | Real-time litter detection system for moving vehicles using YOLO | |
Kim et al. | Framework for machine learning-based pavement marking inspection and Geohash-based monitoring | |
CN117133099A (zh) | 一种用于高速公路高边坡灾变的自动监测系统 | |
CN117292543A (zh) | 一种交通场景安全风险监测方法及系统 | |
Sun et al. | A practical weather detection method built in the surveillance system currently used to monitor the large-scale freeway in China | |
Sreelatha et al. | An enhanced traffic abnormality detection system for vehicle characteristics tracking using radar signals | |
Liu et al. | Real-Time Multi-Task Environmental Perception System for Traffic Safety Empowered by Edge Artificial Intelligence | |
CN112861701A (zh) | 违章停车识别方法、装置、电子设备以及计算机可读介质 | |
KR20220071822A (ko) | 드론 영상과 인공지능 기술을 이용한 불법 주정차 차량번호 식별 시스템 | |
CN113128563A (zh) | 一种高速工程车辆检测方法、装置、设备及存储介质 | |
CN105629333A (zh) | 一种基于视频的道路气象检测方法 |
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 |