CN117315922A - 交通事故责任认定方法、装置及设备 - Google Patents
交通事故责任认定方法、装置及设备 Download PDFInfo
- Publication number
- CN117315922A CN117315922A CN202210706714.9A CN202210706714A CN117315922A CN 117315922 A CN117315922 A CN 117315922A CN 202210706714 A CN202210706714 A CN 202210706714A CN 117315922 A CN117315922 A CN 117315922A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- collides
- collision
- control information
- 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
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 11
- 239000000758 substrate Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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
Abstract
本公开的实施例提供了一种交通事故责任认定方法、装置及设备。所述方法包括:监测车辆是否发生碰撞;在所述车辆发生碰撞时,获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像;根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息;获取车辆行驶信息,其中,所述车辆行驶信息包括所述车辆以及与所述车辆发生碰撞的碰撞车辆的行驶信息;根据所述车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定。以此方式,可以提高交通事故责任认定效率,避免需要人为认定交通事故责任,减少交通事故责任认定耗时以及提高认定的准确性。
Description
技术领域
本公开涉及车辆领域,尤其涉及交通事故技术领域。
背景技术
目前,随着车辆的日益增多,车辆交通事故也越来越多。而交通事故责任通常的认定方式为发生事故时,当事人呼叫交警,等待交警来到现场根据一些交通管制信息以及车辆的行驶情况人为进行交通事故责任认定,或者发生交通事故时双方当事人协商,然后人为认定事故责任,此种方式导致交通事故责任认定效率低、不准确,且耗时长,给事故双方带来很大不便。
发明内容
本公开提供了一种交通事故责任认定方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种交通事故责任认定方法。该方法包括:
监测车辆是否发生碰撞;
在所述车辆发生碰撞时,获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像;
根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息;
获取车辆行驶信息,其中,所述车辆行驶信息包括所述车辆以及与所述车辆发生碰撞的碰撞车辆的行驶信息;
根据所述车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述监测车辆是否发生碰撞,包括:
判断所述车辆上的碰撞传感器和/或惯性测量单元测得的车辆加速度的方向以及所述车辆的当前行驶方向是否一致;
若不一致,则确定所述车辆发生碰撞。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述监测车辆是否发生碰撞,包括:
判断所述车辆在预设参考时长内的车速变化是否达到预设变化量;
若是,则确定所述车辆发生碰撞。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述监测车辆是否发生碰撞,包括:
监测所述车辆的麦克风采集到的声音的音频特征,其中,所述音频特征包括声音频率和音量大小;
若所述麦克风采集到的音频特征满足预设音频特征,则确定所述车辆发生碰撞。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述车辆发生碰撞时的目标位置通过以下步骤获取:
通过所述车辆的卫星导航系统和/或惯性测量单元获取所述车辆发生碰撞时的当前位置;
根据所述当前位置以及预存储的地图,确定车辆绝对位置,以作为所述目标位置。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息,包括:
将所述目标位置上传至云端,以使所述云端根据所述目标位置,获取所述目标位置所在的车辆行驶路段在所述预设时间段内的交通管制信息,并将所述交通管制信息下发至所述车辆;
接收所述云端下发的所述交通管制信息,其中,所述交通管制信息包括以下至少一项:所述车辆行驶路段是否允许行驶、所述车辆行驶路段的限速、所述车辆行驶路段的限高、所述车辆行驶路段对可行驶车辆的车牌号要求、所述车辆行驶路段可允许的行驶方向。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述获取车辆行驶信息包括:
通过所述车辆的车速传感器采集所述车辆在所述预设时间段内的车速;
通过雷达测量所述车辆与所述碰撞车辆在所述预设时间段内的车距以及所述碰撞车辆在所述预设时间段内的车速。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定,包括:
从所述车行驶图像中提取车行驶参照信息;
根据所述车辆行驶信息、所述车行驶参照信息和所述交通管制信息中的至少两项信息,确定所述车辆发生碰撞时的异常行驶行为;
将所述车辆发生碰撞时的异常行驶行为上传至云端,以使所述云端对所述车辆发生碰撞时的交通事故责任进行认定,并由所述云端生成交通事故责任认定书后下发至所述车辆。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述车辆行驶信息、所述车行驶参照信息和所述交通管制信息中的至少两项信息,确定所述车辆发生碰撞时的异常行驶行为,包括:
分别为所述车行驶参照信息和所述交通管制信息设定各自的使用优先级,其中,所述车行驶参照信息的使用优先级高于所述交通管制信息的使用优先级;
将所述车行驶参照信息和所述交通管制信息进行对照,并结合各自使用优先级,以及所述车辆行驶信息,确定所述车辆发生碰撞时的异常行驶行为。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述方法还包括:
接收所述云端下发的交通事故责任认定书;
驶离所述车辆行驶路段。
根据本公开的第二方面,提供了一种交通事故责任认定装置。该装置包括:
监测模块,用于监测车辆是否发生碰撞;
第一获取模块,用于在所述车辆发生碰撞时,获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像;
第二获取模块,用于根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息;
第三获取模块,用于获取车辆行驶信息,其中,所述车辆行驶信息包括所述车辆以及与所述车辆发生碰撞的碰撞车辆的行驶信息;
认定模块,用于根据所述车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定。
根据本公开的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
根据本公开的第四方面,提供了一种车辆,其特征在于,包括:如根据本公开第三方面所述的电子设备。
根据本公开的第五方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本公开的第一方面和/或第二方面的方法。
本公开中,在车辆发生碰撞时,可获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像,然后根据车辆发生碰撞时的目标位置获取对应车辆行驶路段的交通管制信息,以及车辆行驶信息,从而便于根据车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行自动而准确地认定,从而提高交通事故责任认定效率,避免需要人为认定交通事故责任,减少交通事故责任认定耗时以及提高认定的准确性。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案,不构成对本公开的限定在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了根据本公开的实施例的交通事故责任认定方法的流程图;
图2示出了根据本公开的实施例的车辆的模型图;
图3示出了根据本公开的实施例的交通事故责任认定装置的框图;
图4示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1示出了根据本公开实施例的交通事故责任认定方法100的流程图。方法100可以包括:
步骤110,监测车辆是否发生碰撞;步骤110可实时执行,或者按照很小时间间隔执行,以及时判断是否发生碰撞。
步骤120,在所述车辆发生碰撞时,获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像;该预设时间段是以车辆发生碰撞时的时间为准往前的一段追溯时间,如发生碰撞之前的2分钟、3分钟等。
步骤130,根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息;
步骤140,获取车辆行驶信息,其中,所述车辆行驶信息包括所述车辆以及与所述车辆发生碰撞的碰撞车辆的行驶信息;
步骤150,根据所述车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定。
在车辆发生碰撞时,可获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像,然后根据车辆发生碰撞时的目标位置获取对应车辆行驶路段的交通管制信息,以及车辆行驶信息,从而便于根据车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行自动而准确地认定,从而提高交通事故责任认定效率,避免需要人为认定交通事故责任,减少交通事故责任认定耗时以及提高认定的准确性。
在一些实施例中,所述监测车辆是否发生碰撞,包括:
判断所述车辆上的碰撞传感器和/或惯性测量单元测得的车辆加速度的方向以及所述车辆的当前行驶方向是否一致;
若不一致,则确定所述车辆发生碰撞。
惯性测量单元即IMU(Inertial Measurement Unit),用于测量物体三轴姿态角(或角速率)以及加速度。碰撞传感器有内置的IMU,同样可测量车辆加速度。
由于车辆发生碰撞时,车辆之间会产生相互作用力,导致车辆会有反向加速度或者其他与车辆行驶方向不一致的加速度,因而,在判定车辆上的碰撞传感器和/或惯性测量单元测得的车辆加速度的方向以及所述车辆的当前行驶方向不一致时,可准确判断所述车辆发生碰撞,如追尾前车、被后车追尾、发生侧碰甚至侧翻等。
当然,如果同时使用碰撞传感器和惯性测量单元测得车辆加速度,则可用惯性测量单元校验碰撞传感器的车辆加速度,以提高车辆发生碰撞的判断准确率。
在一些实施例中,所述监测车辆是否发生碰撞,包括:
判断所述车辆在预设参考时长内的车速变化是否达到预设变化量;
若是,则确定所述车辆发生碰撞。
由于车辆发生碰撞时,车速会突然变化很大,如被追尾时车速会突然增大,追尾其他车辆时,车速会突然减小,因而,根据车辆在预设参考时长内的车速变化是否达到预设变化量,可准确判断车辆是否发生碰撞。预设参考时长小于预设时间段。
当然,为了提高碰撞判断准确率,可在车速大于一定阈值时,再采用这种方式判断。
在一些实施例中,所述监测车辆是否发生碰撞,包括:
监测所述车辆的麦克风采集到的声音的音频特征,其中,所述音频特征包括声音频率和音量大小;
若所述麦克风采集到的音频特征满足预设音频特征,则确定所述车辆发生碰撞。
由于车辆发生碰撞时,车内麦克风采集到的声音会突然增大,且车辆发生碰撞时的声音频率不同于车辆正常行驶时的声音频率,因而,根据麦克风采集到的音频特征是否满足预设音频特征,可准确判断所述车辆是否发生碰撞。
预设音频特征可以是预设碰撞声音频率和预设碰撞音量。
在一些实施例中,所述车辆发生碰撞时的目标位置通过以下步骤获取:
通过所述车辆的卫星导航系统和/或惯性测量单元获取所述车辆发生碰撞时的当前位置;卫星导航系统即GNSS(Global Navigation Satellite System)。
根据所述当前位置以及预存储的地图,确定车辆绝对位置,以作为所述目标位置。
通过车辆的卫星导航系统和/或惯性测量单元可自动获取所述车辆发生碰撞时的当前位置,即方便用户看的直观位置,然后将当前位置与预存储的高精地图进行对比,以准确确定车辆绝对位置即车辆的经纬度坐标,从而确定出目标位置,以便于利用经纬度坐标,在云端的交通管制库中准确搜索出车辆行驶路段的交通管制信息。
其中,通过惯性测量单元获取当前位置的方式可以是:确定通过卫星导航系统获得的最近一次GNSS定位信息的获取时间以及当前时间,然后将当前时间与获取时间相减即可获得车辆行驶时间,进而利用惯性测量单元测得的加速度与车辆行驶时间,即可获取车辆行驶距离,最后结合最近一次GNSS定位信息以及车辆行驶距离,即可获得车辆当前位置。
当然,利用惯性测量单元获取当前位置只是利用卫星导航系统获取当前位置的一种补充方式,比如在车辆进入隧道,GPS丢失等情况下可利用惯性测量单元获取当前位置。
其中,交通管制库中存储有每段经纬度坐标(即每个车辆行驶路段)下每个时间段的较统管制信息。
在一些实施例中,所述根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息,包括:
将所述目标位置上传至云端,以使所述云端根据所述目标位置,获取所述目标位置所在的车辆行驶路段在所述预设时间段内的交通管制信息,并将所述交通管制信息下发至所述车辆;目标位置所在的车辆行驶路段为以目标位置为中心,之前第一预设距离到之后第一预设距离的一段车辆行驶路段,或者以目标位置为终止位置,之前的第二预设距离的车辆行驶路段,或者是目标位置所属的道路数据库中记录的最小一段道路。第一预设距离可以是在预设时间段的一半时间内车辆的行驶距离,第二预设距离可以是预设时间段内车辆的行驶距离。
接收所述云端下发的所述交通管制信息,其中,所述交通管制信息包括以下至少一项:所述车辆行驶路段是否允许行驶、所述车辆行驶路段的限速、所述车辆行驶路段的限高、所述车辆行驶路段对可行驶车辆的车牌号要求、所述车辆行驶路段可允许的行驶方向。
通过将目标位置自动上传至云端,使得云端可根据目标位置以及预设时间段,获取目标位置所在的车辆行驶路段在该预设时间段内的交通管制信息,并将交通管制信息自动下发至车辆,从而由车辆结合交通管制信息自动进行交通事故责任认定。
在一些实施例中,所述获取车辆行驶信息包括:
通过所述车辆的车速传感器采集所述车辆在所述预设时间段内的车速;
通过雷达测量所述车辆与所述碰撞车辆在所述预设时间段内的车距以及所述碰撞车辆在所述预设时间段内的车速,其中,所述雷达包括以下至少一项:毫米波雷达、激光雷达以及超声波雷达。
通过车辆的车速传感器可自动采集车辆在预设时间段内的车速,然后利用雷达自动测量车辆与碰撞车辆在预设时间段内的车距以及碰撞车辆在该预设时间段内的车速,从而便于之后结合交通管制信息中的限速和/或从车行驶图像中识别出的限速标识,判断车辆和/或碰撞车辆是否出现超速。
激光雷达与毫米波雷达可以选一种,只不过激光雷达精度更高,另外,超声波雷达只适合近距离测试(1米之内更适合补盲),太远测不到。
例如:利用毫米波、激光雷达测得的车距以及摄像头拍摄的车行驶图像,可准确判断是否违章变道。
在一些实施例中,所述根据车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定,包括:
从所述车行驶图像中提取车行驶参照信息;行驶参照信息包括但不限于:车道线,红绿灯,交通警示牌,限速标识,限高标识等;
根据所述车辆行驶信息、所述车行驶参照信息和所述交通管制信息中的至少两项信息,确定所述车辆发生碰撞时的异常行驶行为;
将所述车辆发生碰撞时的异常行驶行为上传至云端,以使所述云端对所述车辆发生碰撞时的交通事故责任进行认定,并由所述云端生成交通事故责任认定书后下发至所述车辆。
通过从车行驶图像中自动提取车行驶参照信息,可根据车辆行驶信息、所述车行驶参照信息和所述交通管制信息中的至少两项信息,自动确定所述车辆发生碰撞时的异常行驶行为,然后将车辆发生碰撞时的异常行驶行为上传至云端,如将违法变道、超速行驶、刮蹭、违章变道加塞等异常行为上传至云端,然后由云端对所述车辆发生碰撞时的交通事故责任进行自动而准确认定,并由所述云端生成交通事故责任认定书后下发至所述车辆,从而实现交通事故责任的自动认定,提高交通事故责任认定效率,避免需要人为认定事故责任。
在一个实施例中,所述根据所述车辆行驶信息、所述车行驶参照信息和所述交通管制信息中的至少两项信息,确定所述车辆发生碰撞时的异常行驶行为,包括:
分别为所述车行驶参照信息和所述交通管制信息设定各自的使用优先级,其中,所述车行驶参照信息的使用优先级高于所述交通管制信息的使用优先级;
将所述车行驶参照信息和所述交通管制信息进行对照,并结合各自使用优先级,以及所述车辆行驶信息,确定所述车辆发生碰撞时的异常行驶行为。
由于云端存储的交通管制信息不是实时的,比如存储的某路段的限速可能是50码而实际上该路段的限速标记已经改成70码,因而,从图像中提取的车行驶参照信息的使用优先级要高于交通管制信息的使用优先级,以便于将所述车行驶参照信息和所述交通管制信息进行对照,利用车行驶参照信息校准交通管制信息,并利用交通管制信息补充车行驶参照信息,如此,即可结合车辆行驶信息,准确判断所述车辆发生碰撞时的异常行驶行为。
在一些实施例中,所述方法还包括:
接收所述云端下发的交通事故责任认定书;
驶离所述车辆行驶路段。
通过接收云端下发的交通事故责任认定书,便于车主尽快进行交通事故责任认定,提高交通事故的处理效率,然后提醒车主尽快驶离车辆行驶路段,避免事故地段交通拥堵。
当然,云端下发交通事故责任认定书时,也会对碰撞车辆下发;另外,如果保险公司的保险系统也接入了云端,则云端也会将交通事故责任认定书下发至保险系统。
最后,需要说明的是,如果保险系统接入了云端,则保险系统可根据交通事故责任认定书给该车辆或碰撞车辆下发理赔提示,以提醒车主更快进行线上理赔,从而进一步提高交通事故处理效率。
下面将结合图2进一步详细说明本公开的技术方案:
本公开的传感器和摄像头包含:视觉传感器(即摄像头,本公开可以设置11-12摄像头),激光雷达,超声波雷达,IMU,GNSS等,如图2所示,
工作过程如下:
1、碰撞传感器,IMU监测车辆是否发生碰撞,当碰撞发生时车调取摄像头3分钟内的图像信息;
2、GNSS和IMU精确定位车辆当前位置(地图中标出的直观位置),和车内存储的高精地图对比确定车辆绝对位置(经纬度坐标);
3、车提取步骤1的图像信息中的重要参照物信息,如车道线(用于测违规变道),红绿灯,交通警示牌,限速标识等;
4、将车辆绝对位置上传云端,交管部门的云端提取该路段该时间点的交通管制及限速限行等信息,下发至车辆;
5、车提取车辆速度信息,结合毫米波雷达、骤3收集到的信息以及步骤4收集到的信息(其中,步骤3的信息为主,步骤4的信息为辅助),判断碰撞车辆碰撞时的速度,行驶方向,有无违法变道,超速行驶,刮蹭违章变道加塞等异常行为;
例如:可利用毫米波、激光雷达以及摄像头判断是否违章变道,其中,激光雷达与毫米波雷达可以选一种,只不过激光雷达精度更高,而超声波雷达只适合近距离测试(1米之内更适合补盲),太远测不到
6、将信息上传交管部门,如该路段铺设的V2X系统(该系统拥有车上的一套传感器、毫米波、摄像头系统,因而,根据拍摄到的信息以及交通管制信息、重要参照信息也可得出一个结论,与车辆上传结论进行对比),以判断交通责任划分;如无V2X系统,信息上传(如交管部门没有V2X系统,可以上传交管部门的其他云平台)判断责任划分;
结合1~6划分事故责任,出具责任认定书发送到车辆(每方付多少责任,2方都发,如果保险公司接入交管部门的系统,认定书给3方);
提醒车辆快速驶离事故地段避免交通拥堵。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图3示出了根据本公开的实施例的交通事故责任认定装置300的方框图。如图3所示,装置300包括:
监测模块310,用于监测车辆是否发生碰撞;
第一获取模块320,用于在所述车辆发生碰撞时,获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像;
第二获取模块330,用于根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息;
第三获取模块340,用于获取车辆行驶信息,其中,所述车辆行驶信息包括所述车辆以及与所述车辆发生碰撞的碰撞车辆的行驶信息;
认定模块350,用于根据所述车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、车辆和存储有计算机指令的非瞬时计算机可读存储介质。
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元404加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如方法100。例如,在一些实施例中,方法100可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM403并由计算单元401执行时,可以执行上文描述的方法100的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法100。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种交通事故责任认定方法,其特征在于,包括:
监测车辆是否发生碰撞;
在所述车辆发生碰撞时,获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像;
根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息;
获取车辆行驶信息,其中,所述车辆行驶信息包括所述车辆以及与所述车辆发生碰撞的碰撞车辆的行驶信息;
根据所述车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定。
2.根据权利要求1所述的方法,其特征在于,所述监测车辆是否发生碰撞,包括:
判断所述车辆上的碰撞传感器和/或惯性测量单元测得的车辆加速度的方向以及所述车辆的当前行驶方向是否一致;
若不一致,则确定所述车辆发生碰撞。
3.根据权利要求1所述的方法,其特征在于,所述监测车辆是否发生碰撞,包括:
判断所述车辆在预设参考时长内的车速变化是否达到预设变化量;
若是,则确定所述车辆发生碰撞。
4.根据权利要求1所述的方法,其特征在于,所述监测车辆是否发生碰撞,包括:
监测所述车辆的麦克风采集到的声音的音频特征,其中,所述音频特征包括声音频率和音量大小;
若所述麦克风采集到的音频特征满足预设音频特征,则确定所述车辆发生碰撞。
5.根据权利要求1所述的方法,其特征在于,所述车辆发生碰撞时的目标位置通过以下步骤获取:
通过所述车辆的卫星导航系统和/或惯性测量单元获取所述车辆发生碰撞时的当前位置;
根据所述当前位置以及预存储的地图,确定车辆绝对位置,以作为所述目标位置。
6.根据权利要求1所述的方法,其特征在于,
所述根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息,包括:
将所述目标位置上传至云端,以使所述云端根据所述目标位置,获取所述目标位置所在的车辆行驶路段在所述预设时间段内的交通管制信息,并将所述交通管制信息下发至所述车辆;
接收所述云端下发的所述交通管制信息,其中,所述交通管制信息包括以下至少一项:所述车辆行驶路段是否允许行驶、所述车辆行驶路段的限速、所述车辆行驶路段的限高、所述车辆行驶路段对可行驶车辆的车牌号要求、所述车辆行驶路段可允许的行驶方向。
7.根据权利要求1所述的方法,其特征在于,所述获取车辆行驶信息,包括:
通过所述车辆的车速传感器采集所述车辆在所述预设时间段内的车速;
通过雷达测量所述车辆与所述碰撞车辆在所述预设时间段内的车距以及所述碰撞车辆在所述预设时间段内的车速。
8.根据权利要求1至7中任一项所述的方法,其特征在于,
所述根据车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定,包括:
从所述车行驶图像中提取车行驶参照信息;
根据所述车辆行驶信息、所述车行驶参照信息和所述交通管制信息中的至少两项信息,确定所述车辆发生碰撞时的异常行驶行为;
将所述车辆发生碰撞时的异常行驶行为上传至云端,以使所述云端对所述车辆发生碰撞时的交通事故责任进行认定,并由所述云端生成交通事故责任认定书后下发至所述车辆。
9.根据权利要求8所述的方法,其特征在于,所述根据所述车辆行驶信息、所述车行驶参照信息和所述交通管制信息中的至少两项信息,确定所述车辆发生碰撞时的异常行驶行为,包括:
分别为所述车行驶参照信息和所述交通管制信息设定各自的使用优先级,其中,所述车行驶参照信息的使用优先级高于所述交通管制信息的使用优先级;
将所述车行驶参照信息和所述交通管制信息进行对照,并结合各自使用优先级,以及所述车辆行驶信息,确定所述车辆发生碰撞时的异常行驶行为。
10.根据权利要求8所述的方法,其特征在于,所述方法还包括:
接收所述云端下发的交通事故责任认定书;
驶离所述车辆行驶路段。
11.一种交通事故责任认定装置,其特征在于,包括:
监测模块,用于监测车辆是否发生碰撞;
第一获取模块,用于在所述车辆发生碰撞时,获取所述车辆发生碰撞时刻之前的预设时间段内的车行驶图像;
第二获取模块,用于根据所述车辆发生碰撞时的目标位置,获取车辆行驶路段的交通管制信息;
第三获取模块,用于获取车辆行驶信息,其中,所述车辆行驶信息包括所述车辆以及与所述车辆发生碰撞的碰撞车辆的行驶信息;
认定模块,用于根据所述车辆行驶信息、所述车行驶图像和所述交通管制信息中的至少两项信息,对所述车辆发生碰撞时的交通事故责任进行认定。
12.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
13.一种车辆,其特征在于,包括:如权利要求12所述的电子设备。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210706714.9A CN117315922A (zh) | 2022-06-21 | 2022-06-21 | 交通事故责任认定方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210706714.9A CN117315922A (zh) | 2022-06-21 | 2022-06-21 | 交通事故责任认定方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117315922A true CN117315922A (zh) | 2023-12-29 |
Family
ID=89285339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210706714.9A Pending CN117315922A (zh) | 2022-06-21 | 2022-06-21 | 交通事故责任认定方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117315922A (zh) |
-
2022
- 2022-06-21 CN CN202210706714.9A patent/CN117315922A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11175668B2 (en) | Navigation method and apparatus, and terminal device | |
CN113370982B (zh) | 路面颠簸区域的检测方法、装置、电子设备及存储介质 | |
CN113672845A (zh) | 一种车辆轨迹的预测方法、装置、设备及存储介质 | |
CN109313849B (zh) | 用于错路驾驶员识别的方法、设备和系统 | |
CN113147738A (zh) | 一种自动泊车定位方法和装置 | |
CN112580571A (zh) | 车辆行驶的控制方法、装置及电子设备 | |
CN111402598A (zh) | 一种车辆控制方法、装置和电子设备 | |
CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 | |
CN113091737A (zh) | 一种车路协同定位方法、装置、自动驾驶车辆及路侧设备 | |
CN110411499B (zh) | 传感器检测识别能力的评估方法及评估系统 | |
CN117315922A (zh) | 交通事故责任认定方法、装置及设备 | |
US11315417B2 (en) | Method, device and system for wrong-way driver detection | |
US10532750B2 (en) | Method, device and system for wrong-way driver detection | |
CN116022169A (zh) | 用于评估功能的方法、设备和存储介质 | |
CN112477868B (zh) | 碰撞时间计算方法、装置、可读存储介质和计算机设备 | |
CN114325662A (zh) | 一种车载雷达的外参标定方法、装置、设备及存储介质 | |
CN114281832A (zh) | 基于定位结果的高精地图数据更新方法、装置和电子设备 | |
CN114120651B (zh) | 用于测试感知目标数的方法、装置、设备、介质和产品 | |
CN114379588B (zh) | 进站状态检测方法、装置、车辆、设备和存储介质 | |
US20190145783A1 (en) | Method, device and system for wrong-way driver detection | |
CN113721235B (zh) | 对象状态确定方法、装置、电子设备以及存储介质 | |
CN115171412B (zh) | 车辆行驶状态的显示方法、系统及装置 | |
CN108896062B (zh) | 一种利用电子地图实时提醒团雾路段的装置及方法 | |
CN116246246A (zh) | 感知评估方法、装置、电子设备 | |
CN113985413A (zh) | 点云数据的处理方法、装置、设备和自动驾驶车辆 |
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 |