CN117523840A - 一种基于数字化分析的智能车道信息管理系统及方法 - Google Patents
一种基于数字化分析的智能车道信息管理系统及方法 Download PDFInfo
- Publication number
- CN117523840A CN117523840A CN202311484971.3A CN202311484971A CN117523840A CN 117523840 A CN117523840 A CN 117523840A CN 202311484971 A CN202311484971 A CN 202311484971A CN 117523840 A CN117523840 A CN 117523840A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- distance
- road section
- driving road
- vehicles
- 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
Links
- 238000010252 digital analysis Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 181
- 230000006399 behavior Effects 0.000 claims abstract description 110
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000005452 bending Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000000875 corresponding effect Effects 0.000 claims description 86
- 238000007726 management method Methods 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000003993 interaction Effects 0.000 claims description 19
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 12
- 238000013459 approach Methods 0.000 claims description 12
- 230000001276 controlling effect Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000004806 packaging method and process Methods 0.000 claims description 7
- 238000005206 flow analysis Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009467 reduction 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于数字化分析的智能车道信息管理系统及方法,属于智能交通技术领域。系统包括数据采集模块、数据处理模块、行为分析模块和驾驶引导模块;数据采集模块用于采集高速公路上所有移动的车辆信息,以及道路交通图像信息;数据处理模块用于划分不同行驶路段,根据行驶路段的弯曲程度和不同车道上车辆的移动速度计算每个行驶路段的移动指数;行为分析模块用于对移动指数低的行驶路段进行监控,识别距离过近的车辆,通过对这些车辆之间距离的变化来计算每辆车的危险指数,判断是否涉及危险驾驶;驾驶引导模块用于对危险驾驶车辆进行语音引导,通过车载设备提示驾驶人员停止危险驾驶行为,并将所有数据预警至交管数据中心。
Description
技术领域
本发明涉及智能交通技术领域,具体为一种基于数字化分析的智能车道信息管理系统及方法。
背景技术
道路交通事故是全球范围内的重大公共安全问题,每年造成大量人员伤亡和财产损失。危险驾驶行为是交通事故发生的主要原因之一,危险驾驶是指驾驶员在道路上存在的一些不安全、违法或不适当的行为,可能导致交通事故的发生。因此需要开展相关研究来减少危险驾驶行为的发生。
在危险驾驶行为研究中,斗气现象是一个重要的研究领域。斗气行为是指驾驶员之间的冲突、竞争和愤怒行为,常常导致道路交通事故的发生。针对这种现象,现阶段通常采用安装摄像头等传感器方式对道路车辆进行测速拍摄,再采用智能算法对拍摄的画面进行逐帧分析,判断是否存在开车斗气等危险驾驶行为。这种方法存在一定的缺陷,例如:1、摄像头对道路拍摄容易受到环境影响导致画面质量不高,在天气恶劣情况下无法清晰拍摄到车牌号,甚至无法识别到车辆;2、摄像头拍摄画面并不能完全覆盖道路,存在拍摄死角,无法监测拍摄死角区域的危险驾驶行为;3、斗气行为是少数车辆的行为且存在特定环境下发生概率变高的趋势,现有智能算法普遍是针对所有摄像头拍摄画面进行识别,消耗海量算力的同时检测质量和精准度都不高,无法快速定位到发生斗气行为的车辆。所以,现阶段需要一种高效、快速的识别并分析危险驾驶行为的技术方案来解决上述问题。
发明内容
本发明的目的在于提供一种基于数字化分析的智能车道信息管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于数字化分析的智能车道信息管理方法,该方法包括以下步骤:
S1、实时采集高速公路上所有移动的车辆信息,以及道路交通图像信息;
S2、根据道路交通图像划分行驶路段,分析并计算每个行驶路段的移动指数;
S3、监控移动指数高的行驶路段内车辆行为,分析并计算异常行为车辆的危险指数;
S4、标记危险指数大于阈值的车辆,提醒标记车辆驾驶人员停止危险行为。
在S1中,车辆是指在高速公路上行驶的机动车。车辆信息包括车牌号、速度和位置,速度和位置由安装在车上的智能交互设备实时采集。道路交通图像信息包括静态图像和动态图像。静态图像是指高速公路路线图,高速公路路线图上标注了所有上下高速口位置、分叉口位置和服务区所在位置,以及每条路线方向、长度、不同车道的最低限速和编码;动态图像是指道路监控视频,由安装在高速公路上的摄像头实时采集。
在S2中,具体步骤如下:
S201、对高速公路路线图进行分析,识别出路线图中所有上下高速口位置、分叉口位置和服务区所在位置,以上高速口位置为起点,下高速口位置为终点,将同一条路线中的起点和终点连接后建立行驶路段。
高速公路匝道和主路限速规则不一致,所以上下高速口位置并非是指高速公路收费站位置,而是指高速公路主路与匝道连接处,车辆通过此处上高速或下高速。
S202、当行驶路段中存在分叉口或服务区时,将对应行驶路段内分叉口或服务区所在位置为中间点拆分为两条行驶路段,继续判断并拆分,直到所有行驶路段内都不存在分叉口或服务区,则拆分结束。
高速公路实行的是封闭式管理,当行驶路段中不存在交叉口或服务区时,该行驶路段可以视为封闭路段,只存在一个入口和一个出口。
S203、识别每个行驶路段内的方向转折点并测量转折点的角度,当转折点角度大于角度阈值时,将对应转折点位置作为起始点,从起始点出发,以路线设定车向为方向,沿着路线寻找到转折角度小于或等于角度阈值的位置作为终止点,将同一个行驶路段内从起始点到终止点作为曲折路段,同一个行驶路段内所有曲折路段长度求和后除以该行驶路段的长度得到曲折路段占比,每个行驶路段对应一个曲折路段占比。
高速公路在设计阶段就考虑到了车辆在高速移动中的转弯角度问题,所以极少概率会出现转折点的角度过大从而影响到车辆驾驶安全问题。本申请中角度阈值是根据驾驶人员在面对一定弯度路线情况下采取减速措施的概率来进行设定,当转折点角度大于角度阈值时,可能无法对车辆行驶安全造成威胁,但大多数驾驶人员出于安全考虑在转弯时仍然会进行减速操作。考虑到这种情况会影响到行驶路段的整体通行效率,所以设定角度阈值来计算曲折路段占比,来预估不同行驶路段的正常通行效率。
曲折路段占比越高表示路线弯曲程度越大,路线弯曲程度大则意味着车辆需要经常减速转弯来改变方向,相比于曲折路段占比低的行驶路段,整体通行效率也会更低。
S204、分别为每个行驶路段下每条车道建立一个车辆集合,获取高速公路上所有车辆的位置,筛选出处于行驶路段的车辆并获取车牌号和所在车道,将车牌号放入对应行驶路段下对应车道的车辆集合中,集合内包括{P1,P2,P3,...,Pn},其中,n表示车辆集合内车牌号个数,Pn表示第n个车牌号,每个行驶区下车道数量与车辆集合数量相同。
车辆集合中的车牌号不断变化,在同一个行驶路段内,当车辆变道后,车牌号就转移到变道后车道对应的车辆集合中。当车辆驶出行驶路段后,车牌号就转移到其他行驶路段下对应车道的车辆集合中。
S205、获取同一个行驶路段下所有车辆集合中车牌号对应车辆的速度,带入公式中计算得到移动指数,每个行驶路段对应一个移动指数。计算公式如下:
式中,MFIV为移动指数,m为车道数量,n为车辆集合内车牌号个数,Vi为第i个车牌号对应车辆的速度,Vj为第j个车辆集合对应车道的最低限速,γ为曲折路段速度影响系数,PPT为行驶路段对应的曲折路段占比。
移动指数反应了行驶路段内车辆的平均移速与正常移速之比,并排除了路线弯曲带来的速度影响,移动指数过低表示该行驶路段车辆通行缓慢。
在S3中,具体步骤如下:
S301、将同一个行驶路段下所有车辆集合中的车牌号数量求和后作为对应行驶路段的总车数,再将每个行驶路段的长度除以对应总车数得到车辆密度,每个行驶路段对应一个车辆密度。
S302、筛选出移动指数小于移动指数阈值且车辆密度大于密度阈值的行驶路段,获取这些行驶路段内所有车牌号对应车辆的实时位置;设置一段避让距离,采用欧氏距离方式分别计算每个行驶路段内车辆与其他车辆之间的距离,将距离小于避让距离所对应的车辆之间进行关联。
移动指数阈值根据实际情况进行设定,取值越小,则表示车辆平均速度越小于正常通行速度。密度阈值同样根据实际情况进行设定,取值越大,则表示单位长度路段中车辆数量越多。移动指数和车辆密度双重条件是为了确保筛选出来的行驶路段足够拥挤,而在拥挤情况下,发生危险驾驶、驾驶员相互斗气的概率更高,交通事故带来的后果也更加严重。
S303、为每台关联车辆建立一个行为集合,并将关联车辆之间的距离作为关联距离,对关联距离变化进行监控。关联距离大于或等于避让距离时则取消车辆之间的关联。关联距离小于避让距离并上下浮动时,则以时间为横轴,关联距离为纵轴,建立平面直角坐标系,将每次距离变化点标注在坐标系上,相邻变化点之间用线段连接绘制折线图,对每一个变化点进行分析,步骤如下:
S303-1、当本变化点关联距离小于下一个变化点关联距离且关联车辆处于同一车道时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化,判断是前方车辆还是后方车辆主动偏离对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动避让。
S303-2、当本变化点关联距离小于下一个变化点关联距离且关联车辆处于不同车道时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化,判断是左边车辆还是右边车辆主动偏离对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动避让。
S303-3、当本变化点关联距离大于下一个变化点关联距离且关联车辆处于同一车道时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化,判断是前方车辆还是后方车辆主动贴近对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动靠近。
S303-4、当本变化点关联距离大于下一个变化点关联距离且关联车辆处于不同车道时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化,判断是左边车辆还是右边车辆主动贴近对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动靠近。
变化点只有在关联距离发生变化时才会产生,所以相邻变化点所对应的关联距离不会相同,必然存在差值。
车辆在高速正常行驶过程中,驾驶员会理性驾驶,尽量与其他车辆保持一定距离来确保行驶安全,在距离变小时也会及时拉大距离降低风险概率。而在拥堵路段车辆行驶缓慢,通常会导致驾驶员的耐心减少,情绪不稳定,驾驶员容易非理性驾驶,试图抢道、插队或超速,以争夺有限的道路资源,这种情况下难免会缩短与其他车辆距离,甚至发生碰撞。所以,针对车辆之间的距离来判断危险驾驶行为非常有必要。
S304、实时获取每台关联车辆的行为集合,分析行为集合中标记为主动避让或主动靠近的关联距离变化值,代入公式中计算得到每台关联车辆的危险指数。公式如下:
式中,WXZS为危险指数,α为标记为主动靠近的关联距离变化值个数,β标记为主动避让的关联距离变化值个数,ced为标记为主动靠近的关联距离变化值总和,ces为标记为主动避让的关联距离变化值总和,cesum为关联距离变化值总和,f为常数。
在S4中,获取每台关联车辆的危险指数,当危险指数大于危险指数阈值时则标记对应车辆;标记车辆内的智能交互设备通过扬声器发声,提醒驾驶人员停止危险驾驶行为。并控制距离标记车辆位置最近的摄像头对标记车辆进行拍摄,将拍摄到的画面、车辆的历史位置和历史速度打包发送至交管数据中心进行预警。
危险指数是指本车辆对与之关联车辆的危险驾驶行为程度,只要本车辆和与之关联车辆之间的距离一直小于避让距离,则危险指数不断更新。当危险指数大于危险指数阈值,若此时关联距离大于或等于避让距离则对应车辆内的智能交互设备停止发声,危险指数停止更新。当本车辆再次满足条件与其他车辆之间的距离小于避让距离时,则针对新的关联车辆重新计算危险指数。
通过智能交互设备发声,能够在危险还未发生时及时提醒驾驶人员当前状态,降低继续进行危险驾驶的概率。同时,将相关数据提交至交管数据中心,一方面可以提醒交管部门进行监督或干预,另一方面也可以在发生交通事故后快速锁定证据。
一种基于数字化分析的智能车道信息管理系统,系统包括数据采集模块、数据处理模块、行为分析模块和驾驶引导模块。
数据采集模块用于采集高速公路上所有移动的车辆信息,以及道路交通图像信息。数据处理模块对道路交通图像信息进行分析来划分行驶路段,并计算每个行驶路段的移动指数。行为分析模块根据移动指数对行驶路段内车辆行为进行监控,分析车辆之间距离的变化从而计算每台车辆的危险指数,判断是否为危险驾驶行为。驾驶引导模块通过语音提醒驾驶人员停止危险驾驶行为,并将所有数据预警至交管数据中心。
数据采集模块包括车辆信息采集单元和图像信息采集单元。
车辆信息采集单元用于采集高速公路上所有机动车的车牌号、速度和位置信息,通过安装在车上的智能交互设备进行实时数据采集。
智能交互设备将采集的数据实时传入交管数据中心,为后续计算提供数据支持。
图像信息采集单元用于采集高速公路路线图和道路监控视频。高速公路路线图上标注了所有上下高速口位置、分叉口位置和服务区所在位置,以及每条路线方向、长度、不同车道的最低限速和编码;道路监控视频由安装在高速公路上的摄像头进行实时数据采集。
数据处理模块包括路段划分单元和流量分析单元。
路段划分单元用于划分行驶路段。首先,获取高速公路路线图中所有上下高速口位置、分叉口位置和服务区所在位置;其次,以上高速口位置为起点,下高速口位置为终点,将同一条路线中的起点和终点连接后建立行驶路段;最后,当行驶路段中存在分叉口或服务区时,将对应行驶路段内分叉口或服务区所在位置为中间点拆分为两条行驶路段,继续判断并拆分,直到所有行驶路段内都不存在分叉口或服务区,则拆分结束。
流量分析单元用于计算各行驶路段的移动指数。首先,识别每个行驶路段内角度大于角度阈值的方向转折点,从方向转折点出发沿着路线设定车向找到转折角度小于或等于角度阈值的位置,这段距离作为曲折路段,同一个行驶路段内所有曲折路段长度求和后除以该行驶路段的长度得到曲折路段占比;其次,获取高速公路上所有车辆的位置和速度,将同行驶路段下同车道上所有车辆速度求和后计算平均值得到平均车速V平,设定一个曲折路段速度影响系数,对应车道的最低限速与曲折路段速度影响系数和对应行驶路段的曲折路段占比相乘得到理论车速V理,再将平均车速除以理论车速得到车道的移动指数;最后,同一行驶路段下所有车道的移动指数求和后计算平均值得到对应行驶路段的移动指数。
行为分析模块包括操作行为识别单元和危险指数计算单元。
操作行为识别单元用于识别车辆的异常行为。首先,获取移动指数小于移动指数阈值的行驶路段内车辆数量,再将每个行驶路段的长度除以对应车辆数量得到车辆密度;其次,筛选出车辆密度大于密度阈值的行驶路段,获取这些行驶路段内车辆的实时位置;最后,设置一段避让距离,采用欧氏距离方式分别计算每个行驶路段内车辆与其他车辆之间的距离,将距离小于避让距离所对应的车辆之间进行关联,关联车辆作为异常行为车辆。
危险指数计算单元用于计算异常行为车辆的危险指数。每台关联车辆建立一个行为集合,并将关联车辆之间的距离作为关联距离,当关联距离小于避让距离时,以时间为横轴,关联距离为纵轴,建立平面直角坐标系,将每次距离变化点标注在坐标系上,相邻变化点之间用线段连接绘制折线图,对每个变化点进行分析。计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化。
当本变化点关联距离小于下一个变化点关联距离且关联车辆处于同一车道时,判断是前方车辆还是后方车辆主动偏离对方,当本变化点关联距离小于下一个变化点关联距离且关联车辆处于不同车道时,则判断是左边车辆还是右边车辆主动偏离对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动避让。
当本变化点关联距离大于下一个变化点关联距离且关联车辆处于同一车道时,判断是前方车辆还是后方车辆主动贴近对方,当本变化点关联距离大于下一个变化点关联距离且关联车辆处于不同车道时,则判断是左边车辆还是右边车辆主动贴近对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动靠近。
实时获取每台关联车辆的行为集合,分析行为集合中的关联距离变化值,代入公式中计算得到每台关联车辆的危险指数WXZS,公式为:其中,α为标记为主动靠近的关联距离变化值个数,β标记为主动避让的关联距离变化值个数,ced为标记为主动靠近的关联距离变化值总和,ces为标记为主动避让的关联距离变化值总和,cesum为关联距离变化值总和,f为常数。
驾驶引导模块用于提醒标记车辆驾驶人员停止危险行为。当关联车辆的危险指数大于危险指数阈值时,控制对应关联车辆内智能交互设备的扬声器发声,提醒驾驶人员停止危险驾驶行为,并控制距离对应关联车辆位置最近的摄像头对关联车辆进行拍摄,将拍摄到的画面、车辆的历史位置和历史速度打包发送至交管数据中心进行预警。
与现有技术相比,本发明所达到的有益效果是:
1、精准计算通行效率:本申请先是将路段拆分为多条封闭的行驶路段,确保行驶路段中只存在一个出口和一个入口且不包括服务区等停留场所,确保实际行驶速度计算的准确性。在理论通行速度的计算上排除了路面弯曲程度使驾驶人员减速的影响,降低不同行驶路段之间由于路况带来的理论通行速度差异,使得最终各行驶路段通行效率计算结果更加精准。
2、高效车辆信息采集:本申请中采用车载智能交互设备来采集车辆的速度和位置信息,相比于采用摄像头拍照识别并测速,本申请的车辆信息采集结果更加精准,且不需要消耗额外的算力,在监控死角区域也能及时上传实时速度和位置信息。
3、车辆相互影响性判断:本申请中对距离小于避让距离的车辆之间进行关联,分别计算本车辆相对于与之关联车辆的危险指数,当距离始终小于避让距离时,危险指数不断更新,能够快速识别到产生斗气行为的具体车辆,并以数字形式直观展示每辆车对另外车辆的危险驾驶行为程度。
综上所述,本发明相比于传统技术具有精准计算通行效率、高效车辆信息采集和车辆相互影响性判断的优势,能够提高危险驾驶行为监测效率。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于数字化分析的智能车道信息管理方法的流程示意图;
图2是本发明一种基于数字化分析的智能车道信息管理系统的结构示意图。
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,本发明提供一种基于数字化分析的智能车道信息管理方法,该方法包括以下步骤:
S1、实时采集高速公路上所有移动的车辆信息,以及道路交通图像信息;
S2、根据道路交通图像划分行驶路段,分析并计算每个行驶路段的移动指数;
S3、监控移动指数高的行驶路段内车辆行为,分析并计算异常行为车辆的危险指数;
S4、标记危险指数大于阈值的车辆,提醒标记车辆驾驶人员停止危险行为。
在S1中,车辆是指在高速公路上行驶的机动车。车辆信息包括车牌号、速度和位置,速度和位置由安装在车上的智能交互设备实时采集。道路交通图像信息包括静态图像和动态图像。静态图像是指高速公路路线图,高速公路路线图上标注了所有上下高速口位置、分叉口位置和服务区所在位置,以及每条路线方向、长度、不同车道的最低限速和编码;动态图像是指道路监控视频,由安装在高速公路上的摄像头实时采集。
在S2中,具体步骤如下:
S201、对高速公路路线图进行分析,识别出路线图中所有上下高速口位置、分叉口位置和服务区所在位置,以上高速口位置为起点,下高速口位置为终点,将同一条路线中的起点和终点连接后建立行驶路段。
高速公路匝道和主路限速规则不一致,所以上下高速口位置并非是指高速公路收费站位置,而是指高速公路主路与匝道连接处,车辆通过此处上高速或下高速。
S202、当行驶路段中存在分叉口或服务区时,将对应行驶路段内分叉口或服务区所在位置为中间点拆分为两条行驶路段,继续判断并拆分,直到所有行驶路段内都不存在分叉口或服务区,则拆分结束。
高速公路实行的是封闭式管理,当行驶路段中不存在交叉口或服务区时,该行驶路段可以视为封闭路段,只存在一个入口和一个出口。
S203、识别每个行驶路段内的方向转折点并测量转折点的角度,当转折点角度大于角度阈值时,将对应转折点位置作为起始点,从起始点出发,以路线设定车向为方向,沿着路线寻找到转折角度小于或等于角度阈值的位置作为终止点,将同一个行驶路段内从起始点到终止点作为曲折路段,同一个行驶路段内所有曲折路段长度求和后除以该行驶路段的长度得到曲折路段占比,每个行驶路段对应一个曲折路段占比。
高速公路在设计阶段就考虑到了车辆在高速移动中的转弯角度问题,所以极少概率会出现转折点的角度过大从而影响到车辆驾驶安全问题。本申请中角度阈值是根据驾驶人员在面对一定弯度路线情况下采取减速措施的概率来进行设定,当转折点角度大于角度阈值时,可能无法对车辆行驶安全造成威胁,但大多数驾驶人员出于安全考虑在转弯时仍然会进行减速操作。考虑到这种情况会影响到行驶路段的整体通行效率,所以设定角度阈值来计算曲折路段占比,来预估不同行驶路段的正常通行效率。
曲折路段占比越高表示路线弯曲程度越大,路线弯曲程度大则意味着车辆需要经常减速转弯来改变方向,相比于曲折路段占比低的行驶路段,整体通行效率也会更低。
S204、分别为每个行驶路段下每条车道建立一个车辆集合,获取高速公路上所有车辆的位置,筛选出处于行驶路段的车辆并获取车牌号和所在车道,将车牌号放入对应行驶路段下对应车道的车辆集合中,集合内包括{P1,P2,P3,...,Pn},其中,n表示车辆集合内车牌号个数,Pn表示第n个车牌号,每个行驶区下车道数量与车辆集合数量相同。
车辆集合中的车牌号不断变化,在同一个行驶路段内,当车辆变道后,车牌号就转移到变道后车道对应的车辆集合中。当车辆驶出行驶路段后,车牌号就转移到其他行驶路段下对应车道的车辆集合中。
S205、获取同一个行驶路段下所有车辆集合中车牌号对应车辆的速度,带入公式中计算得到移动指数,每个行驶路段对应一个移动指数。计算公式如下:
式中,MFIV为移动指数,m为车道数量,n为车辆集合内车牌号个数,Vi为第i个车牌号对应车辆的速度,Vj为第j个车辆集合对应车道的最低限速,γ为曲折路段速度影响系数,PPT为行驶路段对应的曲折路段占比。
移动指数反应了行驶路段内车辆的平均移速与正常移速之比,并排除了路线弯曲带来的速度影响,移动指数过低表示该行驶路段车辆通行缓慢。
在S3中,具体步骤如下:
S301、将同一个行驶路段下所有车辆集合中的车牌号数量求和后作为对应行驶路段的总车数,再将每个行驶路段的长度除以对应总车数得到车辆密度,每个行驶路段对应一个车辆密度。
S302、筛选出移动指数小于移动指数阈值且车辆密度大于密度阈值的行驶路段,获取这些行驶路段内所有车牌号对应车辆的实时位置;设置一段避让距离,采用欧氏距离方式分别计算每个行驶路段内车辆与其他车辆之间的距离,将距离小于避让距离所对应的车辆之间进行关联。
移动指数阈值根据实际情况进行设定,取值越小,则表示车辆平均速度越小于正常通行速度。密度阈值同样根据实际情况进行设定,取值越大,则表示单位长度路段中车辆数量越多。移动指数和车辆密度双重条件是为了确保筛选出来的行驶路段足够拥挤,而在拥挤情况下,发生危险驾驶、驾驶员相互斗气的概率更高,交通事故带来的后果也更加严重。
S303、为每台关联车辆建立一个行为集合,并将关联车辆之间的距离作为关联距离,对关联距离变化进行监控。关联距离大于或等于避让距离时则取消车辆之间的关联。关联距离小于避让距离并上下浮动时,则以时间为横轴,关联距离为纵轴,建立平面直角坐标系,将每次距离变化点标注在坐标系上,相邻变化点之间用线段连接绘制折线图,对每一个变化点进行分析,步骤如下:
S303-1、当本变化点关联距离小于下一个变化点关联距离且关联车辆处于同一车道时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化,判断是前方车辆还是后方车辆主动偏离对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动避让。
S303-2、当本变化点关联距离小于下一个变化点关联距离且关联车辆处于不同车道时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化,判断是左边车辆还是右边车辆主动偏离对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动避让。
S303-3、当本变化点关联距离大于下一个变化点关联距离且关联车辆处于同一车道时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化,判断是前方车辆还是后方车辆主动贴近对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动靠近。
S303-4、当本变化点关联距离大于下一个变化点关联距离且关联车辆处于不同车道时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化,判断是左边车辆还是右边车辆主动贴近对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动靠近。
变化点只有在关联距离发生变化时才会产生,所以相邻变化点所对应的关联距离不会相同,必然存在差值。
车辆在高速正常行驶过程中,驾驶员会理性驾驶,尽量与其他车辆保持一定距离来确保行驶安全,在距离变小时也会及时拉大距离降低风险概率。而在拥堵路段车辆行驶缓慢,通常会导致驾驶员的耐心减少,情绪不稳定,驾驶员容易非理性驾驶,试图抢道、插队或超速,以争夺有限的道路资源,这种情况下难免会缩短与其他车辆距离,甚至发生碰撞。所以,针对车辆之间的距离来判断危险驾驶行为非常有必要。
S304、实时获取每台关联车辆的行为集合,分析行为集合中标记为主动避让或主动靠近的关联距离变化值,代入公式中计算得到每台关联车辆的危险指数。公式如下:
式中,WXZS为危险指数,α为标记为主动靠近的关联距离变化值个数,β标记为主动避让的关联距离变化值个数,ced为标记为主动靠近的关联距离变化值总和,ces为标记为主动避让的关联距离变化值总和,cesum为关联距离变化值总和,f为常数。
在S4中,获取每台关联车辆的危险指数,当危险指数大于危险指数阈值时则标记对应车辆;标记车辆内的智能交互设备通过扬声器发声,提醒驾驶人员停止危险驾驶行为。并控制距离标记车辆位置最近的摄像头对标记车辆进行拍摄,将拍摄到的画面、车辆的历史位置和历史速度打包发送至交管数据中心进行预警。
危险指数是指本车辆对与之关联车辆的危险驾驶行为程度,只要本车辆和与之关联车辆之间的距离一直小于避让距离,则危险指数不断更新。当危险指数大于危险指数阈值,若此时关联距离大于或等于避让距离则对应车辆内的智能交互设备停止发声,危险指数停止更新。当本车辆再次满足条件与其他车辆之间的距离小于避让距离时,则针对新的关联车辆重新计算危险指数。
通过智能交互设备发声,能够在危险还未发生时及时提醒驾驶人员当前状态,降低继续进行危险驾驶的概率。同时,将相关数据提交至交管数据中心,一方面可以提醒交管部门进行监督或干预,另一方面也可以在发生交通事故后快速锁定证据。
请参阅图2,本发明提供一种基于数字化分析的智能车道信息管理系统,系统包括数据采集模块、数据处理模块、行为分析模块和驾驶引导模块。
数据采集模块用于采集高速公路上所有移动的车辆信息,以及道路交通图像信息。数据处理模块对道路交通图像信息进行分析来划分行驶路段,并计算每个行驶路段的移动指数。行为分析模块根据移动指数对行驶路段内车辆行为进行监控,分析车辆之间距离的变化从而计算每台车辆的危险指数,判断是否为危险驾驶行为。驾驶引导模块通过语音提醒驾驶人员停止危险驾驶行为,并将所有数据预警至交管数据中心。
数据采集模块包括车辆信息采集单元和图像信息采集单元。
车辆信息采集单元用于采集高速公路上所有机动车的车牌号、速度和位置信息,通过安装在车上的智能交互设备进行实时数据采集。
智能交互设备将采集的数据实时传入交管数据中心,为后续计算提供数据支持。
图像信息采集单元用于采集高速公路路线图和道路监控视频。高速公路路线图上标注了所有上下高速口位置、分叉口位置和服务区所在位置,以及每条路线方向、长度、不同车道的最低限速和编码;道路监控视频由安装在高速公路上的摄像头进行实时数据采集。
数据处理模块包括路段划分单元和流量分析单元。
路段划分单元用于划分行驶路段。首先,获取高速公路路线图中所有上下高速口位置、分叉口位置和服务区所在位置;其次,以上高速口位置为起点,下高速口位置为终点,将同一条路线中的起点和终点连接后建立行驶路段;最后,当行驶路段中存在分叉口或服务区时,将对应行驶路段内分叉口或服务区所在位置为中间点拆分为两条行驶路段,继续判断并拆分,直到所有行驶路段内都不存在分叉口或服务区,则拆分结束。
流量分析单元用于计算各行驶路段的移动指数。首先,识别每个行驶路段内角度大于角度阈值的方向转折点,从方向转折点出发沿着路线设定车向找到转折角度小于或等于角度阈值的位置,这段距离作为曲折路段,同一个行驶路段内所有曲折路段长度求和后除以该行驶路段的长度得到曲折路段占比;其次,获取高速公路上所有车辆的位置和速度,将同行驶路段下同车道上所有车辆速度求和后计算平均值得到平均车速V平,设定一个曲折路段速度影响系数,对应车道的最低限速与曲折路段速度影响系数和对应行驶路段的曲折路段占比相乘得到理论车速V理,再将平均车速除以理论车速得到车道的移动指数;最后,同一行驶路段下所有车道的移动指数求和后计算平均值得到对应行驶路段的移动指数。
行为分析模块包括操作行为识别单元和危险指数计算单元。
操作行为识别单元用于识别车辆的异常行为。首先,获取移动指数小于移动指数阈值的行驶路段内车辆数量,再将每个行驶路段的长度除以对应车辆数量得到车辆密度;其次,筛选出车辆密度大于密度阈值的行驶路段,获取这些行驶路段内车辆的实时位置;最后,设置一段避让距离,采用欧氏距离方式分别计算每个行驶路段内车辆与其他车辆之间的距离,将距离小于避让距离所对应的车辆之间进行关联,关联车辆作为异常行为车辆。
危险指数计算单元用于计算异常行为车辆的危险指数。每台关联车辆建立一个行为集合,并将关联车辆之间的距离作为关联距离,当关联距离小于避让距离时,以时间为横轴,关联距离为纵轴,建立平面直角坐标系,将每次距离变化点标注在坐标系上,相邻变化点之间用线段连接绘制折线图,对每个变化点进行分析。计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来分析车辆位置前后和速度变化。
当本变化点关联距离小于下一个变化点关联距离且关联车辆处于同一车道时,判断是前方车辆还是后方车辆主动偏离对方,当本变化点关联距离小于下一个变化点关联距离且关联车辆处于不同车道时,则判断是左边车辆还是右边车辆主动偏离对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动避让。
当本变化点关联距离大于下一个变化点关联距离且关联车辆处于同一车道时,判断是前方车辆还是后方车辆主动贴近对方,当本变化点关联距离大于下一个变化点关联距离且关联车辆处于不同车道时,则判断是左边车辆还是右边车辆主动贴近对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动靠近。
实时获取每台关联车辆的行为集合,分析行为集合中的关联距离变化值,代入公式中计算得到每台关联车辆的危险指数WXZS,公式为:其中,α为标记为主动靠近的关联距离变化值个数,β标记为主动避让的关联距离变化值个数,ced为标记为主动靠近的关联距离变化值总和,ces为标记为主动避让的关联距离变化值总和,cesum为关联距离变化值总和,f为常数。
驾驶引导模块用于提醒标记车辆驾驶人员停止危险行为。当关联车辆的危险指数大于危险指数阈值时,控制对应关联车辆内智能交互设备的扬声器发声,提醒驾驶人员停止危险驾驶行为,并控制距离对应关联车辆位置最近的摄像头对关联车辆进行拍摄,将拍摄到的画面、车辆的历史位置和历史速度打包发送至交管数据中心进行预警。
实施例一:
假设行驶路段中存在A1、A2、A3和A4一共4台车辆,它们之间的距离为:
A1-A2距离:4米;A1-A3距离:10米;A1-A4距离:13米;
A2-A3距离:6米;A2-A4距离:9米;
A3-A4距离:3米;
当避让距离为5米时,将A1和A2进行关联,A3和A4进行关联;
假设接下来T1-T3时刻下,4台车辆变化情况如下:
T1:A1-A2关联距离3米,A1主动靠近;A3-A4关联距离2米,A4主动靠近;
T2:A1-A2关联距离4米,A2主动避让;A3-A4关联距离4米,A4主动避让;
T3:A1-A2关联距离2米,A1主动靠近;A3-A4关联距离6米,A4主动避让;
假设常数为2.5,则代入公式计算车辆的危险指数:
A1危险指数:
A2危险指数:
由于T3时刻下,A3和A4关联距离大于避让距离,故T3时刻数据不代入公式计算;
A4危险指数:
假设危险指数阈值为0.5时,则对A1车辆进行标记,标记车辆内的智能交互设备通过扬声器发声,提醒驾驶人员停止危险驾驶行为。并控制距离标记车辆位置最近的摄像头对标记车辆进行拍摄,将拍摄到的画面、车辆的历史位置和历史速度打包发送至交管数据中心进行预警。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于数字化分析的智能车道信息管理方法,其特征在于:该方法包括以下步骤:
S1、实时采集高速公路上所有移动的车辆信息,以及道路交通图像信息;
S2、根据道路交通图像划分行驶路段,分析并计算每个行驶路段的移动指数;
S3、监控移动指数高的行驶路段内车辆行为,分析并计算异常行为车辆的危险指数;
S4、标记危险指数大于阈值的车辆,提醒标记车辆驾驶人员停止危险行为。
2.根据权利要求1所述的一种基于数字化分析的智能车道信息管理方法,其特征在于:在S1中,车辆是指在高速公路上行驶的机动车;车辆信息包括车牌号、速度和位置,速度和位置由安装在车上的智能交互设备实时采集;道路交通图像信息包括静态图像和动态图像,静态图像是指高速公路路线图,高速公路路线图上标注了所有上下高速口位置、分叉口位置和服务区所在位置,以及每条路线方向、长度、不同车道的最低限速和编码;动态图像是指道路监控视频,由安装在高速公路上的摄像头实时采集。
3.根据权利要求2所述的一种基于数字化分析的智能车道信息管理方法,其特征在于:在S2中,具体步骤如下:
S201、对高速公路路线图进行分析,识别出路线图中所有上下高速口位置、分叉口位置和服务区所在位置,以上高速口位置为起点,下高速口位置为终点,将同一条路线中的起点和终点连接后建立行驶路段;
S202、当行驶路段中存在分叉口或服务区时,将对应行驶路段内分叉口或服务区所在位置为中间点拆分为两条行驶路段,继续判断并拆分,直到所有行驶路段内都不存在分叉口或服务区,则拆分结束;
S203、识别每个行驶路段内的方向转折点并测量转折点的角度,当转折点角度大于角度阈值时,将对应转折点位置作为起始点,从起始点出发,以路线设定车向为方向,沿着路线寻找到转折角度小于或等于角度阈值的位置作为终止点,将同一个行驶路段内从起始点到终止点作为曲折路段,同一个行驶路段内所有曲折路段长度求和后除以该行驶路段的长度得到曲折路段占比,每个行驶路段对应一个曲折路段占比;
S204、分别为每个行驶路段下每条车道建立一个车辆集合,获取高速公路上所有车辆的位置,筛选出处于行驶路段的车辆并获取车牌号和所在车道,将车牌号放入对应行驶路段下对应车道的车辆集合中,集合内包括{P1,P2,P3,...,Pn},其中,n表示车辆集合内车牌号个数,Pn表示第n个车牌号,每个行驶区下车道数量与车辆集合数量相同;
S205、获取同一个行驶路段下所有车辆集合中车牌号对应车辆的速度,带入公式中计算得到移动指数,每个行驶路段对应一个移动指数;计算公式如下:
式中,MFIV为移动指数,m为车道数量,n为车辆集合内车牌号个数,Vi为第i个车牌号对应车辆的速度,Vj为第j个车辆集合对应车道的最低限速,γ为曲折路段速度影响系数,PPT为行驶路段对应的曲折路段占比。
4.根据权利要求3所述的一种基于数字化分析的智能车道信息管理方法,其特征在于:在S3中,具体步骤如下:
S301、将同一个行驶路段下所有车辆集合中的车牌号数量求和后作为对应行驶路段的总车数,再将每个行驶路段的长度除以对应总车数得到车辆密度,每个行驶路段对应一个车辆密度;
S302、筛选出移动指数小于移动指数阈值且车辆密度大于密度阈值的行驶路段,获取这些行驶路段内所有车牌号对应车辆的实时位置;设置一段避让距离,采用欧氏距离方式分别计算每个行驶路段内车辆与其他车辆之间的距离,将距离小于避让距离所对应的车辆之间进行关联;
S303、为每台关联车辆建立一个行为集合,并将关联车辆之间的距离作为关联距离,对关联距离变化进行监控;关联距离大于或等于避让距离时则取消车辆之间的关联;关联距离小于避让距离时,则以时间为横轴,关联距离为纵轴,建立平面直角坐标系,将每次距离变化点标注在坐标系上,相邻变化点之间用线段连接绘制折线图,对每一个变化点进行分析,步骤如下:
S303-1、当本变化点关联距离小于下一个变化点关联距离时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度,判断关联车辆是否处于同一车道,结果为是,则判断是前方车辆还是后方车辆主动偏离对方;结果为否,则判断是左边车辆还是右边车辆主动偏离对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动避让;
S303-2、当本变化点关联距离大于下一个变化点关联距离时,计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度,判断关联车辆是否处于同一车道,结果为是,则判断是前方车辆还是后方车辆主动贴近对方;结果为否,则判断是左边车辆还是右边车辆主动贴近对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动靠近;
S304、实时获取每台关联车辆的行为集合,分析行为集合中标记为主动避让或主动靠近的关联距离变化值,代入公式中计算得到每台关联车辆的危险指数;公式如下:
式中,WXZS为危险指数,α为标记为主动靠近的关联距离变化值个数,β标记为主动避让的关联距离变化值个数,ced为标记为主动靠近的关联距离变化值总和,ces为标记为主动避让的关联距离变化值总和,cesum为关联距离变化值总和,f为常数。
5.根据权利要求4所述的一种基于数字化分析的智能车道信息管理方法,其特征在于:在S4中,获取每台关联车辆的危险指数,当危险指数大于危险指数阈值时则标记对应车辆;标记车辆内的智能交互设备通过扬声器发声,提醒驾驶人员停止危险驾驶行为;并控制距离标记车辆位置最近的摄像头对标记车辆进行拍摄,将拍摄到的画面、车辆的历史位置和历史速度打包发送至交管数据中心进行预警。
6.一种基于数字化分析的智能车道信息管理系统,其特征在于:系统包括数据采集模块、数据处理模块、行为分析模块和驾驶引导模块;
数据采集模块用于采集高速公路上所有移动的车辆信息,以及道路交通图像信息;数据处理模块对道路交通图像信息进行分析来划分行驶路段,并计算每个行驶路段的移动指数;行为分析模块根据移动指数对行驶路段内车辆行为进行监控,分析车辆之间距离的变化从而计算每台车辆的危险指数,判断是否为危险驾驶行为;驾驶引导模块通过语音提醒驾驶人员停止危险驾驶行为,并将所有数据预警至交管数据中心。
7.根据权利要求6所述的一种基于数字化分析的智能车道信息管理系统,其特征在于:数据采集模块包括车辆信息采集单元和图像信息采集单元;
车辆信息采集单元用于采集高速公路上所有机动车的车牌号、速度和位置信息,通过安装在车上的智能交互设备进行实时数据采集;
图像信息采集单元用于采集高速公路路线图和道路监控视频;高速公路路线图上标注了所有上下高速口位置、分叉口位置和服务区所在位置,以及每条路线方向、长度、不同车道的最低限速和编码;道路监控视频由安装在高速公路上的摄像头进行实时数据采集。
8.根据权利要求7所述的一种基于数字化分析的智能车道信息管理系统,其特征在于:数据处理模块包括路段划分单元和流量分析单元;
路段划分单元用于划分行驶路段;首先,获取高速公路路线图中所有上下高速口位置、分叉口位置和服务区所在位置;其次,以上高速口位置为起点,下高速口位置为终点,将同一条路线中的起点和终点连接后建立行驶路段;最后,当行驶路段中存在分叉口或服务区时,将对应行驶路段内分叉口或服务区所在位置为中间点拆分为两条行驶路段,继续判断并拆分,直到所有行驶路段内都不存在分叉口或服务区,则拆分结束;
流量分析单元用于计算各行驶路段的移动指数;首先,识别每个行驶路段内角度大于角度阈值的方向转折点,从方向转折点出发沿着路线设定车向找到转折角度小于或等于角度阈值的位置,这段距离作为曲折路段,同一个行驶路段内所有曲折路段长度求和后除以该行驶路段的长度得到曲折路段占比;其次,获取高速公路上所有车辆的位置和速度,将同行驶路段下同车道上所有车辆速度求和后计算平均值得到平均车速V平,设定一个曲折路段速度影响系数,对应车道的最低限速与曲折路段速度影响系数和对应行驶路段的曲折路段占比相乘得到理论车速V理,再将平均车速除以理论车速得到车道的移动指数;最后,同一行驶路段下所有车道的移动指数求和后计算平均值得到对应行驶路段的移动指数。
9.根据权利要求8所述的一种基于数字化分析的智能车道信息管理系统,其特征在于:行为分析模块包括操作行为识别单元和危险指数计算单元;
操作行为识别单元用于识别车辆的异常行为;首先,获取移动指数小于移动指数阈值的行驶路段内车辆数量,再将每个行驶路段的长度除以对应车辆数量得到车辆密度;其次,筛选出车辆密度大于密度阈值的行驶路段,获取这些行驶路段内车辆的实时位置;最后,设置一段避让距离,采用欧氏距离方式分别计算每个行驶路段内车辆与其他车辆之间的距离,将距离小于避让距离所对应的车辆之间进行关联,关联车辆作为异常行为车辆;
危险指数计算单元用于计算异常行为车辆的危险指数;每台关联车辆建立一个行为集合,并将关联车辆之间的距离作为关联距离,当关联距离小于避让距离时,以时间为横轴,关联距离为纵轴,建立平面直角坐标系,将每次距离变化点标注在坐标系上,相邻变化点之间用线段连接绘制折线图,对每个变化点进行分析;计算本变化点关联距离与下一个变化点关联距离的绝对差值作为关联距离变化值,获取关联车辆位置和速度来判断车辆状态为主动偏离对方还是主动贴近对方,将关联距离变化值放入满足条件关联车辆的行为集合中,并将行为集合中对应关联距离变化值标记为主动避让或主动靠近;
实时获取每台关联车辆的行为集合,分析行为集合中的关联距离变化值,代入公式中计算得到每台关联车辆的危险指数WXZS;公式为:其中,α为标记为主动靠近的关联距离变化值个数,β标记为主动避让的关联距离变化值个数,ced为标记为主动靠近的关联距离变化值总和,ces为标记为主动避让的关联距离变化值总和,cesum为关联距离变化值总和,f为常数。
10.根据权利要求9所述的一种基于数字化分析的智能车道信息管理系统,其特征在于:驾驶引导模块用于提醒标记车辆驾驶人员停止危险行为;当关联车辆的危险指数大于危险指数阈值时,控制对应关联车辆内智能交互设备的扬声器发声,提醒驾驶人员停止危险驾驶行为,并控制距离对应关联车辆位置最近的摄像头对关联车辆进行拍摄,将拍摄到的画面、车辆的历史位置和历史速度打包发送至交管数据中心进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311484971.3A CN117523840B (zh) | 2023-11-09 | 2023-11-09 | 一种基于数字化分析的智能车道信息管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311484971.3A CN117523840B (zh) | 2023-11-09 | 2023-11-09 | 一种基于数字化分析的智能车道信息管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117523840A true CN117523840A (zh) | 2024-02-06 |
CN117523840B CN117523840B (zh) | 2024-06-11 |
Family
ID=89765699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311484971.3A Active CN117523840B (zh) | 2023-11-09 | 2023-11-09 | 一种基于数字化分析的智能车道信息管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117523840B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110029184A1 (en) * | 2009-07-31 | 2011-02-03 | Systems and Advances Technologies Engineering S.r.I. (S.A.T.E.) | Road Vehicle Drive Behaviour Analysis Method |
KR20150106202A (ko) * | 2014-03-11 | 2015-09-21 | 현대자동차주식회사 | 빅데이터 기법을 사용한 주변 위험차량 경고 방법 및 시스템 |
EP3226225A1 (en) * | 2016-03-24 | 2017-10-04 | Viasat Group S.p.A. | An expert system for integratedly managing vehicle driving safety and computing an interactive road risk map |
CN109941288A (zh) * | 2017-12-18 | 2019-06-28 | 现代摩比斯株式会社 | 安全驾驶辅助装置和方法 |
CN114375005A (zh) * | 2022-03-21 | 2022-04-19 | 深圳粤讯通信科技有限公司 | 一种基于5g天线的车路通信测试系统 |
CN116729371A (zh) * | 2023-06-15 | 2023-09-12 | 黑龙江大学 | 基于雷达和视频联动的车辆潜在危险检测系统 |
CN117014473A (zh) * | 2023-09-28 | 2023-11-07 | 东莞中科智城软件有限公司 | 一种基于端云融合技术的智能网联汽车监控系统 |
-
2023
- 2023-11-09 CN CN202311484971.3A patent/CN117523840B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110029184A1 (en) * | 2009-07-31 | 2011-02-03 | Systems and Advances Technologies Engineering S.r.I. (S.A.T.E.) | Road Vehicle Drive Behaviour Analysis Method |
KR20150106202A (ko) * | 2014-03-11 | 2015-09-21 | 현대자동차주식회사 | 빅데이터 기법을 사용한 주변 위험차량 경고 방법 및 시스템 |
EP3226225A1 (en) * | 2016-03-24 | 2017-10-04 | Viasat Group S.p.A. | An expert system for integratedly managing vehicle driving safety and computing an interactive road risk map |
CN109941288A (zh) * | 2017-12-18 | 2019-06-28 | 现代摩比斯株式会社 | 安全驾驶辅助装置和方法 |
CN114375005A (zh) * | 2022-03-21 | 2022-04-19 | 深圳粤讯通信科技有限公司 | 一种基于5g天线的车路通信测试系统 |
CN116729371A (zh) * | 2023-06-15 | 2023-09-12 | 黑龙江大学 | 基于雷达和视频联动的车辆潜在危险检测系统 |
CN117014473A (zh) * | 2023-09-28 | 2023-11-07 | 东莞中科智城软件有限公司 | 一种基于端云融合技术的智能网联汽车监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117523840B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11990036B2 (en) | Driver behavior monitoring | |
US20240290201A1 (en) | Driver behavior monitoring | |
CN108550262B (zh) | 基于毫米波雷达的城市交通感知系统 | |
CN111210662A (zh) | 一种基于机器视觉与dsrc的交叉口安全预警系统及其预警方法 | |
CN106355884B (zh) | 一种基于车型分类的高速公路车辆引导系统及方法 | |
CN110796862B (zh) | 一种基于人工智能的高速公路交通状况检测系统及方法 | |
CN111627228B (zh) | 快速路合流点车道灯控制系统及方法 | |
CN110992712A (zh) | 一种基于云计算交通信号灯灯光控制系统 | |
US20210027619A1 (en) | Traffic monitoring apparatus, traffic monitoring system, traffic monitoring method, and non-transitory computer readable medium storing program | |
CN115019514B (zh) | 一种基于车联网的公路巡查系统 | |
US20240046787A1 (en) | Method And System For Traffic Clearance At Signalized Intersections Based On Lidar And Trajectory Prediction | |
CN117437785B (zh) | 一种高速公路隧道交通拥堵预警系统 | |
CN115331401A (zh) | 一种高速公路长距离隧道车辆行驶安全智能分析预警系统 | |
CN117953693B (zh) | 一种基于视频ai的高速公路交通智能监测系统 | |
JP4580995B2 (ja) | 道路交通管制システム | |
CN117037481A (zh) | 一种高速公路路网可视化监控管理系统 | |
CN117523840B (zh) | 一种基于数字化分析的智能车道信息管理系统及方法 | |
CN116189432A (zh) | 交通事故的调控方法和调控系统 | |
CN113401118B (zh) | 一种预测前车制动的驾驶辅助系统及方法 | |
JP4128962B2 (ja) | 道路交通管制システム | |
CN118172937B (zh) | 基于空地协同的高速公路隧道交通应急疏导方法及系统 | |
US12027041B1 (en) | Systems and methods for detecting stop sign vehicle compliance | |
CN117994994B (zh) | 隧道施工车辆通行及交通红绿灯管控方法 | |
CN117876200A (zh) | 基于多源数据的巡游出租车异常行为告警方法及智能设备 | |
CN115188209A (zh) | 一种高速公路收费站排队引导方法与系统 |
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 |