CN1506919A - 交通事故监测方法 - Google Patents

Abstract

本发明是一种能够使用道路密度提高交通事故确定的可靠性的交通事故监测方法。该交通事故监测方法采用分别从两地点检测的道路密度计算道路密度差值，并采用在一预定时间段内计算的道路密度差值分别计算道路密度平均值和道路密度临界上限。这时，如果当前的道路密度平均值大于先前的预定时间段的道路密度临界上限，确定发生了交通事故。

Description

交通事故监测方法

                      发明背景

技术领域

本发明涉及公路上的交通事故监测方法，更特别涉及一种以更可靠的方式监测公路上的交通事故的方法。

背景技术

按照字典，交通事故意指存在着故障，更具体地说，交通事故意指“在公路上非正常发生的故障，或所有降低公路的通行能力的故障，如车祸、车辆故障或停车、落下的障碍物和维修工作”。

如果在公路上发生了这种交通事故，就需要迅速地将交通事故通报交通管制中心，但迄今为止，这些交通事故通常是通过经过交通事故现场的车辆的驾驶员的报告获知的。

因此，车辆的控制和疏导被延误了，许多的车辆长时间内遇到很大的困难。

特别是，在象韩国这样的配送成本高的国家，这种交通事故的发生会引起严重的问题。

考虑到这些情况，最近有人提出了能够通过监视公路检查是否存在引发交通事故的车辆的交通事故监测方法。

即最近提出的交通事故监测方法通过从车辆监测器取得占用率(occupying ratio)并使用该取得的占用率的变化转换检测交通事故。

对于车辆监测器，可使用视频监测器、红外监测器、环形线圈监测器、射频监测器、雷达监测器、超短波监测器等。

通过这种车辆监测器，计算交通信息，如是否存在车辆、交通流量、速度、车辆长度、占用率。

现有技术的方法使用这些交通信息中的占用率检测交通事故。

这时，占用率是通过下面的公式1给出。

[公式1]

占用率＝图象中的车辆数目/图象中的道路长度

例如，应用视频监测器计算占用率是按如下步骤进行的。首先，通过视频监测器获得一幅图象，并计算通过预先沿所获得的图象中的车道设置的多个视频环的车辆的数目，因而计算出图象中的车辆的数目，同时，应预先知道可被摄像头拍摄的公路部分的道路长度。

因此，如公式1所示，图象中的车辆的数目除以图象中的道路长度，由此算出图象中的占用率。

按这种方式计算的占用率按预定的时间段平均，以分别计算出占用率平均值和占用率上限。

这时，如果占用率平均值大于占用率上限，确定发生了交通事故。

然而在某些情况下，车辆减低其行驶速度而车辆间的间距更密，使得图象中的车辆的数目会增加，在这种情况下，由于车辆数目的增加而使占用率增大，但实际上车辆并没有处于交通事故状态。

图1是按照现有技术的利用占用率监测交通事故的方法所获得的实验数据图。

如图1中所示，大体上占用率分布相对于时间的浮动非常大。

另外，时间段C中通过将直到一特定的时间点前的占用率平均计算得到的占用率的平均值5大于用作临界极限的占用率的临界上限6，因此观察到被确认处于交通事故状态的该时间段。

但是，时间段C中车辆的实际速度是8km/h，且车辆正在恒速移动。

这种错误的发生是由于只是简单地考虑了占用率。虽然并未发生交通事故，却由于车辆间距的变窄导致占用率增大而错误地确认交通事故发生。

如上所述，按照现有技术的交通事故监测方法，只是简单地考虑车辆的数目，只要占用率增大且大于预定的临界极限就确认交通事故发生，会产生严重的问题。

发明内容

本发明的目的是至少解决上述的问题和/或缺点并至少提供下面说到的优点。

因此，本发明的一个目的是通过提供一种能够利用道路密度精确地监测交通事故而进一步提高可靠性的交通事故监测方法解决前述问题。

这种道路密度可通过视频监测器、红外监测器、环形线圈监测器、RF(射频)监测器、雷达监测器、超短波监测器等获得。

按照本发明的选实施例，交通事故监测方法包括下述步骤：计算公路上两地点之间的道路密度差值；利用计算得到的道路密度差值计算道路密度平均值和道路密度临界上限；及通过将道路密度平均值与先前的预定时间段内的道路密度临界上限比较确定交通事故。

按照本发明的另一优选实施例，监测交通事故的方法包括下述步骤：分别检测通过公路上的两地点的车辆的交通信息；利用检测到的交通信息分别计算道路密度平均值和道路密度临界上限；及通过比较道路密度平均值和道路密度临界上限确定交通事故。

按照本发明的更一优选实施例，交通事故监测方法包括下述步骤：利用从公路上的两地点检测得到的交通信息计算公路上两地点间的道路密度值；利用计算得到的道路密度值分别计算道路密度平均值和道路密度临界上限；及通过将道路密度平均值与先前的预定时间段内的道路密度临界上限比较确定交通事故。

附图说明

本发明的上述目的、特征和优点在下面的结合附图的详细说明中将变得更清楚，附图中：

图1为按照现有技术的利用占用率监测交通事故的方法的实验数据图。

图2为按照本发明的优选实施例说明交通事故发生时的道路密度的示意图。

图3为说明按照本发明的优选实施例的监测交通事故的方法的流程图。

图4为说明图3中道路密度临界上限的计算方法的流程图。

图5为按照本发明的优选实施例利用道路密度监测交通事故的方法的实验数据图。

具体实施方式

下面将参照附图详细说明按照本发明的优选实施例的监测交通事故的方法。

图2为按照本发明的优选实施例说明交通事故发生时的道路密度的示意图。

参照图2，当在公路上发生交通事故时，在交通事故发生地点的左侧形成道路密度增大的堵塞段(区域A)，而在该交通事故发生地点的右侧形成道路密度减小的通畅段(区域B)。

同时，监测装置被分别设置在区域A和区域B以检测相关区域的交通信息，这里的监测装置可以采用视频监测器、红外监测器、环形线圈监测器、磁性监测器、RF(射频)监测器、雷达监测器、超短波监测器其中之一。

即，通过监测装置检测用于计算各地点的道路密度值的交通信息，这时交通信息包括车辆数目和车辆的速度。

下面的公式2给出了以这种方式在各段的交通信息的基础上计算的道路密度。

[公式2]

$d_{i,t}=\frac{V_{i,t}}{S_{i,t}}$

其中，d_i，t、V_i，t、S_i，t分别表示道路密度、车辆数目、速度，另外，I表示任意地点，t表示任意时间。

如公式2中所示，以车辆数目除以速度所获得的值代表任意地点和时间的道路密度。

因此，本发明可通过连续观察预定的时间段内任意两地点间的各道路密度判断是否在两地点间发生了交通事故。另外，本发明可通过向可能被确认发生交通事故的情况增加速度的概念预先防止将车辆在匀速移动的相关地点确认为交通事故地点的错误。

更具体地说，利用下面的公式3以计算得到的两地点的道路密度计算道路密度差值。

[公式3]

Δd_t＝d_1，t-d_2，t

其中，Δd_t表示两地点间的道路密度差值，d_1，t表示区域B的道路密度值，而d_2，t表示区域A的道路密度值。

如公式3中所示，任意时间的两地点间道路密度差值代表一地点(区域B)的道路密度值与另一地点(区域A)的道路密度值之间的差异。

如果已计算出道路密度差值，使用以这种方式计算的道路密度差值计算道路密度平均值，即以下面的公式4表示道路密度平均值。

[公式4]

$m_t=\frac{{\mathrm{\Δd}}_{t-4}+\mathrm{\Δ}{d}_{t-3}+{\mathrm{\Δd}}_{t-2}+{\mathrm{\Δd}}_{t-1}+{\mathrm{\Δd}}_t}{5}$

其中，m_t表示预定的时间段，如5秒内任意两地点间道路密度差值的平均值，另外，Δd_t表示当前的道路密度差值，Δd_t-1表示1秒钟前的道路密度差值，Δd_t-2表示2秒钟前的道路密度差值，Δd_t-3表示3秒钟前的道路密度差值，且Δd_t-4表示4秒钟前的道路密度差值。

本发明以5秒钟为基础计算道路密度平均值，但根据不同情况3秒钟或10秒钟也可被用作计算基础。

因此，道路密度平均值表示计算的预定时间段内的道路密度差值的平均值。

道路密度临界上限是利用按公式4计算得到的道路密度平均值计算的，且用下面的公式5表示。

[公式5]

UCL_t＝μ_t+3σ_t

其中，UCL_t表示道路密度临界上限，代表的是用于与道路密度平均值比较的临界极限，另外，μ_t表示预定时间段，如5秒内道路密度平均值的均值，并以下面的公式6表示。

[公式6]

${\mathrm{\μ}}_t=\frac{m_{t-4}+m_{t-3}+m_{t-2}+m_{t-1}+m_t}{5}$

其中，m_t表示当前的道路密度平均值，m_t-1表示1秒钟前的道路密度平均值，m_t-2表示2秒钟前的道路密度平均值，m_t-3表示3秒钟前的道路密度平均值，m_t-4表示4秒钟前的道路密度平均值。

因此，预定时间段内的道路密度平均值μ_t代表预定时间段内计算得到的道路密度平均值的均值。

另外，以下面的公式7表示标准差σ_t。

[公式7]

${\mathrm{\σ}}_t=\sqrt{\frac{{(m_{t-4}-{\mathrm{\μ}}_t)}^2+{(m_{t-3}-{\mathrm{\μ}}_t)}^2+{(m_{t-2}-{\mathrm{\μ}}_t)}^2+{(m_{t-1}-{\mathrm{\μ}}_t)}^2+{(m_t-{\mathrm{\μ}}_t)}^2}{5}}$

在公式5中，3σ_t表示权重，且可按标准差的3倍设置。优选权重可按标准差的2.5-3倍设置。

为保证道路密度临界上限处于最低状态，在权重3σ_t小于

的情况下，优选按 设定权重，可粗略地按预定时间段内道路密度平均值的均值μt的0.3-0.7倍设定权重。

这是为了在道路交通状况经常性地突然变化，如早上的高峰时间的情况下提高交通事故确认的可靠性。

这时，通过当前的道路密度平均值m_t与先前的道路密度临界上限UCL_t的比较确认交通事故状况。

即，如果当前的道路密度平均值大于先前的道路密度临界上限，交通事故状况被确认，换句话说，当前的道路密度平均值大于先前的道路密度临界上限的情况意味着当前道路密度较前增大很多。

同时，为更准确地进行交通事故确认，如果当前的道路密度平均值持续保持大于先前的预定时间段内道路密度临界上限的状态，确认已发生了交通事故。

这一程序是为了防止甚至在非交通事故的情况下，由于存在当前道路密度平均值暂时高于先前的道路密度临界上限的情况而错误地确认交通事故状况的错误。

按照本发明的交通事故监测方法将参照图3进行详细的说明。

图3是说明按照本发明的优选实施例的交通事故监测方法的流程图。

参照图3，首先，交通信息包括被设置在两地点的视频监测器检测的速度和车辆的数目(S10)。

本实施例使用视频监测器检测交通信息，但交通信息也可通过红外监测器、环形线圈监测器、磁性监测器、RF(射频)监测器、雷达监测器、超短波监测器之一进行检测。

各地点的道路密度值利用以这种方式计算的车辆数目和速度，按照公式2计算(S20)。

另外，道路密度差值Δd_t利用在各地点计算的道路密度值差值，按照公式3计算(S30)。

S10到S30的步骤进行5秒钟(S40)。

通过这些步骤，计算出5个公路密度差值Δd_t、Δd_t-1、Δd_t-2、Δd_t-3、Δd_t-4。

然后，利用通过步骤S40计算的5秒的道路密度差值，按照公式4和公式5分别计算道路密度平均值m_t和道路密度临界上限UCL_t(S50)。

下面，将参照图4更详细地说明计算道路密度临界上限的程序。

图4是说明计算图3的道路密度临界上限的方法的流程图。

参照图4，分别计算5秒的道路密度平均值m_t、在道路密度平均值前的标准差σ_t-1和

这时，判断是否权重3σ_t-1等于或大于

如果权重等于或大于

通过向在道路密度差值1秒钟前的预定时间段的均值μ_t-1加上权重3σ_t-1所获得的值被算作道路密度临界上限UCL_t-1(S55)。

如果权重小于

通过向在道路密度差值1秒钟前的预定时间段的均值μ_t-1加上权重

所获得的值被算作道路密度临界上限UCL_t-1(S57)。

再参照图3，判断是否当前道路密度平均值m_t大于先前的道路密度临界上限UCL_t-1(S60)。

如果判断的结果是当前道路密度平均值m_t小于先前的道路密度临界上限UCL_t-1，该步骤返回到步骤S10。

相反，如果判断的结果是当前道路密度平均值m_t大于先前的道路密度临界上限UCL_t-1，则判断是否这种状况持续预定的一段时间(S70)。

如果当前道路密度平均值m_t大于先前的道路密度临界上限UCL_t-1的状况持续预定的一段时间，交通事故状况被确认(S80)。

如果按这种方式交通事故状况得到确认，向管理员发出警报以便采取应对该交通事故的措施。

图5是按照本发明的优选实施例使用道路密度的交通事故监测方法的实验数据图。

图5显示了在图1相同条件下检测交通事故的结果。

在图5中利用道路密度检测交通事故，而不是图1中的占用率。

如图5中所示，很明显在图1中被确认是交通事故状态的C段，道路密度平均值21小于先前的道路密度临界上限22，所以这时C段并不处于交通事故状态。

另外，在各时间点道路密度临界上限22都处于与道路密度平均值21分开一预定距离的位置。

这时，道路密度平均值21的分布相对于时间没有很大的浮动，相反，占用率的平均值相对于时间的变化非常不稳定。

因此，现有技术的利用占用率监测交通事故的方法容易将交通事故状态确认为非交通事故状态，因为占用率平均值变化相对于时间非常不稳定，而在按照本发明的利用道路密度监测交通事故的方法中，道路密度按稳定的方式相对于时间变化，所以错误确认交通事故状态的错误可被最小化。

从以上所述可以清楚地看出，按照本发明的交通事故监测方法利用两地点间的道路密度差值检测交通事故，因而使错误确认交通事故状态的错误最小化，可靠性大大提高。

虽然本发明是参照其特定的优选实施例进行展示和说明的，但本领域技术人员应该理解，可对其进行各种形式和细节的改变上而不脱离所附的权利要求所确定的本发明的精神和范围。

上述实施例和优点只是示范性的，并不构成对本发明的限制，本发明的原理可很容易地应用到其它类型的设备上。本发明的说明书只是说明性的，并不限制权利要求的范围。许多的替换、修改和变化对于该领域技术人员是显而易见的。在权利要求中，装置加功能的条项是为了覆盖在此描述的执行所提的功能的结构，不仅是结构的等效而且是等效的结构。

Claims (25)

1、交通事故监测方法，包括以下步骤：

计算公路上两地点之间的道路密度差值；

使用计算得到的道路密度差值计算道路密度平均值和道路密度临界上限；及

通过将道路密度平均值与先前的预定时间段内的道路密度临界上限比较确定交通事故。

2、如权利要求1所述的方法，其中所说的道路密度差值是通过分别设置在公路上的两地点的监测设备获得的交通信息计算得到。

3、如权利要求2所述的方法，其中所说的监测设备是视频监测器、红外监测器、环形线圈监测器、磁性监测器、射频监测器、雷达监测器、超短波监测器之一。

4、如权利要求2所述的方法，其中所说的交通信息包括车辆的数目和速度。

5、如权利要求1所述的方法，其中所说的道路密度差值是由分别从两地点检测得到的交通信息计算的道路密度值间的差值。

6、如权利要求1所述的方法，其中所说的道路密度平均值是预定时间段内道路密度差值的平均值。

7、如权利要求1所述的方法，其中所说的道路密度临界上限是通过向预定时间段内道路密度平均值的均值上附加预置的权重所获得的值。

8、如权利要求7所述的方法，其中如果所说的权重等于或大于预定时间段内道路密度平均值的均值的一半，该权重按标准差的2.5-3倍设置。

9、如权利要求7所述的方法，其中如果所说的权重小于预定时间段内道路密度平均值的均值的一半，该权重按预定时间段内道路密度平均值的均值的0.3-0.7倍设置。

10、交通事故监测方法，包括以下步骤：

分别从通过公路上的两地点的车辆检测交通信息；

使用检测得到的交通信息分别计算道路密度平均值和道路密度临界上限；及

通过将道路密度平均值与道路密度临界上限比较确定交通事故。

11、如权利要求10所述的方法，其中所说的确定交通事故的步骤进一步包括以下步骤：

判断是否道路密度平均值大于先前的道路密度临界上限的情况在预定的时间段内持续存在；及

如果这种情况在预定的时间段内持续存在，确定存在交通事故情况。

12、如权利要求10所述的方法，其中所说的交通信息用视频监测器、红外监测器、环形线圈监测器、磁性监测器、射频监测器、雷达监测器、超短波监测器之一进行监测。

13、如权利要求10所述的方法，其中所说的道路密度平均值是预定时间段内道路密度差值的平均值。

14、如权利要求13所述的方法，其中所说的道路密度差值是由分别从两地点检测得到的交通信息计算的道路密度值间的差值。

15、如权利要求10所述的方法，其中所说的道路密度临界上限是通过向预定时间段内道路密度平均值的均值上附加预定的权重所获得的值。

16、如权利要求15所述的方法，其中如果所说的权重等于或大于预定时间段内道路密度平均值的均值的一半，该权重按标准差的2.5-3倍设置。

17、如权利要求15所述的方法，其中如果所说的权重小于预定时间段内道路密度平均值的均值的一半，该权重按预定时间段内道路密度平均值的均值的0.3-0.7倍设置。

18、交通事故监测方法，包括以下步骤：

使用从公路上的两地点检测得到的交通信息计算公路上的两地点间的道路密度值；

使用计算得到的道路密度值分别计算道路密度平均值和道路密度临界上限；及

通过将道路密度平均值与先前的在预定的时间段内的道路密度临界上限比较确定交通事故。

19、如权利要求18所述的方法，其中如果所说的道路密度平均值大于预定时间段内的道路密度临界上限，就确定发生了交通事故。

20、如权利要求18所述的方法，其中所说的交通信息用视频监测器、红外监测器、环形线圈监测器、磁性监测器、射频监测器、雷达监测器、超短波监测器之一进行监测。

21、如权利要求18所述的方法，其中所说的道路密度平均值是预定时间段内道路密度差值的平均值。

22、如权利要求21所述的方法，其中所说的道路密度差值是计算得到的道路密度值间的差值。

23、如权利要求18所述的方法，其中所说的道路密度临界上限是通过向预定时间段内道路密度平均值的均值上附加预定的权重所获得的值。

24、如权利要求23所述的方法，其中如果所说的权重等于或大于预定时间段内道路密度平均值的均值的一半，该权重按标准差的2.5-3倍设置。

25、如权利要求23所述的方法，其中如果所说的权重小于预定时间段内道路密度平均值的均值的一半，该权重按预定时间段内道路密度平均值的均值的0.3-0.7倍设置。

Images