CN106781474B - 一种基于交通视频判断交通事故发生地自愈能力的方法 - Google Patents

一种基于交通视频判断交通事故发生地自愈能力的方法 Download PDF

Info

Publication number
CN106781474B
CN106781474B CN201611189313.1A CN201611189313A CN106781474B CN 106781474 B CN106781474 B CN 106781474B CN 201611189313 A CN201611189313 A CN 201611189313A CN 106781474 B CN106781474 B CN 106781474B
Authority
CN
China
Prior art keywords
traffic
accident spot
self
index
accident
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.)
Active
Application number
CN201611189313.1A
Other languages
English (en)
Other versions
CN106781474A (zh
Inventor
李豪杰
丁红亮
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201611189313.1A priority Critical patent/CN106781474B/zh
Publication of CN106781474A publication Critical patent/CN106781474A/zh
Application granted granted Critical
Publication of CN106781474B publication Critical patent/CN106781474B/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
    • 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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于交通视频判断交通事故发生地自愈能力的方法，包括如下步骤：(1)参数选取；(2)视频参数提取；(3)评价指标确定；(4)自愈能力分析。本发明采取的数据是基于交通事故视频，在一定程度上保证了分析的准确性与真实性；以实际的发生地点及采集的数据进行分析保证了较强的工程实施效果，在一定程度上节约了人力与物力；了解交通事故发生地的自愈能力对交通秩序具有较好的管理意义，基于分析事故发生地点的交通流自组织机理与组织能力采取相应的管理措施，从而保证被破坏的交通流能够以最快的速度恢复原有的交通运行水平，同时也可以为道路设计提供较好的实际借鉴准则。

Description

一种基于交通视频判断交通事故发生地自愈能力的方法
技术领域
本发明涉及交通事故发生地自愈能力分析技术领域，尤其是一种基于交通视频判断交通事故发生地自愈能力的方法。
背景技术
随着社会经济的发展以及汽车保有量逐年增加，道路交通资源的压力逐渐增大。与此同时，交通事故的发生率以及严重程度也有相应的变化，交通事故分析成为了交通安全领域的研究热点。以往对交通事故的分析主要是依托于事故发生时交通执法人员的记录报告以及照片，判断的结果往往会忽略实时的交通大环境影响，导致判断的结果会有所偏差。为了解决该领域的弊端，相关学者提出基于交通视频进行分析事故发生的原因，通过视频分析能够更好的还原事故发生时交通环境的状况，使分析结果更加准确、合理。但是现在大多数问题的解决都是依托于事故发生后的政策与措施，往往会忽略是个地点交通流本身所包含的特征与组织能力。道路***是一个复杂的环境，车辆作为主要组成因素进入该环境并按照自身的意愿行驶，自组织的在网络上形成交通流，通过研究交通流的内在运行机制能够提高交通管理的效率与效果。
国内外对事故地点的自愈能力研究主要是集中于该地点交通流组织的发生过程(交通流的相变、组织临界性)以及在交通***中的适应性分析等方面，通过相关的模型以及模拟实验描述不同环境下某地点的交通流微观变化情况。但是大多数的实验都是根据模拟的实验数据和实验模型进行，并给予相关的研究结果提出相应的理论基础，相对来说工程实际施行效果的针对性较弱。
发明内容
本发明所要解决的技术问题在于，提供一种基于交通视频判断交通事故发生地自愈能力的方法，更加准确的描述了事故地点的自愈能力。
为解决上述技术问题，本发明提供一种基于交通视频判断交通事故发生地自愈能力的方法，包括如下步骤：
(1)参数选取：选取实际通行交通量V、平均通过时间t、冲突点个数l、事故地点车辆行驶速度V为主要参数；
(2)视频参数提取：基于(1)中的参数变量选择，对录入的视频进行参数提取，将事故发生之后至交通管理人员采取人为管理之间的时间进行划分，将时间段按照每5分钟为一个处理单元，通过软件对每个单元的参数进行提取；
(3)评价指标确定：确定最终的评价指标为容量比V/C，反映事故地点的交通量容纳能力；平均通行时间t，表示事故地点的疏散能力变化；冲突点面密度l/100m2，反映事故地点的秩序性与通畅性；效率指标其中等于事故地点车辆的行驶速度与路段相应设计速度的比值；
(4)自愈能力分析：通过第(2)步事故地点视频的分析处理得到“实际通行交通量V、平均通过时间t、冲突点个数l、事故地点车辆行驶速度V”等参数值，将该值带入到(3)中的指标，其中容量比V/C中的C可通过查阅道路设计标准中的理想通行能力值确定，带入V/C中可计算容量比的值，冲突点面密度为冲突点个数l与100的比值，效率指标为事故地点车辆行驶速度V与道路设计速度的比值，其中道路设计速度可通过道路等级查阅道路设计标准进行确定；基于以上计算可分别得到相应指标的结果，需要分别对比每个单元各指标值的变化情况，根据变化情况可定量的分析“效率性、通畅性、稳定性”的变化，其中容量比V/C变化值可判断作为事故地点“稳定性”变化的指标，效率指标与平均通过时间t可作为事故地点“效率性”变化的指标，冲突点面密度可作为判断事故地点“通畅性”的指标，通过三个方面的变化情况可直接判断事故地点的自愈能力。
优选的，步骤(2)中，处理软件为Autoscope，通过将采集的视频导入到该处理软件中，通过联网计算机添加虚拟检测器等检测装备，采集(1)中所需要的参量数值。
本发明的有益效果为：采取的数据是基于交通事故视频，在一定程度上保证了分析的准确性与真实性；以实际的发生地点及采集的数据进行分析保证了较强的工程实施效果，根据不同地点不同事故情况分析事故发生地的自愈能力并依据分析结果提出针对性的措施与建议，避免“共性措施”的实施，在一定程度上节约了人力与物力；了解交通事故发生地的自愈能力对交通秩序具有较好的管理意义，基于分析事故发生地点的交通流自组织机理与组织能力采取相应的管理措施，从而保证被破坏的交通流能够以最快的速度恢复原有的交通运行水平，同时也可以为道路设计提供较好的实际借鉴准则。
附图说明
图1为本发明的实例路径选择示意图。
具体实施方式
如图1所示，一种基于交通视频判断交通事故发生地自愈能力的方法，包括如下步骤：
(1)参数选取：选取实际通行交通量V、平均通过时间t、冲突点个数l、事故地点车辆行驶速度V为主要参数；
(2)视频参数提取：基于(1)中的参数变量选择，对录入的视频进行参数提取，将事故发生之后至交通管理人员采取人为管理之间的时间进行划分，将时间段按照每5分钟为一个处理单元，通过软件对每个单元的参数进行提取；处理软件为Autoscope，通过将采集的视频导入到该处理软件中，通过联网计算机添加虚拟检测器等检测装备，采集(1)中所需要的参量数值；
(3)评价指标确定：确定最终的评价指标为容量比V/C，反映事故地点的交通量容纳能力；平均通行时间t，表示事故地点的疏散能力变化；冲突点面密度l/100m2，反映事故地点的秩序性与通畅性；效率指标其中等于事故地点车辆的行驶速度与路段相应设计速度的比值；
(4)自愈能力分析：通过第(2)步事故地点视频的分析处理得到“实际通行交通量V、平均通过时间t、冲突点个数l、事故地点车辆行驶速度V”等参数值，将该值带入到(3)中的指标，其中容量比V/C中的C可通过查阅道路设计标准中的理想通行能力值确定，带入V/C中可计算容量比的值，冲突点面密度为冲突点个数l与100的比值，效率指标为事故地点车辆行驶速度V与道路设计速度的比值，其中道路设计速度可通过道路等级查阅道路设计标准进行确定；基于以上计算可分别得到相应指标的结果，需要分别对比每个单元各指标值的变化情况，根据变化情况可定量的分析“效率性、通畅性、稳定性”的变化，其中容量比V/C变化值可判断作为事故地点“稳定性”变化的指标，效率指标与平均通过时间t可作为事故地点“效率性”变化的指标，冲突点面密度可作为判断事故地点“通畅性”的指标，通过三个方面的变化情况可直接判断事故地点的自愈能力。
下面用具体实施例来说明本发明。
(1)视频参数处理：将采集的交通事故发生记录视频导入Autoscope软件中，通过设定模拟检测器与记录仪(参照线根据事故发生地点设定)采集所需要的参数值，如表1-1所示。
表1-1数据采集统计表
(2)指标计算值：基于相关软件处理所得的数据计算每一个时段内所对应的指标，本实例的计算指标如表1-2所示。
表1-2指标计算统计表
(3)自愈能力分析：将第(2)中所计算的指标值进行统计分析，在数据量不大的情况下可以采用简单的excel进行模拟分析。本次试验的结论是为了说明指标的适用性，数值均是在假设的情况下进行解释。通过数据分析发现容量比会随着时间在慢慢变大，表示通过事故地点自愈的过程该地点交通流整体稳定性慢慢加强；“通过时间”指标变化稳定维持在一定的水平下，表示在事故地点自愈阶段道路的拥挤程度变化不是很明显；冲突点的面密度变化较为明显，随着时间的变化逐渐变小说明事故地点自愈过程大大减少车辆冲突；效率指标计算结果变化趋势与出行时间类似，整体变化不大较为稳定说明在自愈过程中行车效率并没有很大的提升。
尽管本发明就优选实施方式进行了示意和描述，但本领域的技术人员应当理解，只要不超出本发明的权利要求所限定的范围，可以对本发明进行各种变化和修改。

Claims (2)

1.一种基于交通视频判断交通事故发生地自愈能力的方法，其特征在于，包括如下步骤：
(1)参数选取：选取实际通行交通量V、平均通过时间t、冲突点个数l、事故地点车辆行驶速度V为主要参数；
(2)视频参数提取：基于(1)中的参数变量选择，对录入的视频进行参数提取，将事故发生之后至交通管理人员采取人为管理之间的时间进行划分，将时间段按照每5分钟为一个处理单元，通过软件对每个单元的参数进行提取；
(3)评价指标确定：确定最终的评价指标为容量比V/C，反映事故地点的交通量容纳能力；平均通行时间t，表示事故地点的疏散能力变化；冲突点面密度l/100m2，反映事故地点的秩序性与通畅性；效率指标其中等于事故地点车辆的行驶速度与路段相应设计速度的比值；
(4)自愈能力分析：通过第(2)步事故地点视频的分析处理得到“实际通行交通量V、平均通过时间t、冲突点个数l、事故地点车辆行驶速度V”参数值，将该参数值带入到(3)中的指标，其中容量比V/C中的C通过查阅道路设计标准中的理想通行能力值确定，带入V/C中计算容量比的值，冲突点面密度为冲突点个数l与100的比值，效率指标为事故地点车辆行驶速度V与道路设计速度的比值，其中道路设计速度通过道路等级查阅道路设计标准进行确定；基于以上计算分别得到相应指标的结果，需要分别对比每个单元各指标值的变化情况，根据变化情况定量的分析“效率性、通畅性、稳定性”的变化，其中容量比V/C变化值作为判断事故地点“稳定性”变化的指标，效率指标与平均通过时间t作为事故地点“效率性”变化的指标，冲突点面密度作为判断事故地点“通畅性”的指标，通过三个方面的变化情况直接判断事故地点的自愈能力；通过数据分析发现容量比会随着时间在慢慢变大，表示通过事故地点自愈的过程该地点交通流整体稳定性慢慢加强；“通过时间”指标变化稳定维持在一定的水平下，表示在事故地点自愈阶段道路的拥挤程度变化不是很明显；冲突点的面密度变化较为明显，随着时间的变化逐渐变小说明事故地点自愈过程大大减少车辆冲突；效率指标计算结果变化趋势与出行时间类似，整体变化不大较为稳定说明在自愈过程中行车效率并没有很大的提升。
2.如权利要求1所述的基于交通视频判断交通事故发生地自愈能力的方法，其特征在于，步骤(2)中，处理软件为Autoscope，通过将采集的视频导入到该处理软件中，通过联网计算机添加虚拟检测器检测装备，采集(1)中所需要的参量数值。
CN201611189313.1A 2016-12-21 2016-12-21 一种基于交通视频判断交通事故发生地自愈能力的方法 Active CN106781474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611189313.1A CN106781474B (zh) 2016-12-21 2016-12-21 一种基于交通视频判断交通事故发生地自愈能力的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611189313.1A CN106781474B (zh) 2016-12-21 2016-12-21 一种基于交通视频判断交通事故发生地自愈能力的方法

Publications (2)

Publication Number Publication Date
CN106781474A CN106781474A (zh) 2017-05-31
CN106781474B true CN106781474B (zh) 2019-03-12

Family

ID=58893343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611189313.1A Active CN106781474B (zh) 2016-12-21 2016-12-21 一种基于交通视频判断交通事故发生地自愈能力的方法

Country Status (1)

Country Link
CN (1) CN106781474B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016851B (zh) * 2017-05-24 2019-06-28 大连理工大学 一种量化分析城市建成环境对道路行程时间影响的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101017608A (zh) * 2007-03-01 2007-08-15 上海三全科技有限公司 交通状况及交通事件单线圈单断面现场检测方法
CN102360526A (zh) * 2011-09-28 2012-02-22 东南大学 一种快速道路路段状态的实时监测方法
CN102419905A (zh) * 2011-08-12 2012-04-18 北京航空航天大学 基于交通波理论的高速公路事故的交通影响范围确定方法
CN104464321A (zh) * 2014-12-17 2015-03-25 合肥革绿信息科技有限公司 一种基于交通运行指数发展态势的智能交通诱导方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9349288B2 (en) * 2014-07-28 2016-05-24 Econolite Group, Inc. Self-configuring traffic signal controller

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101017608A (zh) * 2007-03-01 2007-08-15 上海三全科技有限公司 交通状况及交通事件单线圈单断面现场检测方法
CN102419905A (zh) * 2011-08-12 2012-04-18 北京航空航天大学 基于交通波理论的高速公路事故的交通影响范围确定方法
CN102360526A (zh) * 2011-09-28 2012-02-22 东南大学 一种快速道路路段状态的实时监测方法
CN104464321A (zh) * 2014-12-17 2015-03-25 合肥革绿信息科技有限公司 一种基于交通运行指数发展态势的智能交通诱导方法

Also Published As

Publication number Publication date
CN106781474A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
US20200211374A1 (en) System, method, and apparatus for analyzing a traffic road condition
CN107610469B (zh) 一种考虑多因素影响的日维度区域交通指数预测方法
Lin et al. Using machine learning to assist crime prevention
Park et al. Development and Evaluation of a Procedure for the Calibration of Simulation Models
CN104464321B (zh) 一种基于交通运行指数发展态势的智能交通诱导方法
CN108320511A (zh) 基于谱聚类的城市道路交通子区划分方法
CN107134142A (zh) 一种基于多源数据融合的城市道路流量预测方法
CN103984994B (zh) 一种城市轨道交通客流高峰持续时间预测方法
CN110677859A (zh) 弱覆盖区域的确定方法、装置和计算机可读存储介质
CN106792523B (zh) 一种基于大规模WiFi活动轨迹的异常行为检测方法
CN113922412B (zh) 一种新能源多场站短路比全景化评估方法、***、存储介质及计算设备
CN103888961B (zh) 一种用户监控方法及装置
CN104750800A (zh) 一种基于出行时间特征的机动车聚类方法
CN106651027A (zh) 一种基于社交网络的互联网班车线路优化方法
CN109598931A (zh) 基于交通安全风险的群体划分与差异性分析方法及***
CN111798162A (zh) 基于神经网络的风险监测方法及装置
CN106781474B (zh) 一种基于交通视频判断交通事故发生地自愈能力的方法
CN109740798B (zh) 一种基于路网的警务巡逻盘查路径优化方法
CN107122475A (zh) 大数据异常点检测方法及其***
CN113642162A (zh) 一种城市道路交通应急预案仿真综合分析方法
Zhang et al. An approach for real-time urban traffic state estimation by fusing multisource traffic data
CN115620513B (zh) 基于韧性分析的城市道路网络状态监测方法及可视化***
CN116361974A (zh) 一种基于公路业务及数据网络的数据源重要性判别方法
CN107517474B (zh) 一种网络分析优化方法及装置
Henning et al. Methodology for determining critical locations in road networks based on graph theory

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