CN109801474A - 一种城市安全的区域风险分析方法及*** - Google Patents
一种城市安全的区域风险分析方法及*** Download PDFInfo
- Publication number
- CN109801474A CN109801474A CN201910131841.9A CN201910131841A CN109801474A CN 109801474 A CN109801474 A CN 109801474A CN 201910131841 A CN201910131841 A CN 201910131841A CN 109801474 A CN109801474 A CN 109801474A
- Authority
- CN
- China
- Prior art keywords
- data
- region
- bayonet
- vehicle
- analysis
- 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
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及城市安全风险管控领域，公开了一种城市安全的区域风险分析方法及***，通过获取视频监控设备采集人群活动区域视频数据；获取区域的各主要入口的卡口数据；根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。本发明实现了重点区域实时感知人流量和车流量，实现了重点区域的安全风险预警及防范。
Description
技术领域
本发明涉及城市安全风险管控领域，尤其涉及一种城市安全的区域风险分析方法及***。
背景技术
重点旅游区域、城市综合体高峰期自驾出行人员激增，而目前现有的重点旅游区域、城市综合体路边停车位和露天停车场停车位多为人工管理，同时，主要道路车流信息检测单一，检测数据粘性不够，并且缺少信息发布渠道，从而导致人员缺少了解拥堵、泊位渠道，不断进入拥堵区，造成恶性循环，而且交通管理缺少数据依据，只能凭经验来指挥，同时，无法预知人流量，没办法提前限流。
发明内容
本发明提供一种城市安全的区域风险分析方法及***，解决现有技术中城市重点区域无法预知人流量、车流量，没办法提前限流的技术问题。
本发明的目的是通过以下技术方案实现的：
一种城市安全的区域风险分析方法，包括：
获取视频监控设备采集人群活动区域视频数据；
获取区域的各主要入口的卡口数据；
根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；
基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；
根据主要入口的卡口数据，进行面向交通车流多维多深度的信息检测分析，运用视频检测技术，智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征；
利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。
一种城市安全的区域风险分析***，包括：
第一获取模块，用于获取视频监控设备采集人群活动区域视频数据；
第二获取模块，用于获取区域的各主要入口的卡口数据；
第一分析模块，用于根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；
第二分析模块，用于基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；
第三分析模块，用于根据主要入口的卡口数据，进行面向交通车流多维多深度的信息检测分析，运用视频检测技术，智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征；
预警模块，用于利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。
本发明提供一种城市安全的区域风险分析方法及***，通过获取视频监控设备采集人群活动区域视频数据；获取区域的各主要入口的卡口数据；根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；根据主要入口的卡口数据，进行面向交通车流多维多深度的信息检测分析，运用视频检测技术，智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征；利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。实现了重点区域实时感知人流量和车流量，实现了重点区域的安全风险预警及防范。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可根据这些附图获得其他的附图。
图1为本发明实施例的一种城市安全的区域风险分析方法流程图；
图2为本发明实施例的一种城市安全的区域风险分析***的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，为本发明实施例提供的一种城市安全的区域风险分析方法，包括：
步骤101、获取视频监控设备采集人群活动区域视频数据；
步骤102、获取区域的各主要入口的卡口数据；
步骤103、根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；
步骤104、基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；
步骤105、根据主要入口的卡口数据，进行面向交通车流多维多深度的信息检测分析，运用视频检测技术，智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征；
步骤106、利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。
所述方法还包括：
实时发布人群实时统计数据、主要入口的卡口数据及区域安全风险预警指示。
根据人群实时统计数据、主要入口的卡口数据，为区域的人及车辆提供实时路线规划。
基于视频检测技术对停车场视频数据进行分析，通过机器学习、特征提取、模式识别等方式，实现监控场景下既定区域内泊位情况检测，获取景区停车场泊位情况；引导景区内滞留车辆前往有空位的停车场。
将本***采集获得的实时路况信息及时反馈到社会综合治理部门，为社会综合治理提供突发事件应急处置的数据依据。
本发明提供一种城市安全的区域风险分析方法，通过获取视频监控设备采集人群活动区域视频数据；获取区域的各主要入口的卡口数据；根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；根据主要入口的卡口数据，进行面向交通车流多维多深度的信息检测分析，运用视频检测技术，智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征；利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。实现了重点区域实时感知人流量和车流量，实现了重点区域的安全风险预警及防范。
本发明实施例还提供了一种城市安全的区域风险分析***，如图2所示，包括：
第一获取模块210，用于获取视频监控设备采集人群活动区域视频数据；
第二获取模块220，用于获取区域的各主要入口的卡口数据；
第一分析模块230，用于根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；
第二分析模块240，用于基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；
第三分析模块250，用于根据主要入口的卡口数据，进行面向交通车流多维多深度的信息检测分析，运用视频检测技术，智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征；
预警模块260，用于利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。
所述***还包括：
信息发布模块270，用于实时发布人群实时统计数据、主要入口的卡口数据及区域安全风险预警指示。
所述***还包括：
路线规划模块280，用于根据人群实时统计数据、主要入口的卡口数据，为区域的人及车辆提供实时路线规划。
所述***还包括：
泊车指引模块290，用于基于视频检测技术对停车场视频数据进行分析，通过机器学习、特征提取、模式识别等方式，实现监控场景下既定区域内泊位情况检测，获取景区停车场泊位情况；引导景区内滞留车辆前往有空位的停车场。
所述***还包括：
数据上传模块291，用于将本***采集获得的实时路况信息及时反馈到社会综合治理部门，为社会综合治理提供突发事件应急处置的数据依据。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种城市安全的区域风险分析方法，其特征在于，包括：
获取视频监控设备采集人群活动区域视频数据；
获取区域的各主要入口的卡口数据；
根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；
基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；
根据主要入口的卡口数据，进行面向交通车流多维多深度的信息检测分析，运用视频检测技术，智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征；
利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。
2.根据权利要求1所述的城市安全的区域风险分析方法，其特征在于，所述方法还包括：
实时发布人群实时统计数据、主要入口的卡口数据及区域安全风险预警指示。
3.根据权利要求1所述的城市安全的区域风险分析方法，其特征在于，所述方法还包括：
根据人群实时统计数据、主要入口的卡口数据，为区域的人及车辆提供实时路线规划。
4.根据权利要求1所述的城市安全的区域风险分析方法，其特征在于，所述方法还包括：
基于视频检测技术对停车场视频数据进行分析，通过机器学习、特征提取、模式识别等方式，实现监控场景下既定区域内泊位情况检测，获取景区停车场泊位情况；引导景区内滞留车辆前往有空位的停车场。
5.根据权利要求1所述的城市安全的区域风险分析方法，其特征在于，所述方法还包括：
将本***采集获得的实时路况信息及时反馈到社会综合治理部门，为社会综合治理提供突发事件应急处置的数据依据。
6.一种城市安全的区域风险分析***，其特征在于，包括：
第一获取模块，用于获取视频监控设备采集人群活动区域视频数据；
第二获取模块，用于获取区域的各主要入口的卡口数据；
第一分析模块，用于根据区域各卡口数据，进行卡口车流的统计和计算，分析进入区域的车辆和人员比例，获取区域滞留车辆数据，提前进行区域道路拥堵预警；
第二分析模块，用于基于视频检测技术对人群活动区域视频数据进行分析，采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析；
第三分析模块，用于根据主要入口的卡口数据，进行面向交通车流多维多深度的信息检测分析，运用视频检测技术，智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征；
预警模块，用于利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证，计算区域入口人流及车流密度，提前进行区域安全风险预警。
7.根据权利要求6所述的城市安全的区域风险分析***，其特征在于，所述***还包括：
信息发布模块，用于实时发布人群实时统计数据、主要入口的卡口数据及区域安全风险预警指示。
8.根据权利要求6所述的城市安全的区域风险分析***，其特征在于，所述***还包括：
路线规划模块，用于根据人群实时统计数据、主要入口的卡口数据，为区域的人及车辆提供实时路线规划。
9.根据权利要求6所述的城市安全的区域风险分析***，其特征在于，所述***还包括：
泊车指引模块，用于基于视频检测技术对停车场视频数据进行分析，通过机器学习、特征提取、模式识别等方式，实现监控场景下既定区域内泊位情况检测，获取景区停车场泊位情况；引导景区内滞留车辆前往有空位的停车场。
10.根据权利要求6所述的城市安全的区域风险分析***，其特征在于，所述***还包括：
数据上传模块，用于将本***采集获得的实时路况信息及时反馈到社会综合治理部门，为社会综合治理提供突发事件应急处置的数据依据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910131841.9A CN109801474A (zh) | 2019-02-22 | 2019-02-22 | 一种城市安全的区域风险分析方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910131841.9A CN109801474A (zh) | 2019-02-22 | 2019-02-22 | 一种城市安全的区域风险分析方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109801474A true CN109801474A (zh) | 2019-05-24 |
Family
ID=66561236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910131841.9A Pending CN109801474A (zh) | 2019-02-22 | 2019-02-22 | 一种城市安全的区域风险分析方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109801474A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796861A (zh) * | 2019-10-31 | 2020-02-14 | 江苏安防科技有限公司 | 一种应用于智慧城市的远程数据采集***及方法 |
| CN111831853A (zh) * | 2020-07-16 | 2020-10-27 | 深圳市商汤科技有限公司 | 信息处理方法、装置、设备及*** |
| CN112289041A (zh) * | 2020-10-25 | 2021-01-29 | 储美红 | 基于热点定位和信息共享的智慧停车场管理方法及云平台 |
| CN112527928A (zh) * | 2019-09-19 | 2021-03-19 | 中国石油天然气股份有限公司 | 一种管道保护区域划分方法、装置及可读存储介质 |
| CN113808399A (zh) * | 2021-09-15 | 2021-12-17 | 谦亨信息化技术与***(苏州)有限公司 | 一种基于大数据的智慧交通管理方法和*** |
| CN113936247A (zh) * | 2021-09-18 | 2022-01-14 | 北京交通大学 | 基于流线感知的轨道交通车站客流状态辨识*** |
| CN114283615A (zh) * | 2021-12-24 | 2022-04-05 | 浙江力石科技股份有限公司 | 一种基于景区多个停车场车流量的客流预警***和方法 |
| CN116665457A (zh) * | 2023-07-31 | 2023-08-29 | 新唐信通(北京)科技有限公司 | 一种基于智慧交通物联网的交通监测***及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107730427A (zh) * | 2017-10-09 | 2018-02-23 | 安徽畅通行交通信息服务有限公司 | 一种景区交通监测管理*** |
| CN107862437A (zh) * | 2017-10-16 | 2018-03-30 | 中国人民公安大学 | 基于风险概率评估的公共区域人群聚集预警方法及*** |
| US20180336781A1 (en) * | 2017-05-22 | 2018-11-22 | Alibaba Group Holding Limited | Road traffic control system, method, and electronic device |
-
2019
- 2019-02-22 CN CN201910131841.9A patent/CN109801474A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180336781A1 (en) * | 2017-05-22 | 2018-11-22 | Alibaba Group Holding Limited | Road traffic control system, method, and electronic device |
| CN107730427A (zh) * | 2017-10-09 | 2018-02-23 | 安徽畅通行交通信息服务有限公司 | 一种景区交通监测管理*** |
| CN107862437A (zh) * | 2017-10-16 | 2018-03-30 | 中国人民公安大学 | 基于风险概率评估的公共区域人群聚集预警方法及*** |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112527928A (zh) * | 2019-09-19 | 2021-03-19 | 中国石油天然气股份有限公司 | 一种管道保护区域划分方法、装置及可读存储介质 |
| CN112527928B (zh) * | 2019-09-19 | 2024-05-31 | 中国石油天然气股份有限公司 | 一种管道保护区域划分方法、装置及可读存储介质 |
| CN110796861A (zh) * | 2019-10-31 | 2020-02-14 | 江苏安防科技有限公司 | 一种应用于智慧城市的远程数据采集***及方法 |
| CN111831853A (zh) * | 2020-07-16 | 2020-10-27 | 深圳市商汤科技有限公司 | 信息处理方法、装置、设备及*** |
| CN112289041A (zh) * | 2020-10-25 | 2021-01-29 | 储美红 | 基于热点定位和信息共享的智慧停车场管理方法及云平台 |
| CN112289041B (zh) * | 2020-10-25 | 2021-12-03 | 上海智能交通有限公司 | 基于热点定位和信息共享的智慧停车场管理方法及云平台 |
| CN113808399A (zh) * | 2021-09-15 | 2021-12-17 | 谦亨信息化技术与***(苏州)有限公司 | 一种基于大数据的智慧交通管理方法和*** |
| CN113936247A (zh) * | 2021-09-18 | 2022-01-14 | 北京交通大学 | 基于流线感知的轨道交通车站客流状态辨识*** |
| CN113936247B (zh) * | 2021-09-18 | 2023-08-01 | 北京交通大学 | 基于流线感知的轨道交通车站客流状态辨识*** |
| CN114283615A (zh) * | 2021-12-24 | 2022-04-05 | 浙江力石科技股份有限公司 | 一种基于景区多个停车场车流量的客流预警***和方法 |
| CN116665457A (zh) * | 2023-07-31 | 2023-08-29 | 新唐信通(北京)科技有限公司 | 一种基于智慧交通物联网的交通监测***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109801474A (zh) | 一种城市安全的区域风险分析方法及*** | |
| CN109191911A (zh) | 一种隧道路况预警***、方法及计算机可读存储介质 | |
| CN107730427A (zh) | 一种景区交通监测管理*** | |
| Chen et al. | Estimation of red-light running frequency using high-resolution traffic and signal data | |
| CN1826604A (zh) | 在交通信号控制器中整合个体车辆资料采集、交通违章的探测和记录的方法 | |
| CN109166312A (zh) | 行车轨迹基于路网数据的自动化违规检测***及方法 | |
| Sobota et al. | The influence of tram tracks on car vehicle speed and noise emission at four-approach intersections located on multilane arteries in cities | |
| CN107622673A (zh) | 一种基于卡口数据的停车需求分析方法、***和装置 | |
| Dorokhin et al. | The dynamic traffic modelling system | |
| Rosberg et al. | Simulated and real train driving in a lineside automatic train protection (ATP) system environment | |
| Gore et al. | Exploring credentials of Wi‐Fi sensors as a complementary transport data: an Indian experience | |
| Preston et al. | Simulating and assessing the effect of a protected intersection design for bicyclists on traffic operational performance and safety | |
| Wang et al. | Estimating control delays at signalised intersections using low‐resolution transit bus‐based global positioning system data | |
| Wu et al. | Analysis of drivers’ stop-or-run behavior at signalized intersections with high-resolution traffic and signal event data | |
| CN105070060B (zh) | 一种基于公交车载gps数据的城市道路交通状态判别方法 | |
| CN107895485A (zh) | 一种高速公路监控*** | |
| Bıyık et al. | Intelligent transport systems in Turkish urban environments: a comprehensive review | |
| Gamel et al. | Machine learning-based traffic management techniques for intelligent transportation system | |
| D'Andrea et al. | Incident detection by spatiotemporal analysis of GPS data | |
| Nagpal | Urban Computing: Key Challenges and Issues of Traffic Management System | |
| Lee et al. | A hybrid soft computing approach to link travel speed estimation | |
| Eshetu | Evaluation of introducing light rail transit into urban median street at grade crossing (A case of Addey Ababa intersection) | |
| Varaiya et al. | Freeway Data Collection, Storage, Processing, and Use | |
| Khalilzadeh | Evaluating the Temporal Coverage, Reliability, and Contribution of Incident Detection Sources Using Big Data Analysis | |
| Setiawan et al. | Performance Analysis of Road Segment and Level Crossing (JPL) 340 KM 158+ 795 as Access to Adisutjipto International Airport of Yogyakarta |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190524 |
|
| RJ01 | Rejection of invention patent application after publication |