CN110164130B - 交通事件检测方法、装置、设备及存储介质 - Google Patents

交通事件检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110164130B
CN110164130B CN201910356424.4A CN201910356424A CN110164130B CN 110164130 B CN110164130 B CN 110164130B CN 201910356424 A CN201910356424 A CN 201910356424A CN 110164130 B CN110164130 B CN 110164130B
Authority
CN
China
Prior art keywords
detection area
traffic
vehicle
driving
data
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
CN201910356424.4A
Other languages
English (en)
Other versions
CN110164130A (zh
Inventor
林绵峰
黄军
许志波
夏曙东
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.)
CHINA TRANSINFO TECHNOLOGY CORP
Original Assignee
CHINA TRANSINFO TECHNOLOGY CORP
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 CHINA TRANSINFO TECHNOLOGY CORP filed Critical CHINA TRANSINFO TECHNOLOGY CORP
Priority to CN201910356424.4A priority Critical patent/CN110164130B/zh
Publication of CN110164130A publication Critical patent/CN110164130A/zh
Application granted granted Critical
Publication of CN110164130B publication Critical patent/CN110164130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种交通事件检测方法、装置、设备及存储介质，在当前道路上划定检测区域，获取所述检测区域内的道路结构数据和交通流量数据，获取所述检测区域内各车辆的行驶数据，将所述行驶数据进行统计分析，得到各车辆对应的行驶特征，根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件，从而以检测区域内的车辆的行驶特征为基础，对检测区域的车流行驶行为进行大数据分析，可以快速准确检测影响车辆通行的交通事件，无需破路安装车流量或车速检测器，无需高密度配置检测设备，减少了公路交通事件检测的投资成本。

Description

交通事件检测方法、装置、设备及存储介质
技术领域
本申请涉及交通信息化领域，特别涉及一种交通事件检测方法、装置、设备及存储介质。
背景技术
我国已经成为全球机动车保有量最高、高速公路里程最长的国家，频发的交通安全事故给人民的生命财产带来巨大损失，由于突发团雾等交通事件无法被准确检测、预警，从而产生的严重伤亡事故更是屡见报端。
交通事件分为计划事件和突发事件，对于影响机动车通行的计划事件，可通过计划部门的报告得知，并采取必要的预警措施来降低事故发生概率。而对于影响车辆通行的突发事件，目前主要有以下几类检测方法：第一种为路面或路侧传感器检测，通过在道路上安装传感线圈、摄像头或者智能道钉，对道路的交通流量进行实时监测，并通过交通流量突然降低等异常情况发现影响车辆通行的交通事件，但需要在检测区域破路或密切布设合适的传感器；第二种为交通参与者分享或报告，在移动互联网得到广泛使用的今天，途经事件地点的交通参与者通常乐于分享或报告所发现的交通事件，该方法要依赖交通参与者的主动报告；第三种为基于抽样车辆(浮动车)的检测方法，即通过统计一定比例的浮动车在某个路段的行程时间，并把其行程时间与历史行程时间进行对比，如果发现有明显变化，则可判断为存在影响通行的交通事件，但该方法依赖安装了车载定位终端的浮动车，对于公路交通，浮动车数量的不足将导致事件检测时间延长，从而降低所检测交通事件的可信度。
因此，如何在无需投入大量检测成本的情况下快速准确地检测出交通事件，是本领域亟需解决的技术问题。
发明内容
本申请的目的在于提供一种交通事件检测方法、装置、设备及存储介质，以能够快速准确地检测出交通事件。
第一方面，本申请实施例提供了一种交通事件检测方法，包括：
在当前道路上划定检测区域；
获取所述检测区域内的道路结构数据和交通流量数据；
获取所述检测区域内各车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度；
将所述行驶数据进行统计分析，得到各车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间；
根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件。
在一种可能的实现方式中，在本申请实施例提供的上述方法中，所述道路结构数据包括要素地点在所述检测区域内的位置，所述要素地点包括交叉口、匝道、隧道、桥梁、限速区、超速监测点和急转弯路段；所述交通流量数据包括所述检测区域内在各个时刻不同行车断面的上行方向和下行方向的车流量。
在一种可能的实现方式中，在本申请实施例提供的上述方法中，所述交通事件包括单点交通事件和区域***通事件；
所述根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件，包括：
根据所述道路结构数据，对所述检测区域内上行方向或下行方向上各车辆的行驶特征进行统计分析，得到各车辆的行驶特征分析结果，所述分析结果包括空间聚类结果和时间分布结果；
根据所述分析结果和交通流量数据，计算所述上行方向或下行方向上减速后持续低速行驶车辆的车辆数与不同行车断面车流量的比值；
若所述比值大于预设比值阈值，则对应行车断面的上行方向或下行方向存在单点交通事件；
对所述检测区域内出现的单点交通事件进行统计分析，若预设范围内相邻的多个行车断面在预设时间段内出现多个相同类型的单点交通事件，则所述多个行车断面处存在区域***通事件。
在一种可能的实现方式中，在本申请实施例提供的上述方法中，还包括：
若所述检测区域内存在交通事件，则向所述检测区域上游的路侧可变情报板发送提示消息，所述提示消息用于提醒上游车辆减速驾驶。
第二方面，本申请实施例提供了一种交通事件检测装置，包括：
划定模块，用于在当前道路上划定检测区域；
获取模块，用于获取所述检测区域内的道路结构数据和交通流量数据；获取所述检测区域内各车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度；
分析模块，用于将所述行驶数据输入预设车辆行驶特征分析模型进行统计分析，得到各车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间；
检测模块，用于根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件。
在一种可能的实现方式中，在本申请实施例提供的上述装置中，所述道路结构数据包括有限速要求的要素地点在所述检测区域内的位置，所述要素地点包括交叉口、匝道、隧道、桥梁、限速区、超速监测点和急转弯路段；所述交通流量数据包括所述检测区域内在各个时刻不同行车断面的上行方向和下行方向的车流量。
在一种可能的实现方式中，在本申请实施例提供的上述装置中，所述交通事件包括单点交通事件和区域***通事件；
所述检测模块，包括：
分析单元，用于根据所述道路结构数据，对所述检测区域内上行方向或下行方向上各车辆的行驶特征进行统计分析，得到各车辆的行驶特征分析结果，所述分析结果包括空间聚类结果和时间分布结果；
单点检测单元，用于根据所述分析结果和交通流量数据，计算所述上行方向或下行方向上减速后持续低速行驶车辆的车辆数与不同行车断面车流量的比值；若所述比值大于预设比值阈值，则对应行车断面的上行方向或下行方向存在单点交通事件；
区域检测单元，用于对所述检测区域内出现的单点交通事件进行统计分析，若预设范围内相邻的多个行车断面在预设时间段内出现多个相同类型的单点交通事件，则所述多个行车断面处存在区域***通事件。
在一种可能的实现方式中，在本申请实施例提供的上述装置中，还包括：
提示模块，用于若所述检测区域内存在交通事件，则向所述检测区域上游的路侧可变情报板发送提示消息，所述提示消息用于提醒上游车辆减速驾驶。
第三方面，本申请实施例提供了一种电子设备，包括：存储器和处理器；
所述存储器，用于存储计算机程序；
其中，所述处理器执行所述存储器中的计算机程序，以实现上述第一方面以及第一方面的各个实施方式中所述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述第一方面以及第一方面的各个实施方式中所述的方法。
与现有技术相比，本申请提供的交通事件检测方法、装置、设备及存储介质，在当前道路上划定检测区域，获取所述检测区域内的道路结构数据和交通流量数据，获取所述检测区域内各车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度，将所述行驶数据进行统计分析，得到各车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间，根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件，从而以检测区域内的车辆的行驶特征为基础，对检测区域的车流行驶行为进行大数据分析，来快速准确检测影响车辆通行的交通事件，无需破路安装车流量或车速检测器，无需高密度配置检测设备，减少了公路交通事件检测的投资成本。
附图说明
图1为本申请实施例提供的应用场景示意图；
图2为本申请实施例一提供的交通事件检测方法的流程示意图；
图3为本申请实施例一提供的步骤S105的流程示意图；
图4为本申请实施例二提供的交通事件检测装置的结构示意图；
图5为本申请实施例二提供的检测模块的结构示意图；
图6为本申请实施例提供的服务器功能配置示意图一；
图7为本申请实施例提供的服务器功能配置示意图二；
图8为本申请实施例三提供的电子设备的结构示意图。
具体实施方式
下面结合附图，对本申请的具体实施方式进行详细描述，但应当理解本申请的保护范围并不受具体实施方式的限制。
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
随着移动互联网的普及，汽车智能网联技术和汽车自动驾驶技术的快速发展，以及云计算技术的发展，可以在相同事件内对比较大范围内的大量车辆的行驶数据进行采集和分析，从而为影响车辆通行的交通事件的快速准确检测提供了可能。
图1为本申请实施例提供的应用场景示意图。如图中所示，包括服务器200、路侧单元110和120、上行方向和下行方向的车辆，其中上行方向的车辆1和车辆2以及下行方向的车辆3和车辆4为智能网联车辆(如自动驾驶车辆)，可以与路侧单元或服务器通信连接。服务器可部署在云端，也可以部署在检测区域的机房中，甚至部署在安装于行车断面的路侧单元上，即服务器200可以安装在路侧单元110或120上。行车断面是指与行车方向垂直的道路横断面。
当前，智能网联车辆正在逐步普及，智能网联车辆会以比较高的频率向统一的后台服务器报告自身的运行状态等行驶数据，例如位置和当前速度等。正是基于智能网联车辆上报的行驶数据，本申请提出了如下实施例。
图2为本申请实施例一提供的交通事件检测方法的流程示意图，实际应用中，本实施例的执行主体可以为交通事件检测装置，该交通事件检测装置可以通过虚拟装置实现，例如软件代码，也可以通过写入有相关执行代码的实体装置实现，例如U盘，再或者，也可以通过集成有相关执行代码的实体装置实现，例如，芯片、各式电脑、服务器等。下面以服务器为执行主体对本实施例进行介绍。
如图2所示，本实施例提供的方法包括以下步骤S101～S105：
S101、在当前道路上划定检测区域。
本实施例中，可以在高速公路、一级道路等高等级公路上划定检测区域，该检测区域可以包括多个行车方向，多个行车方向可以分为上行方向和下行方向。在该检测区域内还间隔设置了多个用于检测的行车断面，如图1所示。
S102、获取所述检测区域内的道路结构数据和交通流量数据。
其中，所述道路结构数据包括要素地点在所述检测区域内的位置，所述要素地点包括交叉口、匝道、隧道、桥梁、限速区、超速监测点和急转弯路段，还可以包括其它有限速要求的要素地点。所述交通流量数据包括所述检测区域内在各个时刻不同断面的上行方向和下行方向的车流量。
本实施例中，在当前道路上划定检测区域后，可以基于现行卫星定位***采集检测区域的道路结构数据，或者基于道路的设计文件转换获得检测区域的道路结构数据，包括对交叉口、匝道、隧道、桥梁、限速区、超速监测点和急转弯路段等有特殊限速要求的位置进行标定，例如XL＝{X1,X2,X3,…}，其中Xn是各标定点在检测区域上的位置，可以用桩号或者经纬度坐标等表示，所有位置数据存储在服务器中。同时还获取检测区域上不同行车断面的机动车流量统计数据，实际应用中，可以从道路运营单位、养护单位或者道路上安装的车流量检测设备上获得检测区域内不同行车断面的机动车流量统计数据，记录为Q＝{Q1,u(t)，Q1,d(t)，Q2,u(t)，Q2,d(t)，…}，其中Qi,u(t)表示第i个行车断面上行方向在t时车流量，Qi,d(t)表示第i个断面下行方向在t时车流量。
S103、获取所述检测区域内各车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度。
本实施例中，还获取了检测区域内各车辆的行驶数据，该行驶数据可以是机动车驾驶员对机动车的操纵动作(如刹车减速、踩油门加速等)或者机动车在自动驾驶情况下的控制数据。具体的，可以基于车内传感器和智能网联技术采集、汇总车辆的行驶速度、减速或加速信息，例如，可以利用车载智能网联设备连接车辆CAN总线或自动驾驶车辆的车载检测设备采集车辆的行车速度、加速度等基础数据。
S104、将所述行驶数据进行统计分析，得到各车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间。
本实施例中，为了提高统计速度，可以预先构建一个车辆行驶特征分析模型，服务器运行预先建立的车辆行驶特征分析模型，对单个车辆在检测区域的行为进行评估，重点是核定减速车辆的减速位置、计算减速速率(加速度)大小、累计减速后持续低速行驶时间等，初步判定该车辆的行驶特征，因此该行驶特征可以包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间。具体的，车辆行驶特征分析模型以车辆行车速度为基础抽取每辆车辆的加速度数据，对车辆行驶数据的时序进行统计分析，得到车辆的减速位置X、减速时刻T、减速时加速度a、减速后持续低速行驶时长t1以及持续加速时间t2等。
S105、根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件。
本实施例中，所述交通事件可以包括单点交通事件和区域***通事件。相应的，如图3所示，步骤S105可以包括以下步骤：
S301、根据所述道路结构数据，对所述检测区域内上行方向或下行方向上各车辆的行驶特征进行统计分析，得到各车辆的行驶特征分析结果，所述分析结果包括空间聚类结果和时间分布结果。
其中，所述空间聚类结果是指各车辆的行驶特征在空间位置上的相关性，如减速位置X的相关性。所述时间分布结果是指各车辆的行驶特征在时间上的相关性，如减速时刻T相关性、减速后持续行驶时间t1的相似性等。
S302、根据所述分析结果和交通流量数据，计算所述上行方向或下行方向上减速后持续低速行驶车辆的车辆数与不同行车断面车流量的比值。
S303、若所述比值大于预设比值阈值，则对应行车断面的上行方向或下行方向存在单点交通事件。
S304、对所述检测区域内出现的单点交通事件进行统计分析，若预设范围内相邻的多个行车断面在预设时间段内出现多个相同类型的单点交通事件，则所述多个行车断面处存在区域***通事件。
实际应用中，可以预先建立单点交通事件预警模型，在服务器上运行该单点交通事件预警模型，根据道路结构数据，采用空间聚类分析和时间分布分析等方法对所述检测区域内上行方向或下行方向上各车辆的行驶特征进行分析(例如大数据分析)，得到空间聚类结果和时间分布结果，以对各车辆进行分类。结合道路结构数据来进行分析，例如，车辆减速发生在XL所在位置，则结合车辆在这些特殊点的正常行驶规律进一步判断是否为正常减速，如果为正常减速，则表明没有交通事件存在，如果不是正常减速，则进行进一步分析。
本实施例中，根据上述分析结果和交通流量数据进一步分析。分析过程包括以下几种情况：第一种情况是通过某一行车断面的车流量小，如果其中一定比例的车辆行驶特征的相似程度高(如减速时刻T、减速速率a的相关性、减速后持续行驶时间t1的相似性等)，则可以分析该行车断面出现了单点交通事件；第二种情况是通过某一行车断面的车流量大，如果在一段时间内(如1分钟内)检测到一定比例的车辆行驶特征有较高的相似程度，则可以分析该行车断面出现了单点交通事件；第三种情况是如果在所划定检测区域内超过一定比例的智能网联车辆、自动驾驶车辆的行驶特征相似程度高，则可以分析某一行车断面出现了单点交通事件。因此，可以计算检测区域内上行方向或下行方向上减速后持续低速行驶车辆的车辆数与不同行车断面车流量的比值，若该比值大于预设比值阈值(如60％)，则可以分析得到对应行车断面的上行方向或下行方向存在单点交通事件。分析得到的单点交通事件，可通过其它已有的技术手段进行核实，如邻近事件发生地点的监控视频、流量检测设备所监测到的行车断面流量和车流速度等。
本实施例中，当检测区域内出现多个单点交通事件后，可以进一步分析是否存在区域***通事件。具体的，可以建立区域***通事件预警模型，采用空间关联分析方法对检测区域内上行方向或下行方向出现的单点交通事件进行综合分析，得到各单点交通事件的空间关联关系，例如，如果预设范围内相邻的多个行车断面在预设时间段内出现多个相同类型的单点交通事件，则可以分析得到相应多个行车断面处存在区域***通事件，该预设范围内可以是1公里范围内或3公里范围内，该预设时间段内可以是10分钟内或30分钟内，具体视实际情况进行设定，区域***通事件如突发团雾、大面积道路结冰、大范围交通事故等。分析得到的区域***通事件可通过其它现有技术手段进行核实，如邻近事件发生地点的监控视频、道路养护巡查人员、社会公众等提供的信息。
举例说明：如果相同编号公路上的上行路段车辆的开始减速位置与下行路段上车辆的开始加速位置在空间上接近，且上行路段上车辆的开始加速位置与下行路段上车辆的开始减速位置比较接近，且中间间隔1公里，则可预警该公路上出现了影响了双向交通的区域***通事件。实际应用中，计划性养护事件可结合养护计划进行排除，水毁事件可结合交通气象信息进行甄别，如果结合大量数据可排除常见的双向交通影响事件，则可以预警突发团雾等事件。
可选的，在上述实施例的基础上，上述方法中还可以包括：
若所述检测区域内存在交通事件，则向所述检测区域上游的路侧可变情报板发送提示消息，所述提示消息用于提醒上游车辆减速驾驶。
本实施例提供的交通事件检测方法，在当前道路上划定检测区域，获取所述检测区域内的道路结构数据和交通流量数据，获取所述检测区域内各网联车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度，将所述行驶数据进行统计分析，得到各网联车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间，根据所述道路结构数据、交通流量数据和各网联车辆的行驶特征，检测所述检测区域内是否存在交通事件，从而以检测区域内的网联车辆的行驶特征为基础，对检测区域的车流行驶行为进行大数据分析，来快速准确检测影响车辆通行的交通事件，无需破路安装车流量或车速检测器，无需高密度配置检测设备，减少了公路交通事件检测的投资成本。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
图4为本申请实施例二提供的交通事件检测装置的结构示意图，如图4所示，该装置可以包括：
划定模块410，用于在当前道路上划定检测区域；
获取模块420，用于获取所述检测区域内的道路结构数据和交通流量数据；获取所述检测区域内各车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度；
分析模块430，用于将所述行驶数据进行统计分析，得到各车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间；
检测模块440，用于根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件。。
本实施例提供的交通事件检测装置，在当前道路上划定检测区域，获取所述检测区域内的道路结构数据和交通流量数据，获取所述检测区域内各车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度，将所述行驶数据进行统计分析，得到各车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间，根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件，从而以检测区域内的车辆的行驶特征为基础，对检测区域的车流行驶行为进行大数据分析，来快速准确检测影响车辆通行的交通事件，无需破路安装车流量或车速检测器，无需高密度配置检测设备，减少了公路交通事件检测的投资成本。。
优选的，所述道路结构数据包括要素地点在所述检测区域内的位置，所述要素地点包括交叉口、匝道、隧道、桥梁、限速区、超速监测点和急转弯路段；所述交通流量数据包括所述检测区域内在各个时刻不同行车断面的上行方向和下行方向的车流量。
优选的，所述交通事件包括单点交通事件和区域***通事件。
相应的，如图5所示，所述检测模块440，包括：
分析单元441，用于根据所述道路结构数据，对所述检测区域内上行方向或下行方向上各车辆的行驶特征进行统计分析，得到各车辆的行驶特征分析结果，所述分析结果包括空间聚类结果和时间分布结果；
单点检测单元442，用于根据所述分析结果和交通流量数据，计算所述上行方向或下行方向上减速后持续低速行驶车辆的车辆数与不同行车断面车流量的比值；若所述比值大于预设比值阈值，则对应行车断面的上行方向或下行方向存在单点交通事件；
区域检测单元443，用于对所述检测区域内出现的单点交通事件进行统计分析，若预设范围内相邻的多个行车断面在预设时间段内出现多个相同类型的单点交通事件，则所述多个行车断面处存在区域***通事件。
优选的，所述装置还可以包括：提示模块450，用于若所述检测区域内存在交通事件，则向所述检测区域上游的路侧可变情报板发送提示消息，所述提示消息用于提醒上游车辆减速驾驶。
实际应用中，如图1所示，对服务器200的模块配置进行说明。包括两种实施方式，一种为云端部署，如图6所示，采用云计算方式实现，本实施方式涉及的数据存储器、车辆行驶特征分析模型、单点交通事件预警模型和区域***通事件预警模型都部署在云端的服务器上，车辆通过通信网络(可能由有线网络、无线网络组合而成)与服务器实现通信。另一种是路侧单元和云端配合部署，如图7所示，此时路侧单元110或120部署数据存储器、车辆行驶特征分析模型和单点交通事件预警模型，云端的服务器200则部署数据存储器和区域***通事件预警模型，实现事件处置协同。
图8为本申请实施例三提供的电子设备的结构示意图，如图8所示，该设备包括：存储器801和处理器802；
存储器801，用于存储计算机程序；
其中，处理器802执行存储器801中的计算机程序，以实现如上所述各方法实施例所提供的方法。
在实施例中，以一电子设备对本申请提供的交通事件检测装置进行示例。处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器可以运行程序指令，以实现上文的本申请的各个实施例中的方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
本申请实施例四提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序被处理器执行时用于实现如上所述各方法实施例所提供的方法。
实际应用中，本实施例中的计算机程序可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、C++、python等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
实际应用中，计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
前述对本申请的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本申请限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本申请的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本申请的各种不同的示例性实施方案以及各种不同的选择和改变。本申请的范围意在由权利要求书及其等同形式所限定。

Claims (6)

1.一种交通事件检测方法，其特征在于，包括：
在当前道路上划定检测区域；
获取所述检测区域内的道路结构数据和交通流量数据；
获取所述检测区域内各车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度；
将所述行驶数据进行统计分析，得到各车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间；
根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件；所述交通事件包括单点交通事件和区域***通事件；
所述道路结构数据包括要素地点在所述检测区域内的位置，所述要素地点包括交叉口、匝道、隧道、桥梁、限速区、超速监测点和急转弯路段；所述交通流量数据包括所述检测区域内在各个时刻不同行车断面的上行方向和下行方向的车流量；
所述根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件，包括：
根据所述道路结构数据，对所述检测区域内上行方向或下行方向上各车辆的行驶特征进行统计分析，得到各车辆的行驶特征分析结果，所述分析结果包括空间聚类结果和时间分布结果；
根据所述分析结果和交通流量数据，计算所述上行方向或下行方向上减速后持续低速行驶车辆的车辆数与不同行车断面车流量的比值；
若所述比值大于预设比值阈值，则对应行车断面的上行方向或下行方向存在单点交通事件；
对所述检测区域内出现的单点交通事件进行统计分析，若预设范围内相邻的多个行车断面在预设时间段内出现多个相同类型的单点交通事件，则所述多个行车断面处存在区域***通事件；
其中，所述对所述检测区域内出现的单点交通事件进行统计分析包括建立区域***通事件预警模型，采用空间关联分析方法对检测区域内上行方向或下行方向出现的单点交通事件进行综合分析，得到各单点交通事件的空间关联关系。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述检测区域内存在交通事件，则向所述检测区域上游的路侧可变情报板发送提示消息，所述提示消息用于提醒上游车辆减速驾驶。
3.一种交通事件检测装置，其特征在于，包括：
划定模块，用于在当前道路上划定检测区域；
获取模块，用于获取所述检测区域内的道路结构数据和交通流量数据；获取所述检测区域内各车辆的行驶数据，所述行驶数据包括各个时刻的行车速度和加速度；
分析模块，用于将所述行驶数据进行统计分析，得到各车辆对应的行驶特征；所述行驶特征包括减速位置、减速时刻、减速时加速度、减速后持续低速行驶时长以及持续加速时间；
检测模块，用于根据所述道路结构数据、交通流量数据和各车辆的行驶特征，检测所述检测区域内是否存在交通事件；所述交通事件包括单点交通事件和区域***通事件；
所述道路结构数据包括要素地点在所述检测区域内的位置，所述要素地点包括交叉口、匝道、隧道、桥梁、限速区、超速监测点和急转弯路段；所述交通流量数据包括所述检测区域内在各个时刻不同行车断面的上行方向和下行方向的车流量；
所述检测模块，包括：
分析单元，用于根据所述道路结构数据，对所述检测区域内上行方向或下行方向上各车辆的行驶特征进行统计分析，得到各车辆的行驶特征分析结果，所述分析结果包括空间聚类结果和时间分布结果；
单点检测单元，用于根据所述分析结果和交通流量数据，计算所述上行方向或下行方向上减速后持续低速行驶车辆的车辆数与不同行车断面车流量的比值；若所述比值大于预设比值阈值，则对应行车断面的上行方向或下行方向存在单点交通事件；
区域检测单元，用于对所述检测区域内出现的单点交通事件进行统计分析，若预设范围内相邻的多个行车断面在预设时间段内出现多个相同类型的单点交通事件，则所述多个行车断面处存在区域***通事件；
其中，所述对所述检测区域内出现的单点交通事件进行统计分析包括建立区域***通事件预警模型，采用空间关联分析方法对检测区域内上行方向或下行方向出现的单点交通事件进行综合分析，得到各单点交通事件的空间关联关系。
4.根据权利要求3所述的装置，其特征在于，所述装置还包括：
提示模块，用于若所述检测区域内存在交通事件，则向所述检测区域上游的路侧可变情报板发送提示消息，所述提示消息用于提醒上游车辆减速驾驶。
5.一种电子设备，包括：存储器和处理器；
所述存储器，用于存储计算机程序；
其中，所述处理器执行所述存储器中的计算机程序，以实现如权利要求1-2中任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1-2中任一项所述的方法。
CN201910356424.4A 2019-04-29 2019-04-29 交通事件检测方法、装置、设备及存储介质 Active CN110164130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910356424.4A CN110164130B (zh) 2019-04-29 2019-04-29 交通事件检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910356424.4A CN110164130B (zh) 2019-04-29 2019-04-29 交通事件检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110164130A CN110164130A (zh) 2019-08-23
CN110164130B true CN110164130B (zh) 2021-06-15

Family

ID=67633154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910356424.4A Active CN110164130B (zh) 2019-04-29 2019-04-29 交通事件检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110164130B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI774984B (zh) * 2019-09-05 2022-08-21 中華電信股份有限公司 交通事件偵測系統及方法
CN110641461B (zh) * 2019-11-15 2020-04-28 华人运通(上海)新能源驱动技术有限公司 一种车辆预警的方法、车路协同***及存储介质
CN111063203B (zh) * 2019-12-30 2021-12-03 北京中交兴路车联网科技有限公司 一种用于判断高速路上车辆的低速状态的方法和***
CN111613053B (zh) * 2020-04-21 2021-06-15 北京掌行通信息技术有限公司 一种交通扰动的检测分析方法、装置、存储介质及终端
CN111462497A (zh) * 2020-05-18 2020-07-28 深圳博通机器人有限公司 一种交通数据下发方法、***、终端及存储介质
CN113246728B (zh) * 2020-06-18 2023-04-07 北京航迹科技有限公司 一种车窗内容显示方法、装置、电子设备及可读存储介质
CN111968365B (zh) * 2020-07-24 2022-02-15 武汉理工大学 一种非信号交叉口车辆行为分析方法、***及存储介质
CN112258832B (zh) * 2020-09-15 2022-06-24 北京工业大学 一种用于运行基于车辆信息的团雾气象信息感知发布***的方法
CN112053563B (zh) * 2020-09-16 2023-01-20 阿波罗智联(北京)科技有限公司 可用于边缘计算平台、云控平台的事件检测方法及设备
CN112419722B (zh) * 2020-11-18 2022-08-30 百度(中国)有限公司 交通异常事件检测方法、交通管控方法、设备和介质
CN115691095A (zh) * 2021-07-27 2023-02-03 海信集团控股股份有限公司 交通事件分析设备及方法
CN113781776A (zh) * 2021-08-19 2021-12-10 中铁桥研科技有限公司 一种山区施工便道行车调度方法及装置
CN113689700A (zh) * 2021-08-26 2021-11-23 中铁桥研科技有限公司 一种山区施工便道行车监管方法及装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719314A (zh) * 2009-11-17 2010-06-02 姜廷顺 区域交通拥堵引发点记录分析***及其运行方法
CN102024325A (zh) * 2010-12-23 2011-04-20 福建工程学院 基于浮动车技术的交通堵塞点识别方法
CN102915404A (zh) * 2012-10-10 2013-02-06 北京交通大学 一种适用于车辆自组网的基于模糊聚类算法的信息融合方法
CN103810849A (zh) * 2012-11-15 2014-05-21 北京掌城科技有限公司 一种基于浮动车数据的交通流变化趋势提取方法
CN103927868A (zh) * 2014-04-24 2014-07-16 姜廷顺 一种能够发现导致区域交通拥堵原因的方法及***
CN104008648A (zh) * 2014-06-16 2014-08-27 北京易华录信息技术股份有限公司 一种基于雷达跟踪技术的拥堵引发点监测***及方法
CN104809878A (zh) * 2015-05-14 2015-07-29 重庆大学 利用公交车gps数据检测城市道路交通异常状态的方法
CN105261214A (zh) * 2015-10-09 2016-01-20 深圳市凯立德科技股份有限公司 一种路况预测方法、装置及服务器
CN106127883A (zh) * 2016-06-23 2016-11-16 北京航空航天大学 驾驶事件检测方法
CN106408943A (zh) * 2016-11-17 2017-02-15 华南理工大学 一种基于宏观基本图的路网交通拥堵甄别方法
CN107657813A (zh) * 2017-09-21 2018-02-02 中交第二公路勘察设计研究院有限公司 基于行车轨迹的高速公路交通执法判别方法
CN108806296A (zh) * 2016-07-14 2018-11-13 天津职业技术师范大学 基于车路协同的道路交通事件检测预警方法及检测预警***
CN109360416A (zh) * 2018-10-11 2019-02-19 平安科技（深圳）有限公司 道路交通预测方法及服务器

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719314A (zh) * 2009-11-17 2010-06-02 姜廷顺 区域交通拥堵引发点记录分析***及其运行方法
CN102024325A (zh) * 2010-12-23 2011-04-20 福建工程学院 基于浮动车技术的交通堵塞点识别方法
CN102915404A (zh) * 2012-10-10 2013-02-06 北京交通大学 一种适用于车辆自组网的基于模糊聚类算法的信息融合方法
CN103810849A (zh) * 2012-11-15 2014-05-21 北京掌城科技有限公司 一种基于浮动车数据的交通流变化趋势提取方法
CN103927868A (zh) * 2014-04-24 2014-07-16 姜廷顺 一种能够发现导致区域交通拥堵原因的方法及***
CN104008648A (zh) * 2014-06-16 2014-08-27 北京易华录信息技术股份有限公司 一种基于雷达跟踪技术的拥堵引发点监测***及方法
CN104809878A (zh) * 2015-05-14 2015-07-29 重庆大学 利用公交车gps数据检测城市道路交通异常状态的方法
CN105261214A (zh) * 2015-10-09 2016-01-20 深圳市凯立德科技股份有限公司 一种路况预测方法、装置及服务器
CN106127883A (zh) * 2016-06-23 2016-11-16 北京航空航天大学 驾驶事件检测方法
CN108806296A (zh) * 2016-07-14 2018-11-13 天津职业技术师范大学 基于车路协同的道路交通事件检测预警方法及检测预警***
CN106408943A (zh) * 2016-11-17 2017-02-15 华南理工大学 一种基于宏观基本图的路网交通拥堵甄别方法
CN107657813A (zh) * 2017-09-21 2018-02-02 中交第二公路勘察设计研究院有限公司 基于行车轨迹的高速公路交通执法判别方法
CN109360416A (zh) * 2018-10-11 2019-02-19 平安科技（深圳）有限公司 道路交通预测方法及服务器

Also Published As

Publication number Publication date
CN110164130A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
CN110164130B (zh) 交通事件检测方法、装置、设备及存储介质
CN109859500B (zh) 一种基于车路协同的高速合流区安全预警方法
US11074813B2 (en) Driver behavior monitoring
CN112927512B (zh) 一种高速公路匝道合流控制***及方法
CN112885144B (zh) 一种施工作业区车辆撞入事件预警方法及***
US20220270376A1 (en) Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program
EP3403219A1 (en) Driver behavior monitoring
US10755565B2 (en) Prioritized vehicle messaging
CN112289054A (zh) 道路安全预警方法、obu、rsu、mec设备及***
CN113538946A (zh) 一种基于分布式的高速公路突发情况预警***、方法
US20220013010A1 (en) Method for vehicle navigation and device
GB2485971A (en) Transmitting recorded data in the event of a road vehicle accident
CN111477011A (zh) 一种用于道路路口预警的检测装置及检测方法
CN111765904B (zh) 自动驾驶车辆的测试方法、装置、电子设备和介质
CN114387785A (zh) 一种基于智慧公路的安全管控方法、***及可存储介质
CN110599791A (zh) 信息监控方法、装置和设备
CN113470350A (zh) 一种便道行车调度方法
CN114512002B (zh) 一种道路路面异常检测方法及装置
CN116434523A (zh) 信息感知场景下基于约束度的车辆主动安全管控方法及装置
CN113850995B (zh) 一种基于隧道雷视数据融合的事件检测方法、装置及***
CN113487873A (zh) 一种公路交通安全智能检测***
US20190389456A1 (en) Transportation infrastructure communication and control
CN117058872A (zh) 一种用于高速公路信息发布方法、***和存储介质
CN116001800B (zh) 车辆驾驶风险信息获取方法、装置、电子设备及介质
CN116935631A (zh) 基于雷视融合的异常交通态势检测方法、装置及***

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