一种辅助交通事故处理方法和***
技术领域
本发明涉及车辆领域,尤其涉及利用道路环境数据来辅助交通事故处理的领域。
背景技术
随着汽车工业进入互联网和智能时代,在车辆或者其周边的传感器和运算单元可以提供日益强大的驾驶相关数据和运算能力。这些数据和能力能够比以前更有效地辅助驾驶车辆,使得车辆驾驶更加简单、智能和安全。
交通事故是车辆经常会碰上的问题,如何在车辆发生交通事故时准确确定责任方、进行快速处理以及尽快恢复道路交通,是本领域要解决的问题。
在美国专利申请US20170316685A1中公开一种车辆出事故之后的处理方案。在第一车辆检测到异常或者风险信号时,将信号发送到事故管理装置,事故管理装置接收信息后,搜索与第一辆车同车道后方在预设距离内的车辆,并将接受到的异常或者风险信号发送给搜索到的车辆。US20170316685A1仅仅是在车辆发生事故时,将事故信息通知给后续车辆,而没有涉及事故责任的判定。
美国专利US9704391B2公开了一种车辆和驾驶员监控***及其方法。其中结合路边设施、车辆传感器、定位、陀螺仪等信息,通过速度、加速度和紧急制动来进行估计车辆的精确速度变化,并检测类似于交通事故的危险事件。US9704391B2利用车辆本身的传感器新来进行交通事故检测,但是并未公开故障责任判定,另外,进行事故检测时仅仅考虑车辆本身的传感器信息,并没有结合环境信息和故障场景,也未结合车辆在整个路段的行驶情况,因此对事故的检测不够全面。
随着车联网V2X技术的发展,出现了协同式环境感知***。这个***可以综合利用车辆和周围环境的数据来进行辅助车辆行驶。但是如何构造环境数据以及如何融合车辆本身和环境数据来给车辆行驶提供便利,是协同式环境感知***所面临的问题。
为此,需要一种新的交通事故处理方案,能够考虑包括其他车辆信息、道路环境信息等在内的各方面因素进行全面的故障责任判定。
发明内容
为此,本发明提供了一种新的交通事故处理方案,以力图解决或者至少缓解上面存在的至少一个问题。
根据本发明的一个方面,提供了一种辅助交通事故处理方法,包括步骤:获取在预定范围内的道路数据,道路数据包括预定范围内各对象的静态和/或动态信息;基于道路数据,识别各对象中的一个或者多个车辆和车辆运动信息;以及根据车辆运动信息,确定是否发生交通事故以及发生交通事故的各事故车辆。
可选地,在根据本发明的辅助交通事故处理方法中,获取在预定范围内的道路数据的步骤包括:获取预定范围的静态信息;利用部署在路侧感知设备中的各个传感器来获得预定范围内各对象的静态和/或动态信息;组合预先存储的静态信息和各个传感器获得的信息来产生道路数据。
可选地,在根据本发明的辅助交通事故处理方法中,获取在预定范围内的道路数据的步骤包括:接收在预定范围内的车辆通过预定通信方式发送过来的车辆行驶信息;以及组合预先存储的静态信息、各个传感器获得的信息以及所接收的车辆行驶信息来产生所述道路数据。
可选地,在根据本发明的辅助交通事故处理方法中,基于道路数据识别各对象中的一个或者多个车辆和车辆运动信息步骤包括:基于各对象的运动特征来确定属于车辆的车辆对象及其运动信息;以及识别各车辆对象的标识。
可选地,在根据本发明的辅助交通事故处理方法中,根据车辆运动信息来确定是否发生交通事故以及发生交通事故的各事故车辆的步骤包括:利用考虑车辆尺寸和车辆距离的计算模型或者机器学习的分类模型,来处理车辆运动信息以确定是否发生交通事故以及发生交通事故的各事故车辆信息。
可选地,根据本发明的辅助交通事故处理方法还包括步骤:基于道路数据和事故车辆的运动信息,确定各事故车辆的责任程度。
可选地,在根据本发明的辅助交通事故处理方法中,基于道路数据和事故车辆的运动信息来确定各事故车辆的责任程度的步骤包括:获取基于交通规则构造的责任判断模型;以及基于道路数据和事故车辆的运动信息来确定各事故车辆的责任程度。
可选地,在根据本发明的辅助交通事故处理方法中,基于所述道路数据和事故车辆的运动信息来确定各事故车辆的责任程度的步骤包括:从事故车辆的运动信息中提取各事故车辆在发送事故时刻的运动信息;从道路数据中提取道路的地图信息和道路设施信息;基于所提取的各事故车辆在发生事故时刻的运动信息和道路的地图信息和道路设施信息,建立交通事故模型;以及基于所建立的交通事故模型,利用责任判断模型来为各事故车辆确定责任程度。
可选地,在根据本发明的辅助交通事故处理方法中,基于道路数据和事故车辆的运动信息来确定各事故车辆的责任程度的步骤包括:从道路数据中提交道路的行驶标志信息和红绿灯信息;利用所提取的道路行驶标志信息和红绿灯信息更新交通事故模型;以及基于所更新的交通事故模型来调整各事故车辆的责任程度。
可选地,在根据本发明的辅助交通事故处理方法中,基于道路数据和事故车辆的运动信息来确定各事故车辆的责任程度的步骤包括:从事故车辆的运动信息中提取事故车辆在整个道路段的行驶信息;从道路数据中提取与事故车辆相关的道路数据;基于所提取的事故车辆的行驶信息和与事故车辆相关的道路数据,更新交通事故模型;以及基于所更新的交通事故模型来调整各事故车辆的责任程度。
可选地,在根据本发明的辅助交通事故处理方法中,与事故车辆相关的道路数据包括车辆预定范围内的其它车辆的行驶信息、其它对象的动态和静态信息、以及道路的静态信息。
可选地,根据本发明的辅助交通事故处理方法还包括步骤:提取交通事故模型中的关键视频信息,并将关键视频信息和各事故车辆的责任程度一起存储。
可选地,根据本发明的辅助交通事故处理方法还包括步骤:将各事故车辆的责任程度发送给所述事故车辆。
可选地,在根据本发明的辅助交通事故处理方法中,通信方式包括下列中的一种或者多种:V2X、5G、4G和3G通信。
可选地,在根据本发明的辅助交通事故处理方法中,各对象包括下列对象中的一个或者多个:车道线、护栏、隔离带、车辆、行人和抛洒物;静态和/或动态信息包括下列中的一个或者多个:位置、距离、速度、角速度、车牌、类型和尺寸等。
可选地,在根据本发明的辅助交通事故处理方法中,路侧感知设备中的传感器包括下列中的一个或者多个:毫米波雷达、激光雷达、摄像头、红外探头。
可选地,根据本发明的辅助交通事故处理方法还适于在部署在道路位置处的路侧感知设备或者耦接到路侧感知设备的服务器中执行。
根据本发明的还有一个方面,提供了一种交通事故处理***,包括:多个上述路侧感知设备,部署在道路侧边位置;以及车辆,在道路上行驶,并执行如根据本发明的辅助交通事故处理方法。
根据本发明的还有一个方面,还提供了一种计算设备。该计算设备包括至少一个处理器和存储有程序指令的存储器,其中,程序指令被配置为适于由至少一个处理器执行并包括用于执行上述辅助交通事故处理方法的指令。
根据本发明的还有另一个方面,还提供了一种存储有程序指令的可读存储介质,当该程序指令被计算设备读取并执行时,使得计算设备执行上述辅助交通事故处理方法。
根据本发明的交通事故处理方案,充分利用了路侧感知设备的感知能力,考虑到事故车辆的环境因素和车辆本身的运行状态来全面判断交通事故的责任方。
另外,根据本发明的交通事故处理方案可以让交通事故所涉及的保险、交警和救护等各方高效地参与事故处理,显著提高了交通事故处理的效率。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施方式的交通事故处理***的示意图;
图2示出了根据本发明一个实施方式的路侧感知设备的示意图;以及
图3示出了根据本发明一个实施方式的交通事故处理方法的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施方式的交通事故处理***100的示意图。如图1所示,车辆导航***100包括车辆110、路侧感知设备200和云服务器160。车辆110在道路140上行驶。道路140包括多个车道150。车辆110可以在道路140上行驶的过程中,可以根据路况和行驶目标切换不同的车道150。路侧感知设备200部署在道路周边,并利用其所具有的各种传感器来收集在路侧感知设备200周围预定范围内的各种信息,特别是与道路相关的道路数据。
路侧感知设备200具有预定的覆盖范围。根据每个路侧感知设备200的覆盖范围和道路状况,可以在道路两侧部署足够数量的路侧感知设备200,可以对整条道路实现全覆盖。当然,根据一种实施方式,不用对整条道路实现全覆盖,可以在每条道路的特征点(拐弯,交叉口,分叉口)处部署路侧感知设备200,获得关于该条道路的特征数据即可。本发明不受限于路侧感知设备200的具体数量和对道路的覆盖范围。
在部署路侧感知设备200时,首先根据单个路侧感知设备200的覆盖区域和道路140的状况,计算需要部署的感知设备200的位置。路侧感知设备200的覆盖区域至少取决于感知设备200的布置高度和感知设备200中的传感器进行感知的有效距离等。而道路140的状况包括道路长度、车道150的数量、道路曲率和坡度等。可以利用本领域的任何一种方式来计算感知设备200的部署位置。
在确定了部署位置之后,在所确定的位置部署路侧感知设备200。由于路侧感知设备200需要感知的数据包含大量对象的运动数据,所以要进行路侧感知设备200的时钟同步,即保持各个感知设备200的时间和车辆110以及云平台的时间一致。
随后,确定每个部署的路侧感知设备200的位置。由于感知设备200要为道路140上高速行驶的车辆110提供交通事故处理,所以感知设备200的位置必须是高精度的。可以有多种方式来计算感知设备200的高精度绝对位置。根据一个实施方式,可以利用全球卫星导航***(GNSS)来确定高精度位置。
路侧感知设备200利用其传感器对其覆盖区域内的道路静态情况(车道线120、护栏、隔离带等)和动态情况(行驶车辆110、行人130和抛洒物)进行采集感知,将不同传感器感知数据进行融合以形成该段道路的道路数据。道路数据包括感知设备200所覆盖范围内,特别是道路相关领域内的所有对象的静态和/或动态信息。随后路侧感知设备200可以基于道路数据来确定在其覆盖区域内的各个车辆以及每个车辆的运动信息。
进入一个路侧感知设备200的覆盖范围内的车辆110可以和路侧感知设备200进行通信。一种典型的通信方式为V2X通信方式。当然,可以利用诸如5G、4G和3G之类的移动通信方式,由移动通信服务商提供的移动互联网络与路侧感知设备200进行通信。考虑到车辆行驶的速度较快,对通信的时间延迟要求尽可能的短,本发明的一般实施方式中采用V2X通信方式。但是,任何可以满足本发明所需要的时间延迟要求的通信方式都在本发明的保护范围之内。
当车辆110发生交通事故时,车辆110可以从路侧感知设备200接收交通事故责任判定结果,例如,车辆110在交通事故中的责任程度是多少等。
车辆110还可以从路侧感知设备200接收到关于该次交通事故的解决方案,并且便于车辆驾驶员进行事故处理。例如,如果事故较为轻微,而且事故双方都认可事故的责任程序,则驾驶员可以直接将车辆110开走,而由***100进行事故现场记录和后续处理等工作。而当事故较为严重而导致驾驶员受伤时,可以通过各种方式引导驾驶员联系就近的救护车或者引导救护车第一时间来救援驾驶员。
车辆导航***100还包括服务器160。图1中虽然仅仅示出了一台服务器160,但是应当理解的是,服务器160可以是由多台服务器构成的云服务平台。各个路侧感知设备100将所感知的道路数据发送到服务器160。服务器160可以基于每个路侧感知设备100的位置,对道路数据进行组合,从而形成整条道路的道路数据。服务器160还可以在该条道路的道路数据上进行进一步处理,以形成车辆导航所需要的信息,例如整条道路的交通状况、突发事故路段、预期通过时间等。
考虑到运算能力和时间延迟的要求,可以根据需要,选择在路侧感知设备200或者服务器160处进行交通事故责任判定。可以基于事故车辆的运动信息和某段道路的道路数据来进行交通事故责任判定。服务器160的运算能力最强,但是需要将数据发送到服务器160上才可以进行计算。在路侧感知设备200上进行交通事故责任判定,不需要进行大量数据的网络传输,但是需要大量的运算能力。
本发明可以根据所应用的具体情况来选择在那个设备中进行交通事故责任判定。无论在哪里进行交通事故责任判定,这些都在本发明的保护范围之内。
服务器160接收路侧感知设备200的交通责任判定结果。当服务器160和感知设备200之间存在较好的网络链接时,还可以接收与该交通事故相关的所有数据。服务器160提供了多个接口单元,以方便交通事故的接入方可以直接在服务器160上就看见该交通事故相关数据以及***100自动做出的责任判定结果,从而不用去现场进行事故处理,极大提供了交通事故处理的便利性。
服务器160可以包括保险处理单元162,以便根据各事故车辆的责任程度进行交通事故的保险处理。保险公司可以通过保险处理单元162看到责任判定结果和事故报告,并进行相应的理赔,从而实现数字化和自动化的赔付。
服务器160还可以包括司法处理单元164,以便通过该单元164来根据各事故车辆的责任程度进行交通事故的司法处理。例如,交警人员可以通过该单元164看到该交通事故的判定报告,并根据相关人员是否违法交通规则进行相应的处罚,比如扣分和罚款等,从而实现自动化的司法处理。
另外,服务器160还可以包括人工智能单元166。人工智能单元166可以利用该交通事故的相关数据以及最终的责任判定结果、保险理赔结果和司法处罚结果等,进行模型训练,以便可以将经过训练的人工智能模型直接用在责任事故判定上。
图2示出了根据本发明一个实施方式的路侧感知设备200的示意图。如图2所示,路侧感知设备200包括通信单元210、传感器组220、存储单元230和计算单元240。
路侧感知设备200要和进入其覆盖范围的各个车辆110进行通信,以便从车辆110接收该车辆的车辆行驶信息或者将交通事故责任判定结果发送给事故车辆。同时路侧感知设备200也需要和服务器160进行通信,以便将交通事故责任判定结果以及相关的道路数据发送给服务器160。通信单元210为路侧感知设备200提供了通信功能。通信单元210可以采用各种通信方式,包括但不限于以太网、V2X、5G、4G和3G移动通信等,只要这些通信方式可以以尽量小的时间延迟完成数据通信即可。在一个实施方式中,路侧感知设备200可以采用V2X和进入其覆盖范围的车辆110进行通信,而路侧感知设备200可以采用例如高速互联网的方式与服务器160进行通信。
传感器组220包括有各种传感器,例如诸如毫米波雷达222、激光雷达224之类的雷达传感器和诸如具有补光功能的摄像头226和红外探头228之类的图像传感器等。对于同一对象,各种传感器可以获得该对象的不同属性,例如雷达传感器可以进行对象速度和加速度测量,而图像传感器可以获得对象外形和相对角度等。
传感器组220利用各个传感器对覆盖区域内的道路静态情况(车道线120、护栏、隔离带等)和动态情况(行驶车辆110、行人130和抛洒物)进行采集感知,并且将各个传感器采集和感知的数据存储到存储单元230中。
计算单元240对各传感器所感知的数据进行融合以形成该段道路的道路数据,并也将道路数据存储在234中。另外,计算单元240还可以在道路数据的基础上继续进行数据分析,识别出其中的一个或者多个车辆和车辆运动信息。这些数据和信息都可以存储在存储单元230中,以便经由通信单元210发送给车辆110或者服务器160。
另外,存储单元230中还可以存储有各种计算模型,例如交通事故检测模型、车牌识别模型和交通事故责任判定模型等。这些计算模型可以由计算单元240使用,来实现下面参考图3描述的方法300中的相应步骤。
图3示出了根据本发明一个实施方式的辅助交通事故处理方法300的示意图。辅助交通事故处理方法300适于在图2所示的路侧感知设备200或者服务器160中执行。当在服务器160中执行时,可以将路侧感知设备200所生成和接收的相关数据都发送给服务器160,以便于在服务器160中执行。
如图3所示,辅助交通事故处理方法300始于步骤S310。
在步骤S310中,获取道路位置的预定范围内的道路数据。如上参考图1所述,路侧感知设备200通常固定部署在某个道路附近,因此具有相对应的道路位置。另外,至少取决于感知设备200的布置高度和感知设备200中的传感器进行感知的有效距离等,路侧感知设备200具有预定的覆盖区域。一旦将路侧感知设备200部署在某个道路侧边时,根据感知设备和道路的具***置、高度以及感知有效距离,就可以确定该感知设备所能覆盖的道路预定范围。
路侧感知设备200利用其所具有的各个传感器对覆盖区域内的道路静态情况(车道线120、护栏、隔离带等)和动态情况(行驶车辆110、行人130和抛洒物)进行采集和/或感知,以获得各种传感器数据并进行存储。
如上所述,路侧感知设备200包括有各种传感器,例如诸如毫米波雷达222、激光雷达224之类的雷达传感器和诸如具有补光功能的摄像头226和红外探头228之类的图像传感器等。对于同一对象,各种传感器可以获得该对象的不同属性,例如雷达传感器可以进行对象速度和加速度测量,而图像传感器可以获得对象外形和相对角度等。
在步骤S310中,可以基于所获得的各种传感器原始数据进行加工和融合,从而形成统一的道路数据。在一种实施方式中,步骤S310还可以包括子步骤S312。在步骤S312中,获取预先存储的、关于道路位置预定范围的静态信息。在路侧感知设备部署在道路的某个位置之后,该感知设备所覆盖的道路范围也就固定了。可以获得该预定范围的静态信息,例如该范围内的道路宽度,车道数量,拐弯半径等内容。可以有多种方式来获得道路的静态信息。在一种实施方式中,这些静态信息可以在部署感知设备时预先存储在感知设备中。在另一种实施方式中,可以首先获得感知设备的位置信息,随后向服务器160发送包含该位置信息的请求,以便服务器160根据请求返回相关道路范围的静态信息。
随后,在步骤S314中,根据不同的传感器分别对原始传感器数据加工,形成测距、测速和类型、大小识别等感知数据。接着在步骤S316中,基于在步骤S312中获得的道路静态数据,在不同的情况下,以不同的传感器数据作为基准,加以其他传感器数据进行校准,最终形成统一的道路数据。
步骤S312-S136描述了一种获取道路数据的方式。本发明并不受限于融合各个传感器的数据以形成道路数据的具体方式。只要道路数据中包含了在该道路位置预定范围内各种对象的静态和/或动态信息,则该方式就在本发明的保护范围之内。
根据一种实施方式,每个进入路侧感知设备200的覆盖范围之内的车辆110都会主动通过各种通信方式(如V2X)与感知设备200进行通信。因此,如步骤S318所述,车辆110会将车辆的车辆行驶信息发送给感知设备200。车辆的行驶信息包括车辆在行驶中所具有的运行信息,例如包括产生该运行信息的当前时刻、车辆的尺寸、速度、加速度、角速度和位置等内容。方法S310还包括步骤S319,其中在步骤S316所形成的道路数据的基础上,进一步融合步骤S318获得的车辆行驶信息,以形成新的道路数据。
接着,在步骤S320中,基于步骤S310处获得的道路数据,识别在感知单元覆盖范围内的一个或者多个车辆以及这些车辆的运动信息。步骤S320中的识别包括两个方面的识别。一个方面的识别是车辆识别,即识别出道路数据中的哪些对象是车辆对象。由于车辆对象具有不同的运动特征,如速度较快、沿着一个方向在车道上行驶,一般不和其他对象发送碰撞等。可以基于这些运动特征构造传统的分类检测模型或者基于深度学习的模型,并将所构造的模型应用到道路数据中,从而确定道路数据中的车辆对象以及车辆对象的运动轨迹等运动特征。
另一个方面的识别是识别车辆标识。对于识别出的车辆对象,进一步确定其车辆标识。一种确定车辆标识的方式是例如通过图像识别等方式来确定车辆的唯一车牌。而当无法识别车辆的车牌时,另一种确定车辆标识的方式可以是通过结合车辆对象的大小、类型、位置信息和行驶速度等方式生成车辆的唯一标记。这个车辆标识是车辆对象在这个这个路段内的唯一标识,并用于区别于其他车辆对象。该车辆标识会在后续的数据传输中使用,并且会在这个道路内不同的路侧感知设备中进行传递,以便于整体分析。
随后,在步骤S330中,基于步骤S320获得的车辆运动信息,确定是否发生交通事故以及发生交通事故的各事故车辆。发生交通事故的车辆的车辆运行状态会发生突变,例如速度突然降低,行驶方向突然改变,以及运行轨迹和其它车辆重合等。因此,在一个实施方式中,可以利用考虑车辆尺寸和车辆距离的计算模型对所识别到的所有车辆运动信息进行处理,来确定感知设备200覆盖的范围内是否发生了交通事故及发生交通事故的车辆。
在另一个实施方式中,还可以从车辆运动信息中提取各车辆的运动特征,将这些特征输入到基于机器学习的分类模型中,以确定哪些车辆为发生交通事故的车辆,以及是否发生了交通事故。
如果在步骤S330中确定已经发生了交通事故,并且确定发送交通事故的事故车辆,则在步骤S340中,基于步骤S310确定的道路数据和步骤S320确定的事故车辆的运动信息,确定各事故车辆的责任程度。
在步骤S340中,为了确定各事故车辆的责任程序,需要基于交通规则构造的责任判断模型。由于交通规则由执法部门,例如交警制定,并且可以发生改变。所以,在一种实施方式中,可以从服务器160获取最新的责任判断模型。当然,也可以将责任判断模型预先存储在感知设备200的存储单元中,并且在交通规则发生改变时进行更新。
责任判断模型将交通规则转化为事故责任的评分。这种评分可以表述为责任程序。根据一个示例,假定在交通规则中规定后车全责。则如果事故车辆A在事故车辆B的后端,并进行了追尾,则判断事故车辆B的责任程度为0,即没有责任;而事故车辆A的责任程度为10,即全责。责任判断模型定义多条规则。每条规则包括内容和结论部分,内容部分包括于事故车辆A和B的相对位置、碰撞位置等与事故车辆相关的量化信息,结论部分则是事故车辆的责任程度的定义。
在步骤S340中,对道路数据和所述事故车辆的运动信息进行数据分析,以确定事故车辆的量化信息,随后根据责任判断模型来确定分析得到的事故车辆的量化信息满足什么规则,并具有什么责任程度。
在步骤S340中利用各种方式来对道路数据和所述事故车辆的运动信息进行数据分析。根据一个实施方式,先通过步骤S341,从车辆的运动信息中提取各事故车辆在发送事故时刻的运动信息。这些事故车辆在发生事故时刻的运动信息例如包括事故车辆的发生事故时刻、位置、车辆尺寸、车头方向角、速度、三角加速度、横轴角速度、车灯、转向灯等数据。随后在步骤S342中,从道路数据中提取该道路段的地图信息和道路设施信息。接着在步骤S343中,基于步骤S341获得的车辆在发生事故时刻的运动信息和步骤S342中获得的道路的地图信息和道路设施信息,建立交通事故模型。随后在步骤S344中,基于步骤S343建立的交通事故模型,确定事故车辆的量化信息满足责任判断模型的哪些规则,从而为各事故车辆确定责任程度。
对于交通事故而已,在事故发生时候的车辆状态最为重要。例如上面建立的静态交通事故模型,可以解决一大部分的责任程度确定问题。
然而,仅仅依靠事故发生时刻的事故车辆进行责任判断还不够全面。为此,在步骤S340中,还包括步骤S345,其中从道路数据中提交道路的行驶标志信息和红绿灯信息,并在步骤S346中,利用所提取的道路行驶标志信息和红绿灯信息更新交通事故模型,以便在步骤S344中,可以基于所更新的交通事故模型来调整各事故车辆的责任程度。
例如,还是前面所述的两车追尾交通事故示例,如果在步骤S345获得的道路行驶标志指示车辆的行驶速度不能低于每小时80公里,而根据所构造的交通事故模型,事故车辆B的行驶速度仅为每小时40公里。那么在步骤S344中,除了认定事故车辆A的责任之外,还应当认定事故车辆B的责任。例如二者的责任程度可以改变为5:5。
为了更全面地判断一个交通事故发生的全貌,根据一个实施方式,步骤S340还包括步骤S347,其中从事故车辆的运动信息中提取该事故车辆在整个道路段的行驶信息。随后在步骤S348中,从该道路段的道路数据中提取与事故车辆相关的环境道路数据。这例如包括事故车辆周围的周围车辆的行驶信息、周围对象(行人、抛洒物及其他异常对象)的动态信息、以及道路的静态数据(道路的高精位置、曲率、坡度、道路标记、车道标记)等。并在步骤S349中,基于所提取的事故车辆的行驶信息和与事故车辆相关的道路数据,更新交通事故模型。以便在步骤S344中基于所更新的交通事故模型来调整各事故车辆的责任程度。
利用步骤S349更新的交通事故模型不仅仅保护了事故发生时刻的事故车辆的瞬时状态信息,还包括了事故发生前后,事故车辆及其周边环境的交通信息,以便更全面地进行事故责任判定。
具体举例子来说:车辆A穿过几条车道转弯,导致他身后的汽车猛踩刹车。事故车辆B未能及时停车,将另一事故车辆B追尾;虽然这起事故主要是由车辆A鲁莽的变道引起的,但是如果仅从事故来说,是事故车辆B未保持安全距离,追尾了事故车辆C。因此在这种情况下,利用更新后的交通事故模型,可以在还原了整体事故场景之后,找出事故的潜在原因,并由责任判断模型对车辆A也进行一定的责任判定。
可选地,在步骤S340确定了各事故车辆的责任程度之后,可选地,方法300还可以包括步骤S360。在步骤S360中,提取交通事故模型中的关键视频信息,并将关键视频信息和各事故车辆的责任程度一起存储或者发送给服务器160,以便后续更方便地生成事故责任报告。
可选地,当确定了事故车辆的责任程度之后,可以在步骤S380中将事故车辆110与感知设备200的覆盖范围内的所有车辆进行匹配,从而确定是覆盖范围内的哪个车辆是事故车辆。
可以通过车牌匹配、行驶速度和类型匹配、位置信息模糊匹配等多种匹配方式或者结合,来进行车辆匹配。根据一个实施方式,车辆110可以通过V2X或者应用验证来绑定车牌信息,而这个车牌信息进而可以匹配到路侧感知设备和服务器中的对应车牌的车辆数据,从而实现车牌匹配。
随后,在步骤S390中,将步骤S340中已经确定的事故车辆的责任程度发送给步骤S380所匹配的事故车辆110,以便事故车辆的驾驶员可以根据事故的严重程度采用不同的解决方案。例如,如果事故较为轻微,而且事故双方都认可事故的责任程序,则驾驶员可以直接将车辆110开走,而由***进行事故现场记录和后续处理等工作。而当事故较为严重而导致驾驶员受伤时,可以通过各种方式引导驾驶员联系就近的救护车或者引导救护车第一时间来救援驾驶员。
根据本发明的交通事故处理方案,可以充分利用路侧单元的感知能力,全面地判断交通事故的责任方。同时,根据本发明的交通事故处理方案还提供了一种让交通事故的各个参与方方便地处理交通事故的方式。
应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机***的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。