CN112447048A - 一种基于模糊综合评价的城市道路风险分级***及方法 - Google Patents

一种基于模糊综合评价的城市道路风险分级***及方法 Download PDF

Info

Publication number
CN112447048A
CN112447048A CN202011297613.8A CN202011297613A CN112447048A CN 112447048 A CN112447048 A CN 112447048A CN 202011297613 A CN202011297613 A CN 202011297613A CN 112447048 A CN112447048 A CN 112447048A
Authority
CN
China
Prior art keywords
module
risk
road
information
video
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
Application number
CN202011297613.8A
Other languages
English (en)
Inventor
杜雨萌
魏雯
秦丹
李博超
朱彤
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.)
Changan University
Original Assignee
Changan 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 Changan University filed Critical Changan University
Priority to CN202011297613.8A priority Critical patent/CN112447048A/zh
Publication of CN112447048A publication Critical patent/CN112447048A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
    • 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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Computational Mathematics (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于模糊综合评价的城市道路风险分级***及方法，该***包括多个视频采集模块，每个视频采集模块单向连接一个视频传输设备，每个视频传输设备单向连接视频处理模块，视频处理模块单向连接风险分级模块，风险分级模块双向连接数据储存模块，风险分级模块单向连接信息匹配模块，信息匹配模块单向连接驾驶提醒模块，数据下载模块单向连接数据存储模块；该***结构简单，利用视频采集模块、数据下载模块获取了影响交通风险的多种因素，通过风险分级模块使用模糊综合评价法对多种因素进行综合评价，获得道路风险等级信息，解决了风险分级考虑因素单一，风险程度难以量化，信息利用效果差，后处理不足的问题；其方法简单，准确性高。

Description

一种基于模糊综合评价的城市道路风险分级***及方法
技术领域
本发明涉及智能交通安全技术领域，具体涉及一种基于模糊综合评价的城市道路风险分级***及方法。
背景技术
随着城市交通设施建设的完善和汽车保有量的增大，城市交通出现了拥堵严重、事故频发等一系列交通问题，严重影响驾驶人安全和出行体验，因此有必要针对城市交通重要路网进行风险分级，提醒驾驶人注意行车安全。
虽然已有相应的技术并取得了一定应用效果，但也存在着以下缺点和不足：进行道路风险分级的数据基础较为单一，通常只包含某一方面的道路风险影响因素，不能考虑多种因素的共同作用效果，不能解决道路风险存在的复杂性、模糊性、难以量化的问题，并且风险分级结果只能单向下发给道路参与者，无法进行数据融合、协助处理、综合调控和决策等。上述问题使得道路风险分级的准确性和效率降低，风险信息应用效果差且利用程度不够，后处理不足。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种基于模糊综合评价的城市道路风险分级***及方法，该***结构简单，利用视频采集模块、视频传输设备、数据下载模块获取了影响交通风险的多种因素，通过风险分级模块使用模糊综合评价法，对影响交通风险的多种因素进行综合评价，获得的道路风险等级信息更为准确，解决了风险分级考虑因素单一，风险程度难以量化，信息利用效果差，后处理不足的问题；其方法简单，准确性高，能够通过LED显示屏、语音提醒装置和可变信息板对驾驶人员做出有效警示，提高交通安全性。
为了达到上述目的，本发明采用以下技术方案予以实现。
(一)一种基于模糊综合评价的城市道路风险分级***，包括：多个视频采集模块、多个视频传输设备、数据下载模块、交通管理控制中心和驾驶提醒模块；其中，所述交通管理控制中心包含视频处理模块、风险分级模块、信息匹配模块和数据存储模块；
每个所述视频采集模块的信号输出端与对应一个视频传输设备的信号输入端电连接；每个所述视频传输设备的信号输出端与所述视频处理模块的信号输入端通过移动通信网连接；所述视频处理模块的第一信号输出端与所述风险分级模块的第一信号输入端电连接；
所述风险分级模块的第一信号输出端与所述信息匹配模块的信号输入端电连接；所述风险分级模块的第二信号输出端与所述数据存储模块的第二信号输入端电连接；
所述数据下载模块的信号输出端与所述数据存储模块的第一信号输入端电连接；所述数据存储模块的信号输出端与所述风险分级模块的第二信号输入端电连接；
所述信息匹配模块的信号输出端与所述驾驶提醒模块的信号输入端通过无线网连接。
本发明技术方案(一)的特点和进一步的改进为：
(1)所述视频采集模块用于获取道路视频信息，并将获取的道路视频信息通过无线传输设备传递给视频处理模块；
所述视频处理模块用于对接收的道路视频信息进行处理并获取道路交通数据信息和车牌信息；所述道路交通数据信息包含平均车速、占有率和车流饱和度信息；
所述数据下载模块用于获取气象数据信息和历史交通数据信息，并将获取的气象数据信息和历史交通数据信息传递给所述数据储存模块；其中，所述气象数据信息包含雾、雨、风、雪、结冰气象；所述历史交通数据信息包含年历史事故数信息；
所述风险分级模块用于根据所述视频处理模块获取的道路交通数据信息以及所述数据储存模块获取的气象数据信息和历史交通数据信息进行道路风险等级划分；
所述信息匹配模块用于根据所述风险等级模块得到的道路风险等级和所述视频处理模块得到的车牌信息进行匹配，并将匹配信息传递给驾驶提醒模块；
所述驾驶提醒模块用于根据匹配信息对道路上对应的车辆进行风险预警。
(2)所述驾驶提醒模块包含无线信号接收器、LED显示屏、语音提醒装置和可变信息板；其中，所述信息匹配模块的信号输出端分别通过移动通信网与所述无线信号接收器和可变信息板的信号输入端无线连接；所述无线信号接收器的信号输出端分别与所述LED显示屏、语音提醒装置的信号输入端电连接。
(3)所述无线信号接收器用于接收所述信息匹配模块传递给对应车辆的道路风险等级信息，并将道路风险等级信息通过LED显示屏显示，以及通过语音提醒装置向驾驶人员进行风险预警；
所述可变信息板用于根据所述信息匹配模块传递的道路风险等级信息进行风险预警播报，提示未进入该道路或者将要进入道路的驾驶人谨慎驾驶。
(4)还包括控制响应模块，所述控制响应模块包含分析模块和VSM视频监控平台；所述视频处理模块的第二信号输出端与所述分析模块的第一信号输入端电连接，所述风险分级模块的第三信号输出端与所述分析模块的第二信号输入端电连接；所述分析模块的信号输出端与所述VSM视频监控平台的信号输入端连接。
(5)所述分析模块用于对所述风险分级模块得到的道路风险等级信息进行分析，并从视频处理模块获取对应道路的视频，根据道路风险等级信息确定是否将对应道路视频传送给VSM视频监控平台。
(6)若道路风险等级处在4级及以上且持续时间超过20分钟，则所述分析模块将所述视频处理模块获取的对应道路视频传送给VSM视频监控平台，VSM视频监控平台的管理人员查看该道路视频，进一步作出人工决策。
(二)一种基于模糊综合评价的城市道路风险分级方法，包括以下步骤：
步骤1，视频采集模块获取道路视频信息，并将获取的道路视频信息通过无线传输设备传递给视频处理模块；
步骤2，视频处理模块对接收的道路视频信息进行处理并获取道路交通数据信息和车牌信息；所述道路交通数据信息包含平均车速、占有率和车流饱和度信息；
步骤3，数据下载模块获取气象数据信息和历史交通数据信息，并将获取的气象数据信息和历史交通数据信息传递给所述数据储存模块；其中，所述气象数据信息包含雾、雨、风、雪、结冰气象；所述历史交通数据信息包含年历史事故数信息；
步骤4，风险分级模块根据所述视频处理模块获取的道路交通数据信息以及所述数据储存模块获取的气象数据信息和历史交通数据信息进行模糊综合评价，确定道路风险等级信息；
步骤5，信息匹配模块根据所述风险等级模块得到的道路风险等级信息和所述视频处理模块得到的车牌信息进行匹配，并将匹配信息传递给驾驶提醒模块；
步骤6，驾驶提醒模块根据匹配信息对道路上对应的车辆进行风险预警。
本发明技术方案(二)的特点和进一步的改进为：
(1)步骤4中，所述模糊综合评价的方法包含以下子步骤：
子步骤4.1，建立因素集U
第一层因素集为U＝{u1，u2，u3}；其中，u1为道路交通数据，u2为气象数据，u3为历史交通数据；
第二层因素集为u1＝{平均车速，占有率，车流饱和度}；u2＝{雾等级，雨等级，风等级，结冰等级，雪等级}；u3＝{年历史事故数}；
子步骤4.2，建立评价集V
V＝{风险低，风险较低，风险一般，风险较高，风险高}；
子步骤4.3，建立第二层因素集中的每个因素对评价集中每个风险等级的模糊隶属度函数，得到第二层因素集中的每个因素对评价集中每个风险等级的模糊输入值；
子步骤4.4，进行单因素评价，建立模糊综合评价矩阵Ri
根据第二层因素集中的每个因素对评价集中每个风险等级的模糊输入值，确定u1,u2,u3的单因素模糊综合评价矩阵Ri：
Figure BDA0002785872660000051
当i＝1，j＝3，评价矩阵R1的行分别代表平均车速、占有率和车流饱和度对评价集中每个风险等级的模糊输入值；当i＝2，j＝5，评价矩阵R2的行分别代表雾等级、雨等级、风等级、结冰等级和雪等级对评价集中每个风险等级的模糊输入值；当i＝3，j＝1，评价矩阵R3的行代表年历史事故数对评价集中每个风险等级的模糊输入值；
子步骤4.5，建立权重集A
权重集A＝(a1,a2,a3)；其中，a1为道路交通条件对总体风险等级的重要程度；a2为气象条件对总体风险等级的重要程度；a3为历史交通条件对总体风险等级的重要程度；
权重集Am＝(am1,am2,…,amn)，m＝1,2,3；n＝3,5,1；当m＝1时，n＝3，A1代表平均车速、占有率、车流饱和度对于道路交通条件的重要程度；当m＝2时，n＝5，权重集A2代表雾等级、雨等级、风等级、结冰等级和雪等级对于气象条件的重要程度；当m＝3时，n＝1，权重集A3代表年历史事故数对历史交通条件的重要程度；
子步骤4.6，模糊综合评判，具体如下：
(a)进行第二层因素集评判，得到每个单因素集对评价集中每个风险等级的模糊综合向量Bp：
Bp＝Am·Ri＝(b1p,b2p,b3p,b4p,b5p)(p,i,m＝1,2,3)
当p＝1，m＝1，i＝1时，B1表示由道路交通条件因素集对评价集中每个风险等级的模糊综合向量；当p＝2，m＝2，i＝2时，B2表示由气象条件因素集对评价集中每个风险等级的模糊综合向量；B3表示由历史交通条件因素集对评价集中每个风险等级的模糊综合向量；
(b)进行高次综合评判，得到由该道路对每个风险等级的模糊综合评价向量B：
Figure BDA0002785872660000071
子步骤4.7，处理该道路对每个风险等级的模糊综合评价向量B
对模糊综合评价向量B进行归一化处理，利用以下公式对模糊综合评价向量B中的每个分量bq和评价集中每个风险等级的秩q进行加权求和，得到该道路最终的风险等级评价值C：
Figure BDA0002785872660000072
其中，q＝1,2,3,4,5。
(2)步骤6中，所述驾驶提醒模块包含无线信号接收器、LED显示屏、语音提醒装置和可变信息板；其中，所述无线信号接收器接收所述信息匹配模块传递给对应车辆的道路风险等级信息，并将道路风险等级信息通过LED显示屏显示，以及通过语音提醒装置向驾驶人员进行风险预警；
所述可变信息板根据所述信息匹配模块传递的道路风险等级信息进行风险预警播报，提示未进入该道路或者将要进入道路的驾驶人谨慎驾驶。
(3)还包括步骤7，分析模块对所述风险分级模块得到的道路风险等级信息进行分析，并从视频处理模块获取对应道路的视频，根据道路风险等级信息确定是否将对应道路视频传送给VSM视频监控平台。
(4)所述根据道路风险等级信息确定是否将对应道路视频传送给VSM视频监控平台具体为：
若道路风险等级处在4级及以上且持续时间超过20分钟，则所述分析模块将所述视频处理模块获取的对应道路视频传送给VSM视频监控平台，VSM视频监控平台的管理人员查看该道路视频，进一步作出人工决策。
与现有技术相比，本发明的有益效果为：
(1)本发明的基于模糊综合评价的城市道路风险分级***利用视频采集模块、视频传输设备、数据下载模块获取了影响交通风险的多种因素，通过风险分级模块使用模糊综合评价法，考虑了各种影响因素之间的相互作用，解决了风险程度难以量化的问题，得到准确的道路风险等级。信息匹配模块将风险分级模块得到的道路风险等级以及视频处理模块得到的车牌信息进行匹配，将道路风险等级信息发送给对应的车辆以及道路口设置的可变信息板，以提醒驾驶人谨慎驾驶。
(2)同时，控制响应模块中的分析模块持续分析风险等级信息，考虑风险等级大小和持续时间，及时确定是否需要对道路风险做出响应，若某道路风险等级大于等于四级且持续时间超过20分钟，则VMS监控平台上会显示相关信息，以供人工决策。
(3)本发明的基于模糊综合评价的城市道路风险分级方法中，利用模糊综合评价方法对影响交通风险的多种交通因素进行综合评价，获得的道路风险等级信息更为准确，解决了风险分级考虑因素单一，风险程度难以量化，信息利用效果差，后处理不足的问题。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为本发明的一种基于模糊综合评价的城市道路风险分级***结构图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。
(一)参考图1，根据本发明的内容的实施例所提出的一种基于模糊综合评价的城市道路风险分级***，包括：多个视频采集模块、多个视频传输设备、数据下载模块、交通管理控制中心和驾驶提醒模块；其中，交通管理控制中心包含视频处理模块、风险分级模块、信息匹配模块、数据存储模块和控制响应模块。其中，每个视频采集模块的信号输出端与对应一个视频传输设备的信号输入端电连接；每个视频传输设备的信号输出端与视频处理模块的信号输入端通过移动通信网连接；视频处理模块的第一信号输出端与风险分级模块的第一信号输入端电连接。风险分级模块的第一信号输出端与信息匹配模块的信号输入端电连接；风险分级模块的第二信号输出端与数据存储模块的第二信号输入端电连接。数据下载模块的信号输出端与数据存储模块的第一信号输入端电连接；数据存储模块的信号输出端与风险分级模块的第二信号输入端电连接。信息匹配模块的信号输出端与驾驶提醒模块的信号输入端通过无线网连接。
其中，视频采集模块用于获取道路视频信息，并将获取的道路视频信息通过无线传输设备传递给视频处理模块。具体的，视频采集模块为高清摄像机，安装在城市主要道路上方，形成道路监控网，拍摄道路某断面的交通图像，图像信息由高清摄像机传给视频传输设备。
视频传输设备采用无线视频传输设备，无线视频传输设备与交通管理控制中心的视频处理模块通过移动通信网GMS连接，将高清摄像机获得的各路段实时交通图像传输给交通管理控制中心中的视频处理模块。
视频处理模块对接收的道路视频信息利用现有的视频车辆检测技术和车牌识别技术，得到道路交通数据信息和车牌信息；其中，道路交通数据信息包含平均车速、占有率和车流饱和度信息。具体的，视频处理模块采用AutoScope多媒体视频处理器，AutoScope多媒体视频处理器的图像处理硬件把图像显示在计算机显示器上，然后通过互动控制软件，用鼠标在交通图像上设置虚拟线圈和粗线条，作为速度检测器和计数检测器。虚拟线圈和粗线条的尺寸、数量可根据交通图像的情况随时调整；当车辆通过虚拟线圈和粗线条时，就会产生检测信号，经过视频分析软件的分析和处理，即可得到平均车速、车道占有率、车辆饱和度参数。利用车牌识别技术，对获取的视频图像进行处理，首先确定视频中的牌照位置，把牌照中的字符分割出来，使用模板匹配算法对分割好的字符进行识别，将识别到的信息组成拍照号码，得到每辆车的车牌号码。视频处理器将获得的道路交通数据和车牌信息存入风险分级模块。
数据下载模块从气象数据网下载气象数据信息，以及从各市交通网获取路段历史交通数据信息，并将获取的气象数据信息和历史交通数据信息传递给数据储存模块。其中，气象数据信息包含雾、雨、风、雪、结冰等气象；历史交通数据信息包含年历史事故数信息。数据存储模块用于存储气象数据信息和历史交通数据信息，方便后期查阅调用，以及风险分级模块用于获取相应的气象数据信息和历史交通数据信息进行道路风险等级划分。
风险分级模块根据视频处理模块获取的道路交通数据信息以及数据储存模块获取的气象数据信息和历史交通数据信息，进行模糊综合评价，确定道路网中各道路的风险等级。同时将得到的各道路的风险等级存入数据存储模块中，便于后期查看调用。
信息匹配模块通过风险分级模块获取道路风险等级信息和通过视频处理模块得到的该道路上车辆的车牌号，先进行信息匹配，将道路风险等级信息与在该道路上行驶的车辆对应，再通过移动通信网GMS将道路的风险等级信息传送给车辆上的无线信号接收器和设置在道路路口的可变信息板，以提醒驾驶人谨慎驾驶。
驾驶提醒模块包括无线信号接收器、显示屏、语音提醒装置、可变信息板，无线信号接收器输入端与信息匹配模块通过移动通信网GMS无线连接，输出端与显示屏、语音提醒装置输入端电性连接。无线信号接收器接收到信息匹配模块得到的道路风险等级信息，通过显示屏显示，并通过语音提醒装置提醒驾驶人道路风险信息。可变信息板与信息匹配模块通过移动通信网GMS连接，显示该条道路的风险信息。
控制响应模块包含分析模块和VSM视频监控平台。其中，视频处理模块的第二信号输出端与分析模块的第一信号输入端电连接，风险分级模块的第三信号输出端与分析模块的第二信号输入端电连接；分析模块的信号输出端与VSM视频监控平台的信号输入端连接。分析模块实时分析风险分级模块得到的各道路风险等级，若得到的道路风险等级处在4级及以上且持续时间超过20分钟，分析模块会从视频处理模块获取对应道路的视频传送给VSM视频监控平台，VMS视频监控平台会做出提示并显示，管理人员可以查看该路段的视频和道路、气象、事故等数据，结合风险等级信息做出进一步人工决策。
(二)一种基于模糊综合评价的城市道路风险分级方法，包括以下步骤：
步骤1，AutoScope多媒体视频处理器根据摄像机获取的视频信息，利用现有的视频车辆检测技术和车牌识别技术得到道路交通数据信息和车牌信息，并将获得的道路交通数据信息和车牌信息存入风险分级模块；其中，道路交通数据信息包含平均车速、占有率和车流饱和度信息。
步骤2，数据存储模块用来存储数据下载模块从气象网得到的气象数据(雾、雨、风、雪、结冰等级)和从各市交通网获得历史交通数据信息(年历史事故数)，并将获取的气象数据信息和历史交通数据信息发送给风险分级模块。
步骤3，风险分级模块获取视频处理器和数据下载模块中的所有数据，每5分钟进行一次进行模糊综合评价，以确定道路网中各道路的风险等级，包含以下子步骤：
子步骤3.1，数据预处理：对原始数据进行清洗，删除缺失值、异常值，将预处理后的数据重新存储在数据存储模块中。
子步骤3.2，建立因素集U
为避免分析的道路风险因素过多导致每一因素最终分配的权值过小，经模糊运算后被淹没，需要对所有因素进行分层。
第一层为U＝{u1，u2，u3}；其中，u1为道路交通数据，u2为气象数据，u3为历史交通数据；
第二层为u1＝{平均车速，占有率，车流饱和度}；u2＝{雾等级，雨等级，风等级，结冰等级，雪等级}；u3＝{年历史事故数}。
子步骤3.3，建立评价集V
V＝{风险低，风险较低，风险一般，风险较高，风险高}。
子步骤3.4，建立各因素对评价集的模糊隶属度函数
(1)根据平均车速对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表1所示：
表1平均车速对各风险等级的隶属度函数
Figure BDA0002785872660000131
其中，
Figure BDA0002785872660000132
为平均车速，V0为道路设计车速，f为修正系数取值为1.3。
(2)根据占有率对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表2所示：
表2占有率对各风险等级的隶属度函数
Figure BDA0002785872660000133
其中，R为占有率。
(3)根据车流饱和度对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表3所示：
表3车流饱和度对各风险等级的隶属度函数
Figure BDA0002785872660000141
其中，Q为车流饱和度。
(4)根据雾等级对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表4所示：
表4雾等级对各风险等级的隶属度函数
Figure BDA0002785872660000142
(5)根据雨等级对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表5所示：
表5雨等级对各风险等级的隶属度函数
Figure BDA0002785872660000143
Figure BDA0002785872660000151
(6)根据风等级对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表6所示：
表6风等级对各风险等级的隶属度函数
Figure BDA0002785872660000152
(7)根据结冰等级对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表7所示：
表7结冰等级对各风险等级的隶属度函数
Figure BDA0002785872660000153
(8)根据雪等级对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表8所示：
表8雪等级对各风险等级的隶属度函数
Figure BDA0002785872660000161
(9)根据年历史事故数对风险低、风险较低、风险一般、风险较高、风险高各程度的隶属度函数列表如表9所示：
表9年历史事故数对各风险等级的隶属度函数
Figure BDA0002785872660000162
子步骤3.5，进行单因素评价，建立模糊综合评价矩阵Ri
从每层级的各个元素分别出发进行评价，根据此因素对各个风险等级的隶属度函数得到模糊输入值，确定u1,u2,u3的单因素模糊综合评价矩阵Ri：
Figure BDA0002785872660000163
当i＝1，j＝3，评价矩阵R1的行分别代表平均车速、占有率和车流饱和度对各个风险等级的模糊输入值，评价矩阵R1为3×5维矩阵；当i＝2，j＝5，评价矩阵R2的行分别代表雾等级、雨等级、风等级、结冰等级和雪等级对各个风险等级的模糊输入值，评价矩阵R2为5×5维矩阵；当i＝3，j＝1，评价矩阵R3的行代表年历史事故数对各个风险等级的模糊输入值，评价矩阵R3为1×5维矩阵。
子步骤3.6，按照以下公式建立权重集A：为衡量各评价指标的不同重要程度，需要确定其权重向量，采用层次分析法分别确定因素集U,u1,u2,u3的权重集A,Am。具体如下：
权重集A＝(a1,a2,a3)；其中，a1为道路交通条件对总体风险等级的重要程度；a2为气象条件对总体风险等级的重要程度；a3为历史交通条件对总体风险等级的重要程度。
权重集Am＝(am1,am2,…,amn)，m＝1,2,3；n＝3,5,1。当m＝1时，n＝3，A1代表平均车速、占有率、车流饱和度对于道路交通条件的重要程度，A1为1×3维向量；当m＝2时，n＝5，权重集A2代表雾等级、雨等级、风等级、结冰等级和雪等级对于气象条件的重要程度，A2为1×5维向量；当m＝3时，n＝1，权重集A3代表年历史事故数对历史交通条件的重要程度，A3为1×3维向量；因为只考虑了一种因素，A3值为1。采用归一化处理，使每层权值相加应为1。
子步骤3.7，模糊综合评判，具体如下：
(1)进行第二层因素集评判，得到各单因素集的模糊综合向量Bp：
Bp＝Am·Ri＝(b1p,b2p,b3p,b4p,b5p)(p,i,m＝1,2,3)
当p＝1，m＝1，i＝1时，B1表示由道路交通条件因素集对各个风险等级的模糊综合值组成的向量，B1为1×5维向量；当p＝2，m＝2，i＝2时，B2表示由气象条件因素集对各个风险等级的模糊综合值组成的向量，B2为1×5维向量；当p＝3，m＝3，i＝3时，B3表示由历史交通条件因素集对各个风险等级的模糊综合值组成的向量，B3为1×5维向量。
(2)进行高次综合评判，得到由该道路对各个风险等级模糊综合评价向量B：
Figure BDA0002785872660000181
对B向量进行归一化处理，B中的模糊综合值表示该道路对各个风险等级隶属程度，是一个模糊向量。
子步骤3.8，处理模糊综合评价向量B
为更准确的反应该道路风险程度，使用加权平均原则处理模糊综合评价向量B。首先对B向量进行归一化处理，使用模糊向量B中分量bq与各程度的秩q加权求和，公式如下，最终值为道路风险等级评价值C，在1-5之间，各道路风险等级的秩q如表10所示。
Figure BDA0002785872660000182
C表示该道路最终的风险等级评价值，bq表示子步骤3.7(2)中获得的模糊综合评价向量B的各个分量，q代表各个风险程度的秩。
表10各道路风险等级的秩
Figure BDA0002785872660000183
步骤4，信息匹配模块获取风险分级模块中的道路风险等级信息和该道路上车辆的车牌号，先进行信息匹配，将道路风险等级信息与在该道路上行驶的车辆对应，再通过移动通信网GMS将风险等级信息传送给车辆上的无线信号接收器和设置在道路路口的可变信息板。无线信号接收器接收信息匹配模块传来的风险等级信息，并通过LED显示屏显示，以及通过语音提醒装置提醒驾驶人道路风险信息。可变信息板显示该条道路的风险信息。具体如下：
通过显示屏和语音提醒装置，发布道路风险等级信息，提醒驾驶人该道路的风险程度，使驾驶人集中注意力，从而降低发生事故的可能性，提升道路安全水平。设置在道路路口的可变信息板接收信息匹配模块传来的道路风险等级信息进行显示，提示未进入该道路或者将要进入道路的驾驶人，起到预警和辅助决策的作用。
步骤5：控制响应模块中的分析模块实时分析各道路风险等级，若道路风险等级处在4级及以上且持续时间超过20分钟，分析模块会从视频处理模块获取对应道路的视频，VMS视频监控平台会做出提示并显示，管理人员可以查看该路段的视频和道路、气象、事故等数据，结合风险等级信息做出进一步人工决策。
虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种基于模糊综合评价的城市道路风险分级***，其特征在于，包括：多个视频采集模块、多个视频传输设备、数据下载模块、交通管理控制中心和驾驶提醒模块；其中，所述交通管理控制中心包含视频处理模块、风险分级模块、信息匹配模块和数据存储模块；
每个所述视频采集模块的信号输出端与对应一个视频传输设备的信号输入端电连接；每个所述视频传输设备的信号输出端与所述视频处理模块的信号输入端通过移动通信网连接；所述视频处理模块的第一信号输出端与所述风险分级模块的第一信号输入端电连接；
所述风险分级模块的第一信号输出端与所述信息匹配模块的信号输入端电连接；所述风险分级模块的第二信号输出端与所述数据存储模块的第二信号输入端电连接；
所述数据下载模块的信号输出端与所述数据存储模块的第一信号输入端电连接；所述数据存储模块的信号输出端与所述风险分级模块的第二信号输入端电连接；
所述信息匹配模块的信号输出端与所述驾驶提醒模块的信号输入端通过无线网连接。
2.根据权利要求1所述的基于模糊综合评价的城市道路风险分级***，其特征在于，所述视频采集模块用于获取道路视频信息，并将获取的道路视频信息通过无线传输设备传递给视频处理模块；
所述视频处理模块用于对接收的道路视频信息进行处理并获取道路交通数据信息和车牌信息；所述道路交通数据信息包含平均车速、占有率和车流饱和度信息；
所述数据下载模块用于获取气象数据信息和历史交通数据信息，并将获取的气象数据信息和历史交通数据信息传递给所述数据储存模块；其中，所述气象数据信息包含雾、雨、风、雪、结冰气象；所述历史交通数据信息包含年历史事故数信息；
所述风险分级模块用于根据所述视频处理模块获取的道路交通数据信息以及所述数据储存模块获取的气象数据信息和历史交通数据信息进行道路风险等级划分；
所述信息匹配模块用于根据所述风险等级模块得到的道路风险等级和所述视频处理模块得到的车牌信息进行匹配，并将匹配信息传递给驾驶提醒模块；
所述驾驶提醒模块用于根据匹配信息对道路上对应的车辆进行风险预警。
3.根据权利要求1所述的基于模糊综合评价的城市道路风险分级***，其特征在于，所述驾驶提醒模块包含无线信号接收器、LED显示屏、语音提醒装置和可变信息板；其中，所述信息匹配模块的信号输出端分别通过移动通信网与所述无线信号接收器和可变信息板的信号输入端无线连接；所述无线信号接收器的信号输出端分别与所述LED显示屏、语音提醒装置的信号输入端电连接。
4.根据权利要求3所述的基于模糊综合评价的城市道路风险分级***，其特征在于，所述无线信号接收器用于接收所述信息匹配模块传递给对应车辆的道路风险等级信息，并将道路风险等级信息通过LED显示屏显示，以及通过语音提醒装置向驾驶人员进行风险预警；
所述可变信息板用于根据所述信息匹配模块传递的道路风险等级信息进行风险预警播报，提示未进入该道路或者将要进入道路的驾驶人谨慎驾驶。
5.根据权利要求1所述的基于模糊综合评价的城市道路风险分级***，其特征在于，还包括控制响应模块，所述控制响应模块包含分析模块和VSM视频监控平台；所述视频处理模块的第二信号输出端与所述分析模块的第一信号输入端电连接，所述风险分级模块的第三信号输出端与所述分析模块的第二信号输入端电连接；所述分析模块的信号输出端与所述VSM视频监控平台的信号输入端连接。
6.根据权利要求5所述的基于模糊综合评价的城市道路风险分级***，其特征在于，所述分析模块用于对所述风险分级模块得到的道路风险等级信息进行分析，并从视频处理模块获取对应道路的视频，根据道路风险等级信息确定是否将对应道路视频传送给VSM视频监控平台。
7.一种基于模糊综合评价的城市道路风险分级方法，其特征在于，包括以下步骤：
步骤1，视频采集模块获取道路视频信息，并将获取的道路视频信息通过无线传输设备传递给视频处理模块；
步骤2，视频处理模块对接收的道路视频信息进行处理并获取道路交通数据信息和车牌信息；所述道路交通数据信息包含平均车速、占有率和车流饱和度信息；
步骤3，数据下载模块获取气象数据信息和历史交通数据信息，并将获取的气象数据信息和历史交通数据信息传递给所述数据储存模块；其中，所述气象数据信息包含雾、雨、风、雪、结冰气象；所述历史交通数据信息包含年历史事故数信息；
步骤4，风险分级模块根据所述视频处理模块获取的道路交通数据信息以及所述数据储存模块获取的气象数据信息和历史交通数据信息进行模糊综合评价，确定道路风险等级信息；
步骤5，信息匹配模块根据所述风险等级模块得到的道路风险等级信息和所述视频处理模块得到的车牌信息进行匹配，并将匹配信息传递给驾驶提醒模块；
步骤6，驾驶提醒模块根据匹配信息对道路上对应的车辆进行风险预警。
8.根据权利要求7所述的基于模糊综合评价的城市道路风险分级方法，其特征在于，步骤4中，所述模糊综合评价的方法包含以下子步骤：
子步骤4.1，建立因素集U
第一层因素集为U＝{u1，u2，u3}；其中，u1为道路交通数据，u2为气象数据，u3为历史交通数据；
第二层因素集为u1＝{平均车速，占有率，车流饱和度}；u2＝{雾等级，雨等级，风等级，结冰等级，雪等级}；u3＝{年历史事故数}；
子步骤4.2，建立评价集V
V＝{风险低，风险较低，风险一般，风险较高，风险高}；
子步骤4.3，建立第二层因素集中的每个因素对评价集中每个风险等级的模糊隶属度函数，得到第二层因素集中的每个因素对评价集中每个风险等级的模糊输入值；
子步骤4.4，进行单因素评价，建立模糊综合评价矩阵Ri
根据第二层因素集中的每个因素对评价集中每个风险等级的模糊输入值，确定u1,u2,u3的单因素模糊综合评价矩阵Ri：
Figure FDA0002785872650000041
当i＝1，j＝3，评价矩阵R1的行分别代表平均车速、占有率和车流饱和度对评价集中每个风险等级的模糊输入值；当i＝2，j＝5，评价矩阵R2的行分别代表雾等级、雨等级、风等级、结冰等级和雪等级对评价集中每个风险等级的模糊输入值；当i＝3，j＝1，评价矩阵R3的行代表年历史事故数对评价集中每个风险等级的模糊输入值；
子步骤4.5，建立权重集A
权重集A＝(a1,a2,a3)；其中，a1为道路交通条件对总体风险等级的重要程度；a2为气象条件对总体风险等级的重要程度；a3为历史交通条件对总体风险等级的重要程度；
权重集Am＝(am1,am2,…,amn)，m＝1,2,3；n＝3,5,1；当m＝1，n＝3时，A1代表平均车速、占有率、车流饱和度对于道路交通条件的重要程度；当m＝2，n＝5时，权重集A2代表雾等级、雨等级、风等级、结冰等级和雪等级对于气象条件的重要程度；当m＝3，n＝1时，权重集A3代表年历史事故数对历史交通条件的重要程度；
子步骤4.6，模糊综合评判，具体如下：
(a)进行第二层因素集评判，得到每个单因素集对评价集中每个风险等级的模糊综合向量Bp：
Bp＝Am·Ri＝(b1p,b2p,b3p,b4p,b5p)(p,i,m＝1,2,3)
当p＝1，m＝1，i＝1时，B1表示由道路交通条件因素集对评价集中每个风险等级的模糊综合向量；当p＝2，m＝2，i＝2时，B2表示由气象条件因素集对评价集中每个风险等级的模糊综合向量；B3表示由历史交通条件因素集对评价集中每个风险等级的模糊综合向量；
(b)进行高次综合评判，得到由该道路对每个风险等级的模糊综合评价向量B：
Figure FDA0002785872650000061
子步骤4.7，处理该道路对每个风险等级的模糊综合评价向量B
对模糊综合评价向量B进行归一化处理，利用以下公式对模糊综合评价向量B中的每个分量bq和评价集中每个风险等级的秩q进行加权求和，得到该道路最终的风险等级评价值C：
Figure FDA0002785872650000062
其中，q＝1,2,3,4,5。
9.根据权利要求8所述的基于模糊综合评价的城市道路风险分级方法，其特征在于，步骤6中，所述驾驶提醒模块包含无线信号接收器、LED显示屏、语音提醒装置和可变信息板；其中，所述无线信号接收器接收所述信息匹配模块传递给对应车辆的道路风险等级信息，并将道路风险等级信息通过LED显示屏显示，以及通过语音提醒装置向驾驶人员进行风险预警；
所述可变信息板根据所述信息匹配模块传递的道路风险等级信息进行风险预警播报，提示未进入该道路或者将要进入道路的驾驶人谨慎驾驶。
10.根据权利要求8所述的基于模糊综合评价的城市道路风险分级方法，其特征在于，还包括步骤7，分析模块对所述风险分级模块得到的道路风险等级信息进行分析，并从视频处理模块获取对应道路的视频，根据道路风险等级信息确定是否将对应道路视频传送给VSM视频监控平台；若道路风险等级处在4级及以上且持续时间超过20分钟，则所述分析模块将所述视频处理模块获取的对应道路视频传送给VSM视频监控平台，VSM视频监控平台的管理人员查看该道路视频，进一步作出人工决策。
CN202011297613.8A 2020-11-19 2020-11-19 一种基于模糊综合评价的城市道路风险分级***及方法 Pending CN112447048A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011297613.8A CN112447048A (zh) 2020-11-19 2020-11-19 一种基于模糊综合评价的城市道路风险分级***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011297613.8A CN112447048A (zh) 2020-11-19 2020-11-19 一种基于模糊综合评价的城市道路风险分级***及方法

Publications (1)

Publication Number Publication Date
CN112447048A true CN112447048A (zh) 2021-03-05

Family

ID=74737693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011297613.8A Pending CN112447048A (zh) 2020-11-19 2020-11-19 一种基于模糊综合评价的城市道路风险分级***及方法

Country Status (1)

Country Link
CN (1) CN112447048A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222458A (zh) * 2021-05-31 2021-08-06 上海工程技术大学 一种城市轨道交通驾驶员安全风险测评模型及***
CN113706728A (zh) * 2021-08-19 2021-11-26 南京邮电大学 一种基于多后端融合的轻量级授权方法、泊车方法
CN114170795A (zh) * 2021-11-20 2022-03-11 武汉鑫弘凯交通科技有限公司 一种智能交通***中的物联网交通监测***及其使用方法
CN114241753A (zh) * 2021-12-03 2022-03-25 东南大学 一种基于多维度影响因素的道路安全评价方法及***
CN115809806A (zh) * 2023-01-18 2023-03-17 南京中成越科技有限公司 一种基于远程通讯的风险监测方法及电子设备

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222458A (zh) * 2021-05-31 2021-08-06 上海工程技术大学 一种城市轨道交通驾驶员安全风险测评模型及***
CN113706728A (zh) * 2021-08-19 2021-11-26 南京邮电大学 一种基于多后端融合的轻量级授权方法、泊车方法
CN114170795A (zh) * 2021-11-20 2022-03-11 武汉鑫弘凯交通科技有限公司 一种智能交通***中的物联网交通监测***及其使用方法
CN114241753A (zh) * 2021-12-03 2022-03-25 东南大学 一种基于多维度影响因素的道路安全评价方法及***
CN114241753B (zh) * 2021-12-03 2022-11-01 东南大学 一种基于多维度影响因素的道路安全评价方法及***
US11887472B2 (en) 2021-12-03 2024-01-30 Southeast University Method and system for evaluating road safety based on multi-dimensional influencing factors
CN115809806A (zh) * 2023-01-18 2023-03-17 南京中成越科技有限公司 一种基于远程通讯的风险监测方法及电子设备

Similar Documents

Publication Publication Date Title
CN112447048A (zh) 一种基于模糊综合评价的城市道路风险分级***及方法
CN111325978B (zh) 一种高速公路车辆异常行为的全程监测警示***和方法
CN108256714A (zh) 一种基于车联网大数据的行车轨迹实时风险评估模型
CN111415533B (zh) 弯道安全预警监控方法、装置以及***
CN109935080B (zh) 一种交通线路上的车流量实时计算的监测***及方法
CN114023062B (zh) 一种基于深度学习和边缘计算的交通流信息监测方法
CN101751782A (zh) 一种基于多源信息融合的十字路***通事件自动检测***
CN110675626B (zh) 基于多维数据的交通事故黑点预测方法、装置及介质
CN112071061A (zh) 基于云计算和数据分析的车辆服务***
CN110473418A (zh) 危险路段识别方法、装置、服务器及存储介质
CN111680745A (zh) 一种基于多源交通大数据融合的突发拥堵判别方法及***
CN113155173B (zh) 感知性能评测方法、装置、电子装置和存储介质
CN112530163B (zh) 交通事故预测方法、装置、电子设备及存储介质
EP4120180A1 (en) Method and device for measuring complexity of vehicle traveling scene
CN109118787A (zh) 一种基于深度神经网络的车辆速度预测方法
CN110400462B (zh) 基于模糊理论的轨道交通客流监测预警方法及其***
CN114170795B (zh) 一种智能交通***中的物联网交通监测***的使用方法
CN111754786A (zh) 一种识别高速公路交通工具通行事件的***
CN111951548A (zh) 一种车辆驾驶风险确定方法、装置、***及介质
CN113052048A (zh) 交通事件检测方法、装置、路侧设备以及云控平台
CN115909240A (zh) 一种基于车道线和车辆识别的道路拥堵检测方法
CN109166336B (zh) 一种基于区块链技术的实时路况信息采集推送方法
CN213659674U (zh) 一种基于模糊综合评价的城市道路风险分级***
CN112365092A (zh) 城市轨道交通路网大客流风险自适应预警***
CN117172461A (zh) 自动驾驶公交调度***及基于客流预测的公交调度方法

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