CN114743373B - 交通事故处理方法、装置、设备和存储介质 - Google Patents
交通事故处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114743373B CN114743373B CN202210320453.7A CN202210320453A CN114743373B CN 114743373 B CN114743373 B CN 114743373B CN 202210320453 A CN202210320453 A CN 202210320453A CN 114743373 B CN114743373 B CN 114743373B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- accident
- information
- perception
- intersection
- 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
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种交通事故处理方法、装置、设备、存储介质和程序产品,根据路口区域内各车辆的车辆感知信息,对各车辆进行交通事故检测,若存在发生交通事故的事故车辆,则获取事故车辆的路口历史行驶轨迹,并根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息,根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息;向事故确认平台发送路口事故取证信息,指示事故确认平台确定事故责任以及通知事故车辆的车主事故处理结果。该方法能够快速地定责处理路***通事故。
Description
技术领域
本申请涉及智能交通技术领域,特别是涉及一种交通事故处理方法、装置、设备、存储介质和程序产品。
背景技术
在科技日益发达的社会,道路上的车辆越来越多,路口的行驶环境越来越复杂,而日渐复杂的路口,导致出现交通事故的频率越来越高。
通常,出现事故后,会通过交警人为进行事故责任判断,导致事故处理不够及时,加剧了路口的拥堵,严重影响出行效率及城市居住舒适度。
因此,如何快速地定责处理路***通事故成为亟待解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种交通事故处理方法、装置、设备、存储介质和程序产品,能够快速地定责处理路***通事故。
第一方面,本申请提供了一种交通事故处理方法,该方法包括:
根据路口区域内各车辆的车辆感知信息,对各车辆进行交通事故检测;
若存在发生交通事故的事故车辆,则获取事故车辆的路口历史行驶轨迹,并根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息;
根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息;
向事故确认平台发送路口事故取证信息,指示事故确认平台确定事故责任以及通知事故车辆的车主事故处理结果。
在其中一个实施例中,获取事故车辆的路口历史行驶轨迹,包括:
根据各车辆的车辆感知信息,获取事故车辆的事故车辆检测信息;事故车辆检测信息包括事故车辆的车辆ID和事故感知时刻;
根据事故车辆的车辆ID,从感知信息库中获取事故车辆的历史感知信息;
基于事故车辆的历史感知信息,获取事故车辆的路口历史行驶轨迹。
在其中一个实施例中,车辆感知信息中包括车辆位置、车辆尺寸和行驶速度;
根据各车辆的车辆感知信息,获取事故车辆的事故车辆检测信息,包括:
根据各车辆的车辆位置和车辆尺寸,判断各车辆之间是否存在互相接触的车辆;
若存在,且互相接触的车辆的行驶速度为0,则确定互相接触的车辆为出现交通事故的事故车辆;交通事故包括追尾和/或剐蹭;
根据事故车辆的车辆ID和事故感知时刻,形成事故车辆的事故车辆检测信息。
在其中一个实施例中,根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息,包括:
根据事故感知时刻,在事故车辆的路口历史行驶轨迹中,确定事故车辆在事故感知时刻的前中后的感知图片,得到事故车辆发生事故前后的图片取证信息。
在其中一个实施例中,根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息,包括:
根据事故车辆的车辆ID,从参考车辆感知身份信息中获取事故车辆的车牌号码和车辆抓拍图片,得到事故车辆的身份信息;参考车辆感知身份信息为在路口入口检测区域生成的进入路口的所有车辆的身份信息;
根据事故车辆的路口历史行驶轨迹、事故车辆的图片取证信息和事故车辆的身份信息,形成事故车辆的路口事故取证信息。
在其中一个实施例中,参考车辆感知身份信息的生成过程包括:
获取路口入口检测区域内各初始车辆的车辆身份信息和各初始车辆的路延车辆感知信息;车辆身份信息为通过路延车牌识别***识别获得的,路延车辆感知信息为通过路延感知设备感知获得;车辆身份信息包括和第一时刻;
根据第一时刻,筛选出与第一时刻之间的时间间隔最小的路延车辆感知信息,得到各初始车辆的路延车辆筛选感知信息;
根据各初始车辆的车辆身份信息和各初始车辆的路延车辆筛选感知信息,对位置匹配成功的初始车辆的车辆身份信息和路延车辆筛选感知信息进行绑定,得到参考车辆感知身份信息。
在其中一个实施例中,车辆身份信息还包括第一车辆入口断面距离、第一车辆路边界距离;路延车辆筛选感知信息包括第二车辆入口断面距离、第二车辆路边界距离、第二时刻、车辆速度;
则该方法还包括:
根据第二车辆入口断面距离、第一时刻、第二时刻和车辆速度,确定车辆入口断面距离换算值;车辆入口断面距离换算值表示基于第二车辆入口断面距离换算的与第一车辆入口断面距离相同时刻的车辆入口断面距离;
若第一车辆入口断面距离与车辆入口断面距离换算值之间的误差小于纵向距离阈值,且第一车辆路边界距离与第二车辆路边界距离之间的误差小于预设路边界阈值,则确定对应的初始车辆匹配成功;
其中,纵向距离阈值为基于当前车辆与同车道前后方车辆的车头距离确定的。
在其中一个实施例中,事故责任为事故确认平台通过路口事故取证信息播放事故车辆历史路口运动轨迹,根据事故车辆历史路口运动轨迹呈现的事故车辆状态图片确认的;
且事故确认平台是通过事故车辆的身份信息向事故车辆的车主通知的事故处理结果。
第二方面,本申请还提供了一种交通事故处理装置,该装置包括:
检测模块,用于根据路口区域内各车辆的车辆感知信息,对各车辆进行交通事故检测;
第一信息生成模块,用于若存在发生交通事故的事故车辆,则获取事故车辆的路口历史行驶轨迹,并根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息;
第二信息生成模块,用于根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息;
定责模块,用于向事故确认平台发送路口事故取证信息,指示事故确认平台确定事故责任以及通知事故车辆的车主事故处理结果。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,该处理器执行计算机程序时实现上述第一方面中任一实施例提供的方法的步骤。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一实施例提供的方法的步骤。
第五方面,本申请实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一实施例提供的方法的步骤。
上述交通事故处理方法、装置、设备、存储介质和程序产品,根据路口区域内各车辆的车辆感知信息,对各车辆进行交通事故检测,若存在发生交通事故的事故车辆,则获取事故车辆的路口历史行驶轨迹,并根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息,根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息;向事故确认平台发送路口事故取证信息,指示事故确认平台确定事故责任以及通知事故车辆的车主事故处理结果。该方法中,实时对路口区域中各车辆的车辆感知信息进行交通事故检测,因车辆感知信息是实时采集的,所以发生交通事故时,能够及时根据事故车辆的路口历史轨迹确定事故责任,保证了对交通事故定责的快速性,事故平台接收确定事故责任后,根据车辆的身份信息及时告知事故车辆事故处理结果,提高了处理交通事故的快速性。
附图说明
图1为一个实施例中交通事故处理方法的应用环境图;
图2为一个实施例中交通事故处理方法的流程示意图;
图3为另一个实施例中交通事故处理方法的流程示意图;
图4为一个实施例中交通事故处理方法的图片示意图;
图5为一个实施例中交通事故处理方法的界面示意图;
图6为另一个实施例中交通事故处理方法的流程示意图;
图7为另一个实施例中交通事故处理方法的流程示意图;
图8为另一个实施例中交通事故处理方法的流程示意图;
图9为一个实施例中交通事故处理装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的交通事故处理方法,可以应用于如图1所示的应用环境中。如图1所示,事故确认平台、感知设备均通过网络与计算机设备进行有线或者无线通信,数据存储***可以存储计算机设备需要处理的数据。数据存储***可以集成在计算机设备,也可以放在云上或其他网络服务器上。
其中,事故确认平台可以是交管所的事故确认平台***,计算机设备可以是路侧计算单元/终端/边缘服务器,可选地,计算机设备还可以是云端服务器、车端的车载计算单元/终端等等,本申请实施例对计算机设备的类型不做具体限定。感知设备可以是设置在路口的路侧感知设备/***,例如可以是路口的智慧基站(又名路侧融合感知***或路侧基站),或者还可以是毫米波雷达传感器、激光雷达传感器以及相机中的至少一种,等等,在此对感知设备的类型不做具体限定。
本申请实施例提供一种交通事故处理方法、装置、设备、存储介质和程序产品,能够快速对路***通事故定责处理。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
在一个实施例中,如图2所示,提供了一种交通事故处理方法,该实施例包括以下步骤:
S201,根据路口区域内各车辆的车辆感知信息,对各车辆进行交通事故检测。
车辆可以是进入路口区域内后,在路口区域内的感知设备/路口路侧多源融合感知***的覆盖区域内的任一车辆,目标车辆包括但不限于轿车、卡车、电动车、自行车、三轮车、滑板车等等。
交通事故可以包括车辆发生碰撞、刮擦、翻车等。
可选地,车辆感知信息可以通过安装在路口的路口路侧多源融合感知***感知得到;车辆感知信息也可以通过安装在路口的感知设备感知得到;车辆感知信息还可以通过GPS(Global Positioning System,全球定位)得到。
可以说明的是,每个车辆对应一个车辆感知信息,车辆与车辆感知信息是一一对应的关系,车辆感知信息也不止一个车辆的车辆感知信息,只要车辆是在该路口,就可以得到对应的车辆感知信息。
车辆感知信息可以是通过某种设备在路口区域感知出来的车辆的基本信息,可以包括车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角和车辆感知图片。
其中,ID是感知到车辆后对车辆生成的序列号;类别指的是车辆类型,例如,上述列举的轿车、卡车、电动车、自行车、三轮车、滑板车等;位置指感知到车辆时车辆的位置坐标,该位置坐标可以任何坐标系下,经纬度、路口坐标系等等;感知时刻指感知到车辆时的时刻;尺寸表示感知到的车辆的尺寸信息,包括长、高、宽等尺寸;速度信息表示感知到车辆时车辆的车辆行驶速度;航向角指的是地面坐标系中,目标的质心速度与横轴的夹角;车辆感知图片指感知到车辆时车辆的图片信息,包括车身颜色、引擎盖特征、车身特征等特征信息。
根据车辆感知信息可以对车辆进行交通事故检测,判断是否发生交通事故,例如,可以通过感知到的车辆感知图片直观的确定是否发生了交通事故。
或者通过车辆的速度信息判断,如果车辆的速度为0,那么该车辆可能发生了交通事故,则可结合车辆的感知信息进一步判断。
S202,若存在发生交通事故的事故车辆,则获取事故车辆的路口历史行驶轨迹,并根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息。
若确定该路口存在发生了交通事故的事故车辆,则表示需要进行交通事故处理,基于此,先获取事故车辆的路口历史行驶轨迹,该路口历史行驶轨迹表示车辆在该路口的行驶路径轨迹,例如,可以是由各时刻的感知到的车辆感知图片帧构成。
一个实施例中,获取事故车辆的路口历史行驶轨迹的方式可以是,通过神经网络模型的方式,将发生交通事故的事故车辆对应的车辆感知信息作为神经网络模型的输入,通过训练该神经网络模型,输出事故车辆的路口历史行驶轨迹。
基于路口历史行驶轨迹中的各帧车辆感知图片,可确定事故车辆发生事故前后的图片取证信息。其中,图片取证信息包括事故车辆发生事故前后的图片信息,例如,事故前车辆感知图片,事故中车辆感知图片,事故后车辆感知图片。事故前后的图片信息能够反映事故车辆发生事故前中后的状态,以此可以确定发生事故的责任方车辆。
S203,根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息。
路口事故取证信息是用于进行交通事故判定的,可作为证据的信息。基于此,可将图片取证信息、路口历史行驶轨迹均作为路口事故取证信息中的信息
为了在车辆发生交通事故后,能够准确地确定车辆车主,以及及时通知车主交通事故处理结果,需要确定事故车辆的身份信息。其中,事故车辆的身份信息是能够表征事故车辆的唯一性的身份信息,至少包括车牌号码、车辆抓拍图片等。
因此,可将上述获取到的图片取证信息、路口历史行驶轨迹和图片取证信息、路口历史行驶轨迹均作为路口事故取证信息。
即路口事故取证信息中包括事故车辆的路口运动轨迹、事故车辆的车牌号码、事故车辆的感知图片、事故前车辆感知图片、事故中车辆感知图片、事故后车辆感知图片等。
另外,实际应用中,路口发生事故的事故车辆的数量不止一个,若是车辆与物体碰撞,则数量是一个,但若车辆之间发生碰撞,则会存在两个以上事故车辆,那么在获取事故的路口事故取证信息时,可针对每个事故车辆获取上述路口事故取证信息。
S204,向事故确认平台发送路口事故取证信息,指示事故确认平台确定事故责任以及通知事故车辆的车主事故处理结果。
计算机设备将上述路口事故取证信息发送至事故确认平台,事故确认平台根据路口事故取证信息确定事故责任,并通知事故车辆的车主事故处理结果。
可选地,计算机设备向事故确认平台发送路口事故取证信息的方式可以通过get/post的方式发送,本申请实施例中,向事故确认平台发送路口事故取证信息的方式不做限定。
在一个实施例中,事故责任的确定方式为事故确认平台通过路口事故取证信息播放事故车辆历史路口运动轨迹,根据事故车辆历史路口运动轨迹呈现的事故车辆状态图片确认的;且事故确认平台是通过事故车辆的身份信息向事故车辆的车主通知的事故处理结果。
具体地,事故确认平台通过播放路口事故取证信息中的事故车辆历史路口运动轨迹确定事故责任,并通过路口事故取证信息中的身份信息向事故车辆的车主告知事故处理结果。
在另一个实施例中,确定事故责任的方式也可以通过神经网络模型的方式,将事故确认平台接收的路口事故取证信息作为神经网络模型的输入,通过训练该神经网络模型,最终得到事故责任,然后事故确认平台向事故车辆的车主通知事故处理结果;事故处理结果包括事故责任。
事故处理结果指的是交通事故的责任认定以及后续的处理交通事故的方式,例如,事故确认平台向事故车辆的责任方车辆的车主告知:“该起交通事故是您的责任,后续的事故处理请您于三天后几点到XXX进行后续事故处理,同时,您也可以选择协商处理”等,事故确认平台向事故车辆的非责任方车辆的车主告知:“该起交通事故不是您的责任,但后续的事故处理请您于三天后几点到XXX进行后续事故处理,同时,您也可以选择协商处理”等,可以理解的是,“XXX”表示协商解决事故的地点,本申请实施例在此不做限定,在实际应用中,可具体情况进行具体分析。
本实施例提供的交通事故处理方法,计算机设备根据路口区域内车辆的车辆感知信息,对车辆进行交通事故检测,若存在发生交通事故的事故车辆,则获取事故车辆的路口历史行驶轨迹,并根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息,根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息;然后计算机设备向事故确认平台发送路口事故取证信息,指示事故确认平台确定事故责任以及通知事故车辆的车主事故处理结果。实时对路口区域中各车辆的车辆感知信息进行交通事故检测,因车辆感知信息是实时采集的,所以发生交通事故时,能够及时根据事故车辆的路口历史轨迹确定事故责任,保证了对交通事故定责的快速性,事故平台接收确定事故责任后,根据车辆的身份信息及时告知事故车辆事故处理结果,提高了处理交通事故的快速性。
在一个实施例中,如图3所示,获取事故车辆的路口历史行驶轨迹,包括以下步骤:
S301,根据各车辆的车辆感知信息,获取事故车辆的事故车辆检测信息。
其中,事故车辆检测信息包括事故车辆的车辆ID和事故感知时刻;事故车辆的车辆ID至少包括一个,根据事故车辆的数量决定,一个事故车辆对应一个车辆ID,车辆ID是车辆信息对应的ID,车辆ID具有唯一性,可以表示该车辆。车辆感知时刻是发生事故时感知到的时刻,即发生事故时的时刻。
在一开始计算机设备获取的车辆感知信息中是包括车辆位置、车辆尺寸和行驶速度这些信息的。其中,车辆位置可以是通过感知设备或路口多源感知***感知到的车辆时的车辆位置坐标,该位置坐标可以是按照经纬度、路口坐标系等任何坐标系下的位置坐标;车辆尺寸可以是通过感知设备或路口多源感知***感知到的车辆时的车辆尺寸信息,包括长、宽、高等;行驶速度可以是通过感知设备或路口多源感知***感知到的车辆时的车辆的行驶速度信息。
那么,一个实施例中,获取事故车辆的事故车辆检测信息的方式可以包括:
根据各车辆的车辆位置和车辆尺寸,判断各车辆之间是否存在互相接触的车辆;若存在,且互相接触的车辆的行驶速度为0,则确定互相接触的车辆为出现交通事故的事故车辆;根据事故车辆的车辆ID和事故感知时刻,形成事故车辆的事故车辆检测信息。
本实施例中以车辆之间的相互碰撞为例进行说明。可以理解的是,互相接触的车辆可以是两个或多个,至少包括两个。
一种实施例,判断各车辆之间是否存在互相接触的车辆的方式,可以通过预设的判断算法确定,通过该判断算法结合各车辆对应的车辆位置和车辆尺寸对各车辆之间的位置关系进行判断,例如,计算两个车辆之间的位置差,然后通过对比两车辆的车辆尺寸,从而判断是否存在互相接触的车。
如果存在互相接触的车辆,则根据各车辆对应的车辆感知信息,判断各互相接触的车辆的车辆感知信息中的行驶速度是否为0,若互相接触的车辆的行驶速度为0,则可以确定该互相接触的车辆为出现交通事故的事故车辆。其中,交通事故包括追尾和/或剐蹭。
当然,上述仅是一种示例,实际应用中的交通事故中,还存在车辆碰撞后互相弹出一定距离,使得事故车辆之间不存在位置重叠,这种情况则可根据事故车辆的周围的行人和路况进行分析。
事故车辆检测信息是车辆发生交通事故后生成的检测信息。
基于上述检测过程,可获取到事故感知时刻、事故车辆ID、事故车辆的图像特征信息等信息,将这些信息作为事故车辆检测信息。
S302,根据事故车辆的车辆ID,从感知信息库中获取事故车辆的历史感知信息。
感知信息库是预先存储的各车辆的历史感知信息,是用于存储实时感知的路口所有车辆的感知信息的数据库,历史感知信息至少包括车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角和车辆感知图片。其中,车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角和车辆感知图片可参见前述,在此不再赘述。
可选地,获取事故车辆的历史感知信息的方式可以是通过查找算法以车辆ID为标准,在感知信息库中查找与事故车辆ID相同的历史感知信息;即在感知数据库中查找是否存在与事故车辆的ID相同的车辆ID,如果存在,将该车辆ID对应的历史感知信息作为事故车辆的历史感知信息。
S303,基于事故车辆的历史感知信息,获取事故车辆的路口历史行驶轨迹。
可选地,路口历史行驶轨迹可以是通过实时感知路口车辆得到的车辆感知信息中的车辆感知图片形成的行驶轨迹。
基于获取的事故车辆的历史感知信息,将事故车辆的历史感知信息中的车辆感知图片根据感知时刻的先后顺序进行整合,可得到事故车辆的路口历史行驶轨迹。
本实施例提供的交通事故处理方法,根据各车辆的车辆感知信息,获取事故车辆的事故车辆检测信息,然后根据事故车辆检测信息中的事故车辆的车辆ID,从感知信息库中获取事故车辆的历史感知信息;基于事故车辆的历史感知信息,获取事故车辆的路口历史行驶轨迹。该方法中,通过各车辆的车辆感知信息可以准确地确定出事故车辆的路口历史行驶轨迹,而准确的路口历史行驶轨迹能够更加准确地对事故车辆进行责任认定。
基于上述任一个实施例,在根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息时,可包括如下过程:根据事故感知时刻,在事故车辆的路口历史行驶轨迹中,确定事故车辆在事故感知时刻的前中后的感知图片,得到事故车辆发生事故前后的图片取证信息。
因事故车辆的路口历史轨迹包括事故车辆的车辆感知图片以及对应的感知时刻,因此,根据事故感知时刻,在路口历史行驶轨迹中选取发生事故前中后的车辆感知图片,以此得到事故车辆发生事故前后的图片取证信息,图片取证信息包括事故发生时的前中后的车辆感知图片。
如图4所示,图4为表示车辆发生事故前中后的车辆感知图片,并且还可以对事故前中后的车辆感知图片进行三维回放。
具体地,可根据车辆感知时刻在路口历史行驶轨迹中查找感知时刻对应的那帧感知图片,感知时刻的上一时刻的对应帧的感知图片和感知时刻的下一时刻对应帧的感知图片,确定为事故前后的图片取证信息。
如图5所示,提供一种事故平台上展示事故车辆路口历史行驶轨迹的界面,其中,事故平台通过播放事故车辆历史路口运动轨迹以及呈现事故车辆状态图片集合,可快速清晰的确认事故责任。
接下来,对事故车辆的路口事故取证信息的生成过程进行说明。在一个实施例中,如图6所示,根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息,包括以下步骤:
S601,根据事故车辆的车辆ID,从参考车辆感知身份信息中获取事故车辆的车牌号码和车辆抓拍图片,得到事故车辆的身份信息。
其中,参考车辆感知身份信息为在路口检测区域生成的进入路口的所有车辆的身份信息。
参考车辆感知身份信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、抓拍车牌号码、抓拍时刻、车辆抓拍图片。
其中,车辆的ID、类别、位置、感知时刻、尺寸和速度信息与前述说明相同,在此不做赘述;抓拍车牌号码指的是在路口识别检测区域内抓拍到的车牌号码;抓拍时刻指的是在路口识别检测区域内抓拍的时刻;车辆抓拍图片指的是在路口识别检测区域内抓拍的车辆图片。
当车辆经过路口检测处,路口检测区域安装的路侧多源融合感知***会感知经过检测区域的车辆,以此得到车辆的车辆感知身份信息,将所有检测到的所有车辆均称为参考车辆;路侧多源融合感知***可以是路延路侧多源融合感知***。
所以,可以根据事故车辆的车辆ID,从参考车辆感知身份信息中获取事故车辆的车牌号码和车辆抓拍图片。
在参考车辆感知身份信息中查找事故车辆的车辆ID,将车辆ID对应的参考车辆感知身份信息中的车牌号码和车辆抓拍图片,作为事故车辆的身份信息。
S602,根据事故车辆的路口历史行驶轨迹、事故车辆的图片取证信息和事故车辆的身份信息,形成事故车辆的路口事故取证信息。
事故车辆的路口事故取证信息是车辆发生交通事故后确定的事故取证信息,以快速确定事故的事故责任。所以可将上述确定事故车辆的路口历史行驶轨迹、事故车辆的图片取证信息和事故车辆的身份信息,形成事故车辆的路口事故取证信息形成事故车辆的路口事故取证信息
本实施例提供的交通事故处理方法,根据事故车辆的车辆ID,从参考车辆感知身份信息中获取事故车辆的车牌号码和车辆抓拍图片,得到事故车辆的身份信息,该参考车辆感知身份信息为在路口入口检测区域生成的进入路口的所有车辆的身份信息,然后根据事故车辆的路口历史行驶轨迹、事故车辆的图片取证信息和事故车辆的身份信息,形成事故车辆的路口事故取证信息。因事故车辆的路口事故取证信息还原了事故车辆的发生事故前后的情况,使得通过事故车辆的路口事故取证信息能够确定事故责任,保证了对交通事故快速定责,以快速处理路***通事故。
基于上述任一项实施例,对参考车辆感知信息的生成过程进行说明。在一个实施例中,如图7所示,参考车辆感知身份信息的生成过程包括以下步骤:
S701,获取路口入口检测区域内各初始车辆的车辆身份信息和各初始车辆的路延车辆感知信息。
其中,车辆身份信息为通过路延车牌识别***识别获得的,路延车辆感知信息为通过路延感知设备感知获得;车辆身份信息包括的时刻称为第一时刻。
路延感知设备可以是路延路侧多源融合感知***,通过路延路侧多源融合感知***实时感知路口检测区域内的车辆,得到路延车辆感知信息,路延车辆感知信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角、车辆感知图片、前车车头间距和后车车头间距。
其中,车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角、车辆感知图片与前述说明相同,在此不再赘述;前车车头间距指的是车辆车头与同车道前方车辆的车头距离;后车车头间距指的是车辆车头与同车道后方车辆的车头距离。
可以理解的是,在路口中,不同位置感知到车辆的感知信息的内容是相同的,仅在于不同位置,不同时刻,不同的周围环境所引起的内容项目的不同,例如,路延处的车辆与其他区域均有时刻,速度信息等这些内容项目,但路延处的车辆时刻与其他区域处的时刻肯定是不同的,路延处的速度信息与其他区域处的速度信息也可能不同等等。
通过路延车牌识别***在预设的识别检测区域内实时识别车辆的车牌,并且,在车辆到达抓拍区域时,对对应车牌的车辆进行抓拍,并根据抓拍到的图片确定车牌所在区域,对车牌区域进行图像检测,得到车牌号码,然后根据车辆的车牌号码、对应的车辆抓拍图片以及抓拍时刻,将车辆的车牌号码和对应的车辆抓拍图片,生成车辆的身份信息,车辆的身份信息包括但不限于车辆的抓拍车牌号码、位置、抓拍时刻、车辆抓拍图片。
S702,根据第一时刻,筛选出与第一时刻之间的时间间隔最小的路延车辆感知信息,得到各初始车辆的路延车辆筛选感知信息。
第一时刻是车辆的身份信息中的时刻;路延车辆筛选感知信息包括的是车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角、车辆感知图片、前车车头间距、后车车头间距、车牌号码和对应的车辆抓拍图片。
其中,车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角、车辆感知图片、前车车头间距、后车车头间距、车牌号码和对应的车辆抓拍图片与前述说明相同,在此不再赘述。
具体地,得到各初始车辆的路延车辆筛选感知信息的方式可以是,根据第一时刻,在路延车辆感知信息中的时刻筛选最接近第一时刻的路延车辆感知信息,将车辆的身份信息和对应的路延车辆感知信息作为路延车辆筛选感知信息。
将各车辆的身份信息中的第一时刻,均筛选在所有路延车辆感知信息中与第一时刻之间的事件间隔最小的时刻对应的路延车辆感知信息,以得到各初始车辆的路延车辆筛选感知信息。
具体地,分别计算第一时刻与各路延车辆感知信息中感知时刻的差值,将差值最小的感知时刻对应的路延车辆感知信息和第一时刻对应的身份信息,形成路延车辆筛选感知信息。
S703,根据各初始车辆的车辆身份信息和各初始车辆的路延车辆筛选感知信息,对位置匹配成功的初始车辆的车辆身份信息和路延车辆筛选感知信息进行绑定,得到参考车辆感知身份信息。
具体地,对各初始车辆的车辆身份信息和各初始车辆的路延车辆筛选感知信息进行位置匹配,如果位置匹配成功,则对位置匹配成功的初始车辆的车辆身份信息和路延车辆筛选感知信息进行绑定,确定参考车辆感知身份信息。
下面通过一个实施例对如何确定位置匹配成功进行详细说明,在一个实施例中,车辆身份信息还包括第一车辆入口断面距离、第一车辆路边界距离;路延车辆筛选感知信息包括第二车辆入口断面距离、第二车辆路边界距离、第二时刻、车辆速度;那么,若第一车辆入口断面距离、第一车辆路边界距离、第二车辆入口断面距离、第二车辆路边界距离、第二时刻和车辆速度满足预设的匹配条件,则确定对应的初始车辆匹配成功。
若匹配成功,则将车辆身份信息和对应的路延车辆筛选感知信息进行绑定,得到参考车辆感知身份信息。
其中,参考车辆感知身份信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角和车辆感知图片;车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角和车辆感知图片前述说明相同,在此不再赘述。
其中,匹配条件为:先根据第二车辆入口断面距离、第一时刻、第二时刻和车辆速度,确定车辆入口断面距离换算值;车辆入口断面距离换算值表示基于第二车辆入口断面距离换算的与第一车辆入口断面距离相同时刻的车辆入口断面距离;若第一车辆入口断面距离与车辆入口断面距离换算值之间的误差小于纵向距离阈值,且第一车辆路边界距离与第二车辆路边界距离之间的误差小于预设路边界阈值,则确定对应的初始车辆匹配成功;其中,纵向距离阈值为基于当前车辆与同车道前后方车辆的车头距离确定的。
具体地,车辆入口断面距离表示车辆到路口入口所在断面的距离。车辆身份信息还包括第一车辆入口断面距离;路延车辆筛选感知信息还包括第二车辆入口断面距离。
而车辆入口断面距离换算值为基于第二车辆入口断面距离换算的与第一车辆入口断面距离相同时刻的车辆入口断面距离,可以用公式(1)来计算。
y′感=y感+(T感-T属)×v感 (1)
其中,y感为车辆沿行车方向距离到入口断面的距离,即路延车辆筛选感知信息的第二车辆入口断面距离;T感为车辆时刻,是路延车辆筛选感知信息的第二时刻;T属为车辆时刻,是车辆身份信息的第一时刻;y′感为在T属时刻根据感知信息计算出来的车辆沿行车方向距离到路口入口断面的距离,是车辆入口断面距离换算值。
纵向距离阈值为基于当前车辆与同车道前后方车辆的车头距离确定的,纵向距离阈值的计算公式可以用公式(2)来计算,式(2)的含义为:当y′感与y感满足y′感>y属,纵向距离阈值为当y′感与y感不满足y′感>y属,纵向距离阈值为/>
其中,y属为车辆沿行车方向距离到入口断面的距离,是第一车辆入口断面距离;D前为路延车辆筛选感知信息中车辆车头与同车道前方车辆的车头距离,D后为路延车辆筛选感知信息中的车辆车头与同车道后方车辆的车头距离。
那么,匹配时,第一车辆入口断面距离与车辆入口断面距离换算值之间的误差小于纵向距离阈值,且第一车辆路边界距离与第二车辆路边界距离之间的误差小于预设路边界阈值,则确定对应的初始车辆匹配成功。
具体地,第一车辆入口断面距离与车辆入口断面距离换算值之间的误差小于纵向距离阈值可以表示用公式(3)表示。
需要说明的是,车辆与行车方向垂直的横向距离阈值的选取是考虑到车辆并行情况下的干扰,纵向距离阈值的选取是考虑到前后跟车情况下的干扰,通过考虑两者结合提升了匹配的准确率。
而第一车辆路边界距离表示车辆身份信息中的车辆垂直于行车方向距离最左侧车道左侧边界线的距离,即是通过车牌识别***识别到的车辆垂直于行车方向距离最左侧车道左侧边界线的距离;自然地,第二车辆路边界距离即为路延车辆筛选感知信息中的车辆沿垂直于行车方向到最左侧车道左侧边界线的距离,即路侧多源融合感知***感知到的车辆沿垂直于行车方向到最左侧车道左侧边界线的距离。
这样,基于路侧多源融合感知***感知到车辆沿垂直于行车方向到最左侧车道左侧边界线的距离和车牌识别***获取到的车辆垂直于行车方向距离最左侧车道左侧边界线的距离之间的误差进行分析,相当于将路侧多源融合感知***和车牌识别***各自识别的位置均归一化到最左侧车道左侧边界线,使得位置误差的确定更加准确。
具体地,可以用公式(4)来计算。
|x感-x属|<Lx (4)
其中,x感表示路侧多源融合感知***感知到的车辆沿垂直于行车方向到最左侧车道左侧边界线的距离;x属表示车牌识别***获取到的车辆垂直于行车方向距离最左侧车道左侧边界线的距离;Lx表示车辆垂直于行车方向距离匹配误差允许最大阈值;x感与x属的差值的绝对值等同于第一车辆位置信息与第二车辆位置信息差值的绝对值,Lx为预设阈值。其中,该预设阈值为车辆垂直于行车方向距离匹配误差允许最大阈值,可根据实际情况预先设定,本申请实施例对此不作限定。
如果公式(1)-公式(4)均满足对应条件,即|x感-x属|<Lx,且,则可以确定各初始车辆的车辆身份信息和各初始车辆的路延车辆筛选感知信息匹配成功。
本实施例提供的交通事故处理方法,获取路口入口检测区域内各初始车辆的车辆身份信息和各初始车辆的路延车辆感知信息,并根据第一时刻,筛选出与第一时刻之间的时间间隔最小的路延车辆感知信息,得到各初始车辆的路延车辆筛选感知信息;根据各初始车辆的车辆身份信息和各初始车辆的路延车辆筛选感知信息,对位置匹配成功的初始车辆的车辆身份信息和路延车辆筛选感知信息进行绑定,得到参考车辆感知身份信息。以路口检测区域内的各初始车辆的车辆身份信息与各初始车辆的路延车辆感知信息生成参考车辆感知身份信息,使得对进入路口的所有车辆的身份进行唯一锁定,这样,以参加车辆感知身份信息获取事故车辆的身份信息,可以事故车辆身份信息定位的准确,从而能够准确地且快速地确定事故车辆,以快速处理路***通事故。
在一个实施例中,还提供一种交通事故处理方法,如图8所示,该实施例包括:
S801,通过路延路侧多源融合感知***实时感知检测区域内的车辆,得到路延车辆感知信息;
其中,路延车辆感知信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角、车辆感知图片、车辆车头与同车道前方车辆的车头距离和车辆车头与同车道后方车辆的车头距离。
S802,通过路延车牌识别***实时识别检测区域内的车牌,在车辆到达抓拍区域时,得到车辆身份信息;
其中,车辆身份信息包括但不限于车辆的抓拍车牌号码、位置、抓拍时刻、车辆抓拍图片。
S803,根据车辆身份信息的时刻筛选出最接近该时刻的路延车辆感知信息,形成路延车辆筛选感知信息。
S804,根据车辆身份信息的位置、时刻和与路延车辆筛选感知信息的位置、时刻和速度进行位置匹配,当满足预设关系,则完成车辆身份信息与路延车辆筛选感知信息的绑定,形成车辆感知身份信息;
其中,车辆感知身份信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、抓拍车牌号码、抓拍时刻和车辆抓拍图片。
S805,通过路口路侧多源融合感知***实时感知路口检测区域内的车辆,得到路口车辆感知信息;
其中,路口车辆感知信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角和车辆感知图片。
S806,根据路口车辆感知信息的位置和尺寸,判断车辆是否出现接触,再根据车辆感知信息的速度是否为0,判定车辆是否出现追尾和剐蹭,形成事故车辆检测信息;
其中,事故车辆检测信息包括但不限于事故车辆ID集合、事故车辆感知时刻集合。
S807,根据事故车辆检测信息中的事故车辆ID集合的车辆ID,获取历史车辆路口感知信息,得到车辆历史路口运动轨迹,以及遍历车辆感知身份信息,获取事故车辆的车牌号码和车辆抓拍图片;通过事故车辆检测信息的事故车辆感知时刻集合以及车辆历史路口运动轨迹选取碰撞前中后的车辆感知图片,最终形成路口事故取证信息;
其中,路口事故取证信息包括事故车辆历史路口运动轨迹集合、事故车辆车牌号码集合、事故车辆状态图片集合、事故前车辆感知图片、事故中车辆感知图片和事故后车辆感知图片。
S808,将路口事故取证信息上报给事故确认平台,事故确认平台通过播放事故车辆历史路口运动轨迹以及呈现事故车辆状态图片集合,确认事故责任,并通过事故车辆车牌号码集合通知车主处理结果,快速离开现场。
在一个实施例中,在车辆进入路延时利用路侧多源融合感知***获取车辆感知信息,利用车牌识别***获取车辆的车牌信息,通过位置时间完成匹配,获取车辆的身份信息;利用车辆的轨迹判断车辆是否发生碰撞,并通过速度来最终确定是否为追尾或剐蹭。
然后通过事故车辆的ID提取车辆的历史轨迹信息,通过事故车辆的轨迹信息可以清晰快速的分辨出事故的责任主体,而通过历史感知信息和事故车辆感知时刻可准确获取事故前中后的感知图片可以形成准确的证据图片,此外通过事故车辆的ID提取的车牌号码以及抓拍图片信息,可以快速通知事故车辆处罚结果以及驶离事故地点。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
本申请实施例还提供了一种用于实现上述所涉及的交通事故处理方法的交通事故处理***。该***所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个交通事故处理***实施例中的具体限定可以参见上文中对于交通事故处理方法的限定,在此不再赘述。
一个实施例中,交通事故处理***包括路延多源融合感知模块、路延车牌识别模块、信息筛选模块、身份信息绑定模块、路口多源融合感知模块、事故判断模块、取证模块、定责告知模块。
其中,路延多源融合感知模块,用于实现根据路延路侧多源融合感知***实时感知检测区域内的车辆,得到路延车辆感知信息。
路延车辆感知信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角、车辆感知图片、车辆车头与同车道前方车辆的车头距离和车辆车头与同车道后方车辆的车头距离。
路延车牌识别模块,用于实现根据路延车牌识别***实时识别检测区域内的车牌,在车辆到达抓拍区域时,得到车辆身份信息,车辆身份信息包括但不限于车辆的抓拍车牌号码、位置、抓拍时刻、车辆抓拍图片。
信息筛选模块,用于实现根据车辆身份信息的时刻筛选出最接近该时刻的路延车辆感知信息,形成路延车辆筛选感知信息。
身份信息绑定模块,用于实现根据车辆身份信息的位置、时刻和路延车辆筛选感知信息的位置、时刻和速度进行位置匹配,当满足预设关系,则完成车辆身份信息与路延车辆筛选感知信息的绑定,形成车辆感知身份信息,车辆感知身份信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、抓拍车牌号码、抓拍时刻和车辆抓拍图片。
路口多源融合感知模块,用于实现根据路口路侧多源融合感知***实时感知路口检测区域内的车辆,得到路口车辆感知信息,路口车辆感知信息包括但不限于车辆的ID、类别、位置、感知时刻、尺寸、速度信息、航向角和车辆感知图片。
事故判断模块,用于实现根据路口车辆感知信息的位置和尺寸,判断车辆是否出现接触,再根据车辆感知信息的速度是否为0,判定车辆是否出现追尾和剐蹭,形成事故车辆检测信息,事故车辆检测信息包括但不限于事故车辆ID集合、事故车辆感知时刻集合。
取证模块,用于实现根据事故车辆检测信息中的事故车辆ID集合的车辆ID,获取历史车辆路口感知信息,得到车辆历史路口运动轨迹,以及去遍历车辆感知身份信息,获取事故车辆的车牌号码和车辆抓拍图片,通过事故车辆检测信息的事故车辆感知时刻集合以及车辆历史路口运动轨迹选取碰撞前中后的车辆感知图片,最终形成路口事故取证信息,路口事故取证信息至少包括事故车辆历史路口运动轨迹集合、事故车辆车牌号码集合、事故车辆状态图片集合、事故前车辆感知图片、事故中车辆感知图片、事故后车辆感知图片。
定责告知模块,用于实现将路口事故取证信息上报给事故确认平台,平台通过播放事故车辆历史路口运动轨迹以及呈现事故车辆状态图片集合,可快速清晰的确认事故责任,并通过事故车辆车牌号码集合通知车主处理结果,快速离开现场。
本实施例中,在车辆进入路延时利用路侧多源融合感知***获取车辆感知信息,利用车牌识别***获取车辆的车牌信息,通过位置时间完成匹配,获取车辆的身份信息,并利用车辆的轨迹判断车辆是否发生碰撞,并通过速度来最终确定是否为追尾或剐蹭,然后通过事故车辆的ID提取车辆的历史轨迹信息,通过事故车辆的轨迹信息可以清晰快速的分辨出事故的责任主体,而通过历史感知信息和事故车辆感知时刻可准确获取事故前中后的感知图片可以形成准确的证据图片,此外通过事故车辆的ID提取的车牌号码以及抓拍图片信息,可以快速通知事故车辆处罚结果以及驶离事故地点。
上述交通事故处理***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本申请实施例还提供了一种用于实现上述所涉及的交通事故处理方法的交通事故处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个交通事故处理装置实施例中的具体限定可以参见上文中对于交通事故处理方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种交通事故处理装置900,包括:检测模块901、第一信息生成模块902、第二信息生成模块903和定责模块904,其中:
检测模块901,用于根据路口区域内各车辆的车辆感知信息,对各车辆进行交通事故检测;
第一信息生成模块902,用于若存在发生交通事故的事故车辆,则获取事故车辆的路口历史行驶轨迹,并根据事故车辆的路口历史行驶轨迹确定事故车辆发生事故前后的图片取证信息;
第二信息生成模块903,用于根据图片取证信息和事故车辆的身份信息,生成事故车辆的路口事故取证信息;
定责模块904,用于向事故确认平台发送路口事故取证信息,指示事故确认平台确定事故责任以及通知事故车辆的车主事故处理结果。
在一个实施例中,第一信息生成模块902包括:
第一获取单元,用于根据各车辆的车辆感知信息,获取事故车辆的事故车辆检测信息;事故车辆检测信息包括事故车辆的车辆ID和事故感知时刻;
第二获取单元,用于根据事故车辆的车辆ID,从感知信息库中获取事故车辆的历史感知信息;
第三获取单元,用于基于事故车辆的历史感知信息,获取事故车辆的路口历史行驶轨迹。
在一个实施例中,第一获取单元包括:
判断子单元,用于根据各车辆的车辆位置和车辆尺寸,判断各车辆之间是否存在互相接触的车辆;
确定子单元,用于若存在,且互相接触的车辆的行驶速度为0,则确定互相接触的车辆为出现交通事故的事故车辆;交通事故包括追尾和/或剐蹭;
形成子单元,用于根据事故车辆的车辆ID和事故感知时刻,形成事故车辆的事故车辆检测信息。
在一个实施例中,第一信息生成模块902包括:
确定单元,用于根据事故感知时刻,在事故车辆的路口历史行驶轨迹中,确定事故车辆在事故感知时刻的前中后的感知图片,得到事故车辆发生事故前后的图片取证信息。
在一个实施例中,第二信息生成模块903包括:
得到单元,用于根据事故车辆的车辆ID,从参考车辆感知身份信息中获取事故车辆的车牌号码和车辆抓拍图片,得到事故车辆的身份信息;参考车辆感知身份信息为在路口入口检测区域生成的进入路口的所有车辆的身份信息;
形成单元,用于根据事故车辆的路口历史行驶轨迹、事故车辆的图片取证信息和事故车辆的身份信息,形成事故车辆的路口事故取证信息。
在一个实施例中,该装置900包括:
获取模块,用于获取路口入口检测区域内各初始车辆的车辆身份信息和各初始车辆的路延车辆感知信息;车辆身份信息为通过路延车牌识别***识别获得的,路延车辆感知信息为通过路延感知设备感知获得;车辆身份信息包括和第一时刻;
筛选模块,用于根据第一时刻,筛选出与第一时刻之间的时间间隔最小的路延车辆感知信息,得到各初始车辆的路延车辆筛选感知信息;
绑定模块,用于根据各初始车辆的车辆身份信息和各初始车辆的路延车辆筛选感知信息,对位置匹配成功的初始车辆的车辆身份信息和路延车辆筛选感知信息进行绑定,得到参考车辆感知身份信息。
在一个实施例中,该装置900还包括:
距离换算模块,用于根据第二车辆入口断面距离、第一时刻、第二时刻和车辆速度,确定车辆入口断面距离换算值;车辆入口断面距离换算值表示基于第二车辆入口断面距离换算的与第一车辆入口断面距离相同时刻的车辆入口断面距离;
判定模块,用于若第一车辆入口断面距离与车辆入口断面距离换算值之间的误差小于纵向距离阈值,且第一车辆路边界距离与第二车辆路边界距离之间的误差小于预设路边界阈值,则确定对应的初始车辆匹配成功;其中,纵向距离阈值为基于当前车辆与同车道前后方车辆的车头距离确定的。
在一个实施例中,事故责任为事故确认平台通过路口事故取证信息播放事故车辆历史路口运动轨迹,根据事故车辆历史路口运动轨迹呈现的事故车辆状态图片确认的;且事故确认平台是通过事故车辆的身份信息向事故车辆的车主通知的事故处理结果。
上述交通事故处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,如图10所示,该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种交通事故处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,上述计算机设备的结构描述仅仅是与本申请方案相关的部分结构,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
本实施例中处理器实现的各步骤,其实现原理和技术效果与上述交通事故处理方法的原理类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本实施例中计算机程序被处理器执行时实现的各步骤,其实现原理和技术效果与上述交通事故处理方法的原理类似,在此不再赘述。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本实施例中计算机程序被处理器执行时实现的各步骤,其实现原理和技术效果与上述交通事故处理方法的原理类似,在此不再赘述。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种交通事故处理方法,其特征在于,所述方法包括:
根据路口区域内各车辆的车辆感知信息,对所述各车辆进行交通事故检测;所述车辆感知信息是通过安装在路口的路侧多源融合感知***感知得到的;所述车辆感知信息包括车辆ID;
若存在发生交通事故的事故车辆,则获取所述事故车辆的路口历史行驶轨迹,并根据所述事故车辆的路口历史行驶轨迹确定所述事故车辆发生事故前后的图片取证信息;
根据所述事故车辆的车辆ID,从参考车辆感知身份信息中获取所述事故车辆的车牌号码和车辆抓拍图片,得到所述事故车辆的身份信息;所述参考车辆感知身份信息为在路口入口检测区域生成的进入所述路口的所有车辆的身份信息;
根据所述事故车辆的路口历史行驶轨迹、所述事故车辆的图片取证信息和所述事故车辆的身份信息,形成所述事故车辆的路口事故取证信息;
向事故确认平台发送所述路口事故取证信息,指示所述事故确认平台确定事故责任以及通知所述事故车辆的车主事故处理结果;
所述参考车辆感知身份信息的生成过程包括:
获取所述路口入口检测区域内各初始车辆的车辆身份信息和各初始车辆的路延车辆感知信息;所述车辆身份信息为通过路延车牌识别***识别获得的,所述路延车辆感知信息为通过路延感知设备感知获得;所述车辆身份信息包括第一时刻;
根据所述第一时刻,筛选出与所述第一时刻之间的时间间隔最小的路延车辆感知信息,得到各初始车辆的路延车辆筛选感知信息;
根据所述各初始车辆的车辆身份信息和所述各初始车辆的路延车辆筛选感知信息,对位置匹配成功的初始车辆的车辆身份信息和路延车辆筛选感知信息进行绑定,得到所述参考车辆感知身份信息。
2.根据权利要求1所述的方法,其特征在于,所述获取所述事故车辆的路口历史行驶轨迹,包括:
根据所述各车辆的车辆感知信息,获取所述事故车辆的事故车辆检测信息;所述事故车辆检测信息包括事故车辆的车辆ID和事故感知时刻;
根据所述事故车辆的车辆ID,从感知信息库中获取所述事故车辆的历史感知信息;
基于所述事故车辆的历史感知信息,获取所述事故车辆的路口历史行驶轨迹。
3.根据权利要求2所述的方法,其特征在于,所述车辆感知信息中包括车辆位置、车辆尺寸和行驶速度;
所述根据所述各车辆的车辆感知信息,获取所述事故车辆的事故车辆检测信息,包括:
根据所述各车辆的车辆位置和车辆尺寸,判断各车辆之间是否存在互相接触的车辆;
若存在,且互相接触的车辆的行驶速度为0,则确定所述互相接触的车辆为出现交通事故的事故车辆;所述交通事故包括追尾和/或剐蹭;
根据所述事故车辆的车辆ID和事故感知时刻,形成所述事故车辆的事故车辆检测信息。
4.根据权利要求2所述的方法,其特征在于,所述根据所述事故车辆的路口历史行驶轨迹确定所述事故车辆发生事故前后的图片取证信息,包括:
根据所述事故感知时刻,在所述事故车辆的路口历史行驶轨迹中,确定所述事故车辆在所述事故感知时刻的前中后的感知图片,得到所述事故车辆发生事故前后的图片取证信息。
5.根据权利要求1所述的方法,其特征在于,所述车辆身份信息还包括第一车辆入口断面距离、第一车辆路边界距离;所述路延车辆筛选感知信息包括第二车辆入口断面距离、第二车辆路边界距离、第二时刻、车辆速度;
则所述方法还包括:
根据所述第二车辆入口断面距离、所述第一时刻、所述第二时刻和所述车辆速度,确定车辆入口断面距离换算值;所述车辆入口断面距离换算值表示基于所述第二车辆入口断面距离换算的与所述第一车辆入口断面距离相同时刻的车辆入口断面距离;
若所述第一车辆入口断面距离与所述车辆入口断面距离换算值之间的误差小于纵向距离阈值,且所述第一车辆路边界距离与所述第二车辆路边界距离之间的误差小于预设路边界阈值,则确定对应的初始车辆匹配成功;
其中,所述纵向距离阈值为基于当前车辆与同车道前后方车辆的车头距离确定的。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述事故责任为所述事故确认平台通过所述路口事故取证信息播放所述事故车辆历史路口运动轨迹,根据所述事故车辆历史路口运动轨迹呈现的事故车辆状态图片确认的;
且所述事故确认平台是通过所述事故车辆的身份信息向所述事故车辆的车主通知的事故处理结果。
7.一种交通事故处理装置,其特征在于,所述装置包括:
检测模块,用于根据路口区域内各车辆的车辆感知信息,对所述各车辆进行交通事故检测;所述车辆感知信息是通过安装在路口的路侧多源融合感知***感知得到的;所述车辆感知信息包括车辆ID;
第一信息生成模块,用于若存在发生交通事故的事故车辆,则获取所述事故车辆的路口历史行驶轨迹,并根据所述事故车辆的路口历史行驶轨迹确定所述事故车辆发生事故前后的图片取证信息;
第二信息生成模块,用于根据所述事故车辆的车辆ID,从参考车辆感知身份信息中获取所述事故车辆的车牌号码和车辆抓拍图片,得到所述事故车辆的身份信息;所述参考车辆感知身份信息为在路口入口检测区域生成的进入所述路口的所有车辆的身份信息;根据所述事故车辆的路口历史行驶轨迹、所述事故车辆的图片取证信息和所述事故车辆的身份信息,形成所述事故车辆的路口事故取证信息;
定责模块,用于向事故确认平台发送所述路口事故取证信息,指示所述事故确认平台确定事故责任以及通知所述事故车辆的车主事故处理结果;
获取模块,用于获取所述路口入口检测区域内各初始车辆的车辆身份信息和各初始车辆的路延车辆感知信息;所述车辆身份信息为通过路延车牌识别***识别获得的,所述路延车辆感知信息为通过路延感知设备感知获得;所述车辆身份信息包括第一时刻;
筛选模块,用于根据所述第一时刻,筛选出与所述第一时刻之间的时间间隔最小的路延车辆感知信息,得到各初始车辆的路延车辆筛选感知信息;
绑定模块,用于根据所述各初始车辆的车辆身份信息和所述各初始车辆的路延车辆筛选感知信息,对位置匹配成功的初始车辆的车辆身份信息和路延车辆筛选感知信息进行绑定,得到所述参考车辆感知身份信息。
8.根据权利要求7所述的装置,其特征在于,所述第一信息生成模块,包括:
第一获取单元,用于根据所述各车辆的车辆感知信息,获取所述事故车辆的事故车辆检测信息;所述事故车辆检测信息包括事故车辆的车辆ID和事故感知时刻;
第二获取单元,用于根据所述事故车辆的车辆ID,从感知信息库中获取所述事故车辆的历史感知信息;
第三获取单元,用于基于所述事故车辆的历史感知信息,获取所述事故车辆的路口历史行驶轨迹。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210320453.7A CN114743373B (zh) | 2022-03-29 | 2022-03-29 | 交通事故处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210320453.7A CN114743373B (zh) | 2022-03-29 | 2022-03-29 | 交通事故处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114743373A CN114743373A (zh) | 2022-07-12 |
CN114743373B true CN114743373B (zh) | 2023-10-13 |
Family
ID=82277036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210320453.7A Active CN114743373B (zh) | 2022-03-29 | 2022-03-29 | 交通事故处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114743373B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544744A (zh) * | 2013-11-08 | 2014-01-29 | 东莞市艾炜特电子有限公司 | 一种基于云端控制的行车记录仪***及记录方法 |
JP2015225366A (ja) * | 2014-05-26 | 2015-12-14 | 株式会社リコー | 事故防止システム、事故防止装置、事故防止方法 |
CN106525033A (zh) * | 2016-09-22 | 2017-03-22 | 深圳市元征科技股份有限公司 | 一种行车轨迹的确定方法及其装置 |
CN107545612A (zh) * | 2016-06-23 | 2018-01-05 | 戚艳红 | 一种行车记录仪的录影启动方法和录影启动*** |
CN107945526A (zh) * | 2017-12-22 | 2018-04-20 | 成都航空职业技术学院 | 一种交通事故快***的方法 |
WO2020124950A1 (zh) * | 2018-12-17 | 2020-06-25 | 江苏云巅电子科技有限公司 | 基于高精度室内定位技术的停车场交通事故溯源***和方法 |
CN111651664A (zh) * | 2020-04-24 | 2020-09-11 | 北京中交兴路车联网科技有限公司 | 一种基于事故位置点的事故车辆定位方法、装置、存储介质及终端 |
CN213518656U (zh) * | 2020-10-19 | 2021-06-22 | 深圳市中诺通讯有限公司 | 一种基于5g通信的交通事故数据采集*** |
CN113128294A (zh) * | 2019-12-31 | 2021-07-16 | 深圳云天励飞技术有限公司 | 一种道路事件取证方法、装置、电子设备及存储介质 |
CN113674523A (zh) * | 2020-05-14 | 2021-11-19 | 华为技术有限公司 | 交通事故分析方法、装置及设备 |
-
2022
- 2022-03-29 CN CN202210320453.7A patent/CN114743373B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544744A (zh) * | 2013-11-08 | 2014-01-29 | 东莞市艾炜特电子有限公司 | 一种基于云端控制的行车记录仪***及记录方法 |
JP2015225366A (ja) * | 2014-05-26 | 2015-12-14 | 株式会社リコー | 事故防止システム、事故防止装置、事故防止方法 |
CN107545612A (zh) * | 2016-06-23 | 2018-01-05 | 戚艳红 | 一种行车记录仪的录影启动方法和录影启动*** |
CN106525033A (zh) * | 2016-09-22 | 2017-03-22 | 深圳市元征科技股份有限公司 | 一种行车轨迹的确定方法及其装置 |
CN107945526A (zh) * | 2017-12-22 | 2018-04-20 | 成都航空职业技术学院 | 一种交通事故快***的方法 |
WO2020124950A1 (zh) * | 2018-12-17 | 2020-06-25 | 江苏云巅电子科技有限公司 | 基于高精度室内定位技术的停车场交通事故溯源***和方法 |
CN113128294A (zh) * | 2019-12-31 | 2021-07-16 | 深圳云天励飞技术有限公司 | 一种道路事件取证方法、装置、电子设备及存储介质 |
CN111651664A (zh) * | 2020-04-24 | 2020-09-11 | 北京中交兴路车联网科技有限公司 | 一种基于事故位置点的事故车辆定位方法、装置、存储介质及终端 |
CN113674523A (zh) * | 2020-05-14 | 2021-11-19 | 华为技术有限公司 | 交通事故分析方法、装置及设备 |
CN213518656U (zh) * | 2020-10-19 | 2021-06-22 | 深圳市中诺通讯有限公司 | 一种基于5g通信的交通事故数据采集*** |
Also Published As
Publication number | Publication date |
---|---|
CN114743373A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10769456B2 (en) | Systems and methods for near-crash determination | |
US10896122B2 (en) | Using divergence to conduct log-based simulations | |
JP7040374B2 (ja) | 物体検出装置、車両制御システム、物体検出方法及び物体検出用コンピュータプログラム | |
US11282388B2 (en) | Edge-assisted alert system | |
US20240046653A1 (en) | Identifying suspicious entities using autonomous vehicles | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN107450529A (zh) | 用于自动驾驶车辆的改进的物体检测 | |
CN106256644A (zh) | 使用视觉提示、静止对象和gps在十字路口中的车辆定位 | |
US20210403001A1 (en) | Systems and methods for generating lane data using vehicle trajectory sampling | |
Zyner et al. | ACFR five roundabouts dataset: Naturalistic driving at unsignalized intersections | |
Watta et al. | Vehicle position and context detection using V2V communication | |
CN114724366B (zh) | 辅助驾驶方法、装置、设备和存储介质 | |
CN114724364B (zh) | 车辆管控方法、装置、设备、存储介质和程序产品 | |
JP7285799B2 (ja) | 事故分析装置、事故分析方法及びプログラム | |
CN115705693A (zh) | 用于传感器数据的标注的方法、***和存储介质 | |
JP2023171455A (ja) | 経路予測装置、それを備えた車載装置、経路予測システム、経路予測方法、及びコンピュータプログラム | |
CN114333339B (zh) | 深度神经网络功能模块去重复的方法 | |
JP2018124911A (ja) | 車両制御装置、車両制御方法、および車両制御プログラム | |
CN114743373B (zh) | 交通事故处理方法、装置、设备和存储介质 | |
RU2770145C1 (ru) | Устройство и система регистрации объектов в области автодороги | |
JP2022139009A (ja) | 運転支援装置、運転支援方法及びプログラム | |
Jazayeri | Predicting Vehicle Trajectories at Intersections Using Advanced Machine Learning Techniques | |
CN111754781A (zh) | 一种车辆违章检测的方法、装置、***及摄像机 | |
CN114724363B (zh) | 车辆管控方法、装置、设备、存储介质和程序产品 | |
Aradhya et al. | Real Time Vehicle Tracking, Information Retrieval and Motion Analysis using Machine Learning |
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 |