CN117094474B - 一种基于全息感知的智慧隧道风险感知方法、设备及介质 - Google Patents
一种基于全息感知的智慧隧道风险感知方法、设备及介质 Download PDFInfo
- Publication number
- CN117094474B CN117094474B CN202311344994.4A CN202311344994A CN117094474B CN 117094474 B CN117094474 B CN 117094474B CN 202311344994 A CN202311344994 A CN 202311344994A CN 117094474 B CN117094474 B CN 117094474B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- vehicle
- running
- risk
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 230000008447 perception Effects 0.000 title claims description 40
- 230000008569 process Effects 0.000 claims abstract description 47
- 238000012502 risk assessment Methods 0.000 claims abstract description 31
- 230000003993 interaction Effects 0.000 claims abstract description 28
- 230000000875 corresponding effect Effects 0.000 claims description 97
- 230000008859 change Effects 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 6
- 230000002441 reversible effect Effects 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000383 hazardous chemical Substances 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000011166 aliquoting Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例公开了一种基于全息感知的智慧隧道风险感知方法、设备及介质,涉及智慧隧道技术领域,方法包括:通过全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据;对隧道内的车辆进行运行风险分析,确定每个运行车辆在隧道的运行过程中运行风险的运行风险演化信息,运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;对隧道进行隧道质量风险分析,确定隧道的隧道质量风险演化信息,隧道质量风险包括路面打滑风险和隧道火灾风险;基于运行风险演化信息、隧道质量风险演化信息和预先构建的隧道对应的隧道数字孪生模型,对隧道安全风险进行感知。
Description
技术领域
本说明书涉及智慧隧道技术领域,尤其涉及一种基于全息感知的智慧隧道风险感知方法、设备及介质。
背景技术
随着经济的快速发展和出行需求的骤增,公路隧道建设日新月异。公路隧道为半封闭环境,并且施工过程和隧道设备繁杂,与普通道路相比,隧道安全风险骤增。为了保证公路隧道的行车安全,打造安全的隧道行车环境,需要对公路隧道进行全方位感知,便于隧道的精细化运营管理。全息感知技术由于其全息立体感知的特性,在公路隧道信息化建设的过程中发挥着重要作用,建立全息、泛在、多维的融合感知体系,实现隧道的精细化运营管理,将是新型基础设施建设发展的主要趋势之一。
事物处于不断地发展变化中,与隧道安全风险相关的表现形式也在不断的发生变化,新的隧道安全风险耦合因素随着事物发展过程还会不断出现。目前,在隧道内的交通安全风险识别阶段,主要通过视频监测与智能识别对每个车辆主体进行识别,识别维度单一,缺乏对隧道内车辆时间运行连续性的分析和车辆之间的空间运行连续性的分析。此外,隧道质量风险受到隧道内行驶车辆的影响,也在不断发生变化。因此,目前隧道交通安全风险的感知过程,识别维度单一,未考虑隧道质量风险,且缺少对交通安全风险的持续监控,导致隧道安全风险识别缺失连续性,无法满足隧道交通安全风险的识别要求。
发明内容
本说明书一个或多个实施例提供了一种基于全息感知的智慧隧道风险感知方法、设备及介质,用于解决如下技术问题:目前隧道交通安全风险的感知过程,识别维度单一,未考虑隧道质量风险,且缺少对交通安全风险的持续监控,导致隧道安全风险识别缺失连续性,无法满足隧道交通安全风险的识别要求。
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供一种基于全息感知的智慧隧道风险感知方法,所述方法包括:通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据,其中,所述实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,所述实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据;根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,其中,所述运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;通过所述实时车辆数据中的车辆实时热感图像数据和所述实时隧道数据中的多个传感器环境数据,对所述隧道进行隧道质量风险分析,确定所述隧道的隧道质量风险演化信息,其中,所述隧道质量风险包括路面打滑风险和隧道火灾风险;基于所述运行风险演化信息、所述隧道质量风险演化信息和预先构建的所述隧道对应的隧道数字孪生模型,对所述隧道安全风险进行感知。
进一步地,根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,具体包括:确定所述车辆运行视频数据中的多帧车辆运行图像,提取每帧所述车辆运行图像中的车辆特征,确定当前时刻下每个车辆的车辆属性信息和车辆运行信息,其中,所述车辆属性信息包括车辆类型和车辆尺寸属性,所述车辆运行信息包括当前车辆速度和当前车辆位置数据;根据每个所述车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,其中,所述相邻车辆包括同车道相邻车辆和异车道相邻车辆;通过所述指定车辆的当前车辆速度、每个所述至少一个相邻车辆的相邻车辆速度以及预先获取的隧道限制速度,确定当前时刻下所述指定车辆的相邻车辆运行风险指标,其中,所述相邻车辆运行风险指标包括追尾风险指标和变道风险指标;根据所述指定车辆的在多个时刻下的车辆运行信息和所述车辆属性信息中的车辆类型,按照多个运行维度对所述指定车辆进行分析,生成所述指定车辆的单一车辆运行风险指标,其中,所述运行维度包括超速维度、逆行维度、危化品车辆维度;获取所述指定隧道位置内的雷达波数据,以确定所述指定车辆在每个所述指定隧道位置处,所述指定车辆与设置在每个所述指定隧道位置处指定隧道设施的相对位置数据,其中,所述指定隧道位置包括隧道内各个隧道设施位置;通过所述指定车辆的车辆尺寸属性、所述指定车辆在每个时刻下的当前运行速度和多个所述相对位置数据,确定所述指定车辆与所述隧道设施的车物交互风险指标;根据预先获取的所述隧道对应的多个风险指标权重,对所述指定车辆在当前时刻下的所述相邻车辆运行风险指标、所述单一车辆运行风险指标和所述车物交互风险指标,进行加权求和后取均值,得到所述指定车辆在当前时刻下的运行风险指标;根据所述指定车辆在每个时刻下的多个所述运行风险指标,得到所述指定车辆在所述隧道的运行过程中运行风险演化信息。
进一步地,根据每个所述车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,具体包括:获取所述隧道的隧道分布数据,其中,所述隧道分布数据包括隧道车道信息和隧道位置信息;按照所述隧道分布数据中的隧道车道信息和所述隧道位置信息,将所述隧道等分为多个隧道网格,并确定每个所述隧道网格对应的实际隧道位置,其中,所述网格尺寸与与预先获取的通行车辆的车辆理论尺寸相关;确定所述指定车辆的当前车辆位置数据对应的至少一个当前隧道网格;当所述指定车辆对应一个当前隧道网格时,以所述当前隧道网格为中心,确定查找区域,其中,所述查找区域内包括多个查找隧道网格,且每个所述查找隧道网格均与所述当前隧道网格相邻;当所述指定车辆对应多个当前隧道网格时,分别以每个所述当前隧道网格为中心,确定每个所述当前隧道网格对应的当前查找区域,将多个所述当前查找区域进行合并,确定查找区域;在所述查找区域对应的多个查找隧道网格中,根据所述当前隧道网格进行网格筛选,得到实际隧道查找区域,其中,所述实际隧道查找区域中的多个实际查找隧道网格均位于所述当前隧道网格的指定方向处,其中所述指定方向为隧道内车辆行驶方向;根据每个所述车辆的当前位置数据和每个所述隧道网格对应的实际隧道位置,在所述实际隧道查找区域对应的多个所述实际查找隧道网格中进行定位,确定位于指定实际查找隧道网格的车辆作为相邻车辆。
进一步地,通过所述指定车辆的当前车辆速度、每个所述至少一个相邻车辆的相邻车辆速度以及预先获取的隧道限制速度,确定当前时刻下所述指定车辆的相邻车辆运行风险指标,具体包括:确定所述相邻车辆中的同车道相邻车辆和异车道相邻车辆,以获取所述同车道相邻车辆的同车道相邻运行速度和同车道相邻位置数据;通过所述同车道相邻位置数据和所述指定车辆的当前位置数据,确定当前运行间距,以根据所述当前运行间距和所述同车道相邻运行速度,确定理论跟车速度;当所述理论跟车速度不高于所述隧道限制速度时,根据所述理论跟车速度和所述当前车辆速度,确定所述指定车辆的追尾风险指标,其中,所述追尾风险指标与追尾风险为正相关;当所述理论跟车速度高于所述隧道限制速度时,根据所述隧道限制速度和所述当前车辆速度,确定所述指定车辆的追尾风险指标;获取当前时刻对应每个所述异车道相邻车辆的当前异车道相邻运行速度和当前异车道相邻位置数据,以及当前时刻对应的多个历史时刻下,所述指定车辆的历史位置数据;基于多个所述历史位置数据和当前异车道相邻位置数据,确定所述指定车辆的位置偏移量,当所述位置偏移量大于预设偏移阈值时,基于所述指定车辆的当前位置数据和所述当前异车道相邻位置数据,确定理论位移长度;根据所述理论位移长度、所述指定车辆的当前车辆速度和所述当前异车道相邻运行速度,确定理论碰撞速度阈值;通过所述理论碰撞速度阈值和所述当前车辆速度,确定所述指定车辆的变道风险指标,其中,所述变道风险指标与变道碰撞风险为正相关;基于所述指定车辆的追尾风险指标和所述指定车辆的变道风险指标,确定当前时刻下所述指定车辆的相邻车辆运行风险指标。
进一步地,根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息之前,所述方法还包括:获取所述隧道的指定时间周期内的多个历史交通事件,确定所述历史交通事件的事件属性,其中,所述事件属性包括单一车辆交通事件、多车辆交通事件和车物交互交通事件;统计每种事件属性的历史交通事件发生次数和所述历史交通事件的事件总次数;基于每种事件属性对应的历史交通事件发生次数和所述事件总次数,生成每种事件属性对应的事件发生比例,以通过所述事件发生比例,确定每种事件属性对应的客观事件属性权重;使用层次分析法,根据预先获取的实际调研数据,对每种事件属性设置主观事件属性权重;根据每种事件属性对应的客观事件属性权重和每种事件属性对应的主观事件属性权重,确定每种所述事件属性对应的运行风险的风险指标权重。
进一步地,通过所述实时车辆数据中的车辆实时热感图像数据和所述实时隧道数据中的多个传感器环境数据,对所述隧道进行隧道质量风险分析,确定所述隧道的隧道质量风险演化信息,具体包括:通过所述实时车辆数据中的车辆实时热感图像数据,获取每个车辆的当前运行温度;通过所述实时隧道数据中的多个传感器环境数据,获取所述隧道内各个位置处的隧道温度数据和隧道湿度数据;根据每个车辆的所述当前运行温度和所述各个位置处的隧道温度数据,确定当前时刻下所述隧道内的火灾风险指标;根据所述隧道湿度数据和预先设置的湿度阈值,确定当前时刻下所述隧道内的路面打滑风险指标;基于所述当前时刻下所述隧道内的火灾风险指标和所述当前时刻下所述隧道内的路面打滑风险指标,确定所述当前时刻下所述隧道的隧道质量风险指标,以确定所述隧道的隧道质量风险演化信息。
进一步地,根据每个车辆的所述当前运行温度和所述各个位置处的隧道温度数据,确定当前时刻下所述隧道内的火灾风险指标,具体包括:确定所述隧道内的多个隧道车辆的当前运行温度;基于所述各个位置处的隧道温度数据,将所述隧道分为多个隧道区域,并确定每个所述隧道区域的区域温度数据,其中,每个隧道区域内的隧道温度相同;获取每个隧道区域内的至少一个隧道车辆的当前运行温度,基于所述至少一个隧道车辆的当前运行温度和所述区域温度数据,确定每个隧道区域内的叠加区域温度;根据每个所述隧道区域内的叠加区域温度和预设的火灾温度阈值,确定每个隧道区域的区域火灾风险指标;根据每个所述隧道区域的区域火灾风险指标,在多个区域火灾风险指标中确定区域火灾风险指标最大值,作为当前时刻下所述隧道内的火灾风险指标。
进一步地,基于所述运行风险演化信息、所述隧道质量风险演化信息和预先构建的所述隧道对应的隧道数字孪生模型,对所述隧道安全风险进行感知,具体包括:构建所述隧道对应的隧道数字孪生模型;将每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,在所述隧道数字孪生模型中与所述运行车辆进行跟踪展示,以实现对所述运行车辆的运行风险的实时感知;将所述隧道的隧道质量风险演化信息,在所述隧道数字孪生模型中与对应的隧道区域进行跟踪展示,以实现对所述隧道的隧道质量风险的实时感知。
本说明书一个或多个实施例提供一种基于全息感知的智慧隧道风险感知设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据,其中,所述实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,所述实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据;根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,其中,所述运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;通过所述实时车辆数据中的车辆实时热感图像数据和所述实时隧道数据中的多个传感器环境数据,对所述隧道进行隧道质量风险分析,确定所述隧道的隧道质量风险演化信息,其中,所述隧道质量风险包括路面打滑风险和隧道火灾风险;基于所述运行风险演化信息、所述隧道质量风险演化信息和预先构建的所述隧道对应的隧道数字孪生模型,对所述隧道安全风险进行感知。
本说明书一个或多个实施例提供的一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据,其中,所述实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,所述实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据;根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,其中,所述运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;通过所述实时车辆数据中的车辆实时热感图像数据和所述实时隧道数据中的多个传感器环境数据,对所述隧道进行隧道质量风险分析,确定所述隧道的隧道质量风险演化信息,其中,所述隧道质量风险包括路面打滑风险和隧道火灾风险;基于所述运行风险演化信息、所述隧道质量风险演化信息和预先构建的所述隧道对应的隧道数字孪生模型,对所述隧道安全风险进行感知。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:通过上述技术方案,通过全息数据采集,采集隧道内各种状态下的运行数据和环境数据,实现对隧道内的隧道车辆、隧道环境的全息监测;考虑了隧道内单一车辆的随时间变化产生的单一车辆运行风险,又考虑了隧道内多个车辆的空间变化产生的相邻车辆运行风险,还考虑了隧道内车辆与隧道固定设施之间的车物交互风险,行车安全风险感知角度全面,保证了时间连续性和空间连续性,提高了风险感知能力和风险感知准确度;考虑了特殊场景下隧道质量受不同时间、不同空间中运行车辆的影响,保证了隧道质量风险感知的全面性,进一步保证了隧道质量风险感知的时间连续性和空间连续性;此外,将运行风险演化信息在隧道数字孪生模型中运行车辆进行跟踪展示,实现对不同时刻下多个运行车辆的运行风险的实时感知,在数据孪生模型中将隧道质量风险与对应的隧道区域进行跟踪展示,以实现对该隧道不同区域内的隧道质量风险的实时感知,以运行风险的角度和隧道质量风险的角度,保证了隧道风险感知的全面性,进一步保证了隧道风险感知的时间连续性和空间连续性,满足隧道交通安全风险的识别需求。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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说明书中记载的一些实施例,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,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书实施例提供的一种基于全息感知的智慧隧道风险感知方法的流程示意图;
图2为本说明书实施例提供的一种隧道网格划分示意图;
图3为本说明书实施例提供的一种基于全息感知的智慧隧道风险感知设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
随着经济的快速发展和出行需求的骤增,公路隧道建设日新月异。公路隧道为半封闭环境,并且施工过程和隧道设备繁杂,与普通道路相比,隧道安全风险骤增。为了保证公路隧道的行车安全,打造安全的隧道行车环境,需要对公路隧道进行全方位感知,便于隧道的精细化运营管理。全息感知技术由于其全息立体感知的特性,在公路隧道信息化建设的过程中发挥着重要作用,建立全息、泛在、多维的融合感知体系,实现隧道的精细化运营管理,将是新型基础设施建设发展的主要趋势之一。
事物处于不断地发展变化中,与隧道安全风险相关的表现形式也在不断的发生变化,新的隧道安全风险耦合因素随着事物发展过程还会不断出现。目前,在隧道内的交通安全风险识别阶段,主要通过视频监测与智能识别对每个车辆主体进行识别,识别维度单一,缺乏对隧道内车辆时间运行连续性的分析和车辆之间的空间运行连续性的分析。此外,隧道质量风险受到隧道内行驶车辆的影响,也在不断发生变化。因此,目前隧道交通安全风险的感知过程,识别维度单一,未考虑隧道质量风险,且缺少对交通安全风险的持续监控,导致隧道安全风险识别缺失连续性,无法满足隧道交通安全风险的识别要求。
本说明书实施例提供一种基于全息感知的智慧隧道风险感知方法,需要说明的是,本说明书实施例中的执行主体可以是服务器,也可以是任意一种具备数据处理能力的设备。图1为本说明书实施例提供的一种基于全息感知的智慧隧道风险感知方法的流程示意图,如图1所示,主要包括如下步骤:
步骤S101,通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据。
其中,该实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,该实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据。
在本说明书的一个实施例中,在隧道的不同位置处设置全息数据采集装置,其中,全息数据采集装置包括图像采集装置、雷达波数据采集装置、热成像数据采集装置以及多种类型的环境传感器,例如,通过雷达、可见光视频、热成像等多类传感器,实时采集隧道内的车辆运行视频数据、车辆实时热感图像数据、多个传感器环境数据和指定隧道位置内的雷达波数据,此处的全息数据采集装置可以是雷视一体机、双光谱热成像智能相机等全息感知手段。由于雷达波数据可精准获得对象的距离等信息,主要通过天线向外发射毫米波,接收目标反射信号,信号处理后快速准确地获取隧道周围的物理环境信息,如与其他物体之间的相对距离等,因此在隧道内的各类运行设施处设置雷达波数据采集装置,以获取车辆与运行设施之间的位置,此处的隧道设施包括隧道内的照明设施、隧道内的排风设施、隧道内的路沿石等位置。通过全息数据采集装置可以采集隧道内各种状态下的运行数据和环境数据,实现对隧道内的隧道车辆、隧道环境的全息监测。
步骤S102,根据实时车辆数据中的车辆运行视频数据和指定隧道位置内的雷达波数据,对隧道内的车辆进行运行风险分析,确定每个运行车辆在该隧道的运行过程中运行风险的运行风险演化信息。
在本说明书的一个实施例中,根据实时车辆数据中的车辆运行视频数据和指定隧道位置内的雷达波数据,对隧道内的车辆进行运行风险分析,确定每个运行车辆在该隧道的运行过程中运行风险的运行风险演化信息,此处的运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险。在车辆运行过程中,车辆本身由于驾驶操作容易存在逆行、超速等交通事件,此类交通事件均对行车安全存在一定影响,因此考虑了运行车辆在隧道的运行过程中车辆运行本身存在的风险;车辆在不断运行过程中,与相邻车辆的空间位置发生着变化,考虑了相邻车辆运行风险,此外,由于隧道的特殊性,与常规道路相比存在较多的隧道设施,考虑了车辆与隧道内不动物体的车物交互风险。因此,综合考虑单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险,满足行车风险随空间和时间的变化规律,对空间风险和时间风险进行感知,保证了风险感知在时间维度和空间维度上的感知连续性。
根据该实时车辆数据中的车辆运行视频数据和该指定隧道位置内的雷达波数据,对该隧道内的车辆进行运行风险分析,确定每个运行车辆在该隧道的运行过程中运行风险的运行风险演化信息,具体包括:确定该车辆运行视频数据中的多帧车辆运行图像,提取每帧该车辆运行图像中的车辆特征,确定当前时刻下每个车辆的车辆属性信息和车辆运行信息,其中,该车辆属性信息包括车辆类型和车辆尺寸属性,该车辆运行信息包括当前车辆速度和当前车辆位置数据;根据每个该车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,其中,该相邻车辆包括同车道相邻车辆和异车道相邻车辆;通过该指定车辆的当前车辆速度、每个该至少一个相邻车辆的相邻车辆速度以及预先获取的隧道限制速度,确定当前时刻下该指定车辆的相邻车辆运行风险指标,其中,该相邻车辆运行风险指标包括追尾风险指标和变道风险指标;根据该指定车辆的在多个时刻下的车辆运行信息和该车辆属性信息中的车辆类型,按照多个运行维度对该指定车辆进行分析,生成该指定车辆的单一车辆运行风险指标,其中,该运行维度包括超速维度、逆行维度、危化品车辆维度;获取该指定隧道位置内的雷达波数据,以确定该指定车辆在每个该指定隧道位置处,该指定车辆与设置在每个该指定隧道位置处指定隧道设施的相对位置数据,其中,该指定隧道位置包括隧道内各个隧道设施位置;通过该指定车辆的车辆尺寸属性、该指定车辆在每个时刻下的当前运行速度和多个该相对位置数据,确定该指定车辆与该隧道设施的车物交互风险指标;根据预先获取的该隧道对应的多个风险指标权重,对该指定车辆在当前时刻下的该相邻车辆运行风险指标、该单一车辆运行风险指标和该车物交互风险指标,进行加权求和后取均值,得到该指定车辆在当前时刻下的运行风险指标;根据该指定车辆在每个时刻下的多个该运行风险指标,得到该指定车辆在该隧道的运行过程中运行风险演化信息。
在本说明书的一个实施例中,车辆运行视频数据为实时更新的隧道内车辆的运行数据,也就是说,在隧道的固定位置处设置多个图像采集装置,采集不同时刻下隧道内的车辆运行数据。将车辆运行视频数据按照视频帧进行处理,确定车辆运行视频数据中的多帧车辆运行图像,使用车辆特征提取技术,提取每帧该车辆运行图像中的至少一个运行车辆的车辆特征,确定当前时刻下每个车辆的车辆属性信息和车辆运行信息,此处的车辆属性信息包括车辆类型和车辆尺寸属性,该车辆运行信息包括当前车辆速度和当前车辆位置数据。需要说明的是,车辆类型用于表示车辆的归属类型,例如轿车、客车、货车以及是否属于危化品车辆,不同类型的车辆其对应的安全形式速度以及行驶车道存在一定的差异。
以指定车辆作为描述对象进行说明,若指定车辆在当前时刻下不存在相邻的运行车辆,则指定车辆的相邻车辆运行风险指标为0;相应地,在多个运行车辆中,若指定车辆均对应至少一个相邻车辆,则指定车辆存在相邻车辆运行风险,需要对指定车辆的相邻车辆运行风险指标进行量化,相邻车辆包括同车道相邻车辆和异车道相邻车辆。则通过指定车辆的当前车辆速度、每个至少一个相邻车辆的相邻车辆速度以及预先获取的隧道限制速度,确定当前时刻下该指定车辆的相邻车辆运行风险指标,相邻车辆运行风险指标包括追尾风险指标和变道风险指标。
根据每个该车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,具体包括:获取该隧道的隧道分布数据,其中,该隧道分布数据包括隧道车道信息和隧道位置信息;按照该隧道分布数据中的隧道车道信息和该隧道位置信息,将该隧道等分为多个隧道网格,并确定每个该隧道网格对应的实际隧道位置,其中,该网格尺寸与与预先获取的通行车辆的车辆理论尺寸相关;确定该指定车辆的当前车辆位置数据对应的至少一个当前隧道网格;当该指定车辆对应一个当前隧道网格时,以该当前隧道网格为中心,确定查找区域,其中,该查找区域内包括多个查找隧道网格,且每个该查找隧道网格均与该当前隧道网格相邻;当该指定车辆对应多个当前隧道网格时,分别以每个该当前隧道网格为中心,确定每个该当前隧道网格对应的当前查找区域,将多个该当前查找区域进行合并,确定查找区域;在该查找区域对应的多个查找隧道网格中,根据该当前隧道网格进行网格筛选,得到实际隧道查找区域,其中,该实际隧道查找区域中的多个实际查找隧道网格均位于该当前隧道网格的指定方向处,其中该指定方向为隧道内车辆行驶方向;根据每个该车辆的当前位置数据和每个该隧道网格对应的实际隧道位置,在该实际隧道查找区域对应的多个该实际查找隧道网格中进行定位,确定位于该指定实际查找隧道网格的车辆作为相邻车辆。
在本说明书的一个实施例中,获取隧道的隧道分布数据,隧道分布数据包括隧道车道信息和隧道位置信息。图2为本说明书实施例提供的一种隧道网格划分示意图,如图2所示,按照隧道分布数据中的隧道车道信息和隧道位置信息,将隧道等分为多个隧道网格,若隧道长度不支持等分,则对隧道入口和出口进行沿伸,以实现等分为多个隧道网格。确定每个隧道网格对应的实际隧道位置,其中,网格尺寸与与预先获取的通行车辆的车辆理论尺寸相关。将隧道车道线作为网格线的一部分,将隧道车道线进行等分,得到隧道网格,在对隧道车道线进行等分时,统计允许通行车辆的车辆车身长度,按照多种类型通行车辆的车辆车身长度的平均值作为等分长度,以得到多个隧道网格。
由于实际等分长度为多种类型通行车辆的车身长度的平均值,可能存在实际运行车辆在当前时刻下处于一个当前隧道网格的情况和处于两个当前隧道网格的情况。确定指定车辆的当前车辆位置数据对应的至少一个当前隧道网格;当该指定车辆对应一个当前隧道网格时,即图2中的车辆A的位置,以当前隧道网格为中心,确定第一查找区域,如图2所示,其中,查找区域内包括多个查找隧道网格,包括A1-A8,且每个该查找隧道网格均与该当前隧道网格相邻,此处的相邻是指前、后、左、右、左前、右前、左后以及右后中的任意一个或多个。当指定车辆位置隧道中间车道时,其相邻区域为3*3的查找区域,包括除当前隧道网格之外的8个相邻隧道网格。当指定车辆对应多个当前隧道网格时,即车辆B的当前位置,分别以每个当前隧道网格为中心,按照上述方式,确定每个当前隧道网格对应的当前查找区域,将多个当前查找区域进行合并,确定第二查找区域,如图2所示,第二查找区域为B1-B10。此处的第一查找区域和第二查找区域的命名方式用于区分两种情况,均可以用查找区域代替。
在查找区域对应的多个查找隧道网格中,根据当前隧道网格进行网格筛选,得到实际隧道查找区域,实际隧道查找区域中的多个实际查找隧道网格均位于当前隧道网格的指定方向处,指定方向为隧道内车辆行驶方向。如图2中两种情况下分别对应的虚线框内的网格区域。根据每个车辆的当前位置数据和每个隧道网格对应的实际隧道位置,在实际隧道查找区域对应的多个查找隧道网格中进行定位,确定位于指定实际查找隧道网格的车辆作为相邻车辆。
在本说明书的一个实施例中,在相邻车辆中,确定相邻车辆中的同车道相邻车辆和异车道相邻车辆,以获取同车道相邻车辆的同车道相邻运行速度和同车道相邻位置数据。通过同车道相邻位置数据和指定车辆的当前位置数据,通过位置数据计算,确定当前运行间距,即指定车辆与同车道相邻车辆的运行间距。根据当前运行间距和同车道相邻车辆的同车道相邻运行速度,确定理论跟车速度,理论跟车速度为保持当前运行间距对应的安全跟车速度。一般情况下,隧道内的存在隧道限制速度,当理论跟车速度不高于隧道限制速度时,根据理论跟车速度和当前车辆速度,确定指定车辆的追尾风险指标,其中,该追尾风险指标与追尾风险为正相关。当前车辆速度不大于理论跟车速度时,对应的追尾风险指标为0,当前车辆速度大于理论跟车速度时,可以通过当前车辆速度和理论跟车速度的速度差值,根据速度差值与理论跟车速度的比值作为追尾风险指标。当理论跟车速度高于隧道限制速度时,根据隧道限制速度和当前车辆速度,确定指定车辆的追尾风险指标,可以通过当前车辆速度和隧道限制速度的速度差值,根据速度差值与隧道限制速度的比值作为追尾风险指标。
获取当前时刻对应每个异车道相邻车辆的当前异车道相邻运行速度和当前异车道相邻位置数据,以及当前时刻对应的多个历史时刻下,指定车辆的历史位置数据。基于多个历史位置数据和当前异车道相邻位置数据,确定指定车辆的位置偏移量。获取预设偏移阈值,此处的偏移阈值为车辆正常行驶过程中多个历史水平位移偏差的最大值。当位置偏移量大于预设偏移阈值时,基于指定车辆的当前位置数据和当前异车道相邻位置数据,确定理论位移长度;根据理论位移长度、指定车辆的当前车辆速度和当前异车道相邻运行速度,确定理论碰撞速度阈值。此处的理论碰撞速度阈值为指定车辆与当前异车道相邻车辆在假设碰撞条件下的指定车辆的速度。通过理论碰撞速度阈值和该当前车辆速度,确定该指定车辆的变道风险指标,其中,该变道风险指标与变道碰撞风险为正相关;当理论碰撞速度阈值不小于当前车辆速度时,变道风险指标为0,当理论碰撞速度阈值小于当前车辆速度时,通过理论碰撞速度阈值和当前车辆速度的差值,通过差值与理论碰撞速度阈值的比值,生成变道风险指标。基于指定车辆的追尾风险指标和指定车辆的变道风险指标,确定当前时刻下该指定车辆的相邻车辆运行风险指标,可以通过求和取平均的方式,也可以通过专家经验对两类风险设置主观权重,通过加权求和取平均的方式。
根据指定车辆的在多个时刻下的车辆运行信息和车辆属性信息中的车辆类型,按照多个运行维度对指定车辆进行分析,生成指定车辆的单一车辆运行风险指标,运行维度包括超速维度、逆行维度、危化品车辆维度。需要说明的是,在超速维度,根据指定车辆在多个时刻下的车辆运行信息中的车辆运行速度,计算指定车辆在任意时间段内的速度加速信息,根据速度加速信息,生成指定车辆的超速风险,例如,可以通过当前速度信息和历史时间段内的速度加速信息,预测加速至隧道规范行驶速度的预测行驶时长;确定当前速度信息对应的当前车辆位置,根据当前车辆位置和隧道出口位置,计算剩余行驶隧道长度,按照隧道规范行驶速度计算剩余行驶隧道长度对应的理论行驶时间;当预测行驶时长大于理论行驶时间时,设置超速风险为0,当预测行驶时长不大于理论行驶时间时,计算预测行驶时长和理论行驶时间的时间差,根据时间差和理论行驶时间的比值作为超速风险。在超速维度,还可以直接通过当前车辆运行速度和隧道规范行驶速度的大小判断车辆是否超速行驶,若超速,则设置超速风险为1,若未超速则设置超速风险为0。在逆行维度,通过指定车辆在相邻时刻下的当前位置数据,判断车辆是否为逆行,若车辆逆行,设置逆行风险为1,若车辆正常行驶,则设置逆行风险为0。同样地,在危化品车辆维度,若车辆属性信息中的车辆类型为危化品类型,则设置危化品车辆风险为1,相反则设置为0。将超速风险、逆行风险和危化品车辆风险进行叠加求平均的方式,得到指定车辆对应的单一车辆运行风险指标。
获取指定隧道位置内的雷达波数据,通过雷达波数据确定指定车辆在每个指定隧道位置处,指定车辆与设置在每个该指定隧道位置处指定隧道设施的相对位置数据,指定隧道位置包括隧道内各个隧道设施位置。通过指定车辆的车辆尺寸属性、指定车辆在每个时刻下的当前运行速度和多个相对位置数据,确定该指定车辆与该隧道设施的车物交互风险指标。以车辆与隧道路沿石的交互风险为例进行说明,获取指定车辆在当前运行时刻下的当前运行速度以及与设置雷达波数据采集装置处的路沿石的相对位置数据,通过指定车辆当前运行时刻下与路沿石的相对位置数据,确定两者之间的第一连线,计算指定车辆在当前运行时刻下的当前运行速度对应的速度方向和第一连线的夹角,通过该夹角和车辆的相关尺寸,例如,车辆前侧的车头高度,确定车辆与路沿石的车物交互风险,需要说明的是,此处的速度方向也可以是运行方向,可以通过车辆同一参考点在相邻时刻下的位置数据得到,车物交互风险与夹角为负相关,与车辆车头高度为负相关,即车头越高,车头与路沿石的碰撞风险越低。
在本说明书的一个实施例中,获取隧道的指定时间周期内的多个历史交通事件,确定历史交通事件的事件属性,事件属性包括单一车辆交通事件、多车辆交通事件和车物交互交通事件;统计每种事件属性的历史交通事件发生次数和该历史交通事件的事件总次数;基于每种事件属性对应的历史交通事件发生次数和该事件总次数,生成每种事件属性对应的事件发生比例,以通过该事件发生比例,确定每种事件属性对应的客观事件属性权重。
通过专家经验进行实际调研,获取实际调研数据,此处的实际调研数据为行业风险鉴定专家对隧道内多种属性下的交通事件的事件发生可能性大小。使用层次分析法,根据预先获取的实际调研数据,对每种事件属性设置主观事件属性权重;根据每种事件属性对应的客观事件属性权重和每种事件属性对应的主观事件属性权重,确定每种该事件属性对应的运行风险的风险指标权重。此处,可以通过每种事件属性对应的客观事件属性权重和每种事件属性对应的主观事件属性权重求平均值的方式,得到每种该事件属性对应的运行风险的风险指标权重。
在本说明书的一个实施例中,根据预先获取的隧道对应的多个风险指标权重,对指定车辆在当前时刻下的相邻车辆运行风险指标、单一车辆运行风险指标和车物交互风险指标,进行加权求和取平均值,得到指定车辆在当前时刻下的运行风险指标。根据指定车辆在每个时刻下的多个运行风险指标,得到指定车辆在该隧道的运行过程中运行风险演化信息,此处的运行风险演化信息用于表示运行风险随时间的演化情况。
通过上述技术方案,考虑了隧道内单一车辆的随时间变化产生的单一车辆运行风险,又考虑了隧道内多个车辆的空间变化产生的相邻车辆运行风险,还考虑了隧道内车辆与隧道固定设施之间的车物交互风险,风险感知角度全面,保证了时间连续性和空间连续性,提高了风险感知能力和风险感知准确度。
步骤S103,通过实时车辆数据中的车辆实时热感图像数据和实时隧道数据中的多个传感器环境数据,对隧道进行隧道质量风险分析,确定隧道的隧道质量风险演化信息。
在本说明书的一个实施例中,通过实时车辆数据中的车辆实时热感图像数据和实时隧道数据中的多个传感器环境数据,对隧道进行隧道质量风险分析,确定隧道的隧道质量风险演化信息。需要说明的是,随着运行车辆的变化,会对隧道质量产生影响,例如,炎热天气下,车辆运行会导致车辆发热情况,在此情况下,多个车辆同时在隧道内运行时,由于隧道相对密闭的环境特点,隧道内温度会上升,存在火灾风险;此外,在下雨天,随着车辆的驶入,会将雨水带入至隧道中,导致隧道湿滑,路面打滑的风险也急剧上升,并且对隧道行车安全产生较大的风险。因此,隧道质量风险包括路面打滑风险和隧道火灾风险,通过对隧道质量进行感知,进一步保证了隧道内的行车安全性。
通过该实时车辆数据中的车辆实时热感图像数据和该实时隧道数据中的多个传感器环境数据,对该隧道进行隧道质量风险分析,确定该隧道的隧道质量风险演化信息,具体包括:通过该实时车辆数据中的车辆实时热感图像数据,获取每个车辆的当前运行温度;通过该实时隧道数据中的多个传感器环境数据,获取该隧道内各个位置处的隧道温度数据和隧道湿度数据。根据每个车辆的该当前运行温度和该各个位置处的隧道温度数据,确定当前时刻下该隧道内的火灾风险指标。
根据每个车辆的该当前运行温度和该各个位置处的隧道温度数据,确定当前时刻下该隧道内的火灾风险指标,具体包括:确定该隧道内的多个隧道车辆的当前运行温度;基于该各个位置处的隧道温度数据,将该隧道分为多个隧道区域,并确定每个隧道区域的区域温度数据,其中,每个隧道区域内的隧道温度相同。此处将隧道按照各个位置处的隧道温度数据分为多个隧道区域,由于相近区域内的运行车辆相差不大,因此相邻区域内的温度相差不大,可以认为每个隧道区域内的隧道温度相同,可以通过该隧道区域内的多个位置处的温度均值,作为隧道区域内的隧道温度值,便于后续对区域内的火灾风险指标进行量化。
获取每个隧道区域内的至少一个隧道车辆的当前运行温度,基于至少一个隧道车辆的当前运行温度和区域温度数据,确定每个隧道区域内的叠加区域温度,即将每个隧道区域对应的区域温度数据以及该隧道区域内的至少一个隧道车辆的当前运行温度进行求和,得到每个隧道区域内的叠加区域温度。根据每个隧道区域内的叠加区域温度和预设的火灾温度阈值,确定每个隧道区域的区域火灾风险指标,此处的火灾温度阈值为火灾发生时的最低温度值,当叠加区域温度不小于预设的火灾温度阈值时,将区域火灾风险指标设置为1,当叠加区域温度小于预设的火灾温度阈值时,基于叠加区域温度和火灾温度阈值,确定温度差值,根据温度差值与火灾温度阈值的比值生成区域火灾风险指标,根据每个该隧道区域的区域火灾风险指标,在多个区域火灾风险指标中确定区域火灾风险指标最大值,作为当前时刻下该隧道内的火灾风险指标。
根据该隧道湿度数据和预先设置的湿度阈值,确定当前时刻下该隧道内的路面打滑风险指标;此处的湿度阈值为车辆历史打滑事件对应的湿度事件的最小值,当隧道湿度数据小于湿度阈值时,设置路面打滑风险指标为0,当隧道湿度数据不小于湿度阈值时,基于隧道湿度数据和湿度阈值的差值,计算差值与湿度阈值的比值,作为路面打滑风险指标。基于该当前时刻下该隧道内的火灾风险指标和该当前时刻下该隧道内的路面打滑风险指标,确定该当前时刻下该隧道的隧道质量风险指标,以确定该隧道的隧道质量风险演化信息,可以通过该当前时刻下该隧道内的火灾风险指标和该当前时刻下该隧道内的路面打滑风险指标的平均值作为隧道质量风险指标。根据多个时刻下的隧道质量风险指标,确定隧道质量风险演化信息。
通过上述技术方案,考虑了特殊场景下隧道质量受不同时间、不同空间中运行车辆的影响,保证了隧道风险感知的全面性,进一步保证了隧道风险感知的时间连续性和空间连续性,满足隧道交通安全风险的识别需求。
步骤S104,基于运行风险演化信息、隧道质量风险演化信息和预先构建的隧道对应的隧道数字孪生模型,对隧道安全风险进行感知。
基于该运行风险演化信息、该隧道质量风险演化信息和预先构建的该隧道对应的隧道数字孪生模型,对该隧道安全风险进行感知,具体包括:通过孪生模型构建技术,构建隧道对应的隧道数字孪生模型;将每个运行车辆在该隧道的运行过程中运行风险的运行风险演化信息,在该隧道数字孪生模型中与该运行车辆进行跟踪展示,以实现对该运行车辆的运行风险的实时感知;将该隧道的隧道质量风险演化信息,在该隧道数字孪生模型中与对应的隧道区域进行跟踪展示,以实现对该隧道的隧道质量风险的实时感知。
通过上述技术方案,通过全息数据采集,采集隧道内各种状态下的运行数据和环境数据,实现对隧道内的隧道车辆、隧道环境的全息监测;考虑了隧道内单一车辆的随时间变化产生的单一车辆运行风险,又考虑了隧道内多个车辆的空间变化产生的相邻车辆运行风险,还考虑了隧道内车辆与隧道固定设施之间的车物交互风险,行车安全风险感知角度全面,保证了时间连续性和空间连续性,提高了风险感知能力和风险感知准确度;考虑了特殊场景下隧道质量受不同时间、不同空间中运行车辆的影响,保证了隧道质量风险感知的全面性,进一步保证了隧道质量风险感知的时间连续性和空间连续性;此外,将运行风险演化信息在隧道数字孪生模型中运行车辆进行跟踪展示,实现对不同时刻下多个运行车辆的运行风险的实时感知,在数据孪生模型中将隧道质量风险与对应的隧道区域进行跟踪展示,以实现对该隧道不同区域内的隧道质量风险的实时感知,以运行风险的角度和隧道质量风险的角度,保证了隧道风险感知的全面性,进一步保证了隧道风险感知的时间连续性和空间连续性,满足隧道交通安全风险的识别需求。
本说明书实施例还提供一种基于全息感知的智慧隧道风险感知设备,如图3所示,设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据,其中,该实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,该实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据;根据该实时车辆数据中的车辆运行视频数据和该指定隧道位置内的雷达波数据,对该隧道内的车辆进行运行风险分析,确定每个运行车辆在该隧道的运行过程中运行风险的运行风险演化信息,其中,该运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;通过该实时车辆数据中的车辆实时热感图像数据和该实时隧道数据中的多个传感器环境数据,对该隧道进行隧道质量风险分析,确定该隧道的隧道质量风险演化信息,其中,该隧道质量风险包括路面打滑风险和隧道火灾风险;基于该运行风险演化信息、该隧道质量风险演化信息和预先构建的该隧道对应的隧道数字孪生模型,对该隧道安全风险进行感知。
本说明书实施例还提供一种非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据,其中,该实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,该实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据;根据该实时车辆数据中的车辆运行视频数据和该指定隧道位置内的雷达波数据,对该隧道内的车辆进行运行风险分析,确定每个运行车辆在该隧道的运行过程中运行风险的运行风险演化信息,其中,该运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;通过该实时车辆数据中的车辆实时热感图像数据和该实时隧道数据中的多个传感器环境数据,对该隧道进行隧道质量风险分析,确定该隧道的隧道质量风险演化信息,其中,该隧道质量风险包括路面打滑风险和隧道火灾风险;基于该运行风险演化信息、该隧道质量风险演化信息和预先构建的该隧道对应的隧道数字孪生模型,对该隧道安全风险进行感知。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、***、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (8)
1.一种基于全息感知的智慧隧道风险感知方法,其特征在于,所述方法包括:
通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据,其中,所述实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,所述实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据;
根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,其中,所述运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;
通过所述实时车辆数据中的车辆实时热感图像数据和所述实时隧道数据中的多个传感器环境数据,对所述隧道进行隧道质量风险分析,确定所述隧道的隧道质量风险演化信息,其中,所述隧道质量风险包括路面打滑风险和隧道火灾风险;
基于所述运行风险演化信息、所述隧道质量风险演化信息和预先构建的所述隧道对应的隧道数字孪生模型,对所述隧道安全风险进行感知;
根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,具体包括:
确定所述车辆运行视频数据中的多帧车辆运行图像,提取每帧所述车辆运行图像中的车辆特征,确定当前时刻下每个车辆的车辆属性信息和车辆运行信息,其中,所述车辆属性信息包括车辆类型和车辆尺寸属性,所述车辆运行信息包括当前车辆速度和当前车辆位置数据;
根据每个所述车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,其中,所述相邻车辆包括同车道相邻车辆和异车道相邻车辆;
通过所述指定车辆的当前车辆速度、每个所述至少一个相邻车辆的相邻车辆速度以及预先获取的隧道限制速度,确定当前时刻下所述指定车辆的相邻车辆运行风险指标,其中,所述相邻车辆运行风险指标包括追尾风险指标和变道风险指标;
根据所述指定车辆的在多个时刻下的车辆运行信息和所述车辆属性信息中的车辆类型,按照多个运行维度对所述指定车辆进行分析,生成所述指定车辆的单一车辆运行风险指标,其中,所述运行维度包括超速维度、逆行维度、危化品车辆维度;
获取所述指定隧道位置内的雷达波数据,以确定所述指定车辆在每个所述指定隧道位置处,所述指定车辆与设置在每个所述指定隧道位置处指定隧道设施的相对位置数据,其中,所述指定隧道位置包括隧道内各个隧道设施位置;
通过所述指定车辆的车辆尺寸属性、所述指定车辆在每个时刻下的当前运行速度和多个所述相对位置数据,确定所述指定车辆与所述隧道设施的车物交互风险指标;
根据预先获取的所述隧道对应的多个风险指标权重,对所述指定车辆在当前时刻下的所述相邻车辆运行风险指标、所述单一车辆运行风险指标和所述车物交互风险指标,进行加权求和后取均值,得到所述指定车辆在当前时刻下的运行风险指标;
根据所述指定车辆在每个时刻下的多个所述运行风险指标,得到所述指定车辆在所述隧道的运行过程中运行风险演化信息;
根据每个所述车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,具体包括:
获取所述隧道的隧道分布数据,其中,所述隧道分布数据包括隧道车道信息和隧道位置信息;
按照所述隧道分布数据中的隧道车道信息和所述隧道位置信息,将所述隧道等分为多个隧道网格,并确定每个所述隧道网格对应的实际隧道位置,其中,所述网格尺寸与与预先获取的通行车辆的车辆理论尺寸相关;
确定所述指定车辆的当前车辆位置数据对应的至少一个当前隧道网格;
当所述指定车辆对应一个当前隧道网格时,以所述当前隧道网格为中心,确定查找区域,其中,所述查找区域内包括多个查找隧道网格,且每个所述查找隧道网格均与所述当前隧道网格相邻;
当所述指定车辆对应多个当前隧道网格时,分别以每个所述当前隧道网格为中心,确定每个所述当前隧道网格对应的当前查找区域,将多个所述当前查找区域进行合并,确定查找区域;
在所述查找区域对应的多个查找隧道网格中,根据所述当前隧道网格进行网格筛选,得到实际隧道查找区域,其中,所述实际隧道查找区域中的多个实际查找隧道网格均位于所述当前隧道网格的指定方向处,其中所述指定方向为隧道内车辆行驶方向;
根据每个所述车辆的当前位置数据和每个所述隧道网格对应的实际隧道位置,在所述实际隧道查找区域对应的多个所述实际查找隧道网格中进行定位,确定位于指定实际查找隧道网格的车辆作为相邻车辆。
2.根据权利要求1所述的一种基于全息感知的智慧隧道风险感知方法,其特征在于,通过所述指定车辆的当前车辆速度、每个所述至少一个相邻车辆的相邻车辆速度以及预先获取的隧道限制速度,确定当前时刻下所述指定车辆的相邻车辆运行风险指标,具体包括:
确定所述相邻车辆中的同车道相邻车辆和异车道相邻车辆,以获取所述同车道相邻车辆的同车道相邻运行速度和同车道相邻位置数据;
通过所述同车道相邻位置数据和所述指定车辆的当前位置数据,确定当前运行间距,以根据所述当前运行间距和所述同车道相邻运行速度,确定理论跟车速度;
当所述理论跟车速度不高于所述隧道限制速度时,根据所述理论跟车速度和所述当前车辆速度,确定所述指定车辆的追尾风险指标,其中,所述追尾风险指标与追尾风险为正相关;
当所述理论跟车速度高于所述隧道限制速度时,根据所述隧道限制速度和所述当前车辆速度,确定所述指定车辆的追尾风险指标;
获取当前时刻对应每个所述异车道相邻车辆的当前异车道相邻运行速度和当前异车道相邻位置数据,以及当前时刻对应的多个历史时刻下,所述指定车辆的历史位置数据;
基于多个所述历史位置数据和当前异车道相邻位置数据,确定所述指定车辆的位置偏移量,当所述位置偏移量大于预设偏移阈值时,基于所述指定车辆的当前位置数据和所述当前异车道相邻位置数据,确定理论位移长度;
根据所述理论位移长度、所述指定车辆的当前车辆速度和所述当前异车道相邻运行速度,确定理论碰撞速度阈值;
通过所述理论碰撞速度阈值和所述当前车辆速度,确定所述指定车辆的变道风险指标,其中,所述变道风险指标与变道碰撞风险为正相关;
基于所述指定车辆的追尾风险指标和所述指定车辆的变道风险指标,确定当前时刻下所述指定车辆的相邻车辆运行风险指标。
3.根据权利要求1所述的一种基于全息感知的智慧隧道风险感知方法,其特征在于,根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息之前,所述方法还包括:
获取所述隧道的指定时间周期内的多个历史交通事件,确定所述历史交通事件的事件属性,其中,所述事件属性包括单一车辆交通事件、多车辆交通事件和车物交互交通事件;
统计每种事件属性的历史交通事件发生次数和所述历史交通事件的事件总次数;
基于每种事件属性对应的历史交通事件发生次数和所述事件总次数,生成每种事件属性对应的事件发生比例,以通过所述事件发生比例,确定每种事件属性对应的客观事件属性权重;
使用层次分析法,根据预先获取的实际调研数据,对每种事件属性设置主观事件属性权重;
根据每种事件属性对应的客观事件属性权重和每种事件属性对应的主观事件属性权重,确定每种所述事件属性对应的运行风险的风险指标权重。
4.根据权利要求1所述的一种基于全息感知的智慧隧道风险感知方法,其特征在于,通过所述实时车辆数据中的车辆实时热感图像数据和所述实时隧道数据中的多个传感器环境数据,对所述隧道进行隧道质量风险分析,确定所述隧道的隧道质量风险演化信息,具体包括:
通过所述实时车辆数据中的车辆实时热感图像数据,获取每个车辆的当前运行温度;
通过所述实时隧道数据中的多个传感器环境数据,获取所述隧道内各个位置处的隧道温度数据和隧道湿度数据;
根据每个车辆的所述当前运行温度和所述各个位置处的隧道温度数据,确定当前时刻下所述隧道内的火灾风险指标;
根据所述隧道湿度数据和预先设置的湿度阈值,确定当前时刻下所述隧道内的路面打滑风险指标;
基于所述当前时刻下所述隧道内的火灾风险指标和所述当前时刻下所述隧道内的路面打滑风险指标,确定所述当前时刻下所述隧道的隧道质量风险指标,以确定所述隧道的隧道质量风险演化信息。
5.根据权利要求4所述的一种基于全息感知的智慧隧道风险感知方法,其特征在于,根据每个车辆的所述当前运行温度和所述各个位置处的隧道温度数据,确定当前时刻下所述隧道内的火灾风险指标,具体包括:
确定所述隧道内的多个隧道车辆的当前运行温度;
基于所述各个位置处的隧道温度数据,将所述隧道分为多个隧道区域,并确定每个所述隧道区域的区域温度数据,其中,每个隧道区域内的隧道温度相同;
获取每个隧道区域内的至少一个隧道车辆的当前运行温度,基于所述至少一个隧道车辆的当前运行温度和所述区域温度数据,确定每个隧道区域内的叠加区域温度;
根据每个所述隧道区域内的叠加区域温度和预设的火灾温度阈值,确定每个隧道区域的区域火灾风险指标;
根据每个所述隧道区域的区域火灾风险指标,在多个区域火灾风险指标中确定区域火灾风险指标最大值,作为当前时刻下所述隧道内的火灾风险指标。
6.根据权利要求1所述的一种基于全息感知的智慧隧道风险感知方法,其特征在于,基于所述运行风险演化信息、所述隧道质量风险演化信息和预先构建的所述隧道对应的隧道数字孪生模型,对所述隧道安全风险进行感知,具体包括:
构建所述隧道对应的隧道数字孪生模型;
将每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,在所述隧道数字孪生模型中与所述运行车辆进行跟踪展示,以实现对所述运行车辆的运行风险的实时感知;
将所述隧道的隧道质量风险演化信息,在所述隧道数字孪生模型中与对应的隧道区域进行跟踪展示,以实现对所述隧道的隧道质量风险的实时感知。
7.一种基于全息感知的智慧隧道风险感知设备,其特征在于,所述设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据,其中,所述实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,所述实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据;
根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,其中,所述运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;
通过所述实时车辆数据中的车辆实时热感图像数据和所述实时隧道数据中的多个传感器环境数据,对所述隧道进行隧道质量风险分析,确定所述隧道的隧道质量风险演化信息,其中,所述隧道质量风险包括路面打滑风险和隧道火灾风险;
基于所述运行风险演化信息、所述隧道质量风险演化信息和预先构建的所述隧道对应的隧道数字孪生模型,对所述隧道安全风险进行感知;
根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,具体包括:
确定所述车辆运行视频数据中的多帧车辆运行图像,提取每帧所述车辆运行图像中的车辆特征,确定当前时刻下每个车辆的车辆属性信息和车辆运行信息,其中,所述车辆属性信息包括车辆类型和车辆尺寸属性,所述车辆运行信息包括当前车辆速度和当前车辆位置数据;
根据每个所述车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,其中,所述相邻车辆包括同车道相邻车辆和异车道相邻车辆;
通过所述指定车辆的当前车辆速度、每个所述至少一个相邻车辆的相邻车辆速度以及预先获取的隧道限制速度,确定当前时刻下所述指定车辆的相邻车辆运行风险指标,其中,所述相邻车辆运行风险指标包括追尾风险指标和变道风险指标;
根据所述指定车辆的在多个时刻下的车辆运行信息和所述车辆属性信息中的车辆类型,按照多个运行维度对所述指定车辆进行分析,生成所述指定车辆的单一车辆运行风险指标,其中,所述运行维度包括超速维度、逆行维度、危化品车辆维度;
获取所述指定隧道位置内的雷达波数据,以确定所述指定车辆在每个所述指定隧道位置处,所述指定车辆与设置在每个所述指定隧道位置处指定隧道设施的相对位置数据,其中,所述指定隧道位置包括隧道内各个隧道设施位置;
通过所述指定车辆的车辆尺寸属性、所述指定车辆在每个时刻下的当前运行速度和多个所述相对位置数据,确定所述指定车辆与所述隧道设施的车物交互风险指标;
根据预先获取的所述隧道对应的多个风险指标权重,对所述指定车辆在当前时刻下的所述相邻车辆运行风险指标、所述单一车辆运行风险指标和所述车物交互风险指标,进行加权求和后取均值,得到所述指定车辆在当前时刻下的运行风险指标;
根据所述指定车辆在每个时刻下的多个所述运行风险指标,得到所述指定车辆在所述隧道的运行过程中运行风险演化信息;
根据每个所述车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,具体包括:
获取所述隧道的隧道分布数据,其中,所述隧道分布数据包括隧道车道信息和隧道位置信息;
按照所述隧道分布数据中的隧道车道信息和所述隧道位置信息,将所述隧道等分为多个隧道网格,并确定每个所述隧道网格对应的实际隧道位置,其中,所述网格尺寸与与预先获取的通行车辆的车辆理论尺寸相关;
确定所述指定车辆的当前车辆位置数据对应的至少一个当前隧道网格;
当所述指定车辆对应一个当前隧道网格时,以所述当前隧道网格为中心,确定查找区域,其中,所述查找区域内包括多个查找隧道网格,且每个所述查找隧道网格均与所述当前隧道网格相邻;
当所述指定车辆对应多个当前隧道网格时,分别以每个所述当前隧道网格为中心,确定每个所述当前隧道网格对应的当前查找区域,将多个所述当前查找区域进行合并,确定查找区域;
在所述查找区域对应的多个查找隧道网格中,根据所述当前隧道网格进行网格筛选,得到实际隧道查找区域,其中,所述实际隧道查找区域中的多个实际查找隧道网格均位于所述当前隧道网格的指定方向处,其中所述指定方向为隧道内车辆行驶方向;
根据每个所述车辆的当前位置数据和每个所述隧道网格对应的实际隧道位置,在所述实际隧道查找区域对应的多个所述实际查找隧道网格中进行定位,确定位于指定实际查找隧道网格的车辆作为相邻车辆。
8.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
通过预先设置在隧道内的全息数据采集装置,采集隧道内多个运行车辆的实时车辆数据和隧道内的实时隧道数据,其中,所述实时车辆数据包括隧道内的车辆运行视频数据和车辆实时热感图像数据,所述实时隧道数据包括多个传感器环境数据和指定隧道位置内的雷达波数据;
根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,其中,所述运行风险包括单一车辆运行风险、相邻车辆运行风险以及车辆与隧道间的车物交互风险;
通过所述实时车辆数据中的车辆实时热感图像数据和所述实时隧道数据中的多个传感器环境数据,对所述隧道进行隧道质量风险分析,确定所述隧道的隧道质量风险演化信息,其中,所述隧道质量风险包括路面打滑风险和隧道火灾风险;
基于所述运行风险演化信息、所述隧道质量风险演化信息和预先构建的所述隧道对应的隧道数字孪生模型,对所述隧道安全风险进行感知;
根据所述实时车辆数据中的车辆运行视频数据和所述指定隧道位置内的雷达波数据,对所述隧道内的车辆进行运行风险分析,确定每个运行车辆在所述隧道的运行过程中运行风险的运行风险演化信息,具体包括:
确定所述车辆运行视频数据中的多帧车辆运行图像,提取每帧所述车辆运行图像中的车辆特征,确定当前时刻下每个车辆的车辆属性信息和车辆运行信息,其中,所述车辆属性信息包括车辆类型和车辆尺寸属性,所述车辆运行信息包括当前车辆速度和当前车辆位置数据;
根据每个所述车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,其中,所述相邻车辆包括同车道相邻车辆和异车道相邻车辆;
通过所述指定车辆的当前车辆速度、每个所述至少一个相邻车辆的相邻车辆速度以及预先获取的隧道限制速度,确定当前时刻下所述指定车辆的相邻车辆运行风险指标,其中,所述相邻车辆运行风险指标包括追尾风险指标和变道风险指标;
根据所述指定车辆的在多个时刻下的车辆运行信息和所述车辆属性信息中的车辆类型,按照多个运行维度对所述指定车辆进行分析,生成所述指定车辆的单一车辆运行风险指标,其中,所述运行维度包括超速维度、逆行维度、危化品车辆维度;
获取所述指定隧道位置内的雷达波数据,以确定所述指定车辆在每个所述指定隧道位置处,所述指定车辆与设置在每个所述指定隧道位置处指定隧道设施的相对位置数据,其中,所述指定隧道位置包括隧道内各个隧道设施位置;
通过所述指定车辆的车辆尺寸属性、所述指定车辆在每个时刻下的当前运行速度和多个所述相对位置数据,确定所述指定车辆与所述隧道设施的车物交互风险指标;
根据预先获取的所述隧道对应的多个风险指标权重,对所述指定车辆在当前时刻下的所述相邻车辆运行风险指标、所述单一车辆运行风险指标和所述车物交互风险指标,进行加权求和后取均值,得到所述指定车辆在当前时刻下的运行风险指标;
根据所述指定车辆在每个时刻下的多个所述运行风险指标,得到所述指定车辆在所述隧道的运行过程中运行风险演化信息;
根据每个所述车辆的当前车辆位置数据,确定与指定车辆相邻的至少一个相邻车辆,具体包括:
获取所述隧道的隧道分布数据,其中,所述隧道分布数据包括隧道车道信息和隧道位置信息;
按照所述隧道分布数据中的隧道车道信息和所述隧道位置信息,将所述隧道等分为多个隧道网格,并确定每个所述隧道网格对应的实际隧道位置,其中,所述网格尺寸与与预先获取的通行车辆的车辆理论尺寸相关;
确定所述指定车辆的当前车辆位置数据对应的至少一个当前隧道网格;
当所述指定车辆对应一个当前隧道网格时,以所述当前隧道网格为中心,确定查找区域,其中,所述查找区域内包括多个查找隧道网格,且每个所述查找隧道网格均与所述当前隧道网格相邻;
当所述指定车辆对应多个当前隧道网格时,分别以每个所述当前隧道网格为中心,确定每个所述当前隧道网格对应的当前查找区域,将多个所述当前查找区域进行合并,确定查找区域;
在所述查找区域对应的多个查找隧道网格中,根据所述当前隧道网格进行网格筛选,得到实际隧道查找区域,其中,所述实际隧道查找区域中的多个实际查找隧道网格均位于所述当前隧道网格的指定方向处,其中所述指定方向为隧道内车辆行驶方向;
根据每个所述车辆的当前位置数据和每个所述隧道网格对应的实际隧道位置,在所述实际隧道查找区域对应的多个所述实际查找隧道网格中进行定位,确定位于指定实际查找隧道网格的车辆作为相邻车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311344994.4A CN117094474B (zh) | 2023-10-18 | 2023-10-18 | 一种基于全息感知的智慧隧道风险感知方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311344994.4A CN117094474B (zh) | 2023-10-18 | 2023-10-18 | 一种基于全息感知的智慧隧道风险感知方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094474A CN117094474A (zh) | 2023-11-21 |
CN117094474B true CN117094474B (zh) | 2024-02-20 |
Family
ID=88770164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311344994.4A Active CN117094474B (zh) | 2023-10-18 | 2023-10-18 | 一种基于全息感知的智慧隧道风险感知方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094474B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109640032A (zh) * | 2018-04-13 | 2019-04-16 | 河北德冠隆电子科技有限公司 | 基于人工智能多要素全景监控检测五维预警*** |
CN111243338A (zh) * | 2020-02-12 | 2020-06-05 | 南京理工大学 | 基于车辆加速度的碰撞风险评价方法 |
CN111401712A (zh) * | 2020-03-09 | 2020-07-10 | 交通运输部科学研究院 | 一种城市轨道交通风险评估***及方法 |
CN112229412A (zh) * | 2020-10-21 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 一种车道定位方法、装置及存储介质和服务器 |
CN112907901A (zh) * | 2021-01-29 | 2021-06-04 | 中煤科工集团重庆研究院有限公司 | 一种隧道监测实体风险预警评估模型 |
CN113744563A (zh) * | 2021-08-02 | 2021-12-03 | 北京工业大学 | 一种基于轨迹数据的路-车风险实时估计方法 |
KR102381047B1 (ko) * | 2021-09-30 | 2022-03-30 | 김태수 | 터널 교통사고 방지 시스템 |
CN114999179A (zh) * | 2022-07-20 | 2022-09-02 | 山东金宇信息科技集团有限公司 | 一种隧道安全行车方法、设备及介质 |
CN115081508A (zh) * | 2022-04-26 | 2022-09-20 | 同济大学 | 一种基于交通数字孪生的交通运行风险平行仿真*** |
CN115100846A (zh) * | 2022-05-09 | 2022-09-23 | 山东金宇信息科技集团有限公司 | 一种隧道内的道路事故预测方法、设备及介质 |
KR20230091400A (ko) * | 2021-12-16 | 2023-06-23 | (주)소울인포테크 | 위험도 산출을 통한 지능형 교통 관제시스템 |
CN116403179A (zh) * | 2023-04-04 | 2023-07-07 | 东南大学 | 基于雷视多源数据深度融合的车辆全息感知及风险行为识别*** |
CN116740944A (zh) * | 2023-08-10 | 2023-09-12 | 云南省交通投资建设集团有限公司 | 一种道路隧道内行车安全预警方法、设备及存储介质 |
CN116824862A (zh) * | 2023-08-28 | 2023-09-29 | 济南瑞源智能城市开发有限公司 | 一种智慧隧道交通运行管控方法、设备及介质 |
CN116892979A (zh) * | 2023-07-13 | 2023-10-17 | 中铁一局集团电务工程有限公司 | 一种用于高速公路长隧道危化品车辆检测***的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10247565B2 (en) * | 2016-04-11 | 2019-04-02 | State Farm Mutual Automobile Insurance Company | Traffic risk avoidance for a route selection system |
-
2023
- 2023-10-18 CN CN202311344994.4A patent/CN117094474B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109640032A (zh) * | 2018-04-13 | 2019-04-16 | 河北德冠隆电子科技有限公司 | 基于人工智能多要素全景监控检测五维预警*** |
CN111243338A (zh) * | 2020-02-12 | 2020-06-05 | 南京理工大学 | 基于车辆加速度的碰撞风险评价方法 |
CN111401712A (zh) * | 2020-03-09 | 2020-07-10 | 交通运输部科学研究院 | 一种城市轨道交通风险评估***及方法 |
CN112229412A (zh) * | 2020-10-21 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 一种车道定位方法、装置及存储介质和服务器 |
CN112907901A (zh) * | 2021-01-29 | 2021-06-04 | 中煤科工集团重庆研究院有限公司 | 一种隧道监测实体风险预警评估模型 |
CN113744563A (zh) * | 2021-08-02 | 2021-12-03 | 北京工业大学 | 一种基于轨迹数据的路-车风险实时估计方法 |
KR102381047B1 (ko) * | 2021-09-30 | 2022-03-30 | 김태수 | 터널 교통사고 방지 시스템 |
KR20230091400A (ko) * | 2021-12-16 | 2023-06-23 | (주)소울인포테크 | 위험도 산출을 통한 지능형 교통 관제시스템 |
CN115081508A (zh) * | 2022-04-26 | 2022-09-20 | 同济大学 | 一种基于交通数字孪生的交通运行风险平行仿真*** |
CN115100846A (zh) * | 2022-05-09 | 2022-09-23 | 山东金宇信息科技集团有限公司 | 一种隧道内的道路事故预测方法、设备及介质 |
CN114999179A (zh) * | 2022-07-20 | 2022-09-02 | 山东金宇信息科技集团有限公司 | 一种隧道安全行车方法、设备及介质 |
CN116403179A (zh) * | 2023-04-04 | 2023-07-07 | 东南大学 | 基于雷视多源数据深度融合的车辆全息感知及风险行为识别*** |
CN116892979A (zh) * | 2023-07-13 | 2023-10-17 | 中铁一局集团电务工程有限公司 | 一种用于高速公路长隧道危化品车辆检测***的方法 |
CN116740944A (zh) * | 2023-08-10 | 2023-09-12 | 云南省交通投资建设集团有限公司 | 一种道路隧道内行车安全预警方法、设备及存储介质 |
CN116824862A (zh) * | 2023-08-28 | 2023-09-29 | 济南瑞源智能城市开发有限公司 | 一种智慧隧道交通运行管控方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117094474A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moers et al. | The exid dataset: A real-world trajectory dataset of highly interactive highway scenarios in germany | |
CN114999179B (zh) | 一种隧道安全行车方法、设备及介质 | |
CN109815555B (zh) | 自动驾驶车辆的环境建模能力评估方法及*** | |
CN111915852B (zh) | 一种车辆剐蹭报警***、方法、设备及介质 | |
CN112767644A (zh) | 一种基于视频识别的公路隧道内火灾预警方法及装置 | |
Ansariyar et al. | Statistical analysis of vehicle-vehicle conflicts with a LIDAR sensor in a signalized intersection. | |
Xie et al. | Development of a comprehensive framework for video-based safety assessment | |
CN116824862B (zh) | 一种智慧隧道交通运行管控方法、设备及介质 | |
CN115618932A (zh) | 基于网联自动驾驶的交通事件预测方法、装置及电子设备 | |
CN114694060B (zh) | 一种道路抛洒物检测方法、电子设备及存储介质 | |
CN115760921A (zh) | 基于多目标跟踪的行人轨迹预测方法及*** | |
CN117094474B (zh) | 一种基于全息感知的智慧隧道风险感知方法、设备及介质 | |
CN117012006B (zh) | 一种城市道路的洪涝灾害预警方法、设备及介质 | |
CN117130010B (zh) | 用于无人驾驶的障碍物感知方法、***及无人驾驶汽车 | |
Akagi | Ontology based collection and analysis of traffic event data for developing intelligent vehicles | |
CN116580551A (zh) | 车辆驾驶行为评估方法、装置、设备及存储介质 | |
CN114943940A (zh) | 一种隧道内车辆可视化监测的方法、设备及存储介质 | |
Bäumler et al. | Generating representative test scenarios: The fuse for representativity (Fuse4Rep) process model for collecting and analysing traffic observation data | |
CN113450385A (zh) | 一种夜间工作工程机械视觉跟踪方法、装置及存储介质 | |
CN111460517A (zh) | 一种基于区块链的天气预警***及设备、介质 | |
Krebs et al. | Evaluation of simmarc: an audiovisual system for the detection of near-miss accidents | |
CN117315407B (zh) | 对象的识别的方法和装置、存储介质及电子装置 | |
CN116279469B (zh) | 一种自动驾驶车辆跟随方法及*** | |
CN116306223B (zh) | 一种水利工程监测方法、设备及介质 | |
CN113452952B (zh) | 一种路况监测方法及装置和*** |
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 |