CN117436821B - 交通事故诊断报告的生成方法、设备及存储介质 - Google Patents
交通事故诊断报告的生成方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117436821B CN117436821B CN202311747140.0A CN202311747140A CN117436821B CN 117436821 B CN117436821 B CN 117436821B CN 202311747140 A CN202311747140 A CN 202311747140A CN 117436821 B CN117436821 B CN 117436821B
- Authority
- CN
- China
- Prior art keywords
- accident
- vehicle
- data
- traffic
- diagnosis report
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 90
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000006399 behavior Effects 0.000 claims description 55
- 238000006073 displacement reaction Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 15
- 230000010365 information processing Effects 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通事故诊断报告的生成方法、设备及存储介质，属于交通监管技术领域。所述交通事故诊断报告的生成方法步骤包括：获取事故车辆在目标时段内的空间数据和行为数据；获取事故现场对应的城市/建筑信息模型，以及所述城市/建筑信息模型关联的交通法规数据，并根据所述城市/建筑信息模型、所述空间数据和所述行为数据，还原动态事故场景；根据所述交通法规数据以及所述动态事故场景，生成交通事故诊断报告。通过上述方法，通过上述方法，可以准确还原事故现场，提升事故诊断的效率，同时明确判定事故责任。
Description
技术领域
本发明涉及交通监管领域，尤其涉及交通事故诊断报告的生成方法、设备及存储介质。
背景技术
目前对于复杂道路交通事故的鉴定方式，会借助无人机对事故现场进行拍摄，同时借助无人机配备的传感器对现场地形、车辆位置等数据进行采集，通过结合图像和传感器数据进行分析，以此来协助完成交通事故的鉴定工作。但这种无人机采集图像和数据的方式容易受到外界环境因素的干扰，导致最终获取的图像和数据精确度不高，以至于影响事故现场诊断结果的准确性。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种交通事故诊断报告的生成方法、设备及存储介质，旨在解决以往对于复杂道路交通事故的诊断方式，容易受到外界环境因素的干扰，难以保证事故诊断结果准确性的技术问题。
为实现上述目的，本发明提供一种交通事故诊断报告的生成方法，所述交通事故诊断报告的生成方法包括：
获取事故车辆在目标时段内的空间数据和行为数据；
获取事故现场对应的城市/建筑信息模型，以及所述城市/建筑信息模型关联的交通法规数据，并根据所述城市/建筑信息模型、所述空间数据和所述行为数据，还原动态事故场景；
根据所述交通法规数据以及所述动态事故场景，生成交通事故诊断报告。
可选地，所述获取事故车辆在目标时段内的空间数据和行为数据的步骤包括：
基于终端接入设备，确定所述事故车辆的定位***在所述目标时段内采集的空间数据，和所述事故车辆的车载电子控制单元在所述目标时段内的行为数据；
将所述空间数据、所述行为数据和所述事故车辆对应的车辆模型，上传至信息处理***。
可选地，所述根据所述城市/建筑信息模型、所述空间数据和所述行为数据，还原动态事故场景的步骤包括：
基于所述空间数据中的位置数据与所述城市/建筑信息模型相匹配，确定事故位置的路段数据；
根据所述空间数据、所述路段数据和所述车辆模型，基于所述信息处理***构建车辆运动学模型，以模拟所述事故车辆的运动轨迹；
根据所述行为数据和所述车辆模型，基于所述信息处理***构建车辆动力学模型，以模拟所述事故车辆在碰撞过程中的受力情况；
将所述车辆运动学模型和所述车辆动力学模型进行耦合，得到对应的车辆碰撞模型，以还原所述动态事故场景。
可选地，所述根据所述交通法规数据以及所述动态事故场景，生成交通事故诊断报告的步骤包括：
根据所述交通法规数据，确定所述动态事故场景中事故路段对应的道路指标数据；
将所述道路指标数据和所述动态事故场景中的车辆行驶数据进行对比，以诊断所述事故车辆是否存在违规行为；
根据对比结果，生成所述交通事故诊断报告。
可选地，所述道路指标数据包括路段限速数据，所述车辆行驶数据包括位移、油门操作数据和轮胎转速数据，所述将所述道路指标数据和所述动态事故场景中的车辆行驶数据进行对比，以诊断所述事故车辆是否存在违规行为的步骤包括：
根据所述位移、所述油门操作数据和所述轮胎转速数据，确定事故车辆在当前路段的行驶速度；
当所述行驶速度大于所述路段限速数据时，判定所述事故车辆存在超速行为，并基于所述动态事故场景截取所述事故车辆的具体超速时刻。
可选地，所述道路指标数据还包括实线行驶范围，所述车辆行驶数据还包括车辆位移坐标，所述将所述道路指标数据和所述动态事故场景中的车辆行驶数据进行对比，以诊断所述事故车辆是否存在违规行为的步骤还包括：
根据所述车辆位移坐标，定位事故车辆的位移轨迹；
当所述位移轨迹超出所述实线行驶范围，且所述位移轨迹偏向另一车辆时，则判定所述事故车辆存在违规变道行为。
可选地，所述根据所述交通法规数据以及所述动态事故场景，生成交通事故诊断报告的步骤之后，还包括：
输出所述交通事故诊断报告和事故过程的场景模拟视频；
基于所述交通事故诊断报告和所述场景模拟视频，确认事故责任方；
将所述交通事故诊断报告、所述场景模拟视频，发送给事故相关方，所述事故相关方包括所述事故责任方。
可选地，所述根据所述交通法规数据以及所述动态事故场景，生成交通事故诊断报告的步骤之后，还包括：
基于城市/建筑信息模型，获取所述动态事故场景对应的事故路段；
确定所述事故路段的待广播范围和交通状况信息；
基于所述交通状况信息，规划对应的绕行路径；
将所述绕行路径和事故信息，基于所述待广播范围推送给所述事故路段上的车辆。
此外，为实现上述目的，本发明还提供一种交通事故诊断报告的生成设备，所述交通事故诊断报告的生成设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的交通事故诊断报告的生成程序，所述交通事故诊断报告的生成程序配置为实现如上所述的交通事故诊断报告的生成方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有交通事故诊断报告的生成程序，所述交通事故诊断报告的生成程序被处理器执行时实现如上所述的交通事故诊断报告的生成方法的步骤。
本发明实施例通过提供一种交通事故诊断报告的生成方法，通过获取事故车辆在目标时段内的空间数据和行为数据，获取事故现场对应的城市/建筑信息模型，以及该城市/建筑信息模型关联的交通法规数据，并根据城市/建筑信息模型、空间数据和行为数据，还原动态事故场景，最后根据交通法规数据以及动态事故场景，生成当前事故车辆的交通事故诊断报告。通过上述方法，可以准确还原事故现场，提升事故诊断的效率，同时明确判定事故责任。
附图说明
图1为本发明交通事故诊断报告的生成方法第一实施例的流程示意图；
图2为本发明交通事故诊断报告的生成方法第二实施例的流程示意图；
图3为本发明交通事故诊断报告的生成方法整体执行流程示意图；
图4是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供了一种交通事故诊断报告的生成方法，参照图1，图1为本发明一种交通事故诊断报告的生成方法第一实施例的流程示意图。
本实施例中，所述交通事故诊断报告的生成方法包括：
步骤S10、获取事故车辆在目标时段内的空间数据和行为数据。
在本实施例中，目标时段是指事故车辆发生事故近期的时段，该时段包括事故车辆行驶的三个阶段，事故前阶段、事故发生阶段以及事故结束阶段，该目标时段的具体数值可以根据事故的发生时间、车辆的行驶状态以及道路的交通状况等因素进行设置。空间数据是指事故车辆的地理位置数据，至少包括事故车辆所处路段的位置数据、该路段的交通信息、事故车辆的空间数据以及事故车辆位移数据等，行为数据则是指事故车辆的一些操作数据，包括刹车、转向、时速、车辆动力数据等。目标时段选取是否得当，影响着事故车辆空间数据和行为数据的采集范围是否合理，本发明要求对于目标时段空间数据和行为数据的采集范围，需要覆盖事故车辆的行驶的三个阶段，可选地，可以以事故发生时刻为基准点，选择事故发生时刻前30分钟以及事故发生时刻后30分钟为目标时段，采集这一时段事故车辆的空间数据和行为数据。如此一来，即使在一起交通事故中有多台事故车辆，也可以通过同一个时间点，来覆盖整起交通事故中事故车辆的数据采集范围。
进一步地，事故车辆空间数据和行为数据可以通过车辆的终端接入设备来获取。车辆的终端接入设备是一种用于连接车载设备和移动通信网络的电子设备，通常包括一个嵌入式计算机、一个无线模块和一组传感器，可以实现车辆位置跟踪、数据采集、语音通讯、远程控制等多种功能，通过终端接入设备的定位***，可以采集事故车辆在目标时段内的空间数据，具体包括通过GPS（全球定位***）接收器来获取车辆所在路段的位置数据、车辆在该路段上的坐标数据（如以经纬度表示）以及该路段上的交通数据（如该路段上的路况、其他车辆、行人等）。而事故车辆行为数据的采集方式，则可以通过终端接入设备中各个传感器采集的车载电子控制单元的数据来获得，具体包括采集事故车辆目标时段内的操作参数，如刹车，转向，位移时速、车辆物理位移数据、车辆车型、车辆动力信息，通过行车记录仪等接入设备获取事故车辆的实时操作日志数据。在汽车中往往会安装有多种车载电子控制单元（ECU），如发动机控制单元、刹车控制单元、转向控制单元等，这些控制单元会记录车辆的操作日志，这些ECU会记录关键参数，例如车速、加速度、刹车状态、转向角度等，以及故障码和诊断信息，这些数据通常以二进制形式保存，并由设备进行实时处理和压缩。采集的行为数据和空间数据可以通过蓝牙、5G等通信方式发送到信息处理***中。信息处理***为基于城市/建筑信息模型构建的数字化处理***。此外，上传到信息处理***中的数据还包括事故车辆的车辆模型，信息处理***可以使用大数据分析技术对采集到的数据进行处理，处理后的数据还可以通过可视化工具展现出来，通过车辆模型进行更加深入的分析和研究，便于后续模拟车辆行驶状态，分析潜在的危险风险等。
在本实施例中，通过采集事故车辆在目标时段内的空间数据和行为数据，便于将其上传到信息处理***中，通过这些数据来动态模拟事故汽车的行驶数据。
步骤S20、获取事故现场对应的城市/建筑信息模型，以及所述城市/建筑信息模型关联的交通法规数据，并根据所述城市/建筑信息模型、所述空间数据和所述行为数据，还原动态事故场景。
在本实施例中，将此前采集的所有事故车辆的空间数据和行为数据接入数据处理***，基于事故现场对应的城市/建筑信息模型的环境数据进行整合，可以动态模拟当前事故车辆在数字环境下的事故过程。城市/建筑信息模型包括城市信息模型（CityInformation Modeling，CIM）和建筑信息模型（Building Information Modeling，BIM），其中，CIM是以城市信息数据为基数建立起三维城市空间模型和城市信息的有机综合体，BIM为一个包含建筑物和相关信息的虚拟模型，集成了建筑的几何形状、空间关系、构造、材料、设备等数据。通过以上两种虚拟模型构建一个数字化体系，将事故车辆的空间数据和行为数据接入基于BIM/CIM构建的环境数字***，并以此通过BIM/CIM一比一构建事故道路和道路周边环境信息，将实际场景的静态建筑数据进行数字化表示构建出城市道路的静态模型，包含公路红绿灯、公路指示牌、公路障碍物、公路指示线、绿化建筑等静态道路模型，该***还具备转换1：1物理长宽高特征数据的能力。以此实现将动态的事故车辆数据结合静态的城市建筑道路模型，进行事故车辆的数据模拟。此外，该***还会关联存储城市/建筑信息模型关联的交通法规数据，在对模拟的交通事故进行事故鉴定时，将交通法规数据对于道路和车辆的约束行为转换为数字数据，如限速路段的限速路牌也会录入到城市道路模型对应路段中，而通过上传至***中的事故车辆的空间数据和行为数据，模拟出的事故过程，可以分析出该车辆在经过该路段时的行驶速度，从而判定该事故车辆是否超速。
进一步地，在还原动态事故场景的过程中，除了需要事故车辆的行为数据和空间数据，还需要将事故车辆的车辆模型接入该***，车辆模型可以通过基于事故车辆的照片、设计图纸、规格参数等，使用建模软件中的基本几何体或者通过点线面的操作，逐步绘制车辆的轮廓线条，并根据车辆的曲面特征进行调整和修正，直到得到符合实际的车身外形。此外，还可以根据参考资料中的细节信息，添加车辆的细节部分，如灯具、车窗、车轮、雨刮器等，并对车辆模型进行比例调整，以确保车辆模型的准确性和真实感。
参照图3，事故车辆的车辆模型以及其自身的行为空间数据和行为数据，与事故路段的城市信息模型和建筑信息模型进行匹配，确定事故发生的具***置和时间。可选地，在一可行的实施方式中，通过事故车辆的空间数据中的位置信息，与城市信息模型中的路网数据进行匹配，确定事故发生的具***置。根据事故车辆的行为数据，包括速度、加速度、刹车、转向等，结合事故路段的坡度、曲率等信息，建立车辆运动学模型，模拟车辆的运动轨迹，利用事故车辆行车记录仪或事故路段视频监控的视频数据，确定事故发生时的时间信息，并将其与城市信息模型中的交通信号灯等设施进行匹配，建立车辆动力学模型，模拟车辆在碰撞过程中的受力情况。将车辆运动学模型和车辆动力学模型进行耦合，得到完整的车辆碰撞模型，模拟事故发生的过程，包括车辆的运动轨迹、碰撞力等。通过以上步骤，可以还原出动态事故过程，便于后续结合该动态事故过程，进行事故诊断并出具相应的事故诊断报告。
在本实施例中，通过将动态的车辆数据结合静态的城市建筑模型，进行事故车辆信息数据模拟，还原事故模型并将事故模型转换为数字模型，可以记录事故始末和事故内的详细数据，便于后续将事故中的车辆的行为信息转换为是否的数据模型分析，免去了现实场景实际勘测数据的过程，大幅提升了对于交通事故的判定效率，也降低了交通事故的误判率。
步骤S30、根据所述交通法规数据以及所述动态事故场景，生成交通事故诊断报告。
在本市实施例中，此前已经通过数据模型和数字场景还原模拟事故的现实场景，包括事故发生前至车辆完全停止后的事故画面，同时还衍生出了相关的事故数据信息。参照图3，将事故的数据信息结合交通法规进行智能判定，就可以给出事故责任方并出具相应的交通事故诊断报告，将数据信息进行存档留存可以作为后续争议证据。在进行事故判定的过程中，交通法规数据对于道路和车辆的约束行为会被转换为数字数据，数字数据中包括各个路段对应的道路指标数据，将还原的动态事故场景中的车辆行驶数据与交通法规的道路指标数据进行对比，以此实现对于事故车辆违规行为的鉴定。为便于理解本方案，以下通过几个示例讲述判定逻辑及过程：
示例一、实线变道场景判定：在该场景中，主要通过将车辆行驶数据中的车辆位移坐标和道路指标数据中的实线区域范围，结合城市/建筑信息模型中道路信息的实线位置进行测算。通过车辆位移坐标，可以定位事故车辆的位移轨迹，当位移轨迹显示超过划定的实线行驶区域，且位移差值的变化显示位移轨迹逐渐偏向驶入另一车辆，则判定为车辆出现违规变道的情况。如造成交通事故，且其他车辆无异常问题，则判定为该车辆因违规变道导致事故发生，车主承担主要责任。
示例二、超速判定：结合事故车辆的油门操作数据和位移，轮胎转速日志数据，可以确定事故车辆在该路段中实时的行驶速度。基于城市/建筑信息模型关联的道路指标数据，获取当前路段限速指示牌数据，如果事故车辆在该路段中的行驶速度超过指示牌对应的限速数据，则判定该车辆存在超速状况，而基于此前还原的事故动态场景，可以详细截取具体的超速时刻。
示例三、不遵守交通指示牌：结合事故车辆的位移数据和转向数据，通过城市建筑模型获取事故路段的对应规则，如行驶车辆的行驶数据不符合该路段的规则数据，则判定该车辆违反交通法规，并根据具体的情况出具违规了哪项交通法规。
示例四、其他智能判定逻辑：将交通规则转化为城市道路模型指标数据，结合车辆模拟数据进行对比，如不符合则判定为对应的不符合规则项。
以上示例仅为便于理解判定逻辑所以单独举例说明，在实际判定过程中，可以对事故车辆进行多项违规行为的融合判定，并输出事故车辆在此次事故过程中存在的所有违规行为。而对于多台事故车辆均存在多项违规行为的状况，可结合其违规行为对事故发生的作用以及严重程度，分别承认主要责任、同等责任和次要责任。这里可以预先在***中设置评分机制，首先对各种违规行为的设置对应的权重值，根据本次事故中事故车辆涉及的违规行为的先后顺序赋予对应的基础分值，如最先发生违规行为的事故车辆给出最高数值的基础分，后续其他违规行为的基础分均低于最高数值的基础分，结合各项违规行为的权重值进行累积计算，得到各个事故车辆的分值，判定分值最高的车辆为主要责任，分值较低的一方为次要责任，分值相同的双方负同等责任。
此后，判定结果出来后出具相应的事故诊断报告，还可以将数据发送至事故相关方的手机软件，以便进行回放和确认事故责任方，事故相关方除了包括事故责任方以外，还可以包括交警等执法人员，事故相关方可以清晰地看见基于BIM/CIM模拟的事故现场3D模型，事故相关方可查看任意车辆在事故前后的行驶状态，基于此可基本确认相关责任方，减少主观因素争议。
在本实施例中，通过基于模拟的动态事故过程，进行交通事故的智能诊断并出具对应的诊断报告，将事故中的行为分析转换为事故后的数据模型分析，大大提高了事故的诊断效率，同时也降低了主观因素争议降低事故误判率。此外，通过上述步骤，在模拟的事故过程中存在大量的事故衍生数据，通过采集这些衍生数据，可以用于有效改良汽车产品安全性的场景。
进一步的，参照图2，本发明交通事故诊断报告的生成方法第二实施例，步骤S30之后还包括以下步骤：
步骤S40、基于城市/建筑信息模型，获取所述动态事故场景对应的事故路段。
步骤S50、确定所述事故路段的待广播范围和交通状况信息。
步骤S60、基于所述交通状况信息，规划对应的绕行路径。
步骤S70、将所述绕行路径和事故信息，基于所述待广播范围推送给所述事故路段上的车辆。
在本实施例中，对于事故发生的路段，还可以基于BIM/CIM将道路事故信息广播给途经此道路的车辆。并通过数据分析占道范围，提供最佳通过绕行方式，提前预警避免拥堵。参照图3，可选地，在一可行的实施方式中，根据BIM/CIM模型确定道路事故发生的位置，也就是对应的事故路段，提取出与该位置相邻的车辆行驶轨迹，利用车辆轨迹数据和车辆识别标识（如车牌），将待广播范围限定在事故发生地点附近固定距离内的车辆，便于后续通过车载通讯***向符合广播条件的车辆发送警示信息，包括事故发生地点、交通管制情况、路段拥堵程度等。对于未能接收到警示信息的车辆，可以通过其他方式再次进行广播，例如电视广播、手机应用软件等。需要注意的是，在实际应用中，BIM/CIM技术需要和其他数据源和通讯设备进行集成和协同工作，在开展基于BIM/CIM的道路事故广播工作时，需要考虑数据提取、通讯协议、硬件设备等多个方面的问题，并综合考虑通讯效率、信息安全等因素，以实现高效、精准和可靠的广播服务。
进一步地，除了向事故路段播报事故信息，还可以向该事故路段上的车辆推荐合理的绕行信息，可以利用交通监控***、GPS数据等实时获取道路交通状况信息，通过分析道路拥堵情况和交通流量，确定事故路段周边的交通状况，采用路径规划算法，如Dijkstra算法、A*算法、蚁群算法等，根据事故路段的位置和周边道路网的连接关系，计算出绕行路径。此外，还可以基于历史交通数据和机器学习技术，构建交通模型，通过模型预测未来一段时间内的交通状况，包括拥堵程度、交通流量等，以便提前规划绕行路径。在其他可行的实施方式汇总，还可以结合多种数据来源，如交通实时信息、移动网络数据、社交媒体数据等，进行数据融合分析，通过综合考虑各种数据信息，为车辆提供更准确、全面的绕行建议。除了交通状况外，还应考虑其他因素，如道路条件、道路容量、交通信号灯等，绕行路径应尽量避开其他拥堵点和瓶颈路段，提供最快捷、最安全的绕行方案。
在本实施例中，通过结合CIM/BIM***，为事故路段的其他车辆广播事故道路路况信息，并为其推荐合理的绕行路径，这样可以帮助其他车辆避开事故路段，选择最佳的绕行路径，提高交通效率和驾驶安全性。
参照图4，图4为本发明实施例方案涉及的硬件运行环境的交通事故诊断报告的生成设备结构示意图。
如图4所示，该交通事故诊断报告的生成设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图4中示出的结构并不构成对交通事故诊断报告的生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图4所示，作为一种存储介质的存储器1005中可以包括操作***、数据存储模块、网络通信模块、用户接口模块以及交通事故诊断报告的生成程序。
在图4所示的交通事故诊断报告的生成设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明交通事故诊断报告的生成设备中的处理器1001、存储器1005可以设置在交通事故诊断报告的生成设备中，所述交通事故诊断报告的生成设备通过处理器1001调用存储器1005中存储的交通事故诊断报告的生成程序，并执行以下步骤：
获取事故车辆在目标时段内的空间数据和行为数据；
获取事故现场对应的城市/建筑信息模型，以及所述城市/建筑信息模型关联的交通法规数据，并根据所述城市/建筑信息模型、所述空间数据和所述行为数据，还原动态事故场景；
根据所述交通法规数据以及所述动态事故场景，生成交通事故诊断报告。
进一步地，所述交通事故诊断报告的生成设备通过处理器1001调用存储器1005中存储的交通事故诊断报告的生成程序，还执行以下步骤：
基于终端接入设备，确定所述事故车辆的定位***在所述目标时段内采集的空间数据，和所述事故车辆的车载电子控制单元在所述目标时段内的行为数据；
将所述空间数据、所述行为数据和所述事故车辆对应的车辆模型，上传至信息处理***。
进一步地，所述交通事故诊断报告的生成设备通过处理器1001调用存储器1005中存储的交通事故诊断报告的生成程序，还执行以下步骤：
基于所述空间数据中的位置数据与所述城市/建筑信息模型相匹配，确定事故位置的路段数据；
根据所述空间数据、所述路段数据和所述车辆模型，基于所述信息处理***构建车辆运动学模型，以模拟所述事故车辆的运动轨迹；
根据所述行为数据和所述车辆模型，基于所述信息处理***构建车辆动力学模型，以模拟所述事故车辆在碰撞过程中的受力情况；
将所述车辆运动学模型和所述车辆动力学模型进行耦合，得到对应的车辆碰撞模型，以还原所述动态事故场景。
进一步地，所述交通事故诊断报告的生成设备通过处理器1001调用存储器1005中存储的交通事故诊断报告的生成程序，还执行以下步骤：
根据所述交通法规数据，确定所述动态事故场景中事故路段对应的道路指标数据；
将所述道路指标数据和所述动态事故场景中的车辆行驶数据进行对比，以诊断所述事故车辆是否存在违规行为；
根据对比结果，生成所述交通事故诊断报告。
进一步地，所述交通事故诊断报告的生成设备通过处理器1001调用存储器1005中存储的交通事故诊断报告的生成程序，还执行以下步骤：
根据所述位移、所述油门操作数据和所述轮胎转速数据，确定事故车辆在当前路段的行驶速度；
当所述行驶速度大于所述路段限速数据时，判定所述事故车辆存在超速行为，并基于所述动态事故场景截取所述事故车辆的具体超速时刻。
进一步地，所述交通事故诊断报告的生成设备通过处理器1001调用存储器1005中存储的交通事故诊断报告的生成程序，还执行以下步骤：
根据所述车辆位移坐标，定位事故车辆的位移轨迹；
当所述位移轨迹超出所述实线行驶范围，且所述位移轨迹偏向另一车辆时，则判定所述事故车辆存在违规变道行为。
进一步地，所述交通事故诊断报告的生成设备通过处理器1001调用存储器1005中存储的交通事故诊断报告的生成程序，还执行以下步骤：
输出所述交通事故诊断报告和事故过程的场景模拟视频；
基于所述交通事故诊断报告和所述场景模拟视频，确认事故责任方；
将所述交通事故诊断报告、所述场景模拟视频，发送给事故相关方，所述事故相关方包括所述事故责任方。
进一步地，所述交通事故诊断报告的生成设备通过处理器1001调用存储器1005中存储的交通事故诊断报告的生成程序，还执行以下步骤：
基于城市/建筑信息模型，获取所述动态事故场景对应的事故路段；
确定所述事故路段的待广播范围和交通状况信息；
基于所述交通状况信息，规划对应的绕行路径；
将所述绕行路径和事故信息，基于所述待广播范围推送给所述事故路段上的车辆。
需要说明的是，在本文中，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、物品或者***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、物品或者***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，并不排除在包括该要素的过程、 方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种交通事故诊断报告的生成方法，其特征在于，所述交通事故诊断报告的生成方法包括以下步骤：
基于终端接入设备，确定事故车辆的定位***在目标时段内采集的空间数据，和所述事故车辆的车载电子控制单元在所述目标时段内的行为数据，所述目标时段包括事故发生时刻前30分钟、事故发生时刻以及事故发生时刻后30分钟；
将所述空间数据、所述行为数据和所述事故车辆对应的车辆模型，上传至信息处理***；
基于所述空间数据中的位置数据与城市/建筑信息模型相匹配，确定事故位置的路段数据，所述城市/建筑信息模型用于将实际场景的静态化建筑数据进行数字化表示，以构建出城市道路的静态模型，包含公路红绿灯、公路指示牌、公路障碍物、公路指示线和绿化建筑静态道路模型，所述城市/建筑信息模型包括城市信息模型和建筑信息模型；
根据所述空间数据、所述行为数据、所述路段数据和所述车辆模型，基于所述信息处理***构建车辆运动学模型，以模拟所述事故车辆的运动轨迹；
根据所述行为数据和所述车辆模型，基于所述信息处理***构建车辆动力学模型，以模拟所述事故车辆在碰撞过程中的受力情况；
将所述车辆运动学模型和所述车辆动力学模型进行耦合，得到对应的车辆碰撞模型，以还原动态事故场景；
根据所述城市/建筑信息模型关联的交通法规数据，确定所述动态事故场景中事故路段对应的道路指标数据；
将所述道路指标数据和所述动态事故场景中的车辆行驶数据进行对比，以诊断所述事故车辆是否存在违规行为；
根据对比结果，生成所述交通事故诊断报告。
2.如权利要求1所述的交通事故诊断报告的生成方法，其特征在于，所述道路指标数据包括路段限速数据，所述车辆行驶数据包括位移、油门操作数据和轮胎转速数据，所述将所述道路指标数据和所述动态事故场景中的车辆行驶数据进行对比，以诊断所述事故车辆是否存在违规行为的步骤包括：
根据所述位移、所述油门操作数据和所述轮胎转速数据，确定事故车辆在当前路段的行驶速度；
当所述行驶速度大于所述路段限速数据时，判定所述事故车辆存在超速行为，并基于所述动态事故场景截取所述事故车辆的具体超速时刻。
3.如权利要求1所述的交通事故诊断报告的生成方法，其特征在于，所述道路指标数据还包括实线行驶范围，所述车辆行驶数据还包括车辆位移坐标，所述将所述道路指标数据和所述动态事故场景中的车辆行驶数据进行对比，以诊断所述事故车辆是否存在违规行为的步骤还包括：
根据所述车辆位移坐标，定位事故车辆的位移轨迹；
当所述位移轨迹超出所述实线行驶范围，且所述位移轨迹偏向另一车辆时，则判定所述事故车辆存在违规变道行为。
4.如权利要求1所述的交通事故诊断报告的生成方法，其特征在于，所述根据对比结果，生成所述交通事故诊断报告的步骤之后，还包括：
输出所述交通事故诊断报告和事故过程的场景模拟视频；
基于所述交通事故诊断报告和所述场景模拟视频，确认事故责任方；
将所述交通事故诊断报告和所述场景模拟视频，发送给事故相关方，所述事故相关方包括所述事故责任方。
5.如权利要求1所述的交通事故诊断报告的生成方法，其特征在于，所述根据对比结果，生成所述交通事故诊断报告的步骤之后，还包括：
基于城市/建筑信息模型，获取所述动态事故场景对应的事故路段；
确定所述事故路段的待广播范围和交通状况信息；
基于所述交通状况信息，规划对应的绕行路径；
将所述绕行路径和事故信息，基于所述待广播范围推送给所述事故路段上的车辆。
6.一种交通事故诊断报告的生成设备，其特征在于，所述交通事故诊断报告的生成设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的交通事故诊断报告的生成程序，所述交通事故诊断报告的生成程序配置为实现如权利要求1至5中任一项所述的交通事故诊断报告的生成方法的步骤。
7.一种存储介质，其特征在于，所述存储介质上存储有交通事故诊断报告的生成程序，所述交通事故诊断报告的生成程序被处理器执行时实现如权利要求1至5任一项所述的交通事故诊断报告的生成方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311747140.0A CN117436821B (zh) | 2023-12-19 | 2023-12-19 | 交通事故诊断报告的生成方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311747140.0A CN117436821B (zh) | 2023-12-19 | 2023-12-19 | 交通事故诊断报告的生成方法、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117436821A CN117436821A (zh) | 2024-01-23 |
| CN117436821B true CN117436821B (zh) | 2024-04-02 |
Family
ID=89555625
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311747140.0A Active CN117436821B (zh) | 2023-12-19 | 2023-12-19 | 交通事故诊断报告的生成方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117436821B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117808437B (zh) * | 2024-02-28 | 2024-05-17 | 山东金宇信息科技集团有限公司 | 一种基于虚拟仿真技术的交通管理方法、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018032295A1 (zh) * | 2016-08-16 | 2018-02-22 | 华为技术有限公司 | 事故现场还原方法、装置及运动监控设备 |
| CN110738842A (zh) * | 2018-07-18 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 事故责任划分及行为分析方法、装置、设备及存储介质 |
| CN111400423A (zh) * | 2020-03-16 | 2020-07-10 | 郑州航空工业管理学院 | 基于多视图几何的智慧城市cim三维车辆位姿建模*** |
| CN115547029A (zh) * | 2022-06-30 | 2022-12-30 | 公安部道路交通安全研究中心 | 一种交通事故分析方法、***、电子设备及存储介质 |
| US11654904B1 (en) * | 2021-12-17 | 2023-05-23 | International Business Machines Corporation | Vehicular traffic adverse event monitoring mechanism |
-
2023
- 2023-12-19 CN CN202311747140.0A patent/CN117436821B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018032295A1 (zh) * | 2016-08-16 | 2018-02-22 | 华为技术有限公司 | 事故现场还原方法、装置及运动监控设备 |
| CN110738842A (zh) * | 2018-07-18 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 事故责任划分及行为分析方法、装置、设备及存储介质 |
| CN111400423A (zh) * | 2020-03-16 | 2020-07-10 | 郑州航空工业管理学院 | 基于多视图几何的智慧城市cim三维车辆位姿建模*** |
| US11654904B1 (en) * | 2021-12-17 | 2023-05-23 | International Business Machines Corporation | Vehicular traffic adverse event monitoring mechanism |
| CN115547029A (zh) * | 2022-06-30 | 2022-12-30 | 公安部道路交通安全研究中心 | 一种交通事故分析方法、***、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117436821A (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210407015A1 (en) | Methods of determining accident cause and/or fault using telematics data | |
| CN111524357B (zh) | 用于车辆安全行驶所需的多数据融合的方法 | |
| CN107782564B (zh) | 一种自动驾驶车辆测评***及方法 | |
| CN111524362B (zh) | 基于多数据融合的车辆安全行驶保障***与方法 | |
| RU2654502C2 (ru) | Система и способ дистанционного наблюдения за транспортными средствами | |
| CN111223302B (zh) | 移动载具用外部坐标实时三维路况辅助装置及该*** | |
| KR101040118B1 (ko) | 교통사고 재현 시스템 및 그 제어방법 | |
| EP3958129A1 (en) | Method and system for validating autonomous control software for a self-driving vehicle | |
| CN109410567B (zh) | 一种基于车联网的易发事故道路智慧分析***及方法 | |
| CN117436821B (zh) | 交通事故诊断报告的生成方法、设备及存储介质 | |
| CN110738842A (zh) | 事故责任划分及行为分析方法、装置、设备及存储介质 | |
| CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
| CN113609016B (zh) | 车辆自动驾驶测试场景的构建方法、装置、设备及介质 | |
| US20220198107A1 (en) | Simulations for evaluating driving behaviors of autonomous vehicles | |
| CN104200659B (zh) | 一种重点车辆是否按规定线路行驶的判定方法 | |
| JP2022510959A (ja) | 自律車両のための自動性能チェック | |
| CN105489007A (zh) | 一种车辆管理的方法和*** | |
| WO2018036824A1 (de) | System und verfahren zum abrufbaren bereitstellen und aktualisieren von klassifikationsdaten zu parkplätzen | |
| US20220204009A1 (en) | Simulations of sensor behavior in an autonomous vehicle | |
| Leizerovych et al. | IoT-complex for monitoring and analysis of motor highway condition using artificial neural networks | |
| CN113748448B (zh) | 基于车辆的虚拟停止线和让行线检测 | |
| CN205264045U (zh) | 一种车辆管理*** | |
| US10643407B1 (en) | Driving event recording method and system for non-image-based car accident cause determination | |
| CN114925457A (zh) | 一种应用于车联网的预警功能测试方法及装置 | |
| CN113821924A (zh) | 车辆实时数据采集***、定位核查方法及里程分析方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |