CN118297258A - 交通违章事件检测的评价方法、装置、设备及存储介质 - Google Patents
交通违章事件检测的评价方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118297258A CN118297258A CN202211739239.1A CN202211739239A CN118297258A CN 118297258 A CN118297258 A CN 118297258A CN 202211739239 A CN202211739239 A CN 202211739239A CN 118297258 A CN118297258 A CN 118297258A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- event
- violation
- confidence
- traffic
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 174
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000004590 computer program Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 9
- 239000000523 sample Substances 0.000 claims 1
- 230000004927 fusion Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请适用于计算机技术领域,提供了一种交通违章事件检测的评价方法、装置、设备及存储介质,该方法包括:根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数;根据待检测的交通事件相关联的车道信息和车辆行驶信息,生成交通事件对应各类型违章事件的车辆违章置信度;根据轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件。通过确定车辆的轨迹波动性参数和车辆违章置信度,进一步确定交通事件的检测结果,解决了车辆轨迹波动性和违章事件检测结果影响事件检测准确性的问题。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种交通违章事件检测的评价方法、装置、设备及存储介质。
背景技术
随着城市化进程的加快,交通基础设施得到极大改善,车辆数量日益激增,但随之出现的交通事件事故问题越发严重,常见的交通违章事件包括车辆超速行驶以及违法变道等,大量的交通事件促进了交通事件检测的发展,但在实际情况中,存在许多因素会导致事件检测出现错误,例如车辆轨迹的波动性可能会导致事件检测的结果向着不准确的方向偏移,而违章事件检测本身也可能存在误检的问题,影响最终的交通事件检测结果。
发明内容
本申请目的在于提供一种交通违章事件检测的评价方法、装置、设备及存储介质,旨在解决车辆轨迹波动性和违章事件检测结果影响事件检测准确性的问题。
本申请实施方式的第一方面提供了一种交通违章事件检测的评价方法,所述检测方法包括:
根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数;
根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度;
根据所述轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件。
在可选的实施方式中,在所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数之前,所述检测方法还包括:
根据预设的专家经验数据库,从多个评价指标中确定出设定数量的对车辆轨迹波动性参数影响程度高于设定波动性影响阈值的若干评价指标;
其中,所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数,包括:
从所述车辆行驶信息中调取所述若干评价指标对应的车辆轨迹评价指标数据;
根据所述若干评价指标对应的车辆轨迹评价指标数据,生成所述车辆的轨迹波动性参数。
在可选的实施方式中,在所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数之前,所述检测方法还包括:
根据预设的专家经验数据库,从包括多个评价指标的波动性影响程度序列中,确定出排序位于前N位的若干评价指标;N为大于1的正整数;
其中,所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数,包括:
从所述车辆行驶信息中调取所述若干评价指标对应的车辆轨迹评价指标数据;
根据所述若干评价指标对应的车辆轨迹评价指标数据,生成所述车辆的轨迹波动性参数。
在可选的实施方式中,所述根据所述若干评价指标对应的车辆轨迹评价指标数据,生成所述车辆的轨迹波动性参数,包括:
根据所述若干评价指标对应的车辆轨迹评价指标数据,计算各个评价指标对应的指标值;
根据所述各个评价指标对应的指标值,加权计算得到车辆的轨迹波动性参数。
在可选的实施方式中,还包括:
获取待检测的交通事件相关联的车辆属性信息;
所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数,包括:
根据待检测的交通事件相关联车辆行驶信息以及所述车辆属性的测量信息,生成所述车辆的轨迹波动性参数。
在可选的实施方式中,所述评价指标包括:第一预设时间段内的位置差置信度、第一预设时间段内的速度差置信度、第二预设时间段内的车速标准差、第二预设时间段内的车辆位置标准差、第二预设时间段内的相邻帧位移差的平均值、预测帧比例和融合数据比例,相对应地,所述若干评价指标对应的车辆轨迹评价指标数据,包括:待检测的交通事件相关联的车辆在各个时间帧的位置和速度。
在可选的实施方式中,所述车辆属性的测量信息包括车辆车长的探测数据,所述评价指标还包括第二预设时间段内的车长标准差。
在可选的实施方式中,在所述根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度之前,所述检测方法还包括:
根据预设的专家经验数据库,从多个评价指标中确定出设定数量的对车辆违章影响程度高于设定违章影响阈值的若干评价指标;
其中,所述根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
从所述车道信息和所述车辆行驶信息中调取所述若干评价指标对应的车辆违章事件评价指标数据;
根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度。
在可选的实施方式中,在所述根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度之前,所述检测方法还包括:
根据预设的专家经验数据库,从包括多个评价指标的违章影响程度序列中,确定出排序位于前N位的若干评价指标;N为大于1的正整数;
其中,所述根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
从所述车道信息和所述车辆行驶信息中调取所述若干评价指标对应的车辆违章事件评价指标数据;
根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度。
在可选的实施方式中,所述违章事件包括超速事件;所述根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
计算第三预设时间段内车辆速度超过设定的超速阈值的所有时间帧的数量与总时间帧的数量的比值;
将所述比值确定为所述超速事件的置信度。
在可选的实施方式中,所述违章事件包括违停事件;根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
计算第四预设时间段内车辆速度为零的时间帧数量与总时间帧的比值,并作为第一比值;
计算所述第四预设时间段内车辆速度为正常状态时的时间帧数量与总时间帧的比值,并作为第二比值;
计算所述第四预设时间段内每个相邻帧位置差之间的平均值,并将所述平均值的绝对值的相反数作为自然对数的指数,形成系数因子;
计算所述第一比值与第二比值的加和结果与所述系数因子的乘积,得到所述违停置信度。
在可选的实施方式中,所述违章事件包括逆行事件;根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
计算第三预设时间段内车辆逆向行驶的时间帧数量与总时间帧的比值,并计算车辆目标位置置信度;
计算所述比值和所述车辆目标位置置信度的乘积;
将所述乘积确定为所述逆行事件的置信度。
在可选的实施方式中,所述违章事件包括变道事件;根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
计算车辆横移距离差置信度和车辆横移速度置信度,并计算得到平均值;
将所述平均值确定为所述变道事件的置信度。
在可选的实施方式中,所述根据所述轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件,包括:
计算所述轨迹波动性参数和所述各类型违章事件的车辆违章置信度的乘积,得到事件总体置信度;
根据所述事件总体置信度,结合预设的置信度判断阈值确定当前检测的交通事件是否为违章事件。
本申请实施方式的第二方面提供了一种交通违章事件检测的评价装置,所述检测装置包括:
第一生成模块,用于根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数;
第二生成模块,用于根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度;
检测模块,用于根据所述轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件。
本申请实施方式的第三方面提供了一种交通事件检测评价的终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
本申请实施方式的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法。
本申请实施方式的第五方面提供了一种计算机程序产品,当所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述第一方面所述的方法。
本申请实施方式与现有技术相比存在的有益效果是:通过待检测的交通事件相关的车道信息和车辆行驶信息确定车辆的轨迹波动性参数和交通事件对应各类型违章事件的车辆违章置信度,并根据轨迹波动性参数和车辆违章置信度生成交通事件检测结果,在确定事件检测结果的过程中充分考虑车辆轨迹波动对交通事件检测准备性的影响问题,并通过确定车辆违章置信度,设定了车辆违章事件检测结果评价指标,避免了违章事件检测可能存在的误检结果对事件检测准确性的影响问题。
附图说明
为了更清楚地说明本申请实施方式中的技术方案,下面将对实施方式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申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供的一种交通违章事件检测的评价方法的流程图之一;
图2为本申请实施方式提供的一种交通违章事件检测的评价方法的流程图之二;
图3为本申请实施方式提供的一种交通违章事件检测的评价装置的结构示意图;
图4为本申请实施方式提供的一种交通违章事件检测的评价终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施方式。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施方式中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施方式”或“一些实施方式”等意味着在本申请的一个或多个实施方式中包括结合该实施方式描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施方式中”、“在一些实施方式中”、“在其他一些实施方式中”、“在另外一些实施方式中”等不是必然都参考相同的实施方式,而是意味着“一个或多个但不是所有的实施方式”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
应理解,本实施方式中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施方式的实施过程构成任何限定。
随着城市化进程的加快,车辆数量迅速增加,随之出现的交通事件事故问题越发严重,大量的交通事件促进了交通事件检测的发展,但在实际情况中,存在许多因素会导致事件检测出现错误,例如车辆轨迹的波动性可能会导致事件检测的结果向着不准确的方向偏移,而违章事件检测本身也可能存在误检的问题,影响最终的交通事件检测结果。为解决车辆轨迹波动性和违章事件检测结果影响事件检测准确性的问题,本申请提供一种交通违章事件检测的评价方法。
为了说明本申请的技术方案,下面通过具体实施方式来说明。
参照图1,示出了本申请实施方式提供的一种交通违章事件检测的评价方法的流程图之一。
步骤101,根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数。
其中,待检测的交通事件,可以是指当前正在检测的交通事件。需要说明的是,交通事件包括违章事件和非违章事件,其中违章事件包括但不限于超速事件、违停事件、变道事件和逆行事件。
其中,车辆行驶信息,可以包括车辆在待检测的交通事件发生前后一定时间段内的轨迹数据,其中轨迹数据可以为车辆的速度信息和位置信息。需要说明的是,对车辆行驶信息的监测可以通过激光雷达,红外测距设备和深度相机等设备实现。
其中,车辆的轨迹波动性参数,可以用于为待检测的交通事件相关联的车辆轨迹是否剧烈波动提供判断依据,需要说明的是,对于轨迹波动性参数的计算需要综合考虑对车辆轨迹波动性影响较大的若干个评价指标,以保证计算结果的可靠性,同时降低车辆轨迹波动性对事件检测结果准确性的影响。
作为一种可能的实现方式,通过激光雷达获取当前检测的交通事件相关联的车辆的轨迹数据,包括速度信息和位置信息,同时结合对车辆轨迹波动性影响较大的若干个评价指标,计算得到车辆的轨迹波动性参数。相对应的,需要预先确定对车辆轨迹波动性影响较大的若干个评价指标,即在上述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数之前,可以包括:
根据预设的专家经验数据库,从多个评价指标中确定出设定数量的对车辆轨迹波动性参数影响程度高于设定波动性影响阈值的若干评价指标。
其中,预设的专家经验数据库,可以是人为构建,内部包含大量的车辆轨迹经验数据与违章事件经验数据,可以用于为交通违章事件检测提供相关数据和经验指导。
其中,车辆轨迹经验数据中可以包含一切具有连续车辆位置信息的数据,如:原始毫米波雷达数据,原始激光雷达数据,雷达与视频检测融合后的数据,雷达、视频检测、跟踪后的融合数据等。对于输入数据所包含的内容,可以包含车辆的位置(x、y、z),车辆的长宽高(l、w、h),车辆的速度和车辆类别等,其他内容可根据雷达输出或视频检测输出等增加(如时间戳,加速度等)。违章事件经验数据,为在交通事件相关车辆发生违章事件时,相关车辆的轨迹与高精度地图数据之间的时空关系。
其中,设定波动性影响阈值,为一个预设值,是通过专家经验数据库内含的数据总结得到的,能够为筛选影响车辆轨迹波动性的评价指标提供参考,具体得到过程为本领域的常规技术手段,本申请对此不作赘述。
示例性的,参照图2,示出了本申请实施方式提供的一种交通违章事件检测的评价方法的流程图之二。
作为一种可能的实施方式,根据预设的专家经验数据库中内含的所有车辆的轨迹数据,计算得到多个评价指标对车辆轨迹波动性的影响程度值,确定一设定波动性影响阈值,选择影响程度值高于设定波动性影响阈值的设定数量的若干评价指标。
其中,上述确定得到的若干评价指标可以包括:第一预设时间段内的位置差置信度、第一预设时间段内的速度差置信度、第二预设时间段内的车速标准差、第二预设时间段内的车辆位置标准差、第二预设时间段内的相邻帧位移差的平均值、预测帧比例和融合数据比例。相对应地,为计算待检测交通事件相关联的车辆的轨迹波动性参数,需要结合上述若干评价指标,即步骤101可以包括:
从车辆行驶信息中调取若干评价指标对应的车辆轨迹评价指标数据;根据若干评价指标对应的车辆轨迹评价指标数据,生成车辆的轨迹波动性参数。
其中,车辆轨迹评价指标数据,包含于车辆行驶信息中,针对上述若干评价指标,车辆轨迹评价指标数据可以包括待检测的交通事件相关联的车辆在各个时间帧的位置和速度。
作为一种可能的实施方式,针对若干个评价指标,即第一预设时间段内的位置差置信度、第一预设时间段内的速度差置信度、第二预设时间段内的车速标准差、第二预设时间段内的车辆位置标准差、第二预设时间段内的相邻帧位移差的平均值、预测帧比例和融合数据比例,为确定上述若干个评价指标分别对应的指标值,需要确定相应的车辆轨迹评价指标数据,即从车辆行驶信息中调取待检测的交通事件相关联的车辆在各个时间帧的位置和速度,由此计算得到上述若干个评价指标分别对应的指标值,为进一步确定车辆轨迹波动性参数,步骤101还可以包括:
根据若干评价指标对应的车辆轨迹评价指标数据,计算各个评价指标对应的指标值;根据各个评价指标对应的指标值,加权计算得到车辆的轨迹波动性参数。
作为一种可能的实施方式,从车辆行驶信息中调取待检测的交通事件相关联的车辆在各个时间帧的位置和速度,计算得到上述若干个评价指标分别对应的指标值,进一步对计算得到的所有指标值进行加权计算,得到车辆的轨迹波动性参数。
作为另一种可能的实现方式,为确定对车辆轨迹波动性影响较大的若干个评价指标,即在上述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数之前,还可以包括:
根据预设的专家经验数据库,从包括多个评价指标的波动性影响程度序列中,确定出排序位于前N位的若干评价指标;N为大于1的正整数。
作为一种示例,根据预设的专家经验数据库中内含的所有车辆的轨迹数据,计算得到多个评价指标对车辆轨迹波动性的影响程度值,将多个影响程度值按照数值由大到小依次排列,选择排序位于前N位的N个评价指标。
其中,上述N个评价指标可以包括:第一预设时间段内的位置差置信度、第一预设时间段内的速度差置信度、第二预设时间段内的车速标准差、第二预设时间段内的车辆位置标准差、第二预设时间段内的相邻帧位移差的平均值、预测帧比例和融合数据比例。
举例来说,第一预设时间段内的位置差置信度可以对应车辆两帧间的位置差置信度,第一预设时间段内的速度差置信度可以对应车辆两帧间的速度差置信度,第二预设时间段内的车速标准差可以对应最新10帧的车速标准差,第二预设时间段内的车辆位置标准差可以对应最新10帧的车辆位置标准差,最新10帧的相邻帧位移差的平均值。
作为一种可能的实施方式,为了降低车辆轨迹波动性对交通事件检测准确性的影响,在确定车辆轨迹波动性参数时,还可以考虑车辆本身的信息,即在根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数之前,还可以包括:
获取待检测的交通事件相关联的车辆属性信息。
其中,车辆属性信息,可以包括车辆的长度、宽度、高度、质量以及功能参数等。对应的,在计算车辆的轨迹波动性参数时,还需要考虑车辆的属性信息,即,步骤101还可以包括:
根据待检测的交通事件相关联车辆行驶信息以及车辆属性的测量信息,生成车辆的轨迹波动性参数。
其中,车辆属性的测量信息,可以包括在预设时间段内对车辆车长的探测数据。对应车辆属性的测量信息,在计算车辆的轨迹波动性参数时,需要考虑车辆属性的测量信息对应的评价指标,即第二预设时间段内的车长标准差。
作为一种可能的实施方式,根据预设的专家经验数据库中内含的所有车辆的轨迹数据以及所有车辆属性信息,计算得到多个评价指标对车辆轨迹波动性的影响程度值,将多个影响程度值按照数值由大到小依次排列,选择排序位于前8位的8个评价指标,分别为第一预设时间段内的位置差置信度、第一预设时间段内的速度差置信度、第二预设时间段内的车速标准差、第二预设时间段内的车长标准差、第二预设时间段内的车辆位置标准差、第二预设时间段内的相邻帧位移差的平均值、预测帧比例和融合数据比例。
进一步的,从待检测的交通事相关联车辆行驶信息中调取车辆的速度信息和位置信息,结合预设时间段内对车辆车长的探测数据,计算得到上述8个评价指标分别对应的指标值,对所有指标值进行加权计算得到车辆的轨迹波动性参数。
举例来说,第一预设时间段内的位置差置信度可以对应车辆两帧间的位置差置信度,第一预设时间段内的速度差置信度可以对应车辆两帧间的速度差置信度,第二预设时间段内的车速标准差可以对应最新10帧的车速标准差,第二预设时间段内的车辆位置标准差可以对应最新10帧的车辆位置标准差,最新10帧的相邻帧位移差的平均值,第二预设时间段内的车长标准差可以对应最新10帧的车长标准差。
需要说明的是,车辆位置差置信度的计算方法如下:
两帧间的位置差置信度=1-D*4/3(D小于等于0.15时)
两帧间的车辆速度差置信度的计算方法同车辆两帧间的位置差置信度。
可以理解的是,当一辆车以平稳的状态行驶在道路上时,位置差置信度与车辆速度差置信度将会保持在一个接近1的小数;车速标准差,车长标准差,车辆位置标注差以及相邻帧位移差的平均值将会保持在一个接近0的小数。即,位置差置信度与车速置信度越高,车的运行状态越平稳;标准差越小,车辆轨迹波动性越小。
步骤102,根据待检测的交通事件相关联的车道信息和车辆行驶信息,生成交通事件对应各类型违章事件的车辆违章置信度。
其中,车道信息,可以包括车道宽度信息,车道中心线位置信息和车道坡度信息。车辆行驶信息可以包括车辆在待检测的交通事件发生前后一定时间段内的轨迹数据,其中轨迹数据可以为车辆的速度信息和位置信息。
其中,各类型违章事件可以包括超速事件,违停事件,变道事件和逆行事件。
其中,车辆违章置信度为交通事件检测结果提供依据,需要说明的是,不同类型的违章事件分别对应一车辆违章置信度,对于车辆违章置信度的计算需要考虑对各违章事件影响最大的若干个评价指标,以降低对违章事件检测错误的可能性。
作为一种可能的实现方式,获取待检测的交通事件相关联的车辆的速度信息和位置信息,以及车道信息,同时结合对各违章事件影响最大的若干个评价指标,计算得到各类型违章事件的车辆违章置信度。相对应的,需要预先确定对各违章事件影响最大的若干个评价指标,即在上述根据待检测的交通事件相关联的车道信息和车辆行驶信息,生成交通事件对应各类型违章事件的车辆违章置信度之前,可以包括:
根据预设的专家经验数据库,从多个评价指标中确定出设定数量的对车辆违章影响程度高于设定违章影响阈值的若干评价指标。
其中,预设的专家经验数据库,可以是人为构建,内部包含大量的车辆轨迹经验数据与违章事件经验数据,可以用于为交通违章事件检测提供相关数据和经验指导。
其中,车辆轨迹经验数据中可以包含一切具有连续车辆位置信息的数据,如:原始毫米波雷达数据,原始激光雷达数据,雷达与视频检测融合后的数据,雷达、视频检测、跟踪后的融合数据等。对于输入数据所包含的内容,可以包含车辆的位置(x、y、z),车辆的长宽高(l、w、h),车辆的速度和车辆类别等,其他内容可根据雷达输出或视频检测输出等增加(如时间戳,加速度等)。违章事件经验数据,为在交通事件相关车辆发生违章事件时,相关车辆的轨迹与高精度地图数据之间的时空关系。
其中,设定违章影响阈值,为预设值,是通过专家经验数据库内含的数据总结得到的,能够为筛选影响车辆违章事件检测的评价指标提供参考,具体总结过程为常规技术手段,本申请对此不作赘述。需要说明的是,不同类型的违章事件分别对应的一个设定违章影响阈值,以满足对不同类型违章事件的检测。
作为一种可能的实施方式,根据预设的专家经验数据库中内含的所有车辆的轨迹数据和违章事件经验数据,计算得到多个评价指标对车辆违章的影响程度值,针对各类型的违章事件分别确定一设定波动性影响阈值,选择影响程度值高于设定波动性影响阈值的设定数量的若干个评价指标。
作为另一种可能的实施方式,在上述根据待检测的交通事件相关联的车道信息和车辆行驶信息,生成交通事件对应各类型违章事件的车辆违章置信度之前,可以包括:
根据预设的专家经验数据库,从包括多个评价指标的违章影响程度序列中,确定出排序位于前N位的若干评价指标;N为大于1的正整数。
作为一种示例,根据预设的专家经验数据库中内含的所有车辆的轨迹数据和违章事件经验数据,计算得到多个评价指标对车辆违章的影响程度值,将多个影响程度值按照数值由大到小依次排列,选择排序位于前N位的N个评价指标。
其中,上述确定得到的若干个评价指标可以分类为超速事件的评价指标,违停事件的评价指标,逆行事件的评价指标以及变道事件的评价指标。
作为一种示例,超速事件的评价指标为第三预设时间段内的超速帧占比;违停事件的评价指标为第四预设时间段内的零速度帧占比、第四预设时间段内的正常状态帧占比以及第四预设时间段内相邻帧位置差的平均值;逆行事件的评价指标为第四预设时间段内的逆行帧占比和车辆目标位置置信度;变道事件的评价指标为车辆到中心线的距离、车辆横移距离差置信度、车辆横移速度置信度、车辆第五预设时间段内经过的车道个数、当前帧中心线与历史中心线距离的中位数差值、车辆在隧道中的位置。
举例来说,第三预设时间段内的超速帧占比对应200帧内的超速帧占比,第四预设时间段内的零速度帧占比对应50帧内的零速度占比、第四预设时间段内的正常状态帧占比对应50帧内的正常状态帧占比,第四预设时间段内相邻帧位置差的平均值对应50帧内的相邻帧位置差的平均值,第四预设时间段内的逆行帧占比对应50帧内的逆行帧占比,车辆第五预设时间段内经过的车道个数对应车辆20帧内经过的车道个数。
作为一种可能的实施方式,在确定上述若干个评价指标后,可以进一步完成车辆违章置信度的计算,即,步骤102包括:
从车道信息和车辆行驶信息中调取若干评价指标对应的车辆违章事件评价指标数据;根据若干评价指标对应的车辆违章事件评价指标数据,生成交通事件对应各类型违章事件的车辆违章置信度。
其中,车辆违章事件评价指标数据,为计算若干评价指标对应的指标所需要的数据,包括待检测的交通事件相关联的车辆在各个时间帧的位置和速度以及车道相关数据。
作为一种可能的实施方式,针对各类型违章事件对应的评价指标,需要从车道信息和车辆行驶信息中调取对应的车辆违章事件评价指标数据,即待检测的交通事件相关联的车辆在各个时间帧的位置和速度以及车道相关数据,根据上述调取得到的数据计算得到交通事件对应各类型违章事件的车辆违章置信度。由此,各类型违章事件的车辆违章置信度的计算方式不同,即,针对超速事件的置信度,步骤102包括:
计算第三预设时间段内车辆速度超过设定的超速阈值的所有时间帧的数量与总时间帧的数量的比值;将比值确定为超速事件的置信度。
示例性的,计算200帧内车辆速度超过设定的超速阈值的所有时间帧的数量与200帧的比值,将该比值确定为超速事件的置信度。
作为另一种可能的实施方式,针对违停事件的置信度,步骤102包括:
计算第四预设时间段内车辆速度为零的时间帧数量与总时间帧的比值,并作为第一比值;计算第四预设时间段内车辆速度为正常状态时的时间帧数量与总时间帧的比值,并作为第二比值;计算第四预设时间段内每个相邻帧位置差之间的平均值,并将平均值的绝对值的相反数作为自然对数的指数,形成系数因子;计算第一比值与第二比值的加和结果与系数因子的乘积,得到违停置信度。
示例性的,计算50帧内车辆速度为零的时间帧数量与50帧的比值,作为第一比值Z,计算50帧内车辆速度为正常状态时的时间帧数量与50帧的比值,作为第二比值D,计算50帧内每个相邻帧位置差之间的平均值X,将该平均值的绝对值的相反数作为自然对数的指数,形成系数因子,计算第一比值与第二比值的加和结果与系数因子的乘积,得到违停事件的置信度A。
需要说明的是,违停事件的计算公式为:
A=(D+Z)*e-|X|
作为另一种可能的实施方式,针对逆行事件的置信度,步骤102包括:
计算第四预设时间段内车辆逆向行驶的时间帧数量与总时间帧的比值,并计算车辆目标位置置信度;计算比值和车辆目标位置置信度的乘积;将乘积确定为逆行事件的置信度。
示例性的,计算50帧内车辆逆向行驶的时间帧数量与50帧的比值,计算车辆目标位置置信度,计算该比值与车辆目标位置置信度的乘积,并将该乘积确定为逆行事件的置信度。
作为另一种可能的实施方式,针对变道事件的置信度,步骤102包括:
计算车辆横移距离差置信度和车辆横移速度置信度,并计算得到平均值;将平均值确定为变道事件的置信度。
其中,车辆横移距离差置信度为车辆前后帧横移距离差置信度,车辆横移速度置信度为车辆前后帧横移速度置信度。
步骤103,根据轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件。
作为一种可能的实施方式,为通过轨迹波动性参数和对应各类型违章事件的车辆违章置信度确定当前检测的交通事件是否为违章事件,需要设定预设的置信度判断阈值,为检测结果提供依据,即步骤103包括:
计算轨迹波动性参数和各类型违章事件的车辆违章置信度的乘积,得到事件总体置信度;根据事件总体置信度,结合预设的置信度判断阈值确定当前检测的交通事件是否为违章事件。
其中,事件总体置信度为交通违章事件检测提供该事件的总体可信度,该可信度综合考虑了车辆运行状态,车辆违章可能性大小,从而减少误检,由此,事件总体置信度将为事件检测结果提供更可靠的数据依据。
作为一种示例,预设的置信度判断阈值为0.9,若轨迹波动性参数和超速事件的车辆违章置信度的乘积,即事件总体置信度大于0.9,则确定当前检测的交通事件为违章事件,且为超速事件。
需要说明的是,对于其他违章事件,例如违停事件、变道事件和逆行事件,分别对应的事件总体置信度需要分别计算,并与预设的置信度判断阈值进行比较,确定待检测的交通事件是否为对应的违章事件。
图3为本申请实施方式提供的一种交通违章事件检测的评价装置的结构示意图,为了便于说明,仅示出了与本申请实施方式相关的部分。
交通违章事件检测的评价装置具体可以包括如下模块:
第一生成模块301,用于根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数;
第二生成模块302,用于根据待检测的交通事件相关联的车道信息和车辆行驶信息,生成交通事件对应各类型违章事件的车辆违章置信度;
检测模块303,用于根据轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件。
在实际使用时,本申请实施方式提供的检测装置,可以被配置在任意终端设备中,以执行前述交通违章事件检测的评价方法。
作为一种可能的实现方式,通过第一生成模块301,根据待检测的交通事件相关联的车辆行驶信息和车辆属性的测量信息,并结合车辆轨迹波动性的评价指标,生成车辆的轨迹波动性参数;通过第二生成模块302,根据待检测的交通事件相关联的车道信息和车辆行驶信息,并结合各类型违章事件的评价指标,生成交通事件对应各类型违章事件的车辆违章置信度;通过检测模块303,计算轨迹波动性参数和对应各类型违章事件的车辆违章置信度的乘积,并结合预设的置信度判断阈值确定当前检测的交通事件是否为违章事件。
图4为本申请实施方式提供的一种交通违章事件检测的评价终端设备的结构示意图。该终端设备400包括:至少一个处理器401(图4中仅示出一个)处理器、存储器402以及存储在所述存储器402中并可在所述至少一个处理器401上运行的计算机程序403,所述处理器401执行所述计算机程序403时实现上述河道降雨水质达标辅助处理方法实施方式中的步骤。
所述终端设备400可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器401、存储器402。本领域技术人员可以理解,图4仅仅是终端设备400的举例,并不构成对终端设备400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,例如还可以包括输入输出设备、网络接入设备等。
所称处理器401可以是中央处理单元(Central Processing Unit,CPU),该处理器401还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器402在一些实施方式中可以是所述终端设备400的内部存储单元,例如终端设备400的硬盘或内存。所述存储器402在另一些实施方式中也可以是所述终端设备400的外部存储设备,例如所述终端设备400上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器402还可以既包括所述终端设备400的内部存储单元也包括外部存储设备。所述存储器402用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
在上述实施方式中,对各个实施方式的描述都各有侧重,某个实施方式中没有详述或记载额定部分,可以参见其他实施方式的相关描述。
本申请实施方式还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述各个方法实施方式中的步骤。
本申请实施方式提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施方式中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施方式方法中的全部或部分流程,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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施方式的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施方式中,对各个实施方式的描述都各有侧重,某个实施方式中没有详述或记载的部分,可以参见其它实施方式的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施方式描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施方式中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
以上所述实施方式仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施方式对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施方式技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (17)
1.一种交通违章事件检测的评价方法,其特征在于,所述检测方法包括:
根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数;
根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度;
根据所述轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件。
2.根据权利要求1所述的方法,其特征在于,在所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数之前,所述检测方法还包括:
根据预设的专家经验数据库,从多个评价指标中确定出设定数量的对车辆轨迹波动性参数影响程度高于设定波动性影响阈值的若干评价指标;
其中,所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数,包括:
从所述车辆行驶信息中调取所述若干评价指标对应的车辆轨迹评价指标数据;
根据所述若干评价指标对应的车辆轨迹评价指标数据,生成所述车辆的轨迹波动性参数。
3.根据权利要求1所述的方法,其特征在于,在所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数之前,所述检测方法还包括:
根据预设的专家经验数据库,从包括多个评价指标的波动性影响程度序列中,确定出排序位于前N位的若干评价指标;N为大于1的正整数;
其中,所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数,包括:
从所述车辆行驶信息中调取所述若干评价指标对应的车辆轨迹评价指标数据;
根据所述若干评价指标对应的车辆轨迹评价指标数据,生成所述车辆的轨迹波动性参数。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述若干评价指标对应的车辆轨迹评价指标数据,生成所述车辆的轨迹波动性参数,包括:
根据所述若干评价指标对应的车辆轨迹评价指标数据,计算各个评价指标对应的指标值;
根据所述各个评价指标对应的指标值,加权计算得到车辆的轨迹波动性参数。
5.根据权利要求4所述的方法,其特征在于,还包括:
获取待检测的交通事件相关联的车辆属性信息;
所述根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数,包括:
根据待检测的交通事件相关联车辆行驶信息以及所述车辆属性的测量信息,生成所述车辆的轨迹波动性参数。
6.根据权利要求4所述的方法,其特征在于,所述评价指标包括:第一预设时间段内的位置差置信度、第一预设时间段内的速度差置信度、第二预设时间段内的车速标准差、第二预设时间段内的车辆位置标准差、第二预设时间段内的相邻帧位移差的平均值、预测帧比例和融合数据比例,相对应地,所述若干评价指标对应的车辆轨迹评价指标数据,包括:待检测的交通事件相关联的车辆在各个时间帧的位置和速度。
7.根据权利要求5所述的方法,其特征在于,所述车辆属性的测量信息包括车辆车长的探测数据,所述评价指标还包括第二预设时间段内的车长标准差。
8.根据权利要求1所述的方法,其特征在于,在所述根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度之前,所述检测方法还包括:
根据预设的专家经验数据库,从多个评价指标中确定出设定数量的对车辆违章影响程度高于设定违章影响阈值的若干评价指标;
其中,所述根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
从所述车道信息和所述车辆行驶信息中调取所述若干评价指标对应的车辆违章事件评价指标数据;
根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度。
9.根据权利要求1所述的方法,其特征在于,在所述根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度之前,所述检测方法还包括:
根据预设的专家经验数据库,从包括多个评价指标的违章影响程度序列中,确定出排序位于前N位的若干评价指标;N为大于1的正整数;
其中,所述根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
从所述车道信息和所述车辆行驶信息中调取所述若干评价指标对应的车辆违章事件评价指标数据;
根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度。
10.根据权利要求8或9所述的方法,其特征在于,所述违章事件包括超速事件;所述根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
计算第三预设时间段内车辆速度超过设定的超速阈值的所有时间帧的数量与总时间帧的数量的比值;
将所述比值确定为所述超速事件的置信度。
11.根据权利要求8或9所述的方法,其特征在于,所述违章事件包括违停事件;根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
计算第四预设时间段内车辆速度为零的时间帧数量与总时间帧的比值,并作为第一比值;
计算所述第四预设时间段内车辆速度为正常状态时的时间帧数量与总时间帧的比值,并作为第二比值;
计算所述第四预设时间段内每个相邻帧位置差之间的平均值,并将所述平均值的绝对值的相反数作为自然对数的指数,形成系数因子;
计算所述第一比值与第二比值的加和结果与所述系数因子的乘积,得到所述违停事件的置信度。
12.根据权利要求8或9所述的方法,其特征在于,所述违章事件包括逆行事件;根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
计算第四预设时间段内车辆逆向行驶的时间帧数量与总时间帧的比值,并计算车辆目标位置置信度;
计算所述比值和所述车辆目标位置置信度的乘积;
将所述乘积确定为所述逆行事件的置信度。
13.根据权利要求8或9所述的方法,其特征在于,所述违章事件包括变道事件;根据所述若干评价指标对应的车辆违章事件评价指标数据,生成所述交通事件对应各类型违章事件的车辆违章置信度,包括:
计算车辆横移距离差置信度和车辆横移速度置信度,并计算得到平均值;
将所述平均值确定为所述变道事件的置信度。
14.根据权利要求1所述的方法,其特征在于,所述根据所述轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件,包括:
计算所述轨迹波动性参数和所述各类型违章事件的车辆违章置信度的乘积,得到事件总体置信度;
根据所述事件总体置信度,结合预设的置信度判断阈值确定当前检测的交通事件是否为违章事件。
15.一种交通违章事件检测的评价装置,其特征在于,所述检测装置包括:
第一生成模块,用于根据待检测的交通事件相关联的车辆行驶信息生成车辆的轨迹波动性参数;
第二生成模块,用于根据待检测的交通事件相关联的车道信息和所述车辆行驶信息,生成所述交通事件对应各类型违章事件的车辆违章置信度;
检测模块,用于根据所述轨迹波动性参数和对应各类型违章事件的车辆违章置信度,确定当前检测的交通事件是否为违章事件。
16.一种交通违章事件检测的评价终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至14任一项所述的方法。
17.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至14任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211739239.1A CN118297258A (zh) | 2022-12-30 | 2022-12-30 | 交通违章事件检测的评价方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211739239.1A CN118297258A (zh) | 2022-12-30 | 2022-12-30 | 交通违章事件检测的评价方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118297258A true CN118297258A (zh) | 2024-07-05 |
Family
ID=91676588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211739239.1A Pending CN118297258A (zh) | 2022-12-30 | 2022-12-30 | 交通违章事件检测的评价方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118297258A (zh) |
-
2022
- 2022-12-30 CN CN202211739239.1A patent/CN118297258A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986465B (zh) | 一种车流量检测的方法、***及终端设备 | |
US10147315B2 (en) | Method and apparatus for determining split lane traffic conditions utilizing both multimedia data and probe data | |
CN113345258B (zh) | 基于边缘计算的道路通行保障方法、***、设备及介质 | |
CN112540365B (zh) | 一种评估方法、装置、设备及存储介质 | |
CN114076631A (zh) | 超载车辆识别方法、***及设备 | |
CN111881243B (zh) | 一种出租车轨迹热点区域分析方法及*** | |
CN109841078B (zh) | 导航数据处理方法及其装置、存储介质 | |
CN114078327A (zh) | 道路拥堵状态检测方法、装置、设备和存储介质 | |
CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
CN114926540A (zh) | 一种车道线标定的方法、装置、终端设备及可读存储介质 | |
CN113888860A (zh) | 车辆异常行驶的检测方法、装置、服务器及可读存储介质 | |
CN117197796A (zh) | 一种车辆遮挡识别方法及相关装置 | |
CN115482672B (zh) | 车辆逆行检测的方法、装置、终端设备及存储介质 | |
CN116935631A (zh) | 基于雷视融合的异常交通态势检测方法、装置及*** | |
CN118297258A (zh) | 交通违章事件检测的评价方法、装置、设备及存储介质 | |
CN111814459A (zh) | 交通规则数据的处理方法、装置、存储介质及电子设备 | |
CN111369790A (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN116259033A (zh) | 车辆信息丢失的目标跟踪方法、***、介质及设备 | |
CN113129603B (zh) | 平行道路超速判定方法、装置、终端及存储介质 | |
CN115187048A (zh) | 轨道线路多域限界异物侵限事件状况识别方法及*** | |
CN112216133B (zh) | 信息推送方法、装置、设备及介质 | |
CN113012430A (zh) | 一种车辆排队长度检测方法、装置、设备及可读存储介质 | |
CN116664658B (zh) | 一种障碍物检测方法、装置及终端设备 | |
CN113658424B (zh) | 基于稀疏卫星定位数据的车辆频繁变道识别方法及装置 | |
CN116008981A (zh) | 路口处的目标行驶方向确定方法、装置、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |