交通事件检测方法及装置制造方法及图纸

本发明专利技术涉及一种交通事件检测方法及装置，所述方法包括获取车辆的待检测事件；根据所述待检测事件采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件；其中，所述交通事件包括车辆逆行、车辆速度异常、车辆停驶、车辆违法变道、占用应急车道、交通路况以及交通事故。本申请提供的技术方案主要应用于交通事件检测，可以对发生在交通道路上的多种待检测事件进行检测，根据每种交通事件的特点，有针对性的提出相应的检测方法，来提高事件检测的精确度。事件检测的精确度。事件检测的精确度。

【技术实现步骤摘要】
交通事件检测方法及装置


[0001]本专利技术属于交通
，具体涉及一种交通事件检测方法及装置。

技术介绍

[0002]随着我国经济快速平稳发展和人民生活水平不断提高，私家车、公共交通工具以及一些道路运输相关行业，如物流、快递、货运等，对交通道路的需求急剧增长，同时城市交通的拥堵情况也愈发严重，而引起交通拥堵的一项重要因素就是发生在交通道路中的众多事件，例如车辆逆行，异常速度行驶，违法变道，占用应急车道，交通事故以及交通路况。在当前社会中，每位驾驶员的开车水平参差不齐，面对千变万化的交通道路，如果不熟悉道路状况，稍微不注意就会产生违规驾驶行为，甚至造成交通事故的发生，给人们的生活造成巨大的经济损失和人员伤亡。根据世界卫生组织2015年发布的《全球道路安全状况报告》，每年约有135万人死于交通事故。由于交通事故和交通拥堵情况的发生，美国平均每年花费1600亿美元，到2020年底，这一项数字可能达到1920亿美元。因此，及时准确并高效地检测道路中的交通事件，是一件十分重要的事情。此外，它还有助于交通管理部门对城市道路状况进行更好的管控，更方便快捷的恢复交通流量，减少交通拥堵。
[0003]目前在交通事件理论的研究中，世界各国已经提出了多种交通事件自动检测算法，如时间序列算法、加利福尼亚算法、贝叶斯算法、交通流模型算法、低通滤波算法、人工神经网络算法等等，还有环路检测器，摄像机，GPS等几种基于传感器设备的检测系统来收集交通信息，并采用了传统算法分析数据以检测交通事件。然而，这些检测算法和基于传感器设备的检测系统存在一些局限性，将其可以大致归纳成三点：首先，传感器设备的安装和操作成本高昂，并且提供的交通信息有限。其次，在交通监控系统中经常会发生通信错误和检测器故障等情况，这可能会给交通事件检测带来严重的问题。另外，由于检测时间长，误报率高，目前用于交通事件识别的算法可能会失败。除了上述几点，检测算法中可能还存在一些响应速度慢，可靠性差，不能判断事件发生的具体位置等情况，在很大程度上都会对交通事件的检测结果造成影响。
[0004]相关技术中，现有技术方案中选择社交网络平台和深度学习模型用作实时交通数据源和交通事故检测算法，提出了一种基于OLDA和基于Bi
‑
LSTM的文本分类技术来进行交通事件检测和状态分析的智能方法框架。首先，使用不同的应用程序编程接口(API)方法从Twitter和Facebook中获取基于查询的实时数据。数据爬取之后，将使用文本挖掘方法对收集到的数据进行预处理以供进一步分析使用。之后，使用基于OLDA的主题建模方法来标记所有数据(交通或非交通)，以便于识别与交通相关的数据，并用实体提取方法来提取交通事件和其发生的位置。此外，还分析了有关交通事件的用户情绪，将分成积极，中立或者消极三种，并使用FastText和Word2Vec两种词嵌入模型用极低维向量表示交通事件数据。最后，使用Bi
‑
LSTM模型对数据进行训练，对交通事件进行分类并且预测其极性。
[0005]这个基于社交网络的实时交通监控框架，不仅能识别出与交通事件相关的数据，还能对其进行分析，找出其准确的状态，从而提高了交通监控系统的性能。此外，该技术还
可以与各种信息提取和类标记系统、文本表示模型和极性预测系统相关联，因为它从非结构化数据中提取有意义的数据，精确地标记数据，并用低维向量表示这些标记数据，以提高交通事件检测和状态分析的性能，在实际数据集上取得了不错的检测效果。
[0006]但是，上述技术方案是通过信息抽取和主题建模来标记所检测数据，数据的有效性在很大程度上都依赖于信息抽取和建模标记的准确性。如果在这一阶段出现误差，则最后交通事件的检测结果会和实际产生较大的偏差。此外，标记数据的复杂度较高，工作难度较大，同样会对最后的检测结果造成一定程度上的偏差。
[0007]除此之外，现有的技术方案中还存在通过使用随机森林、生成对抗网络和支持向量回归的新型交通事件检测框架。首先提出了从交通数据中获取变量的时空规则，然后采用随机森林算法对变量的重要性进行排序。之后，使用生成对抗网络生成一些新的事件样本。最后，采用支持向量机算法作为事件检测模型进行检测。
[0008]但是上述技术方案主要针对目前事件样本不足的问题提出了改进方案，但是在智能交通系统中还存在训练样本不平衡的情况。不平衡和较小的训练样本可能导致事件检测模型具有较低的检测率和较高的误报率。除此之外，上述方案仅将支持向量机作为事件检测模型来评估所提出的方法，其他模型还不具有普适性，适用范围较为受限。
[0009]综上所述，城市道路中发生的交通事件种类很多，例如可能发生的交通事件有车辆逆行，车辆速度异常，车辆停驶，车辆违法变道，占用应急车道，交通路况和交通事故等等。针对上述可能发生的不同的交通事件现有技术中只是笼统的进行检测计算，因此检测计算方法适应性差，导致交通事件的检测结果精准度低。

技术实现思路

[0010]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种交通事件检测方法及装置，以解决现有技术中的检测方法不能针对不同的交通事件进行检测计算，导致交通事件的检测结果精准度低的问题。
[0011]为实现以上目的，本专利技术采用如下技术方案：一种交通事件检测方法，包括：
[0012]获取车辆的待检测事件；
[0013]根据所述待检测事件采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件；
[0014]其中，所述交通事件包括车辆逆行、车辆速度异常、车辆停驶、车辆违法变道、占用应急车道、交通路况以及交通事故。
[0015]进一步的，当所述待检测事件是车辆行驶方向时，所述采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件，包括：
[0016]获取预设时间段内车辆待检测的轨迹方向；
[0017]计算所述轨迹方向与预设的轨迹正方向之间的夹角大小并将所述夹角大小与预设阈值进行对比；
[0018]如果所述夹角大小在预设阈值范围内，则确定发生车辆逆行事件。
[0019]进一步的，当所述待检测事件是车辆速度时，所述采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件，包括：
[0020]划定车辆速度的检测区域；所述检测区域设有最高限速和最低限速；
[0021]在所述检测区域内获取速度检测点，以及与所述速度检测点相邻的预设个数的检测点的位移和时间；
[0022]基于激光雷达坐标系计算所述速度检测点的瞬时速度；
[0023]将所述瞬时速度与所述最高限速、最低限度进行对比；
[0024]如果所述瞬时速度高于所述最高限度或者低于所述最低限速，则确定发生车辆速度异常事件。
[0025]进一步的，当所述待检测事件是车辆停驶，所述采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件，包括：
[0026]对激光雷达点云中的待检测车辆进行追踪；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通事件检测方法，其特征在于，包括：获取车辆的待检测事件；根据所述待检测事件采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件；其中，所述交通事件包括车辆逆行、车辆速度异常、车辆停驶、车辆违法变道、占用应急车道、交通路况以及交通事故。2.根据权利要求1所述的方法，其特征在于，当所述待检测事件是车辆行驶方向时，所述采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件，包括：获取预设时间段内车辆待检测的轨迹方向；计算所述轨迹方向与预设的轨迹正方向之间的夹角大小并将所述夹角大小与预设阈值进行对比；如果所述夹角大小在预设阈值范围内，则确定发生车辆逆行事件。3.根据权利要求1所述的方法，其特征在于，当所述待检测事件是车辆速度时，所述采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件，包括：划定车辆速度的检测区域；所述检测区域设有最高限速和最低限速；在所述检测区域内获取速度检测点，以及与所述速度检测点相邻的预设个数的检测点的位移和时间；基于激光雷达坐标系计算所述速度检测点的瞬时速度；将所述瞬时速度与所述最高限速、最低限度进行对比；如果所述瞬时速度高于所述最高限度或者低于所述最低限速，则确定发生车辆速度异常事件。4.根据权利要求1所述的方法，其特征在于，当所述待检测事件是车辆停驶，所述采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件，包括：对激光雷达点云中的待检测车辆进行追踪；计算所述待检测车辆的轨迹在最小单位时间内的追踪位移，将所述追踪位移与最小安全行驶距离进行对比；如果所述追踪位移小于最小安全距离，则确定发生车辆停驶事件。5.根据权利要求1所述的方法，其特征在于，当所述待检测事件是车辆违法变道时，所述采用对应的交通事件检测模型进行检测并根据检测结果确定是否发生交通事件，包括：在激光雷达点云图的图像中预设不能变道实线的位置，将所述实线作为第一位置向量；获取待检测车...

【专利技术属性】
技术研发人员：胡伟超，于鹏程，陈彬，李宗洋，张奇，赵玉娟，李小松，
申请(专利权)人：公安部道路交通安全研究中心，
类型：发明
国别省市：