申请/专利权人：华南理工大学

申请日：2022-05-17

公开（公告）日：2024-06-25

公开（公告）号：CN114926984B

主分类号：G08G1/01

分类号：G08G1/01

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.09.06#实质审查的生效;2022.08.19#公开

摘要：本发明公开了一种实时交通冲突收集与道路安全评价方法，包括步骤：利用无人机或道路卡口监控对路况进行拍摄，获取视频数据，对收集到的视频图像进行特征标定，使用目标检测和目标追踪算法获得车辆轨迹数据，根据所得数据分析车辆轨迹特征及运动模式，计算视频中的交通冲突，获得交通冲突评价指标TTC，立数据集，分配权重指标，建立实时的道路安全评价机制本发明可以有效解决实时道路交通冲突信息收集和道路安全评价问题。

主权项：1.一种实时交通冲突收集与道路安全评价方法，其特征在于，包括以下步骤：1获取道路卡口视频数据，视频中包括道路基本情况、车辆行驶情况；2基于所获得的视频数据，对数据集进行目标检测和目标跟踪；3车辆轨迹特征及运动模式分析：提取出轨迹点中的车辆运动状态数据，对大量的交通微观数据进行筛选，获取道路车辆的距离碰撞时间，判定交通冲突类型，分析车辆的时空分布规律和车辆的运动行为；4进行道路安全的实时评价：获得道路上车辆的冲突指标TTC后，针对不同的冲突类型设置不同的权重，获取道路安全指数，并对道路安全状况进行实时评价；在步骤1中，所述视频数据的获取需要通过道路卡口定点拍摄，所述道路基本情况包括道路宽度、道路车道数信息，所述车辆行驶情况包括车辆行驶方向、车辆类型、车辆数量信息；步骤2中，使用labelimg进行图像特征的标定，基于YOLOv5算法进行目标检测，基于DeepSort进行目标跟踪；在步骤2中，基于所获得的视频数据，对数据集进行目标检测和目标跟踪，具体如下：a、视频特征标定：对视频中每一帧图像中的车辆进行标定以获取原始训练数据集，标定的数据包括车辆的类型、车辆大小信息；b、目标检测：利用YOLOv5算法对经过车辆标定后的数据集进行目标检测算法训练，在卷积网络中对车辆进行特征提取、锚框回归，车辆特征包括车辆类型、大小、颜色信息；c、目标追踪：利用DeepSort算法对YOLOv5算法的训练结果进行分析，实现对视频中每一帧车辆的位置与类型的识别，提取车辆的运动轨迹，并借助坐标系展现车辆的位置变化和运动模式，实现基于DeepSort的车辆轨迹追踪；YOLOv5算法在卷积网络中对车辆进行特征提取、锚框回归，车辆特征包括车辆类型、大小、颜色信息，YOLOv5算法经过训练，实现对车辆类型、位置的自动识别；DeepSort算法首先利用卡尔曼滤波预测轨迹，随后使用匈牙利算法将预测后的轨迹和当前帧中的检测目标进行匹配，最后对卡尔曼滤波进行更新；在步骤3中，包括以下步骤：31提取轨迹数据：通过卷积神经网络提取出轨迹点中的车辆运动状态数据，对交通数据依据车辆之间的距离、方向和速度差参数，判断是否产生交通冲突，筛选出存在交通冲突的车辆，根据两车之间的距离、速度与加速度获取道路车辆的距离碰撞时间；32建立数据集：将步骤2检测出的车辆运动状态数据输出成文本格式，车辆运动状态数据包括车辆在摄像框的中心坐标x和y、车辆识别框的长宽、车辆类型及车辆标记ID；对于文本格式的数据，将车辆类型替换成数值型数据，再将所有车辆信息重新提取并加入对应的时间帧，形成数组形式；33坐标透视变换：使用透视变换对数组中的车辆中心坐标即x和y进行坐标变换以获得车辆间的真实距离；34对输出的车辆数据进行危险研判：提取出采样视频起始帧的车辆数据，放入起始列表，对起始列表中的车辆依次遍历，根据两车相对位置初步判断两车之间是否具有产生追尾冲突和侧击冲突的可能，将具有潜在冲突风险的车辆放入到处理列表中；追尾冲突判别：x2-x1≤12|y1-y2|≤d3|v2-v1|＞04式中，x1和y1为从起始帧中提取的前车中心坐标，x2和y2为处于判别范围内的后车中心坐标，l为前后车中心点沿车道线方向相差距离，d为前后车中心点沿垂直车道线方向相差距离，v1和v2分别是前后车速度；侧击冲突判别：|x1-ci|≤b，i＝0,1,2…5x2-x1≤16y1-y2≤d7式中，x1和y1为从起始帧中提取的前车中心坐标，ci为各车道线的横坐标，b为判断前车处于变道行为的阈值，x2和y2为处于判别范围内的后车中心坐标，l为前后车中心点沿车道线方向相差距离，d为前后车中心点沿垂直车道线方向相差距离；35计算冲突指标TTC：对处理列表中存放的可能产生交通冲突的前后车进行冲突指标TTC的计算；追尾冲突：以处理列表中存放的可能产生交通冲突的时刻帧数为起始帧，获得该帧之后的前后车数据信息，前后车数据信息包括前后车中心坐标，计算速度和加速度随时间的变化，以后车加速度最大对应的时刻作为冲突点，计算该时刻前后车以各自对应速度行驶直到追尾所需时间作为冲突量化指标TTC： 式中，Δx1和Δx2分别为提取的相邻两个前后车中心点坐标沿行车方向的差，t为提取的相邻两个车辆坐标之间的帧数差，v1和v2为根据前后车中心点坐标计算得出的前后车各帧速度，a2为后车各帧计算所得加速度，x2m-x1m为后车加速度最大时后车和前车的相对距离，v1m为后车加速度最大时前车的速度，v2m为后车加速度最大时后车的速度；侧击冲突：由于发生侧击冲突的两车行驶方向不同，其冲突轨迹交叉只有一个点，错过交叉点就不发生碰撞；根据冲突风险车辆数据，利用相邻帧之间的坐标差求取行驶方向上前后两车的速度，制作车辆的速度列表；当速度列表中存在后车速度大于前车速度，则两车存在追尾冲突；利用车辆的速度列表中相邻速度求取后车加速度列表，取后车加速度最大时的帧数，并利用该帧内前后两车的运动数据计算出冲突指标TTC；得到起始帧的追尾冲突和侧击冲突的冲突指标TTC后，删除起始帧，将下一帧作为起始帧再次判断并计算TTC，同时限制两车之间只产生一次交通冲突，对每一帧的冲突类型和TTC进行计数统计，直到视频所有帧处理结束，获得整个视频的全部交通冲突信息；坐标变换如下公式： 式中，x,y为原始图像坐标，x′,y′为经过透视变换的图像坐标，z和z′都取1，变换矩阵为3×3形式，aij均为变换矩阵参数，在原始图像和变换后的图像中分别取对应的四个边角点计算出变换矩阵，i,j∈{1、2、3}；车辆间的侧击冲突采用如下方法计算TTC：TTCA＝SAVA12TTCB＝SBVB13 式中，VA、VB分别是两车速度，LA、LB分别是两车车长，SA、SB分别是两车距碰撞点的距离，TTCA和TTCB分别是两车行驶至碰撞点的时间；在步骤4中根据计算出的交通冲突数据，获取道路安全评价指数，具体如下：41统计道路上车辆交通冲突的类型和数量，建立数据集；42计算道路安全指数RI，根据结果对道路进行实时安全评价，其计算公式如下：RI＝R1*a1+R2*a2*c1+S1*b1+S2*b2*c215式中，R1是严重追尾冲突TTC均值，R2是一般追尾冲突TTC均值，S1是严重侧击冲突TTC均值，S2是一般侧击冲突TTC均值，其中a1和a2分别为严重追尾冲突和一般追尾冲突的权重；b1和b2分别是严重侧击冲突和一般侧击冲突的权重；c1和c2分别是追尾冲突与侧击冲突的权重。

全文数据：

权利要求：

百度查询： 华南理工大学 一种实时交通冲突收集与道路安全评价方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD