大模型驱动的跨模态交通路口安全量化评价方法及系统
本发明涉及智能交通,具体涉及一种大模型驱动的跨模态交通路口安全量化评价方法及系统。
背景技术:
1、交通路口是城市道路交通系统中不同交通参与主体进行空间交互的重要区域。随着智能交通技术的发展,路侧摄像头、雷达传感器、信号控制设备等采集装置已广泛部署,能够对道路运行状态进行实时监测,完成车辆检测、行人检测、交通流统计及部分违规行为识别。
2、传统交通安全评价方法依赖人工设定的评价指标体系,根据交通事故数量、违法行为次数、交通流量等统计信息划分安全等级,评价周期长,难以及时发现实时交通运行过程中的动态风险。
3、基于计算机视觉的交通安全检测方法通过目标检测、目标跟踪和行为识别算法识别交通事件,但此类方法主要依赖单一视觉特征,难以综合分析机动车、非机动车、行人、交通信号状态、道路区域属性和交通规则要求之间的动态关联关系,对多交通主体交互关系和潜在冲突的分析能力不足。
4、部分方案融合摄像头、雷达和地图数据构建多源感知系统,但不同模态数据在格式、采样周期和空间表达上存在差异,需要进行复杂的同步与对齐。更重要的是,现有方法多数关注目标感知稳定性,未将交通规则语义、风险原因解释和综合安全评分纳入同一评价流程。
5、视觉语言模型虽已应用于交通场景理解,但其输出通常为自然语言文本或离散类别,缺少面向交通路口安全量化评价的结构化输入输出约束、规则一致性校核、动态安全评分机制和反馈优化机制,且大模型输出存在稳定性和边缘部署成本方面的问题。
6、综上所述,现有技术在复杂路口安全量化评价任务中仍存在交通风险感知维度有限、多源数据融合不足、交通规则语义理解能力弱、评价结果缺少连续量化指标、模型更新和路侧部署适配能力不足等技术缺陷。因此,本领域亟需一种能够将交通视频、交通信号状态、道路环境信息和交通规则语义信息统一建模,并利用大模型进行结构化风险推理、动态安全评分以及评价反馈优化的方法及系统。
技术实现思路
1、为了解决现有技术中交通风险感知维度有限、多源数据融合不足、交通规则语义理解能力弱和评价结果缺少连续量化指标等问题,本发明提供一种大模型驱动的跨模态交通路口安全量化评价方法及系统,以解决上述技术缺陷问题。
2、本发明提出了一种大模型驱动的跨模态交通路口安全量化评价方法,包括以下步骤:
3、s1、获取交通路口多源数据,多源数据包括路侧视频流、交通信号状态数据、道路环境数据和交通规则文本数据,并对多源数据进行预处理,得到标准化多源数据;
4、s2、从标准化多源数据中提取视觉动态特征和轨迹关系特征,并对道路环境数据进行编码得到环境状态特征,以及对交通规则文本数据进行结构化解析生成规则语义特征;
5、s3、采用跨模态注意力机制,将视觉动态特征、轨迹关系特征、环境状态特征和规则语义特征映射至统一特征空间并进行融合,生成统一交通状态特征;其中,跨模态注意力机制引入场景约束矩阵,场景约束矩阵用于表征道路区域与交通规则之间的适用对应关系;
6、s4、基于统一交通状态特征执行大模型多阶段风险推理,生成候选风险事件,对候选风险事件进行规则一致性校核,获得校核通过的候选风险事件,并对校核通过的候选风险事件进行风险原因分析,生成结构化评分依据;
7、s5、根据结构化评分依据计算交通路口安全评分,根据安全评分划分风险等级,并输出评价结果,评价结果至少包含安全评分、风险等级和规则依据。
8、本发明还提出了一种大模型驱动的跨模态交通路口安全量化评价系统,用于实现如上述的方法,该系统包括:
9、数据采集与预处理模块,配置为获取交通路口多源数据,多源数据包括路侧视频流、交通信号状态数据、道路环境数据和交通规则文本数据,并对多源数据进行预处理,得到标准化多源数据;
10、跨模态特征提取模块,配置为从标准化多源数据中提取视觉动态特征和轨迹关系特征,并对道路环境数据进行编码得到环境状态特征,以及对交通规则文本数据进行结构化解析生成规则语义特征;
11、跨模态融合模块,配置为采用跨模态注意力机制,将视觉动态特征、轨迹关系特征、环境状态特征和规则语义特征映射至统一特征空间并进行融合,生成统一交通状态特征;其中,跨模态注意力机制引入场景约束矩阵,场景约束矩阵用于表征道路区域与交通规则之间的适用对应关系;
12、大模型风险推理模块,配置为基于统一交通状态特征执行大模型多阶段风险推理,生成候选风险事件,对候选风险事件进行规则一致性校核,获得校核通过的候选风险事件,并对校核通过的候选风险事件进行风险原因分析,生成结构化评分依据;
13、安全量化评分与输出模块,配置为根据结构化评分依据计算交通路口安全评分,根据安全评分划分风险等级,并输出评价结果,评价结果至少包含安全评分、风险等级和规则依据。
14、本发明还提出了一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述中任一项的大模型驱动的跨模态交通路口安全量化评价方法的步骤。
15、本发明还提出了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述中任一项的大模型驱动的跨模态交通路口安全量化评价方法的步骤。
16、与现有技术相比,本发明的有益效果在于:
17、(1)本发明通过构建交通视频、交通信号状态、道路环境信息和交通规则语义信息的跨模态统一表示,将视觉动态特征、轨迹关系特征、环境状态特征和规则语义特征映射至统一特征空间,并通过场景约束矩阵引导跨模态注意力机制进行融合,使交通规则语义能够主动关联对应的视觉目标、轨迹关系和道路区域,相比依赖单一视觉检测或简单特征拼接的方案,本发明能够更完整地表达交通风险形成过程中多因素协同作用的复杂关系,并提高对多交通主体交互关系和潜在交通冲突的识别能力。
18、(2)本发明采用基于交通规则语义约束的大模型多阶段风险推理方法,通过候选风险事件生成、规则一致性校核、风险原因分析和评分依据生成的四阶段结构化推理流程,使大模型输出可计算、可复核的结构化风险结果。相比将大模型用于场景描述或风险类别判断的方案,本发明通过规则一致性校核有效抑制了大模型推理中的幻觉问题,通过结构化的输出约束确保推理结果的稳定性和可复核性,每个风险事件能够对应具体对象、发生区域、规则依据和证据字段,显著提高了评价结果的可解释性和人工复核效率。
19、(3)本发明采用动态安全量化评分方法,将行为事件风险、交通冲突风险、环境风险、不确定性风险和安全状态修正项纳入统一评分模型,输出安全评分,并根据场景因素和历史风险水平对风险权重进行动态修正,同时根据安全评分划分风险等级。相比仅输出事件报警、违规类别或简单风险等级的方案,本发明能够形成连续化、可比较、可统计和可复核的交通路口安全评价结果,为交通管理部门提供精细化的安全状态量化依据和风险趋势分析能力。
1.一种大模型驱动的跨模态交通路口安全量化评价方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的大模型驱动的跨模态交通路口安全量化评价方法,其特征在于,步骤s1中的预处理包括以下操作:
3.根据权利要求1所述的大模型驱动的跨模态交通路口安全量化评价方法,其特征在于,步骤s2中从所述标准化多源数据中提取视觉动态特征和轨迹关系特征,包括以下子步骤:
4.根据权利要求1所述的大模型驱动的跨模态交通路口安全量化评价方法,其特征在于,步骤s2中对所述交通规则文本数据进行结构化解析生成规则语义特征,包括以下子步骤:
5.根据权利要求1所述的大模型驱动的跨模态交通路口安全量化评价方法,其特征在于,步骤s3中采用跨模态注意力机制,将所述视觉动态特征、所述轨迹关系特征、所述环境状态特征和所述规则语义特征映射至统一特征空间并进行融合,生成统一交通状态特征,包括以下子步骤:
6.根据权利要求4所述的大模型驱动的跨模态交通路口安全量化评价方法,其特征在于,步骤s4中基于所述统一交通状态特征执行大模型多阶段风险推理,生成候选风险事件,对所述候选风险事件进行规则一致性校核,获得校核通过的候选风险事件,并对校核通过的候选风险事件进行风险原因分析,生成结构化评分依据,包括以下子步骤:
7.根据权利要求1所述的大模型驱动的跨模态交通路口安全量化评价方法,其特征在于,步骤s5中根据所述结构化评分依据计算交通路口安全评分,包括以下子步骤:
8.一种大模型驱动的跨模态交通路口安全量化评价系统,用于实现如权利要求1至7中任一项所述的方法,其特征在于,所述系统包括:
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并能够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7中任一项所述的大模型驱动的跨模态交通路口安全量化评价方法的步骤。
10.一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7中任一项所述的大模型驱动的跨模态交通路口安全量化评价方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com