技术特征:
1.一种基于智慧城市的交通风险感知系统,其特征在于,包括:道路数据采集模块、路面数据分析模块、路段情况采集模块、路段情况决策处理模块,
所述道路数据采集模块,用于采集道路的车道数、坑洼数目及相应的坑洼程度;
所述路面数据分析模块,用于分析道路情况对不同车型的影响程度,求取不同类型车辆的合理限速;
所述路段情况采集模块,用于采集该路段单位时间内的人流量、车流量及相应的车辆类型、车道数、平均车长与车距和、相邻俩交通灯的距离、交通灯绿灯时间及红、黄、绿三灯的总时间;
所述路段情况决策处理模块,用于判断该路段交通情况是否会出现拥堵或事故情况,并根据判断结果执行相应的措施。
2.一种基于智慧城市的交通风险感知方法,其特征在于,具体步骤如下:
s1、通过道路数据采集模块采集道路的长度、坑洼数目及相应的坑洼程度;
s2、通过路面数据分析模块分析道路情况对不同车型的影响程度,求取不同类型车辆的合理限速;
s3、通过路段情况采集模块采集该路段单位时间内的人流量、车流量及相应的车辆类型、车道数、平均车长与车距和、相邻俩交通灯的距离、交通灯绿灯时间及红、黄、绿三灯的总时间;
s4、通过路段情况决策处理模块判断该路段交通情况是否会出现拥堵或事故情况,并根据判断结果执行相应的措施。
3.根据权利要求2所述的一种基于智慧城市的交通风险感知方法,其特征在于:所述道路数据采集模块是通过无人机拍摄进行图像采集的,无人机在同一位置采集该路段间隔第一单位时间的两段视频图像,通过对拍摄道路的视频信息进行灰度处理,筛选画面道路中灰度值的变化量,
首先通过相邻两像素点灰度值之间的差值与第一预设值进行比较,将灰度值差值大于第一预设值的相邻两像素点进行标记,然后将标记的像素点轮廓与预制的道路轮廓进行比较,提取出画面中的道路信息,排除道路周边环境对采集结果的影响,
然后在提取出的画面道路信息中,进一步比较相邻两像素点的灰度值差值,并将其与第二预设值进行比较,将灰度值差值大于第二预设值的相邻两像素点进行标记,标记的像素点轮廓就是坑的表面轮廓,以该道路作为参照,记录坑的相对位置及面积大小,
无人机在同一位置采集该路段间隔第一单位时间的两段视频图像,接着对这两段视屏图像的处理结果进行比较,判断坑的位置是否一致,
若不一致,则判定错误数据,该位置不是坑,
若一致,则判定数据正常,该位置是坑,
最后,判断坑的面积大小是否合理,排除道路上下坡情况导致的灰度值变化,采用的方式为:将坑的面积大小与第三预设值进行比较,
若坑的面积大于等于第三预设值,则判定数据错误,该位置是由于道路的坡度原因造成的,
若坑的面积小于第三预设值,则判定数据正常,该位置是坑,
所述第一预设值与第二预设值不同,第二预设值的大小与采集结果的精度有关,第二预设值越小,采集结果的精度越高,
根据视频画面中车辆过坑时的车速及对应的车头的颠簸幅度来获取坑的深度,所述车头的颠簸幅度是由视频图像中车辆过坑时车头向下倾斜与向上倾斜时的最大夹角来表示的。
4.根据权利要求3所述的一种基于智慧城市的交通风险感知方法,其特征在于:所述无人机视频画面中车辆过坑时速度的获取方式为:先获取第二单位时间内车辆在视频画面中的移动距离,然后用视频画面中的移动距离除以比例尺得到车辆实际行驶的距离,将车辆实际行驶的距离除以第二单位时间即可得到车辆过坑时的速度,所述比例尺为视频画面中道路的宽度除以该道路实际的宽度。
5.根据权利要求2所述的一种基于智慧城市的交通风险感知方法,其特征在于:所述道路情况可由采集的数据呈现出来,单位长度的道路,坑越多且越深,反馈出道路的情况越差,越不方便车辆通行,因此,道路的情况k可由道路的长度l、坑的数目n及相应的坑的深度hn表示出来,即
6.根据权利要求5所述的一种基于智慧城市的交通风险感知方法,其特征在于:所述不同类型车辆的合理限速需要考虑到不同车辆的底盘高度不同,同一深度的坑,在过坑速度相同的情况下,不同底盘高度的车辆收到的影响不同,底盘越低,车辆受到的损伤越大,因此,在确保车辆能够正常通行该道路且不会受到损伤的情况下,需要针对底盘的高度h1对不同类型的车辆进行合理限速,
即限速
所述h2为该道路上最深的坑的深度,
所述b为合理限速的单位变量调控速度值,
所述v0为该道路上最深坑的深度与车辆底盘等高时,车辆能够正常通行时的限速。
7.根据权利要求6所述的一种基于智慧城市的交通风险感知方法,其特征在于:在求取针对底盘的高度h1的合理限速后,还需要对得到的限速进行分析处理,
该处理过程需要考虑到该路段单位时间的车流量及对应的各类型车辆的数量,
先求取单位时间内各类型车辆占车流量总数的百分比,然后将底盘高度相同的车辆类型百分比进行累加,得到各底盘高度的车辆占车流量总数的百分比m,并将m值按从大到小的顺序进行排序,将最小的m值与第一阈值进行对比,
若m值小于等于第一阈值,则将该m值对应底盘高度的车辆从车流量总数中剔除,重新计算其他底盘高度的车辆占车流量总数的百分比,然后继续将得到的最小的百分比与第一阈值进行对比;
若m值大于第一阈值,则该m值所属车辆类型对应的合理限速即为针对该道路情况的所有车辆限速v1,此时排序中最大的百分比所属车辆类型对应的合理限速为v2。
8.根据权利要求7所述的一种基于智慧城市的交通风险感知方法,其特征在于:所述人流量能够直观的反馈出该路段的复杂程度,单位时间内的人流量越多,则该路段的情况越复杂,相应的需要对车辆限速进一步控制,将v2及单位时间的人流量p代入公式
将v4、v5与v进行对比,将三者中的最小值作为该路段的实际车辆限速v6。
9.根据权利要求8所述的一种基于智慧城市的交通风险感知方法,其特征在于:所述路段情况决策处理模块会根据该路段单位时间t1的车流量p1及红、黄、绿三灯的总时间t2计算该路段通行的总车辆
根据该路段的实际限速v6、平均车长与车距和f、交通灯绿灯时间t3及车道数d计算该路段绿灯时穿过的车辆数
10.根据权利要求9所述的一种基于智慧城市的交通风险感知方法,其特征在于,所述判断该路段交通情况是否会出现拥堵或事故情况的方式为:
比较该路段通行的总车辆q1与该路段绿灯时穿过的车辆数q2,
若q1小于等于q2时,则判定该路段正常,车辆通行顺畅;
若q1大于q2时,则判定该路段交通无法满足交通通畅的需求,该路段通行的总车辆在绿灯时无法全部穿过交通灯,会造成交通拥堵,甚至会造成交通事故,需紧急调动执勤交警尽快前往该路段进行指挥疏散。
技术总结
本发明公开了一种基于智慧城市的交通风险感知系统及方法,包括:道路数据采集模块、路面数据分析模块、路段情况采集模块、路段情况决策处理模块,所述道路数据采集模块,用于采集道路的车道数、坑洼数目及相应的坑洼程度;所述路段情况采集模块,用于采集该路段单位时间内的人流量、车流量及相应的车辆类型、相邻俩交通灯的距离。本发明不仅能够从多方面因素综合考虑,进而对道路情况进行分析,并根据实际道路情况对该路段的限制车速进行控制调整,同时在可能发生拥堵或者事故的情况下,可及时提醒交通部门尽快安排人员进行指挥疏散。
技术研发人员:孙素萍
受保护的技术使用者:孙素萍
技术研发日:2021.04.20
技术公布日:2021.08.13
本文用于企业家、创业者技术爱好者查询,结果仅供参考。