一种基于交通冲突点的交通安全事故黑点识别方法及系统与流程

1.本发明涉及道路交通控制技术领域，特别是涉及一种基于交通冲突点的交通安全事故黑点识别方法及系统。


背景技术：

2.信号交叉口是城市道路的重要节点，在道路衔接中起着至关重要的作用，各种交通参与者交汇在一起，是城市交通安全尤为关注的区域之一。在机动车保有量剧増的情况下，事故也在相应的增加，信号平交口的事故占有很大的比例。
3.现有技术中的交通安全分析，需要大量的事故数据作为支撑，通过对收集到的事故数据，分析找出其中发生事故的原因、规律以及影响因素等，主要在事后对事故成因及其他规律做出统计与分析，不能够对交通组织混乱或设计问题导致的潜在交通安全问题做出提前的预判，无法得出有针对性的冲突预防策略，也无法对冲突的严重性做出判断。


技术实现要素：

4.鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于交通冲突点的交通安全事故黑点识别方法及系统，用于解决现有技术中的交通安全分析方法不能够对交通组织混乱或设计问题导致的潜在交通安全问题做出提前的预判，无法得出有针对性的冲突预防策略，也无法对冲突的严重性做出判断的问题。
5.为实现上述目的及其他相关目的，本发明提供一种基于交通冲突点的交通安全事故黑点识别方法，包括：
6.s1、采集图像数据；
7.s2、根据所述图像数据，对待检测对象的运动类别进行分析；
8.s3、建立图像坐标；
9.s4、根据所述图像坐标，获取所述待检测对象的像素坐标变化，以计算所述待检测对象的实际运动状态；
10.s5、根据所述所述待检测对象的实际运动状态，判断所述待检测对象的运动轨迹和运动速度的改变；
11.s6、建立冲突模型；
12.s7、根据所述冲突模型和判断结果，确定冲突时间td以及距离碰撞最大时间tm，当冲突时间td以及距离碰撞最大时间tm不在设定阈值范围内，则为危险冲突。
13.在本发明的一实施例中，步骤s2中的根据所述图像数据，对待检测对象的运动类别进行分析的步骤包括：
14.s21、提取所述图像数据中的背景，以获取待检测对象的运动目标区域；
15.s22、根据所述待检测对象的运动目标区域，以对待检测对象的运动类别进行分析。
16.在本发明的一实施例中，步骤s21中的提取所述图像数据中的背景，以获取待检测
对象的运动目标区域的步骤包括：
17.选取所述图像数据中的背景图像：|f
i
(x,y)
‑
f
i
‑1(x,y)|≤t(x,y)，
18.选取所述图像数据中的前景图像：|f
i
(x,y)
‑
f
i
‑1(x,y)|＞t(x,y)，
19.其中，f
i
(x,y)为图像中第i帧(x,y)点的灰度值，t(x,y)为图像中第i帧(x,y)点的阈值，根据不同的背景来设定；
20.b
i
(x,y)＝(1
‑
g)b
i
‑1(x,y) f
i
(x,y)
21.其中，b
i
(x,y)为图像中第i帧(x,y)点的背景模型，其中1
‑
g为更新频率；
22.使用更新的背景模型b
i
(x,y)对当前帧进行背景差分，大于所述阈值的图像点，即为运动目标点，公式如下所示：
23.|f
i
(x,y)
‑
f
i
‑1(x,y)|＞t(x,y)∈运动目标
24.对离散的运动点进行切割，以获得待检测对象的运动目标区域。
25.在本发明的一实施例中，步骤s22中的根据所述待检测对象的运动目标区域，以对待检测对象的运动类别进行分析的步骤包括：
26.根据所述待检测对象的运动目标区域，采用几何特征方法对运动目标区域进行特征提取；
27.从图像的重心点位置依次每隔45
°
取到图像边界的距离作为一个特征分量ri(i＝1,2,3......8)，其中r0作为单个目标的图像面积，r0和ri(i＝1,2,3......8)九个特征量构成支持向量机分类识别的特征向量；
28.将图像依次分类为行人、非机动车以及机动车，通过训练图像得到svm分类器。
29.在本发明的一实施例中，步骤s3中的建立图像坐标的步骤包括：
30.计算图像中的点在实际空间距离摄像机的水平距离x1以及垂直距离y1，
[0031][0032]
y1＝h
×
tan(α δθ)
[0033]
其中，
[0034]
β为水平视场角，iw为图像宽度，ih为图像高度，x0、y0为图像的坐标，x1为距离摄像机水平距离，y1为距离摄像机垂直距离，δθ为步进小角度，b1为每个y1实际水平距离；
[0035]
单位时间内的移动距离视为两帧之间坐标的直线距离δs，通过积分计算出短距离。
[0036]
在本发明的一实施例中，步骤s6中的建立冲突模型的步骤包括：
[0037]
将行人及非机动车可视为质点，根据记录的待检测对象的运动轨迹，筛选存在的运动冲突点，对所述冲突点涉及的待检测对象进行分析；
[0038]
通过速度运行的夹角将所述冲突点分为正向交织即为α＝180
°
，侧向交织即为0
°
＜α＜180
°
，同向追尾即为α＝0
°
。
[0039]
在本发明的一实施例中，步骤s6中的建立冲突模型的步骤包括：
[0040]
设置待检测对象的冲突时间差td和距离碰撞最大时间tm；
[0041][0042]
d1为机动车到达冲突点的距离，d2为非机动车(行人)到达冲突点的距离，l为机动车车身长度，v1为机动车的瞬时速度，v2为非机动车的瞬时车速；
[0043]
设置待检测对象的距离碰撞最大时间tm，tm＝max(t1,t2)
[0044]
t1，t2为冲突双方维持当前的速度和轨迹行驶，到冲突点所需时间的最大值。
[0045]
本发明还提供一种基于交通冲突点的交通安全事故黑点识别系统，包括：
[0046]
摄像机，用于采集图像数据；
[0047]
分析模块，用于根据所述图像数据，对待检测对象的运动类别进行分析；
[0048]
图像坐标建立模块，用于建立图像坐标；
[0049]
计算模块，用于根据所述图像坐标，获取所述待检测对象的像素坐标变化，以计算所述待检测对象的实际运动状态；
[0050]
第一判断模块，用于根据所述所述待检测对象的实际运动状态，判断所述待检测对象的运动轨迹和运动速度的改变；
[0051]
冲突模型建立模块，用于建立冲突模型；
[0052]
第二判断模块，用于根据所述冲突模型和判断结果，确定冲突时间td以及距离碰撞最大时间tm，当冲突时间td以及距离碰撞最大时间tm不在设定阈值范围内，则为危险冲突。
[0053]
本发明还提供一种电子设备，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现上述的基于交通冲突点的交通安全事故黑点识别方法。
[0054]
如上所述，本发明的一种基于交通冲突点的交通安全事故黑点识别方法及系统，具有以下有益效果：
[0055]
本发明的基于交通冲突点的交通安全事故黑点识别方法选取交叉口内的机动车与机动车、机动车与非机动车之间冲突进行研究，本发明的交通安全事故黑点识别方法可以充分认识交通冲突产生的机理，从而得出有针对性的冲突预防策略，而且本发明能够对冲突的严重性做出判断，然后根据统计学及冲突与事故的关系来评价交通安全，本发明的评价结果可为道路设施的改建、道路设计等提供理论依据。
[0056]
本发明的基于交通冲突点的交通安全事故黑点识别方法分析了信号交叉口车辆与非机动车、行人的交通特性，发生冲突时车辆运动特性及冲突点的分析，说明选取减速度指标的有效性。
[0057]
本发明的基于交通冲突点的交通安全事故黑点识别方法能够获取机动车与机动车、机动车与非机动车、机动车与行人发生冲突的运动轨迹，并且记录车辆交互的状况，进
一步通过数据分析冲突发生时的速度、减速度变化。
附图说明
[0058]
图1为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的工作流程图。
[0059]
图2为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的步骤s2的工作流程图。
[0060]
图3为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的对象识别示意图。
[0061]
图4为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的几何关系侧视图。
[0062]
图5为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的几何关系俯视图。
[0063]
图6为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的冲突点实例示意图。
[0064]
图7为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的冲突点示意图。
[0065]
图8为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别系统的结构原理框图。
[0066]
图9为本技术实施例提供的一种电子设备的结构原理框图。
[0067]
图10为本技术实施例提供的一种计算机可读存储介质的结构原理框图。
[0068]
元件标号说明
[0069]1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
摄像机
[0070]2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
运动轨迹交织点
[0071]3ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
分析模块
[0072]4ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
图像坐标建立模块
[0073]5ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
计算模块
[0074]6ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第一判断模块
[0075]7ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
冲突模型建立模块
[0076]8ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
第二判断模块
[0077]9ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
处理器
[0078]
10
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
存储器
[0079]
11
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
计算机指令
[0080]
12
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
计算机可读存储介质
具体实施方式
[0081]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离
本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0082]
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0083]
请参阅图1，图1为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的工作流程图。本发明提供一种基于交通冲突点的交通安全事故黑点识别方法，本发明的基于交通冲突点的交通安全事故黑点识别方法分析了信号交叉口车辆与非机动车、行人的交通特性，发生冲突时车辆运动特性及冲突点的分析，说明选取减速度指标的有效性。将实地调查得到的录像视频进行识别、跟踪，获取机动车与机动车、机动车与非机动车、机动车与行人发生冲突的运动轨迹，并且记录车辆交互的状况，进一步通过数据分析冲突发生时的速度、减速度变化。基于交通冲突点的交通安全事故黑点识别方法包括：步骤s1、采集图像数据。布置前端图像采集设备，所述前端图像采集设备可以但不限于为摄像机，对图像的参数进行标定，同时向后台实时传输前端采集的图像数据。步骤s2、根据所述图像数据，对待检测对象的运动类别进行分析。具体的，所述待检测对象的运动类别包括机动车与机动车、机动车与非机动车、机动车与行人。步骤s3、建立图像坐标。步骤s4、根据所述图像坐标，获取所述待检测对象的像素坐标变化，以计算所述待检测对象的实际运动状态。步骤s5、根据所述所述待检测对象的实际运动状态，判断所述待检测对象的运动轨迹和运动速度的改变。步骤s6、建立冲突模型。步骤s7、根据所述冲突模型和判断结果，确定冲突时间td以及距离碰撞最大时间tm，当冲突时间td以及距离碰撞最大时间tm不在设定阈值范围内，则为危险冲突。具体的，通过记录待检测对象像素坐标的变化计算出实际的运动状态，从而判定运动轨迹与运动速度的改变。根据其数值将冲突的结果根据冲突时间以td及距离碰撞最大时间tm来确定，当指标超过设定阈值则视为危险冲突。
[0084]
请参阅图2，图2为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的步骤s2的工作流程图。步骤s2中的根据所述图像数据，对待检测对象的运动类别进行分析的步骤包括：步骤s21、提取所述图像数据中的背景，以获取待检测对象的运动目标区域。步骤s22、根据所述待检测对象的运动目标区域，以对待检测对象的运动类别进行分析。
[0085]
视频分析：(1)、背景提取：视频场景中相对变化缓慢的部分，如道路、护栏。背景图像如果选择适当背景差分就能够准确的检测出运动目标，但是对场景的动态变化很敏感。由于背景是一个可变的系统，所以背景需要根据最新的系统状态及时更新。背景静止不变时是最为理想的情况。通过当前图像与背景图像的差分来检测运动目标区域。
[0086]
选取所述图像数据中的背景图像：|f
i
(x,y)
‑
f
i
‑1(x,y)|≤t(x,y)，
[0087]
选取所述图像数据中的前景图像：|f
i
(x,y)
‑
f
i
‑1(x,y)|＞t(x,y)，
[0088]
其中，f
i
(x,y)为图像中第i帧(x,y)点的灰度值，t(x,y)为图像中第i帧(x,y)点的阈值，根据不同的背景来设定；
[0089]
b
i
(x,y)＝(1
‑
g)b
i
‑1(x,y) f
i
(x,y)
[0090]
其中，b
i
(x,y)为图像中第i帧(x,y)点的背景模型，其中1
‑
g为更新频率；
[0091]
使用更新的背景模型b
i
(x,y)对当前帧进行背景差分，大于所述阈值的图像点，即为运动目标点，公式如下所示：
[0092]
|f
i
(x,y)
‑
f
i
‑1(x,y)|＞t(x,y)∈运动目标
[0093]
为提高精度和减少噪声的干扰，可以对离散的运动点进行切割，以获得待检测对象的运动目标区域，获得较为精确的前景运动目标区域。
[0094]
视频分析：(2)、目标分类：请参阅图3，图3为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的对象识别示意图。根据所述待检测对象的运动目标区域，采用几何特征方法对运动目标区域进行特征提取；从图像的重心点位置依次每隔45
°
取到图像边界的距离作为一个特征分量ri(i＝1,2,3......8)，其中r0作为单个目标的图像面积，r0和ri(i＝1,2,3......8)九个特征量构成支持向量机分类识别的特征向量；将图像依次分类为行人、非机动车以及机动车，通过训练图像得到svm分类器。
[0095]
视频分析：(3)、坐标建立：请参与图4、图5，图4为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的几何关系侧视图。图5为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的几何关系俯视图。根据摄像机光学镜头的成像原理，推导出图像坐标系与物理坐标系对应关系。即知道目标点在图像中的像素坐标，就可以推导出目标点与摄像机1底部的实际水平和垂直距离。通过一个朝向行进路线正前方并向下倾斜的摄像机1来获取当前路面上的图像，并根据图像上数字与摄像机1相对位置及偏转角度来实现目标对象的精确定位。根据在路口高处架设的摄像机1朝向位置是一般为倾斜向下，但又并非完全朝向正下方，获得的图像存在梯形畸变，即出现在图像近端的物体宽大，出现在图像远端的物体窄小。因此直接根据摄像机光学镜头的成像原理以及其他几何关系，如图4、图5所示，可以推导出图像坐标系与实际世界坐标系的映射关系，只需测量出摄像机俯仰角、水平视场角、垂直视场角、摄像机1高度、图像底边距摄像机1实际垂直距离、图像顶边距摄像机1实际垂直距离。
[0096]
步骤s3中的建立图像坐标的步骤包括：
[0097]
计算图像中的点在实际空间距离摄像头的水平距离x1以及垂直距离y1，
[0098][0099]
y1＝h
×
tan(α δθ)
[0100]
其中，
[0101]
β为水平视场角，iw为图像宽度，ih为图像高度，x0、y0为图像的坐标，x1为距离摄像头水平距离，y1为距离摄像头垂直距离，δθ为步进小角度，b1为每个y1实际水平距离；单位时间内的移动距离视为两帧之间坐标的直线距离δs，看作勾股定理的三角形斜边的长度通过积分计算出短距离，算出单位时间内的瞬时速度v以及某时段内的平均速度通过数值大小以来判断运行状态是否发生突变。
[0102]
请参阅图6，图6为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的冲突点实例示意图。根据筛选出的两个目标对象非机动车与机动车，记录各自
的运行轨迹，在某个时刻轨迹有了运动轨迹交织点2，此交织点即为交通冲突点。
[0103]
请参阅图7，图7为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别方法的冲突点示意图。由于机动车相较于行人及非机动车的体积要大很多，在构建冲突模型时要把机动车的长度要考虑在内，行人及非机动车可视为一个质点。步骤s6中的建立冲突模型的步骤包括：根据记录的对象运动轨迹，将存在的运动轨迹交织点2筛选出来，对筛选出来的交织点涉及的对象进行分析。如图7所示，外侧引出的箭头v1、v2表示车辆瞬时方向以及瞬时速度，外围线框内部的面积分别代表车辆在图像中的前景面积(非机动车与行人视为一个质点即图中的圆点)。当检测到任意一方的速度有较为明显的变化时，此时变化前的速度即为v1、v2。同时将速度运行的夹角将交织点分为正向交织(α＝180
°
)，侧向交织(0
°
＜α＜180
°
),同向追尾(α＝0
°
)。
[0104]
步骤s6中的建立冲突模型的步骤包括：设置待检测对象的冲突时间差td和距离碰撞最大时间tm；
[0105][0106]
d1为机动车到达冲突点的距离，d2为非机动车(行人)到达冲突点的距离，l为机动车车身长度，v1为机动车的瞬时速度，v2为非机动车的瞬时车速；
[0107]
设置待检测对象的距离碰撞最大时间tm，tm＝max(t1,t2)
[0108]
t1，t2为冲突双方维持当前的速度和轨迹行驶，到冲突点所需时间的最大值。
[0109]
本发明可以选取85％位累积频率对应的待检测对象的冲突时间差td作为机非冲突界定值，得到td的阈值t0，td可根据不同项目所采集的数据取得对应不同的值。
[0110]
为冲突双方维持目前的速度和轨迹行驶，到冲突点所需时间的最大值，作为评估碰撞接近度的指标，选择两者距离冲突点最大时间，因为第2个到达冲突点更加安全。选取85％作为机非冲突界限值。计算公式为tm＝max(t1,t2)，且两者到达碰撞点的最大时间大于tm视为安全。
[0111]
综上所述，得到非冲突定量判别标准：某时刻，两个对象之间以当前速度和轨迹行驶，到达冲突点的时间差td小于t0，且两者到达碰撞点的最大时间tm小于max(t1,t2)秒时，视为交通冲突点，而后可根据相关交通安全环境状态，例如，路况、天气条件等，将冲突点按照严重程度进行分级。
[0112]
请参阅图8，图8为本技术实施例提供的一种基于交通冲突点的交通安全事故黑点识别系统的结构原理框图。本发明还提供一种基于交通冲突点的交通安全事故黑点识别系统，所述基于交通冲突点的交通安全事故黑点识别系统包括但不限于摄像机1、分析模块3、图像坐标建立模块4、计算模块5、第一判断模块6、冲突模型建立模块7、第二判断模块8。具
体的，摄像机1用于采集图像数据。分析模块3用于根据所述图像数据，对待检测对象的运动类别进行分析。图像坐标建立模块4用于建立图像坐标。计算模块5用于根据所述图像坐标，获取所述待检测对象的像素坐标变化，以计算所述待检测对象的实际运动状态。第一判断模块6用于根据所述所述待检测对象的实际运动状态，判断所述待检测对象的运动轨迹和运动速度的改变。冲突模型建立模块7用于建立冲突模型。第二判断模块8用于根据所述冲突模型和判断结果，确定冲突时间td以及距离碰撞最大时间tm，当冲突时间td以及距离碰撞最大时间tm不在设定阈值范围内，则为危险冲突。
[0113]
请参阅图9，图9为本技术实施例提供的一种电子设备的结构原理框图。本发明还提出一种电子设备，所述电子设备包括处理器9和存储器10，所述存储器10存储有程序指令，所述处理器9运行程序指令实现上述的基于交通冲突点的交通安全事故黑点识别方法。所述处理器9可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)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；所述存储器10可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。所述存储器10也可以为随机存取存储器(random access memory，ram)类型的内部存储器，所述处理器9、存储器10可以集成为一个或多个独立的电路或硬件，如：专用集成电路(application specificintegrated circuit，asic)。需要说明的是，上述的存储器10中的计算机程序可以通过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存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
[0114]
请参阅图10，图10为本技术实施例提供的一种计算机可读存储介质的结构原理框图。本发明还提出一种计算机可读存储介质12，所述计算机可读存储介质12存储有计算机指令11，所述计算机指令11用于使所述计算机执行上述的基于交通冲突点的交通安全事故黑点识别方法。计算机可读存储介质12可以是，电子介质、磁介质、光介质、电磁介质、红外介质或半导体系统或传播介质。计算机可读存储介质12还可以包括半导体或固态存储器、磁带、可移动计算机磁盘、随机存取存储器(ram)、只读存储器(rom)、硬磁盘和光盘。光盘可以包括光盘
‑
只读存储器(cd
‑
rom)、光盘
‑
读/写(cd
‑
rw)和dvd。
[0115]
综上所述，本发明的基于交通冲突点的交通安全事故黑点识别方法选取交叉口内的机动车与机动车、机动车与非机动车之间冲突进行研究，本发明的交通安全事故黑点识别方法可以充分认识交通冲突产生的机理，从而得出有针对性的冲突预防策略，而且本发明能够对冲突的严重性做出判断，然后根据统计学及冲突与事故的关系来评价交通安全，本发明的评价结果可为道路设施的改建、道路设计等提供理论依据。
[0116]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完
成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。