事故检测方法、装置及电子设备与流程

1.本公开涉及人工智能技术领域中的智能交通技术，尤其涉及一种事故检测方法、装置及电子设备。


背景技术：

2.近年来城市汽车保有数量不断增加，提高道路通行效率，治理交通拥堵成为重要课题。引发交通拥堵的一个重要原因就是交通事故。交通事故会造成占道现象，且依赖人工处理，易造成长时间长距离拥堵，给出行带来极大不便。如果可以及时检测到交通事故发生地，结合地图应用程序对事故点进行标记，一方面可以指导车辆出行，提前变道或避堵；另一方面可以提高事故应急处置响应速度，缓解交通拥堵状况。
3.事故检测的传统方法除了人工上报之外，还有基于图像识别的检测方法，该方法依赖于对现场图像的回传和识别，导致事故检测的覆盖率较低。


技术实现要素：

4.本公开提供了一种提高了事故检测覆盖率的事故检测方法、装置及电子设备。
5.根据本公开的第一方面，提供了一种事故检测方法，包括：
6.从拥堵路段中提取目标路段，所述目标路段的拥堵程度高于所述拥堵路段中的其他路段的拥堵程度；
7.根据所述目标路段以及所述目标路段的上下游路段的路段信息，确定所述目标路段是否为事故路段；
8.若所述目标路段为事故路段，根据所述目标路段的速度信息和轨迹信息确定事故点的位置。
9.根据本公开的第二方面，提供了一种事故检测装置，包括：
10.提取模块，用于从拥堵路段中提取目标路段，所述目标路段的拥堵程度高于所述拥堵路段中的其他路段的拥堵程度；
11.第一确定模块，用于根据所述目标路段以及所述目标路段的上下游路段的路段信息，确定所述目标路段是否为事故路段；
12.第二确定模块，用于若所述目标路段为事故路段，根据所述目标路段的速度信息和轨迹信息确定事故点的位置。
13.根据本公开的第三方面，提供了一种电子设备，包括：
14.至少一个处理器；以及
15.与所述至少一个处理器通信连接的存储器；其中，
16.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的方法。
17.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述第一方面所述的方法。
18.根据本公开的第五方面，提供了一种计算机程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
19.根据本公开的技术方案，提高了事故检测的覆盖率。
20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本公开的限定。其中：
22.图1是根据本公开实施例提供的一种事故检测方法的流程示意图；
23.图2是根据本公开实施例提供的另一种事故检测方法的流程示意图；
24.图3是根据本公开实施例提供的一种事故检测装置的结构示意图；
25.图4是用来实现本公开实施例的事故检测方法的电子设备的示意性框图。
具体实施方式
26.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
27.考虑到相关技术中对道路事故的检测需要依赖于道路现场图像，这样，对于没有安装路侧设备的道路就无法实现事故检测，因此，本公开实施例提供一种不依赖于现场图像的事故检测方法，基于交通大数据信息，结合实时轨迹和速度特征对事故位置进行标记，实现全路网覆盖面的事故检测。
28.本公开提供一种事故检测方法、装置及电子设备，应用于人工智能技术领域的智能交通领域，具体可以应用在事故检测场景中，以提高事故检测的覆盖率。
29.下面，将通过具体的实施例对本公开提供的事故检测方法进行详细地说明。可以理解的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
30.图1是根据本公开实施例提供的一种事故检测检测方法的流程示意图。该方法的执行主体为事故检测检测装置，该装置可以通过软件和/或硬件的方式实现。如图1所示，该方法包括：
31.s101、从拥堵路段中提取目标路段，目标路段的拥堵程度高于拥堵路段中的其他路段的拥堵程度。
32.本步骤中的拥堵路段可以是对全路网中各路段的状态进行实时判断得到的，或者也可以是从其他数据源中直接得到的。由于事故路段在全路网中占比非常低，如果对全路网所有拥堵路段都进行事故检测，会造成计算资源大量浪费，且存在计算耗时长、效率低的问题，因此本公开实施例中首先对拥堵路段进行过滤，在大量的拥堵路段中，极端拥堵的目标路段更易由事故引起，检测价值更高，可提高计算效率，降低计算成本。目标路段是指拥
堵路段中拥堵程度较高的路段，可以称为极端拥堵路段或极度拥堵路段。
33.s102、根据目标路段以及目标路段的上下游路段的路段信息，确定目标路段是否为事故路段。
34.道路中的事故除了对事故点所在的事故路段产生影响外，还会对周边路段产生影响，因此，本公开实施例中，根据路网拓扑关系获取目标路段的上下游路段，若目标路段发生事故，则其上下游路段的路段信息可以体现发生事故时在上下游路段表现上与常规拥堵的不同，基于目标路段以及目标路段的上下游路段的路段信息来确定目标路段是否为事故路段，上下游路段延伸的广度会对检测的准确率产生影响，提高检准确度。
35.s103、若目标路段为事故路段，根据目标路段的速度信息和轨迹信息确定事故点的位置。
36.在确定目标路段为事故路段后，需要确定事故点的位置，以便于对其进行精确标识。事故发生时的拥堵路段在速度特征和轨迹特征方面存在一定的规律性，例如事故点上游速度慢，下游速度较快，目标路段的轨迹点在事故点附近会出现一定偏移，因此在定位事故点时，将速度信息和轨迹信息作为输入，基于这两类信息来确定事故点的位置。
37.本公开实施例的方法，在所有拥堵路段中挖掘极端拥堵路段作为目标路段，获取目标路段以及目标路段的上下游关联路段的路段信息；根据上述路段信息对目标路段进行事故检测，得到目标路段是否为事故路段的检测结果，对于检测为事故路段的目标路段，再进一步基于其速度信息和轨迹信息，确定事故点的位置，该方法无需回传事故路段的现场图像，而是利用覆盖范围更广的交通大数据信息，例如速度信息、轨迹信息等对事故点进行定位，提高了事故检测的覆盖率。
38.为使读者更深刻地理解本公开的实现原理，现结合以下图2对图1所示的实施例进行进一步细化。如图2所示，本技术实施例的方法包括：
39.s201、将拥堵路段的属性信息和实时信息输入拥堵挖掘模型中，得到目标路段。
40.可选的，将路网中路段速度低于速度阈值的路段确定为拥堵路段。可选的，从其他数据源例如地图应用中获取拥堵路段。拥堵路段的属性信息包括道路等级、道路种类、道路长度、最大通行轨迹量、车道数、道路事件中的至少一项；拥堵路段的实时信息包括路况状态、拥堵长度、路段速度、路段轨迹中的至少一项。拥堵挖掘模型是预先采用拥堵路段样本进行训练得到的。
41.s202、将目标路段以及目标路段的上下游路段的路段信息输入事故路段检测模型，得到目标路段为事故路段的概率。
42.其中，目标路段以及目标路段的上下游路段的路段信息体现了目标路段的时空特征，路段信息包括路段的属性信息、实时信息、历史事故和/或拥堵的概率。属性信息包括道路等级、道路种类、最大通行轨迹量、车道数、道路事件中的至少一项；实时信息包括实时速度信息、实时轨迹信息；历史事故和/或拥堵的概率包括历史事故概率、历史拥堵概率、历史事故和拥堵同时发生概率，其中，各概率均可以分为历史时期整体发生概率以及分时段概率，分时段概率用于表征不同时间段事故和/或拥堵发生可能性的不同。同时获取目标路段历史拥堵概率，结合事故概率，可以表征目标路段的事故拥堵和常规拥堵两种不同拥堵在不同时段发生的可能性的不同。
43.由于通行能力较差的道路以及存在封路、交通管制、车道变化等事件的道路容易
被误检测为事故路段，而仅采用实时轨迹信息无法很好的区分这类事件与事故的区别。例如通行能力较差的道路易产生较多低速轨迹，或车道存在变化的路段会产生类似事故的速度规律，依赖实时轨迹的模型会对这类道路持续检测出存在事故，导致结果不准确。本公开实施例中除了目标路段的实时信息外，还引入目标路段的自身属性信息来解决这类问题，即考虑每个路段自身通行能力、特殊道路事件，以保证检测的准确性。同时，还引入历史信息，综合考虑目标路段历史一段时期的拥堵和事故概率表现，例如同一时段历史表现拥堵且事故发生频次较低的路段倾向于无事故，而同一时段历史表现畅通且事故发生频次较高的路段倾向于发生事故，这样可进一步提高事故检测的准确率。
44.事故路段检测模型是预先采用极端拥堵路段样本进行训练得到的。
45.s203、若目标路段为事故路段的概率大于概率阈值，则确定目标路段为事故路段。
46.事故路段检测模型输出的是目标路段为事故路段的概率，而本步骤中的概率阈值可以根据需要进行设置。
47.可选的，本公开实施例中可以对事故路段的检测结果进行空间维度的去重，例如，在长距离拥堵中，若多个连续的目标路段均被确定为事故路段，则将多个连续的目标路段中概率最高的路段确定为事故路段，将概率最高的路段之外的其他路段确定为非事故路段，从而避免了重复的事故误报。
48.s204、将目标路段的速度信息和轨迹信息输入事故点定位模型中，得到事故点在目标路段中的位置百分位。
49.在确定事故点的位置时，基于目标路段当前的速度信息和轨迹信息，事故点定位模型输出的位置百分位是事故点在目标路段中的位置百分比，或称为位置分位，事故点定位模型是预先采用事故路段样本训练得到的。此处的速度信息和轨迹信息除了包括速度和轨迹自身外，还可以包含速度和轨迹所有可衍生的特征，例如不同速度范围的轨迹数量，不同类型的轨迹数量等，衍生特征的加入可有效提高检测的坐标精度。
50.s205、根据位置百分位确定事故点的位置。
51.根据位置百分位、目标路段的起始点和终止点的坐标，确定事故点的位置。将终止点的坐标减去起始点的坐标，将得到的差值乘以位置百分位，将乘积的结果加上起始点的坐标，即可得到事故点的坐标，即事故点的位置，提高了事故点的准确度。此外，还可以将事故点的位置在地图上进行标注，以指导用户出行，便于用户提前规划绕开事故点，避免拥堵。
52.以下对上述实施例中的各模型的训练过程进行说明。
53.针对拥堵挖掘模型，获取拥堵路段样本，拥堵路段样本的标签被标记为拥堵或极端拥堵，训练分类模型，将该模型用于对拥堵路段的实时分类，输出的结果为由拥堵路段中提取出的极端拥堵路段，从而将极端拥堵路段作为目标路段进行事故检测。
54.针对事故路段检测模型，获取极端拥堵路段样本，每个样本中均包括了极端拥堵路段及向上下游路段的路段信息，针对每个训练样本，标识出是否为事故路段的标签，在标记时对样本进行数据的清洗和去重，选取可信度高的样本，去除重复标记的样本，利用样集训练初始事故路段检测模型，输出训练完成后的事故路段检测模型，事故路段检测模型以分类机器学习模型为基础，在训练过程中，可以采用引导聚集(bootstrap aggregating，bagging)方式提升模型泛化能力，采用上下采样、加权损失的方式解决样本不平衡问题。
55.针对事故点定位模型，获取事故路段样本，每个样本均包含前述速度信息和轨迹信息，样本的标签为事故点在实录路段中的位置百分位，利用样本训练初始事故点定位模型，得到训练完成后的事故点定位模型。
56.图3是根据本公开实施例提供的一种事故检测装置的结构示意图。如图3所示，事故检测装置300包括：
57.提取模块301，用于从拥堵路段中提取目标路段，目标路段的拥堵程度高于拥堵路段中的其他路段的拥堵程度；
58.第一确定模块302，用于根据目标路段以及目标路段的上下游路段的路段信息，确定目标路段是否为事故路段；
59.第二确定模块303，用于若目标路段为事故路段，根据目标路段的速度信息和轨迹信息确定事故点的位置。
60.在一种实施方式中，第二确定模块303包括：
61.第一输入单元，用于将目标路段的速度信息和轨迹信息输入事故点定位模型中，得到事故点在目标路段中的位置百分位；
62.第一确定单元，用于根据位置百分位确定事故点的位置。
63.在一种实施方式中，第一确定单元包括：
64.第一确定子单元，用于根据位置百分位、目标路段的起始点和终止点的坐标，确定事故点的位置。
65.在一种实施方式中，提取模块301包括：
66.第二输入单元，用于将拥堵路段的属性信息和实时信息输入拥堵挖掘模型中，得到目标路段，拥堵挖掘模型是预先采用拥堵路段样本进行训练得到的。
67.在一种实施方式中，第一确定模块302包括：
68.第三输入单元，用于将目标路段以及目标路段的上下游路段的路段信息输入事故路段检测模型，得到目标路段为事故路段的概率，路段信息包括路线的属性信息、实时信息、历史事故和/或拥堵的概率；
69.第二确定单元，用于若目标路段为事故路段的概率大于概率阈值，则确定目标路段为事故路段。
70.在一种实施方式中，事故检测装置300还包括：
71.第三确定单元，用于若多个连续的目标路段均被确定为事故路段，则将多个连续的目标路段中概率最高的路段确定为事故路段，将概率最高的路段之外的其他路段确定为非事故路段。
72.在一种实施方式中，事故检测装置300还包括：
73.第四确定单元，用于将路段速度低于速度阈值的路段确定为拥堵路段。
74.本公开实施例的装置可用于执行上述方法实施例中的事故检测方法，其实现原理和技术效果类似，此处不再赘述。
75.根据本公开的实施例，本公开还提供了一种电子设备和存储有计算机指令的非瞬时计算机可读存储介质。
76.根据本公开的实施例，本公开还提供了一种计算机程序产品，程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储
介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
77.图4是用来实现本公开实施例的事故检测方法的电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
78.如图4所示，电子设备400包括计算单元401，其可以根据存储在只读存储器(rom)402中的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
79.电子设备400中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
80.计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如事故检测方法。例如，在一些实施例中，事故检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的事故检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行事故检测方法。
81.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
82.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件
包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
83.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
84.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
85.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
86.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
87.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
88.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。