The invention discloses an urban road safety prediction method and system based on open data, which relates to the technical field of computer vision. Firstly, collect the satellite image and traffic accident point information through open data platform, and mark the accident point on the corresponding position of the satellite image according to the traffic accident point information to form the traffic accident point image with the same size as the satellite image; then use the satellite image and traffic accident point image to train a sparse depth to generate the neural network model until the network model converges After that, the trained sparse depth generation neural network model is used to predict the road safety of other cities. By using the open data, the invention overcomes the problem of high data cost faced by the previous prediction of road safety, and only needs to input the satellite image of the measured city into the trained sparse depth generation neural network model to predict the location of the urban traffic accident, greatly improving the prediction efficiency.
【技术实现步骤摘要】
一种基于开放数据的城市道路安全预测方法及系统
本专利技术涉及计算机视觉
,特别是涉及一种基于开放数据的城市道路安全预测方法及系统。
技术介绍
随着现代城市的飞速发展,城市交通系统变得尤为重要,而交通事故是阻碍系统正常运行的关键因素。交通事故也给人们带来巨大的损失。交通事故的预防成为公共安全领域的重要课题。为了预防交通事故,很多学者做了研究。但是,由于造成交通事故的各方面数据的缺乏,导致预防交通事故的研究很难推进。近年来随着大数据技术、物联网技术和地理信息系统的发展,使得利用交通事故大数据的挖掘分析而有效避免交通事故的发生成为可能。传统的一些研究中,通过路口监视机制来预防交通事故。首先,对一个路口固定视角的监视视频处理,得到画面中车辆特征和轨迹;然后,使用特征和轨迹训练一个可以预测车辆行进模式的神经网络;最后,对进入同一个路口的不同车辆进行特征和轨迹获取,将他们的预测模式输入到一个条件概率模型中,预测出两个车辆发生碰撞的可能性。这类方法只能监视预测一个路口,如果是城市范围内广泛使用,代价昂贵且繁琐。另一些研究中,通过探讨造成交通事故的因素和事故之间的对应关系来预测交通事故。首先,收集大量的交通事故信息,包括时间、气温、风速、道路状况、道路限速等;然后,将这些与交通事故相关的特征输入某种分类器,比如支持向量机、决策树、随机森林或神经网络,训练分类器直到收敛;最后,将某个路段或地点的相关因素输入到分类器,预测出该地点是否发生交通事故。这类方法可以广泛的预测路段或地点的交通事故可能性,但是相关因素的收集 ...
【技术保护点】
1.一种基于开放数据的城市道路安全预测方法,其特征在于,所述城市道路安全预测方法,包括:/n获取城市道路开放数据并进行预处理;所述城市道路开放数据包括卫星图像和交通事故点信息;/n采用核密度估计算法,将所述交通事故点信息与预处理后的卫星图像结合,生成交通事故点图像;/n将图像对依次输入到已构建的稀疏深度生成神经网络模型中以训练所述稀疏深度生成神经网络模型,得到城市道路安全预测模型;所述城市道路安全预测模型的输入为预处理后的卫星图像,所述城市道路安全预测模型的输出为交通事故点图像;所述图像对包括预处理后的卫星图像以及预处理后的卫星图像对应的交通事故点图像;/n获取实测城市的卫星图像并进行预处理;/n将预处理后的实测城市的卫星图像输入到所述城市道路安全预测模型中以获取实测城市的交通事故点图像,并根据实测城市的交通事故点图像预测实测城市发生交通事故的位置信息。/n
【技术特征摘要】
1.一种基于开放数据的城市道路安全预测方法,其特征在于,所述城市道路安全预测方法,包括:
获取城市道路开放数据并进行预处理;所述城市道路开放数据包括卫星图像和交通事故点信息;
采用核密度估计算法,将所述交通事故点信息与预处理后的卫星图像结合,生成交通事故点图像;
将图像对依次输入到已构建的稀疏深度生成神经网络模型中以训练所述稀疏深度生成神经网络模型,得到城市道路安全预测模型;所述城市道路安全预测模型的输入为预处理后的卫星图像,所述城市道路安全预测模型的输出为交通事故点图像;所述图像对包括预处理后的卫星图像以及预处理后的卫星图像对应的交通事故点图像;
获取实测城市的卫星图像并进行预处理;
将预处理后的实测城市的卫星图像输入到所述城市道路安全预测模型中以获取实测城市的交通事故点图像,并根据实测城市的交通事故点图像预测实测城市发生交通事故的位置信息。
2.根据权利要求1所述的基于开放数据的城市道路安全预测方法,其特征在于,所述获取城市道路开放数据并进行预处理,具体包括:
获取城市道路开放数据;所述城市道路开放数据包括卫星图像和交通事故点信息;
对所述卫星图像进行合并缩放处理,得到预处理后的卫星图像。
3.根据权利要求1所述的基于开放数据的城市道路安全预测方法,其特征在于,所述采用核密度估计算法,将所述交通事故点信息与预处理后的卫星图像结合,生成交通事故点图像,具体包括:
提取预处理后的卫星图像区域内的GPS坐标范围;
根据所述交通事故点信息,确定所述GPS坐标范围内发生交通事故的位置信息;
采用核密度估计算法,将发生交通事故的位置信息标注在预处理后的卫星图像上,生成预处理后的卫星图像对应的交通事故点图像。
4.根据权利要求1所述的基于开放数据的城市道路安全预测方法,其特征在于,所述将图像对依次输入到已构建的稀疏深度生成神经网络模型中以训练所述稀疏深度生成神经网络模型,得到城市道路安全预测模型,具体包括:
构建多个图像对并将所述图像对划分为训练图像对和测试图像对;
将所述训练图像对依次输入到已构建的稀疏深度生成神经网络模型中以调整所述稀疏深度生成神经网络模型的权重,得到初步城市道路安全预测模型;所述稀疏深度生成神经网络模型的基础网络模型为pix2pixHD网络模型,所述稀疏深度生成神经网络模型的损失函数为稀疏约束损失函数;
将所述测试图像对依次输入到初步城市道路安全预测模型中以确定所述初步城市道路安全预测模型的准确率,并当所述初步城市道路安全预测模型的准确率小于设定准确率时重新训练所述稀疏深度生成神经网络模型,当所述初步城市道路安全预测模型的准确率大于或者等于所述设定准确率时,将所述初步城市道路安全预测模型确定为最终的城市道路安全预测模型。
5.根据权利要求1所述的基于开放数据的城市道路安全预测方法,其特征在于,所述获取实测城市的卫星图像并进行预处理,具体包括:
获取实测城市的卫星图像,并对实测城市的卫星图像进行合并缩放处理,得到预处理后的实测城市的卫星图像。
6.一种基于开放数据的城市道路安全预测...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。