【技术实现步骤摘要】
【国外来华专利技术】用于检测地理位置中的异常交通事件的系统、设备和方法
技术介绍
随着车辆数量中的增加,针对异常(诸如,事故和交通违规(violation))来监测道路已经成为一项艰巨的任务。在混乱的交通场景中,标识异常可能是具有挑战性的,这是因为它需要准确地将异常分类为事故或违规或仅仅是正常的混乱交通流。使用集中式交通控制系统来存储和处理大量交通数据。这种集中式交通控制系统依赖于人类干预。此外,如在US20160284214中公开的,可以在个体车辆上执行异常交通事件检测。该文档描述了一种用于报告异常行驶事件的行驶报告器系统。行驶报告器系统包括电子数据传感器,该电子数据传感器安装在车辆上并且被配置成获得关于位于车辆的预定距离内的对象的实时数据。这种决策支持系统被限制于车辆的附近。为了确定异常交通事件,地理位置可能是繁琐且昂贵的,这是因为必须向地理位置中的车辆提供该决策支持系统。鉴于上述情况,存在对于准确地标识并减轻地理位置中的异常交通事件的影响的需要。因此,本专利技术的目的是提供一种用于有效地检测实时交通流中的异常交通事件的方法、设备和系统。
技术实现思路
根据本专利技术的方法、设备和系统通过跟踪地理位置的交通环境中的交通对象来确定交通活动从而实现上述目的。因此,通过确定交通活动中的异常对象轨迹来检测地理位置中的异常交通事件。如本文中所使用的,“交通环境”指示针对要在其中管理交通流的地理位置的车辆交通和行人交通。因此,交通环境包括地理位置的坐标、以及与针对地理位置的天气、空气质量、时间、日期、经调度事件和未调度事件 ...
【技术保护点】
1.一种用于检测地理位置中的异常交通事件(525)的方法,所述方法包括:/n基于地理位置中的交通环境来实时确定交通对象,其中交通环境包括车辆交通和行人交通;/n通过跟踪地理位置中的交通对象来确定交通活动,其中交通活动包括多个对象轨迹,所述多个对象轨迹包括与交通对象实时相关联的位置、定位和对象边界;以及/n通过确定交通活动中的一个或多个异常对象轨迹来检测地理位置中的异常交通事件(525)。/n
【技术特征摘要】
【国外来华专利技术】1.一种用于检测地理位置中的异常交通事件(525)的方法,所述方法包括:
基于地理位置中的交通环境来实时确定交通对象,其中交通环境包括车辆交通和行人交通;
通过跟踪地理位置中的交通对象来确定交通活动,其中交通活动包括多个对象轨迹,所述多个对象轨迹包括与交通对象实时相关联的位置、定位和对象边界;以及
通过确定交通活动中的一个或多个异常对象轨迹来检测地理位置中的异常交通事件(525)。
2.根据权利要求1所述的方法,进一步包括:
在地理位置中的多个捕获节点处实时捕获交通环境;以及
确定交通环境中的交通对象,其中交通对象包括道路、道路类型、道路状况、车辆类型、车辆占用和行人类型。
3.根据权利要求2所述的方法,其中确定交通环境中的交通对象包括:
捕获与交通环境相关联的交通图像(530);
基于预定的标识模型、通过卷积层、池化层和激活层的组合来标识交通图像(530)中的特征;以及
基于所标识的特征、独立于车辆位置、相对车辆接近度和行人位置来识别交通对象。
4.根据权利要求3所述的方法,进一步包括:
利用与交通图像中的交通对象的对象坐标、宽度和高度相关联的对象边界框来训练预定的标识模型。
5.根据权利要求1所述的方法,其中通过跟踪地理位置中的交通对象来确定交通活动包括:
在交通环境的交通图像中检测与交通对象相关联的对象坐标;
从对象坐标来确定对象边界;以及
通过基于对象边界跟踪地理位置中的交通对象来确定交通活动。
6.根据权利要求5所述的方法,其中从对象坐标来确定对象边界包括:
对对象坐标进行插值以便以预定间隔来跟踪交通对象;
针对与交通环境相关联的交通图像(530)中的像素来生成像素标记,其中像素标记是通过根据交通对象来对像素进行标记而生成的;以及
基于经插值的对象坐标和像素标记中的一个来确定对象边界。
7.根据权利要求1所述的方法,其中通过从交通活动确定一个或多个异常对象轨迹来检测地理位置中的异常交通事件(525)包括:
实时标识一个或多个异常交通对象(535a),其中异常交通对象(535a)潜在地引起异常交通事件;
检测与异常交通对象相关联的一个或多个异常对象轨迹,其中基于异常交通对象的历史坐标和当前坐标来检测异常对象轨迹;以及
基于异常对象轨迹来检测地理位置中的异常交通事件(525)。
8.根据权利要求7所述的方法,进一步包括:
更新具有异常交通对象(535a)和异常对象轨迹的跟踪列表,其中跟踪列表包括地理位置中的交通对象的交通活动,
其中更新具有异常交通对象(535a)和异常对象轨迹的跟踪列表包括:
检测跨一个或多个捕获节点的异常交通对象(535a)的唯一标识;其中通过匹配与跨捕获节点的异常交通对象(535a)相关联的一个或多个标识特征来确定异常交通对象(535a)的唯一标识。
9.根据权利要求7所述的方法,其中实时检测与一个或多个异常交通对象(535a)相关联的一个或多个异常对象轨迹包括:
基于与交通环境相关联的交通图像(530)中的像素的像素标记的边界之间的相互作用来检测异常对象轨迹,其中像素标记是通过根据交通对象对来像素进行标记而生成的;以及
基于交通对象的对象边界框的边界之间的相互作用来检测异常对象轨迹,其中对象边界框由交通对象的对象坐标、宽度和高度来表示。
10.根据权利要求7所述的方法,其中实时检测与一个或多个异常交通对象(535a)相关联的一个或多个异常对象轨迹包括:
从历史交通环境来生成一个或多个非异常对象轨迹;
确定交通环境中的对象轨迹中的重构误差;以及
当对象轨迹中的重构误差超过预定阈值时,实时检测与异常交通对象(535a)相关联的异常对象轨迹,其中使用基于奖励的优化模型从历史交通环境来自主地学习预定阈值。
11.根据权利要求1所述的方法,包括:
通过将异常交通事件分类为交通违规、交通事故和其两者来确定事件的类型;
基于预先训练的严重性估计模型来确定异常交通事件的伤亡的严重性,
其中预先训练的严重性模型基于事件对象的数量、与事件对象相关联的事件轨迹、以及事件对象的类型,
其中事件对象包括与异常交通事件相关联的交通对象,所述交通对象包括一个或多个异常交通对象,其中事件轨迹包括事件对象的历史对象轨迹;以及
基于事件的类型和伤亡的严重性来启动与至少一个缓解机构的通信。
12.一种用于检测地理位置中...
【专利技术属性】
技术研发人员:V·拉文德兰,V·苏哈卡兰,A·索拉吉普斯,C·耶施万斯,
申请(专利权)人:西门子交通有限责任公司,
类型:发明
国别省市:德国;DE
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。