一种基于声学辅助的隧道交通安全警示方法、系统技术方案

本发明专利技术公开了一种基于声学辅助的隧道交通安全警示方法、系统，其中方法包括：获取隧道内声音信号；提取隧道内声音信号的特征值；将提取的特征值输入预先训练好的事故类型识别模型，得到事故类型；其中，所述事故类型识别模型基于采集的历史隧道内声音信号数据对深度神经网络进行训练得到；根据得到的事故类型发出警示信息。本发明专利技术可根据采集的隧道内声音信号利用预先训练好的事故类型识别模型识别出事故类型，便于准确掌握隧道内的情况；可及时识别事故类型并进行警示，已提醒来往车辆注意，保证交通安全。

【技术实现步骤摘要】
一种基于声学辅助的隧道交通安全警示方法、系统
本专利技术涉及智能交通
，尤其涉及一种基于声学辅助的隧道交通安全警示方法、系统。
技术介绍
公路隧道建设与一个国家或地区的经济发展和地理环境关系密切。因其具有缩短翻山越岭里程、节省车辆运输时间、减少对自然环境的不可逆破坏等社会与经济方面的双重优势，所以在我国中西部多山的地理环境中得到广泛应用。公路隧道的空间近乎封闭且通道狭窄，很大程度上对交通安全形成了潜在的威胁。根据相关数据，公路隧道交通事故发生概率远远高于洞外路段，某些地区或省份公路隧道内的交通事故率达到洞外交通事故率的3倍以上。隧道监控系统的应用，减少了交通堵塞，提高了交通运输网络通行能力和安全水平。但由于传统的隧道设计观念和现代化技术的应用程度不完全，隧道监控系统还存在着一些不足，如智能化程度低、恶劣环境下监控摄像头寿命短以及监控成本高等问题。随着科技的发展，依靠于“智能化综合集控管理平台”的智能视频分析技术克服了视频信号ADIDA转化损伤及多设备靠背传输损失等问题，逐步取代了传统监控。但仍存在以下缺陷：(1)隧道昏暗环境下的标本文档来自技高网...

【技术保护点】
1.一种基于声学辅助的隧道交通安全警示方法，其特征在于，包括：/n获取隧道内声音信号；/n提取隧道内声音信号的特征值；/n将提取的特征值输入预先训练好的事故类型识别模型，得到事故类型；其中，所述事故类型识别模型基于采集的历史隧道内声音信号数据对深度神经网络进行训练得到；/n根据得到的事故类型发出警示信息。/n

【技术特征摘要】
1.一种基于声学辅助的隧道交通安全警示方法，其特征在于，包括：
获取隧道内声音信号；
提取隧道内声音信号的特征值；
将提取的特征值输入预先训练好的事故类型识别模型，得到事故类型；其中，所述事故类型识别模型基于采集的历史隧道内声音信号数据对深度神经网络进行训练得到；
根据得到的事故类型发出警示信息。


2.根据权利要求1所述的基于声学辅助的隧道交通安全警示方法，其特征在于，所述事故类型识别模型基于采集的历史隧道内声音信号数据对深度神经网络进行训练得到，包括：
获取历史隧道内声音信号数据并进行标注；
利用AutoModelSearch机制对历史隧道内声音信号数据进行特征提取，构建样本数据集，其中每个样本包括一个历史隧道内声音信号的特征值及其对应的标注；
利用PaddlePaddle深度学习框架将样本数据集分割为训练集、验证集和测试集；基于训练集对深度神经网络模型进行模型训练，利用验证集对模型进行纠正和强化，并利用测试集对模型进行评估，得到事故类型识别模型。


3.根据权利要求2所述的基于声学辅助的隧道交通安全警示方法，其特征在于，所述基于训练集对深度神经网络进行模型训练的过程中采用分布式训练，且训练过程中运用earlystoopping机制对模型进行筛选；
所述利用验证集对模型进行纠正和强化包括将验证集的样本数据导入深度神经网络模型中，每训练一个batch对深度神经网络模型进行一次验证，以纠正或强化模型训练参数；
所述利用测试集对模型进行评估包括采用模型效果评估机制，利用混淆矩阵的各个指标和F1-score，解决错误分类并对错误分类的数据构建补充训练集。


4.根据权利要求1所述的基于声学辅助的隧道交通安全警示方法，其特征在于，所述获取隧道内声音信号之前包括：
通过设置于隧道内的声音采集设备采集声音信号；
将声音信号放大，并进行滤波处理；
将滤波处理后的声音信号转换为数字量信号，得到隧道内声音信号。


5.根据权利要求1所述的基于声学辅助的隧道交通安全警示方法，其特征在于，所述获取隧道内声音信号之前还包括：
获取是否有车辆进...

【专利技术属性】
技术研发人员：李雪连，马雨晴，郭鹏，叶峻宏，梅硕，彭宇，罗凯，邓世龙，张佳琪，李渝，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43