一种路面异常区域监测方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供了一种路面异常区域监测方法、装置、设备及存储介质，方法包括：获取交通道路的视频数据，其中，视频数据记录了在交通道路的路面上的多个目标的运行状况；根据视频数据，获得多个目标在路面上的地理运行轨迹；根据多个目标在路面上的地理运行轨迹，确定路面上的异常区域，其中，异常区域为路面上存在影响正常交通的因素的区域。实施本申请实施例，能够实现路面的及时监测。能够实现路面的及时监测。能够实现路面的及时监测。

【技术实现步骤摘要】
一种路面异常区域监测方法、装置、设备及存储介质


[0001]本申请涉及通信
，尤其涉及一种路面异常区域监测方法、装置、设备及存储介质。

技术介绍

[0002]良好的道路状况为人们的日常出行提供了巨大的便利。然而，较差的道路状况会对人们的生活造成影响，比如，差的路况会对行驶的车辆造成一定程度上的损害；路面损坏可能导致交通阻塞，增加出行时间，甚至严重的情况下，还可能会导致车祸等。因此，需要及时对道路状况进行监测及维护。
[0003]常见的路况监测方法包括，根据车辆的行驶数据获得车辆的行驶轨迹，再根据车辆的行驶轨迹判断道路是否存在故障；或者利用车辆上的传感器采集车辆的加速度，根据加速度判断路面状况。现有这些路面监测方法不能对路面进行及时、有效的监测。

技术实现思路

[0004]本申请实施例公开了一种路面异常区域监测方法、装置、设备及存储介质，所述方法能够实现路面的及时监测。
[0005]第一方面，本申请实施例提供了一种路面异常区域监测方法，包括：获取交通道路的视频数据，其中，所述视频数据记录了在所述交通道路的路面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路面异常区域监测方法，其特征在于，包括：获取交通道路的视频数据，其中，所述视频数据记录了在所述交通道路的路面上的多个目标的运行状况；根据所述视频数据，获得所述多个目标在所述路面上的地理运行轨迹；根据所述多个目标在所述路面上的地理运行轨迹，确定所述路面上的异常区域，其中，所述异常区域为所述路面上存在影响正常交通的因素的区域。2.根据权利要求1所述的方法，其特征在于，所述影响正常交通的因素包括所述路面上发生坍塌、坑槽、凹陷、隆起、水毁、车祸事故、追尾事故、护栏拦截路面、排水井盖损坏和排水井盖丢失中的至少一种。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个目标在所述路面上的地理运行轨迹，确定所述路面上的异常区域，包括：将所述多个目标在所述路面上的地理运行轨迹输入至变道模型，确定所述多个目标是否发生了变道；统计所述发生了变道的目标的数量；将所述发生了变道的目标的数量与变道阈值进行比较，确定所述路面是否异常；所述变道阈值是根据第一历史信息确定的，其中所述第一历史信息包括在所述路面未发生异常的情况下，采集的包括不同时期的历史目标的数据；在所述路面异常的情况下，确定所述路面上的异常区域；其中，所述变道模型是基于所述第一历史信息训练得到的人工智能AI模型。4.根据权利要求3所述的方法，其特征在于，所述变道阈值包括多个；其中，每个变道阈值对应一个时期标签；所述将所述发生了变道的目标的数量与变道阈值进行比较，确定所述路面是否异常，包括：根据获得所述地理运行轨迹的时期信息，从多个变道阈值中确定出待比较的变道阈值；将所述发生了变道的目标的数量与所述待比较的变道阈值进行比较；在所述发生了变道的目标的数量大于所述待比较的变道阈值的情况下，则确定所述路面异常。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述确定所述路面上的异常区域，包括：将所述多个目标在所述路面上的地理运行轨迹分别输入识别模型，确定出所述多个目标在所述路面上的地理运行轨迹是否为异常轨迹；所述异常轨迹包括目标未按照道路标记线直行、或转弯、或超车、或换道而产生的运行轨迹；根据所有的异常轨迹确定所述路面上异常区域；其中，所述识别模型是基于第二历史信息训练得到的人工智能AI模型，所述第二历史信息包括带标签的地理运行轨迹，所述带标签的地理运行轨迹是基于在所述路面未发生异常的情况下采集的所述历史目标的数据获得的。6.根据权利要求5所述的方法，其特征在于，所述根据所有的异常轨迹确定所述路面上的异常区域，包括：
根据曲率确定各个异常轨迹中每条异常轨迹上的异常点集；根据所述各个异常轨迹中每条异常轨迹上的异常点集，确定所述路面上的异常区域。7.根据权利要求5或6所述的方法，其特征在于，在所述确定所述路面上的异常区域之后，所述方法还包括：进一步确定所述路面上的异常区域是否为路面故障区域；所述路面故障区域为所述路面上由于路基损坏和/或路面损坏而影响正常交通的区域。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：获取交通道路的雷达数据，其中，所述雷达数据包括在所述交通道路的路面上的多个目标的速度数据；所述进一步确定所述路面上的异常区域是否为路面故障区域，包括：将所述异常点集所对应的目标的视频数据或雷达数据输入停留时长模型，获得目标在异常区域的实际停留时长；将所述目标在异常区域的实际停留时长与时间阈值进行比较，确定所述异常区域是否为路面故障区域；所述时间阈值是根据第三历史信息确定的，其中所述第三历史信息包括在所述路面为非故障的情况下，采集的所述历史目标的视频数据或雷达数据；其中，所述停留时长模型是基于所述第三历史信息训练得到的AI模型。9.根据权利要求8所述的方法，其特征在于，所述时间阈值包括多个；其中，每个时间阈值对应着一个时期标签；所述将所述目标在异常区域的实际停留时长与时间阈值进行比较，确定所述异常区域是否为路面故障区域，包括：根据获得所述异常点集所对应的视频数据或雷达数据的时期信息，从多个时间阈值中确定出待比较的时间阈值；将所述实际停留时长与所述待比较的时间阈值进行比较；经比较，在所述实际停留时长大于所述待比较的时间阈值的情况下，确定所述异常区域为路面故障区域。10.根据权利要求9所述的方法，其特征在于，在所述确定所述异常区域为路面故障区域之后，所述方法还包括：生成监测报告，所述监测报告包括目标视频帧、路面故障区域发生的时间和路面故障区域的位置；其中，所述目标视频帧为含有所述路面故障区域且所述各个目标与所述路面故障区域无重叠的视频帧；发送所述监测报告至终端设备。11.一种路面异常区域监测装置，其特征在于，包括：获取单元，用于获取交通道路的视频数据，其中，所述视频数据记录了在所述交通道路的路面上的多个目标的运行状况；运行轨迹生成单元，用于根据所述视频数据，获...

【专利技术属性】
技术研发人员：霍毅，王湛，陈亚军，耿长龙，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：