一种公路运行安全状态主动识别与智能预警系统技术方案

本发明专利技术涉及一种公路运行安全状态主动识别与智能预警系统，包括公路运行安全状态识别模块与公路运行状态风险评估及智能检测模块，其特征在于：所述公路运行安全状态识别模块的输出端与基于视频的公路运行安全状态主动识别模块信号连接

【技术实现步骤摘要】
一种公路运行安全状态主动识别与智能预警系统


[0001]本专利技术涉及公路监测
，具体为一种公路运行安全状态主动识别与智能预警系统
。

技术介绍

[0002]交通运输是国民经济中基础性
、
先导性
、
战略性产业和重要服务性行业
。
[0003]我国幅员辽阔
、
人口众多，资源
、
产业分布不均衡，必须建设一个强有力的交通运输体系，建成现代化综合交通运输体系
。
[0004]而监控摄像技术的发展为道路交通智能奠定了基石，监控摄像头产生的海量监控数据恰好满足了深度学习的要求，通过获取足够的数据来进行模型训练，对监控视频或图片进行分析和处理
。
[0005]目前江苏省普通公路建设
4256
路视频监控，高速公路建设
7900
路视频监控，可视目标基本实现，对于建成的视频监控日常工作通过传统“人眼盯看视频”来发现异常或突发事件，人类视觉疲劳缺陷，安全盲点多，无法即时发现即时处理
。
[0006]传统的道路巡查车方式又存在巡查空档缺陷，加之交通事件具有发生时间和位置不可准确预见性，处理不及时会直接导致道路通行能力的临时下降或者拥堵，更为严重的可能引发交通事故或二次事故，因此迫切需要一种新的巡查方式，通过对公路监控视频或图像的智能分析，实现公路拥堵
、
路面异物
、
公路标志标线及安防设施损坏
、
非法占用公路行为等公路基础设施运行状态的自动检测，即利用新技术
、
新模式，助推公路人工巡查向智慧巡查的转变，实现公路的安全运行，提高公路的现代化管理水平
。
[0007]因此，依托大数据
、
云计算
、
人工智能，研究公路运行安全状态主动识别和智能预警技术，开发一套“公路安全管理智能巡查”平台，基于视频的主动识别和智能预警技术可以帮助管理人员快速
、
准确地识别交通事故，减少了大量的巡查人力
、
物力投入，节约社会成本，同时提高公路运输服务和运行保障能力，降低事故率，为经济发展增容扩能，此外，还可以提升公路管理效率，保障道路交通参与人员生命财产安全，有助于路产路权保护，降低执法难度，提高执法效率，为建设交通强国提供了技术支撑，具有重要示范意义与应用价值，故而提出一种公路运行安全状态主动识别与智能预警系统来解决上述问题
。

技术实现思路

[0008]针对现有技术的不足，本专利技术提供了一种公路运行安全状态主动识别与智能预警系统，具备减少人力物力投入提高预测识别效果降低事故率等优点，解决了人力物力投入高且识别预测不及时的问题
。
[0009]为实现上述目的，本专利技术提供如下技术方案：一种公路运行安全状态主动识别与智能预警系统，包括公路运行安全状态识别模块与公路运行状态风险评估及智能检测模块，所述公路运行安全状态识别模块的输出端与基于视频的公路运行安全状态主动识别模块信号连接，所述公路运行状态风险评估及智能检测模块的输出与基于视频的公路运行状
态风险评估及智能化预测模块信号连接
[0010]所述公路运行安全状态识别模块由停车检测模块
、
落物识别模块和道路与标识标线损坏识别报警模块组成，分别实现公路拥堵及违停
、
道路落物
、
公路标志标线及设施损坏
、
公路非法占用行为的智能识别；
[0011]所述公路运行状态风险评估及智能检测模块由公路车流状态划分模块
、
公路车流状态划分模块
、
公路运行状态风险评估模块
、
公路运行风险演化状态分析模块和公路运行风险状态预测模块组成，来从公路监控视频中提取公路车流特征，预测公路车流状态并进一步预测公路运行安全状态；
[0012]所述公路运行安全状态识别模块还包括
YOLOv5、Deep Sort、
匈牙利算法
、
卡尔曼滤波算法
、
差分法
、
最小割最大流算法
、
基于高斯混合背景建模的
MOG2
算法
、KCF
算法和卷积神经网络，来为公路运行安全状态识别模块正常运行提供稳定的算法；
[0013]所述公路运行状态风险评估及智能检测模块还包括基于
LSTM
与多任务学习的深度聚类方法
、
条件贝叶斯岭回归模型
、
谱聚类模型
、
基于注意力机制的卷积神经网络模型和改进的深度森林模型，来为公路运行状态风险评估及智能检测模块实现交通事件监测智能识别提供模型支撑
。
[0014]进一步，所述停车检测模块由图像数据输入模块
、
识别目标车辆模块和跟踪并检测停车日模块组成
。
[0015]进一步，所述落物识别模块由图像数据输入
、
分割公路区域模块
、
提取运动目标模块
、
检测并排出无关目标模块和跟踪目标并识别落物模块组成
。
[0016]进一步，所述道路与标识标线损坏识别报警模块由图像数据输入模块
、
图像预处理模块
、
标识标线特征提取及分类模块
、
道路标识标线外观评价模块和损坏判断模块组成
。
[0017]进一步，所述公路车流状态划分模块由图像数据输入模块
、
公路车流特征提取模块和深度特征聚类模块组成
。
[0018]进一步，所述公路运行状态风险评估模块由公路车流状态输入模块
、
统计分析模块和公路运行风险评估模块组成
。
[0019]进一步，所述公路运行风险演化状态分析模块由特征提取模块和聚类分析模块组成
。
[0020]进一步，所述公路运行风险状态预测模块由变量输入模块
、
公路车流状态预测模块和公路运行风险状态预测模块组成
。
[0021]与现有技术相比，本申请的技术方案具备以下有益效果：
[0022]1、
该公路运行安全状态主动识别与智能预警系统，通过公路运行安全状态识别模块与公路运行状态风险评估及智能检测模块的配合，来对主动识别和智能预警技术的使用，能提前预判，提前预警，把管理人员从海量信息解放出来，大大提高了管理效率与实效性，且避免道路区域外树木和光照等动态因素对落物目标检测精度的影响，无需手工干预的车道自动提取算法，实现对场景中的车道区域的有效提取，很好地避免道路区域外运动目标的影响，有效提升了检测精度
。
[0023]2、
该公路运行安全状态主动识别与智能预警系统，由于落物一般具有从运动状态快速到静止状态的过程，为了避免静本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种公路运行安全状态主动识别与智能预警系统，包括公路运行安全状态识别模块与公路运行状态风险评估及智能检测模块，其特征在于：所述公路运行安全状态识别模块的输出端与基于视频的公路运行安全状态主动识别模块信号连接，所述公路运行状态风险评估及智能检测模块的输出与基于视频的公路运行状态风险评估及智能化预测模块信号连接；所述公路运行安全状态识别模块由停车检测模块
、
落物识别模块和道路与标识标线损坏识别报警模块组成，分别实现公路拥堵及违停
、
道路落物
、
公路标志标线及设施损坏
、
公路非法占用行为的智能识别；所述公路运行状态风险评估及智能检测模块由公路车流状态划分模块
、
公路车流状态划分模块
、
公路运行状态风险评估模块
、
公路运行风险演化状态分析模块和公路运行风险状态预测模块组成，来从公路监控视频中提取公路车流特征，预测公路车流状态并进一步预测公路运行安全状态；所述公路运行安全状态识别模块还包括
YOLOv5、Deep Sort、
匈牙利算法
、
卡尔曼滤波算法
、
差分法
、
最小割最大流算法
、
基于高斯混合背景建模的
MOG2
算法
、KCF
算法和卷积神经网络，来为公路运行安全状态识别模块正常运行提供稳定的算法；所述公路运行状态风险评估及智能检测模块还包括基于
LSTM
与多任务学习的深度聚类方法
、
条件贝叶斯岭回归模型
、
谱聚类模型
、
基于注意力机制的卷积神经网络模型和改进的深度森林模型，来为公路运行状态风险评估及智能检测模块实现交通事件监测智能识别提供模型支撑<...

【专利技术属性】
技术研发人员：汪祝庆，汪玉生，王彤，
申请(专利权)人：江苏苏信交通科技有限公司，
类型：发明
国别省市：