【技术实现步骤摘要】
本专利技术涉及人工智能、交通安全智能检测，具体而言，本专利技术涉及一种隧道内异常停车检测方法、装置、电子设备及介质。
技术介绍
1、由于公路隧道的不断增多，长隧道里交通事故频发，特别是在长度超过3km～10km的特长隧道出现后，隧道路段已经成为了交通事故的多发地点。在正常情况下，隧道内是不允许换道、超车和停车的，如果车辆在隧道内违章停车，则可以判断此处发生了异常的交通事件，若不及时处理，疏导交通，极易发生二次事故，所以实时检测隧道内的停车事件是避免隧道内碰撞事故的发生，确保隧道行车安全的关键所在。
2、在实现本公开的过程中，专利技术人发现现有技术存在以下问题：目前常用的隧道停车检测方法一般是通过获取车辆的视频图像，采用各种传统机器学习方法对异常停车进行判断，然而这些方法没有考虑到并不是所有的隧道情况都是一样，就有可能造成对异常停车的判断偏差，影响后续救援处理。
技术实现思路
1、本专利技术所要解决的技术问题是提供了一种隧道内异常停车检测方法、装置、电子设备及介质，旨在解决上述至少一个技术问题。
2、第一方面，本专利技术解决上述技术问题的技术方案如下：一种隧道内异常停车检测方法，该方法包括：
3、获取待检测车辆在多个短时行为模式下对应的三元组数据，每个所述短时行为模式下对应的三元组数据包括速度、加速度和车道三个元素；
4、根据各个所述短时行为模式下对应的三元组数据，确定所述待检测车辆对应的稀有度；
5、获取所述待检测车辆在每
6、根据各个所述短时行为模式下对应的多维度的敏感对象，确定所述待检测车辆对应的危险敏感度；
7、根据所述稀有度和所述危险敏感度，判断所述待检测车辆在隧道内是否为异常停车。
8、本专利技术的有益效果是：不采用现有技术中的实现方式，而是通过稀有度和危险敏感度来判断待检测车辆在隧道内是否有异常停车，其中，稀有度是基于三元组数据确定的，三元组数据可以表征待检测车辆在隧道内是否有异常停车的常见异常行为，危险敏感度是基于不同短时行为模型下的多维度的敏感对象确定的，多维度的敏感对象可以表征待检测车辆在隧道内是否有异常停车的其他因素，从稀有度和危险敏感度这两个方面可以更准确的反映待检测车辆在隧道内的停车是否异常，克服由于各种客观因素影响导致的异常停车检测算法误差、对异常停车进行更为准确的识别。
9、在上述技术方案的基础上，本专利技术还可以做如下改进。
10、进一步，上述根据各个所述短时行为模式下对应的三元组数据，确定所述待检测车辆对应的稀有度，包括：
11、对于每个所述短时行为模式下对应的每个所述三元组数据，对所述三元组数据中的每个元素进行正态性检验，得到每个元素的正态性校验值；
12、对于每个所述短时行为模式，根据该短时行为模式下对应的各个元素的正态性校验值，确定该短时行为模式对应的稀有度；
13、根据各个所述短时行为模式对应的稀有度，确定所述待检测车辆对应的稀有度。
14、采用上述进一步方案的有益效果是，通过每个元素的正态性校验值，可准确判断出每个短时行为模式下的行驶行为是否正常，从而基于各个短时行为模式对应的稀有度，可准确确定出待检测车辆对应的稀有度。
15、进一步，上述根据各个所述短时行为模式下对应的多维度的敏感对象，确定所述待检测车辆对应的危险敏感度，包括：
16、对于每个所述短时行为模式下对应的每个维度，根据该短时行为模式在该维度的敏感对象，确定该短时行为模式在该维度的危险敏感度值；
17、根据各个所述短时行为模式在每个维度的危险敏感度值，确定所述待检测车辆对应的危险敏感度。
18、采用上述进一步方案的有益效果是，考虑不同的短时行为模式下、不同维度的敏感对象，可以从不同的角度准确的确定出不同的短时行为模式在不同维度的危险敏感度值。
19、进一步，上述对于每个所述短时行为模式下对应的每个维度，根据该短时行为模式在该维度的敏感对象，确定该短时行为模式在该维度的危险敏感度值，包括：
20、对于每个所述短时行为模式下对应的每个维度，根据该短时行为模式在该维度的危险对象的数量，以及该短时行为模式在该维度的敏感对象的总数量，确定该短时行为模式在该维度的危险敏感度值，其中，同一个维度的敏感对象包括危险对象。
21、采用上述进一步方案的有益效果是，通过上述方式，可以准确确定出不同的短时行为模式在不同维度的危险敏感度值。
22、进一步，上述根据各个所述短时行为模式在每个维度的危险敏感度值，确定所述待检测车辆对应的危险敏感度，包括：
23、根据各个所述短时行为模式在每个维度的危险敏感度值，确定各个所述短时行为模式对应的危险敏感度值对应的矩阵，在该矩阵中，该矩阵的行数表示短时行为模式的数量，该矩阵的列数表示危险对象的维度数，该矩阵中的每个元素表示一个短时行为模式在一个维度的危险敏感度值；
24、根据所述矩阵，确定所述待检测车辆对应的危险敏感度。
25、采用上述进一步方案的有益效果是，通过矩阵的形式，可以更加准确地表示不同的短时行为模式在不同维度的危险敏感度值。
26、进一步，上述根据所述稀有度和所述危险敏感度，判断所述待检测车辆在隧道内是否为异常停车，包括：
27、根据所述稀有度和所述危险敏感度，确定所述待检测车辆在隧道内的停车风险度；
28、根据所述停车风险度，判断所述待检测车辆在隧道内是否为异常停车。
29、采用上述进一步方案的有益效果是，停车风险度综合了稀有度和危险敏感度，可以基于该风险指标反映待检测车辆在隧道内是否为异常停车。
30、进一步，根据所述停车风险度，判断所述待检测车辆在隧道内是否为异常停车，包括：
31、若所述停车风险度不小于设定阈值，则判断所述待检测车辆在隧道内是异常停车；
32、若所述停车风险度小于所述设定阈值，则判断所述待检测车辆在隧道内不是异常停车。
33、采用上述进一步方案的有益效果是，通过与设定阈值比较的方式，可以快速准确的对待检测车辆在隧道内不是异常停车进行判断。
34、第二方面，本专利技术为了解决上述技术问题还提供了一种隧道内异常停车检测装置，该装置包括：
35、三元组数据获取模块，用于获取待检测车辆在多个短时行为模式下对应的三元组数据，每个所述短时行为模式下对应的三元组数据包括速度、加速度和车道三个元素；
36、稀有度确定模块，用于根据各个所述短时行为模式下对应的三元组数据，确定所述待检测车辆对应的稀有度；
37、敏感对象确定模块，用于获取所述待检测车辆在每个所述短时行为模式下对应的多维度的敏感对象，每个所述短时行为模式下对应的多本文档来自技高网...
【技术保护点】
1.一种隧道内异常停车检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各个所述短时行为模式下对应的三元组数据，确定所述待检测车辆对应的稀有度，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据各个所述短时行为模式下对应的多维度的敏感对象，确定所述待检测车辆对应的危险敏感度，包括：
4.根据权利要求3所述的方法，其特征在于，所述对于每个所述短时行为模式下对应的每个维度，根据该短时行为模式在该维度的敏感对象，确定该短时行为模式在该维度的危险敏感度值，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据各个所述短时行为模式在每个维度的危险敏感度值，确定所述待检测车辆对应的危险敏感度，包括：
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述稀有度和所述危险敏感度，判断所述待检测车辆在隧道内是否为异常停车，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述停车风险度，判断所述待检测车辆在隧道内是否为异常停车，包括：
8.一种隧道内异
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种隧道内异常停车检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各个所述短时行为模式下对应的三元组数据，确定所述待检测车辆对应的稀有度，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据各个所述短时行为模式下对应的多维度的敏感对象，确定所述待检测车辆对应的危险敏感度，包括：
4.根据权利要求3所述的方法，其特征在于，所述对于每个所述短时行为模式下对应的每个维度，根据该短时行为模式在该维度的敏感对象，确定该短时行为模式在该维度的危险敏感度值，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据各个所述短时行为模式在每个维度的危险敏感度值，确定所述待检测车辆对应的危险敏感度，包括：<...
【专利技术属性】
技术研发人员：何晓罡，朱小平，吴银，张辉华，
申请(专利权)人：北京卓视智通科技有限责任公司，
类型：发明
国别省市：
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。