【技术实现步骤摘要】
本专利技术涉及道路安全，具体涉及一种风险路段预测方法、系统、计算机设备及存储介质。
技术介绍
1、随着本专利技术国城市化进程的加快，城市建设问题越来越多，而交通问题作为人民日常生活中不可忽视的一大难题，亦是城市规划建设过程中必须应对的挑战。传统的交通事故的应对措施多侧重于交通系统运行过程中的规划、事故发生时的管控以及事故发生后的应对，但是聚焦于通过运输线路风险评估特别是环境要素的搭配来降低交通风险从而间接达到降低交通事故发生概率的细致化手段相对空缺。因此，对于现在街景进行安全性评估，对道路规划具有重要意义。
2、由于驾驶员视野下街道存在各种各样的物体，人工查看和分类工作量与难度巨大，需要借助计算机进行识别和提取。随着大数据时代的到来，因果关系模型、机器学习模型及深度学习模型等正在用于交通系统实证数据的分析，但是选取的数据集通常包括车流量、车辆速度、车载信息等传统交通指标，并不能很好地同驾驶员视角情况进行关联，难以对街道规划起到很好的解释作用，同时也无法实现对于运输线路风险路段的快速提取。
3、交通事故的预测有传统...
【技术保护点】
1.一种风险路段预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种风险路段预测方法，其特征在于，所述获取待检测区域的街景图像数据之后对图像数据以10m为单位进行增密操作，再通过要素转折点转点操作。
3.根据权利要求1所述的一种风险路段预测方法，其特征在于，所述语义分割模型的骨干网络采用MobileNetV2，用于提取图像特征；所述语义分割模型采用空洞金字塔池化模块以不同的采样率捕获多尺度信息。
4.根据权利要求1所述的一种风险路段预测方法，其特征在于，还包括对所述语义分割模型进行训练，具体包括以下步骤：
...
【技术特征摘要】
1.一种风险路段预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种风险路段预测方法，其特征在于，所述获取待检测区域的街景图像数据之后对图像数据以10m为单位进行增密操作，再通过要素转折点转点操作。
3.根据权利要求1所述的一种风险路段预测方法，其特征在于，所述语义分割模型的骨干网络采用mobilenetv2，用于提取图像特征；所述语义分割模型采用空洞金字塔池化模块以不同的采样率捕获多尺度信息。
4.根据权利要求1所述的一种风险路段预测方法，其特征在于，还包括对所述语义分割模型进行训练，具体包括以下步骤：
5.根据权利要求1所述的一种风险路段预测方法，其特征在于，所述将不同环境要素的像素比例输入风险路段预测模型之前，对所述不同环境要素的像素比例进行编码分类，具...
【专利技术属性】
技术研发人员：赖谋兴，张漪，李军，杨希文，石思雨，田赛，朱彤，
申请(专利权)人：长安大学，
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。