導航：安全管理網(wǎng)>> 安全論文>> 交通安全論文>>正文

基于視頻檢測的高速公路車輛交通行為安全狀態(tài)分析

文檔作者：蔣新春劉小明文檔來源：交通運輸部公路科學研究院		點擊數(shù)：	更新時間： 2020年12月04日
下載地址：點擊這里	文件大?。?330.59 KB 共4頁	文檔格式： PDF	下載點數(shù)： 1 點（VIP免費）

全屏查看

內容預覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

注：預覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內容顯示不全等問題，下載是正常的。

	文件大?。?30.59 KB 共4頁文件格式：PDF 下載點數(shù)：1 點（VIP會員免費）

下一篇：基于最小安全距離的車輛跟馳模型研究

上一篇：基于虛擬現(xiàn)實的車輛換道最小安全距離研究

文本預覽

僅提取頁面文字內容，供快速閱讀使用。

第27卷第1期公路交通科技V01．27 No．1
2010年1月Journal of Highway and Transportation Research and Development Jan．2010
文章編號：1002-0268(2010)01-0122-04
基于視頻檢測的高速公路車輛
交通行為安全狀態(tài)分析
蔣新春，劉小明
(交通運輸部公路科學研究院，北京100088)
摘要：在對目前視頻檢測系統(tǒng)分析的基礎上，針對交通事件檢測，提出了一種從微觀的角度出發(fā)。在對單個車輛交通
行為狀態(tài)識別和實時分析的基礎上，對車輛交通安全狀態(tài)進行判斷的方法。首先對交通沖突沖突區(qū)進行動態(tài)和靜態(tài)劃
分，然后將車輛行駛區(qū)域根據(jù)交通行為過程分為危險區(qū)和趨勢區(qū)，并對應靜態(tài)和動態(tài)沖突區(qū)分別對危險區(qū)和趨勢區(qū)的
判定進行分析，給出了判定算法。測試表明，本文所提算法能夠在一定程度上對交通事故進行提前預誓，對于減少和
避免交通事故發(fā)生具有重要意義。
關鍵詞：交通5-程；交通事件檢測；靜態(tài)沖突區(qū)；動態(tài)沖突區(qū)；危險區(qū)；趨勢區(qū)
中圖分類號：U491 文獻標識碼：A
Analysis of Vehicle Behavioral Safety on Freeway&amp;amp;lsed on Video Detection
JIANG Xinchun，LIU Xiaoming
(Research Institute of Highway，Ministry
of Transport，aeljins 100088，China)
Al：mtmct：Based on the analysis of current video detection system，a method to s∞ss vehicle safety status for tra伍c
incident detection at microcosmic level according to the real—time analysis and identification of single vehicle
behavior was put forward．First。tramc incident impact area was divided into static area and aynaIIlic aIea，then
the vehicle driving area was divided into dangcIou$area and trend aI吼削。蠅to the process of tramc behaviors，
and the如ri岫to determine the d￡IrII驢舢area and trend繃of the corresponding static area or dyadic a黝
Was presented．The teat result shows that this蛔tllm caIl be used for tvdmC warning to a certain extent to reduce
tl'a伍c accidents．
Koy words：tra岱c e咖,ring；礎c incident detection；static impact area；dynamic impact area；dangerous
area；trend a瑚
0引言
減少交通阻塞和車輛延誤一直以來就是高速公路
管理運營所面II缶的一個主要問題，而交通事件的發(fā)生
是導致交通阻塞的重要原因之一，因此，實時檢測路
面突發(fā)的交通事件是確保道路安全暢通的有效手段。
近年來，在高速公路交通事件檢測方面的研究取
得了較大的進展．在硬件系統(tǒng)方面，主要有線圈、微
波及視頻等檢測系統(tǒng)。由于視頻檢測系統(tǒng)具有能夠提
供更為全面的交通管理和事故檢測信息，并可以直接
觀察檢測狀況等優(yōu)點，因此目前得到了更為廣泛的應
用?1。在算法研究方面【2。5J，主要有比較／模式識別
算法，如加州算法、Monica算法等；統(tǒng)計算法，如貝
葉斯算法、時間序列和平滑一濾波算法等；交通模型
和理論算法，如McMaster算法等，近來又發(fā)展了如
神經網(wǎng)絡算法等先進的事件檢測算法?？v觀這些算
法，其根本思想大都基于對宏觀交通參數(shù)檢測的基礎
上，通過對其數(shù)據(jù)變化的分析來判斷事件是否發(fā)生，
收稿日期：2008-07-18
作者簡介：蔣新春，(1958一)女，北京市人，高級工程師。研究方向為公路交通工程．(m．jiang@rioh．C11)
萬方數(shù)據(jù)
第1期蔣新春，等：基于視頻檢測的高速公路車輛交通行為安全狀態(tài)分析
由于需要獲得宏觀交通參數(shù)，因此在事件檢測的實時
性方面便存在一定的劣勢，此外，以上各算法主要是
針對事件發(fā)生后的檢測，不能實現(xiàn)交通事件發(fā)生提前
預警的功能。
本文的研究重點集中于車輛在高速公路上行駛時
出現(xiàn)的與路側防護欄碰撞、前后車追尾等常見事故的
檢測上。實際上，車輛在發(fā)生事故之前，其運行狀態(tài)
會有一定的先兆，利用視頻檢測所特有的優(yōu)勢【6J，從
微觀的角度出發(fā)，在對單個車輛交通行為狀態(tài)識別和
實時分析的基礎上，對車輛交通安全狀態(tài)進行一定的
判斷，不僅能夠及時檢測交通事件的發(fā)生，更重要的
是能夠在一定程度上對交通事故進行提前預警，這對
減少和避免交通事件發(fā)生具有重要意義。
1 車輛交通行為模型及安全狀態(tài)分析
車輛在道路上行駛時，為達到安全行駛的目的，
一般會及時調整行駛速度，并按照道路的線形調整車
輛的行駛方向，這樣車輛的行駛軌跡及行駛速度將滿
足一定的條件。當在不滿足該條件達到一定時間長度
時，交通事故就有可能發(fā)生。
本文將交通沖突區(qū)分為靜態(tài)沖突區(qū)和動態(tài)沖突沖
突區(qū)。靜態(tài)沖突區(qū)主要包括路側護欄、路中靜止障礙
物等；動態(tài)沖突區(qū)主要包括道路行駛車輛、路中行人
等。很顯然，影響車輛與靜態(tài)沖突區(qū)沖突的因素主要
包括車輛的橫向速度口o、橫向加速度口。、縱向速度穢。、
縱向加速度口：及車輛的制動距離￡。影響車輛與動
態(tài)沖突區(qū)沖突的因素主要包括車輛的橫向速度穢h、橫
向加速度ah,縱向速度穢：、縱向加速度口。、車輛的制動
距離三、移動物的橫向速度穢’h、橫向加速度口’h、縱向
速度穢’：及縱向加速度口’：。
考慮車輛與沖突區(qū)發(fā)生沖突的過程，由于車輛制
動距離有限，因此可以認為車輛到沖突區(qū)有一個近似
的臨界點，當車輛進入該臨界點，則車輛與沖突區(qū)以
概率接近1發(fā)生沖突；當車輛在臨界點之外時，通過
分析車輛的狀態(tài)變化確定車輛與沖突區(qū)沖突，也就是
進入臨界點的概率?；谏鲜龇治?，本文將車輛的交
通行為識別在空間上分為趨勢區(qū)和危險區(qū)兩種，如圖
1所示。這兩個區(qū)域相互銜接，趨勢區(qū)主要是通過對
車輛交通行為一段時間內的檢測，判斷車輛交通行為
的安全性；危險區(qū)是指難以避免交通事故的區(qū)域。對
應上述定義可以看出，趨勢區(qū)在時間上對應大尺度的
時間域，是一段時間內交通行為的過程；而危險區(qū)對
應的是小尺度的時間域，需要實時檢測分析判斷車輛
是否進人了危險區(qū)。
沖突點
趨勢區(qū)危險區(qū)
圖1趨勢區(qū)和危險區(qū)的劃分
飚．1 Trmd a聰曩砌出岫群憫a“緝
(1)危險區(qū)的判定
首先對車輛相對靜態(tài)沖突區(qū)與動態(tài)沖突區(qū)的危險
區(qū)判定進行分析。此處采用制動距離公式，為保證駕
駛安全，相對于靜態(tài)沖突區(qū)，車輛需要滿足的條件：
o．75~／穢i+穢：+o．025 5(穢；+口2：)0，k=1，2，?，，l，m(n+1)≤0，設以25幀／
s的頻率采集，則上文所提到的角度差值沿同一方向
變化的保持時間為n／25 s。
I第1幀i第嫩i第n幀i第，l+l幀
，掣’∥"’，曩”’掣
圖2車輛行駛中的角度差值變化過程
Fig．2 a岫哪薛西mOe of nm珂嗨vebide
趨勢區(qū)判定具體判斷步驟如下：
第1步：截取樣本中的片段，截取原則為m
(五)>0，m(k+1)≤0，片段中共包括k幀，其
中m(．|})為第1|}幀圖像車輛行駛軌跡與車道中心線
(切線)之間的角度差值，也就是滿足截取原則所獲
得片段中的最后一幀，m(k+1)為第k+1幀圖像
車輛行駛軌跡與車道中心線(切線)之間的角度差
值。
第2步：分析計算出對應各車道h的／7,幀中第1
幀的車輛行駛軌跡與車道中心線(切線)之間的起始
角度口2，最后一幀的車輛行駛軌跡與車道中心線
(切線)之間的起始角度口：，車輛在片段中的平均速
度伊，片段時間t：，根據(jù)以上數(shù)據(jù)計算出該片段單
位時間角度增加數(shù)Aa^=(磚一口2)／l：。
第3步：選取多個樣本中同一單位時間角度增加
數(shù)前提下，最大持續(xù)時間max(t：)。在實際應用中，
考慮到所需樣本數(shù)量的多少以及匹配計算時間的長
短，單位時間角度增加數(shù)的區(qū)間間隔選擇不宜過小。
第4步：如正在檢測的圖像中車輛在某一單位時
間角度增加情況下所持續(xù)的時間t}大于同一單位時
間角度增加時樣本中的max(t：)，則進行報警，事
后如發(fā)生事故，則不更新t—瞰(f：)，如不發(fā)生事故
則更新max(th．，)為f}，在報警同時繼續(xù)計算t}。
在以上的判定過程中，需要注意所分析計算出的
單位時間角度增加數(shù)△a6依賴于路段區(qū)域、車道號，
也就是說針對不同路段區(qū)域、車道號有各自獨立的
△a^。
以3車道路段為例，對于第3車道上行駛的車
輛，設車輛的方向改變趨勢為面向遠離該車道的路側
護欄，則在趨勢區(qū)的判定過程中，按以下步驟進行：
第1步：按第3車道上的檢測數(shù)據(jù)選擇樣本；
第2步：從車輛在第3車道檢測到行駛方向變化
開始，按趨勢區(qū)判定原則對車輛行駛狀態(tài)進行判定；
第3步：如在判定過程中，車輛進入第2車道并
仍然滿足片段截取原則，此時繼續(xù)按第三車道判定過
程進行；如不滿足片段截取原則，則停止第3車道判
定過程，應用趨勢區(qū)判定原則對該車輛按第2車道判
定過程進行，依次類推。
由于在實際應用時，要完全覆蓋0到90'的角度
變化區(qū)間，有些單位時間角度增加數(shù)區(qū)間的樣本可能
很難事先采集到，當遇到這種無樣本的情況，首先針
對視頻圖像計算趨勢區(qū)判定所需要的幾類數(shù)據(jù)(見上
文)并保存，使針對該單位時間角度增加數(shù)區(qū)間的樣
本得到更新和充實，同時以危險區(qū)判定條件進行判
斷。
在趨勢區(qū)報警判定步驟確定的條件下，以下結合
危險區(qū)判定過程，給出車輛交通安全狀態(tài)的整個預警
過程，步驟如下：
第1步：通過視頻圖像分析，判斷環(huán)境中與目標
車輛相關的靜態(tài)沖突區(qū)和動態(tài)沖突區(qū)目標；
第2步：根據(jù)危險區(qū)判定條件判斷車輛是否進入
危險區(qū)，如果進入危險區(qū)，則應用危險區(qū)判定方法進
行判斷，提示車輛發(fā)生交通事故的概率接近于1，如
未進入危險區(qū)，則轉第3步；
萬方數(shù)據(jù)
第1期蔣新春，等：基于視頻檢測的高速公路車輛交通行為安全狀態(tài)分析
第3步：根據(jù)趨勢區(qū)報警判定步驟判斷是否滿足
t}大于同一單位時間角度增加時樣本中的嗽(t：)， 【2]
如果滿足，則計算車輛發(fā)生交通事故的概率，計算方
法如下：
P2=百魯i；黜麗，’ L㈤，，
其中，P為在趨勢區(qū)判定的車輛發(fā)生交通事件的概率； r1]
t}為車輛在某一單位時間角度增加情況下所持續(xù)的
時間；t：為車輛到達危險區(qū)臨界點的時間。在報警同
時，顯示所計算出的概率值。
2應用與總結『41
將本文所述判定過程在Visual C++軟件平臺加
以實現(xiàn)，并在某高速公路路段進行測試。該段按每1 ?
l【IIl間隔布設的原則實現(xiàn)了全程攝像機監(jiān)控，從中選一
擇事故發(fā)生頻率較高的兩個攝像機監(jiān)控點，攝像機視r61
頻圖像通過波分復用節(jié)點機傳至監(jiān)控分中心，經由視
頻切換矩陣接人視頻事件檢測系統(tǒng)，其結果匯集于視
頻事件檢測工作站，由工作站對檢測結果進行顯示，
并將相關視頻圖像切換到分中心監(jiān)視器墻上指定的兩
個監(jiān)視器。工作站所顯示的結果包括兩部分，一是兩L 7 o
幅視頻圖像的顯示，二是對應圖像內各車輛行駛軌跡
分析圖及各車輛發(fā)生交通事故概率的顯示。后者以1
s刷新一次的方式對檢測計算結果進行顯示。由于本
次測試只接入兩個點，因此能夠直接在工作站界面上
顯示，當接人多個檢測點時，可以在工作站可顯示范
圍內按所判定交通狀態(tài)的嚴重程度(事故概率)進行[8]
有選擇的自動切換顯示。在測試前首先進行了15 d
的樣本收集過程，在初步的測試期間，發(fā)生側撞護欄
事故2起，而針對這兩起事故，系統(tǒng)能夠做到提前3
—4 s報警的程度，并對路段車輛的一些危險行駛狀
態(tài)做出了畫面及數(shù)據(jù)預警，這表明本文所提方法能夠
進行交通事件檢測預警，對目前的視頻事件檢測系統(tǒng)?
能夠起到擴充和改進的作用。一
參考文獻：
Rdfen舶。瞄：
[1] 李為民，王長峰．高速公路管理中的交通事件檢測系[10]
統(tǒng)[J]．廣西科學院學報，2005，21(增刊1)：86—
88．
LI Weimin，WANG Changfeng．The Video Detection System
for Traffic Incident in Management of E)【pn刪[J]．Jour-
Ilal of Q吲Academy of Sciences，2005，21(supl)：86
一韶．
史新宏，蔡伯根．高速公路自動事件檢測算法[J]．
交通運輸系統(tǒng)工程與信息，2001，1(4)：306—310．
Sill xi她，cAI Bo鯽．Freeway Automatic Incident Detecfion
Atsofithm[J]．Journal of Transportation Systems ErIgi—
neering and Information Technology，2001，l(4)：306—
310．
陳斌．基于支持向量機的高速公路意外事件檢測模型
[J]．中國公路學報，2006，19(6)：107—112．
CHEN Bin．Freeway Accident Detection Model Based on Sup—
port Vector Machine[J]．China Journal of Highway and
Transport，2006，19(6)：107一112．
EDWARD C，NATALIA R．Effective Incident Detection and
Management on Freeways[R J．Victoria，Australia：ARRB
Tramport Research hd．，1999．
BAIJ旺K N．An Evaluation of Existing Incident Detection AI—
gorithms【R]．Texas：Texas Transportation Institute，1993．
周志字．基于視覺的車輛運動目標軌跡檢測[J]．工
業(yè)控制計算機，2004，17(2)：42—43．
ZHOU Zhiyu．io“．ng Object Trajectory Detecting Based Oil Vi—
sion[Jj．Industriul Control Computer，2004，17(2)：42
一鈣．
余柳，于雷，戚懿，等．基于浮動車數(shù)據(jù)的城市快速
路交通事件檢測算法研究[J]．交通運輸系統(tǒng)工程與
信息，2008，8(4)：36—41．
YU Liu，YU Lei，QI Yi，et a1．Traffic Incident Detection
Also,ahm for Urban Expr％ways Based OH Probe Vehicle Data
[J]Journal of Tmmportation Systems E蟛m耐ng and Information
Technology，2008，8(4)：36—41．
全洪波，陳銳祥．城市道路交通擁堵自動判斷算法研
究[J]．中山大學學報：自然科學版，2008，47(1)：
42—46．
QuAN Hc口lgbo，CHEN R"mxiang．Analyse of Automatic Inci—
dent Detection Algorithm for Urban Road[J]．Acta Scien—
tiarum Naturalium Universitafis Stmyatseni：Natural Science
Edition，2008，47(1)：42—46．
羅石貴，周偉．路段交通沖突的調查技術[J]．長安大
學學報：自然科學版，2003，23(1)：7l一75． LUO螄，ZHOU Wei．Survey way of Road Traffic Conflict
Technique[J]．Joumal 0f)【i’an Highway University：Natural
Science Edition，2003，23(1)：71—75．
萬濤，陳學武，王川久．高速公路事件自動檢測算法
研究綜述[c]／／第一屆中國智能交通年會論文集．上
海：同濟大學出版社，2005：76—81．
WAN Tao，CHEN Xuewu，WANG Chuanjiu．sl腳鄴of
Researches on Highway Incident Detection Algorithms[C]／／
Proceedings of the I st China ITS Annual Meeting．鋤aIl扣：
Toni University Press，2005：76—81．

網(wǎng)友評論 more

交通安全論文最新內容

02-21