一种空地联合快速勘察交通事故的方法及系统与流程

[0001]
本发明属于交通指引技术领域，尤其涉及一种空地联合快速勘察交通事故的方法及系统。


背景技术：

[0002]
目前：交通事故是指车辆在道路上因过错或者意外造成人身伤亡或者财产损失的事件。目前针对交通事故进行管理的系统为交通管理系统。交通管理系统在很多地域被用于检测和响应变化的交通状况，此类交通管理系统中的一个关键领域是有效的事故管理，它能帮助减少由交通事故带来的迟延和改善交通网络的效率。交通事故的有效管理可以包括对事故车辆和其它残骸的迅速移除。但是现有的交通管理系统暂无将空地进行联合的方案，无法实现对交通事故准确勘察，影响事故救援。
[0003]
通过上述分析，现有技术存在的问题及缺陷为：现有的交通管理系统暂无将空地进行联合的方案，无法实现对交通事故准确勘察，影响事故救援。


技术实现要素：

[0004]
针对现有技术存在的问题，本发明提供了一种空地联合快速勘察交通事故的方法及系统。
[0005]
本发明是这样实现的，一种空地联合快速勘察交通事故的方法，所述空地联合快速勘察交通事故的方法包括：
[0006]
获取发生交通事故报警信息，根据报警信息确定交通事故的位置；
[0007]
无人机按照位置信息，飞至现场，在交通事故的正上方进行拍照，并把交通事故的照片，发送给指挥中心；
[0008]
根据公路的路宽或车辆的长度固定已知参数，赋予照片量测信息；
[0009]
在所述照片图上设立并绘制基准线；
[0010]
利用自动识别车辆的功能，识别出交通事故车辆，并自动生成车辆与基准线的位置；
[0011]
在所述照片图上填涂固定的车辆交通事故符号，包括刹车轮胎印、血迹痕迹；
[0012]
人机在拍摄获取照片信息功能的同时，携带话筒进行喊话提示。
[0013]
所述利用自动识别车辆的功能，识别出交通事故车辆，并自动生成车辆与基准线的位置进一步包括：
[0014]
步骤一，通过规划信息获取模块利用规划信息获取程序进行城市道路规划信息的获取；通过规划信息分析模块利用规划信息分析程序进行采集的城市道路规划信息的分析，得到规划信息分析结果；通过交通模型构建模块利用交通模型构建程序获取采集的城市道路规划信息中的道路交通图；通过交通模型构建模块利用交通模型构建程序将道路交通图中的道路干线进行关联，构建道路网络结构；
[0015]
步骤二，获取道路交通图中的多个目标路口对应的地图信息；根据各所述目标路
口对应的地图信息，构建多个所述目标路段；将所述目标路段的交通信息与所述道路网络结构关联，同时结合步骤一中得到的规划信息分析结果构建城市交通模型；通过图像采集模块利用无人机携带摄像机进行城市道路图像的采集；通过图像分析处理模块利用图像处理程序采用预设增强算法获取采集的城市道路图像的归一化差异水体指数ndwi和土壤亮度指数sbi；
[0016]
步骤三，根据所述ndwi和sbi的差值，对城市道路图像中的道路区域进行增强处理，获取增强处理后的图像；对所述增强处理后的图像进行滤波处理，获取滤波后的图像，采用相似度算法计算滤波后的道路区域与其他非道路区域的相似度；根据所述相似度，将所述滤波处理后的图像中道路区域和非道路区域分离，获取分离后的图像；采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像；
[0017]
步骤四，利用图像分析程序对预处理后的城市道路图像进行分析，得到图像分析结果；通过拥挤道路确定模块利用拥挤道路确定程序依照图像分析结果进行拥挤道路区间的确定，得到拥挤道路区间的长度以及所所述区间的车辆密度信息；通过定位模块利用定位程序在城市交通模型中进行拥挤道路区间的定位；
[0018]
步骤五，通过拥挤度计算模块利用拥挤度计算程序依照拥挤道路区间的长度、车辆密度进行所述区间的拥挤度的计算；通过周边信息获取模块利用周边信息获取程序进行拥挤道路区间周边信息的获取；通过交通情况判定模块利用交通情况判定程序依照获取的周边信息将城市路网中任意不同道路组成道路组合，获取所述道路组合的不同属性的属性值；
[0019]
步骤六，评估城市路网中每一条道路的关键程度评分，按关键程度评分从高到低对道路进行排列，将序列中占道路总数前10％的道路标记为关键道路；获取城市路网中的关键道路组合，将关键道路组合中包含的路段标记为关键路段；选择关键路段进行路口图像的结构化分析，得到结构化分析结果；基于结构化分析结果以及区间的拥挤度进行交通情况的判断，确定为普通拥堵或是交通事故导致的拥堵；
[0020]
步骤七，通过上报事故搜索模块利用上报事故搜索程序对车主上报的事故信息进行搜索，得到拥挤道路区间的事故信息；通过救援路线规划模块利用救援路线规划程序结合城市交通模型进行救援路线的规划；通过事故救援模块利用事故救援程序依照确定的救援路线进行事故救援。
[0021]
进一步，步骤二中，所述构建城市交通模型，包括：确定所述目标路段对应的道路及路口所具有的采集设备；获取所述目标路段对应的道路及路口所具有的采集设备采集的交通信息，并与所述道路网络结构关联，构建城市交通模型。
[0022]
进一步，步骤四中，所述利用图像分析程序对预处理后的城市道路图像进行分析，得到图像分析结果包括：
[0023]
首先，获取采集图像并计算图像中像素的灰度值；依据获取的像素灰度值，计算该像素的灰度值梯度，获取图像上的特殊点；
[0024]
其次，采用基于最大类间方差法的canny边缘检测算法对预处理后道路图像进行分割，获得比较完整的车道线边缘图像；
[0025]
最后，利用识别算法对道路类型进行判断，结合图像上的特殊点得到图像分析结果。
[0026]
进一步，步骤四中，所述通过拥挤道路确定模块利用拥挤道路确定程序依照图像分析结果进行拥挤道路区间的确定，包括：获取图像分析结果，依照获取的图像上的特殊点计算由特殊点形成的图形及图形参数，输出图形及图形参数，所述图形区域即拥挤道路区间。
[0027]
进一步，步骤六中，所述基于结构化分析结果以及区间的拥挤度进行交通情况的判断，确定为普通拥堵或是交通事故导致的拥堵包括：
[0028]
获取道路结构化分析结果以及区间拥挤度；并在预设的时间间隔内，比较相邻路口获取到的道路结构化分析结果以及区间拥挤度的差值，差值越大，则为交通事故导致的拥堵的可能性越高；否则为普通拥堵。
[0029]
进一步，步骤七中，所述对通过救援路线规划模块利用救援路线规划程序结合城市交通模型进行救援路线的规划，还包括确定关键路段，包括：
[0030]
(1)基于获取的城市交通模型进行救援路线的规划；
[0031]
(2)提取所述模型中的地表物体点云集；
[0032]
(3)对所述地表物体点云集进行去噪处理后建立地表物体的包围盒；
[0033]
(4)根据所述包围盒建立泰森多边形图，采用单源最短路径算法在所述泰森多边形图中搜索路径，通过三次样条插值算法获取最优路径。
[0034]
进一步，步骤(2)中，所述提取所述模型中的地表物体点云集，包括：遍历所述点对集中的所有点对。
[0035]
本发明的另一目的在于提供一种实施空地联合快速勘察交通事故的方法的空地联合快速勘察交通事故的系统，所述空地联合快速勘察交通事故的系统包括：
[0036]
规划信息获取模块、规划信息分析模块、交通模型构建模块、中央控制模块、图像采集模块、图像分析处理模块、拥挤道路确定模块、定位模块、拥挤度计算模块、周边信息获取模块、交通情况判定模块、上报事故搜索模块、救援路线规划模块、事故救援模块；
[0037]
规划信息获取模块，与中央控制模块连接，用于通过规划信息获取程序进行城市道路规划信息的获取；
[0038]
规划信息分析模块，与中央控制模块连接，用于通过规划信息分析程序进行采集的规划信息的分析，得到规划信息分析结果；
[0039]
交通模型构建模块，与中央控制模块连接，用于通过交通模型构建程序依照规划信息分析结果进行城市交通模型的构建；
[0040]
中央控制模块，与规划信息获取模块、规划信息分析模块、交通模型构建模块、图像采集模块、图像分析处理模块、拥挤道路确定模块、定位模块、拥挤度计算模块、周边信息获取模块、交通情况判定模块、上报事故搜索模块、救援路线规划模块、事故救援模块连接，用于通过主控机控制各个模块正常运行；
[0041]
图像采集模块，与中央控制模块连接，用于通过无人机携带摄像机进行城市道路图像的采集；
[0042]
图像分析处理模块，与中央控制模块连接，用于利用图像处理程序对采集的城市道路图像进行预处理，同时利用图像分析程序对预处理后的城市道路图像进行分析，得到图像分析结果；
[0043]
拥挤道路确定模块，与中央控制模块连接，用于通过拥挤道路确定程序依照图像
分析结果进行拥挤道路区间的确定，得到拥挤道路区间的长度以及所所述区间的车辆密度信息；
[0044]
定位模块，与中央控制模块连接，用于通过定位程序在城市交通模型中进行拥挤道路区间的定位；
[0045]
拥挤度计算模块，与中央控制模块连接，用于通过拥挤度计算程序依照拥挤道路区间的长度、车辆密度进行所述区间的拥挤度的计算；
[0046]
周边信息获取模块，与中央控制模块连接，用于通过周边信息获取程序进行拥挤道路区间周边信息的获取；
[0047]
交通情况判定模块，与中央控制模块连接，用于通过交通情况判定程序依照获取的周边信息以及区间的拥挤度进行交通情况的判断，确定为普通拥堵或是交通事故导致的拥堵；
[0048]
上报事故搜索模块，与中央控制模块连接，用于通过上报事故搜索程序对车主上报的事故信息进行搜索，得到拥挤道路区间的事故信息；
[0049]
救援路线规划模块，与中央控制模块连接，用于通过救援路线规划程序结合城市交通模型进行救援路线的规划；
[0050]
事故救援模块，与中央控制模块连接，用于通过事故救援程序依照确定的救援路线进行事故救援。
[0051]
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述空地联合快速勘察交通事故的方法。
[0052]
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述空地联合快速勘察交通事故的方法。
[0053]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过对城市道路规划信息的获取与分析实现交通模型构建；使用构建的模型进行道路的分布信息的展示，展示效果更加直观和准确；在确定拥堵区间后通过建立的模型进行救援路线规划，规划路线短且用时短，进行救援更及时，救援效果更好。
附图说明
[0054]
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
[0055]
图1是本发明实施例提供的用自动识别车辆的功能，识别出交通事故车辆，并自动生成车辆与基准线的位置方法的流程图。
[0056]
图2是本发明实施例提供的空地联合快速勘察交通事故的系统的结构框图。
[0057]
图3是本发明实施例提供的通过交通模型构建模块利用交通模型构建程序依照规划信息分析结果进行城市交通模型的构建的流程图。
[0058]
图4是本发明实施例提供的关键路段的流程图。
[0059]
图5是本发明实施例提供的对通过救援路线规划模块利用救援路线规划程序结合
城市交通模型进行救援路线的规划的流程图。
[0060]
图2中：1、规划信息获取模块；2、规划信息分析模块；3、交通模型构建模块；4、中央控制模块；5、图像采集模块；6、图像分析处理模块；7、拥挤道路确定模块；8、定位模块；9、拥挤度计算模块；10、周边信息获取模块；11、交通情况判定模块；12、上报事故搜索模块；13、救援路线规划模块；14、事故救援模块。
[0061]
图6是本发明实施例提供的空地联合快速勘察交通事故的方法应用实例效果图一。
[0062]
图7是本发明实施例提供的空地联合快速勘察交通事故的方法应用实例效果图二。
具体实施方式
[0063]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0064]
针对现有技术存在的问题，本发明提供了一种空地联合快速勘察交通事故的方法及系统，下面结合附图对本发明作详细的描述。
[0065]
获取发生交通事故报警信息，根据报警信息确定交通事故的位置；
[0066]
无人机按照位置信息，飞至现场，在交通事故的正上方进行拍照，并把交通事故的照片，发送给指挥中心；
[0067]
根据公路的路宽或车辆的长度固定已知参数，赋予照片量测信息；
[0068]
在所述照片图上设立并绘制基准线；
[0069]
利用自动识别车辆的功能，识别出交通事故车辆，并自动生成车辆与基准线的位置；
[0070]
在所述照片图上填涂固定的车辆交通事故符号，包括刹车轮胎印、血迹痕迹；
[0071]
人机在拍摄获取照片信息功能的同时，携带话筒进行喊话提示。
[0072]
所述利用自动识别车辆的功能，识别出交通事故车辆，并自动生成车辆与基准线的位置进一步包括：
[0073]
如图1所示，本发明实施例提供的利用自动识别车辆的功能，识别出交通事故车辆，并自动生成车辆与基准线的位置包括：
[0074]
空地联合快速勘察交通事故的方法包括以下步骤：
[0075]
s101，通过规划信息获取模块利用规划信息获取程序进行城市道路规划信息的获取；通过规划信息分析模块利用规划信息分析程序进行采集的规划信息的分析，得到规划信息分析结果；通过交通模型构建模块利用交通模型构建程序依照规划信息分析结果进行城市交通模型的构建；
[0076]
s102，通过图像采集模块利用无人机携带摄像机进行城市道路图像的采集；通过图像分析处理模块用图像处理程序对采集的城市道路图像进行预处理，同时利用图像分析程序对预处理后的城市道路图像进行分析，得到图像分析结果；
[0077]
s103，通过拥挤道路确定模块利用拥挤道路确定程序依照图像分析结果进行拥挤道路区间的确定，得到拥挤道路区间的长度以及所所述区间的车辆密度信息；
[0078]
s104，通过定位模块利用定位程序在城市交通模型中进行拥挤道路区间的定位；通过拥挤度计算模块利用拥挤度计算程序依照拥挤道路区间的长度、车辆密度进行所述区间的拥挤度的计算；
[0079]
s105，通过周边信息获取模块利用周边信息获取程序进行拥挤道路区间周边信息的获取；通过交通情况判定模块利用交通情况判定程序依照获取的周边信息以及区间的拥挤度进行交通情况的判断，确定为普通拥堵或是交通事故导致的拥堵；
[0080]
s106，通过上报事故搜索模块利用上报事故搜索程序对车主上报的事故信息进行搜索，得到拥挤道路区间的事故信息；
[0081]
s107，通过救援路线规划模块利用救援路线规划程序结合城市交通模型进行救援路线的规划；通过事故救援模块利用事故救援程序依照确定的救援路线进行事故救援。
[0082]
如图2所示，本发明实施例提供的空地联合快速勘察交通事故的系统包括：
[0083]
规划信息获取模块1、规划信息分析模块2、交通模型构建模块3、中央控制模块4、图像采集模块5、图像分析处理模块6、拥挤道路确定模块7、定位模块8、拥挤度计算模块9、周边信息获取模块10、交通情况判定模块11、上报事故搜索模块12、救援路线规划模块13、事故救援模块14；
[0084]
规划信息获取模块1，与中央控制模块4连接，用于通过规划信息获取程序进行城市道路规划信息的获取；
[0085]
规划信息分析模块2，与中央控制模块4连接，用于通过规划信息分析程序进行采集的规划信息的分析，得到规划信息分析结果；
[0086]
交通模型构建模块3，与中央控制模块4连接，用于通过交通模型构建程序依照规划信息分析结果进行城市交通模型的构建；
[0087]
中央控制模块4，与规划信息获取模块1、规划信息分析模块2、交通模型构建模块3、图像采集模块5、图像分析处理模块6、拥挤道路确定模块7、定位模块8、拥挤度计算模块9、周边信息获取模块10、交通情况判定模块11、上报事故搜索模块12、救援路线规划模块13、事故救援模块14连接，用于通过主控机控制各个模块正常运行；
[0088]
图像采集模块5，与中央控制模块4连接，用于通过无人机携带摄像机进行城市道路图像的采集；
[0089]
图像分析处理模块6，与中央控制模块4连接，用于通过图像处理程序对采集的城市道路图像进行预处理，同时利用图像分析程序对预处理后的城市道路图像进行分析，得到图像分析结果；
[0090]
拥挤道路确定模块7，与中央控制模块4连接，用于通过拥挤道路确定程序依照图像分析结果进行拥挤道路区间的确定，得到拥挤道路区间的长度以及所所述区间的车辆密度信息；
[0091]
定位模块8，与中央控制模块4连接，用于通过定位程序在城市交通模型中进行拥挤道路区间的定位；
[0092]
拥挤度计算模块9，与中央控制模块4连接，用于通过拥挤度计算程序依照拥挤道路区间的长度、车辆密度进行所述区间的拥挤度的计算；
[0093]
周边信息获取模块10，与中央控制模块4连接，用于通过周边信息获取程序进行拥挤道路区间周边信息的获取；
[0094]
交通情况判定模块11，与中央控制模块4连接，用于通过交通情况判定程序依照获取的周边信息以及区间的拥挤度进行交通情况的判断，确定为普通拥堵或是交通事故导致的拥堵；
[0095]
上报事故搜索模块12，与中央控制模块4连接，用于通过上报事故搜索程序对车主上报的事故信息进行搜索，得到拥挤道路区间的事故信息；
[0096]
救援路线规划模块13，与中央控制模块4连接，用于通过救援路线规划程序结合城市交通模型进行救援路线的规划；
[0097]
事故救援模块14，与中央控制模块4连接，用于通过事故救援程序依照确定的救援路线进行事故救援。
[0098]
下面结合具体实施例对本发明的技术方案作进一步说明。
[0099]
实施例1
[0100]
本发明实施例提供的空地联合快速勘察交通事故的方法方法如图1所示，作为优选实施例，如图3所示，本发明实施例提供的通过交通模型构建模块利用交通模型构建程序依照规划信息分析结果进行城市交通模型的构建，包括：
[0101]
s201，获取采集的城市道路规划信息中的道路交通图；
[0102]
s202，将道路交通图中的道路干线进行关联，构建道路网络结构；
[0103]
s203，获取道路交通图中的多个目标路口对应的地图信息；
[0104]
s204，根据各所述目标路口对应的地图信息，构建多个所述目标路段；
[0105]
s205，将所述目标路段的交通信息与所述道路网络结构关联，构建城市交通模型。
[0106]
步骤s205中，本发明实施例提供的构建城市交通模型，包括：确定所述目标路段对应的道路及路口所具有的采集设备；获取所述目标路段对应的道路及路口所具有的采集设备采集的交通信息，并与所述道路网络结构关联，构建城市交通模型。
[0107]
实施例2：
[0108]
本发明实施例提供的空地联合快速勘察交通事故的方法方法如图1所示，作为优选实施例，本发明实施例提供的通过图像分析处理模块用图像处理程序对采集的城市道路图像进行预处理包括：
[0109]
利用图像处理程序采用预设增强算法获取采集的城市道路图像的归一化差异水体指数ndwi和土壤亮度指数sbi；根据所述ndwi和sbi的差值，对城市道路图像中的道路区域进行增强处理，获取增强处理后的图像；对所述增强处理后的图像进行滤波处理，获取滤波后的图像，采用相似度算法计算滤波后的道路区域与其他非道路区域的相似度；根据所述相似度，将所述滤波处理后的图像中道路区域和非道路区域分离，获取分离后的图像；采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像。
[0110]
本发明实施例提供的过图像分析处理模块利用图像分析程序对预处理后的城市道路图像进行分析，得到图像分析结果包括：
[0111]
获取采集图像并计算图像中像素的灰度值；依据获取的像素灰度值，计算该像素的灰度值梯度，获取图像上的特殊点；采用基于最大类间方差法的canny边缘检测算法对预处理后道路图像进行分割，获得比较完整的车道线边缘图像；利用识别算法对道路类型进行判断，结合图像上的特殊点得到图像分析结果。
[0112]
实施例3
[0113]
本发明实施例提供的空地联合快速勘察交通事故的方法方法如图1所示，作为优选实施例，本发明实施例提供的通过拥挤道路确定模块利用拥挤道路确定程序依照图像分析结果进行拥挤道路区间的确定，包括：获取图像分析结果，依照获取的图像上的特殊点计算由特殊点形成的图形及图形参数，输出图形及图形参数，所述图形区域即拥挤道路区间。
[0114]
实施例4
[0115]
本发明实施例提供的空地联合快速勘察交通事故的方法方法如图1所示，作为优选实施例，本发明实施例提供的通过交通情况判定模块利用交通情况判定程序依照获取的周边信息以及区间的拥挤度进行交通情况的判断，确定为普通拥堵或是交通事故导致的拥堵包括：
[0116]
对路口的实时图像进行图像结构化分析，获取道路结构化分析结果以及区间拥挤度；并在预设的时间间隔内，比较相邻路口获取到的道路结构化分析结果以及区间拥挤度的差值，差值越大，则为交通事故导致的拥堵的可能性越高；否则为普通拥堵。
[0117]
如图4所示，本发明实施例提供的对路口的实时图像进行图像结构化分析前，还包括：
[0118]
s301，将城市路网中任意不同道路组成道路组合，获取所述道路组合的不同属性的属性值；
[0119]
s302，评估城市路网中每一条道路的关键程度评分，按关键程度评分从高到低对道路进行排列，将序列中占道路总数前10％的道路标记为关键道路；
[0120]
s303，获取城市路网中的关键道路组合，将关键道路组合中包含的路段标记为关键路段；
[0121]
s304，选择关键路段进行路口图像的结构化分析。
[0122]
实施例5
[0123]
本发明实施例提供的空地联合快速勘察交通事故的方法方法如图1所示，作为优选实施例，如图5所示，本发明实施例提供的对通过救援路线规划模块利用救援路线规划程序结合城市交通模型进行救援路线的规划，还包括确定关键路段，包括：
[0124]
s401，基于获取的城市交通模型进行救援路线的规划；
[0125]
s402，提取所述模型中的地表物体点云集；
[0126]
s403，对所述地表物体点云集进行去噪处理后建立地表物体的包围盒；
[0127]
s404，根据所述包围盒建立泰森多边形图，采用单源最短路径算法在所述泰森多边形图中搜索路径，通过三次样条插值算法获取最优路径。
[0128]
步骤s402中，本发明实施例提供的提取所述模型中的地表物体点云集，包括：遍历所述点对集中的所有点对。
[0129]
实施例6
[0130]
本发明提供一种空地联合快速勘察交通事故的方法，所述空地联合快速勘察交通事故的方法包括以下步骤：
[0131]
发生交通事故后，有人报警，根据报警信息确定交通事故的位置；
[0132]
无人机按照位置信息，飞至现场，在交通事故的正上方进行拍照，并把交通事故的照片，发送给指挥中心；
[0133]
交通事故处理的方法，根据公路的路宽或车辆的长度等固定已知参数，赋予照片
量测信息；
[0134]
在图上设立并画出一条基准线；
[0135]
开发自动识别车辆的功能，识别出交通事故车辆，并自动生成车辆与基准线的位置；
[0136]
可在图上填涂一些常用的固定的车辆交通事故符号，如刹车轮胎印、血迹痕迹等；
[0137]
无人机在拍摄获取照片信息功能的同时，携带话筒喊话功能，让车辆驶离。
[0138]
图6是本发明实施例提供的空地联合快速勘察交通事故的方法应用实例效果图一。
[0139]
图7是本发明实施例提供的空地联合快速勘察交通事故的方法应用实例效果图二。
[0140]
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。