本发明涉及城市安全风险管控领域,尤其涉及一种城市安全的区域风险分析方法及系统。
背景技术:
重点旅游区域、城市综合体高峰期自驾出行人员激增,而目前现有的重点旅游区域、城市综合体路边停车位和露天停车场停车位多为人工管理,同时,主要道路车流信息检测单一,检测数据粘性不够,并且缺少信息发布渠道,从而导致人员缺少了解拥堵、泊位渠道,不断进入拥堵区,造成恶性循环,而且交通管理缺少数据依据,只能凭经验来指挥,同时,无法预知人流量,没办法提前限流。
技术实现要素:
本发明提供一种城市安全的区域风险分析方法及系统,解决现有技术中城市重点区域无法预知人流量、车流量,没办法提前限流的技术问题。
本发明的目的是通过以下技术方案实现的:
一种城市安全的区域风险分析方法,包括:
获取视频监控设备采集人群活动区域视频数据;
获取区域的各主要入口的卡口数据;
根据区域各卡口数据,进行卡口车流的统计和计算,分析进入区域的车辆和人员比例,获取区域滞留车辆数据,提前进行区域道路拥堵预警;
基于视频检测技术对人群活动区域视频数据进行分析,采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析;
根据主要入口的卡口数据,进行面向交通车流多维多深度的信息检测分析,运用视频检测技术,智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征;
利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证,计算区域入口人流及车流密度,提前进行区域安全风险预警。
一种城市安全的区域风险分析系统,包括:
第一获取模块,用于获取视频监控设备采集人群活动区域视频数据;
第二获取模块,用于获取区域的各主要入口的卡口数据;
第一分析模块,用于根据区域各卡口数据,进行卡口车流的统计和计算,分析进入区域的车辆和人员比例,获取区域滞留车辆数据,提前进行区域道路拥堵预警;
第二分析模块,用于基于视频检测技术对人群活动区域视频数据进行分析,采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析;
第三分析模块,用于根据主要入口的卡口数据,进行面向交通车流多维多深度的信息检测分析,运用视频检测技术,智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征;
预警模块,用于利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证,计算区域入口人流及车流密度,提前进行区域安全风险预警。
本发明提供一种城市安全的区域风险分析方法及系统,通过获取视频监控设备采集人群活动区域视频数据;获取区域的各主要入口的卡口数据;根据区域各卡口数据,进行卡口车流的统计和计算,分析进入区域的车辆和人员比例,获取区域滞留车辆数据,提前进行区域道路拥堵预警;基于视频检测技术对人群活动区域视频数据进行分析,采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析;根据主要入口的卡口数据,进行面向交通车流多维多深度的信息检测分析,运用视频检测技术,智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征;利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证,计算区域入口人流及车流密度,提前进行区域安全风险预警。实现了重点区域实时感知人流量和车流量,实现了重点区域的安全风险预警及防范。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可根据这些附图获得其他的附图。
图1为本发明实施例的一种城市安全的区域风险分析方法流程图;
图2为本发明实施例的一种城市安全的区域风险分析系统的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,为本发明实施例提供的一种城市安全的区域风险分析方法,包括:
步骤101、获取视频监控设备采集人群活动区域视频数据;
步骤102、获取区域的各主要入口的卡口数据;
步骤103、根据区域各卡口数据,进行卡口车流的统计和计算,分析进入区域的车辆和人员比例,获取区域滞留车辆数据,提前进行区域道路拥堵预警;
步骤104、基于视频检测技术对人群活动区域视频数据进行分析,采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析;
步骤105、根据主要入口的卡口数据,进行面向交通车流多维多深度的信息检测分析,运用视频检测技术,智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征;
步骤106、利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证,计算区域入口人流及车流密度,提前进行区域安全风险预警。
所述方法还包括:
实时发布人群实时统计数据、主要入口的卡口数据及区域安全风险预警指示。
根据人群实时统计数据、主要入口的卡口数据,为区域的人及车辆提供实时路线规划。
基于视频检测技术对停车场视频数据进行分析,通过机器学习、特征提取、模式识别等方式,实现监控场景下既定区域内泊位情况检测,获取景区停车场泊位情况;引导景区内滞留车辆前往有空位的停车场。
将本系统采集获得的实时路况信息及时反馈到社会综合治理部门,为社会综合治理提供突发事件应急处置的数据依据。
本发明提供一种城市安全的区域风险分析方法,通过获取视频监控设备采集人群活动区域视频数据;获取区域的各主要入口的卡口数据;根据区域各卡口数据,进行卡口车流的统计和计算,分析进入区域的车辆和人员比例,获取区域滞留车辆数据,提前进行区域道路拥堵预警;基于视频检测技术对人群活动区域视频数据进行分析,采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析;根据主要入口的卡口数据,进行面向交通车流多维多深度的信息检测分析,运用视频检测技术,智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征;利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证,计算区域入口人流及车流密度,提前进行区域安全风险预警。实现了重点区域实时感知人流量和车流量,实现了重点区域的安全风险预警及防范。
本发明实施例还提供了一种城市安全的区域风险分析系统,如图2所示,包括:
第一获取模块210,用于获取视频监控设备采集人群活动区域视频数据;
第二获取模块220,用于获取区域的各主要入口的卡口数据;
第一分析模块230,用于根据区域各卡口数据,进行卡口车流的统计和计算,分析进入区域的车辆和人员比例,获取区域滞留车辆数据,提前进行区域道路拥堵预警;
第二分析模块240,用于基于视频检测技术对人群活动区域视频数据进行分析,采用深度学习算法识别区域内多场景下人群实时统计、密度估计以及区域动态人流异常特征分析;
第三分析模块250,用于根据主要入口的卡口数据,进行面向交通车流多维多深度的信息检测分析,运用视频检测技术,智能分析区域内车辆通行数量、车牌号码、车辆速度和车辆其他特征;
预警模块260,用于利用区域人流历史数据、卡口流量历史数据和人群实时统计数据、主要入口的卡口数据进行概率分析和验证,计算区域入口人流及车流密度,提前进行区域安全风险预警。
所述系统还包括:
信息发布模块270,用于实时发布人群实时统计数据、主要入口的卡口数据及区域安全风险预警指示。
所述系统还包括:
路线规划模块280,用于根据人群实时统计数据、主要入口的卡口数据,为区域的人及车辆提供实时路线规划。
所述系统还包括:
泊车指引模块290,用于基于视频检测技术对停车场视频数据进行分析,通过机器学习、特征提取、模式识别等方式,实现监控场景下既定区域内泊位情况检测,获取景区停车场泊位情况;引导景区内滞留车辆前往有空位的停车场。
所述系统还包括:
数据上传模块291,用于将本系统采集获得的实时路况信息及时反馈到社会综合治理部门,为社会综合治理提供突发事件应急处置的数据依据。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现,当然也可以全部通过硬件来实施,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如rom/ram、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。