[发明专利]一种高速公路的交通事故预警方法、设备及介质

说明书

本申请公开了一种高速公路的交通事故预警方法、设备及介质，包括：采集位于通讯设备的终端信息，并尝试通过车辆监控设备采集当前路段的交通流信息；若未采集到交通流信息，则通过终端信息对所述行驶车辆进行车速估算；若采集到交通流信息，则将终端信息和交通流信息进行数据一致化处理，以得到当前路段的平均车速；若采集到交通流信息，则根据交通流信息得到当前路段的车辆流量、车辆密度；若未采集到交通流信息，则通过终端信息，以及当前路段的路段信息得到车辆流量、车辆密度；将平均车速、车辆流量以及车辆密度输入至预先训练完毕的事故预测模型中，对当前路段进行事故预测。提供了更加准确的事故预测手段，得到了更加准确的事故预测结果。

技术领域

本申请涉及交通预警领域，具体涉及一种高速公路的交通事故预警方法、设备及介质

背景技术

高速公路在全国公路网中起着极其重要的作用，有“经济大动脉”之称，能够有力的带动和促进区域经济的发展，有着良好的经济和社会效益。随着群众生活水平的不断提高，汽车保有量呈迅猛增长的趋势，为高速公路带来了更高效益的同时，也带来了一系列的问题。

很多高速公路在日常高峰期以及节假日期间都是非常拥堵的，很多路段的拥堵已经成为了常态化，交通事故的发生率也在不断上涨。基于上述情况，路政部门和高速交警部门难以针对高速公路的交通事故做出及时有效，甚至提前的防范。

发明内容

为了解决上述问题，即当前交通公路交通事故频发，工作人员难以针对交通事故做出及时有效甚至提前的防范的问题，本申请提出了一种高速公路的交通事故预警方法、设备及介质，包括：

一方面，本申请提供了一种高速公路的交通事故预警方法，包括：采集位于通讯设备的终端信息，所述通讯设备位于当前路段上行驶车辆中；并尝试通过设置在高速公路上的多个车辆监控设备采集所述当前路段的交通流信息；若未采集到所述交通流信息，则通过所述终端信息对所述行驶车辆进行车速估算；若采集到所述交通流信息，则将所述终端信息和所述交通流信息进行数据一致化处理，并将所述一致化处理后的数据进行车速估算；根据所述车速估算的结果，得到所述当前路段的平均车速；若采集到所述交通流信息，则根据所述交通流信息得到所述当前路段的车辆流量、车辆密度；若未采集到所述交通流信息，则通过所述终端信息，以及所述当前路段的路段信息得到所述车辆流量、所述车辆密度；将所述平均车速、所述车辆流量以及所述车辆密度输入至预先训练完毕的事故预测模型中，对所述当前路段进行事故预测。

在一个示例中，将所述平均车速、所述车辆流量以及所述车辆密度输入至预先训练完毕的事故预测模型中，对所述当前路段进行事故预测之后，所述方法还包括：获取所述当前路段的路段距离，以及所述事故预测的预测结果，所述预测结果至少包括以下至少一种：事故频率预测结果、事故类型预测结果；根据所述路段距离以及所述事故频率预测结果，得到事故预测分布点；针对多个所述事故预测分布点中的任意一个，根据所述事故类型预测结果，生成该事故预测分布点的事故模拟处理视频，以模拟演示交通事故的处理手段。

在一个示例中，将所述平均车速、所述车辆流量以及所述车辆密度输入至预先训练完毕的事故预测模型中，对所述当前路段进行事故预测之前，所述方法还包括：训练事故预测模型；所述事故预测模型的训练过程包括：根据历史交通事故多发路段、所述车辆监控设备所处的位置以及最长路段距离，将高速公路划分为多个路段；针对所述多个路段中的任意一个，获取该路段的历史数据，所述历史数据至少包括以下一种：历史平均车速、历史车辆流量、历史车辆密度、历史事故频率、历史事故类型；将所述历史平均车速、所述历史车辆流量以及历史车辆密度、历史事故频率、历史事故类型进行处理，得到特征数值；选取多个特征数值中，大于预设阈值的数值，作为代表特征数值，将所述代表特征数值对应路段的历史数据作为训练样本；针对多个训练样本中的任意一个，将该训练样本中包含的的历史平均车速、历史车辆流量、历史车辆密度输入至模糊神经网络的输入层，将对应的历史事故频率、历史事故类型输入至所述模糊神经网络的输出层，进行监督训练，得到初始事故预测模型；对多个所述初始事故预测模型进行精度检测，选取精度最高的作为事故预测模型。