[发明专利]基于卡口数据的道路交通事件检测方法、装置及介质

说明书

本发明公开了基于卡口数据的道路交通事件检测方法、装置及介质，方法包括：确定初始化参数；当初始车辆经过上游卡口的时刻在预设检测时间段内时，根据所述初始化参数计算所述初始车辆在下游卡口的应到时长；根据所述初始车辆到达所述下游卡口所花费的实际时长与所述应到时长之间的大小，确定目标车辆，其中，所述目标车辆到达所述下游卡口所花费的实际时长大于所述应到时长；计算统计周期内所述目标车辆与总车辆数之间的比值；根据所述比值以及所述目标车辆的车辆数，生成目标道路的交通事件检测结果。本发明能够提高交通事件检测的准确性和实时性，可广泛应用于智能交通技术领域。

技术领域

本发明涉及智能交通技术领域，尤其是基于卡口数据的道路交通事件检测方法、装置及介质。

背景技术

城市快速路是城市道路交通的主动脉，往往由“城市干路升级，高速公路进城”演变而来，兼具高速公路和城市干道的双重特点。由于良好的行车条件和直捷性，城市快速路承载了较大的运输量。然而一旦发生交通事件，城市快速路的连续交通流特征在短时间内被迅速改变，容易造成事件发生地点上游路段的大面积拥堵，甚至造成二次事故，从而导致城市快速路的通行能力和运输效率变差。因此，针对城市快速路交通事件检测算法的研究显得尤为重要。交通事件检测的实质是依据事件发生前后交通流数据的变化来判定被检测道路的交通状态。近年来，已经形成了一些较为经典的交通事件检测算法，受限于数据源的分类，当前事件检测算法大致分为两类：一是基于定点检测器数据的交通事件检测算法；二是基于车辆众包轨迹数据的交通事件检测算法。据统计，以滴滴出行、高德导航为代表的互联网公司通过手机APP采集的海量众包数据在城市干道的渗透率一般低于10％。由于智能网联车辆及车车、车路协调基础设施的部署需要较长的周期，同时受隐私保护等条件限制，未来相当长的一段时间内众包用户渗透率仍将维持在较低的水平。仅依赖小样本的车辆众包轨迹数据难以实现交通事件的实时精确检测。因此，针对检测设备相对完备的城市快速路，如何充分利用现有固定检测器数据精准检测交通事件成为研究重点。传统固定检测器通常独立检测上下游两个断面的流量、占有率交通流参数，简单采用占有率变化的模式特征容易因交通流波动而误判，采用统计理论、动态交通模型、人工智能等方法来建模上下游交通流参数关联则存在模型参数离线标定复杂、实时适应性不足等特点。

卡口数据来源于智能交通领域的治安卡口、电子警察、监控视频(视频结构化)等设备，已在快速路广泛安装并用于日常交通管理，不同于传统交通流参数检测，卡口数据特点是可通过匹配上下游卡口数据的车牌、过车时间等信息来实时检测发生于该卡口区间的交通事件。

发明内容

有鉴于此，本发明实施例提供基于卡口数据的道路交通事件检测方法、装置及介质，以提高交通事件检测的准确性和实时性。

本发明的第一方面提供了一种基于卡口数据的道路交通事件检测方法，包括：

确定初始化参数，所述初始化参数包括车辆在上游卡口和下游卡口之间的平均行程时间以及行程时间标准差；

当初始车辆经过上游卡口的时刻在预设检测时间段内时，根据所述初始化参数计算所述初始车辆在下游卡口的应到时长；

根据所述初始车辆到达所述下游卡口所花费的实际时长与所述应到时长之间的大小，确定目标车辆，其中，所述目标车辆到达所述下游卡口所花费的实际时长大于所述应到时长；

计算统计周期内所述目标车辆与总车辆数之间的比值；

根据所述比值以及所述目标车辆的车辆数，生成目标道路的交通事件检测结果。

优选地，所述确定初始化参数，包括：

根据目标道路的历史卡口数据，统计所有车辆在目标道路的平均行程时间；

根据所述平均行程时间，计算行程时间标准差；

采集预设检测时间段内每辆车辆经过所述上游卡口和所述下游卡口的经过时刻，并计算每辆车辆在所述预设检测时间段内经过所述目标道路的实际时长。