高速公路隧道入口段事故智慧防控与预警系统
阅读说明：本技术 高速公路隧道入口段事故智慧防控与预警系统 (Intelligent prevention, control and early warning system for accidents at entrance section of highway tunnel ) 是由 刘唐志 单珏 张鑫 缑永涛 于楠晶 夏号杰 石先扶 毕辉云 于 2021-08-31 设计创作，主要内容包括：本发明涉及高速公路交通安全技术领域,具体公开了高速公路隧道入口段事故智慧防控与预警系统,包括数据采集单元、处理系统和预警显示单元,采集单元用于采集隧道外车辆的车速、车距和车辆的实时视频信息；处理系统根据车辆的实时视频信息识别出车辆的车牌序列,处理系统根据采集单元采集到的车速、车距并基于安全车距模型计算得到的临界安全行车间距；当车辆超速时,处理系统控制预警显示单元显示该车辆的超速预警信息；当车辆车距小于等于临界安全行车间距时,处理系统控制预警显示单元显示该车辆的追尾预警信息。本方案用以解决现有技术中无差别地针对所有驾驶员所做的安全防控手段对隧道入口交通事故的降低效果并不明显的问题。(The invention relates to the technical field of highway traffic safety, and particularly discloses an intelligent prevention, control and early warning system for accidents at an entrance section of a highway tunnel, which comprises a data acquisition unit, a processing system and an early warning display unit, wherein the acquisition unit is used for acquiring the speed, the distance and real-time video information of vehicles outside the tunnel; the processing system identifies a license plate sequence of the vehicle according to real-time video information of the vehicle, and calculates a critical safe driving distance according to the vehicle speed and the vehicle distance acquired by the acquisition unit and based on a safe vehicle distance model; when the vehicle is overspeed, the processing system controls the early warning display unit to display the overspeed early warning information of the vehicle; and when the vehicle distance is less than or equal to the critical safe driving distance, the processing system controls the early warning display unit to display the rear-end collision early warning information of the vehicle. The scheme is used for solving the problem that the effect of reducing the traffic accident at the entrance of the tunnel by a safety prevention and control means which is indiscriminately performed on all drivers in the prior art is not obvious.)
技术领域
本发明涉及高速公路交通安全技术领域，具体是高速公路隧道入口段事故智慧防控与预 警系统。
背景技术
隧道是高速公路网络中的特殊构造物，有关研究提出隧道路段单位里程事故率为公路平 均单位里程事故率的10倍以上，其危险程度远高于普通路段，是公路交通事故的多发路段， 尤其是隧道入口路段，由于驾驶员从高速公路其他路段行驶进隧道入口时，经历环境的突变， 行车空间和视线受到限制，驾驶员心理和身理负荷大，致使该区域交通事故率增加，此路段 事故比例是隧道中段事故比例的4倍，是整个隧道路段交通事故发生率最高的路段。
现有针对高速公路隧道入口安全防控手段主要有以下四种：车速控制、车道控制、视频 抓拍和光环境优化，在车速控制方面，在隧道入口前方适当位置设置横向或纵向的减速标线， 提醒驾驶员减速并按限速要求安全行驶。在车道控制方面，在入隧道口端向洞外延伸150m 设置禁止跨越同向车行道分界线。在视频抓拍方面，通过视频抓拍违法行为可以达到限制驾 驶员超速和变道行驶的效果；而在光环境优化方面，通过平衡内外光照强度差异，消除或者 减弱进出隧道时的不良视觉影响。这些安全防控手段均是警示驾驶员在隧道入口段减速和保 持车道行驶，这种无差别地针对所有驾驶员的警示，加上此类安全防控在其他公路上或是隧 道口一般也设置有，导致驾驶员对此类安全防控手段会产生疲倦心理，故而虽然对交通事故 有一定降低效果，但是效果并不明显。
发明内容
本发明意在提供高速公路隧道入口段事故智慧防控与预警系统，以解决现有技术中无差 别地针对所有驾驶员所做的安全防控手段对隧道入口交通事故的降低效果并不明显的问题。
为了达到上述目的，本发明的基础方案如下：
高速公路隧道入口段事故智慧防控与预警系统，包括数据采集单元、处理系统和预警显 示单元，采集单元用于采集隧道外车辆的车速和车距，采集单元还能采集隧道外车辆的实时 视频信息，采集单元、预警显示单元均与处理系统连接，预警显示单元设置在隧道入口，预 警显示单元能够显示处理系统发出的预警信息；处理系统根据车辆的实时视频信息基于车牌 识别算法识别出车辆的车牌序列，处理系统根据采集单元采集到的车速、车距并基于安全车 距模型计算得到的临界安全行车间距；当采集到的车辆车速超过预设车速时，处理系统根据 识别到的车牌序列发出超速预警并控制预警显示单元显示该车辆的超速预警信息；当采集到 的车辆车距小于等于临界安全行车间距时，处理系统结合根据识别到的车牌序列发出追尾预 警并控制预警显示单元显示该车辆的追尾预警信息。
相比于现有技术的有益效果：
采用本方案时，通过采集单元实现对车辆的实时抓拍，并根据抓拍得到的实时视频识别 出车辆的车牌序列，当处理系统分析出车辆存在超速时，针对超速车辆在隧道入口的预警显 示单元上直接显示该车辆的超速预警；而在出现追尾风险时，也能针对追尾车辆在预警显示 单元上直接显示该车辆的追尾预警，相比于现有技术无差别地针对所有驾驶员的静态警示， 本方案针对违规车辆进行单独特意地显示提醒，以方便驾驶员根据预警信息及时作出决策并 选择安全的驾驶行为，能够极大降低隧道入口交通事故的发生概率。
进一步，所述车牌识别算法需要根据采集单元采集的车辆的实时视频进行序列构建，然 后基于多任务识别网络进行车牌识别。
有益效果：因数据采集单元采集到的视频信息绝大部分针对的是运动中的车牌，使得对 运动中车牌序列的识别问题面临更复杂的环境因素，尤其是高速路上得到的视频信息面临着 强烈的运动模糊问题，本方案采用先进行序列构建，再根据车牌序列结构分成多个子任务的 多任务识别网络的方式将车牌序列识别当作多任务分类问题进行处理，将字符检测、字符分 割和字符识别融合在一起直接在像素级别进行识别，各子任务之间相互促进提升，从而避免 了字符检测、字符分割的过程，实现了免字符分割的车牌序列识别，能够提高车牌序列识别 的准确性和快速性。
进一步，所述多任务识别网络进行车牌识别时，先使用残差网络进行图像特征提取，然 后利用分类器对多任务下的每个子任务进行分类识别并输出识别结果。
有益效果：引入残差网络使得在输入和输出之间添加了快捷通道使得多任务识别网络避 免了梯度弥散的问题，进一步提高车牌序列识别的准确性。
进一步，所述安全车距模型如下：
其中Ds—临界安全行车间距，ν—后车车速，vrel—后车与前车速差。
有益效果：本方案的安全车距模型是根据加利福尼亚贝克利大学对马自达安全距离模型 的改进，在改进过程中考虑了驾驶员的反应时间和车辆制动滞后时间，故而使得得到的该模 型更加精准。
进一步，所述采集单元还能采集隧道内道路的实时图片信息，处理系统用于将隧道内道 路的实时情况图片信息与隧道内道路无异物时的基准图片进行对比得到隧道内道路上的异 物位置和异物尺寸，当处理系统识别到的异物尺寸大于等于处理系统预设的预警阈值时，处 理系统发出异物预警，且处理系统控制预警显示单元显示异物预警信息。
有益效果：现有技术中驾驶员从隧道外驶入隧道入口时，受暗适应影响，无法看清隧道 内车辆、障碍物(也称异物)情况，若道路存在异物，驾驶员无法快速应对突发事件，易发 生撞击异物事故；而本方案在驾驶员进入隧道前，即可远远看到预警显示单元上显示的预警 信息，进而调整驾驶情况，有利于降低交通事故发生的概率。
此外，本方案利用实施图片信息与基准图片的对比实现了视觉检测，不仅对异物目标进 行了识别，还可以获得异物的三维尺寸信息，完成异物位置构建工作，避免了雷达等高成本 传感器的使用，在完成异物预警的同时还相对节省了成本。
进一步，所述处理系统根据相机成像原理和几何高度测距法，利用异物识别算法识别出 异物位置及异物尺寸。
有益效果：本方案有利于在降低成本的基础上，提高异物尺寸和异物位置测量的准确性。
进一步，所述追尾预警仅在交通处于自由流状态下时发出。
有益效果：在实际情况下，当交通处于非自由流状态下时，车辆的跟车车距小，行驶速 度很慢，此时的跟车车距虽然小于临界安全行车间距，但追尾风险小，故不启动追尾预警， 以免造成预警信息过载、系统崩溃等问题。
进一步，所述追尾预警信息、超车预警信息能够同时在预警显示单元上显示。
有益效果：本方案能够方便多个车辆同时查看不同的预警信息，提高预警显示单元的利 用率，同时有利于提高对驾驶员的预警效果。
附图说明
图1为本发明实施例高速公路隧道入口段事故智慧防控与预警系统的示意图；
图2为本发明实施例中中间处理单元识别车牌序列的流程图；
图3为本发明实施例中多任务识别网络对车牌序列识别的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例
实施例基本如附图1至图3所示，高速公路隧道入口段事故智慧防控与预警系统，包括 数据采集单元、处理系统和预警显示单元，处理系统包括中间处理单元和系统控制单元，数 据采集单元包括洞外传感器、洞外视频采集组件和洞内图片采集组件，洞外传感器用于检测 隧道外车辆的车速和车距，洞外视频采集组件用于采集隧道外车辆的实时视频信息，洞内图 片采集组件用于采集隧道内道路的实时图片信息。
洞外视频采集组件、洞内数据采集组件均与中间处理单元电连接，洞外传感器、中间处 理单元与系统控制单元电连接；系统控制单元用于接收、分析洞外传感器和中间处理单元输 入的电信号并作出预警，系统控制单元控制预警显示单元显示预警信息，预警信息包括超速 预警信息、追尾预警信息和异物预警信息，预警显示单元也能显示非预警信息，预警显示单 元能够同时显示多条预警信息和非预警信息。
本实施例中洞外传感器采用超声波传感器，洞外视频采集组件和洞内图片采集组件均采 用摄像头，中间处理单元采用电脑，系统控制单元采用STM32芯片，预警显示单元采用LED 显示屏。
中间处理单元用于接收和分析洞外视频采集组件的视频信息并基于车牌识别算法识别 出车牌序列，结合图2，具体车牌识别算法为：先根据洞外视频采集组件采集的实时视频进 行序列构建，然后基于多任务识别网络进行车牌识别，最后为提高车辆序列识别的准确性采 用多序列信息融合策略得到最终结果的识别。
其中中间处理单元通过SSD目标检测算法和KCF目标跟踪算法对接收洞外视频采集组件 采集的实时视频中的一个车牌进行序列构建。
结合图3，洞外视频采集组件采集的实时视频以多帧车牌图像存在，多任务识别网络先 使用残差网络ResNet-27进行图像特征提取，然后利用Softmax分类器对多任务下的每个子 任务进行分类识别并输出识别结果，即得到车辆的整体车牌序列最终识别结果。
其中Softmax分类器将车牌序列的每一位字符的识别当作一个子任务，多个字符形成多 个子任务，通过多任务的方法训练多个子任务同时进行机器学习，在训练过程中每个子任务 会自动提取出与当前任务相关的特征表示，同时多个子任务之间互相促进，可以实现免字符 分割的车牌识别，多个子任务均采用Softmax分类器进行分类，Softmax函数是Logistic 函数的一般形式，将分类问题转化为概率问题，概率最大的即为该类别；Softmax分类器通 过对Softmax输出的概率大小判定分类结果，在类别数k的问题上，对于给定的输入x， Softmax分类器给出在每个类别上的概率计算如下公式所示：
其中，P(z＝y(c)|x)表示在给定输入x时(其中x代表输入的样本特征值，即为捕捉到 的车牌某一位信息，在识别车牌时使用的是图像，图像具有像素，可以对应为特征值)，该 输入分类结果是c的概率，比如对于设定的针对车牌的网络中，第一个分类任务负责识别汉 字，当输入特征值为x的情况下，因为第一位是识别汉字，则对应的k值为32，也就是有32种可能输出结果，每一种输出结果代表一类，则有32类，根据以上公式可以计算得出样本特征值x属于每一类的概率P，而概率值P最大的那一类即为x所属的类别，该类别对应 的汉字就是车牌识别的第一位。具体的每个分类任务及其对应的类别数k如下表1所示。
表1子任务参数
对于多序列的融合策略，其中基于图像质量评分的带权重序列累加策略为本实施例 采用的策略，此策略基于图像质量对序列的输出结果进行加权求和，其中图像质量得分高的图像帧权重值较高，图像质量得分低的图像帧权重值较低。
根据相关文献统计了192个序列在不同融合策略下的准确率，结果如下表2所示：
表2不同融合策略下的准确率
由表2可知，通过多序列信息融合策略进行处理后可充分提升运动中车牌识别的准确 率；尽管使用图像序列中图像质量最好的图进行车牌识别准确率可达96.88％，但一般情况下 很难在监控视频中精确截取质量最好的图像帧；而在视频动态的情况下，单帧图像的质量变 化很大，随机选择单帧图像进行车牌识别准确率却仅有62.72％，而序列信息融合策略则可以 大幅提高车牌识别的准确率，尤其是基于图像质量评分的带权重的累加策略，使得序列图像 的准确率达到99.48％，具有极高的实用性。
当洞外传感器检测到隧道外某车辆超速时，系统控制单元结合中间处理单元识别的车牌 序列发出超速预警并控制预警显示单元显示该车辆的超速预警信息，假设该车辆车牌序列为 陕H75***，则显示“陕H75***，您已超速，减速慢行”的超速预警信息。
系统控制单元内包含安全车距模型，安全车距模型根据洞外传感器检测得到的车速信息 自动计算对应的临界安全行车间距，在自由流状态下，当洞外传感器检测得到的车距小于等 于临界安全行车间距时，系统控制单元结合中间处理单元识别的车牌序列发出追尾预警并控 制预警显示单元显示该车辆的追尾预警信息，假设该车辆车牌序列为陕H75***，则显示“陕 H75***，追尾风险，减速慢行”的追尾预警信息；在非自由流状态下，车距小但行驶速度也 很慢，此时跟车距虽然小于临界安全行车间距，但追尾风险小，故不启动追尾预警模块，否 则会产生预警信息过载、系统崩溃等问题
其中安全车距模型如下：
其中Ds—临界安全行车间距，ν—后车车速，vrel—后车与前车速差。
计算得出部分车速对应的临界安全行车间距如下表3所示：
表3临界安全行车间距Ds(小型车跟驰小型车)
中间处理单元用于将洞内图片采集组件采集到的隧道内道路的实时情况图片信息与隧 道内道路无异物时的基准图片进行对比，并结合相机成像原理和几何高度测距法，利用 python编程异物识别算法识别出异物位置及异物尺寸，中间处理单元用于将识别出的异物位 置和异物尺寸数据发送给系统控制单元，当系统控制单元收到的异物尺寸大于等于系统控制 单元预设的预警阈值时，系统控制单元发出异物预警，且系统控制单元控制预警显示单元显 示异物预警信息，如隧道内左车道存在异物，则预警显示单元显示“左车道有异物，请慢行” 的异物预警信息。
本实施例基于车牌识别算法、安全车距模型和异物识别算法，实现了对隧道内和隧道外 道路情况的监测，并对监测到的超速情况、追尾风险和隧道内异物情况进行有针对性地主动 预警，实现了高速公路隧道入口段事故的智慧防控与预警，有利于降低隧道入口交通事故发 生的概率。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描 述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若 干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专 利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方 式等记载可以用于解释权利要求的内容。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种智慧城市管理用智慧型交通信号灯