[發(fā)明專利]交通事故識(shí)別方法、裝置、設(shè)備和計(jì)算機(jī)存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010583070.X
• 申請(qǐng)日: 2020-06-23
• 公開（公告）號(hào): CN111859291B
• 公開（公告）日: 2022-02-25
• 發(fā)明（設(shè)計(jì)）人: 黃際洲;王海峰;張昊;范淼
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06V20/54
• 分類號(hào): G06V20/54;G06V10/764;G06V10/82;G06V10/766;G06N3/04;G06N3/08;G06F17/18;G06Q50/26
• 代理公司: 北京鴻德海業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11412
• 代理人: 田宏賓

1.一種交通事故識(shí)別方法，包括：

獲取道路特征、環(huán)境特征、道路上的車流特征以及道路所在區(qū)域的車流特征；

將所述道路特征、環(huán)境特征和道路上的車流特征輸入預(yù)先訓(xùn)練得到的交通事故識(shí)別模型，得到所述道路上的事故信息識(shí)別結(jié)果，所述道路上的事故信息識(shí)別結(jié)果至少包括是否發(fā)生事故的識(shí)別結(jié)果；

所述事故識(shí)別模型進(jìn)一步利用所述道路特征的向量表示、環(huán)境特征的向量表示、道路上車流特征的向量表示和所述區(qū)域車流特征的向量表示進(jìn)行回歸預(yù)測，得到所述道路上事故的擁堵持續(xù)時(shí)長信息；

其中，所述道路上的車流特征包括所述道路上的車輛匯流角度特征，所述車輛匯流角度特征由道路上車輛速度方向夾角與道路夾角的差值得到；所述道路所在區(qū)域的車流特征包括各子區(qū)域的車流量特征，子區(qū)域的車流量特征由子區(qū)域內(nèi)的道路擁堵系數(shù)加權(quán)道路長度的平均值表示。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述交通事故識(shí)別模型利用第一編碼器、第二編碼器和第三編碼器分別對(duì)所述道路特征、環(huán)境特征和道路上的車流特征進(jìn)行編碼映射，得到所述道路特征的向量表示、環(huán)境特征的向量表示和道路上車流特征的向量表示；

所述交通事故識(shí)別模型中的事故識(shí)別子任務(wù)模型利用所述道路特征的向量表示、環(huán)境特征的向量表示和道路上車流特征的向量表示進(jìn)行分類，得到所述道路是否發(fā)生事故的識(shí)別結(jié)果。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述事故信息識(shí)別結(jié)果還包括發(fā)生事故的車道信息；

該方法還包括：

所述交通事故識(shí)別模型中的車道識(shí)別子任務(wù)模型利用所述道路特征的向量表示、環(huán)境特征的向量表示和道路上車流特征的向量表示進(jìn)行分類，得到發(fā)生事故的車道信息。

4.根據(jù)權(quán)利要求2所述的方法，其中，所述交通事故識(shí)別模型還利用第四編碼器對(duì)所述道路所在區(qū)域的車流特征進(jìn)行編碼映射，得到區(qū)域車流特征的向量表示；所述交通事故識(shí)別模型中的持續(xù)時(shí)長預(yù)測子任務(wù)模型利用所述道路特征的向量表示、環(huán)境特征的向量表示、道路上車流特征的向量表示和所述區(qū)域車流特征的向量表示進(jìn)行回歸預(yù)測，得到所述道路上事故的擁堵持續(xù)時(shí)長信息。

5.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的方法，所述道路特征包括以下至少一種：道路等級(jí)、道路速度等級(jí)、道路寬度等級(jí)、道路行駛方向等級(jí)和道路長度等級(jí)；

所述環(huán)境特征包括時(shí)間特征和天氣特征中的至少一種；

所述道路上的車流特征還包括所述道路上的車流量特征。

6.一種訓(xùn)練交通事故識(shí)別模型的方法，包括：

從歷史交通事故記錄中獲取第一訓(xùn)練樣本和第三訓(xùn)練樣本，所述第一訓(xùn)練樣本包括標(biāo)注為發(fā)生事故的道路的道路特征、環(huán)境特征和道路上的車流特征作為正樣本，標(biāo)注為未發(fā)生事故的道路的道路特征、環(huán)境特征和道路上的車流特征作為負(fù)樣本；所述第三訓(xùn)練樣本包括：發(fā)生事故的道路特征、環(huán)境特征、道路上的車流特征、道路所在區(qū)域的車流特征以及對(duì)事故的擁堵持續(xù)時(shí)長信息的標(biāo)注；

利用所述正樣本和負(fù)樣本訓(xùn)練得到所述交通事故識(shí)別模型，所述交通事故識(shí)別模型能夠依據(jù)道路特征、環(huán)境特征和道路上的車流特征得到對(duì)應(yīng)道路上的事故信息識(shí)別結(jié)果，所述事故信息識(shí)別結(jié)果至少包括是否發(fā)生事故的識(shí)別結(jié)果；

進(jìn)一步利用所述第三訓(xùn)練樣本訓(xùn)練所述事故識(shí)別模型，所述事故識(shí)別模型能夠進(jìn)一步利用所述道路特征的向量表示、環(huán)境特征的向量表示、道路上車流特征的向量表示和所述區(qū)域車流特征的向量表示進(jìn)行回歸預(yù)測，得到所述道路上事故的擁堵持續(xù)時(shí)長信息；

其中，所述道路上的車流特征包括所述道路上的車輛匯流角度特征，所述車輛匯流角度特征由道路上車輛速度方向夾角與道路夾角的差值得到；所述道路所在區(qū)域的車流特征包括各子區(qū)域的車流量特征，子區(qū)域的車流量特征由子區(qū)域內(nèi)的道路擁堵系數(shù)加權(quán)道路長度的平均值表示。