[發(fā)明專利]一種基于智慧交通事故施救的車輛調(diào)度系統(tǒng)及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210760501.4
• 申請(qǐng)日: 2022-06-29
• 公開（公告）號(hào): CN115171013A
• 公開（公告）日: 2022-10-11
• 發(fā)明（設(shè)計(jì)）人: 陳錢;胡金戈;顧成俊;祝上進(jìn)
• 申請(qǐng)（專利權(quán)）人: 安徽遠(yuǎn)航交通科技有限公司
• 主分類號(hào): G06V20/40
• 分類號(hào): G06V20/40;G06V20/54;G06V10/82;G06Q50/30;H04N7/18
• 代理公司: 合肥正則元起專利代理事務(wù)所(普通合伙) 34160
• 代理人: 胡玉

本發(fā)明公開了一種基于智慧交通事故施救的車輛調(diào)度系統(tǒng)及方法，涉及城市交通技術(shù)領(lǐng)域，包括模型構(gòu)建模塊、視頻分析模塊以及調(diào)度指揮模塊；模型構(gòu)建模塊用于構(gòu)建交通事故檢測(cè)模型；視頻分析模塊用于逐幀獲取交通視頻信息中的圖像，并將圖像輸入到交通事故檢測(cè)模型中進(jìn)行交通事故識(shí)別并獲取識(shí)別結(jié)果；當(dāng)識(shí)別出交通事故時(shí)，視頻分析模塊用于根據(jù)預(yù)先設(shè)置的報(bào)警規(guī)則進(jìn)行報(bào)警，以提醒調(diào)度中心的管理人員進(jìn)行處理，提高救援效率；調(diào)度指揮模塊接收到事故調(diào)度信號(hào)后調(diào)取事故發(fā)生點(diǎn)周邊的交通視頻信息進(jìn)行分析，并根據(jù)調(diào)度系數(shù)DT分配對(duì)應(yīng)數(shù)量的救援車輛，為調(diào)度中心的管理人員安排救援提供依據(jù)，有效提高調(diào)度效率，實(shí)現(xiàn)資源分配利用最大化。

技術(shù)領(lǐng)域

本發(fā)明涉及城市交通技術(shù)領(lǐng)域，具體是一種基于智慧交通事故施救的車輛調(diào)度系統(tǒng)及方法。

背景技術(shù)

在城市交通運(yùn)輸?shù)缆废到y(tǒng)中，由于現(xiàn)有的擁有汽車的人越來越多，而且用車時(shí)間段、行車方向相對(duì)集中，容易在早、晚高峰，節(jié)假日出行時(shí)間段由于車輛突然大量的涌入，以及由交通事故引起道路通行不暢，導(dǎo)致道路發(fā)生擁堵，不僅浪費(fèi)時(shí)間，增加交通事故的發(fā)生率，影響人身安全。

目前，當(dāng)交通事故和車輛故障發(fā)生后，駕駛員需要撥打交警、保險(xiǎn)公司、拖車等多個(gè)電話。當(dāng)交警、保險(xiǎn)公司等處理方收到報(bào)警信息后，也僅僅通過人工電話安排處理人員，調(diào)度效率較低。這些問題往往會(huì)造成交通事故和故障車輛無法迅速處理且占用道路，正常行駛車輛所用道路減少，現(xiàn)場(chǎng)比較擁堵，甚至導(dǎo)致道路癱瘓堵塞，嚴(yán)重影響正常道路交通同行、耽擱了周圍車輛上人員的較多時(shí)間。基于以上不足，本發(fā)明提出一種基于智慧交通事故施救的車輛調(diào)度系統(tǒng)及方法。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一。為此，本發(fā)明提出一種基于智慧交通事故施救的車輛調(diào)度系統(tǒng)及方法。

為實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的第一方面的實(shí)施例提出一種基于智慧交通事故施救的車輛調(diào)度系統(tǒng)，包括模型構(gòu)建模塊、調(diào)度中心、視頻采集模塊、視頻分析模塊以及調(diào)度指揮模塊；

所述模型構(gòu)建模塊用于收集交通事故監(jiān)控視頻作為視頻測(cè)試集和圖片訓(xùn)練集，構(gòu)建交通事故檢測(cè)模型并反饋至調(diào)度中心；

所述視頻采集模塊為分布于道路各方向上攝像頭，用于采集道路上的交通視頻信息并將采集的交通視頻信息上傳至視頻分析模塊；

所述視頻分析模塊與調(diào)度中心相連接，用于逐幀獲取交通視頻信息中的圖像，并將圖像輸入到交通事故檢測(cè)模型中進(jìn)行交通事故識(shí)別并獲取識(shí)別結(jié)果；當(dāng)識(shí)別出交通事故時(shí)，所述視頻分析模塊用于根據(jù)預(yù)先設(shè)置的報(bào)警規(guī)則進(jìn)行報(bào)警，并發(fā)送事故調(diào)度信號(hào)至調(diào)度中心；

所述調(diào)度中心用于將事故調(diào)度信號(hào)發(fā)送至調(diào)度指揮模塊；所述調(diào)度指揮模塊接收到事故調(diào)度信號(hào)后調(diào)取事故發(fā)生點(diǎn)周邊的交通視頻信息進(jìn)行分析，并根據(jù)調(diào)度系數(shù)DT分配對(duì)應(yīng)數(shù)量的救援車輛進(jìn)行疏散救援工作。

進(jìn)一步地，所述模型構(gòu)建模塊的具體構(gòu)建步驟為：

S1：收集交通事故監(jiān)控視頻作為視頻測(cè)試集和圖片訓(xùn)練集，利用視頻處理庫OpenCV將視頻處理成幀序列，提取交通事故幀圖片與非交通事故幀圖片，分為accidents與no-accidents兩類，對(duì)應(yīng)于交通事故類和非交通事故類；使用LabelImg對(duì)accidents類圖片標(biāo)注類別標(biāo)簽，處理出ResNet-50圖片數(shù)據(jù)集；

S2：搭建ResNet-50深度卷積神經(jīng)網(wǎng)絡(luò)模型；其中，ResNet-50深度卷積神經(jīng)網(wǎng)絡(luò)模型至少包括一層隱含層；

S3：將ResNet-50圖片數(shù)據(jù)集按照設(shè)定比例劃分為訓(xùn)練集、測(cè)試集和校驗(yàn)集，通過訓(xùn)練集、測(cè)試集和校驗(yàn)集對(duì)ResNet-50深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練、測(cè)試和校驗(yàn)，將完成訓(xùn)練的ResNet-50深度卷積神經(jīng)網(wǎng)絡(luò)模型標(biāo)記為交通事故檢測(cè)模型。