CN113112805A - 一种基于基站通讯与路口摄像头定位的路口监测预警方法 - Google Patents

Abstract

本发明公开一种基于基站通讯与路口摄像头定位的路口监测预警方法，其方法为：步骤一：连接判断交通参与者是否进入监测区域；步骤二：通过交通参与者携带的5G移动设备与路口的两个以上基站建立通讯连接；步骤三：道路路口摄像头同步地将路口视频发送至边缘计算服务器；步骤四：将信息分别进行编号；步骤五：重新对交通参与者排序编号；步骤六：得到各个交通参与者的矩形碰撞模型；步骤七：判断交通参与者之间是否会发生碰撞冲突；步骤八：通过路侧RSU设备向车辆OBU设备发送预警消息。有益效果：进一步提升道路路口的交通参与者的识别率与定位精度，并能全天候全时段预警道路路口交通参与者的潜在冲突，可有效降低智慧交通的事故发生率。

Description

一种基于基站通讯与路口摄像头定位的路口监测预警方法

技术领域

本发明涉及一种路口监测预警方法，特别涉及一种基于基站通讯与路口摄像头定位的路口监测预警方法。

背景技术

目前，随着城乡建设力度的加大，城市交通场景愈发复杂，道路路口处各种交通参与者数量较多，包括：行人、自行车、双轮机动车、小轿车、运输车辆、客运车辆等。因此当其中任何一个交通参与者出现交通异常行为，都会对道路路口处的其他交通参与者产生影响，进而发生交通事故。并且随着近几年道路基础设置建设和5G技术的推广，许多前沿课题都在将人车路一体化作为研究的重点，并在解决城市道路路口场景下的交通冲突问题中，可以通过车联网与5G技术将交通参与者实时结合，降低事故发生率。

目前，常用的道路路口监测方法是通过依靠路口摄像头进行信息监控，虽然其建设成本较低、图像信息内容丰富，但是因摄像头自身的特性，无法监测路面受障碍物遮挡的区域，且易受光照、天气的影响，因而全天候实时监测效果不佳。

因此，需要一种感知范围广、盲区小、实时性高、建设成本低的监测装置和预警方法。

发明内容

本发明的目的是为了解决现有的道路路口的监测方法中，均未考虑到摄像头自身特性导致的图像感知和盲区识别的问题，而提供的一种基于基站通讯与路口摄像头定位的路口监测预警方法。

本发明提供的基于基站通讯与路口摄像头定位的路口监测预警方法，其方法包括如下步骤：

步骤一：通过交通参与者携带的5G移动终端与道路各个路口5G基站的连接判断交通参与者是否进入监测区域，监测区域为道路各向路口的四个5G基站的覆盖范围；

步骤二：若交通参与者进入道路路口的基站监测区域，通过交通参与者携带的5G移动设备与路口的两个以上基站建立通讯连接，其中基站的位置信息(x_i,y_i)已知，利用TDOA到达时间差算法

其中i、j为基站标号(i≠j)，计算方程组得到(x,y)坐标信息，即为交通参与者所携带的移动终端的坐标信息，并将该坐标信息发送到边缘计算服务器；

步骤三：道路路口摄像头同步地将路口视频发送至边缘计算服务器，利用路口摄像头固定已知的位置信息，对二维图像进行高斯滤波

并进行特征提取与匹配，得出当前交通参与者的类别、速度和位置的信息；

步骤四：将基于5G移动设备终端与基站识别得到的交通参与者和道路路口摄像头数据识别的交通参与者信息分别进行编号；

步骤五：通过对两组交通参与者信息对比，比对筛选出因道路路口摄像头视野盲区、光照条件以及异物遮挡的原因而并未识别到的交通参与者，重新对交通参与者排序编号；

步骤六：利用交通参与者的速度、朝向以及位置信息，并结合交通数据库对交通参与者的三维尺寸大小进行估计，得到各个交通参与者的矩形碰撞模型；

步骤七：依据识别到的交通参与者的GPS信息、速度和加速度数据判断交通参与者之间是否会发生碰撞冲突；

步骤八：若交通参与者之间可能发生碰撞冲突，则边缘计算服务器通过路侧RSU设备向车辆OBU设备发送预警消息。

步骤二中的道路路口监测区域中监测的交通参与者包括行人、非机动车辆和机动车辆。

上述步骤中监测感知的方法基于5G通信与道路路口摄像头数据的实时融合，具体步骤如下：

(1)、交通参与者携带的5G移动设备采集交通参与者的速度、加速度和GPS定位数据，将上述信息以数据包形式发送至路口5G基站，再上发至边缘计算服务器；

(2)、路口摄像头同步将带有时间信息的路口监测画面上传至边缘计算服务器；

(3)、边缘计算服务器对两类监测数据分别进行实时处理，得到道路路口交通参与者的速度、加速度和轨迹等预测信息。

第三步通过对两组监测数据识别到的交通参与者进行比对，查找其中摄像头监测数据中没有识别到的交通参与者，并监测三个数据周期，甄别路口摄像头未识别的交通参与者是否位于视频盲区，若判定位于盲区，则将其列入为识别到的交通参与者，并对所有识别到的交通参与者重新编号。

上述方法步骤中利用当前已知的交通参与者的速度、朝向、位置信息，并结合数据经验库对交通参与者的三维尺寸大小进行估计，得到各个交通参与者的矩形碰撞模型。

上述方法步骤中选择任一交通参与者为主向参与者，其他交通参与者判定为远向交通参与者，主向交通参与者与远向交通参与者的预测轨迹交点为预测碰撞点，判断主向与远向交通参与者之间是否会发生碰撞，通过主向交通参与者与远向交通参与者的GPS信息、预测轨迹、速度及加速度信息，其中地球半径取为R＝6378137m、主向交通参与者经纬度信息Lon_h和Lat_h、远向交通参与者经纬度信息Lon_t和Lat_t，以及两者间经纬度之差ΔLat＝Lat_t-Lat_h、ΔLongt＝Lont_t-Lont_h，从而得到主向交通参与者与远向交通参与者之间的相对距离标量

并计算远向车辆在主向车辆航向角上的速度分量，进而得到以车头时距为衡量标准的相对碰撞时间TTC,并以TTC是否小于特定阈值作为判断条件。

上述方法步骤中判断条件若认定碰撞会发生，则边缘计算服务器向路侧RSU设备发送预警指令，路侧RSU设备发送BSM格式数据给车载OBU设备，预警道路路口的异常情况。

上述方法步骤中的相关算法过程均在边缘计算服务器中运行处理，道路路口5G基站、道路路口摄像头和路侧RSU设备仅进行数据的上传与转发功能实现。

本发明的工作原理：

本发明提供的基于基站通讯与路口摄像头定位的路口监测预警方法在道路路口监测交通参与者携带的5G移动终端，通过道路路口的多个5G基站与移动终端建立通讯连接，通过到达时间差算法计算出移动终端携带者的位置信息，将其上传至边缘计算服务器，并将摄像头数据一同实时上传，在边缘计算服务器中融合基站定位与摄像头的监测数据，从而识别当前时刻的交通参与者，并通过移动终端与基站之间的实时通讯监测甄别位于路口摄像头盲区的交通参与者，通过预测交通参与者的行驶轨迹得到预测碰撞点，以交通参与者到达预测碰撞点的时间差来判断交通参与者之间是否会发生冲突：若判断冲突不发生，继续监测；若判断冲突发生，则通过路侧RSU设备发送预警提示给受到影响的交通参与者，完成基于车联网的预警功能。

本发明的有益效果：

本发明提供的基于基站通讯与路口摄像头定位的路口监测预警方法，针对道路路口摄像头易产生图像采集盲区，夜晚识别率不足而造成的交通对象误识、漏识现象，提出了结合交通参与对象携带的智能终端，进一步提升道路路口的交通参与者的识别率与定位精度，并依靠移动设备与基站之间的实时通讯，识别位于路口摄像头盲区的交通参与者，通过边缘计算服务器计算道路路口的潜在冲突，再结合车联网通讯将危险信息广播给道路路口车辆的方法，该方法能够识别路口弱势交通参与者的位置和轨迹，并能全天候全时段预警道路路口交通参与者的潜在冲突，可有效降低智慧交通的事故发生率。

附图说明

图1为本发明所述的基于5G及车联网的道路路口监测预警系统示意图。

图2为本发明所述的基于5G与车联网的交通对象交互示意图。

图3为本发明所述的基于多基站TDOA算法的移动终端定位系统示意图。

图4为本发明所述的道路路口监测预警系统流程图。

图5为本发明实例交通参与者冲突场景原理示意图。

具体实施方式

请参阅图1至图5所示：

本发明提供的基于基站和视频定位与车联网技术的道路路口监测预警系统，其具体实施方法如下所述：

步骤一：当道路路口的交通参与者携带的智能移动终端进入道路路口的监测区域，则智能移动终端与路口基站建立通讯连接，随着交通参与者的移动，其携带的智能移动终端与多个路口基站建立通讯连接；

步骤二：如图2和图3所示，道路路口的行人105、骑车人106、机动车辆107分别通过各自携带的智能移动设备101、102和103向道路路口的基站111建立通讯连接，之后通过多个路口基站与移动智能终端之间的位置和时间差关系，计算得到交通参与者的具体坐标信息，并通过高速光纤数据线将计算获得的数据信息发送给边缘计服务器112：

式中(x_i,y_j)为道路路口基站坐标，其中i和j为基站标号(i,j＝1…n，且i≠j，n为基站数量)；(x,y)为移动终端的位置坐标；t_i和t_j分别为第i和j个基站和移动终端之间的通讯传递时间；

建立基站与移动终端之间的位置方程组，求解方程组可得移动终端的GPS位置信息；

步骤三：边缘计算服务器对获取的交通参与者位置数据进行数据降噪和后处理，使用分类算法得到交通参与者的状态分析模型，并对模型中全时间段的交通参与者的GPS位置信息、朝向信息与速度信息进行分析，通过聚类算法识别得到交通参与者的具体类别；

步骤四：路口摄像头将带有时间戳信息的图像信息通过高速光纤数据线发送给边缘计算服务器；

步骤五：边缘计算服务器将带有时间戳信息的图像数据进行聚类识别，得到基于道路路口坐标系下的行人、电动车、机动车和大型车辆等交通参与者的基本位置信息，并为每个交通参与者进行编号。

步骤六：将基站与摄像头两者采集到的信息进行时间同步融合，边缘计算服务器将基于移动终端得到的交通参与者的位置信息和类别信息与基于图像数据得到的位置坐标信息和类别信息进行匹配，进一步丰富图像识别得到的交通参与者的位姿信息和轨迹信息，并继续保留所述步骤五的交通参与者编号。

步骤七：将基于5G移动终端中与基于图像数据并未同步识别到的交通参与者进行编号；

步骤八：对所述步骤七的交通参与者进行识别判定，若后续三个数据采集周期内，边缘计算服务器通过基站上传的数据信息能够继续计算得到相关的交通参与者信息，则认为该交通参与者存在于摄像头感知范围外或盲区内，并将该种类交通参与者进行编号。

步骤九：将所述步骤六与步骤八的两类交通参与者统一编号，并依照四个沿道路向路口方向分为四个组别，每个组别中的交通参与者按照监测到的实时速度由大到小依次编号。

步骤十：利用所述步骤九的四组交通参与者的速度、朝向、位置等信息，结合数据经验库匹配各交通参与者的三维尺寸，得到交通参与者的矩形碰撞模型；

步骤十一：如图5所示，基于交通参与者的位置、速度和矩形模型信息，计算判断交通参与者之间是否会发生冲突：

其中远向交通参与者B相对于主向交通参与者A的位置角为

式中Lon_h和Lat_h为主向交通参与者A的经纬度信息、Lon_t和Lat_t为远向交通参与者B的经纬度信息；

式中Head_A为交通参与者A的航向角；α为预计碰撞点C和交通参与者B与交通参与者A之间的相对角；

β＝Head_B-Head_A；

式中Head_B为交通参与者B的航向角；β为航向角之差；

式中地球半径取为R＝6378137m；ΔLat＝Lat_t-Lat_h、ΔLongt＝Lont_t-Lont_h分别为主向交通参与者A与远向交通参与者B的经纬度之差；X_ab为交通参与者A与交通参与者B之间的标量距离；

X_ac＝X_ab·(cosα-sinα/tanβ)；

式中X_ac为交通参与者A与轨迹碰撞点C之间的标量距离；

X_bc＝-X_ab·sinα/sinβ；

式中X_bc为交通参与者B与轨迹碰撞点C之间的标量距离；

步骤十二：根据主向交通参与者与远向交通参与者的速度与加速度信息，从而分别计算出两车到达轨迹交叉点的时间，并计算得到两车到达交叉点区域的时间差:

t_A＝X_ac/v_A；

t_B＝X_bc/v_B；

TTC＝|t_A-t_B|；

式中v_A为交通参与者A的行驶速度；v_B交通参与者B的行驶速度；t_A为主向交通参与者到达轨迹碰撞点的时间；t_B为远向交通参与者到达轨迹碰撞点的时间；TTC为两者到达轨迹碰撞点的时间差。

步骤十三：依据专家经验建立有关两车速度的时间差数据库，以时间差TTC作为判断条件，若时间差小于某一阈值，则判定两车之间会发生冲突：

步骤十四：若交通参与者之间判定会发生冲突，则将预警消息通过路侧RSU设备110发送给车辆的OBU设备104；

步骤十五：车辆的OBU设备将信息上发至车辆ECU，并将预警消息转化为声音或通过HUD图像提示给机动车驾驶人，以最终实现道路路口的异常预警功能。

本实例中，所述基于车联网的路侧RSU设备具体用于将发送的预警信息以BSM格式发送至车载OBU设备。

Claims (8)

1.一种基于基站通讯与路口摄像头定位的路口监测预警方法，其特征在于：其方法包括如下步骤：

步骤一：通过交通参与者携带的5G移动终端与道路各个路口5G基站的连接判断交通参与者是否进入监测区域，监测区域为道路各向路口的四个5G基站的覆盖范围；

步骤二：若交通参与者进入道路路口的基站监测区域，通过交通参与者携带的5G移动设备与路口的两个以上基站建立通讯连接，其中基站的位置信息(x_i,y_i)已知，利用TDOA到达时间差算法

其中i、j为基站标号(i≠j)，计算方程组得到(x,y)坐标信息，即为交通参与者所携带的移动终端的坐标信息，并将该坐标信息发送到边缘计算服务器；

步骤三：道路路口摄像头同步地将路口视频发送至边缘计算服务器，利用路口摄像头固定已知的位置信息，对二维图像进行高斯滤波

并进行特征提取与匹配，得出当前交通参与者的类别、速度和位置的信息；

步骤四：将基于5G移动设备终端与基站识别得到的交通参与者和道路路口摄像头数据识别的交通参与者信息分别进行编号；

步骤五：通过对两组交通参与者信息对比，比对筛选出因道路路口摄像头视野盲区、光照条件以及异物遮挡的原因而并未识别到的交通参与者，重新对交通参与者排序编号；

步骤六：利用交通参与者的速度、朝向以及位置信息，并结合交通数据库对交通参与者的三维尺寸大小进行估计，得到各个交通参与者的矩形碰撞模型；

步骤七：依据识别到的交通参与者的GPS信息、速度和加速度数据判断交通参与者之间是否会发生碰撞冲突；

步骤八：若交通参与者之间可能发生碰撞冲突，则边缘计算服务器通过路侧RSU设备向车辆OBU设备发送预警消息。

2.根据权利要求1所述的一种基于基站通讯与路口摄像头定位的路口监测预警方法，其特征在于：所述的步骤二中的道路路口监测区域中监测的交通参与者包括行人、非机动车辆和机动车辆。

3.根据权利要求1所述的一种基于基站通讯与路口摄像头定位的路口监测预警方法，其特征在于：所述的上述步骤中监测感知的方法基于5G通信与道路路口摄像头数据的实时融合，具体步骤如下：

(1)、交通参与者携带的5G移动设备采集交通参与者的速度、加速度和GPS定位数据，将上述信息以数据包形式发送至路口5G基站，再上发至边缘计算服务器；

(2)、路口摄像头同步将带有时间信息的路口监测画面上传至边缘计算服务器；

(3)、边缘计算服务器对两类监测数据分别进行实时处理，得到道路路口交通参与者的速度、加速度和轨迹等预测信息。

4.根据权利要求1所述的一种基于基站通讯与路口摄像头定位的路口监测预警方法，其特征在于：所述的第三步通过对两组监测数据识别到的交通参与者进行比对，查找其中摄像头监测数据中没有识别到的交通参与者，并监测三个数据周期，甄别路口摄像头未识别的交通参与者是否位于视频盲区，若判定位于盲区，则将其列入为识别到的交通参与者，并对所有识别到的交通参与者重新编号。

5.根据权利要求1所述的一种基于基站通讯与路口摄像头定位的路口监测预警方法，其特征在于：所述的上述方法步骤中利用当前已知的交通参与者的速度、朝向、位置信息，并结合数据经验库对交通参与者的三维尺寸大小进行估计，得到各个交通参与者的矩形碰撞模型。

6.根据权利要求1所述的一种基于基站通讯与路口摄像头定位的路口监测预警方法，其特征在于：所述的上述方法步骤中选择任一交通参与者为主向参与者，其他交通参与者判定为远向交通参与者，主向交通参与者与远向交通参与者的预测轨迹交点为预测碰撞点，判断主向与远向交通参与者之间是否会发生碰撞，通过主向交通参与者与远向交通参与者的GPS信息、预测轨迹、速度及加速度信息，其中地球半径取为R＝6378137m、主向交通参与者经纬度信息Lon_h和Lat_h、远向交通参与者经纬度信息Lon_t和Lat_t，以及两者间经纬度之差ΔLat＝Lat_t-Lat_h、ΔLongt＝Lont_t-Lont_h，从而得到主向交通参与者与远向交通参与者之间的相对距离标量

并计算远向车辆在主向车辆航向角上的速度分量，进而得到以车头时距为衡量标准的相对碰撞时间TTC,并以TTC是否小于特定阈值作为判断条件。

7.根据权利要求1所述的一种基于基站通讯与路口摄像头定位的路口监测预警方法，其特征在于：所述的上述方法步骤中判断条件若认定碰撞会发生，则边缘计算服务器向路侧RSU设备发送预警指令，路侧RSU设备发送BSM格式数据给车载OBU设备，预警道路路口的异常情况。

8.根据权利要求1所述的一种基于基站通讯与路口摄像头定位的路口监测预警方法，其特征在于：所述的上述方法步骤中的相关算法过程均在边缘计算服务器中运行处理，道路路口5G基站、道路路口摄像头和路侧RSU设备仅进行数据的上传与转发功能实现。

Images