[发明专利]基于短时交通流的高速公路事故检测、预警系统及方法

权利要求书

1.一种基于短时交通流的高速公路事故检测系统，其特征在于，包括：

多个短时交通流采集装置，沿高速公路间隔设置，所述短时交通流采集装置用于采集对应检测点的声音信号并进行预处理，然后将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据，并按预设时间间隔将短时交通流数据无线传输至上位机；

计算处理单元对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据的具体过程包括：

对声音信号进行分段处理，得到多个声音片段信号；

对每一个声音片段信号进行Mel频谱转化得到对应的Mel频谱图，得到Mel频谱图序列；

将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计得到短时交通流数据；

上位机，用于将预设的连续数量短时交通流采集装置作为一个检测单元，将检测路段划分为多个检测区间，并根据每个检测区间中各短时交通流采集装置采集的短时交通流数据的变化状态判断是否发生事故拥堵事件，并确定事故拥堵事件位置，具体包括：

对于每个检测区间，将所有短时交通流采集装置每次上传的短时交通流数据，按照数值大小分类叠加，得到以上传次序为横轴、短时交通流数据为纵轴的短时交通流-上传周期等级分布情况；

根据短时交通流-上传周期等级分布情况，对分布于低等级的短时交通流数据所占比重第一次增加情况启动识别，若第二次分布于低等级的短时交通流数据所占比重继续增加，则判断该路段为短时交通流异常识别单元；

对判断为短时交通流异常识别单元，将其所属检测区间内所有短时交通流采集装置每次上传的短时交通流数据，按次统计得到以预设数量的短时交通流采集装置布设顺序排列的检测点为横轴、短时交通流数据为纵轴的短时交通流-检测点等级分布情况；

排查短时交通流异常识别单元是否存在事故，根据短时交通流-检测点等级分布情况，若一处检测点的短时交通流数据较其前一次上传的数据同比下降、较上游路段邻近检测点下降率超过阈值，且随着短时交通流数据多轮上传更新，该处检测点及其下游路段邻近检测点的短时交通流数据继续同比自身下降，且该检测点下游路段邻近检测点较该检测点上游路段邻近检测点下降率依然超过阈值，上游路段邻近检测点的短时交通流数据较其自身的上游路段邻近检测点下降率也超过阈值，则可判定：处于初始出现短时交通流数据下降率超过阈值的检测点与其上游路段相邻的检测点中间路段存在事故拥堵事件。

2.根据权利要求1所述的基于短时交通流的高速公路事故检测系统，其特征在于，所述短时交通流采集装置包括声音检测单元、计算处理单元、无线通信单元、太阳能供电模块，所述声音检测单元、计算处理单元、无线通信单元均与所述太阳能供电模块连接；

所述声音检测单元用于采集其对应检测点的声音信号传输至计算处理单元；

所述计算处理单元，用于对声音信号进行预处理，将预处理后的数据输入短时交通流识别模型识别统计得到短时交通流数据；并将短时交通流数据及该短时交通流采集装置的ID编码经所述无线通信单元传输至上位机。

3.根据权利要求1所述的基于短时交通流的高速公路事故检测系统，其特征在于，所述短时交通流识别模型通过如下方法得到：

获取高速公路旁检测点的历史声音信号，并对历史声音信号进行分段处理，人工对得到的多个历史声音片段信号设置有无车辆通过的标签分类；

对每个历史声音片段信号进行Mel频谱转化得到对应的历史Mel频谱图，构建训练样本集；

基于训练样本集，以历史Mel频谱图作为深度卷积神经网络的输入，以对应的有无车辆通过的标签分类作为深度卷积神经网络输出，对深度卷积神经网络进行训练，得到短时交通流识别模型。

4.根据权利要求1所述的基于短时交通流的高速公路事故检测系统，其特征在于，所述对声音信号进行分段处理时，按50％的重叠率进行分段处理；

所述将Mel频谱图序列中的Mel频谱图依次输入短时交通流识别模型，统计得到短时交通流数据过程中，当识别到当前输入的Mel频谱图为有车通过时，则舍弃当前输入的Mel频谱图的下一个Mel频谱图，然后继续对当前输入的Mel频谱图的下下一个Mel频谱图进行识别。