论文部分内容阅读
[摘 要]一种基于智慧灯杆和边缘计算的交通事故智能警示方法，包括：步骤1：智慧灯杆提供一边缘计算服务器、一视频监控设备、一个警示LED灯、一个信息显示屏幕、一个北斗定位模块、以及一个数据收发终端；步骤2：视频监控设备对路面的交通情况进行实时监控，将监控的图像数据传输至边缘计算服务器；步骤3：边缘计算服务器包括一个深度学习芯片、一个数据存储芯片和一个通用处理芯片，对监控的图像利用深度学习算法进行分析，分析结果为发生事故时，立刻通过警示LED灯和信息显示屏幕进行警示，并将事故情况通过数据收发终端传输至相邻的智慧灯杆；步骤4：相邻的智慧灯杆接收到事故信息时，首先通过判断自身的位置与发生事故位置的灯杆是否处于限定的警示范围内，如果在警示范围内，则将事故信息通过警示LED灯和信息显示屏幕进行警示并将事故信息传输至相邻的灯杆，如果不在警示范围内，则对事故信息不进行处理。应用本发明所述的技术方案，能快速、有效的将事故信息通知后方车辆驾驶员，避免产生二次交通事故，提高道路驾驶安全系数。
中图分类号：B848.5 文献标识码：A 文章编号：1009-914X（2018）43-0174-01
技术领域
本发明涉及智慧城市中交通安全管理领域，具体而言涉及一种基于智慧灯杆和边缘计算的交通事故智能警示方法。
背景技术
智慧城市充分运用物联网、大数据、云计算等先进信息技术手段，全面感知、分析和整合城市运行中的各项关键信息，引领城市的规划发展。力争实现环境生态宜居、产业健康发展、政府行政高效和市民生活幸福等目标。
今年来，随着全面实施“智慧城市”建设以及开展“互联网+”行动计划，在此背景下，通过对普通灯杆的升级改造，将其升级为集监控、WIFI覆盖和控制于一体的智慧灯杆，使路灯在完成基本照明功能的同时，为绿色减排、公众出行、无线城市、公共安全等诸多领域提供新型设施和便利条件。采用基于边缘计算的交通事故示警和智慧灯杆相结合的方式，将“互联网+”落到实处，推动城市交通的精细化智能管理，为政府、公众带来切实效益。
发明内容
本发明的目的在于提供一种基于智慧灯杆和边缘计算的交通事故智能警示方法，采用将基于边缘计算的交通事故警示和智慧灯杆相结合的方式，当路面发生交通安全事故的时候，边缘计算服务器利用深度学习算法快速生成事故警情，并通过智慧灯杆上面的LED警示灯以及信息显示屏幕，有效的将警情通知后方车辆驾驶员，避免产生二次交通事故，提高道路驾驶安全系数。
为了达成上述目的，本发明提出了一种基于智慧灯杆和边缘计算的交通事故智能警示方法，包括：
步骤1：智慧灯杆提供一边缘计算服务器、一视频监控设备、一个警示LED灯、一个信息显示屏幕、一个北斗定位模块、以及一个数据收发终端；
步骤2：视频监控设备对路面的交通情况进行实时监控，将监控的图像数据传输至边缘计算服务器；
步骤3：边缘计算服务器包括一个深度学习芯片、一个数据存储芯片和一个通用处理芯片，对监控的图像利用深度学习算法进行分析，分析结果为发生事故时，立刻通过警示LED灯和信息显示屏幕进行警示，并将事故情况通过数据收发终端传输至相邻的智慧灯杆；
步骤4：相邻的智慧灯杆接收到事故信息时，首先通过判断自身的位置与发生事故的灯杆是否处于限定的警示范围内，如果在警示范围内，则将事故信息通过警示LED灯和信息显示屏幕进行警示并将事故信息传输至相邻的灯杆，如果不在警示范围内，则对事故信息不进行处理。
进一步的实施例中，还包括：
步骤3中，所述的深度学习算法的运算流程为，首先对图像数据进行预处理，然后对预处理之后的图像进行特征提取，最后利用识别分类器对提取的图像特征进行分类，输出分类结果。
进一步的实施例中，还包括：
所述的预处理方法是变量标准化，通过对原始图像数据进行标准正态化变化，因此，经过变量标准化预处理之后，图像数据的平均值为0，标准差为1。
进一步的实施例中，还包括：
所述的特征提取方法包括图像颜色特征提取方法、图像形状特征提取方法以及图像纹理特征提取方法。
进一步的实施例中，还包括：
所述的图像颜色特征提取方法是将图像数据中的像素值进行相应转换，通过数值来表征，颜色特征采用颜色矩的表示方法。
进一步的实施例中，还包括：
所采用的颜色矩表示方法包括颜色的一阶矩、二阶矩和三阶矩。
进一步的实施例中，还包括：
所述的图像形状特征提取方法采用边界特征法，通过描述边界特征来获取图像的形状参数，利用图像的全局特性将边缘的像素点连接起来组成封闭区域边界。
进一步的实施例中，还包括：
所述的图像纹理特征提取方法是通过对图像的能量谱函数的计算，提取纹理的方向性和粗细度等特征参数。
进一步的实施例中，还包括：
所述的识别分类器，采用受限制玻尔兹曼机组成的双层深度信念网络，两个隐含层都设置为100个单元，输出结果为路面交通情况。
进一步的实施例中，还包括：
所述的路面交通情况，包括①正常交通；②轻微交通事故；③中度交通事故；④重大交通事故
進一步的实施例中，还包括：
步骤4中，所述的警示范围为，以发生事故位置的灯杆为中心，向道路的前后各延伸5公里的范围。
进一步的实施例中，还包括：
步骤4中，所述的警示LED灯警示状态为使用红、黄、绿三层LED灯按照5Hz的频率闪烁。
进一步的实施例中，还包括：
步骤4中，所述的信息显示屏幕警示内容包括交通事故发生时间、事故类别以及事故位置。
本发明的有益效果如下：与传统的人工放置警示牌方法相比，采用将基于边缘计算的交通事故警示和智慧灯杆相结合的方式，当路面发生交通安全事故的时候，边缘计算服务器利用深度学习算法自动生成事故警情，并通过智慧灯杆上面的LED警示灯以及信息显示屏幕，快速准确的将警情通知后方车辆驾驶员，不需要人工干预，有效避免产生二次交通事故，提高道路驾驶安全系数。
具体实现方式
为了更了解本发明的技术内容，特举具体实施实例并说明如下：
实施例1
在安徽合肥巢湖经济开发区某旅游度假景区的10公里主干道路沿线，每隔100安装一根智慧灯杆。
步骤1：智慧灯杆提供一边缘计算服务器、一视频监控设备、一个警示LED灯、一个信息显示屏幕、一个北斗定位模块、以及一个数据收发终端；
步骤2：视频监控设备对路面的交通情况进行实时监控，将监控的图像数据传输至边缘计算服务器；
步骤3：边缘计算服务器包括一个深度学习芯片、一个数据存储芯片和一个通用处理芯片，对监控的图像利用深度学习算法进行分析，分析结果为发生事故时，立刻通过警示LED灯和信息显示屏幕进行警示，并将事故情况通过数据收发终端传输至相邻的智慧灯杆；
步骤4：相邻的智慧灯杆接收到事故信息时，首先通过判断自身的位置与发生事故的灯杆是否处于限定的警示范围内，如果在警示范围内，则将事故信息通过警示LED灯和信息显示屏幕进行警示并将事故信息传输至相邻的灯杆，如果不在警示范围内，则对事故信息不进行处理。
④重大交通事故
进一步的实施例中，还包括：
步骤4中，所述的警示范围为，以发生事故位置的灯杆为中心，向道路的前后各延伸5公里的范围。
进一步的实施例中，还包括：
步骤4中，所述的警示LED灯警示状态为使用红、黄、绿三层LED灯按照5Hz的频率闪烁。
进一步的实施例中，还包括：
步骤4中，所述的信息显示屏幕警示内容包括交通事故发生时间、事故类别以及事故位置。
中图分类号：B848.5 文献标识码：A 文章编号：1009-914X（2018）43-0174-01
技术领域
本发明涉及智慧城市中交通安全管理领域，具体而言涉及一种基于智慧灯杆和边缘计算的交通事故智能警示方法。
背景技术
智慧城市充分运用物联网、大数据、云计算等先进信息技术手段，全面感知、分析和整合城市运行中的各项关键信息，引领城市的规划发展。力争实现环境生态宜居、产业健康发展、政府行政高效和市民生活幸福等目标。
今年来，随着全面实施“智慧城市”建设以及开展“互联网+”行动计划，在此背景下，通过对普通灯杆的升级改造，将其升级为集监控、WIFI覆盖和控制于一体的智慧灯杆，使路灯在完成基本照明功能的同时，为绿色减排、公众出行、无线城市、公共安全等诸多领域提供新型设施和便利条件。采用基于边缘计算的交通事故示警和智慧灯杆相结合的方式，将“互联网+”落到实处，推动城市交通的精细化智能管理，为政府、公众带来切实效益。
发明内容
本发明的目的在于提供一种基于智慧灯杆和边缘计算的交通事故智能警示方法，采用将基于边缘计算的交通事故警示和智慧灯杆相结合的方式，当路面发生交通安全事故的时候，边缘计算服务器利用深度学习算法快速生成事故警情，并通过智慧灯杆上面的LED警示灯以及信息显示屏幕，有效的将警情通知后方车辆驾驶员，避免产生二次交通事故，提高道路驾驶安全系数。
为了达成上述目的，本发明提出了一种基于智慧灯杆和边缘计算的交通事故智能警示方法，包括：
步骤1：智慧灯杆提供一边缘计算服务器、一视频监控设备、一个警示LED灯、一个信息显示屏幕、一个北斗定位模块、以及一个数据收发终端；
步骤2：视频监控设备对路面的交通情况进行实时监控，将监控的图像数据传输至边缘计算服务器；
步骤3：边缘计算服务器包括一个深度学习芯片、一个数据存储芯片和一个通用处理芯片，对监控的图像利用深度学习算法进行分析，分析结果为发生事故时，立刻通过警示LED灯和信息显示屏幕进行警示，并将事故情况通过数据收发终端传输至相邻的智慧灯杆；
步骤4：相邻的智慧灯杆接收到事故信息时，首先通过判断自身的位置与发生事故的灯杆是否处于限定的警示范围内，如果在警示范围内，则将事故信息通过警示LED灯和信息显示屏幕进行警示并将事故信息传输至相邻的灯杆，如果不在警示范围内，则对事故信息不进行处理。
进一步的实施例中，还包括：
步骤3中，所述的深度学习算法的运算流程为，首先对图像数据进行预处理，然后对预处理之后的图像进行特征提取，最后利用识别分类器对提取的图像特征进行分类，输出分类结果。
进一步的实施例中，还包括：
所述的预处理方法是变量标准化，通过对原始图像数据进行标准正态化变化，因此，经过变量标准化预处理之后，图像数据的平均值为0，标准差为1。
进一步的实施例中，还包括：
所述的特征提取方法包括图像颜色特征提取方法、图像形状特征提取方法以及图像纹理特征提取方法。
进一步的实施例中，还包括：
所述的图像颜色特征提取方法是将图像数据中的像素值进行相应转换，通过数值来表征，颜色特征采用颜色矩的表示方法。
进一步的实施例中，还包括：
所采用的颜色矩表示方法包括颜色的一阶矩、二阶矩和三阶矩。
进一步的实施例中，还包括：
所述的图像形状特征提取方法采用边界特征法，通过描述边界特征来获取图像的形状参数，利用图像的全局特性将边缘的像素点连接起来组成封闭区域边界。
进一步的实施例中，还包括：
所述的图像纹理特征提取方法是通过对图像的能量谱函数的计算，提取纹理的方向性和粗细度等特征参数。
进一步的实施例中，还包括：
所述的识别分类器，采用受限制玻尔兹曼机组成的双层深度信念网络，两个隐含层都设置为100个单元，输出结果为路面交通情况。
进一步的实施例中，还包括：
所述的路面交通情况，包括①正常交通；②轻微交通事故；③中度交通事故；④重大交通事故
進一步的实施例中，还包括：
步骤4中，所述的警示范围为，以发生事故位置的灯杆为中心，向道路的前后各延伸5公里的范围。
进一步的实施例中，还包括：
步骤4中，所述的警示LED灯警示状态为使用红、黄、绿三层LED灯按照5Hz的频率闪烁。
进一步的实施例中，还包括：
步骤4中，所述的信息显示屏幕警示内容包括交通事故发生时间、事故类别以及事故位置。
本发明的有益效果如下：与传统的人工放置警示牌方法相比，采用将基于边缘计算的交通事故警示和智慧灯杆相结合的方式，当路面发生交通安全事故的时候，边缘计算服务器利用深度学习算法自动生成事故警情，并通过智慧灯杆上面的LED警示灯以及信息显示屏幕，快速准确的将警情通知后方车辆驾驶员，不需要人工干预，有效避免产生二次交通事故，提高道路驾驶安全系数。
具体实现方式
为了更了解本发明的技术内容，特举具体实施实例并说明如下：
实施例1
在安徽合肥巢湖经济开发区某旅游度假景区的10公里主干道路沿线，每隔100安装一根智慧灯杆。
步骤1：智慧灯杆提供一边缘计算服务器、一视频监控设备、一个警示LED灯、一个信息显示屏幕、一个北斗定位模块、以及一个数据收发终端；
步骤2：视频监控设备对路面的交通情况进行实时监控，将监控的图像数据传输至边缘计算服务器；
步骤3：边缘计算服务器包括一个深度学习芯片、一个数据存储芯片和一个通用处理芯片，对监控的图像利用深度学习算法进行分析，分析结果为发生事故时，立刻通过警示LED灯和信息显示屏幕进行警示，并将事故情况通过数据收发终端传输至相邻的智慧灯杆；
步骤4：相邻的智慧灯杆接收到事故信息时，首先通过判断自身的位置与发生事故的灯杆是否处于限定的警示范围内，如果在警示范围内，则将事故信息通过警示LED灯和信息显示屏幕进行警示并将事故信息传输至相邻的灯杆，如果不在警示范围内，则对事故信息不进行处理。
④重大交通事故
进一步的实施例中，还包括：
步骤4中，所述的警示范围为，以发生事故位置的灯杆为中心，向道路的前后各延伸5公里的范围。
进一步的实施例中，还包括：
步骤4中，所述的警示LED灯警示状态为使用红、黄、绿三层LED灯按照5Hz的频率闪烁。
进一步的实施例中，还包括：
步骤4中，所述的信息显示屏幕警示内容包括交通事故发生时间、事故类别以及事故位置。