摘要
我国的机动车持有量逐年上涨，庞大的汽车数量对道路承载力带来了极大的挑战，交通事故也是频频发生，一旦发生事故将带来更加严重的拥堵。针对目前道路中频繁发生的轻微交通事故，传统的交通事故检测主要是通过人为报备和人眼观察来完成，不仅耗时长、效率低，还会对人体带来危害，无法有效地缓解交通拥堵。因此现在迫切需要可以实现自动交通事故检测，同时完成事故责任判定的方法。能够快速检测出交通事故并完成快速理赔的流程，对于有效缓解交通拥堵、防止二次交通事故起到重要作用。本文针对直行道路和十字路口的部分交通事故检测和责任判定问题，开展了相关的研究工作，取得了以下成果： 1．针对交通事故的检测，提出了以YOLOv5网络模型作为目标检测算法，通过训练和测试Microsoftcoco数据集中的汽车(car)和卡车(truck)，达到了96.8%的检测准确率，得到了车辆的目标检测框。在此基础上通过分析车辆矩形框IoU阈值和碰撞前后车辆速度变化特征完成了交通事故检测。 2．针对直行道路的交通事故责任判定，提出了以检测碰撞夹角大小来区分事故类型，将事故进一步划分为直行追尾和违规变道。对直行追尾事故通过速度大小比较完成责任判定；对于违规变道通过比较车辆行驶过程中的左右偏移量来完成责任判定。最后通过相机标定、卡尔曼滤波和帧间差分法等图像处理方法实现了车辆的动态信息获取。实验结果表明本文提出的方法对直行道路交通事故责任判定的检测准确率达到了78.6%。 3．针对十字路口交通事故责任判定，本文采用RGB色彩空间转换实现红绿灯检测和颜色识别，将场景细分为红灯、绿灯和无红绿灯路口。通过计算车辆行驶前后坐标的变化判断车辆行驶方向，完成车辆的行为分析。通过判断在红灯状态下车辆是否有闯红灯行为；绿灯状态下左右方向车道是否有车辆闯红灯；无红绿灯情况下分析车辆是否违反了转弯让直行的通行规则，完成了十字路口场景中的交通事故检测及责任判定，总正确率达到了75.5%。 4．利用十字路口的车道线检测技术，通过霍夫变换(Houghtransform)将十字路口的斑马线和车辆行驶箭头标志检测出来，用于区分十字路口场景和直行道路场景。针对不同的场景，分别通过相对应的交通事故责任判定方法来完成责任判定。实验结果表明本文提出的交通事故检测及责任判定方法的准确率达到了74.2%，判定结果可作为依据供相关部门参考。
NETL