基于异常声音的隧道交通事故检测方法

作者：马庆禄^*; 付冰琳; 马恋; 李杨梅

来源：交通信息与安全, 2023, 41(01): 34-42.

• 交通安全
• 交通事故
• 融合特征
• 端点检测
• 隧道安全

针对公路隧道内交通事故的动态感知问题，在传统检测方法的基础上引入声学检测理论与方法，研究基于异常声音检测的隧道交通事故智能检测方法。通过分析短时能量（short term energy,STE）和梅尔倒谱系数（Mel-scale frequency cepstral coefficients,MFCC）检测方法在事故段特征表征以及精度干扰方面的缺陷，提出1种改进的融合特征MFCCE研究隧道环境下的交通事故检测。提取STE和MFCC特征并使用主成分分析（principal component analysis,PCA）进行特征融合得到新的融合特征MFCCE。以真实行车事故数据为基础，构建包含刹车与碰撞声的2段隧道噪声实验样本数据，分别对应早高峰时段（07:00—08:00）及平峰时段（12:00—13:00）的行车条件对隧道内的事故环境进行模拟分析，利用端点检测对所提方法进行验证并与其余2种方法进行对比分析。使用Pearson简单相关系数法作为最终的评价方法，通过该方法计算得到的相关系数r对比三种检测结果与原始样本的正相关相性。实验结果表明：STE在平峰及早高峰时段的相关系数分别为0.933和0.988;MFCC在平峰及早高峰时段的相关系数均为0.998；而无论在平峰还是早高峰时段，MFCCE的相关系数（0.999）均高于另外其他2种检测方法。MFCCE的平均相关系数相比于其他2种检测方法（STE、MFCC）分别提高了3.95%和1.00%。

• 单位
  交通运输学院; 重庆交通大学