一种基于物联网的智慧城市事故救援方法和系统

技术领域

本说明书涉及物联网领域，特别涉及一种基于物联网的智慧城市事故救援方法和系统。

背景技术

在现代生活中，事故的突发性和不可预料性，通常给救援方带来巨大考验。救援方能否快速抵达现场，是在最佳救援时间内能够抢救困伤人员的关键，同时也是重要影响因素。

因此，需要一种基于物联网的智慧城市事故救援方法。该方法可以基于物联网通过目标区域的监控信息让救援方以最快速度到达现场，提高救援效率。

发明内容

本说明书一个或多个实施例提供一种基于物联网的智慧城市事故救援方法，所述方法包括：通过传感网络平台获取目标区域的监控信息；基于监控信息，判断目标区域是否发生异常事故；当目标区域发生异常事故时，确定异常事故的事故类型；基于事故类型，生成救援提醒信息，其中，救援提醒信息包括异常事故的救援方式；以及发送救援提醒信息至救援方。

本说明书一个或多个实施例提供一种基于物联网的智慧城市事故救援系统，所述系统包括应用于救援管理平台、传感网络平台以及监控对象平台，救援管理平台被配置为以执行以下操作：通过传感网络平台获取目标区域的监控信息；基于所述监控信息，判断所述目标区域是否发生异常事故；当所述目标区域发生所述异常事故时，确定所述异常事故的事故类型；基于所述事故类型，生成救援提醒信息，其中，所述救援提醒信息包括所述异常事故的救援方式；以及发送所述救援提醒信息至救援方。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如上述实施例中任一项所述的基于物联网的智慧城市事故救援方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的智慧城市事故救援系统的应用场景示意图；

图2是根据本说明书一些实施例所示的智慧城市事故救援系统的示意图；

图3是根据本说明书一些实施例所示的事故救援方法的示例性流程图；

图4是根据本说明书一些实施例所示的判断目标区域是否发生异常事故的判断结果以及异常事故的事故类型的示意图；

图5是根据本说明书一些实施例所示的确定区域拥堵程度的示例性流程图；

图6A是根据本说明书一些实施例所示的道路拥堵程度的示意图；

图6B是根据本说明书一些实施例所示的又一道路拥堵程度的示意图；

图7是根据本说明书一些实施例所示的确定道路段的车辆的数量的示意图；

图8是根据本说明书一些实施例所示的确定道路段的车流量的示意图；

图9是根据本说明书一些实施例所示的确定路线规划的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例。对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素。而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的智慧城市事故救援系统的应用场景示意图。

如图1所示，本说明书实施例所涉及的应用场景100至少可以包括处理设备110、网络120、存储设备130、监控装置140、用户终端设备150和异常事故160。

应用场景100可以通过实施本说明书中披露的方法和/或过程获取监控信息(如，道路监控视频等)，确定是否发生异常事故或者事故类型(如，车辆事故、火灾事故等)，及时通知救援方前往事故现场实施救援。同时，判断目标区域内的拥堵情况，快速对拥堵情况进行应急处理以及为救援方生成相应的路线规划，帮助救援方更快抵达事故现场，提高了救援效率，避免造成更大的损失。

处理设备110可以用于处理来自应用场景100的至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。处理设备110可以经由例如网络120连接到存储设备130、监控装置140和/或终端设备150以访问和/或接收数据和信息。例如，处理设备110可以从监控装置140获取监控信息，并对监控信息进行处理以判断异常事故160的类型。又例如，处理设备110可以基于获取的数据和/或信息判断存储设备130、监控装置140和/或终端设备150是否存在机器故障。在一些实施例中，处理设备110可以是单个处理设备或处理设备组。在一些实施例中，处理设备110可以本地连接到网络120或者与网络120远程连接。在一些实施例中，处理设备110可以在云平台上实施。处理设备110可以设置在包括但不限于城市物联网的控制中心和事故救援管理中心等场所。在一些实施例中，处理设备110中安装有指挥及协调工作人员实施各项工作内容(如，救援方案等)的协作平台。其中，工作人员可以包括救援实施人员、救援指挥专家、救援综合管理人员等涉及事故救援的人员。

网络120可以包括提供能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中，应用场景100的一个或多个组件(例如，处理设备110、存储设备130、监控装置140和终端设备150)之间可以通过网络120交换信息和/或数据。

网络120可以包括局域网(LAN)、广域网(WAN)、有线网络、无线网络等或其任意组合。在一些实施例中，网络120可以是有线网络或无线网络中的任意一种或多种。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，例如基站和/或网络交换点。通过这些网络接入点，应用场景100的一个或多个组件可连接到网络120以交换数据和/或信息。

存储设备130可以用于存储数据、指令和/或任何其他信息。在一些实施例中，存储设备130可以是处理设备110的一部分。在一些实施例中，存储设备130可以与应用场景100的至少一个组件(例如，处理设备110、监控装置140、终端设备150)通信。在一些实施例中，存储设备130可以储存处理设备110用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。例如，存储设备130可以存储历史监控信息。又例如，存储设备130可以存储一个或多个机器学习模型。在一些实施例中，存储设备130还可以可包括大容量存储器、可移除存储器等或其任意组合。

监控装置140是指对目标区域监控的装置，监控装置140可以获取目标区域相关的监控信息。例如，监控装置140可以是摄像头，用于获取目标区域监控的监控视频。在一些实施例中，监控装置140可以获取包括但不限于道路段的车流量、道路的通过量等监控信息。在一些实施例中，监控装置140可以监控道路、建筑工地、小区、商场、办公场所等事故区域。在一些实施例中，监控装置140可以将采集的监控相关数据信息通过网络120发送给应用场景100的其他组件(例如，处理设备110)或应用场景100以外的其他组件。在一些实施例中，监控装置140可以包括一个或以上的数据检测单元，以分别检测目标区域中的其他参数(如，有害气体含量、建筑晃动幅度等)。例如，监控装置140可以包括气体检测单元(如，可燃气体检测仪、有害气体检测仪等)、振动检测单元(如，振动传感器等)以及其他的数据检测单元等。

终端设备150可以指用户所使用的一个或多个终端设备或软件。在一些实施例中，用户(如，救援实施人员、救援指挥专家等)可以是终端设备150的所有者。在一些实施例中，终端设备150可以包括移动设备150-1、平板电脑150-2、笔记本电脑150-3等或其任意组合。在一些实施例中，移动设备150-1可以为具有定位功能的设备。例如，移动设备150-1可以为交警的传呼装置。在一些实施例中，用户可以通过终端设备150与应用场景100中的其他组件交互。例如，用户可以通过终端设备150接收监控装置140检测到的第一检测数据。在一些实施例中，用户可以通过终端设备150控制应用场景100的其他组件。例如，用户可以通过终端设备150控制监控装置140对相关参数进行检测。在一些实施例中，用户可以通过终端设备150获取监控装置140的状态。在一些实施例中，终端设备150可以接收用户请求，并经由网络120将与请求有关的信息发送到处理设备110。例如，终端设备150可以获取用户要求发送监控信息或者异常事故情况的请求，并经由网络120将与请求有关的信息发送到处理设备110。终端设备150还可以经由网络120从处理设备110接收信息。例如，终端设备150可以经由网络120从处理设备110接收从监控装置140获取到的监控信息。所获取到的一个或以上监控信息可以显示在终端设备150上。又例如，处理设备110可以将基于监控信息生成的救援提醒信息、路线规划信息等经由网络120发送到终端设备150。

异常事故160是指影响目标区域内生产活动或运输活动正常运行的事件。在一些实施例中，异常事故160可以包括车辆事故、建筑事故、道路事故、自然灾害事故、火灾事故等。

物联网系统是一种包括救援管理平台、传感网络平台、监控对象平台中部分或全部平台的信息处理系统。其中，救援管理平台可以实现统筹、协调各功能平台(如传感网络平台、监控对象平台)之间的联系和协作，救援管理平台汇聚着物联网运行体系的信息，可以为物联网运行体系提供感知管理和控制管理功能。传感网络平台可以实现连接救援管理平台和监控对象平台，起着感知信息传感通信和控制信息传感通信的功能。监控对象平台是对感知信息生成和控制信息进行执行的功能平台。

物联网系统中信息的处理可以分为感知信息的处理流程及控制信息的处理流程，控制信息可以是基于感知信息而生成的信息。其中，感知信息的处理是由监控对象平台获取感知信息，并通过传感网络平台传递至救援管理平台。控制信息则是由救援管理平台通过传感网络平台下发至监控对象平台，进而实现对相应对象的控制。

在一些实施例中，将物联网系统应用于城市管理时，可以将其称之为智慧城市物联网系统。

图2是根据本说明书一些实施例所示的智慧城市事故救援系统的示意图。如图2所示，智慧城市事故救援系统200可以基于物联网系统实现，智慧城市事故救援系统200包括传感网络平台210、监控对象平台220和救援管理平台230。在一些实施例中，智慧城市事故救援系统200可以为处理设备110的一部分或由处理设备110实现。

在一些实施例中，智慧城市事故救援系统200可以应用于事故救援管理的多种场景。在一些实施例中，智慧城市事故救援系统200可以分别获取多种场景下的救援相关数据(例如，监控信息)，以得到各个场景下的事故救援管理策略。在一些实施例中，智慧城市事故救援系统200可以基于获取到各个场景下的救援相关数据，得到整个区域(如整个城市)的事故救援管理策略。

事故救援管理的多种场景可以包括道路、建筑工地、小区、商场、办公场所等。例如，可以包括救援设备运行管理、救援输送管理、救援预测管理等。需要说明的是以上场景仅为示例，并不对智慧城市事故救援系统200的具体应用场景起限制作用，本领域技术人员可以在本实施例公开的内容基础上，将智慧城市事故救援系统200应用于其他合适的任何场景。

在一些实施例中，智慧城市事故救援系统200可以应用于监控装置管理。在应用于监控装置管理时，监控对象平台220可以用于采集与监控装置相关的数据，如监控信息，例如，监控视频、监控区域、监控时间等；监控对象平台220可以将采集到的与监控相关的数据上传至传感网络平台210。传感网络平台210可以对收集到的数据进行汇总处理，如，传感网络平台210可以将收集到的数据进行按时间划分、按事故类型归类、按事故区域划分等。传感网络平台210再将进一步汇总处理后的数据上传至救援管理平台230。由救援管理平台230基于对收集到的数据的处理做出与监控装置相关的策略或指令，如持续监控指令等。

在一些实施例中，智慧城市事故救援系统200可以应用于救援方管理。在应用于救援方管理时，监控对象平台220可以用于采集与救援方相关的数据，如救援方的位置等；监控对象平台220可以将采集到的与救援相关的数据上传至传感网络平台210。传感网络平台210可以对收集到的数据进行汇总处理，如，传感网络平台210可以将收集到的数据进行按救援区域划分、按救援方位置划分数据等。传感网络平台210再将进一步汇总处理后的数据上传至救援管理平台230。由救援管理平台230基于对收集到的数据的处理做出与救援方管理相关的策略或指令，如救援方的确定、救援方到救援地路线的确定等。

在一些实施例中，智慧城市事故救援系统200可以应用于救援预测管理。在应用于救援预测管理时，监控对象平台220可以用于采集救援相关的数据，如预设路网区域的监控信息等；监控对象平台220可以将采集到的与救援预测相关的数据上传至传感网络平台210。传感网络平台210可以对收集到的数据进行汇总处理，如，传感网络平台210可以将收集到的数据进行按救援地的位置进行划分、事故类型进行分类等。传感网络平台210再将进一步汇总处理后的数据上传至救援管理平台230。由救援管理平台230基于对收集到的数据的处理做出与救援预测管理相关的预测信息，如预设路网区域中各道路在目标时间段的道路拥堵程度、预设路网区域在目标时间段的区域拥堵程度等。

在一些实施例中，智慧城市事故救援系统200可以由多个智慧城市事故救援管理子系统构成，每个子系统可以应用于一种场景。智慧城市事故救援系统200可以对各个子系统获取的数据、输出的数据进行综合管理与处理，进而得到用于辅助智慧城市事故救援管理的相关策略或指令。

例如，智慧城市事故救援系统200可以包括分别应用于监控装置管理的子系统、应用于救援方管理的子系统、应用于救援预测管理子系统，智慧城市事故救援系统200作为各个子系统的上级系统。

以下将以智慧城市事故救援系统200管理各个子系统并基于子系统获取相应数据以得到用于智慧城市事故救援管理的策略为例进行说明：

智慧城市事故救援系统200可以基于监控装置管理的子系统获取目标区域的监控信息，基于救援方管理的子系统获取救援方、救援方式等，基于救援预测管理子系统确定是否需要启动交通应急处理。

智慧城市事故救援系统200在进行上述数据获取时，可以分别对应各个子系统单独设置多个监控对象平台进行数据采集。

智慧城市事故救援系统200在获取到上述数据后，通过传感网络平台210对收集到的数据进行汇总处理。传感网络平台210再将进一步汇总处理后的数据上传至救援管理平台230。由救援管理平台230基于对收集到的数据的处理做出与城市事故救援管理相关的预测数据。

例如，传感网络平台210可以获取监控对象平台220上监控装置拍摄到的目标区域的监控信息。传感网络平台210可以将上述监控信息上传至救援管理平台230，由救援管理平台230基于上述监控信息，判断目标区域是否发生异常事故。

又如，当目标区域发生异常事故时，传感网络平台210可以还可以获取监控对象平台220上监控装置拍摄到的目标区域对应的预设路网区域中的各道路在预设时间段内的道路监控信息。传感网络平台210可以将道路监控信息上传至救援管理平台230。由救援管理平台230基于上述道路监控信息确定是否需要启动交通应急处理等。

再如，传感网络平台210可以基于获取所述救援方的第一位置信息与目标区域的第二位置信息。并将上述信息上传至救援管理平台230，由救援管理平台230基于上述信息确定路线规划信息，并对救援方进行导航。

对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，将系统移用到其他任何合适的场景下。

以下将以智慧城市事故救援系统200应用于救援预测管理场景为例对智慧城市事故救援系统200进行具体说明。

救援管理平台230可以指对城市中的救援进行管理的平台。在一些实施例中，救援管理平台230可以属于救援管理平台。救援管理平台230可以被配置为通过传感网络平台获取目标区域的监控信息。目标区域的监控信息由传感网络平台与采集终端通过网络通信汇总确定。基于监控信息判断目标区域是否发生异常事故；当目标区域发生异常事故时，确定至少一个异常事故的事故类型；基于事故类型，确定救援提醒信息，其中，救援提醒信息包括异常事故的救援方式；以及发送救援提醒信息至救援方。在一些实施例中，救援管理平台230可以被配置为通过传感网络平台访问监控对象平台，并在监控对象平台上获取由位于目标区域的监控装置拍摄到的监控信息。

在一些实施例中，救援管理平台230还可以被配置为获取目标区域对应的预设路网区域中的各道路在预设时间段内的道路监控信息；基于道路监控信息，确定各道路在目标时间段内因异常事故引发的道路拥堵程度；基于道路拥堵程度，确定预设路网区域在目标时间段内因异常事故引发的区域拥堵程度；以及当区域拥堵程度大于预设程度阈值时，启动交通应急处理。

在一些实施例中，救援管理平台230还可以被配置为获取救援方的第一位置信息与目标区域的第二位置信息；基于第一位置信息、第二位置信息与拥堵情况道路拥堵程度，确定救援方抵达目标区域的路线规划信息；将路线规划信息发送至救援方；以及基于路线规划信息，对救援方进行导航。

在一些实施例中，应急处理包括确定在路网区域中哪些地点或路段需要绕道而行，生成道路拥堵程度信息；将道路拥堵程度信息更新至设置在道路上的交通信息显示终端、用户的车载导航系统等，对道路拥堵程度进行提醒。

关于救援管理平台230的更多细节可以参见图3-图5及其说明。

传感网络平台210可以指对传感通信进行统一管理的平台，其也可以被称为传感网络救援管理平台或传感网络管理处理设备。在一些实施例中，传感网络平台可以连接救援管理平台和监控对象平台，实现感知信息传感通信和控制信息传感通信的功能。

救援管理平台230可以指对物联网进行管理和/或控制的平台。例如，统筹、协调各功能平台之间的联系和协作。救援管理平台汇聚着物联网全部的信息，可以为物理网正常运行提供控制和管理功能。

监控对象平台220可以指感知信息生成和控制信息最终执行的功能平台，是用户意志得以实现的最终平台。在一些实施例中，监控对象平台220可以获取信息。获取的信息可以作为整个物联网的信息输入。感知信息可以指物理实体所获取的信息。例如，传感器所获取的信息。控制信息可以指对感知信息进行识别、验证、解析、转换等处理后形成的控制信息，例如，控制指令。

在一些实施例中，传感网络平台210可以与救援管理平台进行通信，以为救援管理平台提供相关的信息和/或数据。例如，第一发电数据。

监控对象平台220可以与传感网络平台210进行通信，监控对象平台220被配置为采集并获得数据。

需要注意的是，以上对于系统及其组成部分的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个组成部分进行任意组合，或者构成子系统与其他组成部分连接。例如，传感网络平台和救援管理平台可以整合在一个组成部分中。又例如，各个组成部分可以共用一个存储设备，各个组成部分也可以分别具有各自的存储设备。诸如此类的变形，均在本说明书的保护范围之内。

图3是根据本说明书一些实施例所示的事故救援方法的示例性流程图。在一些实施例中，流程300可以由救援管理平台230执行。如图3所示，流程300包括下述步骤：

步骤310，救援管理平台230可以通过传感网络平台获取目标区域的监控信息。

目标区域是指一个或多个需要进行监控的位置或区域。例如，目标区域可以包括：道路、建筑工地、小区、商场、办公场所等。

监控信息是指反映目标区域内各种实时情况的信息。其中，实时情况可以是交通情况、行人流量情况、天气情况、地质情况中的一种或多种的组合。监控信息的形式可以是图像、视频、语音、文本等中等一种或多种的组合。

在一些实施例中，救援管理平台230可以通过传感网络平台210获取目标区域的监控信息。

在一些实施例中，救援管理平台230可以通过传感网络平台210访问互联网(如，城市物联网门户网站、新闻网站等)或者数据库(如，城市物联网的数据库)获取监控信息。

在一些实施例中，救援管理平台230可以通过传感网络平台210访问监控对象平台220，并在所述监控对象平台220上获取由位于目标区域的监控装置拍摄到的所述监控信息。关于传感网络平台210、监控对象平台220以及救援管理平台230的更多说明，可参见前述图2有关物联网的内容，此处不再赘述。

在一些实施例中，监控对象平台可以包括一个或多个监控装置。其中，监控装置可以包括但不限于监控摄像机、全景摄像头和无人机等中的一种或多种设备的组合。

在一些实施例中，一个或多个监控装置可以设置在目标区域的指定位置。例如，一个或多个监控装置可以设置在目标区域内的路口；再例如，一个或多个监控装置可以设置在目标区域内的事故多发地点(如，坡道、急弯等)。在一些实施例中，监控装置可以是固定的。例如，可以将监控装置固定安装在路口的支架上。在一些实施例中，监控装置可以是移动的。例如，监控装置可以是无人机，无人机可以根据用户的操作指令移动；又例如，监控装置可以安装在车辆上。在一些实施例中，监控装置可以实时获取监控信息。在一些实施例中，监控装置可以根据用户设定的时间间隔(如，间隔10秒、间隔1分钟等)获取监控信息。

本说明书的一些实施例所述的方法，通过物联网的各个平台获取监控信息，能够利用物联网的协作能力，快速获取监控信息，保证数据传输的安全性。

在一些实施例中，救援管理平台230可以判断上述目标区域的区域类型。当目标区域为预设类型(如，保密区域、学校、医院等)时，所述传感网络平台对监控信息进行加密传输。其中，加密传输方式可以包括：奇异值分解、密文分组链接模式等一种或多种方式。

本说明书的一些实施例所述的方法，通过对预设类型的目标区域进行加密，能够提高数据传输的安全性，避免重要信息的泄露。

步骤320，救援管理平台230可以基于监控信息，判断目标区域是否发生异常事故。

异常事故是指影响目标区域内生产活动或运输活动正常运行的事件。例如，道路中存在障碍物、车辆追尾、危险物泄露、山体滑坡等。

判断异常事故可以基于人工实现或自动识别实现。在一些实施例中，用户(如，专家、技术人员)可以基于监控信息判断异常事故是否发生。例如，用户观察到监控图像中某一位置出现浓烟，则可以判断发生了火灾事故。在另一些实施例中，救援管理平台230可以通过判断模型判断是否发生异常事故。

如图4所示，判断模型420可以对输入的目标区域的监控信息410进行分析处理，输出为目标区域是否发生异常事故的判断结果430。

在一些实施例中，判断模型420可以包括但不限于3D卷积神经网络(three-dimensional Convolutional Neural Networks，3D CNN)、决策树(Decision Tree,DT)、线性回归(Linear Regression,LR)等一种或多种的组合。

在一些实施例中，可以将不同时段(如，事故发生前的5分钟内、事故发生时到事故发生后的10分钟内等)获取到的目标区域的监控信息410组成序列作为判断模型420的输入，将目标区域是否发生异常事故的判断结果430作为判断模型420的输出。

判断模型420的参数可以通过训练得到。在一些实施例中，可以基于大量监控信息获得多组训练样本，每组训练样本可以包括多个训练数据及训练数据对应的标签。训练数据可以包括监控信息(如，监控视频)，标签可以是基于历史监控信息得到的是否发生异常事故的判断结果。例如，处理设备可以采集历史一段时间(如一天、一周、一个月等)内的多个时间点的监控信息作为训练数据，获取对监控信息的是否发生事故的判定结果(如，人工根据监控信息直接标注的是否发生异常事故判断结果)。

在一些实施例中，可以基于多个训练样本迭代更新初始判断模型的参数，以使模型的损失函数满足预设条件。例如，损失函数收敛，或损失函数值小于预设值。当损失函数满足预设条件时模型训练完成，得到训练好的判断模型420。

本说明书的一些实施例所述的方法，通过模型对监控视频进行分析，能够快速得到事故类型，可以使救援方及时了解异常事故情况，提高后续救援效率。

步骤330，当目标区域发生异常事故时，救援管理平台230可以确定异常事故的事故类型。

在一些实施例中，事故类型是指异常事故所属的种类。事故类型可以包括：车辆事故、建筑事故、道路事故、自然灾害事故、火灾事故、地质灾害事故等。例如，车辆追尾、车辆侧翻等事故可以属于车辆事故。建筑坍塌、建筑摇晃等可以属于建筑事故。道路出现障碍物、道路的路面出现缺陷等可以属于道路事故。强降水、冰雹等可以属于自然灾害事故。森林火灾、城市火灾、可燃品泄露等可以属于火灾事故。山体滑坡、泥石流等可以属于地质灾害事故。

在一些实施例中，在一些实施例中，用户(如，专家、技术人员)可以基于监控信息判断异常事故是否发生。例如，用户观察到监控图像中某一道路中出现巨型石块，则可以依赖历史经验判断该异常事故属于道路事故和地质灾害事故。

在另一些实施例中，第一救援管理平台230可以通过判断模型判断异常事故的事故类型。

如图4所示，判断模型420还可以对获取到的目标区域的监控信息410分析处理，当确定目标区域发生异常事故时，确定异常事故的事故类型440。

在一些实施例中，判断模型420的输入可以是目标区域的监控信息410(如，道路监控视频等)，输出除目标区域是否发生异常事故的判断结果430外，还可以包括当异常事故的事故类型440(如，车辆事故、建筑事故、道路事故、自然灾害事故、火灾事故等)。例如，判断模型420的输入可以为道路中存在浓烟的监控视频，输出可以为该道路发生异常事故，异常事故的事故类型为火灾事故。

在一些实施例中，初始判断模型的训练数据可以包括监控信息(如，监控视频)，标签是除基于历史监控信息得到的是否发生异常事故的判断结果外，还可以是基于历史监控信息确定的异常事故的事故类型。例如，处理设备可以采集历史一段时间(如一天、一周、一个月等)内的多个时间点的监控信息作为训练数据，获取对异常事故的事故类型的判定结果(如，人工根据监控信息直接标注的事故类型)。在一些实施例中，可以基于多个训练样本迭代更新初始判断模型的参数，以使模型的损失函数满足预设条件。例如，损失函数收敛，或损失函数值小于预设值。当损失函数满足预设条件时模型训练完成，得到训练好的判断模型420。

本说明书的一些实施例所述的方法，通过模型对监控视频进行分析，能够快速得到事故类型，可以使救援方及时了解异常事故情况，提高后续救援效率。

步骤340，救援管理平台230可以基于事故类型，生成救援提醒信息，其中，救援提醒信息包括异常事故的救援方式。

救援提醒信息是指提醒相关救援方进行救援的提示信息。其中，救援方是指对异常事故实施救援的人员或者部门(如，消防部门、医疗人员、交通部门等)。例如，A市的B大厦，发生了火灾事故。救援管理平台230可以确定救援提醒信息：A市的B大厦上午10:00左右发生火灾，请消防部门前往救援。

在一些实施例中，救援管理平台230可以基于所述事故类型，生成救援提醒信息，其中，所述救援提醒信息包括所述异常事故的救援方式。在一些实施例中，救援提醒信息的形式可以是包括但不限于短信、文本推送、图像、视频、语音、广播等一种或多种形式的组合。

救援方式是指能够缓解或者解决异常事故或者异常事故导致的后果的方式。其中，救援方式包括救援方以及救援手段。例如，火灾事故的救援方式可以是：消防人员携带专业灭火设备到救援地点灭火，以及医疗人员携带急救设备到救援地点进行伤员抢救。

在一些实施例中，事故救援指挥中心的用户(如，专家、技术人员)可以基于事故类型判断救援方式。例如，基于道路事故类型，用户可以基于以往处理经验确定救援方式：道路救援部门携带专业路障清理设备或者拖车设备对道路进行清理。

在另一些实施例中，救援管理平台230可以通过查询储存于数据库中的历史发生的异常事故的事故类型对应的历史救援方式，确定当前事故类型对应的救援方式。

在一些实施例中，救援管理平台230还可以获取异常事故的其他相关信息，其他相关信息可以包括：事故类型、救援地点的天气情况、救援地点的定位信息、前往救援地点的导航等信息。

在一些实施例中，救援管理平台230可以将包括救援方式和异常事故的其他相关信息整合，生成救援提醒信息。

步骤350，救援管理平台230可以发送救援提醒信息至救援方。

在一些实施例中，救援管理平台230可以采用包括向救援方的终端或通信装置发送短信、文本推送、图像、视频、语音、广播等一种或多种形式来向救援方发送救援提醒信息。在一些实施例中，救援管理平台230可以在事故发生后的预设时间内，(如，5分钟、10分钟等)，发送救援提醒信息至救援方。

本说明书的一些实施例所述的方法，能够快速准确地判断异常事故是否发生及事故类型，及时通知救援方。使救援方快速解决异常事故，提高救援效率，避免更大的经济损失和更多的人员伤亡。

图5是根据本说明书一些实施例所示的确定区域拥堵程度的示例性流程图。在一些实施例中，流程500可以由救援管理平台230执行。如图5所示，流程500包括下述步骤：

步骤510，救援管理平台230可以获取目标区域对应的预设路网区域中的各道路在预设时间段内的道路监控信息。

预设路网区域是指目标区域周围预设范围的路网区域。例如：距离学校2km范围内的多个十字路口、景区等全部范围内的所有道路。在一些实施例中，一个预设路网区域中可以包括一条或多条道路。

在一些实施例中，预设路网区域可以包括位于目标区域内的区域、以目标区域为中心的特定半径范围内的区域、通往目标区域的一条或多条道路的所覆盖的区域中的一种或多种的组合。例如，中央商务区内东部的道路区域；以医院为圆心，半径为3km的道路区域；通往学校的道路A和道路B所覆盖的区域。

预设时间段是指用户预先设定的与异常事故相关的时间范围。例如，异常事故发生前的5分钟内、救援方出发前的10分钟内等。

道路监控信息是指反映道路段或者道路口在预设时间段的各种情况的信息。其中，预设时间段的情况可以包括预设时间段内的车流情况、车辆行驶的速度、行人流量情况、交通信号灯情况、交通事故情况、施工封堵情况中的一种或多种的组合。道路监控信息的形式可以是视频、图像、语音、文本等中等一种或多种的组合。例如，异常事故发生后5分钟内某一路口300m范围内所有道路的监控视频。

在一些实施例中，救援管理平台230可以通过传感网络平台210获取道路监控信息。关于获取道路监控信息的更多说明，可参见图3关于获取监控信息及其相关描述，此处不再赘述。

步骤520，救援管理平台230可以基于道路监控信息，确定各道路在目标时间段内因异常事故引发的道路拥堵程度。

目标时间段是指未来需要确定道路拥堵程度的时间段。例如，异常事故发生后的5分钟内、救援方出发后2分钟内。

道路拥堵程度是指用于表征目标区域内因异常事故引发的每条道路的拥堵情况的评价。例如，道路拥堵程度可以被表示为范围在0-100中的某一数字。在道路通畅的情况下，拥堵程度可以为0。在道路严重拥堵的情况下，拥堵程度可以为100。

在一些实施例中，道路拥堵程度可以基于道路监控信息中的相关信息确定。相关信息可以包括：路口的类型(如，十字路口、具有人行道的路口、环形路口等)、路口的交通信号灯情况(如，是否有红绿灯、红绿灯变换间隔等)、道路段的长度、当前时间的道路段或者路口的车辆的数量、车流量(如，63辆/分钟、278辆/小时)、是否发生事故(如，路段B发生追尾事故)、是否有施工等。

在一些实施例中，救援管理平台230可以获取人工判定结果。用户(如，专家、技术人员)可以基于道路监控信息判断道路拥堵程度。例如，用户可以观察道路监控信息判断得到道路拥堵程度为10。

在一些实施例中，救援管理平台230可以通过模型确定道路拥堵程度。关于通过模型确定道路拥堵程度的更多说明，可参见图6A和6B及其相关描述，此处不再赘述。

步骤530，救援管理平台230可以基于道路拥堵程度，确定预设路网区域在目标时间段内因异常事故引发的区域拥堵程度。

区域拥堵程度是指反映目标区域内因异常事故引发的道路拥堵程度的评价。在一些实施例中，区域拥堵程度可以用词汇描述。例如：畅通、缓行、拥堵和严重拥堵。在另一些实施例中，区域拥堵程度可以用数字表示。例如，区域拥堵程度可以表示为范围在0-100中的某一数字。在目标区域内各道路通畅的情况下，区域拥堵程度可以为0。在目标区域内道路严重拥堵的情况下，拥堵程度可以为100。又例如，设定60km/h为车辆通行正常速度，区域拥堵程度为1。当目标区域内每个路口或每个道路段的车辆的平均速度以大于60km/h通行，区域拥堵程度小于1(如，0.8)；当目标区域内每个路口或每个道路段的车辆的平均速度以小于60km/h通行，区域拥堵程度大于1(如，1.3)。在一些实施例中，救援管理平台230可以用不同的颜色或者标识来表示不同的区域拥堵程度，并将其显示在终端设备的显示屏上。例如，“畅通”可以用绿色表示，“缓行”可以用黄色表示，“拥堵”可以用红色表示，“严重拥堵”可以用深红色表示。

在一些实施例中，救援管理平台230可以基于所述道路拥堵程度，确定所述预设路网区域在所述目标时间段内因异常事故引发的区域拥堵程度。确定区域拥堵程度可以由人工实现或自动判断实现。在一些实施例中，救援管理平台230可以通过人工经验基于道路拥堵程度确定区域拥堵程度。例如，行业专家依赖经验基于道路拥堵程度确定区域拥堵程度。在一些实施例中，救援管理平台230可以根据历史数据确定当前区域拥堵程度。其中，历史数据可以包括至少一个历史道路拥堵程度和对应的区域拥堵程度。可以理解的，救援管理平台230可以将与本次道路拥堵程度相似的历史时间段对应的拥堵程度作为本次区域拥堵程度。

在一些实施例中，救援管理平台230可以基于目标区域内的平均道路拥堵程度确定区域拥堵程度。例如，目标区域内总共有道路A、道路B、道路C。道路A的道路拥堵程度是23，道路B的道路拥堵程度是37，道路C的道路拥堵程度是81，则区域拥堵程度为三者平均值，即47。

在一些实施例中，救援管理平台230还可以基于目标区域内的加权平均道路拥堵程度确定区域拥堵程度。其中，权重可以由目标区域内每条道路的支路或者路口的数量确定。例如，位于道路A上的路口的数量占目标区域内所有路口的数量的40％，则道路A的道路拥堵程度的权重为0.4。权重还可以由目标区域内每条道路历史平均车流量确定。例如，道路A的历史平均车流量占目标区域内所有道路的历史平均车流量的20％，则道路A的道路拥堵程度的权重为0.2。

步骤540，当区域拥堵程度大于预设程度阈值时，救援管理平台230可以启动交通应急处理。在一些实施例中，该步骤540可以由救援管理平台230执行。

预设程度阈值是指预先设置的触发交通应急处理的最低区域拥堵程度。例如，预设程度阈值可以设定为拥堵、严重拥堵等，还可以设置为1.2、1.8等。在一些实施例中，预设程度阈值可以根据不同道路情况下的差异值进行设置。通常道路情况越复杂(如，道路存在较多交叉口)，预设程度阈值越低。在一些实施例中，预设程度阈值可以根据历史数据来设定。其中，历史数据可以包括若干个历史时间段中预设路网区域中的启动交通应急处理时的区域拥堵程度。救援管理平台230可以获取其中程度最低的区域拥堵程度作为预设程度阈值。

在一些实施例中，当所述区域拥堵程度大于预设程度阈值时，处理设备110可以启动交通应急处理。例如，拥堵程度大于60、拥堵程度比“缓行”更严重等。

在一些实施例中，当需要启动应急处理时，救援管理平台230可以基于目标时间段内各道路的道路拥堵程度，生成拥堵提醒信息。其中，拥堵提醒信息可以包括预设路网区域中需要绕行的道路。在一些实施例中，当至少一条道路的道路拥堵程度超过预设阈值时，救援管理平台230可以确定前述的至少一条道路需要绕行。在一些实施例中，当至少一条道路存在道路施工封堵情况时，救援管理平台230可以确定该至少一条被封堵的道路需要绕行。

在一些实施例中，救援管理平台230可以将拥堵提醒信息发送至预设路网区域内的目标终端。道路拥堵程度目标终端可以是各道路上设置的交通信息显示终端、路网区域内用户的车载导航系统、救援方的移动终端、与路网信息提示相关的媒体(如，广播电台、电视台、网站)等道路拥堵程度。提醒的方式包括但不限于短信、文本推送、图像、视频、语音、广播等一种或多种形式。

本说明书的一些实施例所述的方法，能够快速准确地判断目标区域对应的预设路网区域中的区域拥堵程度。必要时及时启动交通应急处理，缓解道路的道路拥堵程度，提高救援效率。

应当注意的是，上述有关应急处理的流程描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对应急处理的流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，救援管理平台230可以生成道路限行信息来限制车辆驶入预设路网区域。救援管理平台230还可以同时生成道路建设改进信息来对路面空间的改进建设提出建议(如，拓宽道路、增加下穿隧道等)。

图6A和图6B是根据本说明书一些实施例所示的基于预测模型确定道路拥堵程度的示意图。

在一些实施例中，救援管理平台230可以基于道路监控信息，确定所述各道路在目标时间段内因异常事故引发的道路拥堵程度。

在一些实施例中，可以通过预测模型对一个或多个预设时间段内的道路监控信息进行分析处理，得到各道路在目标时间段内因异常事故引发的道路拥堵程度。在一些实施例中，预测模型可以是图神经网络模型。

如图6A所示，预测模型620的输入数据610可以是用图论意义上的图表示的路口的路口特征611，以及路口之间道路的第一道路特征612。前述图是由节点和边组成的一种数据结构，可以包括多个节点以及连接多个节点的多条边/路径。其中，节点对应路口特征611，边对应第一道路特征612。输出数据为各道路在目标时间段内因异常事故引发的道路拥堵程度630。路口特征611可以为路口的类型(如，十字路口、具有人行道的路口、环形路口等)、路口的交通信号灯情况(是否有红绿灯、红绿灯变换间隔等)等；第一道路特征612可以为道路段的车辆的数量、道路段的车流量(如，63辆/分钟、278辆/小时)、道路段的长度等。其中，道路段的车流量是指单位时间内通过某道路段的车辆，道路段的车流量为车辆通过数除以时间。路口特征611与第一道路特征612可以基于道路监控信息获取。例如，可以基于图像识别技术确定道路监控信息的路口的类型。在一些实施例中，基于道路监控信息，可以确定道路段的车辆的数量、道路段的车流量。关于基于道路监控信息确定道路段的车辆的数量的更多内容参见图7及其相关描述，此处不再赘述。关于基于道路监控信息确定道路段的车流量更多内容参见图8及其相关描述，此处不再赘述。

此时，预测模型620的参数可以通过多个有标签的训练样本训练得到。在一些实施例中，可以获得多组训练样本，每组训练样本可以包括多个训练数据及训练数据对应的标签。训练数据可以包括历史时段里图论意义上的图表示的路口的历史路口特征和路口之间道路的历史第一道路特征，训练数据的标签可以是图中每条道路的历史拥堵程度。在一些实施例中，可以基于多个训练样本迭代更新初始预测模型的参数，以使模型的损失函数满足预设条件。例如，损失函数收敛，或损失函数值小于预设值。当损失函数满足预设条件时模型训练完成，得到训练好的预测模型620。

如图6B所示，预测模型620的输入数据610还可以是用图论意义上的图表示的路口的路口特征611，以及路口之间道路的第二道路特征613。前述图是由节点和边组成的一种数据结构，可以包括多个节点以及连接多个节点的多条边/路径。其中，节点对应路口特征611，边对应第二道路特征613。第二道路特征613可以包括道路段的车辆的数量、方向梯度直方图(Histogram of Oriented Gradient,HOG)特征序列、道路段的长度等。在一些实施例中，第二道路特征613也可以基于道路监控信息获取。

HOG是通过计算和统计图像局部区域的梯度方向直方图来构成特征的。本说明书中的HOG特征序列是指监控视频中每一帧的HOG特征向量所构成的序列。其中，HOG特征序列的提取过程包括下述步骤：

首先，对道路段的道路监控信息，例如监控图像的多帧图像灰度化，即，将图像看作一个z＝f(x,y)的三维图像，其中z是灰度。其次，使用伽玛校正法将整个图像归一化。归一化的目的是调节监控图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰。再计算图像中每个像素点的梯度(包括大小和方向)。例如，可以直接使用一维的索贝尔算子分别计算像素点的水平以及竖直方向的梯度，再求得该像素点的梯度幅值以及方向。值得注意的是，梯度方向会取绝对值，因此得到的角度范围是[0°,180°]。然后，将监控图像划分成若干个细胞单元(例如，一个细胞单元为4×4像素)，计算每个细胞单元的梯度直方图。在一些实施例中，细胞单元中的每一个像素点都为某个基于方向的直方图通道投票。投票采取加权投票的方式，即每一票都是具有权值，该权值是根据该像素点的梯度幅度计算得到。在一些实施例中，可以采用幅值本身或者它的函数(如，幅值的平方根、幅值的平方、幅值的截断形式等)来表示这个权值。在一些实施例中，细胞单元可以是矩形的，也可以是星形的。直方图通道是平均分布在0-180°(无向)或0-360°(有向)的角度范围内。例如，在0-180°(无向)范围内，可以先将角度范围分成9份，(即9bins)，每20°为一个单元，也就是这些像素可以根据角度分为9组。将每一份中所有像素对应的梯度值进行累加，可以得到9个数值。直方图就是由这9个数值组成的数组，对应于角度0-20°、20-40°、40-60°、60-80°、...、160-180°。接着，将块(block)归一化。其中，先将a×a的像素区域作为一个细胞单元，再以b×b个细胞单元作为一组，称为块(block)。例如，将4×4的一个区域作为一个细胞单元，再以2×2个细胞单元作为一组，可以作为块。在一个块中，值的数量为N*b

对应的，在对预测模型620的输入数据中边的特征为第二道路特征613的预测模型620进行训练时，可以将训练样本中的历史第一道路特征替换为历史第二道路特征。其余训练部分参见上文中预测模型620的训练部分，此处不再赘述。

在一些情况中，道路段太长会造成道路中不同部分的特征差异太大，比如，车流量的差异很大。在一些实施例中，若道路段的长度大于预设的阈值，救援管理平台230可以将道路段进行分割。分割后的分割点之间的子道路段可以视为道路，分割点可以作为路口。

本说明书的一些实施例所述的方法，通过模型对道路的拥堵程度进行分析，进一步能够准确地对区域拥堵程度进行预测，有效减少人力的浪费。快速地启动交通应急处理，保证了道路交通的正常运行，避免即将造成堵塞或者现有的堵塞程度进一步加剧，帮助救援方快速抵达异常事故现场。

图7是根据本说明书一些实施例所示的确定预设时间段内的道路段的车辆的数量的示意图。

如图7所示，预设时间段内的道路段的车辆的数量可以通过第一确定模型720确定。在一些实施例中，当道路监控信息为监控视频时，第一确定模型720可以对输入的第一图像序列710进行处理，输出预设时间段内的道路段的车辆的数量740。其中，第一图像序列710可以包括某一道路段在预设时间段内的监控图像的每一帧图像，可以基于监控视频确定。

在一些实施例中，第一确定模型720可以包括第一识别层721和第一判断层722。

第一识别层721可以对道路监控信息中的监控图像的每一帧图像进行处理，确定各个对象并对各对象进行分割。第一识别层721的输入可以是第一图像序列710，第一识别层721的输出可以是带有对象分割标记信息的第二图像序列730。对象分割标记信息可以包括若干个对象框以及对象框对应分类。在一些实施例中，第一识别层721可以是YOLO模型(You only look once)。

第一判断层722可以对第二图像序列730进行分析，并判断序列中的前后图像中多个对象框是否是同一个对象，从而确定出预设时间段内的道路段的车辆的数量740。第一判断层722的输入可以是基于识别层得到的带有对象分割标记信息的第二图像序列730，输出可以是预设时间段内的道路段的车辆的数量740。在一些实施例中，第一判断层722可以是卷积神经网络(Convolutional Neural Networks，CNN)和深度神经网络(Deep NeuralNetworks，DNN)的组合。

在一些实施例中，救援管理平台230可以使用特征提取算法和特征相似度计算确定第二图像序列730中的若干个对象框中的对象是否是同一个对象。首先，救援管理平台230可以通过特征提取(如，HOG算法)获取每个对象框的特征向量，再基于对象框的特征向量之间相似度(如，计算欧氏距离)来判断是否为同一个对象。例如，第一图像序列710中第10帧识别出来2个对象框A和B，类别都是车；第一图像序列710中第20帧识别出来2个对象框C和D，类别也都是车。将对象框A、B、C、D分别输入第一判断层722后，发现对象框A和对象框C的相似度大于预设阈值，则可以认为A和C为同一辆车。

在一些实施例中，第一识别层、第一判断层可以通过联合训练得到。例如，向第一识别层输入训练样本，训练样本可以为历史时间段的若干个第一图像序列(即多个历史时间段的道路监控视频)。然后将第一识别层的输出输入第一判断层，并基于第一判断层的输出和标签构建损失函数，标签可以为通过人工标注确定的第一图像序列中的车辆的数量。直到预设条件被满足训练完成。训练完成后第一确定模型的参数也可以确定。其中，预设条件可以是更新后的第一判断层的损失函数小于阈值、收敛，或训练迭代次数达到阈值。

在一些实施例中，第一确定模型720还可以由救援管理平台230或第三方预先训练后保存在存储设备130中，救援管理平台230可以从存储设备130中直接调用第一确定模型720。

本说明书的一些实施例所述的方法，通过模型对车辆进行识别，能够快速地对车辆数量进行统计，准确地确定道路拥堵程度。

图8是根据本说明书一些实施例所示的确定道路段的车流量的示意图。

如图8所示，在一些实施例中，道路段的车流量可以通过第二确定模型820确定。

在一些实施例中，当道路监控信息为监控视频时，第二确定模型820可以对输入的道路监控信息中的监控图像的每一帧图像进行处理，确定道路段的车流量。第二确定模型820的输入可以为第三图像序列810，第二确定模型820的输出可以为道路段的车流量840。

在一些实施例中，第二确定模型820可以包括第二识别层821和第二判断层822。

第二识别层821的内容与实施方式与第一识别层721相似，第三图像序列810的内容与第一图像序列710相似，第四图像序列830的内容与第二图像序列730，故关于第二识别层821、第三图像序列810、第四图像序列830的更多内容参见图7及其相关描述，此处不再赘述。

第二判断层822可以对第四图像序列830进行分析，判断序列中前后图像中的对象框是否是同一个对象，且需判断该对象是否在单位时间内消失。

在一些实施例中，第二判断层822可以包括但不限卷积神经网络模型、循环神经网络模型、深度神经网络模型等。进一步地，第二判断层822的输入可以是基于第二识别层821得到的带有对象分割标记信息的第四图像序列830，输出可以是道路段的车流量840。

值得说明的是，在单位时间内，当且仅当第二确定模型820确定到在监控视频中的对象(即车辆)出现后又消失，才能对其进行统计。如果识别到在每一帧图像中同一车辆始终存在，车辆通过数不变，如果同一车辆出现之后又消失，车辆通过数加1。其中，第二识别层821能够识别出监控视频中的各个对象，第二判断层822能够判断各个对象是否为同一对象，且该对象已经消失。

在一些实施例中，第二识别层、第二判断层可以通过联合训练得到。例如，向第二识别层输入训练样本，训练样本可以为历史时间段的若干个第四图像序列(即多个历史时间里单位时间内的道路监控视频)。然后将第二识别层的输出输入第二判断层，并基于第二判断层的输出和标签构建损失函数，标签可以为通过人工标注确定的第四图像序列中的车流量。直到预设条件被满足训练完成。训练完成后第二确定模型的参数也可以确定。其中，预设条件可以是更新后的第二判断层的损失函数小于阈值、收敛，或训练迭代次数达到阈值。

本说明书的一些实施例所述的方法，通过模型对道路段的车流量进行统计，能够准确地确定拥堵程度。

图9是根据本说明书一些实施例所示的确定路线规划的示例性流程图。在一些实施例中，流程900可以由救援管理平台230执行。如图9所示，流程900包括下述步骤：

步骤910，救援管理平台230可以获取救援方的第一位置信息与目标区域的第二位置信息。

第一位置信息是指基于救援方的通信装置位置的出发地信息。其中，通信装置是指可以移动通信的装置。例如可以是移动设备、平板电脑、笔记本电脑。又例如通信装置可以是救护车、消防车、施工车等一种或多种的组合。在一些实施例中，第一位置信息可以包括经纬度、距离、方位角等信息。例如，第一位置信息可以表示为东北方向距离监控点300m的消防车位置信息。在一些实施例中，第一位置信息可以与救援平台、传感网络平台、监控对象平台中的其他信息交互。

第二位置信息是指目标区域位置的目的地信息。目标区域是指监控对象平台可以拍摄的区域。在一些实施例中，第二位置信息可以包括地点名称、设备名称、方位角等信息。例如，第二位置信息可以表示为学校路口红绿灯摄像头的位置信息。在一些实施例中，第二位置信息可以与救援平台、传感网络平台、监控对象平台中的其他信息交互。

在一些实施例中，救援管理平台230可以通过传感网络平台获取救援方的通信装置的第一位置信息。在一些实施例中，救援管理平台230可以通过传感网络平台访问监控对象平台，并在监控对象平台上获取由位于目标区域的监控装置的第二位置信息。

步骤920，救援管理平台230可以基于第一位置信息、第二位置信息与道路拥堵程度，生成救援方抵达目标区域的路线规划信息。

路线规划信息是指根据目的地、出发地以及路径策略规划的路线信息。路线规划信息可以包括路网信息、路况信息、导航方式、自定义信息、时间信息、距离信息等。导航方式可以包括自驾、步行、电动车、摩托车等方式。自定义信息可以包括自定义途径点、自定义避让点等信息。例如，路线规划信息可以表示为先自驾后步行的路线信息。再例如，路线规划信息可以表示为出发地与目的地距离30km，开车需要40分钟，预计下午2点钟到达，根据自定义设置路线规划不经过高速。在一些实施例中，路线规划信息可以与救援平台、传感网络平台、监控对象平台中的其他信息交互。

在一些实施例中，路线规划可以采用算法、模型来生成路线。例如，算法可以是短路径算法(Dijkstra)。

在一些实施例中，路线规划时，基于拥堵判断模型判断的道路拥堵程度对道路情况进行更新，并规划对应的路线。关于通过拥堵判断模型确定道路拥堵程度的更多说明，可参见图7及其相关描述，此处不再赘述。

步骤930，救援管理平台230可以将路线规划信息发送至救援方。

发送方式包括可控制发送方式和自动发送方式。自动发送方式是指自动同步发送路线规划信息，可控制发送方式是指经人工确认无误后再发送路线规划信息。发送形式可以是H5形式、二进制形式、文本形式、语音形式、视频形式等。

步骤940，救援管理平台230可以基于路线规划信息，对救援方进行导航。

在一些实施例中，救援管理平台230可以通过传感网络平台将路线规划信息发送至终端设备(如，车载显示屏、移动电话等)进行导航。

说明书的一些实施例所述的方法，从事故发生后到道路救援方到达或出发之前可以判断事故本身带来的道路拥堵，可以让救援方考虑道路拥堵而以最快速度到达现场，提高救援效率。

本说明书实施例还提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执运行前述基于物联网的智慧城市事故救援方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的处理设备或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。