一种基于图像处理的救护车到院时间预估方法与流程

1.本发明涉及图像处理技术领域，具体而言，涉及一种基于图像处理的救护车到院时间预估方法。


背景技术：

2.现有救护车到院时间预估方法，根据车辆流量以及红绿灯的时间，预测救护车的到院时间，但这种方法只能根据现有正在行驶的路线估计救护车到院时间，其无法缩短救护车到院时间，无法为救护车挑选最优路线，使得其计算的救护车到院时间不是最佳时间。


技术实现要素：

3.针对现有技术中的上述不足，本发明提供的一种基于图像处理的救护车到院时间预估方法解决了现有救护车到院时间预估方法无法为救护车挑选最优路线，使得计算的救护车到院时间不是最佳时间的问题。
4.为了达到上述发明目的，本发明采用的技术方案为：一种基于图像处理的救护车到院时间预估方法，包括：获取救护车在回程过程中的当前定位数据；根据当前定位数据，得到救护车的当前行驶路段；根据当前定位数据、救护车的当前行驶路段、以及目的地，找出各条可行驶路线；通过卫星上的合成孔径雷达拍摄地面图像；根据地面图像，得到各条可行驶路线当前的拥挤程度；根据各条可行驶路线历史的拥挤程度和当前的拥挤程度，计算可行驶路线的行驶顺畅值；根据可行驶路线的行驶顺畅值和可行驶路线的长度，计算路线推荐值，将路线推荐值高的可行驶路线推荐给救护车；根据救护车当前的定位，基于救护车行驶路线，得到预计救护车到院时间。
5.进一步地，所述根据当前定位数据，得到救护车的当前行驶路段包括：根据当前定位数据找到其临近范围内的行驶路段；计算当前定位数据与临近范围内的行驶路段的距离，找到当前疑似路段；在当前疑似路段为一条时，当前疑似路段为救护车的当前行驶路段；在当前疑似路段为多条时，计算当前时刻临近的历史时刻对应的定位数据与历史临近范围内的行驶路线的距离，找到历史疑似路段；取历史疑似路段与当前疑似路段的交集，得到救护车的当前行驶路段。
6.进一步地，所述根据当前定位数据、救护车的当前行驶路段、以及目的地，找出各条可行驶路线包括：根据当前定位数据，找到救护车的当前行驶路段到目的地的所有有效路线；根据救护车的平均速度和有效路线的长度，计算救护车行驶完每一条有效路线所
需时间；从所有有效路线中排除所需时间大于时间阈值的有效路线，得到各条可行驶路线。
7.上述进一步地方案的有益效果为：根据当前定位，可以找到救护车的当前行驶路段到目的地的所有有效路线，即所有能达到目的地的路线，按照救护车的平均速度和有效路线的长度，计算每条有效路线所需的行驶时间，在行驶时间超过时间阈值时，说明该路线太长，超过预期，因此，选出低于时间预期的路线。
8.进一步地，所述根据地面图像，得到各条可行驶路线当前的拥挤程度包括：对地面图像进行灰度化处理，得到灰度图；对灰度图进行增强处理，得到增强灰度图；对增强灰度图提取轮廓，得到轮廓图；对轮廓图提取车辆轮廓；根据车辆轮廓在轮廓图的每条可行驶路线上不同路段的出现数量，计算每条可行驶路线当前的拥挤程度。
9.上述进一步地方案的有益效果为：先对图像灰度处理，得到灰度图，对灰度图进行增强处理，提高轮廓辨识度，提高提取轮廓的精度，车辆轮廓在轮廓图的每条可行驶路线上不同路段的出现数量可表征路线的拥挤程度。
10.进一步地，所述增强处理的公式为：进一步地，所述增强处理的公式为：进一步地，所述增强处理的公式为：其中，为增强灰度图的r通道值，为增强灰度图的g通道值，为增强灰度图的b通道值，为对数函数，为在灰度图位置的r通道值，为在灰度图位置的g通道值，为在灰度图位置的b通道值，为横坐标，为纵坐标，为增强系数，为自然对数，为卷积操作。
11.进一步地，所述提取车辆轮廓采用卷积神经网络；对轮廓图进行中的车辆轮廓进行标注，构建训练集，采用训练集训练卷积神经网络；所述训练卷积神经网络的损失函数为：其中，为损失函数，为卷积神经网输出的车辆轮廓像素点，为目标车辆轮廓的像素点，为并集运算，为交集运算，为目标点的数量，为卷积神经网输出的车辆轮廓上的第个目标点的横坐标，为卷积神经网输出的车辆轮廓上的第个目标点的纵坐标，为目标车辆轮廓上的第个目标点的横坐标，为目标车辆轮廓上的第个目标点的纵坐标，为卷积神经网输出的车辆轮廓上的第个目标点临近区域的第个像素点的横坐
标，为卷积神经网输出的车辆轮廓上的第个目标点临近区域的第个像素点的纵坐标，为目标车辆轮廓上的第个目标点临近区域的第个像素点的横坐标，为目标车辆轮廓上的第个目标点临近区域的第个像素点的纵坐标，为临近区域内像素点的数量。
12.上述进一步地方案的有益效果为：本发明的损失函数从三方面考虑，一方面是卷积神经网输出的车辆轮廓像素点与目标车辆轮廓的像素点的交并比，反映与整体上的重叠度，二方面选取了个目标点作为参考点，用于反映卷积神经网输出的车辆轮廓与目标车辆轮廓的错位程度，三方面选取每个目标点的临近区域的像素点，用于对目标点的错位程度进行补充修正，综合三方面，保障损失函数能准确评估目标与输出的差距。
13.进一步地，所述根据车辆轮廓在轮廓图的每条可行驶路线上不同路段的出现数量，计算每条可行驶路线当前的拥挤程度包括：将轮廓图上的每条可行驶路线按单位长度划分为多段，得到多段路线图；统计在每段线路图上车辆轮廓的数量；将每段线路图上车辆轮廓的数量与数量阈值进行比较，将高于数量阈值的线路图筛选出来，得到拥堵线路图；根据拥堵线路图，计算每条可行驶路线当前的拥挤程度。
14.进一步地，所述计算每条可行驶路线当前的拥挤程度的计算公式为：其中，为每条可行驶路线当前时刻的拥挤程度，为每条可行驶路线上的第张拥堵线路图上车辆轮廓的数量，为一条可行驶路线的拥堵线路图的数量，为每条可行驶路线上的第张拥堵线路图上相邻车辆轮廓间的平均距离值，为非拥堵时相邻车辆轮廓间的平均距离值。
15.上述进一步地方案的有益效果为：高于数量阈值的线路图为拥堵线路图，低于数量阈值的线路图为非拥堵线路图，在计算拥堵程度，主要考虑每张拥堵线路图上车辆轮廓数量，表征车辆的数量，车辆数量越多拥挤程度越高，但是由于车辆存在大小，不能简单以车辆数量作为评价指标，因此，本发明引入车距，车距越小，越大，拥挤程度越高。
16.进一步地，所述计算可行驶路线的行驶顺畅值的公式为：其中，为可行驶路线的行驶顺畅值，为可行驶路线当前时刻的拥挤程度，为可行驶路线历史时刻的拥挤程度，为统计的预估的救护车在可行驶路线行驶的时间段，时刻用于表征预估的救护车达到可行驶路线的时刻，历史时刻属于历史日期的对应时刻，为拥挤程度归一化系数，为将预估的救护车在可行驶路线行驶的时刻对应的所有历史时刻的拥挤程度相加。
17.上述进一步地方案的有益效果为：行驶顺畅值包括两方面：一方面可行驶路线当前的拥挤程度，另一方面在救护车到达该路线时，对应时刻，历史时间中，它的拥挤程度，相
当于是通过历史对应时刻的拥挤程度和当前的拥挤程度计算行驶顺畅值。
18.进一步地，所述计算路线推荐值的公式为：其中，为第条可行驶路线的路线推荐值，为第条可行驶路线的行驶顺畅值，为第条可行驶路线的非拥堵长度，为第条可行驶路线的全程长度，为第条可行驶路线的非拥堵长度上的平均速度，为救护车能行驶的最大速度，为长度归一化系数。
19.上述进一步地方案的有益效果为：越大，即非拥堵长度占比越高，越大，即能行驶的速度越高，在非拥堵长度占比高、能行驶的速度高和行驶顺畅值高时，路线推荐值越大。
20.本发明实施例的技术方案至少具有如下优点和有益效果：本发明先挑选出可以行驶的路线，结合图像处理，得到各条可行驶路线当前的拥挤程度，参考可行驶路线历史拥挤程度，计算可行驶路线的行驶顺畅值，根据可行驶路线的行驶顺畅值和可行驶路线的长度，计算路线推荐值，将路线推荐值高的可行驶路线推荐给救护车，使其走在最优路线上，根据最优路线计算救护车到院时间，得到最佳时间，本发明解决了现有救护车到院时间预估方法无法为救护车挑选最优路线，使得计算的救护车到院时间不是最佳时间的问题。
附图说明
21.图1为一种基于图像处理的救护车到院时间预估方法的流程图。
具体实施方式
22.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
23.如图1所示，一种基于图像处理的救护车到院时间预估方法，包括：s1、获取救护车在回程过程中的当前定位数据；在本实施例中，当前定位数据可以通过救护车上的gps定位装置得到，并通过无线通信装置发送给监控端。
24.s2、根据当前定位数据，得到救护车的当前行驶路段；在步骤s2中，所述根据当前定位数据，得到救护车的当前行驶路段包括：根据当前定位数据找到其临近范围内的行驶路段；计算当前定位数据与临近范围内的行驶路段的距离，找到当前疑似路段；在当前疑似路段为一条时，当前疑似路段为救护车的当前行驶路段；在当前疑似路段为多条时，计算当前时刻临近的历史时刻对应的定位数据与历史临近范围内的行驶路线的距离，找到历史疑似路段；取历史疑似路段与当前疑似路段的交集，得到救护车的当前行驶路段。
25.在本实施例中，行驶路段为一个数据集合，该数据集合中存储了行驶路段的各个经纬度，各个经纬度的集合构成一条行驶路段，救护车当前的定位数据是已知的，因此可以通过救护车当前的定位数据去找到临近范围内的行驶路段，从而计算当前的定位数据与临近范围内的行驶路段的距离，找到离当前的定位数据最近的路段，但是由于公路网络的复杂性，某些公路修建在一些公路的上方或者存在交叉，因此当前疑似路段可能存在多个，参考临近的历史时刻行驶的路段，可以计算历史时刻的疑似路段，在相邻时刻，历史时刻的疑似路段与当前疑似路段的交集为救护车的当前行驶路段。
26.s3、根据当前定位数据、救护车的当前行驶路段、以及目的地，找出各条可行驶路线；在步骤s3中，所述根据当前定位数据、救护车的当前行驶路段、以及目的地，找出各条可行驶路线包括：根据当前定位数据，找到救护车的当前行驶路段到目的地的所有有效路线；在本实施例中，根据当前定位数据，找到救护车的当前行驶路段到目的地的所有有效路线的算法可以采用蚁群算法，也可以调取第三方平台的数据，如百度地图。
27.在本实施例中，有效路线为当前位置达到目的地的线路，不包括封闭路线和人行路线，其他不可供救护车行驶通过的路线。
28.根据救护车的平均速度和有效路线的长度，计算救护车行驶完每一条有效路线所需时间；从所有有效路线中排除所需时间大于时间阈值的有效路线，得到各条可行驶路线。
29.根据当前定位，可以找到救护车的当前行驶路段到目的地的所有有效路线，即所有能达到目的地的路线，按照救护车的平均速度和有效路线的长度，计算每条有效路线所需的行驶时间，在行驶时间超过时间阈值时，说明该路线太长，超过预期，因此，选出低于时间预期的路线。
30.s4、通过卫星上的合成孔径雷达拍摄地面图像；合成孔径雷达可以不受云层限制，拍摄到地面场景。
31.s5、根据地面图像，得到各条可行驶路线当前的拥挤程度；在步骤s5中，所述根据地面图像，得到各条可行驶路线当前的拥挤程度包括：对地面图像进行灰度化处理，得到灰度图；对灰度图进行增强处理，得到增强灰度图；所述增强处理的公式为：所述增强处理的公式为：所述增强处理的公式为：其中，为增强灰度图的r通道值，为增强灰度图的g通道值，为增强灰度图的b通道值，为对数函数，为在灰度图位置的r通道值，为在灰度图位置的g通道值，为在灰度图位置的b通道值，为横坐标，为纵坐标，为增强系数，为自然对数，为卷积操作。
32.对增强灰度图提取轮廓，得到轮廓图；所述提取车辆轮廓采用卷积神经网络；对轮廓图进行中的车辆轮廓进行标注，构建训练集，采用训练集训练卷积神经网络；所述训练卷积神经网络的损失函数为：其中，为损失函数，为卷积神经网输出的车辆轮廓像素点，为目标车辆轮廓的像素点，为并集运算，为交集运算，为目标点的数量，为卷积神经网输出的车辆轮廓上的第个目标点的横坐标，为卷积神经网输出的车辆轮廓上的第个目标点的纵坐标，为目标车辆轮廓上的第个目标点的横坐标，为目标车辆轮廓上的第个目标点的纵坐标，为卷积神经网输出的车辆轮廓上的第个目标点临近区域的第个像素点的横坐标，为卷积神经网输出的车辆轮廓上的第个目标点临近区域的第个像素点的纵坐标，为目标车辆轮廓上的第个目标点临近区域的第个像素点的横坐标，为目标车辆轮廓上的第个目标点临近区域的第个像素点的纵坐标，为临近区域内像素点的数量。
33.本发明的损失函数从三方面考虑，一方面是卷积神经网输出的车辆轮廓像素点与目标车辆轮廓的像素点的交并比，反映与整体上的重叠度，二方面选取了个目标点作为参考点，用于反映卷积神经网输出的车辆轮廓与目标车辆轮廓的错位程度，三方面选取每个目标点的临近区域的像素点，用于对目标点的错位程度进行补充修正，综合三方面，保障损失函数能准确评估目标与输出的差距。
34.在本实施例中，目标点可以选取4个，在车辆前方的左右各选取一个点，在车辆后方的左右各选取一个点。
35.对轮廓图提取车辆轮廓；根据车辆轮廓在轮廓图的每条可行驶路线上不同路段的出现数量，计算每条可行驶路线当前的拥挤程度。
36.先对图像灰度处理，得到灰度图，对灰度图进行增强处理，提高轮廓辨识度，提高提取轮廓的精度，车辆轮廓在轮廓图的每条可行驶路线上不同路段的出现数量可表征路线的拥挤程度。
37.所述根据车辆轮廓在轮廓图的每条可行驶路线上不同路段的出现数量，计算每条可行驶路线当前的拥挤程度包括：将轮廓图上的每条可行驶路线按单位长度划分为多段，得到多段路线图；统计在每段线路图上车辆轮廓的数量；将每段线路图上车辆轮廓的数量与数量阈值进行比较，将高于数量阈值的线路图筛选出来，得到拥堵线路图；根据拥堵线路图，计算每条可行驶路线当前的拥挤程度。
38.所述计算每条可行驶路线当前的拥挤程度的计算公式为：
其中，为每条可行驶路线当前时刻的拥挤程度，为每条可行驶路线上的第张拥堵线路图上车辆轮廓的数量，为一条可行驶路线的拥堵线路图的数量，为每条可行驶路线上的第张拥堵线路图上相邻车辆轮廓间的平均距离值，为非拥堵时相邻车辆轮廓间的平均距离值。
39.高于数量阈值的线路图为拥堵线路图，低于数量阈值的线路图为非拥堵线路图，在计算拥堵程度，主要考虑每张拥堵线路图上车辆轮廓数量，表征车辆的数量，车辆数量越多拥挤程度越高，但是由于车辆存在大小，不能简单以车辆数量作为评价指标，因此，本发明引入车距，车距越小，越大，拥挤程度越高。
40.在本实施例中，非拥堵时相邻车辆轮廓间的平均距离值可根据经验进行设置。
41.s6、根据各条可行驶路线历史的拥挤程度和当前的拥挤程度，计算可行驶路线的行驶顺畅值；所述计算可行驶路线的行驶顺畅值的公式为：其中，为可行驶路线的行驶顺畅值，为可行驶路线当前时刻的拥挤程度，为可行驶路线历史时刻的拥挤程度，为统计的预估的救护车在可行驶路线行驶的时间段，时刻用于表征预估的救护车达到可行驶路线的时刻，历史时刻属于历史日期的对应时刻，为拥挤程度归一化系数，为将预估的救护车在可行驶路线行驶的时刻对应的所有历史时刻的拥挤程度相加。
42.行驶顺畅值包括两方面：一方面可行驶路线当前的拥挤程度，另一方面在救护车到达该路线时，对应时刻，历史时间中，它的拥挤程度，相当于是通过历史对应时刻的拥挤程度和当前的拥挤程度计算行驶顺畅值。
43.s7、根据可行驶路线的行驶顺畅值和可行驶路线的长度，计算路线推荐值，将路线推荐值高的可行驶路线推荐给救护车；在步骤s7中，所述计算路线推荐值的公式为：其中，为第条可行驶路线的路线推荐值，为第条可行驶路线的行驶顺畅值，为第条可行驶路线的非拥堵长度，为第条可行驶路线的全程长度，为第条可行驶路线的非拥堵长度上的平均速度，为救护车能行驶的最大速度，为长度归一化系数。
44.非拥堵长度可以根据非拥堵线路图去计算，成比例还原长度。可以根据调取第三方平台，例如百度地图上，在该路线上其他车辆的行驶速度，计算平均速度。
45.越大，即非拥堵长度占比越高，越大，即能行驶的速度越高，在非拥
堵长度占比高、能行驶的速度高和行驶顺畅值高时，路线推荐值越大。
46.s8、根据救护车当前的定位，基于救护车行驶路线，得到预计救护车到院时间。
47.在本实施例中，步骤s8具体得到时间的方法为：根据救护车当前的定位和救护车行驶路线，可以得到行驶路线的长度，根据拥堵段的平均速度，以及非拥堵段的平均速度，计算得到救护车到院时间。
48.本发明实施例的技术方案至少具有如下优点和有益效果：本发明先挑选出可以行驶的路线，结合图像处理，得到各条可行驶路线当前的拥挤程度，参考可行驶路线历史拥挤程度，计算可行驶路线的行驶顺畅值，根据可行驶路线的行驶顺畅值和可行驶路线的长度，计算路线推荐值，将路线推荐值高的可行驶路线推荐给救护车，使其走在最优路线上，根据最优路线计算救护车到院时间，得到最佳时间，本发明解决了现有救护车到院时间预估方法无法为救护车挑选最优路线，使得计算的救护车到院时间不是最佳时间的问题。
49.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于图像处理的救护车到院时间预估方法，其特征在于，包括：获取救护车在回程过程中的当前定位数据；根据当前定位数据，得到救护车的当前行驶路段；根据当前定位数据、救护车的当前行驶路段、以及目的地，找出各条可行驶路线；通过卫星上的合成孔径雷达拍摄地面图像；根据地面图像，得到各条可行驶路线当前的拥挤程度；根据各条可行驶路线历史的拥挤程度和当前的拥挤程度，计算可行驶路线的行驶顺畅值；根据可行驶路线的行驶顺畅值和可行驶路线的长度，计算路线推荐值，将路线推荐值高的可行驶路线推荐给救护车；根据救护车当前的定位，基于救护车行驶路线，得到预计救护车到院时间。2.根据权利要求1所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述根据当前定位数据，得到救护车的当前行驶路段包括：根据当前定位数据找到其临近范围内的行驶路段；计算当前定位数据与临近范围内的行驶路段的距离，找到当前疑似路段；在当前疑似路段为一条时，当前疑似路段为救护车的当前行驶路段；在当前疑似路段为多条时，计算当前时刻临近的历史时刻对应的定位数据与历史临近范围内的行驶路线的距离，找到历史疑似路段；取历史疑似路段与当前疑似路段的交集，得到救护车的当前行驶路段。3.根据权利要求1所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述根据当前定位数据、救护车的当前行驶路段、以及目的地，找出各条可行驶路线包括：根据当前定位数据，找到救护车的当前行驶路段到目的地的所有有效路线；根据救护车的平均速度和有效路线的长度，计算救护车行驶完每一条有效路线所需时间；从所有有效路线中排除所需时间大于时间阈值的有效路线，得到各条可行驶路线。4.根据权利要求1所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述根据地面图像，得到各条可行驶路线当前的拥挤程度包括：对地面图像进行灰度化处理，得到灰度图；对灰度图进行增强处理，得到增强灰度图；对增强灰度图提取轮廓，得到轮廓图；对轮廓图提取车辆轮廓；根据车辆轮廓在轮廓图的每条可行驶路线上不同路段的出现数量，计算每条可行驶路线当前的拥挤程度。5.根据权利要求4所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述增强处理的公式为：增强处理的公式为：增强处理的公式为：
其中，为增强灰度图的r通道值，为增强灰度图的g通道值，为增强灰度图的b通道值，为对数函数，为在灰度图位置的r通道值，为在灰度图位置的g通道值，为在灰度图位置的b通道值，为横坐标，为纵坐标，为增强系数，为自然对数，为卷积操作。6.根据权利要求4所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述提取车辆轮廓采用卷积神经网络；对轮廓图进行中的车辆轮廓进行标注，构建训练集，采用训练集训练卷积神经网络；所述训练卷积神经网络的损失函数为：其中，为损失函数，为卷积神经网输出的车辆轮廓像素点，为目标车辆轮廓的像素点，为并集运算，为交集运算，为目标点的数量，为卷积神经网输出的车辆轮廓上的第个目标点的横坐标，为卷积神经网输出的车辆轮廓上的第个目标点的纵坐标，为目标车辆轮廓上的第个目标点的横坐标，为目标车辆轮廓上的第个目标点的纵坐标，为卷积神经网输出的车辆轮廓上的第个目标点临近区域的第个像素点的横坐标，为卷积神经网输出的车辆轮廓上的第个目标点临近区域的第个像素点的纵坐标，为目标车辆轮廓上的第个目标点临近区域的第个像素点的横坐标，为目标车辆轮廓上的第个目标点临近区域的第个像素点的纵坐标，为临近区域内像素点的数量。7.根据权利要求4所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述根据车辆轮廓在轮廓图的每条可行驶路线上不同路段的出现数量，计算每条可行驶路线当前的拥挤程度包括：将轮廓图上的每条可行驶路线按单位长度划分为多段，得到多段路线图；统计在每段线路图上车辆轮廓的数量；将每段线路图上车辆轮廓的数量与数量阈值进行比较，将高于数量阈值的线路图筛选出来，得到拥堵线路图；根据拥堵线路图，计算每条可行驶路线当前的拥挤程度。8.根据权利要求7所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述计算每条可行驶路线当前的拥挤程度的计算公式为：其中，为每条可行驶路线当前时刻的拥挤程度，为每条可行驶路线上的第张拥堵线路图上车辆轮廓的数量，为一条可行驶路线的拥堵线路图的数量，为每条可行驶路线上的第张拥堵线路图上相邻车辆轮廓间的平均距离值，为非拥堵时相邻车辆轮廓间的平均距离值。9.根据权利要求8所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述
计算可行驶路线的行驶顺畅值的公式为：其中，为可行驶路线的行驶顺畅值，为可行驶路线当前时刻的拥挤程度，为可行驶路线历史时刻的拥挤程度，为统计的预估的救护车在可行驶路线行驶的时间段，时刻用于表征预估的救护车达到可行驶路线的时刻，历史时刻属于历史日期的对应时刻，为拥挤程度归一化系数，为将预估的救护车在可行驶路线行驶的时刻对应的所有历史时刻的拥挤程度相加。10.根据权利要求1所述的基于图像处理的救护车到院时间预估方法，其特征在于，所述计算路线推荐值的公式为：其中，为第条可行驶路线的路线推荐值，为第条可行驶路线的行驶顺畅值，为第条可行驶路线的非拥堵长度，为第条可行驶路线的全程长度，为第条可行驶路线的非拥堵长度上的平均速度，为救护车能行驶的最大速度，为长度归一化系数。

技术总结
本发明提供了一种基于图像处理的救护车到院时间预估方法，本发明先挑选出可以行驶的路线，结合图像处理，得到各条可行驶路线当前的拥挤程度，参考可行驶路线历史拥挤程度，计算可行驶路线的行驶顺畅值，根据可行驶路线的行驶顺畅值和可行驶路线的长度，计算路线推荐值，将路线推荐值高的可行驶路线推荐给救护车，使其走在最优路线上，根据最优路线计算救护车到院时间，得到最佳时间，本发明解决了现有救护车到院时间预估方法无法为救护车挑选最优路线，使得计算的救护车到院时间不是最佳时间的问题。时间的问题。时间的问题。


技术研发人员：王浩旭 熊皓宇
受保护的技术使用者：四川互慧软件有限公司
技术研发日：2023.04.04
技术公布日：2023/5/23