CN103500503B - 一种基于众包模式的精准路况分析方法及系统 - Google Patents

Abstract

本发明公开了一种基于众包模式的精准路况分析方法及系统，其特征在于包括步骤：步骤一，终端向服务端传送GPS位置信息、照片、车辆数据信息；步骤二，服务端基于终端的回传数据，综合判断当前车辆是否属于异常状况，若确定为异常，对当前车辆周边位置范围内的终端发起召唤；步骤三，周边车辆的终端设备接收到召唤后，向服务端回传GPS轨迹信息，对照片、车辆数据进行收集并回传至服务端；步骤四，服务端通过收集到的数据判断事故的大小以及影响范围；步骤五，服务端将事故信息转化为路况信息下发到终端，并通知事故发生范围周边车辆事故及处理进度。本发明能利用终端和服务端联合判断的方式，优化了路况判断的复杂性和单方面判定的高性能要求，结合图片和车辆信息的综合的判断提高路况的精准型，时效性；具有成本低、精度高、实时性强、可扩展性强、应用场景广等特点，具有极大的应用前景。

Description

一种基于众包模式的精准路况分析方法及系统

技术领域

本发明涉及智能交通领域，特别涉及一种基于众包模式的精准路况分析方法及系统。

背景技术

近年来随着车辆数目的增加，城市交通拥堵、交通事故等问题越发严重，现在驾车出行不单关心正确的道路，更关心拥堵和事故等路况情况，关注路况，就是在关注出行的时间和安全。而智能交通系统的提出，就是为了有效地解决上述问题。如何获取有效的路况并能共享给身边的人，成为目前大家关注的话题和方向，在众多领域采用众多不同的方式在探索这个问题，如路况微博平台的应用，广播的短信和电话报路况平台，最基础、最关键的问题是如何找到道路交通的实时动态数据，并快速的共享给其他用户。

较为成熟的实时交通数据采集方法有两种：

第一种为基于传感器的实时交通数据采集方法，包含主动监测方法和被动探测方法，传感器包含压电传感器、地埋式线圈检测器、微波雷达、超声波，摄像头等，能够采集和计算出的路况信息包含车速、车流量、车道占用率、车辆类别信息等，虽然各种传感器的原理和适用场合不同，但大都存在对安装场所和环境的依赖，且面临初期投资巨大、维护成本高、覆盖率小、数据精度较低、实时性较差等问题，有较大的局限性；

第二种为基于浮动车的实时交通数据采集方法，浮动车即为安装了GPS和无线通信模块的出租车和公交车，当浮动车在路面上行驶时，周期性采集自身的GPS数据并发送至服务器端，由服务器通过地图匹配技术估计出浮动车的驾驶路线，进而得到浮动车辆的行程时间、行程速度以及所通过道路的平均速度。相对于第一种方法，该方法虽然在成本和覆盖率上都有所改善，且设备易于维护，不会受到天气、行人等其他无关因素的干扰，但仍需要较大的一次性投资，数据精度也受地图匹配技术的限制。考虑到通信成本，浮动车辆GPS数据的采集频率往往都较低，通常在15min或1-5min不定左右，而服务器端由于缺乏交通上下文信息，也仅能利用GPS数据对无效数据进行甄别和过滤，这就给数据预处理和地图匹配带来了很大的难度，在加大服务器负担的同时降低了数据的实时性。

因此，急需一种全新的交通路况采集并进行精准路况分析的系统。

发明内容

鉴于现有技术中存在的问题，本发明提供了一种基于众包模式的精准路况分析方法，其特征在于包括步骤：

步骤一，终端向服务端传送GPS位置信息、照片、车辆数据信息；

步骤二，服务端基于终端的回传数据，综合判断当前车辆是否属于异常状况，若确定为异常，对当前车辆周边位置范围内的终端发起召唤，若当前车辆周边无其它车辆，则直接进行到步骤四；

步骤三，周边车辆的终端设备接收到召唤后，向服务端回传GPS轨迹信息，对照片、车辆数据进行收集并回传至服务端；

步骤四，服务端通过收集到的数据判断事故的大小以及影响范围；

步骤五，服务端将事故信息转化为路况信息下发到终端，并通知事故发生范围周边车辆事故及处理进度。

优选的，所述步骤一具体包括：

S1、终端按时向服务端回传GPS位置信息，服务端收到GPS位置信息后，综合地图对终端当前位置进行标记；

S2、终端根据GPS数据获取车辆行驶速度信息，将车辆行驶速度信息与一预估值进行比较，并检测车辆报警；

S3、终端对照片、车辆数据信息进行收集并回传至服务端。

优选的，所述方法还包括：

步骤六，服务端定时发起召唤回传信息，判断事故处理进度和道路当前拥堵状况，事件结束解除判定。

优选的，服务端在如下条件下判定路况异常：

1）回传轨迹与实际路况严重不符；

2）综合图片判定车辆处于停靠状态；

3）OBD等传感器出现异常情况。

优选的，服务端通过如下条件判定事故大小：

1）事故发生地所在道路等级和车道数；

2）当前车流状态；

3）事故波及范围，影响的距离。

优选的，服务端通过以下方式获取到相关信息：

1）通过车辆GPS位置信息和地图数据的匹配得知车道数；

2）通过图片或高精度定位信息，精确确认车辆所在车道位置；

3）根据回传图片确认真实影响范围。

根据本发明的另一方面，提供了一种基于众包模式的精准路况分析系统，其特征在于包括：

服务端，用于接收车载终端回传的GPS位置信息，并综合地图对终端当前位置进行标记；接收车载终端回传的照片、车辆数据信息，进行综合判断是否属于异常状况，若确定为异常，对该位置范围内的终端发起召唤；接收周边车辆终端设备收到召唤后回传的GPS轨迹信息，以及收集的照片、车辆数据，通过收集到的数据判断事故的大小以及影响范围；将事故信息转化为路况信息下发到终端，并通知事故发生范围周边车辆事故及处理进度；

车载终端，其包括：

GPS定位器，用于获取车辆GPS位置信息，并向服务端进行回传；

OBD或传感器，用于获取车辆异常信息并向服务端进行回传；

摄像头，用于拍摄路况照片并向服务端进行回传。

优选的，服务端还可定时发起召唤回传信息，判断事故处理进度和道路当前拥堵状况，事件结束解除判定。

优选的，所述车载终端还包括麦克风，用于收集车内声音数据和与互联用户交互信息。

优选的，服务端在如下条件下判定路况异常：

1）回传轨迹与实际路况严重不符；

2）综合图片判定车辆处于停靠状态；

3）OBD等传感器出现异常情况。

优选的，服务端通过如下条件判定事故大小：

1）事故发生地所在道路等级和车道数；

2）当前车流状态；

3）事故波及范围，影响的距离。

优选的，服务端通过以下方式获取到相关信息：

1）通过车辆GPS位置信息和地图数据的匹配得知车道数；

2）通过图片或高精度定位信息，精确确认车辆所在车道位置；

3）根据回传图片确认真实影响范围。

本发明能利用终端和服务端联合判断的方式，优化了路况判断的复杂性、和单方面判定的高性能要求，结合图片和车辆信息的综合的判断提高路况的精准型，时效性；具有成本低、精度高、实时性强、可扩展性强、应用场景广等特点，具有极大的应用前景。

附图说明

图1例示了本发明实施例基于众包模式的精准路况分析方法的示意性流程；

图2例示了本发明实施例终端向服务端回传车辆异常数据的过程示意图；

图3例示了本发明实施例基于众包模式的精准路况分析系统的示意性结构图。

具体实施方式

为使本发明的上述目的、特征和优点更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

区别于交通数据采集系统，本发明关注的一种基于众包模式的精准的路况拥堵、事件分析方法和系统。

所谓“众包”，指的是一个公司或机构把过去由员工执行的工作任务，以自由自愿的形式外包给非特定的（而且通常是大型的）大众网络的做法。企业原本需要花钱雇人去做的事，用户们却很高兴免费去做，这不是外包，这叫“众包”。

此外，下文中还会提到术语“OBD”，其是英文On-Board Diagnostics的缩写，中文翻译为“车载自动诊断系统”。这个系统将从发动机的运行状况随时监控汽车是否尾气超标，一旦超标，会马上发出警示。当系统出现故障时，故障(MIL)灯或检查发动机(Check Engine)警告灯亮，同时动力总成控制模块(PCM)将故障信息存入存储器，通过一定的程序可以将故障码从PCM中读出。根据故障码的提示，维修人员能迅速准确地确定故障的性质和部位。

图1例示了本发明实施例基于众包模式的精准路况分析方法的示意性流程。

如图1所示，本发明利用配有特定导航终端的车载用户群在车辆行驶中的轨迹和车辆行为进行综合判断路况情况。所述方法包括步骤：

S1、终端按时向服务端回传GPS位置信息，服务端收到GPS位置信息后，综合地图对终端当前位置进行标记；

S2、终端根据GPS数据获取车辆行驶速度信息，将车辆行驶速度信息与预估值进行比较，并检测车辆报警；

终端判断方式为下面两种：

1、终端根据用户设置的起点和终点、路况进行综合计算，得出预期的路段的行驶速度，称为预估值。终端将当前行驶速度与预估值进行比较，如果比畅通时多耗时0.2至0.5倍，则判断为异常。

2、终端启动后按照图2流程所示，进行OBD初始化，信息获取获得OBD信息，截获到车辆异常数据判断为异常。

S3、终端对照片、车辆数据信息进行收集并回传至服务端；

其中，优选的，对于配有行车记录仪的车辆，终端首选获取行车记录仪数据，包括图片、视频资源，刹车、超时驾驶（疲劳驾驶）、超速记录及车辆相关信息。

终端例如可通过获取车辆OBD、传感器数据来获取异常数据。可参考图2，清楚了解本发明终端向服务端回传车辆异常数据的过程。

S4、服务端接收到回传的数据，进行综合判断是否属于异常状况，若确定为异常，对该位置范围内的终端发起召唤；

优选的，服务端可以在如下条件下判定路况异常：

1）回传轨迹与实际路况严重不符；

如差距在时速20KM/h以上，可以多车同时判定。

2）综合图片判定车辆处于停靠状态；

例如通过判断当前车道前方车辆与其他车道车辆距离不同，判定车辆处于停靠状态；

3）OBD等传感器出现异常情况，如急刹车。

S5、周边车辆的终端设备接收到召唤后，向服务端回传GPS轨迹信息，对照片、车辆数据进行收集并回传至服务端；

S6、服务端通过收集到的数据判断事故的大小以及影响范围；

优选的，事故大小判定例如可通过如下条件判定：

1）事故发生地所在道路等级和车道数；

如，在高速公路共4条车道的情况下，发生事故只影响最外侧车道，则此事故大小为低；如果在最内侧车道，事故大小可能为高。

2）当前车流状态；

例如，当前车流状态处于缓慢行驶状态，则认为事故大小为高等级事故。

3）事故波及范围，影响的距离。

通过这些数据可判定车辆回传数据是否发生了速度降低。

优选的，可通过以下方式获取到相关信息：

1）通过车辆GPS位置信息和地图数据的匹配得知车道数；

2）通过图片或高精度定位信息，可以精确确认车辆所在车道位置；

3）根据回传图片还可以确认真实影响范围。

S7、服务端将事故信息转化为路况信息下发到终端，并通知事故发生范围周边车辆事故及处理进度；

S8、服务端定时发起召唤回传信息，判断事故处理进度和道路当前拥堵状况，事件结束解除判定。

其中，步骤S8属于可选步骤。

此外，图3例示了本发明实施例基于众包模式的精准路况分析系统的示意性结构图。如图3所示，所述系统包括：

服务端，用于接收车载终端回传的GPS位置信息，并综合地图对终端当前位置进行标记；接收车载终端回传的照片、车辆数据信息，进行综合判断是否属于异常状况，若确定为异常，对该位置范围内的终端发起召唤；接收周边车辆终端设备收到召唤后回传的GPS轨迹信息，以及收集的照片、车辆数据，通过收集到的数据判断事故的大小以及影响范围；将事故信息转化为路况信息下发到终端，并通知事故发生范围周边车辆事故及处理进度；定时发起召唤回传信息，判断事故处理进度和道路当前拥堵状况，事件结束解除判定；

车载终端，其包括：

GPS定位器，用于用于获取车辆GPS位置信息，并向服务端进行回传；

OBD或传感器，用于获取车辆异常信息并向服务端进行回传；

摄像头，用于拍摄路况照片并向服务端进行回传；

此外，车载终端例如还可包括麦克风，用于收集车内声音数据和与互联用户交互信息。

本领域技术人员应该清楚，本发明中所述系统和方法均属于同一发明思想，利用系统执行所述方法，因而在介绍方法实施例中所提及到的所有特征及优选方式均可应用于所述系统，对于相同特征，没有必要在说明书每个实施例中进行重复赘述，但这并不表示所述特征不可通用。

以上是对本发明的优选实施例进行的详细描述，但本领域的普通技术人员应该意识到，在本发明的范围内和精神指导下，各种改进、添加和替换都是可能的，例如使用可实现同种功能目的的算法、使用不同的编程语言（如C、C++、Java等）实现等。这些都在本发明的权利要求所限定的保护范围内。

Claims (11)

1.一种基于众包模式的精准路况分析方法，其特征在于包括步骤：

步骤一，终端向服务端传送GPS位置信息、照片、车辆数据信息，具体包括S1、终端按时向服务端回传GPS位置信息，服务端收到GPS位置信息后，综合地图对终端当前位置进行标记；S2、终端根据GPS数据获取车辆行驶速度信息，将车辆行驶速度信息与一预估值进行比较，并检测车辆报警；S3、终端对照片、车辆数据信息进行收集并回传至服务端；

步骤二，服务端基于终端的回传数据，综合判断当前车辆是否属于异常状况，若确定为异常，对当前车辆周边位置范围内的终端发起召唤，若当前车辆周边无其它车辆，则直接到步骤四；

步骤三，周边车辆的终端设备接收到召唤后，向服务端回传行车记录仪数据或者GPS轨迹信息，对照片、车辆数据进行收集并回传至服务端；

步骤四，服务端通过收集到的数据判断事故的大小以及影响范围；

步骤五，服务端将事故信息转化为路况信息下发到终端，并通知事故发生范围周边车辆事故及处理进度。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

步骤六，服务端定时发起召唤回传信息，判断事故处理进度和道路当前拥堵状况，事件结束解除判定。

3.如权利要求1或2所述的方法，其特征在于，服务端在如下条件下判定路况异常：

1)回传轨迹与实际路况严重不符；

2)综合图片判定车辆处于停靠状态；

3)OBD传感器出现异常情况。

4.如权利要求1或2所述的方法，其特征在于，服务端通过如下条件判定事故大小：

1)事故发生地所在道路等级和车道数；

2)当前车流状态；

3)事故波及范围，影响的距离。

5.如权利要求4所述的方法，其特征在于，服务端通过以下方式获取到相关信息：

1)通过车辆GPS位置信息和地图数据的匹配得知车道数；

2)通过图片或高精度定位信息，精确确认车辆所在车道位置；

3)根据回传图片确认真实影响范围。

6.一种基于众包模式的精准路况分析系统，其特征在于包括：

服务端，用于接收车载终端回传的GPS位置信息，并综合地图对终端当前位置进行标记；接收车载终端回传的照片、车辆数据信息，进行综合判断是否属于异常状况，若确定为异常，对该位置范围内的终端发起召唤；接收周边车辆终端设备收到召唤后回传的行车记录仪数据或者GPS轨迹信息，以及收集的照片、车辆数据，通过收集到的数据判断事故的大小以及影响范围；将事故信息转化为路况信息下发到终端，并通知事故发生范围周边车辆事故及处理进度；

车载终端，其包括：

GPS定位器，用于获取车辆GPS位置信息，并向服务端进行回传；

OBD或传感器，用于获取车辆异常信息并向服务端进行回传；

摄像头，用于拍摄路况照片并向服务端进行回传。

7.如权利要求6所述的系统，其特征在于，服务端还可定时发起召唤回传信息，判断事故处理进度和道路当前拥堵状况，事件结束解除判定。

8.如权利要求6或7所述的系统，其特征在于，所述车载终端还包括麦克风，用于收集车内声音数据和与互联用户交互信息。

9.如权利要求6或7所述的系统，其特征在于，服务端在如下条件下判定路况异常：

1)回传轨迹与实际路况严重不符；

2)综合图片判定车辆处于停靠状态；

3)OBD传感器出现异常情况。

10.如权利要求6或7所述的系统，其特征在于，服务端通过如下条件判定事故大小：

1)事故发生地所在道路等级和车道数；

2)当前车流状态；

3)事故波及范围，影响的距离。

11.如权利要求6或7所述的系统，其特征在于，服务端通过以下方式获取到相关信息：

1)通过车辆GPS位置信息和地图数据的匹配得知车道数；

2)通过图片或高精度定位信息，精确确认车辆所在车道位置；

3)根据回传图片确认真实影响范围。