CN105427606B - 路面状况信息采集及发布方法 - Google Patents

Abstract

本发明路面状况信息采集及发布方法，实时采集在监控路段行驶的所有车辆的行驶速度、行驶方向、加速度传感器数据和位置数据并传到云平台；云平台对采集到的实时数据按车辆所在路段与历史同期数据进行比对，自动识别出异常数据；对异常数据进行模式匹配和聚类分析；当判断为发生了异常情况时，向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息。本发明的有益技术效果是充分利用大数据分析，通过路段车辆的行驶速度、行驶方向和加速度的变化，对路况情况进行判断，并向经过该路段位置的车辆和管理部门发布路况发生异常情况的信息，使得经过该路段的车辆及时避让或改道行驶，使得管理部门能够及时发现路况异常并及时处理。

Description

路面状况信息采集及发布方法

技术领域

本发明涉及到路面状况信息采集及发布技术，特别涉及到一种路面状况信息采集及发布方法。

背景技术

目前，路面状况信息无法及时获取，车辆通过不熟悉路段时对路面状况不了解，当发现前方路面坑洼、井盖不平或大范围积水时，往往需要急刹，易造成安全事故。机动车驾驶员对路面状况信息不了解，也无法获知以往车辆通过该路段的历史经验。负责管理和维护路面基础设施的单位和个人也不能及时、全面地了解相关信息。现有技术路面状况信息采集主要依赖途径的驾驶员报告，或者道路维修人员现场勘查；而信息发布则是由交通管理部门在坑洼处或积水处设置警示牌。显然，现有技术路面状况信息采集及发布方法存在着不能实时发现、也不能及时发布给驾驶员和道路养护人员等问题。

发明内容

为解决现有技术路面状况信息采集及发布方法存在的不能实时发现、也不能及时发布给驾驶员和道路养护人员等问题，本发明提出一种路面状况信息采集及发布方法。

本发明路面状况信息采集及发布方法，实时采集在监控路段行驶的所有车辆的行驶速度、行驶方向、加速度传感器数据和位置数据并传到云平台；云平台对采集到的实时数据按车辆所在路段与历史同期数据进行比对，自动识别出异常数据；对异常数据进行模式匹配和聚类分析；当判断为发生了异常情况时，向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息。

进一步的，所述异常数据是指发生了突变的车辆行驶速度、行驶方向和加速度传感器数据。

进一步的，所述模式匹配是指根据匹配规则对异常数据进行比对，判断对应那种异常情况的异常数据满足匹配条件；所述异常情况包括道路坑洼、井盖不平、大范围积水、路面结冰、道路施工、交通事故、违章搭建和占道经营。

进一步的，所述匹配规则采用数学模型结合现场试验对加速度传感器三轴数值的变化量、车辆行驶轨迹变化、速度及加速度变化量进行分析比对并采用启发式算法得到；并且，采用历史数据通过机器学习对匹配规则进行持续演进。

进一步的，所述聚类分析是指对满足匹配条件的异常数据在时间上进行聚类分析；如果在设定时间范围内某种异常数据在某空间位置呈现出球状聚簇，则判断该空间位置发生了异常情况。

进一步的，本发明路面状况信息采集及发布方法，包括以下步骤：

S01、采集数据，实时采集在监控路段行驶的所有车辆的行驶速度、行驶方向、加速度传感器数据和位置数据并传到云平台；

S02、数据识别，云平台对采集到的实时数据按车辆所在路段与历史同期数据进行比对，自动识别出异常数据；所述异常数据是指发生了突变的车辆行驶速度、行驶方向和加速度传感器数据；

S03、是否有异常数据；是则，顺序执行步骤S04，否则，返回执行步骤S01；

S04、数据匹配，对异常数据进行模式匹配，根据匹配规则对异常数据进行比对，判断对应那种异常情况的异常数据满足匹配条件，即是否匹配；所述异常情况包括道路坑洼、井盖不平、大范围积水、路面结冰、道路施工、交通事故、违章搭建和占道经营；所述匹配规则采用数学模型结合现场试验对加速度传感器三轴数值的变化量、车辆行驶轨迹变化、速度及加速度变化量进行分析比对并采用启发式算法得到；并且，采用历史数据通过机器学习对匹配规则进行持续演进；

S05、异常数据是否满足匹配条件，即是否匹配；是则，顺序执行步骤S06，否则，返回执行步骤S01；

S06、聚类分析，对满足匹配条件的异常数据在时间上进行聚类分析；即判断在设定时间范围内某种异常数据在某空间位置是否呈现出球状聚簇；

S07、是否呈现出球状聚簇；是则，判断该空间位置发生了异常情况，顺序执行步骤S08，否则，则判断该空间位置没有发生异常情况，返回执行步骤S01；

S08、向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息；返回执行步骤S01，直至接收到终止指令。

本发明路面状况信息采集及发布方法的有益技术效果是充分利用大数据分析，通过路段车辆的行驶速度、行驶方向和加速度的变化，对路况情况进行判断，并向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息，使得经过该路段的车辆及时避让或改道行驶，使得该路段的管理部门能够及时发现路况异常并及时处理。

附图说明

附图1为本发明路面状况信息采集及发布方法的步骤示意图。

下面结合附图和具体实施例对本发明路面状况信息采集及发布方法作进一步的说明。

具体实施方式

图1为本发明路面状况信息采集及发布方法的步骤示意图，由图可知，本发明路面状况信息采集及发布方法，实时采集在监控路段行驶的所有车辆的行驶速度、行驶方向、加速度传感器数据和位置数据并传到云平台；云平台对采集到的实时数据按车辆所在路段与历史同期数据进行比对，自动识别出异常数据；对异常数据进行模式匹配和聚类分析；当判断为发生了异常情况时，向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息。其中，

所述异常数据是指发生了突变的车辆行驶速度、行驶方向和加速度传感器数据。

所述模式匹配是指根据匹配规则对异常数据进行比对，判断对应那种异常情况的异常数据满足匹配条件；所述异常情况包括道路坑洼、井盖不平、大范围积水、路面结冰、道路施工、交通事故、违章搭建和占道经营。

所述聚类分析是指对满足匹配条件的异常数据在时间上进行聚类分析；如果在设定时间范围内某种异常数据在某空间位置呈现出球状聚簇，则判断该空间位置发生了异常情况。

所述匹配规则采用数学模型结合现场试验对加速度传感器三轴数值的变化量、车辆行驶轨迹变化、速度及加速度变化量进行分析比对并采用启发式算法得到；并且，采用历史数据通过机器学习对匹配规则进行持续演进。例如，车辆经过凹凸不平的路面时，车辆与障碍物会发生碰撞，根据加速传感器三轴数值的变化量，可以得到碰撞发生的角度。根据碰撞理论，可以粗略估算出路面障碍物的类型和大小。再如，根据驾车环境下人的生理和心理反应过程，根据相关性确定特征参数，建立数学模型；在驾车环境下，人对出现在视野范围内的物体的生理和心理反应是有一定规律的。对不利于车辆行驶的障碍物会采取忽略、避让、减速、刹车等行为。这些行为可以从车辆轨迹、速度变化等数据分析得到。根据这些行为，通过关联系统可以获取到其他信息，比如天气情况、政务通知、网友爆料等，得出比较合理的判断结果。另外，还可让计算机自己分析识别，筛选出最能反应这种异常情况的参数表现形式，从而建立一个初始模型。在使用过程中，机器通过预判、对比验证的方式对参数进行优化和调整，迭代演进，逐步提高识别异常信息的精准度。

本发明路面状况信息采集及发布方法，包括以下步骤：

S01、采集数据，实时采集在监控路段行驶的所有车辆的行驶速度、行驶方向、加速度传感器数据和位置数据并传到云平台；

S02、数据识别，云平台对采集到的实时数据按车辆所在路段与历史同期数据进行比对，自动识别出异常数据；所述异常数据是指发生了突变的车辆行驶速度、行驶方向和加速度传感器数据；

S03、是否有异常数据；是则，顺序执行步骤S04，否则，返回执行步骤S01；

S04、数据匹配，对异常数据进行模式匹配，根据匹配规则对异常数据进行比对，判断对应那种异常情况的异常数据满足匹配条件，即是否匹配；所述异常情况包括道路坑洼、井盖不平、大范围积水、路面结冰、道路施工、交通事故、违章搭建和占道经营；所述匹配规则采用数学模型结合现场试验对加速度传感器三轴数值的变化量、车辆行驶轨迹变化、速度及加速度变化量进行分析比对并采用启发式算法得到；并且，采用历史数据通过机器学习对匹配规则进行持续演进；

S05、异常数据是否满足匹配条件，即是否匹配；是则，顺序执行步骤S06，否则，返回执行步骤S01；

S06、聚类分析，对满足匹配条件的异常数据在时间上进行聚类分析；即判断在设定时间范围内某种异常数据在某空间位置是否呈现出球状聚簇；

S07、是否呈现出球状聚簇；是则，判断该空间位置发生了异常情况，顺序执行步骤S08，否则，则判断该空间位置没有发生异常情况，返回执行步骤S01；

S08、向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息；返回执行步骤S01，直至接收到终止指令。

显然，本发明路面状况信息采集及发布方法的有益技术效果是充分利用大数据分析，通过路段车辆的行驶速度、行驶方向和加速度的变化，对路况情况进行判断，并向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息，使得经过该路段的车辆及时避让或改道行驶，使得该路段的管理部门能够及时发现路况异常并及时处理。

Claims (1)

1.一种路面状况信息采集及发布方法，其特征在于，实时采集在监控路段行驶的所有车辆的行驶速度、行驶方向、加速度传感器数据和位置数据并传到云平台；云平台对采集到的实时数据按车辆所在路段与历史同期数据进行比对，自动识别出异常数据；对异常数据进行模式匹配和聚类分析；当判断为发生了异常情况时，向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息；包括以下步骤：

S01、采集数据，实时采集在监控路段行驶的所有车辆的行驶速度、行驶方向、加速度传感器数据和位置数据并传到云平台；

S02、数据识别，云平台对采集到的实时数据按车辆所在路段与历史同期数据进行比对，自动识别出异常数据；所述异常数据是指发生了突变的车辆行驶速度、行驶方向和加速度传感器数据；

S03、是否有异常数据；是则，顺序执行步骤S04，否则，返回执行步骤S01；

S04、数据匹配，对异常数据进行模式匹配，根据匹配规则对异常数据进行比对，判断对应那种异常情况的异常数据满足匹配条件，即是否匹配；所述异常情况包括道路坑洼、井盖不平、大范围积水、路面结冰、道路施工、交通事故、违章搭建和占道经营；所述匹配规则采用数学模型结合现场试验对加速度传感器三轴数值的变化量、车辆行驶轨迹变化、速度及加速度变化量进行分析比对并采用启发式算法得到；并且，采用历史数据通过机器学习对匹配规则进行持续演进；

S05、异常数据是否满足匹配条件，即是否匹配；是则，顺序执行步骤S06，否则，返回执行步骤S01；

S06、聚类分析，对满足匹配条件的异常数据在时间上进行聚类分析；即判断在设定时间范围内某种异常数据在某空间位置是否呈现出球状聚簇；

S07、是否呈现出球状聚簇；是则，判断该空间位置发生了异常情况，顺序执行步骤S08，否则，则判断该空间位置没有发生异常情况，返回执行步骤S01；

S08、向经过该路段位置的车辆和该路段的管理部门发布路况发生异常情况的信息；返回执行步骤S01，直至接收到终止指令。