CN109767597B - 一种车辆事故预警方法及系统 - Google Patents

Abstract

本发明公开了一种车辆事故预警方法及系统，其中，方法包括：获取预设时间段内关于司机、运行车辆、行驶环境三者中至少一者的当前目标特征信息；获取数据库中每个历史事故在发生事故前预设时间段内的历史目标特征信息；分别计算当前目标特征信息与每个历史事故的历史目标特征信息的相似度，并确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目；计算疑似危险判定数目相对于历史事故总数目的疑似危险占比值；当疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆。本发明通过比较当前目标特征信息、历史目标特征信息的相似度，得到当前车辆出现安全事故的几率，并自动对车辆的行驶进行监控和预警，降低事故发生几率。

Description

一种车辆事故预警方法及系统

技术领域

本发明涉及车辆行驶技术领域，尤其涉及一种车辆事故预警方法及系统。

背景技术

随着时代的进步，足不出户的网购已经成为了人们购买各式各样物品的一种重要渠道，而要把这么大量的物品准时准点地送到人们的手里，势必是要通过高强度的交通运输的，这样高强度的货物运送虽然为人们的便利助力许多，但势必会加大司机的工作强度，长时间的驾驶则会导致司机疏忽或精力不集中，进而导致车辆事故也层出不穷，严重危害到了交通安全。目前，为了降低车辆事故出现的概率，很多物流行业的公司都是在运输车辆上安装摄像头，通过摄像头来认为监控司机的驾驶情况，当发现司机危险驾驶时，对司机进行预警，但是，此种预警方式严格依赖于人为判断，其准确率地下，并且不仅还需要耗费大量人力，还极易出现遗漏的情况，不能保证及时监控到车辆的异常行驶行为。

发明内容

本发明提供了一种车辆事故预警方法及系统，以解决现有物流运输过程中，人为监控车辆的行驶行为是否违规的方式准确率低，且需要耗费大量人力，还极易遗漏的问题。

为了解决上述问题，本发明提供了一种车辆事故预警方法，其包括：

获取预设时间段内关于司机、运行车辆、行驶环境三者中至少一者的当前目标特征信息；

获取数据库中每个历史事故在发生事故前预设时间段内的与当前目标特征信息相同维度的历史目标特征信息；

分别计算当前目标特征信息与每个历史事故的历史目标特征信息的相似度，并确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目；

计算疑似危险判定数目相对于历史事故总数目的疑似危险占比值；

当疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆。

作为本发明的进一步改进，分别计算当前目标特征信息与每个历史事故的历史目标特征信息的相似度的步骤，包括：

将当前目标特征信息进行归一化处理，得到向量A；

将每个历史事故的历史目标特征信息进行归一化处理，得到多个向量B；

根据向量A和多个向量B计算相似度S，得到多个相似度值，

作为本发明的进一步改进，确定当前车辆为需要关注的车辆的步骤之后，还包括：

确定疑似危险占比值所属的危险级别，危险级别根据对当前所有需要关注车辆的疑似危险占比值按照高低排序，划分为第一预设级别、第二预设级别和第三预设级别；

当疑似危险占比值属于第一预设级别时，标记当前车辆为危险车辆，并发送强制休息指令至当前车辆的提醒系统以强制司机休息；

当疑似危险占比值属于第二预设级别时，标记当前车辆为特别注意车辆，并发送建议休息指令至当前车辆的提醒系统以建议司机休息；

当疑似危险占比值属于第三预设级别时，标记当前车辆为关注车辆，并发送谨慎驾驶提醒信息至当前车辆的提醒系统以提醒司机谨慎驾驶。

作为本发明的进一步改进，司机的当前目标特征信息包括司机的年龄、入职时长、平均每日工作时长、行驶中频繁闭眼次数、行驶中打呵欠次数；

运行车辆的当前目标特征信息包括车辆的历史维修次数、使用年限、车辆急减速次数、急变道次数、急转弯次数；

行驶环境的当前目标特征信息包括温度、湿度、天气。

为了解决上述问题，本发明还提供了一种车辆事故预警系统，其包括：

当前特征获取模块，用于获取预设时间段内关于司机、运行车辆、行驶环境三者中至少一者的当前目标特征信息；

历史特征获取模块，用于获取数据库中每个历史事故在发生事故前预设时间段内的与当前目标特征信息相同维度的历史目标特征信息；

相似度计算模块，用于分别计算当前目标特征信息与每个历史事故的历史目标特征信息的相似度，并确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目；

占比值计算模块，用于计算疑似危险判定数目相对于历史事故总数目的疑似危险占比值；

车辆确定模块，用于当疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆。

作为本发明的进一步改进，相似度计算模块包括：

当前特征处理单元，用于将当前目标特征信息进行归一化处理，得到向量A；

历史特征处理单元，用于将每个历史事故的历史目标特征信息进行归一化处理，得到多个向量B；

相似度计算单元，用于根据向量A和多个向量B计算相似度S，得到多个相似度值，

数目确定单元，用于确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目。

作为本发明的进一步改进，其还包括：

级别确定模块，用于确定疑似危险占比值所属的危险级别，危险级别根据对当前所有需要关注车辆的疑似危险占比值按照高低排序，划分为第一预设级别、第二预设级别和第三预设级别；

第一提醒模块，用于当疑似危险占比值属于第一预设级别时，标记当前车辆为危险车辆，并发送强制休息指令至当前车辆的提醒系统以强制司机休息；

第二提醒模块，用于当疑似危险占比值属于第二预设级别时，标记当前车辆为特别注意车辆，并发送建议休息指令至当前车辆的提醒系统以建议司机休息；

第三提醒模块，用于当疑似危险占比值属于第三预设级别时，标记当前车辆为关注车辆，并发送谨慎驾驶提醒信息至当前车辆的提醒系统以提醒司机谨慎驾驶。

作为本发明的进一步改进，司机的当前目标特征信息包括司机的年龄、入职时长、平均每日工作时长、行驶中频繁闭眼次数、行驶中打呵欠次数；

运行车辆的当前目标特征信息包括车辆的历史维修次数、使用年限、车辆急减速次数、急变道次数、急转弯次数；

行驶环境的当前目标特征信息包括温度、湿度、天气。

相比于现有技术，本发明通过根据司机、车辆和行驶环境三者中至少一者的当前目标特征信息和历史事故发生前预设时间段内的历史目标特征信息进行相似度计算，从而确认相似度值大于预设相似度阈值的个数，得到疑似危险判定数目，在根据疑似危险判定数目和历史事故总数目计算疑似危险占比值，当疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆，其以所有的历史事故的数据作为判断基础，从而对车辆的当前行驶行为作出了合理的分析评估，得到的结果更为准确，并且，其自动完成对车辆的行驶行为进行判定，不需要人为判断，从而节省了人力消耗，同时也避免了人为监控中存在遗漏的问题。

附图说明

图1为本发明车辆事故预警方法第一个实施例的流程图；

图2为本发明车辆事故预警方法第二个实施例的流程图；

图3为本发明车辆事故预警方法第三个实施例的流程图；

图4为本发明车辆事故预警系统第一个实施例的功能模块示意图；

图5为本发明车辆事故预警系统第二个实施例的功能模块示意图；

图6为本发明车辆事故预警系统第三个实施例的功能模块示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用来限定本发明。

图1展示了本发明车辆事故预警方法的一个实施例。在本实施例中，如图1所示，该车辆事故预警方法包括：

步骤S1，获取预设时间段内关于司机、运行车辆、行驶环境三者中至少一者的当前目标特征信息。

需要说明的是，司机的当前目标特征信息包括司机的年龄、入职时长、平均每日工作时长、行驶中频繁闭眼次数、行驶中打呵欠次数，其中行驶中频繁闭眼次数和行驶中打哈欠次数；运行车辆的当前目标特征信息包括车辆的历史维修次数、使用年限、车辆急减速次数、急变道次数、急转弯次数；行驶环境的当前目标特征信息包括温度、湿度、天气，如雾霾等。司机的年龄、入职时长、平均每日工作时长、车辆的历史维修次数、使用年限可通过数据库中的记录获取，行驶中频繁闭眼次数、行驶中打呵欠次数可通过驾驶室内预先设置摄像头获取，车辆急减速次数、急变道次数、急转弯次数可通过预先设置于车辆上的陀螺仪获取，温度、湿度、天气数据可通过天气预报系统获取。该预设时间段预先设定，例如1分钟、3分钟、5分钟等。

具体地，在一些实施例中，可以只获取司机、运行车辆、行驶环境三者中至少一者的当前目标特征信息，例如：司机的当前目标特征信息或运行车辆的当前目标特征信息或行驶环境的当前目标特征信息；在另一实施例中，也可以是获取该三者中的两者，例如：司机和运行车辆的当前目标特征信息或司机和行驶环境的当前目标特征信息或运行车辆和行驶环境的当前目标特征信息；在一些实施例中，可以是获取司机、运行车辆、行驶环境三者的当前目标特征信息。

步骤S2，获取数据库中每个历史事故在发生事故前预设时间段内的与当前目标特征信息相同维度的历史目标特征信息。

需要说明的是，数据库中存储有每个历史事故发生前预设时间段内的历史目标特征信息，该历史目标特征信息同样包括司机、运行车辆、行驶环境三者中至少一者的目标特征信息，且与当前目标特征信息的维度相一致。例如，以历史目标特征信息包括司机的年龄、入职时长、事故发生前t分钟司机频繁闭眼次数、事故发生前t分钟司机打哈欠次数、事故发生前t分钟车辆急减速次数、事故发生前t分钟车辆急变道次数、事故发生时温度、事故发生时有无雾霾(1表示有，0表示无)等维度为例进行说明，如下表1所示，下表1记录了历史事故发生时，目标特征属性的各个维度对应的值：

表1目标特征属性维度值

步骤S3，分别计算当前目标特征信息与每个历史事故的历史目标特征信息的相似度，并确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目。

需要说明的是，该预设相似度阈值预先设定，本实施例中，该相似度阈值优选为80％，当相似度值超过该相似度阈值时，说明当前目标特征信息与历史目标特征信息相似。

具体地，目标特征信息包括有多个维度的数据，在获取当前目标特征信息和历史目标特征信息之后，就相同维度的数据进行计算和对比，从而得到当前目标特征信息和每个历史目标特征信息的相似度，得到多个相似度值，再确认相似度值大于预设相似度阈值的个数，从而得到疑似危险判定数目。

进一步的，如图2所示，步骤S3包括：

步骤S10，将当前目标特征信息进行归一化处理，得到向量A。

需要说明的是，归一化处理是指数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。常用的归一化处理方法包括min-max标准化、Z-score标准化方法等。

具体地，本实施例中，在获取到当前目标特征信息之后，为了消除这几个特征之间的量级和单位不同带来对计算结果的影响，可通过对当前目标特征信息进行归一化处理，得到向量A。

步骤S11，将每个历史事故的历史目标特征信息进行归一化处理，得到多个向量B。

具体地，同样对历史目标特征信息进行归一化处理，得到向量B。

步骤S12，根据向量A和多个向量B计算相似度S，得到多个相似度值。

需要说明的是，相似度

具体地，例如，将当前目标特征信息和其中一个历史事故的历史目标特征信息进行归一化处理，得到的向量A和向量B如下：

A＝[0.26，0.33，0.23，0.11，0.3，0.2，0]；

B＝[0.75，0.45，0.20，0.09，0.1，0.4，1]；

则，

步骤S13，确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目。

具体地，本实施例通过将当前目标特征信息和历史目标特征信息均进行归一化处理后，根据归一化处理后的结果进行计算，从而得到当前目标特征信息与历史目标特征信息之间的相似度，并通过判定相似度是否大于预设相似度阈值，确认疑似危险判定数目。相似度阈值可根据综合考虑预警的敏感性、运行效率等方面进行设计，如本实施例中，该相似度阈值预设为50％，则将当前目标特征信息和每个历史事故的历史目标特征信息作相似度计算后，统计出所有数值大于50％的相似度的数目，该数目即为疑似危险判定数目。

步骤S4，计算疑似危险判定数目相对于历史事故总数目的疑似危险占比值。

具体地，危险占比值＝疑似危险判断数目/历史事故总数目*100％，其中，历史事故总数目同样可以从数据库中获取。

步骤S5，当疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆。

需要说明的是，该预设占比阈值预先设定，本实施例中，该预设占比阈值优选为80％。

具体地，当疑似危险占比值大于预设占比阈值时，说明该当前车辆处于一个危险驾驶的状态，因此，需要将该当前车辆列为需要关注的车辆。

本实施例通过根据司机、车辆和行驶环境三者中至少一者的当前目标特征信息和历史事故发生前预设时间段内的历史目标特征信息进行相似度计算，从而确认相似度值大于预设相似度阈值的个数，得到疑似危险判定数目，在根据疑似危险判定数目和历史事故总数目计算疑似危险占比值，当疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆，其以所有的历史事故的数据作为判断基础，从而对车辆的当前行驶行为作出了合理的分析评估，得到的结果更为准确，并且，其自动完成对车辆的行驶行为进行判定，不需要人为判断，从而节省了人力消耗，同时也避免了人为监控中存在遗漏的问题。

进一步的，为了提高判断的精准率，上述实施例的基础上，其他实施例中，预设时间段和预设占比阈值可通过线上模拟实验获取优选值。

进一步的，为了针对不同的危险程度给出合理的提醒，同时兼顾运行效率，上述实施例的基础上，其他实施例中，如图3所示，步骤S5之后，还包括：

步骤S20，确定疑似危险占比值所属的危险级别。当疑似危险占比值属于第一预设级别时，执行步骤S21；当疑似危险占比值属于第二预设级别时，执行步骤S22；当疑似危险占比值属于第三预设级别时，执行步骤S23。

需要说明的是，危险级别根据对当前所有需要关注车辆的疑似危险占比值按照高低排序，划分为第一预设级别、第二预设级别和第三预设级别。

具体地，在获取到当前所有需要关注车辆的疑似危险占比值之后，根据所有需要关注车辆的疑似危险占比值进行高低排序和级别划分，本实施例中，优选划分为三个级别，分别为第一预设级别、第二预设级别和第三预设级别。

步骤S21，标记当前车辆为危险车辆，并发送强制休息指令至当前车辆的提醒系统以强制司机休息。

具体地，当疑似危险占比值属于第一预设级别时，则说明此时司机处于极度危险驾驶状态，很可能会发生事故，此时则发送强制休息指令至当前车辆的提醒系统，告知司机需要立即停车休息，避免发生安全事故。

步骤S22，标记当前车辆为特别注意车辆，并发送建议休息指令至当前车辆的提醒系统以建议司机休息。

具体地，当疑似危险占比值属于第二预设级别时，则说明此时司机处于较危险驾驶状态，有可能会发生事故，此时则发送建议休息指令至当前车辆的提醒系统，建议司机停车休息，避免发生安全事故。

步骤S23，标记当前车辆为关注车辆，并发送谨慎驾驶提醒信息至当前车辆的提醒系统以提醒司机谨慎驾驶。

具体地，当疑似危险占比值属于第三预设级别时，则说明此时司机当前状态不佳，此时则发送谨慎驾驶提醒信息至当前车辆的提醒系统，提醒司机谨慎驾驶，避免发生安全事故。

本实施例通过根据所有需要关注车辆的疑似危险占比值按照高低排序，从而将所有需要关注的车辆进行级别划分，并分别对每个级别的车辆给出合理建议，避免司机疲劳驾驶或强行驾驶导致出现安全事故，同时兼顾运行效率。

应当理解的是，本实施例中，危险级别包括三个级别，但并不是指危险级别只能划分为三个级别，其他划分级别的方式也属于本发明保护范围之内。

图4展示了本发明车辆事故预警系统的一个实施例。在本实施例中，如图4所示，该车辆事故预警系统包括当前特征获取模块10、历史特征获取模块11、相似度计算模块12、占比值计算模块13和车辆确定模块14。

其中，当前特征获取模块10，用于获取预设时间段内关于司机、运行车辆、行驶环境三者中至少一者的当前目标特征信息；历史特征获取模块11，用于获取数据库中每个历史事故在发生事故前预设时间段内的与当前目标特征信息相同维度的历史目标特征信息；相似度计算模块12，用于分别计算当前目标特征信息与每个历史事故的历史目标特征信息的相似度，并确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目；占比值计算模块13，用于计算疑似危险判定数目相对于历史事故总数目的疑似危险占比值；车辆确定模块14，用于当疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆。

上述实施例的基础上，其他实施例中，如图5所示，相似度计算模块12包括当前特征处理单元120、历史特征处理单元121和相似度计算单元122，数目确定单元123。

其中，当前特征处理单元120，用于将当前目标特征信息进行归一化处理，得到向量A；历史特征处理单元121，用于将每个历史事故的历史目标特征信息进行归一化处理，得到多个向量B；相似度计算单元122，用于根据向量A和多个向量B计算相似度S，得到多个相似度值，

数目确定单元123，用于确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目。

上述实施例的基础上，其他实施例中，如图6所示，该车辆事故预警系统还包括级别确定模块20、第一提醒模块21、第二提醒模块22和第三提醒模块23。

其中，级别确定模块20，用于确定疑似危险占比值所属的危险级别，危险级别根据对当前所有需要关注车辆的疑似危险占比值按照高低排序，划分为第一预设级别、第二预设级别和第三预设级别；第一提醒模块21，用于当疑似危险占比值属于第一预设级别时，标记当前车辆为危险车辆，并发送强制休息指令至当前车辆的提醒系统以强制司机休息；第二提醒模块22，用于当疑似危险占比值属于第二预设级别时，标记当前车辆为特别注意车辆，并发送建议休息指令至当前车辆的提醒系统以建议司机休息；第三提醒模块23，用于当疑似危险占比值属于第三预设级别时，标记当前车辆为关注车辆，并发送谨慎驾驶提醒信息至当前车辆的提醒系统以提醒司机谨慎驾驶。

上述实施例的基础上，其他实施例中，司机的当前目标特征信息包括司机的年龄、入职时长、平均每日工作时长、行驶中频繁闭眼次数、行驶中打呵欠次数；运行车辆的当前目标特征信息包括车辆的历史维修次数、使用年限、车辆急减速次数、急变道次数；行驶环境的当前目标特征信息包括温度、湿度、天气。

关于上述四个实施例车辆事故预警系统中各模块实现技术方案的其他细节，可参见上述实施例中的车辆事故预警方法中的描述，此处不再赘述。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对发明的具体实施方式进行了详细说明，但其只作为范例，本发明并不限制于以上描述的具体实施方式。对于本领域的技术人员而言，任何对该发明进行的等同修改或替代也都在本发明的范畴之中，因此，在不脱离本发明的精神和原则范围下所作的均等变换和修改、改进等，都应涵盖在本发明的范围内。

Claims (8)

1.一种车辆事故预警方法，其特征在于，其包括：

获取预设时间段内关于司机、运行车辆、行驶环境三者中至少一者的当前目标特征信息；

获取数据库中每个历史事故在发生事故前预设时间段内的与所述当前目标特征信息相同维度的历史目标特征信息；

分别计算所述当前目标特征信息与每个历史事故的历史目标特征信息的相似度，并确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目；

计算所述疑似危险判定数目相对于历史事故总数目的疑似危险占比值；

当所述疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆。

2.根据权利要求1所述的车辆事故预警方法，其特征在于，所述分别计算当前目标特征信息与每个历史事故的历史目标特征信息的相似度的步骤，包括：

将所述当前目标特征信息进行归一化处理，得到向量A；

将每个历史事故的历史目标特征信息进行归一化处理，得到多个向量B；

根据所述向量A和所述多个向量B计算相似度S，得到多个相似度值，

3.根据权利要求1所述的车辆事故预警方法，其特征在于，所述确定当前车辆为需要关注的车辆的步骤之后，还包括：

确定所述疑似危险占比值所属的危险级别，所述危险级别根据对当前所有需要关注车辆的疑似危险占比值按照高低排序，划分为第一预设级别、第二预设级别和第三预设级别；

当所述疑似危险占比值属于所述第一预设级别时，标记所述当前车辆为危险车辆，并发送强制休息指令至所述当前车辆的提醒系统以强制司机休息；

当所述疑似危险占比值属于所述第二预设级别时，标记所述当前车辆为特别注意车辆，并发送建议休息指令至所述当前车辆的提醒系统以建议司机休息；

当所述疑似危险占比值属于所述第三预设级别时，标记所述当前车辆为关注车辆，并发送谨慎驾驶提醒信息至所述当前车辆的提醒系统以提醒司机谨慎驾驶。

4.根据权利要求1所述的车辆事故预警方法，其特征在于，所述司机的当前目标特征信息包括司机的年龄、入职时长、平均每日工作时长、行驶中频繁闭眼次数、行驶中打呵欠次数；

所述运行车辆的当前目标特征信息包括车辆的历史维修次数、使用年限、车辆急减速次数、急变道次数、急转弯次数；

所述行驶环境的当前目标特征信息包括温度、湿度、天气。

5.一种车辆事故预警系统，其特征在于，其包括：

当前特征获取模块，用于获取预设时间段内关于司机、运行车辆、行驶环境三者中至少一者的当前目标特征信息；

历史特征获取模块，用于获取数据库中每个历史事故在发生事故前预设时间段内的与所述当前目标特征信息相同维度的历史目标特征信息；

相似度计算模块，用于分别计算所述当前目标特征信息与每个历史事故的历史目标特征信息的相似度，并确定相似度值大于预设相似度阈值的个数，得到疑似危险判定数目；

占比值计算模块，用于计算所述疑似危险判定数目相对于历史事故总数目的疑似危险占比值；

车辆确定模块，用于当所述疑似危险占比值大于预设占比阈值时，确定当前车辆为需要关注的车辆。

6.根据权利要求5所述的车辆事故预警系统，其特征在于，所述相似度计算模块包括：

当前特征处理单元，用于将所述当前目标特征信息进行归一化处理，得到向量A；

历史特征处理单元，用于将每个历史事故的历史目标特征信息进行归一化处理，得到多个向量B；

相似度计算单元，用于根据所述向量A和所述多个向量B计算相似度S，得到多个相似度值，

数目确定单元，用于确定相似度值大于所述预设相似度阈值的个数，得到所述疑似危险判定数目。

7.根据权利要求5所述的车辆事故预警系统，其特征在于，其还包括：

级别确定模块，用于确定所述疑似危险占比值所属的危险级别，所述危险级别根据对当前所有需要关注车辆的疑似危险占比值按照高低排序，划分为第一预设级别、第二预设级别和第三预设级别；

第一提醒模块，用于当所述疑似危险占比值属于所述第一预设级别时，标记所述当前车辆为危险车辆，并发送强制休息指令至所述当前车辆的提醒系统以强制司机休息；

第二提醒模块，用于当所述疑似危险占比值属于所述第二预设级别时，标记所述当前车辆为特别注意车辆，并发送建议休息指令至所述当前车辆的提醒系统以建议司机休息；

第三提醒模块，用于当所述疑似危险占比值属于所述第三预设级别时，标记所述当前车辆为关注车辆，并发送谨慎驾驶提醒信息至所述当前车辆的提醒系统以提醒司机谨慎驾驶。

8.根据权利要求5所述的车辆事故预警系统，其特征在于，所述司机的当前目标特征信息包括司机的年龄、入职时长、平均每日工作时长、行驶中频繁闭眼次数、行驶中打呵欠次数；

所述运行车辆的当前目标特征信息包括车辆的历史维修次数、使用年限、车辆急减速次数、急变道次数、急转弯次数；

所述行驶环境的当前目标特征信息包括温度、湿度、天气。

Images