CN110758398A - 驾驶风险的检测方法及装置 - Google Patents

驾驶风险的检测方法及装置 Download PDF

Info

Publication number
CN110758398A
CN110758398A CN201810753586.7A CN201810753586A CN110758398A CN 110758398 A CN110758398 A CN 110758398A CN 201810753586 A CN201810753586 A CN 201810753586A CN 110758398 A CN110758398 A CN 110758398A
Authority
CN
China
Prior art keywords
event
detection
configuration information
target vehicle
risk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810753586.7A
Other languages
English (en)
Inventor
李博
赵亚龙
蒋丹宁
王作书
王矛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Banma Zhixing Network Hongkong Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201810753586.7A priority Critical patent/CN110758398A/zh
Publication of CN110758398A publication Critical patent/CN110758398A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture

Abstract

本发明公开了一种驾驶风险的检测方法及装置。其中，该方法包括：获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息；基于数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果；基于检测结果，确定目标车辆是否存在驾驶风险。本发明解决了由于相关技术中的驾驶风险检测装置很难投入应用后不进行任何升级，很难使用单一的数据源进行全面检测，很难保证在各条件下使用一致性的检测方法的技术问题。

Description

驾驶风险的检测方法及装置
技术领域
本发明涉及车联网技术领域，具体而言，涉及一种驾驶风险的检测方法及装置。
背景技术
近年来车联网得到迅速发展，被称将会成为仅次于PC为主的互联网和手机为主的移动互联网的第三大互联网实体。车联网不仅局限于车机连接到网络，获取网络信息，更重要的是车联网是要满足车机的安全，效率，管理，环保、娱乐等各方面需求，使车机以一种更适合人们期望的方式运行，而建立起的异构通信网络。在人们对车机的众多需求之中，驾驶安全是重中之重，是车联网时代被关注的焦点。
车机中可用于采集数据的途径越来越多，获取车机状态的采集装置如：TBOX(Telematic BOX)和OBD(On-Board Diagnostic，车载诊断系统)；获取图像/视频信息的采集装置如：车载摄像头和行车记录仪；获取驾驶员健康状态的采集装置如：方向盘传感器和穿戴装置；获取车距数据的采集装置如：前向和后向雷达；以及一些其它数据采集设备：语音采集设备、空气质量采集设备和驾驶员手机等。丰富的行车数据源，成为了实现驾驶风险检测的前提条件。
驾驶风险检测是辅助驾驶和自动驾驶系统中需要解决的核心问题，其复杂性体现在以下几方面：1)待识别的驾驶风险众多，包括：各类车辆故障、不良驾驶习惯、外部环境因素等，不同驾驶风险涉及的数据源和检测方法不一致。2)需要考虑的内部和外部条件众多，例如：当前行车状态(例如，行驶前、行驶中、停车中)，当前时间(例如，白天、夜晚)，当前天气状态(例如，晴天、雨雪天气、雾霾天气、大风天气)，当前路况状态(例如，是否拥堵、是否在高速、是否山路、是否在城郊)等。在不同场合下各类风险检测所需要使用的数据和方法又会有所区别：夜间的车灯检测、高速的车窗检测、雨雪天气的车速检测等。3)单一数据源不能完全解决风险监测问题，并且不同车辆或同一车辆在不同时期所安装的采集设备可能不一致。因此，驾驶风险检测装置很难投入应用后不进行任何升级，很难使用单一的数据源进行全面检测，很难保证在各条件下使用一致性的检测方法。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种驾驶风险的检测方法及装置，以至少解决由于相关技术中的驾驶风险检测装置很难投入应用后不进行任何升级，很难使用单一的数据源进行全面检测，很难保证在各条件下使用一致性的检测方法的技术问题。
根据本发明实施例的一个方面，提供了一种驾驶风险的检测方法，包括：获取目标车辆的配置信息，其中，所述配置信息中包括对数据源的配置信息和检测策略的配置信息；基于所述数据源的配置信息和所述检测策略的配置信息执行风险检测任务，得到检测结果；基于所述检测结果，确定所述目标车辆是否存在驾驶风险。
根据本发明实施例的另一方面，还提供了一种驾驶风险的检测装置，包括：获取单元，用于获取目标车辆的配置信息，其中，所述配置信息中包括对数据源的配置信息和检测策略的配置信息；执行单元，用于基于所述数据源的配置信息和所述检测策略的配置信息执行风险检测任务，得到检测结果；第一确定单元，用于基于所述检测结果，确定所述目标车辆是否存在驾驶风险。
根据本发明实施例的另一方面，还提供了一种车辆驾驶状态的确定方法，包括：获取目标车辆的配置信息，其中，所述配置信息中包括对数据源的配置信息和检测策略的配置信息；基于所述数据源的配置信息和所述检测策略的配置信息执行检测任务，得到检测结果；基于所述检测结果，确定所述目标车辆的驾驶状态。
在本发明实施例中，通过获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息；基于数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果；基于检测结果，确定目标车辆是否存在驾驶风险，达到了根据配置信息中的数据源的配置信息和检测策略的配置信息执行风险检测任务目的，从而实现了提升检测驾驶风险的全面性、提高驾驶风险检测的准确性的技术效果，进而解决了由于相关技术中的驾驶风险检测装置很难投入应用后不进行任何升级，很难使用单一的数据源进行全面检测，很难保证在各条件下使用一致性的检测方法的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种驾驶风险的检测方法的流程图；
图2是根据本发明实施例的一种驾驶风险的检测方法的架构图；
图3是根据本发明实施例的一种手机分心驾驶风险检测流程的架构图；
图4是根据本发明实施例的一种车辆驾驶状态的确定方法的流程图；
图5是根据本发明实施例的一种驾驶风险的检测装置的示意图；
图6是根据本发明实施例的计算机终端的硬件结构框图；以及
图7是根据本发明实施例的可选的计算机终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本发明实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
车机，是新一代汽车常见的预装设备，里面有操作系统，外面可能接有显示屏(看上去像传统的导航屏幕)，通常具有与云端通信的能力，用于从can总线或其它外部数据采集设备获取数据，进行端上计算，提供智能服务。
实施例1
根据本发明实施例，还提供了一种驾驶风险的检测的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例1所提供的方法实施例可以广泛应用在车辆的车机检测装置中，在车辆的车机检测装置启动后，通过2G/3G/4G网络读取云端服务器中的最新配置信息；检查配置信息的可用性，例如，检测配置信息中涉及的数据源在该车机中是否安装，所需数据是否可以正常采集；在确保正常的情况下，启动数据采集任务，通过2G/3G/4G网络、蓝牙和CAN总线获取对应的数据，在基于采集到的数据确定满足一项及一项以上数据采集条件的风险检测任务时，启动风险检测任务，如发现驾驶风险事件则进行报警提醒，从而提升自动驾驶系统的安全性。
需要说明的是，上述的云端服务器可以是一个物理或逻辑服务器，也可以是由两个或两个以上分担不同职责的物理或逻辑服务器、相互协同来实现本发明实施例中服务器的各项功能。
本发明提供了如图1所示的驾驶风险的检测方法。图1是根据本发明实施例一的驾驶风险的检测方法的流程图。
S102，获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息。
在本发明实施例中的目标车辆的配置信息由云端管理装置(如图2中所示)配置下发，可以及时进行更新，在此步骤中获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息。
图2中的云端管理装置可以为管理员提供接口进行配置管理(配置的增删改查)，以及配置下发的服务。在云端管理装置的配置分为两种：对接入数据的配置和检测策略的配置。对于接入数据的配置通过元数据，对可采集多个数据源以及每个数据源可上报多项数据进行配置和管理。元数据涉及：采集数据的来源，采集数据对应的数据流，采集数据对应的字段名，采样数据的类型，采集数据对应的单位，采样频率，数据是否可以为空，以及采样数据的说明信息。每一项待采集数据均需配置元数据，车机监控装置对元数据进行解析，按元数据定义通过传感器采集数据。比如车机可以从can总线读取的信号数据有几百甚至上千种，但车机的运算能力有限不能全部读取，出厂时又不能预知车辆今后都可能用上哪些信号，例如，某天增加了急转弯检测，之前没采集方向盘转速这个信号，后续就要从云端配置下发到车机，启动信号采集。接入数据的配置主要包括数据项和采集策略两方面，其中，数据项主要配置需要采集的数据和来源，如指示车机现在需要：速度，来自can总线a信号；转向灯，来自can总线b信号；心率，来自智能穿戴；驾驶员姿态，来自摄像头。采集策略主要指数据按什么方式采集。
可选地，采集目标检测事件对应的数据信息包括：按照预设时间周期对目标检测事件对应的数据信息进行采集；或者，在与目标检测事件的状态发生变化时，对目标检测事件对应的数据源进行采集。
例如，按照固定频率采集(每100ms采集一次速度)；或者，按事件驱动采集(转向灯开启或熄灭时采集一次数据)等等。
检测策略的配置包括待检测风险事件名称，涉及的数据(可以来自多个数据源)，风险事件的定义和检测逻辑，事件的时间戳，事件的说明信息。策略前提条件的配置：以上事件检测的规则需要结合前提条件。在定义策略的配置时需要明确该策略所处的条件。启动风险检测任务后，检测任务仅检测符合当前条件的风险事件。前提条件如：时间(黑天/白天)，天气(晴天/雨雪/雾霾)，路况(畅通/拥堵)，路面(高速/城郊/山路)等。检测策略的配置还包括如何利用多种数据，采用何种方法来检测风险。例如，融合检测策略的配置可以分原子事件、序列事件和上下文事件的方式来对检测配置建模型。其中，原子事件，例如，方向盘转角超过一个阈值，则为方向盘转动的原子事件；序列事件定义，例如，连续的方向盘转动的原子事件组成了转向事件；上下文事件，例如，融合转向灯开启事件、转向事件、行驶中事件等数据，当转向事件发生后，如果转向之前的上下文窗口内有行驶中事件，但没有转向灯开启事件，则组成一个转向未打转向灯事件等等。
可选地，获取目标车辆配置信息之前，该方法还包括：判断云端服务器中是否存在目标车辆最新的配置信息；若云端服务器中存在目标车辆最新的配置信息，执行获取目标车辆的配置信息的步骤；若云端服务器中不存在目标车辆最新的配置信息，将目标车辆中的当前配置信息作为配置信息。
车机启动后，车机检测装置会连接网络获取最新的配置信息，以实现添加、删除和修改采集数据的策略，添加、删除和修改融合和检测策略等。配置信息的维护由云端服务器统一管理，配置信息编有版本号用以维护版本，可以进行回滚操作。
S104，基于数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果。
基于数据源的配置信息和检测策略的配置信息通过车机数据采集设备采集对应的数据信息，在基于采集到的数据确定满足一项及一项以上数据采集条件的风险检测任务时，启动风险检测任务。
上述的车机数据采集设备分为内部设备和外部设备。内部设备包括：车机操作系统和TBOX等，外部设备如：摄像头和手机等。如手机和智能穿戴等有运算能力的设备，需要植入检测装置配套的SDK，完成相应数据采集工作。根据接入设备不同，可以通过2G/3G/4G网络(如手机、智能穿戴设备等)，蓝牙(如手机或摄像头等)或CAN实现(如TBOX、OBD等)与车机检测装置通信。通过2G/3G/4G网络实现通信，需要通过账号形式实现绑定。通过蓝牙实现通信，通过识别蓝牙设备名称与设备相连。通信过程中，所传输的配置和数据均以标准的格式进行传输。如果该检测装置安装在车机内部，则通过CAN通信获取由TBOX或其它ECU(Electronic Control Unit，电子控制单元)采集的车传感数据。如果该检测装置属于后装，则也可以通过OBD获取车传感数据。不同设备采集的数据类型也有所区别，TBOX、OBD和一些常见的车机传感器采集传感器信号数据，摄像头和行车记录仪采集图像和视频数据，语音采集设备采集语音数据，一些智能设备如手机可以采集地理位置数据，重力感应数据或者用户行为习惯数据等。
上述的车机数据采集设备采集到的数据对应的待检测风险事件可以如下表1所示：
表1
Figure BDA0001726203280000061
S106，基于检测结果，确定目标车辆是否存在驾驶风险。
若检测结果为存在分心驾驶风险，则确定目标车辆存在驾驶风险。
在本发明实施例中，通过获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息；基于数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果；基于检测结果，确定目标车辆是否存在驾驶风险，达到了根据配置信息中的数据源的配置信息和检测策略的配置信息执行风险检测任务目的，从而实现了提升检测驾驶风险的全面性、提高驾驶风险检测的准确性的技术效果，进而解决了由于相关技术中的驾驶风险检测装置很难投入应用后不进行任何升级，很难使用单一的数据源进行全面检测，很难保证在各条件下使用一致性的检测方法的技术问题。
可选的，在本发明实施例提供的驾驶风险的检测方法中，基于数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果包括：获取目标车辆所处的当前状态；确定与当前状态对应的待检测事件；对与待检测事件对应的数据源进行采集，确定多个原子事件；按照预设模式对多个原子事件进行组合，得到序列事件；当存在原子事件和/或序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到检测结果。
待检测事件被分为：原子事件(Atomic Event)、序列事件(Sequential Event)和上下文事件(Contextual Event)，其中，序列事件和上下文事件可用于融合多数据源数据。
原子事件是指根据单一的采集数据，通过基本的运算操作，可以检测的事件。例如：纵向加速度为正，则为加速事件；刹车信号超过阈值，则为刹车事件；远光灯信号为目标值，则为开启远光灯事件等。对图像数据，以指定模式识别结果为检测事件标准，例如：图像分类结果是否为双手离开方向盘。每个原子事件都有明确的事件时间戳，取值来自于采集数据的时间。
序列事件是指通过一系列原子事件的组合，拼接成的符合预先定义模式的组合事件。例如：停止事件和若干加速事件组合成启动事件，若干减速事件和停止事件组合成了停车事件等。序列事件允许所组成的序列中有原子事件连续重复出现，同时要求所有原子事件距离序列第一个事件的时间距离在一个预先定义的时间窗口内。序列事件需要定义事件时间戳的选取原则，可选取序列中第一个原子事件的时间戳作为序列事件时间戳，可选取最后一个原子事件的时间戳作为序列事件的时间戳，也可以通过所有原子事件时间戳的均值作为序列事件的事件戳。由于序列事件中的原子事件可能来自于不同数据源检测的结果，所以序列事件起到了数据融合的作用。
上下文事件是指以原子事件或序列事件作为锚事件激活检测后，依配置来检测锚事件前后一段的时间窗口内，其它事件上下文是否满足条件。例如：当转向事件发生后，如果转向之前没有转向灯开启事件，则组成一个转向未打转向灯事件。上下文事件除了要定义明确的锚事件外，还需要定义每个事件上下文。上下文事件具体指在指定时间窗口内，指定原子或序列事件是否出现过。
可选的，在本发明实施例提供的驾驶风险的检测方法中，当存在原子事件和/或序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到检测结果包括：当存在原子事件和/或序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务；确定被作为锚事件被激活的原子事件和/或序列事件对应的目标检测事件；采集目标检测事件对应的数据信息；对目标检测事件对应的数据信息进行分析，得到检测结果。
例如，检测任务的流程以如下，获取目标车辆的当前条件，获取该条件对应的待检测事件，判断原子事件是否发生，若原子事件发生后，判断序列事件是否发生，若序列事件发生后，判断上下文事件是否发生，根据上下文事件确定目标车辆是否存在驾驶风险。也即，首先根据配置匹配符合当前前提条件的检测事件，然后依次判断上述原子事件、序列事件和上下文事件是否发生。
例如，根据对目标检测事件对应的数据信息进行分析，得到检测结果，基于检测结果确定涉及手机的两种分心驾驶行为：用户拿起手机行为和用户带耳机通话行为。需要说明的是，该实施例前提是可以通过方向盘两旁传感器判断驾驶员是否有手离开方向盘；可以通过手机的重力感应配合手机角度识别是否被拿起；可以通过语音采集设备，利用语音识别技术判断是否有人在打电话；可以通过图像/视频检测和识别技术判断驾驶员是否有拿起电话行为；可以通过图像/视频检测和识别技术判断驾驶员是否进行通话。
在本发明实施例中将检测相关的条件和事件定义如下，前提条件定义：行车过程中(行驶过程中才进行相关事件检测)，原子事件定义：方向盘两侧传感器检测手离开方向盘事件(作为锚事件)e1；手机重力传感器检测手机被拿起动作事件e2；语音采集设备检测到车内有人通电话e3；图像/视频采集设备检测到驾驶员拿起电话，或通过耳机在通话e4。需要说明的是，由于事件e2、e3、e4的识别结果不能保证完全准确，所以事件伴有一个概率属性，代表识别的准确度。基于以上定义，实现如图3所示的手机分心驾驶事件检测。在行驶状态中，e1事件发生会触发该事件检测，事件e2，e3，e4作为上下文，通过上文提出的上下文事件检测方法实现手机分心驾驶事件检测。
可选地，基于检测结果，确定目标车辆是否存在驾驶风险包括：根据作为锚事件被激活的原子事件和/或序列事件计算累积权重值；将累积权重值与预设阈值进行比较；若累积权重值大于预设阈值，确定目标车辆存在驾驶风险。
例如，原子事件和/或序列事件发生了，则累积一个正向或负向权重，如果没出现过，则累积另一个的权重，如果累积权重超过给定阈值，则判定该上下文事件发生。需要说明的是，上下文事件同样需要参考序列事件定义时间戳。
可选地，根据作为锚事件被激活的原子事件和/或序列事件计算累积权重值包括：通过以下公式计算累积权重值，其中，公式为：
Figure BDA0001726203280000091
其中，z为累积权重值，w为原子事件或序列事件的权重值，x为检测到的每个事件。
例如，将上下文涉及的原子和序列事件定义为e1,e2,…...,en，如果ei事件出现在时间窗口内，则权重为w1,i，如果ei事件未出现在事件窗口内，则权重为w2,i。设Xi＝1当且仅当ei出现在时间窗口内；xi＝0当且仅当ei未出现在时间窗口内，其中，x代表一个原子事件，比如某个检测行为用到：转向灯、转向、速度等数据，x1是转向灯是否开启，x2是当前是否转向，x3是当前车速是否大于0。
累计权重可以表示为：
Figure BDA0001726203280000092
设
Figure BDA0001726203280000093
则损失函数可以定义为：
Figure BDA0001726203280000094
其中，yi是第i个训练样本中是否发生了待检测上下文事件，如果发生取1，未发生取2。对上述损失函数采用梯度下降法可求w1,i与w2,i的值。通过构建一个损失函数，然后通过迭代优化的方法调整算式中的参数(这里是w1,i,w2,i)使函数值J(w)最小，这时得到的参数(w1,i,w2,i)就是学习到的对于xi的权重。
可选地，基于检测结果，确定目标车辆是否存在驾驶风险之后，该方法还包括：若目标车辆存在驾驶风险，按照预设方式进行提醒，其中，预设方式包括以下至少之一：语音、图像、信息、邮件。
例如，在确定目标车辆存在驾驶风险的情况下，通过触发语音进行提醒，以让司机及时获知驾驶存在风险，提高警惕，以保证驾驶安全性。
在本发明中不限定预设方式的具体形式，只要能够对司机进行提醒的方式，都在本发明实施例的保护的范围内。
根据本发明实施例的另一方面，还提供了一种车辆驾驶状态的确定方法，如图4所示，包括以下步骤：
S402，获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息；
S404，基于数据源的配置信息和检测策略的配置信息执行检测任务，得到检测结果；
S406，基于检测结果，确定目标车辆的驾驶状态。
在本发明实施例中，通过获取目标车辆的配置信息，配置信息中包括对数据源的配置信息和检测策略的配置信息；基于数据源的配置信息和检测策略的配置信息执行检测任务，得到检测结果；基于检测结果，确定目标车辆的驾驶状态，达到了根据配置信息中的数据源的配置信息和检测策略的配置信息执行检测任务目的，从而实现了提升检测驾驶状态的全面性、提高驾驶状态检测的准确性的技术效果。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述的驾驶风险的检测方法的装置，如图5所示，该装置包括：
获取单元101，用于获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息；
执行单元102，用于基于数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果；
第一确定单元103，用于基于检测结果，确定目标车辆是否存在驾驶风险。
在本发明实施例中，通过获取单元101获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息；执行单元102基于数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果；第一确定单元103基于检测结果，确定目标车辆是否存在驾驶风险，达到了根据配置信息中的数据源的配置信息和检测策略的配置信息执行风险检测任务目的，从而实现了提升检测驾驶风险的全面性、提高驾驶风险检测的准确性的技术效果，进而解决了由于相关技术中的驾驶风险检测装置很难投入应用后不进行任何升级，很难使用单一的数据源进行全面检测，很难保证在各条件下使用一致性的检测方法的技术问题。
可选地，执行单元102包括：获取模块，用于获取目标车辆所处的当前状态；第一确定模块，用于确定与当前状态对应的待检测事件；第二确定模块，用于对与待检测事件对应的数据源进行采集，确定多个原子事件；组合模块，用于按照预设模式对多个原子事件进行组合，得到序列事件；检测模块，用于当存在原子事件和/或序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到检测结果。
可选地，检测模块还包括：执行子模块，用于当存在原子事件和/或序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务；确定子模块，用于确定被作为锚事件被激活的原子事件和/或序列事件对应的目标检测事件；采集子模块，用于采集目标检测事件对应的数据信息；分析子模块，用于对目标检测事件对应的数据信息进行分析，得到检测结果。
可选地，采集子模块还用于按照预设时间周期对目标检测事件对应的数据信息进行采集；或者，在与目标检测事件的状态发生变化时，对目标检测事件对应的数据源进行采集。
可选地，第一确定单元包括：计算模块，用于根据作为锚事件被激活的原子事件和/或序列事件计算累积权重值；比较模块，用于将累积权重值与预设阈值进行比较；触发模块，用于在累积权重值大于预设阈值的情况下，确定目标车辆存在驾驶风险。
可选地，计算模块还用于通过以下公式计算累积权重值，其中，公式为：
Figure BDA0001726203280000111
其中，z为累积权重值，w为原子事件或序列事件的权重值，x为检测到的每个事件。
可选地，装置还包括：第二确定单元，用于在基于检测结果，确定目标车辆是否存在驾驶风险之后，若目标车辆存在驾驶风险，按照预设方式进行提醒，其中，预设方式包括以下至少之一：语音、图像、信息、邮件。
可选地，装置还包括：判断单元，用于在获取目标车辆配置信息之前，判断云端服务器中是否存在目标车辆最新的配置信息；在云端服务器中存在目标车辆最新的配置信息的情况下，切换至获取单元；第三确定单元，用于若云端服务器中不存在目标车辆最新的配置信息，将目标车辆中的当前配置信息作为配置信息。
此处需要说明的是，上述获取单元101、执行单元102和第一确定单元103对应于实施例1中的步骤S102至步骤S106，三个单元与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述单元作为装置的一部分可以运行在实施例4提供的计算机终端中。
实施例3
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的驾驶风险的检测方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取目标车辆的配置信息，其中，所述配置信息中包括对数据源的配置信息和检测策略的配置信息；基于所述数据源的配置信息和所述检测策略的配置信息执行风险检测任务，得到检测结果；基于所述检测结果，确定所述目标车辆是否存在驾驶风险。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：基于所述数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果包括：获取目标车辆所处的当前状态；确定与所述当前状态对应的待检测事件；对与所述待检测事件对应的数据源进行采集，确定多个原子事件；按照预设模式对多个所述原子事件进行组合，得到序列事件；当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到所述检测结果。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到所述检测结果包括：当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务；确定被作为锚事件被激活的所述原子事件和/或所述序列事件对应的目标检测事件；采集所述目标检测事件对应的数据信息；对所述目标检测事件对应的数据信息进行分析，得到所述检测结果。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：采集所述目标检测事件对应的数据信息包括：按照预设时间周期对所述目标检测事件对应的数据信息进行采集；或者，在与所述目标检测事件的状态发生变化时，对所述目标检测事件对应的数据源进行采集。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：根据作为锚事件被激活的所述原子事件和/或所述序列事件计算累积权重值；将所述累积权重值与预设阈值进行比较；若所述累积权重值大于所述预设阈值，确定所述目标车辆存在驾驶风险。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：根据作为锚事件被激活的所述原子事件和/或所述序列事件计算累积权重值包括：通过以下公式计算所述累积权重值，其中，所述公式为：
Figure BDA0001726203280000131
其中，z为累积权重值，w为原子事件或序列事件的权重值，x为检测到的每个事件。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：基于所述检测结果，确定所述目标车辆是否存在驾驶风险之后，所述方法还包括：若所述目标车辆存在驾驶风险，按照预设方式进行提醒，其中，所述预设方式包括以下至少之一：语音、图像、信息、邮件。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取目标车辆配置信息之前，所述方法还包括：判断云端服务器中是否存在所述目标车辆最新的配置信息；若所述云端服务器中存在所述目标车辆最新的配置信息，执行获取所述目标车辆的配置信息的步骤；若所述云端服务器中不存在所述目标车辆最新的配置信息，将所述目标车辆中的当前配置信息作为所述配置信息。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
实施例4
本发明实施例所提供的驾驶风险的检测方法实施例可以在移动设备、计算机终端或者类似的运算装置中执行。图6示出了一种用于实现驾驶风险的检测方法的计算机终端的硬件结构框图。如图6所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图6所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本发明实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的驾驶风险的检测方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的驾驶风险的检测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
此处需要说明的是，在一些可选实施例中，上述图6所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图6仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。
此处需要说明的是，在一些可选实施例中，上述图6所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图6仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。
本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动设备等终端设备。
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
图7是根据本发明实施例的一种可选的计算机终端的结构框图。如图7所示，该计算机终端10可以包括：一个或多个(图中仅示出一个)处理器和存储器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的驾驶风险的检测方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的驾驶风险的检测方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取目标车辆的配置信息，其中，所述配置信息中包括对数据源的配置信息和检测策略的配置信息；基于所述数据源的配置信息和所述检测策略的配置信息执行风险检测任务，得到检测结果；基于所述检测结果，确定所述目标车辆是否存在驾驶风险。
可选的，上述处理器还可以执行如下步骤的程序代码：基于所述数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果包括：获取目标车辆所处的当前状态；确定与所述当前状态对应的待检测事件；对与所述待检测事件对应的数据源进行采集，确定多个原子事件；按照预设模式对多个所述原子事件进行组合，得到序列事件；当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到所述检测结果。
可选的，上述处理器还可以执行如下步骤的程序代码：当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到所述检测结果包括：当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务；确定被作为锚事件被激活的所述原子事件和/或所述序列事件对应的目标检测事件；采集所述目标检测事件对应的数据信息；对所述目标检测事件对应的数据信息进行分析，得到所述检测结果。
可选的，上述处理器还可以执行如下步骤的程序代码：采集所述目标检测事件对应的数据信息包括：按照预设时间周期对所述目标检测事件对应的数据信息进行采集；或者，在与所述目标检测事件的状态发生变化时，对所述目标检测事件对应的数据源进行采集。
可选的，上述处理器还可以执行如下步骤的程序代码：当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务包括：根据作为锚事件被激活的所述原子事件和/或所述序列事件计算累积权重值；将所述累积权重值与预设阈值进行比较；若所述累积权重值大于所述预设阈值，确定所述目标车辆存在驾驶风险。
可选的，上述处理器还可以执行如下步骤的程序代码：根据作为锚事件被激活的所述原子事件和/或所述序列事件计算累积权重值包括：通过以下公式计算所述累积权重值，其中，所述公式为：
Figure BDA0001726203280000161
其中，z为累积权重值，w为原子事件或序列事件的权重值，x为检测到的每个事件。
可选的，上述处理器还可以执行如下步骤的程序代码：基于所述检测结果，确定所述目标车辆是否存在驾驶风险之后，所述方法还包括：若所述目标车辆存在驾驶风险，按照预设方式进行提醒，其中，所述预设方式包括以下至少之一：语音、图像、信息、邮件。
可选的，上述处理器还可以执行如下步骤的程序代码：获取目标车辆配置信息之前，所述方法还包括：判断云端服务器中是否存在所述目标车辆最新的配置信息；若所述云端服务器中存在所述目标车辆最新的配置信息，执行获取所述目标车辆的配置信息的步骤；若所述云端服务器中不存在所述目标车辆最新的配置信息，将所述目标车辆中的当前配置信息作为所述配置信息。
采用本发明实施例，通过获取目标车辆的配置信息，其中，配置信息中包括对数据源的配置信息和检测策略的配置信息；基于数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果；基于检测结果，确定目标车辆是否存在驾驶风险，达到了根据配置信息中的数据源的配置信息和检测策略的配置信息执行风险检测任务目的，从而实现了提升检测驾驶风险的全面性、提高驾驶风险检测的准确性的技术效果，进而解决了由于相关技术中的驾驶风险检测装置很难投入应用后不进行任何升级，很难使用单一的数据源进行全面检测，很难保证在各条件下使用一致性的检测方法的技术问题。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (19)

1.一种驾驶风险的检测方法，其特征在于，包括：
获取目标车辆的配置信息，其中，所述配置信息中包括对数据源的配置信息和检测策略的配置信息；
基于所述数据源的配置信息和所述检测策略的配置信息执行风险检测任务，得到检测结果；
基于所述检测结果，确定所述目标车辆是否存在驾驶风险。
2.根据权利要求1所述的方法，其特征在于，基于所述数据源的配置信息和检测策略的配置信息执行风险检测任务，得到检测结果包括：
获取目标车辆所处的当前状态；
确定与所述当前状态对应的待检测事件；
对与所述待检测事件对应的数据源进行采集，确定多个原子事件；
按照预设模式对多个所述原子事件进行组合，得到序列事件；
当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到所述检测结果。
3.根据权利要求2所述的方法，其特征在于，当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到所述检测结果包括：
当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务；
确定被作为锚事件被激活的所述原子事件和/或所述序列事件对应的目标检测事件；
采集所述目标检测事件对应的数据信息；
对所述目标检测事件对应的数据信息进行分析，得到所述检测结果。
4.根据权利要求3所述的方法，其特征在于，采集所述目标检测事件对应的数据信息包括：
按照预设时间周期对所述目标检测事件对应的数据信息进行采集；或者，在与所述目标检测事件的状态发生变化时，对所述目标检测事件对应的数据源进行采集。
5.根据权利要求2所述的方法，其特征在于，基于所述检测结果，确定所述目标车辆是否存在驾驶风险包括：
根据作为锚事件被激活的所述原子事件和/或所述序列事件计算累积权重值；
将所述累积权重值与预设阈值进行比较；
若所述累积权重值大于所述预设阈值，确定所述目标车辆存在驾驶风险。
6.根据权利要求5所述的方法，其特征在于，根据作为锚事件被激活的所述原子事件和/或所述序列事件计算累积权重值包括：
通过以下公式计算所述累积权重值，其中，所述公式为：
Figure FDA0001726203270000021
其中，z为累积权重值，w为原子事件或序列事件的权重值，x为检测到的每个事件。
7.根据权利要求1所述的方法，其特征在于，基于所述检测结果，确定所述目标车辆是否存在驾驶风险之后，所述方法还包括：
若所述目标车辆存在驾驶风险，按照预设方式进行提醒，其中，所述预设方式包括以下至少之一：语音、图像、信息、邮件。
8.根据权利要求1所述的方法，其特征在于，获取目标车辆配置信息之前，所述方法还包括：
判断云端服务器中是否存在所述目标车辆最新的配置信息；
若所述云端服务器中存在所述目标车辆最新的配置信息，执行获取所述目标车辆的配置信息的步骤；
若所述云端服务器中不存在所述目标车辆最新的配置信息，将所述目标车辆中的当前配置信息作为所述配置信息。
9.一种驾驶风险的检测装置，其特征在于，包括：
获取单元，用于获取目标车辆的配置信息，其中，所述配置信息中包括对数据源的配置信息和检测策略的配置信息；
执行单元，用于基于所述数据源的配置信息和所述检测策略的配置信息执行风险检测任务，得到检测结果；
第一确定单元，用于基于所述检测结果，确定所述目标车辆是否存在驾驶风险。
10.根据权利要求9所述的装置，其特征在于，所述执行单元包括：
获取模块，用于获取目标车辆所处的当前状态；
第一确定模块，用于确定与所述当前状态对应的待检测事件；
第二确定模块，用于对与所述待检测事件对应的数据源进行采集，确定多个原子事件；
组合模块，用于按照预设模式对多个所述原子事件进行组合，得到序列事件；
检测模块，用于当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务以得到所述检测结果。
11.根据权利要求10所述的装置，其特征在于，所述检测模块还包括：
执行子模块，用于当存在所述原子事件和/或所述序列事件作为锚事件被激活时，触发检测上下文事件，执行风险检测任务；
确定子模块，用于确定被作为锚事件被激活的所述原子事件和/或所述序列事件对应的目标检测事件；
采集子模块，用于采集所述目标检测事件对应的数据信息；
分析子模块，用于对所述目标检测事件对应的数据信息进行分析，得到所述检测结果。
12.根据权利要求11所述的装置，其特征在于，所述采集子模块还用于按照预设时间周期对所述目标检测事件对应的数据信息进行采集；或者，在与所述目标检测事件的状态发生变化时，对所述目标检测事件对应的数据源进行采集。
13.根据权利要求10所述的装置，其特征在于，所述第一确定单元包括：
计算模块，用于根据作为锚事件被激活的所述原子事件和/或所述序列事件计算累积权重值；
比较模块，用于将所述累积权重值与预设阈值进行比较；
触发模块，用于在所述累积权重值大于所述预设阈值的情况下，确定所述目标车辆存在驾驶风险。
14.根据权利要求13所述的装置，其特征在于，所述计算模块还用于通过以下公式计算所述累积权重值，其中，所述公式为：
Figure FDA0001726203270000041
其中，z为累积权重值，w为原子事件或序列事件的权重值，x为检测到的每个事件。
15.根据权利要求9所述的装置，其特征在于，所述装置还包括：
第二确定单元，用于在基于所述检测结果，确定所述目标车辆是否存在驾驶风险之后，若所述目标车辆存在驾驶风险，按照预设方式进行提醒，其中，所述预设方式包括以下至少之一：语音、图像、信息、邮件。
16.根据权利要求9所述的装置，其特征在于，所述装置还包括：
判断单元，用于在获取目标车辆配置信息之前，判断云端服务器中是否存在所述目标车辆最新的配置信息；在所述云端服务器中存在所述目标车辆最新的配置信息的情况下，切换至所述获取单元；
第三确定单元，用于若所述云端服务器中不存在所述目标车辆最新的配置信息，将所述目标车辆中的当前配置信息作为所述配置信息。
17.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至8中任意一项所述的驾驶风险的检测方法。
18.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的驾驶风险的检测方法。
19.一种车辆驾驶状态的确定方法，其特征在于，包括：
获取目标车辆的配置信息，其中，所述配置信息中包括对数据源的配置信息和检测策略的配置信息；
基于所述数据源的配置信息和所述检测策略的配置信息执行检测任务，得到检测结果；
基于所述检测结果，确定所述目标车辆的驾驶状态。
CN201810753586.7A 2018-07-10 2018-07-10 驾驶风险的检测方法及装置 Pending CN110758398A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810753586.7A CN110758398A (zh) 2018-07-10 2018-07-10 驾驶风险的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810753586.7A CN110758398A (zh) 2018-07-10 2018-07-10 驾驶风险的检测方法及装置

Publications (1)

Publication Number Publication Date
CN110758398A true CN110758398A (zh) 2020-02-07

Family

ID=69326785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810753586.7A Pending CN110758398A (zh) 2018-07-10 2018-07-10 驾驶风险的检测方法及装置

Country Status (1)

Country Link
CN (1) CN110758398A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111597507A (zh) * 2020-03-31 2020-08-28 浙江吉利汽车研究院有限公司 一种事件数据记录方法、装置、设备及存储介质
CN113611007A (zh) * 2021-08-05 2021-11-05 北京百姓车服网络科技有限公司 一种数据处理方法及数据采集系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106427826A (zh) * 2015-08-06 2017-02-22 平安科技（深圳）有限公司 汽车、用户终端、基于行驶数据的提醒控制方法及系统
CN107424439A (zh) * 2017-07-21 2017-12-01 维沃移动通信有限公司 一种信息提醒方法及车载终端
CN107680396A (zh) * 2017-09-22 2018-02-09 北京正和赢时技术有限公司 一种驾驶行为的监控方法及其装置
CN107784251A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于图像识别技术对驾驶行为评价的方法
CN107909678A (zh) * 2017-11-29 2018-04-13 思建科技有限公司 一种行车风险评价方法及系统
US20180164825A1 (en) * 2016-12-09 2018-06-14 Zendrive, Inc. Method and system for risk modeling in autonomous vehicles
CN108230616A (zh) * 2018-02-02 2018-06-29 辽宁友邦网络科技有限公司 一种危险驾驶识别警报方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106427826A (zh) * 2015-08-06 2017-02-22 平安科技（深圳）有限公司 汽车、用户终端、基于行驶数据的提醒控制方法及系统
CN107784251A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于图像识别技术对驾驶行为评价的方法
US20180164825A1 (en) * 2016-12-09 2018-06-14 Zendrive, Inc. Method and system for risk modeling in autonomous vehicles
CN107424439A (zh) * 2017-07-21 2017-12-01 维沃移动通信有限公司 一种信息提醒方法及车载终端
CN107680396A (zh) * 2017-09-22 2018-02-09 北京正和赢时技术有限公司 一种驾驶行为的监控方法及其装置
CN107909678A (zh) * 2017-11-29 2018-04-13 思建科技有限公司 一种行车风险评价方法及系统
CN108230616A (zh) * 2018-02-02 2018-06-29 辽宁友邦网络科技有限公司 一种危险驾驶识别警报方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111597507A (zh) * 2020-03-31 2020-08-28 浙江吉利汽车研究院有限公司 一种事件数据记录方法、装置、设备及存储介质
CN113611007A (zh) * 2021-08-05 2021-11-05 北京百姓车服网络科技有限公司 一种数据处理方法及数据采集系统

Similar Documents

Publication Publication Date Title
US11158143B2 (en) Vehicle diagnostic method and device, and computer readable storage medium
CN106384512B (zh) 车辆违章信息查询方法以及系统
US9440606B2 (en) System for obtaining rule sets for motor vehicle automation
CN104933870A (zh) 基于车辆行为分析的车辆套牌识别方法与装置
CN204731587U (zh) 基于物联网的车载终端
CN112257542B (zh) 障碍物感知方法、存储介质及电子设备
CN108921955A (zh) 停车处理方法、装置及计算机可读存储介质
CN110758398A (zh) 驾驶风险的检测方法及装置
EP4345773A1 (en) Lane line extraction method and apparatus, vehicle and storage medium
CN110059530A (zh) 面部位置检测装置
DE112015007003T5 (de) Individuell konfigurierbares Melden mit einer tragbaren Vorrichtung
CN113781781A (zh) 道路交通风险指数的计算方法和道路交通风险预警方法
CN108230680B (zh) 一种车辆行为信息获取方法、装置及终端
CN110871810A (zh) 车辆、车机设备及其基于驾驶模式的行车信息提示方法
CN110053554A (zh) 辅助驾驶方法、辅助驾驶装置及车载无人机
CN112634489B (zh) 一种基于移动终端的车辆状态确定方法、装置及系统
CN114419875A (zh) 车辆行程切分方法、装置及存储介质
CN112216133B (zh) 信息推送方法、装置、设备及介质
CN110782114A (zh) 驾驶行为挖掘方法、装置、电子设备及存储介质
CN111062320B (zh) 高架桥识别方法及相关产品
CN111824170B (zh) 用于获得车辆性能信息的方法、系统、装置及电子设备
CN113012429A (zh) 一种车路多传感器数据融合方法及系统
KR101391324B1 (ko) 도로 레이더 수집정보를 활용한 이벤트 룰 기반 교통상황 인지 방법 및 장치
CN111427037A (zh) 障碍物的检测方法和装置、电子设备和车端设备
CN112383706B (zh) 基于行车记录仪的碰撞拍照方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40022274

Country of ref document: HK

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201209

Address after: Room 603, 6 / F, Roche Plaza, 788 Cheung Sha Wan Road, Kowloon, China

Applicant after: Zebra smart travel network (Hong Kong) Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200207