CN110775181A - 车辆安全状态监测方法、装置、计算机设备及存储介质 - Google Patents
车辆安全状态监测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110775181A CN110775181A CN201911009308.1A CN201911009308A CN110775181A CN 110775181 A CN110775181 A CN 110775181A CN 201911009308 A CN201911009308 A CN 201911009308A CN 110775181 A CN110775181 A CN 110775181A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- characteristic
- group
- dip angle
- template
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
- B62J27/00—Safety equipment
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
- B62J99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车辆安全状态监测方法、装置、计算机设备及存储介质。其中,车辆安全状态监测方法包括:获取被监测车辆在一个监测周期内的加速度信息和倾角信息;根据加速度信息提取加速度特征参数,得到加速度特征组,其中,加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数;根据倾角信息提取倾角信息特征参数,得到倾角特征组,其中,倾角特征参数至少包括倾角变化率参数和倾角能量参数;获取加速度特征模板组和倾角特征模板组;根据加速度特征组、加速度特征模板组、倾角特征组和倾角特征模板组,确定被监测车辆的安全状态。本申请提供的车辆安全状态监测方法对车辆的安全状态监测准确。
Description
技术领域
本申请涉及交通技术领域,特别是涉及车辆安全状态监测方法、装置、计算机设备及存储介质。
背景技术
随着社会的发展,车辆,如自行车、电动车、三轮车等,成为保障人们日常生活有序进行的重要工具。尤其是近些年共享车辆的迅猛发展,更加凸显车辆的重要性。
人们在使用车辆时,最重要的就是安全问题。车辆在使用过程中,常常出现碰撞、倾斜、侧翻等安全事故。而车辆的姿态信息能够直接的反映车辆的安全状态。因此,为了反映车辆的安全性,出现了一些通过车辆姿态实现车辆安全状态监测的装置和方法。
传统的车辆安全状态监测方法主要通过加速度传感器获取车辆的加速度,并将加速度与预设阈值进行比较,当加速度小于等于预设阈值时,则认为当前车辆处于安全状态;当加速度大于预设阈值时,则确定当前车辆有摔倒或受到冲击的风险,处于危险状态,发出警报信息。
然而,这种车辆安全状态监测方法准确性较低。
发明内容
基于此,有必要针对以上问题,提供一种车辆安全状态监测方法、装置、计算机设备及存储介质。
第一方面,本申请一个实施例提供一种车辆安全状态监测方法,所述方法包括:
获取被监测车辆在一个监测周期内的加速度信息和倾角信息;
根据所述加速度信息提取加速度特征参数,得到加速度特征组,其中,所述加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数;
根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,其中,所述倾角特征参数至少包括倾角变化率参数和倾角能量参数;
获取加速度特征模板组和倾角特征模板组;
根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态。
在其中一个实施例中,所述根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态,包括:
根据所述加速度特征组和所述加速度特征模板组确定加速度相关度;
根据所述倾角特征组和所述倾角特征模板组确定倾角相关度;
根据所述加速度相关度和所述倾角相关度确定所述被监测车辆的安全状态。
在其中一个实施例中,所述安全状态包括无危险状态、危险状态和事故状态,所述加速度特征模板组为加速度事故模板组,所述倾角特征模板组为倾角事故模板组,所述根据所述加速度相关度和所述倾角相关度确定所述被监测车辆的安全状态,包括:
若所述加速度相关度小于加速度事故阈值,则所述被监测车辆为无危险状态;
若所述加速度相关度大于等于所述加速度事故阈值,且所述倾角相关度小于倾角事故阈值,则所述被监测车辆为危险状态;
若所述加速度相关度大于等于所述加速度事故阈值,且所述倾角相关度大于等于所述倾角事故阈值,则所述被监测车辆为事故状态。
在其中一个实施例中,所述根据所述加速度特征组和所述加速度特征模板组确定加速度相关度,包括:
确定所述加速度相关度,其中,ρ2为所述加速度相关度,K为所述加速度特征组的特征长度,A为所述加速度特征组,A′为所述加速度特征模板组,为所述加速度特征组的均值,为所述加速度特征模板组的均值,σA为所述加速度特征组的标准差,σA′为所述加速度特征模板组的标准差;
所述根据所述倾角特征组和所述倾角特征模板组确定倾角相关度,包括:
确定所述倾角相关度,其中,ρG为所述倾角相关度,M为所述倾角特征组的特征长度,G为所述倾角特征组,G′为所述倾角特征模板组,为所述倾角特征组的均值,为所述倾角特征模板组的均值,σG为所述倾角特征组的标准差,σG′为所述倾角特征模板组的标准差。
在其中一个实施例中,所述安全状态包括无危险状态、危险状态和事故状态,所述加速度特征模板组包括加速度无危险模板组、加速度危险模板组和加速度事故模板组,所述倾角特征模板组包括倾角无危险模板组、倾角危险模板组和倾角事故模板组,所述根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态,包括:
分别确定所述加速度特征组与所述加速度无危险模板组、所述加速度危险模板组和所述加速度事故模板组的相关度,得到加速度无危险相关度、加速度危险相关度和加速度事故相关度;
分别确定所述倾角特征组与所述倾角无危险模板组、所述倾角危险模板组和所述倾角事故模板组的相关度,得到倾角无危险相关度、倾角危险相关度和倾角事故相关度;
根据所述加速度无危险相关度和所述倾角无危险相关度确定所述被监测车辆的安全状态,得到第一状态;
根据所述加速度危险相关度和所述倾角危险相关度确定所述被监测车辆的安全状态,得到第二状态;
根据所述加速度事故相关度和所述倾角事故相关度确定所述被监测车辆的安全状态,得到第三状态;
根据所述第一状态、所述第二状态和所述第三状态,确定所述被监测车辆的最终安全状态。
在其中一个实施例中,所述方法还包括:
根据所述加速度特征组和所述最终安全状态,更新所述加速度特征模板组;
根据所述倾角特征组和所述最终安全状态,更新所述倾角特征模板组。
在其中一个实施例中,所述根据所述加速度特征组和所述最终安全状态,更新所述加速度特征模板组,包括:
获取多个监测周期对应的所述加速度特征组和对应的所述最终安全状态;
将所述最终安全状态相同的监测周期的所述加速度特征组进行合并计算,得到新的加速度特征模板组;
所述根据所述倾角特征组和所述最终安全状态,更新所述倾角特征模板组,包括:
获取多个监测周期对应的所述倾角特征组和对应的所述最终安全状态;
将所述最终安全状态相同的监测周期的所述倾角特征组进行合并计算,得到新的倾角特征模板组。
在其中一个实施例中,所述根据所述加速度信息提取加速度特征参数,得到加速度特征组,包括:
根据公式A1=max{alf}确定所述加速度峰值参数;
根据公式确定所述加速度能量参数,其中,A1为所述加速度峰值参数,A2为所述加速度变化率参数,A3为所述加速度能量参数,L为监测周期,f为所述加速度信息的采样频率,{alf}为所述加速度信息的数据序列,ai为所述加速度信息序列的数据序列中的元素,a为所述加速度信息的数据序列的均值。
在其中一个实施例中,所述根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,包括:
根据确定所述倾角能量参数,其中,G1为所述倾角变化率参数,G2为所述倾角能量参数,L为监测周期,f为所述倾角信息的采样频率,gi为所述倾角信息序列的数据序列中的元素,g为所述倾角信息的数据序列的均值。
第二方面,本申请一个实施例还提供一种车辆安全状态监测装置,包括:
信息获取模块,用于获取被监测车辆在一个监测周期内的加速度信息和倾角信息;
加速度特征提取模块,用于根据所述加速度信息提取加速度特征参数,得到加速度特征组,其中,所述加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数;
倾角特征提取模块,用于根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,其中,所述倾角特征参数至少包括倾角变化率参数和倾角能量参数;
模板获取模块,用于获取加速度特征模板组和倾角特征模板组;
安全状态确定模块,用于根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态。
第三方面,本申请一个实施例还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
第四方面,本申请一个实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法的步骤。
本申请实施例提供的车辆安全状态监测方法、装置、系统、计算机设备及存储介质,通过获取被监测车辆在一个监测周期内的加速度信息和倾角信息,并根据加速度信息提取加速度特征参数,得到加速度特征组,根据倾角信息提取倾角信息特征参数,得到倾角特征组,从而根据加速度特征组、加速度特征模板组、倾角特征组和倾角特征模板组确定被监测车辆的安全状态。本实施例提供的方法相对于传统方法,不仅考虑了被监测车辆的加速度信息,还考虑了被监测车辆的倾角信息,不仅从速度方面对车辆的状态进行监控,还根据车辆的倾斜情况对车辆的状态进行监控,大大提高了车辆安全状态监测的精确度。同时,本实施例提供的车辆安全状态监测方法、装置、系统、计算机设备及存储介质,通过加速度峰值参数、加速度变化率参数和加速度能量参数表征加速度的特征,从多个方面反映当前监测周期内的加速度的情况,提高了加速度信息的准确度,从而进一步提高了对被监测车辆状态监测的准确性。同理,通过倾角变化率参数和倾角能量参数表征倾角的特征,更加准确的体现出当前监测周期内车辆倾斜的情况,从而提高了对被监测车辆安全状态监测的准确性。
附图说明
图1为本申请一个实施例提供的车辆安全状态监测方法应用场景图;
图2为本申请一个实施例提供的车辆安全状态监测装置结构示意图;
图3为本申请一个实施例提供的车辆安全状态监测方法流程示意图;
图4为本申请一个实施例提供的车辆安全状态监测方法流程示意图;
图5为本申请一个实施例提供的车辆安全状态监测方法流程示意图;
图6为本申请一个实施例提供的车辆安全状态监测方法流程示意图;
图7为本申请一个实施例提供的车辆安全状态监测方法流程示意图;
图8为本申请一个实施例提供的车辆安全状态监测方法流程示意图;
图9为本申请一个实施例提供的车辆安全状态监测装置结构示意图;
图10为本申请一个实施例提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,通过下述实施例并结合附图,对本申请实施例中的技术方案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用以解释本申请,并不用于限定申请。
请参见图1,本申请提供的车辆安全状态监测方法,用于监测车辆的安全状态。安全状态即车辆的安全情况,安全状态可以包括安全、危险、有风险、事故等。被监测车辆包括但不限于自行车、电动车、三轮车、平衡车、轮椅车等。本申请实施例提供的车辆安全状态监测方法可以应用于如图1所示的车辆安全状态监测系统10中。车辆安全状态监测系统10可以包括车辆安全状态监测装置100、终端200和服务器300。车辆安全状态监测装置100与终端200通信连接,终端200与服务器300通信连接。终端200包括但不限于个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器300可以为塔式服务器,也可以为刀片式服务器。服务器300能够向终端200提供计算服务。车辆安全状态监测装置100用于监测车辆的姿态,并根据车辆的姿态确定车辆的安全状态。车辆安全状态监测装置100可以设置于被监测车辆的重心周围,例如,设置在被监测车辆的车梁上。车辆安全状态监测装置100监测被监测车辆的姿态信息,并根据姿态信息确定被监测车辆的安全状态。当被监测车辆存在危险状态或事故状态时,车辆安全状态监测装置100报警。同时,安全状态监测状态10将安全状态信息,以及获取的被监测车辆的位置信息传输至终端200。终端200进一步将安全状态信息和被监测车辆的位置信息传输至服务器300。服务器300可以根据具体情况对被监测车辆采取相应援救措施。
请参见图2,车辆安全状态监测装置100可以包括姿态检测设备110、供电设备120、处理设备130、通信设备140、存储设备150、报警设备160和地理位置获取设备170等。供电设备120用于向姿态检测设备110、处理设备130、通信设备140、存储设备150、报警设备160和地理位置获取设备170供电。姿态检测设备110用于监测被监测车辆的姿态,包括车辆的加速度、倾角等。姿态检测设备110可以为加速度传感器、陀螺仪等。在一个具体的实施例中,姿态检测装置110为型号为MPU6050的六轴传感器。通信设备140用于实现车辆安全状态监测装置100与终端200和服务器300之间的通信连接。通信设备140可以为Wi-Fi通信设备、蓝牙通信设备或GPRS通信设备等。存储设备150用于实现数据的存储。地理位置获取设备170用于获取被监测车辆的位置信息。地理位置获取设备170可以为GPS芯片、北斗导航定位系统芯片或其他能够获取地理位置的组件。处理设备130可以用于执行计算机程序,以实现本申请实施例提供的车辆安全状态监测方法的步骤。处理设备130可以为STM32单片机、51单片机,也可以为其他具有计算能力的嵌入式芯片。
请参见图3,本申请一个实施例提供一种车辆安全状态监测方法,所述方法包括S110-S150。本实施例提供的所述方法可以运行在如图1所示的车辆安全状态监测装置100的处理设备130中。
S110,获取被监测车辆在一个监测周期内的加速度信息和倾角信息。
监测周期是指实现安全状态计算的周期。监测周期可以根据实际需要设置。例如,监测周期可以为300秒。车辆安全状态监测装置的姿态监测设备可以按照预设采样频率(例如,预设采样频率可以为50Hz)获取被监测车辆的加速度信号和倾角信号,并存储于存储设备。处理设备每一个监测周期从存储设备中获取一次加速度信号和倾角信号,处理得到加速度信息和倾角信息。
加速度信息用于表征被监测车辆的速度与时间的变化关系。加速度信息可以为一组具有时序性的数据序列。设加速度信息的数据序列为alf={a1,a2,…,afL}。其中,L为监测周期,f为加速度信息的采样频率。加速度信息数据序列中的元素可以通过对姿态监测设备采集得到的加速度信号进行处理得到。例如,加速度信息数据序列中的元素可以通过计算得到。其中,ai为某一时刻的加速度数据,xi为此时刻采集的x方向的加速度,yi为此时刻采集的y方向的加速度,zi为此时刻的z方向的加速度。当然,加速度信息也可以通过其他的方式进行计算得到。倾角信息用于表征被监测车辆的倾斜程度。倾角信息可以为一组具有时序性的数据序列。设倾角信息的数据序列为glf={g1,g2,…,gfL}。倾角信息可以为姿态监测设备采集得到的倾角信号对应的值,也可以通过对姿态监测设备采集得到的倾角信号进行处理得到。
S120,根据加速度信息提取加速度特征参数,得到加速度特征组,其中,加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数。
加速度特征组用于表征加速度的特征,包括加速度峰值特征、加速度变化率特征和加速度能量特征等。加速度特征组中包含表征这些特征的参数。其中,加速度峰值参数表征加速度信息的峰值,即当前监测周期内加速度信息中最大的加速度值。加速度变化率表征在监测周期内,加速度的变化情况。加速度能量参数表征加速度信息的能量情况。加速度峰值参数、加速度变化率参数和加速度能量参数均从加速度信息中提取得到,具体提取计算的方法可以根据实际选择,本申请实施例不做任何限定。设加速度峰值参数为A1,加速度变化率参数为A2,加速度能量参数为A3,则加速度特征组A={A1,A2,A3}。
S130,根据倾角信息提取倾角信息特征参数,得到倾角特征组,其中,倾角特征参数至少包括倾角变化率参数和倾角能量参数。
倾角特征组用于表征倾角相关的特征,包括倾角变化率特征和倾角能量特征。倾角特征组中包含表征这些特征的参数。其中,倾角变化率参数用于表征在监测周期内,倾角的变化情况。倾角能量参数表征倾角信息的能量情况。加倾角变化率参数和倾角能量参数均从倾角信息中提取得到,具体提取计算的方法可以根据实际选择,本申请实施例不做任何限定。设倾角变化率参数为G1,倾角能量参数为G2,则倾角特征组G={G1,G2}。
S140,获取加速度特征模板组和倾角特征模板组。
加速度特征模板组是指在已知安全状态下获取的加速度特征组。加速度特征模板组作为模板,用于与其他加速度特征组进行比较计算,判断被监测车辆的安全状态。加速度特征模板组可以通过预先采集、处理后存储于存储设备。加速度特征模板组表征的安全状态不做限定,可以为任意一种安全状态下的加速度特征组。当然,加速度特征模板组也可以包括多个安全状态下的多个加速度特征组。假设加速度特征模板组A′={A′1,A′2,A′3}。
同理,倾角特征模板组为在已知安全状态下获得的倾角特征组。倾角特征模板组作为模板,用于与其他倾角特征组进行比较计算,判断被监测车辆的安全状态。倾角特征模板组可以预先采集、处理后存储于存储设备。倾角特征模板组表征的安全状态不做限定,可以为任意一种安全状态下的倾角特征组。当然,倾角特征模板组也可以包括多个安全状态下的多个倾角特征组。假设倾角特征模板组G′={G′1,G′2}。
S150,根据加速度特征组、加速度特征模板组、倾角特征组和倾角特征模板组,确定被监测车辆的安全状态。
车辆安全状态监测装置的处理设备将加速度特征组、倾角特征组作为输入参数,加速度特征模板组和倾角特征模板组作为判断参考依据,输出被监测车辆在当前监测周期内的安全状态。确定被监测车辆的安全状态的方法可以有多种,例如,通过多组加速度特征模板组和倾角特征模板组训练得到神经网络模型,将加速度特征组和倾角特征组输入神经网络模型,输出被监测车辆的安全状态。当然,还可以通过将加速度特征组与加速度特征模板组进行比较,将倾角特征组和倾角特征模板组进行比较,根据判断结果,基于预设的判断条件,确定被监测车辆的安全状态。被监测车辆的安全状态的种类,可以根据实际需求划分和定义。例如,安全状态可以划分为1级安全、2级安全、3级安全等;安全状态也可以划分为安全、危险、故障等;安全状态还可以划分为无危险、轻度危险、中度危险、严重危险、故障等。
车辆安全状态监测装置的处理设备确定出被监测车辆的安全状态后,可以进一步将安全状态信息发送至终端,终端将安全状态信息上传服务器。同时,在安全状态为危险状态或事故状态时,车辆安全状态监测装置还可以进一步获取被监测车辆的位置信息,并上传至服务器。服务器根据预先设定的处理方案,对需要被监测车辆采取一定的援救措施。
车辆安全状态监测装置重复执行上述步骤S110-S150,可实现对被监测车辆的持续监测。
本实施例中,所述车辆安全状态监测方法,通过获取被监测车辆在一个监测周期内的加速度信息和倾角信息,并根据加速度信息提取加速度特征参数,得到加速度特征组。根据倾角信息提取倾角信息特征参数,得到倾角特征组。根据加速度特征组、加速度特征模板组、倾角特征组和倾角特征模板组确定被监测车辆的安全状态。本实施例提供的方法相对于传统方法,不仅考虑了被监测车辆的加速度信息,还考虑了被监测车辆的倾角信息,不仅从速度方面对车辆的状态进行监控,还根据车辆的倾斜情况对车辆的状态进行监控,大大提高了车辆安全状态监测的精确度。同时,本实施例提供的方法通过加速度峰值参数、加速度变化率参数和加速度能量参数表征加速度的特征,从多个方面反映当前监测周期内的加速度的情况,提高了加速度信息的准确度,从而进一步提高了对被监测车辆状态监测的准确性。同理,通过倾角变化率参数和倾角能量参数表征倾角的特征,更加准确的体现出当前监测周期内车辆倾斜的情况,从而提高了对被监测车辆安全状态监测的准确性。
本实施例涉及根据加速度信息提取加速度特征参数,得到加速度特征组的一种可能的实现方式,即,S120包括:
根据公式A1=max{alf}确定加速度峰值参数;
其中,A1为加速度峰值参数,A2为加速度变化率参数,A3为加速度能量参数,L为监测周期,f为加速度信息的采样频率,{alf}为加速度信息的数据序列,ai为加速度信息序列的数据序列中的元素,a为加速度信息的数据序列的均值。加速度信息的数据序列的均值可以通过计算得到。
本实施例涉及根据倾角信息提取倾角信息特征参数,得到倾角特征组的一种可能的实现方式,即S130包括:
其中,G1为所述倾角变化率参数,G2为所述倾角能量参数,L为监测周期,f为所述倾角信息的采样频率,gi为所述倾角信息序列的数据序列中的元素,g为所述倾角信息的数据序列的均值。倾角信息的数据序列的均值可以通过计算得到。
需要说明的是,加速度峰值参数、加速度变化率参数、加速度能量参数、倾角变化率参数和倾角能量参数也可以通过其他的计算方法得到,本申请实施例对具体的计算方法不做限定。
请参见图4,本实施例涉及加速度特征模板组中包括一种安全状态对应的加速度特征组时,根据加速度特征组、加速度特征模板组、倾角特征组和倾角特征模板组确定被监测车辆的安全状态的一种可能的实现方式,即,S150包括:
S151,根据加速度特征组和加速度特征模板组确定加速度相关度。
加速度相关度用于表征加速度特征组和加速度特征模板组的相关程度或相似度。加速度相关度的计算方法可以有多种,在一个具体的实施例中,可以通过公式计算加速度相关度。其中,K为加速度特征组的特征长度,本实施例中,K的取值为3。为加速度特征组的均值, 为加速度特征模板组的均值,σA为加速度特征组的标准差,σA′为加速度特征模板组的标准差,本实施例中,
S152,根据倾角特征组和倾角特征模板组确定倾角相关度。
倾角相关度用于表征倾角特征组和倾角特征模板组的相关程度或相似度。倾角相关度的计算方法可以有多种,在一个具体的实施例中,可以通过公式计算加速度相关度。其中,M为倾角特征组的特征长度,本实施例中,M的取值为2。为倾角特征组的均值, 为倾角特征模板组的均值,σG为倾角特征组的标准差,σG′为倾角特征模板组的标准差。本实施例中,
S153,根据加速度相关度和倾角相关度确定被监测车辆的安全状态。
车辆安全状态监测装置基于预设的判断条件,根据加速度相关度和倾角相关度判断确定被监测车辆的安全状态。需要说明的是,加速度特征模板组对应的安全状态不同,预设的判断条件可以不同。
在一个实施例中,安全状态包括无危险状态、危险状态和事故状态。加速度特征模板组为加速度事故模板组,倾角特征模板组为倾角事故模板组。其中,加速度事故模板组是指被监测车辆在事故状态下获取得到的加速度特征模板组。倾角事故模板组是指被监测车辆在事故状态下获取得到的倾角特征模板组。
S153包括:
若加速度相关度小于加速度事故阈值,则被监测车辆为无危险状态;
若加速度相关度大于等于加速度事故阈值,且倾角相关度小于倾角事故阈值,则被监测车辆为危险状态;
若加速度相关度大于等于加速度事故阈值,且倾角相关度大于等于倾角事故阈值,则被监测车辆为事故状态。
假设加速度事故阈值为T1,倾角事故阈值为T2,T1、T2的数值范围均为(0,1]:
当ρA<T1,确定被监测车辆为无危险状态;
当ρA≥T1且βG<T2,确定被监测车辆存在潜在危险,为危险状态;
当ρA≥T1且ρG≥T2,确定被监测车辆为事故状态。
本实施例中,通过将加速度相关度与加速度事故阈值对比,将倾角相关度与倾角事故阈值比较,确定被监测车辆的事故状态,计算方法简单可靠,计算效率高。
请参见图5,本实施例涉及加速度特征模板组和倾角特征模板组均包括多种安全状态下的模板组时,根据加速度特征组、加速度特征模板组、倾角特征组和倾角特征模板组确定被监测车辆的安全状态的一种可能的实现方式。
加速度特征模板组包括加速度无危险模板组、加速度危险模板组和加速度事故模板组。加速度无危险模板组是指被监测车辆在无危险状态下获取得到的加速度特征模板组。加速度危险模板组是指被监测车辆在危险状态下获取得到的加速度特征模板组。加速度事故模板组是指被监测车辆在事故状态下获取得到的加速度特征模板组。
倾角特征模板组包括倾角无危险模板组、倾角危险模板组和倾角事故模板组。倾角度无危险模板组是指被监测车辆在无危险状态下获取得到的倾角特征模板组。倾角度危险模板组是指被监测车辆在危险状态下获取得到的倾角特征模板组。倾角度事故模板组是指被监测车辆在事故状态下获取得到的倾角特征模板组。
S130包括:
S131,分别确定加速度特征组与加速度无危险模板组、加速度危险模板组和加速度事故模板组的相关度,得到加速度无危险相关度、加速度危险相关度和加速度事故相关度。
确定加速度特征组与加速度无危险模板组的相关度,得到加速度无危险相关度。确定加速度特征组与加速度危险模板组的相关度,得到加速度危险相关度。确定加速度特征组与加速度事故模板组的相关度,得到加速度事故相关度。计算加速度无危险相关度、加速度危险相关度和加速度事故相关度的计算方法可以参照步骤S151中确定相关度的方法进行,在此不再赘述。需要说明的是,方法思路同上,但确定相关度过程中使用到的各个参数可以根据各个加速度特征模板组的不同而不同。
S132,分别确定倾角特征组与倾角无危险模板组、倾角危险模板组和倾角事故模板组的相关度,得到倾角无危险相关度、倾角危险相关度和倾角事故相关度。
确定倾角特征组与倾角无危险模板组的相关度,得到倾角无危险相关度。确定倾角特征组与倾角危险特征模板组的相关度,得到倾角危险相关度。确定倾角特征组与倾角事故模板组的相关度,得到倾角事故相关度。计算倾角无危险相关度、倾角危险相关度和倾角事故相关度的计算方法可以参照步骤S152中确定相关度的方法进行,在此不再赘述。需要说明的是,方法思路同上,但确定相关度过程中使用到的各个参数可以根据各个倾角特征模板组的不同而不同。
S133,根据加速度无危险相关度和倾角无危险相关度确定被监测车辆的安全状态,得到第一状态。
将加速度无危险相关度与预设的加速度无危险阈值比较,将倾角无危险相关度与预设的倾角无危险阈值比较,确定得到被监测车辆的安全状态,记为第一状态。
S134,根据加速度危险相关度和倾角危险相关度确定被监测车辆的安全状态,得到第二状态。
将加速度危险相关度与预设的加速度危险阈值比较,将倾角危险相关度与预设的倾角危险阈值比较,确定得到被监测车辆的安全状态,记为第二状态。
S135,根据加速度事故相关度和倾角事故相关度确定被监测车辆的安全状态,得到第三状态。
将加速度事故相关度与预设的加速度事故阈值比较,将倾角事故相关度与预设的倾角事故阈值比较,确定得到被监测车辆的安全状态,记为第三状态。
S136,根据第一状态、第二状态和第三状态,确定被监测车辆的最终安全状态。
根据第一状态、第二状态和第三状态,最终确定被监测车辆的安全状态的方法可以有多种,例如,若第一状态、第二状态和第三状态的结果一致,则此结果确定为被监测车辆的最终安全状态。若第一状态、第二状态和第三状态的结果中有2个结果相同,则,以此相同的结果作为被监测车辆的最终安全状态。若第一状态、第二状态和第三状态的结果均不相同,指定其中一个状态作为最终安全状态。另外,也可以通过将第一状态、第二状态和第三状态分别赋值并进行加权求和,根据求和结果确定出被监测车辆的最终安全状态。本申请实施例对根据第一状态、第二状态和第三状态,最终确定被监测车辆的安全状态的方法不做任何限定,可以根据实际需求选择。
本实施例中,通过分别将加速度特征组和倾角特征组与不同安全状态下的特征模板组进行对比,确定出多种安全状态,并进一步根据多种安全状态确定出被监测车辆的最终安全状态,有效提高了安全状态确定的准确性。
请参见图6,在一个实施例中,所述方法还进一步包括:
S160,根据加速度特征组和最终安全状态,更新加速度特征模板组。
根据确定出的最终安全状态,将加速度特征组与原加速度特征模板组进行合并计算,得到新的加速度特征模板组。将原加速度特征模板组更新为新的加速度特征模板组。例如,当前监测周期内,被监测车辆的最终安全状态为无危险状态,则将当前监测周期内的加速度特征组与原加速度无危险特征模板组进行合并计算,得到新的加速度无危险特征组模板组。
处理设备可以在每个监测周期更新一次加速度特征模板组,也可以每多个监测周期更新一次加速度特征模板组。请参见图7在一个具体的实施例中,每多个监测周期更新一次加速度特征模板组的方法可以包括:S161,获取多个监测周期对应的加速度特征组和对应最终安全状态;S162,将最终安全状态相同的监测周期的加速度特征组进行合并计算,得到新的加速度特征模板组。例如,假设在更新周期内,某一安全状态下共得到N个加速度特征组,则可以通过公式计算得到新的加速度特征模板组。其中,A″为新的加速度特征模板组,A″1A″2,A″3分别为新的加速度特征模板组中的加速度峰值参数、加速度变化率参数和加速度能量参数。A1i为第i个加速特征组中的加速度峰值参数,A2i为第i个加速特征组中的加速度变化率参数,A3i为第i个加速度特征组中的加速度能量参数。
S170,根据倾角特征组和最终安全状态,更新倾角特征模板组。
根据确定出的最终安全状态,将倾角特征组与原倾角特征模板组进行合并计算,得到新的倾角特征模板组。将原倾角特征模板组更新为新的倾角特征模板组。例如,当前监测周期内,被监测车辆的最终安全状态为无危险状态,则将当前监测周期内的倾角特征组与原倾角无危险特征模板组进行合并计算,得到新的倾角无危险特征组模板组。
处理设备可以在每个监测周期更新一次倾角特征模板组,也可以多个监测周期后更新一次倾角特征模板组。请参见图8,在一个具体的实施例中,每多个监测周期更新一次倾角特征模板组的方法可以包括:S171,获取多个监测周期对应的倾角特征组和对应的最终安全状态;S172,将最终安全状态相同的监测周期的倾角特征组进行合并计算,得到新的倾角特征模板组。例如,假设在更新周期内,某一安全状态下共得到N个倾角特征组,则可以通过公式计算得到新的倾角特征模板组。其中,G″为新的倾角特征模板组,G″1,G″2为新的倾角特征模板组中的倾角变化率参数和倾角能量参数。G1I为第i个倾角特征组中的倾角变化率参数,G2i为第i个倾角特征组中的倾角能量参数。
需要说明的是,多个监测周期后更新一次加速度特征模板组和/或倾角特征模板组后,可以将原加速度特征模板组、原倾角特征模板组、多个监测周期内采集的加速度特征组和倾角特征组的数据从存储设备中删除,以节约内存空间,提高计算效率。
本实施例中,通过更新加速度特征模板组和倾角特征模板组,使得加速度模板组和倾角特征模板组跟随被监测车辆的情况在实时变化,从而使得加速度模板组和倾角特征模板组更加贴近真实情况,提高后续安全状态监测的准确性。
应该理解的是,虽然图3-8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图3-8中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参见图9,本申请一个实施例提供一种车辆安全状态监测装置100,其包括信息获取模块131、加速度特征提取模块132、倾角特征提取模块133、模板获取模块134和安全状态确定模块135。其中,
信息获取模块131用于获取被监测车辆在一个监测周期内的加速度信息和倾角信息;
加速度特征提取模块132用于根据所述加速度信息提取加速度特征参数,得到加速度特征组,其中,所述加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数;
倾角特征提取模块133用于根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,其中,所述倾角特征参数至少包括倾角变化率参数和倾角能量参数;
模板获取模块134用于获取加速度特征模板组和倾角特征模板组;
安全状态确定模块135用于根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态。
在一个实施例中,所述安全状态确定模块135具体用于根据所述加速度特征组和所述加速度特征模板组确定加速度相关度;根据所述倾角特征组和所述倾角特征模板组确定倾角相关度;根据所述加速度相关度和所述倾角相关度确定所述被监测车辆的安全状态。
在一个实施例中,安全状态确定模块135具体用于若所述加速度相关度小于加速度事故阈值,则所述被监测车辆为无危险状态;若所述加速度相关度大于等于所述加速度事故阈值,且所述倾角相关度小于倾角事故阈值,则所述被监测车辆为危险状态;若所述加速度相关度大于等于所述加速度事故阈值,且所述倾角相关度大于等于所述倾角事故阈值,则所述被监测车辆为事故状态。
在一个实施例中,安全状态确定模块135具体用于通过公式确定所述加速度相关度,其中,ρA为所述加速度相关度,K为所述加速度特征组的特征长度,A为所述加速度特征组,A′为所述加速度特征模板组,为所述加速度特征组的均值,为所述加速度特征模板组的均值,σA为所述加速度特征组的标准差,σA′为所述加速度特征模板组的标准差;通过公式确定所述倾角相关度,其中,ρG为所述倾角相关度,M为所述倾角特征组的特征长度,G为所述倾角特征组,G′为所述加速度特征模板组,为所述倾角特征组的均值,为所述倾角特征模板组的均值,σG为所述倾角特征组的标准差,σG′为所述倾角特征模板组的标准差。
在一个实施例中,所述安全状态包括无危险状态、危险状态和事故状态,所述加速度特征模板组包括加速度无危险模板组、加速度危险模板组和加速度事故模板组,所述倾角特征模板组包括倾角无危险模板组、倾角危险模板组和倾角事故模板组,安全状态确定模块135具体用于分别确定所述加速度特征组与所述加速度无危险模板组、所述加速度危险模板组和所述加速度事故模板组的相关度,得到加速度无危险相关度、加速度危险相关度和加速度事故相关度;分别确定所述倾角特征组与所述倾角无危险模板组、所述倾角危险模板组和所述倾角事故模板组的相关度,得到倾角无危险相关度、倾角危险相关度和倾角事故相关度;根据所述加速度无危险相关度和所述倾角无危险相关度确定所述被监测车辆的安全状态,得到第一状态;根据所述加速度危险相关度和所述倾角危险相关度确定所述被监测车辆的安全状态,得到第二状态;根据所述加速度事故相关度和所述倾角事故相关度确定所述被监测车辆的安全状态,得到第三状态;根据所述第一状态、所述第二状态和所述第三状态,确定所述被监测车辆的最终安全状态。
请继续参见图9,在一个实施例中,车辆安全状态监测装置100还包括更新模块136,用于根据所述加速度特征组和所述最终安全状态,更新所述加速度特征模板组;根据所述倾角特征组和所述最终安全状态,更新所述倾角特征模板组。
在一个实施例中,更新模块136用于获取多个监测周期对应的所述加速度特征组和对应的所述最终安全状态;将所述最终安全状态相同的监测周期的所述加速度特征组进行合并计算,得到新的加速度特征模板组;获取多个监测周期对应的所述倾角特征组和对应的所述最终安全状态;将所述最终安全状态相同的监测周期的所述倾角特征组进行合并计算,得到新的倾角特征模板组。
在一个实施例中,加速度特征提取模块132具体用于根据公式A1=max{alf}确定所述加速度峰值参数;根据公式确定所述加速度变化率参数;根据公式确定所述加速度能量参数,其中,A1为所述加速度峰值参数,A2为所述加速度变化率参数,A3为所述加速度能量参数,L为监测周期,f为所述加速度信息的采样频率,{alf}为所述加速度信息的数据序列,ai为所述加速度信息序列的数据序列中的元素,a为所述加速度信息的数据序列的均值。
在一个实施例中,倾角特征提取模块132具体用于:根据确定所述倾角变化率参数;根据确定所述倾角能量参数,其中,G1为所述倾角变化率参数,G2为所述倾角能量参数,L为监测周期,f为所述倾角信息的采样频率,gi为所述倾角信息序列的数据序列中的元素,g为所述倾角信息的数据序列的均值。
关于上述车辆安全状态监测装置100的具体限定可以参见上文中对于所述车辆安全状态监测方法的限定,在此不再赘述。上述车辆安全状态监测装置100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
请参见图10,在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储源数据、报表数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种报表生成方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取被监测车辆在一个监测周期内的加速度信息和倾角信息;
根据所述加速度信息提取加速度特征参数,得到加速度特征组,其中,所述加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数;
根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,其中,所述倾角特征参数至少包括倾角变化率参数和倾角能量参数;
获取加速度特征模板组和倾角特征模板组;
根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态。
以上实施例提供的计算机设备处理器执行计算机程序实现如上方法步骤的具体过程和有益效果与其对应的方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取被监测车辆在一个监测周期内的加速度信息和倾角信息;
根据所述加速度信息提取加速度特征参数,得到加速度特征组,其中,所述加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数;
根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,其中,所述倾角特征参数至少包括倾角变化率参数和倾角能量参数;
获取加速度特征模板组和倾角特征模板组;
根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态。
以上实施例提供的计算机可读存储介质实现如上方法步骤的具体过程和有益效果与其对应的方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种车辆安全状态监测方法,其特征在于,所述方法包括:
获取被监测车辆在一个监测周期内的加速度信息和倾角信息;
根据所述加速度信息提取加速度特征参数,得到加速度特征组,其中,所述加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数;
根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,其中,所述倾角特征参数至少包括倾角变化率参数和倾角能量参数;
获取加速度特征模板组和倾角特征模板组;
根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态。
2.根据权利要求1所述的方法,其特征在于,所述根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态,包括:
根据所述加速度特征组和所述加速度特征模板组确定加速度相关度;
根据所述倾角特征组和所述倾角特征模板组确定倾角相关度;
根据所述加速度相关度和所述倾角相关度确定所述被监测车辆的安全状态。
3.根据权利要求2所述的方法,其特征在于,所述安全状态包括无危险状态、危险状态和事故状态,所述加速度特征模板组为加速度事故模板组,所述倾角特征模板组为倾角事故模板组,所述根据所述加速度相关度和所述倾角相关度确定所述被监测车辆的安全状态,包括:
若所述加速度相关度小于加速度事故阈值,则所述被监测车辆为无危险状态;
若所述加速度相关度大于等于所述加速度事故阈值,且所述倾角相关度小于倾角事故阈值,则所述被监测车辆为危险状态;
若所述加速度相关度大于等于所述加速度事故阈值,且所述倾角相关度大于等于所述倾角事故阈值,则所述被监测车辆为事故状态。
4.根据权利要求2所述的方法,其特征在于,所述根据所述加速度特征组和所述加速度特征模板组确定加速度相关度,包括:
确定所述加速度相关度,其中,ρA为所述加速度相关度,K为所述加速度特征组的特征长度,A为所述加速度特征组,A′为所述加速度特征模板组,为所述加速度特征组的均值,为所述加速度特征模板组的均值,σA为所述加速度特征组的标准差,σA′为所述加速度特征模板组的标准差;
所述根据所述倾角特征组和所述倾角特征模板组确定倾角相关度,包括:
5.根据权利要求1所述的方法,其特征在于,所述安全状态包括无危险状态、危险状态和事故状态,所述加速度特征模板组包括加速度无危险模板组、加速度危险模板组和加速度事故模板组,所述倾角特征模板组包括倾角无危险模板组、倾角危险模板组和倾角事故模板组,所述根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态,包括:
分别确定所述加速度特征组与所述加速度无危险模板组、所述加速度危险模板组和所述加速度事故模板组的相关度,得到加速度无危险相关度、加速度危险相关度和加速度事故相关度;
分别确定所述倾角特征组与所述倾角无危险模板组、所述倾角危险模板组和所述倾角事故模板组的相关度,得到倾角无危险相关度、倾角危险相关度和倾角事故相关度;
根据所述加速度无危险相关度和所述倾角无危险相关度确定所述被监测车辆的安全状态,得到第一状态;
根据所述加速度危险相关度和所述倾角危险相关度确定所述被监测车辆的安全状态,得到第二状态;
根据所述加速度事故相关度和所述倾角事故相关度确定所述被监测车辆的安全状态,得到第三状态;
根据所述第一状态、所述第二状态和所述第三状态,确定所述被监测车辆的最终安全状态。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述加速度特征组和所述最终安全状态,更新所述加速度特征模板组;
根据所述倾角特征组和所述最终安全状态,更新所述倾角特征模板组。
7.根据权利要求6所述的方法,其特征在于,所述根据所述加速度特征组和所述最终安全状态,更新所述加速度特征模板组,包括:
获取多个监测周期对应的所述加速度特征组和对应的所述最终安全状态;
将所述最终安全状态相同的监测周期的所述加速度特征组进行合并计算,得到新的加速度特征模板组;
所述根据所述倾角特征组和所述最终安全状态,更新所述倾角特征模板组,包括:
获取多个监测周期对应的所述倾角特征组和对应的所述最终安全状态;
将所述最终安全状态相同的监测周期的所述倾角特征组进行合并计算,得到新的倾角特征模板组。
9.根据权利要求1所述的方法,其特征在于,所述根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,包括:
根据确定所述倾角变化率参数;
根据确定所述倾角能量参数,其中,G1为所述倾角变化率参数,G2为所述倾角能量参数,L为监测周期,f为所述倾角信息的采样频率,gi为所述倾角信息序列的数据序列中的元素,g为所述倾角信息的数据序列的均值。
10.一种车辆安全状态监测装置,其特征在于,包括:
信息获取模块,用于获取被监测车辆在一个监测周期内的加速度信息和倾角信息;
加速度特征提取模块,用于根据所述加速度信息提取加速度特征参数,得到加速度特征组,其中,所述加速度特征参数至少包括加速度峰值参数、加速度变化率参数和加速度能量参数;
倾角特征提取模块,用于根据所述倾角信息提取倾角信息特征参数,得到倾角特征组,其中,所述倾角特征参数至少包括倾角变化率参数和倾角能量参数;
模板获取模块,用于获取加速度特征模板组和倾角特征模板组;
安全状态确定模块,用于根据所述加速度特征组、所述加速度特征模板组、所述倾角特征组和所述倾角特征模板组,确定所述被监测车辆的安全状态。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911009308.1A CN110775181B (zh) | 2019-10-23 | 2019-10-23 | 车辆安全状态监测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911009308.1A CN110775181B (zh) | 2019-10-23 | 2019-10-23 | 车辆安全状态监测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110775181A true CN110775181A (zh) | 2020-02-11 |
CN110775181B CN110775181B (zh) | 2021-09-07 |
Family
ID=69386484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911009308.1A Active CN110775181B (zh) | 2019-10-23 | 2019-10-23 | 车辆安全状态监测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110775181B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111839527A (zh) * | 2020-07-31 | 2020-10-30 | 高新兴物联科技有限公司 | 一种跌倒检测方法、设备及计算机可读存储介质 |
CN111879959A (zh) * | 2020-06-08 | 2020-11-03 | 浙江高速信息工程技术有限公司 | 一种基于定位和加速度判断车辆状态及实现车互联的方法 |
CN112781556A (zh) * | 2020-12-18 | 2021-05-11 | 西安中星测控有限公司 | 一种基于多数据融合滤波的井盖异动监测方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003194576A (ja) * | 2001-12-21 | 2003-07-09 | Omron Corp | 車両情報取得方法、車載センサ装置、および車両監視システム |
CN105070059A (zh) * | 2015-08-13 | 2015-11-18 | 成都路行通信息技术有限公司 | 一种车辆碰撞检测方法及快速处理系统 |
CN107807599A (zh) * | 2017-11-24 | 2018-03-16 | 天津中德应用技术大学 | 车辆安全监控系统及其交通事故监控方法、碰撞及被盗报警方法 |
CN108674351A (zh) * | 2018-05-22 | 2018-10-19 | 郑州光之源电子科技有限公司 | 基于传感技术分析危险驾驶的安全报警方法 |
CN108715165A (zh) * | 2018-04-08 | 2018-10-30 | 江西优特汽车技术有限公司 | 一种汽车行驶安全控制方法及系统 |
CN106934876B (zh) * | 2017-03-16 | 2019-08-20 | 广东翼卡车联网服务有限公司 | 一种车辆异常驾驶事件的识别方法及系统 |
-
2019
- 2019-10-23 CN CN201911009308.1A patent/CN110775181B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003194576A (ja) * | 2001-12-21 | 2003-07-09 | Omron Corp | 車両情報取得方法、車載センサ装置、および車両監視システム |
CN105070059A (zh) * | 2015-08-13 | 2015-11-18 | 成都路行通信息技术有限公司 | 一种车辆碰撞检测方法及快速处理系统 |
CN106934876B (zh) * | 2017-03-16 | 2019-08-20 | 广东翼卡车联网服务有限公司 | 一种车辆异常驾驶事件的识别方法及系统 |
CN107807599A (zh) * | 2017-11-24 | 2018-03-16 | 天津中德应用技术大学 | 车辆安全监控系统及其交通事故监控方法、碰撞及被盗报警方法 |
CN108715165A (zh) * | 2018-04-08 | 2018-10-30 | 江西优特汽车技术有限公司 | 一种汽车行驶安全控制方法及系统 |
CN108674351A (zh) * | 2018-05-22 | 2018-10-19 | 郑州光之源电子科技有限公司 | 基于传感技术分析危险驾驶的安全报警方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111879959A (zh) * | 2020-06-08 | 2020-11-03 | 浙江高速信息工程技术有限公司 | 一种基于定位和加速度判断车辆状态及实现车互联的方法 |
CN111839527A (zh) * | 2020-07-31 | 2020-10-30 | 高新兴物联科技有限公司 | 一种跌倒检测方法、设备及计算机可读存储介质 |
CN112781556A (zh) * | 2020-12-18 | 2021-05-11 | 西安中星测控有限公司 | 一种基于多数据融合滤波的井盖异动监测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110775181B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110775181B (zh) | 车辆安全状态监测方法、装置、计算机设备及存储介质 | |
CN110490078B (zh) | 监控视频处理方法、装置、计算机设备和存储介质 | |
CN111177714B (zh) | 异常行为检测方法、装置、计算机设备和存储介质 | |
CN109902865B (zh) | 人流量安全性的识别方法、装置、计算机设备和存储介质 | |
CN113343847B (zh) | 异常数据检测方法、装置、计算机设备和可读存储介质 | |
CN110443219B (zh) | 驾驶行为异常检测方法、装置及工业设备 | |
CN108919776B (zh) | 一种故障评估方法及终端 | |
CN112364715A (zh) | 核电作业异常监控方法、装置、计算机设备和存储介质 | |
CN110990645B (zh) | 用电监测方法、装置、计算机设备和存储介质 | |
CN110109998A (zh) | 数据交易智能整合系统 | |
CN112884199A (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
CN114254879A (zh) | 多传感器信息融合的电力设备安全诊断方法和装置 | |
CN114285612B (zh) | 一种异常数据检测的方法、系统、装置、设备及介质 | |
CN111178126A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN110909669A (zh) | 基于图像检测的地下电缆故障确定方法和装置 | |
CN116572747B (zh) | 电池故障检测方法、装置、计算机设备和存储介质 | |
CN111679953B (zh) | 基于人工智能的故障节点识别方法、装置、设备和介质 | |
CN110838940B (zh) | 地下电缆巡检任务配置方法和装置 | |
CN110849617A (zh) | 传送带故障检测方法、装置、计算机设备和存储介质 | |
CN113435753A (zh) | 高危行业中企业风险判定方法、装置、设备及介质 | |
CN111105582B (zh) | 森林防火监测方法、系统、计算机设备和可读存储介质 | |
CN109408140B (zh) | 启动行程记录的方法、装置、计算机设备和存储介质 | |
CN113407422B (zh) | 数据异常告警处理方法、装置、计算机设备和存储介质 | |
CN109190903B (zh) | 作业风险评估方法、装置、计算机设备和存储介质 | |
CN108881858B (zh) | 建筑工地外来人员监测方法、装置及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |