CN110782117A - 驾驶风险检测方法及装置、存储介质、电子设备 - Google Patents
驾驶风险检测方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN110782117A CN110782117A CN201910833627.8A CN201910833627A CN110782117A CN 110782117 A CN110782117 A CN 110782117A CN 201910833627 A CN201910833627 A CN 201910833627A CN 110782117 A CN110782117 A CN 110782117A
- Authority
- CN
- China
- Prior art keywords
- state data
- data
- state
- minimum
- target vehicle
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 82
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供一种驾驶风险检测方法及装置、电子设备、存储介质；涉及计算机技术领域。所述驾驶风险检测方法包括：获取目标车辆的多个状态数据，并根据所述状态数据确定所述状态数据对应的继承状态；判断任一所述状态数据是否对应预设数量的所述继承状态；其中，所述预设数量包括一个或者多个；如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据；通过所述状态描述数据构建所述状态数据对应的最小自动机以根据所述最小自动机确定所述目标车辆的驾驶风险数据。本公开能够避免冗余检测，提高驾驶风险检测的效率，提高驾驶风险检测的准确率。
Description
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种驾驶风险检测方法、驾驶风险检测装置、电子设备以及计算机可读存储介质。
背景技术
随着互联网技术的迅速发展，智能驾驶技术越来越得到人们的重视。其中通过车联网以及车路协同来辅助车辆行驶时，驾驶风险检测成为不可缺少的一环。
目前，在进行驾驶风险检测时，通过观察车辆行驶状态、检测车辆信息，判断车辆是否有异常信息；如果判定车辆有异常信息，则判断车辆存在驾驶风险。但是这种方案在观察到车辆行驶状态后进行判断车辆的异常信息，容易导致检测冗余，有损驾驶风险的检测效率以及时效性，而且该方案忽视了车辆在各个状态之间的切换风险与时间，状态切换是一个过程，在切换状态这段时间内，车辆可能面临某些风险，导致驾驶风险的检测准确性较低。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种驾驶风险检测方法、驾驶风险检测装置、电子设备以及计算机可读存储介质，进而在一定程度上克服由于相关技术的限制和缺陷而导致的，在驾驶风险检测时检测冗余导致的检测效率较低以及时效性较差，且检测准确性较低的问题。
根据本公开的第一方面，提供一种驾驶风险检测方法，包括：
获取目标车辆的多个状态数据，并根据所述状态数据确定所述状态数据对应的继承状态；
判断任一所述状态数据是否对应预设数量的所述继承状态；其中，所述预设数量包括一个或者多个；
如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据；
通过所述状态描述数据构建所述状态数据对应的最小自动机以根据所述最小自动机确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据还包括：
如果判定任一所述状态数据对应多个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据组；
根据所述状态描述数据构建所述状态数据对应的最小自动机组以根据所述最小自动机组确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，根据所述最小自动机确定所述目标车辆的驾驶风险数据包括：
获取所述目标车辆的当前状态数据；
将所述当前状态数据输入到所述最小自动机以确定所述当前状态数据对应的后继状态数据；
通过所述后继状态数据确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述驾驶风险数据包括存在驾驶风险或者不存在驾驶风险中的任意一种，所述通过所述后继状态数据确定所述目标车辆的驾驶风险数据包括：
判断所述后继状态数据是否存在于所述最小自动机中；
如果判定所述后继状态数据存在于所述最小自动机中，则确定所述目标车辆不存在驾驶风险；
如果判定所述后继状态数据不存在于所述最小自动机中，则确定所述目标车辆存在驾驶风险。
在本公开的一种示例性实施例中，获取目标车辆的状态数据包括：
通过所述目标车辆的所有状态、各所述状态对应的安全等级数据、各所述状态对应的切换时间数据以及各所述状态对应的切换风险数据，确定所述目标车辆的状态数据。
在本公开的一种示例性实施例中，根据所述最小自动机组确定所述目标车辆的驾驶风险数据包括：
获取所述目标车辆的当前状态数据；
将所述当前状态数据输入到所述最小自动机组中以确定所述当前状态数据对应的后继状态数据；
通过所述后继状态数据确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，通过所述后继状态数据确定所述目标车辆的驾驶风险数据包括：
将所述当前状态数据输入到所述最小自动机组中的任一最小自动机以确定所述当前状态数据对应的多个后继状态数据；
判断任一所述最小自动机对应的所述后继状态数据是否存在于所述最小自动机中；
如果判定多个所述后继状态数据均存在于对应的所述最小自动机中，则确定所述目标车辆不存在驾驶风险；
如果判定多个所述后继状态数据中任一所述后继状态数据不存在于对应的所述最小自动机中，则确定所述目标车辆存在驾驶风险。
根据本公开的第二方面，提供一种驾驶风险检测装置，包括：
继承状态确定单元，用于获取目标车辆的状态数据，并根据所述状态数据确定所述状态数据对应的继承状态；
继承状态判断单元，用于判断任一所述状态数据是否对应预设数量的所述继承状态；其中，所述预设数量包括一个或者多个；
形式化描述单元，用于如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据；
驾驶风险数据确定单元，用于根据所述状态描述数据构建所述状态数据对应的最小自动机以根据所述最小自动机确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述形式化描述单元还包括：
状态描述数据组生成单元，用于如果判定任一所述状态数据对应多个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据组；
最小自动机组确定单元，用于根据所述状态描述数据构建所述状态数据对应的最小自动机组以根据所述最小自动机组确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述驾驶风险数据确定单元包括：
当前状态数据获取单元，用于获取所述目标车辆的当前状态数据；
后继状态数据确定单元，用于将所述当前状态数据输入到所述最小自动机以确定所述当前状态数据对应的后继状态数据；
风险数据确定单元，用于通过所述后继状态数据确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述风险数据确定单元被配置为：
判断所述后继状态数据是否存在于所述最小自动机中；
如果判定所述后继状态数据存在于所述最小自动机中，则确定所述目标车辆不存在驾驶风险；
如果判定所述后继状态数据不存在于所述最小自动机中，则确定所述目标车辆存在驾驶风险。
在本公开的一种示例性实施例中，所述继承状态确定单元通过下述步骤获得目标车辆的状态数据：通过所述目标车辆的所有状态、各所述状态对应的安全等级数据、各所述状态对应的切换时间数据以及各所述状态对应的切换风险数据，确定所述目标车辆的状态数据。
在本公开的一种示例性实施例中，所述最小自动机组确定单元被配置为：
获取所述目标车辆的当前状态数据；
将所述当前状态数据输入到所述最小自动机组中以确定所述当前状态数据对应的后继状态数据；
通过所述后继状态数据确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述驾驶风险检测装置可以通过以下步骤确定目标车辆的驾驶风险数据：
将所述当前状态数据输入到所述最小自动机组中的任一最小自动机以确定所述当前状态数据对应的多个后继状态数据；
判断任一所述最小自动机对应的所述后继状态数据是否存在于所述最小自动机中；
如果判定多个所述后继状态数据均存在于对应的所述最小自动机中，则确定所述目标车辆不存在驾驶风险；
如果判定多个所述后继状态数据中任一所述后继状态数据不存在于对应的所述最小自动机中，则确定所述目标车辆存在驾驶风险。
根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
根据本公开的第四方面，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上述任意一项所述的方法。
本公开示例性实施例可以具有以下部分或全部有益效果：
在本公开的一示例实施方式所提供的驾驶风险检测方法中，通过目标车辆的多个状态数据确定状态数据对应的继承状态；如果任一状态数据均对应一个继承状态，则对状态数据进行形式化处理生成状态描述数据，并通过状态描述数据构建对应的最小自动机以根据最小自动机确定目标车辆的驾驶风险数据。一方面，通过标准的形式化语言对车辆的状态数据进行了形式化描述生成状态描述数据，并基于通过状态描述数据设计的最小自动机检测驾驶风险，能够避免冗余检测，提高检测的准确率；另一方面，通过目标车辆的多个状态数据对应的状态描述数据构建的最小自动机进行驾驶风险检测，因此在进行驾驶风险检测时能够考虑到目标车辆在各个状态之间的切换风险与时间，保证检测结果的时效性，进一步提高驾驶风险检测的准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了可以应用本公开实施例的一种驾驶风险检测方法及装置的示例性系统架构的示意图；
图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图；
图3示意性示出了根据本公开的一个实施例的驾驶风险检测方法的流程示意图；
图4示意性示出了根据本公开的一个实施例的包含多个继承状态的状态数据进行驾驶风险检测的流程示意图；
图5示意性示出了根据本公开的一个实施例的驾驶风险检测的流程图；
图6示意性示出了根据本公开的一个实施例的进行驾驶风险检测的场景示意图；
图7示意性示出了根据本公开的一个实施例的驾驶风险检测对应的检测结果的示意图；
图8示意性示出了根据本公开的一个实施例的驾驶风险检测装置的示意框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本公开实施例的一种驾驶风险检测方法及装置的示例性应用环境的系统架构的示意图。
如图1所示，系统架构100可以包括终端设备101、102、103中的一个或多个，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等等。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
本公开实施例所提供的驾驶风险检测方法一般由服务器105执行，相应地，驾驶风险检测装置一般设置于服务器105中。但本领域技术人员容易理解的是，本公开实施例所提供的驾驶风险检测方法也可以由终端设备101、102、103执行，相应的，驾驶风险检测装置也可以设置于终端设备101、102、103中，本示例性实施例中对此不做特殊限定。举例而言，在一种示例性实施例中，可以是用户通过终端设备101、102、103将目标车辆的当前状态上传至服务器105，服务器通过本公开实施例所提供的驾驶风险检测方法将当前状态输入到最小自动机中得到后继状态以根据后续状态确定目标车辆的驾驶风险数据，并将驾驶风险数据传输给终端设备101、102、103等。
图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图2示出的电子设备的计算机系统200仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图2所示，计算机系统200包括中央处理单元(CPU)201，其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有系统操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207；包括硬盘等的存储部分208；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器210上，以便于从其上读出的计算机程序根据需要被安装入存储部分208。
特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的方法和装置中限定的各种功能。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图3～图5所示的各个步骤等。
以下对本公开实施例的技术方案进行详细阐述：
首先，本示例实施方式提供了一种驾驶风险检测方法。该驾驶风险检测方法可以应用于上述服务器105，也可以应用于上述终端设备101、102、103中的一个或多个，本示例性实施例中对此不做特殊限定。参考图3所示，该驾驶风险检测方法可以包括以下步骤S310至步骤S340：
步骤S310、获取目标车辆的多个状态数据，并根据所述状态数据确定所述状态数据对应的继承状态；
步骤S320、判断任一所述状态数据是否对应预设数量的所述继承状态；其中，所述预设数量包括一个或者多个；
步骤S330、如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据；
步骤S340、通过所述状态描述数据构建所述状态数据对应的最小自动机以根据所述最小自动机确定所述目标车辆的驾驶风险数据。
在本示例实施方式所提供的驾驶风险检测方法中，一方面，通过标准的形式化语言对车辆的状态数据进行了形式化描述生成状态描述数据，并基于通过状态描述数据设计的最小自动机检测驾驶风险，能够避免冗余检测，提高检测的准确率；另一方面，通过目标车辆的多个状态数据对应的状态描述数据构建的最小自动机进行驾驶风险检测，因此在进行驾驶风险检测时能够考虑到目标车辆在各个状态之间的切换风险与时间，保证检测结果的时效性，进一步提高驾驶风险检测的准确率。
下面，对于本示例实施方式的上述步骤进行更加详细的说明。
在步骤S310中、获取目标车辆的多个状态数据，并根据所述状态数据确定所述状态数据对应的继承状态。
在本公开的一个示例实施例中，目标车辆可以是指具体实际场景中(例如车路协同场景中)需要进行驾驶风险检测的一个车辆或者多个车辆。状态数据可以是指目标车辆对应的所有状态以及所有状态关联的信息，例如状态数据可以是目标车辆对应的所有状态，也可以是目标车辆的各状态对应的安全等级数据，当然还可以是目标车辆各状态对应的切换时间数据，本示例实施例不以此为限。继承状态可以是指目标车辆的某个状态对应的下一个状态，例如对于状态A，通过预设规则(条件)到达状态B，那么状态B就是状态A的继承状态，当然此处仅是示意性举例说明，并不应对本示例实施例造成任何特殊限定。
具体的，通过目标车辆的所有状态、各状态对应的安全等级数据、各状态对应的切换时间数据以及各状态对应的切换风险数据，确定目标车辆的状态数据。目标车辆的所有状态可以是指目标车辆所有可能会具备的状态。各状态对应的安全等级数据可以是指开发人员为目标车辆的所有状态设置的安全等级，例如目标车辆在状态为天气晴朗且行驶速度较低，直线行驶时，该状态对应的安全等级较高；目标车辆在状态为天气是雨天且行驶速度较快，多弯道行驶时，该状态对应的安全等级较低，当然，此处仅是示意性举例说明，并不应对本示例实施例造成任何特殊限定。各状态对应的切换时间数据可以是指目标车辆的状态进行切换时对应的时间长短，例如切换时间数据可以是目标车辆由状态A切换到状态B所需要的时间，本示例实施例对此不做特殊限定。各状态对应的切换风险数据可以是指目标车辆的状态进行切换时可能导致的风险类型，例如切换风险数据可以是目标车辆在雨天行驶进行速度切换时可能导致目标车辆发生平滑、侧滑、侧翻等风险类型，本示例实施例对此不做特殊限定。
在步骤S320中、判断任一所述状态数据是否对应预设数量的所述继承状态。
在本公开的一个示例实施例中，在获取目标车辆的多个状态数据之后，分析检测多个状态数据中每一个状态数据对应的继承状态。预设数量可以是指预先设定的用于判断继承状态数量的阈值。在本示例实施例中，预设数量可以是一个或者多个，当目标车辆每个状态数据均对应一个继承状态时，在进行驾驶风险检测时不会导致检测冗余，当目标车辆任一状态数据对应多个继承状态时，在进行驾驶风险检测时会多次经过该状态数据对应的路径，导致检测冗余。
在步骤S330中、如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据。
在本公开的一个示例实施例中，形式语言(Formal language)可以是指用精确的数学或机器可处理的公式定义的语言，例如形式语言可以表示为G＝{V,T,P,S}的形式。形式化处理可以是指将状态数据转化成形式语言进行表示的处理过程。状态描述数据可以是指状态数据转换成形式语言表示的数据。
在步骤S340中、通过所述状态描述数据构建所述状态数据对应的最小自动机以根据所述最小自动机确定所述目标车辆的驾驶风险数据。
在本公开的一个示例实施例中，自动机(Finite Automata，FA，又称有限状态自动机或者时序机)可以是指一种有限离散数字系统的抽象数学模型。最小自动机可以是指仅包含有效状态的自动机，该最小自动机不包含无效状态，因此通过状态描述数据设计的最小自动机中的状态均是目标车辆的安全状态。驾驶风险数据可以是指用于判定目标车辆是否有驾驶风险的数据，例如驾驶风险数据可以是存在驾驶风险，也可以是不存在驾驶风险，本示例实施例对此不做特殊限定。
具体的，获取目标车辆的当前状态数据；将当前状态数据输入到最小自动机以确定当前状态数据对应的后继状态数据；通过后继状态数据确定目标车辆的驾驶风险数据。当前状态数据可以是指当前从真实的场景中获得的目标车辆对应的状态。后继状态数据可以是指将当前状态数据输入到最小自动机中得到的输出，也可以认为是当前状态数据对应的目标车辆的下一个状态。最小自动机对应的状态就是安全状态，最小自动机中状态转换的条件就是影响车辆驾驶的因素，向最小自动机输入当前状态数据，最小自动机会根据当前状态数据以及影响车辆驾驶的因素(状态转换规则或者状态转换条件)转换到下一个状态。
进一步的，判断后继状态数据是否存在于最小自动机中，例如可以是将后继状态数据与最小自动机中对应的有效状态数据(安全状态数据)进行比对，进而判定后继状态数据是否存在于最小自动机中。如果判定后继状态数据存在于最小自动机中，此时认为当前状态数据对应的后继状态数据在安全等级范围内，此时认为目标车辆是不存在驾驶风险；如果判定后继状态数据不存在于最小自动机中，则认为当前状态数据对应的后继状态数据不在安全等级范围内，目标车辆的行驶状态异常，此时认为目标车辆是存在驾驶风险。
举例而言，如果判定任一状态数据对应一个继承状态，则将所有状态序列的集合建模成由语法G＝{V,T,P,S}推演而来的形式语言L(G)，其中V＝{v1,v2,...,vm}可以是指所有表示安全状态的非终结符集合，T＝{t1,t2,...,tm}可以是指所有表示影响车辆驾驶的因素的终结符集合(例如影响车辆驾驶的因素可以包括驾驶行为、天气因素等，具体因素根据实际需要确定，本示例实施例对此不做特殊限定)，P＝{v1→t1v2,v2→t2v3,...,vm-1→tm- 1vm,vm→tm}可以是指所有生产式集合，规定了目标车辆的状态切换规则，S＝v1可以是指初始非终结符，m规可以是指安全状态的数量，且V和T满足
基于得到的形式语言G设计如关系式(1)所示的最小自动机M：
M＝{Q,Σ,δ,q0,F} (1)
其中，Q＝V∪F，Σ＝T，q＝S，F是M的终止状态，δ的取值可以如关系式(2)所示：
在设计好如关系式(1)所示的最小自动机后，观察目标车辆的当前状态数据并运行最小自动机M，将目标车辆的当前状态数据作为最小自动机M的输入，然后观察最小自动机M的下一个状态(后继状态数据)。如果下一个状态也在最小自动机M的安全状态中，那么目标车辆的驾驶是正常的，不存在驾驶风险，否则存在驾驶风险。
可选的，如果判定任一状态数据对应多个继承状态，则对状态数据进行形式化处理生成状态描述数据组；根据状态描述数据构建状态数据对应的最小自动机组以根据最小自动机组确定目标车辆的驾驶风险数据。状态描述数据组可以是指将包含多个继承状态的状态数据进行形式化处理得到的形式语言构成的集合，其中每一个形式语言表示的是状态数据与该状态数据的一继承状态连接路径对应的安全状态。最小自动机组可以是指根据状态描述数据组设计的多个最小自动机构成的集合，最小自动机组中最小自动机的数量是由状态数据对应的继承状态数量而定的，本示例实施例对此不做特殊限定。
具体的，获取目标车辆的当前状态数据；将当前状态数据输入到最小自动机组中以确定当前状态数据对应的后继状态数据；通过后继状态数据确定目标车辆的驾驶风险数据。将目标车辆的当前状态数据分别输入到最小自动机组中的每一个最小自动机，分别得到每一个最小自动机对应的后继状态数据，在进行验证时通过每一个最小自动机对应的后继状态数据验证其是否在各自对应的最小自动机中。
图4示意性示出了根据本公开的一个实施例的包含多个继承状态的状态数据进行驾驶风险检测的流程示意图。
参考图4所示，步骤S410，将所述当前状态数据输入到所述最小自动机组中的任一最小自动机以确定所述当前状态数据对应的多个后继状态数据。
在本公开的一个示例实施例中，将目标车辆的当前状态数据分别输入到最小自动机组中的每个最小自动机，基于最小自动机组中的多个最小自动机得到多个后继状态数据，即每个后继状态数据对应的一个最小自动机。
步骤S420，判断任一所述最小自动机对应的所述后继状态数据是否存在于所述最小自动机中。
在本公开的一个示例实施例中，获取最小自动机组中多个最小自动机根据当前状态数据输出的多个后继状态数据，并判断多个后继状态数据是否在各自对应的最小自动机中，具体判断的方法可以是判断后继状态数据是否在表示安全状态的非终结符集合V中，当然，还可以通过绘制最小自动机对应的有效状态图，并判断后继状态数据是否在该有效状态图中，本示例实施例对此不做特殊限定。
步骤S430，如果判定多个所述后继状态数据均存在于对应的所述最小自动机中，则确定所述目标车辆不存在驾驶风险。
在本公开的一个示例实施例中，如果判断每个后继状态数据均在各自对应的最小自动机的表示安全状态的非终结符集合V中，或者每个后继状态数据均在对应的最小自动机的有效状态图中，则判定目标车辆不存在驾驶风险。
步骤S440，如果判定多个所述后继状态数据中任一所述后继状态数据不存在于对应的所述最小自动机中，则确定所述目标车辆存在驾驶风险。
在本公开的一个示例实施例中，如果判断每个后继状态数据均不在各自对应的最小自动机的表示安全状态的非终结符集合V中，或者每个后继状态数据均不在对应的最小自动机的有效状态图中，则判定目标车辆存在驾驶风险。
举例而言，如果判定任一状态数据对应多个继承状态，那么需要确定最少需要多少个最小自动机。具体地，对于任意一个状态ti，获取其对应的继承者数ni，则将所有状态序列的集合建模成形式语言组(3)：
其中，可以表示最小自动机组中最小自动机的数量；Vk可以满足可以表示第k个最小自动机中的所有表示安全状态的非终结符集合；Tk满足
最，可以表示第k个最小自动机中的所有表示影响车辆驾驶的因素((例如影响车辆驾驶的因素可以包括驾驶行为、天气因素等，具体因素根据实际需要确定，本示例实施例对此不做特殊限定))的终结符集合；Pk可以是指第k个最小自动机中的所有生产式集合，可以表示第k个最小状态机中的状态切换规则；Sk＝v1可以表示第k个最小状态机的初始非终结符，且对于任意的k1和k2满足
基于得到的形式语言组(3)设计如关系式(4)所示的最小自动机组：
其中，Qk＝Vk∪{Fk}，Σk＝Tk，q0,k＝Sk，Fk是Mk的终止状态，δ的取值可以如关系式(5)所示：
在设计好如关系式(4)所示的最小自动机组后，观察目标车辆的当前状态数据，选取变量h，使之从1逐渐递增至n；对于每一个h，首先运行最小自动机组(4)中的第h个最小自动机Mh，然后将目标车辆的当前状态数据作为该最小自动机Mh的输入，最后观察第h个最小自动机Mh的下一个状态(后继状态数据)。如果下一个状态也在最小自动机Mh里面，那么目标车辆是正常的，本轮的驾驶风险检测结束，否则选取变量h+1，继续进行前述驾驶风险检测步骤，如果第h+1个最小自动机Mh+1的下一个状态不在Mh+1中，那么目标车辆存在驾驶风险。
本示例实施例仅用于说明本公开，其中开发环境、语言、信息获取源头、相关公式中的参数等的选取都是可以变化的，在本发明技术方案的基础上，凡根据本发明原理对某个部分进行的改进和等同变换，均不应排除在本发明的保护范围之外。
图5示意性示出了根据本公开的一个实施例的驾驶风险检测的流程图。
参考图5所示，步骤S510，通过目标车辆的所有状态、各状态对应的安全等级数据、各状态对应的切换时间数据以及各状态对应的切换风险数据确定目标车辆的状态数据；
步骤S520，确定目标车辆的多个状态数据中每个状态数据的继承状态数量；
步骤S530，判断目标车辆的多个状态数据中每个状态数据是否只对应一个继承状态，若每个状态数据只对应一个继承状态，则执行步骤S540，否则执行步骤S550；
步骤S540，对目标车辆的状态数据进行形式化处理得到对应的状态描述数据，并根据状态描述数据设计最小自动机；
步骤S550，对目标车辆的状态数据进行形式化处理得到对应继承状态数量的状态描述数据组，并根据状态描述数据组设计最小自动机组，其中最小自动机组可以包括多个最小自动机；
步骤S560，获取目标车辆的当前状态数据，并将当前状态数据输入到最小自动机(最小自动机组)中，得到当前状态数据对应的后继状态数据(多个后继状态数据)，若后继状态数据(多个后继状态数据)在对应的最小自动机(最小自动机组中对应的最小自动机)的安全状态中，则认为目标车辆不存在驾驶风险，否则认为目标车辆存在驾驶风险。
图6示意性示出了根据本公开的一个实施例的进行驾驶风险检测的场景示意图。
参考图6所示，从云端提取图6中的车辆类型、车辆位置、车辆速度、车辆加速度、车辆方向、车辆数量等信息，检测图6中的车辆是否存在驾驶风险，并计算任意两辆车的碰撞风险。具体的实施步骤为：
步骤一、搭建开发平台、配置开发环境、安装辅助库和包，例如可以是math、numpy、time、requests(本示例实施例用python语言，但是语言可以是包含python在内的任何编程语言，本示例实施例对此不做特殊限定)；
步骤二、确定目标车辆的状态及各状态状的安全等级，各状态切换可能带来的切换风险与切换时间，并将状态视为终结符、将状态序列视为终结符串，将终结符串视为形式化语言中的一个元素，将语言视为由语法推演而来；
步骤三、如果步骤二中的任何一个状态均只有一个继承状态，那么将目标车辆的所有状态序列的集合建模成形式语言G推演而来的形式语言L(G)，并进一步设计如公式(1)所示的最小状态机M，转到步骤五；
步骤四、如果步骤二中的任一状态有多个继承状态，那么确定最少需要多少个最小自动机，然后将形式语言L(G)扩充为公式(3)所示的形式语言群并进一步设计如公式(4)所示的最小自动机群(形式语言组和最小自动机组中的数量均可以是最小自动机对应的数量)；
步骤五、如果步骤二中的任何一个状态只有一个继承者，那么观察目标车辆的当前状态数据，运行步骤三中的最小自动机M，将目标车辆的当前状态数据作为最小自动机M的输入，然后观察最小自动机M的下一个状态(后继状态数据)。如果下一个状态也在最小自动机M里面，那么目标车辆不存在驾驶风险，否则存在驾驶风险；
步骤六、如果步骤二中的某些状态有多个继承者，那么观测目标车辆的当前状态数据，选取变量h，使之从1逐渐递增至n；对于每一个h，首先运行(5)中的第h个最小自动机Mh，然后将车辆的当前状态作为该最小自动机Mh的输入，最后观察第h个最小自动机Mh的下一个状态。如果下一个状态也在最小自动机Mh里面，那么目标车辆不存在驾驶风险，本轮的驾驶风险检测结束，否则选取变量h+1，继续进行前述驾驶风险检测步骤，如果第h+1个最小自动机Mh+1的下一个状态不在Mh+1中，那么目标车辆存在驾驶风险。
图7示意性示出了根据本公开的一个实施例的驾驶风险检测对应的检测结果的示意图。
参考图7所示，在本示例实施例中，可以通过车辆事故发生概率来衡量车辆驾驶风险，基于前述步骤一至步骤五可以得到图7所示的运行结果，其中矩阵的第i行第j列元素表示车辆j碰撞到车辆i的概率。举例而言，矩阵的第一行第三列的元素0.19表示车辆2碰撞到车辆1的概率是0.19，第一行第八列的元素0.14表示车辆3碰撞到车辆2的概率是0.14。当然，此处仅是示意性说明，本示例实施例不以此为限。
应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
进一步的，本示例实施方式中，还提供了一种驾驶风险检测装置。该驾驶风险检测装置可以应用于一服务器或终端设备。参考图8所示，该驾驶风险检测装置800可以包括继承状态确定单元810、继承状态判断单元820、形式化描述单元830以及驾驶风险数据确定单元840。其中：
继承状态确定单元810用于获取目标车辆的状态数据，并根据所述状态数据确定所述状态数据对应的继承状态；
继承状态判断单元820用于判断任一所述状态数据是否对应预设数量的所述继承状态；其中，所述预设数量包括一个或者多个；
形式化描述单元830用于如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据；
驾驶风险数据确定单元840用于根据所述状态描述数据构建所述状态数据对应的最小自动机以根据所述最小自动机确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述形式化描述单元830还包括：
状态描述数据组生成单元，用于如果判定任一所述状态数据对应多个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据组；
最小自动机组确定单元，用于根据所述状态描述数据构建所述状态数据对应的最小自动机组以根据所述最小自动机组确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述驾驶风险数据确定单元840包括：
当前状态数据获取单元，用于获取所述目标车辆的当前状态数据；
后继状态数据确定单元，用于将所述当前状态数据输入到所述最小自动机以确定所述当前状态数据对应的后继状态数据；
风险数据确定单元，用于通过所述后继状态数据确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述风险数据确定单元被配置为：
判断所述后继状态数据是否存在于所述最小自动机中；
如果判定所述后继状态数据存在于所述最小自动机中，则确定所述目标车辆不存在驾驶风险；
如果判定所述后继状态数据不存在于所述最小自动机中，则确定所述目标车辆存在驾驶风险。
在本公开的一种示例性实施例中，所述继承状态确定单元810通过下述步骤获得目标车辆的状态数据：通过所述目标车辆的所有状态、各所述状态对应的安全等级数据、各所述状态对应的切换时间数据以及各所述状态对应的切换风险数据，确定所述目标车辆的状态数据。
在本公开的一种示例性实施例中，所述最小自动机组确定单元被配置为：
获取所述目标车辆的当前状态数据；
将所述当前状态数据输入到所述最小自动机组中以确定所述当前状态数据对应的后继状态数据；
通过所述后继状态数据确定所述目标车辆的驾驶风险数据。
在本公开的一种示例性实施例中，所述驾驶风险检测装置800可以通过以下步骤确定目标车辆的驾驶风险数据：
将所述当前状态数据输入到所述最小自动机组中的任一最小自动机以确定所述当前状态数据对应的多个后继状态数据；
判断任一所述最小自动机对应的所述后继状态数据是否存在于所述最小自动机中；
如果判定多个所述后继状态数据均存在于对应的所述最小自动机中，则确定所述目标车辆不存在驾驶风险；
如果判定多个所述后继状态数据中任一所述后继状态数据不存在于对应的所述最小自动机中，则确定所述目标车辆存在驾驶风险。
上述驾驶风险检测装置中各模块或单元的具体细节已经在对应的驾驶风险检测方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种驾驶风险检测方法，其特征在于，包括：
获取目标车辆的多个状态数据，并根据所述状态数据确定所述状态数据对应的继承状态；
判断任一所述状态数据是否对应预设数量的所述继承状态；其中，所述预设数量包括一个或者多个；
如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据；
通过所述状态描述数据构建所述状态数据对应的最小自动机以根据所述最小自动机确定所述目标车辆的驾驶风险数据。
2.根据权利要求1所述的驾驶风险检测方法，其特征在于，如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据还包括：
如果判定任一所述状态数据对应多个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据组；
根据所述状态描述数据构建所述状态数据对应的最小自动机组以根据所述最小自动机组确定所述目标车辆的驾驶风险数据。
3.根据权利要求1所述的驾驶风险检测方法，其特征在于，根据所述最小自动机确定所述目标车辆的驾驶风险数据包括：
获取所述目标车辆的当前状态数据；
将所述当前状态数据输入到所述最小自动机以确定所述当前状态数据对应的后继状态数据；
通过所述后继状态数据确定所述目标车辆的驾驶风险数据。
4.根据权利要求3所述的驾驶风险检测方法，其特征在于，所述驾驶风险数据包括存在驾驶风险或者不存在驾驶风险中的任意一种，所述通过所述后继状态数据确定所述目标车辆的驾驶风险数据包括：
判断所述后继状态数据是否存在于所述最小自动机中；
如果判定所述后继状态数据存在于所述最小自动机中，则确定所述目标车辆不存在驾驶风险；
如果判定所述后继状态数据不存在于所述最小自动机中，则确定所述目标车辆存在驾驶风险。
5.根据权利要求1所述的驾驶风险检测方法，其特征在于，获取目标车辆的状态数据包括：
通过所述目标车辆的所有状态、各所述状态对应的安全等级数据、各所述状态对应的切换时间数据以及各所述状态对应的切换风险数据，确定所述目标车辆的状态数据。
6.根据权利要求2所述的驾驶风险检测方法，其特征在于，根据所述最小自动机组确定所述目标车辆的驾驶风险数据包括：
获取所述目标车辆的当前状态数据；
将所述当前状态数据输入到所述最小自动机组中以确定所述当前状态数据对应的后继状态数据；
通过所述后继状态数据确定所述目标车辆的驾驶风险数据。
7.根据权利要求6所述的驾驶风险检测方法，其特征在于，通过所述后继状态数据确定所述目标车辆的驾驶风险数据包括：
将所述当前状态数据输入到所述最小自动机组中的任一最小自动机以确定所述当前状态数据对应的多个后继状态数据；
判断任一所述最小自动机对应的所述后继状态数据是否存在于所述最小自动机中；
如果判定多个所述后继状态数据均存在于对应的所述最小自动机中，则确定所述目标车辆不存在驾驶风险；
如果判定多个所述后继状态数据中任一所述后继状态数据不存在于对应的所述最小自动机中，则确定所述目标车辆存在驾驶风险。
8.一种驾驶风险检测装置，其特征在于，包括：
继承状态确定单元，用于获取目标车辆的状态数据，并根据所述状态数据确定所述状态数据对应的继承状态；
继承状态判断单元，用于判断任一所述状态数据是否对应预设数量的所述继承状态；其中，所述预设数量包括一个或者多个；
形式化描述单元，用于如果判定任一所述状态数据对应一个所述继承状态，则对所述状态数据进行形式化处理生成状态描述数据；
驾驶风险数据确定单元，用于根据所述状态描述数据构建所述状态数据对应的最小自动机以根据所述最小自动机确定所述目标车辆的驾驶风险数据。
9.一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1-7任一项所述的方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910833627.8A CN110782117B (zh) | 2019-09-04 | 2019-09-04 | 驾驶风险检测方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910833627.8A CN110782117B (zh) | 2019-09-04 | 2019-09-04 | 驾驶风险检测方法及装置、存储介质、电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110782117A true CN110782117A (zh) | 2020-02-11 |
| CN110782117B CN110782117B (zh) | 2024-10-15 |
Family
ID=69383665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910833627.8A Active CN110782117B (zh) | 2019-09-04 | 2019-09-04 | 驾驶风险检测方法及装置、存储介质、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110782117B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112455459A (zh) * | 2020-12-04 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 触发事件的建模方法、装置、设备及存储介质 |
| CN113997947A (zh) * | 2021-10-27 | 2022-02-01 | 山西大鲲智联科技有限公司 | 驾驶信息提示方法、装置、电子设备和计算机可读介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102007018517A1 (de) * | 2007-04-19 | 2008-10-23 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Signalisierung der Komplexität einer Fahrsituation und Informationsanzeigeeinrichtung |
| JP2012066657A (ja) * | 2010-09-22 | 2012-04-05 | Aisin Aw Co Ltd | 車載器起動システム及び車載器の起動方法 |
| US20160009295A1 (en) * | 2014-07-10 | 2016-01-14 | Hyundai Mobis Co., Ltd. | On-vehicle situation detection apparatus and method |
| US20160093118A1 (en) * | 2014-09-26 | 2016-03-31 | International Business Machines Corporation | Generating Estimates of Failure Risk for a Vehicular Component in Situations of High-Dimensional and Low Sample Size Data |
| US20190184998A1 (en) * | 2017-12-19 | 2019-06-20 | PlusAI Corp | Method and system for driving mode switching based on driver's state in hybrid driving |
-
2019
- 2019-09-04 CN CN201910833627.8A patent/CN110782117B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102007018517A1 (de) * | 2007-04-19 | 2008-10-23 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Signalisierung der Komplexität einer Fahrsituation und Informationsanzeigeeinrichtung |
| JP2012066657A (ja) * | 2010-09-22 | 2012-04-05 | Aisin Aw Co Ltd | 車載器起動システム及び車載器の起動方法 |
| US20160009295A1 (en) * | 2014-07-10 | 2016-01-14 | Hyundai Mobis Co., Ltd. | On-vehicle situation detection apparatus and method |
| US20160093118A1 (en) * | 2014-09-26 | 2016-03-31 | International Business Machines Corporation | Generating Estimates of Failure Risk for a Vehicular Component in Situations of High-Dimensional and Low Sample Size Data |
| US20190184998A1 (en) * | 2017-12-19 | 2019-06-20 | PlusAI Corp | Method and system for driving mode switching based on driver's state in hybrid driving |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112455459A (zh) * | 2020-12-04 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 触发事件的建模方法、装置、设备及存储介质 |
| CN113997947A (zh) * | 2021-10-27 | 2022-02-01 | 山西大鲲智联科技有限公司 | 驾驶信息提示方法、装置、电子设备和计算机可读介质 |
| CN113997947B (zh) * | 2021-10-27 | 2022-09-27 | 山西大鲲智联科技有限公司 | 驾驶信息提示方法、装置、电子设备和计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110782117B (zh) | 2024-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110597991B (zh) | 文本分类方法、装置、计算机设备及存储介质 | |
| CN113408141B (zh) | 一种自动驾驶测试方法、装置及电子设备 | |
| CN109313719B (zh) | 使用神经网络生成文本段的依存性解析 | |
| CN114120253A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN111753862B (zh) | 训练神经网络模型的方法及装置、图像识别方法 | |
| US20230009547A1 (en) | Method and apparatus for detecting object based on video, electronic device and storage medium | |
| CN110782117B (zh) | 驾驶风险检测方法及装置、存储介质、电子设备 | |
| CN115357470A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
| CN115675518A (zh) | 轨迹规划方法、装置及电子设备 | |
| CN117651012B (zh) | 一种车辆中央网关测试方法及系统 | |
| CN114692295A (zh) | 车辆性能边界的确定方法、装置、终端设备及存储介质 | |
| CN113051725A (zh) | 基于通用型辅助变量法的det与relap5耦合的动态特性分析方法 | |
| CN113344214A (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
| CN116400670A (zh) | 采煤机控制系统的仿真测试方法及系统 | |
| CN116361440A (zh) | 基于人工智能的数字金融产品会话交互方法及系统 | |
| CN116644180A (zh) | 文本匹配模型的训练方法、训练系统和文本标签确定方法 | |
| CN116541748A (zh) | 基于人工智能技术的电网故障诊断方法和系统 | |
| CN114237182B (zh) | 机器人调度方法及系统 | |
| Hou et al. | Attributes based bayesian unknown hazards assessment for digital twin empowered autonomous driving | |
| CN111626401B (zh) | 运算方法及装置 | |
| CN114490969A (zh) | 基于表格的问答方法、装置以及电子设备 | |
| CN113887414A (zh) | 目标检测方法、装置、电子设备和存储介质 | |
| CN113656070A (zh) | 处理器的随机指令验证方法、装置、电子设备及存储介质 | |
| CN112685246B (zh) | 一种时序数据的处理方法及装置 | |
| US20220126860A1 (en) | Method and apparatus for processing autonomous driving simulation data, and electronic device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40021421 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |