CN110949381B - 一种驾驶行为危险度的监测方法及装置 - Google Patents

一种驾驶行为危险度的监测方法及装置 Download PDF

Info

Publication number
CN110949381B
CN110949381B CN201911099408.8A CN201911099408A CN110949381B CN 110949381 B CN110949381 B CN 110949381B CN 201911099408 A CN201911099408 A CN 201911099408A CN 110949381 B CN110949381 B CN 110949381B
Authority
CN
China
Prior art keywords
vehicle
duration
information
risk
determining
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.)
Active
Application number
CN201911099408.8A
Other languages
English (en)
Other versions
CN110949381A (zh
Inventor
李国法
杨一帆
李盛龙
赖伟鉴
陈耀昱
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN201911099408.8A priority Critical patent/CN110949381B/zh
Priority to US16/626,566 priority patent/US11738761B2/en
Priority to PCT/CN2019/120565 priority patent/WO2021093013A1/zh
Publication of CN110949381A publication Critical patent/CN110949381A/zh
Application granted granted Critical
Publication of CN110949381B publication Critical patent/CN110949381B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • B60W50/0097—Predicting future conditions
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/06—Road conditions
    • 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
    • B60W40/10—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 vehicle motion
    • B60W40/105—Speed
    • 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
    • B60W40/12—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 parameters of the vehicle itself, e.g. tyre 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
    • 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/201—Dimensions of vehicle
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请适用于驾驶安全技术领域，提供了一种驾驶行为危险度的监测方法，包括：获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息。上述方法，将车辆碰撞问题表示为二维平面上的碰撞问题，通过获取动态信息以及天气、道路环境等因素来评估周边交通参与者的危险程度，可以适应于多场景，帮助驾驶员或乘客避免交通碰撞事故的发生，这将显著提高驾驶员和乘客的安全性。

Description

一种驾驶行为危险度的监测方法及装置
技术领域
本申请属于驾驶安全技术领域，尤其涉及一种驾驶行为危险度的监测方法及装置。
背景技术
驾驶是一种基本的交通出行方式，驾驶车辆存在一定的危险，交叉路口以及一些相关区域通常被认为是交通事故发生率较高的地方，因为在这些区域中，交通情况更加复杂，同时驾驶员需要处理更多的驾驶相关信息，这使得驾驶员更容易犯错。47.7％的交通事故致人受伤的事故发生在十字路口，并且96％的交通事故是由于驾驶员的驾驶失误造成的。现有对于驾驶行为的危险度的研究主要聚焦在特定区域内的危险度评估，但是，这些方法对智能车辆的感知层的信息要求各不相同，难以统一并有效的进行迁移，导致无法有效的评估驾驶过程中周围交通参与者的驾驶行为的危险度。
发明内容
本申请实施例提供了一种驾驶行为危险度的监测方法及装置，可以解决现有技术中无法有效的评估驾驶过程中周围交通参与者的驾驶行为的危险度的问题。
第一方面，本申请实施例提供了一种驾驶行为危险度的监测方法，包括：
获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；所述车辆行驶信息包括所述第一车辆的行驶速度信息和所述第二车辆的行驶速度信息；
基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；
基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息。
进一步地，当所述重叠区域数量为0时，所述基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息，包括：
基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长和停止时长；其中，所述剩余碰撞时长为当前时刻距离所述第一车辆和所述第二车辆发生碰撞的剩余时长；所述剩余碰撞时长包括X轴方向的第一剩余碰撞时长和Y轴方向的第二剩余碰撞时长；所述停止时长为当前时刻距离所述第一车辆停止行驶的时刻之间的时长；
基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息。
进一步地，所述基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息，包括：
基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定危险等级；
基于所述危险等级、所述第一剩余碰撞时长、所述第二剩余碰撞时长和所述停止时长，确定目标危险度监测策略；
基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
进一步地，所述危险等级包括危险状态、需要注意状态、安全状态；
所述基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定危险等级，包括：
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值小于预设阈值时，判定危险等级为危险状态；或
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于或等于预设阈值时，判定危险等级为安全状态；或
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于预设阈值或者所述剩余碰撞时长大于所述停止时长时，基于预设危险等级概率模型确定危险等级。
进一步地，当所述重叠区域数量为1时，所述基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息，包括：
基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长和逃离时长；其中，所述逃离时长为当前时刻到目标时刻之间的时长，所述目标时刻为所述第一车辆和所述第二车辆之间的重叠区域消失的时刻；
基于所述剩余碰撞时长、所述停止时长、所述逃离时长和所述预设危险等级概率模型，确定危险等级；
基于所述危险等级、所述剩余碰撞时长、所述停止时长和所述逃离时长，确定目标危险度监测策略；
基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
进一步地，所述基于所述剩余碰撞时长、所述停止时长、所述逃离时长和所述预设危险等级概率模型，确定危险等级，包括：
当所述逃离时长大于或等于所述剩余碰撞时长时，判定危险等级为安全状态；或
当所述逃离时长小于所述剩余碰撞时长时，基于预设危险等级概率模型确定危险等级。
进一步地，当所述重叠区域数量为2时，所述基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息，包括：
基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长；
基于所述剩余碰撞时长、所述停止时长和所述预设危险等级概率模型，确定危险等级；
基于所述危险等级、所述剩余碰撞时长和所述停止时长，确定目标危险度监测策略；
基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
第二方面，本申请实施例提供了一种驾驶行为危险度的监测装置，包括：
第一获取单元，用于获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；所述车辆行驶信息包括所述第一车辆的行驶速度信息和所述第二车辆的行驶速度信息；
第一确定单元，用于基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；
第二确定单元，用于基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息。
进一步地，当所述重叠区域数量为0时，所述第二确定单元，包括：
第三确定单元，用于基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长和停止时长；其中，所述剩余碰撞时长为当前时刻距离所述第一车辆和所述第二车辆发生碰撞的剩余时长；所述剩余碰撞时长包括X轴方向的第一剩余碰撞时长和Y轴方向的第二剩余碰撞时长；所述停止时长为当前时刻距离所述第一车辆停止行驶的时刻之间的时长；
第四确定单元，用于基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息。
进一步地，所述第四确定单元，包括：
第五确定单元，用于基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定危险等级；
第六确定单元，用于基于所述危险等级、所述第一剩余碰撞时长、所述第二剩余碰撞时长和所述停止时长，确定目标危险度监测策略；
第七确定单元，用于基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
进一步地，所述危险等级包括危险状态、需要注意状态、安全状态；
所述第五确定单元，具体用于：
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值小于预设阈值时，判定危险等级为危险状态；或
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于或等于预设阈值时，判定危险等级为安全状态；或
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于预设阈值或者所述剩余碰撞时长大于所述停止时长时，基于预设危险等级概率模型确定危险等级。
进一步地，当所述重叠区域数量为1时，所述第二确定单元，包括：
第八确定单元，用于基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长和逃离时长；其中，所述逃离时长为当前时刻到目标时刻之间的时长，所述目标时刻为所述第一车辆和所述第二车辆之间的重叠区域消失的时刻；
第九确定单元，用于基于所述剩余碰撞时长、所述停止时长、所述逃离时长和所述预设危险等级概率模型，确定危险等级；
第十确定单元，用于基于所述危险等级、所述剩余碰撞时长、所述停止时长和所述逃离时长，确定目标危险度监测策略；
第十一确定单元，用于基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
进一步地，所述第九确定单元，具体用于：
当所述逃离时长大于或等于所述剩余碰撞时长时，判定危险等级为安全状态；或
当所述逃离时长小于所述剩余碰撞时长时，基于预设危险等级概率模型确定危险等级。
进一步地，当所述重叠区域数量为2时，所述第二确定单元，包括：
基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长；
基于所述剩余碰撞时长、所述停止时长和所述预设危险等级概率模型，确定危险等级；
基于所述危险等级、所述剩余碰撞时长和所述停止时长，确定目标危险度监测策略；
基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
第三方面，本申请实施例提供了一种驾驶行为危险度的监测设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的驾驶行为危险度的监测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的驾驶行为危险度的监测方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行如上述第一方面所述的驾驶行为危险度的监测方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
本申请实施例中，获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息。上述方法，将车辆碰撞问题表示为一般二维平面上的碰撞问题，通过获取自车和周边交通参与者的动态信息以及天气、道路环境等因素来评估周边交通参与者的危险程度，可以适应于交叉口、出入口、高速公路等多场景，帮助驾驶员或乘客避免交通碰撞事故的发生，这将显著提高驾驶员和乘客的安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请第一实施例提供的一种驾驶行为危险度的监测方法的示意流程图；
图2是本申请第一实施例提供重叠区域数量信息为0时第一车辆和第二车辆的位置示意图；
图3是本申请第一实施例提供重叠区域数量信息为1时第一车辆和第二车辆的位置示意图；
图4是是本申请第一实施例提供重叠区域数量信息为2时第一车辆和第二车辆的位置示意图；
图5是本申请第二实施例提供的另一种驾驶行为危险度的监测方法的示意流程图；
图6是本申请第二实施例提供的另一种驾驶行为危险度的监测方法中S204细化的示意流程图；
图7本申请第三实施例提供的另一种驾驶行为危险度的监测方法的示意流程图；
图8是本申请第四实施例提供的另一种驾驶行为危险度的监测方法的示意流程图；
图9是本申请第五实施例提供的驾驶行为危险度的监测装置的示意图；
图10是本申请第六实施例提供的驾驶行为危险度的监测设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
请参见图1，图1是本申请第一实施例提供的一种驾驶行为危险度的监测方法的示意流程图。本实施例中驾驶行为危险度的监测方法的执行主体为具有驾驶行为危险度的监测功能的设备，可以为移动终端、服务器等等。如图1所示的驾驶行为危险度的监测方法可包括：
S101：获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；所述车辆行驶信息包括所述第一车辆的行驶速度信息和所述第二车辆的行驶速度信息。
设备获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息，其中，第一车辆为当前用户驾驶的车辆，第二车辆为其他交通参与者，在实际的行车过程中，可能存在多个交通参与者，但是本实施例中的第二车辆的数量为1，可以采用本实施例中的方案依次确定每个交通参与者的危险度信息。第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息可以预先存储在设备中，车辆尺寸信息可以包括车辆的长、宽、高。车辆行驶信息包括第一车辆的行驶速度信息和第二车辆的行驶速度信息。车辆行驶环境信息可以包括行驶环境天气信息和行驶环境路况信息，行驶环境天气信息可以包括晴朗、雾天、雨天、沙尘天，行驶环境路况信息可以包括正常、湿滑、积雪。不同的车辆行驶环境信息可能会影响车辆的行驶参数，例如影响车辆刹车时的减速度等等。
S102：基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量。
设备中预先设置重叠区域判断策略，重叠区域判断策略用于判断第一车辆和第二车辆之间是否存在重叠区域，重叠区域为在第一车辆和第二车辆在二维平面两个方向上是否具有一个无穷大的重叠区域。车辆行驶信息中包括车辆当前行驶的位置信息，设备基于第一车辆尺寸信息、第二车辆尺寸信息、车辆行驶信息和重叠区域判断策略，对第一车辆和第二车辆之间是否存在重叠区域进行判断，得到第一车辆和第二车辆之间是否存在重叠区域以及若存在重叠区域，存在的重叠区域的数量。其中，重叠区域数量可以为0、1、2，当重叠区域数量信息为0时，如图2所示，第一车辆和所述第二车辆在X轴和Y轴上均不存在重叠区域；当重叠区域数量信息为1时，如图3所示，第一车辆和第二车辆在X轴上存在一个重叠区域或者第一车辆和第二车辆在Y轴上存在一个重叠区域；当重叠区域数量信息为2时，如图4所示，第一车辆和第二车辆在X轴上存在一个重叠区域并且第一车辆和第二车辆在Y轴上存在一个重叠区域。
S103：基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息。
设备基于重叠区域数量、车辆行驶信息和车辆行驶环境信息，确定驾驶行为的危险度信息。其中，重叠区域数量、车辆行驶信息和车辆行驶环境信息是确定驾驶行为的危险度信息的必要参数，根据重叠区域数量、车辆行驶信息和车辆行驶环境信息可以得到确定驾驶行为的危险度信息的策略，从而确定驾驶行为的危险度信息。
本申请实施例中，获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息。上述方法，将车辆碰撞问题表示为一般二维平面上的碰撞问题，通过获取自车和周边交通参与者的动态信息以及天气、道路环境等因素来评估周边交通参与者的危险程度，可以适应于交叉口、出入口、高速公路等多场景，帮助驾驶员或乘客避免交通碰撞事故的发生，这将显著提高驾驶员和乘客的安全性。
请参见图5，图5是本申请第二实施例提供的另一种驾驶行为危险度的监测方法的示意流程图。本实施例中驾驶行为危险度的监测方法的执行主体为具有驾驶行为危险度的监测功能的设备，可以为移动终端、服务器等等。当重叠区域数量信息为0时，为了准确的确定驾驶行为的危险度信息，本实施例与第一实施例之间的区别在于S203～S204，其中，本实施例中的S201～S202与第一实施例中的S101～S102相同，S203～S204是S103的进一步细化，如图5所示，S203～S204具体如下：
S203：基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长和停止时长；其中，所述剩余碰撞时长为当前时刻距离所述第一车辆和所述第二车辆发生碰撞的剩余时长；所述剩余碰撞时长包括X轴方向的第一剩余碰撞时长和Y轴方向的第二剩余碰撞时长；所述停止时长为当前时刻距离所述第一车辆停止行驶的时刻之间的时长。
设备基于车辆行驶信息和车辆行驶环境信息，确定剩余碰撞时长和停止时长。其中，剩余碰撞时长为当前时刻距离第一车辆和第二车辆发生碰撞的剩余时长，剩余碰撞时长包括X轴方向的第一剩余碰撞时长和Y轴方向的第二剩余碰撞时长，设备可以通过车辆行驶信息来确定剩余碰撞时长，具体来说，可以通过第一车辆的行驶速度信息、第二车辆的行驶速度信息、第一车辆的当前位置信息、第二车辆的当前位置信息来确定剩余碰撞时长，可以通过下面的公式计算得到剩余碰撞时长：
Figure BDA0002269374640000111
Figure BDA0002269374640000112
Figure BDA0002269374640000113
其中，TTC表示剩余碰撞时长，p表示当前位置信息，v表示行驶速度信息，hv表示第一车辆，oj表示第二车辆，t表示当前时刻，j表示其他交通参与者的索引。
其中，停止时长为当前时刻距离第一车辆停止行驶的时刻之间的时长，即在指定减速度下，第一车辆停止所需要的时长。天气状况影响驾驶员或传感器的感知范围，恶劣的天气需要更大的车辆间隔，也等价于更大的停止时长，所以，车辆行驶环境信息中的行驶环境天气信息也是计算停止时长的必要参数。可以通过下面的公式计算得到停止时长：
Figure BDA0002269374640000121
s∈{clear,fog,rain,dust}＝{c,f,r,d}
ws＝{c:1,f:1.4,r:1.2,d:1.3}
其中，TTS表示停止时长，s表示行驶环境天气信息，clear,fog,rain,dust分别表示行驶环境天气信息为晴朗、雾天、雨天、沙尘天，ws表示不同的行驶环境天气信息对应的系数，a表示减速度信息。
其中，减速度信息可以由设备直接获取，也可以由设备通过计算来获取。为了乘客的舒适性，我们考虑了不同程度的减速，以更好的平衡制动能力与乘客的舒适性。为了方便起见，我们定义了三个不同的减速度来平衡车辆最大制动能力和乘客舒适度。三种减速度阈值表示如下含义：1)最大制动减速度；2)正常制动的减速度；3)使乘客感到舒适的减速度。同时，道路状况会影响以上三种减速度，我们考虑的道路状况有以下几种：1)正常n；2)湿滑w；3)积雪s；减速度信息可以被表示为下式：
athresh(rs)＝{a|rsae,rsaa,rsac}
s∈{normal,wetness,snow}＝{n,w,s}
rs＝{n:1,w:0.83,s:0.67}
其中，athresh(rs)表示减速度信息，s表示不同的行驶环境道路状况信息，rs表示不同的行驶环境道路状况信息对应的系数。
S204：基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息。
设备基于第一剩余碰撞时长、第二剩余碰撞时长、停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息。其中，第一剩余碰撞时长、第二剩余碰撞时长、停止时长是确定驾驶行为的危险度信息的必要参数，根据第一剩余碰撞时长、第二剩余碰撞时长、停止时长和预设危险等级概率模型可以得到确定驾驶行为的危险度信息的策略，从而确定驾驶行为的危险度信息。
进一步地，为了准确的获取危险度信息，S204可以包括S2041～S2043，如图6所示，S2041～S2043具体如下：
S2041：基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定危险等级。
设备基于第一剩余碰撞时长、第二剩余碰撞时长、停止时长和预设危险等级概率模型，确定危险等级，其中，危险等级包括危险状态、需要注意状态、安全状态。在本实施例中，危险等级包括：1)危险的，2)需要注意的，3)安全的，用下式表示：
τ∈{Dangerous,Attentive,Safe}＝{D,A,S}
危险等级只是对当前情况的一个初步估算，估算该情况落入了哪个危险度等级，可以理解为只是求取一个先验概率。本实施例中的预设危险等级概率模型用于获取先验概率，相当于贝叶斯概率模型中的条件概率。
进一步地，为了更准确的确定危险等级，S2041可以包括S2041a、S2041b或者S2041c，其中，S2041a、S2041b、S2041c是或的关系，择一执行，S2041a、S2041b、S2041c具体如下：
S2041a：当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值小于预设阈值时，判定危险等级为危险状态。
设备判断第一剩余碰撞时长和第二剩余碰撞时长之间的差值的绝对值是否小于预设阈值，当第一剩余碰撞时长和第二剩余碰撞时长之间的差值的绝对值小于预设阈值时，说明此时需要非常强的刹车能力才能阻止碰撞，此时的刹车能力较弱时，无法阻止碰撞，所以判定危险等级为危险状态。
S2041b：当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于或等于预设阈值时，判定危险等级为安全状态。
设备判断第一剩余碰撞时长和第二剩余碰撞时长之间的差值的绝对值是否小于预设阈值，当第一剩余碰撞时长和第二剩余碰撞时长之间的差值的绝对值大于或等于预设阈值时，说明第一剩余碰撞时长和第二剩余碰撞时长相差较大，判定危险等级为安全状态。
S2041c：当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于预设阈值或者所述剩余碰撞时长大于所述停止时长时，基于预设危险等级概率模型确定危险等级。
设备判断第一剩余碰撞时长和第二剩余碰撞时长之间的差值的绝对值是否小于预设阈值，当第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于预设阈值或者剩余碰撞时长大于停止时长时，基于预设危险等级概率模型确定危险等级。
S2042：基于所述危险等级、所述第一剩余碰撞时长、所述第二剩余碰撞时长和所述停止时长，确定目标危险度监测策略。
不同的危险等级对应的危险度检测策略不同，举例来说，危险等级为危险状态和危险等级为安全状态，这两者的危险等级不同，影响危险度信息的参数也不同，所以危险度检测策略肯定是不一样的。
在本实施例中，对同一个危险等级还做了不同条件的区分，设备中预设了不同条件下各个危险等级对应的危险度监测策略。具体来说，不同条件下各个危险等级对应的危险度监测策略可以参考如下公式：
Figure BDA0002269374640000141
Figure BDA0002269374640000142
Figure BDA0002269374640000143
Figure BDA0002269374640000144
Figure BDA0002269374640000145
Figure BDA0002269374640000146
Figure BDA0002269374640000147
Figure BDA0002269374640000148
Figure BDA0002269374640000149
Figure BDA00022693746400001410
其中，
Figure BDA00022693746400001411
为危险行为的危险度信息，HV标识第一车辆，oj标识第二车辆，
Figure BDA00022693746400001412
为第一剩余碰撞时长，
Figure BDA00022693746400001413
为第二剩余碰撞时长，vhv(t)为第一车辆的当前速度，τ为所述危险等级，D标识危险等级为危险状态，A标识危险等级为需要注意状态，S标识危险等级为安全状态，条件
Figure BDA0002269374640000151
表示为当第一剩余碰撞时长和第二剩余碰撞时长之间的差值的绝对值大于预设阈值或者剩余碰撞时长大于停止时长时。
S2043：基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
设备确定了目标危险度检测策略后，基于目标危险度监测策略以及目标危险度监测策略中所需要的参数，计算得到驾驶行为的危险度信息。
请参见图7，图7是本申请第三实施例提供的另一种驾驶行为危险度的监测方法的示意流程图。本实施例中驾驶行为危险度的监测方法的执行主体为具有驾驶行为危险度的监测功能的设备，可以为移动终端、服务器等等。当重叠区域数量信息为1时，为了准确的确定驾驶行为的危险度信息，本实施例与第一实施例之间的区别在于S303～S306，其中，本实施例中的S301～S302与第一实施例中的S101～S102相同，S303～S306是S103的进一步细化，如图6所示，S303～S306具体如下：
S303：基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长和逃离时长；其中，所述逃离时长为当前时刻到目标时刻之间的时长，所述目标时刻为所述第一车辆和所述第二车辆之间的重叠区域消失的时刻。
在S303中，基于车辆行驶信息和车辆行驶环境信息，确定剩余碰撞时长和停止时长的具体细节可以参阅S203中的相关描述，此处不再赘述。
设备基于车辆行驶信息和车辆行驶环境信息，确定逃离时长，逃离时长为当前时刻到目标时刻之间的时长，目标时刻为第一车辆和第二车辆之间的重叠区域消失的时刻，可以通过下面的公式计算得到逃离时长：
Figure BDA0002269374640000152
其中，l表示第一车辆和第二车辆长度总和的一半，px(y)(t)表示x方向或是y方向的位置信息，vx(y)(t)表示沿x方向或是y方向的速度。
S304：基于所述剩余碰撞时长、所述停止时长、所述逃离时长和所述预设危险等级概率模型，确定危险等级。
设备基于剩余碰撞时长、停止时长、逃离时长和预设危险等级概率模型，确定危险等级，其中，危险等级包括危险状态、需要注意状态、安全状态。在本实施例中，危险等级包括：1)危险的，2)需要注意的，3)安全的，用下式表示：
τ∈{Dangerous,Attentive,Safe}＝{D,A,S}
危险等级只是对当前情况的一个初步估算，估算该情况落入了哪个危险度等级，可以理解为只是求取一个先验概率。本实施例中的预设危险等级概率模型用于获取先验概率，相当于贝叶斯概率模型中的条件概率。
进一步地，为了更准确的确定危险等级，S304可以包括S3041或者S3042，其中，S3041和S3042是或的关系，择一执行，S3041、S3042具体如下：
S3041：当所述逃离时长大于或等于所述剩余碰撞时长时，判定危险等级为安全状态。
设备判断逃离时长和剩余碰撞时长的大小，当逃离时长大于或等于剩余碰撞时长时，即说明在碰撞之前可以逃离，判定危险等级为安全状态。
S3042：当所述逃离时长小于所述剩余碰撞时长时，基于预设危险等级概率模型确定危险等级。
设备判断逃离时长和剩余碰撞时长的大小，当逃离时长小于剩余碰撞时长时，基于预设危险等级概率模型确定危险等级。
S305：基于所述危险等级、所述剩余碰撞时长、所述停止时长和所述逃离时长，确定目标危险度监测策略。
不同的危险等级对应的危险度检测策略不同，举例来说，危险等级为危险状态和危险等级为安全状态，这两者的危险等级不同，影响危险度信息的参数也不同，所以危险度检测策略肯定是不一样的。
在本实施例中，对同一个危险等级还做了不同条件的区分，设备中预设了不同条件下各个危险等级对应的危险度监测策略。具体来说，不同条件下各个危险等级对应的危险度监测策略可以参考如下公式：
Figure BDA0002269374640000171
Figure BDA0002269374640000172
Figure BDA0002269374640000173
Figure BDA0002269374640000174
Figure BDA0002269374640000175
Figure BDA0002269374640000176
Figure BDA0002269374640000177
Figure BDA0002269374640000178
其中，
Figure BDA0002269374640000179
为危险行为的危险度信息，HV标识第一车辆，oj标识第二车辆，
Figure BDA00022693746400001710
为第一剩余碰撞时长，
Figure BDA00022693746400001711
为第二剩余碰撞时长，vhv(t)为第一车辆的当前速度，τ为所述危险等级，D标识危险等级为危险状态，A标识危险等级为需要注意状态，S标识危险等级为安全状态，限制条件
Figure BDA00022693746400001712
表示第一车辆可以在碰撞之前离开重叠区域。
S306：基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
S306可以参阅S2043中的相关描述，此处不再赘述。
请参见图8，图8是本申请第四实施例提供的另一种驾驶行为危险度的监测方法的示意流程图。本实施例中驾驶行为危险度的监测方法的执行主体为具有驾驶行为危险度的监测功能的设备，可以为移动终端、服务器等等。当重叠区域数量信息为2时，为了准确的确定驾驶行为的危险度信息，本实施例与第一实施例之间的区别在于S403～S406，其中，本实施例中的S401～S402与第一实施例中的S101～S102相同，S403～S406是S103的进一步细化，如图8所示，S403～S406具体如下：
S403：基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长。
在S403中，基于车辆行驶信息和车辆行驶环境信息，确定剩余碰撞时长和停止时长的具体细节可以参阅S203中的相关描述，此处不再赘述。
S404：基于所述剩余碰撞时长、所述停止时长和所述预设危险等级概率模型，确定危险等级。
设备基于剩余碰撞时长、停止时长和预设危险等级概率模型，确定危险等级，其中，危险等级包括危险状态、需要注意状态、安全状态。在本实施例中，危险等级包括：1)危险的，2)需要注意的，3)安全的，用下式表示：
τ∈{Dangerous,Attentive,Safe}＝{D,A,S}
危险等级只是对当前情况的一个初步估算，估算该情况落入了哪个危险度等级，可以理解为只是求取一个先验概率。本实施例中的预设危险等级概率模型用于获取先验概率，相当于贝叶斯概率模型中的条件概率。
S405：基于所述危险等级、所述剩余碰撞时长和所述停止时长，确定目标危险度监测策略。
不同的危险等级对应的危险度检测策略不同，举例来说，危险等级为危险状态和危险等级为安全状态，这两者的危险等级不同，影响危险度信息的参数也不同，所以危险度检测策略肯定是不一样的。
在本实施例中，对同一个危险等级还做了不同条件的区分，设备中预设了不同条件下各个危险等级对应的危险度监测策略。具体来说，不同条件下各个危险等级对应的危险度监测策略可以参考如下公式：
Figure BDA0002269374640000181
Figure BDA0002269374640000182
Figure BDA0002269374640000183
Figure BDA0002269374640000184
其中，
Figure BDA0002269374640000191
为危险行为的危险度信息，HV标识第一车辆，oj标识第二车辆，，τ为所述危险等级，D标识危险等级为危险状态，A标识危险等级为需要注意状态，S标识危险等级为安全状态，
Figure BDA0002269374640000192
表示在CM方向上的碰撞时间，
Figure BDA0002269374640000193
表示在CM方向上的第一车辆速度。其中，CM方向为第一车辆对应的点和第二车辆对应的点连线的方向。
S406：基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
S406可以参阅S2043中的相关描述，此处不再赘述。
进一步地，在获取到驾驶行为的危险度信息之后，我们可以通过softmax函数转换成危险度的概率，通过下式计算：
Figure BDA0002269374640000194
Figure BDA0002269374640000195
对于指定的第二车辆，他的危险度信息可以通过下式计算：
Figure BDA0002269374640000196
Figure BDA0002269374640000197
在当前区域内，最危险的车辆及其对应危险程度可以通过下式计算：
Figure BDA0002269374640000198
Figure BDA0002269374640000199
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
请参见图9，图9是本申请第五实施例提供的驾驶行为危险度的监测装置的示意图。包括的各单元用于执行图1、图5～图8对应的实施例中的各步骤。具体请参阅图1、图5～图8各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图9，驾驶行为危险度的监测装置9包括：
第一获取单元910，用于获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；所述车辆行驶信息包括所述第一车辆的行驶速度信息和所述第二车辆的行驶速度信息；
第一确定单元920，用于基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；
第二确定单元930，用于基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息。
进一步地，当所述重叠区域数量为0时，第二确定单元930，包括：
第三确定单元，用于基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长和停止时长；其中，所述剩余碰撞时长为当前时刻距离所述第一车辆和所述第二车辆发生碰撞的剩余时长；所述剩余碰撞时长包括X轴方向的第一剩余碰撞时长和Y轴方向的第二剩余碰撞时长；所述停止时长为当前时刻距离所述第一车辆停止行驶的时刻之间的时长；
第四确定单元，用于基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息。
进一步地，所述第四确定单元，包括：
第五确定单元，用于基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定危险等级；
第六确定单元，用于基于所述危险等级、所述第一剩余碰撞时长、所述第二剩余碰撞时长和所述停止时长，确定目标危险度监测策略；
第七确定单元，用于基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
进一步地，所述危险等级包括危险状态、需要注意状态、安全状态；
所述第五确定单元，具体用于：
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值小于预设阈值时，判定危险等级为危险状态；或
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于或等于预设阈值时，判定危险等级为安全状态；或
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于预设阈值或者所述剩余碰撞时长大于所述停止时长时，基于预设危险等级概率模型确定危险等级。
进一步地，当所述重叠区域数量为1时，第二确定单元930，包括：
第八确定单元，用于基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长和逃离时长；其中，所述逃离时长为当前时刻到目标时刻之间的时长，所述目标时刻为所述第一车辆和所述第二车辆之间的重叠区域消失的时刻；
第九确定单元，用于基于所述剩余碰撞时长、所述停止时长、所述逃离时长和所述预设危险等级概率模型，确定危险等级；
第十确定单元，用于基于所述危险等级、所述剩余碰撞时长、所述停止时长和所述逃离时长，确定目标危险度监测策略；
第十一确定单元，用于基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
进一步地，所述第九确定单元，具体用于：
当所述逃离时长大于或等于所述剩余碰撞时长时，判定危险等级为安全状态；或
当所述逃离时长小于所述剩余碰撞时长时，基于预设危险等级概率模型确定危险等级。
进一步地，当所述重叠区域数量为2时，第二确定单元930，包括：
基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长；
基于所述剩余碰撞时长、所述停止时长和所述预设危险等级概率模型，确定危险等级；
基于所述危险等级、所述剩余碰撞时长和所述停止时长，确定目标危险度监测策略；
基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
图10是本申请第六实施例提供的驾驶行为危险度的监测设备的示意图。如图10所示，该实施例的驾驶行为危险度的监测设备10包括：处理器100、存储器101以及存储在所述存储器101中并可在所述处理器100上运行的计算机程序102，例如驾驶行为危险度的监测程序。所述处理器100执行所述计算机程序102时实现上述各个驾驶行为危险度的监测设备方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器100执行所述计算机程序102时实现上述各装置实施例中各模块/单元的功能，例如图9所示模块911至930的功能。
示例性的，所述计算机程序102可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器101中，并由所述处理器100执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序102在所述驾驶行为危险度的监测设备10中的执行过程。例如，所述计算机程序102可以被分割成第一获取单元、第一确定单元、第二确定单元，各单元具体功能如下：
第一获取单元，用于获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；所述车辆行驶信息包括所述第一车辆的行驶速度信息和所述第二车辆的行驶速度信息；
第一确定单元，用于基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；
第二确定单元，用于基于所述重叠区域数量、所述车辆行驶信息和所述车辆行驶环境信息，确定驾驶行为的危险度信息。
所述驾驶行为危险度的监测设备可包括，但不仅限于，处理器100、存储器101。本领域技术人员可以理解，图10仅仅是驾驶行为危险度的监测设备10的示例，并不构成对驾驶行为危险度的监测设备10的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述驾驶行为危险度的监测设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器100可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器101可以是所述驾驶行为危险度的监测设备10的内部存储单元，例如驾驶行为危险度的监测设备10的硬盘或内存。所述存储器101也可以是所述驾驶行为危险度的监测设备10的外部存储设备，例如所述驾驶行为危险度的监测设备10上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器101还可以既包括所述驾驶行为危险度的监测设备10的内部存储单元也包括外部存储设备。所述存储器101用于存储所述计算机程序以及所述驾驶行为危险度的监测设备所需的其他程序和数据。所述存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
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，本申请实现上述实施例方法中的全部或部分流程，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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种驾驶行为危险度的监测方法，其特征在于，包括：
获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；所述车辆行驶信息包括所述第一车辆的行驶速度信息和所述第二车辆的行驶速度信息；
基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；所述重叠区域为在第一车辆和第二车辆在二维平面两个方向上是否具有一个无穷大的重叠区域；
当所述重叠区域数量为0时，基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长和停止时长；其中，所述剩余碰撞时长为当前时刻距离所述第一车辆和所述第二车辆发生碰撞的剩余时长；所述剩余碰撞时长包括X轴方向的第一剩余碰撞时长和Y轴方向的第二剩余碰撞时长；所述停止时长为当前时刻距离所述第一车辆停止行驶的时刻之间的时长；
基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息。
2.如权利要求1所述的驾驶行为危险度的监测方法，其特征在于，所述基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息，包括：
基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定危险等级；
基于所述危险等级、所述第一剩余碰撞时长、所述第二剩余碰撞时长和所述停止时长，确定目标危险度监测策略；
基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
3.如权利要求2所述的驾驶行为危险度的监测方法，其特征在于，所述危险等级包括危险状态、需要注意状态、安全状态；
所述基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定危险等级，包括：
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值小于预设阈值时，判定危险等级为危险状态；或
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于或等于预设阈值时，判定危险等级为安全状态；或
当所述第一剩余碰撞时长和所述第二剩余碰撞时长之间的差值的绝对值大于预设阈值或者所述剩余碰撞时长大于所述停止时长时，基于预设危险等级概率模型确定危险等级。
4.如权利要求1所述的驾驶行为危险度的监测方法，其特征在于，在基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量之后，还包括：
当所述重叠区域数量为1时，基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长和逃离时长；其中，所述逃离时长为当前时刻到目标时刻之间的时长，所述目标时刻为所述第一车辆和所述第二车辆之间的重叠区域消失的时刻；
基于所述剩余碰撞时长、所述停止时长、所述逃离时长和所述预设危险等级概率模型，确定危险等级；
基于所述危险等级、所述剩余碰撞时长、所述停止时长和所述逃离时长，确定目标危险度监测策略；
基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
5.如权利要求4所述的驾驶行为危险度的监测方法，其特征在于，所述基于所述剩余碰撞时长、所述停止时长、所述逃离时长和所述预设危险等级概率模型，确定危险等级，包括：
当所述逃离时长大于或等于所述剩余碰撞时长时，判定危险等级为安全状态；或
当所述逃离时长小于所述剩余碰撞时长时，基于预设危险等级概率模型确定危险等级。
6.如权利要求1所述的驾驶行为危险度的监测方法，其特征在于，在所述基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量之后，还包括：
当所述重叠区域数量为2时，基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长、停止时长；
基于所述剩余碰撞时长、所述停止时长和所述预设危险等级概率模型，确定危险等级；
基于所述危险等级、所述剩余碰撞时长和所述停止时长，确定目标危险度监测策略；
基于所述目标危险度监测策略，确定驾驶行为的危险度信息。
7.一种驾驶行为危险度的监测装置，其特征在于，包括：
第一获取单元，用于获取第一车辆的第一车辆尺寸信息、第二车辆的第二车辆尺寸信息、车辆行驶信息和车辆行驶环境信息；所述车辆行驶信息包括所述第一车辆的行驶速度信息和所述第二车辆的行驶速度信息；
第一确定单元，用于基于所述第一车辆尺寸信息、所述第二车辆尺寸信息和所述车辆行驶信息，确定所述第一车辆和所述第二车辆的重叠区域数量；所述重叠区域为在第一车辆和第二车辆在二维平面两个方向上是否具有一个无穷大的重叠区域；
第二确定单元，用于当所述重叠区域数量为0时，基于所述车辆行驶信息和所述车辆行驶环境信息，确定剩余碰撞时长和停止时长；其中，所述剩余碰撞时长为当前时刻距离所述第一车辆和所述第二车辆发生碰撞的剩余时长；所述剩余碰撞时长包括X轴方向的第一剩余碰撞时长和Y轴方向的第二剩余碰撞时长；所述停止时长为当前时刻距离所述第一车辆停止行驶的时刻之间的时长；基于所述第一剩余碰撞时长、所述第二剩余碰撞时长、所述停止时长和预设危险等级概率模型，确定驾驶行为的危险度信息。
8.一种驾驶行为危险度的监测设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
CN201911099408.8A 2019-11-12 2019-11-12 一种驾驶行为危险度的监测方法及装置 Active CN110949381B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911099408.8A CN110949381B (zh) 2019-11-12 2019-11-12 一种驾驶行为危险度的监测方法及装置
US16/626,566 US11738761B2 (en) 2019-11-12 2019-11-25 Method and device for monitoring driving behavior risk degree
PCT/CN2019/120565 WO2021093013A1 (zh) 2019-11-12 2019-11-25 一种驾驶行为危险度的监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911099408.8A CN110949381B (zh) 2019-11-12 2019-11-12 一种驾驶行为危险度的监测方法及装置

Publications (2)

Publication Number Publication Date
CN110949381A CN110949381A (zh) 2020-04-03
CN110949381B true CN110949381B (zh) 2021-02-12

Family

ID=69977306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911099408.8A Active CN110949381B (zh) 2019-11-12 2019-11-12 一种驾驶行为危险度的监测方法及装置

Country Status (3)

Country Link
US (1) US11738761B2 (zh)
CN (1) CN110949381B (zh)
WO (1) WO2021093013A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113808435B (zh) * 2020-06-11 2024-03-12 奥迪股份公司 用于车辆的辅助装置、相应的方法及存储介质
DE102021206854A1 (de) * 2021-06-30 2023-01-05 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Steuerung einer Annäherung eines Fahrzeugs, Abstandsregler, Computerprogramm und Speichereinheit
CN113642644B (zh) * 2021-08-13 2024-05-10 北京赛目科技有限公司 车辆环境等级的确定方法、装置、电子设备及存储介质
CN114407926A (zh) * 2022-01-20 2022-04-29 深圳市易成自动驾驶技术有限公司 基于自动驾驶的人工智能危险场景的车辆控制方法和车辆
CN114348009B (zh) * 2022-01-27 2024-05-03 中国第一汽车股份有限公司 功能安全概念阶段分析方法及制动控制系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134370A (zh) * 2013-05-03 2014-11-05 株式会社万都 防止车辆碰撞的方法
JP2014232509A (ja) * 2013-05-30 2014-12-11 株式会社Ｉｈｉエアロスペース 経路生成方法と装置
CN106428001A (zh) * 2016-09-28 2017-02-22 浙江吉利控股集团有限公司 一种用于车辆的变道预警方法及系统
CN108216220A (zh) * 2016-12-16 2018-06-29 现代自动车株式会社 基于边界的车辆碰撞控制的设备和方法
CN109191487A (zh) * 2018-08-30 2019-01-11 百度在线网络技术（北京）有限公司 基于无人车的碰撞检测方法、装置、设备以及存储介质
CN110065494A (zh) * 2019-04-09 2019-07-30 魔视智能科技(上海)有限公司 一种基于车轮检测的车辆防碰撞方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7966127B2 (en) * 2004-12-28 2011-06-21 Kabushiki Kaisha Toyota Chuo Kenkyusho Vehicle motion control device
US8706393B2 (en) * 2012-01-10 2014-04-22 Ford Global Technologies, Llc Intersection collision avoidance with adaptable vehicle dimensions
US20140176714A1 (en) 2012-12-26 2014-06-26 Automotive Research & Test Center Collision prevention warning method and device capable of tracking moving object
US9741251B2 (en) * 2014-02-17 2017-08-22 Toyota Jidosha Kabushiki Kaisha Collision avoidance assistance device and collision avoidance assistance method
JP2016081359A (ja) * 2014-10-20 2016-05-16 クラリオン株式会社 情報提示装置
JP6485234B2 (ja) * 2015-06-09 2019-03-20 株式会社デンソー 路面表示装置
EP3376486B1 (en) * 2015-11-10 2023-05-10 Furukawa Electric Co., Ltd. Monitoring device and monitoring method
JP6597408B2 (ja) * 2016-03-04 2019-10-30 株式会社デンソー 衝突緩和制御装置
CN107346612B (zh) * 2016-05-06 2021-02-12 中国科学院微电子研究所 一种基于车联网的车辆防碰撞方法和系统
KR102581779B1 (ko) * 2016-10-11 2023-09-25 주식회사 에이치엘클레무브 교차로충돌방지시스템 및 교차로충돌방지방법
EP3805889A1 (en) * 2016-12-23 2021-04-14 Mobileye Vision Technologies Ltd. Navigational system monitoring host and target vehicle behaviour
US10451730B2 (en) * 2017-03-31 2019-10-22 Ford Global Technologies, Llc Lane change assistant
CN108806018B (zh) * 2017-04-28 2021-04-20 华为技术有限公司 一种数据处理方法、数据处理设备和智能汽车
JP6961995B2 (ja) * 2017-05-12 2021-11-05 トヨタ自動車株式会社 運転支援装置
CN109308816B (zh) * 2017-07-28 2021-09-14 华为技术有限公司 一种确定道路交通风险的方法、装置及车载系统
US10562538B2 (en) * 2017-11-22 2020-02-18 Uatc, Llc Object interaction prediction systems and methods for autonomous vehicles
CN108010388A (zh) * 2018-01-04 2018-05-08 北京瑞腾中天科技有限公司 基于车联网络的碰撞检测预警方法及碰撞检测预警系统
US11077845B2 (en) * 2018-03-20 2021-08-03 Mobileye Vision Technologies Ltd. Systems and methods for navigating a vehicle
CN108447308A (zh) * 2018-05-17 2018-08-24 中交信息技术国家工程实验室有限公司 一种基于车路协同的交叉口车辆碰撞风险预测方法及系统
US11327507B2 (en) * 2019-04-12 2022-05-10 Waymo Llc Exception handling for autonomous vehicles
CN114364591A (zh) * 2019-06-06 2022-04-15 移动眼视觉科技有限公司 用于交通工具导航系统和方法
US11643073B2 (en) * 2019-10-24 2023-05-09 Zoox, Inc. Trajectory modifications based on a collision zone

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134370A (zh) * 2013-05-03 2014-11-05 株式会社万都 防止车辆碰撞的方法
JP2014232509A (ja) * 2013-05-30 2014-12-11 株式会社Ｉｈｉエアロスペース 経路生成方法と装置
CN106428001A (zh) * 2016-09-28 2017-02-22 浙江吉利控股集团有限公司 一种用于车辆的变道预警方法及系统
CN108216220A (zh) * 2016-12-16 2018-06-29 现代自动车株式会社 基于边界的车辆碰撞控制的设备和方法
CN109191487A (zh) * 2018-08-30 2019-01-11 百度在线网络技术（北京）有限公司 基于无人车的碰撞检测方法、装置、设备以及存储介质
CN110065494A (zh) * 2019-04-09 2019-07-30 魔视智能科技(上海)有限公司 一种基于车轮检测的车辆防碰撞方法

Also Published As

Publication number Publication date
US20220266842A1 (en) 2022-08-25
CN110949381A (zh) 2020-04-03
US11738761B2 (en) 2023-08-29
WO2021093013A1 (zh) 2021-05-20

Similar Documents

Publication Publication Date Title
CN110949381B (zh) 一种驾驶行为危险度的监测方法及装置
JP7040399B2 (ja) 情報処理システム及び情報処理方法
US20060052929A1 (en) Method for controlling the speed of a motor vehicle in accordance with risk and system for carrying out the method
US9323718B2 (en) Method and device for operating a driver assistance system of a vehicle
CN113246995A (zh) 系统、信息处理装置、以及信息处理方法
CN112706764A (zh) 一种主动防碰撞预警方法、装置、设备和存储介质
CN113104045B (zh) 车辆碰撞预警方法、装置、设备及存储介质
CN115731695A (zh) 一种场景安全等级确定方法、装置、设备及存储介质
US12008903B2 (en) Collision warning method, and system for protecting vulnerable traffic participant, and storage medium
CN115366909B (zh) 长大纵坡路段驾驶员事故动态预警方法、装置及电子设备
CN111038518A (zh) 行车控制方法及装置、电子设备及存储介质
CN115303070A (zh) 车速提醒方法、设备及计算机可读存储介质
JP7276276B2 (ja) 危険運転検出装置、危険運転検出システム、及び危険運転検出プログラム
CN109808693B (zh) 无人车黄灯决策方法、装置及存储介质
CN111612140A (zh) 基于路侧单元的自动驾驶安全判别方法、设备、存储介质
CN115798182B (zh) 一种摩托车的智能安全管理方法及系统
CN114155705B (zh) 一种车辆阻碍交通行为评估方法、装置、设备及存储介质
CN115139999B (zh) 车辆与行人防撞控制方法及装置、电子设备、存储介质
CN115394121B (zh) 一种公路运行风险研判方法
CN114763145A (zh) 驾驶行为检测方法、装置、电子设备和存储介质
JP7484528B2 (ja) 警告提示制御装置、警告提示制御システム、警告提示制御方法、及び、警告提示制御プログラム
CN115311861B (zh) 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质
CN115320578A (zh) 一种车辆避让行人控制方法及相关设备
CN115394121A (zh) 一种公路运行风险研判方法
CN117037544A (zh) 行人通行预警方法、装置、车载终端及存储介质

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
GR01 Patent grant
GR01 Patent grant