CN111126528A - 参考标签生成方法、系统和碰撞标签质量评估方法和系统 - Google Patents
参考标签生成方法、系统和碰撞标签质量评估方法和系统 Download PDFInfo
- Publication number
- CN111126528A CN111126528A CN201911364998.2A CN201911364998A CN111126528A CN 111126528 A CN111126528 A CN 111126528A CN 201911364998 A CN201911364998 A CN 201911364998A CN 111126528 A CN111126528 A CN 111126528A
- Authority
- CN
- China
- Prior art keywords
- collision
- data
- parking
- executing
- tag
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/0078—Shock-testing of vehicles
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种参考标签生成方法、系统和碰撞标签质量评估方法和系统。参考标签的生成包括:综合分析急刹车、急刹车程度,再对应考虑停车时长,以确定是否发生碰撞,接着再确定停车位置,根据停车位置类型确定是否发生碰撞,接着再判断车辆是否出现过疑似维修行为,根据判断结果确定是否发生碰撞。之后对应打上参考标签内容。碰撞标签数据质量评估方法包括:对海量数据中生成了碰撞标签的各车辆对应生成参考标签,再统计参考标签与碰撞标签的匹配程度,以此评价碰撞标签的总体质量。本发明基于历史客观事实依据,通过合理的逻辑设计,快速、准确地生成参考标签,对碰撞标签的评估客观性强、准确性高。
Description
技术领域
本发明涉及车联网领域,尤其是一种碰撞数据参考标签生成方法、系统,以及基于此的碰撞标签数据质量分析评估方法和系统。
背景技术
随着“互联网+”在各领域中的应用,基于互联网的应用的响应效率所取得的效果日益凸显。其中,在车联网中就有一项需要及时响应的场景-碰撞检测。其需要在车辆发生疑似碰撞时,及时对现场情况进行判别并附上碰撞或非碰撞标签,以便于及时了解车辆的状态,以便于为车主提供及时、有针对性的服务。
在车辆碰撞检测技术的研发过程中,需要基于海量车辆行驶的多维度的数据,对车辆碰撞场景进行建模,在建模之前,需要使用各种方式给车辆数据集打上碰撞与非碰撞的标签。由于建模的数据将直接影响建模的效果,因而衍生出判断单条碰撞标签数据的可信度以及碰撞标签数据整体质量的工序。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种碰撞数据参考标签生成方法和系统,以为单条或海量碰撞标签的可信度评价提供准确的参考数据。
本发明还提供了一种碰撞标签数据质量分析评估方法和系统,以对单条或海量碰撞标签的整体质量(可信度)进行准确评估。
本发明采用的技术方案如下:
一种用于评估碰撞标签数据质量的碰撞数据参考标签生成方法,以用于生成碰撞数据参考标签,该碰撞数据参考标签作为验证车辆发生疑似碰撞时所生成的碰撞标签的准确性,其特征在于,碰撞数据参考标签生成方法包括:
A.根据第一数据包中的速度数据判断是否出现急刹车情况,若是,则执行B,否则执行E;所述第一数据包为车辆发生疑似碰撞时间点前后预定时间段的数据包;
B.根据第一数据包中的加速度数据计算加速度变化值,在所述加速度变化值达到第一阈值时,执行C,否则执行D;
C.根据第一数据包中的速度数据计算第一停车时长,在所述第一停车时长达到第二阈值时,执行I,否则执行G;
D.根据第一数据包中的速度数据计算第二停车时长,在第二停车时长达到第三阈值时,执行E,否则执行J;
E.根据第一数据包中的经纬度数据获取地理位置信息;
F.根据所述地理位置信息判断停车位置,并根据预设规则判断所述停车位置所属类型,在所述停车位置为第一类停车位置时,执行G,在所述停车位置为第二类停车位置时,执行I,第一类停车位置对应于允许停车的位置,第二类停车位置对应于不允许停车的位置;
G.根据第二数据包中的经纬度数据判断车辆是否出现维修行为,若是,则执行H,否则执行J;所述第二数据包为车辆发生疑似碰撞时间点之后预定时间段内的数据包;
H.根据第二数据包中的速度数据计算维修行为执行时长,若所述维修行为执行时长达到第四阈值,则执行I,否则执行J;
I.将所述碰撞数据参考标签设为第一类参考标签;
J.将所述碰撞数据参考标签设为第二类参考标签。
上述方法,分别通过急刹车、急加速/减速、停车时长、停车位置以及后续跟踪等因素的综合考虑,生成碰撞数据参考标签,其与实际情况具有极高的匹配度,所生成的参考标签具有较强的客观性和较高的准确性,用作对及时生成的碰撞标签质量的评估参考数据具有极高的准确度。
此外,考虑到实时交通的复杂性和巨量数据量的并发性,参考标签的生成两必然是巨大的。上述方案的逻辑设计非常简单,对于处理器的运行负荷较小,及时巨量数据(大数据处理平台)同时进行批量处理,也不会占用太多的运算资源,因此,非常适合大数据平台的使用。
进一步的,所述根据第一数据包中的速度数据判断是否出现急刹车情况的方法为:计算第一数据包中的速度数据计算速度梯度和,若所述速度梯度和达到第五阈值,则判定出现急刹车情况,否则判断为未出现急刹车情况。
进一步的,所述第二阈值较所述第三阈值小。第二阈值为针对出现急刹车且加速度较大的情况,因此,设计小一点的阈值可以提高对场景的针对性和客观性。
进一步的,所述步骤F中,判断所述停车位置所属类型的方法包括:
地理位置信息包括停车点位和停车点位附近建筑物与该停车点位的相对距离信息;通过停车点位信息可直接判定停车点位是属于建筑物内、高速路、快速路还是普通道路;
当判定为普通道路时,利用附近建筑物与停车点位的相对距离进行计算判断:
计算停车点位周围预定范围内的建筑物与停车点位相对距离的平均数和中位数,当平均数与中位数的差值的绝对值未达到第一门限时,这判定停车点位位于路中间,当平均数与中位数的差值的绝对值达到第二门限时,判断停车点位位于路边;
将停车点位位于建筑物内和普通道路路边的情况归为第一类停车位置;将停车点位位于高速路、快速路和普通道路路中间的情况归为第二类停车位置。进一步的,所述步骤G中,根据第二数据包中的经纬度数据判断车辆是否出现维修行为的方法包括:
根据第二数据包中的经纬度数据,判断出车辆的历史停靠位置,在所述历史停靠位置出现在维修点周围预定范围内时,判定车辆出现维修行为。
进一步的,在执行步骤A前,还包括获取和解析所述第一数据包的步骤;在执行步骤G前,还包括获取和解析所述第二数据包的步骤。
本发明还提供了一种用于评估碰撞标签数据质量的碰撞数据参考标签生成系统,其运行上述碰撞数据参考标签生成方法。最终输出设置了标签内容的碰撞数据参考标签。
本发明还提供了一种碰撞标签数据质量分析评估方法,其包括以下步骤:
对于预定时间段内生成碰撞标签的车辆,利用上述的碰撞数据参考标签生成方法分别生成对应的碰撞数据参考标签;
分别将各车辆的碰撞标签和对应的碰撞数据参考标签进行比对,统计标签内容一致/不一致的数据条数;
将标签内容一致/不一致的数据条数在总数据条数的占比作为质量分析评估参考指标。
对于统计标签内容一致的情况,则占比越大,碰撞标签的质量越好,反之则相反。
本发明还提供了一种碰撞标签数据质量分析评估系统,其运行上述碰撞标签数据质量分析评估方法。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明的碰撞数据参考标签生成方案利用碰撞时的客观数据,综合考虑多方面的因素,利用巧妙的逻辑设计,使得计算过程只需较小的计算量,可快速生成碰撞数据参考标签。所生成的参考标签客观性强、准确性高。
2、本发明的碰撞数据参考标签生成方案可以同时适用于单条或海量数据的同时计算,尤其适用于大数据网络平台,自动化程度高。
3、本发明的碰撞数据参考标签生成方案较碰撞标签生成时间滞后,通过对疑似碰撞时间点后的行为跟踪,使得参考标签更具准确性。
4、本发明的碰撞标签质量分析评估方案对于碰撞标签的可信度评价的准确性高,便于对碰撞模型构建时训练数据的选取。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是碰撞数据参考标签生成方法的一个实施例。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
实施例一
本实施例公开了一种用于评估碰撞标签数据质量的碰撞数据参考标签生成方法,以用于与车辆发生疑似碰撞时,与对应打上的碰撞标签进行比对,判断该碰撞标签的准确率。该碰撞数据参考标签的生成时间较碰撞标签所生成的时间晚,作为后验证方案的比对数据。碰撞数据参考标签生成方法包括:
A.获取触发碰撞提醒时间点附近的第一数据包。该触发碰撞提醒时间点即为疑似发生碰撞的时间点,在该时间点,自动生成了碰撞标签。本方法生成的碰撞数据参考标签即是为了验证该碰撞标签的质量。对于已获取第一数据包并解析出相应数据的情况,此步骤可以省略。数据包中包含有速度、加速度、经纬度等多个维度的数据。
B.根据第一数据包中的速度数据判断是否出现急刹车情况,在出现急刹车情况时,执行C,否则执行E。
C.根据第一数据包中的加速度数据计算加速度变化值,在加速度变化值达到加速度变化阈值时,执行D,否则执行E。
D.根据第一数据包中的速度数据计算第一停车时长,在第一停车时长达到第一时长阈值时,执行J,否则执行H。此步骤针对于急刹车且加速度较大的场景。
E.根据第一数据包中的速度数据计算第二停车时长,在第二停车时长达到第二时长阈值时,执行F,否则执行K。第一时长阈值较第二时长阈值小。
F.根据第一数据包中的经纬度数据获取地理位置信息。
G.根据所述地理位置信息判断停车位置,并判断停车位置所属类型,在该停车位置为第一类停车位置时,执行H,在停车位置为第二类停车位置时,执行J。第一类停车位置为允许停车的位置,例如普通道路路边、车库、服务区、停车区等,第二类停车位置为不允许停车的位置,例如高速路、快速路、普通道路中间等。
停车位置类型的判断方法为:
地理位置信息包括停车点位和停车点位附近建筑物与该停车点位的相对距离信息;通过停车点位信息可直接判定停车点位是属于建筑物内、高速路、快速路还是普通道路(高速路、快速路的停车区、服务区归于建筑物内的情况)。
当判定为普通道路时,利用附近建筑物与停车点位的相对距离进行计算判断:
计算停车点位周围预定范围内的建筑物与停车点位相对距离的平均数和中位数,当平均数与中位数的差值的绝对值未达到第一门限时,则判定停车点位位于路中间,当平均数与中位数的差值的绝对值达到第二门限时,判断停车点位位于路边。
将停车点位位于建筑物内和普通道路路边的情况归为第一类停车位置;将停车点位位于高速路、快速路和普通道路路中间的情况归为第二类停车位置。
H.获取触发碰撞提醒时间点后续一段时间内的所有数据包作为第二数据包,根据第二数据包中经纬度数据判断车辆是否出现维修行为,若是,则执行I,否则执行K。对于已获取第二数据包并解析出相应数据的情况,此步骤可以省略。
I.根据第二数据包中的速度数据计算维修时长,若维修时长达到维修时长阈值,则执行J,否则执行K。
J.将碰撞数据参考标签设置为第一类参考标签(如疑似碰撞)。
K.将碰撞数据参考标签设置为第二类参考标签(如误报或其它非碰撞情况)。
实施例二
如图1所示,本实施例公开了一种用于评估碰撞标签数据的质量的碰撞数据参考标签生成方法,包括以下步骤:
A.获取触发碰撞提醒时间点前后一段时间的第一数据包,该触发碰撞提醒时间点为生成碰撞标签的时间点。
B.获取第一数据包中的速度数据,并计算速度梯度和,在速度梯度和达到第一阈值时,执行C,否则执行E。
C.根据第一数据包中的加速度数据计算加速度变化值,在加速度变化值达到第二阈值时,执行D,否则执行E。
D.根据第一数据包中的速度数据计算第一停车时长,在第一停车时长达到第三阈值时,执行J,否则,执行H。
E.根据第一数据包中的速度数据计算第二停车时长,在第二停车时长达到第四阈值时,执行F,否则执行K。第三阈值较第四阈值小。
F.根据第一数据包中的经纬度数据获取地理位置信息。此处可根据经纬度从第三方地图API中获取详细的地理位置信息,包括地理位置和POI信息。
G.根据地理位置信息判断停车位置,并判断停车位置所属类型,若判断为第一类停车位置,则执行H,若判断为第二类停车位置,则执行J;第一类停车位置对应于允许停车的位置,所述第二类停车位置对应于不允许停车的位置。
H.获取触发碰撞提醒时间点后续一周(或其它时间,但不会相差太长)时间的第二数据包,根据第二数据包中的经纬度数据判断车辆历史停靠位置是否位于维修点周围预定范围内,若是,则执行I,否则执行K。
I.根据第二数据包中的速度数据计算维修停车时长,若该维修停车时长达到第五阈值,则执行J,否则执行K。
J.将碰撞数据参考标签设置为疑似碰撞。
K.将碰撞数据参考标签设置为误报。
对应于上述过程,本实施例公开了以下具体流程:
A.获取触发碰撞提醒时间点前后1分钟左右上传的数据包作为第一数据包,该触发碰撞提醒时间点为生成碰撞标签的时间点,数据包中包括速度、加速度、经纬度等多个维度的数据。
B.获取第一数据包中的速度数据,在最大加速度前后3~5条数据的基础上,计算相邻速度之差的总和(即速度梯度和),在速度梯度和达到70时,判断出现急刹车情况,执行C,否则执行E。
C.根据第一数据包中的加速度数据计算加速度变化值,在加速度变化值达到1400时,执行D,否则执行E。
D.根据第一数据包中的速度数据计算第一停车时长,在第一停车时长达到3分钟时,执行J,否则,执行H。
E.根据第一数据包中的速度数据计算第二停车时长,在第二停车时长达到6分钟时,执行F,否则执行K。
F.根据第一数据包中的经纬度数据获取地理位置信息。此处可根据经纬度从第三方地图API中获取详细的地理位置信息,包括地理位置和POI信息。
G.根据地理位置信息判断停车位置,并判断停车位置所属类型:
地理位置信息包括停车点位和附近点位与停车点位的相对距离数据,通过停车点位的POI信息,可直接判定停车点位是属于建筑物内(比如地址解析出来停车点位在小区里、在商场里等)、高速路、快速路还是普通道路(如主干道)。
当判定为普通道路(尤其是主干道)时,利用附近建筑物与停车点位的相对距离进行计算判断:
计算停车点位周围预定范围内的建筑物与停车点位相对距离的平均数和中位数,当平均数与中位数的差值的绝对值未达到第一门限时,这判定停车点位位于路中间,当平均数与中位数的差值的绝对值达到第二门限时,判断停车点位位于路边。例如计算停车点位周围100m范围内的所有建筑物与停车点位相对距离的平均数和中位数,当平均数与中位数的差的绝对值小于5m时,判定停车点位位于路中间,大于20m则判断为路边。
将停车点位位于建筑物内(可停车区域)和普通道路路边的情况归为第一类停车位置,表示相对不容易判断情况;将停车点位位于高速路、快速路和普通道路路中间的情况归为第二类停车位置,表示相对容易判断的情况。
若判断为第一类停车位置,则执行H,若判断为第二类停车位置,则执行J。
H.获取触发碰撞提醒时间点后续一周(或其它时间,但不会相差太长)时间的第二数据包,根据第二数据包中的经纬度数据判断车辆历史停靠位置是否位于维修点周围预定范围内(该预定范围是为应对GPS漂移带来的误差,不会设计太大,或者可以不设定范围,直接判断是否为维修点),若是,则执行I,否则执行K。
I.根据第二数据包中的速度数据计算维修停车时长,若该维修停车时长达到24h,则执行J,否则执行K。
J.将碰撞数据参考标签设置为疑似碰撞。
K.将碰撞数据参考标签设置为误报。
实施例三
本实施例公开了一种用于评估碰撞标签数据的质量的碰撞数据参考标签生成系统,该系统运行实施例一或二中的用于评估碰撞标签数据的质量的碰撞数据参考标签生成方法。最后输出所生成的碰撞数据参考标签。
实施例四
本实施例公开了一种碰撞标签数据质量分析评估方法,该方法可以用于对单个车辆的碰撞标签的准确性进行验证,但是主要还是应用于对大数据下,车辆发生疑似碰撞时,批处理所附上的碰撞标签的整体水平进行评估。评估方法包括以下步骤:
1.生成预定时间段内,生成了碰撞标签的车辆的碰撞数据参考标签
对于生成了碰撞标签的各车辆,分别执行以下步骤:
A.获取触发碰撞提醒时间点附近一段时间的第一数据包。
B.根据第一数据包中的速度数据判断是否出现急刹车情况,在出现急刹车情况时,执行C,否则执行E。
具体而言包括:
计算速度梯度和,在速度梯度和达到第一阈值时,判断出现急刹车情况,否则判断未出现急刹车。
C.根据第一数据包中的加速度数据计算加速度变化值,在加速度变化值达到第二阈值时,执行D,否则执行E。
D.根据第一数据包中的速度数据计算第一停车时长,在第一停车时长达到第三阈值时,执行J,否则,执行H。
E.根据第一数据包中的速度数据计算第二停车时长,在第二停车时长达到第四阈值时,执行F,否则执行K。第三阈值较第四阈值小。
F.根据第一数据包中的经纬度数据获取地理位置信息。
G.根据地理位置信息判断停车位置,并判断停车位置所属类型,若判断为第一类停车位置,则执行H,若判断为第二类停车位置,则执行J。
具体而言,利用距离测算方法判断停车位置:
地理位置信息包括停车点位和附近点位与停车点位的相对距离数据,通过停车点位的POI信息,可直接判定停车点位是属于建筑物内(比如地址解析出来停车点位在小区里、在商场里等)、高速路、快速路还是普通道路(如主干道)。
当判定为普通道路(尤其是主干道)时,利用附近建筑物与停车点位的相对距离进行计算判断:
计算停车点位周围预定范围内的建筑物与停车点位相对距离的平均数和中位数,当平均数与中位数的差值的绝对值未达到第一门限时,这判定停车点位位于路中间,当平均数与中位数的差值的绝对值达到第二门限时,判断停车点位位于路边。
将停车点位位于建筑物内(可停车区域)和普通道路路边的情况归为第一类停车位置,表示相对不容易判断情况;将停车点位位于高速路、快速路和普通道路路中间的情况归为第二类停车位置,表示相对容易判断的情况。
H.获取触发碰撞提醒时间点后续一周时间的第二数据包,根据第二数据包中的经纬度数据判断车辆是否出现维修行为。若是,则执行I,否则执行K。具体而言,通过经纬度数据判断车辆停靠的位置,若该位置位于维修点附近(维修点周围预定范围内),则判断出现维修行为。
I.根据第二数据包中的速度数据计算维修停车时长,若该维修停车时长达到第五阈值,则执行J,否则执行K。
J.将碰撞数据参考标签设置为疑似碰撞。
K.将碰撞数据参考标签设置为误报。
2、将各车辆的碰撞标签数据中的碰撞标签,与上述生成的各车辆的碰撞数据参考标签作对应比对,统计标签内容(是否发生碰撞)一致/不一致的数据条数。
3、以标签内容一致/不一致的数据条数占总数据条数的占比作为碰撞标签数据质量评估参考指标,以此评估碰撞标签数据质量。对于统计标签内容一致的数据条数占比的情况,占比越大,质量越好;反之,对于统计标签内容不一致的数据条数占比的情况,占比越小,质量越好。
实施例五
本实施例公开了一种碰撞标签数据质量分析评估系统,其运行上述实施例四的碰撞标签数据质量分析评估方法。以对单条或海量碰撞标签的质量进行整体评估。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (9)
1.一种用于评估碰撞标签数据质量的碰撞数据参考标签生成方法,以用于生成碰撞数据参考标签,该碰撞数据参考标签作为验证车辆发生疑似碰撞时所生成的碰撞标签的准确性,其特征在于,碰撞数据参考标签生成方法包括:
A.根据第一数据包中的速度数据判断是否出现急刹车情况,若是,则执行
B,否则执行D;所述第一数据包为车辆发生疑似碰撞时间点前后预定时间段的数据包;
B.根据第一数据包中的加速度数据计算加速度变化值,在所述加速度变化值达到第一阈值时,执行C,否则执行D;
C.根据第一数据包中的速度数据计算第一停车时长,在所述第一停车时长达到第二阈值时,执行I,否则执行G;
D.根据第一数据包中的速度数据计算第二停车时长,在第二停车时长达到第三阈值时,执行E,否则执行J;
E.根据第一数据包中的经纬度数据获取地理位置信息;
F.根据所述地理位置信息判断停车位置,并根据预设规则判断所述停车位置所属类型,在所述停车位置为第一类停车位置时,执行G,在所述停车位置为第二类停车位置时,执行I,所述第一类停车位置对应于允许停车的位置,所述第二类停车位置对应于不允许停车的位置;
G.根据第二数据包中的经纬度数据判断车辆是否出现维修行为,若是,则执行H,否则执行J;所述第二数据包为车辆发生疑似碰撞时间点之后预定时间段内的数据包;
H.根据第二数据包中的速度数据计算维修行为执行时长,若所述维修行为执行时长达到第四阈值,则执行I,否则执行J;
I.将所述碰撞数据参考标签设为第一类参考标签;
J.将所述碰撞数据参考标签设为第二类参考标签。
2.如权利要求1所述的碰撞数据参考标签生成方法,其特征在于,所述根据第一数据包中的速度数据判断是否出现急刹车情况的方法为:计算第一数据包中的速度数据计算速度梯度和,若所述速度梯度和达到第五阈值,则判定出现急刹车情况,否则判断为未出现急刹车情况。
3.如权利要求1所述的碰撞数据参考标签生成方法,其特征在于,所述第二阈值较所述第三阈值小。
4.如权利要求1所述的碰撞数据参考标签生成方法,其特征在于,所述步骤F中,判断所述停车位置所属类型的方法包括:
地理位置信息包括停车点位和停车点位附近建筑物与该停车点位的相对距离信息;通过停车点位信息可直接判定停车点位是属于建筑物内、高速路、快速路还是普通道路;
当判定为普通道路时,利用附近建筑物与停车点位的相对距离进行计算判断:
计算停车点位周围预定范围内的建筑物与停车点位相对距离的平均数和中位数,当平均数与中位数的差值的绝对值未达到第一门限时,则判定停车点位位于路中间,当平均数与中位数的差值的绝对值达到第二门限时,判断停车点位位于路边;
将停车点位位于建筑物内和普通道路路边的情况归为第一类停车位置;将停车点位位于高速路、快速路和普通道路路中间的情况归为第二类停车位置。
5.如权利要求1所述的碰撞数据参考标签生成方法,其特征在于,所述步骤G中,根据第二数据包中的经纬度数据判断车辆是否出现维修行为的方法包括:
根据第二数据包中的经纬度数据,判断出车辆的历史停靠位置,在所述历史停靠位置出现在维修点周围预定范围内时,判定车辆出现维修行为。
6.如权利要求1~5任一所述的碰撞数据参考标签生成方法,其特征在于,在执行步骤A前,还包括获取和解析所述第一数据包的步骤;在执行步骤G前,还包括获取和解析所述第二数据包的步骤。
7.一种用于评估碰撞标签数据质量的碰撞数据参考标签生成系统,其特征在于,所述碰撞数据参考标签生成系统运行如权利要求1~6任一所述的碰撞数据参考标签生成方法。
8.一种碰撞标签数据质量分析评估方法,其特征在于,包括以下步骤:
对于预定时间段内生成碰撞标签的车辆,利用如权利要求1~6任一所述的碰撞数据参考标签生成方法分别生成对应的碰撞数据参考标签;
分别将各车辆的碰撞标签和对应的碰撞数据参考标签进行比对,统计标签内容一致/不一致的数据条数;
将标签内容一致/不一致的数据条数在总数据条数的占比作为质量分析评估参考指标。
9.一种碰撞标签数据质量分析评估系统,其特征在于,所述评估系统运行如权利要求8所述的碰撞标签数据质量分析评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911364998.2A CN111126528B (zh) | 2019-12-26 | 2019-12-26 | 参考标签生成方法、系统和碰撞标签质量评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911364998.2A CN111126528B (zh) | 2019-12-26 | 2019-12-26 | 参考标签生成方法、系统和碰撞标签质量评估方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126528A true CN111126528A (zh) | 2020-05-08 |
CN111126528B CN111126528B (zh) | 2023-04-25 |
Family
ID=70502984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911364998.2A Active CN111126528B (zh) | 2019-12-26 | 2019-12-26 | 参考标签生成方法、系统和碰撞标签质量评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126528B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106932806A (zh) * | 2017-03-22 | 2017-07-07 | 南京航空航天大学 | 一种基于北斗卫星的山区弯道车辆防撞报警方法及系统 |
KR20180097901A (ko) * | 2017-02-24 | 2018-09-03 | 현대자동차주식회사 | 차량의 경보 발생 장치 및 방법 |
CN109064002A (zh) * | 2018-07-26 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 车辆风险评估方法、装置及设备 |
CN109413572A (zh) * | 2018-10-31 | 2019-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 车辆碰撞预警及车速引导的优化方法及系统 |
US20190315343A1 (en) * | 2018-04-16 | 2019-10-17 | Hyundai Motor Company | Automated collision mitigation system of a vehicle and method thereof |
-
2019
- 2019-12-26 CN CN201911364998.2A patent/CN111126528B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180097901A (ko) * | 2017-02-24 | 2018-09-03 | 현대자동차주식회사 | 차량의 경보 발생 장치 및 방법 |
CN106932806A (zh) * | 2017-03-22 | 2017-07-07 | 南京航空航天大学 | 一种基于北斗卫星的山区弯道车辆防撞报警方法及系统 |
US20190315343A1 (en) * | 2018-04-16 | 2019-10-17 | Hyundai Motor Company | Automated collision mitigation system of a vehicle and method thereof |
CN109064002A (zh) * | 2018-07-26 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 车辆风险评估方法、装置及设备 |
CN109413572A (zh) * | 2018-10-31 | 2019-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 车辆碰撞预警及车速引导的优化方法及系统 |
Non-Patent Citations (1)
Title |
---|
魏达;王沿锡;王健;刘衍珩;邓伟文;: "车载自组网移动模型综述" * |
Also Published As
Publication number | Publication date |
---|---|
CN111126528B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544932B (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
CN110168520A (zh) | 一种智能化道路交通异常检测方法 | |
Essa et al. | Simulated traffic conflicts: do they accurately represent field-measured conflicts? | |
US20180267538A1 (en) | Log-Based Vehicle Control System Verification | |
CN104809878B (zh) | 利用公交车gps数据检测城市道路交通异常状态的方法 | |
Guo et al. | An extreme value theory based approach for calibration of microsimulation models for safety analysis | |
Goyani et al. | Investigation of crossing conflicts by vehicle type at unsignalized T-intersections under varying roadway and traffic conditions in India | |
Alozi et al. | Evaluating the safety of autonomous vehicle–pedestrian interactions: An extreme value theory approach | |
Zheng et al. | Do simulated traffic conflicts predict crashes? an investigation using the extreme value approach | |
CN115422747A (zh) | 一种机动车尾气污染物排放量的计算方法和计算装置 | |
CN112149763A (zh) | 一种利用众包概念提高路面异常检测的方法及装置 | |
CN108665084B (zh) | 一种对驾驶风险的预测方法及系统 | |
CN114912689A (zh) | 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统 | |
Meng et al. | Traffic conflict identification technology of vehicle intersection based on vehicle video trajectory extraction | |
Chang et al. | Proactive methods for road safety analysis | |
CN113095387A (zh) | 基于联网车载adas的道路风险识别方法 | |
CN117238112A (zh) | 一种桥梁结构健康监测预警的方法及相关设备 | |
CN111126528B (zh) | 参考标签生成方法、系统和碰撞标签质量评估方法和系统 | |
Ambros et al. | Speed-related surrogate measures of road safety based on floating car data | |
CN114066288B (zh) | 一种基于智慧数据中心的营运道路应急检测方法及系统 | |
Bhattarai et al. | Crash frequency prediction based on extreme value theory using roadside lidar-based vehicle trajectory data | |
Teixeira et al. | Assessing traffic-related environmental impacts based on different traffic monitoring applications | |
Li et al. | A probabilistic framework for estimating the risk of pedestrian-vehicle conflicts at intersections | |
Guido et al. | Sensitivity of simulated vehicle tracking profiles for input into safety performance analysis. | |
Graser et al. | Fcd in the real world–system capabilities and applications |
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 |