CN111326019A - 驾驶风险预警方法及装置、计算机介质和电子设备 - Google Patents
驾驶风险预警方法及装置、计算机介质和电子设备 Download PDFInfo
- Publication number
- CN111326019A CN111326019A CN202010123685.4A CN202010123685A CN111326019A CN 111326019 A CN111326019 A CN 111326019A CN 202010123685 A CN202010123685 A CN 202010123685A CN 111326019 A CN111326019 A CN 111326019A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- risk
- vehicles
- current
- motion parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000033001 locomotion Effects 0.000 claims abstract description 190
- 238000012216 screening Methods 0.000 claims abstract description 134
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000001133 acceleration Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000009440 infrastructure construction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及安全辅助驾驶技术领域,提供了一种驾驶风险预警方法与装置,以及计算机存储介质和电子设备。其中,该方法包括:根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在参与车辆中筛选出风险车辆集合;获取风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息;根据风险车辆的第三运动参数和信息采集时间信息,对风险车辆的路况信息进行筛选;以及根据筛选出的路况信息确定对目标车辆的风险预警信息。本技术方案有利于提升风险预警信息的准确度。
Description
技术领域
本公开涉及辅助驾驶技术领域,具体而言,涉及一种驾驶风险预警方法及装置,以及计算机存储介质和电子设备。
背景技术
车辆在行驶的过程中,经常会发生碰撞、追尾等现象。为了提升车辆的行驶安全性,可以通过驾驶风险预警的方式降周边车辆信息发送给目标车辆,从而辅助对目标车辆的驾驶。
相关的驾驶风险预警方案中,一般是每间隔一定时长,获取属于目标车辆的某一范围(如,安全距离范围)内所有车辆的信息,并根据车辆的信息确定路况信息,以进一步根据路况信息对目标车辆进行驾驶风险预警。
然而,相关技术提供的驾驶风险预警方案中,预警准确度有待提高。
需要说明的是,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。
发明内容
本公开的目的在于提供一种驾驶风险预警方法及装置,以及计算机存储介质和电子设备,进而至少在一定程度上提升路况信息的实时性,进而提升驾驶风险预警的准确度与实用度。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种驾驶风险预警方法,该方法包括:
根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在上述参与车辆中筛选出风险车辆集合;
获取上述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息;
根据上述风险车辆的第三运动参数和上述信息采集时间信息,对上述风险车辆的路况信息进行筛选;
根据筛选出的路况信息确定对上述目标车辆的风险预警信息。
根据本公开的一个方面,提供一种驾驶风险预警装置,该装置包括:第一筛选模块、获取模块、第二筛选模块,以及确定模块。其中:
上述第一筛选模块,被配置为:根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在上述参与车辆中筛选出风险车辆集合;
上述获取模块,被配置为:获取上述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息;
上述第二筛选模块,被配置为:根据上述风险车辆的第三运动参数和上述信息采集时间信息,对上述风险车辆的路况信息进行筛选;
上述确定模块,被配置为:根据筛选出的路况信息确定对上述目标车辆的风险预警信息。
在本公开的一些实施例中,基于前述方案,上述第一筛选模块,包括:第一确定单元和第一集合筛选单元。其中:
上述第一确定单元,被配置为:确定第i参与车辆的行驶方向与上述目标车辆的行驶方向相同,其中i的取值为正整数;
上述第一集合筛选单元,被配置为:根据安全时长、上述第i参与车辆当前的偏角运动参数Ai和当前的直线运动参数Si,以及上述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在上述参与车辆中筛选出风险车辆集合,其中Ai、Si、A′、和S'的取值均为正数。
在本公开的一些实施例中,基于前述方案,上述第一集合筛选单元,被具体配置为:
根据上述偏角运动参数Ai计算在上述第i参与车辆对应的安全时长ti内的第一偏角增量,根据上述偏角运动参数A'计算在上述目标车辆对应的安全时长t'内的第二偏角增量,以及确定上述第一偏角增量和上述第二偏角增量之间差值小于第一阈值,其中ti和t'的取值为正数;
根据上述直线运动参数Si和上述直线运动参数S',计算在上述第i参与车辆与上述目标车辆中在后车辆对应的安全时长后的距离Li',并筛选出上述距离Li'小于第二阈值对应的参与车辆以确定上述风险车辆集合,其中Li'的取值为正数。
在本公开的一些实施例中,基于前述方案,上述第一筛选模块,还包括:第二确定单元和第二集合筛选单元。其中:
上述第二确定单元,被配置为:确定第i参与车辆的行驶方向与上述目标车辆的行驶方向相反且上述第i参与车辆当前位于上述目标车辆的前方,其中i的取值为正整数;
上述第二集合筛选单元,被配置为:根据安全时长、上述第i参与车辆当前的偏角运动参数Ai和上述目标车辆当前的偏角运动参数A',在上述参与车辆中筛选出风险车辆集合,其中Ai和A'的取值均为正数。
在本公开的一些实施例中,基于前述方案,上述第二集合筛选单元,被具体配置为:
根据上述偏角运动参数Ai计算上述第i参与车辆在上述安全时长ti内的偏角增量Xi,以及根据上述偏角运动参数A'计算上述目标车辆在上述安全时长t'内的偏角增量X',其中ti、Xi和X'的取值均为正数;
若上述第i参与车辆与上述目标车辆中在右侧车辆的偏角增量大于左侧车辆的偏角增量,则筛选出上述第i参与车辆以确定上述风险车辆集合。
在本公开的一些实施例中,基于前述方案,上述第二筛选模块,包括:第一获取单元、第一确定单元、第一车辆筛选单元以及第二获取单元。其中:
上述第一获取单元,被配置为:获取第j风险车辆被路侧感知设备采集的时刻与当前时刻的时间间隔时长dj,其中j的取值小于等于上述风险车辆集合所包含车辆总数的正整数,dj的取值为正数;
上述第一确定单元,被配置为:确定上述第j风险车辆的行驶方向与上述目标车辆的行驶方向相同;
上述第一车辆筛选单元,被配置为:根据安全时长、时间间隔时长dj、上述第j风险车辆当前的偏角运动参数Aj和当前的直线运动参数Sj,以及上述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在上述风
险车辆集合中筛选出关键车辆,其中Aj、Sj、A′、和S'的取值均为正数;
上述第二获取单元,被配置为:获取上述关键车辆的路况信息以实现对上述风险车辆的路况信息进行筛选。
在本公开的一些实施例中,基于前述方案,上述第一车辆筛选单元,被具体配置为:
根据上述偏角运动参数Aj计算上述第j风险车辆对应的安全时长tj和时间间隔时长dj内的第三偏角增量,根据上述偏角运动参数A'计算上述目标车辆对应的安全时长t'和时间间隔时长dj内的第四偏角增量,以及确定上述第三偏角增量和上述第四偏角增量之间差值小于第三阈值,其中tj和t'的取值均为正数;
根据上述直线运动参数Sj和上述直线运动参数S',计算在上述第j风险车辆与上述目标车辆中在后车辆对应的安全时长和时间间隔时长dj后的距离Lj',其中Lj'的取值为正数;
筛选出上述距离Lj'小于第四阈值对应的风险车辆作为上述关键车辆。
在本公开的一些实施例中,基于前述方案,上述第二筛选模块,还包括:第二确定单元、第二车辆筛选单元。其中:
上述第二确定单元,被配置为:确定第j风险车辆的行驶方向与上述目标车辆的行驶方向相反且上述第j风险车辆当前位于上述目标车辆的前方,其中j的取值小于等于上述风险车辆集合所包含车辆总数的正整数;
上述第二车辆筛选单元,被配置为:根据安全时长、时间间隔时长dj、上述第j风险车辆当前的偏角运动参数Aj和上述目标车辆当前的偏角运动参数A',在上述风险车辆集合中筛选出关键车辆,其中dj、Aj和A′的取值均为正数;
上述第二获取单元,还被配置为:获取上述关键车辆的路况信息以实现对上述风险车辆的路况信息进行筛选。
在本公开的一些实施例中,基于前述方案,上述第二车辆筛选单元,被具体配置为:
根据上述偏角运动参数Aj计算上述第j风险在上述安全时长tj和上述时间间隔时长dj内的偏角增量Xj,以及根据上述偏角运动参数A'计算上述目标车辆在上述安全时长t'和上述时间间隔时长dj内的偏角增量X',其中tj、Xj和X'的取值均为正数;
若上述第j风险车辆与上述目标车辆中在右侧车辆的偏角增量大于左侧车辆的偏角增量,则筛选出上述第j风险车辆以确定上述关键车辆。
在本公开的一些实施例中,基于前述方案,上述确定模块,包括:区分单元、路况信息筛选单元以及预警单元。其中:
上述区分单元,被配置为:根据时间间隔时长dj将上述关键车辆区分为历史参与车辆和当前参与车辆;
上述路况信息筛选单元,被配置为:根据与上述目标车辆进行数据传输时的数据量传输阈值,对上述历史参与车辆对应的历史路况信息和上述当前参与车辆对应的当前路况信息进行再次筛选得到目标路况信息;
上述预警单元,被配置为:根据上述目标路况信息确定对上述目标车辆的风险预警信息。
在本公开的一些实施例中,基于前述方案,上述路况信息筛选单元,被具体配置为:
若上述数据量传输阈值h小于上述当前路况信息的图像帧量r与上述历史路况信息的图像帧量t之和,则
将上述当前路况信息图像帧量作为第一优先级以筛选出上述目标路况信息,以及将上述历史参与车辆对应的时间间隔时长dj作为第二优先级以筛选出上述目标路况信息;
其中,h、r和t的取值均为正整数,上述第一优先级大于上述第二优先级。
在本公开的一些实施例中,基于前述方案,上述预警单元,被具体配置为:
若上述目标路况信息中不包含上述历史路况信息,则获取上述目标路况信息对应的当前参与车辆的数目,生成第一风险预警信息;
若上述目标路况信息中包含上述历史路况信息,则确定上述目标路况信息中历史参与车辆对应的最小时间间隔时长为碰撞时间差,生成第二风险预警信息。
根据本公开的一个方面,提供了一种计算机存储介质,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第一方面所述的驾驶风险预警方法。
根据本公开的一个方面,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第一方面所述的驾驶风险预警方法。
由上述技术方案可知,本公开示例性实施例中的驾驶风险预警方法及装置,以及实现上述驾驶风险预警方法的计算机存储介质和电子设备至少具备以下优点和积极效果:
在本公开的一些实施例所提供的技术方案中,根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在参与车辆中筛选出风险车辆集合。进一步地,根据风险车辆的第三运动参数和风险车辆对应的信息采集时间信息,对风险车辆的路况信息进行筛选,以根据筛选出的路况信息确定对所述目标车辆的风险预警信息。从而能够根据车辆的实时运动参数有效地对除目标车辆之外的其他车辆(参与车辆)进行筛选和过滤得到风险车辆集合,并进一步地对风险车辆集合产生的路况信息进行筛选,进而筛选出对目标车辆的驾驶风险预警较有价值的路况信息,缩小了车辆统计范围同时获取对风险预警有价值的路况信息,有利于提升风险预警信息的准确度。另外,上述采集时间信息是根据路侧信息采集设备获取到的,可见,本技术方案考虑了实际基建设施情况,更符合目标车辆的实际驾驶环境,有利于提升驾驶风险预警的实用性。
本公开应当理解的是,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。
在附图中:
图1示出了可以应用本公开实施例的一种驾驶风险预警方法及装置的示例性应用环境的系统架构的示意图;
图2示出了本公开实施例的一种使用场景示意图;
图3示意性示出了根据本公开的一实施例的驾驶风险预警方法的流程图;
图4示意性示出了根据本公开的一实施例的风险车辆集合的确定方法的流程图;
图5示意性示出了根据本公开的另一实施例的风险车辆集合的确定方法的流程图;
图6示意性示出了根据本公开的再一实施例的风险车辆集合的确定方法的流程图;
图7示意性示出了根据本公开的一实施例的路况信息的筛选方法的流程图;
图8示意性示出了根据本公开的一实施例的关键车辆的筛选方法的流程图;
图9示意性示出了根据本公开的另一实施例的关键车辆的筛选方法的流程图;
图10示意性示出了根据本公开的另一实施例的驾驶风险预警方法的流程图;
图11示意性示出了根据本公开的一实施例的驾驶风险预警装置的结构图;以及,
图12示出本公开示例性实施例中电子设备的结构示意图。
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。
此外,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例中。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例的充分理解。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没有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方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,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。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本公开实施例的一种驾驶风险预警方法及装置的示例性应用环境的系统架构的示意图,图2示出了本公开实施例的一种使用场景示意图。结合图2示出的使用场景对图1各个构成进行解释说明:
参考图1,系统架构100可以包括车辆终端设备101(示例性的可以设置于车辆101’中)、车辆终端设备102(示例性的可以设置于车辆102’中)、车辆终端设备103(示例性的可以设置于车辆103’中)中的一个或多个,网络104和云端/服务端105。网络104用以在车辆终端设备101、102、103和云端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。车辆终端设备101、102、103可以分别是布置于不同车辆中的信息计算/存储设备,可以具有显示屏(以显示驾驶风险预警)和/或扩音器(以发出驾驶风险预警的语音提醒)等。应该理解,图1中的车辆终端设备、网络和云端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车辆终端设备、网络和云端/服务端。比如服务端105可以是多个服务端组成的服务端集群等。
本公开实施例所提供的驾驶风险预警方法的所有步骤一般由云端/服务端105执行,相应地,驾驶风险预警装置一般设置于云端/服务端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预警方法的一部分步骤也可以由车辆终端设备101、102、103执行,例如,根据筛选出的路况信息确定对所述目标车辆的风险预警信息等。
举例而言,在一种示例性实施例中,可以是云端/服务端105根据目标车辆201当前的第一运动参数和参与车辆202当前的第二运动参数,在这些参与车辆202中筛选出风险车辆集合;然后,云端/服务端105获取所述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息。进一步地,云端/服务端105根据风险车辆的第三运动参数和上述信息采集时间信息,对上述风险车辆的路况信息进行筛选;更进一步地,可以由云端/服务端105根据筛选出的路况信息确定对该目标车辆201的风险预警信息。
也可以是,云端/服务端将筛选出的路况信息发送至目标车辆201(如车辆终端设备101),进而有车辆终端设备101根据筛选出的路况信息确定对所述目标车辆201的风险预警信息。
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,该计算机程序可以从网络上被下载和安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法和装置中限定的各种功能。
相关技术中,根据目标车辆所在道路的安全距离确定以目标车辆为中心的安全范围,进一步地根据将安全范围内的参与车辆产生的路况信息对目标车辆进行驾驶风险预警。但是,一方面相关技术中没有考虑参与车辆当前的运动参数(如,车辆s虽然处于上述安全范围之内,但是其行驶速度较低,也不会对目标车辆产生碰撞),从而导致价值量较小的车辆纳入了对目标车辆的风险预警的计算过程,增加了不必要的计算量。另一方面,相关技术中没有考虑处于安全范围之外的其他车辆(如,车辆l虽然处于上述安全范围之外,但是其行驶速度较高,也节能对目标车辆产生碰撞),从而导致价值量较大的车辆未被纳入对目标车辆的风险预警的计算过程,降低了对目标车辆风险预警的准确度。
针对相关技术中存在技术问题,本技术方案提供一种驾驶风险预警方法及装置,至少在一定程度上提升对目标车辆风险预警的准确度。以下先对本公开提供驾驶风险预警方法实施例的进行详细阐述:
图3示意性示出了根据本公开的一实施例的驾驶风险预警方法的流程图,示例性的,该实施例的执行主体以云端/服务端105为例进行说明。具体的,参考图3,该图所示实施例包括:
步骤S310,根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在所述参与车辆中筛选出风险车辆集合;
步骤S320,获取所述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息;
步骤S330,根据所述风险车辆的第三运动参数和所述信息采集时间信息,对所述风险车辆的路况信息进行筛选;以及,
步骤S340,根据筛选出的路况信息确定对所述目标车辆的风险预警信息。
图3所示实施例提供的技术方案能够根据车辆的实时运动参数有效地对除目标车辆之外的其他车辆(参与车辆)进行筛选和过滤得到风险车辆集合,并进一步地对风险车辆集合产生的路况信息进行筛选,进而筛选出对目标车辆的驾驶风险预警较有价值的路况信息,缩小了车辆统计范围同时获取对风险预警有价值的路况信息,有利于提升风险预警信息的准确度。另外,上述采集时间信息是根据路侧信息采集设备获取到的,可见,本技术方案考虑了实际基建设施情况,更符合目标车辆的实际驾驶环境,有利于提升驾驶风险预警的实用性。
以下对图3所示技术方案中各个步骤的具体实施方式进行解释说明:
在步骤S310中,根据目标车辆201当前的运动参数(记作“第一运动参数”)和参与车辆202当前的运动参数(记作“第二运动参数”),在参与车辆中202筛选出风险车辆集合。
其中,上述运动参数可以包括:直线运动参数和偏角运动参数。其中,直线运动参数如:运动速度υ、运动加速度α、制动加速度β,偏角运动参数,如:车道偏离角θ、车道偏离角加速度ω等,其中,上述直线运动参数(υ、α、β)以及偏角运动参数(θ、ω)的取值均为正数。上述目标车辆201可以是道路中行驶的任意一车辆,通过本实施例提供的技术方案为该车辆确定驾驶风险预警信息。上述参数车辆202可以是该道路中除了上述目标车辆201的其他车辆。
通过步骤S310提供的实施例众多的参与车辆202进行筛选和过滤,进而筛选出对目标车辆201的驾驶风险预警较有价值的风险车辆集合,以缩小了车辆统计范围同时增加了进一步路况研究的针对性,有利于提升对目标车辆201风险预警信息的准确度。同时,相较于相关技术中将以目标车辆为中心的安全范围内的车辆作为研究对象所造成的预警准确性差,本技术方案可以根据所有参与车辆当前的运动参数动态筛选出风险车辆集合,从而使得筛选后的路况信息更加符合实际,有助于提升驾驶风险预警准确度。
在示例性的实施例中,车辆当前的运动参数可以通过设置于车辆中的相关传感设备获得,例如,通过设置于目标车辆201中的速度传感器可以获得目标车辆的行驶速度,通过设置于目标车辆201中的陀螺仪可以获得目标车辆的加速度速度,等。从而,云端105可以接收相关车辆中传感设备发送来的带有车辆标识的参数来获取不同车辆的各个运动参数。
进一步地,图4示意性示出了根据本公开的一实施例的风险车辆集合的筛选方法的流程图,即云端105根据运动参数在参与车辆中202筛选出风险车辆集合。参考图4,该图所示实施例步骤S410-步骤S440。
根据道路上车辆行驶的场景,对目标车辆生成驾驶风险预警的情况包括以下几种:若某一车辆a与目标车辆的同向行驶,且车辆a当前处于目标车辆的后侧,则可能出现车辆a追尾目标车辆。若某一车辆b与目标车辆的同向行驶,且车辆c当前处于目标车辆的前侧,则可能出现目标车辆与车辆b追尾。若某一车辆b与目标车辆的相向行驶,仅有车辆c当前处于目标车辆的前侧的情况下,会出现目标车辆与车辆c相撞的可能。
基于上述情景分析,在步骤S410中,判断第i参与车辆的行驶方向与所述目标车辆的行驶方向是否相同。从而确定风险车辆集合分为两种情况:
情况一:
从所有与目标车辆行驶方向相同的参与车辆202中筛选出可能与目标车辆201之间发生追尾事故的车辆作为风险车辆集合。则可以执行步骤S420:根据安全时长、所述第i参与车辆(N个参与车辆中的任意一个,N为正整数,i为小于等于N的正整数)当前的偏角运动参数Ai和当前的直线运动参数Si,以及目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在上述参与车辆中筛选出风险车辆集合,其中Ai、Si、A′、和S'的取值均为正数。
其中,若非自动驾驶车辆,上述安全时长包括:信息传输处理所需时长和驾驶者的反应时长。若为自动驾驶车辆,则上述安全时长不包括驾驶者的反应时长。
示例性的,图5示意性示出了步骤S420的一种具体实施方式。参考图5,该图所示实施例步骤S4201-步骤S4203。
在步骤S4201中,根据所述偏角运动参数Ai计算所述第i参与车辆对应的安全时长ti内的第一偏角增量,根据所述偏角运动参数A'计算所述目标车辆对应的安全时长t'内的第二偏角增量,以及确定所述第一偏角增量和所述第二偏角增量之间差值小于第一阈值ξ,其中第一阈值ξ为较小的正数值,ti和t'的取值为正数。
在示例性的实施例中,上述偏角运动参数Ai包括第i参与车辆当前的车道偏离角θi和车道偏离角加速度ωi,上述偏角运动参数A'包括目标车辆当前的车道偏离角θ'和车道偏离角加速度ω'。进一步,可以根据公式(1)确定上述偏角差θi':
θi'=|(θi+ωi*ti)-(θ'+ω'*t')| (1)
其中,ti表示第i参与车辆对应的安全时间,t'表示目标车辆对应的安全时间,θ'、θi、θi'、ωi和ω'的取值均为正数。若上述偏角差θi'小于第一阈值ξ,则说明第i参与车辆与目标车辆分别在各自的安全时间内产生的偏角增量近似相等,说明同向行驶的两个车辆有可能发生追尾。则进一步执行步骤S4202和步骤S4203:
在步骤S4202中,根据所述直线运动参数Si和所述直线运动参数S',计算在所述第i参与车辆与所述目标车辆中在后车辆对应的安全时长后的距离Li',其中Li'的取值为正数。
在一种示例性的实施例中:
若第i参与车辆当前处于目标车辆的后侧,则获取第i参与车辆(即:在后车辆)对应的安全时长ti,并根据直线运动参数Ai(包括:运动速度υi、运动加速度αi和制动加速度βi,其中υi、αi和βi的取值均为正数)和直线运动参数A'(包括:运动速度υ'、制动加速度β',其中υ'和β'的取值均为正数)计算经过安全时长ti后两车之间的距离Li'。
示例性的,可以根据公式(2)计算经过安全时长ti后两车之间的距离Li':
其中,Li为第i参与车辆当前与目标车辆之间的距离,取值为正数。
在另一种示例性的实施例中:
若第i参与车辆当前处于目标车辆的前侧,则获取目标车辆(即:在后车辆)对应的安全时长t′,并根据直线运动参数Ai(包括:运动速度υi、制动加速度βi)和直线运动参数A'(包括:运动速度υ'、运动加速度α'和制动加速度β',其中α'的取值均为正数)计算经过安全时长t′后两车之间的距离Li'。
示例性的,可以根据公式(3)计算经过安全时长ti后两车之间的距离Li':
其中,Li为第i参与车辆当前与目标车辆之间的距离,取值为正数。
在步骤S4203中,筛选出所述距离Li'小于第二阈值对应的参与车辆以确定所述风险车辆集合。
示例性的,上述第二阈值可以表示为目标车辆所在道路的安全距离L与相应的安全距离修正因子p之间的乘积,其中L和p的取值均为正数。若Li'小于该第二阈值则说明第i参与车辆将可能追尾上述目标车辆,因此,将距离Li'小于第二阈值对应的参与车辆筛选出来,以确定风险车辆集合。
通过图5所示实施例可以实现对与目标车辆同向行驶的参与车辆的筛选。进一步地,继续参考图4,将通过步骤S430和步骤S440实现对与目标车辆相向行驶的参与车辆的筛选。具体的:
情况二:
从所有与目标车辆行驶方向相反的参与车辆202中筛选出可能与目标车辆201之间发生追尾事故的车辆作为风险车辆集合。则:
鉴于相向行驶的两辆车,仅有参与车辆当前处于目标车辆的前侧的情况下,会出现车辆相撞的可能。因此,在步骤S430中先确定所述第i参与车辆当前位于所述目标车辆的前方。进一步地,在步骤S440中:根据安全时长、所述第i参与车辆当前的偏角运动参数Ai和所述目标车辆当前的偏角运动参数A',在所述参与车辆中筛选出风险车辆集合。
在示例性的实施例中,图6示意性示出了步骤S440的一种具体实施方式。参考图6,该图所示实施例步骤S4401-步骤S4402。
在步骤S4401中,根据所述偏角运动参数Ai计算所述第i参与车辆在所述安全时长ti内的偏角增量Xi,以及根据所述偏角运动参数A'计算所述目标车辆在所述安全时长t'内的偏角增量X',其中Xi和X'的取值均为正数。
示例性的,根据公式(4)计算安全时长ti内第i参与车辆的距离偏角增量Xi:
Xi=θi+ωi*ti (4)
示例性的,根据公式(5)计算安全时长t'内目标车辆的距离偏角增量X′:
X'=θ′+ω'*t' (5)
在步骤S4402中,若所述第i参与车辆与所述目标车辆中在右侧车辆的偏角增量大于左侧车辆的偏角增量,则筛选出所述第i参与车辆以确定所述风险车辆集合。
在一种示例性的实施例中:
若第i参与车辆当前处于目标车辆的右侧,则进一步判断第i参与车辆(即:在右侧车辆)的偏角增量Xi是否大于目标车辆(即:在左侧车辆)的偏角增量X',若Xi>X',则筛选出所述第i参与车辆以确定所述风险车辆集合。
在另一种示例性的实施例中:
若第i参与车辆当前处于目标车辆的左侧,则进一步判断目标车辆(即:在右侧车辆)的偏角增量X'是否大于第i参与车辆(即:在左侧车辆)的偏角增量Xi,若X'>Xi,则筛选出所述第i参与车辆以确定所述风险车辆集合。
通过图6所示实施例可以实现对与目标车辆相向行驶的参与车辆的筛选。可见,在图4-图6所示实施例提供的技术方案中,基于当前的运动参数实现对目标车辆所在道路中参与车辆的有效筛选,确定出了风险车辆集合。示例性的,在N个参与车辆中筛选出包含M个风险车辆的风险车辆集合,其中M小于N的正整数。
虽然经过上述实施例对参与车辆进行了筛选,减少了路况信息的数据量,但是鉴于云端与车辆终端设备之间信息传输量的限制,可还需对风险车辆集合中各个风险车辆所产生的路况信息进行筛选。具体实施方式如下:
继续参考图3,在步骤S320中,获取所述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息。其中,路侧信息采集设备可以是具有摄像功能的设备。
示例性的,通过同一个路侧信息采集设备对上述风险车辆集合所包含的M个风险车辆进行信息采集。具体的,当车辆进入路侧信息采集的采集范围内时,便可以实现对该车辆的信息采集,并记录信息采集时刻。本实施例中,对于每一风险车辆,计算信息采集时刻与当前时刻的时间间隔。其中,第j(其中,j的取值为小于等于M的正整数)风险车辆对应的时间间隔时长可以记作:dj(取值为正数)。
示例性的,将已经过该路侧信息采集设备的采集范围内的风险车辆记作“历史风险车辆”,其对应的时间间隔dj>0,将处于该路侧信息采集设备的采集范围内的风险车辆记作“当前风险车辆”,其对应的时间间隔dj=0。
进一步地,在步骤S330中,根据上述风险车辆的运动参数(记作“第三运动参数”)和上述第j风险车辆对应的时间间隔dj,以对风险车辆的路况信息进行筛选。
在示例性的实施例中,图7示意性示出了步骤S330的一种具体实施方式,具体是对上述M个风险车辆进一步筛选,得到“关键车辆”,并将关键车辆的路况信息作为本实施例筛选出的路况信息。参考图7,该图所示实施例步骤S710-步骤S760。
在步骤S710中,获取第j风险车辆被路侧感知设备采集的时刻与当前时刻的时间间隔时长dj。
在步骤S720中,判断所述第j风险车辆的行驶方向与所述目标车辆的行驶方向是否相同。示例性的,与步骤S410的具体实施方式类似,即对风险车辆进行筛选分为两种情况:
情况一:
从M个风险车辆中与目标车辆行驶方向相同的车辆中筛选出可能与目标车辆201之间发生追尾事故的车辆作为关键车辆。则可以执行步骤S730:根据安全时长、时间间隔时长dj、第j风险车辆当前的偏角运动参数Aj和当前的直线运动参数Sj,以及所述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在所述风险车辆集合中筛选出关键车辆,其中Aj、Sj、A′、和S'的取值均为正数。
示例性的,图8示意性示出了步骤S730的一种具体实施方式。参考图8,该图所示实施例步骤S7301-步骤S7303。
在步骤S7301,根据所述偏角运动参数Aj计算所述第j风险车辆对应的安全时长tj和时间间隔时长dj内的第三偏角增量,根据所述偏角运动参数A'计算所述目标车辆对应的安全时长t'和时间间隔时长dj内的第四偏角增量,以及确定所述第三偏角增量和所述第四偏角增量之间差值小于第三阈值ξ’,其中第三阈值ξ’为较小的正数值,tj和t'的取值为正数。
在示例性的实施例中,该步骤的具体实施方式与步骤S4201相类似,具体可以根据公式(6)确定在上述偏角差θj':
θj'=|(θj+ωj*(tj+dj))-(θ'+ω'*(t'+dj))| (6)
其中,tj表示第j风险车辆对应的安全时间,θ'、θj、θj'、ωj和ω'的取值均为正数。若上述偏角差θj'小于第三阈值ξ’,则说明第j风险车辆与目标车辆分别在各自的安全时间和时间间隔时长dj内产生的偏角增量近似相等,说明同向行驶的两个车辆有可能发生追尾。则进一步执行步骤S7302和步骤S7303:
在步骤S7302中,根据所述直线运动参数Sj和所述直线运动参数S',计算在所述第j风险车辆与所述目标车辆中在后车辆对应的安全时长和时间间隔时长dj后的距离Lj',其中Lj'的取值为正数。
在示例性的实施例中,该步骤的具体实施方式与步骤S4202相类似,具体的,在第j风险车辆当前处于目标车辆的后侧时,可以根据公式(7)确定在上述距离Lj':
上述公式(7)中,Lj为第j风险车辆当前与目标车辆之间的距离,取值为正数;Lj'具体根据上述Lj、第j风险车辆的直线运动参数Aj(包括:运动速度υj、运动加速度αj和制动加速度βj,其中υj、αj和βj的取值均为正数),和目标车辆的直线运动参数A'(包括:运动速度υ'、制动加速度β',其中υ'和β'的取值均为正数)确定。
在第j风险车辆当前处于目标车辆的前侧时,可以根据公式(8)确定在上述距离Lj':
上述公式(8)中,Lj为第j风险车辆当前与目标车辆之间的距离,取值为正数;Lj'具体根据上述Lj、第j风险车辆的直线运动参数Aj(包括:运动速度υj、和制动加速度βj,其中υj和βj的取值均为正数),和目标车辆的直线运动参数A'(包括:运动速度υ'、运动加速度α'、制动加速度β',其中υ'、α'和β'的取值均为正数)确定。
在步骤S7303中,筛选出所述距离Lj'小于第四阈值对应的风险车辆作为所述关键车辆。
示例性的,上述第四阈值可以表示为目标车辆所在道路的安全距离L与相应的安全距离修正因子p之间的乘积,其中L和p的取值均为正数。若Lj'小于该第四阈值则说明第j风险车辆将可能追尾上述目标车辆,因此,将距离Lj'小于第四阈值对应的车辆筛选出来,作为关键车辆(即对目标车辆的驾驶风险预警更加有价值的车辆)。
通过图8所示实施例可以实现对与目标车辆同向行驶的风险车辆的筛选。进一步地,继续参考图7,将通过步骤S740和步骤S750实现对与目标车辆相向行驶的风险车辆的筛选。具体的:
情况二:
从M个风险车辆中与目标车辆行驶方向相反的车辆中筛选出可能与目标车辆201之间发生追尾事故的车辆作为关键车辆。则:
鉴于相向行驶的两辆车,仅有参与车辆当前处于目标车辆的前侧的情况下,会出现车辆相撞的可能。因此,在步骤S740中先确定所述第j风险车辆当前位于所述目标车辆的前方。进一步地,在步骤S750中:根据安全时长、所述时间间隔时长dj、所述第j风险车辆当前的偏角运动参数Aj和所述目标车辆当前的偏角运动参数A',在所述风险车辆集合中筛选出关键车辆。
在示例性的实施例中,图9示意性示出了步骤S750的一种具体实施方式。参考图9,该图所示实施例步骤S7501-步骤S7502。
在步骤S7501中,根据所述偏角运动参数Aj计算所述第j风险在所述安全时长tj和所述时间间隔时长dj内的偏角增量Xj,以及根据所述偏角运动参数A'计算所述目标车辆在所述安全时长t'和所述时间间隔时长dj内的偏角增量X',其中Xj和X'的取值均为正数。
示例性的,根据公式(9)计算安全时长tj和时间间隔时长dj内第j风险车辆的距离偏角增量Xj:
Xj=θj+ωj*(tj+dj) (9)
示例性的,根据公式(10)计算安全时长t'和时间间隔时长dj内目标车辆的距离偏角增量X':
X'=θ′+ω'*(t'+dj) (10)
在步骤S7502中,若所述第j风险车辆与所述目标车辆中在右侧车辆的偏角增量大于左侧车辆的偏角增量,则筛选出所述第j风险车辆以确定所述关键车辆。
在一种示例性的实施例中:
若第j风险车辆当前处于目标车辆的右侧,则进一步判断第j风险车辆(即:在右侧车辆)的偏角增量Xj是否大于目标车辆(即:在左侧车辆)的偏角增量X',若Xj>X',则筛选出所述第j风险车辆以确定所述关键车辆。
在另一种示例性的实施例中:
若第j风险车辆当前处于目标车辆的左侧,则进一步判断目标车辆(即:在右侧车辆)的偏角增量X'是否大于第j风险车辆(即:在左侧车辆)的偏角增量Xj,若X'>Xj,则筛选出所述第j风险车辆以确定所述关键车辆。
则进一步地,在步骤S760中,获取所述关键车辆的路况信息以实现对所述风险车辆的路况信息进行筛选。
通过图9所示实施例可以实现对与目标车辆相向行驶的风险车辆的筛选。可见,在图7-图9所示实施例提供的技术方案中,基于当前的运动参数以及采集时间间隔实现对上述M个风险车辆的有效筛选,得到小于M个的关键车辆,其中,关键车辆的路况信息即为通过步骤S330筛选出的路况信息。
继续参考图3,在步骤S340中,根据筛选出的路况信息确定对所述目标车辆的风险预警信息。示例性的,图10示意性示出了步骤S340的一种具体实施方式。参考图10,该图所示实施例步骤S1010-步骤S1030。
在步骤S1010中,根据时间间隔时长dj将所述关键车辆区分为历史参与车辆和当前参与车辆。
同前所述,对于已经过某一路侧信息采集设备的采集范围的关键车辆记作“历史参与车辆”,并将“历史参与车辆”的路况信息记作“历史路况信息”。同理,对处于该路侧信息采集设备的采集范围内的关键车辆记作“当前参与车辆”,并将“当前参与车辆”的路况信息记作“当前路况信息”。
在步骤S1020中,根据与所述目标车辆进行数据传输时的数据量传输阈值,对所述历史参与车辆对应的历史路况信息和所述当前参与车辆对应的当前路况信息进行再次筛选得到目标路况信息。
本实施例将进一步地根据数据传输时的数据量传输阈值,对上述关键车辆的“历史路况信息”和“当前路况信息”进行筛选。具体的,所有参与车辆产生的路况信息以图像帧的方式发送至云端,云端将筛选后的路况信息图像帧的方式传输给目标车辆,以生成对目标车辆的驾驶风险预警信息。示例性的,云端向目标车辆的车辆终端设备发送的图像帧中,每帧图像对应于一辆关键车辆,也就是说,目标车辆的车辆终端设备接收到的不同图像帧对应于不同的关键车辆。同时,假设云端与目标车辆的车辆终端之间的数据量传输阈值h帧。则:
若所述数据量传输阈值h小于当前路况信息的图像帧量r与历史路况信息的图像帧量t之和,则将所述当前路况信息图像帧量作为第一优先级以筛选出所述目标路况信息,以及将所述历史参与车辆对应的时间间隔时长dj作为第二优先级以筛选出所述目标路况信息。也就是说,将对风险预警价值最大的当前路况信息优先作为目标路况信息,以提升预警准确度,进一步地,在历史路况信息中优先选择时间间隔时长dj较小的,纳入至目标路况信息中。其中,h、r和t的取值均为正整数。
更为具体的:
a)如果h<r,那么从当前路况信息的图像帧中获取h帧作为目标路况信息;
b)如果r<h<t+r,那么将r个当前路况信息的图像帧纳入目标路况信息中,并从t个历史路况信息的图像帧中选取时间间隔时长较短的h-r帧纳入至目标路况信息;
c)如果t+r<h,那么将r个当前路况信息的图像帧纳入目标路况信息中,并从t个历史路况信息的图像帧均纳入至目标路况信息。
需要说明的是,从关键车辆的路况信息中筛选出的上述目标路况信息可能包含历史路况信息与当前路况信息两部分,且筛选出的上述目标路况信息在信息流的层面上是连续的,以避免非连续信息流造成的预警信息缺乏实际意义,有利于预警准确度。
在步骤S1030中,根据所述目标路况信息确定对所述目标车辆的风险预警信息。
在示例性的实施例中,若目标路况信息中不包含历史路况信息,也就是对应于步骤S1020实施例的a)情况,则获取目标路况信息对应的当前参与车辆的数目,生成第一风险预警信息。如:当前有h个车辆会与本车发生碰撞。
若目标路况信息中包含历史路况信息,也就是对应于步骤S1020实施例的b)或c)情况,则确定目标路况信息中历史参与车辆对应的最小时间间隔时长为碰撞时间差,生成第二风险预警信息。
在示例性的实施例中,对于目标路况信息中的历史路况信息,本技术方案提供碰撞时间差的确定方案,即获取目标路况信息中的历史路况信息对应的历史参与车辆的最大时间间隔时长djmax和最小时间间隔时长djmin,则碰撞时间差的取值范围为[djmin,djmax],djmin的取值为正整数。
从而上述第二风险预警信息中包含碰撞时间差,如:针对上述步骤S1020实施例的b)情况,其风险预警信息为:当前有r个车辆会与本车发生碰撞,有h-r个车辆可能会与本车碰撞,碰撞时间差的取值范围为[djmin,djmax]。
本技术方案本能够根据车辆的实时运动参数有效地对除目标车辆之外的其他车辆(参与车辆)进行筛选和过滤得到风险车辆集合,并进一步地对风险车辆集合产生的路况信息进行筛选,进而筛选出对目标车辆的驾驶风险预警较有价值的路况信息,缩小了车辆统计范围同时获取对风险预警有价值的路况信息,有利于提升风险预警信息的准确度。另外,上述采集时间信息是根据路侧信息采集设备获取到的,可见,本技术方案考虑了实际基建设施情况,更符合目标车辆的实际驾驶环境,有利于提升驾驶风险预警的实用性。
本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由处理器(包含CPU和GPU)执行的计算机程序。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
以下介绍本公开的驾驶风险预警装置实施例,可以用于执行本公开上述的驾驶风险预警方法。
图11示意性示出本公开示例性实施例中驾驶风险预警装置的结构图。如图11所示,上述驾驶风险预警装置1100包括:第一筛选模块1101、获取模块1102、第二筛选模块1103,以及确定模块1104。其中:
上述第一筛选模块1101,被配置为:根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在上述参与车辆中筛选出风险车辆集合;
上述获取模块1102,被配置为:获取上述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息;
上述第二筛选模块1103,被配置为:根据上述风险车辆的第三运动参数和上述信息采集时间信息,对上述风险车辆的路况信息进行筛选;
上述确定模块1104,被配置为:根据筛选出的路况信息确定对上述目标车辆的风险预警信息。
在本公开的一些实施例中,基于前述方案,上述第一筛选模块1101,包括:第一确定单元2011和第一集合筛选单元2012。其中:
上述第一确定单元2011,被配置为:确定第i参与车辆的行驶方向与上述目标车辆的行驶方向相同,其中i的取值为正整数;
上述第一集合筛选单元2012,被配置为:根据安全时长、上述第i参与车辆当前的偏角运动参数Ai和当前的直线运动参数Si,以及上述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在上述参与车辆中筛选出风险车辆集合,其中Ai、Si、A′、和S'的取值均为正数。
在本公开的一些实施例中,基于前述方案,上述第一集合筛选单元2012,被具体配置为:
根据上述偏角运动参数Ai计算在上述第i参与车辆对应的安全时长ti内的第一偏角增量,根据上述偏角运动参数A'计算在上述目标车辆对应的安全时长t'内的第二偏角增量,以及确定上述第一偏角增量和上述第二偏角增量之间差值小于第一阈值,其中ti和t'的取值均为正数;
根据上述直线运动参数Si和上述直线运动参数S',计算在上述第i参与车辆与上述目标车辆中在后车辆对应的安全时长后的距离Li',并筛选出上述距离Li'小于第二阈值对应的参与车辆以确定上述风险车辆集合,其中Li'的取值为正数。
在本公开的一些实施例中,基于前述方案,上述第一筛选模块1101,还包括:第二确定单元2013和第二集合筛选单元2014。其中:
上述第二确定单元2013,被配置为:确定第i参与车辆的行驶方向与上述目标车辆的行驶方向相反且上述第i参与车辆当前位于上述目标车辆的前方,其中i的取值为正整数;
上述第二集合筛选单元2014,被配置为:根据安全时长、上述第i参与车辆当前的偏角运动参数Ai和上述目标车辆当前的偏角运动参数A',在上述参与车辆中筛选出风险车辆集合,其中Ai和A'的取值均为正数。
在本公开的一些实施例中,基于前述方案,上述第二集合筛选单元2014,被具体配置为:
根据上述偏角运动参数Ai计算上述第i参与车辆在上述安全时长ti内的偏角增量Xi,以及根据上述偏角运动参数A′计算上述目标车辆在上述安全时长t'内的偏角增量X',其中ti、Xi和X'的取值均为正数;
若上述第i参与车辆与上述目标车辆中在右侧车辆的偏角增量大于左侧车辆的偏角增量,则筛选出上述第i参与车辆以确定上述风险车辆集合。
在本公开的一些实施例中,基于前述方案,上述第二筛选模块1103,包括:第一获取单元2031、第一确定单元2032、第一车辆筛选单元2033以及第二获取单元2034。其中:
上述第一获取单元2031,被配置为:获取第j风险车辆被路侧感知设备采集的时刻与当前时刻的时间间隔时长dj,其中j的取值小于等于上述风险车辆集合所包含车辆总数的正整数,dj的取值为正数;
上述第一确定单元2032,被配置为:确定上述第j风险车辆的行驶方向与上述目标车辆的行驶方向相同;
上述第一车辆筛选单元2033,被配置为:根据安全时长、时间间隔时长dj、上述第j风险车辆当前的偏角运动参数Aj和当前的直线运动参数Sj,以及上述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在上述风险车辆集合中筛选出关键车辆,其中Aj、Sj、A′、和S'的取值均为正数;
上述第二获取单元2034,被配置为:获取上述关键车辆的路况信息以实现对上述风险车辆的路况信息进行筛选。
在本公开的一些实施例中,基于前述方案,上述第一车辆筛选单元2033,被具体配置为:
根据上述偏角运动参数Aj计算上述第j风险车辆对应的安全时长tj和时间间隔时长dj内的第三偏角增量,根据上述偏角运动参数A'计算上述目标车辆对应的安全时长t'和时间间隔时长dj内的第四偏角增量,以及确定上述第三偏角增量和上述第四偏角增量之间差值小于第三阈值,其中tj和t'的取值均为正数;
根据上述直线运动参数Sj和上述直线运动参数S',计算在上述第j风险车辆与上述目标车辆中在后车辆对应的安全时长和时间间隔时长dj后的距离Lj',其中Lj'的取值为正数;
筛选出上述距离Lj'小于第四阈值对应的风险车辆作为上述关键车辆。
在本公开的一些实施例中,基于前述方案,上述第二筛选模块1103,还包括:第二确定单元2035、第二车辆筛选单元2036。其中:
上述第二确定单元2035,被配置为:确定第j风险车辆的行驶方向与上述目标车辆的行驶方向相反且上述第j风险车辆当前位于上述目标车辆的前方,其中j的取值小于等于上述风险车辆集合所包含车辆总数的正整数;
上述第二车辆筛选单元2036,被配置为:根据安全时长、上述时间间隔时长dj、上述第j风险车辆当前的偏角运动参数Aj和上述目标车辆当前的偏角运动参数A',在上述风险车辆集合中筛选出关键车辆,其中dj、Aj和A′的取值均为正数;
上述第二获取单元2034,还被配置为:获取上述关键车辆的路况信息以实现对上述风险车辆的路况信息进行筛选。
在本公开的一些实施例中,基于前述方案,上述第二车辆筛选单元2036,被具体配置为:
根据上述偏角运动参数Aj计算上述第j风险在上述安全时长tj和时间间隔时长dj内的偏角增量Xj,以及根据上述偏角运动参数A'计算上述目标车辆在上述安全时长t'和上述时间间隔时长dj内的偏角增量X',其中tj、Xj和X'的取值均为正数;
若上述第j风险车辆与上述目标车辆中在右侧车辆的偏角增量大于左侧车辆的偏角增量,则筛选出上述第j风险车辆以确定上述关键车辆。
在本公开的一些实施例中,基于前述方案,上述确定模块1104,包括:区分单元2041、路况信息筛选单元2042以及预警单元2043。其中:
上述区分单元2041,被配置为:根据时间间隔时长dj将上述关键车辆区分为历史参与车辆和当前参与车辆;
上述路况信息筛选单元2042,被配置为:根据与上述目标车辆进行数据传输时的数据量传输阈值,对上述历史参与车辆对应的历史路况信息和上述当前参与车辆对应的当前路况信息进行再次筛选得到目标路况信息;
上述预警单元2043,被配置为:根据上述目标路况信息确定对上述目标车辆的风险预警信息。
在本公开的一些实施例中,基于前述方案,上述路况信息筛选单元2042,被具体配置为:
若上述数据量传输阈值h小于上述当前路况信息的图像帧量r与上述历史路况信息的图像帧量t之和,则
将上述当前路况信息图像帧量作为第一优先级以筛选出上述目标路况信息,以及将上述历史参与车辆对应的时间间隔时长dj作为第二优先级以筛选出上述目标路况信息;
其中,h、r和t的取值均为正整数,上述第一优先级大于上述第二优先级。
在本公开的一些实施例中,基于前述方案,上述预警单元2043,被具体配置为:
若上述目标路况信息中不包含上述历史路况信息,则获取上述目标路况信息对应的当前参与车辆的数目,生成第一风险预警信息;
若上述目标路况信息中包含上述历史路况信息,则确定上述目标路况信息中历史参与车辆对应的最小时间间隔时长为碰撞时间差,生成第二风险预警信息。
上述驾驶风险预警装置中各单元的具体细节已经在说明书的驾驶风险预警方法中进行了详细的描述,因此此处不再赘述。
图12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12示出的电子设备的计算机系统1200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12所示,计算机系统1200包括处理器1201(包括:图形处理单元(GraphicsProcessing Unit,简称:GPU)、中央处理单元(Central Processing Unit,简称:CPU)),其可以根据存储在只读存储器(Read-Only Memory,简称:ROM)1202中的程序或者从存储部分1208加载到随机访问存储器(Random Access Memory,RAM)1203中的程序而执行各种适当的动作和处理。在RAM 1203中,还存储有系统操作所需的各种程序和数据。处理器(CPU或GPU)1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(Input/Output,简称:I/O)接口1205也连接至总线1004。
以下部件连接至I/O接口1205:包括键盘、鼠标等的输入部分1206;包括诸如阴极射线管(Cathode Ray Tube,简称:CRT)、液晶显示器(Liquid Crystal Display,简称:LCD)等以及扬声器等的输出部分1207;包括硬盘等的存储部分1208;以及包括诸如局域网(Local Area Network,简称:LAN)卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至I/O接口1205。可拆卸介质1211,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1210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1208。
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1209从网络上被下载和安装,和/或从可拆卸介质1211被安装。在该计算机程序被处理器(CPU或GPU)1201执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本公开实施例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(Erasable Programmable Read Only Memory,简称:EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,简称: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、有线等等,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上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中所示的:步骤S310,根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在所述参与车辆中筛选出风险车辆集合;步骤S320,获取所述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息;步骤S330,根据风险车辆的第三运动参数和所述信息采集时间信息,对所述风险车辆的路况信息进行筛选;以及,步骤S340,根据筛选出的路况信息确定对所述目标车辆的风险预警信息。
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。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务端、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
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 (15)
1.一种驾驶风险预警方法,其特征在于,所述方法包括:
根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在所述参与车辆中筛选出风险车辆集合;
获取所述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息;
根据所述风险车辆的第三运动参数和所述信息采集时间信息,对所述风险车辆的路况信息进行筛选;
根据筛选出的路况信息确定对所述目标车辆的风险预警信息。
2.根据权利要求1所述的驾驶风险预警方法,其特征在于,所述根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在所述参与车辆中筛选出风险车辆集合,包括:
确定第i参与车辆的行驶方向与所述目标车辆的行驶方向相同,其中i的取值为正整数;
根据安全时长、所述第i参与车辆当前的偏角运动参数Ai和当前的直线运动参数Si,以及所述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在所述参与车辆中筛选出风险车辆集合,其中Ai、Si、A′、和S'的取值均为正数。
3.根据权利要求2所述的驾驶风险预警方法,其特征在于,所述根据安全时长、所述第i参与车辆当前的偏角运动参数Ai和当前的直线运动参数Si,以及所述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在所述参与车辆中筛选出风险车辆集合,包括:
根据所述偏角运动参数Ai计算在所述第i参与车辆对应的安全时长ti内的第一偏角增量,根据所述偏角运动参数A'计算在所述目标车辆对应的安全时长t'内的第二偏角增量,以及确定所述第一偏角增量和所述第二偏角增量之间差值小于第一阈值,其中ti和t'的取值均为正数;
根据所述直线运动参数Si和所述直线运动参数S',计算在所述第i参与车辆与所述目标车辆中在后车辆对应的安全时长后的距离Li',并筛选出所述距离Li'小于第二阈值对应的参与车辆以确定所述风险车辆集合,其中Li'的取值为正数。
4.根据权利要求1所述的驾驶风险预警方法,其特征在于,所述根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在所述参与车辆中筛选出风险车辆集合,包括:
确定第i参与车辆的行驶方向与所述目标车辆的行驶方向相反且所述第i参与车辆当前位于所述目标车辆的前方,其中i的取值为正整数;
根据安全时长、所述第i参与车辆当前的偏角运动参数Ai和所述目标车辆当前的偏角运动参数A',在所述参与车辆中筛选出风险车辆集合,其中Ai和A'的取值均为正数。
5.根据权利要求4所述的驾驶风险预警方法,其特征在于,所述根据安全时长、所述第i参与车辆当前的偏角运动参数Ai和所述目标车辆当前的偏角运动参数A',在所述参与车辆中筛选出风险车辆集合,包括:
根据所述偏角运动参数Ai计算所述第i参与车辆在所述安全时长ti内的偏角增量Xi,以及根据所述偏角运动参数A'计算所述目标车辆在所述安全时长t'内的偏角增量X',其中ti、Xi和X'的取值均为正数;
若所述第i参与车辆与所述目标车辆中在右侧车辆的偏角增量大于左侧车辆的偏角增量,则筛选出所述第i参与车辆以确定所述风险车辆集合。
6.根据权利要求1至5中任意一项所述的驾驶风险预警方法,其特征在于,所述根据所述风险车辆的第三运动参数和所述信息采集时间信息,对所述风险车辆的路况信息进行筛选,包括:
获取第j风险车辆被路侧感知设备采集的时刻与当前时刻的时间间隔时长dj,其中j的取值小于等于所述风险车辆集合所包含车辆总数的正整数,dj的取值为正数;
确定所述第j风险车辆的行驶方向与所述目标车辆的行驶方向相同;
根据安全时长、时间间隔时长dj、所述第j风险车辆当前的偏角运动参数Aj和当前的直线运动参数Sj,以及所述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在所述风险车辆集合中筛选出关键车辆,其中Aj、Sj、A′、和S'的取值均为正数;
获取所述关键车辆的路况信息以实现对所述风险车辆的路况信息进行筛选。
7.根据权利要求6所述的驾驶风险预警方法,其特征在于,所述据安全时长、时间间隔时长dj、所述第j风险车辆当前的偏角运动参数Aj和当前的直线运动参数Sj,以及所述目标车辆当前的偏角运动参数A'和当前的直线运动参数S',在所述风险车辆集合中筛选出关键车辆,包括:
根据所述偏角运动参数Aj计算所述第j风险车辆对应的安全时长tj和时间间隔时长dj内的第三偏角增量,根据所述偏角运动参数A'计算所述目标车辆对应的安全时长t'和时间间隔时长dj内的第四偏角增量,以及确定所述第三偏角增量和所述第四偏角增量之间差值小于第三阈值,其中tj和t'的取值均为正数;
根据所述直线运动参数Sj和所述直线运动参数S',计算在所述第j风险车辆与所述目标车辆中在后车辆对应的安全时长和时间间隔时长dj后的距离Lj',其中Lj'的取值为正数;
筛选出所述距离Lj'小于第四阈值对应的风险车辆作为所述关键车辆。
8.根据权利要求1至5中任意一项所述的驾驶风险预警方法,其特征在于,所述根据所述风险车辆的第三运动参数和所述信息采集时间信息,对所述风险车辆的路况信息进行筛选,包括:
确定第j风险车辆的行驶方向与所述目标车辆的行驶方向相反且所述第j风险车辆当前位于所述目标车辆的前方,其中j的取值小于等于所述风险车辆集合所包含车辆总数的正整数;
根据安全时长、时间间隔时长dj、所述第j风险车辆当前的偏角运动参数Aj和所述目标车辆当前的偏角运动参数A',在所述风险车辆集合中筛选出关键车辆,其中dj、Aj和A′的取值均为正数;
获取所述关键车辆的路况信息以实现对所述风险车辆的路况信息进行筛选。
9.根据权利要求8所述的驾驶风险预警方法,其特征在于,所述根据安全时长、时间间隔时长dj、所述第j风险车辆当前的偏角运动参数Aj和所述目标车辆当前的偏角运动参数A',在所述风险车辆集合中筛选出关键车辆,包括:
根据所述偏角运动参数Aj计算所述第j风险在所述安全时长tj和所述时间间隔时长dj内的偏角增量Xj,以及根据所述偏角运动参数A'计算所述目标车辆在所述安全时长t'和所述时间间隔时长dj内的偏角增量X',其中tj、Xj和X'的取值均为正数;
若所述第j风险车辆与所述目标车辆中在右侧车辆的偏角增量大于左侧车辆的偏角增量,则筛选出所述第j风险车辆以确定所述关键车辆。
10.根据权利要求6所述的驾驶风险预警方法,其特征在于,所述根据筛选出的路况信息确定对所述目标车辆的风险预警信息,包括:
根据时间间隔时长dj将所述关键车辆区分为历史参与车辆和当前参与车辆;
根据与所述目标车辆进行数据传输时的数据量传输阈值,对所述历史参与车辆对应的历史路况信息和所述当前参与车辆对应的当前路况信息进行再次筛选得到目标路况信息;
根据所述目标路况信息确定对所述目标车辆的风险预警信息。
11.根据权利要求10所述的驾驶风险预警方法,其特征在于,所述根据与所述目标车辆进行数据传输时的数据量传输阈值,对所述历史参与车辆对应的历史路况信息和所述当前参与车辆对应的当前路况信息进行再次筛选,包括:
若所述数据量传输阈值h小于所述当前路况信息的图像帧量r与所述历史路况信息的图像帧量t之和,则
将所述当前路况信息图像帧量作为第一优先级以筛选出所述目标路况信息,以及将所述历史参与车辆对应的时间间隔时长dj作为第二优先级以筛选出所述目标路况信息;
其中,h、r和t的取值均为正整数,所述第一优先级大于所述第二优先级。
12.根据权利要求11所述的驾驶风险预警方法,其特征在于,所述根据所述目标路况信息确定对所述目标车辆的风险预警信息,包括:
若所述目标路况信息中不包含所述历史路况信息,则获取所述目标路况信息对应的当前参与车辆的数目,生成第一风险预警信息;
若所述目标路况信息中包含所述历史路况信息,则确定所述目标路况信息中历史参与车辆对应的最小时间间隔时长为碰撞时间差,生成第二风险预警信息。
13.一种驾驶风险预警方法装置,其特征在于,所述装置包括:
第一筛选模块,被配置为:根据目标车辆当前的第一运动参数和参与车辆当前的第二运动参数,在所述参与车辆中筛选出风险车辆集合;
获取模块,被配置为:获取所述风险车辆集合中风险车辆被同一路侧信息采集设备采集到的采集时间信息;
第二筛选模块,被配置为:根据所述风险车辆的第三运动参数和所述信息采集时间信息,对所述风险车辆的路况信息进行筛选;
确定模块,被配置为:根据筛选出的路况信息确定对所述目标车辆的风险预警信息。
14.一种计算机存储介质,其特征在于,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权利要求1至12中任意一项所述的驾驶风险预警方法。
15.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至12中任意一项所述的驾驶风险预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010123685.4A CN111326019B (zh) | 2020-02-27 | 2020-02-27 | 驾驶风险预警方法及装置、计算机介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010123685.4A CN111326019B (zh) | 2020-02-27 | 2020-02-27 | 驾驶风险预警方法及装置、计算机介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111326019A true CN111326019A (zh) | 2020-06-23 |
CN111326019B CN111326019B (zh) | 2024-08-09 |
Family
ID=71172956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010123685.4A Active CN111326019B (zh) | 2020-02-27 | 2020-02-27 | 驾驶风险预警方法及装置、计算机介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111326019B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288312A (zh) * | 2017-03-06 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 驾驶行为确定方法及装置 |
CN108510798A (zh) * | 2018-04-10 | 2018-09-07 | 西安电子科技大学 | 行车安全方法和装置 |
CN108766004A (zh) * | 2018-04-27 | 2018-11-06 | 榛硕(武汉)智能科技有限公司 | 无人驾驶车辆的超车控制系统和方法 |
CN110588510A (zh) * | 2019-08-26 | 2019-12-20 | 华为技术有限公司 | 一种对本车的预警方法及装置 |
CN110807950A (zh) * | 2019-11-13 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 基于车辆碰撞的风险评估方法、装置和计算机设备 |
-
2020
- 2020-02-27 CN CN202010123685.4A patent/CN111326019B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108288312A (zh) * | 2017-03-06 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 驾驶行为确定方法及装置 |
US20190283763A1 (en) * | 2017-03-06 | 2019-09-19 | Tencent Technology (Shenzhen) Company Limited | Driving behavior determining method, apparatus, and device, and storage medium |
CN108510798A (zh) * | 2018-04-10 | 2018-09-07 | 西安电子科技大学 | 行车安全方法和装置 |
CN108766004A (zh) * | 2018-04-27 | 2018-11-06 | 榛硕(武汉)智能科技有限公司 | 无人驾驶车辆的超车控制系统和方法 |
CN110588510A (zh) * | 2019-08-26 | 2019-12-20 | 华为技术有限公司 | 一种对本车的预警方法及装置 |
CN110807950A (zh) * | 2019-11-13 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 基于车辆碰撞的风险评估方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111326019B (zh) | 2024-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Warren et al. | Clusters of driving behavior from observational smartphone data | |
CN110942038B (zh) | 基于视觉的交通场景识别方法、装置、介质及电子设备 | |
CN111452799B (zh) | 驾驶行为评价方法及系统 | |
JP6914404B2 (ja) | 車両を制御するための方法及び装置 | |
CN109515444B (zh) | 用于输出无人驾驶汽车的行驶性能指标的方法和装置 | |
CN111798661A (zh) | 车辆行驶中的超车预警方法及装置 | |
JP2022545322A (ja) | 道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム | |
CN110501013A (zh) | 位置补偿方法、装置及电子设备 | |
CN110837979B (zh) | 基于随机森林的安全驾驶风险预测方法及装置 | |
CN111739290A (zh) | 车辆预警方法及装置 | |
CN114005277B (zh) | 车联网的信息提取方法、装置及可读介质 | |
CN111326019A (zh) | 驾驶风险预警方法及装置、计算机介质和电子设备 | |
CN111862599A (zh) | 车辆信息处理方法、装置 | |
CN111739343A (zh) | 车辆事故风险的预警方法、装置、介质及电子设备 | |
CN115731526A (zh) | 车道线识别方法、装置、电子设备和计算机可读介质 | |
CN112598897B (zh) | 交通参与者行为检测方法、装置、电子设备和介质 | |
CN115019242A (zh) | 一种交通场景的异常事件检测方法、装置和处理设备 | |
CN112700138A (zh) | 道路交通风险管理的方法、装置和系统 | |
CN111866056B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
CN112991749B (zh) | 车辆违章识别方法与装置、介质及电子设备 | |
CN111754763B (zh) | 道路管理装置 | |
CN114944058B (zh) | 拥堵区域距离确定方法、装置、预警设备和存储介质 | |
CN114771515B (zh) | 车辆碰撞处理方法、装置及相关设备 | |
CN111652904A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116824842A (zh) | 基于边缘计算节点的车路感知数据共享系统 |
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: 40024146 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 | ||
GR01 | Patent grant |