CN111613060A - 一种数据处理方法以及设备 - Google Patents
一种数据处理方法以及设备 Download PDFInfo
- Publication number
- CN111613060A CN111613060A CN202010480665.2A CN202010480665A CN111613060A CN 111613060 A CN111613060 A CN 111613060A CN 202010480665 A CN202010480665 A CN 202010480665A CN 111613060 A CN111613060 A CN 111613060A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- target road
- lane
- traffic accident
- 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
- 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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开一种数据处理方法以及设备,其中方法包括如下步骤:获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数;根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率;根据所述预测交通事故率确定所述目标道路的行驶状态;若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。采用本申请,可以提高信息获取的准确性,提高车辆驾驶的安全性。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种数据处理方法以及设备。
背景技术
在车路协同、车联网和安全辅助驾驶领域,路面坑洼是交通事故的主要因素之一。如果预警系统能准确定位出路面坑洼的位置(在道路的哪条车道),那么交通事故会明显减少,因此准确定位安全的车道是刻不容缓的问题,然而,由于网络原因或者测量的不确定因素,导致无法准确获取道路中的坑洼车道,进而无法确定安全车道;或者是道路存在影响车辆安全驾驶的细小坑洼,车辆安全辅助驾驶系统无法对其进行定位,导致车辆驾驶过程中的人身安全受到影响。
发明内容
本申请实施例提供一种数据处理方法以及设备,可以提高信息获取的准确性,提高车辆驾驶的安全性。
本申请实施例一方面提供了一种数据处理方法,可包括:
获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数;
根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率;
根据所述预测交通事故率确定所述目标道路的行驶状态;
若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。
其中,所述获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数,包括:
获取交通工具所处的位置信息,根据所述位置信息生成备选道路集合,从所述备选道路集合中获取目标道路;
根据所述目标道路的道路指数确定所述目标道路中每条车道的坑洼概率;所述坑洼概率是道路路面存在坑洼的概率;
获取所述目标道路对应的每个交通工具类型的历史交通事故率;
将所述坑洼概率和所述历史交通事故率确定为所述目标道路的道路行驶参数。
其中,所述道路指数包括道路上的交通工具类型、交通工具横向分布、每个交通工具类型的交通工具质量、每个交通工具类型的交通流量;所述根据所述目标道路的道路指数确定所述目标道路的每条车道的坑洼概率,包括:
根据所述交通工具横向分布、所述交通工具质量生成每个交通工具类型在所述目标道路中每个车道的平均承重;
根据所述每个车道的平均承重和每个交通工具类型的交通流量生成每个车道的总承重;
根据所述每个车道的总承重生成每个车道出现路面坑洼的坑洼概率。
其中,所述获取目标道路对应的每个交通工具类型的历史交通事故率,包括:
从智能交通控制中心获取所述目标道路的总历史交通事故;
在所述总历史交通事故中,获取事故类型为道路坑洼事故类型的历史交通事故,作为坑洼历史交通事故;
从所述坑洼历史交通事故中,确定每个交通工具类型的坑洼历史交通事故;
根据所述每个交通工具类型的坑洼历史交通事故,确定所述目标道路上每个交通工具类型的历史交通事故率。
其中,所述根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,包括:
获取第i类交通工具的历史交通事故率qi,获取第i类交通工具在第j条车道上的坑洼概率Pij,i为小于或等于交通工具类型的总数量的正整数,j为小于或等于目标道路上车道的总数量的正整数;
获取所述坑洼概率Pij和历史交通事故率qi的乘积qi Pij,将所述乘积qi Pij确定为所述第i类交通工具在第j条车道上的预测交通事故率;
根据所述交通工具对应的交通工具类型和所述乘积qi Pij,确定所述目标道路中所述交通工具在每条车道的预测交通事故率。
其中,所述行驶状态包括安全行使状态和危险行驶状态;所述根据所述预测交通事故率确定所述目标道路的行使状态,包括:
从智能交通控制中心获取所述交通工具的在目标时间段内,由于路面坑洼导致的交通事故量;
根据所述目标时间段和所述交通事故量,确定所述交通工具的当前交通事故率;
获取所述目标道路中每个车道的预测交通事故率的最小值,根据所述最小值和所述当前交通事故率确定所述目标道路的行使状态。
其中,所述获取所述目标道路中每个车道的预测交通事故率的最小值,根据所述最小值和所述当前交通事故率确定所述目标道路的行使状态,包括:
获取所述目标道路中每个车道的预测交通事故率的最小值;
当所述最小值小于所述当前交通事故率时,确定所述目标道路的行使状态为安全行使状态;
当所述最小值大于或等于所述当前交通事故率时,确定所述目标道路的行使状态为危险行使状态。
其中,还包括:
若所述目标道路的行使状态为危险行使状态,则从备选道路集合中选择除所述目标道路之外的其他道路作为交通工具的行驶道路;
所述备选道路集合为所述交通工具在所述位置信息范围内可行驶的道路。
其中,所述若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道,包括:
若所述目标道路的行使状态为安全行使状态,则将所述目标道路确定为所述交通工具的行驶道路;
将所述预测交通事故率小于所述当前交通事故率的车道确定为预选车道,根据所述预选车道的预测交通事故率与所述交通工具的交通工具横向分布,确定所述交通工具在所述预选车道的危险综合评分;
将所述危险综合评分最小的预选车道确定为所述交通工具在目标道路的行驶车道。
本申请实施例一方面提供了一种数据处理设备,可包括:
参数获取单元,用于获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数;
事故率预测单元,用于根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率;
行驶状态确定单元,用于根据所述预测交通事故率确定所述目标道路的行驶状态;
行驶车道确定单元,用于若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。
其中,所述参数获取单元,包括:
道路获取子单元,用于获取交通工具所处的位置信息,根据所述位置信息生成备选道路集合,从所述备选道路集合中获取目标道路;
坑洼概率获取子单元,用于根据所述目标道路的道路指数确定所述目标道路中每条车道的坑洼概率;所述坑洼概率是道路路面存在坑洼的概率;
事故率获取子单元,用于获取所述目标道路对应的每个交通工具类型的历史交通事故率;
参数确定子单元,用于将所述坑洼概率和所述历史交通事故率确定为所述目标道路的道路行驶参数。
其中,所述道路指数包括道路上的交通工具类型、交通工具横向分布、每个交通工具类型的交通工具质量、每个交通工具类型的交通流量;所述坑洼概率获取子单元具体用于:
根据所述交通工具横向分布、所述交通工具质量生成每个交通工具类型在所述目标道路中每个车道的平均承重;
根据所述每个车道的平均承重和每个交通工具类型的交通流量生成每个车道的总承重;
根据所述每个车道的总承重生成每个车道出现路面坑洼的坑洼概率。
其中,所述事故率获取子单元具体用于:
从智能交通控制中心获取所述目标道路的总历史交通事故;
在所述总历史交通事故中,获取事故类型为道路坑洼事故类型的历史交通事故,作为坑洼历史交通事故;
从所述坑洼历史交通事故中,确定每个交通工具类型的坑洼历史交通事故;
根据所述每个交通工具类型的坑洼历史交通事故,确定所述目标道路上每个交通工具类型的历史交通事故率。
其中,所述事故率预测单元具体用于:
获取第i类交通工具的历史交通事故率qi,获取第i类交通工具在第j条车道上的坑洼概率Pij,i为小于或等于交通工具类型的总数量的正整数,j为小于或等于目标道路上车道的总数量的正整数;
获取所述坑洼概率Pij和历史交通事故率qi的乘积qi Pij,将所述乘积qi Pij确定为所述第i类交通工具在第j条车道上的预测交通事故率;
根据所述交通工具对应的交通工具类型和所述乘积qi Pij,确定所述目标道路中所述交通工具在每条车道的预测交通事故率。
其中,所述行驶状态包括安全行使状态和危险行驶状态;所述行驶状态确定单元,包括:
事故获取子单元,用于从智能交通控制中心获取所述交通工具的在目标时间段内,由于路面坑洼导致的交通事故量;根据所述目标时间段和所述交通事故量,确定所述交通工具的当前交通事故率;
行驶状态确定子单元,用于获取所述目标道路中每个车道的预测交通事故率的最小值,根据所述最小值和所述当前交通事故率确定所述目标道路的行使状态。
其中,所述行驶状态确定子单元具体用于:
获取所述目标道路中每个车道的预测交通事故率的最小值;
当所述最小值小于所述当前交通事故率时,确定所述目标道路的行使状态为安全行使状态;
当所述最小值大于或等于所述当前交通事故率时,确定所述目标道路的行使状态为危险行使状态。
其中,还包括:
道路转换单元,用于若所述目标道路的行使状态为危险行使状态,则从备选道路集合中选择除所述目标道路之外的其他道路作为交通工具的行驶道路;
所述备选道路集合为所述交通工具在所述位置信息范围内可行驶的道路。
其中,所述行驶车道确定单元具体用于:
若所述目标道路的行使状态为安全行使状态,则将所述目标道路确定为所述交通工具的行驶道路;
将所述预测交通事故率小于所述当前交通事故率的车道确定为预选车道,根据所述预选车道的预测交通事故率与所述交通工具的交通工具横向分布,确定所述交通工具在所述预选车道的危险综合评分;
将所述危险综合评分最小的预选车道确定为所述交通工具在目标道路的行驶车道。
本申请实施例一方面提供了一种计算机可读存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法步骤。
本申请实施例一方面提供了一种计算机设备,包括处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
在本申请实施例中,通过获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数,根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,根据所述预测交通事故率确定所述目标道路的行驶状态,若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。通过道路的道路行驶参数对道路中车道的安全性进行预测,避免了车辆安全辅助驾驶系统在测量中由于不确定因素,或者道路存在影响车辆安全驾驶的细小坑洼,导致无法准确获取坑洼车道的问题,提高了信息获取的准确性,提高了车辆驾驶的安全性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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是本申请实施例提供的一种数据处理的系统架构图;
图2是本申请实施例提供的一种数据处理方法的流程示意图;
图3是本申请实施例提供的一种数据处理方法的流程示意图;
图4是本申请实施例提供的一种数据处理的场景示意图;
图5是本申请实施例提供的一种数据处理设备的结构示意图;
图6是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参见图1,是本发明实施例提供的一种数据处理的系统架构图。请参见图1,是本发明实施例提供的一种数据处理的系统架构图。智能交通指挥中心10d与车载终端集群建立连接,车载终端集群可包括:车载终端10a、车载终端10b、...、车载终端10c。数据库10e中存储了多个交通工具的历史交通事故量,车载终端获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,车载终端获取所述目标道路的道路行驶参数,根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,车载终端根据所述预测交通事故率确定所述目标道路的行驶状态,若所述目标道路的行使状态为安全行使状态,车载终端从所述目标道路的车道中选择所述交通工具对应的行驶车道。
本申请实施例涉及的智能交通指挥中心可以包括具有数据处理和存储的服务器和云平台,所述车载终端是车辆中用于车辆监控管理的监控终端。
请参见图2,为本申请实施例提供了一种数据处理方法的流程示意图。如图2所示,本申请实施例的所述方法可以包括以下步骤S101-步骤S104。
S101,获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数;
具体的,数据处理设备获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数,可以理解的是,所述数据处理设备可以是图1中的车载终端,所述交通工具包括各种用于出行和交通运输的装置,例如,汽车、轮船、飞机等,所述位置信息是交通工具在导航设备上的位置信息,根据位置信息确定目标道路,所述目标道路是交通工具从当前位置到达目的地的其中一条道路,例如,交通工具在导航地图上进行定位获取交通工具的位置信息,根据位置信息和交通工具的目的地生成备选道路集合,备选道路集合中包括至少一条道路,目标道路为备选道路集合中的任意一条道路,目标道路可以根据道路的拥堵程度和路程的长度自动选择,或者根据用户指定的道路确定目标道路,并进一步获取目标道路的道路行驶参数,所述道路行驶参数用于衡量道路行驶的安全性。
S102,根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率;
具体的,数据处理设备根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,可以理解的是,所述道路行驶参数包括坑洼概率和历史交通事故率,坑洼概率根据道路指数生成,道路指数包括道路上的交通工具类型、交通工具横向分布、每个交通工具类型的交通工具质量、每个交通工具类型的交通流量。所述历史交通事故率可以通过从智能交通控制中心获取坑洼历史交通事故生成,坑洼历史交通事故是由于道路坑洼造成的交通事故。通过坑洼概率和历史交通事故率生成目标道路中每种交通工具类型在每条车道对应的预测交通事故率,根据交通工具所属的交通工具类型,确定所述交通工具在每条车道的预测交通事故率。
S103,根据所述预测交通事故率确定所述目标道路的行驶状态;
具体的,数据处理设备根据所述预测交通事故率确定所述目标道路的行驶状态,可以理解的是,所述目标道路的行驶状态用于评判目标道路的安全性,行驶状态包括安全行使状态和危险行驶状态,具体的,可以通过从智能交通控制中心获取所述交通工具的在目标时间段内,由于路面坑洼导致的交通事故量,确定所述交通工具的当前交通事故率,获取所述目标道路中每个车道的预测交通事故率和所述当前交通事故率确定所述目标道路的行使状态,当所述目标道路的行使状态为安全行使状态时,向用户提示道路安全,当所述目标道路的行使状态为危险行使状态时,向用户提示道路有安全隐患,建议用户选择其他道路。
S104,若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。
具体的,若所述目标道路的行使状态为安全行使状态,数据处理设备则从所述目标道路的车道中选择所述交通工具对应的行驶车道,可以理解的是,若所述目标道路的行使状态为安全行使状态,则所述目标道路可以作为所述交通工具的行驶道路,可以从目标道路的多个车道中选择安全的车道作为所述交通工具对应的行驶车道,具体的,可以通过预测交通事故率与所述交通工具的交通工具横向分布的乘积确定行驶车道,考虑交通工具的安全性,车道行驶的选择原则是,车流量小的同时该车道的预测交通事故率也较小,因为,如果车流量小那么该车道的路面坑洼可能多,导致的交通事故多,如果车流量大那么该车道的路面坑洼可能少,导致的交通事故就少,因此,可以选取预测交通事故率与交通工具横向分布的乘积的最小值对应的车道,作为所述交通工具对应的行驶车道。
在本申请实施例中,通过获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数,根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,根据所述预测交通事故率确定所述目标道路的行驶状态,若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。通过道路的道路行驶参数对道路中车道的安全性进行预测,避免了车辆安全辅助驾驶系统在测量中由于不确定因素,或者道路存在影响车辆安全驾驶的细小坑洼,导致无法准确获取坑洼车道的问题,提高了信息获取的准确性,提高了车辆驾驶的安全性。
请参见图3,为本申请实施例提供了一种数据处理方法的流程示意图。如图3所示,本申请实施例的所述方法可以包括以下步骤S201-步骤S208。
S201,获取交通工具所处的位置信息,根据所述位置信息生成备选道路集合,从所述备选道路集合中获取目标道路;
具体的,数据处理设备获取交通工具所处的位置信息,根据所述位置信息生成备选道路集合,从所述备选道路集合中获取目标道路,可以理解的是,所述位置信息是交通工具在导航设备上的位置信息,例如,通过导航地图进行定位在导航地图上生成交通工具的位置信息,根据位置信息确定目标道路,所述目标道路是交通工具从当前位置到达目的地的其中一条道路,例如,交通工具在导航地图上获取交通工具的位置信息,根据位置信息和交通工具的目的地生成备选道路集合,备选道路集合中包括至少一条道路,目标道路为备选道路集合中的任意一条道路,备选道路集合中每一条道路均包括通过该道路到达目的地的时长,路程长度以及道路的拥堵情况等道路信息,用户可以根据上述道路信息指定的任意一条道路为目标道路,在用户未指定目标道路的情况下可以根据上述道路信息自动选择,例如,在默认情况下选择时长最短的道路最为目标道路。
S202,根据所述目标道路的道路指数确定所述目标道路中每条车道的坑洼概率;所述坑洼概率是道路路面存在坑洼的概率;
具体的,数据处理设备根据所述目标道路的道路指数确定所述目标道路中每条车道的坑洼概率,可以理解的是,所述道路指数包括道路上的交通工具类型、交通工具横向分布、每个交通工具类型的交通工具质量、每个交通工具类型的交通流量,所述交通工具类型是根据交通工具的质量对交通工具进行的分类,例如,具体类别可以分为小客车、大客车、轻型货车、中型货车;交通工具横向分布是每种类型的交通工具在每条车道上的分布概率,每个交通工具类型的交通工具质量是每种交通工具类型的平均质量,每个交通工具类型的交通工具质量对应一个固定值,每个交通工具类型的交通流量是在各交通工具在一段时间内的数量。
根据所述交通工具横向分布、所述交通工具质量生成每个交通工具类型在所述目标道路中每个车道的平均承重,例如,交通工具为道路上的车辆,车辆的种类为n,目标道路的车道数量为m,第i类车在车道1,2,…,m的分布概率分别为ki1,ki2,...,kim,则第i类车分别以概率ki1,ki2,...,kim行驶在车道1,2,…,m上,第i类车的质量为Mi,因此,车道1,2,…,m对第i类车的平均承重分别为ki1 Mi,ki2 Mi,...,kim Mi。
根据所述每个车道的平均承重和每个交通工具类型的交通流量生成每个车道的总承重,具体的,第i类车的交通流量为Fi,则车道1,2,…,m对第i类车的总承重分别为ki1Mi Fi,ki2 Mi Fi,...,kim Mi Fi,车道1,2,…,m对所有类别车量的总承重分别为:
根据所述每个车道的总承重生成每个车道出现路面坑洼的坑洼概率,所述坑洼概率是道路路面存在坑洼的概率,车道对车辆的总承重越大说明该车道受到的压力越大,因而越容易破损而出现路面坑洼,即车道出现路面坑洼的概率与车道对车辆的总承重量成正比,因此,车道j有路面坑洼的坑洼概率通过如下公式计:
S203,获取所述目标道路对应的每个交通工具类型的历史交通事故率;
具体的,数据处理设备获取所述目标道路对应的每个交通工具类型的历史交通事故率,可以理解的是,从智能交通控制中心获取所述目标道路的总历史交通事故,总历史交通事故包括多种事故类型,例如,道路坑洼事故类型、违反交通规则事故类型等,在所述总历史交通事故中,获取事故类型为道路坑洼事故类型的历史交通事故,作为坑洼历史交通事故,从所述坑洼历史交通事故中,确定每个交通工具类型的坑洼历史交通事故,根据所述每个交通工具类型的坑洼历史交通事故,确定所述目标道路上每个交通工具类型的历史交通事故率。
S204,将所述坑洼概率和所述历史交通事故率确定为所述目标道路的道路行驶参数。
具体的,数据处理设备将所述坑洼概率和所述历史交通事故率确定为所述目标道路的道路行驶参数,可以理解的是,道路行驶参数包括坑洼概率和历史交通事故率。
S205,根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率;
具体的,数据处理设备根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,可以理解的是,交通工具有多种类型,目标道路上有多条道路,获取第i类交通工具的历史交通事故率qi,获取第i类交通工具在第j条车道上的坑洼概率Pij,i为小于或等于交通工具类型的总数量的正整数,j为小于或等于目标道路上车道的总数量的正整数,计算所述坑洼概率Pij和历史交通事故率qi的乘积qi Pij,将所述乘积qi Pij确定为所述第i类交通工具在第j条车道上的预测交通事故率,根据所述交通工具对应的交通工具类型和所述乘积qi Pij,确定所述目标道路中所述交通工具在每条车道的预测交通事故率,例如,第1类交通工具在第2条车道的预测交通事故率为q1 P12。
S206,从智能交通控制中心获取所述交通工具的在目标时间段内,由于路面坑洼导致的交通事故量;根据所述目标时间段和所述交通事故量,确定所述交通工具的当前交通事故率;
具体的,数据处理设备从智能交通控制中心获取所述交通工具的在目标时间段内,由于路面坑洼导致的交通事故量;根据所述目标时间段和所述交通事故量,确定所述交通工具的当前交通事故率,可以理解的是,当前交通事故率是车辆自身的属性,智能交通控制中心存储交通工具的历史交通事故,统计上述历史交通事故中由于路面坑洼导致的交通事故量,确定当前交通事故率,所述当前交通事故率用于判断道路的安全性,同时,可以将当前交通事故率存储至交通工具的车载设备上,提高数据获取的便捷性,当交通工具在智能交通控制中心的交通事故量更新后,可以根据更新后的交通事故量对车载设备上的当前交通事故率进行更新。
S207,获取所述目标道路中每个车道的预测交通事故率的最小值,根据所述最小值和所述当前交通事故率确定所述目标道路的行使状态。
具体的,数据处理设备获取所述目标道路中每个车道的预测交通事故率的最小值,根据所述最小值和所述当前交通事故率确定所述目标道路的行使状态,可以理解的是,目标道路中每个车道对应一个预测交通事故率,当车道的预测交通事故率小于当前交通事故率时,则该车道对所述交通工具是安全的,否则,交通工具在该车道上行驶,可能出现安全事故。获取所述目标道路中每个车道的预测交通事故率的最小值,当所述最小值小于所述当前交通事故率时,即目标道路中至少存在一个车道的预测交通事故率小于当前交通事故率,则确定所述目标道路的行使状态为安全行使状态,当所述最小值大于或等于所述当前交通事故率时,即目标道路中所有车道的预测交通事故率均大于或等于当前交通事故率,确定所述目标道路的行使状态为危险行使状态。
S208,若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。
具体的,若所述目标道路的行使状态为安全行使状态,数据处理设备则从所述目标道路的车道中选择所述交通工具对应的行驶车道,可以理解的是,若所述目标道路的行使状态为安全行使状态,则将所述目标道路确定为所述交通工具的行驶道路,将所述预测交通事故率小于所述当前交通事故率的车道确定为预选车道,所述预选车道至少包括一条车道,根据所述预选车道的预测交通事故率与所述交通工具的交通工具横向分布,确定所述交通工具在所述预选车道的危险综合评分,具体的,可以计算预测交通事故率与所述交通工具的交通工具横向分布的乘积,作为危险综合评分,例如,交通工具的类型属于第1类交通工具,交通工具在车道1,2,…,m的分布概率分别为k11,k12,...,k1m,若第1车道为预选车道,交通工具在第1车道的预测交通事故率为q1 P11,则第1车道的危险综合评分为k11q1P11,将所述危险综合评分最小的预选车道确定为所述交通工具在目标道路的行驶车道。
若所述目标道路的行使状态为危险行使状态,则从备选道路集合中选择除所述目标道路之外的其他道路作为交通工具的行驶道路,需要说明的是,从备选道路中选择行驶道路时,采用上述同样的方法确定道路的行驶状态,若道路的行驶状态为危险行使状态,则再次从备选道路集合中获取其他道路,直到检测到道路的行驶状态为安全行使状态,将选择的道路作为交通工具的行驶道路;所述备选道路集合为所述交通工具在所述位置信息范围内可行驶的道路。
在本申请实施例中,通过获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数,根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,根据所述预测交通事故率确定所述目标道路的行驶状态,若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。通过道路的道路行驶参数对道路中车道的安全性进行预测,避免了车辆安全辅助驾驶系统在测量中由于不确定因素,或者道路存在影响车辆安全驾驶的细小坑洼,导致无法准确获取坑洼车道的问题,提高了信息获取的准确性,提高了车辆驾驶的安全性。
下面将结合图4,为本申请实施例提供的具体实施场景进行说明,如图4所示。
车辆通过导航地图进行定位在导航地图上生成车辆的位置信息,根据车辆位置信息和车辆的目的地生成备选道路集合,备选道路集合中包括至少一条到达目的地的道路,例如,在某一个交叉路口,有多条道路可以选择,根据用户指定的道路或者在默认情况下选择时长最短的道路,作为目标道路。
根据车辆横向分布以及车辆质量生成每个车辆类型在所述目标道路中每个车道的平均承重,例如,车辆的种类为n,目标道路的车道数量为m,第i类车在车道1,2,…,m的分布概率分别为ki1,ki2,...,kim,则第i类车分别以概率ki1,ki2,...,kim行驶在车道1,2,…,m上,第i类车的质量为Mi,因此,车道1,2,…,m对第i类车的平均承重分别为ki1 Mi,ki2Mi,...,kim Mi。
根据每个车道的平均承重和每个车辆类型的车流量生成每个车道的总承重,第i类车的车流量为Fi,则车道1,2,…,m对第i类车的总承重分别为ki1 Mi Fi,ki2 Mi Fi,...,kimMi Fi,车道1,2,…,m对所有类别车量的总承重分别为:
根据每个车道的总承重生成每个车道出现路面坑洼的坑洼概率,所述坑洼概率是道路路面存在坑洼的概率,车道对车辆的总承重越大说明该车道受到的压力越大,因而越容易破损而出现路面坑洼,即车道出现路面坑洼的概率与车道对车辆的总承重量成正比,因此,车道j有路面坑洼的坑洼概率通过如下公式计;
从交管部门获取目标公路的由路面坑洼导致的卷入了各类车的历史交通事故率,获取第i类车辆的历史交通事故率qi,获取第i类车辆在第j条车道上的坑洼概率Pij,i为小于或等于车辆类型的总数量的正整数,j为小于或等于目标道路上车道的总数量的正整数,计算所述坑洼概率Pij和历史交通事故率qi的乘积qi Pij,将所述乘积qi Pij确定为所述第i类车辆在第j条车道上的预测交通事故率,根据车辆对应的车辆类型和所述乘积qi Pij,确定所述目标道路中所述交通工具在每条车道的预测交通事故率。
获取目标道路中每个车道的预测交通事故率的最小值,当所述最小值小于所述当前交通事故率时,确定所述目标道路的行使状态为安全行使状态,当所述最小值大于或等于所述当前交通事故率时,确定所述目标道路的行使状态为危险行使状态。
若所述目标道路的行使状态为安全行使状态,则将所述目标道路确定为车辆的行驶道路,将所述预测交通事故率小于所述当前交通事故率的车道确定为预选车道,所述预选车道至少包括一条车道,根据所述预选车道的预测交通事故率与车辆的车辆横向分布的乘积的最小值,确定行驶车道,例如,车辆的类型属于第1类车辆,车辆在车道1,2,…,m的分布概率分别为k11,k12,...,k1m,车辆在第j车道的预测交通事故率为q1P1j,则第j车道的预测交通事故率与车辆横向分布的乘积为k1j q1P1j,将所述乘积最小的预选车道确定为所述交通工具在目标道路的行驶车道。与现有技术相比,采用本实施例中的方法,可以有效减少由于路面坑洼导致的交通事故。
请参见图5,为本申请实施例提供了一种数据处理设备的结构示意图。所述数据处理设备可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该数据处理设备为一个应用软件;该设备可以用于执行本申请实施例提供的方法中的相应步骤。如图5所示,本申请实施例的所述数据处理设备1可以包括:参数获取单元11、事故率预测单元12、行驶状态确定单元13、行驶车道确定单元14。
参数获取单元11,用于获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数;
事故率预测单元12,用于根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率;
行驶状态确定单元13,用于根据所述预测交通事故率确定所述目标道路的行驶状态;
行驶车道确定单元14,用于若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。
请参见图5,本申请实施例的所述参数获取单元11可以包括:道路获取子单元111、坑洼概率获取子单元112、事故率获取子单元113、参数确定子单元114。
道路获取子单元111,用于获取交通工具所处的位置信息,根据所述位置信息生成备选道路集合,从所述备选道路集合中获取目标道路;
坑洼概率获取子单元112,用于根据所述目标道路的道路指数确定所述目标道路中每条车道的坑洼概率;所述坑洼概率是道路路面存在坑洼的概率;
事故率获取子单元113,用于获取所述目标道路对应的每个交通工具类型的历史交通事故率;
参数确定子单元114,用于将所述坑洼概率和所述历史交通事故率确定为所述目标道路的道路行驶参数。
所述道路指数包括道路上的交通工具类型、交通工具横向分布、每个交通工具类型的交通工具质量、每个交通工具类型的交通流量;
所述坑洼概率获取子单元112具体用于:
根据所述交通工具横向分布、所述交通工具质量生成每个交通工具类型在所述目标道路中每个车道的平均承重;
根据所述每个车道的平均承重和每个交通工具类型的交通流量生成每个车道的总承重;
根据所述每个车道的总承重生成每个车道出现路面坑洼的坑洼概率。
所述事故率获取子单元113具体用于:
从智能交通控制中心获取所述目标道路的总历史交通事故;
在所述总历史交通事故中,获取事故类型为道路坑洼事故类型的历史交通事故,作为坑洼历史交通事故;
从所述坑洼历史交通事故中,确定每个交通工具类型的坑洼历史交通事故;
根据所述每个交通工具类型的坑洼历史交通事故,确定所述目标道路上每个交通工具类型的历史交通事故率。
所述事故率预测单元12具体用于:
获取第i类交通工具的历史交通事故率qi,获取第i类交通工具在第j条车道上的坑洼概率Pij,i为小于或等于交通工具类型的总数量的正整数,j为小于或等于目标道路上车道的总数量的正整数;
获取所述坑洼概率Pij和历史交通事故率qi的乘积qi Pij,将所述乘积qi Pij确定为所述第i类交通工具在第j条车道上的预测交通事故率;
根据所述交通工具对应的交通工具类型和所述乘积qi Pij,确定所述目标道路中所述交通工具在每条车道的预测交通事故率。
请参见图5,本申请实施例的所述行驶状态确定单元13可以包括:事故获取子单元131、行驶状态确定子单元132。
所述行驶状态包括安全行使状态和危险行驶状态;
事故获取子单元131,用于从智能交通控制中心获取所述交通工具的在目标时间段内,由于路面坑洼导致的交通事故量;根据所述目标时间段和所述交通事故量,确定所述交通工具的当前交通事故率;
行驶状态确定子单元132,用于获取所述目标道路中每个车道的预测交通事故率的最小值,根据所述最小值和所述当前交通事故率确定所述目标道路的行使状态。
所述行驶状态确定子单元132具体用于:
获取所述目标道路中每个车道的预测交通事故率的最小值;
当所述最小值小于所述当前交通事故率时,确定所述目标道路的行使状态为安全行使状态;
当所述最小值大于或等于所述当前交通事故率时,确定所述目标道路的行使状态为危险行使状态。
所述行驶车道确定单元14具体用于:
若所述目标道路的行使状态为安全行使状态,则将所述目标道路确定为所述交通工具的行驶道路;
将所述预测交通事故率小于所述当前交通事故率的车道确定为预选车道,根据所述预选车道的预测交通事故率与所述交通工具的交通工具横向分布,确定所述交通工具在所述预选车道的危险综合评分;
将所述危险综合评分最小的预选车道确定为所述交通工具在目标道路的行驶车道。
若所述目标道路的行使状态为危险行使状态,则从备选道路集合中选择除所述目标道路之外的其他道路作为交通工具的行驶道路;
所述备选道路集合为所述交通工具在所述位置信息范围内可行驶的道路。
在本申请实施例中,通过获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数,根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,根据所述预测交通事故率确定所述目标道路的行驶状态,若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。通过道路的道路行驶参数对道路中车道的安全性进行预测,避免了车辆安全辅助驾驶系统在测量中由于不确定因素,或者道路存在影响车辆安全驾驶的细小坑洼,导致无法准确获取坑洼车道的问题,提高了信息获取的准确性,提高了车辆驾驶的安全性。
请参见图6,为本申请实施例提供了一种计算机设备的结构示意图。如图6所示,所述计算机设备1000可以包括:至少一个处理器1001,例如CPU,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图6所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及数据处理应用程序。
在图6所示的计算机设备1000中,网络接口1004可提供网络通讯功能,用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的数据处理应用程序,以实现上述图2-图4任一个所对应实施例中对所述数据处理方法的描述,在此不再赘述。
应当理解,本申请实施例中所描述的计算机设备1000可执行前文图2-图4任一个所对应实施例中对所述数据处理方法的描述,也可执行前文图5所对应实施例中对所述数据处理设备的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本申请实施例还提供了一种计算机可读存储介质,且所述计算机可读存储介质中存储有前文提及的数据处理设备所执行的计算机程序,且所述计算机程序包括程序指令,当所述处理器执行所述程序指令时,能够执行前文图2-图4任一个所对应实施例中对所述数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。作为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行,分布在多个地点且通过通信网络互连的多个计算设备可以组成区块链系统。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数;
根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率;
根据所述预测交通事故率确定所述目标道路的行驶状态;
若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道。
2.根据权利要求1所述的方法,其特征在于,所述获取交通工具所处的位置信息,确定所述位置信息对应的目标道路,获取所述目标道路的道路行驶参数,包括:
获取交通工具所处的位置信息,根据所述位置信息生成备选道路集合,从所述备选道路集合中获取目标道路;
根据所述目标道路的道路指数确定所述目标道路中每条车道的坑洼概率;所述坑洼概率是道路路面存在坑洼的概率;
获取所述目标道路对应的每个交通工具类型的历史交通事故率;
将所述坑洼概率和所述历史交通事故率确定为所述目标道路的道路行驶参数。
3.根据权利要求2所述的方法,其特征在于,所述道路指数包括道路上的交通工具类型、交通工具横向分布、每个交通工具类型的交通工具质量、每个交通工具类型的交通流量;所述根据所述目标道路的道路指数确定所述目标道路的每条车道的坑洼概率,包括:
根据所述交通工具横向分布、所述交通工具质量生成每个交通工具类型在所述目标道路中每个车道的平均承重;
根据所述每个车道的平均承重和每个交通工具类型的交通流量生成每个车道的总承重;
根据所述每个车道的总承重生成每个车道出现路面坑洼的坑洼概率。
4.根据权利要求2所述的方法,其特征在于,所述获取目标道路对应的每个交通工具类型的历史交通事故率,包括:
从智能交通控制中心获取所述目标道路的总历史交通事故;
在所述总历史交通事故中,获取事故类型为道路坑洼事故类型的历史交通事故,作为坑洼历史交通事故;
从所述坑洼历史交通事故中,确定每个交通工具类型的坑洼历史交通事故;
根据所述每个交通工具类型的坑洼历史交通事故,确定所述目标道路上每个交通工具类型的历史交通事故率。
5.根据权利要求2所述的方法,其特征在于,所述根据所述目标道路的道路行驶参数,预测所述目标道路中所述交通工具在每条车道的预测交通事故率,包括:
获取第i类交通工具的历史交通事故率qi,获取第i类交通工具在第j条车道上的坑洼概率Pij,i为小于或等于交通工具类型的总数量的正整数,j为小于或等于目标道路上车道的总数量的正整数;
获取所述坑洼概率Pij和历史交通事故率qi的乘积qi Pij,将所述乘积qi Pij确定为所述第i类交通工具在第j条车道上的预测交通事故率;
根据所述交通工具对应的交通工具类型和所述乘积qi Pij,确定所述目标道路中所述交通工具在每条车道的预测交通事故率。
6.根据权利要求1所述的方法,其特征在于,所述行驶状态包括安全行使状态和危险行驶状态;所述根据所述预测交通事故率确定所述目标道路的行使状态,包括:
从智能交通控制中心获取所述交通工具的在目标时间段内,由于路面坑洼导致的交通事故量;
根据所述目标时间段和所述交通事故量,确定所述交通工具的当前交通事故率;
获取所述目标道路中每个车道的预测交通事故率的最小值,根据所述最小值和所述当前交通事故率确定所述目标道路的行使状态。
7.根据权利要求6所述的方法,其特征在于,所述获取所述目标道路中每个车道的预测交通事故率的最小值,根据所述最小值和所述当前交通事故率确定所述目标道路的行使状态,包括:
获取所述目标道路中每个车道的预测交通事故率的最小值;
当所述最小值小于所述当前交通事故率时,确定所述目标道路的行使状态为安全行使状态;
当所述最小值大于或等于所述当前交通事故率时,确定所述目标道路的行使状态为危险行使状态。
8.根据权利要求1所述的方法,其特征在于,所述若所述目标道路的行使状态为安全行使状态,则从所述目标道路的车道中选择所述交通工具对应的行驶车道,包括:
若所述目标道路的行使状态为安全行使状态,则将所述目标道路确定为所述交通工具的行驶道路;
将所述预测交通事故率小于所述当前交通事故率的车道确定为预选车道,根据所述预选车道的预测交通事故率与所述交通工具的交通工具横向分布,确定所述交通工具在所述预选车道的危险综合评分;
将所述危险综合评分最小的预选车道确定为所述交通工具在目标道路的行驶车道。
9.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如权利要求1-8任一项所述的方法。
10.一种计算机设备,其特征在于,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1-8任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010480665.2A CN111613060B (zh) | 2020-05-30 | 2020-05-30 | 一种数据处理方法以及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010480665.2A CN111613060B (zh) | 2020-05-30 | 2020-05-30 | 一种数据处理方法以及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111613060A true CN111613060A (zh) | 2020-09-01 |
CN111613060B CN111613060B (zh) | 2021-08-24 |
Family
ID=72201676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010480665.2A Active CN111613060B (zh) | 2020-05-30 | 2020-05-30 | 一种数据处理方法以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111613060B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233428A (zh) * | 2020-10-10 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 车流量预测方法、装置、存储介质及设备 |
CN113345227A (zh) * | 2021-05-31 | 2021-09-03 | 上海涵润汽车电子有限公司 | 一种随机交通流生成方法及装置 |
CN113538895A (zh) * | 2020-10-15 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 车辆调控方法、装置、系统及计算机存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100915336B1 (ko) * | 2009-02-24 | 2009-09-04 | 김규목 | 보행자 보호용 방호장치 |
CN103903435A (zh) * | 2012-12-30 | 2014-07-02 | 王方淇 | 一种路况信息获取方法及移动终端 |
CN106592466A (zh) * | 2016-12-02 | 2017-04-26 | 金陵科技学院 | 城市非机动车道汽车扎胎器 |
CN107103775A (zh) * | 2017-05-18 | 2017-08-29 | 西安理工大学 | 一种基于群智计算的道路质量检测方法 |
CN108280991A (zh) * | 2017-01-05 | 2018-07-13 | 大唐高鸿信息通信研究院(义乌)有限公司 | 车载短距离通信网的车辆交通事故预测方法 |
CN108532428A (zh) * | 2018-05-04 | 2018-09-14 | 乔振锋 | 一种交通工程道路路面平整装置 |
CN108660879A (zh) * | 2018-03-14 | 2018-10-16 | 重庆交通大学 | 一种交通智能枢纽站 |
US20180346116A1 (en) * | 2017-06-05 | 2018-12-06 | International Business Machines Corporation | Vehicular alert system |
CN109887321A (zh) * | 2019-03-28 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 无人车变道安全判别方法、装置及存储介质 |
CN110738591A (zh) * | 2019-09-20 | 2020-01-31 | 哈尔滨工业大学(威海) | 基于倾向值匹配的爬坡车道交通安全效益计算方法 |
CN110910642A (zh) * | 2019-12-02 | 2020-03-24 | 安徽百诚慧通科技有限公司 | 一种考虑混合交通系统的公交线路分析方法 |
CN110956335A (zh) * | 2019-12-10 | 2020-04-03 | 黑龙江省公路勘察设计院 | 一种基于预测事故率分级的公路安全评价系统及评价方法 |
-
2020
- 2020-05-30 CN CN202010480665.2A patent/CN111613060B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100915336B1 (ko) * | 2009-02-24 | 2009-09-04 | 김규목 | 보행자 보호용 방호장치 |
CN103903435A (zh) * | 2012-12-30 | 2014-07-02 | 王方淇 | 一种路况信息获取方法及移动终端 |
CN106592466A (zh) * | 2016-12-02 | 2017-04-26 | 金陵科技学院 | 城市非机动车道汽车扎胎器 |
CN108280991A (zh) * | 2017-01-05 | 2018-07-13 | 大唐高鸿信息通信研究院(义乌)有限公司 | 车载短距离通信网的车辆交通事故预测方法 |
CN107103775A (zh) * | 2017-05-18 | 2017-08-29 | 西安理工大学 | 一种基于群智计算的道路质量检测方法 |
US20180346116A1 (en) * | 2017-06-05 | 2018-12-06 | International Business Machines Corporation | Vehicular alert system |
CN108660879A (zh) * | 2018-03-14 | 2018-10-16 | 重庆交通大学 | 一种交通智能枢纽站 |
CN108532428A (zh) * | 2018-05-04 | 2018-09-14 | 乔振锋 | 一种交通工程道路路面平整装置 |
CN109887321A (zh) * | 2019-03-28 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 无人车变道安全判别方法、装置及存储介质 |
CN110738591A (zh) * | 2019-09-20 | 2020-01-31 | 哈尔滨工业大学(威海) | 基于倾向值匹配的爬坡车道交通安全效益计算方法 |
CN110910642A (zh) * | 2019-12-02 | 2020-03-24 | 安徽百诚慧通科技有限公司 | 一种考虑混合交通系统的公交线路分析方法 |
CN110956335A (zh) * | 2019-12-10 | 2020-04-03 | 黑龙江省公路勘察设计院 | 一种基于预测事故率分级的公路安全评价系统及评价方法 |
Non-Patent Citations (4)
Title |
---|
侯琛: "洛阳市区绿道网络分析与模型构建", 《江西农业学报》 * |
侯琛: "物联网中的嵌入式终端", 《电子测量技术》 * |
汪莹: "基于安全服务水平的城市道路交叉口交通安全评价方法研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
王晨: "山区高速公路交通安全分析与设施保障技术研究", 《工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233428A (zh) * | 2020-10-10 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 车流量预测方法、装置、存储介质及设备 |
CN112233428B (zh) * | 2020-10-10 | 2023-09-22 | 腾讯科技(深圳)有限公司 | 车流量预测方法、装置、存储介质及设备 |
CN113538895A (zh) * | 2020-10-15 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 车辆调控方法、装置、系统及计算机存储介质 |
CN113538895B (zh) * | 2020-10-15 | 2024-02-09 | 腾讯科技(深圳)有限公司 | 车辆调控方法、装置、系统及计算机存储介质 |
CN113345227A (zh) * | 2021-05-31 | 2021-09-03 | 上海涵润汽车电子有限公司 | 一种随机交通流生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111613060B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111613060B (zh) | 一种数据处理方法以及设备 | |
US20230259144A1 (en) | Fleet vehicle feature activation | |
JP6045846B2 (ja) | 交通事故発生予報装置、方法およびプログラム | |
JP4940206B2 (ja) | 道路交通情報提供システム及び方法 | |
CN112185147B (zh) | 一种车辆行驶过程优化方法、装置、设备及存储介质 | |
CN111325437B (zh) | 异常行驶行为的识别方法、装置以及电子设备 | |
CN112801541B (zh) | 一种危险化学品道路运输风险动态评估及风险导航方法 | |
CN112101670A (zh) | 数据处理方法、装置、电子设备和可读存储介质 | |
US20160247096A1 (en) | Systems and Methods for Managing Networked Vehicle Resources | |
CN117097765B (zh) | 基于物联网的汽车轮胎安全管理方法、系统及介质 | |
CN111613059A (zh) | 一种数据处理方法以及设备 | |
US20190012606A1 (en) | Freight and weather decision support system | |
US10636296B2 (en) | Traffic hindrance risk prediction apparatus | |
CN110909907A (zh) | 卡车的油耗预测方法、装置及存储介质 | |
CN115547084A (zh) | 道路通行状况预测方法、装置、电子设备及计算机程序产品 | |
JP6158563B2 (ja) | 経路誘導装置およびその制御方法並びにプログラム | |
US20240085193A1 (en) | Automated dynamic routing unit and method thereof | |
US20200256687A1 (en) | System For Determining A Risk Of An Accident On A Driving Route | |
CN114596699B (zh) | 信息处理装置、信息处理系统、信息处理方法以及非临时性存储介质 | |
JP2018180906A (ja) | 混雑予測プログラム、混雑予測装置、及び混雑予測方法 | |
CN110827152A (zh) | 一种保险评估方法、系统及服务器 | |
EP3905220A1 (en) | Accident index calculation device, information providing device, content selection device, insurance premium setting device, accident index calculation method, and program | |
CN112863243B (zh) | 道路的限高提示方法及装置 | |
CN116168542B (zh) | 一种基于大型车辆的行为监测的预警方法及系统 | |
CN112967013B (zh) | 一种确定预开通航班的起飞时间的方法、系统和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |