CN111667720A - 数据处理方法、装置、电子设备及存储介质 - Google Patents
数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111667720A CN111667720A CN202010413384.5A CN202010413384A CN111667720A CN 111667720 A CN111667720 A CN 111667720A CN 202010413384 A CN202010413384 A CN 202010413384A CN 111667720 A CN111667720 A CN 111667720A
- Authority
- CN
- China
- Prior art keywords
- warning information
- early warning
- duration
- target
- probability distribution
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000001186 cumulative effect Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 25
- 230000002045 lasting effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 13
- 238000002474 experimental method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G08G1/164—Centralised systems, e.g. external to vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种数据处理方法、装置、电子设备及存储介质,所述方法包括:获取预警信息流中包含的第一类预警信息对应的概率分布,所述概率分布用于表征所述第一类预警信息的持续时长的分布;获取所述第一类预警信息中的目标预警信息的累计概率;基于所述概率分布以及所述累计概率,获取所述目标预警信息的期望持续时长;获取所述目标预警信息对应的参考持续时长;基于所述期望持续时长与所述参考持续时长的对比,确定是否响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。本公开实施例能够降低预警信息的响应异常度。
Description
技术领域
本公开涉及云物联领域,具体涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
在云物联领域中,常常会涉及到各种根据预警信息进行预警的应用。例如:在云物联领域相关的智能交通领域中,根据针对目标车辆的预警信息对目标车辆的行驶风险进行预警。许多情况下,预警信息是以流方式传输的。在这一过程中,由于以流方式传输的信息有时会出现传输异常,从而会导致对预警信息流作出的响应会发生与真实情况不相符的异常。
发明内容
本公开的一个目的在于提出一种数据处理方法、装置、电子设备及存储介质,能够降低预警信息的响应异常度。
根据本公开实施例的一方面,公开了一种数据处理方法,所述方法包括:
获取预警信息流中包含的第一类预警信息对应的概率分布,所述概率分布用于表征所述第一类预警信息的持续时长的分布;
获取所述第一类预警信息中的目标预警信息的累计概率;
基于所述概率分布以及所述累计概率,获取所述目标预警信息的期望持续时长;
获取所述目标预警信息对应的参考持续时长;
基于所述期望持续时长与所述参考持续时长的对比,确定是否响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
根据本公开实施例的一方面,公开了一种数据处理装置,所述装置包括:
第一获取模块,配置为获取预警信息流中包含的第一类预警信息对应的概率分布,所述概率分布用于表征所述第一类预警信息的预警持续时长的分布;
第二获取模块,配置为获取所述第一类预警信息中的目标预警信息的累计概率;
第三获取模块,配置为基于所述概率分布以及所述累计概率,获取所述目标预警信息的期望持续时长;
第四获取模块,配置为获取所述目标预警信息对应的参考持续时长;
确定模块,配置为基于所述期望持续时长与所述参考持续时长的对比,确定是否响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
在本公开的一示例性实施例中,所述装置配置为:
获取所述预警信息流所预警对象的事故发生率;
基于所述事故发生率获取所述累计概率。
在本公开的一示例性实施例中,所述装置配置为:
基于所述概率分布,随机生成服从所述概率分布的随机数;
基于所述随机数获取所述参考持续时长。
在本公开的一示例性实施例中,所述装置配置为:
随机生成服从所述概率分布的至少两个随机数;
将所述至少两个随机数的平均数确定为所述参考持续时长。
在本公开的一示例性实施例中,所述装置配置为:
当检测到所述预警信息流包含的中断所述目标预警信息的第二类预警信息时,获取所述目标预警信息的已持续时长;
将所述已持续时长确定为所述参考持续时长。
在本公开的一示例性实施例中,所述装置配置为:
若所述目标持续时长包括所述参考持续时长,则响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息;
若所述目标持续时长不包括所述参考持续时长,则不响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
根据本公开实施例的一方面,公开了一种数据处理电子设备,包括:存储器,存储有计算机可读指令;处理器,读取存储器存储的计算机可读指令,以执行以上权利要求中的任一个所述的方法。
根据本公开实施例的一方面,公开了一种计算机程序介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行以上权利要求中的任一个所述的方法。
本公开实施例中,对于在预警信息流中的第一类预警信息,基于该第一类预警信息的持续时长的概率分布,确定该第一类预警信息中匹配累计概率的目标预警信息的期望持续时长,进而在此基础上确定是否响应中断该目标预警信息的第二类预警信息,从而降低预警信息的响应异常度。
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。
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的,并不能限制本公开。
附图说明
通过参考附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。
图1示出了根据本公开一个实施例的应用于云物联领域相关的智能交通领域中的体系构架图。
图2示出了根据本公开一个实施例的应用于云物联领域相关的智能交通领域中的终端界面图。
图3示出了根据本公开一个实施例的数据处理方法的流程图。
图4示出了根据本公开一个实施例的数据处理装置的框图。
图5示出了根据本公开一个实施例的数据处理电子设备的硬件图。
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,提供这些示例实施方式使得本公开的描述将更加全面和完整,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。附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
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示例实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、步骤等。在其它情况下,不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本公开实施例提出了一种数据处理方法,涉及云物联领域,用以降低预警信息的响应异常度,适用于以流方式传输的预警信息的预警应用中。例如:在智能交通领域,针对目标车辆的预警信息以流方式传输的车辆预警应用中;或者,在工业生产领域,针对目标产品的预警信息以流方式传输的产品质量管控应用中;或者,其他以流方式传输的预警信息的预警应用中。
其中,物联网(The Internet of Things,简称IOT)是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体,它让所有能够被独立寻址的普通物理对象形成互联互通的网络。
云物联(Cloud IOT)旨在将传统物联网中传感设备感知的信息和接受的指令连入互联网中,真正实现网络化,并通过云计算技术实现海量数据存储和运算,由于物联网的特性是物与物相连接,实时感知各个“物体”当前的运行状态,在这个过程中会产生大量的数据信息,如何将这些信息汇总,如何在海量信息中筛取有用信息为后续发展做决策支持,这些已成为影响物联网发展的关键问题,而基于云计算和云存储技术的物理云也因此成为物联网技术和应用的有力支持。
图1示出了本公开一实施例应用于云物联领域相关的智能交通领域中的体系构架。
该实施例中,道路监控服务器20对道路上行驶的各个车辆进行监控,并将监控得到的预警信息以流方式传输到目标车辆10的车辆预警系统中,进而车辆预警系统根据接收到的预警信息流对目标车辆在行驶中面临的风险进行预警。其中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。
当目标车辆10不断接近前方行驶的其他车辆时,该预警信息流中的预警信息所描述的应当是风险程度增大的预警;当目标车辆10短暂远离该其他车辆时,该段时间内预警信息流中的预警信息所描述的应当是风险程度减小的预警。将描述的是风险程度增大的预警的预警信息记为第一类预警信息,将描述的是风险程度减小的预警的预警信息记为第二类预警信息。
由于以流方式传输的信息有时会出现传输异常,从而会导致当目标车辆10不断接近前方行驶的其他车辆时,预警信息流中的第一类预警信息之间会出现第二类预警信息。这种情况下,若响应第二类预警信息对目标车辆进行预警,将会导致误报,严重的情况下可能导致事故的发生。
因此,车辆预警系统可以通过本公开实施例提供的方法确定是否响应第二类预警信息,从而有效规避掉当目标车辆10不断接近前方行驶的其他车辆时误报的发生,同时,尽量保留当目标车辆10短暂远离其他车辆时的看似误报实际上正确的预警信息。
需要说明的是,该实施例只是示例性的说明。第一类预警信息不一定是风险程度增大的预警的预警信息,第二类预警信息不一定是风险程度减小的预警的预警信息;在具体的应用中,第一类预警信息与第二类预警信息所在的预警信息流所表征的不一定是风险程度;在具体的应用中,第二类预警信息可以有至少两种。该实施例不应对本公开的功能和使用范围造成限制。
图2示出了本公开一实施例应用于云物联领域相关的智能交通领域中的终端界面图。
该实施例中,用于进行行驶风险预警的车辆预警系统集成于用户的终端的地图应用中。用户点击该地图应用进入应用内,在驾车行驶不断接近前方车辆的过程中,该车辆预警系统根据从服务器接收到的预警信息流,会对本车的行驶风险进行预警。其中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
当前方车辆与本车相距89m时,车辆预警系统根据接收到的预警信息流,作出行驶风险等级需要以“黄色”表示的预警信息。终端界面中显示出前方车辆位于本车探测范围内89m的位置,同时,并根据车辆预警作出的预警信息,显示出以“黄色”表示的预警信息。
当前方车辆与本车相距20m时,车辆预警系统根据接收到的预警信息流,作出行驶风险等级需要以“红色”表示的预警信息(相比于黄色,红色代表的风险等级更高)。终端界面中显示出前方车辆位于本车探测范围内20m的位置,同时,并根据车辆预警作出的预警信息,显示出以“红色”表示的预警信息。
可以理解的,本车在不断接近前方车辆的过程中,本车的行驶风险是不断增大的,相应的,在终端界面中显示的预警信息的颜色也应当是由“黄色”到“红色”的。但由于流方式传输的信息会出现异常,当行驶风险较大的预警信息异常地排在行驶风险较小的预警信息之间时,便可能出现本来应当一直显示“黄色”的时间段内,中间异常地偶尔出现了“红色”;或者,当行驶风险较小的预警信息异常地排在行驶风险较大的预警信息之间时,可能出现本来应当一直显示“红色”的时间段内,中间异常地偶尔出现了“黄色”。若车辆预警系统不对出现的预警信息加以控制,完全按照预警信息的出现顺序进行响应的话,便会导致误报或者其他类型的异常预警。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
图3示出了本公开一实施例的数据处理方法,示例性的以智能交通领域中用于对车辆行驶进行预警的车辆预警系统为执行主体,该方法包括:
步骤S310、获取预警信息流中包含的第一类预警信息对应的概率分布,所述概率分布用于表征所述第一类预警信息的持续时长的分布;
步骤S320、获取所述第一类预警信息中的目标预警信息的累计概率;
步骤S330、基于所述概率分布以及所述累计概率,获取所述目标预警信息的期望持续时长;
步骤S340、获取所述目标预警信息对应的参考持续时长;
步骤S350、基于所述期望持续时长与所述参考持续时长的对比,确定是否响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
本公开实施例中,对于在预警信息流中的第一类预警信息,基于该第一类预警信息的持续时长的概率分布,确定该第一类预警信息中匹配累计概率的目标预警信息的期望持续时长,进而在此基础上确定是否响应中断该目标预警信息的第二类预警信息,从而降低预警信息的响应异常度。
本公开实施例中,通过用于表征第一类预警信息的持续时长的分布的概率分布,获取第一类预警信息中的目标预警信息的期望持续时长,进而在此基础上确定是否响应中断该目标预警信息的第二类预警信息。
在一实施例中,该第一类预警信息的持续时长的概率分布包括:以该第一类预警信息的平均持续时长为参数的指数分布。
该实施例中,第一类预警信息的持续时长的概率分布为以第一类预警信息的平均持续时长为参数的指数分布。
可以理解的,在智能交通领域中,车辆预警系统的寿命是无限大的,因此可以认为车辆预警系统的使用历史不会影响其未来的使用,即可以认为第一类预警信息的持续时长是无记忆的,服从于以第一类预警信息的平均持续时长为参数的指数分布。
将第一类预警信息的持续时长记为T(在具体场景中是不固定的),将第一类预警信息的平均持续时长记为d(在具体场景中是相对固定的),则目标车辆的第一类预警信息的持续时长服从以d为参数的指数分布f(T)=(1/d)*e^(-T/d)。
需要说明的是,该实施例只是示例性的说明。在智能交通领域中的车辆预警信息流中的第一类预警信息的持续时长服从于指数分布,并不代表其他领域中的预警信息流中的第一类预警信息的持续时长也服从于指数分布。可以理解的,根据具体所在领域的不同、应用场景的不同,预警信息流中的第一类预警信息也可能服从于正态分布或者其他类型的概率分布。该实施例不应对本公开的功能和使用范围造成限制。
在一实施例中,获取该第一类预警信息中的目标预警信息的累计概率,包括:
获取该预警信息流所预警对象的事故发生率;
基于该事故发生率获取该累计概率。
该实施例中,基于事故发生率获取累计概率。
具体的,该实施例中,预警信息流所预警对象为车辆。车辆预警系统获取车辆的事故发生率,进而基于该事故发生率获取累计概率。
其中,车辆预警系统可以通过交通管理部门的交通管理系统获取车辆的事故发生率;也可以通过历史所收集的车辆的事故记录获取车辆的事故发生率。车辆预警系统可以获取普遍的车辆的事故发生率;也可以获取目标车辆当前所在道路上的车辆的事故发生率。
该实施例的优点在于,通过事故发生率确定的累计概率这一约束条件,确定目标预警信息的期望持续时长,保证了期望持续时长的满足能够控制事故发生率的发生。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
在一实施例中,基于该事故发生率获取该累计概率,包括:将该事故发生率与1之间的差值确定为该累计概率。
该实施例中,车辆预警系统将(1-P)确定为第一类预警信息的累计概率。其中,P为车辆的事故发生率。
在一实施例中,基于该事故发生率获取该累计概率,包括:将该事故发生率与1之间的差值与预设权重的乘积确定为该累计概率。
该实施例中,车辆预警系统将W*(1-P)确定为第一类预警信息的累计概率。其中,P为车辆的事故发生率,W为预设权重。
该实施例的优点在于,由于权重能够具体应用需求进行调整,通过权重进一步对事故发生率的相关参数进行修正,进一步提高了确定累计概率的灵活度。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
本公开实施例中,获取到第一类预警信息的累计概率后,基于该第一类预警信息的持续时长的概率分布以及该累计概率,获取该第一类预警信息的期望持续时长。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
在一实施例中,获取该目标预警信息对应的参考持续时长,包括:
基于该概率分布,随机生成服从该概率分布的随机数;
基于该随机数获取该参考持续时长。
该实施例中,在目标预警信息尚未被中断前,基于第一类预警信息的持续时长的概率分布随机生成随机数,进而基于生成的随机数获取用于确定是否响应第二类预警信息的目标预警信息的参考持续时长。
具体的,该实施例中,目标车辆的第一类预警信息的持续时长服从以d为参数的指数分布f(T)=(1/d)*e^(-T/d),车辆预警系统基于该f(T)随机生成服从该f(T)的随机数,进而基于生成的随机数获取参考持续时长。
例如:目标车辆的第一类预警信息的平均持续时长为10个单位时长,即目标车辆的第一类预警信息的持续时长服从以10为参数的指数分布f(T)=(1/10)*e^(-T/10)。车辆预警系统可以调用matlab中的exprnd(10)的命令,生成服从以10为参数的指数分布的随机数,进而基于生成的随机数获取参考持续时长。
该实施例的优点在于,在目标预警信息还在持续,尚未被中断前,根据基于概率分布生成的随机数获取到的参考持续时长本质上是对该目标预警信息的持续时长的预测。由于该预测是建立在第一类预警信息的持续时长的概率分布之上的,因此从宏观的统计学角度来看,该预测是能够一定程度地保证其预测准确率的。通过预测,能够提前确定是否响应将会中断该目标预警信息的第二类预警信息,提高了响应速度。
在一实施例中,基于该随机数获取该参考持续时长,包括:将该随机数确定为该参考持续时长。
该实施例中,在目标预警信息尚未被中断前,直接将生成的随机数确定为第一类预警信息的参考持续时长。
例如:目标车辆的第一类预警信息的持续时长服从以10为参数的指数分布f(T)=(1/10)*e^(-T/10)。车辆预警系统调用matlab中的exprnd(10)的命令,生成以10为参数的指数分布的一个随机数Q,进而将参考持续时长确定为Q。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
在一实施例中,随机生成服从该概率分布的随机数,包括:随机生成服从该概率分布的至少两个随机数;
基于该随机数获取该参考持续时长,包括:将该至少两个随机数的平均数确定为该参考持续时长。
该实施例中,在目标预警信息尚未被中断前,生成至少两个随机数,并将该至少两个随机数的平均数确定为第一类预警信息的参考持续时长。
例如:目标车辆的第一类预警信息的持续时长服从以10为参数的指数分布f(T)=(1/10)*e^(-T/10)。车辆预警系统调用matlab中的exprnd(10)的命令,生成以10为参数的指数分布的随机数Q1、Q2以及Q3,进而将参考持续时长确定为Q=(Q1+Q2+Q3)/3。
该实施例的优点在于,通过至少两个随机数的平均数确定参考持续时长,在提高响应速度的同时,进一步提高了预测的准确率。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
在一实施例中,获取该第一类预警信息的参考持续时长,包括:
当检测到在预警信息流中中断该第一类预警信息的第二类预警信息时,获取该第一类预警信息的已持续时长;
将该已持续时长确定为该参考持续时长。
该实施例中,当检测到中断目标预警信息的第二类预警信息时,即,当目标预警信息被中断时,将该目标预警信息的已持续时长确定为该目标预警信息的参考持续时长。
例如:车辆预警系统在目标车辆行驶的过程中,接收针对目标车辆的预警信息流,在该预警信息流中第一类预警信息与第二类预警信息交替出现。对于当前持续的第一类预警信息中的目标预警信息,车辆预警系统检测到该目标预警信息被第二类预警信息中断时,车辆预警系统获取该目标预警信息在被中断前的已持续时长,进而将该已持续时长确定为该目标预警信息的参考持续时长。
该实施例的优点在于,在目标预警信息被中断时,将该目标预警信息的已持续时长确定为其参考持续时长,这一过程是对目标预警信息的持续时长的实时检测。通过实时检测,在检测到第二类预警信息后再确定是否响应该第二类预警信息,提高了响应的准确率。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
在一实施例中,基于该期望持续时长与该参考持续时长的对比,确定是否响应在预警信息流中中断该目标预警信息的第二类预警信息,包括:
若该期望持续时长包括该参考持续时长,则响应在预警信息流中中断该目标预警信息的第二类预警信息;
若该期望持续时长不包括该参考持续时长,则不响应在预警信息流中中断该目标预警信息的第二类预警信息。
该实施例中,车辆预警系统获取到目标预警信息的期望持续时长为[r,+∞],获取到的目标预警信息的参考持续时长为Q。
如果Q在[r,+∞]中意味着该目标预警信息的持续时长足够满足期望持续时长,满足累计概率约束下的持续时长的规律,故将中断该目标预警信息的第二类预警信息视为真实的第二类预警信息,响应该第二类预警信息。
如果Q不在[r,+∞]中意味着该目标预警信息的持续时长太小,不满足期望持续时长,不满足累计概率约束下的持续时长的规律,故将中断该目标预警信息的第二类预警信息视为虚假的第二类预警信息,不响应该第二类预警信息。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
在一实施例中,车辆预警系统根据接收到的预警信息流对本车的行驶风险进行预警。若不对预警信息的响应加以控制,由于流方式传输的信息会出现异常,当行驶风险较大的预警信息异常地排在行驶风险较小的预警信息之间时,便可能出现本来应当一直显示“黄色”的时间段内,中间异常地偶尔出现了“红色”。
车辆预警系统通过执行本公开提供的数据处理方法,将行驶风险减小的预警信息作为第一类预警信息,将行驶风险增大的预警信息作为第二类预警信息;获取行驶风险减小的预警信息的持续时长的概率分布;获取行驶风险减小的预警信息中目标预警信息的累计概率;基于该概率分布以及该累计概率,获取该目标预警信息的期望持续时长;获取该目标预警信息对应的参考持续时长;基于该期望持续时长与该参考持续时长的对比,确定是否响应该第二类预警信息。即,确定是否响应异常地排在行驶风险较小的预警信息之间的行驶风险较大的预警信息。
通过这种方法,车辆预警系统能够确定不响应该排在行驶风险较小的预警信息之间的行驶风险较大的预警信息,相应的,在呈现给用户的终端界面中,便不会出现本来应当一直显示“黄色”的时间段内,中间异常地偶尔出现了“红色”的这种情况。通过降低预警信息的响应异常度,提高了对用户预警的准确度的同时,提升了用户体验。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
下表1示出了本公开一实施例在智能交通领域中对车辆的行驶风险进行预警的漏报率与虚警率方面,本公开实施例与现有技术的效果对比。
其中,漏报指的是在车辆行驶过程中,行驶风险确实减小,而车辆预警系统没有相应作出行驶风险减小的预警的这种情况或者类似的情况;虚警指的是在车辆行驶过程中,行驶风险没有减小,而车辆预警系统却作出了行驶风险减小的预警的这种情况或者类似的情况。
实验次序 | 现有技术漏报率 | 该实施例漏报率 | 现有技术虚警率 | 该实施例虚警率 |
第一次实验 | 27% | 7% | 24% | 9% |
第二次实验 | 24% | 6% | 22% | 8% |
第三次实验 | 25% | 6% | 22% | 6% |
第四次实验 | 26% | 6% | 24% | 7% |
第五次实验 | 25% | 5% | 23% | 6% |
第六次实验 | 27% | 8% | 23% | 7% |
第七次实验 | 26% | 7% | 25% | 8% |
第八次实验 | 25% | 6% | 22% | 9% |
第九次实验 | 28% | 7% | 24% | 8% |
第十次实验 | 25% | 6% | 23% | 8% |
表1
通过该实施例示出的数据可以看出,相比于现有技术,本公开实施例所提供的方法能够明显降低车辆行驶风险预警中的漏报率与虚警率,降低了对预警信息的异常响应度。
需要说明的是,该实施例只是示例性的说明,不应对本公开的功能和使用范围造成限制。
图4示出了根据本公开一实施例的数据处理装置,所述装置包括:
第一获取模块410,配置为获取预警信息流中包含的第一类预警信息对应的概率分布,所述概率分布用于表征所述第一类预警信息的预警持续时长的分布;
第二获取模块420,配置为获取所述第一类预警信息中的目标预警信息的累计概率;
第三获取模块430,配置为基于所述概率分布以及所述累计概率,获取所述目标预警信息的期望持续时长;
第四获取模块440,配置为获取所述目标预警信息对应的参考持续时长;
确定模块450,配置为基于所述期望持续时长与所述参考持续时长的对比,确定是否响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
在本公开的一示例性实施例中,所述装置配置为:
获取所述预警信息流所预警对象的事故发生率;
基于所述事故发生率获取所述累计概率。
在本公开的一示例性实施例中,所述装置配置为:
基于所述概率分布,随机生成服从所述概率分布的随机数;
基于所述随机数获取所述参考持续时长。
在本公开的一示例性实施例中,所述装置配置为:
随机生成服从所述概率分布的至少两个随机数;
将所述至少两个随机数的平均数确定为所述参考持续时长。
在本公开的一示例性实施例中,所述装置配置为:
当检测到所述预警信息流包含的中断所述目标预警信息的第二类预警信息时,获取所述目标预警信息的已持续时长;
将所述已持续时长确定为所述参考持续时长。
在本公开的一示例性实施例中,所述装置配置为:
若所述目标持续时长包括所述参考持续时长,则响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息;
若所述目标持续时长不包括所述参考持续时长,则不响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
下面参考图5来描述根据本公开实施例的数据处理电子设备50。图5显示的数据处理电子设备50仅仅是一个示例,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5所示,数据处理电子设备50以通用计算设备的形式表现。数据处理电子设备50的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述示例性方法的描述部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图3中所示的各个步骤。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
数据处理电子设备50也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该数据处理电子设备50交互的设备通信,和/或与使得该数据处理电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。输入/输出(I/O)接口550与显示单元540相连。并且,数据处理电子设备50还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线530与数据处理电子设备50的其它模块通信。应当明白,尽管图中未示出,可以结合数据处理电子设备50使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
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、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行上述方法实施例部分描述的方法。
根据本公开的一个实施例,还提供了一种用于实现上述方法实施例中的方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如JAVA、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
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。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
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、服务器、移动终端、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所附的权利要求指出。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
获取预警信息流中包含的第一类预警信息对应的概率分布,所述概率分布用于表征所述第一类预警信息的持续时长的分布;
获取所述第一类预警信息中的目标预警信息的累计概率;
基于所述概率分布以及所述累计概率,获取所述目标预警信息的期望持续时长;
获取所述目标预警信息对应的参考持续时长;
基于所述期望持续时长与所述参考持续时长的对比,确定是否响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
2.根据权利要求1所述的方法,其特征在于,所述第一类预警信息对应的概率分布包括:以所述第一类预警信息的平均持续时长为参数的指数分布。
3.根据权利要求1所述的方法,其特征在于,获取所述第一类预警信息中的目标预警信息的累计概率,包括:
获取所述预警信息流所预警对象的事故发生率;
基于所述事故发生率获取所述累计概率。
4.根据权利要求1所述的方法,其特征在于,获取所述目标预警信息对应的参考持续时长,包括:
基于所述概率分布,随机生成服从所述概率分布的随机数;
基于所述随机数获取所述参考持续时长。
5.根据权利要求4所述的方法,其特征在于,随机生成服从所述概率分布的随机数,包括:随机生成服从所述概率分布的至少两个随机数;
基于所述随机数获取所述参考持续时长,包括:将所述至少两个随机数的平均数确定为所述参考持续时长。
6.根据权利要求1所述的方法,其特征在于,获取所述目标预警信息对应的参考持续时长,包括:
当检测到所述预警信息流包含的中断所述目标预警信息的第二类预警信息时,获取所述目标预警信息的已持续时长;
将所述已持续时长确定为所述参考持续时长。
7.根据权利要求1所述的方法,其特征在于,基于所述期望持续时长与所述参考持续时长的对比,确定是否响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息,包括:
若所述期望持续时长包括所述参考持续时长,则响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息;
若所述期望持续时长不包括所述参考持续时长,则不响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
8.一种数据处理装置,其特征在于,所述装置包括:
第一获取模块,配置为获取预警信息流中包含的第一类预警信息对应的概率分布,所述概率分布用于表征所述第一类预警信息的预警持续时长的分布;
第二获取模块,配置为获取所述第一类预警信息中的目标预警信息的累计概率;
第三获取模块,配置为基于所述概率分布以及所述累计概率,获取所述目标预警信息的期望持续时长;
第四获取模块,配置为获取所述目标预警信息对应的参考持续时长;
确定模块,配置为基于所述期望持续时长与所述参考持续时长的对比,确定是否响应所述预警信息流中包含的中断所述目标预警信息的第二类预警信息。
9.一种数据处理电子设备,其特征在于,包括:
存储器,存储有计算机可读指令;
处理器,读取存储器存储的计算机可读指令,以执行权利要求1-7中的任一个所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1-7中的任一个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413384.5A CN111667720A (zh) | 2020-05-15 | 2020-05-15 | 数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413384.5A CN111667720A (zh) | 2020-05-15 | 2020-05-15 | 数据处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111667720A true CN111667720A (zh) | 2020-09-15 |
Family
ID=72383804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010413384.5A Pending CN111667720A (zh) | 2020-05-15 | 2020-05-15 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667720A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1782736A (zh) * | 2004-08-09 | 2006-06-07 | M/A-Com公司 | 检测迫近碰撞的系统和方法 |
CN102695637A (zh) * | 2009-08-31 | 2012-09-26 | 丰田自动车欧洲股份有限公司 | 车辆或交通流量控制方法和系统 |
CN102884564A (zh) * | 2010-05-10 | 2013-01-16 | 丰田自动车株式会社 | 危险度计算装置 |
CN104802796A (zh) * | 2014-01-27 | 2015-07-29 | 罗伯特·博世有限公司 | 用于运行驾驶员辅助系统的方法以及驾驶员辅助系统 |
CN109686125A (zh) * | 2019-01-11 | 2019-04-26 | 重庆邮电大学 | 一种基于hmm的v2x车联网车辆防撞预警系统 |
-
2020
- 2020-05-15 CN CN202010413384.5A patent/CN111667720A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1782736A (zh) * | 2004-08-09 | 2006-06-07 | M/A-Com公司 | 检测迫近碰撞的系统和方法 |
CN102695637A (zh) * | 2009-08-31 | 2012-09-26 | 丰田自动车欧洲股份有限公司 | 车辆或交通流量控制方法和系统 |
CN102884564A (zh) * | 2010-05-10 | 2013-01-16 | 丰田自动车株式会社 | 危险度计算装置 |
CN104802796A (zh) * | 2014-01-27 | 2015-07-29 | 罗伯特·博世有限公司 | 用于运行驾驶员辅助系统的方法以及驾驶员辅助系统 |
CN109686125A (zh) * | 2019-01-11 | 2019-04-26 | 重庆邮电大学 | 一种基于hmm的v2x车联网车辆防撞预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112712719B (zh) | 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆 | |
US20200066158A1 (en) | Electronic device, warning message providing method therefor, and non-transitory computer-readable recording medium | |
CN113240909A (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
US20230103687A1 (en) | Vehicle driving detection method and apparatus, vehicle driving warning method and apparatus, electronic device, and storage medium | |
US20170364401A1 (en) | Monitoring peripheral transactions | |
CN112991684A (zh) | 一种驾驶预警的方法及装置 | |
CN104424555A (zh) | 用于发布/订阅系统中的控制方法及设备 | |
Balasubramani et al. | DDSS: Driver decision support system based on the driver behaviour prediction to avoid accidents in intelligent transport system | |
CN114677848A (zh) | 感知预警系统、方法、装置及计算机程序产品 | |
CN112528711B (zh) | 用于处理信息的方法和装置 | |
CN117576804A (zh) | 一种车辆自适应阈值的告警方法、装置、设备及存储介质 | |
CN111667720A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
WO2023066080A1 (zh) | 一种前向目标的确定方法、装置、电子设备及存储介质 | |
CN116385185A (zh) | 一种车险评估辅助方法、装置、计算机设备及存储介质 | |
CN115782919A (zh) | 信息感知方法、装置及电子设备 | |
CN115631626A (zh) | 一种车辆数据监控分析方法、装置、设备及介质 | |
CN112950930B (zh) | 提供事故信息的方法、装置、设备、介质和程序产品 | |
CN115187364A (zh) | 银行分布式场景下保证金风险监控的方法及装置 | |
CN113147794A (zh) | 生成自动驾驶预警信息方法、装置、设备及自动驾驶车辆 | |
US11776064B2 (en) | Driver classification systems and methods for obtaining an insurance rate for a vehicle | |
CN117351776A (zh) | 一种针对车胎异常的防碰撞预警方法,装置和存储介质 | |
CN113947945B (zh) | 车辆行驶的报警方法、装置、电子设备和可读存储介质 | |
CN116543770B (zh) | 司乘冲突的检测方法、装置、设备和存储介质 | |
CN114565903B (zh) | 异常数据识别方法及装置、设备、介质和产品 | |
CN112700657A (zh) | 用于生成检测信息的方法、装置、路侧设备和云控平台 |
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 |