CN111710187A - 确定车辆驾驶风险的方法、装置、介质及电子设备 - Google Patents

确定车辆驾驶风险的方法、装置、介质及电子设备 Download PDF

Info

Publication number
CN111710187A
CN111710187A CN202010425865.8A CN202010425865A CN111710187A CN 111710187 A CN111710187 A CN 111710187A CN 202010425865 A CN202010425865 A CN 202010425865A CN 111710187 A CN111710187 A CN 111710187A
Authority
CN
China
Prior art keywords
vehicle
target
driving risk
driving
parameters
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
Application number
CN202010425865.8A
Other languages
English (en)
Inventor
侯琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010425865.8A priority Critical patent/CN111710187A/zh
Publication of CN111710187A publication Critical patent/CN111710187A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Abstract

本申请的实施例提供了一种确定车辆驾驶风险的方法、装置、计算机可读介质及电子设备。该方法包括：获取目标道路的道路参数，以及所述目标道路中各个车辆的行驶参数，所述行驶参数包括车辆定位信息；根据所述各个车辆的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数；基于所述目标道路的道路参数、所述目标车辆的行驶参数、所述参考车辆的行驶参数、以及所述中间车辆的分布参数，确定所述目标车辆与所述参考车辆之间的驾驶风险值。本申请实施例的技术方案可以提高对确定车辆之间驾驶风险值的准确性。

Description

确定车辆驾驶风险的方法、装置、介质及电子设备
技术领域
本申请涉及计算机及安全辅助驾驶技术领域，具体而言，涉及一种确定车辆驾驶风险的方法、装置、计算机可读介质及电子设备。
背景技术
在交通场景中，比如在同一车道，各车辆之间的驾驶风险的测算场景，通常是根据车辆的行驶参数和车辆所在道路的道路参数，通过驾驶风险的计算模型来直接计算各车辆之间的驾驶风险值，然而，如何能够提高对确定车辆之间驾驶风险值的准确性是亟待解决的技术问题。
发明内容
本申请的实施例提供了一种确定车辆驾驶风险的方法、装置、计算机可读介质及电子设备，进而至少在一定程度上可以提高对确定车辆之间驾驶风险值的准确性。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面，提供了一种确定车辆驾驶风险的方法，包括：获取目标道路的道路参数，以及所述目标道路中各个车辆的行驶参数，所述行驶参数包括车辆定位信息；根据所述各个车辆的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数；基于所述目标道路的道路参数、所述目标车辆的行驶参数、所述参考车辆的行驶参数、以及所述中间车辆的分布参数，确定所述目标车辆与所述参考车辆之间的驾驶风险值。
根据本申请实施例的一个方面，提供了一种确定车辆驾驶风险的装置，包括：第一获取单元，被用于获取目标道路的道路参数，以及所述目标道路中各个车辆的行驶参数，所述行驶参数包括车辆定位信息；第一确定单元，被用于根据所述各个车辆的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数；第二确定单元，被用于基于所述目标道路的道路参数、所述目标车辆的行驶参数、所述参考车辆的行驶参数、以及所述中间车辆的分布参数，确定所述目标车辆与所述参考车辆之间的驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述第二确定单元包括：输入单元，被用于将所述目标道路的道路参数、所述目标车辆的行驶参数、以及所述参考车辆的行驶参数输入驾驶风险模型，得到所述目标车辆与所述参考车辆之间的初始驾驶风险值；修正单元，被用于基于所述中间车辆的分布参数对所述初始驾驶风险值进行修正，得到所述目标车辆与所述参考车辆之间的驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述输入单元配置为：通过所述各个车辆的车辆定位信息，计算所述目标车辆、所述参考车辆、以及所述中间车辆之间各相邻车辆之间的距离；在所述各相邻车辆之间的距离均小于预设的驾驶安全距离时，将所述目标道路的道路参数、所述目标车辆的行驶参数、以及所述参考车辆的行驶参数输入驾驶风险模型，得到所述目标车辆与所述参考车辆之间的初始驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述中间车辆的分布参数包括中间车辆数量，所述修正单元配置为：基于所述中间车辆的分布参数确定修正系数，所述修正系数与所述中间车辆数量负相关；基于所述修正系数对所述初始驾驶风险值进行修正。
在本申请的一些实施例中，基于前述方案，所述中间车辆的分布参数还包括第一距离与第二距离的比值，所述第一距离为所述目标车辆与其相邻的中间车辆之间的距离，所述第二距离为所述参考车辆与其相邻的中间车辆之间的距离，所述修正系数与所述比值正相关。
在本申请的一些实施例中，基于前述方案，所述修正单元配置为：获取与所述目标道路对应的基本修正系数；通过所述中间车辆的分布参数对所述基本修正系数进行校正，得到修正系数。
在本申请的一些实施例中，基于前述方案，通过如下公式对所述基本修正系数进行校正：
Figure BDA0002498632390000031
其中，P表示所述修正系数；p表示所述基本修正系数，(0＜p＜1)；n表示所述目标车辆与所述参考车辆之间的中间车辆数量；l1表示所述目标车辆与其相邻的中间车辆之间的距离；ln+1表示所述参考车辆与其相邻的中间车辆之间的距离。
在本申请的一些实施例中，基于前述方案，所述基本修正系数包括变道事故率或车辆变道率；所述变道事故率为车辆在所述目标道路中因车辆变道而导致事故的次数与车辆变道总次数之间的比率；所述车辆变道率为在所述目标道路中变道的车辆数量与经过所述目标道路的车辆总数之间的比率。
在本申请的一些实施例中，基于前述方案，所述装置还包括：第二获取单元，被用于获取所述目标车辆分别与所述目标道路中的至少两个参考车辆中各个参考车辆之间的驾驶风险值，得到至少两个驾驶风险值；计算单元，被用于根据所述至少两个驾驶风险值，计算所述目标车辆的综合驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述计算单元配置为：对所述至少两个驾驶风险值进行求和，得到所述目标车辆的综合驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述计算单元配置为：统计所述驾驶风险值超过第一预定阈值的参考车辆数量，将所述驾驶风险值超过第一预定阈值的参考车辆数量确定为所述目标车辆的综合驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述装置还包括：调整单元，被用于在所述至少两个驾驶风险值中的任意一个超过第二预定阈值时，调整所述目标车辆的行驶参数，以使得所述至少两个驾驶风险值中的每一个低于第二预定阈值；在所述综合驾驶风险值超过第三预定阈值时，调整所述目标车辆的行驶参数，以使得所述目标车辆的综合驾驶风险值低于所述第三预定阈值。
根据本申请实施例的一个方面，提供了一种计算机可读介质，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如上述实施例中所述的确定车辆驾驶风险的方法。
根据本申请实施例的一个方面，提供了一种电子设备，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上述实施例中所述的确定车辆驾驶风险的方法。
在本申请的一些实施例所提供的技术方案中，首先通过各个车辆的行驶参数中的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数，然后基于获取到的目标道路的道路参数、目标车辆和参考车辆的行驶参数、以及目标车辆与参考车辆之间的中间车辆的分布参数，确定目标车辆与参考车辆之间的驾驶风险值。由于各个车辆的行驶参数中对应包括各个车辆的车辆定位信息，故可以利用该定位信息得到能够体现出中间车辆分布特征的分布参数，因此，将该分布参数作为确定驾驶风险值的一个影响因素，可以将中间车辆分布特征对目标车辆与参考车辆之间的驾驶风险值的影响考虑在内，从而能够提高对确定车辆之间驾驶风险值的准确性。
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，并不能限制本申请。
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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。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。在附图中：
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图；
图2示出了根据本申请的一个实施例的实施确定车辆驾驶风险的方法的应用场景图；
图3示出了根据本申请的一个实施例的确定车辆驾驶风险的方法的流程图；
图4示出了根据本申请的一个实施例的确定分布参数的场景示例图；
图5示出了根据本申请的一个实施例的确定车辆驾驶风险的方法的细节流程图；
图6示出了根据本申请的一个实施例的确定车辆初始驾驶风险的细节流程图；
图7示出了根据本申请的一个实施例的修正车辆初始驾驶风险的细节流程图；
图8示出了根据本申请的一个实施例的对基本修正系数进行校正的细节流程图；
图9示出了根据本申请的一个实施例的计算目标车辆综合驾驶风险值的流程图；
图10示出了根据本申请的一个实施例的基于云对车辆驾驶风险进行确定的示意图；
图11示出了根据本申请的一个实施例的确定车辆驾驶风险的装置的框图；
图12示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
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申请将更加全面和完整，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申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请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申请的各方面。
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示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示，系统架构可以包括终端设备(如图1中所示智能手机101、平板电脑102和便携式计算机103中的一种或多种，当然也可以是台式计算机、智能音箱、智能手表等等，但并不局限于此)、网络104和服务器105。网络104用以在终端设备和服务器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，例如有线通信链路、无线通信链路等等，本申请在此不做限制。应该理解，图1中的终端设备、网络和服务器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终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
在本申请的一个实施例中，如图1中所示的终端设备均可以放置在本申请所述的目标车辆中，其中，可以是由所示终端设备向服务器发送获取目标车辆与参考车辆之间的驾驶风险值的请求，服务器105在接收到该请求之后，获取目标道路的道路参数，以及目标道路中各个车辆的行驶参数，然后根据该行驶参数中的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数；最后，服务器105基于目标道路的道路参数、目标车辆的行驶参数、参考车辆的行驶参数、以及中间车辆的分布参数，确定目标车辆与参考车辆之间的驾驶风险值，并将确定的驾驶风险值发送给放置在目标车辆中的终端设备。
需要说明的是，本申请实施例所提供的确定车辆驾驶风险的方法一般由服务器105执行，相应地，确定车辆驾驶风险的装置一般设置于服务器105中。但是，在本申请的其它实施例中，终端设备也可以与服务器具有相似的功能，从而执行本申请实施例所提供的确定车辆驾驶风险的方案。
需要说明的是，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。
需要说明的是，如上所述的云计算(cloud computing)是一种计算模式，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展。通过建立云计算资源池(简称云平台，一般称为IaaS(Infrastructure as a Service，基础设施即服务)平台，在资源池中部署多种类型的虚拟资源，供外部客户选择使用。云计算资源池中主要包括：计算设备(为虚拟化机器，包含操作系统)、存储设备、网络设备。
在本申请的一个实施例中，实施确定车辆驾驶风险的方法的应用场景可以是如图2所示的应用场景图。
参见图2，示出了根据本申请的一个实施例的实施确定车辆驾驶风险的方法的应用场景图。
具体的，在如图2所示的目标道路200中，包括车辆0、车辆1、车辆2、车辆3，其中，车辆0为目标车辆，车辆3为参考车辆，车辆1和车辆2为目标车辆和参考车辆之间的中间车辆，在行驶过程中，目标车辆0与参考车辆3之间的驾驶风险值会受到中间车辆1和中间车辆2的影响，例如，中间车辆1的变道会影响目标车辆0与参考车辆3之间的驾驶风险值，中间车辆1与目标车辆之间的距离也会影响目标车辆0与参考车辆3之间的驾驶风险值。因此，在确定车辆驾驶风险的方法的实施过程中，可以获取目标道路200的道路参数，目标车辆0和参考车辆3的行驶参数，由图2可知，还可以根据车辆0、车辆1、车辆2、车辆3的行驶参数中的车辆定位信息，确定目标车辆0与参考车辆3之间的中间车辆的分布参数。最后，可以基于目标道路200的道路参数、目标车辆0和参考车辆3的行驶参数，以及中间车辆1和中间车辆2的分布参数，确定目标车辆0和参考车辆3之间的驾驶风险。
以下对本申请实施例的技术方案的实现细节进行详细阐述：
参见图3，示出了根据本申请的一个实施例的确定车辆驾驶风险的方法的流程图。该确定车辆驾驶风险的方法可以由具有计算处理功能的设备来执行，比如可以由图1中所示的服务器105来执行，也可以由图1中所示的终端设备来执行，还可以由具有云计算功能的云服务器来执行。如图3所示，该确定车辆驾驶风险的方法至少包括步骤310至步骤330：
在步骤310中，获取目标道路的道路参数，以及目标道路中各个车辆的行驶参数，该行驶参数包括车辆定位信息。
在本申请中，目标道路的道路参数可以包括道路粘度、道路弯度、道路湿度、道路坡度、道路能见度、以及道路摩擦系数中的一个或多个。
在本申请中，目标道路中各个车辆的行驶参数还可以包括车辆质量、车辆矢量速度、以及车辆加速度。
在本申请中，车辆定位信息可以包括目标道路中各个车辆的位置坐标，其中，位置坐标可以是二维坐标，也可以是经纬度坐标，还可以是三维坐标，比如，可以是车辆GPS定位信息、车辆北斗卫星定位信息、车辆二维坐标定位信息中的任意一个。
在本申请中，目标道路的道路参数可以从气象相关部门获取，也可以从交通相关部门获取；此外，目标道路中各个车辆的行驶参数可以从车辆内的设备获取，也可以从云端服务器或者路边设备(如路侧雷达、路侧感知单元)获取。
继续参照图3，在步骤320中，根据各个车辆的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数。
在本申请中，目标车辆与参考车辆之间的中间车辆可以是指行驶在同一条车道中且位置处于目标车辆位置与参考车辆位置之间的车辆。
在本申请的一个实施例中，中间车辆的分布参数可以是指中间车辆数量。
在本申请的一个实施例中，中间车辆的分布参数可以是指目标车辆与其相邻的中间车辆之间的第一距离、以及参考车辆与其相邻的中间车辆之间的第二距离，也可以是第一距离与第二距离之间的比值。
在本申请的一个实施例中，中间车辆的分布参数还可以是包括如上所述的中间车辆数量和第一距离与第二距离之间的比值。
为使本领域技术人员更好的理解目标车辆与参考车辆之间的中间车辆的分布参数，下面将参照图4对该分布参数进行说明：
参见图4，示出了根据本申请的一个实施例的确定分布参数的场景示例图。
如图所示，在目标道路400中，示出了车辆0至车辆n+1一共n+2辆车，其中，车辆0为目标车辆，车辆n+1为参考车辆，车辆0至车辆n为中间车辆。
由图可知，中间车辆数量为n,具体而言，中间车辆数量n可以通过各个车辆的车辆定位信息(例如GPS定位)计算得到；目标车辆0与其相邻的中间车辆1之间的第一距离为l1，参考车辆n+1与其相邻的中间车辆n之间的第二距离为ln+1，具体的，l1可以通过目标车辆0的定位信息与中间车辆1的定位信息计算得到，ln+1可以通过参考车辆n+1的定位信息与中间车辆n的定位信息计算得到。
需要说明的是，在目标道路中，任意一辆行驶在相同车道的车辆都可以作为目标车辆的参考车辆，对应的，当参考车辆发生变化时，与目标车辆对应的中间车辆也应该发生变化。
继续参照图3，在步骤330中，基于目标道路的道路参数、目标车辆的行驶参数、参考车辆的行驶参数、以及中间车辆的分布参数，确定目标车辆与参考车辆之间的驾驶风险值。
在本申请的一个实施例中，基于目标道路的道路参数、目标车辆的行驶参数、参考车辆的行驶参数、以及中间车辆的分布参数，确定目标车辆与参考车辆之间的驾驶风险值，可以按照图5所示的步骤执行。
参见图5，示出了根据本申请的一个实施例的确定车辆驾驶风险的方法的细节流程图。具体包括步骤340至350:
在步骤340中，将目标道路的道路参数、目标车辆的行驶参数、以及参考车辆的行驶参数输入驾驶风险模型，得到目标车辆与参考车辆之间的初始驾驶风险值。
在一个实施例的具体实现中，将目标道路的道路参数、目标车辆的行驶参数、以及参考车辆的行驶参数输入驾驶风险模型，得到目标车辆与参考车辆之间的初始驾驶风险值，可以按照如图6所示的步骤执行。
参见图6，示出了根据本申请的一个实施例的确定车辆初始驾驶风险的细节流程图。包括步骤341至342：
在步骤341中，通过各个车辆的车辆定位信息，计算目标车辆、参考车辆、以及中间车辆之间各相邻车辆之间的距离。
参照图4，在本申请中，目标车辆、参考车辆、以及中间车辆之间各相邻车辆之间的距离是指车辆0与车辆1之间、车辆1与车辆2之间、……、车辆n与车辆n+1之间的距离。
继续参照图6，在步骤342中，在各相邻车辆之间的距离均小于预设的驾驶安全距离时，将目标道路的道路参数、目标车辆的行驶参数、以及参考车辆的行驶参数输入驾驶风险模型，得到目标车辆与参考车辆之间的初始驾驶风险值。
在本申请中，当存在相邻车辆之间的距离大于或等于预设的驾驶安全距离时，则说明参考车辆不会对目标车辆构成驾驶风险，因此，只有在各相邻车辆之间的距离均小于预设的驾驶安全距离时，才通过驾驶风险模型计算目标车辆与参考车辆之间的初始驾驶风险值。其好处在于，能够保证最终计算得到的目标车辆的驾驶风险值的有效性，提高驾驶风险值对确定驾驶策略的参考价值。
为了使本领域技术人员更好的理解本申请，下面将对现有技术中的驾驶风险模型进行简单阐述。
如下为两个运动的车辆(运动物体)之间驾驶风险值的计算公式：
Figure BDA0002498632390000101
其中，SPEV_ab表示车辆(物体)a和车辆(物体)b之间的驾驶风险值；G为一个常数(类似于万有引力常数)；Ra表示车辆(物体)a所在路面的路况参数，路况参数用于综合衡量路面的粘度、湿度、坡度以及温度，一般与Rb相等；Rb表示车辆(物体)b所在路面的路况参数，路况参数用于综合衡量路面的粘度、湿度、坡度以及温度，一般与Ra相等；Ma表示车辆a的质量；Mb表示车辆b的质量；k3为一个常数(等于光速)；k1为常数(在空气中一般为3)；
Figure BDA0002498632390000111
表示车辆a与车辆b的直线距离；
Figure BDA0002498632390000112
表示车辆a与车辆b的相对速度；θa表示车辆a的行驶方向与车辆j的行驶方向之间的夹角。
继续参照图5，在步骤350中，基于中间车辆的分布参数对初始驾驶风险值进行修正，得到目标车辆与参考车辆之间的驾驶风险值。
在一个实施例的具体实现中，中间车辆的分布参数可以包括中间车辆数量，基于中间车辆的分布参数对初始驾驶风险值进行修正可以按照图7所示的步骤执行。
参见图7，示出了根据本申请的一个实施例的修正车辆初始驾驶风险的细节流程图。具体包括步骤351至352：
在步骤351中，基于中间车辆的分布参数确定修正系数，该修正系数与中间车辆数量负相关。
进一步的，在上述具体实现中，中间车辆的分布参数还可以包括第一距离与第二距离的比值，其中，第一距离为目标车辆与其相邻的中间车辆之间的距离，第二距离为参考车辆与其相邻的中间车辆之间的距离，如上的修正系数与该比值正相关。
在上述步骤351中，基于中间车辆的分布参数确定修正系数，可以按照如图8所示的步骤执行。
参见图8，示出了根据本申请的一个实施例的对基本修正系数进行校正的细节流程图。具体包括步骤3511至3512：
步骤3511，获取与目标道路对应的基本修正系数。
在本申请中，基本修正系数可以包括变道事故率，该变道事故率为车辆在目标道路中因车辆变道而导致事故的次数与车辆变道总次数之间的比率。
在本申请中，基本修正系数还可以包括车辆变道率，该车辆变道率为在目标道路中变道的车辆数量与经过该目标道路的车辆总数之间的比率。
步骤3512，通过中间车辆的分布参数对基本修正系数进行校正，得到修正系数。
具体的，在步骤3512中，可以通过如下公式对该基本修正系数进行校正：
P＝pn
其中，P表示修正系数；p表示基本修正系数，(0＜p＜1)；n表示目标车辆与参考车辆之间的中间车辆数量。
在步骤3512中，也可以通过如下公式对该基本修正系数进行校正：
Figure BDA0002498632390000121
其中，P表示修正系数；p表示基本修正系数，(0＜p＜1)；l1表示目标车辆与其相邻的中间车辆之间的距离；ln+1表示参考车辆与其相邻的中间车辆之间的距离。
在步骤3512中，还可以通过如下公式对该基本修正系数进行校正：
Figure BDA0002498632390000122
其中，P表示修正系数；p表示基本修正系数，(0＜p＜1)；n表示目标车辆与参考车辆之间的中间车辆数量；l1表示目标车辆与其相邻的中间车辆之间的距离；ln+1表示参考车辆与其相邻的中间车辆之间的距离。
继续参照图7，在步骤352中，基于修正系数对初始驾驶风险值进行修正。
具体的，在步骤352中，可以通过如下公式对初始驾驶风险值进行修正：
eab＝SPEV_ab×P
其中，eab表示目标车辆a与参考车辆b之间的驾驶风险值，SPEV_ab表示目标车辆a与参考车辆b之间的初始驾驶风险值，P表示修正系数。
在本申请的一个实施例中，还可以计算目标车辆的综合驾驶风险值，具体的，计算目标车辆的综合驾驶风险值可以按照如图9所示的步骤执行。
参见图9，示出了根据本申请的一个实施例的计算目标车辆综合驾驶风险值的流程图。具体包括步骤360至370：
步骤360，获取目标车辆分别与目标道路中的至少两个参考车辆中各个参考车辆之间的驾驶风险值，得到至少两个驾驶风险值。
在本申请中，可以通过执行如图3所示步骤的方案来获取目标车辆分别与目标道路中的至少两个参考车辆中各个参考车辆之间的驾驶风险值。
步骤370，根据至少两个驾驶风险值，计算目标车辆的综合驾驶风险值。
在一个实施例的具体实现中，根据至少两个驾驶风险值，计算目标车辆的综合驾驶风险值可以是对至少两个驾驶风险值进行求和，得到目标车辆的综合驾驶风险值。
例如，在目标道路中，共5辆车与目标车辆行驶在同一车道，其中，将5辆车作为均作为参考车辆，通过执行如图3所示步骤的方案，获取目标车辆分别与5辆参考车辆之间的驾驶风险值，即为e1＝1.2、e2＝1.7、e3＝1.1、e4＝1.1、e5＝0.9，因此，目标车辆在该目标道路中的综合驾驶风险值就为：
E＝e1+e2+e3+……+en＝6.0
在一个实施例的具体实现中，根据至少两个驾驶风险值，计算目标车辆的综合驾驶风险值可以是对至少两个驾驶风险值进行求平均，得到目标车辆的综合驾驶风险值。
例如，在目标道路中，共5辆车与目标车辆行驶在同一车道，其中，将5辆车作为均作为参考车辆，通过执行如图3所示步骤的方案，获取目标车辆分别与5辆参考车辆之间的驾驶风险值，即为e1＝1.2、e2＝1.7、e3＝1.1、e4＝1.1、e5＝0.9，因此，目标车辆在该目标道路中的综合驾驶风险值就为：
E＝(e1+e2+e3+……+en)/n＝1.2
在一个实施例的具体实现中，根据至少两个驾驶风险值，计算目标车辆的综合驾驶风险值可以是统计驾驶风险值超过第一预定阈值的参考车辆数量，将驾驶风险值超过第一预定阈值的参考车辆数量确定为目标车辆的综合驾驶风险值。
例如，在目标道路中，共5辆车与目标车辆行驶在同一车道，其中，将5辆车作为均作为参考车辆，通过执行如图3所示步骤的方案，获取目标车辆分别与5辆参考车辆之间的驾驶风险值，即为e1＝1.2、e2＝1.7、e3＝1.1、e4＝1.1、e5＝0.9，当第一预定阈值设置为e＝1时，则目标车辆的综合驾驶风险值E＝4。
在本申请的一个实施例中，在根据至少两个驾驶风险值，计算目标车辆的综合驾驶风险值之后，还可以执行如下两个方案：
一方面，在至少两个驾驶风险值中的任意一个超过第二预定阈值，或者在综合驾驶风险值超过第三预定阈值时，对目标车辆进行报警。
另一方面，在至少两个驾驶风险值中的任意一个超过第二预定阈值时，调整目标车辆的行驶参数，以使得至少两个驾驶风险值中的每一个低于第二预定阈值；在综合驾驶风险值超过第三预定阈值时，调整目标车辆的行驶参数，以使得目标车辆的综合驾驶风险值低于第三预定阈值。
在本申请中，在交通场景中，在对同车道车辆之间的驾驶风险进行测算的实施例中，还可以搭建融合汽车云、区域云以及边缘云来实现通过云车系统来为车联网中的各个车辆测算驾驶风险值，如图10，示出了根据本申请的一个实施例的基于云对车辆驾驶风险进行确定的示意图。该系统由云端与车联网组成。其中，本方案的所有计算功能可以在汽车云上实现，车辆可实时获取车辆自身的行驶参数，并实时上传给汽车云端。
具体的，汽车云首先获取目标车辆所在目标道路的道路参数、以及目标道路中各个车辆的行驶参数，然后根据行驶参数中的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数，最后基于获取到的目标道路的道路参数、目标车辆和参考车辆的行驶参数、以及目标车辆与参考车辆之间的中间车辆的分布参数，确定目标车辆与参考车辆之间的驾驶风险值。
而且，本申请发明人通过利用实验对本申请方法与现有技术进行了比较，具体的，即利用现有技术的车辆驾驶风险的确定方法和本申请中提出的车辆驾驶风险的确定方法，分别计算目标车辆驾驶风险，并根据车辆驾驶风险对目标车辆进行报警，并分别统计利用现有技术的漏报率和虚警率、利用本申请方法的漏报率和虚警率。最终得到实验结果如表1，
Figure BDA0002498632390000141
Figure BDA0002498632390000151
表1
如表1所示，在对同车道车辆之间的驾驶风险进行测算的场景中，相对于现有技术而言，本申请技术方案能够提高对确定车辆之间驾驶风险值的准确性。
在本申请的一些实施例所提供的技术方案中，首先通过各个车辆的行驶参数中的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数，然后基于获取到的目标道路的道路参数、目标车辆和参考车辆的行驶参数、以及目标车辆与参考车辆之间的中间车辆的分布参数，确定目标车辆与参考车辆之间的驾驶风险值。由于各个车辆的行驶参数中对应包括各个车辆的车辆定位信息，故可以利用该定位信息得到能够体现出中间车辆分布特征的分布参数，因此，将该分布参数作为确定驾驶风险值的一个影响因素，可以将中间车辆分布特征对目标车辆与参考车辆之间的驾驶风险值的影响考虑在内，从而能够提高对确定车辆之间驾驶风险值的准确性。
以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的确定车辆驾驶风险的方法。对于本申请装置实施例中未披露的细节，请参照本申请上述的确定车辆驾驶风险的方法的实施例。
图11示出了根据本申请的一个实施例的确定车辆驾驶风险的装置的框图。
参照图11所示，根据本申请的一个实施例的确定车辆驾驶风险的装置1100，包括：第一获取单元1101、第一确定单元1102、第二确定单元1103。
其中，第一获取单元1101，被用于获取目标道路的道路参数，以及所述目标道路中各个车辆的行驶参数，所述行驶参数包括车辆定位信息；第一确定单元1102，被用于根据所述各个车辆的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数；第二确定单元1103，被用于基于所述目标道路的道路参数、所述目标车辆的行驶参数、所述参考车辆的行驶参数、以及所述中间车辆的分布参数，确定所述目标车辆与所述参考车辆之间的驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述第二确定单元1102包括：输入单元，被用于将所述目标道路的道路参数、所述目标车辆的行驶参数、以及所述参考车辆的行驶参数输入驾驶风险模型，得到所述目标车辆与所述参考车辆之间的初始驾驶风险值；修正单元，被用于基于所述中间车辆的分布参数对所述初始驾驶风险值进行修正，得到所述目标车辆与所述参考车辆之间的驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述输入单元配置为：通过所述各个车辆的车辆定位信息，计算所述目标车辆、所述参考车辆、以及所述中间车辆之间各相邻车辆之间的距离；在所述各相邻车辆之间的距离均小于预设的驾驶安全距离时，将所述目标道路的道路参数、所述目标车辆的行驶参数、以及所述参考车辆的行驶参数输入驾驶风险模型，得到所述目标车辆与所述参考车辆之间的初始驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述中间车辆的分布参数包括中间车辆数量，所述修正单元配置为：基于所述中间车辆的分布参数确定修正系数，所述修正系数与所述中间车辆数量负相关；基于所述修正系数对所述初始驾驶风险值进行修正。
在本申请的一些实施例中，基于前述方案，所述中间车辆的分布参数还包括第一距离与第二距离的比值，所述第一距离为所述目标车辆与其相邻的中间车辆之间的距离，所述第二距离为所述参考车辆与其相邻的中间车辆之间的距离，所述修正系数与所述比值正相关。
在本申请的一些实施例中，基于前述方案，所述修正单元配置为：获取与所述目标道路对应的基本修正系数；通过所述中间车辆的分布参数对所述基本修正系数进行校正，得到修正系数。
在本申请的一些实施例中，基于前述方案，通过如下公式对所述基本修正系数进行校正：
Figure BDA0002498632390000161
其中，P表示所述修正系数；p表示所述基本修正系数，(0＜p＜1)；n表示所述目标车辆与所述参考车辆之间的中间车辆数量；l1表示所述目标车辆与其相邻的中间车辆之间的距离；ln+1表示所述参考车辆与其相邻的中间车辆之间的距离。
在本申请的一些实施例中，基于前述方案，所述基本修正系数包括变道事故率或车辆变道率；所述变道事故率为车辆在所述目标道路中因车辆变道而导致事故的次数与车辆变道总次数之间的比率；所述车辆变道率为在所述目标道路中变道的车辆数量与经过所述目标道路的车辆总数之间的比率。
在本申请的一些实施例中，基于前述方案，所述装置还包括：第二获取单元，被用于获取所述目标车辆分别与所述目标道路中的至少两个参考车辆中各个参考车辆之间的驾驶风险值，得到至少两个驾驶风险值；计算单元，被用于根据所述至少两个驾驶风险值，计算所述目标车辆的综合驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述计算单元配置为：对所述至少两个驾驶风险值进行求和，得到所述目标车辆的综合驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述计算单元配置为：统计所述驾驶风险值超过第一预定阈值的参考车辆数量，将所述驾驶风险值超过第一预定阈值的参考车辆数量确定为所述目标车辆的综合驾驶风险值。
在本申请的一些实施例中，基于前述方案，所述装置还包括：调整单元，被用于在所述至少两个驾驶风险值中的任意一个超过第二预定阈值时，调整所述目标车辆的行驶参数，以使得所述至少两个驾驶风险值中的每一个低于第二预定阈值；在所述综合驾驶风险值超过第三预定阈值时，调整所述目标车辆的行驶参数，以使得所述目标车辆的综合驾驶风险值低于所述第三预定阈值。
图12示出了适于用来实现本申请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，不应对本申请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包括中央处理单元(Central Processing Unit，CPU)1201，其可以根据存储在只读存储器(Read-Only Memory，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，例如执行上述实施例中所述的方法。在RAM 1203中，还存储有系统操作所需的各种程序和数据。CPU 1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(Input/Output，I/O)接口1205也连接至总线1204。
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，CRT)、液晶显示器(Liquid Crystal Display，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LAN(Local AreaNetwork，局域网)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，根据本申请的实施例，上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，本申请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。在该计算机程序被中央处理单元(CPU)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，本申请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，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，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。而在本申请中，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，图示了按照本申请各种实施例的系统、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。其中，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。
描述于本申请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。
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，根据本申请的实施方式，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，根据本申请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、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请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。本申请的范围仅由所附的权利要求来限制。

Claims (15)

1.一种确定车辆驾驶风险的方法，其特征在于，所述方法包括：
获取目标道路的道路参数，以及所述目标道路中各个车辆的行驶参数，所述行驶参数包括车辆定位信息；
根据所述各个车辆的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数；
基于所述目标道路的道路参数、所述目标车辆的行驶参数、所述参考车辆的行驶参数、以及所述中间车辆的分布参数，确定所述目标车辆与所述参考车辆之间的驾驶风险值。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标道路的道路参数、所述目标车辆的行驶参数、所述参考车辆的行驶参数、以及所述中间车辆的分布参数，确定所述目标车辆与所述参考车辆之间的驾驶风险值，包括：
将所述目标道路的道路参数、所述目标车辆的行驶参数、以及所述参考车辆的行驶参数输入驾驶风险模型，得到所述目标车辆与所述参考车辆之间的初始驾驶风险值；
基于所述中间车辆的分布参数对所述初始驾驶风险值进行修正，得到所述目标车辆与所述参考车辆之间的驾驶风险值。
3.根据权利要求2所述的方法，其特征在于，所述将所述目标道路的道路参数、所述目标车辆的行驶参数、以及所述参考车辆的行驶参数输入驾驶风险模型，得到所述目标车辆与所述参考车辆之间的初始驾驶风险值，包括：
通过所述各个车辆的车辆定位信息，计算所述目标车辆、所述参考车辆、以及所述中间车辆之间各相邻车辆之间的距离；
在所述各相邻车辆之间的距离均小于预设的驾驶安全距离时，将所述目标道路的道路参数、所述目标车辆的行驶参数、以及所述参考车辆的行驶参数输入驾驶风险模型，得到所述目标车辆与所述参考车辆之间的初始驾驶风险值。
4.根据权利要求2所述的方法，其特征在于，所述中间车辆的分布参数包括中间车辆数量；
基于所述中间车辆的分布参数对所述初始驾驶风险值进行修正，包括：
基于所述中间车辆的分布参数确定修正系数，所述修正系数与所述中间车辆数量负相关；
基于所述修正系数对所述初始驾驶风险值进行修正。
5.根据权利要求4所述的方法，其特征在于，所述中间车辆的分布参数还包括第一距离与第二距离的比值，所述第一距离为所述目标车辆与其相邻的中间车辆之间的距离，所述第二距离为所述参考车辆与其相邻的中间车辆之间的距离，所述修正系数与所述比值正相关。
6.根据权利要求4所述的方法，其特征在于，所述基于所述中间车辆的分布参数确定修正系数，包括：
获取与所述目标道路对应的基本修正系数；
通过所述中间车辆的分布参数对所述基本修正系数进行校正，得到修正系数。
7.根据权利要求6所述的方法，其特征在于，通过如下公式对所述基本修正系数进行校正：
Figure FDA0002498632380000021
其中，P表示所述修正系数；p表示所述基本修正系数，(0＜p＜1)；n表示所述目标车辆与所述参考车辆之间的中间车辆数量；l1表示所述目标车辆与其相邻的中间车辆之间的距离；ln+1表示所述参考车辆与其相邻的中间车辆之间的距离。
8.根据权利要求6所述的方法，其特征在于，所述基本修正系数包括变道事故率或车辆变道率；
所述变道事故率为车辆在所述目标道路中因车辆变道而导致事故的次数与车辆变道总次数之间的比率；
所述车辆变道率为在所述目标道路中变道的车辆数量与经过所述目标道路的车辆总数之间的比率。
9.根据权利要求1至8中任一项所述的方法，其特征在于，所述方法还包括：
获取所述目标车辆分别与所述目标道路中的至少两个参考车辆中各个参考车辆之间的驾驶风险值，得到至少两个驾驶风险值；
根据所述至少两个驾驶风险值，计算所述目标车辆的综合驾驶风险值。
10.根据权利要求9所述的方法，其特征在于，根据所述至少两个驾驶风险值，计算所述目标车辆的综合驾驶风险值，包括：
对所述至少两个驾驶风险值进行求和，得到所述目标车辆的综合驾驶风险值。
11.根据权利要求9所述的方法，其特征在于，根据所述至少两个驾驶风险值，计算所述目标车辆的综合驾驶风险值，包括：
统计所述驾驶风险值超过第一预定阈值的参考车辆数量，将所述驾驶风险值超过第一预定阈值的参考车辆数量确定为所述目标车辆的综合驾驶风险值。
12.根据权利要求9所述的方法，其特征在于，所述方法还包括：
在所述至少两个驾驶风险值中的任意一个超过第二预定阈值时，调整所述目标车辆的行驶参数，以使得所述至少两个驾驶风险值中的每一个低于第二预定阈值；
在所述综合驾驶风险值超过第三预定阈值时，调整所述目标车辆的行驶参数，以使得所述目标车辆的综合驾驶风险值低于所述第三预定阈值。
13.一种确定车辆驾驶风险的装置，其特征在于，所述装置包括：
第一获取单元，被用于获取目标道路的道路参数，以及所述目标道路中各个车辆的行驶参数，所述行驶参数包括车辆定位信息；
第一确定单元，被用于根据所述各个车辆的车辆定位信息，确定目标车辆与参考车辆之间的中间车辆的分布参数；
第二确定单元，被用于基于所述目标道路的道路参数、所述目标车辆的行驶参数、所述参考车辆的行驶参数、以及所述中间车辆的分布参数，确定所述目标车辆与所述参考车辆之间的驾驶风险值。
14.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，实施如权利要求1至12中任一项所述的方法。
15.一种电子设备，其特征在于，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，所述处理器被设置为执行所述可执行指令以实施如权利要求1至12中任一项所述的方法。
CN202010425865.8A 2020-05-19 2020-05-19 确定车辆驾驶风险的方法、装置、介质及电子设备 Pending CN111710187A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010425865.8A CN111710187A (zh) 2020-05-19 2020-05-19 确定车辆驾驶风险的方法、装置、介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010425865.8A CN111710187A (zh) 2020-05-19 2020-05-19 确定车辆驾驶风险的方法、装置、介质及电子设备

Publications (1)

Publication Number Publication Date
CN111710187A true CN111710187A (zh) 2020-09-25

Family

ID=72537762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010425865.8A Pending CN111710187A (zh) 2020-05-19 2020-05-19 确定车辆驾驶风险的方法、装置、介质及电子设备

Country Status (1)

Country Link
CN (1) CN111710187A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232581A (zh) * 2020-10-26 2021-01-15 腾讯科技（深圳）有限公司 驾驶风险的预测方法、装置、电子设备及存储介质
CN114446042A (zh) * 2020-11-04 2022-05-06 腾讯科技（深圳）有限公司 预警交通事故的方法、装置、设备以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806018A (zh) * 2017-04-28 2018-11-13 华为技术有限公司 一种数据处理方法、数据处理设备和智能汽车
CN109788022A (zh) * 2017-11-13 2019-05-21 丰田自动车株式会社 车辆信息通信系统和环境改善系统及其中使用的服务器
CN110103969A (zh) * 2019-05-16 2019-08-09 广州小鹏汽车科技有限公司 一种车辆控制方法、装置、系统及车辆
CN110276985A (zh) * 2018-03-16 2019-09-24 华为技术有限公司 自动驾驶安全评估方法、装置和系统
CN110784825A (zh) * 2019-08-26 2020-02-11 腾讯科技（深圳）有限公司 车辆行驶轨迹的生成方法、装置
CN110901646A (zh) * 2019-12-11 2020-03-24 广州小马智行科技有限公司 车辆的控制方法、控制装置、存储介质和处理器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806018A (zh) * 2017-04-28 2018-11-13 华为技术有限公司 一种数据处理方法、数据处理设备和智能汽车
CN109788022A (zh) * 2017-11-13 2019-05-21 丰田自动车株式会社 车辆信息通信系统和环境改善系统及其中使用的服务器
CN110276985A (zh) * 2018-03-16 2019-09-24 华为技术有限公司 自动驾驶安全评估方法、装置和系统
CN110103969A (zh) * 2019-05-16 2019-08-09 广州小鹏汽车科技有限公司 一种车辆控制方法、装置、系统及车辆
CN110784825A (zh) * 2019-08-26 2020-02-11 腾讯科技（深圳）有限公司 车辆行驶轨迹的生成方法、装置
CN110901646A (zh) * 2019-12-11 2020-03-24 广州小马智行科技有限公司 车辆的控制方法、控制装置、存储介质和处理器

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232581A (zh) * 2020-10-26 2021-01-15 腾讯科技（深圳）有限公司 驾驶风险的预测方法、装置、电子设备及存储介质
CN112232581B (zh) * 2020-10-26 2024-04-12 腾讯科技（深圳）有限公司 驾驶风险的预测方法、装置、电子设备及存储介质
CN114446042A (zh) * 2020-11-04 2022-05-06 腾讯科技（深圳）有限公司 预警交通事故的方法、装置、设备以及存储介质
CN114446042B (zh) * 2020-11-04 2023-11-24 腾讯科技（深圳）有限公司 预警交通事故的方法、装置、设备以及存储介质

Similar Documents

Publication Publication Date Title
CN111605555A (zh) 车辆驾驶策略的推荐方法、装置、介质及电子设备
CN108922173B (zh) 一种车辆偏离检测方法及装置
CN111489588A (zh) 车辆驾驶风险预警方法及装置、设备、存储介质
CN112590813B (zh) 自动驾驶车辆信息生成方法、装置、电子设备和介质
CN111613055A (zh) 车辆驾驶风险的预警方法及装置
CN111710187A (zh) 确定车辆驾驶风险的方法、装置、介质及电子设备
CN112700636B (zh) 用于更新信息的方法和装置
CN110751808B (zh) 一种信息处理方法、装置、电子设备及存储介质
CN111220147B (zh) 终端的定位修正方法、装置
CN112885146A (zh) 车辆预警方法、装置、计算机设备和存储介质
CN111845768A (zh) 车辆行驶参数的预测方法、装置
US20200164881A1 (en) Vehicle passing controller
CN113191342A (zh) 车道定位方法及电子设备
CN115042777A (zh) 一种车辆控制方法、系统、设备及可读介质、一种车辆
CN111583713A (zh) 车辆驾驶预警方法和装置
CN110798793B (zh) 车辆间相对位置确定方法、装置
CN113160589A (zh) 车辆预警方法及装置、电子设备、计算机可读存储介质
CN112230663A (zh) 车辆定位数据的监测方法、装置
CN110730416A (zh) 基于定位数据的车辆安全管理方法和装置
CN113758492A (zh) 地图检测方法和装置
CN111613092A (zh) 车辆碰撞预警方法、装置、设备及计算机可读存储介质
CN111739343A (zh) 车辆事故风险的预警方法、装置、介质及电子设备
CN110896524B (zh) 网络结构监测方法、装置
CN111260912B (zh) 车辆编队的处理方法及装置
CN111800465A (zh) 车辆消息的处理方法、装置、介质及电子设备

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