CN111723994A - 基于灾害性天气的车辆预警方法及系统 - Google Patents

基于灾害性天气的车辆预警方法及系统 Download PDF

Info

Publication number
CN111723994A
CN111723994A CN202010588700.2A CN202010588700A CN111723994A CN 111723994 A CN111723994 A CN 111723994A CN 202010588700 A CN202010588700 A CN 202010588700A CN 111723994 A CN111723994 A CN 111723994A
Authority
CN
China
Prior art keywords
vehicle
data
target area
weather
historical
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
CN202010588700.2A
Other languages
English (en)
Inventor
刘泽圆
尹钏
陈颂
张彪
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202010588700.2A priority Critical patent/CN111723994A/zh
Publication of CN111723994A publication Critical patent/CN111723994A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供一种基于灾害性天气的车辆预警方法，获取目标区域的多个当前气象特征数据、气象关联数据、多个历史天气特征贡献度以及最高历史车险车辆数量数据，并根据当前气象特征数据、气象关联数据、历史天气特征贡献度，得到目标区域的预测风险车辆数量数据；根据预测风险车辆数量数据及最高历史车险车辆数量数据生成预警信息；并将预警信息发送至目标区域中的目标车辆。本发明实施例还提供基于灾害性天气的车辆预警系统。本发明实施例在灾害性天气的情况下能够针对性地向广大车主进行及时的示警，让广大车主能够提前规避风险，减少各类损失，预警效果较好。

Description

基于灾害性天气的车辆预警方法及系统
技术领域
本发明实施例涉及大数据领域，尤其涉及一种基于灾害性天气的车辆预警方法及系统。
背景技术
强降雨、大风等灾害性天气会带来各种洼地积水严重，泥石流等问题，严重影响人们的正常生活和工作，给人们带来各类财产、人身安全等损失。因此，为了减少因灾害性天气所引起的交通事故，减少因灾害性天气引起的重大的人员伤亡和财产损失，灾害性天气的预警信息及时的发布具有极其重要的意义。
现有的灾害性天气的天气预报的预警主要针对较长时间段、大区域范围内的进行预警信息的发布，例如针对深圳市宝安区发布红色暴雨预警信号。然而，采用现有的灾害性天气的天气预报进行示警的效果实时性较差，预警信息不够详细和准确，预警效果不好。
发明内容
有鉴于此，本发明实施例提供了一种基于灾害性天气的车辆预警方法、系统、计算机设备及计算机可读存储介质，用于解决采用现有的灾害性天气的天气预报进行示警的效果实时性较差，预警效果不好的问题。
本发明实施例是通过下述技术方案来解决上述技术问题：
一种基于灾害性天气的车辆预警方法，包括：
获取目标区域的多个当前气象特征数据，并基于所述当前气象特征数据获取气象关联数据；
获取所述目标区域的多个历史天气特征贡献度以及最高历史车险车辆数量数据，并根据所述当前气象特征数据、气象关联数据、历史天气特征贡献度，得到所述目标区域的预测风险车辆数量数据；
根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息；
将所述预警信息发送至所述目标区域中的目标车辆。
进一步地，所述获取目标区域的当前气象特征数据还包括：
获取各个区域的洪涝标签，以根据所述洪涝标签确定所述目标区域；
获取当前时间节点，基于所述当前时间节点获取所述目标区域的当前气象特征数据。
进一步地，所述历史天气特征贡献度的生成包括：
获取所述目标区域各个历史时间节点的历史气象特征数据以及历史车险车辆数据；
对所述目标区域各个历史时间节点的历史气象特征数据以及历史车险车辆数据进行多元线性处理，以得到各个气象特征数据对应的历史天气特征贡献度，并将所述历史天气特征贡献度存储在预设的气象特征数据库中。
进一步地，所述根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息包括：
将所述预测风险车辆数量数据与所述最高历史车险车辆数量数据进行比对，以生成风险警戒值；
当所述风险警戒值大于所述目标区域对应的目标风险阈值时生成预警信息。
进一步地，生成所述风险警戒值之后还包括：
根据所述目标区域的洪涝标签动态调整平均风险阈值，以得到所述目标区域对应的目标风险阈值。
进一步地，所述方法还包括：
获取所述目标区域当日的实际车险车辆数量数据；
计算所述实际车险车辆数量数据与所述目标区域的历史车险车辆数据的差值，并根据所述差值更新所述历史天气特征贡献度。
进一步地，所述预警信息包括与所述目标区域对应的目标易涝区域风险地图；所述将所述预警信息发送至所述目标区域中的目标车辆还包括：
获取所述目标区域的位置数据以及所述目标区域的相邻区域的位置数据；
获取所述目标区域以及所述目标区域的相邻区域的洪涝标签，并基于所述目标区域与相邻区域对应的位置数据和洪涝标签生成目标易涝区域风险地图；
将所述目标易涝区域风险地图发送至所述目标区域中的目标车辆对应的目标车主端。
为了实现上述目的，本发明实施例还提供一种基于灾害性天气的车辆预警系统，包括：
获取模块，用于获取目标区域的多个当前气象特征数据，并基于所述当前气象特征数据获取气象关联数据；
预测模块，用于获取所述目标区域的多个历史天气特征贡献度以及最高历史车险车辆数量数据，并根据所述当前气象特征数据、气象关联数据、历史天气特征贡献度，得到所述目标区域的预测风险车辆数量数据；
预警模块，用于根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息；
推送模块，用于将所述预警信息发送至所述目标区域中的目标车辆。
为了实现上述目的，本发明实施例还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述基于灾害性天气的车辆预警方法的步骤。
为了实现上述目的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的基于灾害性天气的车辆预警方法的步骤。
本发明实施例提供的基于灾害性天气的车辆预警方法、系统、计算机设备及计算机可读存储介质，通过根据获取到的目标区域的多个当前气象特征数据、气象关联数据、多个历史天气特征贡献度以及最高历史车险车辆数量数据，得到所述目标区域的预测风险车辆数量数据；再根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息；推送预警信息至相应的目标车主端，在灾害性天气的情况下能够针对性地向广大车主进行及时的示警，让广大车主能够提前规避风险，减少各类损失，预警效果较好。
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
附图说明
图1为本发明实施例一之基于灾害性天气的车辆预警方法的步骤流程图；
图2为本发明实施例一之基于灾害性天气的车辆预警方法中获取目标区域的当前气象特征数据的步骤流程图；
图3为本发明实施例一之基于灾害性天气的车辆预警方法中训练灾害天气车辆预警模型的步骤流程图；
图4为本发明实施例一之基于灾害性天气的车辆预警方法中生成预警信息的步骤流程图；
图5为本发明实施例一之基于灾害性天气的车辆预警方法中推送预警信息的步骤流程图；
图6为本发明实施例一之基于灾害性天气的车辆预警方法中生成历史天气特征贡献度的步骤流程图；
图7为本发明实施例二之基于灾害性天气的车辆预警系统的程序模块示意图；
图8为本发明实施例三之计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。
各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
实施例一
请参阅图1，示出了本发明实施例之基于灾害性天气的车辆预警方法的步骤流程图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述，具体如下：
如图1所示，所述基于灾害性天气的车辆预警方法可以包括步骤S100～S400，其中：
步骤S100，获取目标区域的多个当前气象特征数据，并基于所述当前气象特征数据获取气象关联数据。
在示例性的实施例中，目标区域的多个当前气象特征数据包括但不限于目标区域的气压、气温、湿度、风向、风速、降雨量、降雪量、日照时间、云量以及空气质量等。并基于所述当前气象特征数据从第三方平台获取道路积水情况、道路区域可见度、道路路面温度、道路区域温度、排水管网、闸泵信息等与防洪排涝相关联的气象关联数据。
在示例性的实施例中，请参阅图2，步骤S100还可以进一步包括如下步骤：
步骤S101，获取各个区域的洪涝标签，以根据所述洪涝标签确定所述目标区域。
具体的，各个区域可以通过各地的易涝程度，赋予洪涝标签，再根据洪涝标签进行归类；其中，洪涝标签包括：一般洪涝风险标签、中度洪涝风险标签、高度洪涝风险标签、重度洪涝风险标签；根据洪涝标签可以归类出以下多个风险区域类别，例如一般洪涝风险区域类别、中度洪涝风险区域类别、高度洪涝风险区域类别、重度洪涝风险区域类别。示例性的，根据各个区域的坐标数据以及地形数据，得到各个区域对应的易涝风险程度，并根据易涝风险程度为各个区域赋予相应的洪涝标签，并将各个区域根据各个区域对应的洪涝标签分类至对应的风险区域类别中。
在示例性的实施例中，将携带有中度洪涝风险标签、高度洪涝风险标签、重度洪涝风险标签中任一种标签的区域确定为目标区域。
步骤S102，获取当前时间节点，基于所述当前时间节点获取所述目标区域的当前气象特征数据。
示例性的，以一小时为单位获取当前的时间节点，即当前的时间节点可以为当日上午8：00-9：00，且下雨；可以基于该当前的时间节点获取当前气象特征数据中的降雨量。当降雨量为0.42mm/h，视为小雨；当降雨量为0.42mm/h～1.04mm/h，视为中雨；当降雨量为1.04mm/h～2.08mm/h，视为大雨；当降雨量为2.08mm/h～4.17mm/h，视为暴雨；当降雨量为4.17mm/h～10.42mm/h，视为大暴雨；当降雨量为10.42mm/h，视为特大暴雨。因此，可以根据当日上午8：00-9：00目标区域的具体情况，获取目标区域在该当前的时间节点的降雨量等级。
在示例性的实施例中，所述方法还包括：将预设时间内实时获取到的气象特征数据进行汇总，形成按时间、天气类型、降雨量、降雨时长、降雨区域、土壤含水量等气象变化视图，以为在进行气象特征数据处理时提供可视化的参考。
步骤S200，获取所述目标区域的多个历史天气特征贡献度以及最高历史车险车辆数量数据，并根据所述当前气象特征数据、气象关联数据、历史天气特征贡献度，得到所述目标区域的预测风险车辆数量数据。
在示例性的实施例中，所述方法可以通过将当前气象特征数据、气象关联数据输入至灾害天气车辆预警模型中，并根据灾害天气车辆预警模型得到目标区域的预测风险车辆数量数据。
示例性的，灾害天气车辆预警模型包括：数据采集层以及预测层。其中，数据采集层用于从气象局获取气象特征数据，从第三方平台获取气象关联数据，从产险后台数据库获取车辆案件数据，并将获取到的气象特征数据、气象关联数据以及车辆案件数据输入至灾害天气车辆模型中；预测层用于根据历史天气特征贡献度输出预测风险车辆数量，预测风险车辆数量可以理解为当前发生或可能发生车险案件的车辆的数量，
在示例性的实施例中，请参阅图3，所述方法还包括灾害天气车辆预警模型的训练过程：
步骤S201，从预设的气象特征数据库中收集每日各个区域各时间节点的气象特征数据以及气象关联数据。
具体的，将每日从气象局获取到的气象特征数据以及第三方平台获取到的气象关联数据存储在预设的气象特征数据库中。
步骤S202，从预设的产险后台数据库中收集各个区域中车险车辆数量数据、车险车辆基础数据以及车险车辆关联数据。
具体的，车险车辆至的是发生车险案件的车辆。车险车辆基础数据包括车险车辆的车主信息、车险车辆的属性信息等；车险车辆关联数据包括：车险车辆行驶区域、车险车辆行驶轨迹、车险车辆停放时间等。车险车辆的数据在产险后台数据库中存储时，为车险车辆的数据根据数据类型打上相应的车辆标签以满足数据细节的分类，使得需要查询相应的数据时，能够根据相应的车辆标签，快速获取相应的车辆的数据。例如车险车辆的车主信息对应的车辆标签为车主标签，车险车辆的属性信息对应的车辆标签为车辆性能标签，车险车辆的行驶区域对应的车辆标签为车辆行驶标签，车险车辆行驶轨迹对应的车辆标签为轨迹标签，车险车辆停放时间对应的车辆标签为车辆停放时间标签等等。
步骤S203，将各个区域的所述气象特征数据、气象关联数据、车险车辆数量数据、车险车辆基础数据、车险车辆关联数据输入至灾害天气车辆模型，以通过所述灾害天气车辆预警模型输出各个区域的样本预测车险车辆数量数据。
步骤S204，通过所述车险车辆数量数据和所述样本预测车险车辆数量数据进行比较，调整灾害天气车辆预警模型中的历史天气特征贡献度，以得到优化后的灾害天气车辆预警模型。
在示例性的实施例中，认定各个区域的车险车辆数量数据与气象特征数据为多元线性关系，公式如下：r＝x1f1+x2f2+x3f3+x4f4+...+xkfk+u。
其中，r表示某一时间节点车险车辆数量数据；x表示某一时间节点在第k个天气特征上的历史天气特征贡献度；f表示某一时间节点的第k个天气特征；u表示误差项。
在示例性的实施例中，目标区域的历史天气特征贡献度的获取可以进一步包括：获取所述目标区域各个历史时间节点的历史气象特征数据以及历史车险车辆数据；对所述目标区域各个历史时间节点的历史气象特征数据以及历史车险车辆数据进行多元线性处理，以得到各个气象特征数据对应的历史天气特征贡献度，并将所述历史天气特征贡献度存储在预设的气象特征数据库中。
步骤S300，根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息。
在示例性的实施例中，请参阅图4，步骤S300还可以进一步包括：
步骤S301，将所述预测风险车辆数量数据与所述最高历史车险车辆数量数据进行比对，以生成风险警戒值。
具体的，所述方法还可以将预测风险车辆数量数据与所述最高历史车险车辆数量数据进行归一化处理后进行比对，并计算归一化处理后的预测风险车辆数量数据与所述最高历史车险车辆数量数据的比值，以得到风险警戒值。示例性的，风险警戒值越大，说明该目标区域的在灾害性天气下遭破坏的风险越高。
步骤S302，当所述风险警戒值大于所述目标区域对应的目标风险阈值时生成预警信息。
在示例性的实施例中，生成所述风险警戒值之后还包括：
根据所述目标区域的洪涝标签动态调整平均风险阈值，以得到所述目标区域对应的目标风险阈值。
具体的，风险阈值可以根据区域的不同进行动态调整。例如，当某个区域为低洼地区时，风险阈值可以设置低一点，设置得比平均风险阈值低。
步骤S400，将所述预警信息发送至所述目标区域中的目标车辆。
在示例性的实施例中，所述方法还包括获取目标区域中目标车辆的车辆数据，其中，车辆基本数据包括但不限于车辆型号、车牌号、车主基本信息(车主姓名、车主住址、车主联系方式)等；所述预警信息包括与所述目标区域对应的目标易涝区域风险地图。当风险警戒值大于预设的风险阈值时，结合目标区域中的车辆数据以及车辆关联数据将风险警戒值、目标易涝区域风险地图、目标区域在目标易涝区域风险地图中的定位等相关数据通过应用程序、短信或者邮件的方式推送至目标区域内的目标车辆对应的车主，以提醒目标车辆对应的车主将自有车辆停放到高处，规避水淹等风险。
请参阅图5，步骤S400还可以进一步包括：
步骤S401，获取所述目标区域的位置数据以及所述目标区域的相邻区域的位置数据；
步骤S402，获取所述目标区域以及所述目标区域的相邻区域的洪涝标签，并基于所述目标区域与相邻区域对应的位置数据和洪涝标签生成目标易涝区域风险地图；
步骤S403，将所述目标易涝区域风险地图发送至所述目标区域中的目标车辆。
示例性的，所述方法还可以通过各个区域的位置数据以及对应的洪涝标签生成易涝区域风险地图。当需要推送示警信息时，根据目标区域与目标区域的相邻区域对应的位置数据和洪涝标签从易涝区域风险地图中提取目标易涝区域风险地图。
在示例性的实施例中，请参阅图6，所述方法还包括：
步骤S501，获取所述目标区域当日的实际车险车辆数量数据；
步骤S502，计算所述实际车险车辆数量数据与所述目标区域的历史车险车辆数据的差值，并根据所述差值更新所述历史天气特征贡献度。
本发明通过根据获取到的目标区域的多个当前气象特征数据、气象关联数据、多个历史天气特征贡献度以及最高历史车险车辆数量数据，得到所述目标区域的预测风险车辆数量数据；再根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息；推送预警信息至相应的目标车主端，在灾害性天气的情况下能够起到及时示警的作用，让广大群众提前规避风险，减少各类损失，例如财产险(车险、农险)，意健险(寿险，意外险)等，提升客户满意度，续保率，降低揽客费用，扩大客户规模，提升市场竞争力，减少理赔损失费用，救援费用等各种支出费用，降低保险经营成本，提升保险盈利水平。
实施例二
请继续参阅图7，示出了本发明基于灾害性天气的车辆预警系统的程序模块示意图。在本实施例中，基于灾害性天气的车辆预警系统20可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述基于灾害性天气的车辆预警方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述基于灾害性天气的车辆预警系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：
获取模块600，用于获取目标区域的多个当前气象特征数据，并基于所述当前气象特征数据获取气象关联数据。
进一步地，所述获取模块600还用于：获取各个区域的洪涝标签，以根据所述洪涝标签确定所述目标区域；获取当前时间节点，基于所述当前时间节点获取所述目标区域的当前气象特征数据。
预测模块610，用于获取所述目标区域的多个历史天气特征贡献度以及最高历史车险车辆数量数据，并根据所述当前气象特征数据、气象关联数据、历史天气特征贡献度，得到所述目标区域的预测风险车辆数量数据。
预警模块620，用于根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息。
进一步地，所述预警模块620还用于：将所述预测风险车辆数量数据与所述最高历史车险车辆数量数据进行比对，以生成风险警戒值；当所述风险警戒值大于所述目标区域对应的目标风险阈值时生成预警信息。
推送模块630，用于将所述预警信息发送至所述目标区域中的目标车辆。
进一步地，所述预警信息包括与所述目标区域对应的目标易涝区域风险地图。所述推送模块630还用于获取所述目标区域的位置数据以及所述目标区域的相邻区域的位置数据；获取所述目标区域以及所述目标区域的相邻区域的洪涝标签，并基于所述目标区域与相邻区域对应的位置数据和洪涝标签生成目标易涝区域风险地图；将所述目标易涝区域风险地图发送至所述目标区域中的目标车辆。
实施例三
参阅图8，是本发明实施例三之计算机设备的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图8所示，所述计算机设备2至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及基于灾害性天气的车辆预警系统20。其中：
本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备2的外部存储设备，例如该计算机设备2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件，例如上述实施例的基于灾害性天气的车辆预警系统20的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行基于灾害性天气的车辆预警系统20，以实现上述实施例的基于灾害性天气的车辆预警方法。
所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(WidebandCode Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图8仅示出了具有部件20-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器21中的所述基于灾害性天气的车辆预警系统20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。
例如，图7示出了所述实现基于灾害性天气的车辆预警系统20实施例二的程序模块示意图，该实施例中，所述基于基于灾害性天气的车辆预警系统20可以被划分为获取模块200、预测模块610、预警模块620以及推送模块630。其中，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述基于灾害性天气的车辆预警系统20在所述计算机设备2中的执行过程。所述程序模块600-630的具体功能在实施例二中已有详细描述，在此不再赘述。
实施例四
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储基于灾害性天气的车辆预警系统20，被处理器执行时实现上述实施例的基于灾害性天气的车辆预警方法。
进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于灾害性天气的车辆预警方法，其特征在于，包括：
获取目标区域的多个当前气象特征数据，并基于所述当前气象特征数据获取气象关联数据；
获取所述目标区域的多个历史天气特征贡献度以及最高历史车险车辆数量数据，并根据所述当前气象特征数据、气象关联数据、历史天气特征贡献度，得到所述目标区域的预测风险车辆数量数据；
根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息；
将所述预警信息发送至所述目标区域中的目标车辆。
2.根据权利要求1所述的基于灾害性天气的车辆预警方法，其特征在于，所述获取目标区域的当前气象特征数据还包括：
获取各个区域的洪涝标签，以根据所述洪涝标签确定所述目标区域；
获取当前时间节点，基于所述当前时间节点获取所述目标区域的当前气象特征数据。
3.根据权利要求2所述的基于灾害性天气的车辆预警方法，其特征在于，所述历史天气特征贡献度的生成包括：
获取所述目标区域各个历史时间节点的历史气象特征数据以及历史车险车辆数据；
对所述目标区域各个历史时间节点的历史气象特征数据以及历史车险车辆数据进行多元线性处理，以得到各个气象特征数据对应的历史天气特征贡献度，并将所述历史天气特征贡献度存储在预设的气象特征数据库中。
4.根据权利要求3所述的基于灾害性天气的车辆预警方法，其特征在于，所述根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息包括：
将所述预测风险车辆数量数据与所述最高历史车险车辆数量数据进行比对，以生成风险警戒值；
当所述风险警戒值大于所述目标区域对应的目标风险阈值时生成预警信息。
5.根据权利要求4所述的基于灾害性天气的车辆预警方法，其特征在于，生成所述风险警戒值之后还包括：
根据所述目标区域的洪涝标签动态调整平均风险阈值，以得到所述目标区域对应的目标风险阈值。
6.根据权利要求3所述的基于灾害性天气的车辆预警方法，其特征在于，所述方法还包括：
获取所述目标区域当日的实际车险车辆数量数据；
计算所述实际车险车辆数量数据与所述目标区域的历史车险车辆数据的差值，并根据所述差值更新所述历史天气特征贡献度。
7.根据权利要求1所述的基于灾害性天气的车辆预警方法，其特征在于，所述预警信息包括与所述目标区域对应的目标易涝区域风险地图；所述将所述预警信息发送至所述目标区域中的目标车辆还包括：
获取所述目标区域的位置数据以及所述目标区域的相邻区域的位置数据；
获取所述目标区域以及所述目标区域的相邻区域的洪涝标签，并基于所述目标区域与相邻区域对应的位置数据和洪涝标签生成目标易涝区域风险地图；
将所述目标易涝区域风险地图发送至所述目标区域中的目标车辆。
8.一种基于灾害性天气的车辆预警系统，其特征在于，包括：
获取模块，用于获取目标区域的多个当前气象特征数据，并基于所述当前气象特征数据获取气象关联数据；
预测模块，用于获取所述目标区域的多个历史天气特征贡献度以及最高历史车险车辆数量数据，并根据所述当前气象特征数据、气象关联数据、历史天气特征贡献度，得到所述目标区域的预测风险车辆数量数据；
预警模块，用于根据所述预测风险车辆数量数据以及最高历史车险车辆数量数据生成预警信息；
推送模块，用于将所述预警信息发送至所述目标区域中的目标车辆。
9.一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于灾害性天气的车辆预警方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如权利要求1至7中任一项所述的基于灾害性天气的车辆预警方法的步骤。
CN202010588700.2A 2020-06-24 2020-06-24 基于灾害性天气的车辆预警方法及系统 Pending CN111723994A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010588700.2A CN111723994A (zh) 2020-06-24 2020-06-24 基于灾害性天气的车辆预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010588700.2A CN111723994A (zh) 2020-06-24 2020-06-24 基于灾害性天气的车辆预警方法及系统

Publications (1)

Publication Number Publication Date
CN111723994A true CN111723994A (zh) 2020-09-29

Family

ID=72570057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010588700.2A Pending CN111723994A (zh) 2020-06-24 2020-06-24 基于灾害性天气的车辆预警方法及系统

Country Status (1)

Country Link
CN (1) CN111723994A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505919A (zh) * 2021-06-25 2021-10-15 国家粮食和物资储备局科学研究院 一种基于关键因素预测收获小麦呕吐毒素的方法及系统
CN113920703A (zh) * 2021-08-26 2022-01-11 岚图汽车科技有限公司 防止车辆泡水方法、车辆及电子设备
CN114676907A (zh) * 2022-01-17 2022-06-28 中国地质大学（北京） 一种区域地质灾害预警方法、装置、存储介质及设备
CN116704697A (zh) * 2023-04-12 2023-09-05 中科合肥技术创新工程院 一种汽车充电区域异常预警方法及系统
CN117576862A (zh) * 2023-11-17 2024-02-20 中国水利水电科学研究院 一种面向导航车辆的城市洪涝灾害预警方法
CN117872510A (zh) * 2024-03-11 2024-04-12 成都润联科技开发有限公司 一种气象数据分析方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239575A (zh) * 2017-06-29 2017-10-10 邯郸市气象局 城市道路暴雨内涝风险分析与预警智联网服务系统及方法
CN109543909A (zh) * 2018-11-27 2019-03-29 平安科技（深圳）有限公司 车辆案件数量的预测方法、装置和计算机设备
CN110893828A (zh) * 2018-09-13 2020-03-20 沈阳美行科技有限公司 一种路面积水预警方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239575A (zh) * 2017-06-29 2017-10-10 邯郸市气象局 城市道路暴雨内涝风险分析与预警智联网服务系统及方法
CN110893828A (zh) * 2018-09-13 2020-03-20 沈阳美行科技有限公司 一种路面积水预警方法及装置
CN109543909A (zh) * 2018-11-27 2019-03-29 平安科技（深圳）有限公司 车辆案件数量的预测方法、装置和计算机设备

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505919A (zh) * 2021-06-25 2021-10-15 国家粮食和物资储备局科学研究院 一种基于关键因素预测收获小麦呕吐毒素的方法及系统
CN113920703A (zh) * 2021-08-26 2022-01-11 岚图汽车科技有限公司 防止车辆泡水方法、车辆及电子设备
CN114676907A (zh) * 2022-01-17 2022-06-28 中国地质大学（北京） 一种区域地质灾害预警方法、装置、存储介质及设备
CN116704697A (zh) * 2023-04-12 2023-09-05 中科合肥技术创新工程院 一种汽车充电区域异常预警方法及系统
CN116704697B (zh) * 2023-04-12 2024-04-16 中科合肥技术创新工程院 一种汽车充电区域异常预警方法及系统
CN117576862A (zh) * 2023-11-17 2024-02-20 中国水利水电科学研究院 一种面向导航车辆的城市洪涝灾害预警方法
CN117576862B (zh) * 2023-11-17 2024-05-17 中国水利水电科学研究院 一种面向导航车辆的城市洪涝灾害预警方法
CN117872510A (zh) * 2024-03-11 2024-04-12 成都润联科技开发有限公司 一种气象数据分析方法、装置、设备及介质
CN117872510B (zh) * 2024-03-11 2024-05-17 成都润联科技开发有限公司 一种气象数据分析方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN111723994A (zh) 基于灾害性天气的车辆预警方法及系统
US11721191B1 (en) Method and system for flood early warning in smart city based on internet of things
US11836802B2 (en) Vehicle operation analytics, feedback, and enhancement
Bergel-Hayat et al. Explaining the road accident risk: Weather effects
CN110893828B (zh) 一种路面积水预警方法及装置
WO2015161118A1 (en) Roof condition evaluation and risk scoring system and method
CN108701396A (zh) 一种车前积雪与结冰的检测报警方法、存储介质和服务器
CN111311034B (zh) 道路内涝风险预测方法、装置、设备及存储介质
Tobin et al. Characteristics of recent vehicle-related fatalities during active precipitation in the United States
CN114202908A (zh) 基于灾害天气的车辆预警方法、装置、设备及存储介质
CN112527936A (zh) 灾难密度的统计方法、装置、计算机设备以及存储介质
CN115719164A (zh) 一种城市易涝点识别方法及装置
Lu Short-term traffic prediction using rainfall
KR20150045770A (ko) 도시 호우 위험기준의 산정방법
CN114394099B (zh) 车辆行驶异常识别方法、装置、计算机设备及存储介质
KR101843008B1 (ko) 기후변화 시나리오를 활용한 홍수방재시설 투자결정 방법 및 시스템
CN112153573B (zh) 基于位置轨迹的切分方法、装置、计算机设备及存储介质
CN112668948B (zh) 基于多源信息融合的林业生态环境人机交互系统及方法
CN113888302A (zh) 一种用于汽车金融车贷的风险预警方法及系统
CN111724620A (zh) 一种共享停车应急处理方法与系统
Ahmed et al. Calibration of the Highway Safety Manual’s Safety Performance Functions for Rural Two-Lane Highways with Regional Considerations for the Rocky Mountains and Plain Regions
Deetae Analysis and mathematical modeling for flood surveillance from rainfall by extreme value theory for agriculture in phitsanulok province, thailand
Bilionis Interaction effects of prevailing weather conditions and crash characteristics on crash severity: A case study on two corridors in Iowa
CN116432869B (zh) 气象灾害预警方法、装置、设备及存储介质
Chen et al. Exploring the relationship between flood insurance claims, crowdsourced rainfall, and tide levels for coastal urban communities: Case study for the mid-Atlantic United States

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