CN111739290A - 车辆预警方法及装置 - Google Patents
车辆预警方法及装置 Download PDFInfo
- Publication number
- CN111739290A CN111739290A CN202010505427.2A CN202010505427A CN111739290A CN 111739290 A CN111739290 A CN 111739290A CN 202010505427 A CN202010505427 A CN 202010505427A CN 111739290 A CN111739290 A CN 111739290A
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- target vehicle
- driving behavior
- risk value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006399 behavior Effects 0.000 claims abstract description 294
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 17
- 238000004590 computer program Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
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
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
Abstract
本申请的实施例提供了一种车辆预警方法及装置。该车辆预警方法包括:获取目标车辆的行驶状态数据,以及位于所述目标车辆周围的其他车辆的行驶状态数据;根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值;获取所述目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数;根据所述第一驾驶风险值和所述相关系数,计算所述目标车辆与所述其他车辆之间的第二驾驶风险值,以根据所述第二驾驶风险值对所述目标车辆进行预警。本申请实施例的技术方案提高车辆驾驶风险计算的准确性,进而保证了对车辆的预警效果。
Description
技术领域
本申请涉及行车安全技术领域,具体而言,涉及一种车辆预警方法及装置。
背景技术
车辆在道路上行驶时,行驶于周围的其他车辆可能会对该车辆带来一定的驾驶风险。在目前的技术方案中,根据当前车辆与其他车辆的行驶参数,计算当前车辆与其他车辆之间的驾驶风险,以根据该驾驶风险对当前车辆进行预警。然而,车辆在道路上行驶时,位于其周围的其他车辆之间也可能会互相影响进而影响当前车辆的行车安全。因此,如何提高驾驶风险计算的准确性,进而保证对车辆的预警效果成为了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车辆预警方法及装置,进而至少在一定程度上可以提高驾驶风险计算的准确性,进而保证对车辆的预警效果。
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,提供了一种车辆预警方法,该方法包括:
获取目标车辆的行驶状态数据,以及位于所述目标车辆周围的其他车辆的行驶状态数据;
根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值;
获取所述目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数;
根据所述第一驾驶风险值和所述相关系数,计算所述目标车辆与所述其他车辆之间的第二驾驶风险值,以根据所述第二驾驶风险值对所述目标车辆进行预警。
根据本申请实施例的一个方面,提供了一种车辆预警装置,该装置包括:
第一获取模块,用于获取目标车辆的行驶状态数据,以及位于所述目标车辆周围的其他车辆的行驶状态数据;
计算模块,用于根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值;
第二获取模块,用于获取所述目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数;
处理模块,用于根据所述第一驾驶风险值和所述相关系数,计算所述目标车辆与所述其他车辆之间的第二驾驶风险值,以根据所述第二驾驶风险值对所述目标车辆进行预警。
基于前述方案,在本申请的一些实施例中,处理模块被配置为:确定所述其他车辆中的待计算车辆;基于所述其他车辆中除所述待计算车辆之外的车辆与所述目标车辆之间的相对位置,从所述相关系数中确定与所述相对位置对应的目标相关系数;根据所述待计算车辆对应的第一驾驶风险值、所述目标相关系数以及所述目标相关系数对应的第一驾驶风险值,计算所述目标车辆与所述待计算车辆之间的第二驾驶风险值。
基于前述方案,在本申请的一些实施例中,第二获取模块被配置为:获取所述目标车辆所在的车道信息;根据所述车道信息,生成对历史车辆的驾驶行为数据请求,并将所述驾驶行为数据请求发送至服务器;接收由所述服务器发送的驾驶行为数据,并根据所述驾驶行为数据计算所述驾驶行为概率;根据所述驾驶行为概率,计算所述驾驶行为概率之间的相关系数。
基于前述方案,在本申请的一些实施例中,第二获取模块被配置为:根据所述驾驶行为数据,获取驾驶行为对应的时间信息;根据所述时间信息对所述驾驶行为进行划分,得到各个历史单位时间内对应的驾驶行为;根据所述各个历史单位时间内对应的驾驶行为的类别,计算在所述各个历史单位时间中不同类别的驾驶行为的驾驶行为概率。
基于前述方案,在本申请的一些实施例中,第二获取模块被配置为:获取所述各个历史单位时间内相同类别的驾驶行为的驾驶行为概率,以得到与各个类别的驾驶行为对应的驾驶行为概率集合;根据驾驶行为概率集合中包含的驾驶行为概率,计算任意两个所述驾驶行为的驾驶行为概率之间的相关系数。
基于前述方案,在本申请的一些实施例中,第二获取模块被配置为:确定所述目标车辆所在的车道信息;根据所述车道信息,生成对历史车辆的驾驶行为概率请求,并将所述驾驶行为概率请求发送至服务器;接收由所述服务器发送的历史车辆的驾驶行为概率,并根据所述驾驶行为概率计算任意两个所述驾驶行为概率之间的相关系数。
基于前述方案,在本申请的一些实施例中,处理模块被配置为:若所述第二驾驶风险值大于或等于预定阈值,则对所述目标车辆进行预警。
基于前述方案,在本申请的一些实施例中,处理模块被配置为:基于所述第二驾驶风险值所处的阈值区间,进行相应的预警处理,所述预警处理的重要等级与所述阈值区间所表示的第二驾驶风险值成正相关关系。
基于前述方案,在本申请的一些实施例中,所述行驶状态数据包括车辆数据和路况数据,计算模块被配置为:根据所述目标车辆的车辆数据和路况数据以及所述其他车辆的车辆数据和路况数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值。
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车辆预警方法。
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车辆预警方法。
在本申请的一些实施例所提供的技术方案中,通过获取目标车辆的行驶状态数据,以及位于目标车辆周围的其他车辆的行驶状态数据,根据目标车辆的行驶状态数据以及其他车辆的行驶状态数据,计算目标车辆与其他车辆之间的第一驾驶风险值,再获取目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个驾驶行为概率之间的相关系数,根据第一驾驶风险值和相关系数,计算目标车辆与其他车辆之间的第二驾驶风险值,以根据第二驾驶风险值对目标车辆进行预警。由此,通过第二驾驶风险值可以表达出其他车辆之间互相关联而给目标车辆带来的驾驶风险,保证了驾驶风险的计算的准确性,进而保证了对目标车辆的预警效果。
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车辆预警方法的流程示意图;
图3示出了根据本申请的一个实施例的图2的车辆预警方法中步骤S240的流程示意图;
图4示出了根据本申请的一个实施例的图2的车辆预警方法中步骤S230的流程示意图;
图5示出了根据本申请的一个实施例的图4的车辆预警方法中计算驾驶行为概率的流程示意图;
图6示出了根据本申请的一个实施例的图4的车辆预警方法中步骤S440的流程示意图;
图7示出了根据本申请的另一个实施例的图2的车辆预警方法中步骤S230的流程示意图;
图8示出了根据本申请的一个实施例的车辆预警方法的流程示意图;
图9示出了根据本申请的一个实施例的车辆预警装置的框图;
图10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,系统架构可以包括车载终端110以及服务器120,其中,车载终端110和服务器120通过网络进行交互,该网络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。
应该理解的,图1中的车载终端110和服务器120的数目仅仅是示意性的。根据实现需要,可以具有任意数目的车载终端、服务器。比如车载终端110可以是行驶在道路上的所有车辆所配置的车载终端、服务器120可以是等多个服务器组成的服务器集群等等。
车载终端110可以通过网络与服务器120进行交互,以接收或发送信息等。服务器120可以是提供各种服务的服务器。车载终端110可以获取目标车辆的行驶状态数据,以及位于目标车辆周围的其他车辆的行驶状态数据,并根据目标车辆的行驶状态数据以及其他车辆的行驶状态数据,计算目标车辆与其他车辆之间的第一驾驶风险值,获取目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个驾驶行为概率之间的相关系数,根据第一驾驶风险值和相关系数,计算目标车辆与其他车辆之间的第二驾驶风险值,以根据第二驾驶风险值对目标车辆进行预警。
需要说明的是,本申请实施例所提供的车辆预警方法一般由车载终端110执行,相应地,车辆预警装置一般设置于车载终端110中。但是,在本申请的其它实施例中,服务器120也可以与车载终端具有相似的功能,从而执行本申请实施例所提供的车辆预警方法的方案。
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:
图2示出了根据本申请的一个实施例的车辆预警方法的流程示意图。参照图2所示,该车辆预警的处理方法至少包括步骤S210至步骤S240,详细介绍如下:
在步骤S210中,获取目标车辆的行驶状态数据,以及位于所述目标车辆周围的其他车辆的行驶状态数据。
其中,行驶状态数据可以是用于描述车辆在道路上的行驶行为以及所处环境的参数信息。例如该行驶状态数据可以包括但不限于车辆的行驶速度、加速度、行驶方向、定位信息、道路坡度、道路粘度以及能见度等。根据该行驶状态数据即可知晓该车辆在道路上行驶时的当前情况。
在本申请的一个实施例中,配置于目标车辆上的车载终端可以通过设置于目标车辆上的传感器获取目标车辆的行驶状态数据,例如可以通过速度传感器获取目标车辆的行驶速度、通过加速度计获取目标车辆的加速度、通过GPS(Global Positioning System,全球定位系统)获取目标车辆的定位信息以及行驶方向等等。车载终端还可以通过网络与第三方部门的服务器进行通信,以获取行驶状态数据,例如可以通过与气象部门的服务器进行通信,以获取当前道路的能见度、通过与交管部门的服务器进行通信,以获取当前道路的坡度、道路粘度等等。
此外,车载终端还可以通过与服务器进行通信,获取位于目标车辆周围的其他车辆的行驶状态数据。具体地,车载终端可以根据目标车辆的定位信息生成对其他车辆的行驶状态数据请求,并将该行驶状态数据请求发送至服务器中,服务器可以根据该行驶状态数据请求中包含的定位信息,确定位于目标车辆周围的其他车辆,并将该其他车辆的行驶状态数据发送至车载终端中。
需要说明的,位于目标车辆周围的其他车辆可以是在目标车辆的各个方向中离目标车辆最近的车辆,例如其他车辆可以是位于目标车辆后方且最靠近目标车辆的车辆,位于目标车辆前方且最靠近目标车辆的车辆、位于目标车辆左前方且最靠近目标车辆的车辆、或者位于目标车辆左侧且最靠近目标车辆的车辆,等等。
在本申请的一个实施例中,可以基于目标车辆所在的位置划分八个方位,即正前、左前、右前、左侧、左后、右侧、右后以及正后。由此,服务器可以基于目标车辆的位置,确定位于目标车辆各个方位的其他车辆。再将各个其他车辆所在的方位与该其他车辆的行驶状态数据进行关联,发送至目标车辆的车载终端中,以使车载终端能够确定某一其他车辆所处的方位以及该其他车辆的行驶状态数据。
在步骤S220中,根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值。
其中,第一驾驶风险值可以是用于描述目标车辆当前的驾驶风险的数值。第一驾驶风险值越大,则表示目标车辆当前的驾驶风险越高。
在该实施例中,车载终端根据目标车辆的行驶状态数据以及其他车辆的行驶状态数据,计算目标车辆与每一其他车辆之间的第一驾驶风险值,以此明确每一其他车辆给目标车辆所带来的驾驶风险。应该理解的,因为每一其他车辆的行驶状态数据不同,所以根据每一其他车辆的行驶状态数据计算得到的第一驾驶风险值也可能不同。
在本申请的一个实施例中,车载终端可以根据目标车辆的行驶状态数据与其他车辆的行驶状态数据,计算目标车辆与其他车辆之间的碰撞强度,以将该碰撞强度作为第一驾驶风险值。碰撞强度越高,则表示目标车辆所受的伤害越大,因此驾驶风险也就越高;反之,碰撞强度越低,目标车辆所受的伤害越低,驾驶风险也就越低。
在步骤S230中,获取所述目标车辆所在车道的历史车辆的对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数。
其中,历史车辆可以是曾经行驶经过目标车辆所在车道的车辆。
驾驶行为可以是驾驶人员对车辆的操控行为,其可以包含多个类别,例如该驾驶行为可以包括向正前方行驶(即加速行驶)、向正后方行驶(即减速行驶)、向正左方行驶(即快速向左变道行驶)、向正右方行驶(即快速向右变道行驶)、向左前方行驶、向右前方行驶、向左后方行驶以及向右后方行驶。
驾驶行为概率可以是用于表示车辆可能出现的驾驶行为的概率,例如车辆向正前方行驶的概率为20%、向正左行驶的概率为15%等等。通过驾驶行为概率,即可知晓车辆出现每一种驾驶行为的可能性大小。
在该实施例中,服务器可以通过设置于道路上的摄像设备,对经过某一车道的历史车辆的驾驶行为进行记录,并统计单位时间内通过该车道的车辆所出现的驾驶行为数量,以此计算历史车辆的不同类别的驾驶行为的驾驶行为概率。
车载终端可以从服务器中获取目标车辆所在车道的历史车辆在各个单位时间内不同类别的驾驶行为的驾驶行为概率,并根据该驾驶行为概率计算任意两个驾驶行为概率之间的相关系数,以根据该相关系数表示两个驾驶行为概率之间的线性相关程度。
应该理解的,驾驶行为概率之间的相关系数应与两个驾驶行为相对应,例如根据向正左行驶的驾驶行为概率与向正前行驶的驾驶行为概率计算得到的相关系数应与向正左行驶的驾驶行为以及向正前行驶的驾驶行为相对应。
在步骤S240中,根据所述第一驾驶风险值和所述相关系数,计算所述目标车辆与所述其他车辆之间的第二驾驶风险值,以根据所述第二驾驶风险值对所述目标车辆进行预警。
在该实施例中,车载终端可以根据其他车辆的第一驾驶风险值以及其他车辆所对应的相关系数进行计算,以得到第二驾驶风险值。该第二驾驶风险值可以用于表示其他车辆中的某一车辆受除该车辆之外的其他车辆的影响而给目标车辆带来的驾驶风险。应该理解的,每一其他车辆对应于一个第二驾驶风险值,不同其他车辆的第二驾驶风险值可以相同也可以不同。
在图2所示的实施例中,通过根据目标车辆的行驶状态数据以及位于目标车辆周围的其他车辆的行驶状态数据,计算目标车辆与其他车辆之间的第一驾驶风险值,再获取目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,计算任意两个驾驶行为概率之间的相关系数,并根据第一驾驶风险值以及相关系数,计算目标车辆与其他车辆之间的第二驾驶风险值,以根据第二驾驶风险值对目标车辆进行预警。由此,第二驾驶风险值可以用于表示其他车辆中的某一车辆受除该车辆之外的其他车辆影响而对目标车辆所带来的驾驶风险,以提高计算目标车辆的驾驶风险的准确性,进而保证了对目标车辆的预警效果。
基于图2所示的实施例,图3示出了根据本申请的一个实施例的图2的车辆预警方法中步骤S240的流程示意图。参照图3所示,步骤S240至少包括步骤S310至步骤S330,详细介绍如下:
在步骤S310中,确定所述其他车辆中的待计算车辆。
在本申请的一个实施例中,车载终端可以按照预定的选择顺序确定其他车辆中的待计算车辆,例如基于目标车辆的位置以目标车辆正前方的其他车辆为起点,按照顺时针方向轮流选定待计算车辆,以计算目标车辆与每一待计算车辆之间的第二驾驶风险值。
在本申请的另一个实施例中,车载终端可以根据目标车辆的位置信息以及其他车辆的位置信息,确定目标车辆与每一其他车辆之间的距离,按照距离从小到大的顺序确定其他车辆中的待计算车辆,由此可以快速确定距离目标车辆较近的其他车辆的第二驾驶风险值,以尽快对目标车辆进行预警,为目标车辆的驾驶人员提供更多的反应时间,保证了预警效果。
在步骤S320中,基于所述其他车辆中除所述待计算车辆之外的车辆与所述目标车辆之间的相对位置,从所述相关系数中确定与所述相对位置对应的目标相关系数。
在该实施例中,车载终端根据目标车辆的位置信息以及其他车辆的位置信息,可以确定目标车辆与其他车辆之间的相对位置,例如其他车辆位于目标车辆的正前方、位于目标车辆的正左方或者位于目标车辆的左前方等等。
根据目标车辆与其他车辆除待计算车辆之外的车辆的相对位置,则可以从相关系数中确定与该相对位置对应的目标相关系数。具体地,基于其他车辆与目标车辆的相对位置,将待计算车辆与目标车辆的相对位置与除待计算车辆之外的车辆相对位置进行两两组合,以选取组合后的相对位置所对应的相关系数作为目标相关系数。例如目标车辆的正前方、正左方和左前方存在其他车辆,若确定位于目标车辆正前方的其他车辆为待计算车辆,则组合方式有正前方与正左方以及正前方与左前方,则应该选取的目标相关系数为向正前方行驶与向正左方行驶的驾驶行为概率之间的相关系数,以及向正前方行驶与向左前方行驶的驾驶行为概率之间的相关系数。
应该理解的,当目标车辆的不同方位有其他车辆存在时,若某一方位的其他车辆对目标车辆造成威胁时,目标车辆的驾驶行为也受其他方位的其他车辆影响。例如当位于目标车辆的正前方的车辆对目标车辆造成威胁时,若目标车辆的正左方存在车辆,则目标车辆无法向左行驶以避让风险,即为位于目标车辆正左方的车辆通过位于目标车辆正前方的车辆给目标车辆所带来的驾驶风险。因此,根据目标车辆与其他车辆之间的相对位置,从相关系数中选取目标相关系数,可以表达出位于两个方位的其他车辆对目标车辆造成的驾驶风险之间的联系,进而保证了第二驾驶风险值的准确性。
在步骤S330中,根据所述待计算车辆对应的第一驾驶风险值、所述目标相关系数以及所述目标相关系数对应的第一驾驶风险值,计算所述目标车辆与所述待计算车辆之间的第二驾驶风险值。
在该实施例中,车载终端在计算目标车辆与待计算车辆之间的第二驾驶风险值时,可以根据该待计算车辆对应的第一驾驶风险值、目标相关系数以及目标相关系数对应的第一驾驶风险值进行计算。
需要说明的,目标相关系数所对应的第一驾驶风险值,即为该目标相关系数所对应的两个相对位置的其他车辆中除待计算车辆之外的车辆所对应的第一驾驶风险值。例如目标相关系数为向正前方行驶与向正左方行驶的驾驶行为概率之间的相关系数,若位于目标车辆正前方的其他车辆为待计算车辆,则该目标相关系数所对应的第一驾驶风险值为位于目标车辆正左方的其他车辆所对应的第一驾驶风险值。
具体地,可以将待计算车辆对应的第一驾驶风险值加上目标相关系数乘以目标相关系数对应的第一驾驶风险值的积,得到目标车辆与该待计算车辆之间的第二驾驶风险值。例如目标车辆的正前方、正左方和左前方存在其他车辆,若确定位于目标车辆正前方的其他车辆为待计算车辆,则目标车辆与待计算车辆之间的第二驾驶风险值为:
Efront=efront+Cfront,lefteleft+Cfront,left-fronteleft-front
其中,efront为待计算车辆对应的第一驾驶风险值,Cfront,left为向正前方行驶与向正左方行驶的驾驶行为概率之间的相关系数,eleft为位于目标车辆正左方的其他车辆对应的第一驾驶风险值,Cfront,left-front为向正前方行驶与向左前方行驶的驾驶行为概率之间的相关系数,eleft-front为位于目标车辆左前方的其他车辆对应的第一驾驶风险值。
由此,可以逐一计算出每一其他车辆与目标车辆之间的第二驾驶风险值。
在图3所示的实施例中,通过确定其他车辆中的待计算车辆,并基于其他车辆中除待计算车辆之外的车辆与目标车辆之间的相对位置,从相关系数中确定与该相对位置对应的目标相关系数,再根据待计算车辆对应的第一驾驶风险值、目标相关系数以及目标相关系数对应的第一驾驶风险值,计算目标车辆与待计算车辆之间的第二驾驶风险值。由此可以准确计算出目标车辆与其他车辆之间的第二驾驶风险值,该第二驾驶值能够表达出除待计算车辆以外的其他车辆通过待计算车辆给目标车辆带来的驾驶风险,因此可以使计算得到的第二驾驶风险值更贴近于实际情况,保证了对目标车辆的预警效果。
基于图2所示的实施例,图4示出了根据本申请的一个实施例的图2的车辆预警方法中步骤S230的流程示意图。参照图4所示,步骤S230至少包括步骤S410至步骤S440,详细介绍如下:
在步骤S410中,获取所述目标车辆所在的车道信息。
在该实施例中,车载终端可以根据目标车辆的定位信息,与各个车道所对应的位置信息进行比较,以确定目标车辆所在的车道信息,例如目标车辆位于XXX路的左车道等等。
在步骤S420中,根据所述车道信息,生成对历史车辆的驾驶行为数据请求,并将所述驾驶行为数据请求发送至服务器。
其中,驾驶行为数据可以是用于描述车辆的驾驶行为的信息,该驾驶行为数据可以包括但不限于发生该驾驶行为的时间信息以及驾驶行为的类别等等。
对历史车辆的驾驶行为数据请求可以是用于请求目标车辆所在车道的历史车辆的驾驶行为数据的信息。
在该实施例中,车载终端可以根据目标车辆所在的车道信息,生成对历史车辆的驾驶行为数据请求,并将该驾驶行为数据请求发送至服务器。服务器解析所接收到的驾驶行为数据请求,以得到目标车辆所在的道路信息,并基于该道路信息获取该道路信息所对应的历史车辆的驾驶行为数据。
在步骤S430中,接收由所述服务器发送的驾驶行为数据,并根据所述驾驶行为数据计算所述驾驶行为概率。
在本申请的一个实施例中,车载终端可以接收由服务器发送的驾驶行为数据,并根据驾驶行为数据中的时间信息的先后顺序,对每一驾驶行为进行排序,按照每一预定数量间隔计算每一预定数量间隔内的不同类别的驾驶行为的驾驶行为概率。其中,预定数量间隔可以是预先配置的、用以对驾驶行为进行划分的数值,例如预定数量间隔可以是100、150或者200等,以上仅为示例性举例,本申请对此不做特殊限定。
由此,车载终端可以按照时间顺序,从驾驶行为数据中选取预定数量间隔的驾驶行为进行计算,例如预定数量间隔为100,则按照时间顺序,在每一百个驾驶行为中计算不同类别的驾驶行为的驾驶行为概率。由此可以得到各个预定数量间隔的驾驶行为中不同类别的驾驶行为的驾驶行为概率。
在步骤S440中,根据所述驾驶行为概率,计算任意两个所述驾驶行为概率之间的相关系数。
在该实施例中,车载终端可以根据不同类别的驾驶行为的驾驶行为概率,计算任意两个驾驶行为概率之间的相关系数,其中,计算相关系数的方法为现有技术,本申请在此不再赘述。
在图4所示的实施例中,通过获取目标车辆所在的车道信息,并根据该车道信息生成对历史车辆的驾驶行为数据请求以向服务器进行发送,服务器则根据该驾驶行为数据请求获取目标车辆所在车道的历史车辆的驾驶行为数据,并向车载终端进行发送,以使车载终端可以根据该驾驶行为数据计算驾驶行为概率,进而计算任意两个驾驶行为概率之间的相关系数。由此,服务器可以预先采集足够数量的历史车辆的驾驶行为数据,以保证所采集的驾驶行为数据的可靠性,进而保证了驾驶行为概率和相关系数的计算结果的准确性。
基于图2和图4所示的实施例,图5示出了根据本申请的一个实施例的图4的车辆预警方法中计算驾驶行为概率的流程示意图。参照图5所示,根据驾驶行为数据计算所述驾驶行为概率至少包括步骤S510至步骤S530,详细介绍如下:
在步骤S510中,根据所述驾驶行为数据,获取驾驶行为对应的时间信息。
在该实施例中,车载终端根据接收到的驾驶行为数据,可以从中获取每一驾驶行为所对应的时间信息,根据该时间信息,则可以对应确定驾驶行为发生的时间。例如某一驾驶行为对应的时间信息为2020.05.23.15.30.46,则表示在2020年5月23号15:30:46有一辆历史车辆在目标车辆所在的车道上出现该驾驶行为,等等。
在步骤S520中,根据所述时间信息对所述驾驶行为进行划分,得到各个历史单位时间内对应的驾驶行为。
在该实施例中,历史单位时间可以预先设置的、用以对历史车辆的驾驶行为进行划分的时间信息。应该理解的,为了计算不同驾驶行为概率之间的相关系数,则历史单位时间应该是多个的,其中,本申请所说的“多个”为至少两个或者两个以上的任意数量。例如服务器采集的是某一天的历史车辆的驾驶行为,总历时为24个小时,若历史单位时间为1个小时,则对应的历史单位时间有24个,根据驾驶行为的时间信息,可以将每一驾驶行为分别划分进入24个历史单位时间,以得到24个历史单位时间分别对应的驾驶行为,等等。以上仅为示例性举例,本申请对此不做特殊限定。
在本申请的其他实施例中,历史单位时间也可以是根据服务器的采集总时长进行均分,以得到目标数量的历史单位时间,例如服务器采集总时长为600分钟,历史单位时间的目标数量为10个,那么每个历史单位时间的长度为60分钟,因此,按照驾驶行为的时间信息,可以将每一驾驶行为划分进入10个历史单位时间内,以得到10个历史单位时间内对应的驾驶行为。
在步骤S530中,根据所述各个历史单位时间内对应的驾驶行为的类别,计算在所述各个历史单位时间中不同类别的驾驶行为的驾驶行为概率。
在该实施例中,根据所得到的各个历史单位时间内对应的驾驶行为,根据驾驶行为的类别,可以分别获取在单个历史单位时间内每一类别的驾驶行为的数量以及驾驶行为的总数量,由此可以分别计算在每一个历史单位时间内每一类别的驾驶行为的驾驶行为概率,即将每一类别的驾驶行为的数量除以驾驶行为的总数量,得到每一类别的驾驶行为的驾驶行为概率。
基于图5所示的实施例,根据驾驶行为数据,获取驾驶行为对应的时间信息,并根据该时间信息,对驾驶行为进行划分,得到各个历史单位时间内对应的驾驶行为,再根据各个历史单位时间内对应的驾驶行为的类别,计算在各个历史单位时间中不同类别的驾驶行为的驾驶行为概率。由此可以准确计算出在各个历史单位时间中不同类别的驾驶行为的驾驶行为概率,保证了后续计算任意两个驾驶行为概率之间的相关系数的准确性,进而保证了第二驾驶风险值计算的准确性。
基于图2、图4和图5所示的实施例,图6示出了根据本申请的一个实施例的图4的车辆预警方法中步骤S440的流程示意图。参照图6所示,步骤S440至少包括步骤S610至步骤S620,详细介绍如下:
在步骤S610中,获取所述各个历史单位时间内相同类别的驾驶行为的驾驶行为概率,以得到与各个类别的驾驶行为对应的驾驶行为概率集合。
在该实施例中,根据驾驶行为的类别,可以获取各个历史单位时间内相同类别的驾驶行为概率,并对其进行整合,以得到各个类别的驾驶行为对应的驾驶行为概率集合。每一个驾驶行为概率集合对应于一个类别的驾驶行为。其中,驾驶行为概率集合中所包含的驾驶行为概率的顺序可以按照其对应的历史单位时间的先后顺序进行排序。
在步骤S620中,根据驾驶行为概率集合中包含的驾驶行为概率,计算任意两个所述驾驶行为的驾驶行为概率之间的相关系数。
在该实施例中,根据每一类别的驾驶行为所对应的驾驶行为概率集合,根据该驾驶行为概率集合中包含的驾驶行为概率,可以计算任意两个所述驾驶行为的驾驶行为概率之间的相关系数,以根据该相关系数得到不同类别的驾驶行为之间的线性相关程度。
在本申请的一个实施例中,可以通过以下公式计算任意两个驾驶行为的驾驶行为概率之间的相关系数r(X,Y):
其中,X为驾驶行为A的驾驶行为概率集合,Y为驾驶行为B的驾驶行为概率集合,Cov(X,Y)为X与Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差。
基于图2所示的实施例,图7示出了根据本申请的另一个实施例的图2的车辆预警方法中步骤S230的流程示意图。参照图7所示,步骤S230至少包括步骤S710至步骤S730,详细介绍如下:
在步骤S710中,确定所述目标车辆所在的车道信息。
在该实施例中,车载终端可以根据目标车辆的定位信息,与各个车道所对应的位置信息进行比较,以确定目标车辆所在的车道信息,例如目标车辆位于XXX路的右车道等等。
在步骤S720中,根据所述车道信息,生成对历史车辆的驾驶行为概率请求,并将所述驾驶行为概率请求发送至服务器。
其中,对历史车辆的驾驶行为概率请求可以是用于请求目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率的信息。
在该实施例中,服务器根据接收到的对历史车辆的驾驶行为概率请求,可以从中获取目标车辆所在的车道信息,并根据该车道信息获取该车道历史车辆对应于不同类别的驾驶行为的驾驶行为概率。具体地,服务器在采集完成历史车辆的驾驶行为之后,则可以预先计算该历史车辆的驾驶行为概率,无需车载终端进行计算,以提高车载终端的预警效率。
在步骤S730中,接收由所述服务器发送的历史车辆的驾驶行为概率,并根据所述驾驶行为概率计算所述驾驶行为概率之间的相关系数。
在该实施例中,车载终端可以根据接收到的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,计算任意两个驾驶行为概率之间的相关系数,计算方法如上文所述,本申请在此不再赘述。
在图7所示的实施例中,通过服务器预先计算历史车辆的驾驶行为概率,可以提高车载终端计算相关系数的效率,进而提高了对目标车辆的预警效率。
基于图2所示的实施例,在本申请的一个实施例中,根据所述第二驾驶风险值对所述目标车辆进行预警,包括:
若所述第二驾驶风险值大于或等于预定阈值,则对所述目标车辆进行预警。
其中,预定阈值可以是预先配置的、用以确定目标车辆是否处于高驾驶风险的阈值信息。
在该实施例中,将第二驾驶风险值与预定阈值进行比较,若第二驾驶风险值大于或等于预定阈值,则表示目标车辆的驾驶风险为高驾驶风险,应提醒目标车辆的驾驶人员注意行车安全;若第二驾驶风险值小于预定阈值,则表示目标车辆的驾驶风险为低驾驶风险,因此无需对目标车辆的驾驶人员进行预警,以减少错误预警的情况。
基于上述实施例,在本身请的一个实施例中,若所述第二驾驶风险值大于或等于预定阈值,则对所述目标车辆进行预警,包括:
基于所述第二驾驶风险值所处的阈值区间,进行相应的预警处理,所述预警处理的重要等级与所述阈值区间所表示的第二驾驶风险值成正相关关系。
在该实施例中,应该理解的,第二驾驶风险值越高,目标车辆的驾驶人员应该给予的重视程度也应该随之提高。由此,本领域技术人员可以预先设置对应的驾驶风险阈值,并将第二驾驶风险值与各个驾驶风险阈值进行比较,得到第二驾驶风险值所处的阈值区间,并根据该阈值区间,确定预警处理等级。
需要说明的,预警处理等级与阈值区间所包含的第二驾驶风险值的大小成正相关关系,即若阈值区间包含的第二驾驶风险值越大,则对应的预警处理等级也就越高。例如例如阈值区间[50,60)对应的预警处理等级为中级,[60,70)对应的预警处理等级为高级,等等。以上仅为示例性举例,本申请对此不做特殊限定。
在本申请的一个实施例中,本领域技术人员可以对应于不同的预警处理等级预先设置不同的预警策略,例如语音提醒、显示屏显示或者缩紧安全带等等。根据第二驾驶风险值所确定的预警处理等级,选取与该预警处理等级对应的预警策略。以此可以提高目标车辆的驾驶人员对预警的重视程度,以保证预警效果。
基于上述实施例,在本申请的一个实施例中,行驶状态数据包括车辆数据和路况数据,则根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值,包括:
根据所述目标车辆的车辆数据和路况数据以及所述其他车辆的车辆数据和路况数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值。
其中,车辆数据可以是与车辆的行车参数相关的数据,例如车辆的速度、加速度以及行驶方向等。
路况数据可以是与车辆所在道路相关的信息,例如道路的坡度、粘度以及能见度等等。
在该实施例中,通过获取目标车辆以及其他车辆的车辆数据和路况数据,可以全面了解目标车辆与其他车辆的行车状态,再根据该目标车辆与其他车辆的车辆数据和路况数据计算目标车辆与其他车辆之间的第一驾驶风险值,可以保证第一驾驶风险值计算的准确性,进而保证了后续计算第二驾驶风险值的准确性,保证了对目标车辆的预警效果。
基于上述实施例的技术方案,以下介绍本申请实施例的一个具体应用场景:
图8示出了根据本申请的一个实施例的车辆预警方法的流程示意图。参照图8所示,该车辆预警方法至少包括步骤S810至步骤S890,详细介绍如下:
在步骤S810中,获取目标车辆的行驶状态数据,以及位于所述目标车辆周围的其他车辆的行驶状态数据。
在步骤S820中,根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值。
在步骤S830中,获取所述目标车辆所在车道的历史车辆的驾驶行为数据。
在步骤S840中,根据所述驾驶行为数据计算驾驶行为概率。
在步骤S850中,根据所述驾驶行为概率,计算任意两个驾驶行为概率之间的相关系数。
在步骤S860中,确定所述其他车辆中的待计算车辆。
在步骤S870中,基于所述其他车辆中除所述待计算车辆之外的车辆与所述目标车辆之间的相对位置,从所述相关系数中确定与所述相对位置对应的目标相关系数。
在步骤S880中,根据待计算车辆对应的第一驾驶风险值、所述目标相关系数以及所述目标相关系数对应的第一驾驶风险值,计算所述目标车辆与所述待计算车辆之间的第二驾驶风险值。
在步骤S890中,根据所述第二驾驶风险值对目标车辆进行预警。
在图8所示的实施例中,通过预先计算目标车辆与其他车辆之间的第一驾驶风险值,再根据目标车辆所在道路的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,计算任意两个驾驶行为概率之间的相关系数,并根据第一驾驶风险值与相关系数,计算目标车辆与其他车辆之间的第二驾驶风险值,由此可以表达出其他车辆之间因互相关联而给目标车辆带来的驾驶风险,提高了目标车辆的驾驶风险计算的准确性,进而保证了对目标车辆的预警效果。
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车辆预警方法。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车辆预警方法的实施例。
图9示出了根据本申请的一个实施例的车辆预警装置的框图。
参照图9所示,根据本申请的一个实施例的车辆预警装置,包括:
第一获取模块910,用于获取目标车辆的行驶状态数据,以及位于所述目标车辆周围的其他车辆的行驶状态数据;
计算模块920,用于根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值;
第二获取模块930,用于获取所述目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数;
处理模块940,用于根据所述第一驾驶风险值和所述相关系数,计算所述目标车辆与所述其他车辆之间的第二驾驶风险值,以根据所述第二驾驶风险值对所述目标车辆进行预警。
基于前述方案,在本申请的一些实施例中,处理模块940被配置为:确定所述其他车辆中的待计算车辆;基于所述其他车辆中除所述待计算车辆之外的车辆与所述目标车辆之间的相对位置,从所述相关系数中确定与所述相对位置对应的目标相关系数;根据所述待计算车辆对应的第一驾驶风险值、所述目标相关系数以及所述目标相关系数对应的第一驾驶风险值,计算所述目标车辆与所述待计算车辆之间的第二驾驶风险值。
基于前述方案,在本申请的一些实施例中,第二获取模块930被配置为:获取所述目标车辆所在的车道信息;根据所述车道信息,生成对历史车辆的驾驶行为数据请求,并将所述驾驶行为数据请求发送至服务器;接收由所述服务器发送的驾驶行为数据,并根据所述驾驶行为数据计算所述驾驶行为概率;根据所述驾驶行为概率,计算所述驾驶行为概率之间的相关系数。
基于前述方案,在本申请的一些实施例中,第二获取模块930被配置为:根据所述驾驶行为数据,获取驾驶行为对应的时间信息;根据所述时间信息对所述驾驶行为进行划分,得到各个历史单位时间内对应的驾驶行为;根据所述各个历史单位时间内对应的驾驶行为的类别,计算在所述各个历史单位时间中不同类别的驾驶行为的驾驶行为概率。
基于前述方案,在本申请的一些实施例中,第二获取模块930被配置为:获取所述各个历史单位时间内相同类别的驾驶行为的驾驶行为概率,以得到与各个类别的驾驶行为对应的驾驶行为概率集合;根据驾驶行为概率集合中包含的驾驶行为概率,计算任意两个所述驾驶行为的驾驶行为概率之间的相关系数。
基于前述方案,在本申请的一些实施例中,第二获取模块930被配置为:确定所述目标车辆所在的车道信息;根据所述车道信息,生成对历史车辆的驾驶行为概率请求,并将所述驾驶行为概率请求发送至服务器;接收由所述服务器发送的历史车辆的驾驶行为概率,并根据所述驾驶行为概率计算任意两个所述驾驶行为概率之间的相关系数。
基于前述方案,在本申请的一些实施例中,处理模块940被配置为:若所述第二驾驶风险值大于或等于预定阈值,则对所述目标车辆进行预警。
基于前述方案,在本申请的一些实施例中,处理模块940被配置为:基于所述第二驾驶风险值所处的阈值区间,进行相应的预警处理,所述预警处理的重要等级与所述阈值区间所表示的第二驾驶风险值成正相关关系。
基于前述方案,在本申请的一些实施例中,所述行驶状态数据包括车辆数据和路况数据,计算模块920被配置为:根据所述目标车辆的车辆数据和路况数据以及所述其他车辆的车辆数据和路况数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值。
图10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10示出的电子设备的计算机系统仅是一个示例,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10所示,计算机系统包括中央处理单元(Central Processing Unit,CPU)1001,其可以根据存储在只读存储器(Read-Only Memory,ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(Random Access Memory,RAM)1003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 1003中,还存储有系统操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(Input/Output,I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;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1007;包括硬盘等的存储部分1008;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1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,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1010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1008。
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计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(CPU)1001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计算机程序。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计算机程序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 (10)
1.一种车辆预警方法,其特征在于,包括:
获取目标车辆的行驶状态数据,以及位于所述目标车辆周围的其他车辆的行驶状态数据;
根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值;
获取所述目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数;
根据所述第一驾驶风险值和所述相关系数,计算所述目标车辆与所述其他车辆之间的第二驾驶风险值,以根据所述第二驾驶风险值对所述目标车辆进行预警。
2.根据权利要求1所述的方法,其特征在于,根据所述第一驾驶风险值和所述相关系数,计算所述目标车辆与所述其他车辆之间的第二驾驶风险值,包括:
确定所述其他车辆中的待计算车辆;
基于所述其他车辆中除所述待计算车辆之外的车辆与所述目标车辆之间的相对位置,从所述相关系数中确定与所述相对位置对应的目标相关系数;
根据所述待计算车辆对应的第一驾驶风险值、所述目标相关系数以及所述目标相关系数对应的第一驾驶风险值,计算所述目标车辆与所述待计算车辆之间的第二驾驶风险值。
3.根据权利要求1所述的方法,其特征在于,获取所述目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数,包括:
获取所述目标车辆所在的车道信息;
根据所述车道信息,生成对历史车辆的驾驶行为数据请求,并将所述驾驶行为数据请求发送至服务器;
接收由所述服务器发送的驾驶行为数据,并根据所述驾驶行为数据计算所述驾驶行为概率;
根据所述驾驶行为概率,计算所述驾驶行为概率之间的相关系数。
4.根据权利要求3所述的方法,其特征在于,根据所述驾驶行为数据计算所述驾驶行为概率,包括:
根据所述驾驶行为数据,获取驾驶行为对应的时间信息;
根据所述时间信息对所述驾驶行为进行划分,得到各个历史单位时间内对应的驾驶行为;
根据所述各个历史单位时间内对应的驾驶行为的类别,计算在所述各个历史单位时间中不同类别的驾驶行为的驾驶行为概率。
5.根据权利要求4所述的方法,其特征在于,根据所述驾驶行为概率,计算所述驾驶行为概率之间的相关系数,包括:
获取所述各个历史单位时间内相同类别的驾驶行为的驾驶行为概率,以得到与各个类别的驾驶行为对应的驾驶行为概率集合;
根据驾驶行为概率集合中包含的驾驶行为概率,计算任意两个所述驾驶行为的驾驶行为概率之间的相关系数。
6.根据权利要求1所述的方法,其特征在于,获取所述目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数,包括:
确定所述目标车辆所在的车道信息;
根据所述车道信息,生成对历史车辆的驾驶行为概率请求,并将所述驾驶行为概率请求发送至服务器;
接收由所述服务器发送的历史车辆的驾驶行为概率,并根据所述驾驶行为概率计算任意两个所述驾驶行为概率之间的相关系数。
7.根据权利要求1所述的方法,其特征在于,根据所述第二驾驶风险值对所述目标车辆进行预警,包括:
若所述第二驾驶风险值大于或等于预定阈值,则对所述目标车辆进行预警。
8.根据权利要求7所述的方法,其特征在于,若所述第二驾驶风险值大于或等于预定阈值,则对所述目标车辆进行预警,包括:
基于所述第二驾驶风险值所处的阈值区间,进行相应的预警处理,所述预警处理的重要等级与所述阈值区间所表示的第二驾驶风险值成正相关关系。
9.根据权利要求1-8中任一项所述的方法,其特征在于,所述行驶状态数据包括车辆数据和路况数据;
根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值,包括:
根据所述目标车辆的车辆数据和路况数据以及所述其他车辆的车辆数据和路况数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值。
10.一种车辆预警装置,其特征在于,包括:
第一获取模块,用于获取目标车辆的行驶状态数据,以及位于所述目标车辆周围的其他车辆的行驶状态数据;
计算模块,用于根据所述目标车辆的行驶状态数据以及所述其他车辆的行驶状态数据,计算所述目标车辆与所述其他车辆之间的第一驾驶风险值;
第二获取模块,用于获取所述目标车辆所在车道的历史车辆对应于不同类别的驾驶行为的驾驶行为概率,并计算任意两个所述驾驶行为概率之间的相关系数;
处理模块,用于根据所述第一驾驶风险值和所述相关系数,计算所述目标车辆与所述其他车辆之间的第二驾驶风险值,以根据所述第二驾驶风险值对所述目标车辆进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010505427.2A CN111739290A (zh) | 2020-06-05 | 2020-06-05 | 车辆预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010505427.2A CN111739290A (zh) | 2020-06-05 | 2020-06-05 | 车辆预警方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111739290A true CN111739290A (zh) | 2020-10-02 |
Family
ID=72648398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010505427.2A Pending CN111739290A (zh) | 2020-06-05 | 2020-06-05 | 车辆预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111739290A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096379A (zh) * | 2021-03-03 | 2021-07-09 | 东南大学 | 基于交通冲突的驾驶风格识别方法 |
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 |
CN115146539A (zh) * | 2022-07-12 | 2022-10-04 | 小米汽车科技有限公司 | 车辆的安全评价参数确定方法、装置和车辆 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611497A (zh) * | 2015-10-27 | 2017-05-03 | 现代自动车株式会社 | 交通量预测系统及预测方法、车辆用显示装置以及车辆 |
US20170234689A1 (en) * | 2016-02-15 | 2017-08-17 | Allstate Insurance Company | Real Time Risk Assessment and Operational Changes with Semi-Autonomous Vehicles |
CN109087506A (zh) * | 2018-07-26 | 2018-12-25 | 东软集团股份有限公司 | 一种车辆监控方法及装置 |
US10460534B1 (en) * | 2015-10-26 | 2019-10-29 | Allstate Insurance Company | Vehicle-to-vehicle accident detection |
CN110766943A (zh) * | 2019-10-25 | 2020-02-07 | 山东交通学院 | 一种基于事故数据的不良驾驶行为判定的监测方法和系统 |
CN110782706A (zh) * | 2019-11-06 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 智能车辆驾驶风险的预警方法和装置 |
-
2020
- 2020-06-05 CN CN202010505427.2A patent/CN111739290A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10460534B1 (en) * | 2015-10-26 | 2019-10-29 | Allstate Insurance Company | Vehicle-to-vehicle accident detection |
CN106611497A (zh) * | 2015-10-27 | 2017-05-03 | 现代自动车株式会社 | 交通量预测系统及预测方法、车辆用显示装置以及车辆 |
US20170234689A1 (en) * | 2016-02-15 | 2017-08-17 | Allstate Insurance Company | Real Time Risk Assessment and Operational Changes with Semi-Autonomous Vehicles |
CN109087506A (zh) * | 2018-07-26 | 2018-12-25 | 东软集团股份有限公司 | 一种车辆监控方法及装置 |
CN110766943A (zh) * | 2019-10-25 | 2020-02-07 | 山东交通学院 | 一种基于事故数据的不良驾驶行为判定的监测方法和系统 |
CN110782706A (zh) * | 2019-11-06 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 智能车辆驾驶风险的预警方法和装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113096379A (zh) * | 2021-03-03 | 2021-07-09 | 东南大学 | 基于交通冲突的驾驶风格识别方法 |
CN115146539A (zh) * | 2022-07-12 | 2022-10-04 | 小米汽车科技有限公司 | 车辆的安全评价参数确定方法、装置和车辆 |
CN115146539B (zh) * | 2022-07-12 | 2023-09-22 | 小米汽车科技有限公司 | 车辆的安全评价参数确定方法、装置和车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111739290A (zh) | 车辆预警方法及装置 | |
US20210206382A1 (en) | Information processing apparatus, information processing system, information processing method, and program | |
CN111613055A (zh) | 车辆驾驶风险的预警方法及装置 | |
JP7413503B2 (ja) | 車両の安全性能を評価すること | |
CN110599353A (zh) | 一种车辆出险和赔付率预测方法、装置、设备及介质 | |
CN111798661A (zh) | 车辆行驶中的超车预警方法及装置 | |
CN112435469A (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
CN111397625A (zh) | 车辆导航方法及相关装置 | |
CN111583713A (zh) | 车辆驾驶预警方法和装置 | |
CN111739291B (zh) | 道路路况计算中的干扰识别方法及装置 | |
CN111572538B (zh) | 车辆碰撞预警阈值确定方法、装置 | |
CN110501013B (zh) | 位置补偿方法、装置及电子设备 | |
CN111583633B (zh) | 车辆碰撞的预警方法及装置 | |
CN111816004B (zh) | 车辆防撞的控制方法及装置 | |
CN113799715A (zh) | 车辆异常原因的确定方法、装置、通信设备及存储介质 | |
CN111260912B (zh) | 车辆编队的处理方法及装置 | |
CN111739289B (zh) | 车辆预警信息的处理方法及装置 | |
CN111131384B (zh) | 位置排序方法及装置 | |
JP2018073233A (ja) | 車両走行管理システム、管理装置、管理方法および管理プログラム | |
CN112150668A (zh) | 驾驶行为提醒方法及装置 | |
CN111524389A (zh) | 车辆驾驶方法和装置 | |
CN111862599A (zh) | 车辆信息处理方法、装置 | |
CN112991749B (zh) | 车辆违章识别方法与装置、介质及电子设备 | |
CN111739288A (zh) | 基于人工智能的车辆驾驶风险分析方法及相关装置 | |
CN115273449B (zh) | 车队集合节点确认方法、装置、设备及介质 |
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 |