CN111739343B - 车辆事故风险的预警方法、装置、介质及电子设备 - Google Patents

车辆事故风险的预警方法、装置、介质及电子设备 Download PDF

Info

Publication number
CN111739343B
CN111739343B CN202010490575.1A CN202010490575A CN111739343B CN 111739343 B CN111739343 B CN 111739343B CN 202010490575 A CN202010490575 A CN 202010490575A CN 111739343 B CN111739343 B CN 111739343B
Authority
CN
China
Prior art keywords
vehicle
vehicle type
accident
vehicles
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.)
Active
Application number
CN202010490575.1A
Other languages
English (en)
Other versions
CN111739343A (zh
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 CN202010490575.1A priority Critical patent/CN111739343B/zh
Publication of CN111739343A publication Critical patent/CN111739343A/zh
Application granted granted Critical
Publication of CN111739343B publication Critical patent/CN111739343B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请的实施例提供了一种车辆事故风险的预警方法、装置、介质及电子设备。该车辆事故风险的预警方法包括：获取目标路段上的车辆对应的多种车辆类型；根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值；根据所述多个第一事故风险值，获取满足预设条件的车辆类型；基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值；根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。本申请实施例的技术方案能够提高对车辆事故风险进行预警的准确性。

Description

车辆事故风险的预警方法、装置、介质及电子设备
技术领域
本申请涉及车联网技术领域，具体而言，涉及一种车辆事故风险的预警方法、装置、介质及电子设备。
背景技术
智慧出行领域中的驾驶安全场类似于电学领域中的电场或者电磁学领域中的磁场：将每一辆车类比成电场中的电子或者电磁场中的电磁体，将车辆之间的潜在碰撞能量类比成电子之间的电势能或者电磁场中的电磁能。
基于驾驶安全场的风险预警方法可定量分析出任何两辆车之间的潜在碰撞能量从而给出事故风险较大的车辆，但是在具体的驾驶场景中(例如前向碰撞、超车、大货车遮挡、匝道汇入汇出、交叉路口拥堵或者这些场景的混合场景)应该对哪些潜在碰撞能量较大的车辆进行风险提示是安全辅助驾驶面临的关键问题之一。
发明内容
本申请的实施例提供了一种车辆事故风险的预警方法、装置、介质及电子设备，进而至少在一定程度上能够提高对车辆事故风险进行预警的准确性。
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，提供了一种车辆事故风险的预警方法，包括：获取目标路段上的车辆对应的多种车辆类型；根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值；根据所述多个第一事故风险值，获取满足预设条件的车辆类型；基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值；根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
根据本申请实施例的一个方面，提供了一种车辆事故风险的预警装置，包括：第一获取单元，配置为获取目标路段上的车辆对应的多种车辆类型；第一确定单元，配置为根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值；第二获取单元，配置为根据所述多个第一事故风险值，获取满足预设条件的车辆类型；第二确定单元，配置为基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值；第三确定单元，配置为根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
在本申请的一些实施例中，基于前述方案，所述第一确定单元包括：获取子单元，配置为根据每种车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型对应的第一碰撞风险值，并根据不同车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值；第一计算子单元，配置为计算所述第一碰撞风险值与所述每种车辆类型对应的第一事故率的第一乘积，并计算所述至少一个第二碰撞风险值与所述其他不同车辆类型对应的第一事故率的至少一个第二乘积；第二计算子单元，配置为根据所述第一乘积与所述至少一个第二乘积之和，得到所述每种车辆类型对应的第一事故风险值。
在本申请的一些实施例中，基于前述方案，所述获取子单元配置为：计算所述每种车辆类型的两两车辆之间的碰撞风险值；对所述两两车辆之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述每种车辆类型的第一碰撞风险。
在本申请的一些实施例中，基于前述方案，所述获取子单元配置为：计算所述多种车辆类型中一种车辆类型的车辆与另一种车辆类型的车辆两两之间的碰撞风险值；对所述一种车辆类型的车辆与所述另一种车辆类型的车辆两两之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值；根据所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值。
在本申请的一些实施例中，基于前述方案，所述第二获取单元配置为：获取所述多个第一事故风险值之和与所述多种车辆类型的类型数之间的第一比值，将第一事故风险值大于所述第一比值的车辆类型作为满足预设条件的车辆类型。
在本申请的一些实施例中，基于前述方案，所述第二确定单元配置为：获取所述满足预设条件的车辆类型的车辆数，以及所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数；计算所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数与所述满足预设条件的车辆类型的车辆数的比值，得到所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数占比；计算所述多个车辆数占比与所述多个第二事故率的乘积之和，得到所述满足预设条件的车辆类型对应的第二事故风险值。
在本申请的一些实施例中，基于前述方案，所述第三确定单元配置为：根据所述第二事故风险值与所述满足预设条件的车辆类型的类型数确定预设阈值，将第二事故风险值大于所述预设阈值的车辆类型作为目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
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图像处理方法。
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图像处理方法。
在本申请的一些实施例所提供的技术方案中，通过获取目标路段上的车辆对应的多种车辆类型；根据目标路段上的车辆之间的碰撞风险以及多种车辆类型对应的多个第一事故率，确定多种车辆类型对应的多个第一事故风险值；根据多个第一事故风险值，获取满足预设条件的车辆类型；基于多种驾驶场景对应的多个第二事故率，确定满足预设条件的车辆类型对应的第二事故风险值；根据第二事故风险值确定目标车辆类型，以对目标车辆类型的车辆生成事故风险预警通知考虑车辆类型对应的第一事故率以及驾驶场景对应的第二事故率，以上方案可以看出，为了对目标路段上的车辆进行事故风险预警，通过充分利用车辆类型对应的第一事故率以及基于驾驶场景对应的第二事故率，能够更加准确地确定出事故风险高的目标车辆类型，从而实现对目标车辆类型的车辆进行事故风险预警通知，由此提高了对车辆存在事故风险进行预警的准确性，进而提高了车联网中的车辆进行驾驶的安全性。
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一个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事故风险的预警方法的流程图；
图3示出了根据本申请的一个实施例的车辆事故风险的预警方法的流程图；
图4示出了根据本申请的一个实施例的车辆事故风险的预警方法的流程图；
图5示出了根据本申请的一个实施例的车辆事故风险的预警方法的流程图；
图6示出了根据本申请的一个实施例的车辆事故风险的预警方法的流程图；
图7示出了根据本申请的一个实施例的车辆事故风险的预警装置的框图；
图8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。
需要说明的是，本申请的说明书和权利要求书及上述附图中使用的术语仅用于描述实施例，并不旨在限制本申请的范围。应该理解的是，术语“包括”、“包含”、“具有”等在本文中使用时指定存在所陈述的特点、整体、步骤、操作、元件、组件和/或其群组，但并不排除存在或添加其他特点、整体、步骤、操作、元件、组件和/或其群组中的一个或多个。
将进一步理解的是，尽管术语“第一”、“第二”、“第三”等可以在本文中用于描述各种元件，但是这些元件不应受这些术语的限制。这些术语仅用于区分一个元件和另一个元件。例如，在不脱离本发明的范围的情况下，第一元件可以被称为第二元件。类似地，第二元件可以被称为第一元件。如本文所使用的，术语“和/或”包含关联的列出的项目中的一个或多个的任何和所有组合。
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100可以包括多个车辆101、服务器102，多个车辆101与服务器102可以通过网络连接，多个车辆101可以是车联网中不同车辆类型的智能车辆，服务器102可以是与车联网中的智能车辆进行数据交互的车联网云服务器。
应该理解，图1中的车辆101、服务器102的数目仅仅是示意性大的。根据实现需要，可以具有任意数目的车辆101、服务器102，比如服务器102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，系统架构100还可以包括路侧设备，路侧设备是可以检测多个车辆101的车辆类型、车辆速度以及驾驶场景等信息的固定设备，路侧设备可以是多种安装在道路基础设施上的定位设备，例如，路侧设备具体可以包括道路中的摄像头以及其他安装在路灯或路标等基础设施上的设备。
在本申请的一个实施例中，服务器102可以通过路侧设备或者其他方式获取目标路段上的车辆的对应的多种车辆类型，并可以从交通管理部门获取多种车辆类型对应的多个第一交通事故率的数据；服务器102可以根据目标路段上的车辆101之间的碰撞风险以及多种车辆类型对应的多个第一交通事故率，确定多种车辆类型对应的多个第一事故风险值；并根据多个第一事故风险值，获取满足预设条件的车辆类型；然后，可以基于多种驾驶场景对应的多个事故率，确定满足预设条件的车辆类型对应的第二事故风险值；根据第二事故风险值确定目标车辆类型，从而向属于目标车辆类型的车辆101发送事故风险预警通知。
需要说明的是，本申请实施例所提供的车辆事故风险的预警方法可以由服务器102执行，相应地，车辆事故风险的预警装置可以设置于服务器102中。但是，在本申请的其它实施例中，车辆101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车辆事故风险的预警方案。
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事故风险的预警方法的流程图，该车辆事故风险的预警方法可以由服务器来执行，该服务器可以是图1中所示的服务器102，当然该车辆事故风险的预警方法也可以由车辆101中的车载终端设备来执行。参照图2所示，所述方法包括：
步骤S210、获取目标路段上的车辆对应的多种车辆类型；
步骤S220、根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值；
步骤S230、根据所述多个第一事故风险值，获取满足预设条件的车辆类型；
步骤S240、基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值；
步骤S250、根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
下面对这些步骤进行详细描述。
在步骤S210中，获取目标路段上的车辆对应的多种车辆类型。
具体的，车辆类型是指车辆的一种型式，可以是按照车辆的大小特征对车辆进行划分得到的类型，也可以是按照车辆的使用目的对车辆进行划分得到的类型，也可以是按照车辆的功能对车辆进行划分得到的类型，也可以按照其他形式对车辆进行划分得到的类型，在此，本申请实施例不做特殊限定。
执行主体可以采用路侧设备或其他方式识别目标路段上的车辆对应的多种车辆类型，例如，获取的可以是按照车辆的大小特征进行划分的车辆类型，包括微型车辆、小型车辆、中型车辆、大型车辆等，也可以是按照其他特征进行划分得到的多种车辆类型。
步骤S220中，根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值。
其中，车辆之间的碰撞风险是指车辆之间发生碰撞的潜在风险，用以说明车辆之间并没有发生碰撞但是如果发生碰撞瞬间会爆发的能量，在一个实施例中，执行主体可以采用碰撞风险计算模型计算得到车辆之间的碰撞风险，其中，碰撞风险计算模型的计算公式如下：
在公式一中，SPER_aj为车辆a与车辆j之间的潜在碰撞风险，G为常数，Ra为车辆a所在路面因素，Rj为车辆j所在路面因素，路面因素包括路面的粘度、湿度、坡度和温度，质量Ma为车辆a的质量，Mj为车辆j的质量，为车辆a和车辆j之间的相对距离，LTa是路标类型，取值为1,2,3...(路标给驾驶员带来的压力越大，LTa的值越大)，D是路宽，k1＝3，k2＝1。
在公式二中，SPEV_bj为车辆b与车辆j之间的潜在碰撞风险，G为常数，Rb为车辆b所在路面因素，Rj为车辆j所在路面因素，路面因素包括路面的粘度、湿度、坡度和温度，质量Mb为车辆b的质量，Mj为车辆j的质量，为车辆b和车辆j之间的相对距离，/>为车辆b的速度，θb是车辆b的行驶方向角，k3为光速。
公式一与公式二都用于计算车辆之间的潜在碰撞风险，区别在于公式一用于计算静止的车辆之间的潜在碰撞风险，公式二是运动的车辆之间的潜在碰撞风险，且运动的车辆之间具有发生碰撞的可能。而公式一的第一项表示的是静止的车辆之间可能会发生碰撞的潜在碰撞风险，公式一的第二项表示的是静止的车辆之间不会发生碰撞但会影响与其他物体发生碰撞。
在通过碰撞风险计算模型计算出任意两两车辆之间的碰撞风险后，现有技术一般就会直接认定碰撞风险大的车辆是高事故风险车辆，然而，现有技术忽视了车辆的事故率的影响。事故率是指车辆发生交通事故的概率，在本申请实施例中，可以根据车辆之间的碰撞风险以及车辆类型对应的第一事故率确定事故风险值。
车辆类型对应的第一事故率可以直接从交通管理部门获取得到。事故风险值用于表示车辆在目标路段上发生交通事故的风险高低，如果A车辆类型对应的第一事故风险值大，则说明A车辆类型的车辆发生交通事故的风险高，如果B车辆类型对应的第一事故风险值小，则说明B车辆类型的车辆发生交通事故的风险低。
在一个实施例中，可以计算将每种车辆类型中车辆之间的碰撞风险之和与每种车辆类型对应的第一事故率的乘积，将计算得到的乘积作为每种车辆类型对应的第一事故风险值。
在步骤S230中，根据所述多个第一事故风险值，获取满足预设条件的车辆类型。
在通过步骤S220确定了多种车辆类型对应的多个第一事故风险值后，进一步，根据多个第一事故风险值从多种车辆类型中获取满足预设条件的车辆类型。
在一个实施例中，根据多个第一事故风险值，获取满足预设条件的车辆类型的步骤可以具体包括：
获取所述多个第一事故风险值之和与所述多种车辆类型的类型数之间的第一比值，将第一事故风险值大于所述第一比值的车辆类型作为满足预设条件的车辆类型。
在该实施例中，可以计算多个第一事故风险值与多种车辆类型的类型数之间的第一比值，将第一事故风险值大于第一比值的车辆类型作为满足预设条件的车辆类型。
在其他实施例中，获取满足预设条件的车辆类型还可以是获取由大到小排序的第一事故风险值中排序前预设数量个第一事故风险值对应的车辆类型。
步骤S240中，基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值。
如前所述，现有技术中在通过碰撞风险计算模型计算出任意两两车辆之间的碰撞风险后，一般就会直接认定碰撞风险大的车辆是高风险车辆，不仅忽视了车辆的事故率对车辆驾驶过程中潜在风险的影响，还忽视了驾驶场景对应的事故率对车辆驾驶过程中潜在风险的影响，一方面，在对车辆事故风险进行预警时，不适合对所有车辆进行预警，因为车辆在驾驶过程中的驾驶一般都是混合场景，对所有车辆都进行预警，会出现用户在各个驾驶场景下都接收到预警提示，极大地影响用户体验，另一方面，也不能仅仅对碰撞风险最大的两辆车进行预警提示，因为碰撞风险非最大的驾驶场景中的车辆可能也具有较高的事故率。
在本申请实施例中，不仅考虑了多种车辆类型对应的多个第一事故率，还基于多种驾驶场景对应的多个第二事故率，确定满足预设条件的车辆类型对应的第二事故风险值。
具体而言，驾驶场景是车辆在驾驶过程的情景，例如，前向碰撞场景、超车场景、大货车遮挡场景，匝道汇入汇出场景、交叉路口拥堵场景或者这些驾驶场景的混合场景。驾驶场景对应的第二事故率可以直接从交通管理部门获取得到。
在一个实施例中，可以根据满足预设条件的车辆类型对应的第一事故风险值和多种驾驶场景对应的多个第二事故率，计算出满足预设条件的车辆类型对应的第二事故风险值。
步骤S250中，根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
在确定出满足预设条件的车辆类型的第二事故风险值后，可以根据第二事故风险值确定出目标车辆类型，目标车辆类型是高风险车辆的车辆类型，因此，在确定目标车辆类型后，需要对目标车辆类型的车辆生成事故风险预警通知。
在一个实施例中，根据第二事故风险值确定目标车辆类型的方式可以具体包括：
根据所述第二事故风险值与所述满足预设条件的车辆类型的类型数确定预设阈值，将第二事故风险值大于所述预设阈值的车辆类型作为目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
在该实施例中，可以根据第二事故风险值与满足预设条件的车辆类型的类型数确定预设阈值，将第二事故风险值大于预设阈值的车辆类型作为目标车辆类型。
例如，满足预设条件的车辆类型的类型数为k，第二事故风险值为其中k为大于等于1的正整数，则预设阈值可以为/>的值。
在其他实施例中，根据第二事故风险值确定目标车辆类型的方式还可以从满足预设条件的车辆类型的第二事故风险值中确定出最大第二事故风险值对应的车辆类型，将最大第二事故风险值对应的车辆类型作为目标车辆类型。
不同于现有技术中直接认定碰撞风险大的车辆是高风险车辆，本申请实施例的技术方案，通过充分利用车辆类型对应的第一事故率，确定满足预设条件的车辆类型，并进一步基于驾驶场景对应的第二事故率，从满足预设条件的车辆类型中进一步确定出目标车辆类型，从而实现对目标车辆类型的车辆进行事故风险预警通知，本申请实施例的技术方案结合车辆类型对应的第一事故率以及驾驶场景对应的第二事故率能够更加准确地确定出事故风险高的目标车辆类型，而并非简单的根据车辆之间的碰撞风险的大小认定高风险车辆，提高了事故风险高的车辆进行预警的准确性，进而提高了车联网中的车辆进行驾驶的安全性。
在本申请的一个实施例中，如图3所示，步骤S220可以具体包括步骤S2201-步骤S2203，现详细说明如下：
步骤S2201、根据每种车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型对应的第一碰撞风险值，并根据不同车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值。
举例说明，假设车辆类型有m种，分别记为S1,S2,.....,Sm，则可以根据每种车辆类型的车辆之间的碰撞风险，获取到每种车辆类型对应的第一碰撞风险值，分别记为E11,E22,.....,Emm。
进一步，还可以根据不同车辆类型的车辆之间的碰撞风险，获取每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值。
比如，对于车辆类型S1，可以计算车辆类型S1与其他不同车辆类型S2,S3,.....,Sm两两之间的第二碰撞风险值E12,E13,.....,E1m；对于车辆类型S2，可以计算车辆类型S2与其他不同车辆类型S1,S3,.....,Sm两两之间的第二碰撞风险值E21,E23,.....,E2m。
步骤S2202、计算所述第一碰撞风险值与所述每种车辆类型对应的第一事故率的第一乘积，并计算所述至少一个第二碰撞风险值与所述其他不同车辆类型对应的第一事故率的至少一个第二乘积。
在计算每种车辆类型的第一碰撞风险值后，进一步计算每种车辆类型的第一碰撞风险值与每种车辆类型对应的第一事故率的第一乘积，以及至少一个第二碰撞风险值与其他不同车辆类型对应的第一事故率的至少一个第二乘积。
继续上面的举例说明，假设每种车辆类型对应的第一事故率分别记为p1,p2.....pm，则可以计算每种车辆类型的第一碰撞风险值E11,E22,.....,Emm与每种车辆类型对应的第一事故率p1,p2.....pm的第一乘积分别为E11p1,E22p2,.....,Emmpm。
可以计算每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值与其他不同车辆类型的第一事故率的第二乘积。
比如，对于车辆类型S1，可以计算车辆类型S1与其他不同车辆类型S2,S3,.....,Sm两两之间的第二碰撞风险值E12,E13,.....,E1m与其他不同车辆类型S2,S3,.....,Sm的第一事故率p2,p3.....pm的第二乘积E12p2,E13p3,.....,E1mpm；对于车辆类型S2，可以计算车辆类型S2与其他不同车辆类型S1,S3,.....,Sm两两之间的第二碰撞风险值E21,E23,.....,E2m与其他不同车辆类型S1,S3,.....,Sm的第一事故率p1,p3.....pm的乘积E21p1,E23p3,.....,E2mpm。
步骤S2203、根据所述第一乘积与所述至少一个第二乘积之和，得到所述每种车辆类型对应的第一事故风险值。
在通过步骤S2202的计算得到第一乘积和第二乘积之后，可以将第一乘积与第二乘积之和，作为每种车辆类型对应的第一事故风险值。
继续上面的举例进行说明，对于车辆类型S1，计算得到的第一乘积为E11p1，第二乘积为E12p2,E13p3,.....,E1mpm，则车辆类型S1对应的第一事故风险值E1＝E11p1+E12p2+E13p3+.....+E1mpm；对于车辆类型S2，第一乘积为E22p2，第二乘积为E21p1,E23p3,.....,E2mpm，则车辆类型S2对应的第一事故风险值E2＝E22p2+E21p1+E23p3+.....+E2mpm。
在本申请的一个实施例中，根据每种车辆类型的车辆之间的碰撞风险，获取每种车辆类型对应的第一碰撞风险值的方式可以是对每种车辆类型的车辆之间的碰撞风险之和求平均，将计算得到的平均值作为每种车辆类型对应的第一碰撞风险值，如图4所示，在该实施例中，具体包括：
步骤S410、计算所述每种车辆类型的两两车辆之间的碰撞风险值；
步骤S420、对所述两两车辆之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述每种车辆类型的第一碰撞风险。
下面对这些步骤进行详细阐述：
在步骤S410、计算所述每种车辆类型的两两车辆之间的碰撞风险值。
在该步骤中，计算每种车辆类型中两两车辆之间的碰撞风险值，具体计算方法可以是基于碰撞风险计算模型进行计算，其中，碰撞风险计算模型在前文已经论述，故在此不再赘述。
假设车辆类型S1有4辆车，分别为车辆1、车辆2、车辆3和车辆4，则可以计算车辆类型S1中两两车辆之间的碰撞风险值，得到6个碰撞风险值，分别为车辆1和车辆2之间的碰撞风险值、车辆1和车辆3之间的碰撞风险值、车辆1和车辆4之间的碰撞风险值、车辆2和车辆3之间的碰撞风险值、车辆2和车辆4之间的碰撞风险值以及车辆3和车辆4之间的碰撞风险值。
步骤S420中，对所述两两车辆之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述每种车辆类型的第一碰撞风险。
在计算每种车辆类型中两两车辆之间的碰撞风险值之后，可以对两两车辆之间的碰撞风险值之和求平均，得到平均碰撞风险值，将平均碰撞风险值作为每种车辆类型的第一碰撞风险。
应该理解的是，根据每种车辆类型的车辆之间的碰撞风险，获取每种车辆类型对应的第一碰撞风险值的方式不仅仅限于上述实施例中的方式，还可以是将每种车辆类型的车辆之间的碰撞风险的加权和作为每种车辆类型对应的第一碰撞风险值，或者，将每种车辆类型的车辆之间的碰撞风险中最大的碰撞风险值作为每种车辆类型对应的第一碰撞风险值。
在本申请的一个实施例中，根据不同车辆类型的车辆之间的碰撞风险，获取每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值的方式可以是对一种车辆类型的车辆与所述另一种车辆类型的车辆两两之间的碰撞风险值之和求平均，将计算得到的平均值作为每种车辆类型对应的第二碰撞风险值，如图5所示，在该实施例中，具体包括：
步骤S510、计算所述多种车辆类型中一种车辆类型的车辆与另一种车辆类型的车辆两两之间的碰撞风险值；
步骤S520、对所述一种车辆类型的车辆与所述另一种车辆类型的车辆两两之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值；
步骤S530、根据所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值。
下面对步骤S510-步骤S530进行详细说明：
步骤S510、计算所述多种车辆类型中一种车辆类型的车辆与另一种车辆类型的车辆两两之间的碰撞风险值。
为了获取每种车辆类型与其他不同类型车辆两两之间的第二碰撞风险值，首先，可以计算多种车辆类型中一种车辆类型的车辆与另一种车辆类型的车辆两两之间的碰撞风险值，该一种车辆类型与另一种车辆类型是两两不同车辆类型，例如，车辆类型S1与车辆类型S2属于不同车辆类型。
对于多种车辆类型中的所有两两不同车辆类型，都进行计算一种车辆类型的车辆与另一种车辆类型的车辆两两之间的碰撞风险值。
举例说明，对于车辆类型S1和车辆类型S2，假设车辆类型S1有车辆1和车辆2，车辆类型S2有车辆5和车辆6，则可以计算车辆类型S1的车辆与车辆类型S2的车辆两两之间的碰撞风险值，也即是计算车辆1与车辆5之间的碰撞风险值，车辆1与车辆6之间的碰撞风险值，车辆2与车辆5之间的碰撞风险值，车辆2与车辆6之间的碰撞风险值，可以计算得到4个碰撞风险值。
再比如说，对于车辆类型S1和车辆类型S3，假设车辆类型S3有车辆7、车辆8和车辆9，则可以计算车辆类型S1的车辆与车辆类型S3的车辆两两之间的碰撞风险值，也即是计算车辆1与车辆7之间的碰撞风险值，车辆1与车辆8之间的碰撞风险值，车辆1与车辆9之间的碰撞风险值，车辆2与车辆7之间的碰撞风险值，车辆2与车辆8之间的碰撞风险值，车辆2与车辆9之间的碰撞风险值，可以计算得到6个碰撞风险值。
步骤S520、对所述一种车辆类型的车辆与所述另一种车辆类型的车辆两两之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值。
在计算得到一种车辆类型的车辆与另一种车辆类型的车辆两两之间的碰撞风险值之后，可以对碰撞风险值之和求平均，得到平均碰撞风险值，将平均碰撞风险值作为两种车辆类型之间的第二碰撞风险值。
继续步骤S510中的举例进行说明，对于车辆类型S1和车辆类型S2，可以将计算得到的4个碰撞风险值的和值求平均，得到平均碰撞风险值，将该平均碰撞风险值作为车辆类型S1和车辆类型S2两两之间的第二碰撞风险值。对于车辆类型S1和车辆类型S3，可以将计算得到的6个碰撞风险值的和值求平均，得到平均碰撞风险值，将该平均碰撞风险值作为车辆类型S1和车辆类型S3两两之间的第二碰撞风险值。
步骤S530、根据所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值。
在计算得到一种车辆类型与另一种车辆类型两两之间的第二碰撞风险值后，则可以获取到每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值。
在本申请的一个实施例中，步骤S240具体包括步骤S2401-步骤S2403，现详细说明如下：
步骤S2401、获取所述满足预设条件的车辆类型的车辆数，以及所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数。
如前所述，满足预设条件的车辆类型是根据多种车辆类型对应的多个第一事故风险值确定出的，属于事故风险较高的车辆类型，为了基于驾驶场景对满足预设条件的车辆类型进行进一步风险评估，首先，可以获取满足预设条件的车辆类型的车辆数，以及满足预设条件的车辆类型在多种驾驶场景中的多个车辆数。
为了描述方便，将满足预设条件的车辆类型记为其中，k大于等于1的正整数，获取的满足预设条件的车辆类型的车辆数记为/> 用/>表示车辆类型/>在驾驶场景j中的车辆数，例如，车辆类型/>在多种驾驶场景1,2,....,n中的车辆数为/>
步骤S2402、计算所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数与所述满足预设条件的车辆类型的车辆数的比值，得到所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数占比。
在此，可以计算满足预设条件的车辆类型在多种驾驶场景中的多个车辆数与满足预设条件的车辆类型的车辆数的比值，得到满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数占比。
满足预设条件的车辆类型在多种驾驶场景1,2,....,n中的多个车辆数占比分别为/>
步骤S2403、计算所述多个车辆数占比与所述多个第二事故率的乘积之和，得到所述满足预设条件的车辆类型对应的第二事故风险值。
根据满足预设条件的车辆类型在多种驾驶场景1,2,....,n中的多个车辆数占比/>以及多种驾驶场景对应的多个第二事故率q1、q2......qn，得到满足预设条件的车辆类型/>对应的第二事故风险值
本申请实施例的技术方案通过充分利用车辆类型对应的第一事故率，确定满足预设条件的车辆类型，并进一步基于驾驶场景对应的第二事故率，从满足预设条件的车辆类型中进一步确定出目标车辆类型，从而实现对目标车辆类型的车辆进行事故风险预警通知，本申请实施例的技术方案能够确定出事故风险高的目标车辆类型，而并非简单的根据车辆之间的碰撞风险的大小认定高风险车辆，提高了事故风险高的车辆进行预警的准确性，降低了虚警率和漏报率，进而提高了车联网中的车辆进行驾驶的安全性。
为了验证本申请实施例所带来的效果，进一步通过重复实验的方式统计了采用现有技术与采用本申请实施例的技术方案的虚警率之比，以及采用现有技术与采用本申请实施例的技术方案的误警率之比，如表1所示，一共重复10次实验，实验结果显示本申请实施例的技术方案的虚警率与误警率之比分别小于现有技术的虚警率与误警率之比。
实验级序 现有技术与本申请的虚警率之比 现有技术与本申请的误警率之比
第一次实验 3.64 3.96
第二次实验 3.63 3.94
第三次实验 3.66 3.97
第四次实验 3.67 3.98
第五次实验 3.61 3.92
第六次实验 3.65 3.96
第七次实验 3.69 3.98
第八次实验 3.62 3.93
第九次实验 3.62 3.93
第十次实验 3.64 3.95
表1
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事故风险的预警方法。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事故风险的预警方法的实施例。
图7示出了根据本申请的一个实施例的车辆事故风险的预警装置的框图，参照图7所示，根据本申请的一个实施例的车辆事故风险的预警装置700，包括：第一获取单元702、第一确定单元704、第二获取单元706、第二确定单元708和第三确定单元710。
其中，第一获取单元702，配置为获取目标路段上的车辆对应的多种车辆类型；第一确定单元704，配置为根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值；第二获取单元706，配置为根据所述多个第一事故风险值，获取满足预设条件的车辆类型；第二确定单元708，配置为基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值；第三确定单元710，配置为根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
在本申请的一些实施例中，所述第一确定单元704包括：获取子单元，配置为根据每种车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型对应的第一碰撞风险值，并根据不同车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值；第一计算子单元，配置为计算所述第一碰撞风险值与所述每种车辆类型对应的第一事故率的第一乘积，并计算所述至少一个第二碰撞风险值与所述其他不同车辆类型对应的第一事故率的至少一个第二乘积；第二计算子单元，配置为根据所述第一乘积与所述至少一个第二乘积之和，得到所述每种车辆类型对应的第一事故风险值。
在本申请的一些实施例中，所述获取子单元配置为：计算所述每种车辆类型的两两车辆之间的碰撞风险值；对所述两两车辆之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述每种车辆类型的第一碰撞风险。
在本申请的一些实施例中，所述获取子单元配置为：计算所述多种车辆类型中一种车辆类型的车辆与另一种车辆类型的车辆两两之间的碰撞风险值；对所述一种车辆类型的车辆与所述另一种车辆类型的车辆两两之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值；根据所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值。
在本申请的一些实施例中，所述第二获取单元706配置为：获取所述多个第一事故风险值之和与所述多种车辆类型的类型数之间的第一比值，将第一事故风险值大于所述第一比值的车辆类型作为满足预设条件的车辆类型。
在本申请的一些实施例中，所述第二确定单元708配置为：获取所述满足预设条件的车辆类型的车辆数，以及所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数；计算所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数与所述满足预设条件的车辆类型的车辆数的比值，得到所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数占比；计算所述多个车辆数占比与所述多个第二事故率的乘积之和，得到所述满足预设条件的车辆类型对应的第二事故风险值。
在本申请的一些实施例中，所述第三确定单元710配置为：根据所述第二事故风险值与所述满足预设条件的车辆类型的类型数确定预设阈值，将第二事故风险值大于所述预设阈值的车辆类型作为目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
图8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8示出的电子设备的计算机系统800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8所示，计算机系统800包括中央处理单元(Central Processing Unit，CPU)801，其可以根据存储在只读存储器(Read-Only Memory，ROM)802中的程序或者从存储部分808加载到随机访问存储器(Random Access Memory，RAM)803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 803中，还存储有系统操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(Input/Output，I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；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807；包括硬盘等的存储部分808；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，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810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808。
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809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801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 (8)

1.一种车辆事故风险的预警方法，其特征在于，所述方法包括：
获取目标路段上的车辆对应的多种车辆类型；
根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值；
根据所述多个第一事故风险值，获取满足预设条件的车辆类型；
基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值；
根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知；
其中，所述根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值，包括：根据每种车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型对应的第一碰撞风险值，并根据不同车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值；计算所述第一碰撞风险值与所述每种车辆类型对应的第一事故率的第一乘积，并计算所述至少一个第二碰撞风险值与所述其他不同车辆类型对应的第一事故率的至少一个第二乘积；根据所述第一乘积与所述至少一个第二乘积之和，得到所述每种车辆类型对应的第一事故风险值；
所述基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值，包括：获取所述满足预设条件的车辆类型的车辆数，以及所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数；计算所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数与所述满足预设条件的车辆类型的车辆数的比值，得到所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数占比；计算所述多个车辆数占比与所述多个第二事故率的乘积之和，得到所述满足预设条件的车辆类型对应的第二事故风险值。
2.根据权利要求1所述的方法，其特征在于，所述根据每种车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型对应的第一碰撞风险值，包括：
计算所述每种车辆类型的两两车辆之间的碰撞风险值；
对所述两两车辆之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述每种车辆类型的第一碰撞风险。
3.根据权利要求1所述的方法，其特征在于，所述根据不同车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值，包括：
计算所述多种车辆类型中一种车辆类型的车辆与另一种车辆类型的车辆两两之间的碰撞风险值；
对所述一种车辆类型的车辆与所述另一种车辆类型的车辆两两之间的碰撞风险值之和求平均，得到平均碰撞风险值，将所述平均碰撞风险值作为所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值；
根据所述一种车辆类型与所述另一种车辆类型两两之间的第二碰撞风险值，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值。
4.根据权利要求1所述的方法，其特征在于，根据所述多个第一事故风险值，获取满足预设条件的车辆类型，包括：
获取所述多个第一事故风险值之和与所述多种车辆类型的类型数之间的第一比值，将第一事故风险值大于所述第一比值的车辆类型作为满足预设条件的车辆类型。
5.根据权利要求1所述的方法，其特征在于，根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知，包括：
根据所述第二事故风险值与所述满足预设条件的车辆类型的类型数确定预设阈值，将第二事故风险值大于所述预设阈值的车辆类型作为目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知。
6.一种车辆事故风险的预警装置，其特征在于，所述装置包括：
第一获取单元，配置为获取目标路段上的车辆对应的多种车辆类型；
第一确定单元，配置为根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值；
第二获取单元，配置为根据所述多个第一事故风险值，获取满足预设条件的车辆类型；
第二确定单元，配置为基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值；
第三确定单元，配置为根据所述第二事故风险值确定目标车辆类型，以对所述目标车辆类型的车辆生成事故风险预警通知；
其中，所述根据目标路段上的车辆之间的碰撞风险以及所述多种车辆类型对应的多个第一事故率，确定所述多种车辆类型对应的多个第一事故风险值，包括：根据每种车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型对应的第一碰撞风险值，并根据不同车辆类型的车辆之间的碰撞风险，获取所述每种车辆类型与其他不同车辆类型两两之间的至少一个第二碰撞风险值；计算所述第一碰撞风险值与所述每种车辆类型对应的第一事故率的第一乘积，并计算所述至少一个第二碰撞风险值与所述其他不同车辆类型对应的第一事故率的至少一个第二乘积；根据所述第一乘积与所述至少一个第二乘积之和，得到所述每种车辆类型对应的第一事故风险值；
所述基于多种驾驶场景对应的多个第二事故率，确定所述满足预设条件的车辆类型对应的第二事故风险值，包括：获取所述满足预设条件的车辆类型的车辆数，以及所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数；计算所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数与所述满足预设条件的车辆类型的车辆数的比值，得到所述满足预设条件的车辆类型在所述多种驾驶场景中的多个车辆数占比；计算所述多个车辆数占比与所述多个第二事故率的乘积之和，得到所述满足预设条件的车辆类型对应的第二事故风险值。
7.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的车辆事故风险的预警方法。
8.一种电子设备，其特征在于，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权利要求1至5中任一项所述的车辆事故风险的预警方法。
CN202010490575.1A 2020-06-02 2020-06-02 车辆事故风险的预警方法、装置、介质及电子设备 Active CN111739343B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010490575.1A CN111739343B (zh) 2020-06-02 2020-06-02 车辆事故风险的预警方法、装置、介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010490575.1A CN111739343B (zh) 2020-06-02 2020-06-02 车辆事故风险的预警方法、装置、介质及电子设备

Publications (2)

Publication Number Publication Date
CN111739343A CN111739343A (zh) 2020-10-02
CN111739343B true CN111739343B (zh) 2023-12-19

Family

ID=72648208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010490575.1A Active CN111739343B (zh) 2020-06-02 2020-06-02 车辆事故风险的预警方法、装置、介质及电子设备

Country Status (1)

Country Link
CN (1) CN111739343B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112258837B (zh) * 2020-10-19 2024-04-12 腾讯科技（深圳）有限公司 一种车辆预警的方法、相关装置、设备以及存储介质
CN114582132B (zh) * 2022-05-05 2022-08-09 四川九通智路科技有限公司 一种基于机器视觉的车辆碰撞检测预警系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109358612A (zh) * 2018-08-29 2019-02-19 上海商汤智能科技有限公司 智能驾驶控制方法和装置、车辆、电子设备、存储介质
CN110942671A (zh) * 2019-12-04 2020-03-31 北京京东乾石科技有限公司 车辆危险驾驶检测方法、装置以及存储介质
CN111062240A (zh) * 2019-10-16 2020-04-24 中国平安财产保险股份有限公司 汽车驾驶安全的监控方法、装置、计算机设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6787157B2 (ja) * 2017-01-31 2020-11-18 株式会社デンソー 車両制御装置
US10843689B2 (en) * 2018-06-13 2020-11-24 Toyota Jidosha Kabushiki Kaisha Collision avoidance for a connected vehicle based on a digital behavioral twin

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109358612A (zh) * 2018-08-29 2019-02-19 上海商汤智能科技有限公司 智能驾驶控制方法和装置、车辆、电子设备、存储介质
CN111062240A (zh) * 2019-10-16 2020-04-24 中国平安财产保险股份有限公司 汽车驾驶安全的监控方法、装置、计算机设备及存储介质
CN110942671A (zh) * 2019-12-04 2020-03-31 北京京东乾石科技有限公司 车辆危险驾驶检测方法、装置以及存储介质

Also Published As

Publication number Publication date
CN111739343A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN111489588B (zh) 车辆驾驶风险预警方法及装置、设备、存储介质
Jia et al. Long short‐term memory and convolutional neural network for abnormal driving behaviour recognition
CN110784825B (zh) 车辆行驶轨迹的生成方法、装置
CN111739343B (zh) 车辆事故风险的预警方法、装置、介质及电子设备
CN111798661A (zh) 车辆行驶中的超车预警方法及装置
CN113415275A (zh) 车辆消息的处理方法、装置、可读介质及电子设备
CN114926540A (zh) 一种车道线标定的方法、装置、终端设备及可读存储介质
CN111572538B (zh) 车辆碰撞预警阈值确定方法、装置
CN111583713A (zh) 车辆驾驶预警方法和装置
CN111383454B (zh) 车辆驾驶风险的预警方法、装置、介质及电子设备
CN111710188B (zh) 车辆告警提示的方法、装置、电子设备及存储介质
Liu et al. Investigation of a DSRC‐based end of queue collision warning system by considering real freeway data
CN111862599A (zh) 车辆信息处理方法、装置
CN112230663A (zh) 车辆定位数据的监测方法、装置
CN111710187A (zh) 确定车辆驾驶风险的方法、装置、介质及电子设备
CN115610415B (zh) 车辆距离控制方法、装置、电子设备和计算机可读介质
CN115563734A (zh) 故障容错时间间隔计算方法及装置、电子设备、存储介质
CN111833608B (zh) 路况信息的处理方法、装置
CN111260912B (zh) 车辆编队的处理方法及装置
CN111311916B (zh) 车道速度确定方法、装置
CN111524389A (zh) 车辆驾驶方法和装置
CN111866080A (zh) 车辆请求的处理方法、装置
CN115273449B (zh) 车队集合节点确认方法、装置、设备及介质
CN115240406B (zh) 道路拥堵的管理方法、装置、计算机可读介质及电子设备
CN117774963B (zh) 前向碰撞预警方法、装置、电子设备及智能驾驶车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant