CN111768094A - 危险车辆的自动评估方法、系统、可读存储介质及车机端 - Google Patents
危险车辆的自动评估方法、系统、可读存储介质及车机端 Download PDFInfo
- Publication number
- CN111768094A CN111768094A CN202010582411.1A CN202010582411A CN111768094A CN 111768094 A CN111768094 A CN 111768094A CN 202010582411 A CN202010582411 A CN 202010582411A CN 111768094 A CN111768094 A CN 111768094A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- evaluated
- vehicles
- risk value
- dangerous
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 231100001261 hazardous Toxicity 0.000 claims description 10
- 238000012545 processing Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—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
-
- G06Q50/40—
Abstract
本发明提供一种危险车辆的自动评估方法、系统、可读存储介质及车机端,所述危险车辆的自动评估方法包括:在车辆进入行驶状态后,计算行驶在该车辆周围其他车辆的实时风险值及历史风险值;为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值;依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。本发明所述危险车辆的自动评估方法、系统、可读存储介质及车机端可以有效监控可能发生危险的多个车辆驾驶情况,以有效提醒用户或者自动驾驶模式下远离危险车辆,提高了驾驶安全和危险预测效率。
Description
技术领域
本发明属于汽车安全技术领域,涉及一种评估方法和系统,特别是涉及一种危险车辆的自动评估方法、系统、可读存储介质及车机端。
背景技术
随着交通事故的不断增长,交通拥堵给驾驶员带来的驾车体验不断下降,人们对于自动驾驶技术的需求更加迫切。而近些年,随着芯片技术的发展、传感器精度的提高而成本下降、5G通信的即将来临,越来越多的公司,如谷歌、特斯拉、百度开始投入大量精力来研究车辆的自动驾驶技术。
自动驾驶技术主要包括环境感知、决策规划、控制执行三个部分,而决策规划作为自动驾驶技术最重要的一部分,有很多方面不够成熟,其中危险度评估就是其中一方面。通常自动驾驶车辆要对周围环境进行决策规划,需要有一个可靠的综合危险度评估算法,能把环境感知得到的周围交通信息转化为对于自动驾驶车辆的危险度信息。
因此,如何提供一种危险车辆的自动评估方法、系统、可读存储介质及车机端,以解决现有技术无法给出一个可靠的综合危险度评估等缺陷,实已成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种危险车辆的自动评估方法、系统、可读存储介质及车机端,用于解决现有技术无法给出一个可靠的综合危险度评估的问题。
为实现上述目的及其他相关目的,本发明一方面提供一种危险车辆的自动评估方法,包括:在车辆进入行驶状态后,计算行驶在该车辆周围其他车辆的实时风险值及历史风险值;为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值;依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。
于本发明的一实施例中,所述危险车辆的自动评估方法还包括:在车辆进入行驶状态后,该车辆发出与一服务器及与其他车辆通信连接的连接请求;其他车辆与所述服务器亦通信连接。
于本发明的一实施例中,所述危险车辆的自动评估方法还包括:获取用于计算其他车辆中每一待评估车辆的实时风险值的风险参数;所述风险参数包括待评估车辆与该车辆的预计碰撞时间因子及待评估车辆与该车辆的预计行车间隔时间因子;查找与所述预计碰撞时间因子匹配的第一权重值和与所述预计行车间隔时间因子匹配的第二权重值。
于本发明的一实施例中,计算行驶在该车辆周围其他车辆的实时风险值的步骤包括计算行驶在该车辆周围其他车辆中每一待评估车辆的实时风险值;其他车辆中一待评估车辆的实时风险值的计算公式为:待评估车辆的实时风险值=待评估车辆与该车辆的预计碰撞时间因子×第一权重值+待评估车辆与该车辆的预计行车间隔时间因子×第二权重值。
于本发明的一实施例中,所述危险车辆的自动评估方法还包括:获取用于计算其他车辆中每一待评估车辆的历史风险值的历史行驶状态参数;所述历史行驶状态参数包括待评估车辆的违章记录数、待评估车辆的车险记录数、待评估车辆的诚信记录数及待评估车辆的驾驶行为记录数。
于本发明的一实施例中,计算行驶在该车辆周围其他车辆的历史风险值包括计算行驶在该车辆周围其他车辆每一待评估车辆的历史风险值;该步骤包括:计算其他车辆每一待评估车辆的历史行驶状态参数的记录总数;其他车辆每一待评估车辆的历史行驶状态参数的记录总数等于待评估车辆的违章记录数,待评估车辆的车险记录数,待评估车辆的诚信记录数及待评估车辆的驾驶行为记录数相加;根据其他车辆每一待评估车辆的历史行驶状态参数的记录总数,查找与之匹配的历史风险值。
于本发明的一实施例中,计算其他车辆的行为风险值的步骤包括计算其他车辆中每一待评估车辆的行为风险值的步骤;其他车辆中每一待评估车辆的行为风险值的计算方式为:待评估车辆的行为风险值=待评估车辆的实时风险值×与待评估车辆的实时风险值关联的权重值+待评估车辆的历史风险值×与待评估车辆的历史风险值关联的权重值。
本发明另一方面提供一种危险车辆的自动评估系统,包括:第一计算模块,用于在车辆进入行驶状态后,计算行驶在该车辆周围其他车辆的实时风险值及历史风险值;第二计算模块,用于为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值;评估模块,用于依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。
本发明又一方面提供一种可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述危险车辆的自动评估方法。
本发明最后一方面提供一种车机端,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述车机端执行所述危险车辆的自动评估方法。
如上所述,本发明所述的危险车辆的自动评估方法、系统、可读存储介质及车机端,具有以下有益效果:
本发明所述危险车辆的自动评估方法、系统、可读存储介质及车机端可以有效监控可能发生危险的多个车辆驾驶情况,以有效提醒用户或者自动驾驶模式下远离危险车辆,提高了驾驶安全和危险预测效率。
附图说明
图1显示为本发明的应用场景示意图。
图2A显示为本发明的危险车辆的自动评估方法于一实施例中的流程示意图。
图2B显示为本发明的危险车辆的自动评估方法中S25的流程示意图。
图3显示为本发明的危险车辆的自动评估系统于一实施例中的原理结构示意图。
元件标号说明
11A | 车机端 |
11B | 车机端 |
11C | 车机端 |
11D | 车机端 |
11E | 车机端 |
12 | 服务器 |
3 | 危险车辆的自动评估系统 |
30 | 通信模块 |
31 | 第一计算模块 |
32 | 第二计算模块 |
33 | 评估模块 |
S21~S26 | 步骤 |
S241~S242 | 步骤 |
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
实施例一
本实施例提供一种危险车辆的自动评估方法,包括:
在车辆进入行驶状态后,计算行驶在该车辆周围其他车辆的实时风险值及历史风险值;
为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值;
依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。
以下将结合图示对本实施例所提供的危险车辆的自动评估方法进行详细描述。本实施例所述危险车辆的自动评估方法适应于一车机端。请参阅图1,显示为本发明的应用场景示意图。如图1所示,该应用场景下包括:若干车机端11A(位于车机端11E的前方)、车机端11B(位于车机端11E的左方)、车机端11C(位于车机端11E的右方)、车机端11D(位于车机端11E的后方)、车机端11E等,及与车机端11A、车机端11B、车机端11C、车机端11D、车机端11E通信连接的服务端12。所述车机端11E通过危险车辆的自动评估方法评估位于其周围的车机端11A、车机端11B、车机端11C、车机端11D是否为危险车辆。
请参阅图2A,显示为危险车辆的自动评估方法于一实施例中的流程示意图。如图2A所示,所述危险车辆的自动评估方法具体包括以下几个步骤:
S21,在车辆进入行驶状态后,发出与一服务器及与其他车辆通信连接的连接请求。
例如,车机端11E发出与服务器12与其他车机端11A、车机端11B、车机端11B、车机端11D通信连接的连接请求。同时,车机端11A、车机端11B、车机端11B、车机端11D亦与所述服务器12通信连接。
S22,获取用于计算其他车辆中每一待评估车辆的实时风险值的风险参数。在本实施例中,所述风险参数包括待评估车辆与该车辆的预计碰撞时间因子及待评估车辆与该车辆的预计行车间隔时间因子。
例如,在车机端11E与服务器12、车机端11A和车机端11D通信连接后,所述车机端11E从车机端11A和车机端11D处获取用于标识所述车机端11A和车机端11D的唯一标识符ID。所述车机端11E将所述车机端11A和车机端11D的唯一标识符ID发送至所述服务器12,以获取车机端11A与车机端11E的预计碰撞时间因子,及车机端11D与车机端11E的预计碰撞时间因子,车机端11A与车机端11E的预计行车间隔时间因子,车机端11D与车机端11E的预计行车间隔时间因子。在本实施例中,所述服务器12利用现有技术计算两车之间碰撞事件因子及两车行车间隔时间因子,此处不再赘述。
S23,查找与所述预计碰撞时间因子匹配的第一权重值和与所述预计行车间隔时间因子匹配的第二权重值。
S24,计算行驶在该车辆周围其他车辆的实时风险值及计算行驶在该车辆周围其他车辆的历史风险值。
在本实施例中,计算行驶在该车辆周围其他车辆的实时风险值的步骤包括计算行驶在该车辆周围其他车辆中每一待评估车辆的实时风险值。
具体地,其他车辆中一待评估车辆的实时风险值的计算公式为:
待评估车辆的实时风险值=待评估车辆与该车辆的预计碰撞时间因子×第一权重值+待评估车辆与该车辆的预计行车间隔时间因子×第二权重值。
其他车辆中一待评估车辆的实时风险值的计算公式具体为:RPreal=k1*RP1+k2*RP2;
其中,RPreal表示待评估车辆的实时风险值,RP1表示待评估车辆与该车辆的预计碰撞时间因子,k1表示第一权重值,RP2表示为待评估车辆与该车辆的预计行车间隔时间因子,k2表示第二权重值。
请参阅图2B,显示为S24中计算行驶在该车辆周围其他车辆的历史风险值的流程示意图。所述S25具体包括以下步骤:
S241,根据其他车辆中一待评估车辆的唯一标识符,获取用于计算其他车辆中每一待评估车辆的历史风险值的历史行驶状态参数。在本实施例中,所述历史行驶状态参数包括待评估车辆的违章记录数、待评估车辆的车险记录数、待评估车辆的诚信记录数及待评估车辆的驾驶行为记录数等。
S242,计算行驶在该车辆周围其他车辆的历史风险值。
具体地,计算行驶在该车辆周围其他车辆的历史风险值包括计算行驶在该车辆周围其他车辆每一待评估车辆的历史风险值;
所述S242包括:
计算其他车辆每一待评估车辆的历史行驶状态参数的记录总数;其他车辆每一待评估车辆的历史行驶状态参数的记录总数等于待评估车辆的违章记录数,待评估车辆的车险记录数,待评估车辆的诚信记录数及待评估车辆的驾驶行为记录数相加;
根据其他车辆每一待评估车辆的历史行驶状态参数的记录总数,查找与之匹配的历史风险值RPhistory。
历史风险值RPhistory,例如,
其中,若不存在前方车辆的历史行驶状态参数,则确定该待评估车辆的历史风险值为0。
S25,为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值RP。
例如,为待评估车辆的实时风险值匹配与之关联的权重值为k3,为待评估车辆的历史风险值匹配与之关联的权重值为k4。
具体地,计算其他车辆的行为风险值的步骤包括计算其他车辆中每一待评估车辆的行为风险值的步骤;
其他车辆中每一待评估车辆的行为风险值的计算方式为:
待评估车辆的行为风险值=待评估车辆的实时风险值×与待评估车辆的实时风险值关联的权重值+待评估车辆的历史风险值×与待评估车辆的历史风险值关联的权重值。
例如,车辆中每一待评估车辆的行为风险值的计算方式为:
RP=k3*RPreal+k4*RPhistory。
在本实施例中,RP为待评估车辆的行为风险值,RPreal为待评估车辆的实时风险值,k3为待评估车辆的实时风险值匹配与之关联的权重值,RPhistory为待评估车辆的历史风险值,k4与待评估车辆的历史风险值关联的权重值。
S26,依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。
在本实施例,设置一行为风险值判定范围,若所述行为风险值位于该风险值判定范围内,则判定该待评估车辆为危险车辆,以预设提醒方式提醒用户远离所述危险车辆。若所述行为风险值未位于该风险值判定范围内,则判定该待评估车辆为非危险车辆。
本实施例还提供一种可读存储介质(亦称为计算机可读存储介质),其上存储有计算机程序,该计算机程序被处理器执行时实现上述危险车辆的自动评估方法。
本领域普通技术人员可以理解计算机可读存储介质为:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例所述危险车辆的自动评估方法可以有效监控可能发生危险的多个车辆驾驶情况,以有效提醒用户或者自动驾驶模式下远离危险车辆,提高了驾驶安全和危险预测效率。
实施例二
本实施例提供一种危险车辆的自动评估系统,包括:
第一计算模块,用于在车辆进入行驶状态后,计算行驶在该车辆周围其他车辆的实时风险值及历史风险值;
第二计算模块,用于为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值;
评估模块,用于依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。
以下将结合图示对本实施例所提供的危险车辆的自动评估系统进行详细描述。请参阅图3,显示为危险车辆的自动评估系统于一实施例中的原理结构示意图。如图3所示,所述危险车辆的自动评估系统3包括通信模块30、第一计算模块31、第二计算模块32及评估模块33。
所述通信模块30在车辆进入行驶状态后,发出与一服务器及与其他车辆通信连接的连接请求,获取用于计算其他车辆中每一待评估车辆的实时风险值的风险参数。在本实施例中,所述风险参数包括待评估车辆与该车辆的预计碰撞时间因子及待评估车辆与该车辆的预计行车间隔时间因子。
与所述通信模块30耦合的第一计算模块31用于查找与所述预计碰撞时间因子匹配的第一权重值和与所述预计行车间隔时间因子匹配的第二权重值,并计算行驶在该车辆周围其他车辆的实时风险值。
在本实施例中,计算行驶在该车辆周围其他车辆的实时风险值的步骤包括计算行驶在该车辆周围其他车辆中每一待评估车辆的实时风险值。
具体地,其他车辆中一待评估车辆的实时风险值的计算公式为:
RPreal=k1*RP1+k2*RP2;
其中,RPreal表示待评估车辆的实时风险值,RP1表示待评估车辆与该车辆的预计碰撞时间因子,k1表示第一权重值,RP2表示为待评估车辆与该车辆的预计行车间隔时间因子,k2表示第二权重值。
所述第一计算模块31还用于计算行驶在该车辆周围其他车辆的历史风险值。
具体地,所述第一计算模块31根据其他车辆中一待评估车辆的唯一标识符,获取用于计算其他车辆中每一待评估车辆的历史风险值的历史行驶状态参数,计算行驶在该车辆周围其他车辆的历史风险值。在本实施例中,所述历史行驶状态参数包括待评估车辆的违章记录数、待评估车辆的车险记录数、待评估车辆的诚信记录数及待评估车辆的驾驶行为记录数等。
具体地,所述第一计算模块31计算其他车辆每一待评估车辆的历史行驶状态参数的记录总数,根据其他车辆每一待评估车辆的历史行驶状态参数的记录总数,查找与之匹配的历史风险值RPhistory;其他车辆每一待评估车辆的历史行驶状态参数的记录总数等于待评估车辆的违章记录数,待评估车辆的车险记录数,待评估车辆的诚信记录数及待评估车辆的驾驶行为记录数相加。
与所述第一计算模块31耦合的第二计算模块32用于为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值RP。
具体地,第二计算模块32计算其他车辆中每一待评估车辆的行为风险值。
其他车辆中每一待评估车辆的行为风险值的计算方式为:
待评估车辆的行为风险值=待评估车辆的实时风险值×与待评估车辆的实时风险值关联的权重值+待评估车辆的历史风险值×与待评估车辆的历史风险值关联的权重值。
例如,车辆中每一待评估车辆的行为风险值的计算方式为:
RP=k3*RPreal+k4*RPhistory。
在本实施例中,RP为待评估车辆的行为风险值,RPreal为待评估车辆的实时风险值,k3为待评估车辆的实时风险值匹配与之关联的权重值,RPhistory为待评估车辆的历史风险值,k4与待评估车辆的历史风险值关联的权重值。
与所述第一计算模块31和所述第二计算模块32耦合的评估模块33用于依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。
在本实施例,设置一行为风险值判定范围,若所述行为风险值位于该风险值判定范围内,则判定该待评估车辆为危险车辆,以预设提醒方式提醒用户远离所述危险车辆。若所述行为风险值未位于该风险值判定范围内,则判定该待评估车辆为非危险车辆。
需要说明的是,应理解以上系统的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现,也可以全部以硬件的形式实现,还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如:x模块可以为单独设立的处理元件,也可以集成在上述系统的某一个芯片中实现。此外,x模块也可以以程序代码的形式存储于上述系统的存储器中,由上述系统的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),一个或多个微处理器(Digital Singnal Processor,简称DSP),一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。这些模块可以集成在一起,以片上系统(System-on-a-chip,简称SOC)的形式实现。
实施例三
本实施例提供一种车机端,包括:处理器、存储器、收发器、通信接口或/和系统总线;存储器和通信接口通过系统总线与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于和其他设备进行通信,处理器和收发器用于运行计算机程序,使车机端执行如实施例一所述危险车辆的自动评估方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明所述的危险车辆的自动评估方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明还提供一种危险车辆的自动评估系统,所述危险车辆的自动评估系统可以实现本发明所述的危险车辆的自动评估方法,但本发明所述的危险车辆的自动评估方法的实现装置包括但不限于本实施例列举的危险车辆的自动评估系统的结构,凡是根据本发明的原理所做的现有技术的结构变形和替换,都包括在本发明的保护范围内。
综上所述,本发明所述危险车辆的自动评估方法、系统、可读存储介质及车机端可以有效监控可能发生危险的多个车辆驾驶情况,以有效提醒用户或者自动驾驶模式下远离危险车辆,提高了驾驶安全和危险预测效率。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种危险车辆的自动评估方法,其特征在于,包括:
在车辆进入行驶状态后,计算行驶在该车辆周围其他车辆的实时风险值及历史风险值;
为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值;
依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。
2.根据权利要求1所述的危险车辆的自动评估方法,其特征在于,所述危险车辆的自动评估方法还包括:
在车辆进入行驶状态后,该车辆发出与一服务器及与其他车辆通信连接的连接请求;其他车辆与所述服务器亦通信连接。
3.根据权利要求2所述的危险车辆的自动评估方法,其特征在于,所述危险车辆的自动评估方法还包括:
获取用于计算其他车辆中每一待评估车辆的实时风险值的风险参数;所述风险参数包括待评估车辆与该车辆的预计碰撞时间因子及待评估车辆与该车辆的预计行车间隔时间因子;
查找与所述预计碰撞时间因子匹配的第一权重值和与所述预计行车间隔时间因子匹配的第二权重值。
4.根据权利要求3所述的危险车辆的自动评估方法,其特征在于,计算行驶在该车辆周围其他车辆的实时风险值的步骤包括计算行驶在该车辆周围其他车辆中每一待评估车辆的实时风险值;
其他车辆中一待评估车辆的实时风险值的计算公式为:
待评估车辆的实时风险值=待评估车辆与该车辆的预计碰撞时间因子×第一权重值+待评估车辆与该车辆的预计行车间隔时间因子×第二权重值。
5.根据权利要求3所述的危险车辆的自动评估方法,其特征在于,所述危险车辆的自动评估方法还包括:
获取用于计算其他车辆中每一待评估车辆的历史风险值的历史行驶状态参数;所述历史行驶状态参数包括待评估车辆的违章记录数、待评估车辆的车险记录数、待评估车辆的诚信记录数及待评估车辆的驾驶行为记录数。
6.根据权利要求5所述的危险车辆的自动评估方法,其特征在于,计算行驶在该车辆周围其他车辆的历史风险值包括计算行驶在该车辆周围其他车辆每一待评估车辆的历史风险值;
该步骤包括:
计算其他车辆每一待评估车辆的历史行驶状态参数的记录总数;其他车辆每一待评估车辆的历史行驶状态参数的记录总数等于待评估车辆的违章记录数,待评估车辆的车险记录数,待评估车辆的诚信记录数及待评估车辆的驾驶行为记录数相加;
根据其他车辆每一待评估车辆的历史行驶状态参数的记录总数,查找与之匹配的历史风险值。
7.根据权利要求1所述的危险车辆的自动评估方法,其特征在于,计算其他车辆的行为风险值的步骤包括计算其他车辆中每一待评估车辆的行为风险值的步骤;
其他车辆中每一待评估车辆的行为风险值的计算方式为:
待评估车辆的行为风险值=待评估车辆的实时风险值×与待评估车辆的实时风险值关联的权重值+待评估车辆的历史风险值×与待评估车辆的历史风险值关联的权重值。
8.一种危险车辆的自动评估系统,其特征在于,包括:
第一计算模块,用于在车辆进入行驶状态后,计算行驶在该车辆周围其他车辆的实时风险值及历史风险值;
第二计算模块,用于为其他车辆的实时风险值及历史风险值匹配与之关联的权重值,以计算其他车辆的行为风险值;
评估模块,用于依据所述行为风险值,评估出危险车辆,以提醒用户远离所述危险车辆。
9.一种可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述危险车辆的自动评估方法。
10.一种车机端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述车机端执行如权利要求1至7中任一项所述危险车辆的自动评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582411.1A CN111768094A (zh) | 2020-06-23 | 2020-06-23 | 危险车辆的自动评估方法、系统、可读存储介质及车机端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582411.1A CN111768094A (zh) | 2020-06-23 | 2020-06-23 | 危险车辆的自动评估方法、系统、可读存储介质及车机端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111768094A true CN111768094A (zh) | 2020-10-13 |
Family
ID=72721900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010582411.1A Pending CN111768094A (zh) | 2020-06-23 | 2020-06-23 | 危险车辆的自动评估方法、系统、可读存储介质及车机端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111768094A (zh) |
Citations (4)
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 |
CN109064002A (zh) * | 2018-07-26 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 车辆风险评估方法、装置及设备 |
CN109727469A (zh) * | 2019-01-08 | 2019-05-07 | 南京航空航天大学 | 一种多车道下自动驾驶车辆综合危险度评估方法 |
CN110356408A (zh) * | 2019-07-31 | 2019-10-22 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆行驶方案的确定方法及装置 |
-
2020
- 2020-06-23 CN CN202010582411.1A patent/CN111768094A/zh active Pending
Patent Citations (4)
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 |
CN109064002A (zh) * | 2018-07-26 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 车辆风险评估方法、装置及设备 |
CN109727469A (zh) * | 2019-01-08 | 2019-05-07 | 南京航空航天大学 | 一种多车道下自动驾驶车辆综合危险度评估方法 |
CN110356408A (zh) * | 2019-07-31 | 2019-10-22 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆行驶方案的确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021135653A1 (zh) | 一种识别车辆的异常停留的方法和系统 | |
Wachenfeld et al. | The worst-time-to-collision metric for situation identification | |
JP6918137B2 (ja) | 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 | |
CN109739230B (zh) | 驾驶轨迹生成方法、装置及存储介质 | |
CN109934362A (zh) | 一种车辆检测的方法、装置及终端设备 | |
US20150269681A1 (en) | Competitive bidding platform for vehicle insurance | |
CN113776610A (zh) | 一种车辆油耗的确定方法及装置 | |
CN111768094A (zh) | 危险车辆的自动评估方法、系统、可读存储介质及车机端 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN114419894B (zh) | 一种路内停车泊位设置与使用监测的方法与系统 | |
CN111696347A (zh) | 一种自动化分析交通事件信息的方法和装置 | |
CN114463876A (zh) | 提醒补充能源的方法、装置、设备、介质及程序产品 | |
CN110689387A (zh) | 还车者是否在车内的判断方法、系统、存储介质及服务端 | |
CN112677986A (zh) | 车辆能耗信息监控处理方法及装置 | |
CN112819071A (zh) | 故障信息聚类方法、装置、计算机设备及存储介质 | |
CN115035705A (zh) | 车辆实时状况监控方法、装置、电子设备及介质 | |
Cheng et al. | A superposition assessment method of road crash risk and congestion risk: An empirical analysis | |
CN117698769B (zh) | 自动驾驶的轨迹规划方法、装置、电子设备及存储介质 | |
Zhang et al. | VSRQ: Quantitative Assessment Method for Safety Risk of Vehicle Intelligent Connected System | |
CN113657488B (zh) | 基于驾驶行为的用户分级方法、装置、设备及存储介质 | |
CN116993396B (zh) | 基于车辆用户标签的风险预警方法、计算机设备 | |
CN116659530A (zh) | 自动驾驶轨迹规划装置、方法及电子设备 | |
CN117893333A (zh) | 基于历史驾驶数据的新能源车辆保险方法、介质和设备 | |
CN117852804A (zh) | 智能辅助排班方法、设备及存储介质 | |
Gulati et al. | Insurance Automotive Application Using Edge Computing |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201013 |
|
WD01 | Invention patent application deemed withdrawn after publication |