CN111985749A - 一种道路风险的评估方法及装置 - Google Patents
一种道路风险的评估方法及装置 Download PDFInfo
- Publication number
- CN111985749A CN111985749A CN201910432353.1A CN201910432353A CN111985749A CN 111985749 A CN111985749 A CN 111985749A CN 201910432353 A CN201910432353 A CN 201910432353A CN 111985749 A CN111985749 A CN 111985749A
- Authority
- CN
- China
- Prior art keywords
- dangerous driving
- road section
- driving behavior
- target road
- vehicle
- 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 44
- 238000012502 risk assessment Methods 0.000 title description 9
- 230000006399 behavior Effects 0.000 claims abstract description 209
- 238000012545 processing Methods 0.000 claims description 22
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 abstract description 31
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method 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
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路风险的评估方法及装置,涉及交通安全技术领域,本发明的主要目的在于通过对危险驾驶行为数量的统计评估道路发生交通事故违法行为的潜在风险。本发明主要的技术方案为:获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量;基于目标路段对应的车辆通行数量与危险驾驶行为数量,得到目标路段对应的危险驾驶行为指数;根据目标路段对应的危险驾驶行为指数,确定高风险路段。
Description
技术领域
本发明涉及交通安全技术领域,尤其涉及一种道路风险的评估方法及装置。
背景技术
目前,对于容易发生交通事故的道路,主要是由交通管理部门基于道路的历史交通事故违法行为的统计结果,经人工分析进行评估确定。由于现有的评估方案需要评估道路上发生过交通事故违法行为之后才能够进行评估,因此,属于事后管理型方案,而道路安全关系到每个出行者的人身安全,因此,亟需提供一种道路风险的评估方案,能够对还未发生交通事故的道路进行风险评估,以便提示交通管理部门对存在高风险的道路进行管理干预,避免交通事故的发生,保障出行者的人身安全。
发明内容
鉴于上述问题,本发明提出了一种道路风险的评估方法及装置,主要目的在于通过对危险驾驶行为数量的统计评估道路发生交通事故违法行为的潜在风险。
为达到上述目的,本发明主要提供如下技术方案:
一方面,本发明提供一种道路风险的评估方法,具体包括:
获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量;
基于目标路段对应的车辆通行数量与危险驾驶行为数量,得到目标路段对应的危险驾驶行为指数;
根据目标路段对应的危险驾驶行为指数,确定高风险路段。
另一方面,本发明提供一种道路风险的评估装置,具体包括:
数据获取单元,用于获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量;
数据处理单元,用于基于所述数据获取单元得到的目标路段对应的车辆通行数量与危险驾驶行为数量,得到目标路段对应的危险驾驶行为指数;
高风险路段确定单元,用于根据所述数据处理单元得到的目标路段对应的危险驾驶行为指数,确定高风险路段。
另一方面,本发明提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述的道路风险的评估方法。
借由上述技术方案,本发明提供的一种道路风险的评估方法及装置,通过获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量,统计目标路段的危险驾驶行为指数,以危险驾驶行为指数确定高风险路段。虽然危险驾驶行为不会必然导致在目标路段中发生交通事故,但是,交通事故的发生大部分都是由危险驾驶行为所引起的,由此可见,本发明是通过统计未发生交通事故的目标路段中所发生的危险驾驶行为数量来评估该目标路段发生交通事故的风险指数,并根据对目标路段的评估结果确定出高风险路段,可以有效对目标路段进行风险预测,从而实现在高风险路段发生交通事故之前提示交通管理部门对这些高风险路段进行管理干预,避免交通事故的发生,保障出行者的人身安全。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提出的一种道路风险的评估方法的流程图;
图2示出了本发明实施例提出的另一种道路风险的评估方法的流程图;
图3示出了本发明实施例提出的一种道路风险的评估装置的组成框图;
图4示出了本发明实施例提出的另一种道路风险的评估装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种道路风险的评估方法,本方法具体步骤如图1所示,该方法包括:
步骤101、获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量。
在本发明中,道路可以是由多个路段所组成的,也可以由一个路段所表示,因此,对于道路风险的评估可以通过对多个目标路段的风险评估确定。需要说明的是,本发明进行风险评估的道路不限定是一条道路中的高风险路段,或者是多条道路中的高风险道路。
一般地,目标路段是预先设定的,可根据监控、评估的需求进行自定义设置。并且,该步骤中的统计时间段为自定义设置的,如,一个月,一季度等。
此外,车辆通行数量一般是通过对应的交通数据库所获取,该交通数据库中的数据不限定是通过实际监测获取的,如通过设置在路段中的监控设备采集车辆通行数量,或者是通过数据统计计算得到的,如通过导航数据测算出的车辆通行数量。而危险驾驶行为数量也是通过对应的驾驶行为数据库获取,该驾驶行为数据库记录的危险驾驶行为可以是路网中各条道路上已发生的“三急一速行为”及其发生的时间以及地点等信息。其中,“三急一速行为”是指车辆在行驶过程中出现的急加速行为、急刹车行为、急并线行为和超速行为。本发明的发明人发现,在通常情况下,三急一速行为不会必然造成交通事故,但发生了交通事故的道路一般会出现三急一速行为。因此,本发明优选实施例优选采用三急一速行为。具体实现时,驾驶行为数据库中的一条记录可以用于记录车辆在某一时间以及地点发生的一次急加速行为、急刹车行为、急并线行为或者超速行为。三急一速行为可以通过车辆的传感设备数据或车载导航设备记录的导航轨迹数据分析得到,本发明实施例对此不做限定。
需要说明的是,车辆通行数量统计的是经过目标路段的车辆个数,而危险驾驶行为数量统计的是在目标路段中发生的危险驾驶行为,同一车辆在同一目标路段且同一统计时间段内可能会连续产生两个或多个危险驾驶行为,如此,该车辆在车辆通行数量的统计上加1,而在危险驾驶行为数量的统计上则是加2或多次。可见,车辆通行数量与危险驾驶行为数量的数值之间不存在关联关系。
步骤102、基于目标路段对应的车辆通行数量与危险驾驶行为数量,得到目标路段对应的危险驾驶行为指数。
本步骤是基于步骤101所获取的目标路段对应的车辆通行数量与危险驾驶行为数量进行统计分析,生成该目标路段的危险驾驶行为指数,使得该危险驾驶行为指数能够评价该目标路段发生交通事故的风险概率。。
目标路段对应的危险驾驶行为指数是通过该目标路段的车辆通行数量与危险驾驶行为数量计算得到,即,危险驾驶行为数量占车辆通行数量的占比。由于危险驾驶行为可具体为三急一速行为,因此,危险驾驶行为指数也可以是针对某一个危险驾驶行为或多个危险驾驶行为统计得到的数据。一般情况下,该危险驾驶行为指数越大,目标路段中存在交通事故的风险也就越高。
步骤103、根据目标路段对应的危险驾驶行为指数,确定高风险路段。
根据步骤102的说明可知,同一个目标路段根据所采用的危险驾驶行为的不同,会得到不同的危险驾驶行为指数。也就是说,对于同一个目标路段,根据需求可以统计得到多种的危险驾驶行为指数。本步骤则为选择多个目标路段具有可对比性的危险驾驶行为指数进行横向对比,即采用同一种类的危险驾驶行为数据计算得到的危险驾驶行为指数来确定目标路段相对于其他路段是否为高风险路段,比如,应用超速行为对应的危险驾驶行为指数,而对于超速行为还可以具体分为多种:超速20%以下的行为,超速20%-50%的行为,超速50%以上的行为。当然,也可以根据目标路段的历史危险驾驶行为数据统计不同时间段对应的危险驾驶行为指数,从而进行纵向对比,比如统计目标路段历史同时期发生的超速行为,以此来确定目标路段当前所发生的超速行为是否会导致该目标路段发生交通事故。
将目标路段确定为高风险路段,即表示该目标路段为容易发生交通事故的道路路段。进一步的,可以将这些高风险路段报送给交通管理部门进行风险预警。
通过上述实施例的说明,本发明提供的一种道路风险的评估方法,所评估出的高风险路段是基于道路中的危险驾驶行为统计得到的,可见,本发明所评估的高风险路段是对未发生交通事故的道路路段进行的交通风险预测,并且,该高风险路段的确定是通过统计目标路段对应的危险驾驶行为指数得到的,即该高风险路段是相对而言的,其可以是相对其他道路路段而言,也可以是相对同一道路路段的其他统计时间段而言,而对于高风险路段,由于其存在更多的危险驾驶行为,将使得其发生交通事故的概率更大。因此,本发明实施例所确定的高风险路段更为准确、可靠。
进一步的,针对图1所示实施例中步骤101,所述危险驾驶行为是基于驾驶行驶数据库中记录的危险驾驶行为统计得到的,在驾驶行驶数据库中所记录的危险驾驶行为至少记录有发生危险驾驶行为的时间以及对应的路段。而车辆通行数量是基于出行轨迹数据库中记录的车辆行驶轨迹统计得到的,通过获取在统计时间段内驶过目标路段的迹统来确定车辆通行数量。
在本发明的一个优选实施例中,则是基于导航地图产品的数据库获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量。其中,导航地图产品的数据库中包括有统计车辆通行数量的轨迹数据,以及统计危险驾驶行为数量的驾驶行为数据。即该导航地图产品的数据库涵盖了驾驶行驶数据库和出行轨迹数据库的数据内容。具体的,统计的车辆通行数量是通过使用该导航地图产品的用户所产生的行驶轨迹而得到的,即统计在统计时间段内经过目标路段的用户数量以及每个用户的通过次数,将次数总和确定为导航车辆通行数量,在利用预设的比值将导航车辆通行数量换算为该目标路段在实际环境下的车辆通行数量。而统计的危险驾驶行为数量则是通过对使用该导航地图产品的用户所产生的行驶轨迹进行分析,确定的每个用户在统计时间段内,在经过目标路段的过程中是否存在有危险驾驶行为,并统计对应的危险驾驶行为数量,从而利用预设的比值换算得到该目标路段在实际环境下的危险驾驶行为数量。
需要说明的是,上述从导航地图产品的数据库中,将得到的车辆通行数量与危险驾驶行为数量换算为实际环境下的实际值时,所采用的预设的比值为经验值,其可以相同,也可以不同。而在数据量充足时,也可将其视为实际值,即预设的比值为1。可见,当导航地图产品的用户足够多(使用导航地图产品的用户与道路交通参与者数量的占比达到预设值),能够生成充足的数据时,就可以基于该导航地图产品的数据库得到准确的道路风险评估值,为交通管理部门提供更加可靠的道路风险预警数据。
进一步的,针对图1所示实施例中步骤102,本发明的一个优选实施例是将道路中的车辆按照车辆类型进行划分,在该实施例中,可以将车辆类型区分为客车与货车,这是因为,客车与货车在行驶过程中,对于相同的危险驾驶行为所导致发生交通事故的风险是不同的,比如,对于急刹车行为,货车发生车辆追尾事故的概率要远高于客车。
因此,针对步骤102,先获取目标路段中产生车辆通行数量与危险驾驶行为数量所对应的车辆类型,再按照同一种车辆类型对同一目标路段中的车辆通行数量与危险驾驶行为数量进行归一化处理,得到目标路段针对不同车辆类型的危险驾驶行为指数。比如,根据路段A得到在统计时间段内的车辆通行数量为1000辆,危险驾驶行为数量200次,而经过对车辆类型的进一步分析后,得到路段A在统计时间段内的客车通行数量为900辆,危险驾驶行为数量为120次,而货车通行数量为100辆,危险驾驶行为数量为80次。其中,本发明实施例中所进行的归一化处理具体是指在统计时间段内,针对多条目标路段所对应的车辆通行数量与危险驾驶行为数量按照车辆类型进行归一化处理,使得每条目标路段能够得到具有可对比性的危险驾驶行为指数,对于具体的归一化处理方法本发明实施例不限定。
进一步的,在本发明的一个优选实施例中,考虑到不同目标路段的长度也存在差异,让危险驾驶行为指数具有更为合理的比对性,可以将该危险驾驶行为指数定义为单位距离内平均每辆车发生危险驾驶行为的数量,假设上述示例中的路段A的距离为10公里,那么,该路段A的危险驾驶行为指数为200/(1000*10)=0.02,客车危险驾驶行为指数为120/(900*10)=0.013,货车危险驾驶行为指数为80/(100*10)=0.08。
此外,本发明实施例中的归一化处理可以是将每个目标路段的车辆通行数量与危险驾驶行为数量,表示为该目标路段占所有目标路段总车辆通行数量与总危险驾驶行为数量的比值,进而再计算每个目标路段的危险驾驶行为指数。
进一步的,针对图1所示实施例中步骤103,本发明的一个优选实施例是基于对目标路段的排序来确定目标路段是否为高风险路段,具体方式为:
首先,根据危险驾驶行为指数,对目标路段进行排序。
之后,将排序后位于预设的高风险路段排序范围内的目标路段确定为高风险路段。
其中,在对目标路段进行排序时,可以根据不同种类的危险驾驶行为指数进行排序,即,对于同一个目标路段,可以采用多种危险驾驶行为指数分别进行排序,比如,超速行为排序、急刹车行为排序、多个危险驾驶行为的综合排序等。基于各个目标路段对应的危险驾驶行为指数的数值,可以得到多组由高到低的排序。
此外,预设的高风险路段排序范围,则可以是针对不同危险驾驶行为设置的范围值,如针对超速行为的前{1-5}的目标路段,针对急刹车行为的前{1-10}的目标路段等,当然该排序范围也可以是目标路段的百分比,如前10%的目标路段,前15%的目标路段等。
进一步的,本发明的一个优选实施例为在对目标路段进行排序时,可以进一步获取目标路段的路段类型,路段类型的分类方式本发明不做具体限定,如封闭道路与非封闭道路,在封闭道路中,如高速公路中,又可分为主线、隧道、桥梁、枢纽等多种的路段类型,而在非封闭道路中,如省道公路中,则可分为,主线、弯道、路口等路段类型。因此,步骤103在具体执行时,需要先获取目标路段对应的路段类型,再根据预置规则对具有相同路段类型的目标路段所对应的危险驾驶行为指数进行由高到低的排序。
根据不同的路段类型对目标路段进行分类排序的目的在于,不同类型的路段对于同样的危险驾驶行为会导致交通事故的风险不同,比如,在主线路段与枢纽路段中,对于车辆的急刹车行为,显然是在枢纽路段出现车辆相撞的风险高于主线路段。因此,将相同路段类型的目标路段进行对比排序后得到的结果将更为准确。
综合上述的实施例,本发明还提出了一种基于导航地图产品,对封闭式道路(高速公路)的道路风险评估方法,具体步骤如图2所示,包括:
步骤201、利用导航地图产品的数据库,获取路网道路发生的危险驾驶行为,其中,一条危险驾驶行为中记录有发生危险驾驶行为的时间以及路段标识。
步骤202、根据目标路段的路段标识统计在统计时间段内发生的危险驾驶行为数量。
步骤203、从导航地图产品的数据库中,统计在统计时间段内通过目标路段的车辆通行数量。
步骤204、将目标路段对应的车辆通行数量与危险驾驶行为数量按照车辆类型进行分类,其中,车辆类型至少包括:客车与货车。
步骤205、利用目标路段中同一种车辆类型对应的车辆通行数量与危险驾驶行为数量进行归一化处理,得到目标路段针对不同车辆类型的危险驾驶行为指数。
具体的,危险驾驶行为指数为单位距离内平均每辆车发生危险驾驶行为的数量。并且,危险驾驶行为可以为下列任一行为或至少两个行为的组合:急加速行为、急刹车行为、急并线行为、超速行为。
步骤206、获取目标路段对应的路段类型,路段类型至少包括:主线、隧道、桥梁、枢纽。
步骤207、基于目标路段的路段类型,将路段类型相同的目标路段按照其对应的危险驾驶行为指数由高到低的顺序进行排序。
步骤208、将排序后位于预设的高风险路段排序范围内的目标路段确定为高风险路段。
在图2所示的实施例中,利用导航地图产品的数据库可以获取到目标路段中的车辆通行数量和危险驾驶行为数量,并且通过对车辆类型的分类,让危险驾驶行为指数的确定更为细致、准确,通过对目标路段的路段类型分类,使得对危险驾驶行为指数的排序更为精细合理,最终,基于多个目标路段以及对应的分类方式能够生成多个排行榜,从而确定出多个具有发生交通事故潜在风险的目标路段。而这些具有潜在风险的目标路段根据其对应的分类方式以及所采用的具体危险驾驶行为,能够很直观地向交通管理部门展示其具体的风险因素,协助交通管理部门快速、准确的制定干预措施,防止交通事故的发生。
进一步的,作为对上述图1与图2所示方法的实现,本发明实施例提供了一种道路风险的评估装置,该装置通过对危险驾驶行为数量的统计评估道路发生交通事故违法行为的潜在风险。为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置如图3所示,具体包括:
数据获取单元31,用于获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量;
数据处理单元32,用于基于所述数据获取单元31得到的目标路段对应的车辆通行数量与危险驾驶行为数量,得到目标路段对应的危险驾驶行为指数;
高风险路段确定单元33,用于根据所述数据处理单元32得到的目标路段对应的危险驾驶行为指数,确定高风险路段。
进一步的,如图4所示,所述数据处理单元32包括:
数据统计模块321,用于将目标路段对应的车辆通行数量与危险驾驶行为数量按照车辆类型进行统计,得到每种车辆类型对应的车辆通行数量和危险驾驶行为数量,所述车辆类型至少包括:客车与货车;
归一化处理模块322,用于利用数据统计模块321得到的目标路段中同一种车辆类型对应的车辆通行数量与危险驾驶行为数量进行归一化处理,得到所述目标路段针对不同车辆类型的危险驾驶行为指数。
进一步的,如图4所示,所述高风险路段确定单元33包括:
排序模块331,用于根据所述危险驾驶行为指数,对目标路段进行排序;
确定模块332,用于将所述排序模块331排序后位于预设的高风险路段排序范围内的目标路段确定为高风险路段。
进一步的,所述排序模块331还用于,基于目标路段的路段类型,将路段类型相同的目标路段按照其对应的危险驾驶行为指数由高到低的顺序进行排序,所述路段类型至少包括:主线、隧道、桥梁、枢纽。
进一步的,如图4所示,所述数据获取单元31包括:
第一获取模块311,用于基于驾驶行驶数据库中记录的危险驾驶行为,得到所述统计时间段内在所述目标路段上发生的危险驾驶行为数量,其中,一条危险驾驶行为至少记录了发生危险驾驶行为的时间以及路段;
第二获取模块312,用于基于出行轨迹数据库中记录的车辆行驶轨迹,得到所述统计时间段内通过所述目标路段的车辆通行数量。
进一步的,所述数据处理单元32得到的危险驾驶行为指数为单位距离内平均每辆车发生危险驾驶行为的数量,所述危险驾驶行为可以为下列任一行为或至少两个行为的组合:急加速行为、急刹车行为、急并线行为、超速行为。
另外,本发明实施例还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一个实施例提供的道路风险的评估方法。
综上所述,本发明提供的一种道路风险的评估方法及装置,通过获取多条目标路段内的车辆通行数量与危险驾驶行为数量,统计在各个目标路段上的危险驾驶行为指数,以危险驾驶行为指数的高低进行排序,确定多条目标路段中具有发生交通事故的高风险路段。由于危险驾驶行为不必然导致道路发生交通事故,但是,大部分交通事故的发生都是由危险驾驶行为所引起的,由此可见,本发明是通过统计未发生交通事故的目标路段中发生的危险驾驶行为数量来评估该目标路段发生交通事故的风险指数,并根据多条目标路段的评估结果确定出高风险路段,可以有效对目标路段进行风险预测,从而实现在高风险路段发生交通事故之前提示交通管理部门进行管理干预,避免交通事故的发生,保障出行者的人身安全。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外,存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种道路风险的评估方法,其特征在于,所述方法包括:
获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量;
基于目标路段对应的车辆通行数量与危险驾驶行为数量,得到目标路段对应的危险驾驶行为指数;
根据目标路段对应的危险驾驶行为指数,确定高风险路段。
2.根据权利要求1所述的方法,其特征在于,基于目标路段对应的车辆通行数量与危险驾驶行为数量,得到目标路段对应的危险驾驶行为指数,包括:
将目标路段对应的车辆通行数量与危险驾驶行为数量按照车辆类型进行统计,得到每种车辆类型对应的车辆通行数量和危险驾驶行为数量,所述车辆类型至少包括:客车与货车;
利用目标路段中同一种车辆类型对应的车辆通行数量与危险驾驶行为数量进行归一化处理,得到所述目标路段针对不同车辆类型的危险驾驶行为指数。
3.根据权利要求1所述的方法,其特征在于,根据目标路段对应的危险驾驶行为指数,确定高风险路段,具体包括:
根据所述危险驾驶行为指数,对目标路段进行排序;
将所述排序后位于预设的高风险路段排序范围内的目标路段确定为高风险路段。
4.根据权利要求3所述的方法,其特征在于,根据所述危险驾驶行为指数,对目标路段进行排序,包括:
基于目标路段的路段类型,将路段类型相同的目标路段按照其对应的危险驾驶行为指数由高到低的顺序进行排序,所述路段类型至少包括:主线、隧道、桥梁、枢纽。
5.根据权利要求1-4中任一项所述的方法,其特征在于,获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量,包括:
基于驾驶行驶数据库中记录的危险驾驶行为,得到所述统计时间段内在所述目标路段上发生的危险驾驶行为数量,其中,一条危险驾驶行为至少记录了发生危险驾驶行为的时间以及路段;
基于出行轨迹数据库中记录的车辆行驶轨迹,得到所述统计时间段内通过所述目标路段的车辆通行数量。
6.根据权利要求1-4中任一项所述的方法,其特征在于,所述危险驾驶行为指数为单位距离内平均每辆车发生危险驾驶行为的数量,所述危险驾驶行为可以为下列任一行为或至少两个行为的组合:急加速行为、急刹车行为、急并线行为、超速行为。
7.一种道路风险的评估装置,其特征在于,所述装置包括:
数据获取单元,用于获取目标路段在统计时间段内的车辆通行数量与危险驾驶行为数量;
数据处理单元,用于基于所述数据获取单元得到的目标路段对应的车辆通行数量与危险驾驶行为数量,得到目标路段对应的危险驾驶行为指数;
高风险路段确定单元,用于根据所述数据处理单元得到的目标路段对应的危险驾驶行为指数,确定高风险路段。
8.根据权利要求7所述的装置,其特征在于,所述数据处理单元包括:
数据统计模块,用于将目标路段对应的车辆通行数量与危险驾驶行为数量按照车辆类型进行统计,得到每种车辆类型对应的车辆通行数量和危险驾驶行为数量,所述车辆类型至少包括:客车与货车;
归一化处理模块,用于利用目标路段中同一种车辆类型对应的车辆通行数量与危险驾驶行为数量进行归一化处理,得到所述目标路段针对不同车辆类型的危险驾驶行为指数。
9.根据权利要求7所述的装置,其特征在于,所述高风险路段确定单元包括:
排序模块,用于根据所述危险驾驶行为指数,对目标路段进行排序;
确定模块,用于将所述排序模块排序后位于预设的高风险路段排序范围内的目标路段确定为高风险路段。
10.根据权利要求7-9中任一项所述的装置,其特征在于,所述数据获取单元包括:
第一获取模块,用于基于驾驶行驶数据库中记录的危险驾驶行为,得到所述统计时间段内在所述目标路段上发生的危险驾驶行为数量,其中,一条危险驾驶行为至少记录了发生危险驾驶行为的时间以及路段;
第二获取模块,用于基于出行轨迹数据库中记录的车辆行驶轨迹,得到所述统计时间段内通过所述目标路段的车辆通行数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910432353.1A CN111985749A (zh) | 2019-05-23 | 2019-05-23 | 一种道路风险的评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910432353.1A CN111985749A (zh) | 2019-05-23 | 2019-05-23 | 一种道路风险的评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111985749A true CN111985749A (zh) | 2020-11-24 |
Family
ID=73436425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910432353.1A Pending CN111985749A (zh) | 2019-05-23 | 2019-05-23 | 一种道路风险的评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985749A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205683A (zh) * | 2021-04-26 | 2021-08-03 | 青岛海信网络科技股份有限公司 | 一种告警数据处理方法、装置、设备及介质 |
CN113592221A (zh) * | 2021-06-17 | 2021-11-02 | 长安大学 | 基于安全替代评价指标的道路路段风险动态评估方法 |
CN115565365A (zh) * | 2022-08-31 | 2023-01-03 | 阿里巴巴(中国)有限公司 | 一种高速公路数据处理方法、装置、设备及计算机程序产品 |
-
2019
- 2019-05-23 CN CN201910432353.1A patent/CN111985749A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205683A (zh) * | 2021-04-26 | 2021-08-03 | 青岛海信网络科技股份有限公司 | 一种告警数据处理方法、装置、设备及介质 |
CN113592221A (zh) * | 2021-06-17 | 2021-11-02 | 长安大学 | 基于安全替代评价指标的道路路段风险动态评估方法 |
CN113592221B (zh) * | 2021-06-17 | 2023-10-17 | 长安大学 | 基于安全替代评价指标的道路路段风险动态评估方法 |
CN115565365A (zh) * | 2022-08-31 | 2023-01-03 | 阿里巴巴(中国)有限公司 | 一种高速公路数据处理方法、装置、设备及计算机程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | Use of real-world connected vehicle data in identifying high-risk locations based on a new surrogate safety measure | |
Carfora et al. | A “pay-how-you-drive” car insurance approach through cluster analysis | |
Oh et al. | A method for identifying rear-end collision risks using inductive loop detectors | |
CN103562978B (zh) | 车辆数据分析方法和车辆数据分析系统 | |
CN110766258B (zh) | 一种道路风险的评估方法及装置 | |
CN111985749A (zh) | 一种道路风险的评估方法及装置 | |
US20140278840A1 (en) | Telemetry-based vehicle policy enforcement | |
Kovaceva et al. | Identification of aggressive driving from naturalistic data in car-following situations | |
JP2016218862A (ja) | 評価方法、評価プログラムおよび情報処理装置 | |
CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
Jin et al. | Latent class analysis of accident risks in usage-based insurance: Evidence from Beijing | |
CN111144485A (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
CN103617734A (zh) | 基于时程特征的高速公路车辆安全行驶识别方法 | |
KR102095884B1 (ko) | 차량의 거동 정보 기반 도로위험지표 산출 방법 및 그 장치 | |
Alrassy et al. | Driver behavior indices from large-scale fleet telematics data as surrogate safety measures | |
US20230054889A1 (en) | Automatically tracking a trajectory of a vehicle | |
Kumar et al. | Risk assessment of rear-end crashes by incorporating vehicular heterogeneity into Bayesian hierarchical extreme value models | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
Agnoor et al. | Analysis of driving behaviour through instrumented vehicles | |
CN114973681B (zh) | 一种在途车辆感知方法及设备 | |
Ebner et al. | Identifying and analyzing reference scenarios for the development and evaluation of active safety: application to preventive pedestrian safety | |
CN113160546B (zh) | 一种危险路段的识别方法及装置 | |
CN115565365A (zh) | 一种高速公路数据处理方法、装置、设备及计算机程序产品 | |
CN115204755A (zh) | 服务区入区率测算方法、装置、电子设备及可读存储介质 | |
Sharma et al. | Deriving on-trip route choices of truck drivers by utilizing Bluetooth data, loop detector data and variable message sign data |
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 |