CN112071061B - 基于云计算和数据分析的车辆服务系统 - Google Patents
基于云计算和数据分析的车辆服务系统 Download PDFInfo
- Publication number
- CN112071061B CN112071061B CN202010955090.5A CN202010955090A CN112071061B CN 112071061 B CN112071061 B CN 112071061B CN 202010955090 A CN202010955090 A CN 202010955090A CN 112071061 B CN112071061 B CN 112071061B
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- driver
- data
- signal
- 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
Links
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于云计算和数据分析的车辆服务系统,包括数据库、注册登录模块、防盗模块、车况分析模块、报警单元、云计算平台、行为监控模块、驾驶安全模块、路况分析模块以及预测模块;通过行为监控模块对司机人脸动作进行分析,通过人脸特征动作识别技术,统计出司机在行驶过程中t时间内眯眼睛和打哈欠的频率,t为时间阈值,若眯眼睛和打哈欠的频率之和D2大于频率阈值,则判定司机疲劳驾驶,生产疲劳驾驶信号并将疲劳驾驶信号发送至云计算平台,云计算平台生成安全熄火指令,远程控制车辆断油,并根据车速和路况智能执行安全熄火指令,能够分析出司机疲劳驾驶,使司机能够避免疲劳驾驶,避免了交通事故的发生。
Description
技术领域
本发明涉及车辆服务技术领域,具体为基于云计算和数据分析的车辆服务系统。
背景技术
随着汽车的普及,用户在汽车上的时间逐渐增多,汽车这个高价值移动互联网入口,成为商家必争之地,前瞻产业研究院发布的数据显示,截至2013年底,全国机动车数量突破2.5亿辆,机动车驾驶人近2.8亿人,我国汽车保有量达1.37亿辆,共有31个城市的汽车数量超过100万辆,如此巨量的汽车保有量,为我国车联网产业发展提供了广阔的市场和无穷的想象力,车辆服务系统是指利用先进传感技术、网络技术、计算技术、控制技术、智能技术,对道路和交通进行全面感知,实现多个系统间大范围、大容量数据的交互,对每一辆汽车进行交通全程控制,对每一条道路进行交通全时空控制,以提供交通效率和交通安全为主的网络与应用。
申请号为CN201610130669.1的专利公开了一种车辆服务系统,包括:客户端、业务逻辑层、数据层,所述业务逻辑层与客户端、数据层之间采用数据通信网络连接,所述客户端包括有:智能手持终端和PC机,所述数据层保存有:客户端输入的可编辑信息、第三方平台采集的信息数据源,客户端通过将车辆的基本信息、与车辆匹配的车主的信息输入并保存至数据层,数据层会根据实时采集该车辆信息的违章情况、维修保养数据,并能利用车载定位系统或智能手持终端的GPS实现对该车辆的定位和导航服务。
但是该专利中,不能对行驶中的车辆进行危险报警,提高了司机驾驶的危险性,同时不能够对路况进行分析和对路况进行预测,给司机出行带来了不必要的麻烦。
发明内容
本发明的目的就在于提出基于云计算和数据分析的车辆服务系统,通过车况分析模块搜集行车时的车辆状态,并对车辆信息进行分析,通过公式获取到车况系数,当车况系数Kc大于车况系数阈值时,则判定车况存在问题,生成问题信号并发送至云计算平台;云计算平台接收到一级拥堵信号或二级拥堵信号或三级拥堵信号后生成预测信号,并将预测信号发送至预测模块,通过预测模块对道路路况进行预测,建立直角坐标系构建相似曲线,以动态时间弯曲法为相似度准则,取相似曲线的V(t+1),进行带权重赋值得到预测的速度,若预测的速度小于速度阈值时,生成预测道路拥堵信号并将预测道路拥堵信号发送至报警单元,能够预测道路的路况,给司机出行带来便利,避免堵车带来不必要的麻烦;通过驾驶安全模块收集行车状态数据并行车状态数据进行计算,获取到行车时偏离车道的速度,若偏离车道的速度V1大于速度阈值时,生成危险信号并将危险信号发送至报警单元,报警单元接收到危险信号通过语音播报的形式对司机进行语音提醒;能够分析出司机存在危险驾驶的行为,并对该行为进行警告,能够提醒司机安全驾车,有效减少交通事故的发生;
本发明的目的可以通过以下技术方案实现:
基于云计算和数据分析的车辆服务系统,包括数据库、注册登录模块、防盗模块、车况分析模块、报警单元、云计算平台、行为监控模块、驾驶安全模块、路况分析模块以及预测模块;
所述车况分析模块用于搜集行车时的车辆状态,标记为车辆信息并对车辆信息进行分析,具体分析步骤如下:
S1:获取车辆启动时车身的抖动次数,并将车辆启动时车身的抖动次数标记为Dc,c=1...n;
S2:获取车辆行驶中车身的异响分贝大小,并将车身的异响分贝大小标记为Xc,c=1...n;
S3:获取车辆行驶中车胎的压强大小,并将车胎的压强大小标记为Tc,c=1...n;
S5:当车况系数Kc小于或等于车况系数阈值时,则判定车况良好;当车况系数Kc大于车况系数阈值时,则判定车况存在问题,生成问题信号并发送至云计算平台;
所述云计算平台接收到问题信号后生成报警信号并将报警信号发送至报警单元,所述报警单元接收到报警信号后通过语音播报的形式对司机进行语音提醒;
所述路况分析模块用于收集路况信息并对路况信息进行分析,具体分析步骤如下:
SS1:获取道路的等级,并将道路的等级标记为Dd,d=1...4;
SS2:获取道路的车道数量,并将道路的车道数量为Sd,d=1...n;
SS4:获取道路环境的可见度,并将道路环境的可见度标记为TZd;
SS5:获取道路的行车流量,并将道路的行车流量标记为XZd;
SS6:获取道路上发生的交通事故数量,并将交通事故数量标记为GZd;
SS8:将道路路况系数Zd和外界影响系数YZd分别与设定系数阈值进行比较:
若道路路况系数Zd小于等于路况系数阈值时,外界影响系数YZd大于外界影响系数阈值时,则判定道路拥堵,生成三级拥堵信号并将三级拥堵信号发送至云计算平台;
若道路路况系数Zd大于路况系数阈值时,外界影响系数YZd小于等于外界影响系数阈值时,则判定道路拥堵,生成二级拥堵信号并将二级拥堵信号发送至云计算平台;
若道路路况系数Zd大于路况系数阈值时,外界影响系数YZd大于外界影响系数阈值时,则判定道路拥堵,生成一级拥堵信号并将一级拥堵信号发送至云计算平台;
若道路路况系数Zd小于等于路况系数阈值时,外界影响系数YZd小于等于外界影响系数阈值时,则判定道路畅通;
所述云计算平台接收到一级拥堵信号或二级拥堵信号或三级拥堵信号后生成预测信号,并将预测信号发送至预测模块,所述预测模块用于对道路路况进行预测,具体预测过程如下:
步骤二:建立直角坐标系构建相似曲线,以动态时间弯曲法为相似度准则;
步骤三:将相似曲线数量选择:K=10;
步骤五:相似曲线取了最相似的10条速度曲线,取t+1时刻的速度进行带权重的赋值,得到预测的速度V(t+1);
步骤六:将预测的速度与速度阈值进行比较:
若预测的速度小于速度阈值时,生成预测道路拥堵信号并将预测道路拥堵信号发送至报警单元;
若预测的速度大于或等于速度阈值时,生成预测道路畅通信号并将预测道路畅通信号发送至云计算平台;
所述驾驶安全模块用于收集行车状态数据并行车状态数据进行计算,所述行车状态数据包括行车时车身偏离车道的距离、车身偏离车道的时间,获取行车时车身偏离车道的距离和车身偏离车道的时间,并将车身偏离车道的距离和车身偏离车道的时间对应标记为X1和T1,通过公式V1=X1/T1获取到行车时偏离车道的速度并将偏离车道的速度标记为V1,若偏离车道的速度V1大于速度阈值时,则判定司机危险行驶,生成危险信号并将危险信号发送至报警单元,报警单元接收到危险信号通过语音播报的形式对司机进行语音提醒;
所述行为监控模块用于对司机人脸动作进行分析,通过人脸特征动作识别技术,对司机在行驶过程中进行人脸动作识别,统计出司机在行驶过程中t时间内眯眼睛和打哈欠的频率,t为时间阈值,并将眯眼睛和打哈欠的频率之和标记为D2,若眯眼睛和打哈欠的频率之和D2大于频率阈值,则判定司机疲劳驾驶,生产疲劳驾驶信号并将疲劳驾驶信号发送至云计算平台,云计算平台接收到疲劳驾驶信号后,生成安全熄火指令,远程控制车辆断油,并根据车速和路况智能执行安全熄火指令。
进一步地,所述注册登录模块用于司机通过手机终端提交司机数据和车辆数据进行注册,并将注册成功的司机数据与车辆数据发送至数据库进行储存,司机数据包括司机的姓名、身份证号、手机号码以及所属车辆车牌号,所述车辆数据包括车辆的户主姓名、使用年限以及维修次数。
进一步地,所述车辆信息包括抖动数据、异响数据以及胎压数据,所述抖动数据表示为车辆启动时车身的抖动次数,所述异响数据表示为车辆行驶中车身的异响分贝大小,所述胎压数据表示为车辆行驶中车胎的压强大小。
进一步地,路况信息包括等级数据、车道数据、天气数据、车流数据以及事故数据,所述等级数据表示为道路的等级,道路等级分为快速路、主干路、次干路以及支路四个等级,并且依次对应一级道路、二级道路、三级道路以及四级道路,所述车道数据表示为道路的车道数量,所述天气数据表示为道路环境的可见度,所述车流数据表示为道路的行车流量,所述事故数据表示为道路上发生的交通事故数量。
与现有技术相比,本发明的有益效果是:
1、通过车况分析模块搜集行车时的车辆状态,标记为车辆信息并对车辆信息进行分析,通过公式获取到车况系数,当车况系数Kc小于或等于车况系数阈值时,则判定车况良好;当车况系数Kc大于车况系数阈值时,则判定车况存在问题,生成问题信号并发送至云计算平台;能够通过分析车辆行驶途中的车辆信息,判定车辆存在问题,能够及时提醒司机检查车辆,减少事故的发生,给司机的人身安全带来防护;
2、云计算平台接收到一级拥堵信号或二级拥堵信号或三级拥堵信号后生成预测信号,并将预测信号发送至预测模块,通过预测模块对道路路况进行预测,建立直角坐标系构建相似曲线,以动态时间弯曲法为相似度准则,取相似曲线的V(t+1),进行带权重赋值得到预测的速度,若预测的速度小于速度阈值时,生成预测道路拥堵信号并将预测道路拥堵信号发送至报警单元,能够预测道路的路况,给司机出行带来便利,避免堵车带来不必要的麻烦;
3、通过路况分析模块收集路况信息并对路况信息进行分析,获取到道路路况系数和外界影响系数,对道路路况系数和外界影响系数与路况系数阈值进行比较,并生成对应级别的拥堵信号,为司机提供详细的路况分析,为司机出行带来便利,方便司机规划便利路线;
4、通过驾驶安全模块收集行车状态数据并行车状态数据进行计算,通过公式V1=X1/T1获取到行车时偏离车道的速度,若偏离车道的速度V1大于速度阈值时,则判定司机危险行驶,生成危险信号并将危险信号发送至报警单元,报警单元接收到危险信号通过语音播报的形式对司机进行语音提醒;能够分析出司机存在危险驾驶的行为,并对该行为进行警告,能够提醒司机安全驾车,有效减少交通事故的发生;
5、通过行为监控模块对司机人脸动作进行分析,通过人脸特征动作识别技术,对司机在行驶过程中进行人脸动作识别,统计出司机在行驶过程中t时间内眯眼睛和打哈欠的频率,t为时间阈值,若眯眼睛和打哈欠的频率之和D2大于频率阈值,则判定司机疲劳驾驶,生产疲劳驾驶信号并将疲劳驾驶信号发送至云计算平台,云计算平台接收到疲劳驾驶信号后,生成安全熄火指令,远程控制车辆断油,并根据车速和路况智能执行安全熄火指令,能够分析出司机疲劳驾驶,并对车辆进行远程控制,使司机能够避免疲劳驾驶,有效保护了司机的人身安全,避免了交通事故的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,基于云计算和数据分析的车辆服务系统,包括数据库、注册登录模块、防盗模块、车况分析模块、报警单元、云计算平台、行为监控模块、驾驶安全模块、路况分析模块以及预测模块;
所述注册登录模块用于司机通过手机终端提交司机数据和车辆数据进行注册,并将注册成功的司机数据与车辆数据发送至数据库进行储存,司机数据包括司机的姓名、身份证号、手机号码以及所属车辆车牌号,所述车辆数据包括车辆的户主姓名、使用年限以及维修次数;
所述车况分析模块用于搜集行车时的车辆状态,标记为车辆信息并对车辆信息进行分析,所述车辆信息包括抖动数据、异响数据以及胎压数据,所述抖动数据表示为车辆启动时车身的抖动次数,所述异响数据表示为车辆行驶中车身的异响分贝大小,所述胎压数据表示为车辆行驶中车胎的压强大小;具体分析步骤如下:
S1:获取车辆启动时车身的抖动次数,并将车辆启动时车身的抖动次数标记为Dc,c=1...n;
S2:获取车辆行驶中车身的异响分贝大小,并将车身的异响分贝大小标记为Xc,c=1...n;
S3:获取车辆行驶中车胎的压强大小,并将车胎的压强大小标记为Tc,c=1...n;
S5:当车况系数Kc小于或等于车况系数阈值时,则判定车况良好;当车况系数Kc大于车况系数阈值时,则判定车况存在问题,生成问题信号并发送至云计算平台;
所述云计算平台接收到问题信号后生成报警信号并将报警信号发送至报警单元,所述报警单元接收到报警信号后通过语音播报的形式对司机进行语音提醒;
所述路况分析模块用于收集路况信息并对路况信息进行分析,路况信息包括等级数据、车道数据、天气数据、车流数据以及事故数据,所述等级数据表示为道路的等级,道路等级分为快速路、主干路、次干路以及支路四个等级,并且依次对应一级道路、二级道路、三级道路以及四级道路,所述车道数据表示为道路的车道数量,所述天气数据表示为道路环境的可见度,道路环境的可见度通过能见度仪获取,所述车流数据表示为道路的行车流量,所述事故数据表示为道路上发生的交通事故数量,具体分析步骤如下:
SS1:获取道路的等级,并将道路的等级标记为Dd,d=1...4;
SS2:获取道路的车道数量,并将道路的车道数量为Sd,d=1...n;
SS4:获取道路环境的可见度,并将道路环境的可见度标记为TZd;
SS5:获取道路的行车流量,并将道路的行车流量标记为XZd;
SS6:获取道路上发生的交通事故数量,并将交通事故数量标记为GZd;
SS8:将道路路况系数Zd和外界影响系数YZd分别与设定系数阈值进行比较:
若道路路况系数Zd小于等于路况系数阈值时,外界影响系数YZd大于外界影响系数阈值时,则判定道路拥堵,生成三级拥堵信号并将三级拥堵信号发送至云计算平台;
若道路路况系数Zd大于路况系数阈值时,外界影响系数YZd小于等于外界影响系数阈值时,则判定道路拥堵,生成二级拥堵信号并将二级拥堵信号发送至云计算平台;
若道路路况系数Zd大于路况系数阈值时,外界影响系数YZd大于外界影响系数阈值时,则判定道路拥堵,生成一级拥堵信号并将一级拥堵信号发送至云计算平台;
若道路路况系数Zd小于等于路况系数阈值时,外界影响系数YZd小于等于外界影响系数阈值时,则判定道路畅通;
所述云计算平台接收到一级拥堵信号或二级拥堵信号或三级拥堵信号后生成预测信号,并将预测信号发送至预测模块,所述预测模块用于对道路路况进行预测,具体预测过程如下:
步骤二:建立直角坐标系构建相似曲线,以动态时间弯曲法为相似度准则;
步骤三:将相似曲线数量选择:K=10;
步骤五:相似曲线取了最相似的10条速度曲线,取t+1时刻的速度进行带权重的赋值,得到预测的速度V(t+1);
步骤六:将预测的速度与速度阈值进行比较:
若预测的速度小于速度阈值时,生成预测道路拥堵信号并将预测道路拥堵信号发送至报警单元;
若预测的速度大于或等于速度阈值时,生成预测道路畅通信号并将预测道路畅通信号发送至云计算平台;
所述驾驶安全模块用于收集行车状态数据并行车状态数据进行计算,所述行车状态数据包括行车时车身偏离车道的距离、车身偏离车道的时间,获取行车时车身偏离车道的距离和车身偏离车道的时间,并将车身偏离车道的距离和车身偏离车道的时间对应标记为X1和T1,通过公式V1=X1/T1获取到行车时偏离车道的速度并将偏离车道的速度标记为V1,若偏离车道的速度V1大于速度阈值时,则判定司机危险行驶,生成危险信号并将危险信号发送至报警单元,报警单元接收到危险信号通过语音播报的形式对司机进行语音提醒;
所述行为监控模块用于对司机人脸动作进行分析,通过人脸特征动作识别技术,对司机在行驶过程中进行人脸动作识别,统计出司机在行驶过程中t时间内眯眼睛和打哈欠的频率,t为时间阈值,并将眯眼睛和打哈欠的频率之和标记为D2,若眯眼睛和打哈欠的频率之和D2大于频率阈值,则判定司机疲劳驾驶,生产疲劳驾驶信号并将疲劳驾驶信号发送至云计算平台,云计算平台接收到疲劳驾驶信号后,生成安全熄火指令,远程控制车辆断油,并根据车速和路况智能执行安全熄火指令;
防盗单元用于对停放的车辆进行防护,当车辆在设防状态下,若车门非正常打开,则生成警告信号并将警告信号发送至司机手机终端,通过北斗卫星定位技术,对该车辆进行实时定位,防盗单元将车辆的实时位置发送至司机手机终端。
基于云计算和数据分析的车辆服务系统,在工作时,通过车况分析模块搜集行车时的车辆状态,标记为车辆信息并对车辆信息进行分析,通过公式获取到车况系数,当车况系数Kc小于或等于车况系数阈值时,则判定车况良好;当车况系数Kc大于车况系数阈值时,则判定车况存在问题,生成问题信号并发送至云计算平台,云计算平台接收到问题信号后生成报警信号并将报警信号发送至报警单元,所述报警单元接收到报警信号后通过语音播报的形式对司机进行语音提醒;通过路况分析模块收集路况信息并对路况信息进行分析,通过公式获取到道路路况系数和外界影响系数YZd,若道路路况系数Zd大于路况系数阈值时,外界影响系数YZd大于外界影响系数阈值时,则判定道路拥堵,生成一级拥堵信号并将一级拥堵信号发送至云计算平台;云计算平台接收到一级拥堵信号或二级拥堵信号或三级拥堵信号后生成预测信号,并将预测信号发送至预测模块,通过预测模块对道路路况进行预测,建立直角坐标系构建相似曲线,以动态时间弯曲法为相似度准则,进行带权重赋值得到预测的速度,若预测的速度小于速度阈值时,生成预测道路拥堵信号并将预测道路拥堵信号发送至报警单元;
通过驾驶安全模块收集行车状态数据并行车状态数据进行计算通过公式V1=X1/T1获取到行车时偏离车道的速度并将偏离车道的速度标记为V1,若偏离车道的速度V1大于速度阈值时,则判定司机危险行驶,生成危险信号并将危险信号发送至报警单元,报警单元接收到危险信号通过语音播报的形式对司机进行语音提醒,通过行为监控模块用于对司机人脸动作进行分析,统计出司机在行驶过程中t时间内眯眼睛和打哈欠的频率,t为时间阈值,若眯眼睛和打哈欠的频率之和D2大于频率阈值,则判定司机疲劳驾驶,生产疲劳驾驶信号并将疲劳驾驶信号发送至云计算平台,云计算平台接收到疲劳驾驶信号后,生成安全熄火指令,远程控制车辆断油,并根据车速和路况智能执行安全熄火指令。
上述公式均是去量化取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (1)
1.基于云计算和数据分析的车辆服务系统,其特征在于,包括数据库、注册登录模块、防盗模块、车况分析模块、报警单元、云计算平台、行为监控模块、驾驶安全模块、路况分析模块以及预测模块;
所述车况分析模块用于搜集行车时的车辆状态,标记为车辆信息并对车辆信息进行分析,具体分析步骤如下:
S1:获取车辆启动时车身的抖动次数,并将车辆启动时车身的抖动次数标记为Dc,c=1...n;
S2:获取车辆行驶中车身的异响分贝大小,并将车身的异响分贝大小标记为Xc,c=1...n;
S3:获取车辆行驶中车胎的压强大小,并将车胎的压强大小标记为Tc,c=1...n;
S5:当车况系数Kc小于或等于车况系数阈值时,则判定车况良好;当车况系数Kc大于车况系数阈值时,则判定车况存在问题,生成问题信号并发送至云计算平台;
所述云计算平台接收到问题信号后生成报警信号并将报警信号发送至报警单元,所述报警单元接收到报警信号后通过语音播报的形式对司机进行语音提醒;
所述路况分析模块用于收集路况信息并对路况信息进行分析,具体分析步骤如下:
SS1:获取道路的等级,并将道路的等级标记为Dd,d=1...4;
SS2:获取道路的车道数量,并将道路的车道数量为Sd,d=1...n;
SS4:获取道路环境的可见度,并将道路环境的可见度标记为TZd;
SS5:获取道路的行车流量,并将道路的行车流量标记为XZd;
SS6:获取道路上发生的交通事故数量,并将交通事故数量标记为GZd;
SS8:将道路路况系数Zd和外界影响系数YZd分别与设定系数阈值进行比较:
若道路路况系数Zd小于等于路况系数阈值时,外界影响系数YZd大于外界影响系数阈值时,则判定道路拥堵,生成三级拥堵信号并将三级拥堵信号发送至云计算平台;
若道路路况系数Zd大于路况系数阈值时,外界影响系数YZd小于等于外界影响系数阈值时,则判定道路拥堵,生成二级拥堵信号并将二级拥堵信号发送至云计算平台;
若道路路况系数Zd大于路况系数阈值时,外界影响系数YZd大于外界影响系数阈值时,则判定道路拥堵,生成一级拥堵信号并将一级拥堵信号发送至云计算平台;
若道路路况系数Zd小于等于路况系数阈值时,外界影响系数YZd小于等于外界影响系数阈值时,则判定道路畅通;
所述云计算平台接收到一级拥堵信号或二级拥堵信号或三级拥堵信号后生成预测信号,并将预测信号发送至预测模块,所述预测模块用于对道路路况进行预测,具体预测过程如下:
步骤二:建立直角坐标系构建相似曲线,以动态时间弯曲法为相似度准则;
步骤三:将相似曲线数量选择:K=10;
步骤五:相似曲线取了最相似的10条速度曲线,取t+1时刻的速度进行带权重的赋值,得到预测的速度V(t+1);
步骤六:将预测的速度与速度阈值进行比较:
若预测的速度小于速度阈值时,生成预测道路拥堵信号并将预测道路拥堵信号发送至报警单元;
若预测的速度大于或等于速度阈值时,生成预测道路畅通信号并将预测道路畅通信号发送至云计算平台;
所述驾驶安全模块用于收集行车状态数据并行车状态数据进行计算,所述行车状态数据包括行车时车身偏离车道的距离、车身偏离车道的时间,获取行车时车身偏离车道的距离和车身偏离车道的时间,并将车身偏离车道的距离和车身偏离车道的时间对应标记为X1和T1,通过公式V1=X1/T1获取到行车时偏离车道的速度并将偏离车道的速度标记为V1,若偏离车道的速度V1大于速度阈值时,则判定司机危险行驶,生成危险信号并将危险信号发送至报警单元,报警单元接收到危险信号通过语音播报的形式对司机进行语音提醒;
所述行为监控模块用于对司机人脸动作进行分析,通过人脸特征动作识别技术,对司机在行驶过程中进行人脸动作识别,统计出司机在行驶过程中t时间内眯眼睛和打哈欠的频率,t为时间阈值,并将眯眼睛和打哈欠的频率之和标记为D2,若眯眼睛和打哈欠的频率之和D2大于频率阈值,则判定司机疲劳驾驶,生产疲劳驾驶信号并将疲劳驾驶信号发送至云计算平台,云计算平台接收到疲劳驾驶信号后,生成安全熄火指令,远程控制车辆断油,并根据车速和路况智能执行安全熄火指令;所述注册登录模块用于司机通过手机终端提交司机数据和车辆数据进行注册,并将注册成功的司机数据与车辆数据发送至数据库进行储存,司机数据包括司机的姓名、身份证号、手机号码以及所属车辆车牌号,所述车辆数据包括车辆的户主姓名、使用年限以及维修次数;所述车辆信息包括抖动数据、异响数据以及胎压数据,所述抖动数据表示为车辆启动时车身的抖动次数,所述异响数据表示为车辆行驶中车身的异响分贝大小,所述胎压数据表示为车辆行驶中车胎的压强大小;路况信息包括等级数据、车道数据、天气数据、车流数据以及事故数据,所述等级数据表示为道路的等级,道路等级分为快速路、主干路、次干路以及支路四个等级,并且依次对应一级道路、二级道路、三级道路以及四级道路,所述车道数据表示为道路的车道数量,所述天气数据表示为道路环境的可见度,所述车流数据表示为道路的行车流量,所述事故数据表示为道路上发生的交通事故数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955090.5A CN112071061B (zh) | 2020-09-11 | 2020-09-11 | 基于云计算和数据分析的车辆服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955090.5A CN112071061B (zh) | 2020-09-11 | 2020-09-11 | 基于云计算和数据分析的车辆服务系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112071061A CN112071061A (zh) | 2020-12-11 |
CN112071061B true CN112071061B (zh) | 2021-10-15 |
Family
ID=73696520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010955090.5A Active CN112071061B (zh) | 2020-09-11 | 2020-09-11 | 基于云计算和数据分析的车辆服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112071061B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112687138B (zh) * | 2020-12-30 | 2022-05-03 | 江苏传智播客教育科技股份有限公司 | 一种基于物联网的互动教学平台 |
CN112985436A (zh) * | 2021-01-25 | 2021-06-18 | 何桂香 | 一种基于大数据的物流车辆车载导航系统 |
CN113159513B (zh) * | 2021-03-22 | 2024-05-31 | 广州宸祺出行科技有限公司 | 一种基于驾驶行为的司机身心状态判断方法及装置 |
CN113119860B (zh) * | 2021-05-18 | 2022-08-19 | 刘宇晟 | 一种基于云计算的司机智能辅助驾驶系统 |
CN113691629A (zh) * | 2021-08-25 | 2021-11-23 | 北京东华博泰科技有限公司 | 基于区块链与边缘计算的物联网数据管理系统 |
CN113888890A (zh) * | 2021-09-29 | 2022-01-04 | 四川奇石缘科技股份有限公司 | 高速公路防事故电子警示系统 |
CN114312800B (zh) * | 2022-02-14 | 2022-11-15 | 深圳市发掘科技有限公司 | 车辆安全驾驶方法、装置、计算机设备及存储介质 |
CN114973732B (zh) * | 2022-04-20 | 2023-09-08 | 安徽皖通科技股份有限公司 | 基于路网智能监控的语音指引系统及方法 |
CN115116223A (zh) * | 2022-06-22 | 2022-09-27 | 兰州交通大学 | 一种基于云计算城市道路交通信息的监测系统 |
CN116740840A (zh) * | 2023-04-03 | 2023-09-12 | 深圳益国电子科技有限公司 | 一种行车记录仪用视频预警系统 |
CN116563971A (zh) * | 2023-04-27 | 2023-08-08 | 深圳市慧视通科技股份有限公司 | 一种智能交通座式监控出租车的终端监控设备 |
CN116580565B (zh) * | 2023-07-12 | 2023-10-27 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的政务大数据分析系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694743A (zh) * | 2009-08-25 | 2010-04-14 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
WO2011140993A1 (zh) * | 2010-05-12 | 2011-11-17 | 北京星河易达科技有限公司 | 基于综合状态检测的智能交通安全系统及其决策方法 |
CN104408925A (zh) * | 2014-12-17 | 2015-03-11 | 合肥革绿信息科技有限公司 | 基于陈列雷达的交叉口运行状态评价方法 |
CN104484994A (zh) * | 2014-12-17 | 2015-04-01 | 合肥革绿信息科技有限公司 | 基于阵列雷达的城市路网交通运行指数评价方法及装置 |
CN104978853A (zh) * | 2014-04-01 | 2015-10-14 | 中国移动通信集团公司 | 一种道路交通安全评估方法及系统 |
CN105389948A (zh) * | 2015-11-11 | 2016-03-09 | 上海斐讯数据通信技术有限公司 | 一种预防司机疲劳驾驶的系统及方法 |
CN105551239A (zh) * | 2015-12-08 | 2016-05-04 | 北京云星宇交通科技股份有限公司 | 旅行时间预测方法及装置 |
CN106777980A (zh) * | 2016-12-16 | 2017-05-31 | 重庆邮电大学 | 一种基于dtw的时间序列相似性预测方法 |
CN107369318A (zh) * | 2016-05-11 | 2017-11-21 | 杭州海康威视数字技术股份有限公司 | 一种速度预测方法及装置 |
CN108022425A (zh) * | 2017-12-21 | 2018-05-11 | 东软集团股份有限公司 | 交通状况预测方法、装置和计算机设备 |
CN108327717A (zh) * | 2018-02-06 | 2018-07-27 | 合肥工业大学 | 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法 |
CN108628902A (zh) * | 2017-03-23 | 2018-10-09 | 北京爱德盛业科技有限公司 | 一种基于云平台的汽车保养数字检测报告生成方法及系统 |
CN109050741A (zh) * | 2018-06-15 | 2018-12-21 | 杭州后博科技有限公司 | 一种共享单车车辆状况分类方法及系统 |
CN109080536A (zh) * | 2018-08-28 | 2018-12-25 | 格陆博科技有限公司 | 一种车道偏离预警系统 |
CN110203210A (zh) * | 2019-06-19 | 2019-09-06 | 厦门金龙联合汽车工业有限公司 | 一种车道偏离预警方法、终端设备及存储介质 |
US10474164B2 (en) * | 2016-12-30 | 2019-11-12 | DeepMap Inc. | Representing navigable surface boundaries of lanes in high definition maps for autonomous vehicles |
CN110525211A (zh) * | 2019-08-16 | 2019-12-03 | 内蒙古雄鹰企业管理咨询有限公司 | 一种智能云交通安全管理系统 |
CN110667574A (zh) * | 2019-09-25 | 2020-01-10 | 东南大学 | 一种多情景车道偏离预警系统及方法 |
CN111063055A (zh) * | 2019-12-24 | 2020-04-24 | 广东天创同工大数据应用有限公司 | 一种基于无人驾驶车辆智联协助系统的警报分级方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE534980C2 (sv) * | 2009-08-26 | 2012-03-06 | Svenska Utvecklings Entreprenoeren Susen Ab | Metod för att väcka en insomnad motorfordonsförare |
US20140309852A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Automatic vehicle diagnostic detection and communication |
CN104077819B (zh) * | 2014-06-17 | 2015-03-18 | 深圳前向启创数码技术有限公司 | 基于行车安全的远程监控方法及系统 |
CN105575115A (zh) * | 2015-12-17 | 2016-05-11 | 福建星海通信科技有限公司 | 一种基于车载监控管理平台的驾驶行为分析方法 |
CN107845231A (zh) * | 2016-09-18 | 2018-03-27 | 邹红星 | 智能交通管理方法、系统、车载终端和交通管控服务平台 |
US10621860B2 (en) * | 2017-03-02 | 2020-04-14 | Veniam, Inc. | Systems and methods for characterizing and managing driving behavior in the context of a network of moving things, including for use in autonomous vehicles |
US10467484B2 (en) * | 2017-06-01 | 2019-11-05 | Aptiv Technologies Limited | Driver fatigue warning system |
US10796175B2 (en) * | 2018-06-26 | 2020-10-06 | Toyota Jidosha Kabushiki Kaisha | Detection of a drowsy driver based on vehicle-to-everything communications |
CN110660194A (zh) * | 2019-09-05 | 2020-01-07 | 深圳市德赛微电子技术有限公司 | 一种驾驶监控预警方法及系统 |
CN111301316B (zh) * | 2020-01-20 | 2021-06-08 | 杭州金通科技集团股份有限公司 | 一种智能公交车载终端系统 |
-
2020
- 2020-09-11 CN CN202010955090.5A patent/CN112071061B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694743A (zh) * | 2009-08-25 | 2010-04-14 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
WO2011140993A1 (zh) * | 2010-05-12 | 2011-11-17 | 北京星河易达科技有限公司 | 基于综合状态检测的智能交通安全系统及其决策方法 |
CN104978853A (zh) * | 2014-04-01 | 2015-10-14 | 中国移动通信集团公司 | 一种道路交通安全评估方法及系统 |
CN104408925A (zh) * | 2014-12-17 | 2015-03-11 | 合肥革绿信息科技有限公司 | 基于陈列雷达的交叉口运行状态评价方法 |
CN104484994A (zh) * | 2014-12-17 | 2015-04-01 | 合肥革绿信息科技有限公司 | 基于阵列雷达的城市路网交通运行指数评价方法及装置 |
CN105389948A (zh) * | 2015-11-11 | 2016-03-09 | 上海斐讯数据通信技术有限公司 | 一种预防司机疲劳驾驶的系统及方法 |
CN105551239A (zh) * | 2015-12-08 | 2016-05-04 | 北京云星宇交通科技股份有限公司 | 旅行时间预测方法及装置 |
CN107369318A (zh) * | 2016-05-11 | 2017-11-21 | 杭州海康威视数字技术股份有限公司 | 一种速度预测方法及装置 |
CN106777980A (zh) * | 2016-12-16 | 2017-05-31 | 重庆邮电大学 | 一种基于dtw的时间序列相似性预测方法 |
US10474164B2 (en) * | 2016-12-30 | 2019-11-12 | DeepMap Inc. | Representing navigable surface boundaries of lanes in high definition maps for autonomous vehicles |
CN108628902A (zh) * | 2017-03-23 | 2018-10-09 | 北京爱德盛业科技有限公司 | 一种基于云平台的汽车保养数字检测报告生成方法及系统 |
CN108022425A (zh) * | 2017-12-21 | 2018-05-11 | 东软集团股份有限公司 | 交通状况预测方法、装置和计算机设备 |
CN108327717A (zh) * | 2018-02-06 | 2018-07-27 | 合肥工业大学 | 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法 |
CN109050741A (zh) * | 2018-06-15 | 2018-12-21 | 杭州后博科技有限公司 | 一种共享单车车辆状况分类方法及系统 |
CN109080536A (zh) * | 2018-08-28 | 2018-12-25 | 格陆博科技有限公司 | 一种车道偏离预警系统 |
CN110203210A (zh) * | 2019-06-19 | 2019-09-06 | 厦门金龙联合汽车工业有限公司 | 一种车道偏离预警方法、终端设备及存储介质 |
CN110525211A (zh) * | 2019-08-16 | 2019-12-03 | 内蒙古雄鹰企业管理咨询有限公司 | 一种智能云交通安全管理系统 |
CN110667574A (zh) * | 2019-09-25 | 2020-01-10 | 东南大学 | 一种多情景车道偏离预警系统及方法 |
CN111063055A (zh) * | 2019-12-24 | 2020-04-24 | 广东天创同工大数据应用有限公司 | 一种基于无人驾驶车辆智联协助系统的警报分级方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112071061A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112071061B (zh) | 基于云计算和数据分析的车辆服务系统 | |
US11891071B2 (en) | Vehicle to vehicle telematics | |
US11735037B2 (en) | Method and system for determining traffic-related characteristics | |
US11990036B2 (en) | Driver behavior monitoring | |
CN107784587B (zh) | 一种驾驶行为评价系统 | |
US10332390B1 (en) | Driving event data analysis | |
US10414407B1 (en) | Driving analysis using vehicle-to-vehicle communication | |
CN113479211B (zh) | 基于机器视觉的汽车驾驶安全行为识别和提醒方法及系统 | |
US10490078B1 (en) | Technology for providing real-time route safety and risk feedback | |
CN102390320B (zh) | 基于车载传感网络的车辆防撞预警系统及用途 | |
JP2023504269A (ja) | ルートのリスク判定方法およびシステム | |
EP3403219A1 (en) | Driver behavior monitoring | |
CN113066287B (zh) | 一种高速公路交通事故现场风险主动防控方法及系统 | |
CN102136190A (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
TWI613108B (zh) | 針對事故的駕駛行為分析系統及方法 | |
CN112519796A (zh) | 一种用于自动驾驶的车道偏离预警系统 | |
CN112991685A (zh) | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 | |
CN114241750A (zh) | 基于智能道路交通风险预警方法的车路协同信息交互系统及方法 | |
CN112356849A (zh) | 一种危险驾驶的预警方法及装置 | |
CN113928333B (zh) | 基于辅助驾驶的降能耗方法及系统 | |
WO2019197345A1 (en) | Vehicular motion assessment method | |
CN112530164B (zh) | 一种高海拔地区道路主动驾驶安全预警方法及系统 | |
CN111985386B (zh) | 一种基于计划行为理论的行人违章穿行行为辨识方法 | |
CN112200148B (zh) | 一种去中心化的交通诚信评价系统 | |
CN117922580A (zh) | 一种基于人工智能的智能驾驶监管方法及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210923 Address after: 430000 No. 401-354, 4th floor, office building a, No. 777, Guanggu Third Road, China (Hubei) free trade zone, Wuhan City, Hubei Province Applicant after: Wuhan yunshang Financial Media Technology Co.,Ltd. Address before: 232000 No. 335, team 3, Pingdong, gaohuang village, gaohuang Town, Panji District, Huainan City, Anhui Province Applicant before: Xie Nengdan |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |