CN112258837B - 一种车辆预警的方法、相关装置、设备以及存储介质 - Google Patents
一种车辆预警的方法、相关装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112258837B CN112258837B CN202011118544.XA CN202011118544A CN112258837B CN 112258837 B CN112258837 B CN 112258837B CN 202011118544 A CN202011118544 A CN 202011118544A CN 112258837 B CN112258837 B CN 112258837B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- steering
- accident rate
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 206010039203 Road traffic accident Diseases 0.000 claims description 76
- 238000012360 testing method Methods 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 19
- 238000013473 artificial intelligence Methods 0.000 abstract description 11
- 230000000977 initiatory effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 24
- 238000013461 design Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 17
- 238000007726 management method Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000002441 reversible effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Abstract
本申请公开了一种基于人工智能技术实现的车辆预警方法,该方法包括:获取在当前时刻的预估车辆数;获取第一历史时长内第一事故率集合以及第二事故率集合;根据第一事故率集合以及第二事故率集合,确定驾驶风险系数;根据预估车辆数、第一事故率集合、第二事故率集合以及驾驶风险系数,确定在当前时刻所对应的致险车辆数;根据致险车辆数以及目标车流量确定转向风险值;若转向风险值满足车辆预警条件,则生成预警提示信息。本申请实施例还提供了相关装置、设备以及存储介质。本申请提供的方案能够避免了发起大量无效车辆预警信息的情况,从而在兼顾安全驾驶的同时,减少对驾驶人员造成的干扰。
Description
技术领域
本申请涉及安全驾驶领域,尤其涉及一种车辆预警的方法、相关装置、设备以及存储介质。
背景技术
近年来,随着汽车工业的快速发展,汽车已广泛应用于人们的日常生活。在车辆普及的同时,安全驾驶成为了现代社会最为关注的焦点之一。在车辆驾驶过程中出现的超速驾驶、随意变换车道、闯红灯以及急停急刹等驾驶行为,都可能导致交通事故的发生。
在许多国家实行车辆靠右行驶的规则,因此,在车辆左转时可能会遇到如下三种驾驶风险,第一种,同车道后方车辆超车或后向碰撞风险。第二种,反向车道前方车辆的前向碰撞风险。第三种,同向车道后方车辆和反向车道前方车辆之间的空间关联,给左转车辆带来的驾驶风险。目前,已提供了一种车辆预警方法,如果存在左转车辆,那么车联网云平台可提示相关车辆当前存在左转车辆,由此引起相关车辆驾驶人员的关注。
在现有的车辆预警方案中,不但会对左转车辆发起车辆预警信息,还会对其他相关车辆也发起车辆预警信息,例如,向左转车辆同车道的后方车辆发起车辆预警信息,以及左转车辆反向车道的前方车辆发起车辆预警信息。然而,大多数情况下可以避让碰撞风险,因此,这些车辆预警信息通常是无效的,反而会给驾驶人员带来干扰。
发明内容
本申请实施例提供了一种车辆预警的方法、相关装置、设备以及存储介质,基于历史时长内采集到的事故率数据,以及当前时刻下预估得到的车辆数,共同作为预测转向风险值的依据,仅对转向风险值满足车辆预警条件的情况进行预警,由此,避免了发起大量无效车辆预警信息的情况,从而在兼顾安全驾驶的同时,减少对驾驶人员造成的干扰。
有鉴于此,本申请一方面提供一种车辆预警的方法,包括:
获取在当前时刻的预估车辆数,其中,预估车辆数与当前时刻处于转向状态的车辆数以及当前时刻所对应的目标车流量具有关联关系;
获取第一历史时长内第一事故率集合以及第二事故率集合,其中,第一历史时长包括M个历史子时长,第一事故率集合包括M个第一事故率,每个第一事故率表示在一个历史子时长内转向车辆与后向车辆发生事故的概率,第二事故率集合包括M个第二事故率,每个第二事故率表示在一个历史子时长内转向车辆与前向车辆发生事故的概率,M为大于或等于2的整数;
根据第一事故率集合以及第二事故率集合,确定驾驶风险系数;
根据预估车辆数、第一事故率集合、第二事故率集合以及驾驶风险系数,确定在当前时刻所对应的致险车辆数;
根据致险车辆数以及目标车流量确定转向风险值;
若转向风险值满足车辆预警条件,则生成预警提示信息。
本申请另一方面提供一种车辆预警装置,包括:
获取模块,用于获取在当前时刻的预估车辆数,其中,预估车辆数与当前时刻处于转向状态的车辆数以及当前时刻所对应的目标车流量具有关联关系;
获取模块,还用于获取第一历史时长内第一事故率集合以及第二事故率集合,其中,第一历史时长包括M个历史子时长,第一事故率集合包括M个第一事故率,每个第一事故率表示在一个历史子时长内转向车辆与后向车辆发生事故的概率,第二事故率集合包括M个第二事故率,每个第二事故率表示在一个历史子时长内转向车辆与前向车辆发生事故的概率,M为大于或等于2的整数;
确定模块,用于根据第一事故率集合以及第二事故率集合,确定驾驶风险系数;
确定模块,还用于根据预估车辆数、第一事故率集合、第二事故率集合以及驾驶风险系数,确定在当前时刻所对应的致险车辆数;
确定模块,还用于根据致险车辆数以及目标车流量确定转向风险值;
生成模块,用于若转向风险值满足车辆预警条件,则生成预警提示信息。
在一种可能的设计中,在本申请实施例的另一方面的一种实现方式中,
获取模块,具体用于获取在当前时刻处于转向状态的实际车辆数;
获取在当前时刻所对应的目标车流量;
获取在第一历史时长内的违规转向车辆比例;
根据实际车辆数、目标车流量以及违规转向车辆比例,确定在当前时刻处于转向状态的预估车辆数。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
获取模块,具体用于通过路测设备获取在当前时刻处于第一转向范围内的第一车辆数,其中,第一车辆数表示在当前时刻已通过转向车道停止线的车辆数;
通过路测设备获取在当前时刻处于第二转向范围内的第二车辆数,其中,第二车辆数表示在当前时刻未通过转向车道停止线的车辆数;
根据第一车辆数以及第二车辆数,确定在当前时刻处于转向状态的实际车辆数。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
获取模块,具体用于通过路测设备获取在当前时刻处于第一路口范围内的第三车辆数,其中,第三车辆数表示在当前时刻已通过路口停止线的车辆数;
通过路测设备获取在当前时刻处于第二路口范围内的第四车辆数,其中,第四车辆数表示在当前时刻未通过路口停止线的车辆数;
根据当前时刻所对应的时长、第三车辆数以及第四车辆数,确定在当前时刻所对应的目标车流量。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
获取模块,具体用于通过路测设备获取在第一历史时长内经过第一路口范围的车辆总数;
根据第一历史时长以及车辆总数,确定在第一历史时长内的总车流量;
获取在第一历史时长内的违规车辆数;
根据第一历史时长内的总车流量以及第一历史时长内的违规车辆数,确定第一历史时长内的违规转向车辆比例。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
获取模块,具体用于根据第一历史时长确定M个历史子时长;
针对于M个历史子时长中的每个历史子时长,获取每个历史子时长所对应的第一事故率,以及每个历史子时长所对应的第二事故率;
根据每个历史子时长所对应的第一事故率,获取第一事故率集合;
根据每个历史子时长所对应的第二事故率,获取第二事故率集合。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
确定模块,具体用于根据第一事故率集合确定第一平均事故率;
根据第二事故率集合确定第二平均事故率;
针对于M个历史子时长中的每个历史子时长,根据第一平均事故率、第二平均事故率、每个历史子时长所对应的第一事故率以及第二事故率,确定驾驶风险系数。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
确定模块,具体用于根据第一事故率集合以及第二事故率集合,确定总交通事故率;
根据总交通事故率以及预估车辆数,确定在当前时刻所对应的致险关联车辆数,其中,致险关联车辆数表示在当前时刻处于转向状态的车辆与后向车辆或者前向车辆发生事故的车辆数;
根据致险关联车辆数以及驾驶风险系数,确定在当前时刻所对应的致险车辆数。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
确定模块,具体用于获取在当前时刻所对应的目标车流量;
根据致险车辆数与目标车流量之间的比值,确定转向风险值;
确定模块,还用于根据致险车辆数以及目标车流量确定转向风险值之后,若转向风险值大于或等于第一阈值,则确定转向风险值满足车辆预警条件。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
确定模块,具体用于获取在当前时刻所对应的目标车流量;
根据致险车辆数与目标车流量之间的比值,确定转向风险值;
确定模块,还用于根据致险车辆数以及目标车流量确定转向风险值之后,若转向风险值大于或等于历史交通事故率,则确定转向风险值满足车辆预警条件,其中,历史交通事故率为在第二历史时长内发生的交通事故率,且第二历史时长大于第一历史时长。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
确定模块,具体用于获取在当前时刻所对应的目标车流量;
获取在第二历史时长内的历史交通事故率,其中,第二历史时长大于或等于第一历史时长;
根据致险车辆数与目标车流量之间的比值,以及历史交通事故率,确定转向风险值;
确定模块,还用于根据致险车辆数以及目标车流量确定转向风险值之后,若转向风险值大于或等于第二阈值,则确定转向风险值满足车辆预警条件。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,车辆预警装置还包括发送模块;
发送模块,用于在生成模块生成预警提示信息之后,向终端设备发送预警提示信息,以使终端设备采用预设提示方式展示预警提示信息,其中,预设提示方式包括字幕提示方式、图片提示方式、语音提示方式以及视频提示方式中的至少一种。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,
生成模块,具体用于根据转向风险值确定目标风险级别,其中,目标风险级别属于风险级别集合中的一类风险级别,风险级别集合还包括至少一类风险级别;
根据目标风险级别生成预警提示信息。
在一种可能的设计中,在本申请实施例的另一方面的另一种实现方式中,车辆预警装置还包括发送模块;
发送模块,还用于在生成模块生成预警提示信息之后,向终端设备发送预警提示信息,以使终端设备根据预警提示信息,按照目标行车策略控制目标车辆行驶,其中,预警提示信息包括目标风险级别,目标行车策略与目标风险级之间具有对应关系。
本申请的另一方面提供了一种计算机设备,包括:存储器、收发器、处理器以及总线系统;
其中,存储器用于存储程序;
处理器用于执行存储器中的程序,处理器用于根据程序代码中的指令执行上述各方面的方法;
总线系统用于连接存储器以及处理器,以使存储器以及处理器进行通信。
本申请的另一方面提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面的方法。
本申请的另一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方面所提供的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请实施例中,提供了一种车辆预警的方法,获取在当前时刻的预估车辆数,还需要获取第一历史时长内第一事故率集合以及第二事故率集合,基于第一事故率集合以及第二事故率集合,确定驾驶风险系数,然后根据预估车辆数、第一事故率集合、第二事故率集合以及驾驶风险系数,确定在当前时刻所对应的致险车辆数,然后根据致险车辆数以及目标车流量确定转向风险值,如果转向风险值满足车辆预警条件,则生成预警提示信息。通过上述方式,基于历史时长内采集到的事故率数据,以及当前时刻下预估得到的车辆数,共同作为预测转向风险值的依据,仅对转向风险值满足车辆预警条件的情况进行预警,由此,避免了发起大量无效车辆预警信息的情况,从而在兼顾安全驾驶的同时,减少对驾驶人员造成的干扰。
附图说明
图1为本申请实施例中车辆预警系统的一个架构示意图;
图2为本申请实施例中车辆处于左转向车道的场景示意图;
图3为本申请实施例中车辆预警方法的一个实施例示意图;
图4为本申请实施例中基于车联网云平台实现数据采集的一个示意图;
图5为本申请实施例中车辆在转向范围内的一个场景示意图;
图6为本申请实施例中车辆在路口范围内的一个场景示意图;
图7为本申请实施例中以字幕提示方式展示预警提示信息的一个界面示意图;
图8为本申请实施例中以图片提示方式展示预警提示信息的一个界面示意图;
图9为本申请实施例中以语音提示方式展示预警提示信息的一个界面示意图;
图10为本申请实施例中以视频提示方式展示预警提示信息的一个界面示意图;
图11为本申请实施例中基于风险级别展示预警提示信息的一个界面示意图;
图12为本申请实施例中车辆预警方法的一个交互流程示意图;
图13为本申请实施例中车辆预警方法的另一个交互流程示意图;
图14为本申请实施例中车辆预警装置的一个实施例示意图;
图15为本申请实施例中服务器的一个结构示意图;
图16为本申请实施例中终端设备的一个结构示意图。
具体实施方式
本申请实施例提供了一种车辆预警的方法、相关装置、设备以及存储介质,基于历史时长内采集到的事故率数据,以及当前时刻下预估得到的车辆数,共同作为预测转向风险值的依据,仅对转向风险值满足车辆预警条件的情况进行预警,由此,避免了发起大量无效车辆预警信息的情况,从而在兼顾安全驾驶的同时,减少对驾驶人员造成的干扰。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
汽车安全如今越来越成为一个值得关注的问题,除了汽车本身以外,如果没有良好的驾驶习惯也是不安全的。尤其在转弯路段极易发送交通安全事故,因此,在转弯路段驾驶要特别注意。目前,有一些国家采用左舵车设计,而另一些国家采用右舵车设计。在驾驶左舵车时,需要靠右行驶,道路设计是右转的路权大于左转的,即“左转转大弯,右转转小弯”。反之,在驾驶右舵车时,需要靠左行驶,道路设计是左转的路权大于右转的,即“右转转大弯,左转转小弯”。在车辆“转大弯”的时候,会面临三方面的驾驶风险。
第一方面的驾驶风险来源于,同向车道后方车辆带来的超车或后向碰撞风险。
第二方面的驾驶风险来源于,反向车道前方车辆带来的前向碰撞风险。
第三方面的驾驶风险来源于,同向车道后方车辆和反向车道前方车辆之间的空间关联带给转向车辆的驾驶风险,即由正在转向或待转向车辆直接或间接带来的但是无法直接检测的驾驶风险。
对于车辆“转小弯”的时候,考虑到对于两辆各自行驶在相向而行的两条右转车道上的车辆而言,它们的轨迹一般没有交叉。因此,第三方面的驾驶风险是来源于“转大弯”的特征,“转小弯”较少有此特征。这也是“大转弯”有红绿灯限制,而“小转弯”通常没有红绿灯限制的原因。
如何在车辆“大转弯”时对车辆进行预警以避免交通事故,是安全辅助驾驶落地面临的关键问题之一。本申请提出了一种基于车联网和车路协同实现的车辆预警方法,能解决这一问题,本申请可应用于智慧公路、安全辅助驾驶以及路口的转向辅助中。可以理解的是,本申请将以“大转弯”为左转弯的情形为例进行介绍,对于“大转弯”为右转弯的情形则不再赘述。
为了在上述场景中实现车辆预警提示,本申请提出了一种车辆预警方法,可基于如图1所示的车辆预警系统来实现。请参阅图1,图1为本申请实施例中车辆预警系统的一个架构示意图,如图所示,车辆预警系统包括车联网云平台、基站、卫星、车辆、路测设备、交通管理部门以及终端设备。为了满足车联网的业务需求,主要分为四个层架构,分别为终端层、网络层、平台层和应用层,下面将分别结合这四层架构对车辆预警系统进行介绍。
一、终端层:包括车辆、终端设备和路测设备。终端设备可以是车载电脑、智能手机、平板电脑、笔记本电脑、掌上电脑、个人电脑以及智能手表等,路测设备可以是电子眼、监测设备以及路口摄像头等。路测设备可以将实时拍摄到的数据上传至车联网云平台以及交通管理部门,交通管理部门能够依法查处道路交通违法行为和交通事故,依法管理道路交通秩序,管理车辆、驾驶人员和行人,教育交通违章者,勘查处理交通事故,以维护正常的交通秩序。
二、网络层:包括卫星和基站。位置信息为实现车联网业务的提供重要参考,位置信息越准确,车联网业务可靠性越高,使用卫星对车辆和终端设备进行准确定位。定位数据由基站进行中转来实现通信,例如,将车辆的定位信息和终端设备的定位信息传输至车联网云平台。
三、平台层:包括车联网云平台。车联网云平台具有安全连接能力、网络通信能力、驾驶辅助能力、路径规划能力、增值服务能力、数据分析能力、智能导航能力以及车辆协调能力等。
车联网云平台部署于服务器,本申请涉及的服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。但并不局限于此。
四、应用层:包括部署于终端设备上的应用以及部署在车辆上的自动驾驶系统。基于车联网云平台下发的预警提示信息执行相应策略,例如,直接发出预警提示信息,或者,根据预警提示信息执行辅助驾驶功能等。
基于上述介绍,下面将结合图2,说明车辆在无待转区的普通路口进行左转的情况。请参阅图2,图2为本申请实施例中车辆处于左转向车道的场景示意图,如图2中的(A)所示,车辆A正处于左转车道上。如果车辆A开始左转,则需要先向前开一段距离,在不压双实线的情况下掉头或者左转。如图2中的(B)所示,车辆B正处于左转车道上。如果车辆B开始左转,可以直接从虚线侧掉头或者左转。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
本申请实施例提供的方案涉及人工智能(Artificial Intelligence,AI)的自动驾驶等技术,人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术,自定驾驶技术有着广泛的应用前景。
结合上述介绍,下面将对本申请中车辆预警的方法进行介绍,请参阅图3,本申请实施例中车辆预警方法的一个实施例包括:
101、获取在当前时刻的预估车辆数,其中,预估车辆数与当前时刻处于转向状态的车辆数以及当前时刻所对应的目标车流量具有关联关系;
本实施例中,车辆预警装置获取当前时刻的预估车辆数,其中,当前时刻是一个非常短暂的时间,例如,0.01秒。具体地,预估车辆数与当前时刻处于转向状态的车辆数以及当前时刻所对应的目标车流量具有关联关系。虽然,车辆预警装置可以直接获取当前时刻处于转向状态的车辆数以及当前时刻所对应的目标车流量,但是,在实际情况下,还可能出现一些违规车辆,例如,在非直行车道上左转。因此,车辆预警装置还需要借助历史数据,预估当前时刻可能出现“非法左转”的情况,进而预测得到当前时刻的预估车辆数,预估车辆数表示正在左转或者待左转的车辆总数。
处于转向状态的车辆主要包括两种情况,第一种情况是车辆正在左转向车道上且正在转向行驶,第二种情况是车辆正在左转向车道上但并未开始转向行驶。
需要说明的是,车辆预警装置可部署于任意能与车辆进行信息交互的计算机设备,例如,车联网云服务器(可运行车联网云平台)、车辆内部车载电脑或者其他的设备,本申请不做限定。
102、获取第一历史时长内第一事故率集合以及第二事故率集合,其中,第一历史时长包括M个历史子时长,第一事故率集合包括M个第一事故率,每个第一事故率表示在一个历史子时长内转向车辆与后向车辆发生事故的概率,第二事故率集合包括M个第二事故率,每个第二事故率表示在一个历史子时长内转向车辆与前向车辆发生事故的概率,M为大于或等于2的整数;
本实施例中,车辆预警装置还可以获取第一历史时长内的第一事故率集合,以及第一历史时长内的第二事故率集合。其中,这里的第一历史时长可以被平均划分为M个历史子时长,例如,第一历史时长为100天,将第一历史时长划分为100个历史子时长,即每个历史子时长为1天(即24小时)。
具体地,车辆预警装置可通过路测设备实时检测路口的行车情况,为了便于理解,请参阅图4,图4为本申请实施例中基于车联网云平台实现数据采集的一个示意图,如图所示,可以在路口处安置一些路测设备,路测设备可以通过网络实时向车联网云平台传输数据,车联网云平台可实时统计每个历史子时长内的第一事故率和第二事故率等历史数据。其中,第一事故率表示转向车辆与后向车辆发生事故的概率,第二事故率表示转向车辆与前向车辆发生事故的概率。
103、根据第一事故率集合以及第二事故率集合,确定驾驶风险系数;
本实施例中,车辆预警装置结合第一事故率集合以及第二事故率集合,可推断得到同向车道后方车辆带来的交通事故,以及反向车道前方车辆带来的交通事故之间的空间关联系数,该空间关联系数即为驾驶风险系数。空间关联系数用于度量某位置上的数据与其他位置上的数据间的相互依赖程度。通常把这种依赖叫做空间依赖。
104、根据预估车辆数、第一事故率集合、第二事故率集合以及驾驶风险系数,确定在当前时刻所对应的致险车辆数;
本实施例中,车辆预警装置结合当前时刻的预估车辆数、第一历史时长内的第一事故率集合、第一历史时长内的第二事故率集合以及第一历史时长内的驾驶风险系数,预测当前时刻所对应的致险车辆数。其中,致险车辆数表示可能卷入由于转向车辆(即处于转向状态的车辆)直接或间接导致交通事故的车辆数。
105、根据致险车辆数以及目标车流量确定转向风险值;
本实施例中,车辆预警装置根据当前时刻的致险车辆数以及当前时刻的目标车流量,计算当前时刻的转向风险值。具体地,转向风险值可以表示为致险车辆数与目标车流量之间的比值,因此,转向风险值越大,表示当前时刻转向可能出现的风险越大。
106、若转向风险值满足车辆预警条件,则生成预警提示信息。
本实施例中,车辆预警装置根据转向风险值,判断当前时刻是否满足车辆预警条件,如果满足预警条件,则生成预警提示信息。反之,如果不满足预警条件,则无需生成预警提示信息,且车辆预警装置继续在下一个时刻执行步骤101至步骤106。
本申请实施例中,提供了一种车辆预警的方法,获取在当前时刻的预估车辆数,还需要获取第一历史时长内第一事故率集合以及第二事故率集合,基于第一事故率集合以及第二事故率集合,确定驾驶风险系数,然后根据预估车辆数、第一事故率集合、第二事故率集合以及驾驶风险系数,确定在当前时刻所对应的致险车辆数,然后根据致险车辆数以及目标车流量确定转向风险值,如果转向风险值满足车辆预警条件,则生成预警提示信息。通过上述方式,基于历史时长内采集到的事故率数据,以及当前时刻下预估得到的车辆数,共同作为预测转向风险值的依据,仅对转向风险值满足车辆预警条件的情况进行预警,由此,避免了发起大量无效车辆预警信息的情况,从而在兼顾安全驾驶的同时,减少对驾驶人员造成的干扰。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,获取在当前时刻的预估车辆数,具体包括如下步骤:
获取在当前时刻处于转向状态的实际车辆数;
获取在当前时刻所对应的目标车流量;
获取在第一历史时长内的违规转向车辆比例;
根据实际车辆数、目标车流量以及违规转向车辆比例,确定在当前时刻处于转向状态的预估车辆数。
本实施例中,介绍了一种确定预估车辆数的方式。如前述实施例中步骤101所描述的内容,预估车辆数的与当前时刻处于转向状态的车辆数以及当前时刻所对应的目标车流量具有关联关系,因此,需要分别获取在当前时刻处于转向状态的实际车辆数,以及在当前时刻所对应的目标车流量,其中,目标车流量可以近似为处于路口的车辆数。此外,还需要获取在第一历史时长内的违规转向车辆比例,基于根据实际车辆数、目标车流量以及违规转向车辆比例,确定在当前时刻处于转向状态的预估车辆数。
具体地,车辆预警装置可以确定当前时刻处于转向状态的实际车辆数,该实际车辆数表示正在左转和待左转的车辆总数,该实际车辆数可以认为是车辆预警装置能够直接“看到”的正在左转和准备左转的车辆数。车辆预警装置可以确定当前时刻的目标车流量,该目标车流量可以认为是车辆预警装置能够直接“看到”的正在路口和准备驶入路口的车辆数。然而,部分位于非左转车道的车辆在接下来的某个瞬间可能出现违规驾驶的情况,即,在直行车道上左转通过路口,这种情况是车辆预警装置“看不到”的,因此,车辆预警装置需要根据当前能够获取的实际车辆数和目标车流量,以及在第一历史时长内的违规转向车辆比例,预测出当前时刻的预估车辆数,计算预估车辆数的方式如下:
nprediction=nleft+willegalFjunction;
其中,nprediction表示预估车辆数,nleft表示实际车辆数,willegal表示违规转向车辆比例,Fjunction表示目标车流量。
其次,本申请实施例中,提供了一种确定预估车辆数的方式,通过上述方式,利用当前时刻处于转向状态的车辆数以及当前时刻的目标车流量,能够得到更准确的预估车辆数,使得该预估车辆数贴近于实际情况,从而有利于预测得到更准确的致险车辆数。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,获取在当前时刻处于转向状态的实际车辆数,具体包括如下步骤:
通过路测设备获取在当前时刻处于第一转向范围内的第一车辆数,其中,第一车辆数表示在当前时刻已通过转向车道停止线的车辆数;
通过路测设备获取在当前时刻处于第二转向范围内的第二车辆数,其中,第二车辆数表示在当前时刻未通过转向车道停止线的车辆数;
根据第一车辆数以及第二车辆数,确定在当前时刻处于转向状态的实际车辆数。
本实施例中,介绍了一种获取实际车辆数的方式。路测设备(例如,路口摄像头)可实时拍摄左转道路的通行情况。由此,车辆预警装置能够实时检测到处于第一转向范围内的第一车辆数,以及处于第二转向范围内第二车辆数,将第一车辆数和第二车辆数进行求和,即可得到当前时刻处于转向状态的实际车辆数,可记做nleft。
为了便于理解,请参阅图5,图5为本申请实施例中车辆在转向范围内的一个场景示意图,如图所示,图中有“停止线1”和“停止线2”,基于此,在划分第一转向范围和第二转向范围时,有两种可行方式,下面将分别进行说明。
一、包括左转弯待转区;
“停止线1”至“停止线2”之间的区域(即虚线框区域)属于左转弯待转区。左转弯待转区只供左转弯车辆使用,在同向直行绿灯亮时,虽然左转弯灯是红色的,但此时允许左转弯的车辆进入路口的左转弯车辆待转区等候,等到左转弯信号灯变成绿色时再通过路口。请参阅图5,在包括左转弯待转区的情况下,第一转向范围即为已通过转向车道停止线的范围,即如果车辆后轮已通过停止线1,则表示该车辆在第一转向范围内,且该车辆属于正在左转的车辆。第二转向范围即为未通过转向车道停止线的范围,即如果车辆后轮未通过停止线1,则表示该车辆在第二转向范围内,且该车辆属于待左转的车辆。
需要注意的是,路测设备实时检测的在左转车道距离路口驾驶安全距离以内的车辆数,因此,第二转向范围可以采用“三秒车距”来表示,即将“三秒车距”以内的车辆数近似为待左转的车辆数。“三秒车距”用于表示驾驶安全距离。不同类型道路的驾驶安全距离存在差异,例如,高速公路的“三秒车距”是150米。虽然会涉及车速,但是不同车辆的车速存在差异,无法穷尽,因此,可以将此判据涉及到的车速选择为目标公路的法定车速,“三秒车距”的判定方法为,以前车经过某一标志物开始数三秒所得到的车距,如果在三秒后驾驶的车辆车才到达该标志物,就在安全距离之内,如果在三秒内就到达或经过该标志物,就说明安全距离不够。
以图5为例,在当前时刻处于第一转向范围内的车辆有两辆,分别为1号车辆和2号车辆,而处于第二转向范围内的车辆有五辆,分别为3号车辆、4号车辆、5号车辆、6号车辆和7号车辆。
二、不包括左转弯待转区;
请参阅图5,在不包括左转弯待转区的情况下,第一转向范围即为已通过转向车道停止线的范围,即如果车辆后轮已通过停止线2,则表示该车辆在第一转向范围内,且该车辆属于正在左转的车辆。第二转向范围即为未通过转向车道停止线的范围,即如果车辆后轮未通过停止线2,则表示该车辆在第二转向范围内,且该车辆属于待左转的车辆。
需要注意的是,路测设备实时检测的在左转车道距离路口驾驶安全距离以内的车辆数,因此,第二转向范围可以采用“三秒车距”来表示,即将“三秒车距”以内的车辆数近似为待左转的车辆数。
以图5为例,在当前时刻处于第一转向范围内的车辆有四辆,分别为1号车辆、2号车辆、3号车辆和4号车辆,而处于第二转向范围内的车辆有三辆,分别为5号车辆、6号车辆和7号车辆。
再次,本申请实施例中,提供了一种获取实际车辆数的方式,通过上述方式,利用路测设备实时拍摄到的数据,能够准确地获取到当前时刻处于正在转向或者准备转向的实际车辆数,从而将实际车辆数作为预估车辆数的一部分,由此提升方案的可行性和可操作性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,获取在当前时刻所对应的目标车流量,具体包括如下步骤:
通过路测设备获取在当前时刻处于第一路口范围内的第三车辆数,其中,第三车辆数表示在当前时刻已通过路口停止线的车辆数;
通过路测设备获取在当前时刻处于第二路口范围内的第四车辆数,其中,第四车辆数表示在当前时刻未通过路口停止线的车辆数;
根据当前时刻所对应的时长、第三车辆数以及第四车辆数,确定在当前时刻所对应的目标车流量。
本实施例中,介绍了一种目标车流量的方式,车流量表示单位时间内通过某路段的车辆数。路测设备(例如,路口摄像头)可实时拍摄路口的通行情况。由此,车辆预警装置能够实时检测到处于第一路口范围内的第三车辆数,以及处于第二路口范围内第四车辆数,将第三车辆数和第四车辆数进行求和之后,再除以当前时刻所对应的时长,即可得到目标车流量,可记做Fjunction,具体计算方式如下:
Fjunction=nroad/t;
其中,Fjunction表示目标车流量,nroad表示处于路口范围内的车辆数,即第三车辆数和第四车辆数之和,t表示当前时刻对应的时间长度,例如,0.01秒。
为了便于理解,请参阅图6,图6为本申请实施例中车辆在路口范围内的一个场景示意图,如图所示,第一路口范围即为已通过路口停止线的范围,即如果车辆后轮已通过停止线,则表示该车辆在第一路口范围内,且该车辆属于正在路口的车辆。第二路口范围即为未通过路口停止线的范围,即如果车辆后轮未通过停止线,则表示该车辆在第二路口范围内,且该车辆属于待驶入路口的车辆。
需要注意的是,路测设备实时检测的在正在路口驾驶安全距离以内的车辆数,因此,第二转向范围可以采用“三秒车距”来表示,即将“三秒车距”以内的车辆数近似为待驶入路口的车辆数,其中,“三秒车距”用于表示驾驶安全距离。以图6为例,在当前时刻处于第一路口范围内的车辆有四辆,分别为2号车辆、3号车辆、5号车辆以及6号车辆,而处于第二路口范围内的车辆有七辆,分别为1号车辆、4号车辆、7号车辆、8号车辆、9号车辆、10号车辆和11号车辆。
再次,本申请实施例中,提供了一种目标车流量的方式,通过上述方式,利用路测设备实时拍摄到的数据,能够准确地获取到当前时刻处于正在路口或者准备驶入路口的车辆数,由此估计得到目标车流量,将目标车流量作为估计预估车辆数的依据,从而提升方案的可行性和可操作性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,获取在第一历史时长内的违规转向车辆比例,具体包括如下步骤:
通过路测设备获取在第一历史时长内经过第一路口范围的车辆总数;
根据第一历史时长以及车辆总数,确定在第一历史时长内的总车流量;
获取在第一历史时长内的违规车辆数;
根据第一历史时长内的总车流量以及第一历史时长内的违规车辆数,确定第一历史时长内的违规转向车辆比例。
本实施例中,介绍了一种获取违规转向车辆比例的方式。路测设备(例如,路口摄像头)可实时拍摄路口的通行情况,并将拍摄到的数据反馈至车联网云平台,由车联网云平台进行保存,对于违规车辆的记录则通常由交通管理部门进行保存。
具体地,车辆预警装置能够获取第一历史时长内经过第一路口范围的车辆总数,然后根据第一历史时长以及车辆总数,计算在第一历史时长内的总车流量,计算方式为,车辆总数除以第一历史时长,由此得到总车流量,车辆预警装置还可以通过交通管理部门获取违规车辆数,因为位于其他非左转车道但违规左转的驾驶行为是违章驾驶行为,电子警察拍摄到后会记录,因此,第一历史时长内位于其他非左转车道但违规左转的车辆数,可以从交通管理部门获取到。其中,第一历史时长的选取视具体情况而定,以交通管理部门能提供的历史记录为准,原则上能提供多少就可以使用多少,例如,提供近100天的违规车辆数,则第一历史时长即为100天。
基于此,车辆预警装置根据第一历史时长内的总车流量以及第一历史时长内的违规车辆数,计算第一历史时长内的违规转向车辆比例,违规转向车辆比例表示第一历史时长内位于其他非左转车道的车辆违规左转的车辆占比,可采用如下方式进行计算:
willegal=Ftotal/T1;
其中,willegal表示违规转向车辆比例,Ftotal表示总车流量,T1表示当第一历史时长。
再次,本申请实施例中,提供了一种获取违规转向车辆比例的方式,通过上述方式,借助交通管理部门对于违规车辆的统计,能够获取到更加准确的违规转向车辆比例,将违规转向车辆比例作为估计预估车辆数的依据,从而提升方案的可行性和可操作性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,获取第一历史时长内第一事故率集合以及第二事故率集合,具体包括如下步骤:
根据第一历史时长确定M个历史子时长;
针对于M个历史子时长中的每个历史子时长,获取每个历史子时长所对应的第一事故率,以及每个历史子时长所对应的第二事故率;
根据每个历史子时长所对应的第一事故率,获取第一事故率集合;
根据每个历史子时长所对应的第二事故率,获取第二事故率集合。
本实施例中,介绍了一种获取第一事故率集合以及第二事故率集合的方式。路测设备(例如,路口摄像头)可实时拍摄路口的通行情况,并将拍摄到的数据反馈至车联网云平台,由车联网云平台进行保存。需要说明的是,车联网云平台能够保存历史数据,以便车辆预警装置根据第一历史时长,从车联网云平台上获取所需的第一事故率集合以及第二事故率集合。
具体地,为了便于介绍,假设第一历史时长为10天,将第一历史时长切分为10个历史子时长,即每个历史子时长为1天,需要说明的是,第一历史时长可切分为M个历史子时长,M为大于1的整数,每个历史子时长下对应一个第一事故率以及一个第二事故率,其中,第一事故率表示处于左转状态的车辆与同向车道后方车辆带来的超车或后向碰撞风险,第二事故率表示处于左转状态的车辆与反向车道前方车辆带来的前向碰撞风险。基于此,请参阅表1,表1为统计得到的第一事故率集合和第二事故率集合的一个示意。
表1
历史子时长 | 第一事故率 | 第二事故率 |
2020年9月12日 | 0.000 | 0.002 |
2020年9月11日 | 0.001 | 0.000 |
2020年9月10日 | 0.001 | 0.001 |
2020年9月9日 | 0.000 | 0.002 |
2020年9月8日 | 0.002 | 0.001 |
2020年9月7日 | 0.003 | 0.001 |
2020年9月6日 | 0.001 | 0.001 |
2020年9月5日 | 0.002 | 0.005 |
2020年9月4日 | 0.005 | 0.000 |
2020年9月3日 | 0.000 | 0.004 |
由表1可知,以第一历史时长为10天为例,统计得到10个历史子时长内的第一事故率和第二事故率,可以由车联网云平台根据统计情况计算第一事故率和第二事故率,并将其保存在本地,以供车辆预警装置调用。
其次,本申请实施例中,提供了一种获取第一事故率集合以及第二事故率集合的方式,通过上述方式,将第一历史时长划分为多个时段,基于每个时段分别获取第一事故率和第二事故率,由此能够计算空间关联系数。此外,基于第一事故率集合以及第二事故率集合均属于历史数据,且这些历史数据是能够采集到的,属于“可见”的数据,利用这些历史数据预测预估车辆数,具有更好地解释性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,根据第一事故率集合以及第二事故率集合,确定驾驶风险系数,具体包括如下步骤:
根据第一事故率集合确定第一平均事故率;
根据第二事故率集合确定第二平均事故率;
针对于M个历史子时长中的每个历史子时长,根据第一平均事故率、第二平均事故率、每个历史子时长所对应的第一事故率以及第二事故率,确定驾驶风险系数。
本实施例中,介绍了一种计算驾驶风险的方式。由于同向车道后方车辆和反向车道前方车辆之间的空间关联,会给左转车辆带来驾驶风险,即由处于转向状态的车辆(即正在左转或待左转车辆)直接或间接带来的且无法直接检测的驾驶风险。例如,为了避免与同向车道后方车辆发生碰撞,处于转向状态的车辆(即正在左转或待左转车辆)会加速,但是为了避免与反向车道的车辆发生碰撞,该车辆会减速,结果就是它会与道路隔离带发生碰撞。又例如,其他车辆为了躲避处于转向状态的车辆(即正在左转或待左转车辆)而卷入到了其他交通事故。然而,这种交通事故的原因是否是为了躲避左转车辆不得而知,无法直接检测或者准确判断。
具体地,为了便于介绍,假设第一历史时长为10天,将第一历史时长切分为10个历史子时长,即每个历史子时长为1天,需要说明的是,第一历史时长可切分为M个历史子时长,M为大于1的整数。每个历史子时长下对应一个第一事故率以及一个第二事故率,基于此,第一事故率集合可以表示为pback,1,pback,2,...,pback,M,第k个第一事故率表示为pback,k。第二事故率集合可以表示为pfront,1,pfront,2,...,pfront,M,第k个第一事故率表示为pfront,k。于是,可采用如下方式计算驾驶风险系数:
其中,cback,front表示驾驶风险系数(即空间关联系数),表示第一平均事故率,/>表示第二平均事故率,pback,k表示第k个第一事故率,pfront,k表示第k个第二事故率,M表示历史子时长的总个数,k表示第k个历史子时长。
其次,本申请实施例中,提供了一种计算驾驶风险的方式,通过上述方式,将第一历史时长划分为多个时段,基于每个时段分别获取第一事故率和第二事故率,由此能够计算空间关联系数,基于第一事故率集合以及第二事故率集合均属于历史数据,且这些历史数据是能够采集到的,属于“可见”的数据,利用这些“可见”的数据推导出“不可见”的数据,利用“不可见”的数据预测预估车辆数,能够提升预测的准确度。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,根据预估车辆数、第一事故率集合、第二事故率集合以及驾驶风险系数,确定在当前时刻所对应的致险车辆数,具体包括如下步骤:
根据第一事故率集合以及第二事故率集合,确定总交通事故率;
根据总交通事故率以及预估车辆数,确定在当前时刻所对应的致险关联车辆数,其中,致险关联车辆数表示在当前时刻处于转向状态的车辆与后向车辆或者前向车辆发生事故的车辆数;
根据致险关联车辆数以及驾驶风险系数,确定在当前时刻所对应的致险车辆数。
本实施例中,介绍了一种计算致险车辆数的方式。车辆预警装置在驾驶风险系数之后,还可以进一步计算得到致险车辆数。首先,车辆预警装置将第一事故率集合以及第二事故率集合进行加和计算,得到总交通事故率,然后,根据总交通事故率以及预估车辆数,计算得到致险关联车辆数,最后,根据致险关联车辆数以及驾驶风险系数,计算得到在当前时刻所对应的致险车辆数。
具体地,可以采用如下方式计算致险车辆数:
nfinal=nprediction(pback,1+pback,2+...+pback,m+pfront,1,pfront,2,...,pfront,m)(1+cback,front);
其中,nfinal表示致险车辆数,nprediction表示预估车辆数,cback,front表示驾驶风险系数,pback,1+pback,2+...+pback,m表示第一事故率集合,pfront,1,pfront,2,...,pfront,m表示第二事故率集合。
pback,1+pback,2+...+pback,m+pfront,1,pfront,2,...,pfront,m表示总交通事故率,总交通事故率表征的是处于转向状态的车辆(即正在左转或待左转车辆)在第一历史时长内遭遇前向或后向碰撞的交通事故率,从用历史指导当前的角度出发,可将其近似为处于转向状态的车辆(即正在左转或待左转车辆)在当前时刻卷入前向或后向碰撞的交通事故率。
nprediction(pback,1+pback,2+...+pback,m+pfront,1,pfront,2,...,pfront,m)可近似为在当前时刻卷入前向或后向碰撞的处于转向状态的车辆(即正在左转或待左转车辆)的车辆数。
基于此,与(1+cback,front)的乘积,可以近似为在当前时刻预测出的可能卷入由处于转向状态的车辆(即正在左转或待左转车辆)直接或间接导致的交通事故的车辆总数,即得到致险车辆数。
其次,本申请实施例中,提供了一种计算致险车辆数的方式,通过上述方式,能够根据致险关联车辆数以及驾驶风险系数,确定在当前时刻所对应的致险车辆数,该致险车辆数可以作为预判是否满足车辆预警条件的依据,从而提升方案的可行性和可操作性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,根据致险车辆数以及目标车流量确定转向风险值,具体包括如下步骤:
获取在当前时刻所对应的目标车流量;
根据致险车辆数与目标车流量之间的比值,确定转向风险值;
根据致险车辆数以及目标车流量确定转向风险值之后,还包括如下步骤:
若转向风险值大于或等于第一阈值,则确定转向风险值满足车辆预警条件。
本实施例中,介绍了一种基于转向风险值判定满足车辆预警条件的方式。车辆预警装置获取在当前时刻所对应的目标车流量,需要说明的是,目标车流量的获取方式已在前述实施例中进行介绍,故此处不做赘述。基于此,可以采用如下方式计算转向风险值:
Q=nfinal/Fjunction;
其中,Q表示转向风险值,nfinal表示致险车辆数,Fjunction表示目标车流量。
车辆预警装置根据转向风险值,判断是否大于或等于第一阈值,其中,第一阈值是一个预先定义的值,例如,第一阈值为0.2。如果转向风险值大于或等于第一阈值,则确定转向风险值满足车辆预警条件,进而可以生成预警提示信息,还可以由车联网云平台给路口的所有车辆下发该预警提示信息。反之,如果转向风险值小于第一阈值,则确定转向风险值未满足车辆预警条件,即不会生成预警提示信息。
其次,本申请实施例中,提供了一种基于转向风险值判定满足车辆预警条件的方式,通过上述方式,将转向风险值与预先设定的第一阈值进行比较,如果转向风险值大于或等于第一阈值,则表示转向风险值满足车辆预警条件,由此,为方案的实现提供了一种合理的实现方式,从而提升了方案的可行性和可操作性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,根据致险车辆数以及目标车流量确定转向风险值,具体包括如下步骤:
获取在当前时刻所对应的目标车流量;
根据致险车辆数与目标车流量之间的比值,确定转向风险值;
根据致险车辆数以及目标车流量确定转向风险值之后,还包括如下步骤:
若转向风险值大于或等于历史交通事故率,则确定转向风险值满足车辆预警条件,其中,历史交通事故率为在第二历史时长内发生的交通事故率,且第二历史时长大于第一历史时长。
本实施例中,介绍了另一种基于转向风险值判定满足车辆预警条件的方式。车辆预警装置获取在当前时刻所对应的目标车流量,需要说明的是,目标车流量的获取方式已在前述实施例中进行介绍,故此处不做赘述。基于此,可以采用如下方式计算转向风险值:
Q=nfinal/Fjunction;
其中,Q表示转向风险值,nfinal表示致险车辆数,Fjunction表示目标车流量。
车辆预警装置还需要获取第二历史时长内发生的交通事故率,即得到历史交通事故率,可记为phistory,历史交通事故率能够表示在一段时间内出现的平稳交通事故率。其中,车辆预警装置可以从交通管理部门(或者道路管理部门等)获取路口在第二历史时长内的交通事故率。历史交通事故率是一个标称值,第二历史时长大于或等于第一历史时长,例如,第一历史时长为100天,第二历史时长可以为1年,由此得到1年以内的历史交通事故率,可将其视为平稳的历史交通事故率。要判断路口驾驶安全性是否高出历史平均驾驶风险水平的时长即为第二历史时长。
车辆预警装置根据转向风险值,判断是否大于或等于历史交通事故率,如果转向风险值大于或等于历史交通事故率,则确定转向风险值满足车辆预警条件,进而可以生成预警提示信息,还可以由车联网云平台给路口的所有车辆下发该预警提示信息。反之,如果转向风险值小于历史交通事故率,则确定转向风险值未满足车辆预警条件,即不会生成预警提示信息。
其次,本申请实施例中,提供了另一种基于转向风险值判定满足车辆预警条件的方式,通过上述方式,将转向风险值与过去一段时间内的交通事故率进行比较,即判定左转风险是否高于历史平均驾驶风险水平,如果转向风险值大于或等于历史交通事故率,则表示转向风险值满足车辆预警条件,由此生成的预警提示信息是非常有效的,能够避免给驾驶人员带来干扰。同时,还为方案的实现提供了另一种合理的实现方式,从而提升了方案的可行性和可操作性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,根据致险车辆数以及目标车流量确定转向风险值,具体包括如下步骤:
获取在当前时刻所对应的目标车流量;
获取在第二历史时长内的历史交通事故率,其中,第二历史时长大于或等于第一历史时长;
根据致险车辆数与目标车流量之间的比值,以及历史交通事故率,确定转向风险值;
根据致险车辆数以及目标车流量确定转向风险值之后,还包括如下步骤:
若转向风险值大于或等于第二阈值,则确定转向风险值满足车辆预警条件。
本实施例中,介绍了另一种基于转向风险值判定满足车辆预警条件的方式。车辆预警装置获取在当前时刻所对应的目标车流量,需要说明的是,目标车流量的获取方式已在前述实施例中进行介绍,故此处不做赘述。
车辆预警装置还需要获取第二历史时长内发生的交通事故率,即得到历史交通事故率,可记为phistory,历史交通事故率能够表示在一段时间内出现的平稳交通事故率。其中,车辆预警装置可以从交通管理部门(或者道路管理部门等)获取路口在第二历史时长内的交通事故率。历史交通事故率是一个标称值,第二历史时长大于或等于第一历史时长,例如,第一历史时长为100天,第二历史时长可以为1年,由此得到1年以内的历史交通事故率,可将其视为平稳的历史交通事故率。要判断路口驾驶安全性是否高出历史平均驾驶风险水平的时长即为第二历史时长。
基于此,车辆预警装置可以采用如下方式计算转向风险值:
Q=(nfinal/Fjunction-phistory)/phistory×100%;
其中,Q表示转向风险值,nfinal表示致险车辆数,Fjunction表示目标车流量,phistory表示历史交通事故率。
车辆预警装置根据转向风险值,判断是否大于或等于第二阈值,其中,第二阈值是一个预先定义的值,例如,第二阈值为0.3。如果转向风险值大于或等于第二阈值,则确定转向风险值满足车辆预警条件,进而可以生成预警提示信息,还可以由车联网云平台给路口的所有车辆下发该预警提示信息。反之,如果转向风险值小于第二阈值,则确定转向风险值未满足车辆预警条件,即不会生成预警提示信息。
其次,本申请实施例中,提供了另一种基于转向风险值判定满足车辆预警条件的方式,通过上述方式,利用转向风险值相对于历史平均驾驶风险水平的显著提高程度,来判定是否满足车辆预警条件,即如果转向风险值大于或等于第二阈值,则确定转向风险值满足车辆预警条件。由此生成的预警提示信息是非常有效的,能够避免给驾驶人员带来干扰。同时,还为方案的实现提供了另一种合理的实现方式,从而提升了方案的可行性和可操作性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,生成预警提示信息之后,还包括如下步骤:
向终端设备发送预警提示信息,以使终端设备采用预设提示方式展示预警提示信息,其中,预设提示方式包括字幕提示方式、图片提示方式、语音提示方式以及视频提示方式中的至少一种。
本实施例中,介绍了一种终端设备展示预警提示信息的方式。一种实现中,如果车辆预警装置部署于车联网云服务器,则车辆预警装置在生成预警提示信息之后,需要向终端设备发送该预警提示信息,由终端设备展示预警提示信息。另一种实现中,如果车辆预警装置部署于终端设备上,则在生成预警提示信息之后,直接进行展示即可。本申请将以车辆预警装置部署于车联网云服务器为例进行介绍,然而这不应理解为对本申请的限定。
具体地,车辆预警装置将预警提示信息发送至终端设备,终端设备可以按照默认的提示方式或者用户设定的提示方式展示该预警提示信息,展示方式包含但不仅限于字幕提示方式、图片提示方式、语音提示方式以及视频提示方式。下面将分别结合图示进行介绍。
一、字幕提示方式;
请参阅图7,图7为本申请实施例中以字幕提示方式展示预警提示信息的一个界面示意图,如图7中的(A)图所示,以终端设备为智能手机为例,在智能手机上会呈现字幕式的预警提示信息,例如,“请注意周围车辆”,与此同时,还可以配合震动、字幕特效或者其他音效等方式来引起驾驶人员的关注。如图7中的(B)图所示,以终端设备为车载电脑为例,在车载电脑上会呈现字幕式的预警提示信息,与此同时,还可以配合字幕特效或者音效等方式来引起驾驶人员的关注。
字幕提示方式能够更直观地告知驾驶人员需要注意当前的行驶情况。
二、图片提示方式;
请参阅图8,图8为本申请实施例中以图片提示方式展示预警提示信息的一个界面示意图,如图所示,如图8中的(A)图所示,以终端设备为智能手机为例,在智能手机上会呈现图片式样的预警提示信息,例如,一个指示“危险”的图标,与此同时,还可以配合震动或者其他音效等方式来引起驾驶人员的关注。如图8中的(B)图所示,以终端设备为车载电脑为例,在车载电脑上会呈现图片式样的预警提示信息,与此同时,还可以配合音效等方式来引起驾驶人员的关注。
图片提示方式能够更生动地告知驾驶人员需要注意当前的行驶情况。
三、语音提示方式;
请参阅图9,图9为本申请实施例中以语音提示方式展示预警提示信息的一个界面示意图,如图9中的(A)图所示,以终端设备为智能手机为例,在智能手机上会播报预警提示信息,例如,播放语音“请注意周围车辆”。如图8中的(B)图所示,以终端设备为车载电脑为例,在车载电脑上会播报预警提示信息。
语音提示方式能够避免驾驶人员查看终端设备,有利于增加信息提示的安全性。
四、视频提示方式;
请参阅图10,图10为本申请实施例中以视频提示方式展示预警提示信息的一个界面示意图,如图10中的(A)图所示,以终端设备为智能手机为例,在智能手机上会播放预警提示信息,例如,播放车辆可能遇到的碰撞风险,例如,后方来车、后方超车或者前方来车等。与此同时,还可以以跑马灯的形式展示“请注意周围车辆”等字样。如图10中的(B)图所示,以终端设备为车载电脑为例,在车载电脑上会播放预警提示信息。
视频提示方式能够更准确地告知驾驶人员需要注意当前的行驶情况。
其次,本申请实施例中,提供了一种终端设备展示预警提示信息的方式,通过上述方式,终端设备还可以以字幕、图片、语音以及视频等方式向驾驶人员发出提醒,使得驾驶人员能够及时地做出响应,提升驾驶安全性。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,生成预警提示信息,具体包括如下步骤:
根据转向风险值确定目标风险级别,其中,目标风险级别属于风险级别集合中的一类风险级别,风险级别集合还包括至少一类风险级别;
根据目标风险级别生成预警提示信息。
本实施例中,介绍了一种基于转向风险值生成风险级别的方式。车辆预警装置还可以根据转向风险值确定目标风险级别,在前述实施例中已经介绍了转向风险值的三种计算方式,不同的计算方式得到的转向风险值也不一样,因此,为了便于介绍,下面将采用一个示例进行介绍,然而,这不应理解为对转向风险值与风险级别之间关系的限定。
具体地,请参阅表2,表2为转向风险值与风险级别之间关系的一个示意。
表2
由表2可知,可以将风险级别划分为5个等级,即风险级别集合包括5类风险级别,在实际情况下,可以将风险级别划分为至少两个等级,例如,风险级别为“高”以及风险级别为“低”。也可以将风险级别划分为至少三个等级,例如,风险级别为“高”、风险级别为“中”和风险级别为“低”,此处不做限定。
请参阅图11,图11为本申请实施例中基于风险级别展示预警提示信息的一个界面示意图,如图11中的(A)图所示,以终端设备为智能手机为例,在智能手机上会预警提示信息,例如,“风险级别中”。与此同时,还可以配合震动、字幕特效或者其他音效等方式来引起驾驶人员的关注。如图11中的(B)图所示,以终端设备为车载电脑为例,在车载电脑上可仅呈现目标风险级别,与此同时,还可以配合字幕特效或者音效等方式来引起驾驶人员的关注。
进一步地,本申请实施例中,提供了一种基于转向风险值生成风险级别的方式,通过上述方式,可以根据转向风险值,对预警提示信息进行量化表示,生成相应的风险级别,从而有利于驾驶人员更好了解当前车辆所处于的安全状态,并能够辅助驾驶人员调整相应的驾驶策略。
可选地,在上述图3对应的实施例的基础上,本申请实施例提供的另一个可选实施例中,生成预警提示信息之后,还包括如下步骤:
向终端设备发送预警提示信息,以使终端设备根据预警提示信息,按照目标行车策略控制目标车辆行驶,其中,预警提示信息包括目标风险级别,目标行车策略与目标风险级之间具有对应关系。
本实施例中,介绍了一种基于预警提示信息实现自动驾驶的方式。一种实现中,如果车辆预警装置部署于车联网云服务器,则车辆预警装置在生成预警提示信息之后,需要向终端设备发送该预警提示信息,由终端设备根据预警提示信息控制目标车辆行驶。另一种实现中,如果车辆预警装置部署于终端设备上,则在生成预警提示信息之后,直接控制目标车辆行驶即可。本申请将以车辆预警装置部署于车联网云服务器为例进行介绍,然而这不应理解为对本申请的限定。
具体地,对于具有自动驾驶功能的目标车辆而言,还可以根据预警提示信息判断当前应该采用何种行车策略,而不同的风险级别往往具有不同的行车策略,目标车辆会根据当前的目标风险级别执行相应的目标行车策略。
请参阅表3,表3为风险级别与行车策略之间的一个示意。
表3
由表3可知,风险级别越高,表示出现安全事故的概率也越高,因此,目标车辆需要及时地应对极高风险级别和高风险级别的情况,提升车辆行驶的安全性。
更进一步地,本申请实施例中,提供了一种基于预警提示信息实现自动驾驶的方式,通过上述方式,具有自动驾驶功能的车辆还可以根据当前时刻的预警提示信息,确定所采用的行车策略,达到智能化调整行车策略的目的,从而提升自动驾驶的安全性和可靠性。
基于上述各个实施例所介绍的内容,下面将结合图12和图13,介绍两种可实现的车辆预警交互方式,请参阅图12,图12为本申请实施例中车辆预警方法的一个交互流程示意图,如图所示,以车辆预警装置部署于车联网云服务器为例,具体地:
在步骤A1中,车联网云服务器获取在当前时刻的预估车辆数。
在步骤A2中,车联网云服务器获取第一历史时长内第一事故率集合以及第二事故率集合。
在步骤A3中,车联网云服务器根据第一历史时长内第一事故率集合以及第二事故率集合,确定驾驶风险系数。
在步骤A4中,车联网云服务器根据预估车辆数、第一事故率集合、第二事故率集合、以及驾驶风险系数,确定在当前时刻所对应的致险车辆数。
在步骤A5中,车联网云服务器生成预警提示信息。
在步骤A6中,车联网云服务器向车载电脑发送预警提示信息。
请参阅图13,图13为本申请实施例中车辆预警方法的另一个交互流程示意图,如图所示,以车辆预警装置部署于车载电脑为例,具体地:
在步骤B1中,车联网云服务器向车载电脑发送当前时刻的预估车辆数。
在步骤B2中,车联网云服务器向车载电脑发送第一历史时长内第一事故率集合以及第二事故率集合。
在步骤B3中,车载电脑根据第一历史时长内第一事故率集合以及第二事故率集合,确定驾驶风险系数。
在步骤B4中,车载电脑根据预估车辆数、第一事故率集合、第二事故率集合、以及驾驶风险系数,确定在当前时刻所对应的致险车辆数。
在步骤B5中,车载电脑生成预警提示信息。
基于上述介绍,下面将结合实验数据进行进一步介绍。在实验中,采用模拟器进行测试,统计本申请提供的方案与现有技术通过的方案之间漏警率之比和虚警率之比,实验过程中采用的软硬件平台架构、开发环境、开发语言以及消息获取源头等的都是可变的。在模拟器中进行测试,并且统计路口所对应的数据,这些数据用于计算漏警率和虚警率。请参阅表4,表4为采用模拟器测试后得到的实验数据。
表4
由表4可知,本申请与现有方案的虚警率之比小于1,且本申请与现有方案的漏警率之比也小于1。由于漏警概率和虚警概率两个概率都是越小越好,因此,本申请的性能优于现存方案,且本申请能够测试出的正确车辆数更多。
下面对本申请中的车辆预警装置进行详细描述,请参阅图14,图14为本申请实施例中车辆预警装置的一个实施例示意图,车辆预警装置20包括:
获取模块201,用于获取在当前时刻的预估车辆数,其中,预估车辆数与当前时刻处于转向状态的车辆数以及当前时刻所对应的目标车流量具有关联关系;
获取模块201,还用于获取第一历史时长内第一事故率集合以及第二事故率集合,其中,第一历史时长包括M个历史子时长,第一事故率集合包括M个第一事故率,每个第一事故率表示在一个历史子时长内转向车辆与后向车辆发生事故的概率,第二事故率集合包括M个第二事故率,每个第二事故率表示在一个历史子时长内转向车辆与前向车辆发生事故的概率,M为大于或等于2的整数;
确定模块202,用于根据第一事故率集合以及第二事故率集合,确定驾驶风险系数;
确定模块202,还用于根据预估车辆数、第一事故率集合、第二事故率集合以及驾驶风险系数,确定在当前时刻所对应的致险车辆数;
确定模块202,还用于根据致险车辆数以及目标车流量确定转向风险值;
生成模块203,用于若转向风险值满足车辆预警条件,则生成预警提示信息。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,基于历史时长内采集到的事故率数据,以及当前时刻下预估得到的车辆数,共同作为预测转向风险值的依据,仅对转向风险值满足车辆预警条件的情况进行预警,由此,避免了发起大量无效车辆预警信息的情况,从而在兼顾安全驾驶的同时,减少对驾驶人员造成的干扰。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
获取模块201,具体用于获取在当前时刻处于转向状态的实际车辆数;
获取在当前时刻所对应的目标车流量;
获取在第一历史时长内的违规转向车辆比例;
根据实际车辆数、目标车流量以及违规转向车辆比例,确定在当前时刻处于转向状态的预估车辆数。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,利用当前时刻处于转向状态的车辆数以及当前时刻的目标车流量,能够得到更准确的预估车辆数,使得该预估车辆数贴近于实际情况,从而有利于预测得到更准确的致险车辆数。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
获取模块201,具体用于通过路测设备获取在当前时刻处于第一转向范围内的第一车辆数,其中,第一车辆数表示在当前时刻已通过转向车道停止线的车辆数;
通过路测设备获取在当前时刻处于第二转向范围内的第二车辆数,其中,第二车辆数表示在当前时刻未通过转向车道停止线的车辆数;
根据第一车辆数以及第二车辆数,确定在当前时刻处于转向状态的实际车辆数。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,利用路测设备实时拍摄到的数据,能够准确地获取到当前时刻处于正在转向或者准备转向的实际车辆数,从而将实际车辆数作为预估车辆数的一部分,由此提升方案的可行性和可操作性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
获取模块201,具体用于通过路测设备获取在当前时刻处于第一路口范围内的第三车辆数,其中,第三车辆数表示在当前时刻已通过路口停止线的车辆数;
通过路测设备获取在当前时刻处于第二路口范围内的第四车辆数,其中,第四车辆数表示在当前时刻未通过路口停止线的车辆数;
根据当前时刻所对应的时长、第三车辆数以及第四车辆数,确定在当前时刻所对应的目标车流量。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,利用路测设备实时拍摄到的数据,能够准确地获取到当前时刻处于正在路口或者准备驶入路口的车辆数,由此估计得到目标车流量,将目标车流量作为估计预估车辆数的依据,从而提升方案的可行性和可操作性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
获取模块201,具体用于通过路测设备获取在第一历史时长内经过第一路口范围的车辆总数;
根据第一历史时长以及车辆总数,确定在第一历史时长内的总车流量;
获取在第一历史时长内的违规车辆数;
根据第一历史时长内的总车流量以及第一历史时长内的违规车辆数,确定第一历史时长内的违规转向车辆比例。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,借助交通管理部门对于违规车辆的统计,能够获取到更加准确的违规转向车辆比例,将违规转向车辆比例作为估计预估车辆数的依据,从而提升方案的可行性和可操作性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
获取模块201,具体用于根据第一历史时长确定M个历史子时长;
针对于M个历史子时长中的每个历史子时长,获取每个历史子时长所对应的第一事故率,以及每个历史子时长所对应的第二事故率;
根据每个历史子时长所对应的第一事故率,获取第一事故率集合;
根据每个历史子时长所对应的第二事故率,获取第二事故率集合。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,将第一历史时长划分为多个时段,基于每个时段分别获取第一事故率和第二事故率,由此能够计算空间关联系数。此外,基于第一事故率集合以及第二事故率集合均属于历史数据,且这些历史数据是能够采集到的,属于“可见”的数据,利用这些历史数据预测预估车辆数,具有更好地解释性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
确定模块202,具体用于根据第一事故率集合确定第一平均事故率;
根据第二事故率集合确定第二平均事故率;
针对于M个历史子时长中的每个历史子时长,根据第一平均事故率、第二平均事故率、每个历史子时长所对应的第一事故率以及第二事故率,确定驾驶风险系数。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,将第一历史时长划分为多个时段,基于每个时段分别获取第一事故率和第二事故率,由此能够计算空间关联系数,基于第一事故率集合以及第二事故率集合均属于历史数据,且这些历史数据是能够采集到的,属于“可见”的数据,利用这些“可见”的数据推导出“不可见”的数据,利用“不可见”的数据预测预估车辆数,能够提升预测的准确度。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
确定模块202,具体用于根据第一事故率集合以及第二事故率集合,确定总交通事故率;
根据总交通事故率以及预估车辆数,确定在当前时刻所对应的致险关联车辆数,其中,致险关联车辆数表示在当前时刻处于转向状态的车辆与后向车辆或者前向车辆发生事故的车辆数;
根据致险关联车辆数以及驾驶风险系数,确定在当前时刻所对应的致险车辆数。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,能够根据致险关联车辆数以及驾驶风险系数,确定在当前时刻所对应的致险车辆数,该致险车辆数可以作为预判是否满足车辆预警条件的依据,从而提升方案的可行性和可操作性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
确定模块202,具体用于获取在当前时刻所对应的目标车流量;
根据致险车辆数与目标车流量之间的比值,确定转向风险值;
确定模块202,还用于根据致险车辆数以及目标车流量确定转向风险值之后,若转向风险值大于或等于第一阈值,则确定转向风险值满足车辆预警条件。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,将转向风险值与预先设定的第一阈值进行比较,如果转向风险值大于或等于第一阈值,则表示转向风险值满足车辆预警条件,由此,为方案的实现提供了一种合理的实现方式,从而提升了方案的可行性和可操作性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
确定模块202,具体用于获取在当前时刻所对应的目标车流量;
根据致险车辆数与目标车流量之间的比值,确定转向风险值;
确定模块202,还用于根据致险车辆数以及目标车流量确定转向风险值之后,若转向风险值大于或等于历史交通事故率,则确定转向风险值满足车辆预警条件,其中,历史交通事故率为在第二历史时长内发生的交通事故率,且第二历史时长大于第一历史时长。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,将转向风险值与过去一段时间内的交通事故率进行比较,即判定左转风险是否高于历史平均驾驶风险水平,如果转向风险值大于或等于历史交通事故率,则表示转向风险值满足车辆预警条件,由此生成的预警提示信息是非常有效的,能够避免给驾驶人员带来干扰。同时,还为方案的实现提供了另一种合理的实现方式,从而提升了方案的可行性和可操作性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
确定模块202,具体用于获取在当前时刻所对应的目标车流量;
获取在第二历史时长内的历史交通事故率,其中,第二历史时长大于或等于第一历史时长;
根据致险车辆数与目标车流量之间的比值,以及历史交通事故率,确定转向风险值;
确定模块202,还用于根据致险车辆数以及目标车流量确定转向风险值之后,若转向风险值大于或等于第二阈值,则确定转向风险值满足车辆预警条件。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,利用转向风险值相对于历史平均驾驶风险水平的显著提高程度,来判定是否满足车辆预警条件,即如果转向风险值大于或等于第二阈值,则确定转向风险值满足车辆预警条件。由此生成的预警提示信息是非常有效的,能够避免给驾驶人员带来干扰。同时,还为方案的实现提供了另一种合理的实现方式,从而提升了方案的可行性和可操作性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,车辆预警装置20还包括发送模块204;
发送模块204,用于在生成模块203生成预警提示信息之后,向终端设备发送预警提示信息,以使终端设备采用预设提示方式展示预警提示信息,其中,预设提示方式包括字幕提示方式、图片提示方式、语音提示方式以及视频提示方式中的至少一种。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,终端设备还可以以字幕、图片、语音以及视频等方式向驾驶人员发出提醒,使得驾驶人员能够及时地做出响应,提升驾驶安全性。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,
生成模块203,具体用于根据转向风险值确定目标风险级别,其中,目标风险级别属于风险级别集合中的一类风险级别,风险级别集合还包括至少一类风险级别;
根据目标风险级别生成预警提示信息。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,可以根据转向风险值,对预警提示信息进行量化表示,生成相应的风险级别,从而有利于驾驶人员更好了解当前车辆所处于的安全状态,并能够辅助驾驶人员调整相应的驾驶策略。
可选地,在上述图14所对应的实施例的基础上,本申请实施例提供的车辆预警装置20的另一实施例中,车辆预警装置20还包括发送模块204;
发送模块204,还用于在生成模块203生成预警提示信息之后,向终端设备发送预警提示信息,以使终端设备根据预警提示信息,按照目标行车策略控制目标车辆行驶,其中,预警提示信息包括目标风险级别,目标行车策略与目标风险级之间具有对应关系。
本申请实施例中,提供了一种车辆预警装置,采用上述装置,具有自动驾驶功能的车辆还可以根据当前时刻的预警提示信息,确定所采用的行车策略,达到智能化调整行车策略的目的,从而提升自动驾驶的安全性和可靠性。
本申请实施例还提供了另一种车辆预警装置,该车辆预警装置可部署于计算机设备,下面将以计算机设备为服务器为例进行介绍。图15是本申请实施例提供的一种服务器结构示意图,该服务器300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)322(例如,一个或一个以上处理器)和存储器332,一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中,存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器322可以设置为与存储介质330通信,在服务器300上执行存储介质330中的一系列指令操作。
服务器300还可以包括一个或一个以上电源326,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口358,和/或,一个或一个以上操作系统341,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述实施例中由服务器所执行的步骤可以基于该图15所示的服务器结构。
本申请实施例还提供了另一种车辆预警装置,该车辆预警装置可部署于计算机设备,下面将以计算机设备为终端设备为例进行介绍。如图16所示,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该终端设备可以为包括手机、平板电脑、个人数字助理(personal digital assistant,PDA)、销售终端设备(point of sales,POS)、车载电脑等任意终端设备,以终端设备为车载电脑为例:
图16示出的是与本申请实施例提供的终端设备相关的车载电脑的部分结构的框图。参考图16,车载电脑包括:射频(radio frequency,RF)电路410、存储器420、输入单元430、显示单元440、传感器450、音频电路460、无线保真(wireless fidelity,WiFi)模块470、处理器480、以及电源490等部件。本领域技术人员可以理解,图16中示出的车载电脑结构并不构成对车载电脑的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图16对车载电脑的各个构成部件进行具体的介绍:
RF电路410可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器480处理;另外,将设计上行的数据发送给基站。通常,RF电路410包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noiseamplifier,LNA)、双工器等。此外,RF电路410还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(globalsystem of mobile communication,GSM)、通用分组无线服务(general packet radioservice,GPRS)、码分多址(code division multiple access,CDMA)、宽带码分多址(wideband code division multiple access,WCDMA)、长期演进(long term evolution,LTE)、电子邮件、短消息服务(short messaging service,SMS)等。
存储器420可用于存储软件程序以及模块,处理器480通过运行存储在存储器420的软件程序以及模块,从而执行车载电脑的各种功能应用以及数据处理。存储器420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据车载电脑的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元430可用于接收输入的数字或字符信息,以及产生与车载电脑的用户设置以及功能控制有关的键信号输入。具体地,输入单元430可包括触控面板431以及其他输入设备432。触控面板431,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板431上或在触控面板431附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板431可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器480,并能接收处理器480发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板431。除了触控面板431,输入单元430还可以包括其他输入设备432。具体地,其他输入设备432可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元440可用于显示由用户输入的信息或提供给用户的信息以及车载电脑的各种菜单。显示单元440可包括显示面板441,可选的,可以采用液晶显示器(liquidcrystal display,LCD)、有机发光二极管(organic light-emitting diode,OLED)等形式来配置显示面板441。进一步的,触控面板431可覆盖显示面板441,当触控面板431检测到在其上或附近的触摸操作后,传送给处理器480以确定触摸事件的类型,随后处理器480根据触摸事件的类型在显示面板441上提供相应的视觉输出。虽然在图16中,触控面板431与显示面板441是作为两个独立的部件来实现车载电脑的输入和输入功能,但是在某些实施例中,可以将触控面板431与显示面板441集成而实现车载电脑的输入和输出功能。
车载电脑还可包括至少一种传感器450,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板441的亮度,接近传感器可在车载电脑移动到耳边时,关闭显示面板441和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别车载电脑姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于车载电脑还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路460、扬声器461,传声器462可提供用户与车载电脑之间的音频接口。音频电路460可将接收到的音频数据转换后的电信号,传输到扬声器461,由扬声器461转换为声音信号输出;另一方面,传声器462将收集的声音信号转换为电信号,由音频电路460接收后转换为音频数据,再将音频数据输出处理器480处理后,经RF电路410以发送给比如另一车载电脑,或者将音频数据输出至存储器420以便进一步处理。
WiFi属于短距离无线传输技术,车载电脑通过WiFi模块470可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图16示出了WiFi模块470,但是可以理解的是,其并不属于车载电脑的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器480是车载电脑的控制中心,利用各种接口和线路连接整个车载电脑的各个部分,通过运行或执行存储在存储器420内的软件程序和/或模块,以及调用存储在存储器420内的数据,执行车载电脑的各种功能和处理数据。可选的,处理器480可包括一个或多个处理单元;可选的,处理器480可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器480中。
车载电脑还包括给各个部件供电的电源490(比如电池),可选的,电源可以通过电源管理系统与处理器480逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出,车载电脑还可以包括摄像头、蓝牙模块等,在此不再赘述。
上述实施例中由终端设备所执行的步骤可以基于该图16所示的终端设备结构。
本申请实施例中还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行如前述各个实施例描述的方法。
本申请实施例中还提供一种包括程序的计算机程序产品,当其在计算机上运行时,使得计算机执行前述各个实施例描述的方法。
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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (29)
1.一种车辆预警的方法,其特征在于,包括:
获取在当前时刻处于转向状态的实际车辆数;
获取在所述当前时刻所对应的目标车流量;
获取在第一历史时长内的违规转向车辆比例;
根据所述实际车辆数、所述目标车流量以及所述违规转向车辆比例,确定在所述当前时刻处于转向状态的预估车辆数;
获取所述第一历史时长内第一事故率集合以及第二事故率集合,其中,所述第一历史时长包括M个历史子时长,所述第一事故率集合包括M个第一事故率,每个第一事故率表示在一个历史子时长内转向车辆与后向车辆发生事故的概率,所述第二事故率集合包括M个第二事故率,每个第二事故率表示在一个历史子时长内转向车辆与前向车辆发生事故的概率,所述M为大于或等于2的整数;
根据所述第一事故率集合以及第二事故率集合,确定驾驶风险系数;所述驾驶风险系数为转向车辆与后向车辆发生的事故以及转向车辆与前向车辆发生的事故之间的空间关联系数;
根据所述预估车辆数、所述第一事故率集合、所述第二事故率集合以及所述驾驶风险系数,确定在所述当前时刻所对应的致险车辆数;
根据所述致险车辆数以及所述目标车流量确定转向风险值;
若所述转向风险值满足车辆预警条件,则生成预警提示信息。
2.根据权利要求1所述的方法,其特征在于,所述获取在当前时刻处于转向状态的实际车辆数,包括:
通过路测设备获取在所述当前时刻处于第一转向范围内的第一车辆数,其中,所述第一车辆数表示在所述当前时刻已通过转向车道停止线的车辆数;
通过路测设备获取在所述当前时刻处于第二转向范围内的第二车辆数,其中,所述第二车辆数表示在所述当前时刻未通过所述转向车道停止线的车辆数;
根据所述第一车辆数以及第二车辆数,确定在所述当前时刻处于转向状态的所述实际车辆数。
3.根据权利要求1所述的方法,其特征在于,所述获取在所述当前时刻所对应的目标车流量,包括:
通过路测设备获取在所述当前时刻处于第一路口范围内的第三车辆数,其中,所述第三车辆数表示在所述当前时刻已通过路口停止线的车辆数;
通过路测设备获取在所述当前时刻处于第二路口范围内的第四车辆数,其中,所述第四车辆数表示在所述当前时刻未通过所述路口停止线的车辆数;
根据所述当前时刻所对应的时长、所述第三车辆数以及所述第四车辆数,确定在所述当前时刻所对应的所述目标车流量。
4.根据权利要求1所述的方法,其特征在于,所述获取在第一历史时长内的违规转向车辆比例,包括:
通过路测设备获取在所述第一历史时长内经过第一路口范围的车辆总数;
根据所述第一历史时长以及所述车辆总数,确定在所述第一历史时长内的总车流量;
获取在所述第一历史时长内的违规车辆数;
根据所述第一历史时长内的总车流量以及所述第一历史时长内的违规车辆数,确定所述第一历史时长内的所述违规转向车辆比例。
5.根据权利要求1所述的方法,其特征在于,所述获取所述第一历史时长内第一事故率集合以及第二事故率集合,包括:
根据所述第一历史时长确定所述M个历史子时长;
针对于所述M个历史子时长中的每个历史子时长,获取所述每个历史子时长所对应的第一事故率,以及所述每个历史子时长所对应的第二事故率;
根据所述每个历史子时长所对应的第一事故率,获取所述第一事故率集合;
根据所述每个历史子时长所对应的第二事故率,获取所述第二事故率集合。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一事故率集合以及第二事故率集合,确定驾驶风险系数,包括:
根据所述第一事故率集合确定第一平均事故率;
根据所述第二事故率集合确定第二平均事故率;
针对于所述M个历史子时长中的每个历史子时长,根据所述第一平均事故率、所述第二平均事故率、所述每个历史子时长所对应的第一事故率以及第二事故率,确定所述驾驶风险系数。
7.根据权利要求1所述的方法,其特征在于,所述根据所述预估车辆数、所述第一事故率集合、所述第二事故率集合以及所述驾驶风险系数,确定在所述当前时刻所对应的致险车辆数,包括:
根据所述第一事故率集合以及所述第二事故率集合,确定总交通事故率;
根据所述总交通事故率以及所述预估车辆数,确定在所述当前时刻所对应的致险关联车辆数,其中,所述致险关联车辆数表示在所述当前时刻处于转向状态的车辆与后向车辆或者前向车辆发生事故的车辆数;
根据所述致险关联车辆数以及所述驾驶风险系数,确定在所述当前时刻所对应的所述致险车辆数。
8.根据权利要求1所述的方法,其特征在于,所述根据所述致险车辆数以及所述目标车流量确定转向风险值,包括:
获取在所述当前时刻所对应的所述目标车流量;
根据所述致险车辆数与所述目标车流量之间的比值,确定所述转向风险值;
所述根据所述致险车辆数以及所述目标车流量确定转向风险值之后,所述方法还包括:
若所述转向风险值大于或等于第一阈值,则确定所述转向风险值满足所述车辆预警条件。
9.根据权利要求1所述的方法,其特征在于,所述根据所述致险车辆数以及所述目标车流量确定转向风险值,包括:
获取在所述当前时刻所对应的所述目标车流量;
根据所述致险车辆数与所述目标车流量之间的比值,确定所述转向风险值;
所述根据所述致险车辆数以及所述目标车流量确定转向风险值之后,所述方法还包括:
若所述转向风险值大于或等于历史交通事故率,则确定所述转向风险值满足所述车辆预警条件,其中,所述历史交通事故率为在第二历史时长内发生的交通事故率,且所述第二历史时长大于或等于所述第一历史时长。
10.根据权利要求1所述的方法,其特征在于,所述根据所述致险车辆数以及所述目标车流量确定转向风险值,包括:
获取在所述当前时刻所对应的所述目标车流量;
获取在第二历史时长内的历史交通事故率,其中,所述第二历史时长大于所述第一历史时长;
根据所述致险车辆数与所述目标车流量之间的比值,以及所述历史交通事故率,确定所述转向风险值;
所述根据所述致险车辆数以及所述目标车流量确定转向风险值之后,所述方法还包括:
若所述转向风险值大于或等于第二阈值,则确定所述转向风险值满足所述车辆预警条件。
11.根据权利要求1所述的方法,其特征在于,所述生成预警提示信息之后,所述方法还包括:
向终端设备发送所述预警提示信息,以使所述终端设备采用预设提示方式展示所述预警提示信息,其中,所述预设提示方式包括字幕提示方式、图片提示方式、语音提示方式以及视频提示方式中的至少一种。
12.根据权利要求1至10中任一项所述的方法,其特征在于,所述生成预警提示信息,包括:
根据所述转向风险值确定目标风险级别,其中,所述目标风险级别属于风险级别集合中的一类风险级别,所述风险级别集合还包括至少一类风险级别;
根据所述目标风险级别生成所述预警提示信息。
13.根据权利要求12所述的方法,其特征在于,所述生成预警提示信息之后,所述方法还包括:
向终端设备发送所述预警提示信息,以使所述终端设备根据所述预警提示信息,按照目标行车策略控制目标车辆行驶,其中,所述预警提示信息包括所述目标风险级别,所述目标行车策略与所述目标风险级之间具有对应关系。
14.一种车辆预警装置,其特征在于,包括:
获取模块,用于获取在当前时刻处于转向状态的实际车辆数;获取在所述当前时刻所对应的目标车流量;获取在第一历史时长内的违规转向车辆比例;根据所述实际车辆数、所述目标车流量以及所述违规转向车辆比例,确定在所述当前时刻处于转向状态的预估车辆数;
所述获取模块,还用于获取所述第一历史时长内第一事故率集合以及第二事故率集合,其中,所述第一历史时长包括M个历史子时长,所述第一事故率集合包括M个第一事故率,每个第一事故率表示在一个历史子时长内转向车辆与后向车辆发生事故的概率,所述第二事故率集合包括M个第二事故率,每个第二事故率表示在一个历史子时长内转向车辆与前向车辆发生事故的概率,所述M为大于或等于2的整数;
确定模块,用于根据所述第一事故率集合以及第二事故率集合,确定驾驶风险系数;所述驾驶风险系数为转向车辆与后向车辆发生的事故以及转向车辆与前向车辆发生的事故之间的空间关联系数;
所述确定模块,还用于根据所述预估车辆数、所述第一事故率集合、所述第二事故率集合以及所述驾驶风险系数,确定在所述当前时刻所对应的致险车辆数;
所述确定模块,还用于根据所述致险车辆数以及所述目标车流量确定转向风险值;
生成模块,用于若所述转向风险值满足车辆预警条件,则生成预警提示信息。
15.根据权利要求14所述的装置,其特征在于,所述获取模块,具体用于:
通过路测设备获取在所述当前时刻处于第一转向范围内的第一车辆数,其中,所述第一车辆数表示在所述当前时刻已通过转向车道停止线的车辆数;
通过路测设备获取在所述当前时刻处于第二转向范围内的第二车辆数,其中,所述第二车辆数表示在所述当前时刻未通过所述转向车道停止线的车辆数;
根据所述第一车辆数以及第二车辆数,确定在所述当前时刻处于转向状态的所述实际车辆数。
16.根据权利要求14所述的装置,其特征在于,所述获取模块,具体用于:
通过路测设备获取在所述当前时刻处于第一路口范围内的第三车辆数,其中,所述第三车辆数表示在所述当前时刻已通过路口停止线的车辆数;
通过路测设备获取在所述当前时刻处于第二路口范围内的第四车辆数,其中,所述第四车辆数表示在所述当前时刻未通过所述路口停止线的车辆数;
根据所述当前时刻所对应的时长、所述第三车辆数以及所述第四车辆数,确定在所述当前时刻所对应的所述目标车流量。
17.根据权利要求14所述的装置,其特征在于,所述获取模块,具体用于:
通过路测设备获取在所述第一历史时长内经过第一路口范围的车辆总数;
根据所述第一历史时长以及所述车辆总数,确定在所述第一历史时长内的总车流量;
获取在所述第一历史时长内的违规车辆数;
根据所述第一历史时长内的总车流量以及所述第一历史时长内的违规车辆数,确定所述第一历史时长内的所述违规转向车辆比例。
18.根据权利要求14所述的装置,其特征在于,所述获取模块,具体用于:
根据所述第一历史时长确定所述M个历史子时长;
针对于所述M个历史子时长中的每个历史子时长,获取所述每个历史子时长所对应的第一事故率,以及所述每个历史子时长所对应的第二事故率;
根据所述每个历史子时长所对应的第一事故率,获取所述第一事故率集合;
根据所述每个历史子时长所对应的第二事故率,获取所述第二事故率集合。
19.根据权利要求14所述的装置,其特征在于,所述确定模块,具体用于:
根据所述第一事故率集合确定第一平均事故率;
根据所述第二事故率集合确定第二平均事故率;
针对于所述M个历史子时长中的每个历史子时长,根据所述第一平均事故率、所述第二平均事故率、所述每个历史子时长所对应的第一事故率以及第二事故率,确定所述驾驶风险系数。
20.根据权利要求14所述的装置,其特征在于,所述确定模块,具体用于:
根据所述第一事故率集合以及所述第二事故率集合,确定总交通事故率;
根据所述总交通事故率以及所述预估车辆数,确定在所述当前时刻所对应的致险关联车辆数,其中,所述致险关联车辆数表示在所述当前时刻处于转向状态的车辆与后向车辆或者前向车辆发生事故的车辆数;
根据所述致险关联车辆数以及所述驾驶风险系数,确定在所述当前时刻所对应的所述致险车辆数。
21.根据权利要求14所述的装置,其特征在于,所述确定模块,具体用于:
获取在所述当前时刻所对应的所述目标车流量;
根据所述致险车辆数与所述目标车流量之间的比值,确定所述转向风险值;
在所述根据所述致险车辆数以及所述目标车流量确定转向风险值之后,若所述转向风险值大于或等于第一阈值,则确定所述转向风险值满足所述车辆预警条件。
22.根据权利要求14所述的装置,其特征在于,所述确定模块,具体用于:
获取在所述当前时刻所对应的所述目标车流量;
根据所述致险车辆数与所述目标车流量之间的比值,确定所述转向风险值;
在所述根据所述致险车辆数以及所述目标车流量确定转向风险值之后,若所述转向风险值大于或等于历史交通事故率,则确定所述转向风险值满足所述车辆预警条件,其中,所述历史交通事故率为在第二历史时长内发生的交通事故率,且所述第二历史时长大于或等于所述第一历史时长。
23.根据权利要求14所述的装置,其特征在于,所述确定模块,具体用于:
获取在所述当前时刻所对应的所述目标车流量;
获取在第二历史时长内的历史交通事故率,其中,所述第二历史时长大于所述第一历史时长;
根据所述致险车辆数与所述目标车流量之间的比值,以及所述历史交通事故率,确定所述转向风险值;
所述确定模块,还用于根据所述致险车辆数以及所述目标车流量确定转向风险值之后,若所述转向风险值大于或等于第二阈值,则确定所述转向风险值满足所述车辆预警条件。
24.根据权利要求14所述的装置,其特征在于,还包括:发送模块;
所述发送模块,用于在所述生成模块生成预警提示信息之后,向终端设备发送所述预警提示信息,以使所述终端设备采用预设提示方式展示所述预警提示信息,其中,所述预设提示方式包括字幕提示方式、图片提示方式、语音提示方式以及视频提示方式中的至少一种。
25.根据权利要求14至23中任一项所述的装置,其特征在于,所述生成模块,具体用于:
根据所述转向风险值确定目标风险级别,其中,所述目标风险级别属于风险级别集合中的一类风险级别,所述风险级别集合还包括至少一类风险级别;
根据所述目标风险级别生成所述预警提示信息。
26.根据权利要求25所述的装置,其特征在于,还包括:发送模块;
所述发送模块,用于在所述生成模块生成预警提示信息之后,向终端设备发送所述预警提示信息,以使所述终端设备根据所述预警提示信息,按照目标行车策略控制目标车辆行驶,其中,所述预警提示信息包括所述目标风险级别,所述目标行车策略与所述目标风险级之间具有对应关系。
27.一种计算机设备,其特征在于,包括:存储器、收发器、处理器以及总线系统;
其中,所述存储器用于存储程序;
所述处理器用于执行所述存储器中的程序,所述处理器用于根据所述程序代码中的指令执行权利要求1至13中任一项所述的方法;
所述总线系统用于连接所述存储器以及所述处理器,以使所述存储器以及所述处理器进行通信。
28.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1至13中任一项所述的方法。
29.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机指令,所述计算机指令存储在计算机可读存储介质中,计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令,所述处理器执行所述计算机指令,使得所述计算机设备执行如权利要求1至13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011118544.XA CN112258837B (zh) | 2020-10-19 | 2020-10-19 | 一种车辆预警的方法、相关装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011118544.XA CN112258837B (zh) | 2020-10-19 | 2020-10-19 | 一种车辆预警的方法、相关装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112258837A CN112258837A (zh) | 2021-01-22 |
CN112258837B true CN112258837B (zh) | 2024-04-12 |
Family
ID=74244927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011118544.XA Active CN112258837B (zh) | 2020-10-19 | 2020-10-19 | 一种车辆预警的方法、相关装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258837B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022226689A1 (zh) * | 2021-04-25 | 2022-11-03 | 华为技术有限公司 | 数据管理方法、装置和终端设备 |
CN113807731B (zh) * | 2021-09-28 | 2024-04-09 | 一汽出行科技有限公司 | 车辆预警信息的处理方法、装置、计算机设备及存储介质 |
CN114363826A (zh) * | 2021-12-22 | 2022-04-15 | 长沙智能驾驶研究院有限公司 | 一种信息提示方法、装置、设备及可读存储介质 |
CN114724366B (zh) * | 2022-03-29 | 2023-06-20 | 北京万集科技股份有限公司 | 辅助驾驶方法、装置、设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538811A (zh) * | 2010-11-30 | 2012-07-04 | 通用汽车环球科技运作有限责任公司 | 用于基于安全因素来规划车辆路线的系统和方法 |
WO2016028228A1 (en) * | 2014-08-21 | 2016-02-25 | Avennetz Technologies Pte Ltd | System, method and apparatus for determining driving risk |
CN108288312A (zh) * | 2017-03-06 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 驾驶行为确定方法及装置 |
CN108860162A (zh) * | 2018-07-18 | 2018-11-23 | 平安科技(深圳)有限公司 | 电子装置、基于用户驾驶行为的安全预警方法及存储介质 |
CN109754595A (zh) * | 2017-11-01 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 车辆风险的评估方法、装置及接口设备 |
CN110929996A (zh) * | 2019-11-06 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 驾驶风险估计方法及装置 |
CN111739343A (zh) * | 2020-06-02 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 车辆事故风险的预警方法、装置、介质及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130338914A1 (en) * | 2012-06-14 | 2013-12-19 | Wavemarket Inc. | System and method for notifying vehicle driver of localized driving conditions |
-
2020
- 2020-10-19 CN CN202011118544.XA patent/CN112258837B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538811A (zh) * | 2010-11-30 | 2012-07-04 | 通用汽车环球科技运作有限责任公司 | 用于基于安全因素来规划车辆路线的系统和方法 |
WO2016028228A1 (en) * | 2014-08-21 | 2016-02-25 | Avennetz Technologies Pte Ltd | System, method and apparatus for determining driving risk |
CN108288312A (zh) * | 2017-03-06 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 驾驶行为确定方法及装置 |
CN109754595A (zh) * | 2017-11-01 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 车辆风险的评估方法、装置及接口设备 |
CN108860162A (zh) * | 2018-07-18 | 2018-11-23 | 平安科技(深圳)有限公司 | 电子装置、基于用户驾驶行为的安全预警方法及存储介质 |
CN110929996A (zh) * | 2019-11-06 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 驾驶风险估计方法及装置 |
CN111739343A (zh) * | 2020-06-02 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 车辆事故风险的预警方法、装置、介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112258837A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112258837B (zh) | 一种车辆预警的方法、相关装置、设备以及存储介质 | |
US11659038B2 (en) | Smart vehicle | |
US11904852B2 (en) | Information processing apparatus, information processing method, and program | |
WO2018161774A1 (zh) | 驾驶行为确定方法、装置、设备及存储介质 | |
US9707971B2 (en) | Driving characteristics diagnosis device, driving characteristics diagnosis system, driving characteristics diagnosis method, information output device, and information output method | |
CN108028015B (zh) | 信息处理装置、信息处理方法和存储介质 | |
US10424199B2 (en) | Communication apparatus, operation assistance apparatus, and operation assistance system | |
CN105788321B (zh) | 车辆通信方法、装置及系统 | |
US11526166B2 (en) | Smart vehicle | |
US20170072850A1 (en) | Dynamic vehicle notification system and method | |
EP3028914B1 (en) | Method and apparatus for providing an operational configuration for an autonomous vehicle | |
EP3698340A1 (en) | Method and system for vehicular-related communications | |
US10260898B2 (en) | Apparatus and method of determining an optimized route for a highly automated vehicle | |
CN110775059B (zh) | 一种基于人工智能的自动跟车方法和相关装置 | |
KR20200057414A (ko) | 주행 가이드 정보를 제공하는 전자 장치 및 그 방법 | |
CN113386786B (zh) | 信息提示方法、装置、设备、介质、云控平台和车辆 | |
CN105139583A (zh) | 基于便携式智能设备的车辆危险提醒方法 | |
WO2016115259A1 (en) | Cyclist/pedestrian collision avoidance system | |
CN113205088B (zh) | 障碍物图像展示方法、电子设备和计算机可读介质 | |
US11626028B2 (en) | System and method for providing vehicle function guidance and virtual test-driving experience based on augmented reality content | |
CN112581786A (zh) | 用于将事故避免信息提供给自主车辆的乘客的方法和设备 | |
CN113110487A (zh) | 车辆仿真控制方法、装置、电子设备及存储介质 | |
CN115681483A (zh) | 车辆控制器、车辆及车辆控制方法 | |
CN113494921B (zh) | 自动驾驶方法及装置 | |
KR20180067145A (ko) | 차량 충돌 예방 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40037791 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |