CN112561282A - 一种基于大数据的自动驾驶公交车出行风险安全评估系统 - Google Patents
一种基于大数据的自动驾驶公交车出行风险安全评估系统 Download PDFInfo
- Publication number
- CN112561282A CN112561282A CN202011431461.6A CN202011431461A CN112561282A CN 112561282 A CN112561282 A CN 112561282A CN 202011431461 A CN202011431461 A CN 202011431461A CN 112561282 A CN112561282 A CN 112561282A
- Authority
- CN
- China
- Prior art keywords
- bus
- driving
- submodule
- automatic
- risk
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000037237 body shape Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012502 risk assessment 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
-
- 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
- G08G1/01—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的自动驾驶公交车出行风险安全评估系统,该系统包括自动与人工驾驶切换模块、排队等候确定模块、风险安全评估模块、舒适度评价模块与主控模块,所述自动与人工驾驶切换模块用于根据公交车行驶路线对行驶模式进行自动切换,所述排队等候确定模块用于在公交站预约乘坐自动驾驶公交车人数,根据公交车内已有人数判断是否将所预约的人数全部载乘,所述风险安全评估模块根据所行驶段路程对不同类型驾驶的风险进行评估,判断出不同路段实际应使用的驾驶模式,所述舒适度评价模块用于根据自动驾驶公交车在不同场景下行驶过程中的舒适度进行评判,主控模块将公交车行驶的结果发送在主控模块中,以便于及时调取相关数据。
Description
技术领域
本发明涉及大数据汽车技术领域,具体为一种基于大数据的自动驾驶公交车出行风险安全评估系统。
背景技术
随着现代化的发展,汽车的发展也逐步智能化,全自动驾驶汽车现成为新型技术,被各大公司不惜耗大量财富争先抢后的去开发;
自动驾驶汽车又叫做无人驾驶汽车,是一种通过电脑系统从而实现自动驾驶的智能汽车,可以完全由机器自动操作机动车辆,但是由于自动驾驶车辆发展的不成熟,从而导致自动驾驶车辆发生很大的交通事故,由记得优步的自动化驾驶车辆发生交通事故,因为突然闯入人行道的行人导致该系统并没有预测和检测到改事件的发生,由此,自动驾驶车辆对于突然闯入的障碍物无法识别,只能识别出能够预见到的障碍物;
现由于部分公司的发展,在苏州区域投入使用了自动驾驶公交车,但是由于路段的不稳定和路上的不稳定因素导致突状况频频发生,且公交车到达公交站台时,会有很多乘客进入公交车乘坐,因公交车内人数过多导致公交车无法行驶,同时也无法阻止乘客进入公交车,通常为了避免危险事故的发生,将公交车的路线设置成自动驾驶路段和自主驾驶路段,但是却无法预估自动驾驶路段和自主驾驶路段所产生的后果,因此,需要一种带有颜色标记的矩形框引起其他车辆的注意;
因此,人们需要一种基于大数据的自动驾驶公交车出行风险安全评估系统来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的自动驾驶公交车出行风险安全评估系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的自动驾驶公交车出行风险安全评估系统,该系统包括自动与人工驾驶切换模块、排队等候确定模块、风险安全评估模块、舒适度评价模块与主控模块,所述自动与人工驾驶切换模块用于根据公交车所行驶路线对行驶模式进行自动切换,从而能够减缓司机长期驾驶的疲劳程度,所述排队等候确定模块用于在公交站所预约的乘坐自动驾驶公交车的人数,根据公交车内已有人数判断是否将所预约的人数全部载乘,从而确保公交车所承载人数不超过预设值,保证车辆行驶的安全性,所述风险安全评估模块根据所行驶段路程对不同类型驾驶的风险进行评估,判断出不同路段实际应使用的驾驶模式,从而降低不同模式下公交车的行驶风险状况,所述舒适度评价模块用于根据自动驾驶公交车在不同场景下行驶过程中的舒适度进行评判,从而判断出自动驾驶公交车是否能够在设定的路线上安全行驶,所述主控模块用于将公交车行驶的结果发送在主控模块中,以便于及时调取相关数据。
优选的,所述自动与人工驾驶切换模块包括疲劳度确定子模块、驾驶类型分配子模块、突发因素子模块和车辆更随子模块,所述疲劳确定子模块用于根据公交车驾驶人员所驾驶的时间、早高峰滞留所等待时间和每日公交车循环开车次数共同判断驾驶人员的疲劳程度值,从而能够判断出驾驶人员此时开车是否疲劳,所述驾驶类型分配子模块用于根据公交车行驶路线中,对于车辆拥堵路段和行驶开阔的路段进行分配驾驶类型,从而减轻驾驶人员的负担和疲劳,所述突发因素子模块用于对自动驾驶公交车按照行驶路线行驶过程中所遇到的车辆发生的紧急状况及时调节,从而使得自动驾驶过程中的公交车能够安全行驶,所述车辆紧急处理子模块用于在公交车辆所接受的指令与实际的指令相反时,利用全息显示装置所反射出的像对其他车辆进行警示,从而使得自动驾驶的公交车辆和道路上其它车辆行驶安全,所述疲劳度确定子模块的输出端与驾驶类型分配子模块、突发因素子模块和车辆更随子模块的输入端相连接。
当自动驾驶公交车车辆行驶在对应路线上,公交车车辆接收到错误指令,且自动驾驶公交车辆后方车辆为自动驾驶车辆时,后方车辆发出跟随信号,从而使得公交车辆跟随后方车辆行驶到维修位置,当公交车辆后方车辆为普通驾驶车辆时,利用全息显示装置对公交车辆所在位置进行标色框选显示,以便于提示后方车辆绕行。
优选的,所述排队等候确定模块包括预约人数子模块、人数分配子模块、等候框选子模块和框选截止子模块,所述预约人数子模块用于在系统上对自动驾驶公交车进行预约,并核对预约公交车的总人数,从而使得用户不用过于着急挤上公交车,保证用户行车安全,所述人数分配子模块用于实时更新车内现有的乘客人数和每站上车的人数,对预约上车的乘客进行限制,从而保证乘客行车安全,所述等候框选子模块用于对等候上车的乘客,使用全息显示装置使得乘客能够按照所设定的框选位置上车,从而能够告知后方车辆自动驾驶的公交车正在载客中,保证乘客能够安全乘车,所述框选截止子模块用于对上车的乘客,利用全息显示屏所映射出带有颜色的方框对上车人数进行缩小限制,且公交车车辆开往下一站的条件是无多余乘客乘坐公交车,从而确保公交车辆的安全行驶,所述预约人数子模块的输出端与人数分配子模块、等候框选子模块和框选截止子模块的输入端相连接。
优选的,所述全息显示装置安装在公交车车辆顶部的左侧顶角端和右侧顶角端,使用全息显示装置根据公交车车辆所在投影面的横截面积进行框选,在乘客上下车时,对公交车开关门位置利用全息显示装置根据所应乘坐人数设置带有颜色的矩形框选标记,当所预约乘坐人数小于不同公交站台实际设定乘坐人数时,不对公交站台上无预约的乘客限制,当所预约乘坐人数大于公交站台实际设定乘坐人数时,对部分矩形框按照斜率进行缩小。
优选的,所述风险安全评估模块包括自主驾驶风险子模块、自动驾驶风险子模块、事故因素调取子模块和风险比较确定子模块,所述自主驾驶风险子模块用于对公交车行驶路线中自主驾驶段路中所发生风险次数和风险度进行确定,所述自主驾驶风险子模块用于根据公交车自主驾驶段路中所发生风险次数和风险度进行确定,所述事故因素调取子模块用于对不同驾驶类型导致的事故类型进行提取,从而能够更深层次的了解事故发生的原因,避免相关事情的再次发生,所述风险比较确定子模块用于将风险度较高区域与风险度较低区域所行驶路段的驾驶类型重新分配,避免事故再次发生,保证乘客的行驶安全,所述自主驾驶风险子模块的输出端与自动驾驶风险子模块、事故因素调取子模块和风险比较确定子模块的输入端相连接。
所述舒适度评价模块包括用户重复使用子模块、场景评价子模块和舒适度确定子模块,所述乘客重复使用子模块用于对同乘客乘坐自动驾驶类型公交车的次数进行判定,判断乘客对于所乘路线中自动驾驶行驶的舒适度,从而能够判断出自动驾驶公交车的行驶舒适度,判断是否需要对自动驾驶公交车作出参数调整,所述场景监视子模块用于根据多道变单道、单道变多道的场景对自动驾驶公交车所开路程进行监视,判断自动驾驶公交车在不同路段中的灵敏性,从而使得公交车辆能够平稳的行驶,所述舒适度确定子模块用于根据乘客所乘坐的次数和车辆偏移障碍物乘客的反应程度最终判断自动驾驶公交车的舒适度,从而能够保证乘客能够安全的到达目的地,所述用户重复使用子模块的输出端与场景评价子模块和舒适度确定子模块的输入端相连接。
该系统的方法包括如下步骤:
A1:使用自动与人工驾驶切换模块,根据不同驾驶类型公交车行驶路段中所发生的突发事件,利用全息显示装置所反射出来的像对公交车所在位置设置标色矩形框选显示;
A2:使用排队等候确定模块,根据公交车站台排队人数和公交车车内人数判断是否需要将排队等候上车人数进行全部载乘,并利用全息显示装置对排队上公交车的人数进行带色矩形框选标记,将不在矩形框内的人数按照设定的直线将矩形框缩小;
A3:使用风险安全评估模块,根据不同驾驶类型公交车行驶所发生的事故类型和导致的事故率判断是否需要将不同路段的驾驶类型进行更换;
A4:使用舒适度评价模块,根据乘客重复乘坐公交车的次数、不同场景中自动驾驶公交车所开路线是否稳定、车辆偏移障碍物乘客的反应程度判断自动驾驶公交车的舒适度。
在所述步骤A2中,根据大数据的调查结果,在公交车行驶路线中不同公交车站预约等待人数的数据集为S={s1,s2,s3...sm},检测到自动驾驶公交车行驶到其中一个站点时,公交车内已有人数为P,该站下车人数为O,,此站台本应上车人数为Q,公交车总人数限制为D;
此站台应上车的人数为W:W=D-P-O-(Sk-Sm)
当W>Q时,可以将此站台预约自动驾驶公交车的乘客全部带走,当W<Q时,部分预约的乘客带不走;
当自动驾驶公交车进站时,乘客站在全息投影装置所投射出的矩形框端点位置,对不在所在直线位置的乘客进行剔除并缩小;
设Y=kx+b,不同乘客在矩形框右侧端点位置的坐标的集合为H={(x1,y1),(x2,y2)...(x3,y3)},根据矩形框的宽度,矩形框左侧位置坐标的集合为Z={(x11,y11),(x22,y22)...(x33,y33)},将参数代入,当Y≤0时,表示该位置点的乘客不能够上车,当Y>0时,表示该位置的乘客能够上车;
其中:Sk是指总预约的乘客人数,Sm是指公交车内已上乘客人数。
在所述步骤A3中,根据大数据调查可知,公交车驾驶路段为Q1-Q10,其中,Q3-Q6为自主驾驶路段,Q1-Q3,Q6-Q10段是自动驾驶路段,经调查,Q3-Q6段所发生的追尾次数为N1,闯红绿灯的次数为N2,超速行驶段的次数为N3,,Q1-Q3,Q6-Q10段发生追尾的次数为M1,闯红灯的次数为M2,超速行驶段的次数为M3,不同级别的事故所产生的事故率为e1,e2,e3;
根据公式:
K=e1*N1+e2*N2+e3*N3;
L=e1*M1+e2*M2+e3*M3;
当K>L时,表示自主驾驶路段所发生的事故相比于自动驾驶路段所发生的事故多,因此将该公交车所行驶的所有路段定义为自动驾驶路段,当K<L时,表示自动驾驶路段所发生的事故相比于自主驾驶路段所发生的事故多,因此将该公交车所行驶的所有路段变为自主驾驶路段;
其中,K是指自主驾驶路段所发生的风险度,L是指自动驾驶路段所发生的风险度。
与现有技术相比,本发明所达到的有益效果是:
1.设置了自动与人工驾驶切换模块,在自动驾驶公交车辆行驶时接收到错误信号导致该公交车的行驶产生问题时,利用全息显示装置,使用带有颜色的虚线框对本车辆进行框选,以此对其他车辆进行警示,以防产生车辆碰撞问题;
2.设置了排队等候确定模块,根据现有车站内等待人数和公交车上已有的人数对上车的乘客人数进行限制,利用全息显示装置,使用反射出来的像对排队人数进行矩形框选,当所预约的人数超过本应上车人数时,对排队乘坐公交车的乘客所在的矩形框以点到点的直线进行缩小,从而使得公交车无法对多余的乘客进行载乘,解决了公交车载客人数过多的问题;
3.设置了风险安全评估模块,根据公交车辆对应路线上不同的驾驶方式所产生的风险度,判断是否需要更改驾驶方式,解决了公交车辆应用不同驾驶方式风险较高的问题。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的自动驾驶公交车出行风险安全评估系统的模块组成示意图;
图2是本发明一种基于大数据的自动驾驶公交车出行风险安全评估系统的步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供技术方案:一种基于大数据的自动驾驶公交车出行风险安全评估系统,该系统包括自动与人工驾驶切换模块、排队等候确定模块、风险安全评估模块、舒适度评价模块与主控模块,所述自动与人工驾驶切换模块用于根据公交车所行驶路线对行驶模式进行自动切换,从而能够减缓司机长期驾驶的疲劳程度,所述排队等候确定模块用于在公交站所预约的乘坐自动驾驶公交车的人数,根据公交车内已有人数判断是否将所预约的人数全部载乘,从而确保公交车所承载人数不超过预设值,保证车辆行驶的安全性,所述风险安全评估模块根据所行驶段路程对不同类型驾驶的风险进行评估,判断出不同路段实际应使用的驾驶模式,从而降低不同模式下公交车的行驶风险状况,所述舒适度评价模块用于根据自动驾驶公交车在不同场景下行驶过程中的舒适度进行评判,从而判断出自动驾驶公交车是否能够在设定的路线上安全行驶,所述主控模块用于将公交车行驶的结果发送在主控模块中,以便于及时调取相关数据。
优选的,所述自动与人工驾驶切换模块包括疲劳度确定子模块、驾驶类型分配子模块、突发因素子模块和车辆更随子模块,所述疲劳确定子模块用于根据公交车驾驶人员所驾驶的时间、早高峰滞留所等待时间和每日公交车循环开车次数共同判断驾驶人员的疲劳程度值,从而能够判断出驾驶人员此时开车是否疲劳,所述驾驶类型分配子模块用于根据公交车行驶路线中,对于车辆拥堵路段和行驶开阔的路段进行分配驾驶类型,从而减轻驾驶人员的负担和疲劳,所述突发因素子模块用于对自动驾驶公交车按照行驶路线行驶过程中所遇到的车辆发生的紧急状况及时调节,从而使得自动驾驶过程中的公交车能够安全行驶,所述车辆紧急处理子模块用于在公交车辆所接受的指令与实际的指令相反时,利用全息显示装置所反射出的像对其他车辆进行警示,从而使得自动驾驶的公交车辆和道路上其它车辆行驶安全,所述疲劳度确定子模块的输出端与驾驶类型分配子模块、突发因素子模块和车辆更随子模块的输入端相连接。
当自动驾驶公交车车辆行驶在对应路线上,公交车车辆接收到错误指令,且自动驾驶公交车辆后方车辆为自动驾驶车辆时,后方车辆发出跟随信号,从而使得公交车辆跟随后方车辆行驶到维修位置,当公交车辆后方车辆为普通驾驶车辆时,利用全息显示装置对公交车辆所在位置进行标色框选显示,以便于提示后方车辆绕行。
优选的,所述排队等候确定模块包括预约人数子模块、人数分配子模块、等候框选子模块和框选截止子模块,所述预约人数子模块用于在系统上对自动驾驶公交车进行预约,并核对预约公交车的总人数,从而使得用户不用过于着急挤上公交车,保证用户行车安全,所述人数分配子模块用于实时更新车内现有的乘客人数和每站上车的人数,对预约上车的乘客进行限制,从而保证乘客行车安全,所述等候框选子模块用于对等候上车的乘客,使用全息显示装置使得乘客能够按照所设定的框选位置上车,从而能够告知后方车辆自动驾驶的公交车正在载客中,保证乘客能够安全乘车,所述框选截止子模块用于对上车的乘客,利用全息显示屏所映射出带有颜色的方框对上车人数进行缩小限制,且公交车车辆开往下一站的条件是无多余乘客乘坐公交车,从而确保公交车辆的安全行驶,所述预约人数子模块的输出端与人数分配子模块、等候框选子模块和框选截止子模块的输入端相连接。
优选的,所述全息显示装置安装在公交车车辆顶部的左侧顶角端和右侧顶角端,使用全息显示装置根据公交车车辆所在投影面的横截面积进行框选,在乘客上下车时,对公交车开关门位置利用全息显示装置根据所应乘坐人数设置带有颜色的矩形框选标记,当所预约乘坐人数小于不同公交站台实际设定乘坐人数时,不对公交站台上无预约的乘客限制,当所预约乘坐人数大于公交站台实际设定乘坐人数时,对部分矩形框按照斜率进行缩小;
将排队第一位乘客对应矩形框顶点位置与队伍中所设定末位乘客对应所在矩形框顶点位置的直线进行框选,所设定末位乘客对应矩形框顶点处与所设定末位乘客后方乘客所对应矩形框顶点之间的斜率进行缩小直至为零。
优选的,所述风险安全评估模块包括自主驾驶风险子模块、自动驾驶风险子模块、事故因素调取子模块和风险比较确定子模块,所述自主驾驶风险子模块用于对公交车行驶路线中自主驾驶段路中所发生风险次数和风险度进行确定,所述自主驾驶风险子模块用于根据公交车自主驾驶段路中所发生风险次数和风险度进行确定,所述事故因素调取子模块用于对不同驾驶类型导致的事故类型进行提取,从而能够更深层次的了解事故发生的原因,避免相关事情的再次发生,所述风险比较确定子模块用于将风险度较高区域与风险度较低区域所行驶路段的驾驶类型重新分配,避免事故再次发生,保证乘客的行驶安全,所述自主驾驶风险子模块的输出端与自动驾驶风险子模块、事故因素调取子模块和风险比较确定子模块的输入端相连接。
所述舒适度评价模块包括用户重复使用子模块、场景评价子模块和舒适度确定子模块,所述乘客重复使用子模块用于对同乘客乘坐自动驾驶类型公交车的次数进行判定,判断乘客对于所乘路线中自动驾驶行驶的舒适度,从而能够判断出自动驾驶公交车的行驶舒适度,判断是否需要对自动驾驶公交车作出参数调整,所述场景监视子模块用于根据多道变单道、单道变多道的场景对自动驾驶公交车所开路程进行监视,判断自动驾驶公交车在不同路段中的灵敏性,从而使得公交车辆能够平稳的行驶,所述舒适度确定子模块用于根据乘客所乘坐的次数和车辆偏移障碍物乘客的反应程度最终判断自动驾驶公交车的舒适度,从而能够保证乘客能够安全的到达目的地,所述用户重复使用子模块的输出端与场景评价子模块和舒适度确定子模块的输入端相连接;
当乘客在系统上预约自动驾驶公交车时,会对乘客的信息进行记录,并对用户预约后是否乘坐进行自动记录。
该系统的方法包括如下步骤:
A1:使用自动与人工驾驶切换模块,根据不同驾驶类型公交车行驶路段中所发生的突发事件,利用全息显示装置所反射出来的像对公交车所在位置设置标色矩形框选显示;
A2:使用排队等候确定模块,根据公交车站台排队人数和公交车车内人数判断是否需要将排队等候上车人数进行全部载乘,并利用全息显示装置对排队上公交车的人数进行带色矩形框选标记,将不在矩形框内的人数按照设定的直线将矩形框缩小;
A3:使用风险安全评估模块,根据不同驾驶类型公交车行驶所发生的事故类型和导致的事故率判断是否需要将不同路段的驾驶类型进行更换;
A4:使用舒适度评价模块,根据乘客重复乘坐公交车的次数、不同场景中自动驾驶公交车所开路线是否稳定、车辆偏移障碍物乘客的反应程度判断自动驾驶公交车的舒适度。
在所述步骤A2中,根据大数据的调查结果,在公交车行驶路线中不同公交车站预约等待人数的数据集为S={s1,s2,s3...sm},检测到自动驾驶公交车行驶到其中一个站点时,公交车内已有人数为P,该站下车人数为O,,此站台本应上车人数为Q,公交车总人数限制为D;
此站台应上车的人数为W:W=D-P-O-(Sk-Sm)
当W>Q时,可以将此站台预约自动驾驶公交车的乘客全部带走,当W<Q时,部分预约的乘客带不走;
当自动驾驶公交车进站时,乘客站在全息投影装置所投射出的矩形框端点位置,对不在所在直线位置的乘客进行剔除并缩小;
设Y=kx+b,不同乘客在矩形框右侧端点位置的坐标的集合为H={(x1,y1),(x2,y2)...(x3,y3)},根据矩形框的宽度,矩形框左侧位置坐标的集合为Z={(x11,y11),(x22,y22)...(x33,y33)},将参数代入,当Y≤0时,表示该位置点的乘客不能够上车,当Y>0时,表示该位置的乘客能够上车;
根据上述方法,解决了公交车到达站台时,因等待人数较多,使得公交车车辆行驶风险较大的问题,当检测到此站台实际上车人数超过设定的人数时,主控模块发出报警声音,公交车辆无法行驶,直至上车人数与设定人数一致,公交车辆继续正常行驶;
其中:Sk是指总预约的乘客人数,Sm是指公交车内已上乘客人数。
在所述步骤A3中,根据大数据调查可知,公交车驾驶路段为Q1-Q10,其中,Q3-Q6为自主驾驶路段,Q1-Q3,Q6-Q10段是自动驾驶路段,经调查,Q3-Q6段所发生的追尾次数为N1,闯红绿灯的次数为N2,超速行驶段的次数为N3,,Q1-Q3,Q6-Q10段发生追尾的次数为M1,闯红灯的次数为M2,超速行驶段的次数为M3,不同级别的事故所产生的事故率为e1,e2,e3;
根据公式:
K=e1*N1+e2*N2+e3*N3;
L=e1*M1+e2*M2+e3*M3;
当K>L时,表示自主驾驶路段所发生的事故相比于自动驾驶路段所发生的事故多,因此将该公交车所行驶的所有路段定义为自动驾驶路段,当K<L时,表示自动驾驶路段所发生的事故相比于自主驾驶路段所发生的事故多,因此将该公交车所行驶的所有路段变为自主驾驶路段;
其中,K是指自主驾驶路段所发生的风险度,L是指自动驾驶路段所发生的风险度;
根据公交车辆所驾驶的不同类型,同时针对不同路段所发生的风险次数,证明了不同类型驾驶的风险度,根据计算出的风险度能够判断出不同驾驶类型所适应的路段,从而重新调整驾驶类型,降低公交车不同类型行驶的风险度。
实施例1:在用户乘坐公交车的场景中,用户需在系统上预约乘坐公交车,根据总预约人数判断用户在队伍中所站位置,当用户所站位置正好处于全息投影装置所投射出来的矩形框中的直线点上,用户可以进入该自动驾驶公交车,当用户在所投射出的直线之外时,用户不可以进入该自动驾驶公交车,当用户进入公交车之后,根据自动驾驶汽车行驶的路线,对用户身形倾斜角度进行判断,判断自动驾驶公交车是否开的平稳;
当公交车驶入某弯道时,针对自动驾驶公交车和自主驾驶公交车所行驶的弯度,对每个用户的倾斜角度进行评判(排除紧急情况),当有超过3个用户的身形有大幅度的波动时,表示此时的驾驶方式需要更换,当公交车的有单道驶入多道时,判断公交车辆是否会和其他车辆相撞,是否稳定的行驶,当公交车驶入堵车严重的路线时,根据公交车不同的行驶方式是否能够在较短的时间和安全的行驶方式到达终点,由于公交车频繁刹车,自动驾驶所接受的信号一直是刹车型号,导致信号错误无法行驶,影响其他车辆行驶,根据此情况,是否需要更换为自主驾驶型的公交车。
实施例2:当有若干乘客在同自动驾驶路段预约该车辆时,表示该车辆可以在该路段上进行行驶,当有若干乘客乘坐过一次后,并未继续乘坐该车辆,表示该自动驾驶车辆行驶的并不平稳,需要更换驾驶类型。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的自动驾驶公交车出行风险安全评估系统,其特征在于:该系统包括自动与人工驾驶切换模块、排队等候确定模块、风险安全评估模块、舒适度评价模块与主控模块,所述自动与人工驾驶切换模块用于根据公交车所行驶路线对行驶模式进行自动切换,所述排队等候确定模块用于在公交站所预约的乘坐自动驾驶公交车的人数,根据公交车内已有人数判断是否将所预约的人数全部载乘,所述风险安全评估模块根据所行驶段路程对不同类型驾驶的风险进行评估,判断出不同路段实际应使用的驾驶模式,所述舒适度评价模块用于根据自动驾驶公交车在不同场景下行驶过程中的舒适度进行评判,所述主控模块用于将公交车行驶的结果发送在主控模块中,以便于及时调取相关数据,所述主控模块与自动与人工驾驶切换模块、排队等候确定模块、风险安全评估模块、舒适度评价模块相连接。
2.根据权利要求1所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统,其特征在于:所述自动与人工驾驶切换模块包括疲劳度确定子模块、驾驶类型分配子模块、突发因素子模块和车辆更随子模块,所述疲劳确定子模块用于根据公交车驾驶人员所驾驶的时间、早高峰滞留所等待时间和每日公交车循环开车次数共同判断驾驶人员的疲劳程度值,所述驾驶类型分配子模块用于根据公交车行驶路线中,对于车辆拥堵路段和行驶开阔的路段进行分配驾驶类型,所述突发因素子模块用于对自动驾驶公交车按照行驶路线行驶过程中所遇到的车辆发生的紧急状况及时调节,所述车辆紧急处理子模块用于在公交车辆所接受的指令与实际的指令相反时,利用全息显示装置所反射出的像对其他车辆进行警示,所述疲劳度确定子模块的输出端与驾驶类型分配子模块、突发因素子模块和车辆更随子模块的输入端相连接。
3.根据权利要求2所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统,其特征在于:当自动驾驶公交车车辆行驶在对应路线上,公交车车辆接收到错误指令,且自动驾驶公交车辆后方车辆为自动驾驶车辆时,后方车辆发出跟随信号,当公交车辆后方车辆为普通驾驶车辆时,利用全息显示装置对公交车辆所在位置进行标色框选显示。
4.根据权利要求1所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统,其特征在于:所述排队等候确定模块包括预约人数子模块、人数分配子模块、等候框选子模块和框选截止子模块,所述预约人数子模块用于在系统上对自动驾驶公交车进行预约,并核对预约公交车的总人数所述人数分配子模块用于实时更新车内现有的乘客人数和每站上车的人数,对预约上车的乘客进行限制,所述等候框选子模块用于对等候上车的乘客,使用全息显示装置使得乘客能够按照所设定的框选位置上车,所述框选截止子模块用于对上车的乘客,利用全息显示屏所映射出带有颜色的方框对上车人数进行缩小限制,且公交车车辆开往下一站的条件是无多余乘客乘坐公交车,所述预约人数子模块的输出端与人数分配子模块、等候框选子模块和框选截止子模块的输入端相连接。
5.根据权利要求4所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统,其特征在于:所述全息显示装置安装在公交车车辆顶部的左侧顶角端和右侧顶角端,使用全息显示装置根据公交车车辆所在投影面的横截面积进行框选,在乘客上下车时,对公交车开关门位置利用全息显示装置根据所应乘坐人数设置带有颜色的矩形框选标记,当所预约乘坐人数小于不同公交站台实际设定乘坐人数时,不对公交站台上无预约的乘客限制,当所预约乘坐人数大于公交站台实际设定乘坐人数时,对部分矩形框按照斜率进行缩小。
6.根据权利要求1所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统,其特征在于:所述风险安全评估模块包括自主驾驶风险子模块、自动驾驶风险子模块、事故因素调取子模块和风险比较确定子模块,所述自主驾驶风险子模块用于对公交车行驶路线中自主驾驶段路中所发生风险次数和风险度进行确定,所述自主驾驶风险子模块用于根据公交车自主驾驶段路中所发生风险次数和风险度进行确定,所述事故因素调取子模块用于对不同驾驶类型导致的事故类型进行提取,所述风险比较确定子模块用于将风险度较高区域与风险度较低区域所行驶路段的驾驶类型重新分配,所述自主驾驶风险子模块的输出端与自动驾驶风险子模块、事故因素调取子模块和风险比较确定子模块的输入端相连接。
7.根据权利要求1所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统,其特征在于:所述舒适度评价模块包括用户重复使用子模块、场景评价子模块和舒适度确定子模块,所述乘客重复使用子模块用于对同乘客乘坐自动驾驶类型公交车的次数进行判定,判断乘客对于所乘路线中自动驾驶行驶的舒适度,从而能够判断出自动驾驶公交车的行驶舒适度,判断是否需要对自动驾驶公交车作出参数调整,所述场景监视子模块用于根据多道变单道、单道变多道的场景对自动驾驶公交车所开路程进行监视,判断自动驾驶公交车在不同路段中的灵敏性,从而使得公交车辆能够平稳的行驶,所述舒适度确定子模块用于根据乘客所乘坐的次数和车辆偏移障碍物乘客的反应程度最终判断自动驾驶公交车的舒适度,从而能够保证乘客能够安全的到达目的地,所述用户重复使用子模块的输出端与场景评价子模块和舒适度确定子模块的输入端相连接。
8.根据权利要求1所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统的方法,其特征在于:该系统的方法包括如下步骤:
A1:使用自动与人工驾驶切换模块,根据不同驾驶类型公交车行驶路段中所发生的突发事件,利用全息显示装置所反射出来的像对公交车所在位置设置标色矩形框选显示;
A2:使用排队等候确定模块,根据公交车站台排队人数和公交车车内人数判断是否需要将排队等候上车人数进行全部载乘,并利用全息显示装置对排队上公交车的人数进行带色矩形框选标记,将不在矩形框内的人数按照设定的直线将矩形框缩小;
A3:使用风险安全评估模块,根据不同驾驶类型公交车行驶所发生的事故类型和导致的事故率判断是否需要将不同路段的驾驶类型进行更换;
A4:使用舒适度评价模块,根据乘客重复乘坐公交车的次数、不同场景中自动驾驶公交车所开路线是否稳定、车辆偏移障碍物乘客的反应程度判断自动驾驶公交车的舒适度。
9.根据权利要求8所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统的方法,其特征在于:在所述步骤A2中,根据大数据的调查结果,在公交车行驶路线中不同公交车站预约等待人数的数据集为S={s1,s2,s3...sm},检测到自动驾驶公交车行驶到其中一个站点时,公交车内已有人数为P,该站下车人数为O,,此站台本应上车人数为Q,公交车总人数限制为D;
此站台应上车的人数为W:W=D-P-O-(Sk-Sm)
当W>Q时,可以将此站台预约自动驾驶公交车的乘客全部带走,当W<Q时,部分预约的乘客带不走;
当自动驾驶公交车进站时,乘客站在全息投影装置所投射出的矩形框端点位置,对不在所在直线位置的乘客进行剔除并缩小;
设Y=kx+b,不同乘客在矩形框右侧端点位置的坐标的集合为H={(x1,y1),(x2,y2)...(x3,y3)},根据矩形框的宽度,矩形框左侧位置坐标的集合为Z={(x11,y11),(x22,y22)...(x33,y33)},将参数代入,当Y≤0时,表示该位置点的乘客不能够上车,当Y>0时,表示该位置的乘客能够上车;
其中:Sk是指总预约的乘客人数,Sm是指公交车内已上乘客人数。
10.根据权利要求8所述的一种基于大数据的自动驾驶公交车出行风险安全评估系统的方法,其特征在于:在所述步骤A3中,根据大数据调查可知,公交车驾驶路段为Q1-Q10,其中,Q3-Q6为自主驾驶路段,Q1-Q3,Q6-Q10段是自动驾驶路段,经调查,Q3-Q6段所发生的追尾次数为N1,闯红绿灯的次数为N2,超速行驶段的次数为N3,,Q1-Q3,Q6-Q10段发生追尾的次数为M1,闯红灯的次数为M2,超速行驶段的次数为M3,不同级别的事故所产生的事故率为e1,e2,e3;
根据公式:
K=e1*N1+e2*N2+e3*N3;
L=e1*M1+e2*M2+e3*M3;
当K>L时,表示自主驾驶路段所发生的事故相比于自动驾驶路段所发生的事故多,因此将该公交车所行驶的所有路段定义为自动驾驶路段,当K<L时,表示自动驾驶路段所发生的事故相比于自主驾驶路段所发生的事故多,因此将该公交车所行驶的所有路段变为自主驾驶路段;
其中,K是指自主驾驶路段所发生的风险度,L是指自动驾驶路段所发生的风险度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011431461.6A CN112561282B (zh) | 2020-12-07 | 2020-12-07 | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011431461.6A CN112561282B (zh) | 2020-12-07 | 2020-12-07 | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561282A true CN112561282A (zh) | 2021-03-26 |
CN112561282B CN112561282B (zh) | 2022-10-21 |
Family
ID=75060030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011431461.6A Active CN112561282B (zh) | 2020-12-07 | 2020-12-07 | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561282B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953730A (zh) * | 2022-10-25 | 2023-04-11 | 贵州鹰驾交通科技有限公司 | 一种基于图像处理技术的智慧交通路面行驶状况监测平台 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130166170A1 (en) * | 2011-12-23 | 2013-06-27 | Zonar Systems, Inc. | Method and apparatus for gps based slope determination, real-time vehicle mass determination, and vehicle efficiency analysis |
CN109520744A (zh) * | 2018-11-12 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的驾驶性能测试方法和装置 |
CN109859459A (zh) * | 2019-02-22 | 2019-06-07 | 北京航空航天大学 | 一种自动驾驶公交调度优化方法 |
CN110120153A (zh) * | 2019-05-24 | 2019-08-13 | 广州公交集团第三公共汽车有限公司 | 一种公交驾驶事故风险评估系统及其方法 |
CN110223529A (zh) * | 2019-04-02 | 2019-09-10 | 李育正 | 预约公交车防止下错车的方法及系统 |
CN110288821A (zh) * | 2019-07-11 | 2019-09-27 | 北京航空航天大学 | 一种人工驾驶公交和自动驾驶公交联合调度优化方法 |
-
2020
- 2020-12-07 CN CN202011431461.6A patent/CN112561282B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130166170A1 (en) * | 2011-12-23 | 2013-06-27 | Zonar Systems, Inc. | Method and apparatus for gps based slope determination, real-time vehicle mass determination, and vehicle efficiency analysis |
CN109520744A (zh) * | 2018-11-12 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的驾驶性能测试方法和装置 |
CN109859459A (zh) * | 2019-02-22 | 2019-06-07 | 北京航空航天大学 | 一种自动驾驶公交调度优化方法 |
CN110223529A (zh) * | 2019-04-02 | 2019-09-10 | 李育正 | 预约公交车防止下错车的方法及系统 |
CN110120153A (zh) * | 2019-05-24 | 2019-08-13 | 广州公交集团第三公共汽车有限公司 | 一种公交驾驶事故风险评估系统及其方法 |
CN110288821A (zh) * | 2019-07-11 | 2019-09-27 | 北京航空航天大学 | 一种人工驾驶公交和自动驾驶公交联合调度优化方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953730A (zh) * | 2022-10-25 | 2023-04-11 | 贵州鹰驾交通科技有限公司 | 一种基于图像处理技术的智慧交通路面行驶状况监测平台 |
CN115953730B (zh) * | 2022-10-25 | 2023-08-08 | 贵州鹰驾交通科技有限公司 | 一种基于图像处理技术的智慧交通路面行驶状况监测平台 |
Also Published As
Publication number | Publication date |
---|---|
CN112561282B (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8099232B2 (en) | Vehicle control device | |
CN108615384A (zh) | 基于云平台的车道分配方法及用于车道分配的云平台 | |
Retting et al. | Changes in crash risk following re-timing of traffic signal change intervals | |
Wang et al. | Predicting crashes on expressway ramps with real-time traffic and weather data | |
KR20200113242A (ko) | 지능형 도로 인프라구조 시스템(iris): 시스템 및 방법 | |
US20060293819A1 (en) | Driving support apparatus and driving support method | |
CN111951569B (zh) | 一种绿波通行方法和装置 | |
CN106467112A (zh) | 车载辅助驾驶系统 | |
CN102800213A (zh) | 一种基于车辆通行优先级的换道危险避撞的方法 | |
WO2021054051A1 (ja) | 電子制御装置 | |
US20220194425A1 (en) | Method for operating a vehicle configured for automated, in particular highly automated or autonomous driving | |
CN112561282B (zh) | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 | |
CN112997226A (zh) | 信息处理方法以及信息处理系统 | |
CN112562361A (zh) | 用于智慧城市的交通信号灯控制方法及系统 | |
JP2003022498A (ja) | 運転者将来状況予測装置 | |
LU101055B1 (en) | Method and system for vehicle routing on a road segment | |
Utkirjon et al. | DEVELOPMENT THE PUBLIC TRANSPORT PRIORITY WITH BUS RAPID TRASIT (BRT) ON INTERSECTIONS ROADS IN UZBEKISTAN | |
FitzRoy et al. | Priority over pricing: Lessons from Zürich on the redundancy of road pricing | |
CN113650658B (zh) | 一种有轨电车在平面交叉口控制系统 | |
JP2010237891A (ja) | バス乗車誘導システムおよびバス乗車誘導方法 | |
Jagtman et al. | Current knowledge on safety impacts of Collision Avoidance Systems (CAS) | |
CN115171413A (zh) | 基于车路感知融合技术在交通灯遮挡场景的控制方法以及系统 | |
KR20230050534A (ko) | 전기버스의 디지털 콕핏 시스템 및 전기버스 디지털 콕핏의 디스플레이 방법 | |
US11409297B2 (en) | Method for operating an automated vehicle | |
CN112382132A (zh) | 一种基于车路协同的城市有轨电车平交路口汽车预警系统及方法 |
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: 20220929 Address after: Room 117, 1st Floor, Building 1, No. 15 Fengshen Avenue, Huadu District, Guangzhou City, Guangdong Province, 510800 Applicant after: Lianyou Zhilian Technology Co.,Ltd. Address before: No.99, Jinsheng Road, Jiangning District, Nanjing City, Jiangsu Province, 210000 Applicant before: Li Qiang |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |