CN112991794B - 鉴别危险道路及信息共享的方法、服务器、存储器、芯片 - Google Patents

鉴别危险道路及信息共享的方法、服务器、存储器、芯片 Download PDF

Info

Publication number
CN112991794B
CN112991794B CN202011089169.0A CN202011089169A CN112991794B CN 112991794 B CN112991794 B CN 112991794B CN 202011089169 A CN202011089169 A CN 202011089169A CN 112991794 B CN112991794 B CN 112991794B
Authority
CN
China
Prior art keywords
road
road section
dangerous
driving
government
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
Application number
CN202011089169.0A
Other languages
English (en)
Other versions
CN112991794A (zh
Inventor
郭信良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunda Computer Technology Kunshan Co Ltd
Mitac Digital Technology Corp
Original Assignee
Kunda Computer Technology Kunshan Co Ltd
Mitac Digital Technology Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kunda Computer Technology Kunshan Co Ltd, Mitac Digital Technology Corp filed Critical Kunda Computer Technology Kunshan Co Ltd
Publication of CN112991794A publication Critical patent/CN112991794A/zh
Application granted granted Critical
Publication of CN112991794B publication Critical patent/CN112991794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3822—Road feature data, e.g. slope data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance 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
    • 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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

一种鉴别危险道路及信息共享的方法，其将政府公布的危险路段分类至多个路段型态群组，且将电子地图上政府公布的危险路段之外的道路分割成多个路段，并将该些路段归类至该些路段型态群组，且收集每一路段型态群组中每一路段的车载数据，并根据车载数据计算每一路段型态群组中该些政府公布危险路段的一对照数据以及分割的每个路段的一驾驶行为特征数据，并根据各该驾驶行为特征数据与该对照数据的一相似度判断各该驾驶行为特征数据对应的各该路段是否为潜在危险路段，并将政府公布的危险路段以及被判定为潜在危险路段更新于电子地图中。

Description

鉴别危险道路及信息共享的方法、服务器、存储器、芯片
【技术领域】
本发明是有关于一种道路信息共享方法，特别是指一种应用车载信息的鉴别危险道路及信息共享的方法。
【背景技术】
在一般的交通环境中，尤其是不熟悉或不常经过的道路，驾驶人通常不晓得目前行经的道路是否有隐藏的风险或者是否曾发生交通事故而需要小心驾驶。而现有的一些行车导航系统显示的电子地图虽能标示政府公布的车祸热点或借由更新电子地图取得最新的车祸热点，并在车辆即将行经车祸热点时提供相关的提醒讯息，可是，除了这些车祸热点外，其实有些路段可能因为设计不良或其它因素而潜藏发生意外的风险。但是，当发生交通事故时，通常会归咎于驾驶人不小心或疏忽才引发交通意外，而很少去追究及探讨道路是否存在容易导致交通事故的潜在风险。
【发明内容】
本发明要解决的技术问题是提供一种鉴别危险道路及信息共享的方法和实现该方法的一种服务器，其能预先评估并判别出具有潜在风险的路段，并将具有潜在风险的路段标示在车辆的行车导航系统使用的电子地图中，让行车导航系统在车辆即将行经具有潜在风险的路段之前，适时地提醒驾驶人小心驾驶，以提供驾驶人更安全的驾车体验并降低交通事故的发生率。
为解决上述技术问题，本发明一种危险道路信息共享方法，应用于一服务器与分别设置于若干车辆中的一电子装置之间，各该电子装置包括一车载诊断系统及一卫星导航系统，该车载诊断系统侦测并记录车辆的一运行数据及一加速度讯号，该卫星导航系统记录车辆的一行车轨迹；该方法包括：该服务器的一路段型态分类模块将将政府公布的该些危险路段分类至对应M(M≧2)种路段型态的M个路段型态群组；该路段型态分类模块将该电子地图上除了政府公布的该些危险路段以外的道路分割成多个路段，并将属于各该种路段型态的该些路段分别归类至对应的各该路段型态群组；该服务器的一信息收集和归类模块接收各该车辆的该电子装置上传的一包含该运行数据、该加速度讯号及该行车轨迹的车载数据，并判断该车载数据包含的该行车轨迹在该电子地图上对应的至少一行驶路段属于该M个路段型态群组至少其中之一时，根据该车载数据计算与该至少一行驶路段对应的至少一驾驶相关数据，并将该至少一驾驶相关数据记录在该至少一行驶路段所属的该至少一路段型态群组中；该服务器的一危险路段评估模块根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据计算出对应的一第一驾驶行为特征数据，并根据各该路段型态群组中该些第一驾驶行为特征数据产生对应各该路段型态且代表危险路段的一对照数据；该危险路段评估模块根据各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据计算出对应的一第二驾驶行为特征数据；该危险路段评估模块根据各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的一相似度，判定各该路段型态群组中除了政府公布的该些危险路段以外的那些路段为潜在危险路段并记录；及该服务器的一更新及输出模块将政府公布的该些危险路段及该些潜在危险路段标示在该电子地图上以更新该电子地图，并传送更新的该电子地图至一目标装置。
再者，本发明实现上述方法的一种服务器，能与前述若干车辆中设置的该些电子装置通讯，各该电子装置包括一车载诊断系统及一卫星导航系统，该车载诊断系统侦测并记录车辆的一运行数据及一加速度讯号，该卫星导航系统记录车辆的一行车轨迹；该服务器包括一路段型态分类模块、一信息收集和归类模块、一危险路段评估模块及一更新及输出模块。该路段型态分类模块将政府公布的该些危险路段分类至对应M(M≧2)种路段型态的M个路段型态群组；该路段型态分类模块还将该电子地图上除了政府公布的该些危险路段以外的道路分割成多个路段，并将属于各该种路段型态的该些路段分别归类至对应的各该路段型态群组；该信息收集和归类模块接收各该车辆中的该电子装置上传的一包含该运行数据、该加速度讯号及该行车轨迹的车载数据，并判断该车载数据包含的该行车轨迹在该电子地图上对应的至少一行驶路段属于该M个路段型态群组至少其中之一时，根据该车载数据计算与该至少一行驶路段对应的至少一驾驶相关数据，并将该至少一驾驶相关数据记录在该至少一行驶路段所属的该至少一路段型态群组中；该危险路段评估模块根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据计算出对应的一第一驾驶行为特征数据，并根据各该路段型态群组中该些第一驾驶行为特征数据产生对应各该路段型态且代表危险路段的一对照数据；该危险路段评估模块还根据各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据计算出对应的一第二驾驶行为特征数据，并根据各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的一相似度，判定各该路段型态群组中除了政府公布的该些危险路段以外的那些路段为潜在危险路段并记录；该更新及输出模块将政府公布的该些危险路段及该些潜在危险路段标示在该电子地图上以更新该电子地图，并传送更新的该电子地图至一目标装置。
优选地，该目标装置可为设置于各该车辆中的该电子装置，其接收该更新及输出模块传来的更新的该电子地图，并以更新的该电子地图更新该卫星导航系统的电子地图，使运行中的该卫星导航系统在各该车辆行经政府公布的一危险路段或一潜在危险路段之前，能预先输出与政府公布的该危险路段或该潜在危险路段相关的一提醒讯息。
优选地，该路段型态分类模块将路段分成具有单一弯道的路段、具有连续弯道的路段、三叉或三叉以上的路口、多线道汇入口及长直线的路段共五种路段型态，并判断各该路段是该五种路段型态其中之一时，将属于该五种路段型态其中之一的各该路段分类至与该种路段型态对应的该路段型态群组。
优选地，该驾驶相关数据包括实时行车速度、方向盘摆动角度、方向盘摆动频率、刹车力量、刹车次数和刹车位置、实时加速度、侧向加速度、侧倾角、倾角速度及车辆的突然加/减速变化，且该危险路段评估模块是根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据中的至少任两项或全部数据，计算出各该路段型态群组中政府公布的各该危险路段对应的该第一驾驶行为特征数据；此外该危险路段评估模块还根据各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据中的至少任两项或全部数据，计算出各该路段型态群组中非政府公布的各该危险路段对应的该第二驾驶行为特征数据。
优选地，该危险路段评估模块计算各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的该相似度，并判断该相似度大于一阀值时，即判定与对应的各该对照数据的该相似度大于该阀值的该第二驾驶行为特征数据所对应的该路段为潜在危险路段。
优选地，该些设置于各该车辆中的该电子装置还包括一行车记录器，其实时记录各该车辆行车过程中的一行车影像，并定时、实时或符合一上传条件时上传该行车影像至该服务器的一行车影像数据库，且该行车影像数据库还储存政府公布的各该危险路段及各该潜在危险路段或经常发生车祸路段的路段驾驶经验教学影片以及若干发生车祸的路段影片，且该些路段驾驶经验教学影片及该些发生车祸的路段影片可供在线观看或下载后观看。
此外，本发明一种计算机可读取的存储器，其中储存一包含一路段型态分类模块、一信息收集和归类模块、一危险路段评估模块及一更新及输出模块的软件程序，且该软件程序被一电子装置加载并执行时，该电子装置能完成如上所述的鉴别危险道路及信息共享的方法。
另外，本发明一种特殊应用集成电路的芯片，其中整合有一路段型态分类模块、一信息收集和归类模块、一危险路段评估模块及一更新及输出模块，且该特殊应用集成电路芯片被应用于一设置于车辆中的电子装置时，能使该电子装置完成如上所述的鉴别危险道路及信息共享的方法。
相较于现有技术,本发明借由该服务器根据政府公布的危险路段来判定各该路段型态群组中除了政府公布的危险路段以外的那些路段为潜在危险路段，并将政府公布的危险路段及该些潜在危险路段更新在该电子地图中，以让使用更新的该电子地图的该卫星导航系统在该车辆行经政府公布的危险路段或潜在危险路段之前，能预先输出与政府公布的危险路段或该潜在危险路段相关的一提醒讯息，适时地提醒驾驶人小心驾驶，以提供驾驶人更安全的驾车体验并降低交通事故的发生率。
【附图说明】
本发明之其他的特征及功效，将于参照图式的实施方式中清楚地显示，其中：
图1是本发明危险道路鉴别及信息共享的方法的一实施例的主要流程图；
图2是本发明服务器的一实施例，用以实现图1之流程；
图3是本实施例的一局部电子地图及在该局部电子地图上套迭若干条经纬度线以构成若干个连续经纬度点的示意图；
图4、图5及图6显示本实施例不同路段型态群组中包含的路段及其对应的驾驶相关数据示意图；
图7显示本实施例的另一局部电子地图的示意图；
图8显示在图3所示的局部电子地图的一路段上描绘出来的一条行车轨迹的示意图；
图9显示在图3所示的局部电子地图的一路段上描绘出来的多条行车轨迹的示意图；
图10、图11及图12显示本实施例不同路段型态群组中包含的路段及其对应的驾驶行为特征数据以及不同路段型态群组的对照数据的示意图；
图13是本实施例更新后的局部电子地图上标示潜在危险路段及车祸斑点(热点)的示意图；及
图14是本实施例的一路段驾驶经验教学影片的示意图。
【具体实施方式】
在本发明被详细描述之前，应当注意在以下的说明内容中，类似的组件是以相同的编号来表示。
参阅图1所示，是本发明鉴别危险道路及信息共享的方法的一实施例的主要流程，并由图2所示本发明的一种服务器2来实现。如图2所示，服务器2能透过无线网络技术，例如但不限于车联网(Internet of Vehicles，IoV)与设置于若干车辆3中的一电子装置4进行通讯与信息存取。
该服务器2主要包括一路段型态分类模块21、一信息收集和归类模块22、一危险路段评估模块23和一更新及输出模块24，前述该些模块可以是软件程序而能被该服务器2的一处理单元(处理器)加载并执行以完成图1所示的方法流程；或者,也可以利用一存储器将上述的该路段型态分类模块、该信息收集和归类模块、该危险路段评估模块及该更新及输出模块的软件程序储存，且该软件程序被一电子装置4加载并执行时，能完成图1所示的方法流程,或者，上述该些模块也可以被整合在该服务器2的一或多个特殊应用集成电路(Application-specific integrated circuit，缩写为ASIC)芯片或一可程序逻辑装置(Programmable Logic Device，缩写为PLD)中，而使该(该些)特殊应用集成电路芯片或该可程序逻辑电路装置能完成图1所示的方法流程。又或者，上述该些模块也可以是被刻录在该服务器2的一微处理器中的韧体，使该微处理器执行该韧体能完成图1所示的方法流程。
各该电子装置4主要包括一车载诊断系统(On-Board Diagnostic System，简称OBD)41及一卫星导航系统42。车载诊断系统41还包含一加速度传感器(G-sensor)(图未示)；该车载诊断系统41会收集车辆3行车过程中与驾驶行为相关的一运行数据(例如转向、刹车、加速度、油耗…等传感器或相关机器回传的原始数据(raw data))，该加速度传感器侦测车辆的一加速度讯号。该卫星导航系统42具有一GPS模块，该GPS模块记录车辆3的一行车轨迹。且该电子装置4会将该运行数据、该加速度讯号及该行车轨迹等资料组成的一车载数据定时或实时地上传至该服务器2的该信息收集和归类模块22。
且如图1的步骤S1所示，该路段型态分类模块21首先取得政府公布的若干危险路段的相关地理资料，并将政府公布的该些危险路段标示在一电子地图，例如使用于该卫星导航系统42的该电子地图上(当然，也可以之后再将政府公布的该些危险路段标示在该电子地图)，并将政府公布的该些危险路段分类至对应M(M≧2)种路段型态的M个路段型态群组。举例来说，本实施例之政府公布的该些危险路段可分成：具有角度小于30度弯道的路段、具有角度介于30度至60度弯道的路段、具有角度60度以上弯道的路段、具有连续弯道的路段、三叉或三叉以上(多叉)的路口、多线道(两线道以上)汇入口以及长直线的路段等七种路段型态，但不以此为限；例如也可以将具有角度小于30度弯道的路段、具有角度介于30度至60度弯道的路段、具有角度60度以上弯道的路段这三种路段型态皆视为具有单一弯道的路段型态。因此，本实施例会产生与该七种路段型态对应的七个路段型态群组，以下统称第一群组至第七群组。且在每一个群组中皆包含至少一个政府公布的危险路段，例如第一群组中的d1-1、d1-2、d1-3…(只是路段代号并非实际路段名称，方便说明之用)，第二群组中的d2-1、d2-2、d2-3…。
接着，如图1的步骤S2，该路段型态分类模块21将该电子地图上标示政府公布的该些危险路段以外的道路分割成多个路段，并将属于各该种路段型态的该些路段分别归类至对应的各该路段型态群组。
以图3显示的中国台北市港墘路此一路段的电子地图为例，在进行路段分类时，该路段型态分类模块21会在图层叠上若干条纵横交错的经纬度线以构成若干个连续的经纬度点，并将其中的第X点至第Y点之间的路段定义为一弯道路段，并计算该弯道路段的曲率程度及角度大小，另外依照车辆行驶进入弯道与离开弯道的坐标点，可定义弯道起点坐标点的前一点为入弯点以及离开弯道终点坐标的后一点为出弯点(入弯点及出弯点的应用后面实施例会进一步说明)。然后，该路段型态分类模块21根据上述计算结果(曲率程度及角度大小)判断该弯道路段是否符合上述七种路段型态其中之一，若是，例如符合「具有角度60度以上弯道的路段」型态，则将该弯道路段归类至与「具有角度60度以上弯道的路段」型态对应的该第三群组，例如图4、图5及图6所示，归类为第三组群组中的路段p3-1(只是路段代号并非实际路段名称，方便说明之用)。
同理，如图7所示，当在电子地图中位于中国台中市的例如文心路四段的某一区段(图中显示粗体线的路段)亦被判定为符合「具有角度60度以上弯道的路段」型态的一弯道路段时，则将该弯道路段归类至与「具有角度60度以上弯道的路段」型态对应的该第三群组，例如图4-6所示归类为第三组群组中的路段p3-2。依此类推，该路段型态分类模块21即可将该些分割后且符合上述七种路段型态其中之一的各该路段归类至所符合的路段型态对应的该群组，例如第一群组中的p1-1、p1-2、p1-3…，第二群组中的p2-1、p2-2、p2-3…。因此，经过分类后产生的该些群组内容如图4-6所示。
值得一提的是，本实施例并不限于上述实施态样，例如该路段型态分类模块21也可利用一人工智能模型根据上述七种路段型态将输入的政府公布的该些危险路段及该些分割后的路段分别学习并归类至各该第一至第七群组。亦即，该人工智能模型可以采用机器学习或深度学习(类神经网络)等方式作为判断手法，即可被用来分类政府公布的该些危险路段及该些分割后的路段，将符合上述七种路段型态其中之一的政府公布的危险路段或该分割后的路段归类至所符合的路段型态对应的该群组。
而且，如图1的步骤S3所示，当该信息收集和归类模块22接收一车辆3的一电子装置4上传的该车载数据后，该信息收集和归类模块22取出该车载数据中包含的该行车轨迹51并描绘在该电子地图上，例如图8所示，该行车轨迹51是与图4-6所示归类在第三群组中的路段3-1部分重叠。因此该信息收集和归类模块22判断该行车轨迹51在该电子地图上对应的该行驶路段(即路段p3-1)属于该七个路段型态群组其中之一(即第三群组)时，该信息收集和归类模块22还根据该车载数据计算出与该行车轨迹51部分重叠的该行驶路段(即路段p3-1)对应的一驾驶相关数据，并将该驾驶相关数据记录在该行驶路段(即路段p3-1)所属的该路段型态群组(即第三群组)中，例如图4-6所示第三群组中对应路段p3-1的第1笔资料。换句话说，若该行车轨迹51是与该七个路段型态群组其中之一群组，例如第一群组中政府公布的一危险路段d1-1重叠时，则将与该行车轨迹51部分重叠的该危险路段d1-1对应的该驾驶相关数据记录在该危险路段d1-1所属的该第一群组中，例如图4-6所示第一群组中对应危险路段d1-1的第1笔资料。
其中该驾驶相关数据可以是但不限于实时行车速度(包含直线速度、入弯速度、出弯速度等)、方向盘摆动角度(可做为有无急转弯的判断依据)、方向盘摆动频率(可做为有无不稳定的转向的判断依据)、刹车力量、刹车次数(包含重刹车次数)和刹车位置、实时加速度(包含重加速度次数)、侧向加速度、侧倾角、倾角速度以及车辆的突然加/减速变化(根据该加速度传感器提供的该加速度讯号)等；且车辆的突然加/减速变化也反应车辆的急加速/急减速状况。
因此，如图9所示，该信息收集和归类模块22将会陆续收到行经该同一路段(例如路段p3-1)其他车辆3中的电子装置4上传的该车载数据，并于该同一路段(例如路段p3-1)描绘出该车载数据中包含的该行车轨迹(图9中仅以行车轨迹52、53示意)，并将根据各该车载数据所计算得到的各该驾驶相关数据记录在该行驶路段(例如路段p3-1)所属的该路段型态群组(例如第三群组)中，例如图4-6所示第三群组中对应路段3-1的第2、3笔资料。借此，该信息收集和归类模块22经由不断地收集各个车辆3中的电子装置4上传的该车载数据，将产生如图4-6所示对应各该路段型态群组中政府公布的各该危险路段以及分割的各该路段的大量的驾驶相关数据。例如若某一路段或某一政府公布的危险路段全天车流量约为500车次，则持续收集一个月将得到15000笔有关该路段的驾驶相关数据，且该信息收集和归类模块22会在该服务器2持续运作的情况下不间断地收集资料。
接着，如图1的步骤S4，该危险路段评估模块23根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据计算出对应的一第一驾驶行为特征数据，并根据各该路段型态群组中政府公布的该些危险路段的该些第一驾驶行为特征数据产生对应各该路段型态且代表危险路段的一对照数据；其中该第一驾驶行为特征数据通常但不限于是政府公布的各该危险路段对应的该些驾驶相关数据的一算术平均数或中位数。且该危险路段评估模块23是以但不限于该驾驶相关数据中的实时行车速度、重加速度次数、重刹车次数和侧向加速度为主要参考因子，因此，本实施例的该第一驾驶行为特征数据是根据上述的该些主要参考因子计算得到。
所以，如图10、图11及图12所示，每一个群组中的每一个政府公布的危险路段都会得到一第一驾驶行为特征数据，例如第一群组中的A1、A2、A3…等是代表每一个政府公布的危险路段d1-1、d1-2、d1-3…的该第一驾驶行为特征数据，且该第一驾驶行为特征数据可以是一数列，例如[1.1(急减速次数),2(急加速次数),1(急转弯次数)]；而各该群组中代表危险路段的各该对照数据A、B、C…G可以是各该群组中的该些第一驾驶行为特征数据其中之一，或者是各该群组中的该些第一驾驶行为特征数据的一算术平均数或中位数，但不以此为限。
并且，如图1的步骤S5，该危险路段评估模块23还根据各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据计算出对应的一第二驾驶行为特征数据，同样地，该第二驾驶行为特征数据通常但不限于是该些驾驶相关数据的一算术平均数或中位数。且该危险路段评估模块23同样是以但不限于各该路段对应的该驾驶相关数据中的实时行车速度、重加速度次数、重刹车次数和侧向加速度为主要参考因子，因此，本实施例的该第二驾驶行为特征数据是根据上述的该些主要参考因子计算得到。所以，如图10-12所示，每一个群组中除了政府公布的该些危险路段以外的每一个路段都会得到一第二驾驶行为特征数据，例如第一群组中的a1、a2、a3…等是代表各该路段p1-1、p1-2、p1-3…的第二驾驶行为特征数据，同样地，该第二驾驶行为特征可以是一数列，例如[2(急减速次数),2.3(急加速次数),1(急转弯次数)]。
然后，如图1的步骤S6所示，该危险路段评估模块23会根据各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的一相似度，判定各该路段型态群组(即第一至第七群组)中除了政府公布的该些危险路段以外的哪些路段为潜在危险路段并记录。具体而言，以图10-12所示的第一群组为例，该危险路段评估模块23以例如但不限于能计算数列相似度的一余弦相似度计算公式或一皮尔逊相关系数计算公式等，计算第一群组中各该第二驾驶行为特征数据a1、a2、a3…与对应的该对照数据A的一相似度，且该相似度越接近1表示该第二驾驶行为特征数据与对应的该对照数据的相似度越高。因此，例如当该危险路段评估模块23判断该第二驾驶行为特征数据a2与该对照数据A的该相似度大于一阀值，例如0.9时，即判定与该第二驾驶行为特征数据a2对应的该路段p1-2为潜在危险路段。借此，该危险路段评估模块23即能根据各该路段型态群组中各该第二驾驶行为特征数据与对应的该对照数据的该相似度找出各该路段型态群组中除了政府公布的危险路段以外的潜在危险路段。
此外，在本实施态样中，该危险路段评估模块23也可以借由直接比较各该路段型态群组中的各该第二驾驶行为特征数据与对应的该对照数据来判断各该第二驾驶行为特征数据所对应的各该路段是否为潜在危险路段。
或者，该危险路段评估模块23也可将图10-12所示的各该路段型态群组(第一群组至第七群组)中除了政府公布的该些危险路段以外的该些路段以其对应的该些第二驾驶行为特征数据由高至低进行排序，并且判定各该路段型态群组中经过排序的该些路段其中在一预设百分比之前，例如前20％的该些路段为潜在危险路段
或者，该危险路段评估模块23求得图10-12所示各该路段型态群组中除了政府公布的该些危险路段以外的该些路段对应的该些第二驾驶行为特征数据的一算术平均数或一中位数，而以该算术平均数或该中位数做为一参考数据，并判定各该路段型态群组中高于该参考数据的各该第二驾驶行为特征数据所对应的各该路段为潜在危险路段。
或者，该危险路段评估模块23也可根据图10-12所示的各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据中包括的实时行车速度，例如进入该路段的一驶入速度或入弯速度(若该路段是一弯道路段，则可撷取车辆于前述入弯点坐标的速度)以及离开该路段的一驶离速度或出弯速度(若该路段是一弯道路段，则可撷取车辆于前述出弯点坐标的速度)，计算各该路段型态群组中各该路段对应的一常态行车速度(例如该些实时行车速度的平均值或中位数)，并以该常态行车速度做为该第二驾驶行为特征数据，且该危险路段评估模块23根据各该路段型态群组的该些路段计算对应各该路段型态的一安全速度做为一参考数据，并判定各该路段型态群组中高于该参考数据的各该第二驾驶行为特征数据所对应的各该路段为潜在危险路段
又或者，该危险路段评估模块23也可以根据图10-12所示的各该路段型态群组中各该路段对应的该些驾驶相关数据，计算各该路段型态群组中除了政府公布的该些危险路段以外的各该路段的一风险值做为该第二驾驶行为特征数据，且以一默认风险值做为一参考数据，并判定各该路段型态群组中高于该参考数据的各该第二驾驶行为特征数据所对应的各该路段为潜在危险路段。
最后，如图1的步骤S7，该更新及输出模块24向该危险路段评估模块23取得被判定为具有潜在危险的该些潜在危险路段，并将该些潜在危险路段标示在上述已标示政府公布的该些危险路段的该电子地图上以更新该电子地图(若该电子地图尚未标示政府公布的该些危险路段，则一并将政府公布的该些危险路段标示在该电子地图上)，例如图13所示，在更新的该电子地图的部分地图中，政府公布的该些危险路段可以例如黑色的斑点来表示(代表该些危险路段曾经或经常发生车祸事件)，而该些潜在危险路段会被标示一例如「危」的符号。然后，该更新及输出模块24即可传送更新的该电子地图至一提出更新电子地图需求的目标装置。该目标装置可以是图2所示分别设置于若干车辆中的的各该电子装置4、车辆3的用户的智能行动装置5，例如智能型手机、平板计算机等，又或者是使用者的桌面计算机或笔记本电脑等。
借此，各该电子装置4接收该更新及输出模块24或该智能行动装置5传来的更新的该电子地图，并以更新的该电子地图更新该卫星导航系统42使用的电子地图后，各该车辆3在行车过程中开启该卫星导航系统42时，该卫星导航系统42将会在各该车辆3行经该电子地图上标示的政府公布的一危险路段或一潜在危险路段之前，预先输出相关的一提醒讯息，例如语音；此外，该卫星导航系统42也可以根据用户的设定在规划导航路线时尽可能地自动回避该些政府公布的危险路段或该潜在危险路段。
再者，如图2所示，各该电子装置4还可包括一安装有GPS模块的行车记录器(或安装有GPS模块的车载数字录像器(Mobile Digital Video Recorders，简称MDVR或DVR)43，其能在各该车辆3行驶过程中实时记录行车影像(主要是车外路况影像)，并定时、实时或在符合特定条件，例如发生碰撞车件时等时间点，自行或透过该车载诊断系统41上传所记录的行车影像至该服务器2的一行车影像数据库25。此外，该电子装置4也可将接收的更新的该电子地图提供给该行车记录器43，使该行车记录器43在该车辆3即将行经该电子地图上标示的政府公布的一危险路段或一潜在危险路段之前，预先输出相关的一语音提醒讯息。
另外，该行车影像数据库25还储存(例如自行收集或接受上传)各该潜在危险路段或经常发生车祸路段的路段驾驶经验教学影片及若干发生车祸的路段影片，且该些路段驾驶经验教学影片及该些发生车祸的路段影片可供在线观看或被下载至前述目标装置(例如上述的该电子装置4、智能行动装置5或一般计算机装置)观看。借此，使用者在开车上路之前，可以借由观看不熟悉的潜在危险路段或经常发生车祸路段的路段驾驶经验教学影片，例如图14所示，获得潜在危险路段或经常发生车祸路段的驾驶知识并提前做好准备，以预防或降低发生车祸的机率。
而且，值得一提的是，本实施例的该路段型态分类模块21还可将图4-6所示对应各该路段型态群组中的各该路段的大量的驾驶相关数据提供给图2所示的一UBI数据库装置6，UBI的全名为Usage Based Insurance(驾驶人的车辆使用状况)，而所谓驾驶人的车辆使用状况包括驾车时段、里程数，还有驾驶期间的急加速、急减速、急转弯等行为，而这些信息都可从图4-6所示的对应各该路段的大量的驾驶相关数据中获得。因此，提供UBI车险的保险公司在计算车险保费时，即可依该UBI数据库装置6提供的驾驶行为计算保费(Pay HowYou Drive,PHYD)。
综上所述，上述实施例的服务器2将政府公布的该些危险路段分类至不同的路段型态群组，且将电子地图中除了政府公布的该些危险路段以外的待评估的道路适当地分成若干路段并分类至该些路段型态群组，并且根据车辆3安装的电子装置4上传的车载数据，得到车辆的至少一行驶路段及相对应的至少一驾驶相关数据，以将该至少一驾驶相关数据记录在该至少一行驶路段所归属的该至少一路段型态群组，借此收集对应不同路段的大量的驾驶相关数据；并根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据产生对应各该路段型态且代表危险路段的一对照数据，且根据各该路段型态群组中除了政府公布的各该危险路段以外的各该路段对应的该些驾驶相关数据计算出对应的该第二驾驶行为特征数据，以根据各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的该相似度，判定各该路段型态群组中除了政府公布的该些危险路段以外的那些路段为潜在危险路段，并将政府公布的该些危险路段及该些潜在危险路段更新在该电子地图中，以让使用更新的该电子地图的该卫星导航系统42在该车辆3行经政府公布的危险路段或潜在危险路段之前，能预先输出与政府公布的危险路段或潜在危险路段相关的一提醒讯息，适时地提醒驾驶人小心驾驶，以提供驾驶人更安全的驾车体验并降低交通事故的发生率，而达到本发明的功效与目的。
惟以上所述者，仅为本发明之实施例而已，当不能以此限定本发明实施之范围，凡是依本发明权利要求书及专利说明书内容所作之简单的等效变化与修饰，皆仍属本发明专利涵盖之范围内。

Claims (14)

1.一种鉴别危险道路及信息共享的方法，应用于一服务器与设置于若干车辆中的一电子装置之间，各该电子装置包括一车载诊断系统及一卫星导航系统，该车载诊断系统侦测并记录车辆的一运行数据及一加速度讯号，该卫星导航系统记录车辆的一行车轨迹；其特征在于,该方法包括：
该服务器的一路段型态分类模块将政府公布的危险路段分类至对应M，M≥2种路段型态的M个路段型态群组，该M个路段型态群组包含一弯道路段；
该路段型态分类模块将电子地图上除了政府公布的该些危险路段以外的道路分割成多个路段，并将属于各该种路段型态的该些路段分别归类至对应的各该路段型态群组；
该服务器的一信息收集和归类模块接收各该车辆的该电子装置上传的一包含该运行数据、该加速度讯号及该行车轨迹的车载数据，并判断该车载数据包含的该行车轨迹在该电子地图上对应的至少一行驶路段属于该M个路段型态群组至少其中之一时，根据该车载数据计算与该至少一行驶路段对应的至少一驾驶相关数据，并将该至少一驾驶相关数据记录在该至少一行驶路段所属的该至少一路段型态群组中，其中该至少一驾驶相关数据所对应的该至少一行驶路段是该弯道路段时，该至少一驾驶相关数据还包含一入弯速度及一出弯速度；
该服务器的一危险路段评估模块根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据计算出对应的一第一驾驶行为特征数据，并根据各该路段型态群组中该些第一驾驶行为特征数据产生对应各该路段型态且代表危险路段的一对照数据；
该危险路段评估模块根据各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据计算出对应的一第二驾驶行为特征数据；
该危险路段评估模块根据各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的一相似度，判定各该路段型态群组中除了政府公布的该些危险路段以外的那些路段为潜在危险路段并记录；及
该服务器的一更新及输出模块将政府公布的该些危险路段及该些潜在危险路段标示在该电子地图上以更新该电子地图，并传送更新的该电子地图至一目标装置。
2.如权利要求1所述的鉴别危险道路及信息共享的方法，其特征在于,该目标装置为各该车辆中的该电子装置，其接收该更新及输出模块传来的更新的该电子地图，并以更新的该电子地图更新该卫星导航系统的电子地图，使运行中的该卫星导航系统在各该车辆行经政府公布的一危险路段或一潜在危险路段之前，能预先输出与政府公布的该危险路段或该潜在危险路段相关的一提醒讯息。
3.如权利要求1所述的鉴别危险道路及信息共享的方法，其特征在于,该路段型态分类模块将路段分成具有单一弯道的路段、具有连续弯道的路段、三叉或三叉以上的路口、多线道汇入口及长直线的路段共五种路段型态，并判断各该路段是该五种路段型态其中之一时，将属于该五种路段型态其中之一的各该路段分类至与该种路段型态对应的该路段型态群组。
4.如权利要求1所述的鉴别危险道路及信息共享的方法，其特征在于,该驾驶相关数据包括实时行车速度、方向盘摆动角度、方向盘摆动频率、刹车力量、刹车次数和刹车位置、实时加速度、侧向加速度、侧倾角、倾角速度及车辆的突然加/减速变化，且该危险路段评估模块是根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据中的至少任两项或全部数据，计算出各该路段型态群组中政府公布的各该危险路段对应的该第一驾驶行为特征数据；此外该危险路段评估模块还根据各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据中的至少任两项或全部数据，计算出各该路段型态群组中非政府公布的各该危险路段对应的该第二驾驶行为特征数据。
5.如权利要求1所述的鉴别危险道路及信息共享的方法，其特征在于,该危险路段评估模块计算各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的该相似度，并判断该相似度大于一阀值时，即判定与对应的各该对照数据的该相似度大于该阀值的该第二驾驶行为特征数据所对应的该路段为潜在危险路段。
6.如权利要求1至5其中任一所述的鉴别危险道路及信息共享的方法，其特征在于,该些电子装置还包括一行车记录器，其实时记录各该车辆行车过程中的一行车影像，并定时、实时或符合一上传条件时上传该行车影像至该服务器的一行车影像数据库，且该行车影像数据库还储存政府公布的各该危险路段及各该潜在危险路段或经常发生车祸路段的路段驾驶经验教学影片以及若干发生车祸的路段影片，且该些路段驾驶经验教学影片及该些发生车祸的路段影片可供在线观看或下载后观看。
7.一种服务器，能与若干车辆中设置的一电子装置通讯，各该电子装置包括一车载诊断系统及一卫星导航系统，该车载诊断系统侦测并记录车辆的一运行数据及一加速度讯号，该卫星导航系统记录车辆的一行车轨迹；其特征在于,该服务器包括：
一路段型态分类模块，其将政府公布的危险路段分类至对应M，M≥2种路段型态的M个路段型态群组；该路段型态分类模块还将电子地图上除了政府公布的该些危险路段以外的道路分割成多个路段，并将属于各该种路段型态的该些路段分别归类至对应的各该路段型态群组，该M个路段型态群组包含一弯道路段；
一信息收集和归类模块，其接收各该车辆的该电子装置上传的一包含该运行数据、该加速度讯号及该行车轨迹的车载数据，并判断该车载数据包含的该行车轨迹在该电子地图上对应的至少一行驶路段属于该M个路段型态群组至少其中之一时，根据该车载数据计算与该至少一行驶路段对应的至少一驾驶相关数据，并将该至少一驾驶相关数据记录在该至少一行驶路段所属的该至少一路段型态群组中，其中该至少一驾驶相关数据所对应的该至少一行驶路段是该弯道路段时，该至少一驾驶相关数据还包含一入弯速度及一出弯速度；
一危险路段评估模块，其根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据计算出对应的一第一驾驶行为特征数据，并根据各该路段型态群组中该些第一驾驶行为特征数据产生对应各该路段型态且代表危险路段的一对照数据；该危险路段评估模块还根据各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据计算出对应的一第二驾驶行为特征数据，并根据各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的一相似度，判定各该路段型态群组中除了政府公布的该些危险路段以外的那些路段为潜在危险路段并记录；及
一更新及输出模块，其将政府公布的该些危险路段及该些潜在危险路段标示在该电子地图上以更新该电子地图，并传送更新的该电子地图至一目标装置。
8.如权利要求7所述的服务器，其特征在于,该目标装置为各该车辆中的该电子装置，其接收该更新及输出模块传来的更新的该电子地图，并以更新的该电子地图更新该卫星导航系统的电子地图，使运行中的该卫星导航系统在各该车辆行经政府公布的一危险路段或一潜在危险路段之前，能预先输出与政府公布的该危险路段或该潜在危险路段相关的一提醒讯息。
9.如权利要求7所述的服务器，其特征在于,该路段型态分类模块将路段分成具有单一弯道的路段、具有连续弯道的路段、三叉或三叉以上的路口、多线道汇入口及长直线的路段共五种路段型态，并判断各该路段是该五种路段型态其中之一时，将属于该五种路段型态其中之一的各该路段分类至与该种路段型态对应的该路段型态群组。
10.如权利要求7所述的服务器，其特征在于,该驾驶相关数据包括实时行车速度、方向盘摆动角度、方向盘摆动频率、刹车力量、刹车次数和刹车位置、实时加速度、侧向加速度、侧倾角、倾角速度及车辆的突然加/减速变化；且该危险路段评估模块是根据各该路段型态群组中政府公布的各该危险路段对应的该些驾驶相关数据中的至少任两项或全部数据，计算出各该路段型态群组中政府公布的各该危险路段对应的该第一驾驶行为特征数据；此外该危险路段评估模块还根据各该路段型态群组中除了政府公布的该些危险路段以外的各该路段对应的该些驾驶相关数据中的至少任两项或全部数据，计算出各该路段型态群组中非政府公布的各该危险路段对应的该第二驾驶行为特征数据。
11.如权利要求7所述的服务器，其特征在于,该危险路段评估模块计算各该路段型态群组中各该第二驾驶行为特征数据与对应的各该对照数据的该相似度，并判断该相似度大于一阀值时，即判定与对应的各该对照数据的该相似度大于该阀值的该第二驾驶行为特征数据所对应的该路段为潜在危险路段。
12.如权利要求7至11其中任一所述的服务器，其特征在于,该些电子装置还包括一行车记录器，其实时记录各该车辆行车过程中的一行车影像，并定时、实时或符合一上传条件时上传该行车影像至该服务器的一行车影像数据库，且该行车影像数据库还储存政府公布的各该危险路段及各该潜在危险路段或经常发生车祸路段的路段驾驶经验教学影片以及若干发生车祸的路段影片，且该些路段驾驶经验教学影片及该些发生车祸的路段影片可供在线观看或下载后观看。
13.一种计算器可读取的存储器，其特征在于,储存一包含一路段型态分类模块、一信息收集和归类模块、一危险路段评估模块及一更新及输出模块的软件程序，且该软件程序被一电子装置加载并执行时，该电子装置能完成如权利要求1至6其中任一项所述的鉴别危险道路及信息共享的方法。
14.一种特殊应用集成电路的芯片，其特征在于,整合有一路段型态分类模块、一信息收集和归类模块、一危险路段评估模块及一更新及输出模块，且该特殊应用集成电路芯片被应用于一电子装置时，能使该电子装置完成如权利要求1至6其中任一项所述的鉴别危险道路及信息共享的方法。
CN202011089169.0A 2019-12-17 2020-10-13 鉴别危险道路及信息共享的方法、服务器、存储器、芯片 Active CN112991794B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW108146194A TWI744742B (zh) 2019-12-17 2019-12-17 潛在危險道路鑑別及資訊共享的方法、雲端伺服器、電腦可讀取的記錄媒體及特殊應用積體電路晶片
TW108146194 2019-12-17

Publications (2)

Publication Number Publication Date
CN112991794A CN112991794A (zh) 2021-06-18
CN112991794B true CN112991794B (zh) 2024-04-16

Family

ID=76085509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011089169.0A Active CN112991794B (zh) 2019-12-17 2020-10-13 鉴别危险道路及信息共享的方法、服务器、存储器、芯片

Country Status (4)

Country Link
US (1) US11892306B2 (zh)
CN (1) CN112991794B (zh)
DE (1) DE102020216042A1 (zh)
TW (1) TWI744742B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230012107A (ko) * 2021-07-14 2023-01-26 현대자동차주식회사 전기자동차의 가상 사운드 제공 장치 및 방법
TWI789876B (zh) * 2021-08-19 2023-01-11 奇點無限有限公司 最低風險路線的產生方法
US11594130B1 (en) * 2021-11-01 2023-02-28 Institute For Information Industry Warning system and method for two-wheeled vehicle
CN115158274B (zh) * 2022-08-31 2022-11-29 四川省公路规划勘察设计研究院有限公司 基于货车制动重刹特性的长大纵坡危险路段识别方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201237816A (en) * 2011-03-07 2012-09-16 Mitac Int Corp Navigation apparatus with road section warning functions
CN104751665A (zh) * 2013-12-26 2015-07-01 上海博泰悦臻网络技术服务有限公司 危险路段分析方法及装置
CN105788311A (zh) * 2014-12-26 2016-07-20 比亚迪股份有限公司 车辆安全预警方法、装置和车辆
WO2016135561A1 (en) * 2015-02-27 2016-09-01 Caring Community Sa Method and apparatus for determining a safest route within a transportation network
TW201719541A (zh) * 2015-11-26 2017-06-01 Chunghwa Telecom Co Ltd 利用駕駛行為分析預測高風險路段的方法及系統
TW201800289A (zh) * 2016-06-17 2018-01-01 中華電信股份有限公司 針對事故的駕駛行為分析系統及方法
CN107886714A (zh) * 2016-09-30 2018-04-06 武汉四维图新科技有限公司 一种危险路段判定方法和道路分析方法及装置
CN108417091A (zh) * 2018-05-10 2018-08-17 武汉理工大学 基于网联车的行车风险路段辨识与预警系统与方法
US10479356B1 (en) * 2018-08-17 2019-11-19 Lyft, Inc. Road segment similarity determination

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10157422B2 (en) * 2007-05-10 2018-12-18 Allstate Insurance Company Road segment safety rating
US8306732B2 (en) * 2009-08-18 2012-11-06 Palo Alto Research Center Incorporated Model based method to assess road curvature effect on travel time and comfort for route planning
US9688286B2 (en) * 2009-09-29 2017-06-27 Omnitracs, Llc System and method for integrating smartphone technology into a safety management platform to improve driver safety
FR2997216B1 (fr) 2012-10-22 2015-12-04 Peugeot Citroen Automobiles Sa Procede de prevention des risques de collision
US8880237B2 (en) * 2013-01-04 2014-11-04 International Business Machines Corporation Intelligent road signs
US10759442B2 (en) * 2014-05-30 2020-09-01 Here Global B.V. Dangerous driving event reporting
US9430944B2 (en) * 2014-11-12 2016-08-30 GM Global Technology Operations LLC Method and apparatus for determining traffic safety events using vehicular participative sensing systems
US10024684B2 (en) * 2014-12-02 2018-07-17 Operr Technologies, Inc. Method and system for avoidance of accidents
KR101542715B1 (ko) 2015-02-09 2015-08-07 이병철 도로의 위험구간 경고 및 감속 유도 장치
US9862315B2 (en) 2015-08-12 2018-01-09 Lytx, Inc. Driver coaching from vehicle to vehicle and vehicle to infrastructure communications
US10830605B1 (en) * 2016-10-18 2020-11-10 Allstate Insurance Company Personalized driving risk modeling and estimation system and methods

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201237816A (en) * 2011-03-07 2012-09-16 Mitac Int Corp Navigation apparatus with road section warning functions
CN104751665A (zh) * 2013-12-26 2015-07-01 上海博泰悦臻网络技术服务有限公司 危险路段分析方法及装置
CN105788311A (zh) * 2014-12-26 2016-07-20 比亚迪股份有限公司 车辆安全预警方法、装置和车辆
WO2016135561A1 (en) * 2015-02-27 2016-09-01 Caring Community Sa Method and apparatus for determining a safest route within a transportation network
TW201719541A (zh) * 2015-11-26 2017-06-01 Chunghwa Telecom Co Ltd 利用駕駛行為分析預測高風險路段的方法及系統
TW201800289A (zh) * 2016-06-17 2018-01-01 中華電信股份有限公司 針對事故的駕駛行為分析系統及方法
CN107886714A (zh) * 2016-09-30 2018-04-06 武汉四维图新科技有限公司 一种危险路段判定方法和道路分析方法及装置
CN108417091A (zh) * 2018-05-10 2018-08-17 武汉理工大学 基于网联车的行车风险路段辨识与预警系统与方法
US10479356B1 (en) * 2018-08-17 2019-11-19 Lyft, Inc. Road segment similarity determination

Also Published As

Publication number Publication date
TWI744742B (zh) 2021-11-01
US11892306B2 (en) 2024-02-06
US20210180966A1 (en) 2021-06-17
CN112991794A (zh) 2021-06-18
TW202125392A (zh) 2021-07-01
DE102020216042A1 (de) 2021-06-17

Similar Documents

Publication Publication Date Title
CN112991794B (zh) 鉴别危险道路及信息共享的方法、服务器、存储器、芯片
US10460394B2 (en) Autonomous or partially autonomous motor vehicles with automated risk-controlled systems and corresponding method thereof
JP6179191B2 (ja) 運転診断装置，運転診断方法及びプログラム
US8793064B2 (en) Vehicle fuel efficiency optimization based on vehicle usage patterns
US10255528B1 (en) Sensor fusion for lane departure behavior detection
CN104508719A (zh) 驾驶辅助系统以及驾驶辅助方法
US12111865B2 (en) Video analysis for efficient sorting of event data
JP6194578B2 (ja) 運行管理方法、運行管理装置及びプログラム
EP4256502B1 (en) Electronic system for forward-looking measurements of frequencies and/or probabilities of accident occurrences based on localized automotive device measurements, and corresponding method thereof
JP2012190398A (ja) 車両用ハザードマップ作成方法
US20230066476A1 (en) System and method for monitoring a vehicle
WO2016107876A1 (en) Vehicular motion monitoring method
Wu et al. Clustering of several typical behavioral characteristics of commercial vehicle drivers based on GPS data mining: Case study of highways in China
Mohammed et al. A landscape of research on bus driver behavior: taxonomy, open challenges, motivations, recommendations, limitations, and pathways solution in future
Jain et al. Review of computational techniques for modelling eco-safe driving behavior
WO2024017664A1 (en) Vehicle testing apparatus for full vehicle performance testing as well as vehicle testing of individual on-board systems/software, sensors and combinations of sensors, and method thereof
EP4156043A1 (en) Driver scoring system and method with accident proneness filtering using alert clustering and safety-warning based road classification
CN115131750A (zh) 在运输工具运行中的运行场景的过滤
US11615654B1 (en) Signature use for efficient data transfer
CN110718064A (zh) 一种车辆违章检测方法和装置
CN115966100B (zh) 一种行车安全控制方法及系统
Lin et al. Image Data Extraction and Driving Behavior Analysis Based on Geographic Information and Driving Data. Electronics 2023, 12, 2989
Ranawaka et al. Smart Vehicle Communication System for Collision Avoidance
CN114735004A (zh) 一种车辆急转向识别方法、装置及存储介质
Zhang et al. Usage based insurance model with point of interest data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant