CN113127975A - 车辆涉水检测方法、系统、电子设备及存储介质 - Google Patents
车辆涉水检测方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113127975A CN113127975A CN202110423178.7A CN202110423178A CN113127975A CN 113127975 A CN113127975 A CN 113127975A CN 202110423178 A CN202110423178 A CN 202110423178A CN 113127975 A CN113127975 A CN 113127975A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- water depth
- information
- wading
- threshold value
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆涉水检测方法、系统、电子设备及存储介质。本申请的车辆涉水检测方法,包括:获取待通过路段的实际水深参数,接着判断实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值,若实际水深参数大于第一水深阈值并小于第二水深阈值,则获取当前的降雨量和当前行驶车辆的车辆信息,将实际水深参数、雨量信息和车辆信息输入到预设检测模型,预设检测模型用于检测当前行驶车辆是否能通过待通过路段,然后获取预设检测模型输出的检测结果,根据检测结果确定目标车辆是否能通过待通过路段,本申请通过利用训练好的预设检测模型对车辆涉水情况进行检测,能够提高车辆涉水检测结果的准确度。
Description
技术领域
本申请涉及车辆技术领域,特别涉及一种车辆涉水检测方法、系统、电子设备及存储介质。
背景技术
人们有时在行车过程中会遇到下雨天,当天气持续下雨,并且雨量达到一定程度后会导致道路积水。车辆在经过积水的道路时,积水可能会进入车辆内部并且对车辆的零部件产生损害,此外,由于司机不了解道路的积水情况,很有可能会产生涉水危险。
目前,通常是通过车辆自身配置的装置进行水深探测,根据水深情况判断是否存在涉水危险,由于有些道路存在倾斜和坑洼的情况,同一路段可能存在水深不一致的地方,导致并不是所有型号的车辆都能通过同一路段,仅仅利用车辆自身装置进行水深探测,会存在探测结果不准确的问题。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种车辆涉水检测方法、系统、电子设备及存储介质,能够利用训练好的预设检测模型对车辆涉水情况进行检测,提高检测结果的准确度。
根据本申请的第一方面实施例的车辆涉水检测方法,包括:
获取待通过路段的实际水深参数;
判断所述实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值;
若所述实际水深参数大于所述第一水深阈值并小于所述第二水深阈值,则获取当前的雨量信息和目标车辆的车辆信息;
将所述实际水深参数、所述雨量信息和所述车辆信息输入到预设检测模型,获取检测结果;
根据所述检测结果确定所述目标车辆不能通过所述待通过路段。
根据本申请实施例的车辆涉水检测方法,至少具有如下有益效果:
获取待通过路段的实际水深参数,接着判断实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值,若实际水深参数大于第一水深阈值并小于第二水深阈值,则获取当前的降雨量和当前行驶车辆的车辆信息,将实际水深参数、雨量信息和车辆信息输入到预设检测模型,预设检测模型用于检测当前行驶车辆是否能通过待通过路段,然后获取预设检测模型输出的检测结果,根据检测结果确定目标车辆是否能通过待通过路段,本申请通过利用训练好的预设检测模型对车辆涉水情况进行检测,能够提高车辆涉水检测结果的准确度。
根据本申请的一些实施例,还包括:构建预设检测模型;
所述构建预设检测模型,包括:
获取历史涉水信息和历史车辆信息,所述历史涉水信息包括:历史水深参数、历史雨量信息;所述历史车辆信息包括:历史车辆载重、历史车轮半径;
基于分类算法对所述历史涉水信息和所述历史车辆信息进行训练,构建所述预设检测模型。
根据本申请的一些实施例,所述方法还包括:
判断所述实际水深参数是否小于所述第一水深阈值;
若所述实际水深参数小于所述第一水深阈值,则判断所述目标车辆能通过所述待通过路段。
根据本申请的一些实施例,所述方法还包括:
判断所述实际水深参数是否大于所述第二水深阈值;
若所述实际水深参数大于所述第二水深阈值,则判断所述目标车辆不能通过所述待通过路段。
根据本申请的一些实施例,所述方法还包括预存所述历史涉水信息,所述预存所述历史涉水信息,包括:
若确定所述目标车辆能够通过所述待通过路段,则将所述车辆信息和所述目标车辆的行驶路线保存为所述历史涉水信息。
根据本申请的一些实施例,所述方法还包括:
若所述目标车辆能通过所述待通过路段,则根据所述车辆信息从所述历史涉水信息中匹配与所述车辆信息一致的参照车辆和对应的行驶路线;
将所述行驶路线发送至所述目标车辆,由所述目标车辆根据所述行驶路线通过所述待通过路段。
根据本申请的一些实施例,所述方法还包括:
若所述目标车辆不能通过所述待通过路段,则重新规划所述目标车辆的行驶路线。
根据本申请的第二方面实施例的车辆涉水检测系统,包括:
获取模块:所述获取模块用于获取待通过路段的实际水深参数;
判断模块:所述判断模块用于判断所述实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值;若所述实际水深参数大于所述第一水深阈值并小于所述第二水深阈值,则获取当前的雨量信息和目标车辆的车辆信息;
检测模块:所述检测模块用于将所述实际水深参数、所述雨量信息和所述车辆信息输入到预设检测模型,获取检测结果;根据所述检测结果确定所述目标车辆不能通过所述待通过路段。
根据本申请实施例的车辆涉水检测系统,至少具有如下有益效果:
本申请实施例的车辆涉水检测系统包括获取模块、判断模块和检测模块,获取模块获取待通过路段的实际水深参数,判断模块判断实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值,若实际水深参数大于第一水深阈值并小于第二水深阈值,则获取当前的降雨量和当前行驶车辆的车辆信息,检测模块将实际水深参数、雨量信息和车辆信息输入到预设检测模型,预设检测模型用于检测当前行驶车辆是否能通过待通过路段,然后获取预设检测模型输出的检测结果,根据检测结果确定目标车辆是否能通过待通过路段,本申请通过利用训练好的预设检测模型对车辆涉水情况进行检测,能够提高车辆涉水检测结果的准确度。
根据本申请的第三方面实施例的电子设备,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如本申请第一方面实施例任一项所述的车辆涉水检测方法。
根据本申请的第四方面实施例的计算机可读存储介质,包括:
所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如本申请第一方面实施例任一项所述的车辆涉水检测方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明,其中:
图1为本申请一些实施例提供的车辆涉水检测方法的第一流程图;
图2为本申请一些实施例提供的车辆涉水检测方法的第二流程图;
图3为本申请另一些实施例提供的车辆涉水检测方法的第三流程图;
图4为本申请另一些实施例提供的车辆涉水检测方法的第四流程图;
图5为本申请另一些实施例提供的车辆涉水检测方法的第五流程图;
图6为本申请一些实施例提供的车辆涉水检测方法的具体应用流程图。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
本申请的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
人们有时在行车过程中会遇到下雨天,当天气持续下雨,并且雨量达到一定程度后会导致道路积水。车辆在经过积水的道路时,积水可能会进入车辆内部并且对车辆的零部件产生损害,此外,由于司机不了解道路的积水情况,很有可能会产生涉水危险。
目前,通常是通过车辆自身的装置进行水深探测,根据水深情况判断是否存在涉水危险,由于有些道路存在倾斜和坑洼的情况,同一路段可能存在水深不一致的地方,导致并不是所有型号的车辆都能通过同一路段,仅仅利用车辆自身装置进行水深探测,会存在探测结果不准确的问题。
基于此,本申请提出一种车辆涉水检测方法、系统、电子设备及存储介质,能够获取待通过路段的实际水深参数,接着判断实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值,若实际水深参数大于第一水深阈值并小于第二水深阈值,则获取当前的降雨量和当前行驶车辆的车辆信息,将实际水深参数、雨量信息和车辆信息输入到预设检测模型,预设检测模型用于检测当前行驶车辆是否能通过待通过路段,然后获取预设检测模型输出的检测结果,根据检测结果确定目标车辆是否能通过待通过路段,本申请通过利用训练好的预设检测模型对车辆涉水情况进行检测,能够提高车辆涉水检测结果的准确度。
第一方面,本申请实施例提供了一种车辆涉水检测方法。
参照图1,图1为本申请一些实施例提供的车辆涉水检测方法的第一流程图,具体包括步骤:
S100,获取待通过路段的实际水深参数;
S200,判断实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值;
S300,若实际水深参数大于第一水深阈值并小于第二水深阈值,则获取当前的雨量信息和目标车辆的车辆信息;
S400,将实际水深参数、雨量信息和车辆信息输入到预设检测模型,获取检测结果;
S500,根据检测结果确定目标车辆不能通过待通过路段。
在步骤S100中,获取待通过路段的实际水深参数,实际水深参数可以是待通过路段的水深,实际水深参数可通过大数据方式进行获取,比如通过获取其他车辆上传至网络上的水深参数直接获取到实际水深参数,在实际应用中,车辆在通过涉水路段之前,还可以根据当前车辆的水深探测装置探测路段水深。
在步骤S200中,判断实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值,此处的第一水深阈值和第二水深阈值用来表示水深参数的水深程度,并且将水深参数与第一阈值和第二阈值进行比较,能够得到水深参数的水深情况,再根据水深情况决定后续的操作,如直接得出检测结果,或者再进行后续的车辆涉水检测操作。
在步骤S300中,若实际水深参数大于第一水深阈值并小于第二水深阈值,则获取当前的雨量信息和目标车辆的车辆信息。在本申请实施例中,水深小于第一水深阈值表示路况较为安全,水深大于第二水深阈值表示路况较为危险,水深处于第一水深阈值和第二水深阈值之间,表示路况还需要进一步确认,需要获取当前的雨量信息和当前车辆的车辆信息,此处的雨量信息从气象学上的角度来讲,通常指空气中水汽凝结下降及地之水量,露,霜,雹,雪等等,凝结并不包括在内,所谓雨量,就是在一定时段内,降落到水平面上的雨水深度,雨水深度可以用雨量计测定,也可以通过当前车辆的雨量传感器和通过气象站记录该地区的平均降雨量获得;车辆信息包括车辆载重和车轮半径,本申请的车辆信息可以通过车辆自身的系统获得,如果目标车辆和历史涉水车辆中的车辆载重和车轮半径是相同的,此时可以认为目标车辆和历史涉水车辆的情况基本一致,目标车辆可参考历史涉水车辆的通过性,并根据历史涉水车辆的通过性选择通过涉水路段或者选择不通过涉水路段。
在步骤S400中,将实际水深参数、雨量信息和车辆信息输入到预设检测模型,获取检测结果,此处的预设检测模型是预先训练好的,本申请将实际水深参数、雨量信息和车辆信息作为模型的输入,由模型输出检测结果。其中实际水深参数除了指路段的水深,还包括车辆关键点与待通过路段水面的距离,可以通过计算车辆关键点与实际水深参数之差得到,车辆关键点指车辆中会进水的点,例如发动机吸气口,核心就是保证吸气口不被水淹。
在步骤S500中,根据检测结果确定目标车辆不能通过待通过路段,检测结果为车辆是否能够通过待通过路段,在实际应用中,检测结果即建议车辆通过待通过路段或者建议车辆绕开,如果检测结果确定目标车辆不能通过待通过路段,可以发送提示信息给用户,告知用户不可以通过该路段,如果检测结果确定目标车辆能通过待通过路段,可以发送提示信息给用户,告知用户能够通过该路段。
参照图2,在一些实施例中,本申请提到的车辆涉水检测方法具体还包括:构建预设检测模型,其中“构建预设检测模型”具体包括步骤:
S600,获取历史涉水信息和历史车辆信息;
S700,基于分类算法对历史涉水信息和历史车辆信息进行训练,构建预设检测模型。
在步骤S600中,获取历史涉水信息和历史车辆信息,历史涉水信息包括:历史水深参数、历史雨量信息,历史车辆信息包括:历史车辆载重、历史车轮半径,换句话说,历史车辆信息指的是之前的车辆经过该待通过路段的通过信息,比如这些车辆的载重情况、车辆的车轮半径等,在实际应用中,历史车辆信息还包括之前通过该路段的车辆品牌、车辆型号、底盘高度,本领域技术人员还能够根据实际需求获取之前的车辆经过该通过路段时的路况信息、道路方向、GPS坐标、通过路段的时间和该路段的行驶轨迹等。
在步骤S700中,基于分类算法对历史涉水信息和历史车辆信息进行训练,构建预设检测模型,预设检测模型用于判断车辆是否能够通过该路段,其中输入模型中的车轮半径、载重主要用于判断车辆底盘或者吸气口与水面的高度,将不同型号车辆的车辆参数输入模型中,提高模型判断的准确度,例如,由于不同款汽车的载重不同,导致底盘离地的情况也不一样,不同款汽车的车轮半径不同,导致底盘离地的高度也不一样,如果与目标车辆的车辆信息一致的历史涉水车辆通过了待通过路段,则说明目标车辆很大概率能够通过待通过路段,本申请采用的分类算法大致过程为:将输出的数据进行处理,比如标注、特征提取,然后将处理后的数据输入到算法,然后根据算法迭代的召回率、正确率等进行调优,例如过拟合、欠拟合调整数据等,完成对预设检测模型的训练。
参照图3,在一些实施例中,本申请提到的车辆涉水检测方法具体还包括步骤:
S800,判断实际水深参数是否小于第一水深阈值;
S900,若实际水深参数小于第一水深阈值,则判断目标车辆能通过待通过路段。
在步骤S800中,判断实际水深参数是否小于第一水深阈值。
在步骤S900中,若实际水深参数小于第一水深阈值,则表示水深较低,路况较为安全,此时可以直接判断出目标车辆能够通过待通过路段,此时可以发送提示信息给用户,告知用户可以直接通过该路段。
参照图4,在一些实施例中,本申请提到的车辆涉水检测方法具体还包括步骤:
S1000,判断实际水深参数是否大于第二水深阈值;
S1100,若实际水深参数大于第一水深阈值,则判断目标车辆不能通过待通过路段。
在步骤S1000中,判断实际水深参数是否大于第一水深阈值。
在步骤S1100中,若实际水深参数大于第二水深阈值,则表示水深较高,路况较为危险,此时可以直接判断出目标车辆不能够通过待通过路段,此时可以发送提示信息给用户,告知用户不可以通过该路段。
在一些实施例中,本申请提到的车辆涉水检测方法具体包括:若确定目标车辆能够通过待通过路段,则保存车辆信息和目标车辆的行驶路线,作为历史涉水信息,车辆信息包括车辆载重、车轮半径,换句话说,车辆信息指的是目标车辆经过该待通过路段的通过信息,比如目标车辆的载重情况、车辆的车轮半径等,在实际应用中,车辆信息还包括目标车辆的车辆品牌、车辆型号、底盘高度,本领域技术人员还能够根据实际需求获取目标车辆经过该通过路段时的路况信息、道路方向、GPS坐标、通过路段的时间和该路段的行驶轨迹等,以便进行预设检测模型的训练,提高检测结果。
参照图5,在一些实施例中,本申请提到的车辆涉水检测方法具体还包括步骤:
S1200,若目标车辆能通过待通过路段,则根据车辆信息从历史涉水信息中匹配与车辆信息一致的参照车辆和对应的行驶路线;
S1300,将行驶路线发送至目标车辆,由目标车辆根据行驶路线通过待通过路段。
在步骤S1200中,若目标车辆能通过待通过路段,则根据车辆信息从历史涉水信息中匹配与车辆信息一致的参照车辆和对应的行驶路线,在实际应用中,如果根据水深参数或者预设检测模型的输出判断出目标车辆能够通过待通过待通过路段,那么就从历史涉水信息中匹配与车辆信息,比如与目标车辆的载重情况和车轮半径一致的参照车辆,和参照车辆对应的行驶路线。
在步骤S1300中,将从历史涉水信息中获取的行驶路线发送至目标车辆,然后由目标车辆根据行驶路线进行行驶,然后通过待通过路段。
在一些实施例中,本申请提到的车辆涉水检测方法具体包括:若目标车辆不能通过待通过路段,则重新规划目标车辆的行驶路线。
在一些实施例中,本申请利用分类算法训练一个分类模型,用于判断车辆是否能够通过待通过路段,模型的训练过程如下:根据车联系统中记录所有车经过待通过路段的通过信息,包括车辆信息、水深参数和是否通过等,然后抽取以上数据输入分类算法,然后训练出一个判断通过性的模型,在目标车辆通过待通过路段之前,将水深、关键点与水面距离、当前雨量、车辆载重和车轮半径输出训练好的分类算法模型,然后输出可通过或者不可通过的结果。
如图6所示,在实际应用中,利用本申请的车辆涉水检测方法构造一个车联网络系统,在目标车辆在雨天行驶时,首先可以利用车联网络系统得知道路的积水情况,并且提前获取淹水路段信息,如果车辆没有行驶到待通过路段,也就是车辆不在现场,并且水深超过预设的阈值,就可以提前躲避淹水路段;如果车辆在现场,就需要进一步判断通过的可能性,如果能够通过,就根据车联网络系统中历史车辆通过的行驶路线通过或者直接通过,通过后将信息上传至车联网络系统,如果车辆在现场,并且判断出不能通过,就将通过失败的信息上传至车联网络系统,供后续车辆参考。
在本申请实施例中,通过获取待通过路段的实际水深参数,接着判断实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值,若实际水深参数大于第一水深阈值并小于第二水深阈值,则获取当前的降雨量和当前行驶车辆的车辆信息,将实际水深参数、雨量信息和车辆信息输入到预设检测模型,预设检测模型用于检测当前行驶车辆是否能通过待通过路段,然后获取预设检测模型输出的检测结果,根据检测结果确定目标车辆是否能通过待通过路段,本申请通过利用训练好的预设检测模型对车辆涉水情况进行检测,能够提高车辆涉水检测结果的准确度。
第二方面,本申请实施例还提供了用于执行第一方面实施例中提到的车辆涉水检测方法的车辆涉水检测系统。
在一些实施例中,车辆涉水检测系统包括获取模块、判断模块和检测模块,获取模块获取待通过路段的实际水深参数,判断模块判断实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值,若实际水深参数大于第一水深阈值并小于第二水深阈值,则获取当前的降雨量和当前行驶车辆的车辆信息,检测模块将实际水深参数、雨量信息和车辆信息输入到预设检测模型,预设检测模型用于检测当前行驶车辆是否能通过待通过路段,然后获取预设检测模型输出的检测结果,根据检测结果确定目标车辆是否能通过待通过路段,本申请通过利用训练好的预设检测模型对车辆涉水情况进行检测,能够提高车辆涉水检测结果的准确度。
第三方面,本申请实施例还提供了一种电子设备。
在一些实施例中,电子设备包括:至少一个处理器,以及与至少一个处理器通信连接的存储器;其中,存储器存储有指令,指令被至少一个处理器执行,以使至少一个处理器执行指令时实现本申请实施例中任一项车辆涉水检测方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如本申请实施例描述的车辆涉水检测方法。处理器通过运行存储在存储器中的非暂态软件程序以及指令,从而实现上述的车辆涉水检测方法。
存储器可以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、至少一个功能所需要的应用程序;存储数据区可存储执行上述车辆涉水检测方法。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,比如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的车辆涉水检测方法所需的非暂态软件程序以及指令存储在存储器中,当被一个或者多个处理器执行时,执行上述第一方面实施例中提到的车辆涉水检测方法。
第四方面,本申请实施例还提供了计算机可读存储介质。
在一些实施例中,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于执行第一方面实施例中提到的车辆涉水检测方法。
在一些实施例中,该存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,比如,被上述电子设备中的一个处理器执行,可使得上述一个或多个处理器执行上述车辆涉水检测方法。
以上所描述的装置实施例仅仅是示意性的,其中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,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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本申请实施例作了详细说明,但是本申请不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。此外,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
Claims (10)
1.车辆涉水检测方法,其特征在于,包括:
获取待通过路段的实际水深参数;
判断所述实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值;
若所述实际水深参数大于所述第一水深阈值并小于所述第二水深阈值,则获取当前的雨量信息和目标车辆的车辆信息;
将所述实际水深参数、所述雨量信息和所述车辆信息输入到预设检测模型,获取检测结果;
根据所述检测结果确定所述目标车辆不能通过所述待通过路段。
2.根据权利要求1所述的车辆涉水检测方法,其特征在于,还包括:构建预设检测模型;
所述构建预设检测模型,包括:
获取历史涉水信息和历史车辆信息,所述历史涉水信息包括:历史水深参数、历史雨量信息;所述历史车辆信息包括:历史车辆载重、历史车轮半径;
基于分类算法对所述历史涉水信息和所述历史车辆信息进行训练,构建所述预设检测模型。
3.根据权利要求2所述的车辆涉水检测方法,其特征在于,所述方法还包括:
判断所述实际水深参数是否小于所述第一水深阈值;
若所述实际水深参数小于所述第一水深阈值,则判断所述目标车辆能通过所述待通过路段。
4.根据权利要求3所述的车辆涉水检测方法,其特征在于,所述方法还包括:
判断所述实际水深参数是否大于所述第二水深阈值;
若所述实际水深参数大于所述第二水深阈值,则判断所述目标车辆不能通过所述待通过路段。
5.根据权利要求4所述的车辆涉水检测方法,其特征在于,所述方法还包括预存所述历史涉水信息,所述预存所述历史涉水信息,包括:
若确定所述目标车辆能够通过所述待通过路段,则将所述车辆信息和所述目标车辆的行驶路线保存为所述历史涉水信息。
6.根据权利要求5所述的车辆涉水检测方法,其特征在于,所述方法还包括:
若所述目标车辆能通过所述待通过路段,则根据所述车辆信息从所述历史涉水信息中匹配与所述车辆信息一致的参照车辆和对应的行驶路线;
将所述行驶路线发送至所述目标车辆,由所述目标车辆根据所述行驶路线通过所述待通过路段。
7.根据权利要求6所述的车辆涉水检测方法,其特征在于,所述方法还包括:
若所述目标车辆不能通过所述待通过路段,则重新规划所述目标车辆的行驶路线。
8.车辆涉水检测系统,其特征在于,包括:
获取模块:所述获取模块用于获取待通过路段的实际水深参数;
判断模块:所述判断模块用于判断所述实际水深参数是否大于预设的第一水深阈值并小于预设的第二水深阈值;若所述实际水深参数大于所述第一水深阈值并小于所述第二水深阈值,则获取当前的雨量信息和目标车辆的车辆信息;
检测模块:所述检测模块用于将所述实际水深参数、所述雨量信息和所述车辆信息输入到预设检测模型,获取检测结果;根据所述检测结果确定所述目标车辆不能通过所述待通过路段。
9.电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的车辆涉水检测方法。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7中任意一项所述的车辆涉水检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423178.7A CN113127975A (zh) | 2021-04-20 | 2021-04-20 | 车辆涉水检测方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423178.7A CN113127975A (zh) | 2021-04-20 | 2021-04-20 | 车辆涉水检测方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113127975A true CN113127975A (zh) | 2021-07-16 |
Family
ID=76778048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110423178.7A Withdrawn CN113127975A (zh) | 2021-04-20 | 2021-04-20 | 车辆涉水检测方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127975A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113771855A (zh) * | 2021-09-02 | 2021-12-10 | 东风汽车集团股份有限公司 | 车辆涉水的控制方法、装置、系统、终端设备及介质 |
CN114194173A (zh) * | 2021-12-28 | 2022-03-18 | 上海洛轲智能科技有限公司 | 车辆控制方法、装置、设备、存储介质及程序产品 |
CN114299739A (zh) * | 2021-12-21 | 2022-04-08 | 中国电信股份有限公司 | 目标路段的通过方法、系统、存储介质及电子装置 |
CN115273508A (zh) * | 2022-06-17 | 2022-11-01 | 智道网联科技(北京)有限公司 | 车辆行驶引导方法、装置、电子设备及存储介质 |
CN117636662A (zh) * | 2023-12-10 | 2024-03-01 | 广东东软学院 | 一种涉水路段的防浸水交通控制方法及系统 |
-
2021
- 2021-04-20 CN CN202110423178.7A patent/CN113127975A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113771855A (zh) * | 2021-09-02 | 2021-12-10 | 东风汽车集团股份有限公司 | 车辆涉水的控制方法、装置、系统、终端设备及介质 |
CN114299739A (zh) * | 2021-12-21 | 2022-04-08 | 中国电信股份有限公司 | 目标路段的通过方法、系统、存储介质及电子装置 |
CN114194173A (zh) * | 2021-12-28 | 2022-03-18 | 上海洛轲智能科技有限公司 | 车辆控制方法、装置、设备、存储介质及程序产品 |
CN114194173B (zh) * | 2021-12-28 | 2024-04-12 | 上海洛轲智能科技有限公司 | 车辆控制方法、装置、设备、存储介质及程序产品 |
CN115273508A (zh) * | 2022-06-17 | 2022-11-01 | 智道网联科技(北京)有限公司 | 车辆行驶引导方法、装置、电子设备及存储介质 |
CN117636662A (zh) * | 2023-12-10 | 2024-03-01 | 广东东软学院 | 一种涉水路段的防浸水交通控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113127975A (zh) | 车辆涉水检测方法、系统、电子设备及存储介质 | |
CN110395258B (zh) | 路面状态推断装置以及路面状态推断方法 | |
US20180164119A1 (en) | System and method for generating an environmental condition database using automotive sensors | |
CN108883771B (zh) | 用于借助本车辆确定可行驶的地面的摩擦系数的方法和设备 | |
JP6369408B2 (ja) | 路面の冠水推定装置 | |
KR20190057501A (ko) | 기상 상황에 따른 도로 위험도 예측 시스템 및 방법 | |
KR20180080828A (ko) | 라이더 맵 매칭 기반 차선레벨 차량 위치정보 인지 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
CN104786964A (zh) | 自主车辆降水检测 | |
KR102173797B1 (ko) | 도로 노면 상태 예측 방법 및 시스템 | |
JP2020013537A (ja) | 路面状態推定装置及び路面状態推定方法 | |
CN110388929B (zh) | 导航地图更新方法、装置及系统 | |
CN111656145B (zh) | 车辆监测器 | |
JP6971830B2 (ja) | 道路交通管制装置、および、自動運転車両制御方法 | |
KR102334369B1 (ko) | 블랙아이스 생성 예측을 통한 알림 시스템 | |
CN112654892A (zh) | 用于创建车辆的环境的地图的方法 | |
CN110906948A (zh) | 导航路线规划方法及装置 | |
US20220042819A1 (en) | Method and device for predicting a weather condition on a road network | |
US11385381B2 (en) | Flood detection device, flood detection system, and computer-readable storage medium | |
CN111353669A (zh) | 服务器、车辆及其停车风险的识别方法和装置 | |
JP7284049B2 (ja) | 冠水検知装置、冠水検知システム、及び冠水検知プログラム | |
US20210063192A1 (en) | Own location estimation device | |
CN111301348B (zh) | 基于电子地平线的雨刷控制方法、终端设备及存储介质 | |
CN211075861U (zh) | 一种道路状态检测系统 | |
CN108320502B (zh) | 一种基于浮动车技术的城市内涝检测方法及终端 | |
JP2023120309A (ja) | 車両モニタ |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210716 |
|
WW01 | Invention patent application withdrawn after publication |