CN113538894A - 车辆定位数据处理方法、装置、计算机设备和存储介质 - Google Patents
车辆定位数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113538894A CN113538894A CN202011092844.5A CN202011092844A CN113538894A CN 113538894 A CN113538894 A CN 113538894A CN 202011092844 A CN202011092844 A CN 202011092844A CN 113538894 A CN113538894 A CN 113538894A
- Authority
- CN
- China
- Prior art keywords
- vehicles
- vehicle
- vehicle speed
- positioning data
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 230000001133 acceleration Effects 0.000 claims abstract description 17
- 230000035484 reaction time Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 58
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 10
- 206010039203 Road traffic accident Diseases 0.000 abstract description 27
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000006855 networking Effects 0.000 description 44
- 230000008859 change Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000012216 screening Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 9
- 230000002349 favourable effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- DDVBPZROPPMBLW-IZGXTMSKSA-N latrunculin A Chemical compound C([C@H]1[C@@]2(O)C[C@H]3C[C@H](O2)CC[C@@H](\C=C/C=C/CC\C(C)=C/C(=O)O3)C)SC(=O)N1 DDVBPZROPPMBLW-IZGXTMSKSA-N 0.000 description 2
- DDVBPZROPPMBLW-UHFFFAOYSA-N latrunculin-A Natural products O1C(=O)C=C(C)CCC=CC=CC(C)CCC(O2)CC1CC2(O)C1CSC(=O)N1 DDVBPZROPPMBLW-UHFFFAOYSA-N 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- 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
- G08G1/01—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
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/164—Centralised systems, e.g. external to vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种车辆定位数据处理方法、装置、计算机设备和存储介质,能够有效筛选出有利于降低车辆所在路段的交通事故率的定位数据,提升驾驶安全性。车辆定位数据处理方法包括:获取目标区域内的n辆车的定位数据,n≥2;确定n辆车的平均车速;根据车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和平均车速,确定刹车距离参考值;根据刹车距离参考值和交通安全阈值,确定刹车距离变化量;根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量;在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用。
Description
技术领域
本申请实施例涉及车联网技术领域,并且更具体地,涉及一种车辆定位数据处理方法、装置、计算机设备和存储介质。
背景技术
在安全驾驶和车路协同中,需要依靠全球定位系统(Global PositioningSystem,GPS)捕捉车辆的位置。然而,GPS的定位存在误差,有时甚至无法使用,如何判断目标车辆的定位数据是否可用,是一个亟待解决的问题。
发明内容
本申请提供了一种车辆定位数据处理方法、装置、计算机设备和存储介质,可以判断目标车辆的定位数据是否可用,以及能够有效筛选出有利于降低车辆所在路段的交通事故率的定位数据,提升驾驶安全性。
第一方面,提供了一种车辆定位数据处理方法,包括:
获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
确定n辆车的平均车速;
根据车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和平均车速,确定刹车距离参考值;
根据刹车距离参考值和交通安全阈值,确定刹车距离变化量;
根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量;
在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用。
在第一方面的一种实现方式中,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用,包括:
在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量,且n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。
在第一方面的一种实现方式中,还包括:
根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间的实测距离变化量。
在第一方面的一种实现方式中,刹车距离参考值通过以下公式计算:
Sreal=vrealΔt+v2 real/(2a)
其中,Sreal表示刹车距离参考值,vreal表示n辆车的平均车速,Δt表示车辆驾驶员的反应时间参考值,a表示车辆刹车的加速度参考值。
在第一方面的一种实现方式中,还包括:
确定n辆车的平均车速;
根据平均车速、目标区域所在道路法定的车速区间,确定判断结果是否可信。
在第一方面的一种实现方式中,根据平均车速、目标区域所在道路法定的车速区间,确定判断结果是否可信,包括:
在平均车速位于车速区间的情况下,确定判断结果可信;或者,
在平均车速大于车速区间中最大车速的情况下,生成0~1上均匀分布的第一随机变量,若第一随机变量小于或者等于最大车速与平均车速的比值,确定判断结果可信,否则确定判断结果不可信;或者,
在平均车速小于车速区间中最小车速的情况下,生成0~1上均匀分布的第二随机变量,若第二随机变量小于或者等于平均车速与最小车速的比值,确定判断结果可信,否则确定判断结果不可信。
第二方面,提供了一种车辆定位数据处理方法,包括:
获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量和n辆车中目标车辆与其他车辆之间的实测距离变化量;
在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。
在第二方面的一种实现方式中,还包括:
确定n辆车的平均车速;
根据平均车速、目标区域所在道路法定的车速区间,确定判断结果是否可信。
在第二方面的一种实现方式中,根据平均车速、目标区域所在道路法定的车速区间,确定判断结果是否可信,包括:
在平均车速位于车速区间的情况下,确定判断结果可信;或者,
在平均车速大于车速区间中最大车速的情况下,生成0~1上均匀分布的第一随机变量,若第一随机变量小于或者等于最大车速与平均车速的比值,确定判断结果可信,否则确定判断结果不可信;或者,
在平均车速小于车速区间中最小车速的情况下,生成0~1上均匀分布的第二随机变量,若第二随机变量小于或者等于平均车速与最小车速的比值,确定判断结果可信,否则确定判断结果不可信。
第三方面,提供了一种车辆定位数据处理装置,包括:
获取单元,用于获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
确定单元,用于确定n辆车的平均车速;
确定单元,还用于根据车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和平均车速,确定刹车距离参考值;
确定单元,还用于根据刹车距离参考值和交通安全阈值,确定刹车距离变化量;
确定单元,还用于根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量;
判断单元,用于在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用。
第四方面,提供了一种车辆定位数据处理装置,包括:
获取单元,用于获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
确定单元,用于根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量和n辆车中目标车辆与其他车辆之间的实测距离变化量;
判断单元,用于在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。
根据本申请的一方面,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面或者第一方面的各种可选实现方式中提供的方法,或者,处理器执行计算机程序时实现上述第二方面或者第二方面的各种可选实现方式中提供的方法。
根据本申请的一方面,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述第一方面或者第一方面的各种可选实现方式中提供的方法,或者,计算机程序被处理器执行时实现上述第二方面或者第二方面的各种可选实现方式中提供的方法。
根据本申请的一方面,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第一方面或者第一方面的各种可选实现方式中提供的方法,或者,使得该计算机设备执行上述第二方面或者第二方面的各种可选实现方式中提供的方法。
基于上述第一方面的技术方案,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用。也即,在定位数据的筛选过程中,考虑了车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和交通安全阈值,以及考虑了由定位误差导致的距离变化量,从而可以更加准确的筛选出可用的定位数据,并剔除一些不可用的定位数据,进而能够有效筛选出有利于降低车辆所在路段的交通事故率的定位数据,提升驾驶安全性。此外,基于上述第一方面的技术方案,可以基于n辆车的平均车速和目标区域所在道路法定的车速区间,确定判断结果是否可信,可以进一步地提升筛选定位数据的准确性。
基于上述第二方面的技术方案,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。也即,在定位数据的筛选过程中,考虑了交通安全阈值,以及考虑了由定位误差导致的距离变化量和实测距离变化量,从而可以更加准确的筛选出可用的定位数据,并剔除一些不可用的定位数据,进而能够有效筛选出有利于降低车辆所在路段的交通事故率的定位数据,提升驾驶安全性。此外,基于上述第二方面的技术方案,可以基于n辆车的平均车速和目标区域所在道路法定的车速区间,确定判断结果是否可信,可以进一步地提升筛选定位数据的准确性。
本申请实施例的其他特性和优点将通过下面的详细描述变得显然,或者部分通过本申请的实践而习得。
应理解,以上的一般描述和后文的细节描述仅是示例性的,并不对本申请构成限定。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本申请实施例的一种体系架构图。
图2示出了根据本申请实施例的另一种体系架构图。
图3示出了根据本申请实施例的一种车载传感器设置位置的示意图。
图4示出了根据本申请实施例的一种双模定位方式获取车辆的定位数据的示意图。
图5示出了根据本申请实施例的一种车辆定位数据处理方法的示意性流程图。
图6示出了根据本申请实施例的一种车联网设备的示意图。
图7示出了根据本申请实施例的另一种车辆定位数据处理方法的示意性流程图。
图8示出了根据本申请实施例的一种车辆定位数据处理装置的示意性框图。
图9示出了根据本申请实施例的另一种车辆定位数据处理装置的示意性框图。
图10示出了根据本申请实施例的一种计算机设备的内部结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本申请的描述将更加全面的完整,并将示例实施方式的构思全面地传达给本领域的技术人员。附图为本申请的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中,提供许多具体细节从而给出对本申请的示例实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而省略特定细节中的一个或更多,或者可以采用其他的方法、组元、步骤等。在其它情况下,不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本申请的各方面变得模糊。
附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络、处理器装置或者微控制装置中现实这些功能实体。
图1示出了本申请实施例可以适应的一种体系架构图10。体系架构图10包括:车辆11、服务器12和传感终端13。
车辆11内设有车载定位系统,车载定位系统主要用于对车辆11进行定位,生成车辆11的车载定位数据。
服务器12内设有云端定位系统,云端定位系统主要用于对道路上行驶的各个车辆进行定位,生成各个车辆的云端定位数据,从而服务器12将各个车辆的云端定位数据发送给车辆11。其中,车载定位系统所进行的定位与云端定位系统所进行的定位相互独立;由于定位误差的存在,对于同一车辆,车辆内的车载定位系统对车辆定位得到的定位数据与服务器内的云端定位系统对车辆定位得到的定位数据可能会不一致。
传感终端13主要用于探测道路上行驶的各个车辆并将探测数据传输给服务器12,以供云端定位系统生成各个车辆的云端定位数据。
图2示出了本申请实施例可以适应的一种体系架构图20。体系架构图20包括:车辆21、服务器22、传感终端23和第三方终端24。
车辆21内设有车载定位系统,车载定位系统主要用于对车辆21进行定位,生成车辆21的车载定位数据。
服务器22内设有云端定位系统,云端定位系统主要用于对道路上行驶的各个车辆进行定位,生成各个车辆的云端定位数据,从而服务器22将各个车辆的云端定位数据发送给车辆21。其中,车载定位系统所进行的定位与云端定位系统所进行的定位相互独立;由于定位误差的存在,对于同一车辆,车辆内的车载定位系统对车辆定位得到的定位数据与服务器内的云端定位系统对车辆定位得到的定位数据可能会不一致。
传感终端23主要用于探测道路上行驶的各个车辆并将探测数据传输给服务器22,以供云端定位系统生成各个车辆的云端定位数据。
第三方终端24可与车辆21或者服务器22进行通信,主要用于接收车辆21发送的车载定位数据,接收服务器22发送的各个车辆的云端定位数据。
图1以及图2所示的实施例只是示例性的说明,不应对本申请的功能和使用范围构成限定。
需要说明的是,上述车载定位系统可以基于车载传感器实现定位,例如,如图3所示,车载传感器可以设置在车辆的一些特定部位,诸如前保险杠附件、副驾驶座位下、左右车门内部、后保险杠附件。当然也可以设置在一些其他的位置,或者车辆中的一些物品上,本申请对此并不限定。在一些实施例中,可以在移动终端(如手机、平板电脑)上下载一个与车载传感器关联的软件,输入设备对应的账号和密码,即可实时获取车辆的定位信息,或者,实时追踪车辆的位置。
可选地,本申请实施例可以采用双模定位方式获取车辆的定位数据,例如,采用全球定位系统(Global Positioning System,GPS)+基于位置的服务(Location BasedServices,LBS)双模定位,即分别可以通过卫星和基站获取车辆的定位数据,如图4所示。
现阶段,车辆可以基于其定位数据判断自身的驾驶风险,例如,判断其与其他车辆发生碰撞的可能性,所以定位误差越大,其判断结果越不准确,越容易导致车辆发生碰撞事故(交通事故)。因此,就需要考虑一个问题,定位数据应满足什么条件才能保证基于它得到的判断结果至少能维持现有的交通事故水平,即不能恶化现有的交通事故水平(以交通事故率衡量)。
基于上述技术问题,本申请提出一种车辆定位数据处理方案,对定位数据进行筛选,可以剔除一些不可用的定位数据,从而能够有效筛选出有利于降低车辆所在路段的交通事故率的定位数据,提升驾驶安全性。
下面对本申请实施例的具体实施过程进行详细的描述。
图5示出了本申请实施例的车辆定位数据处理方法100的示意性流程图,如图5所示,该方法100可以包括如下内容中的至少部分内容:
S110,获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
S120,确定n辆车的平均车速;
S130,根据车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和平均车速,确定刹车距离参考值;
S140,根据刹车距离参考值和交通安全阈值,确定刹车距离变化量;
S150,根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量;
S160,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用。
在本实施例中,该方法100可以由车联网设备执行,车联网设备例如可以是如图6所示的监控计算机组成车联网设备;该方法100也可以由服务器执行,如上述图1中的服务器12,或上述图2中的服务器22。当然,该方法100还可以由一些其他的设备执行,例如,任意与车辆具有信息交互的计算机设备,包括,但不限于车辆内部的计算设备,如车载电脑。本申请对此并不限定。以下以车联网设备执行方法100为例进行说明。
车联网设备也可以称之为车联网云平台或者车联网云设备,本申请实施例对此并不限定。
车联网设备可以通过车载定位系统分别获取n辆车的定位数据,车载定位系统可以包括车载导航设备、车载定位设备以及手机等移动设备。具体的,车载定位系统可以通过多种方式采集车辆的定位数据。例如,车载定位系统可以通过全球定位系统(GlobalPositioning System,GPS)、北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)等卫星定位技术采集车辆的定位数据。车载定位系统也可以通过与附加基站之间的通信时差检测车辆的位置,从而得到车辆的定位数据。
车联网设备也可以通过云端定位系统分别获取n辆车的定位数据。
定位数据例如可以是GPS定位结果或BDS定位结果。
在一些实施例中,目标区域内的车辆总数可以是m,其中,可以m≥n。在m>n的情况下,n辆车可以是目标区域内存在碰撞风险的车辆。
车联网设备可以通过路侧设备或者其他装置(如路边摄像头)实时检测目标区域的车辆总数,以及获取存在碰撞风险的n车辆。
交通安全阈值T可以是历史交通事故率Phistory,即T=Phistory,或者,交通安全阈值T可以是系数k与历史交通事故率Phistory的乘积,即T=k*Phistory。
历史交通事故率Phistory可以是一个预设值,其可以从交通管理部门获取。系数k也可以是一个预设值,例如,k=0.5,或者,k=0.6,或者k=0.8。系数k也可以根据实际需求确定,本申请对此并不限定。
具体的,车联网设备获取目标区域内的n车辆的定位数据,n车辆的定位数据分别为(LonA1,LatA1),(LonA2,LatA2),…,(LonAn,LatAn),其中,LonA表示经度,LatA表示纬度,那么任意两辆车(LonAi,LatAi),(LonAj,LatAj)之间的距离可被表示为f(LonAi,LatAi,LonAj,LatAj)。车辆的真实定位数据可能未知,例如,两辆车的定位数据(LonAi,LatAi),(LonAj,LatAj)可能是它们实际的位置,也可能不是。一方面,定位误差应有一定的限度,否则不利于评估车辆的驾驶安全性,进而不利于降低现有交通事故率。定位值偏离真实值的程度越大,带来的驾驶风险就会越大,越容易发生交通事故。因此,对定位相对误差的容忍度最多只能是交通安全阈值T,否则,不利于将交通事故率控制在现有水平以下;另一方面,定位误差会带来车辆距离误差,对这种相对误差的容忍度也应该在交通安全阈值T以内。假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),两辆车之间由定位误差导致的距离变化量可以是f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)。车联网设备需要基于目标车辆与其他n-1辆车中任意一辆车之间由定位误差导致的距离变化量,判断目标车辆的定位数据是否可用。
在本实施例中,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用。也就是说,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量部分或者全部超过刹车距离变化量的情况下,可以判断目标车辆的定位数据不可用。此种情况下,需要忽略目标车辆的定位数据,或者,需要剔除目标车辆的定位数据。
在S120中,车联网设备可以通过路侧设备或者其他装置(如路边摄像头)检测n辆车中的每一辆车的车速,然后取均值,即可获取n辆车的平均车速。
在S130中,刹车距离参考值可以通过以下公式计算:
Sreal=vrealΔt+v2 real/(2a)
其中,Sreal表示刹车距离参考值,vreal表示n辆车的平均车速,Δt表示车辆驾驶员的反应时间参考值,a表示车辆刹车的加速度参考值。
在实际应用中,车辆驾驶员的反映时间和车辆刹车的加速度并不能在车辆刹车之前被实时检测到,具有良好刹车性能的车辆在以某一车速行驶时应在某一规定的距离内完全刹住(车速变为0)。假设驾驶手册规定具有良好刹车性能的车辆在以车速vinitial,1行驶时,应在距离S1内刹住,在以vinitial,2的速率行驶时,应在S2内刹住(vinitial,1,S1,vinitial,2,S2的值可以从驾驶员手册获取,是预设值),那么,如果对这两种车速,驾驶员的反应时间(在反应时间内驾驶员来不及使用刹车,车速不变)与车辆刹车的加速度a都相同,那么车辆驾驶员的反应时间参考值Δt和车辆刹车的加速度参考值a应满足vinitial,1Δt+v2 initial,1/(2a)=S1,vinitial,2Δt+v2 initial,2/(2a)=S2,联合得到车辆驾驶员的反应时间参考值Δt和车辆刹车的加速度参考值a。
需要说明的是,假设驾驶手册规定具有良好刹车性能的车辆在以80km/h行驶时,可以在56m的距离内完全刹住,在以48km/h的速率行驶时可以在24m的距离被刹住;如果一辆车与另一辆车之间的距离是刹车距离,那么在正常行驶的条件下,它们之间是不会发生碰撞的。
在S140中,刹车距离变化量可以是刹车距离参考值Sreal与交通安全阈值T的乘积,即刹车距离变化量=Sreal*T。
由于刹车距离变化量考虑了交通安全阈值,因此刹车距离变化量对降低交通事故率有利。
在本实施例中,假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),两辆车之间由定位误差导致的距离变化量可以是f(T*LonAi,T*LatAi,T*LonAj,T*LatAj),刹车距离变化量为Sreal*T。具体的,在目标车辆与其他n-1辆车中任意一辆车之间均满足f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤Sreal*T的情况下,车联网设备可以判断目标车辆的定位数据可用。
举例来说,假设n=5,即目标区域包括5辆车,分别记为辆车1、辆车2、辆车3、辆车4、辆车5。若f(T*LonA1,T*LatA1,T*LonA2,T*LatA2)≤Sreal*T,f(T*LonA1,T*LatA1,T*LonA3,T*LatA3)≤Sreal*T,f(T*LonA1,T*LatA1,T*LonA4,T*LatA4)≤Sreal*T,f(T*LonA1,T*LatA1,T*LonA5,T*LatA5)≤Sreal*T,则车联网设备可以判断辆车1的定位数据可用,否则判断辆车1的定位数据不可用。辆车2、辆车3、辆车4、辆车5的判断方式可以参考车辆1,为了简洁,在此不再赘述。
在一个实施例中,S160具体包括:
在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量,且n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。
也就是说,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量部分或者全部超过刹车距离变化量的情况下,可以判断目标车辆的定位数据不可用。或者,n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量部分或者全部超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,可以判断目标车辆的定位数据不可用。此种情况下,需要忽略目标车辆的定位数据,或者,需要剔除目标车辆的定位数据。
需要说明的是,由定位误差导致的距离变化量与实测距离变化量对应相同的车辆。例如,假设由定位误差导致的距离变化量是目标车辆与车辆A之间由定位误差导致的距离变化量,则实测距离变化量也是目标车辆与车辆A之间的实测距离变化量。
在本实施例中,可以根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间的实测距离变化量。例如,假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),则两辆车之间的实测距离变化量可以是T*f(LonAi,LatAi,LonAj,LatAj)。
由于实测距离变化量考虑了交通安全阈值,因此实测距离变化量对降低交通事故率有利。
在本实施例中,假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),两辆车之间由定位误差导致的距离变化量可以是f(T*LonAi,T*LatAi,T*LonAj,T*LatAj),两辆车之间的实测距离变化量可以是T*f(LonAi,LatAi,LonAj,LatAj),刹车距离变化量为Sreal*T。具体的,在目标车辆与其他n-1辆车中任意一辆车之间均满足f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤T*f(LonAi,LatAi,LonAj,LatAj)且f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤Sreal*T的情况下,车联网设备可以判断目标车辆的定位数据可用。
举例来说,假设n=5,即目标区域包括5辆车,分别记为辆车1、辆车2、辆车3、辆车4、辆车5。若f(T*LonA1,T*LatA1,T*LonA2,T*LatA2)≤T*f(LonA1,LatA1,LonA2,LatA2)且f(T*LonA1,T*LatA1,T*LonA2,T*LatA2)≤Sreal*T,f(T*LonA1,T*LatA1,T*LonA3,T*LatA3)≤T*f(LonA1,LatA1,LonA3,LatA3)且f(T*LonA1,T*LatA1,T*LonA3,T*LatA3)≤Sreal*T,f(T*LonA1,T*LatA1,T*LonA4,T*LatA4)≤T*f(LonA1,LatA1,LonA4,LatA4)且f(T*LonA1,T*LatA1,T*LonA4,T*LatA4)≤Sreal*T,f(T*LonA1,T*LatA1,T*LonA5,T*LatA5)≤T*f(LonA1,LatA1,LonA5,LatA5)且f(T*LonA1,T*LatA1,T*LonA5,T*LatA5)≤Sreal*T,则车联网设备可以判断辆车1的定位数据可用,否则判断辆车1的定位数据不可用。辆车2、辆车3、辆车4、辆车5的判断方式可以参考车辆1,为了简洁,在此不再赘述。
在一个实施例中,假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),其中,i从1开始增加至n,j从i+1开始增加至n。首先,判断由定位误差导致的距离变化量f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)与刹车距离变化量Sreal*T之间的关系,如果f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤Sreal*T;接着,判断由定位误差导致的距离变化量f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)与实测距离变化量T*f(LonAi,LatAi,LonAj,LatAj)之间的关系,如果f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤T*f(LonAi,LatAi,LonAj,LatAj);则车联网设备可以判断两辆车的定位数据(LonAi,LatAi),(LonAj,LatAj)可用(或者,也可以表述为两辆车的定位误差可补偿),否则,车联网设备可以判断两辆车的定位数据(LonAi,LatAi),(LonAj,LatAj)不可用(或者,也可以表述为两辆车的定位误差不可补偿)。
在一个实施例中,假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),其中,i从1开始增加至n,j从i+1开始增加至n。首先,判断由定位误差导致的距离变化量f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)与实测距离变化量T*f(LonAi,LatAi,LonAj,LatAj)之间的关系,如果f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤T*f(LonAi,LatAi,LonAj,LatAj);接着,判断由定位误差导致的距离变化量f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)与刹车距离变化量Sreal*T之间的关系,如果f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤Sreal*T;则车联网设备可以判断两辆车的定位数据(LonAi,LatAi),(LonAj,LatAj)可用(或者,也可以表述为两辆车的定位误差可补偿),否则,车联网设备可以判断两辆车的定位数据(LonAi,LatAi),(LonAj,LatAj)不可用(或者,也可以表述为两辆车的定位误差不可补偿)。
在一个实施例中,车联网设备可以确定S160的判断结果是否可信。
具体的,车联网设备可以检测n辆车的平均车速,以及根据平均车速、目标区域所在道路法定的车速区间,确定判断结果是否可信。
车联网设备可以通过路侧设备或者其他装置(如路边摄像头)检测n辆车中的每一辆车的车速,然而取均值,即可获取n辆车的平均车速vreal。
目标区域所在道路法定的车速区间例如记为[vmin,vmax]。
在该实施例中,在平均车速vreal位于车速区间[vmin,vmax]的情况下,确定判断结果可信。
需要说明的是,如果平均车速vreal>vmax,那么车辆的刹车距离会增加,S160的判断结果的可信度降低,只能以一定的概率相信它。同理,如果平均车速vreal<vmin,那么车辆被后车撞上的概率会增加,S160的判断结果的可信度降低,只能以一定的概率相信它。
在该实施例中,在平均车速vreal大于车速区间[vmin,vmax]中最大车速vmax的情况下(即vreal>vmax),生成0~1上均匀分布的第一随机变量,若第一随机变量小于或者等于最大车速vmax与平均车速vreal的比值(vmax/vreal),确定判断结果可信,否则确定判断结果不可信。
也就是说,若第一随机变量位于0~vmax/vreal的范围,则确定判断结果可信;若第一随机变量位于vmax/vreal~1的范围,则确定判断结果不可信。
需要说明的是,由于车辆在道路上行驶时基本按照匀速行驶,所以基于第一随机变量与最大车速vmax与平均车速vreal的比值(vmax/vreal)确定判断结果是否可信。
在该实施例中,在平均车速vreal小于车速区间[vmin,vmax]中最小车速vmin的情况下(即vreal小于vmin),生成0~1上均匀分布的第二随机变量,若第二随机变量小于或者等于平均车速vreal与最小车速vmin的比值(vreal/vmin),确定判断结果可信,否则确定判断结果不可信。
也就是说,若第二随机变量位于0~vreal/vmin的范围,则确定判断结果可信;若第二随机变量位于vreal/vmin~1的范围,则确定判断结果不可信。
需要说明的是,由于车辆在道路上行驶时基本按照匀速行驶,所以基于第二随机变量与平均车速vreal与最小车速vmin的比值(vreal/vmin)确定判断结果是否可信。
在一个实施例中,筛选出来的定位数据可以用于做驾驶风险评估。当然,也可以用于其他方面,本申请对此并不限定。
在本申请实施例中,车联网设备在判断目标车辆的定位数据是否可用之后,可以将判断结构反馈给目标车辆,以使目标车辆确定是否利用其定位数据。或者,车联网设备在判断目标车辆的定位数据不可用的情况下,可以向目标车辆发送警示信息,以指示目标车辆的定位数据不可用。
此外,车联网设备还可以将判断结果的可信度反馈给目标车辆,以辅助目标车辆做出正确的判断。
在一个实施例中,可以基于模拟器进行试验,针对采集到的60次目标车辆的GPS定位结果,模拟器可以采用处理方式一(即对采集到的定位数据不做筛选)和处理方式二(即基于本申请技术方案,从采集到的定位数据中筛选出可用的定位数据)进行定位数据处理。其中,处理方式一:计算全部的目标车辆的GPS定位结果的样本方差,记为S2 1;处理方式二:筛选出可用的目标车辆的GPS定位结果,计算可用的目标车辆的GPS定位结果的样本方差,记为S2 2。具体地,在第一次试验中,S2 1与S2 2的比值为1.31;在第二次试验中,S2 1与S2 2的比值为1.32;在第三次试验中,S2 1与S2 2的比值为1.34;在第四次试验中,S2 1与S2 2的比值为1.33;在第五次试验中,S2 1与S2 2的比值为1.34;在第六次试验中,S2 1与S2 2的比值为1.32;在第七次试验中,S2 1与S2 2的比值为1.31;在第八次试验中,S2 1与S2 2的比值为1.36;在第九次试验中,S2 1与S2 2的比值为1.33;在第十次试验中,S2 1与S2 2的比值为1.37。具体可以如表1所示。
表1
由上述十次试验结果可知,基于本申请实施例的可以筛选出有利于降低车辆所在路段的交通事故率的定位数据,即能保证筛选出的定位数据的定位误差在一定的可容忍范围内。
因此,在本实施例中,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用。也即,在定位数据的筛选过程中,考虑了车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和交通安全阈值,以及考虑了由定位误差导致的距离变化量,从而可以更加准确的筛选出可用的定位数据,并剔除一些不可用的定位数据,进而能够有效筛选出有利于降低车辆所在路段的交通事故率的定位数据,提升驾驶安全性。此外,基于本实施例技术方案,可以基于n辆车的平均车速和目标区域所在道路法定的车速区间,确定判断结果是否可信,可以进一步地提升筛选定位数据的准确性。
图7示出了本申请实施例的车辆定位数据处理方法200的示意性流程图,如图7所示,该方法200可以包括如下内容中的至少部分内容:
S210,获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
S220,根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量和n辆车中目标车辆与其他车辆之间的实测距离变化量;
S230,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。
在本实施例中,该方法200可以由车联网设备执行,车联网设备例如可以是如图6所示的监控计算机组成车联网设备;该方法200也可以由服务器执行,如上述图1中的服务器12,或上述图2中的服务器22。当然,该方法200还可以由一些其他的设备执行,例如,任意与车辆具有信息交互的计算机设备,包括,但不限于车辆内部的计算设备,如车载电脑。本申请对此并不限定。以下以车联网设备执行方法200为例进行说明。
车联网设备也可以称之为车联网云平台或者车联网云设备,本申请实施例对此并不限定。
车联网设备可以通过车载定位系统分别获取n辆车的定位数据,车载定位系统可以包括车载导航设备、车载定位设备以及手机等移动设备。具体的,车载定位系统可以通过多种方式采集车辆的定位数据。例如,车载定位系统可以通过GPS、BDS等卫星定位技术采集车辆的定位数据。车载定位系统也可以通过与附加基站之间的通信时差检测车辆的位置,从而得到车辆的定位数据。
车联网设备也可以通过云端定位系统分别获取n辆车的定位数据。
定位数据例如可以是GPS定位结果或BDS定位结果。
在一些实施例中,目标区域内的车辆总数可以是m,其中,可以m≥n。在m>n的情况下,n辆车可以是目标区域内存在碰撞风险的车辆。
车联网设备可以通过路侧设备或者其他装置(如路边摄像头)实时检测目标区域的车辆总数,以及获取存在碰撞风险的n车辆。
交通安全阈值T可以是历史交通事故率Phistory,即T=Phistory,或者,交通安全阈值T可以是系数k与历史交通事故率Phistory的乘积,即T=k*Phistory。
历史交通事故率Phistory可以是一个预设值,其可以从交通管理部门获取。系数k也可以是一个预设值,例如,k=0.5,或者,k=0.6,或者k=0.8。系数k也可以根据实际需求确定,本申请对此并不限定。
具体的,车联网设备获取目标区域内的n车辆的定位数据,n车辆的定位数据分别为(LonA1,LatA1),(LonA2,LatA2),…,(LonAn,LatAn),其中,LonA表示经度,LatA表示纬度,那么任意两辆车(LonAi,LatAi),(LonAj,LatAj)之间的距离可被表示为f(LonAi,LatAi,LonAj,LatAj)。车辆的真实定位数据可能未知,例如,两辆车的定位数据(LonAi,LatAi),(LonAj,LatAj)可能是它们实际的位置,也可能不是。一方面,定位误差应有一定的限度,否则不利于评估车辆的驾驶安全性,进而不利于降低现有交通事故率。定位值偏离真实值的程度越大,带来的驾驶风险就会越大,越容易发生交通事故。因此,对定位相对误差的容忍度最多只能是交通安全阈值T,否则,不利于将交通事故率控制在现有水平以下;另一方面,定位误差会带来车辆距离误差,对这种相对误差的容忍度也应该在交通安全阈值T以内。假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),两辆车之间由定位误差导致的距离变化量可以是f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)。车联网设备需要基于目标车辆与其他n-1辆车中任意一辆车之间由定位误差导致的距离变化量,判断目标车辆的定位数据是否可用。
在本实施例中,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。也就是说,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量部分或者全部超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,可以判断目标车辆的定位数据不可用。此种情况下,需要忽略目标车辆的定位数据,或者,需要剔除目标车辆的定位数据。
需要说明的是,由定位误差导致的距离变化量与实测距离变化量对应相同的车辆。例如,假设由定位误差导致的距离变化量是目标车辆与车辆A之间由定位误差导致的距离变化量,则实测距离变化量也是目标车辆与车辆A之间的实测距离变化量。
在本实施例中,可以根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量和n辆车中目标车辆与其他车辆之间的实测距离变化量。例如,假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),则两辆车之间由定位误差导致的距离变化量可以是f(T*LonAi,T*LatAi,T*LonAj,T*LatAj),两辆车之间的实测距离变化量可以是T*f(LonAi,LatAi,LonAj,LatAj)。
由于由定位误差导致的距离变化量和实测距离变化量考虑了交通安全阈值,因此由定位误差导致的距离变化量和实测距离变化量对降低交通事故率有利。
在本实施例中,假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),两辆车之间由定位误差导致的距离变化量可以是f(T*LonAi,T*LatAi,T*LonAj,T*LatAj),两辆车之间的实测距离变化量可以是T*f(LonAi,LatAi,LonAj,LatAj)。具体的,在目标车辆与其他n-1辆车中任意一辆车之间均满足f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤T*f(LonAi,LatAi,LonAj,LatAj)的情况下,车联网设备可以判断目标车辆的定位数据可用。
举例来说,假设n=5,即目标区域包括5辆车,分别记为辆车1、辆车2、辆车3、辆车4、辆车5。若f(T*LonA1,T*LatA1,T*LonA2,T*LatA2)≤T*f(LonA1,LatA1,LonA2,LatA2),f(T*LonA1,T*LatA1,T*LonA3,T*LatA3)≤T*f(LonA1,LatA1,LonA3,LatA3),f(T*LonA1,T*LatA1,T*LonA4,T*LatA4)≤T*f(LonA1,LatA1,LonA4,LatA4),f(T*LonA1,T*LatA1,T*LonA5,T*LatA5)≤T*f(LonA1,LatA1,LonA5,LatA5),则车联网设备可以判断辆车1的定位数据可用,否则判断辆车1的定位数据不可用。辆车2、辆车3、辆车4、辆车5的判断方式可以参考车辆1,为了简洁,在此不再赘述。
在一个实施例中,假设两辆车的定位数据分别为(LonAi,LatAi),(LonAj,LatAj),其中,i从1开始增加至n,j从i+1开始增加至n。首先,判断由定位误差导致的距离变化量f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)与实测距离变化量T*f(LonAi,LatAi,LonAj,LatAj)之间的关系,如果f(T*LonAi,T*LatAi,T*LonAj,T*LatAj)≤T*f(LonAi,LatAi,LonAj,LatAj);则车联网设备可以判断两辆车的定位数据(LonAi,LatAi),(LonAj,LatAj)可用(或者,也可以表述为两辆车的定位误差可补偿),否则,车联网设备可以判断两辆车的定位数据(LonAi,LatAi),(LonAj,LatAj)不可用(或者,也可以表述为两辆车的定位误差不可补偿)。
在一个实施例中,车联网设备可以确定S230的判断结果是否可信。
具体的,车联网设备可以检测n辆车的平均车速,以及根据平均车速、目标区域所在道路法定的车速区间,确定判断结果是否可信。
车联网设备可以通过路侧设备或者其他装置(如路边摄像头)检测n辆车中的每一辆车的车速,然而取均值,即可获取n辆车的平均车速vreal。
目标区域所在道路法定的车速区间例如记为[vmin,vmax]。
在该实施例中,在平均车速vreal位于车速区间[vmin,vmax]的情况下,确定判断结果可信。
需要说明的是,如果平均车速vreal>vmax,那么车辆的刹车距离会增加,S230的判断结果的可信度降低,只能以一定的概率相信它。同理,如果平均车速vreal<vmin,那么车辆被后车撞上的概率会增加,S230的判断结果的可信度降低,只能以一定的概率相信它。
在该实施例中,在平均车速vreal大于车速区间[vmin,vmax]中最大车速vmax的情况下(即vreal>vmax),生成0~1上均匀分布的第一随机变量,若第一随机变量小于或者等于最大车速vmax与平均车速vreal的比值(vmax/vreal),确定判断结果可信,否则确定判断结果不可信。
也就是说,若第一随机变量位于0~vmax/vreal的范围,则确定判断结果可信;若第一随机变量位于vmax/vreal~1的范围,则确定判断结果不可信。
需要说明的是,由于车辆在道路上行驶时基本按照匀速行驶,所以基于第一随机变量与最大车速vmax与平均车速vreal的比值(vmax/vreal)确定判断结果是否可信。
在该实施例中,在平均车速vreal小于车速区间[vmin,vmax]中最小车速vmin的情况下(即vreal小于vmin),生成0~1上均匀分布的第二随机变量,若第二随机变量小于或者等于平均车速vreal与最小车速vmin的比值(vreal/vmin),确定判断结果可信,否则确定判断结果不可信。
也就是说,若第二随机变量位于0~vreal/vmin的范围,则确定判断结果可信;若第二随机变量位于vreal/vmin~1的范围,则确定判断结果不可信。
需要说明的是,由于车辆在道路上行驶时基本按照匀速行驶,所以基于第二随机变量与平均车速vreal与最小车速vmin的比值(vreal/vmin)确定判断结果是否可信。
在一个实施例中,筛选出来的定位数据可以用于做驾驶风险评估。当然,也可以用于其他方面,本申请对此并不限定。
在本申请实施例中,车联网设备在判断目标车辆的定位数据是否可用之后,可以将判断结构反馈给目标车辆,以使目标车辆确定是否利用其定位数据。或者,车联网设备在判断目标车辆的定位数据不可用的情况下,可以向目标车辆发送警示信息,以指示目标车辆的定位数据不可用。
此外,车联网设备还可以将判断结果的可信度反馈给目标车辆,以辅助目标车辆做出正确的判断。
因此,在本实施例中,在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。也即,在定位数据的筛选过程中,考虑了交通安全阈值,以及考虑了由定位误差导致的距离变化量和实测距离变化量,从而可以更加准确的筛选出可用的定位数据,并剔除一些不可用的定位数据,进而能够有效筛选出有利于降低车辆所在路段的交通事故率的定位数据,提升驾驶安全性。此外,基于本实施例技术方案,可以基于n辆车的平均车速和目标区域所在道路法定的车速区间,确定判断结果是否可信,可以进一步地提升筛选定位数据的准确性。
在一个实施例中,如图8所示,提供了一种车辆定位数据处理装置300,该装置可以采用软件单元或硬件单元,或者是二者的结合成为计算机设备的一部分,该装置300具体包括:
获取单元310,用于获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
确定单元320,用于确定n辆车的平均车速;
确定单元320,还用于根据车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和平均车速,确定刹车距离参考值;
确定单元320,还用于根据刹车距离参考值和交通安全阈值,确定刹车距离变化量;
确定单元320,还用于根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量;
判断单元330,用于在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量的情况下,判断目标车辆的定位数据可用。
在一个实施例中,判断单元330进一步用于:
在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过刹车距离变化量,且n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。
在一个实施例中,确定单元320还用于:
根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间的实测距离变化量。
在一个实施例中,刹车距离参考值通过以下公式计算:
Sreal=vrealΔt+v2 real/(2a)
其中,Sreal表示刹车距离参考值,vreal表示n辆车的平均车速,Δt表示车辆驾驶员的反应时间参考值,a表示车辆刹车的加速度参考值。
在一个实施例中,确定单元320还用于:
确定n辆车的平均车速;
根据平均车速、目标区域所在道路法定的车速区间,确定判断结果是否可信。
在一个实施例中,确定单元320进一步用于:
在平均车速位于车速区间的情况下,确定判断结果可信;或者,
在平均车速大于车速区间中最大车速的情况下,生成0~1上均匀分布的第一随机变量,若第一随机变量小于或者等于最大车速与平均车速的比值,确定判断结果可信,否则确定判断结果不可信;或者,
在平均车速小于车速区间中最小车速的情况下,生成0~1上均匀分布的第二随机变量,若第二随机变量小于或者等于平均车速与所述最小车速的比值,确定判断结果可信,否则确定判断结果不可信。
应理解,根据本申请实施例的车辆定位数据处理装置300可对应于本申请实施例方法100,并且车辆定位数据处理装置300中的各个单元的上述和其它操作和/或功能分别为了实现图5所示方法100中的相应流程,为了简洁,在此不再赘述。
在一个实施例中,如图9所示,提供了一种车辆定位数据处理装置400,该装置可以采用软件单元或硬件单元,或者是二者的结合成为计算机设备的一部分,该装置400具体包括:
获取单元410,用于获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
确定单元420,用于根据n辆车的定位数据和交通安全阈值,确定n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量和n辆车中目标车辆与其他车辆之间的实测距离变化量;
判断单元430,用于在n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断目标车辆的定位数据可用。
在一个实施例中,确定单元420还用于:
确定n辆车的平均车速;
根据平均车速、目标区域所在道路法定的车速区间,确定判断结果是否可信。
在一个实施例中,确定单元420进一步用于:
在平均车速位于车速区间的情况下,确定判断结果可信;或者,
在平均车速大于车速区间中最大车速的情况下,生成0~1上均匀分布的第一随机变量,若第一随机变量小于或者等于最大车速与平均车速的比值,确定判断结果可信,否则确定判断结果不可信;或者,
在平均车速小于车速区间中最小车速的情况下,生成0~1上均匀分布的第二随机变量,若第二随机变量小于或者等于平均车速与所述最小车速的比值,确定判断结果可信,否则确定判断结果不可信。
应理解,根据本申请实施例的车辆定位数据处理装置400可对应于本申请实施例方法200,并且车辆定位数据处理装置400中的各个单元的上述和其它操作和/或功能分别为了实现图7所示方法200中的相应流程,为了简洁,在此不再赘述。
上述车辆定位数据处理装置中的各个单元可全部或部分通过软件、硬件及其组合来实现。上述各个单元可以以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行上述各个单元对于的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是车辆上的计算机设备,其内部结构可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质重的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过无线保真(Wireless-Fidelity,Wi-Fi)、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆定位数据处理方法100,或者,该计算机程序被处理器执行时以实现一种车辆定位数据处理方法200。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,还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法实施例中的步骤。
本实施例仅用于说明本申请,本实施例的软硬件平台架构、开发环境、开发语言、消息获取源头等的选取都是可以变化的,在本申请技术方案的基础上,凡根据本申请原理对某个部分进行的改进和等同变换,均不应排除在本申请的保护范围之外。
需要说明的是,在本申请实施例和所附权利要求书中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请实施例。
所属领域的技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。
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,本申请实施例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、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
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,上述描述的设备、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。
在本申请提供的几个实施例中,应该理解到,所揭露的电子设备、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中单元或模块或组件的划分,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,多个单元或模块或组件可以结合或者可以集成到另一个系统,或一些单元或模块或组件可以忽略,或不执行。
又例如,上述作为分离/显示部件说明的单元/模块/组件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单元/模块/组件来实现本申请实施例的目的。
最后,需要说明的是,上文中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。
以上内容,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以权利要求的保护范围为准。
Claims (13)
1.一种车辆定位数据处理方法,其特征在于,包括:
获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
确定所述n辆车的平均车速;
根据车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和所述平均车速,确定刹车距离参考值;
根据所述刹车距离参考值和交通安全阈值,确定刹车距离变化量;
根据所述n辆车的定位数据和所述交通安全阈值,确定所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量;
在所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过所述刹车距离变化量的情况下,判断所述目标车辆的定位数据可用。
2.根据权利要求1所述的方法,其特征在于,所述在所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过所述刹车距离变化量的情况下,判断所述目标车辆的定位数据可用,包括:
在所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过所述刹车距离变化量,且所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过所述n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断所述目标车辆的定位数据可用。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述n辆车的定位数据和所述交通安全阈值,确定所述n辆车中目标车辆与其他车辆之间的实测距离变化量。
4.根据权利要求1所述的方法,其特征在于,所述刹车距离参考值通过以下公式计算:
Sreal=vrealΔt+v2 real/(2a)
其中,Sreal表示刹车距离参考值,vreal表示n辆车的平均车速,Δt表示车辆驾驶员的反应时间参考值,a表示车辆刹车的加速度参考值。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述方法还包括:
确定所述n辆车的平均车速;
根据所述平均车速、所述目标区域所在道路法定的车速区间,确定判断结果是否可信。
6.根据权利要求5所述的方法,其特征在于,所述根据所述平均车速、所述目标区域所在道路法定的车速区间,确定判断结果是否可信,包括:
在所述平均车速位于所述车速区间的情况下,确定判断结果可信;或者,
在所述平均车速大于所述车速区间中最大车速的情况下,生成0~1上均匀分布的第一随机变量,若所述第一随机变量小于或者等于所述最大车速与所述平均车速的比值,确定判断结果可信,否则确定判断结果不可信;或者,
在所述平均车速小于所述车速区间中最小车速的情况下,生成0~1上均匀分布的第二随机变量,若所述第二随机变量小于或者等于所述平均车速与所述最小车速的比值,确定判断结果可信,否则确定判断结果不可信。
7.一种车辆定位数据处理方法,其特征在于,包括:
获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
根据所述n辆车的定位数据和交通安全阈值,确定所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量和所述n辆车中目标车辆与其他车辆之间的实测距离变化量;
在所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过所述n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断所述目标车辆的定位数据可用。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
确定所述n辆车的平均车速;
根据所述平均车速、所述目标区域所在道路法定的车速区间,确定判断结果是否可信。
9.根据权利要求8所述的方法,其特征在于,所述根据所述平均车速、所述目标区域所在道路法定的车速区间,确定判断结果是否可信,包括:
在所述平均车速位于所述车速区间的情况下,确定判断结果可信;或者,
在所述平均车速大于所述车速区间中最大车速的情况下,生成0~1上均匀分布的第一随机变量,若所述第一随机变量小于或者等于所述最大车速与所述平均车速的比值,确定判断结果可信,否则确定判断结果不可信;或者,
在所述平均车速小于所述车速区间中最小车速的情况下,生成0~1上均匀分布的第二随机变量,若所述第二随机变量小于或者等于所述平均车速与所述最小车速的比值,确定判断结果可信,否则确定判断结果不可信。
10.一种车辆定位数据处理装置,其特征在于,包括:
获取单元,用于获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
确定单元,用于确定所述n辆车的平均车速;
所述确定单元,还用于根据车辆驾驶员的反应时间参考值、车辆刹车的加速度参考值和所述平均车速,确定刹车距离参考值;
所述确定单元,还用于根据所述刹车距离参考值和交通安全阈值,确定刹车距离变化量;
所述确定单元,还用于根据所述n辆车的定位数据和所述交通安全阈值,确定所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量;
判断单元,用于在所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过所述刹车距离变化量的情况下,判断所述目标车辆的定位数据可用。
11.一种车辆定位数据处理装置,其特征在于,包括:
获取单元,用于获取目标区域内的n辆车的定位数据,n为整数,且n≥2;
确定单元,用于根据所述n辆车的定位数据和交通安全阈值,确定所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量和所述n辆车中目标车辆与其他车辆之间的实测距离变化量;
判断单元,用于在所述n辆车中目标车辆与其他车辆之间由定位误差导致的距离变化量均不超过所述n辆车中目标车辆与其他车辆之间的实测距离变化量的情况下,判断所述目标车辆的定位数据可用。
12.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤,或者,所述处理器执行所述计算机程序时实现权利要求7至9中任一项所述方法的步骤。
13.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤,或者,所述处理器执行所述计算机程序时实现权利要求7至9中任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410070502.5A CN118038666A (zh) | 2020-10-13 | 2020-10-13 | 车辆定位数据处理方法、装置、计算机设备和存储介质 |
CN202011092844.5A CN113538894B (zh) | 2020-10-13 | 2020-10-13 | 车辆定位数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092844.5A CN113538894B (zh) | 2020-10-13 | 2020-10-13 | 车辆定位数据处理方法、装置、计算机设备和存储介质 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410070502.5A Division CN118038666A (zh) | 2020-10-13 | 2020-10-13 | 车辆定位数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113538894A true CN113538894A (zh) | 2021-10-22 |
CN113538894B CN113538894B (zh) | 2024-02-09 |
Family
ID=78094448
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011092844.5A Active CN113538894B (zh) | 2020-10-13 | 2020-10-13 | 车辆定位数据处理方法、装置、计算机设备和存储介质 |
CN202410070502.5A Pending CN118038666A (zh) | 2020-10-13 | 2020-10-13 | 车辆定位数据处理方法、装置、计算机设备和存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410070502.5A Pending CN118038666A (zh) | 2020-10-13 | 2020-10-13 | 车辆定位数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN113538894B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10141805A1 (de) * | 2000-09-23 | 2002-05-02 | Martin Krais | Fahrzeugsteuereinrichtung von Land-, Wasser- oder Luftfahrzeugen mit Geschwindigkeits- und Wegstreckenbestimmung |
JP2008146151A (ja) * | 2006-12-06 | 2008-06-26 | Sumitomo Electric System Solutions Co Ltd | 走行データ収集装置、収集プログラム及び方法 |
CN103794061A (zh) * | 2014-03-10 | 2014-05-14 | 上海云砥信息科技有限公司 | 基于多种定位数据计算道路融合行程车速的方法 |
US20160265924A1 (en) * | 2013-11-05 | 2016-09-15 | Toyota Jidosha Kabushiki Kaisha | Vehicle position identifying system and vehicle position identifying method |
CN107246881A (zh) * | 2017-05-24 | 2017-10-13 | 宇龙计算机通信科技(深圳)有限公司 | 一种导航提醒方法、装置和终端 |
CN107261500A (zh) * | 2017-06-07 | 2017-10-20 | 北京凯罗天下科技有限公司 | 一种定位对象的方法、装置及移动终端 |
CN108981729A (zh) * | 2017-06-02 | 2018-12-11 | 腾讯科技(深圳)有限公司 | 车辆定位方法和装置 |
CN109477724A (zh) * | 2016-07-26 | 2019-03-15 | 日产自动车株式会社 | 自身位置推定方法及自身位置推定装置 |
US20200152064A1 (en) * | 2018-11-09 | 2020-05-14 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating information |
CN111212472A (zh) * | 2020-01-02 | 2020-05-29 | 腾讯科技(深圳)有限公司 | 一种误差的控制方法、装置及计算机可读存储介质 |
-
2020
- 2020-10-13 CN CN202011092844.5A patent/CN113538894B/zh active Active
- 2020-10-13 CN CN202410070502.5A patent/CN118038666A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10141805A1 (de) * | 2000-09-23 | 2002-05-02 | Martin Krais | Fahrzeugsteuereinrichtung von Land-, Wasser- oder Luftfahrzeugen mit Geschwindigkeits- und Wegstreckenbestimmung |
JP2008146151A (ja) * | 2006-12-06 | 2008-06-26 | Sumitomo Electric System Solutions Co Ltd | 走行データ収集装置、収集プログラム及び方法 |
US20160265924A1 (en) * | 2013-11-05 | 2016-09-15 | Toyota Jidosha Kabushiki Kaisha | Vehicle position identifying system and vehicle position identifying method |
CN103794061A (zh) * | 2014-03-10 | 2014-05-14 | 上海云砥信息科技有限公司 | 基于多种定位数据计算道路融合行程车速的方法 |
CN109477724A (zh) * | 2016-07-26 | 2019-03-15 | 日产自动车株式会社 | 自身位置推定方法及自身位置推定装置 |
CN107246881A (zh) * | 2017-05-24 | 2017-10-13 | 宇龙计算机通信科技(深圳)有限公司 | 一种导航提醒方法、装置和终端 |
CN108981729A (zh) * | 2017-06-02 | 2018-12-11 | 腾讯科技(深圳)有限公司 | 车辆定位方法和装置 |
CN107261500A (zh) * | 2017-06-07 | 2017-10-20 | 北京凯罗天下科技有限公司 | 一种定位对象的方法、装置及移动终端 |
US20200152064A1 (en) * | 2018-11-09 | 2020-05-14 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating information |
CN111212472A (zh) * | 2020-01-02 | 2020-05-29 | 腾讯科技(深圳)有限公司 | 一种误差的控制方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN118038666A (zh) | 2024-05-14 |
CN113538894B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10979855B1 (en) | Detecting handling of a device in a vehicle | |
KR101936891B1 (ko) | 운전 행위 안내 정보의 생성 방법 및 장치 | |
EP2481037B1 (en) | Driver assistance device and system for vehicle accident detection and method for detecting a vehicle accident | |
US20180086263A1 (en) | Method For Detecting Forward Collision | |
US20220299324A1 (en) | Accident fault detection based on multiple sensor devices | |
CN110659078A (zh) | 远程车辆电子装置配置 | |
CN106467059A (zh) | 一种基于三轴加速度传感器的侧翻报警方法和装置 | |
WO2013096908A1 (en) | Systems and methods for assessing or monitoring vehicle status or operator behavior | |
CN102259635A (zh) | 未被授权的车辆移动检测的方法 | |
CN104354699A (zh) | 一种基于obd终端检测驾驶行为信息的方法和装置 | |
CN112614342B (zh) | 一种道路异常事件的预警方法、车载设备及路侧设备 | |
US9769762B1 (en) | Adaptive transmit power control for vehicle communication | |
CN109151060A (zh) | 一种路面异常监测方法、装置及计算机可读存储介质 | |
AU2018201545A1 (en) | A system and a method for ensuring safe operation of a vehicle | |
US20180283880A1 (en) | Infrastructure to vehicle position verification | |
JP2021526096A (ja) | タイヤ損傷検出システム及び方法 | |
CN111640329A (zh) | 一种基于碰撞模型的车辆预警方法 | |
CN107680396A (zh) | 一种驾驶行为的监控方法及其装置 | |
JP7028994B2 (ja) | タイヤ損傷検出システム及び方法 | |
CN115689774A (zh) | 优化车辆事件过程的方法和系统 | |
CN110794441B (zh) | 车辆急转弯识别方法、装置、计算机设备和存储介质 | |
CN113538894B (zh) | 车辆定位数据处理方法、装置、计算机设备和存储介质 | |
CN103241243A (zh) | 一种确定车辆状态的方法和装置 | |
CN111583633B (zh) | 车辆碰撞的预警方法及装置 | |
JP2021526095A (ja) | タイヤ損傷検出システム及び方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |