CN113763703A - 驾驶风险预警方法、装置、计算机可读介质及电子设备 - Google Patents
驾驶风险预警方法、装置、计算机可读介质及电子设备 Download PDFInfo
- Publication number
- CN113763703A CN113763703A CN202110903721.3A CN202110903721A CN113763703A CN 113763703 A CN113763703 A CN 113763703A CN 202110903721 A CN202110903721 A CN 202110903721A CN 113763703 A CN113763703 A CN 113763703A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- motion data
- cloud platform
- early warning
- motion
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000033001 locomotion Effects 0.000 claims abstract description 338
- 238000012502 risk assessment Methods 0.000 claims abstract description 117
- 238000004364 calculation method Methods 0.000 claims abstract description 85
- 238000005516 engineering process Methods 0.000 claims abstract description 61
- 238000004891 communication Methods 0.000 claims abstract description 53
- 238000010295 mobile communication Methods 0.000 claims abstract description 28
- 230000002093 peripheral effect Effects 0.000 claims description 54
- 230000007613 environmental effect Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 16
- 230000007774 longterm Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 abstract description 4
- 238000003860 storage Methods 0.000 description 24
- 238000013473 artificial intelligence Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请属于车联网技术领域,应用于自动驾驶领域,具体涉及一种驾驶风险预警方法、装置、计算机可读介质及电子设备。该驾驶风险预警方法包括:获取目标车辆的第一运动数据并通过移动通信网络将第一运动数据上传至云平台;获取云平台返回的风险分析结果,其中,风险分析结果通过对第一运动数据与第二运动数据进行运动匹配计算和风险分析得到;第二运动数据通过车载设备,通过车用无线通信技术广播至车载设备周围的路侧设备,并由路侧设备上传至云平台;根据风险分析结果对目标车辆进行风险预警提醒。基于该方法能够实现采用车用无线通信技术的车载设备和采用移动通信网络进行通讯的目标车辆之间的协同工作。
Description
技术领域
本申请属于车联网技术领域,具体涉及一种驾驶风险预警方法、驾驶风险预警装置、计算机可读介质及电子设备。
背景技术
车辆在行驶的过程中,经常会发生碰撞、追尾等现象。在事故原因统计中,很多事故是由驾驶员违规驾驶引起的,主要包括注意力分散、疲劳驾驶、拨打手机等。驾驶员的注意力无法总是保持集中,使得在危险情况来临时无法及时得知以及及时应对。
车辆到万物(Vehicle to Everything,V2X)技术是车联网的新兴发展趋势。但是,在现行道路环境中行驶的绝大多数车辆也不具备专用的可进行V2X通信的车载OBU(Onboard Unit,车载单元),这导致了车联网建设困难,无法利用车联网提高车辆的驾驶安全性。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请的目的在于提供一种驾驶风险预警方法、驾驶风险预警装置、计算机可读介质及电子设备,至少在一定程度上克服相关技术中如何提高车辆的驾驶安全性的技术问题。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供一种驾驶风险预警方法。所述驾驶风险预警方法包括:
获取目标车辆的第一运动数据并通过移动通信网络将所述第一运动数据上传至云平台,所述第一运动数据用于表示所述目标车辆在车辆行驶过程中产生的数据,所述第一运动数据至少包括第一位置,所述第一位置用于表示所述目标车辆的位置;
获取所述云平台返回的风险分析结果,其中,所述风险分析结果通过对所述第一运动数据与第二运动数据进行运动匹配计算和风险分析得到;所述第二运动数据用于表示位于所述目标车辆第一半径范围内的车载设备所装配的车辆,在车辆行驶过程中产生的数据;所述第二运动数据通过所述车载设备,通过车用无线通信技术广播至所述车载设备周围的路侧设备,并由所述路侧设备上传至所述云平台;
根据所述风险分析结果对所述目标车辆进行风险预警提醒。
根据本申请实施例的一个方面,提供一种驾驶风险预警装置。所述驾驶风险预警装置包括:
第一运动数据获取模块,被配置为获取目标车辆的第一运动数据并通过移动通信网络将所述第一运动数据上传至云平台,所述第一运动数据用于表示所述目标车辆在车辆行驶过程中产生的数据,所述第一运动数据至少包括第一位置,所述第一位置用于表示所述目标车辆的位置;
风险分析结果获取模块,被配置为获取所述云平台返回的风险分析结果,其中,所述风险分析结果通过对所述第一运动数据与第二运动数据进行运动匹配计算和风险分析得到;所述第二运动数据用于表示位于所述目标车辆第一半径范围内的车载设备所装配的车辆,在车辆行驶过程中产生的数据;所述第二运动数据通过所述车载设备,通过车用无线通信技术广播至所述车载设备周围的路侧设备,并由所述路侧设备上传至所述云平台;
风险预警提醒模块,被配置为根据所述风险分析结果对所述目标车辆进行风险预警提醒。
在本申请的一些实施例中,基于以上技术方案,所述第二运动数据先通过所述车载设备,按照预设的第一频率通过车用无线通信技术广播至所述车载设备周围的路侧设备,再通过所述路侧设备实时上传至所述云平台。
在本申请的一些实施例中,基于以上技术方案,所述第二运动数据先通过所述车载设备,按照预设的第一频率通过车用无线通信技术广播至所述车载设备周围的周边车载设备中,再通过所述周边车载设备,通过车用无线通信技术广播转发至所述周边车载设备周围的所述路侧设备中。
在本申请的一些实施例中,基于以上技术方案,所述车载设备通过所述路侧设备,在所述云平台上创建对应的临时账号;在所述车载设备的第二运动数据通过所述路侧设备实时上传至所述云平台后,所述第二运动数据存储于所述云平台中,并且关联至所述临时账号下;所述驾驶风险预警装置还包括:
当所述临时账号对应的车载设备在预设间隔时间内未上传第二运动数据时,释放所述临时账号,并删除与所述临时账号关联的所述第二运动数据。
在本申请的一些实施例中,基于以上技术方案,所述目标车辆包括目标终端,所述第一运动数据获取模块包括:
第一运动数据获取单元,被配置为获取目标车辆的第一运动数据;
连接建立单元,被配置为通过应用程序与所述云平台建立连接;
第一运动数据上传单元,被配置为通过所述应用程序将所述目标车辆的第一运动数据上传至所述云平台。
在本申请的一些实施例中,基于以上技术方案,所述第一运动数据上传单元包括:
长期账号创建子单元,被配置为通过所述应用程序,为所述目标车辆在所述云平台上创建对应的长期账号;
第一运动数据上传子单元,被配置为按照预设的第二频率将所述目标车辆的第一运动数据上传至所述云平台,并将所述第一运动数据关联至所述长期账号下。
在本申请的一些实施例中,基于以上技术方案,所述第一运动数据还包括第一速度和第一航向角度,所述第一速度用于表示所述目标车辆行驶的速度,所述第一航向角度用于表示所述目标车辆在车辆行驶过程中的航向角度;所述第二运动数据包括第二位置、第二速度和第二航向角度,所述第二位置用于表示所述车载设备所装配的车辆的位置,所述第二速度用于表示所述车载设备所装配的车辆行驶的速度,所述第二航向角度用于表示所述车载设备所装配的车辆在车辆行驶过程中的航向角度。所述风险分析模块包括:
运动匹配计算单元,被配置为对所述第一位置、所述第一速度、所述第一航向角度与所述第二位置、所述第二速度、所述第二航向角度进行运动匹配计算,得到匹配计算结果;
第一风险分析单元,被配置为根据所述匹配计算结果对所述目标车辆的驾驶风险进行风险分析。
在本申请的一些实施例中,基于以上技术方案,所述第二运动数据还包括紧急事件状态,所述运动匹配计算单元包括:
运动匹配计算子单元,被配置为响应于接收到所述紧急事件状态,对所述第一位置、所述第一速度、所述第一航向角度与所述紧急事件状态、所述第二位置、所述第二速度、所述第二航向角度进行运动匹配计算,得到匹配计算结果。
在本申请的一些实施例中,基于以上技术方案,所述紧急事件状态包括以下状态的其中一个或多个:紧急刹车事件状态、刹车防抱死开启事件状态、车身稳定控制触发事件状态、爆胎事件状态、安全气囊弹出事件状态。
在本申请的一些实施例中,基于以上技术方案,所述驾驶风险预警装置还包括:
环境设施数据获取单元,被配置为根据所述第一位置,获取位于所述目标车辆第一半径范围内的路侧设备的环境设施数据,所述环境设施数据包括对所述路侧设备周边的道路环境和交通设施进行信息采集得到的采集数据,所述环境设施数据通过路侧设备按照预设的第三频率上传至所述云平台。
所述风险分析模块,还包括:
第二风险分析单元,被配置为对所述第一运动数据、所述第二运动数据和所述环境设施数据进行运动匹配计算和风险分析。
在本申请的一些实施例中,基于以上技术方案,所述第二运动数据获取模块,包括:
路侧设备地图获取单元,被配置为获取路侧设备地图;
路侧设备获取单元,被配置为根据所述第一位置和所述路侧设备地图,获取位于所述目标车辆第一半径范围内的路侧设备;
探测单元,被配置为发送探测信号至所述路侧设备,以确定位于所述路侧设备第二半径范围内的车载设备;
车载设备筛选单元,被配置为从所述位于所述路侧设备第二半径范围内的车载设备中筛选出位于所述目标车辆第一半径范围内的车载设备。
第二运动数据获取单元,被配置为获取位于所述目标车辆第一半径范围内的车载设备所在车辆的第二运动数据。
在本申请的一些实施例中,基于以上技术方案,所述第二运动数据还通过所述车载设备广播至位于所述车载设备周围的周边车载设备中,所述驾驶风险预警装置还包括:
第三运动数据获取单元,被配置为获取所述周边车载设备的第三运动数据,所述第三运动数据用于表示所述周边车载设备所装配的车辆,在车辆行驶过程中产生的数据;
第三风险分析单元,被配置为对所述第二运动数据与所述第三运动数据进行运动匹配计算和风险分析,得到所述周边车载设备对应的风险分析结果;
风险预警单元,被配置为根据所述周边车载设备对应的风险分析结果对所述周边车载设备进行风险预警。
根据本申请实施例的一个方面,提供一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如以上技术方案中的驾驶风险预警方法。
根据本申请实施例的一个方面,提供一种电子设备,该电子设备包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器被配置为经由执行所述可执行指令来执行如以上技术方案中的驾驶风险预警方法。
根据本申请实施例的一个方面,提供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如以上技术方案中的驾驶风险预警方法。
在本申请实施例提供的技术方案中,先获取目标车辆的第一运动数据并通过移动通信网络将第一运动数据上传至云平台,再获取云平台返回的风险分析结果,根据风险分析结果对目标车辆进行风险预警提醒。其中,风险分析结果通过对第一运动数据与第二运动数据进行运动匹配计算和风险分析得到;第二运动数据通过车载设备,通过车用无线通信技术广播至车载设备周围的路侧设备,并由路侧设备上传至云平台。由此,实现采用车用无线通信技术的车载设备和采用移动通信网络进行通讯的目标车辆之间的协同工作;并且,通过对第一运动数据和第二运动数据进行运动匹配计算和风险分析得到风险分析结果,从而实现对目标车辆的风险预警提醒,有利于提高车辆的驾驶安全性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
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示意性地示出了应用本申请技术方案的示例性装置架构框图。
图2示意性地示出了本申请实施例提供的驾驶风险预警方法的步骤流程。
图3示意性地示出了本申请实施例中目标车辆、车载设备与云平台协同通信的架构示意图。
图4示意性地示出了本申请实施例中获取目标车辆的第一运动数据并通过移动通信网络将第一运动数据上传至云平台的步骤流程。
图5示意性地示出了本申请实施例中通过应用程序将目标车辆的第一运动数据上传至云平台的步骤流程。
图6示意性地示出了本申请实施例中的获取云平台返回的风险分析结果之前的部分步骤流程。
图7示意性地示出了本申请实施例中通过车载设备,按照预设的第一频率将第二运动数据通过车用无线通信技术广播至车载设备周围的路侧设备的步骤流程。
图8示意性地示出了本申请实施例中通过路侧设备,将接收到的车载设备的第二运动数据实时上传至云平台的步骤流程。
图9示意性地示出了本申请实施例中获取云平台返回的风险分析结果之前的部分步骤流程。
图10示意性地示出了本申请实施例中对第一运动数据与第二运动数据进行运动匹配计算和风险分析的步骤流程。
图11示意性地示出了本申请实施例中对第一运动数据与第二运动数据进行运动匹配计算和风险分析之前的部分步骤流程。
图12示意性地示出了本申请实施例中还可以包括的部分步骤流程。
图13示意性地示出了本申请实施例提供的驾驶风险预警装置的结构框图。
图14示意性地示出了用于实现本申请实施例的电子设备的结构框图。
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,提供这些实施方式使得本申请将更加全面和完整,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。
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实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。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没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,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,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在对本申请实施例提供的驾驶风险预警方法、驾驶风险预警装置等技术方案作出详细说明之前,先对本申请部分实施例中涉及的云技术、智能交通技术和人工智能技术进行简单介绍。
云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。
云计算(cloud computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展,按使用付费。
作为云计算的基础能力提供商,会建立云计算资源池(简称云平台,一般称为IaaS(Infrastructure as a Service,基础设施即服务)平台,在资源池中部署多种类型的虚拟资源,供外部客户选择使用。云计算资源池中主要包括:计算设备(为虚拟化机器,包含操作系统)、存储设备、网络设备。
按照逻辑功能划分,在IaaS(Infrastructure as a Service,基础设施即服务)层上可以部署PaaS(Platform as a Service,平台即服务)层,PaaS层之上再部署SaaS(Software as a Service,软件即服务)层,也可以直接将SaaS部署在IaaS上。PaaS为软件运行的平台,如数据库、web容器等。SaaS为各式各样的业务软件,如web门户网站、短信群发器等。一般来说,SaaS和PaaS相对于IaaS是上层。
云存储(cloud storage)是在云计算概念上延伸和发展出来的一个新的概念,分布式云存储系统(以下简称存储系统)是指通过集群应用、网格技术以及分布存储文件系统等功能,将网络中大量各种不同类型的存储设备(存储设备也称之为存储节点)通过应用软件或应用接口集合起来协同工作,共同对外提供数据存储和业务访问功能的一个存储系统。
大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临,大数据也吸引了越来越多的关注,大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
物联网(The Internet ofThings,简称IOT)是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实时采集任何需要监控、连接、互动的物体或过程,采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息,通过各类可能的网络接入,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体,它让所有能够被独立寻址的普通物理对象形成互联互通的网络。
云物联(Cloud IOT)旨在将传统物联网中传感设备感知的信息和接受的指令连入互联网中,真正实现网络化,并通过云计算技术实现海量数据存储和运算,由于物联网的特性是物与物相连接,实时感知各个“物体”当前的运行状态,在这个过程中会产生大量的数据信息,如何将这些信息汇总,如何在海量信息中筛取有用信息为后续发展做决策支持,这些已成为影响物联网发展的关键问题,而基于云计算和云存储技术的物联云也因此成为物联网技术和应用的有力支持。
所谓人工智能云服务,一般也被称作是AIaaS(AI as a Service,中文为“AI即服务”)。这是目前主流的一种人工智能平台的服务方式,具体来说AIaaS平台会把几类常见的AI服务进行拆分,并在云端提供独立或者打包的服务。这种服务模式类似于开了一个AI主题商城:所有的开发者都可以通过API接口的方式来接入使用平台提供的一种或者是多种人工智能服务,部分资深的开发者还可以使用平台提供的AI框架和AI基础设施来部署和运维自已专属的云人工智能服务。
智能交通系统(Intelligent Traffic System,ITS)又称智能运输系统(Intelligent Transportation System),是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造,加强车辆、道路、使用者三者之间的联系,从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。或者;
智能车路协同系统(Intelligent Vehicle Infrastructure CooperativeSystems,IVICS),简称车路协同系统,是智能交通系统(ITS)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例涉及的系统可以是由客户端、多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)通过网络通信的形式连接形成的分布式系统。
下面结合具体实施方式对本申请提供的驾驶风险预警方法及装置做出详细说明。
图1示意性地示出了应用本申请技术方案的示例性装置架构框图。
如图1所示,装置架构100可以包括终端设备110、网络120和服务器130。终端设备110可以包括智能手机、平板电脑、笔记本电脑、台式电脑等各种电子设备。服务器130可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式装置,还可以是提供云计算服务的云服务器。网络120可以是能够在终端设备110和服务器130之间提供通信链路的各种连接类型的通信介质,例如可以是有线通信链路或者无线通信链路。
根据实现需要,本申请实施例中的装置架构可以具有任意数目的终端设备、网络和服务器。例如,服务器130可以是由多个服务器设备组成的服务器群组。另外,本申请实施例提供的技术方案可以应用于终端设备110,也可以应用于服务器130,或者可以由终端设备110和服务器130共同实施,本申请对此不做特殊限定。
举例而言,当终端设备110接入服务器130的云平台后,终端设备110可以执行本申请提供的驾驶风险预警方法,从而实现采用车用无线通信技术的车载设备和采用移动通信网络进行通讯的目标车辆之间的协同工作;并且,通过对第一运动数据和第二运动数据进行运动匹配计算和风险分析得到风险分析结果,从而实现对目标车辆的风险预警提醒,有利于提高车辆的驾驶安全性。
在一些实施方式中,可以通过云平台对第一运动数据和第二运动数据进行运动匹配计算和风险分析得到风险分析结果,再根据风险分析结果对目标车辆进行风险预警提醒。由此,可以使得运算量大、系统资源消耗大的运动匹配计算和风险分析在云平台上进行,而无需在终端侧运行,从而能够降低端侧计算量,提高端侧运行效率,并能够方便运算相关数据和资源在云平台上共享,能够提高数据和资源利用效率。
在一些实施方式中,也可以在目标终端获取第一运动数据和自云平台第二运动数据后,通过目标终端对第一运动数据和第二运动数据进行运动匹配计算和风险分析得到风险分析结果,再根据风险分析结果对目标车辆进行风险预警提醒。
在一些实施方式中,本申请实施例的驾驶风险预警方法可以由目标终端实施。
图2示意性地示出了本申请实施例提供的驾驶风险预警方法的步骤流程,该驾驶风险预警方法的执行主体可以是终端设备,也可以是服务器。
如图2所示,该驾驶风险预警方法主要可以包括如下步骤S210~步骤S230:
S210.获取目标车辆的第一运动数据并通过移动通信网络将第一运动数据上传至云平台。第一运动数据用于表示目标车辆在车辆行驶过程中产生的数据,第一运动数据至少包括第一位置,第一位置用于表示目标车辆的位置。
具体地,可以通过手机终端上的APP或小程序或车机终端上的APP或小程序等目标终端上的应用程序获取目标车辆的第一运动数据。在一些实施方式中,手机终端可以与目标车辆进行实时通讯以获取目标车辆的第一运动数据。其中,第一运动数据可以包括第一位置、第一速度、第一航向角数据以及目标车辆的刹车状态、目标车辆的紧急事件状态等。
云平台可以是云服务器或者物理服务器等。目标车辆上的目标终端可以通过移动通信网络与云平台建立网络联系,从而目标终端能够通过移动通信网络将目标车辆的第一运动数据上传至云平台。
具体地,目标车辆上的目标终端可以为手机、平板、智能手表等移动终端,或者安装在车辆上的车载终端。目标终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。目标终端可以通过自身的位置定位功能周期性地获取位置,由于目标终端位于目标车辆上,目标终端和目标车辆可以视为相对静止,因此,可以将目标终端的位置作为目标车辆的第一位置。并且,目标终端可以根据自身周期性获取的位置计算对应的速度和航向角数据,又因为目标终端和目标车辆可以视为相对静止,因此可以将计算得到的速度和航向角数据作为目标车辆的第一速度和目标车辆的第一航向角数据,并将该第一位置、该第一速度和该第一航向角数据作为第一运动数据,通过移动通信网络一同上传至云平台。
具体地,移动通信网络可以为4G、5G等公用蜂窝移动通信网络。在一些实施方式中,移动通信网络也可以为通过基站实现的专有频率的专用移动通信网络。
在一些实施方式中,目标终端可以与目标终端所在的目标车辆的车辆传感器直接连接,以采集目标车辆对应的第一运动数据以及紧急刹车事件状态、刹车防抱死开启事件状态、车身稳定控制触发事件状态、爆胎事件状态、安全气囊弹出事件状态等紧急事件状态。
在一些实施方式中,在以上实施例的基础上,目标终端可以在得到目标车辆的第一位置后,可以通过移动通信网络将第一位置作为第一运动数据上传至云平台,并在云平台中根据第一位置计算该目标车辆的第一速度和第一航向角数据,以进行后续的运动匹配计算和风险分析。
图3示意性地示出了本申请实施例中目标车辆、车载设备与云平台协同通信的架构示意图。如图3所示,目标终端301和目标终端302获取目标车辆的第一运动数据并通过4G/5G的移动通信网络将第一运动数据上传至云平台,第一运动数据至少包括第一位置。
图4示意性地示出了本申请实施例中获取目标车辆的第一运动数据并通过移动通信网络将第一运动数据上传至云平台的步骤流程。如图4所示,在以上实施例的基础上,在某些实施例中,目标车辆包括目标终端,步骤S210中的获取目标车辆的第一运动数据并通过移动通信网络将第一运动数据上传至云平台,可以进一步包括以下步骤S410~步骤S430:
S410.获取目标车辆的第一运动数据;
S420.通过应用程序与云平台建立连接;
S430.通过应用程序将目标车辆的第一运动数据上传至云平台。
目标终端上可以安装有应用程序。具体地,应用程序可以为APP或小程序等。通过目标终端的应用程序可以将目标车辆的第一运动数据上传至云平台。
图5示意性地示出了本申请实施例中通过应用程序将目标车辆的第一运动数据上传至云平台的步骤流程。如图5所示,在以上实施例的基础上,在某些实施例中,步骤S430中的通过应用程序将目标车辆的第一运动数据上传至云平台,可以进一步包括以下步骤S510~步骤S520:
S510.通过应用程序,为目标车辆在云平台上创建对应的长期账号;
S520.按照预设的第二频率将目标车辆的第一运动数据上传至云平台,并将第一运动数据关联至长期账号下。
通过目标终端上运行的应用程序,为目标车辆在云平台上创建对应的长期账号,从而使得目标终端与云平台能够建立长期连接,并按照预设的第二频率将目标车辆的第一运动数据上传至云平台上的对应的长期账号下。从而实现目标终端与云平台长时间的稳定连接,有利于云平台能够在无需重新连接的情况下,随时根据风险分析得到的风险分析结果对目标车辆进行风险预警提醒,能够提高风险预警提醒的下发速度,有利于风险预警效率。
在具体实施例中,预设的第二频率可以为8Hz、9Hz、10Hz、12Hz、15Hz等。
S220.获取云平台返回的风险分析结果。其中,风险分析结果通过对第一运动数据与第二运动数据进行运动匹配计算和风险分析得到;第二运动数据用于表示位于目标车辆第一半径范围内的车载设备所装配的车辆,在车辆行驶过程中产生的数据;第二运动数据通过车载设备,通过车用无线通信技术广播至车载设备周围的路侧设备,并由路侧设备上传至云平台。
具体地,车用无线通信技术可以是V2X(Vehicle to everything)网络。车载设备可以通过V2X技术将第二运动数据作为BSM(Basic Safety Message,车辆基本安全消息)广播至车载设备周围的路侧设备和其他车载设备。
车载设备可以是专用的车用无线通信技术OBU(On board Unit,车载单元),或者其他能够与路侧设备和其他车载设备广播通信的车用无线通信单元。
在一些实施方式中,可以根据第一位置获取位于目标车辆第一半径范围内,并且与目标车辆位于同向车道内的车载设备的第二运动数据。在一些实施方式中,可以根据第一位置获取位于目标车辆第一半径范围内,并且与目标车辆位于同一车道内的车载设备的第二运动数据。
具体地,第一半径范围可以为行车安全距离,在不同的天气、路况中,第一半径范围可以动态地随之变化。例如,当天气为雨天时,第一半径范围可以为0~150米,当天气为晴天时,第一半径范围可以为0~100米。
在一些实施方式中,第一半径范围可以设置得更大,例如,第一半径范围可以为0~1000米、0~2000米等。由此,可以有助于目标车辆能够及时了解目标车辆周边道路中不安全的车辆情况。
在一些实施方式中,第一半径范围可以设置得更小,例如,第一半径范围可以为0~50米、0~60米等,从而能够在堵车发送,车流密集且缓速时,关注与目标车辆距离较近的车载设备和其他目标车辆,能够降低云平台进行云端匹配计算和风险分析的计算量,能够提高云端计算效率,从而提高响应效率。
在以上实施例的基础上,在某些实施例中,第二运动数据先通过车载设备,按照预设的第一频率通过车用无线通信技术广播至车载设备周围的路侧设备,再通过路侧设备实时上传至云平台。
图6示意性地示出了本申请实施例中的获取云平台返回的风险分析结果之前的部分步骤流程。如图6所示,在以上实施例的基础上,在某些实施例中,步骤S220的获取云平台返回的风险分析结果之前,可以进一步包括以下步骤S610~步骤S630:
S610.通过车载设备采集车载设备所在车辆的第二运动数据;
S620.通过车载设备,按照预设的第一频率将第二运动数据通过车用无线通信技术广播至车载设备周围的路侧设备;
S630.通过路侧设备,将接收到的第二运动数据实时上传至云平台。
车载设备可以与车载设备所在车辆的车身直接连接,以采集车载设备所在车辆的第二运动数据。
第二运动数据可以包括第二位置、第二速度和第二航向角度等。通过车载设备,按照预设的第一频率将第二运动数据通过车用无线通信技术广播至车载设备周围的路侧设备,再通过路侧设备,将接收到的车载设备的第二运动数据实时上传至云平台。具体地,可以通过无线通信网络或者有线通信网络,将接收到的车载设备的第二运动数据,通过路侧设备实时上传至云平台。由此,实现采用车用无线通信技术的车载设备的车辆、采用移动通信网络的目标终端的目标车辆,在云平台上实现车车协同,并且通过云平台的运动匹配计算、风险分析和驾驶风险预警提醒实现智能的车联网,采用车用无线通信技术的车载设备的车辆和采用移动通信网络的目标终端的目标车辆能够共享车辆数据,协同工作,能够提高车辆智能度。
如图3所示,车载设备303采集车载设备303所在车辆的第二运动数据后,通过车载设备303,按照预设的第一频率将第二运动数据作为BSM通过V2X技术广播至车载设备周围的路侧设备305中,再通过路侧设备305,将接收到的车载设备303的第二运动数据实时上传至云平台。并且,车载设备304采集车载设备304所在车辆的第二运动数据后,通过车载设备304,按照预设的第一频率将第二运动数据作为BSM通过V2X技术广播至车载设备周围的路侧设备305中,再通过路侧设备305,将接收到的车载设备304的第二运动数据实时上传至云平台。
在以上实施例的基础上,在某些实施例中,第二运动数据先通过车载设备,按照预设的第一频率通过车用无线通信技术广播至车载设备周围的周边车载设备中,再通过周边车载设备,通过车用无线通信技术广播转发至周边车载设备周围的路侧设备中。
图7示意性地示出了本申请实施例中通过车载设备,按照预设的第一频率将第二运动数据通过车用无线通信技术广播至车载设备周围的路侧设备的步骤流程。如图7所示,在以上实施例的基础上,在某些实施例中,步骤S620中的通过车载设备,按照预设的第一频率将第二运动数据通过车用无线通信技术广播至车载设备周围的路侧设备,可以进一步包括以下步骤S710~步骤S720:
S710.通过车载设备,按照预设的第一频率将车载设备所在车辆的第二运动数据通过车用无线通信技术广播至车载设备周围的周边车载设备中。
S720.通过周边车载设备,将车载设备所在车辆的第二运动数据通过车用无线通信技术广播转发至周边车载设备周围的路侧设备中。
周边车载设备可以与周边车载设备所在车辆的车身直接连接,以采集周边车载设备所在车辆的第三运动数据。
由此,先将车载设备所在车辆的第二运动数据通过车用无线通信技术广播至车载设备周围的周边车载设备中,再将车载设备所在车辆的第二运动数据通过车用无线通信技术广播转发至周边车载设备周围的路侧设备中,能够实现车用无线通信技术广播的传输距离的扩展,使得离路侧设备距离较远的车载设备也能通过数据的中继将第二运动数据广播并转发至路侧设备。从而,有利于提高路侧设备的可通信覆盖范围,提高本申请的驾驶风险预警方法的风险预警全面性。
在以上实施例的基础上,在某些实施例中,车载设备通过路侧设备,在云平台上创建对应的临时账号;在车载设备的第二运动数据通过路侧设备实时上传至云平台后,第二运动数据存储于云平台中,并且关联至临时账号下。在某些实施例中,驾驶风险预警方法还包括:
当临时账号对应的车载设备在预设间隔时间内未上传第二运动数据时,释放临时账号,并删除与临时账号关联的第二运动数据。
图8示意性地示出了本申请实施例中通过路侧设备,将接收到的车载设备的第二运动数据实时上传至云平台的步骤流程。如图8所示,在以上实施例的基础上,在某些实施例中,步骤S630中的通过路侧设备,将接收到的车载设备的第二运动数据实时上传至云平台,可以进一步包括以下步骤S810~步骤S840:
S810.通过路侧设备与云平台建立连接;
S820.通过路侧设备,为车载设备在云平台上创建对应的临时账号;
S830.通过路侧设备,实时将车载设备的第二运动数据上传至云平台,并将第二运动数据关联至临时账号下;
S840.当临时账号对应的车载设备在预设间隔时间内未上传第二运动数据时,云平台释放临时账号,并删除与临时账号关联的第二运动数据。
通过路侧设备,为车载设备在云平台上创建对应的临时账号,并实时将车载设备的第二运动数据上传至云平台上的对应的临时账号下。可以理解,路侧设备可能会收到多个车载设备发送的第二运动数据,并将第二运动数据上传至云平台。为车载设备在云平台上创建对应的临时账号,有利于路侧设备和云平台区分不同的车载设备。
当临时账号对应的车载设备在预设间隔时间内未上传第二运动数据时,云平台释放临时账号,并删除与临时账号关联的第二运动数据。车载设备的临时账号可以根据车载设备的签名产生,出于数据安全的考虑,可以令车载设备的签名安装固定周期重新随机生成,与此对应地,车载设备的临时账号也对应地在云平台上重新创建。由此,可以提高本申请的驾驶风险预警方法的数据传输过程的安全性。
在一些实施方式中,通过目标终端的应用程序,为目标车辆在云平台上创建对应的长期账号,和通过路侧设备,为车载设备在云平台上创建对应的临时账号,可以位于云平台中的两个账号池中,以在云平台上对通过移动通信网络接入的目标车辆和通过路侧设备接入的车载设备进行区分。
图9示意性地示出了本申请实施例中获取云平台返回的风险分析结果之前的部分步骤流程。如图9所示,在以上实施例的基础上,在某些实施例中,步骤S220中的获取云平台返回的风险分析结果之前,可以进一步包括以下步骤S910~步骤S940:
S910.获取路侧设备地图,并根据第一位置和路侧设备地图,获取位于目标车辆第一半径范围内的路侧设备;
S920.发送探测信号至路侧设备,以确定位于路侧设备第二半径范围内的车载设备;
S930.从位于路侧设备第二半径范围内的车载设备中筛选出位于目标车辆第一半径范围内的车载设备;
S940.获取位于目标车辆第一半径范围内的车载设备所在车辆的第二运动数据。
具体地,云平台上可以存储有路侧设备地图以供获取。路侧设备地图上标记了路侧设备的位置。可以理解,路侧设备可以是固定在路侧的,路侧设备的位置一般保持不变。在一些实施方式中,路侧设备可以每隔预设检查时间上传自身的位置以更新路侧设备地图,从而能够保证路侧设备地图上路侧设备的位置的准确性。由此,根据第一位置和路侧设备地图,可以获取位于目标车辆第一半径范围内的路侧设备。
通过路侧设备可以向路侧设备第二半径范围内的车载设备发出广播,可以根据车载设备的应答情况确定位于路侧设备第二半径范围内的车载设备。或者,通过路侧设备可以向通信范围内的车载设备发出广播,可以根据车载设备的应答信息中包括的距离信息,可以确定位于路侧设备第二半径范围内的车载设备。
从位于路侧设备第二半径范围内的车载设备中筛选出位于目标车辆第一半径范围内的车载设备,具体地,可以根据路侧设备第二半径范围内的车载设备相对于路侧设备的方位信息以及目标车辆相对于路侧设备的方位信息和距离信息,确定车载设备是否位于目标车辆第一半径范围内。
在一些实施方式中,可以通过路侧设备,确定位于路侧设备第二半径范围内的车载设备,并由于路侧设备位于目标车辆第一半径范围内,可以将位于路侧设备第二半径范围内的车载设备视为目标车辆第一半径范围内的车载设备,并获取位于路侧设备第二半径范围内的车载设备的第二运动数据。
图10示意性地示出了本申请实施例中对第一运动数据与第二运动数据进行运动匹配计算和风险分析的步骤流程。如图10所示,在以上实施例的基础上,在某些实施例中,第一运动数据还包括第一速度和第一航向角度,第一速度用于表示目标车辆行驶的速度,第一航向角度用于表示目标车辆在车辆行驶过程中的航向角度;第二运动数据包括第二位置、第二速度和第二航向角度,第二位置用于表示车载设备所装配的车辆的位置,第二速度用于表示车载设备所装配的车辆行驶的速度,第二航向角度用于表示车载设备所装配的车辆在车辆行驶过程中的航向角度。步骤S220中的对第一运动数据与第二运动数据进行运动匹配计算和风险分析,可以进一步包括以下步骤S1010~步骤S1020:
S1010.对第一位置、第一速度、第一航向角度与第二位置、第二速度、第二航向角度进行运动匹配计算,得到匹配计算结果;
S1020.根据匹配计算结果对目标车辆的驾驶风险进行风险分析。
由此,可以通过对第一位置、第一速度、第一航向角度与第二位置、第二速度、第二航向角度进行运动匹配计算,在云平台上模拟得到道路中的目标车辆和车载设备对应的车辆的碰撞可能性。并且,根据匹配计算结果可以对目标车辆的驾驶风险进行风险分析,得到风险分析结果,从而能够对目标车辆的驾驶风险进行预警。
在某些实施例中,在以上实施例的基础上,步骤S1010的第一位置、第一速度、第一航向角度与第二位置、第二速度、第二航向角度进行运动匹配计算,得到匹配计算结果,可以包括:
响应于接收到紧急事件状态,对第一位置、第一速度、第一航向角度与紧急事件状态、第二位置、第二速度、第二航向角度进行运动匹配计算,得到匹配计算结果。
具体地,可以是通过云平台响应于接收到紧急事件状态,对第一位置、第一速度、第一航向角度与紧急事件状态、第二位置、第二速度、第二航向角度进行运动匹配计算,得到匹配计算结果。也可以是通过目标终端响应于接收到紧急事件状态,对第一位置、第一速度、第一航向角度与紧急事件状态、第二位置、第二速度、第二航向角度进行运动匹配计算,得到匹配计算结果。
在某些实施例中,在以上实施例的基础上紧急事件状态包括以下状态的其中一个或多个:紧急刹车事件状态、刹车防抱死开启事件状态、车身稳定控制触发事件状态、爆胎事件状态、安全气囊弹出事件状态。
可以理解,当车辆发生紧急刹车事件状态、刹车防抱死开启事件状态、车身稳定控制触发事件状态、爆胎事件状态、安全气囊弹出事件状态等紧急事件时,该车辆及该车辆周围的目标车辆的驾驶风险会升高。响应于接收到紧急事件状态,对第一位置、第一速度、第一航向角度与紧急事件状态、第二位置、第二速度、第二航向角度进行运动匹配计算,得到匹配计算结果,能够及时地对风险较高的相关车辆进行运动匹配计算和风险分析,能够有利于及时地对车辆进行驾驶风险预警,提高道路车辆安全性。
在以上实施例的基础上,在某些实施例中,步骤S220的对第一运动数据与第二运动数据进行运动匹配计算和风险分析之前,可以进一步包括以下步骤:
根据第一位置,获取位于目标车辆第一半径范围内的路侧设备的环境设施数据,环境设施数据包括对路侧设备周边的道路环境和交通设施进行信息采集得到的采集数据,环境设施数据通过路侧设备按照预设的第三频率上传至云平台。
由此,目标设备能够快速获取目标车辆周围的路侧设备的环境设施数据,有利于后续的风险分析。例如,环境设施数据可以为交通信号灯数据、车道数据、非机动车数据、行人运动数据等。
图11示意性地示出了本申请实施例中对第一运动数据与第二运动数据进行运动匹配计算和风险分析之前的部分步骤流程。如图11所示,在以上实施例的基础上,在某些实施例中,步骤S220的对第一运动数据与第二运动数据进行运动匹配计算和风险分析之前,可以进一步包括以下步骤S1110~步骤S1120:
S1110.通过路侧设备,按照预设的第三频率将路侧设备的环境设施数据上传至云平台。环境设施数据包括对路侧设备周边的道路环境和交通设施进行信息采集得到的采集数据。
S1120.根据第一位置,获取位于目标车辆第一半径范围内的路侧设备的环境设施数据。
由此,路侧设备按照预设的第三频率将自身的环境设施数据上传至云平台,从而,云平台能够快速获取目标车辆周围的路侧设备的环境设施数据,有利于后续的风险分析。
在某些实施例中,步骤S220的对第一运动数据与第二运动数据进行运动匹配计算和风险分析,可以包括:
对第一运动数据、第二运动数据和环境设施数据进行运动匹配计算和风险分析。
具体地,可以是通过云平台对第一运动数据、第二运动数据和环境设施数据进行运动匹配计算和风险分析,或者,也可以是通过目标终端对第一运动数据、第二运动数据和环境设施数据进行运动匹配计算和风险分析。
由此,除了采用第一运动数据、第二运动数据,还采用了路侧设备的环境设施数据进行运动匹配计算和风险分析,能够提高运动匹配计算的信息完整度,从而提高风险分析和风险分析结果的准确性。
S230.根据风险分析结果对目标车辆进行风险预警提醒。
目标车辆上的目标终端通过移动通信网络获取云平台返回的风险分析结果,从而,目标终端可以根据风险分析结果对目标车辆进行风险预警提醒。具体地,可以在目标设备上播放风险语音播报提示、文字提示、颜色警示、光线提示等,实现对目标车辆上的驾驶员实行风险预警提醒,从而能够加强驾驶安全性能。
图12示意性地示出了本申请实施例中还可以包括的部分步骤流程。如图12所示,在以上实施例的基础上,在某些实施例中,第二运动数据还通过车载设备广播至位于车载设备周围的周边车载设备中,驾驶风险预警方法还可以进一步包括以下步骤S1210~步骤S1230:
S1210.获取周边车载设备的第三运动数据,第三运动数据用于表示周边车载设备所装配的车辆,在车辆行驶过程中产生的数据;
S1220.对第二运动数据与第三运动数据进行运动匹配计算和风险分析,得到周边车载设备对应的风险分析结果;
S1230.根据周边车载设备对应的风险分析结果对周边车载设备进行风险预警。
如图3所示,可以将车载设备303的第二运动数据通过V2X技术广播至车载设备303周围的周边车载设备304中,使得周边车载设备304可以接受到车载设备303广播的第二运动数据。与此相对地,可以将周边车载设备304的第三运动数据通过V2X技术广播至周边车载设备304周围的车载设备303,使得车载设备303也可以接受到周边车载设备304广播的第三运动数据。
并且,车载设备303可以获取自身所在车辆的第二运动数据,周边车载设备304也可以获取自身所在车辆的第三运动数据。
由此,通过周边车载设备304或者通过云平台可以对第三运动数据与接收到的第二运动数据进行运动匹配计算和风险分析,得到风险分析结果,以对该周边车载设备304进行风险预警。
或者,通过目标终端可以对该周边车载设备304的第三运动数据与接收到的车载设备的第二运动数据进行运动匹配计算和风险分析,得到风险分析结果,以对该周边车载设备304进行风险预警。
并且,车载设备303也可以对自身的第二运动数据与接收到的第三运动数据进行运动匹配计算和风险分析,得到风险分析结果,以对该车载设备303进行风险预警。
应当注意,尽管在附图中以特定顺序描述了本申请中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的驾驶风险预警方法。图13示意性地示出了本申请实施例提供的驾驶风险预警装置的结构框图。如图13所示,驾驶风险预警装置1300可以包括:
第一运动数据获取模块1310,被配置为获取目标车辆的第一运动数据并通过移动通信网络将第一运动数据上传至云平台,第一运动数据用于表示目标车辆在车辆行驶过程中产生的数据,第一运动数据至少包括第一位置,第一位置用于表示目标车辆的位置;
风险分析结果获取模块1320,被配置为获取云平台返回的风险分析结果,其中,风险分析结果通过对第一运动数据与第二运动数据进行运动匹配计算和风险分析得到;第二运动数据用于表示位于目标车辆第一半径范围内的车载设备所装配的车辆,在车辆行驶过程中产生的数据;第二运动数据通过车载设备,通过车用无线通信技术广播至车载设备周围的路侧设备,并由路侧设备上传至云平台;
风险预警提醒模块1330,被配置为根据风险分析结果对目标车辆进行风险预警提醒。
在本申请的一些实施例中,基于以上各实施例,第二运动数据先通过车载设备,按照预设的第一频率通过车用无线通信技术广播至车载设备周围的路侧设备,再通过路侧设备实时上传至云平台。
在本申请的一些实施例中,基于以上各实施例,第二运动数据先通过车载设备,按照预设的第一频率通过车用无线通信技术广播至车载设备周围的周边车载设备中,再通过周边车载设备,通过车用无线通信技术广播转发至周边车载设备周围的路侧设备中。
在本申请的一些实施例中,基于以上各实施例,车载设备通过路侧设备,在云平台上创建对应的临时账号;在车载设备的第二运动数据通过路侧设备实时上传至云平台后,第二运动数据存储于云平台中,并且关联至临时账号下;驾驶风险预警装置还包括:
当临时账号对应的车载设备在预设间隔时间内未上传第二运动数据时,释放临时账号,并删除与临时账号关联的第二运动数据。
在本申请的一些实施例中,基于以上各实施例,目标车辆包括目标终端,第一运动数据获取模块包括:
第一运动数据获取单元,被配置为获取目标车辆的第一运动数据;
连接建立单元,被配置为通过应用程序与云平台建立连接;
第一运动数据上传单元,被配置为通过应用程序将目标车辆的第一运动数据上传至云平台。
在本申请的一些实施例中,基于以上各实施例,第一运动数据上传单元包括:
长期账号创建子单元,被配置为通过应用程序,为目标车辆在云平台上创建对应的长期账号;
第一运动数据上传子单元,被配置为按照预设的第二频率将目标车辆的第一运动数据上传至云平台,并将第一运动数据关联至长期账号下。
在本申请的一些实施例中,基于以上各实施例,第一运动数据还包括第一速度和第一航向角度,第一速度用于表示目标车辆行驶的速度,第一航向角度用于表示目标车辆在车辆行驶过程中的航向角度;第二运动数据包括第二位置、第二速度和第二航向角度,第二位置用于表示车载设备所装配的车辆的位置,第二速度用于表示车载设备所装配的车辆行驶的速度,第二航向角度用于表示车载设备所装配的车辆在车辆行驶过程中的航向角度。风险分析模块包括:
运动匹配计算单元,被配置为对第一位置、第一速度、第一航向角度与第二位置、第二速度、第二航向角度进行运动匹配计算,得到匹配计算结果;
第一风险分析单元,被配置为根据匹配计算结果对目标车辆的驾驶风险进行风险分析。
在本申请的一些实施例中,基于以上各实施例,第二运动数据还包括紧急事件状态,运动匹配计算单元包括:
运动匹配计算子单元,被配置为响应于接收到紧急事件状态,对第一位置、第一速度、第一航向角度与紧急事件状态、第二位置、第二速度、第二航向角度进行运动匹配计算,得到匹配计算结果。
在本申请的一些实施例中,基于以上各实施例,紧急事件状态包括以下状态的其中一个或多个:紧急刹车事件状态、刹车防抱死开启事件状态、车身稳定控制触发事件状态、爆胎事件状态、安全气囊弹出事件状态。
在本申请的一些实施例中,基于以上各实施例,驾驶风险预警装置还包括:
环境设施数据获取单元,被配置为根据第一位置,获取位于目标车辆第一半径范围内的路侧设备的环境设施数据,所述环境设施数据包括对所述路侧设备周边的道路环境和交通设施进行信息采集得到的采集数据,所述环境设施数据通过路侧设备按照预设的第三频率上传至所述云平台。
风险分析模块,还包括:
第二风险分析单元,被配置为对第一运动数据、第二运动数据和环境设施数据进行运动匹配计算和风险分析。
在本申请的一些实施例中,基于以上各实施例,第二运动数据获取模块,包括:
路侧设备地图获取单元,被配置为获取路侧设备地图;
路侧设备获取单元,被配置为根据第一位置和路侧设备地图,获取位于目标车辆第一半径范围内的路侧设备;
探测单元,被配置为发送探测信号至路侧设备,以确定位于路侧设备第二半径范围内的车载设备;
车载设备筛选单元,被配置为从位于路侧设备第二半径范围内的车载设备中筛选出位于目标车辆第一半径范围内的车载设备。
第二运动数据获取单元,被配置为获取位于目标车辆第一半径范围内的车载设备所在车辆的第二运动数据。
在本申请的一些实施例中,基于以上各实施例,第二运动数据还通过车载设备广播至位于车载设备周围的周边车载设备中,驾驶风险预警装置还包括:
第三运动数据获取单元,被配置为获取周边车载设备的第三运动数据,第三运动数据用于表示周边车载设备所装配的车辆,在车辆行驶过程中产生的数据;
第三风险分析单元,被配置为对第二运动数据与第三运动数据进行运动匹配计算和风险分析,得到周边车载设备对应的风险分析结果;
风险预警单元,被配置为根据周边车载设备对应的风险分析结果对周边车载设备进行风险预警。
本申请各实施例中提供的驾驶风险预警装置的具体细节已经在对应的方法实施例中进行了详细的描述,此处不再赘述。
图14示意性地示出了用于实现本申请实施例的电子设备的结构框图。
需要说明的是,图14示出的电子设备1400仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图14所示,电子设备1400包括中央处理器1401(Central Processing Unit,CPU),其可以根据存储在只读存储器1402(Read-Only Memory,ROM)中的程序或者从存储部分1408加载到随机访问存储器1403(RandomAccess Memory,RAM)中的程序而执行各种适当的动作和处理。在随机访问存储器1403中,还存储有装置工作所需的各种程序和数据。中央处理器1401、在只读存储器1402以及随机访问存储器1403通过总线1404彼此相连。输入/输出接口1405(Input/Output接口,即I/O接口)也连接至总线1404。
以下部件连接至输入/输出接口1405:包括键盘、鼠标等的输入部分1406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1407;包括硬盘等的存储部分1408;以及包括诸如局域网卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至输入/输出接口1405。可拆卸介质1411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1410上,以便于从其上读出的计算机程序根据需要被安装入存储部分1408。
特别地,根据本申请的实施例,各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1409从网络上被下载和安装,和/或从可拆卸介质1411被安装。在该计算机程序被中央处理器1401执行时,执行本申请的装置中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的装置来实现,或者可以用专用硬件与计算机指令的组合来实现。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (15)
1.一种驾驶风险预警方法,其特征在于,所述方法包括:
获取目标车辆的第一运动数据并通过移动通信网络将所述第一运动数据上传至云平台,所述第一运动数据用于表示所述目标车辆在车辆行驶过程中产生的数据,所述第一运动数据至少包括第一位置,所述第一位置用于表示所述目标车辆的位置;
获取所述云平台返回的风险分析结果,其中,所述风险分析结果通过对所述第一运动数据与第二运动数据进行运动匹配计算和风险分析得到;所述第二运动数据用于表示位于所述目标车辆第一半径范围内的车载设备所装配的车辆,在车辆行驶过程中产生的数据;所述第二运动数据通过所述车载设备,通过车用无线通信技术广播至所述车载设备周围的路侧设备,并由所述路侧设备上传至所述云平台;
根据所述风险分析结果对所述目标车辆进行风险预警提醒。
2.根据权利要求1所述的驾驶风险预警方法,其特征在于,所述目标车辆包括目标终端,所述获取目标车辆的第一运动数据并通过移动通信网络将所述第一运动数据上传至云平台,包括:
获取目标车辆的第一运动数据;
通过应用程序与所述云平台建立连接;
通过所述应用程序将所述目标车辆的第一运动数据上传至所述云平台。
3.根据权利要求2所述的驾驶风险预警方法,其特征在于,所述通过所述应用程序将所述第一运动数据上传至所述云平台,包括:
通过所述应用程序,为所述目标车辆在所述云平台上创建对应的长期账号;
按照预设的第二频率将所述目标车辆的第一运动数据上传至所述云平台,并将所述第一运动数据关联至所述长期账号下。
4.根据权利要求1所述的驾驶风险预警方法,其特征在于,所述第二运动数据先通过所述车载设备,按照预设的第一频率通过车用无线通信技术广播至所述车载设备周围的路侧设备,再通过所述路侧设备实时上传至所述云平台。
5.根据权利要求4所述的驾驶风险预警方法,其特征在于,所述第二运动数据先通过所述车载设备,按照预设的第一频率通过车用无线通信技术广播至所述车载设备周围的周边车载设备中,再通过所述周边车载设备,通过车用无线通信技术广播转发至所述周边车载设备周围的所述路侧设备中。
6.根据权利要求4所述的驾驶风险预警方法,其特征在于,所述车载设备通过所述路侧设备,在所述云平台上创建对应的临时账号;在所述车载设备的第二运动数据通过所述路侧设备实时上传至所述云平台后,所述第二运动数据存储于所述云平台中,并且关联至所述临时账号下;所述方法还包括:
当所述临时账号对应的车载设备在预设间隔时间内未上传第二运动数据时,释放所述临时账号,并删除与所述临时账号关联的所述第二运动数据。
7.根据权利要求1所述的驾驶风险预警方法,其特征在于,所述第一运动数据还包括第一速度和第一航向角度,所述第一速度用于表示所述目标车辆行驶的速度,所述第一航向角度用于表示所述目标车辆在车辆行驶过程中的航向角度;所述第二运动数据包括第二位置、第二速度和第二航向角度,所述第二位置用于表示所述车载设备所装配的车辆的位置,所述第二速度用于表示所述车载设备所装配的车辆行驶的速度,所述第二航向角度用于表示所述车载设备所装配的车辆在车辆行驶过程中的航向角度;所述对所述第一运动数据与所述第二运动数据进行运动匹配计算和风险分析,包括:
对所述第一位置、所述第一速度、所述第一航向角度与所述第二位置、所述第二速度、所述第二航向角度进行运动匹配计算,得到匹配计算结果;
根据所述匹配计算结果对所述目标车辆的驾驶风险进行风险分析。
8.根据权利要求7所述的驾驶风险预警方法,其特征在于,所述第二运动数据还包括紧急事件状态,所述对所述第一位置、所述第一速度、所述第一航向角度与所述第二位置、所述第二速度、所述第二航向角度进行运动匹配计算,得到匹配计算结果,包括:
响应于接收到所述紧急事件状态,对所述第一位置、所述第一速度、所述第一航向角度与所述紧急事件状态、所述第二位置、所述第二速度、所述第二航向角度进行运动匹配计算,得到匹配计算结果。
9.根据权利要求8所述的驾驶风险预警方法,其特征在于,所述紧急事件状态包括以下状态的其中一个或多个:紧急刹车事件状态、刹车防抱死开启事件状态、车身稳定控制触发事件状态、爆胎事件状态、安全气囊弹出事件状态。
10.根据权利要求1所述的驾驶风险预警方法,其特征在于,在所述获取所述云平台返回的风险分析结果之前,所述方法还包括:
根据所述第一位置,获取位于所述目标车辆第一半径范围内的路侧设备的环境设施数据,所述环境设施数据包括对所述路侧设备周边的道路环境和交通设施进行信息采集得到的采集数据,所述环境设施数据通过路侧设备按照预设的第三频率上传至所述云平台;
所述对所述第一运动数据与所述第二运动数据进行运动匹配计算和风险分析,包括:
对所述第一运动数据、所述第二运动数据和所述环境设施数据进行运动匹配计算和风险分析。
11.根据权利要求1所述的驾驶风险预警方法,其特征在于,在所述获取所述云平台返回的风险分析结果之前,所述方法还包括:
获取路侧设备地图;
根据所述第一位置和所述路侧设备地图,获取位于所述目标车辆第一半径范围内的路侧设备;
发送探测信号至所述路侧设备,以确定位于所述路侧设备第二半径范围内的车载设备;
从所述位于所述路侧设备第二半径范围内的车载设备中筛选出位于所述目标车辆第一半径范围内的车载设备;
获取位于所述目标车辆第一半径范围内的车载设备所在车辆的第二运动数据。
12.根据权利要求1所述的驾驶风险预警方法,其特征在于,所述第二运动数据还通过所述车载设备广播至位于所述车载设备周围的周边车载设备中,所述方法还包括:
获取所述周边车载设备的第三运动数据,所述第三运动数据用于表示所述周边车载设备所装配的车辆,在车辆行驶过程中产生的数据;
对所述第二运动数据与所述第三运动数据进行运动匹配计算和风险分析,得到所述周边车载设备对应的风险分析结果;
根据所述周边车载设备对应的风险分析结果对所述周边车载设备进行风险预警。
13.一种驾驶风险预警装置,其特征在于,所述装置包括:
第一运动数据获取模块,被配置为获取目标车辆的第一运动数据并通过移动通信网络将所述第一运动数据上传至云平台,所述第一运动数据用于表示所述目标车辆在车辆行驶过程中产生的数据,所述第一运动数据至少包括第一位置,所述第一位置用于表示所述目标车辆的位置;
风险分析结果获取模块,被配置为获取所述云平台返回的风险分析结果,其中,所述风险分析结果通过对所述第一运动数据与第二运动数据进行运动匹配计算和风险分析得到;所述第二运动数据用于表示位于所述目标车辆第一半径范围内的车载设备所装配的车辆,在车辆行驶过程中产生的数据;所述第二运动数据通过所述车载设备,通过车用无线通信技术广播至所述车载设备周围的路侧设备,并由所述路侧设备上传至所述云平台;
风险预警提醒模块,被配置为根据所述风险分析结果对所述目标车辆进行风险预警提醒。
14.一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现权利要求1至12中任意一项所述的驾驶风险预警方法。
15.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至12中任意一项所述的驾驶风险预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903721.3A CN113763703A (zh) | 2021-08-06 | 2021-08-06 | 驾驶风险预警方法、装置、计算机可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903721.3A CN113763703A (zh) | 2021-08-06 | 2021-08-06 | 驾驶风险预警方法、装置、计算机可读介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113763703A true CN113763703A (zh) | 2021-12-07 |
Family
ID=78788664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110903721.3A Pending CN113763703A (zh) | 2021-08-06 | 2021-08-06 | 驾驶风险预警方法、装置、计算机可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763703A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708727A (zh) * | 2022-03-22 | 2022-07-05 | 东风汽车集团股份有限公司 | 基于移动小应用的车路协同增强系统及其通信方法 |
CN114937361A (zh) * | 2022-05-19 | 2022-08-23 | 广州市粤迅特数码技术有限公司 | 一种城市交通服务系统及操作方法 |
CN117727183A (zh) * | 2024-02-18 | 2024-03-19 | 南京淼瀛科技有限公司 | 结合车路协同的自动驾驶安全预警方法及系统 |
CN114937361B (zh) * | 2022-05-19 | 2024-05-28 | 广州新致信息科技有限公司 | 一种城市交通服务系统及操作方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103944963A (zh) * | 2014-03-26 | 2014-07-23 | 小米科技有限责任公司 | 数据同步方法、装置、设备及系统 |
CN107797779A (zh) * | 2017-10-27 | 2018-03-13 | 南京信安宝信息科技有限公司 | 一种基于临时账号的云打印方法 |
JP2018190221A (ja) * | 2017-05-09 | 2018-11-29 | 株式会社デンソー | 車載装置、運転支援装置及び運転支援ネットワーク |
CN208367923U (zh) * | 2018-07-13 | 2019-01-11 | 广州市军铭信息科技有限公司 | 一种远程寻车定位监控系统 |
CN110648548A (zh) * | 2019-09-12 | 2020-01-03 | 重庆邮电大学 | 一种基于路侧设备的路面安全性检测系统及方法 |
CN111739288A (zh) * | 2020-05-22 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 基于人工智能的车辆驾驶风险分析方法及相关装置 |
US20210089938A1 (en) * | 2019-09-24 | 2021-03-25 | Ford Global Technologies, Llc | Vehicle-to-everything (v2x)-based real-time vehicular incident risk prediction |
CN113066289A (zh) * | 2021-04-30 | 2021-07-02 | 腾讯科技(深圳)有限公司 | 驾驶辅助处理方法、装置、计算机可读介质及电子设备 |
CN113085852A (zh) * | 2021-04-09 | 2021-07-09 | 中移(上海)信息通信科技有限公司 | 自动驾驶车辆的行为预警方法、装置及云端设备 |
-
2021
- 2021-08-06 CN CN202110903721.3A patent/CN113763703A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103944963A (zh) * | 2014-03-26 | 2014-07-23 | 小米科技有限责任公司 | 数据同步方法、装置、设备及系统 |
JP2018190221A (ja) * | 2017-05-09 | 2018-11-29 | 株式会社デンソー | 車載装置、運転支援装置及び運転支援ネットワーク |
CN107797779A (zh) * | 2017-10-27 | 2018-03-13 | 南京信安宝信息科技有限公司 | 一种基于临时账号的云打印方法 |
CN208367923U (zh) * | 2018-07-13 | 2019-01-11 | 广州市军铭信息科技有限公司 | 一种远程寻车定位监控系统 |
CN110648548A (zh) * | 2019-09-12 | 2020-01-03 | 重庆邮电大学 | 一种基于路侧设备的路面安全性检测系统及方法 |
US20210089938A1 (en) * | 2019-09-24 | 2021-03-25 | Ford Global Technologies, Llc | Vehicle-to-everything (v2x)-based real-time vehicular incident risk prediction |
CN111739288A (zh) * | 2020-05-22 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 基于人工智能的车辆驾驶风险分析方法及相关装置 |
CN113085852A (zh) * | 2021-04-09 | 2021-07-09 | 中移(上海)信息通信科技有限公司 | 自动驾驶车辆的行为预警方法、装置及云端设备 |
CN113066289A (zh) * | 2021-04-30 | 2021-07-02 | 腾讯科技(深圳)有限公司 | 驾驶辅助处理方法、装置、计算机可读介质及电子设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708727A (zh) * | 2022-03-22 | 2022-07-05 | 东风汽车集团股份有限公司 | 基于移动小应用的车路协同增强系统及其通信方法 |
CN114937361A (zh) * | 2022-05-19 | 2022-08-23 | 广州市粤迅特数码技术有限公司 | 一种城市交通服务系统及操作方法 |
CN114937361B (zh) * | 2022-05-19 | 2024-05-28 | 广州新致信息科技有限公司 | 一种城市交通服务系统及操作方法 |
CN117727183A (zh) * | 2024-02-18 | 2024-03-19 | 南京淼瀛科技有限公司 | 结合车路协同的自动驾驶安全预警方法及系统 |
CN117727183B (zh) * | 2024-02-18 | 2024-05-17 | 南京淼瀛科技有限公司 | 结合车路协同的自动驾驶安全预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raza et al. | A survey on vehicular edge computing: architecture, applications, technical issues, and future directions | |
Zhang et al. | Mobile edge intelligence and computing for the internet of vehicles | |
Hamdi et al. | A review of applications, characteristics and challenges in vehicular ad hoc networks (VANETs) | |
CN112925657A (zh) | 一种车路云协同处理系统及方法 | |
CN113763703A (zh) | 驾驶风险预警方法、装置、计算机可读介质及电子设备 | |
KR20190011582A (ko) | 외부 이동 수단의 움직임과 관련된 데이터에 기반하여, 식별 정보가 변경된 외부 이동 수단을 확인하는 전자 장치 및 그 동작 방법 | |
CN105144264A (zh) | 用云协助来丰富驾驶体验 | |
Han et al. | Parallel vehicular networks: a CPSS-based approach via multimodal big data in IoV | |
CN113066289B (zh) | 驾驶辅助处理方法、装置、计算机可读介质及电子设备 | |
CN111267866B (zh) | 信息处理方法、装置、介质及电子设备 | |
Du et al. | KID model-driven things-edge-cloud computing paradigm for traffic data as a service | |
CN113645201B (zh) | 一种基于数字化车联网的应用代理系统及方法 | |
CN113415275A (zh) | 车辆消息的处理方法、装置、可读介质及电子设备 | |
Zhou et al. | Arve: Augmented reality applications in vehicle to edge networks | |
Lu et al. | The emergence of vehicle computing | |
Niaz et al. | Smart city IoT application for road infrastructure safety and monitoring by using digital twin | |
Mashwama et al. | Development of a Mobile Inter-Vehicular Communication System Based on Gossip Algorithm. | |
CN117062028A (zh) | 用于车辆的分布式处理系统 | |
CN115691183A (zh) | 一种基于端边云协同计算的车路协同驾驶方法及系统 | |
Hejazi et al. | A survey on the use-cases and deployment efforts toward converged internet of things (IoT) and vehicle-to-everything (V2X) environments | |
I. Meneguette et al. | Intelligent transportation systems | |
Chhabra et al. | Augmenting driver’s situational awareness using smartphones in VANETs | |
Khelifi et al. | Toward an efficient deployment of open source software in the Internet of vehicles field | |
Miyata | Digital transformation of automobile and mobility service | |
KR20230144539A (ko) | 차량 임계 모델들을 이용한 포지션 겹침 검사에서 신뢰값을 생성하기 위한 방법 및 시스템 |
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 |