CN114373295A - 一种行车安全预警方法、系统、存储介质及设备 - Google Patents
一种行车安全预警方法、系统、存储介质及设备 Download PDFInfo
- Publication number
- CN114373295A CN114373295A CN202111449240.6A CN202111449240A CN114373295A CN 114373295 A CN114373295 A CN 114373295A CN 202111449240 A CN202111449240 A CN 202111449240A CN 114373295 A CN114373295 A CN 114373295A
- Authority
- CN
- China
- Prior art keywords
- early warning
- vehicle
- driving
- data
- driving safety
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种行车安全预警方法、系统、存储介质及设备,方法包括:获取车辆在当前行驶环境下的车辆状态数据,车辆状态数据包括车辆行驶数据以及路面状态数据;结合预训练的深度学习模型,将车辆行驶数据与路面状态数据进行数据融合以及特征数据提取,并对特征提取后的数据进行降维处理,得到行车预警信息;获取并响应行车预警信息,将行车预警信息发送至车载单元,以使车载单元为车辆行驶提供行车安全预警。上述行车安全预警方法、系统、存储介质及设备,通过设置车载单元以及路侧单元用于获取车辆行驶过程中的数据,便于给车辆行驶提供数据辅助,避免驾驶员因视觉盲区使得无法及时采取安全行车操作导致引发安全事故的情况。
Description
技术领域
本发明涉及道路交通安全技术领域,特别涉及一种行车安全预警方法、系统、存储介质及设备。
背景技术
随着社会经济的发展,汽车的数量也越来越多,行车安全也成为了人们日常生活中的一个重要的课题。
在已发生的交通事故中,有许多交通事故是由于行人不遵守交通规则横穿车道而造成的。目前,对于行人横穿车道的情形,大多数驾驶员都是根据自身所观察到前方车道的情况而采取相应措施,然而由于前方车辆的阻挡,后方车辆的驾驶员很可能无法观察到行人横穿车道的情形,从而往往由于无法及时采取相应的措施而导致安全事故的发生,影响行车安全。
发明内容
基于此,本发明的目的是提供一种行车安全预警方法、系统、存储介质及设备,用于解决现有技术中由于无法准确获知道路情况导致驾驶员无法及时采取安全措施而引发安全事故的技术问题。
本发明一方面提供一种行车安全预警方法,通过一行车安全预警设备进行实现,所述行车安全预警设备包括车载单元、路侧单元以及连接所述车载单元与所述路侧单元的云服务器,所述云服务器通过所述车载单元与所述路侧单元获取车辆状态数据,所述车载单元获取所述云服务器处理后的车辆状态数据;
所述方法应用于所述云服务器,所述方法包括:
获取车辆在当前行驶环境下的车辆状态数据,所述车辆状态数据包括车辆行驶数据以及路面状态数据;
结合预训练的深度学习模型,将所述车辆行驶数据与所述路面状态数据进行数据融合以及特征数据提取,并对特征提取后的数据进行降维处理,得到行车预警信息;
获取并响应所述行车预警信息,将所述行车预警信息发送至车载单元,以使所述车载单元为车辆行驶提供行车安全预警。
上述行车安全预警方法,通过设置车载单元以及路侧单元用于获取车辆行驶过程中的数据,便于给车辆行驶提供数据辅助,避免驾驶员因视觉盲区使得无法及时采取安全行车操作导致引发安全事故的情况,具体的,通过云服务器处理行车数据,对获取到的路面数据进行数据融合以及特征提取,得到用于预警的行车预警信息,并将行车预警信息发送至车载单元,使得驾驶员能够及时获知路面信息,为驾驶员提供行车安全预警,解决了现有技术中由于无法准确获知道路情况导致驾驶员无法及时采取安全措施而引发安全事故的技术问题。
另外,根据本发明上述的行车安全预警方法,还可以具有如下附加的技术特征:
进一步地,所述以使车载单元为车辆行驶提供行车安全预警的步骤包括:
所述车载单元获取所述行车预警信息,并根据所述行车预警信息对车辆当前行驶环境进行场景重构,建立场景模型,所述行车预警信息包括多个预警等级,所述预警等级对应障碍物与车辆的相对距离;
所述场景模型将不同的预警等级对应不同的预警界面、且不同的预警界面对应不同的预警时长。
进一步地,所述行车预警信息还包括障碍物与车辆的相对位置信息,所述场景模型显示所述相对位置信息并根据障碍物与车辆的相对距离,响应不同的预警等级。
进一步地,当所述云服务器中断数据通讯时,所述车载单元无法获取所述云服务器处理后的车辆状态数据,所述车载单元通过所述路侧单元获取行车预警信息。
进一步地,当所述云服务器重新恢复数据通讯时,所述车载单元接收所述云服务器传输的行车预警信息的优先级高于从所述路侧单元获取行车预警信息的优先级。
进一步地,当所述云服务器与所述路侧单元均中断与所述车载单元的数据通讯时,所述行车安全预警系统唤醒所述车载单元的自带预警功能,所述自带预警功能包括车道偏离预警以及碰撞预警。
本发明另一方面提供一种行车安全预警系统,通过一行车安全预警设备进行实现,所述行车安全预警设备包括车载单元、路侧单元以及连接所述车载单元与所述路侧单元的云服务器,所述云服务器通过所述车载单元与所述路侧单元获取车辆状态数据,所述车载单元获取所述云服务器处理后的车辆状态数据;
所述系统应用于所述云服务器,所述系统包括:
获取模块,用于获取车辆在当前行驶环境下的车辆状态数据,所述车辆状态数据包括车辆行驶数据以及路面状态数据;
数据融合模块,用于结合预训练的深度学习模型,将所述车辆行驶数据与所述路面状态数据进行数据融合以及特征数据提取,并对特征提取后的数据进行降维处理,得到行车预警信息;
预警模块,用于获取并响应所述行车预警信息,将所述行车预警信息发送至车载单元,以使所述车载单元为车辆行驶提供行车安全预警。
上述行车安全预警设备,通过设置车载单元以及路侧单元用于获取车辆行驶过程中的数据,便于给车辆行驶提供数据辅助,避免驾驶员因视觉盲区使得无法及时采取安全行车操作导致引发安全事故的情况,具体的,通过云服务器处理行车数据,对获取到的路面数据进行数据融合以及特征提取,得到用于预警的行车预警信息,并将行车预警信息发送至车载单元,使得驾驶员能够及时获知路面信息,为驾驶员提供行车安全预警,解决了现有技术中由于无法准确获知道路情况导致驾驶员无法及时采取安全措施而引发安全事故的技术问题。
本发明另一方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述的行车安全预警方法。
本发明另一方面还提供一种数据处理设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述的行车安全预警方法。
附图说明
图1为本发明第一实施例中行车安全预警方法的流程图;
图2为本发明第二实施例中行车安全预警方法的流程图;
图3为本发明第二实施例中行车安全预警系统的系统框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本申请中的行车安全预警方法,通过一行车安全预警设备进行实现,行车安全预警设备包括车载单元、路侧单元以及连接车载单元与路侧单元的云服务器,云服务器通过车载单元与路侧单元获取车辆状态数据,车载单元获取云服务器处理后的车辆状态数据,具体的,本申请中采用云服务器中的边缘云用于云端通讯。
路侧单元设于路侧基础设施,路侧基础设施布置在路侧杆件上,路侧基础设施还包括摄像头、毫米波雷达、激光雷达、交通信号、北斗基站、电子站牌设施,其中路侧单元(RSU)连接有路侧计算单元(RCU)、摄像头、毫米波雷达、激光雷达、交通信号、北斗差分基站、电子站牌。
进一步的,路侧单元RSU的数据,以2HZ频率采集图像、雷达、信号灯、地图、交通信号、定位信息。路侧单元(RSU)作为差分定位基站,制造冗余监测数据,与北斗卫星、被定位的终端、北斗差分基站组成高精度定位系统定位数据实时校核,提升被定位终端定位精度,使定位的精度提升到3mm级别。
具体的,路侧单元主要包括:感知模块、数据处理模块、通信模组、展示模块和电源单元。通过感知模块采集其所连接附件的交通和车辆驾驶环境信息,数据处理模块对数据进行预处理、CNN模型训练,深度学习输出的预警信息通过通讯模块完成车载单元OBU通讯。
智能车载单元OBU布置在车端,连接有AVM摄像头、测视摄像头、前视摄像头、前向毫米波雷达、左前毫米波雷达、右前毫米波雷达、右后毫米波雷达、左后毫米波雷达、地图盒子、ADAS域控制器、智能中央网关、TBOX、IVI,获取车载网络原始数据信息。
智能车载单元OBU主要包括:感知模块、数据处理模块、无线通信模组、车载终端和电源单元。通过感知模块获取车载网络原始数据信息,数据处理模块对数据进行预处理,无线通讯模组用于发送和接收数据,车载终端用于预警信息的提示。智能车载单元OBU对获取的数据进行预处理,并将预处理得到的11类线性无关的特征向量通过通讯模组传输到RSU和边缘云节点。
实施例一
请参阅图1,所示为本发明第一实施例中的行车安全预警方法,方法应用于云服务器,方法包括步骤S101至步骤S103:
S101、获取车辆在当前行驶环境下的车辆状态数据。
具体的,车辆状态数据包括车辆行驶数据以及路面状态数据。
车辆状态数据包括与行车信息密切相关的11类线性无关的特征向量,11类信息分别为目标速度、目标位置、目标数量、目标种类、目标行进方向、目标尺寸、目标距离、目标加速度、路面类型、路面天气信息、路面信号灯信息。
S102、结合预训练的深度学习模型,将车辆行驶数据与路面状态数据进行数据融合以及特征数据提取,并对特征提取后的数据进行降维处理,得到行车预警信息。
车载单元通过内部通讯模组对车辆原始信息实施中心化、白化、以及卷积方式的预处理得到的11类线性无关的特征向量传输至RSU以及边缘云节点。路侧单元RSU通过内部通讯模组将预处理得到的11类线性无关的特征向量传输至边缘云节点。
RSU会对自身预处理得到的11类线性无关向量和收到来自OBU的11类线性无关向量做特征向量融合,并输入到CNN卷积层进行训练特征提取,然后将特征矩阵输入到CNN池化层进行特征矩阵降维度处理,最后将池化层得到的特征向量经过分类器训练得到行车预警信息。
边缘云会对获取到来自RSU输出的的11类线性无关向量和来自OBU的11类线性无关向量做特征向量融合,并输入到CNN卷积层进行特征提取,然后将特征矩阵输入到CNN池化层进行特征矩阵降维度处理,然后将CNN池化层输出的特征举证和边缘云处理的来自网络交通信息、网络路面信息的特征矩阵做数据融合处理,最后将池化层得到的特征向量经过分类器训练得到行车周边预警信息。
S103、获取并响应行车预警信息,将行车预警信息发送至车载单元,以使车载单元为车辆行驶提供行车安全预警。
综上,本发明上述实施例当中的行车安全预警方法,通过设置车载单元以及路侧单元用于获取车辆行驶过程中的数据,便于给车辆行驶提供数据辅助,避免驾驶员因视觉盲区使得无法及时采取安全行车操作导致引发安全事故的情况,具体的,通过云服务器处理行车数据,对获取到的路面数据进行数据融合以及特征提取,得到用于预警的行车预警信息,并将行车预警信息发送至车载单元,使得驾驶员能够及时获知路面信息,为驾驶员提供行车安全预警,解决了现有技术中由于无法准确获知道路情况导致驾驶员无法及时采取安全措施而引发安全事故的技术问题。
实施例二
请查阅图2,所示为本发明第二实施例中的行车安全预警方法,方法应用于云服务器,方法包括步骤S201至步骤S203:
S201、获取车辆在当前行驶环境下的车辆状态数据。
具体的,车辆状态数据包括车辆行驶数据以及路面状态数据。
S202、结合预训练的深度学习模型,将车辆行驶数据与路面状态数据进行数据融合以及特征数据提取,并对特征提取后的数据进行降维处理,得到行车预警信息。
S203、获取并响应行车预警信息,将行车预警信息发送至车载单元,以使车载单元为车辆行驶提供行车安全预警。
具体的,车载单元获取行车预警信息,并根据行车预警信息对车辆当前行驶环境进行场景重构,建立场景模型,行车预警信息包括多个预警等级,预警等级对应障碍物与车辆的相对距离。场景模型将不同的预警等级对应不同的预警界面、且不同的预警界面对应不同的预警时长。
进一步的,行车预警信息还包括障碍物与车辆的相对位置信息,场景模型显示相对位置信息并根据障碍物与车辆的相对距离,响应不同的预警等级。
作为一个具体示例,当云服务器中断数据通讯时,车载单元无法获取云服务器处理后的车辆状态数据,车载单元通过路侧单元获取行车预警信息。
当云服务器重新恢复数据通讯时,车载单元接收云服务器传输的行车预警信息的优先级高于从路侧单元获取行车预警信息的优先级。需要进一步说明的是,当云服务器与路侧单元均中断与车载单元的数据通讯时,行车安全预警系统唤醒车载单元的自带预警功能,自带预警功能包括车道偏离预警以及碰撞预警。
综上,本发明上述实施例当中的行车安全预警方法,通过设置车载单元以及路侧单元用于获取车辆行驶过程中的数据,便于给车辆行驶提供数据辅助,避免驾驶员因视觉盲区使得无法及时采取安全行车操作导致引发安全事故的情况,具体的,通过云服务器处理行车数据,对获取到的路面数据进行数据融合以及特征提取,得到用于预警的行车预警信息,并将行车预警信息发送至车载单元,使得驾驶员能够及时获知路面信息,为驾驶员提供行车安全预警,解决了现有技术中由于无法准确获知道路情况导致驾驶员无法及时采取安全措施而引发安全事故的技术问题。
实施例三
请参阅图3,所示为本发明第三实施例中的行车安全预警系统,所述系统通过一行车安全预警设备进行实现,所述行车安全预警设备包括车载单元、路侧单元以及连接所述车载单元与所述路侧单元的云服务器,所述云服务器通过所述车载单元与所述路侧单元获取车辆状态数据,所述车载单元获取所述云服务器处理后的车辆状态数据;
所述系统应用于所述云服务器,所述系统包括:
获取模块,用于获取车辆在当前行驶环境下的车辆状态数据,所述车辆状态数据包括车辆行驶数据以及路面状态数据;
数据融合模块,用于结合预训练的深度学习模型,将所述车辆行驶数据与所述路面状态数据进行数据融合以及特征数据提取,并对特征提取后的数据进行降维处理,得到行车预警信息;
预警模块,用于获取并响应所述行车预警信息,将所述行车预警信息发送至车载单元,以使所述车载单元为车辆行驶提供行车安全预警。
综上,本发明上述实施例当中的行车安全预警系统,通过设置车载单元以及路侧单元用于获取车辆行驶过程中的数据,便于给车辆行驶提供数据辅助,避免驾驶员因视觉盲区使得无法及时采取安全行车操作导致引发安全事故的情况,具体的,通过云服务器处理行车数据,对获取到的路面数据进行数据融合以及特征提取,得到用于预警的行车预警信息,并将行车预警信息发送至车载单元,使得驾驶员能够及时获知路面信息,为驾驶员提供行车安全预警,解决了现有技术中由于无法准确获知道路情况导致驾驶员无法及时采取安全措施而引发安全事故的技术问题。
此外,本发明的实施例还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例中方法的步骤。
此外,本发明的实施例还提出一种数据处理设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述实施例中方法的步骤。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“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发明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。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (9)
1.一种行车安全预警方法,其特征在于,通过一行车安全预警设备进行实现,所述行车安全预警设备包括车载单元、路侧单元以及连接所述车载单元与所述路侧单元的云服务器,所述云服务器通过所述车载单元与所述路侧单元获取车辆状态数据,所述车载单元获取所述云服务器处理后的车辆状态数据;
所述方法应用于所述云服务器,所述方法包括:
获取车辆在当前行驶环境下的车辆状态数据,所述车辆状态数据包括车辆行驶数据以及路面状态数据;
结合预训练的深度学习模型,将所述车辆行驶数据与所述路面状态数据进行数据融合以及特征数据提取,并对特征提取后的数据进行降维处理,得到行车预警信息;
获取并响应所述行车预警信息,将所述行车预警信息发送至车载单元,以使所述车载单元为车辆行驶提供行车安全预警。
2.根据权利要求1所述的行车安全预警方法,其特征在于,所述以使车载单元为车辆行驶提供行车安全预警的步骤包括:
所述车载单元获取所述行车预警信息,并根据所述行车预警信息对车辆当前行驶环境进行场景重构,建立场景模型,所述行车预警信息包括多个预警等级,所述预警等级对应障碍物与车辆的相对距离;
所述场景模型将不同的预警等级对应不同的预警界面、且不同的预警界面对应不同的预警时长。
3.根据权利要求2所述的行车安全预警方法,其特征在于,
所述行车预警信息还包括障碍物与车辆的相对位置信息,所述场景模型显示所述相对位置信息并根据障碍物与车辆的相对距离,响应不同的预警等级。
4.根据权利要求1所述的行车安全预警方法,其特征在于,
当所述云服务器中断数据通讯时,所述车载单元无法获取所述云服务器处理后的车辆状态数据,所述车载单元通过所述路侧单元获取行车预警信息。
5.根据权利要求4所述的行车安全预警方法,其特征在于,
当所述云服务器重新恢复数据通讯时,所述车载单元接收所述云服务器传输的行车预警信息的优先级高于从所述路侧单元获取行车预警信息的优先级。
6.根据权利要求5所述的行车安全预警方法,其特征在于,
当所述云服务器与所述路侧单元均中断与所述车载单元的数据通讯时,所述行车安全预警系统唤醒所述车载单元的自带预警功能,所述自带预警功能包括车道偏离预警以及碰撞预警。
7.一种行车安全预警系统,其特征在于,通过一行车安全预警设备进行实现,所述行车安全预警设备包括车载单元、路侧单元以及连接所述车载单元与所述路侧单元的云服务器,所述云服务器通过所述车载单元与所述路侧单元获取车辆状态数据,所述车载单元获取所述云服务器处理后的车辆状态数据;
所述系统应用于所述云服务器,所述系统包括:
获取模块,用于获取车辆在当前行驶环境下的车辆状态数据,所述车辆状态数据包括车辆行驶数据以及路面状态数据;
数据融合模块,用于结合预训练的深度学习模型,将所述车辆行驶数据与所述路面状态数据进行数据融合以及特征数据提取,并对特征提取后的数据进行降维处理,得到行车预警信息;
预警模块,用于获取并响应所述行车预警信息,将所述行车预警信息发送至车载单元,以使所述车载单元为车辆行驶提供行车安全预警。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一所述的行车安全预警方法。
9.一种数据处理设备,包括存储器、处理器以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程序时实现如权利要求1-6任一所述的行车安全预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111449240.6A CN114373295B (zh) | 2021-11-30 | 2021-11-30 | 一种行车安全预警方法、系统、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111449240.6A CN114373295B (zh) | 2021-11-30 | 2021-11-30 | 一种行车安全预警方法、系统、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114373295A true CN114373295A (zh) | 2022-04-19 |
CN114373295B CN114373295B (zh) | 2023-10-20 |
Family
ID=81139609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111449240.6A Active CN114373295B (zh) | 2021-11-30 | 2021-11-30 | 一种行车安全预警方法、系统、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114373295B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115277373A (zh) * | 2022-06-06 | 2022-11-01 | 中智行(苏州)科技有限公司 | 一种基于车路协调的自动驾驶线控冗余系统 |
CN115862188A (zh) * | 2022-12-01 | 2023-03-28 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种基于云端感知异常驾驶的方法及装置 |
CN115985089A (zh) * | 2022-12-01 | 2023-04-18 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种基于云端感知弱势交通参与者的方法及装置 |
CN117389256A (zh) * | 2023-12-11 | 2024-01-12 | 青岛盈智科技有限公司 | 一种运输过程中货车车辆状态的预警方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140106803A (ko) * | 2013-02-27 | 2014-09-04 | 강재민 | 자동차 주행거리를 적산하는 자동차 충돌사고 알림시스템 및 그 방법 |
CN108243259A (zh) * | 2018-02-08 | 2018-07-03 | 北京车和家信息技术有限公司 | 车联网数据的传输方法、装置及系统 |
KR20180080391A (ko) * | 2017-01-02 | 2018-07-12 | 주식회사 피엘케이 테크놀로지 | V2x 통신을 이용한 무단 횡단 보행자의 사고 방지 시스템 |
US20180231977A1 (en) * | 2017-02-16 | 2018-08-16 | Toyota Jidosha Kabushiki Kaisha | Vehicle communication system and vehicle control device |
CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
CN111354222A (zh) * | 2018-12-20 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
CN111915915A (zh) * | 2020-07-16 | 2020-11-10 | 华人运通(上海)自动驾驶科技有限公司 | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 |
KR20210038852A (ko) * | 2020-06-29 | 2021-04-08 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 조기 경보 방법, 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체 및 컴퓨터 프로그램 |
US20210125076A1 (en) * | 2019-10-29 | 2021-04-29 | Denso International America, Inc. | System for predicting aggressive driving |
CN113568012A (zh) * | 2021-07-12 | 2021-10-29 | 杭州众钢汇网络科技有限公司 | 一种车载北斗真实掉线预警方法、系统、设备及存储介质 |
CN113592699A (zh) * | 2020-04-30 | 2021-11-02 | 辉达公司 | 使用一个或更多个神经网络的内容管理 |
-
2021
- 2021-11-30 CN CN202111449240.6A patent/CN114373295B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140106803A (ko) * | 2013-02-27 | 2014-09-04 | 강재민 | 자동차 주행거리를 적산하는 자동차 충돌사고 알림시스템 및 그 방법 |
KR20180080391A (ko) * | 2017-01-02 | 2018-07-12 | 주식회사 피엘케이 테크놀로지 | V2x 통신을 이용한 무단 횡단 보행자의 사고 방지 시스템 |
US20180231977A1 (en) * | 2017-02-16 | 2018-08-16 | Toyota Jidosha Kabushiki Kaisha | Vehicle communication system and vehicle control device |
CN108243259A (zh) * | 2018-02-08 | 2018-07-03 | 北京车和家信息技术有限公司 | 车联网数据的传输方法、装置及系统 |
CN111354222A (zh) * | 2018-12-20 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
US20210125076A1 (en) * | 2019-10-29 | 2021-04-29 | Denso International America, Inc. | System for predicting aggressive driving |
CN113592699A (zh) * | 2020-04-30 | 2021-11-02 | 辉达公司 | 使用一个或更多个神经网络的内容管理 |
KR20210038852A (ko) * | 2020-06-29 | 2021-04-08 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 조기 경보 방법, 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체 및 컴퓨터 프로그램 |
CN111915915A (zh) * | 2020-07-16 | 2020-11-10 | 华人运通(上海)自动驾驶科技有限公司 | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 |
CN113568012A (zh) * | 2021-07-12 | 2021-10-29 | 杭州众钢汇网络科技有限公司 | 一种车载北斗真实掉线预警方法、系统、设备及存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115277373A (zh) * | 2022-06-06 | 2022-11-01 | 中智行(苏州)科技有限公司 | 一种基于车路协调的自动驾驶线控冗余系统 |
CN115277373B (zh) * | 2022-06-06 | 2024-05-14 | 中智行(苏州)科技有限公司 | 一种基于车路协调的自动驾驶线控冗余系统 |
CN115862188A (zh) * | 2022-12-01 | 2023-03-28 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种基于云端感知异常驾驶的方法及装置 |
CN115985089A (zh) * | 2022-12-01 | 2023-04-18 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种基于云端感知弱势交通参与者的方法及装置 |
CN115985089B (zh) * | 2022-12-01 | 2024-03-19 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种基于云端感知弱势交通参与者的方法及装置 |
CN117389256A (zh) * | 2023-12-11 | 2024-01-12 | 青岛盈智科技有限公司 | 一种运输过程中货车车辆状态的预警方法 |
CN117389256B (zh) * | 2023-12-11 | 2024-03-08 | 青岛盈智科技有限公司 | 一种运输过程中货车车辆状态的预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114373295B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114373295B (zh) | 一种行车安全预警方法、系统、存储介质及设备 | |
CN111524357B (zh) | 用于车辆安全行驶所需的多数据融合的方法 | |
CN110873568B (zh) | 高精度地图的生成方法、装置以及计算机设备 | |
US20210078562A1 (en) | Planning for unknown objects by an autonomous vehicle | |
CN111524362B (zh) | 基于多数据融合的车辆安全行驶保障系统与方法 | |
US20180259968A1 (en) | Planning for unknown objects by an autonomous vehicle | |
US20140257686A1 (en) | Vehicle lane determination | |
CN113792566B (zh) | 一种激光点云的处理方法及相关设备 | |
CN110928286B (zh) | 用于控制车辆的自动驾驶的方法、设备、介质和系统 | |
US20180259967A1 (en) | Planning for unknown objects by an autonomous vehicle | |
JP7466396B2 (ja) | 車両制御装置 | |
US11912286B2 (en) | Driving risk identification model calibration method and system | |
US10369995B2 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
CN110606070B (zh) | 一种智能驾驶车辆及其制动方法、车载设备和存储介质 | |
CN111429739A (zh) | 一种辅助驾驶方法和系统 | |
CN106448263B (zh) | 车辆行驶安全管理系统及方法 | |
US20230063930A1 (en) | Vehicle recording device and information recording method | |
EP3407325A1 (en) | Display device control method and display device | |
CN110936960A (zh) | 一种辅助驾驶方法和系统 | |
CN111354222A (zh) | 一种辅助驾驶方法和系统 | |
WO2020258276A1 (zh) | 一种智能驾驶车辆让行方法、装置及车载设备 | |
CN116135654A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
US20190161090A1 (en) | Vehicle control device, vehicle control method, and recording medium | |
CN116142178A (zh) | 一种车辆辅助驾驶方法、系统、介质及电子设备 | |
CN114655230A (zh) | 一种基于路侧多传感器的智能驾驶决策系统 |
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 |