CN114419888A - 一种货运车辆的安全预警方法、装置、设备及存储介质 - Google Patents

一种货运车辆的安全预警方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114419888A
CN114419888A CN202210074527.3A CN202210074527A CN114419888A CN 114419888 A CN114419888 A CN 114419888A CN 202210074527 A CN202210074527 A CN 202210074527A CN 114419888 A CN114419888 A CN 114419888A
Authority
CN
China
Prior art keywords
target
early warning
intersection
freight vehicle
vehicle
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
Application number
CN202210074527.3A
Other languages
English (en)
Inventor
刘春霖
彭海军
曹桂锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Huitongtianxia Iot Technology Co ltd
Original Assignee
Beijing Huitongtianxia Iot Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Huitongtianxia Iot Technology Co ltd filed Critical Beijing Huitongtianxia Iot Technology Co ltd
Priority to CN202210074527.3A priority Critical patent/CN114419888A/zh
Publication of CN114419888A publication Critical patent/CN114419888A/zh
Pending legal-status Critical Current

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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • 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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09626—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages where the origin of the information is within the own vehicle, e.g. a local storage device, digital map

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种货运车辆的安全预警方法、装置、设备及存储介质，涉及交通车辆领域。该方法包括：获取针对目标货运车辆在行进过程中的定位数据；根据所述定位数据和预设的路口数据库中多个路口的属性数据，判断所述目标货运车辆是否进入所述多个路口中的目标路口的预警范围；若所述目标货运车辆进入所述目标路口的预警范围，则生成针对所述目标货运车辆的路口预警事件；响应所述路口预警事件，获取所述目标货运车辆的车辆画像信息；根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述风险类型对应的目标干预方式；采用所述目标干预方式执行针对所述目标货运车辆的干预任务，该方法实现了对货运车辆这一细分车型的精准安全预警。

Description

一种货运车辆的安全预警方法、装置、设备及存储介质
技术领域
本申请涉及交通车辆领域，具体而言，涉及一种货运车辆的安全预警方法、装置、设备及存储介质。
背景技术
道路路口是不同道路的交汇点，是交通事故的易发地，因此，需要对路口附近的车辆进行预警提示，提醒驾驶人员，以减少交通事故的发生。
现有技术中，随着手机端APP的发展，百度地图等APP可以提供实时地图服务，并且根据实时地图服务提供实时的路口提示、限速提示等，但是，现有地图服务的数据通过所有交通事故类型(行人、小轿车、客车、货运车辆)的数据样本聚合得到危险路口信息，预警范围较粗犷，缺少对货运车辆这一细分车型的精准预警，货运车辆往往对频繁的道路预警放松警惕，导致忽略了危险路口，使得货运车辆的驾驶安全性较低，同时，使用百度地图APP的所有用户，其手机端提供的路口提示、限速提示等信息是通用的，不具有灵活配置能力，用户不能根据自己的需求设置需预警提示的路口范围等信息。
发明内容
本发明的目的在于，针对上述现有技术的不足，提供一种货运车辆的安全预警方法、装置、设备及存储介质，以解决现有技术中缺少对货运车辆这一细分车型的精准预警以及预警信息灵活配置能力较差的问题。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供一种货运车辆的安全预警方法，该方法包括：
获取针对目标货运车辆在行进过程中的定位数据；
根据所述定位数据和预设的路口数据库中多个路口的属性数据，判断所述目标货运车辆是否进入所述多个路口中的目标路口的预警范围；
若所述目标货运车辆进入所述目标路口的预警范围，则生成针对所述目标货运车辆的路口预警事件；
响应所述路口预警事件，获取所述目标货运车辆的车辆画像信息；
根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述风险类型对应的目标干预方式；
采用所述目标干预方式执行针对所述目标货运车辆的干预任务。
可选地，所述定位数据包括：所述目标货运车辆所在的位置、所述目标货运车辆的运行速度，以及所述目标货运车辆所在道路的道路限速值；每个路口的属性信息包括：所述每个路口所在的位置和所述每个路口的危险等级；所述根据所述定位数据和预设的路口数据库中多个路口的属性数据，判断所述目标货运车辆是否进入所述多个路口中的目标路口的预警范围，包括：
计算所述目标货运车辆所在的位置和所述每个路口所在的位置之间的距离；所述目标路口为所述多个路口中确定距离所述目标货运车辆最近的路口；
判断所述目标货运车辆所在的位置和所述目标路口之间的距离，是否超出预设的预警距离范围；
根据所述目标货运车辆的运行速度和所述道路限速值，判断所述目标货运车辆的运行速度是否超出预设的预警超速范围；
若距离未超出所述预警距离范围，且，运行速度超出所述预警超速范围，则根据所述目标路口的危险等级，判断所述目标货运车辆是否进入所述目标路口的预警范围；
若距离超出所述预警距离范围，和/或，运行速度未超出所述预警超速范围，则确定所述目标货运车辆未进入所述目标路口的预警范围。
可选地，所述根据所述目标路口的危险等级，判断所述目标货运车辆是否进入所述目标路口的预警范围，包括：
判断所述目标路口的危险等级是否达到预设的预警危险等级；
若所述目标路口的危险等级达到所述预警危险等级，则确定所述目标货运车辆进入所述目标路口的预警范围；
若所述目标路口的危险等级未达到所述预警危险等级，则确定所述目标货运车辆未进入所述目标路口的预警范围。
可选地，所述根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述目标风险类型对应的目标干预方式之前，所述方法还包括：
响应所述路口预警事件，获取所述目标货运车辆所在道路的道路画像信息；
所述根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述目标风险类型对应的目标干预方式，包括：
根据所述车辆画像信息，以及所述道路画像信息，计算所述目标货运车辆的目标风险类型以及所述目标干预方式。
可选地，所述根据所述车辆画像信息，以及所述道路画像信息，计算所述目标货运车辆的目标风险类型以及所述目标干预方式，包括：
将所述车辆画像信息以及所述道路画像信息作为待匹配信息；
从预设的多个风险类型对应的规则条件中确定所述待匹配信息满足的规则条件为目标规则条件；
确定所述多个风险类型中所述目标规则条件对应的风险类型为所述目标风险类型；
确定所述目标风险类型对应的干预方式为所述目标干预方式。
可选地，所述采用所述目标干预方式执行针对所述目标货运车辆的干预任务，包括：
根据所述目标风险类型、所述车辆画像信息以及所述道路画像信息，并执行生成所述目标干预方式对应的干预任务数据。
可选地，所述采用所述目标干预方式执行针对所述目标货运车辆的干预任务，包括：
若所述目标干预方式为自动语音干预方式，则通过所述路口预警事件中获取预警话术；
根据所述干预任务数据中的任务执行信息，将所述预警话术，下发至所述目标货运车辆的终端设备上进行语音播放。
第二方面，本申请实施例提供一种货运车辆的安全预警装置，包括：
第一获取模块，用于获取针对目标货运车辆在行进过程中的定位数据；
判断模块，用于根据所述定位数据和预设的路口数据库中多个路口的属性数据，判断所述目标货运车辆是否进入所述多个路口中的目标路口的预警范围；
生成模块，用于若所述目标货运车辆进入所述目标路口的预警范围，则生成针对所述目标货运车辆的路口预警事件；
第二获取模块，用于响应所述路口预警事件，获取所述目标货运车辆的车辆画像信息；
计算模块，用于根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述风险类型对应的目标干预方式；
执行模块，用于采用所述目标干预方式执行针对所述目标货运车辆的干预任务。
第三方面，本申请实施例提供一种计算机设备，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面的一种货运车辆的安全预警方法。
第四方面，本申请实施例提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时，实现上述第一方面的一种货运车辆的安全预警方法。
相对现有技术而言，本申请具有以下有益效果：
本申请实施例提供的一种货运车辆的安全预警方法、装置、设备及存储介质，可通过获取针对目标货运车辆在行进过程中的定位数据，根据定位数据和预设的路口数据库中多个路口的属性数据，判断目标货运车辆是否进入多个路口中的目标路口的预警范围，若目标货运车辆进入目标路口的预警范围，则生成针对目标货运车辆的路口预警事件，再通过响应路口预警事件，获取目标货运车辆的车辆画像信息，根据车辆画像信息，计算目标货运车辆的目标风险类型以及风险类型对应的目标干预方式，最后采用目标干预方式执行针对目标货运车辆的干预任务。该方法中，通过对货运车辆的实时定位数据和货运车辆的预设的路口数据库，判断目标货运车辆是否进入目标路口的预警范围，再根据生成的路口预警事件以及车辆画像信息，计算获得并执行对目标货运车辆的干预任务，通过对货运车辆这种特定车型的运行轨迹数据进行计算分析，实现了对货运车辆这一细分车型的精准预警，与现有技术中每个道路路口都进行预警的方式相比，本方法使得安全预警信息更具有针对性，预警路口更加适用于货运车辆，提高了货运车辆的驾驶安全性，并且，本申请中的路口的预警范围可通过用户配置，使得用户可以配置满足自身需求的预警范围，提高了预警信息的灵活配置能力。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种货运车辆的安全预警方法的流程示意图；
图2为本申请实施例提供的一种判断目标货运车辆是否进入多个路口中的目标路口的预警范围方法的流程示意图；
图3为本申请实施例提供的另一种判断目标货运车辆是否进入多个路口中的目标路口的预警范围方法的流程示意图；
图4为本申请实施例提供的一种计算目标货运车辆的目标风险类型以及目标干预方式方法的流程示意图；
图5为本申请实施例提供的一种采用目标干预方式执行针对目标货运车辆的干预任务方法的流程示意图；
图6为本申请实施例提供的一种货运车辆的安全预警装置的示意图；
图7为本申请实施例提供的一种计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
为了实现在道路路口中对货运车辆的安全预警，提高货运车辆的驾驶安全性，本申请的方案中，提供一种货运车辆的安全预警方法。图1为本申请实施例提供的一种货运车辆的安全预警方法的流程示意图，如图1所示，该方法包括：
S101，获取针对目标货运车辆在行进过程中的定位数据。
货运车辆在行驶过程中，为了保证驾驶的安全性，需根据道路路口的危险情况对货运司机进行相应的安全预警，以保证货运司机在危险性高的道路路口中提高警惕，提高货运车辆的驾驶安全性，进而减少交通事故的发生。
在本申请实施例中，通过获取目标货运车辆在行进过程中的定位数据，根据该定位数据判断是否需要进行安全预警。
S102，根据定位数据和预设的路口数据库中多个路口的属性数据，判断目标货运车辆是否进入多个路口中的目标路口的预警范围。
预设的路口数据库在每天固定时间进行数据更新。具体地，收集货运车辆在每天固定时间与前一天固定时间之间的车辆运行轨迹，该车辆运行轨迹中包含货运车辆的多个定位数据，根据该多个定位数据在标准的地图服务中查询得到车辆运行轨迹对应的地图线路，进而获取标准的地图服务中车辆运行轨迹对应的地图线路中包含的多个路口数据，将该多个路口数据与预设的路口数据库中的多个路口数据进行对比分析，分析获得新增路口数据，将新增道路路口数据插入预设的路口数据库中，以对预设的路口数据库进行更新。其中，每天固定时间可以为每天凌晨0点，还可以为其它时间，标准的地图服务可以为百度地图服务、高德地图服务，还可以为其它的标准的地图服务，在本申请实施例中均不作具体限制。其中，路口数据还可以称为路口的属性信息。
根据目标货运车辆的实时定位数据与预设的路口数据库中多个路口的属性信息，判断目标货运车辆是否进入多个路口中的某个路口的预警范围，其中，多个路口中的某个路口还可以称为目标路口。
在本申请实施例中，路口的预警范围存在预设值，同时，还可通过用户配置路口的预警范围，示例地，本申请实施例可为用户提供web配置页面，使得用户通过web配置页面可以配置满足自身需求的预警范围。
S103，若目标货运车辆进入目标路口的预警范围，则生成针对目标货运车辆的路口预警事件。
若目标货运车辆进入目标路口的预警范围，则生成针对目标货运车辆的路口预警事件，其中，针对目标货运车辆的路口预警事件包含该目标货运车辆的实时定位数据、目标路口的属性信息以及目标路口的预警范围。
若目标货运车辆没有进入目标路口的预警范围，则不生成路口预警事件，并根据目标货运车辆在行进过程中的实时定位数据继续进行判断，判断其是否进入目标路口的预警范围。
S104，响应路口预警事件，获取目标货运车辆的车辆画像信息。
若生成了针对目标货运车辆的路口预警事件，则获取目标货运车辆的车辆画像信息，其中，可通过http请求的方式调用车辆画像服务获取目标货运车辆的车辆画像信息，当然还可以通过其它方法获得目标货运车辆的车辆画像信息，在本申请中不作具体限制。
其中，目标货运车辆的车辆画像信息包括与车辆相关的所有事件信息，示例地，目标货运车辆的车辆画像信息可以包括：车辆画像服务的设备状态(正常/异常/未知)、货运司机的人脸状态(严重疲劳/严重注意力分散/轻微疲劳/轻微注意力分散/正常/托利监控/无法判断)、货运车辆的行驶状态(激进驾驶/正常行驶)、道路中的车辆密度(大/中/小)、行驶的危险程度(高危驾驶/潜在风险/风险迹象/正常行驶/无法判断)、行驶的危险时段(是/否/无法判断)、货运车辆是否在正常驾驶过程中(是/否)、最近一段时间内的所有终端事件集合、不同风险类型的最后一次下发时间。
其中，终端事件可由物联网服务(Internet of Things，IoT)进行推送，示例地，终端事件可为司机闭眼，还可为车道偏移等，在本申请实施例中不作具体限制。IoT通过各种信息传感器、射频识别技术、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，通过网络接入，实现对物品和过程的智能化感知、识别和管理。所有终端事件集合以动态数组ArrayList表示，动态数组ArrayList中的每一个数组元素均以HashMap结构进行表示，数组中每个HashMap结构中的key表示终端事件的类型编号，数组中每个HashMap结构中的key对应的value表示终端事件的触发时间戳；
其中，不同风险类型的最后一次下发时间以HashMap结构进行表示，每个HashMap结构中的key表示风险类型的类型编号，key对应的value表示最后一次下发的时间戳。
车辆画像信息由最近一段时间的所有终端事件与最近一段时间的目标货运车辆的目标风险类型对应的干预过程综合判断得到。
S105，根据车辆画像信息，计算目标货运车辆的目标风险类型以及风险类型对应的目标干预方式。
该计算目标货运车辆的目标风险类型以及风险类型对应的目标干预方式还可称为风险计算。
S106，采用目标干预方式执行针对目标货运车辆的干预任务。
该采用目标干预方式执行针对目标货运车辆的干预任务还可称为风险干预，即目标风险类型对应的干预过程。
综上，本申请提供的一种货运车辆的安全预警方法，通过对货运车辆的实时定位数据和货运车辆的预设的路口数据库，判断目标货运车辆是否进入目标路口的预警范围，再根据生成的路口预警事件以及车辆画像信息，计算获得并执行对目标货运车辆的干预任务，通过对货运车辆这种特定车型的运行轨迹数据进行计算分析，实现了对货运车辆这一细分车型的精准预警，与现有技术中每个道路路口都进行预警的方式相比，本方法使得安全预警信息更具有针对性，预警路口更加适用于货运车辆，提高了货运车辆的驾驶安全性，并且，本申请中的路口的预警范围可通过用户配置，使得用户可以配置满足自身需求的预警范围，提高了预警信息的灵活配置能力。
在上述图1所示的一种货运车辆的安全预警方法的基础上，本申请实施例还提供了一种判断目标货运车辆是否进入多个路口中的目标路口的预警范围的实现方法。如下结合附图对该实施例进行具体解释说明。图2为本申请实施例提供的一种判断目标货运车辆是否进入多个路口中的目标路口的预警范围方法的流程示意图。如图2所示，上述方法S101中，定位数据包括：目标货运车辆所在的位置、目标货运车辆的运行速度、目标货运车辆所在道路的道路限速值，货运车辆上均安装全球定位系统(Global Positioning System，GPS)，在行驶过程中，每隔固定时间上报该货运车辆的定位数据，该固定时间可以为3秒、4秒等，在本申请实施例中不作具体限制；上述方法S102中，每个路口的属性数据包括：每个路口所在的位置、每个路口的危险等级，上述方法S102，根据定位数据和预设的路口数据库中多个路口的属性数据，判断目标货运车辆是否进入多个路口中的目标路口的预警范围，包括：
S201，计算目标货运车辆所在的位置和每个路口所在的位置之间的距离。
在本申请实施例中，目标货运车辆所在的位置以及每个路口所在的位置均通过经纬度进行表示。
通过计算目标货运车辆所在的位置和每个路口所在的位置之间的距离，可以获得距离目标货运车辆最近的目标路口，即目标路口为多个路口中确定距离目标货运车辆最近的路口。
在本申请实施例中，每个路口所在的位置可从标准的地图服务中获得，同时，用户可通过web配置页面可以配置标准的地图服务中不存在的路口的位置，不仅提高了预警信息的灵活配置，还使得货运车辆这一细分车型的运行轨迹更加精准，进而达到更加精确的预警。
S202，判断目标货运车辆所在的位置和目标路口之间的距离，是否超出预设的预警距离范围。
预警距离范围为距离路口位置预设距离内触发预警。示例地，预警距离范围可以为100米，当然还可以为其它距离，在本申请中不作具体限制。
在本申请实施例中，存在预设的预警距离范围，同时，用户通过web配置页面可以配置满足自身需求的预警距离范围，当用户未配置满足自身需求的预警距离范围时，采用预设的预警距离范围，若用户已配置满足自身需求的预警距离范围，则采用该配置的预警距离范围代替预设的预警距离范围。
根据目标货运车辆所在的位置和目标路口之间的距离，判断该距离是否超出预设的预警距离范围，示例地，若目标货运车辆所在的位置和目标路口之间的距离为90米，预设的预警距离范围为100米，则未超出预设的预警距离范围。
S203，根据目标货运车辆的运行速度和道路限速值，判断目标货运车辆的运行速度是否超出预设的预警超速范围。
若目标货运车辆的运行速度大于等于道路限速值与预设的预警超速范围的乘积，则货运车辆的运行速度超出了预设的预警超速范围。
在本申请实施例中，存在预设的预警超速范围，示例地，预设的预警超速范围可以为5％，当然还可以为其它超速范围，在本申请中不作具体限制。同时，用户通过web配置页面可以配置满足自身需求的预警超速范围，当用户未配置满足自身需求的预警超速范围时，采用预设的预警超速范围，若用户已配置满足自身需求的预警超速范围，则采用该配置的预警超速范围代替预设的预警超速范围。
S204，若距离未超出预警距离范围，且，运行速度超出预警超速范围，则根据目标路口的危险等级，判断目标货运车辆是否进入目标路口的预警范围。
若距离超出预警距离范围，且，运行速度超出预警超速范围，表示距离和运行速度均满足预警要求，继续对目标路口的危险等级进行判断，确定目标货运车辆是否进入目标路口的预警范围。
S205，若距离未超出预警距离范围，和/或，运行速度未超出预警超速范围，则确定目标货运车辆未进入目标路口的预警范围。
若距离未超出预警距离范围，和/或，运行速度未超出预警超速范围，表示距离和运行速度均不满足预警要求，进而确定目标货运车辆未进入目标路口的预警范围，则不需要进行预警提示。
综上，本申请实施例中，通过判断目标货运车辆所在的位置和目标路口之间的距离是否超出预设的预警距离范围，以及判断目标货运车辆的运行速度是否超出预设的预警超速范围，若目标货运车辆在预警距离范围内，并且运行速度超出了预警超速范围，表示目标货运车辆在目标路口附近已超速，在此基础上，再通过目标路口的危险等级，确定目标货运车辆是否进入目标路口的预警范围，该实施例中通过检测目标货运车辆的距离和超速情况，判断是否进行预警，提高了货运车辆在道路路口的驾驶安全性，同时，预警距离范围和预警超速范围均可由用户按照自己的需求进行配置，提高了预警信息的灵活配置能力。
在上述图2所示的一种判断目标货运车辆是否进入多个路口中的目标路口的预警范围方法的基础上，本申请实施例还提供了另一种判断目标货运车辆是否进入多个路口中的目标路口的预警范围的实现方法。如下结合附图对该实施例进行具体解释说明。图3为本申请实施例提供的另一种判断目标货运车辆是否进入多个路口中的目标路口的预警范围方法的流程示意图。如图3所示，上述方法S204，根据目标路口的危险等级，判断目标货运车辆是否进入目标路口的预警范围，包括：
S301，判断目标路口的危险等级是否达到预设的预警危险等级。
在本申请实施例中，通过路口的历史事故数量确定路口的危险等级，具体地，根据路口的位置，在标准的事故服务中查询该路口对应的所有历史事故，进而获得该路口的历史事故数量。
若历史事故数量小于第一预设历史事故数量，则路口的危险等级为低等级，若历史事故数量大于等于第一预设历史事故数量，且小于第二预设历史事故数量，则路口的危险等级为中等级，若历史事故数量大于等于第二预设历史事故数量，则路口的危险等级为高等级，其中，第一预设历史事故数量小于第二预设历史事故数量。
在本申请实施例中，存在预设的预警危险等级，示例地，预设的预警超速范围可以为高等级。同时，用户通过web配置页面可以配置满足自身需求的预警危险等级，当用户未配置满足自身需求的预警危险等级时，采用预设的预警危险等级，若用户已配置满足自身需求的预警危险等级，则采用该配置的预警危险等级代替预设的预警危险等级。
S302，若目标路口的危险等级达到预警危险等级，则确定目标货运车辆进入目标路口的预警范围。
若预设的预警危险等级为中等级，则目标路口的危险等级达到预警危险等级时，即目标路口的危险等级为中等级或者高等级时，确定目标货运车辆进入目标路口的预警范围。
S303，若目标路口的危险等级未达到预警危险等级，则确定目标货运车辆未进入目标路口的预警范围。
若预设的预警危险等级为中等级，则目标路口的危险等级未达到预警危险等级时，即目标路口的危险等级为低等级时，确定目标货运车辆未进入目标路口的预警范围。
综上，本申请实施例中，通过目标路口的危险等级与预设的预警危险等级，判断目标路口的危险等级是否达到预警危险等级，进而确定目标货运车辆是否进入目标路口的预警范围，即可以选择满足预设的预警危险等级的路口进行预警，使得安全预警信息更具有针对性，同时，预警危险等级可以由用户配置，提高了预警信息的灵活配置能力。
在上述图1所示的一种货运车辆的安全预警方法的基础上，本申请实施例还提供了另一种货运车辆的安全预警的实现方法。上述方法S105，根据车辆画像信息，计算目标货运车辆的目标风险类型以及风险类型对应的目标干预方式之前，还包括：
响应路口预警事件，获取目标货运车辆所在道路的道路画像信息。
若生成了针对目标货运车辆的路口预警事件，则获取目标货运车辆所在道路的道路画像信息，其中，可通过http请求的方式调用道路画像服务获取目标货运车辆所在道路的道路画像信息，当然还可以通过其它方法获得目标货运车辆所在道路的道路画像信息，在本申请中不作具体限制。
其中，目标货运车辆所在道路的道路画像信息包括与道路相关的所有事件信息，示例地，目标货运车辆所在道路的道路画像信息可以包括：道路等级(高速/城市快速路/国道/省道/县道/乡镇村道/其它道路)、道路限速值、道路湿滑情况(湿滑/正常)、连续驾驶时长、道路视线情况(视线良好/昏暗/差)。
其中，道路限速值为上述实施例中的限速值，该道路限速值用于计算目标货运车辆的目标风险类型以及目标风险类型对应的目标干预方式。
上述方法S105，根据车辆画像信息，计算目标货运车辆的目标风险类型以及风险类型对应的目标干预方式，包括：
根据车辆画像信息，以及道路画像信息，计算目标货运车辆的目标风险类型以及目标干预方式。
通过目标货运车辆的状态信息和目标货运车辆所在道路的状态信息，通过计算可获得目标货运车辆的目标风险类型以及目标干预方式。
本申请实施例中，根据车辆画像信息和道路画像信息，计算目标货运车辆的目标风险类型以及风险类型对应的目标干预方式，提高了预警的精准性。
在上述实施例的基础上，本申请实施例还提供了一种计算目标货运车辆的目标风险类型以及目标干预方式的实现方法。如下结合附图对该实施例进行具体解释说明。图4为本申请实施例提供的一种计算目标货运车辆的目标风险类型以及目标干预方式方法的流程示意图。如图4所示，上述实施例中，根据车辆画像信息，以及道路画像信息，计算目标货运车辆的目标风险类型以及目标干预方式，包括：
S401，将车辆画像信息以及道路画像信息作为待匹配信息。
响应路口预警事件，将获取得到的车辆画像信息以及道路画像信息作为待匹配信息，在本申请实施例中，路口预警事件还可以称为触发源，车辆画像信息和道路画像信息还可以称为计算因子。
可选地，触发源还可以包括所有终端事件。
可选地，待匹配信息还可以包括触发源。
S402，从预设的多个风险类型对应的规则条件中确定待匹配信息满足的规则条件为目标规则条件。
将触发源和计算因子输入风险计算规则引擎中，其中，风险计算规则引擎中预设多个风险类型对应的规则条件，规则条件由规则和命中规则的结果组成。
示例地，风险计算规则引擎可通过drools引擎实现，预设的规则条件可写入drl文件中，其中，不同的用户可对应不同的drl文件，每个drl文件中存在零个或者多个规则条件，每个drl文件中的规则条件可通过drools引擎进行加载。当然，还可以通过其他规则引擎进行实现，在本申请实施例中不作具体限制。
从预设的多个风险类型对应的规则条件中确定待匹配信息满足的规则条件为目标规则条件，示例地，本申请实施例以涉及路口预警的其中一个规则条件为例进行具体解释说明。
rule“manual_dangerousCross_0”
no-loop true
lock-on-active true
salience 1
when
$eventInfo:SceneResultDto(event！＝null&&event.basic！＝null&&carPortraitDto！＝null)
//lbs事件触发
$basic:BasicMsg(TriggerTypeEnum.LBS_EVENT.match(triggerType))from$eventInfo.event.capEvent
//路口事件
$capEvent:FmsCapEvent(eventType in(FmsEventTypeEnum.Event_Type_6012.getType()))from$eventInfo.event.capEvent
//高速路段
LbsPortraitDto(roadLevel！＝null&&roadLevel.status in(RoadLEVEL_1.level))from$eventInfo.lbsPortraitDto
//且最近10分钟内终端事件302(闭眼)/318(打哈欠)/305(注意力分散)<2
CarPortraitDto(timeRangeEventNum([
FmsEventTypeEnum.Event_Type_302.getTypeInt(),
FmsEventTypeEnum.Event_Type_303.getTypeInt(),
FmsEventTypeEnum.Event_Type_318.getTypeInt(),
FmsEventTypeEnum.Event_Type_305.getTypeInt()],System.currentTimeMillis()-TimeConst.Mills.MINUTE*10)<2)from$carPortrait
//距离上次该风险出现超过5分钟
Map(this[“20”]<(System.currentTimeMillis()-TimeConst.Mills.MINUTE*5))from$eventInfo.carPortraitDto.sceneSend
then
addResult(drools,$eventInfo,“由LBS事件6012触发，自定义危险路口，行驶在高速路段，最近10分钟内dms事件次数少于2次”,SceneTypeEnum.DANGEROUS_CROSSING_MANUAL,TaskTypeEnum.AUTO_INTERRUPT_TASK,TargetServerEnum.SOS)；
end
以上述一个规则条件为例，规则条件的规则为高速路段，且最近10分钟内终端事件的次数小于两次，且距离上次该风险类型出现超过五分钟，命中规则条件的规则的结果表示为addResult()，其中，SceneTypeEnum.DANGEROUS_CROSSING_MANUAL表示风险类型，TaskTypeEnum.AUTO_INTERRUPT_TASK表示干预方式，TargetServerEnum.SOS表示下发对象。当然，规则条件包括但不限于上述的规则条件，在具体实施过程中，车辆画像信息、道路画像信息、触发源中的任意信息都可以组合成规则条件。
S403，确定多个风险类型中目标规则条件对应的风险类型为目标风险类型。
示例地，若S402中的一个规则条件为目标规则条件，则目标规则条件的命中结果中的SceneTypeEnum.DANGEROUS_CROSSING_MANUAL为目标风险类型。
S404，确定目标风险类型对应的干预方式为目标干预方式。
示例地，若S402中的一个规则条件为目标规则条件，则目标规则条件的命中结果中的TaskTypeEnum.AUTO_INTERRUPT_TASK为目标干预方式。
本申请实施例中，根据待匹配信息以及预设的多个风险类型对应的规则条件，确定目标规则条件，进而确定目标风险类型和目标干预方式，实现了根据预设规则条件的精准预警，并且，不同的用户可对应不同的drl文件，即可根据用户的需求设置对应的规则条件，提高预警信息的灵活配置能力。
在上述实施例的基础上，本申请实施例还提供了一种采用目标干预方式执行针对目标货运车辆的干预任务的实现方法，上述S106中，采用目标干预方式执行针对目标货运车辆的干预任务，包括：
根据目标风险类型、车辆画像信息以及道路画像信息，执行生成目标干预方式对应的干预任务数据。
干预任务数据包括：目标货运车辆的车辆信息(车牌号、机构号、车辆ID)、生成干预任务数据的时间、目标风险类型、目标干预方式、干预任务处理人、干预任务状态(待处理、处理中、已完成、超时自动关闭)、干预任务查看时间、干预任务处理时间、干预任务完成时间。
其中，目标风险类型包括但不限于严重疲劳、严重注意力分散、危险路口、轻微疲劳、轻微注意力分散、高危驾驶、潜在风险、疑似疲劳、常用匝道、疲劳漏扫、跟车过近、频繁变道、超速、抽烟、打电话、弯道、连续路口超速等。在本申请实施例中，目标风险类型主要为危险路口。
其中，目标干预方式包括但不限于自动语音、人工干预、人工标记等。在本申请实施例中，危险路口对应的目标风险类型主要为自动语音。
其中，干预任务处理人存在两种情况，若为人工处理干预任务，则干预任务处理人为用户ID，若为机器处理干预任务，示例地，目标干预方式为自动语音时，干预任务处理人设置为0。
通过干预任务数据执行干预任务，并且将干预任务数据进行存储。
在上述实施例的基础上，本申请实施例还提供了一种采用目标干预方式执行针对目标货运车辆的干预任务的实现方法，如下结合附图对该实施例进行具体解释说明。图5为本申请实施例提供的一种采用目标干预方式执行针对目标货运车辆的干预任务方法的流程示意图。如图5所示，上述S106中，采用目标干预方式执行针对目标货运车辆的干预任务，包括：
S501，若目标干预方式为自动语音干预方式，则通过路口预警事件中获取预警话术。
路口预警事件还包含预警话术，并且，用户可通过web配置页面配置满足自身需求的预警话术，当用户未配置满足自身需求的预警话术时，采用预设的预警话术，示例地，预设的预警话术可以为“前方危险路口，限速60km/h，请谨慎驾驶”，当用户已配置满足自身需求的预警话术，则采用该配置的预警话术代替预设的预警话术。
S502，根据干预任务数据中的任务执行信息，将预警话术，下发至目标货运车辆的终端设备上进行语音播放。
示例地，调用iot接口将预警话术以指令的方式下发至目标货运车辆的终端设备上，进而实现语音播放，通过语音播放的方式对司机进行预警。
本申请实施例中，若目标干预方式为自动语音干预方式，则通过路口预警事件中获取预警话术，再将预警话术下发至目标货运车辆的终端设备上进行语音播放，其中，将预警话术通过语音播放的方式对司机进行预警提示，使得司机可以提高驾驶的注意力，进而提高了货运车辆的驾驶安全性，同时，预警话术可以通过用户进行配置，提高了预警信息的灵活配置能力。本申请实施例中的预警，相对于其它地图厂商，预警的内容不需要额外开启应用，而是通过与车辆一起启动的事件采集设备直接下发。
可选地，本申请可设置三个微服务，分别为路口服务、风险计算服务、风险干预服务。路口服务的主要作用是获取针对目标货运车辆在行进过程中的定位数据，其中，定位数据经过iot处理之后，通过kafka消息中间件发送到路口服务，根据定位数据和预设的路口数据库中多个路口的属性数据，判断目标货运车辆是否进入多个路口中的目标路口的预警范围，若目标货运车辆进入目标路口的预警范围，则生成针对目标货运车辆的路口预警事件，路口服务将生成的路口预警事件通过kafka推送至风险计算服务，作为风险计算的触发源；风险计算服务的主要作用是响应路口预警事件，获取目标货运车辆的车辆画像信息，根据车辆画像信息，计算目标货运车辆的目标风险类型以及风险类型对应的目标干预方式，风险计算服务将目标货运车辆的目标风险类型以及风险类型对应的目标干预方式通过kafka推送至风险干预服务；风险干预服务的主要作用是采用目标干预方式执行针对目标货运车辆的干预任务，并将干预任务的内容通过iot平台下发到货运车辆安装的终端设备上，进而影响司机的驾驶行为，如下发火警音，让司机从疲劳状态转为清醒状态。
本申请的提醒路口范围和提醒的话术都具有较高的可配置性，有利于支持不同用户的路口提醒需求，示例地，可包括：提醒路口危险程度可配置、提醒道路类型和天气可配置、提醒时速可配置、提醒话术可配置。
下述对用以执行的本申请所提供的一种货运车辆的安全预警装置进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。
图6为本申请实施例提供的一种货运车辆的安全预警装置的示意图，如图6所示，该货运车辆的安全预警装置包括：
第一获取模块601，用于获取针对目标货运车辆在行进过程中的定位数据。
判断模块602，用于根据定位数据和预设的路口数据库中多个路口的属性数据，判断目标货运车辆是否进入多个路口中的目标路口的预警范围。
生成模块603，用于若目标货运车辆进入目标路口的预警范围，则生成针对目标货运车辆的路口预警事件。
第二获取模块604，用于响应路口预警事件，获取目标货运车辆的车辆画像信息。
计算模块605，用于根据车辆画像信息，计算目标货运车辆的目标风险类型以及风险类型对应的目标干预方式。
执行模块606，用于采用目标干预方式执行针对目标货运车辆的干预任务。
可选地，判断模块602具体用于计算目标货运车辆所在的位置和每个路口所在的位置之间的距离；目标路口为多个路口中确定距离目标货运车辆最近的路口；判断目标货运车辆所在的位置和目标路口之间的距离，是否超出预设的预警距离范围；根据目标货运车辆的运行速度和道路限速值，判断目标货运车辆的运行速度是否超出预设的预警超速范围；若距离未超出预警距离范围，且，运行速度超出预警超速范围，则根据目标路口的危险等级，判断目标货运车辆是否进入目标路口的预警范围；若距离超出预警距离范围，和/或，运行速度未超出预警超速范围，则确定目标货运车辆未进入目标路口的预警范围。
可选地，判断模块602具体用于判断目标路口的危险等级是否达到预设的预警危险等级；若目标路口的危险等级达到预警危险等级，则确定目标货运车辆进入目标路口的预警范围；若目标路口的危险等级未达到预警危险等级，则确定目标货运车辆未进入目标路口的预警范围。
可选地，计算模块605具体用于响应路口预警事件，获取目标货运车辆所在道路的道路画像信息；根据车辆画像信息，计算目标货运车辆的目标风险类型以及目标风险类型对应的目标干预方式，包括：根据车辆画像信息，以及道路画像信息，计算目标货运车辆的目标风险类型以及目标干预方式。
可选地，计算模块605具体用于将车辆画像信息以及道路画像信息作为待匹配信息；从预设的多个风险类型对应的规则条件中确定待匹配信息满足的规则条件为目标规则条件；确定多个风险类型中目标规则条件对应的风险类型为目标风险类型；确定目标风险类型对应的干预方式为目标干预方式。
可选地，执行模块606具体用于根据目标风险类型、车辆画像信息以及道路画像信息，执行生成目标干预方式对应的干预任务数据。
可选地，执行模块606具体用于若目标干预方式为自动语音干预方式，则通过路口预警事件中获取预警话术；根据干预任务数据中的任务执行信息，将预警话术，下发至目标货运车辆的终端设备上进行语音播放。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital singnal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
图7为本申请实施例提供的一种计算机设备的示意图，该计算机设备可以是具备计算处理功能的计算设备或服务器。
该计算机设备包括：处理器701、存储介质702、总线703。处理器701和存储介质702通过总线703连接。
存储介质702用于存储程序，处理器701调用存储介质702存储的程序，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
可选地，本发明还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，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来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式，但本申请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，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种货运车辆的安全预警方法，其特征在于，包括：
获取针对目标货运车辆在行进过程中的定位数据；
根据所述定位数据和预设的路口数据库中多个路口的属性数据，判断所述目标货运车辆是否进入所述多个路口中的目标路口的预警范围；
若所述目标货运车辆进入所述目标路口的预警范围，则生成针对所述目标货运车辆的路口预警事件；
响应所述路口预警事件，获取所述目标货运车辆的车辆画像信息；
根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述风险类型对应的目标干预方式；
采用所述目标干预方式执行针对所述目标货运车辆的干预任务。
2.根据权利要求1所述的方法，其特征在于，所述定位数据包括：所述目标货运车辆所在的位置、所述目标货运车辆的运行速度，以及所述目标货运车辆所在道路的道路限速值；每个路口的属性信息包括：所述每个路口所在的位置和所述每个路口的危险等级；所述根据所述定位数据和预设的路口数据库中多个路口的属性数据，判断所述目标货运车辆是否进入所述多个路口中的目标路口的预警范围，包括：
计算所述目标货运车辆所在的位置和所述每个路口所在的位置之间的距离；所述目标路口为所述多个路口中确定距离所述目标货运车辆最近的路口；
判断所述目标货运车辆所在的位置和所述目标路口之间的距离，是否超出预设的预警距离范围；
根据所述目标货运车辆的运行速度和所述道路限速值，判断所述目标货运车辆的运行速度是否超出预设的预警超速范围；
若距离未超出所述预警距离范围，且，运行速度超出所述预警超速范围，则根据所述目标路口的危险等级，判断所述目标货运车辆是否进入所述目标路口的预警范围；
若距离超出所述预警距离范围，和/或，运行速度未超出所述预警超速范围，则确定所述目标货运车辆未进入所述目标路口的预警范围。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标路口的危险等级，判断所述目标货运车辆是否进入所述目标路口的预警范围，包括：
判断所述目标路口的危险等级是否达到预设的预警危险等级；
若所述目标路口的危险等级达到所述预警危险等级，则确定所述目标货运车辆进入所述目标路口的预警范围；
若所述目标路口的危险等级未达到所述预警危险等级，则确定所述目标货运车辆未进入所述目标路口的预警范围。
4.根据权利要求1所述的方法，其特征在于，所述根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述目标风险类型对应的目标干预方式之前，所述方法还包括：
响应所述路口预警事件，获取所述目标货运车辆所在道路的道路画像信息；
所述根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述目标风险类型对应的目标干预方式，包括：
根据所述车辆画像信息，以及所述道路画像信息，计算所述目标货运车辆的目标风险类型以及所述目标干预方式。
5.根据权利要求4所述的方法，其特征在于，所述根据所述车辆画像信息，以及所述道路画像信息，计算所述目标货运车辆的目标风险类型以及所述目标干预方式，包括：
将所述车辆画像信息以及所述道路画像信息作为待匹配信息；
从预设的多个风险类型对应的规则条件中确定所述待匹配信息满足的规则条件为目标规则条件；
确定所述多个风险类型中所述目标规则条件对应的风险类型为所述目标风险类型；
确定所述目标风险类型对应的干预方式为所述目标干预方式。
6.根据权利要求4所述的方法，其特征在于，所述采用所述目标干预方式执行针对所述目标货运车辆的干预任务，包括：
根据所述目标风险类型、所述车辆画像信息以及所述道路画像信息，执行生成所述目标干预方式对应的干预任务数据。
7.根据权利要求6所述的方法，其特征在于，所述采用所述目标干预方式执行针对所述目标货运车辆的干预任务，包括：
若所述目标干预方式为自动语音干预方式，则通过所述路口预警事件中获取预警话术；
根据所述干预任务数据中的任务执行信息，将所述预警话术，下发至所述目标货运车辆的终端设备上进行语音播放。
8.一种货运车辆的安全预警装置，其特征在于，包括：
第一获取模块，用于获取针对目标货运车辆在行进过程中的定位数据；
判断模块，用于根据所述定位数据和预设的路口数据库中多个路口的属性数据，判断所述目标货运车辆是否进入所述多个路口中的目标路口的预警范围；
生成模块，用于若所述目标货运车辆进入所述目标路口的预警范围，则生成针对所述目标货运车辆的路口预警事件；
第二获取模块，用于响应所述路口预警事件，获取所述目标货运车辆的车辆画像信息；
计算模块，用于根据所述车辆画像信息，计算所述目标货运车辆的目标风险类型以及所述风险类型对应的目标干预方式；
执行模块，用于采用所述目标干预方式执行针对所述目标货运车辆的干预任务。
9.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1-7中任一项所述的一种货运车辆的安全预警方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述权利要求1-7中任一项所述的一种货运车辆的安全预警方法。
CN202210074527.3A 2022-01-21 2022-01-21 一种货运车辆的安全预警方法、装置、设备及存储介质 Pending CN114419888A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210074527.3A CN114419888A (zh) 2022-01-21 2022-01-21 一种货运车辆的安全预警方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210074527.3A CN114419888A (zh) 2022-01-21 2022-01-21 一种货运车辆的安全预警方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114419888A true CN114419888A (zh) 2022-04-29

Family

ID=81275898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210074527.3A Pending CN114419888A (zh) 2022-01-21 2022-01-21 一种货运车辆的安全预警方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114419888A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115100855A (zh) * 2022-06-20 2022-09-23 公安部交通管理科学研究所 一种高速公路隐患车辆预警方法及其系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110087429A1 (en) * 2009-01-14 2011-04-14 Jeroen Trum Navigation apparatus used-in vehicle
CN105185144A (zh) * 2015-10-28 2015-12-23 武汉大学 顾及道路交叉路口转向的公路大件运输线路优化方法
CN106097775A (zh) * 2016-06-07 2016-11-09 腾讯科技（深圳）有限公司 一种基于导航的预警方法、终端设备及服务器
US20190283763A1 (en) * 2017-03-06 2019-09-19 Tencent Technology (Shenzhen) Company Limited Driving behavior determining method, apparatus, and device, and storage medium
CN111127949A (zh) * 2019-12-18 2020-05-08 北京中交兴路车联网科技有限公司 车辆高危路段预警方法、装置及存储介质
CN111489549A (zh) * 2020-03-11 2020-08-04 北京交通大学 一种基于历史行为画像的出行车辆路径选择方法
CN112270460A (zh) * 2020-09-30 2021-01-26 交通运输部规划研究院 一种基于多源数据的超重货车货源站点识别方法
CN112885145A (zh) * 2021-01-21 2021-06-01 北京嘀嘀无限科技发展有限公司 路口风险预警的方法和装置
CN113140121A (zh) * 2020-09-24 2021-07-20 北京交通大学 一种面向网联货车驾驶员的安全预警方法、装置及系统
CN113611104A (zh) * 2021-07-06 2021-11-05 北京中交兴路车联网科技有限公司 货运车辆的风险识别方法、装置、存储介质及终端
CN113611107A (zh) * 2021-07-15 2021-11-05 北京汇通天下物联科技有限公司 一种非联网路口交通提醒方法
CN113838284A (zh) * 2021-09-15 2021-12-24 北京中交兴路车联网科技有限公司 一种事故高发路段上的车辆预警方法、装置、存储介质及终端

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110087429A1 (en) * 2009-01-14 2011-04-14 Jeroen Trum Navigation apparatus used-in vehicle
CN105185144A (zh) * 2015-10-28 2015-12-23 武汉大学 顾及道路交叉路口转向的公路大件运输线路优化方法
CN106097775A (zh) * 2016-06-07 2016-11-09 腾讯科技（深圳）有限公司 一种基于导航的预警方法、终端设备及服务器
US20190283763A1 (en) * 2017-03-06 2019-09-19 Tencent Technology (Shenzhen) Company Limited Driving behavior determining method, apparatus, and device, and storage medium
CN111127949A (zh) * 2019-12-18 2020-05-08 北京中交兴路车联网科技有限公司 车辆高危路段预警方法、装置及存储介质
CN111489549A (zh) * 2020-03-11 2020-08-04 北京交通大学 一种基于历史行为画像的出行车辆路径选择方法
CN113140121A (zh) * 2020-09-24 2021-07-20 北京交通大学 一种面向网联货车驾驶员的安全预警方法、装置及系统
CN112270460A (zh) * 2020-09-30 2021-01-26 交通运输部规划研究院 一种基于多源数据的超重货车货源站点识别方法
CN112885145A (zh) * 2021-01-21 2021-06-01 北京嘀嘀无限科技发展有限公司 路口风险预警的方法和装置
CN113611104A (zh) * 2021-07-06 2021-11-05 北京中交兴路车联网科技有限公司 货运车辆的风险识别方法、装置、存储介质及终端
CN113611107A (zh) * 2021-07-15 2021-11-05 北京汇通天下物联科技有限公司 一种非联网路口交通提醒方法
CN113838284A (zh) * 2021-09-15 2021-12-24 北京中交兴路车联网科技有限公司 一种事故高发路段上的车辆预警方法、装置、存储介质及终端

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115100855A (zh) * 2022-06-20 2022-09-23 公安部交通管理科学研究所 一种高速公路隐患车辆预警方法及其系统

Similar Documents

Publication Publication Date Title
US10977945B1 (en) Vehicular driver warnings
CN112102586B (zh) 一种疲劳驾驶告警方法、装置及设备
US9081650B1 (en) Traffic based driving analysis
US20140067434A1 (en) Methods and Systems for Providing Risk Profile Analytics
CN110807930B (zh) 危险车辆预警方法及装置
US20100109908A1 (en) Safe driving evaluation system and safe driving evaluation program
US11170639B2 (en) Transportation threat detection system
WO2011041036A1 (en) System and method for integrating smartphone technology into safety management platform to improve driver safety
WO2018081034A1 (en) Enhanced vehicle bad fuel sensor with crowdsourcing analytics
JPWO2009128398A1 (ja) 移動体警告装置、移動体警告方法および移動体警告プログラム
CN112734242B (zh) 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端
CN111901778A (zh) 一种基于v2x的车辆异常预警方法、系统及存储介质
US20210024058A1 (en) Evaluating the safety performance of vehicles
CN110299027A (zh) 一种基于轨迹数据和地图数据的车辆变道监测与安全预警方法
JP4249995B2 (ja) 車輌の運行状況監視システム及びその構成装置、運行状況監視方法及びコンピュータプログラム
CN114419888A (zh) 一种货运车辆的安全预警方法、装置、设备及存储介质
CN107680396A (zh) 一种驾驶行为的监控方法及其装置
JP2018092278A (ja) 道路改良箇所の抽出プログラム、道路改良箇所の抽出装置、及び道路改良箇所の抽出方法
CN110544375A (zh) 一种车辆监管方法、装置及计算机可读存储介质
CN115348149A (zh) 车联网中的设备监控方法、装置及终端设备
CN114610830A (zh) 一种基于驾驶行为数据的地图要素变化检测方法
JP2018180906A (ja) 混雑予測プログラム、混雑予測装置、及び混雑予測方法
JP2005293032A (ja) 車輌運転状況監視システム及びこのシステム用の車輌運転状況監視プログラム。
GB2533481A (en) Traffic control device detection
CN110827152A (zh) 一种保险评估方法、系统及服务器

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220429