CN114446042A - 预警交通事故的方法、装置、设备以及存储介质 - Google Patents
预警交通事故的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114446042A CN114446042A CN202011215927.9A CN202011215927A CN114446042A CN 114446042 A CN114446042 A CN 114446042A CN 202011215927 A CN202011215927 A CN 202011215927A CN 114446042 A CN114446042 A CN 114446042A
- Authority
- CN
- China
- Prior art keywords
- lane change
- vehicle
- vehicles
- historical
- lane
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 63
- 230000008859 change Effects 0.000 claims abstract description 255
- 230000006399 behavior Effects 0.000 claims description 193
- 238000004590 computer program Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 abstract description 18
- 230000008569 process Effects 0.000 abstract description 14
- 238000007726 management method Methods 0.000 description 16
- 238000013473 artificial intelligence Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 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
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of 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
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
提供一种预警交通事故的方法、装置、设备以及存储介质。该方法包括:获取目标车辆行驶在目标道路上需要的目标时长;在该目标时长内,获取该目标道路上的历史车辆的历史变道信息,基于该历史变道信息确定违规变道行为对应的车辆数量m;确定该m与该历史车辆的数量F的比值是否大于或等于第一阈值;在该比值大于或等于该第一阈值的情况下,输出该目标车辆的驾驶风险预警信息。该方法可涉及人工智能的自动驾驶或辅助驾驶等技术,该方法能够对车辆驾驶过程中的由于变道引发的事故风险进行自动预警。
Description
技术领域
本申请实施例涉及人工智能的自动驾驶等技术领域,并且更具体地,涉及预警交通事故的方法、装置、设备以及存储介质。
背景技术
截至目前,通常驾驶员只能通过前方车辆的转向灯,判断前方的车辆是否变道,例如,在前方车辆的转向灯开启的情况下,降低车辆的行驶速度,以降低发生交通事故的可能性。
随着社会经济的高速发展,机动车辆的数量也迅猛提升,同时交通事故也逐渐增多,如何对车辆驾驶过程中的由于变道引发的事故风险进行自动预警,是本领域急需解决的技术问题。
发明内容
提供一种预警交通事故的方法、装置、设备以及存储介质,能够对车辆驾驶过程中的由于变道引发的事故风险进行自动预警。
第一方面,提供了一种预警交通事故的方法,包括:
获取目标车辆行驶在目标道路上需要的目标时长;
在该目标时长内,获取该目标道路上的历史车辆的历史变道信息,该历史变道信息用于表征该历史车辆在该目标道路上的变道行为;
基于该历史变道信息确定违规变道行为对应的车辆数量m;
确定该m与该历史车辆的数量F的比值是否大于或等于第一阈值;
在该比值大于或等于该第一阈值的情况下,输出该目标车辆的驾驶风险预警信息。
通过该历史变道信息分析该违规变道行为对应的车辆数量m,相当于,考虑了该目标道路上的车辆的整体变道情况,通过判断该比值和该第一阈值,可将由于变道引发的交通事故率维持在低于第一阈值的水平,以实现对车辆驾驶过程中的由于变道引发的事故风险进行自动预警。
在一些可能的实现方式中,该第一阈值为大于0的数值,该第一阈值为该目标道路上由于变道行为引发的历史交通事故率。
将第一阈值构造为该目标道路上由于变道行为引发的历史交通事故率,相当于,将由变道行为引发的交通事故率维持在低于历史的水平,能够提升预警效果。
在一些可能的实现方式中,该基于该历史变道信息确定违规变道行为对应的车辆数量m,包括:
基于该历史变道信息,确定该历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri,2≤i≤y,该y表征该目标道路的车道数量,ri≥0;
将该ri转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量r′i,r′i≥0;
基于该r′i的累计和,确定该m。
将在一次变道行为中连续向同一侧变i条道的车辆的数量,转换为在一次变道行为中连续向同一侧变两条道的车辆的数量,相当于,将不同危险程度的连续变道行为对应的车辆数量,转换为危险程度相同的连续变道行为对应的车辆数量,有助于统一量化违规变道行为的危险程度,进而提升预警准确度。
在一些可能的实现方式中,该历史车辆包括车辆j,j≥1;该历史变道信息包括该车辆j的车牌、用于表征该车辆j开始变道行为的第一信号、用于表征该车辆j结束变道行为的第二信号、该车辆j变道时的行驶速度vj、该车辆j的行驶方向、以及车道宽度w;
其中,该基于该历史变道信息,确定该历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri,包括:
基于该第一信号和该第二信号确定该车辆j变道占用的时间tj;
基于该tj、该vj以及该车辆j的行驶方向,确定该车辆j的横向行驶距离;
基于该车辆j的横向行驶距离和该w确定该车辆j连续变道的车道数量ij;
在该ij为该i的情况下,将车辆j统计为在一次变道行为中连续向同一侧变i条道的车辆。
在一些可能的实现方式中,该r′i为该ri和该ri的转换系数的乘积,该ri的转换系数随该i的增大而增大。
在一些可能的实现方式中,该将该ri转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量r′i,包括:
将该i与1的差值,与该ri相乘,以生成该r′i。
在一些可能的实现方式中,该基于该历史变道信息确定违规变道行为对应的数量m,包括:
基于该历史变道信息,确定该历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u,u1≥0;
将该u转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量u′;u′≥0;
基于该u′确定该m。
将在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量,转换为在一次变道行为中连续向同一侧变两条道的车辆的数量,相当于,将不同类型的违规变道行为的危险程度转换为同一种类型的违规变道行为的危险程度,有助于统一量化违规变道行为的危险程度,进而提升预警准确度。
在一些可能的实现方式中,该历史车辆包括车辆j,该历史变道信息包括该车辆j的车牌、用于表征该车辆j在该相邻的两次变道行为中的第一次变道行为结束的第三信号、用于该车辆j在该相邻的两次变道行为中的第二次变道行为开始的第四信号、该车辆j变道时的行驶速度vj;
其中,该基于该历史变道信息,确定该历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u,包括:
基于该第三信号和该第四信号确定该车辆j在该第一次变道行为和该第二变道行为之间的时间间隔Δtj;
基于该Δtj和该vj,确定该车辆j在该第一次变道行为和该第二变道行为之间的行驶距离lj;
在该lj小于或等于该第二阈值的情况下,将车辆j统计为在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆。
在一些可能的实现方式中,该将该u转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量u′,包括:
将2u确定为该u′。
在一些可能的实现方式中,该相邻的两次变道行为包括变道方向相反的两次相邻的变道行为。
第二方面,提供了一种预警交通事故的装置,包括:
第一获取单元,用于获取目标车辆行驶在目标道路上需要的目标时长;
第二获取单元,用于在该目标时长内,获取该目标道路上的历史车辆的历史变道信息,该历史变道信息用于表征该历史车辆在该目标道路上的变道行为;
第一确定单元,用于基于该历史变道信息确定违规变道行为对应的车辆数量m;
第二确定单元,用于确定该m与该历史车辆的数量F的比值是否大于或等于第一阈值;
输出单元,用于在该比值大于或等于该第一阈值的情况下,输出该目标车辆的驾驶风险预警信息。
第三方面,提供了一种终端设备,包括:
处理器和存储器,该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,以执行第一方面该的方法。
第四方面,提供了一种计算机可读存储介质,用于存储计算机程序,该计算机程序使得计算机执行第一方面该的方法。
附图说明
图1是本申请实施例提供的系统框架的示意性框图。
图2是本申请实施例提供的预警交通事故的示意性流程图。
图3和图4是本申请实施例提供的违规变道行为的示意图。
图5是本申请实施例提供的预警交通事故的另一示意性流程图。
图6是本申请实施例提供的预警交通事故的装置的示意性框图。
图7是本申请实施例提供的终端设备的示意性框图。
具体实施方式
下面将结合附图,对本申请实施例中的技术方案进行描述。
需要说明的是,本申请提供的预警交通事故的方案可应用于任何需要控制车辆安全风险的场景。
例如,本申请提供的预警交通事故的方案可涉及人工智能技术。
其中,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。
应理解,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。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
本申请提供的预警交通事故的方案可涉及人工智能的自动驾驶技术或辅助驾驶等技术。
例如,本申请中的预警交通事故的方法可以是一种自动驾驶技术。基于此,可通过本申请提供的方法,在自动驾驶中降低车辆发生交通事故的概率,进而提升安全性。其中,自动驾驶技术可包括高精地图、环境感知、行为决策、路径规划、运动控制等技术,自定驾驶技术有着广泛的应用前景。再如,本申请中的预警交通事故的方法可以是一种辅助驾驶技术。基于此,可通过本申请提供的方法辅助驾驶员驾驶车辆,以降低车辆发生交通事故的概率,进而提升安全性。
此外,本申请提供的预警交通事故的方案涉及各种网络框架中,例如应用于交通行业的物联网(The Internet of Things,IOT)或应用于交通行业的云物联(Cloud IOT)。应用于交通行业的物联网也可称为车联网。
物联网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。
图1是本申请实施例提供的系统框架100的示例。
如图1所示,系统框架100可包括交通管理系统101、道路监控系统102、预警系统103以及车辆104。交通管理系统101与道路监控系统102、预警系统103以及车辆104之间可通过网络连接,以接收或发送消息。需要说明的是,图1中的交通管理系统101、道路监控系统102、预警系统103以及车辆104的数目仅仅是示意性的。根据实现需要,可以具有任意数目的交通管理系统101、道路监控系统102、预警系统103以及车辆104。
交通管理系统101可用于管理车辆104的驾驶信息,例如车辆104的登记信息。交通管理系统101可针对某一路段的交通事故进行统计或汇总。例如,该交通管理系统101可针对某一路段的交通事故的以下信息进行统计或汇总:车辆型号、导致车辆发生交通事故的因素以及碰撞位置等信息。该交通管理系统101可以包括交通管理数据库的任意具有数据处理能力的装置或设备,或者,该交通管理系统101可以是交通管理云平台。交通管理系统101也可称为或道路维护系统。
道路监控系统102可用于监控车辆104,例如,该道路监控系统102可用于实时监控经过特定路段的车辆。
例如,道路监控系统102可以通过路测装置实时监控车辆104。换言之,该道路检测系统102可包括各种类型的路测装置。路测装置可以安装在路侧,路测装置可以是智能摄像头,还可以是安装在路侧的具有拍摄和计算能力其他任何装置。
再如,道路监控系统102可以包括车联网云服务器或车联网信息平台,车联网云服务器或车联网信息平台可根据联网状态下的各个车辆(例如车辆104)上传的车辆信息进行分析和整合,以生成信息库。该信息库可用于为联网车辆(例如车辆104)提供多维度信息。各个车辆(例如车辆104)上传的车辆信息可以包括车辆通过摄像头所采集到的周围环境信息,以及车辆自身的行驶速度、行驶方向、变道等信息。
车辆104可以是任何类型的车辆。例如,卡车、货车或轿车等等。
车辆104与交通管理系统101、道路监控系统102、或预警系统103之间可通过网络连接,以接收或发送消息。
预警系统103可用于预测车辆104发生交通事故的风险,进而向用户提示车辆104存在交通事故风险的提示信息。例如,预警系统103可以将生成的车辆驾驶风险的预警通知输出至车辆104。
需要说明的是,预警系统103是本申请实施例提供的预警交通事故的方法的执行主体,用于生成车辆驾驶风险的预警通知,相应地,车辆驾驶风险的预测装置可以设置于预警系统103中。预警系统103可以是任何具有计算功能的装置或设备,例如,智能手机、平板电脑、便携式计算机、台式计算机等等,再如,车联网云平台。预警系统103可以是任何具有计算功能的车辆。例如车辆104。当然,预警系统103也可以集成到各种应用中,也可单独成为应用程序(Application,APP),用于对车辆变道引发的安全驾驶风险进行预警。
应理解,术语“系统”和“网络”在本文中可互换使用。
图2是本申请实施例提供的预警交通事故的方法200的示意性流程图。应理解,该方法200可以由预警系统或预警设备执行。例如图1所示的预警系统103。
如图2所示,该方法200可包括:
S210,获取目标车辆行驶在目标道路上需要的目标时长;
S220,在该目标时长内,获取该目标道路上的历史车辆的历史变道信息,该历史变道信息用于表征该历史车辆在该目标道路上的变道行为;
S230,基于该历史变道信息确定违规变道行为对应的车辆数量m;
S240,确定该m与该历史车辆的数量F的比值是否大于或等于第一阈值;
S250,在该比值大于或等于该第一阈值的情况下,输出该目标车辆的驾驶风险预警信息。
例如,可以通过判断m/F小于所述第一阈值是否成立,确定是否输出该驾驶风险预警信息;如果成立,说明虽然目标道路上的车辆在变道违规,但不会提升现有的由变道引发的交通事故率,此时可以用于输出该驾驶风险预警信息;否则,很可能会提升现有的由变道引发的交通事故率,应给目标车辆输出该驾驶风险预警信息,以预警该目标车辆。例如,该该驾驶风险预警信息可以是:“目标道路上的车辆的违规变道行为会提升由变道引发的交通事故率,请谨慎变道行驶。”。
通过该历史变道信息分析该违规变道行为对应的车辆数量m,相当于,考虑了该目标道路上的车辆的整体变道情况,通过判断该比值和该第一阈值,可将由于变道引发的交通事故率维持在低于第一阈值的水平,以实现对车辆驾驶过程中的由于变道引发的事故风险进行自动预警。
需要说明的是,目标车辆是指待驾驶风险预警的车辆,其具体可以是图1所示系统框架中的任一车辆,该目标车辆可以是处于驾驶状态,也可以是处于静止状态,目标道路是指目标车辆将要进入的道路,或者是目标车辆当前所停靠的道路,本实施例均不对此进行限定。
此外,该历史变道信息旨在用于表征该历史车辆在该目标道路上的变道行为;换言之,该历史变道信息可以包括用于确定历史车辆的变道行为的相关信息。违规变道行为指有可能触发交通事故的变道行为。例如,该违规变道行为可以是交通管理部门规定的违反交通规则的变道行为。
例如,违规变道行为可以包括在一次变道行为中连续向同一侧变多条车道的行为,或在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的变道行为。可选的,该第二阈值可以是交通管理部门规定的阈值或通过交通管理系统获取的阈值。
图3和图4是本申请实施例提供的违规变道行为的示意图。
如图3所示,目标车道包括车道1至车道4。目标车辆320在一次变道行为中从车道4连续变道至车道2属于违规变道行为。图3所示的变道行为也可称为违规的连续变道行为。
如图4所示,目标车道包括车道1至车道4。目标车辆320先从车道4变道至车道3,接着从车道3变道至车道2,且在车道3的行驶距离小于或等于该第二阈值,则目标车辆320的变道行为属于违规变道行为。图4所示的变道行为也可称为违规的蛇形变道行为。
在本申请的一些实施例中,该第一阈值为大于0的数值,该第一阈值为该目标道路上由于变道行为引发的历史交通事故率。
例如,该第一阈值为该目标道路上该目标时长或预设时长内,由于变道行为引发的历史交通事故率。
例如,可以从交通管理部门或者目标道路的管理部门获取由于车辆变道引发的历史交通事故率,记为phistory,进而通过判断m/F≤phistory是否成立,以确定是否输出该驾驶风险预警信息。
将第一阈值构造为该目标道路上由于变道行为引发的历史交通事故率,相当于,将由变道行为引发的交通事故率维持在低于历史的水平,能够提升预警效果。
需要说明的是,该目标道路上由于变道行为引发的历史交通事故率旨在体现车辆在该目标道路上行驶时由于变道行为引发的交通事故的平均事故发生概率。本申请对历史交通事故率的具体定义不作限定。例如,该历史交通事故率可以是由于变道行为引发的交通事故,在统计的交通事故中的占比。再如,该历史概率可以是在该目标道路上由于变道行为引发卷入了交通事故的车辆,在统计的该目标道路上行驶的车辆中的占比。
当然,在其他可替代实施例中,该第一阈值也可以是通过其他方式获取的阈值,例如,该第一阈值可以是预定义。例如,该第一阈值可以是交通管理部门设定或驾驶员设定的阈值。
下面结合表1的实验结果对本申请的预警交通事故的准确率进行说明。
表1
如表1所示,可通过第一方案和第二方案之间的虚警比和第一方案和第二方案之间的漏警比,体现本申请的预警交通事故的准确率。
第一方案可以理解为本申请提供的方案。
第二方案可以理解为直接基于路侧感知装置(如路边摄像头)拍摄并分析是否有车变道,如果有则对车辆进行预警,否则不对车辆进行预警。
第一方案和第二方案之间的虚警比可以理解为第一方案的虚假预警和第二方案的虚假预警之间的比值,第一方案和第二方案之间的漏警比可理解为该第一方案的遗漏预警和第二方案的遗漏预警之间的比值。
通过表1可以发现,第一方案的虚假预警和遗漏预警的比率分别小于第二方案的的虚假预警和遗漏预警的比率,也即是说,本申请提供的方案能够提升事故预测的准确度,有利于提升预警效果。
在本申请的一些实施例中,该S230可包括:
基于该历史变道信息,确定该历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri,2≤i≤y,该y表征该目标道路的车道数量,ri≥0;
将该ri转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量r′i,r′i≥0;
基于该r′i的累计和,确定该m。
例如,可以直接将该r′i的累计和,确定为该m。再如,可以将该r′i的累计和作为该m的一部分。例如,可以将该r′i的累计和,以及其他违规变道行为对应的车辆数量的和,确定为该m。
将在一次变道行为中连续向同一侧变i条道的车辆的数量,转换为在一次变道行为中连续向同一侧变两条道的车辆的数量,相当于,将不同危险程度的连续变道行为对应的车辆数量,转换为危险程度相同的连续变道行为对应的车辆数量,有助于统一量化违规变道行为的危险程度,进而提升预警准确度。
在本申请的一些实施例中,该历史车辆包括车辆j,j≥1;该历史变道信息包括该车辆j的车牌、用于表征该车辆j开始变道行为的第一信号、用于表征该车辆j结束变道行为的第二信号、该车辆j变道时的行驶速度vj、该车辆j的行驶方向、以及车道宽度w;
基于此,可按照如下方式确定该历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri:
基于该第一信号和该第二信号确定该车辆j变道占用的时间tj;
基于该tj、该vj以及该车辆j的行驶方向,确定该车辆j的横向行驶距离;
基于该车辆j的横向行驶距离和该w确定该车辆j连续变道的车道数量ij;
在该ij为该i的情况下,将车辆j统计为在一次变道行为中连续向同一侧变i条道的车辆。
换言之,通过遍历该历史车辆中的每一个车辆发生的每一次变道行为中连续向同一侧变道的车道数量,可统计出该历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri。
例如,假设第一车辆在该目标时长内,在该目标道路上两次出现在一次变道行为中连续向同一侧变2条道,在一次出现在一次变道行为中连续向同一侧变3条道;则统计该历史车辆中在一次变道行为中连续向同一侧变2条道的车辆的数量时,统计两次该第一车辆;统计该历史车辆中在一次变道行为中连续向同一侧变3条道的车辆的数量时,统计一次该第一车辆。
在本申请的一些实施例中,该r′i为该ri和该ri的转换系数的乘积,该ri的转换系数随该i的增大而增大。
例如,该i等于2的情况下,即ri等于r2,该r2的转换系数可以为1。再如,该i等于3的情况下,即ri等于r3,该r3的转换系数可以为2。当然,上述数值仅为示例,不应理解为对本申请的限制。例如,在其他可替代实施例中,该r3的转换系数也可以为1.5。
换言之,该i越大,该i对应的变道行为的可能触发交通事故的危险程度越大,将该ri的转换系数构造为随该i的增大而增大,相当于,将高危险的连续变道行为对应的车辆数量,转换为多个低危险的连续变道行为对应的车辆数量,有助于统一量化违规的连续变道行为的危险程度,进而提升预警准确度。
在本申请的一些实施例中,可以将该i与1的差值,与该ri相乘,以生成该r′i。
例如,可以按照以下公式确定该r′i:
r′i=(i-1)ri。
换言之,i-1可作为ri的转换系数。
在本申请的一些实施例中,该S230可包括:
基于该历史变道信息,确定该历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u,u1≥0;
将该u转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量u′;u′≥0;
基于该u′确定该m。
例如,可以直接将该u′确定为该m。再如,可以将该u′作为该m的一部分。例如,可以将该u′以及其他违规变道行为对应的车辆数量的和,确定为该m。例如,可以将上文涉及的r′i的累计和与该该u′的和,确定为该m。
将在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量,转换为在一次变道行为中连续向同一侧变两条道的车辆的数量,相当于,将不同类型的违规变道行为的危险程度转换为同一种类型的违规变道行为的危险程度,有助于统一量化违规变道行为的危险程度,进而提升预警准确度。
在本申请的一些实施例中,该历史车辆包括车辆j,该历史变道信息包括该车辆j的车牌、用于表征该车辆j在该相邻的两次变道行为中的第一次变道行为结束的第三信号、用于该车辆j在该相邻的两次变道行为中的第二次变道行为开始的第四信号、该车辆j变道时的行驶速度vj;
基于此,可以按照以下方式确定该历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u,包括:
基于该第三信号和该第四信号确定该车辆j在该第一次变道行为和该第二变道行为之间的时间间隔Δtj;
基于该Δtj和该vj,确定该车辆j在该第一次变道行为和该第二变道行为之间的行驶距离lj;
在该lj小于或等于该第二阈值的情况下,将车辆j统计为在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆。
换言之,通过遍历该历史车辆中的每一个车辆的两次相邻的变道行之间的行驶距离,可统计出该历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u。
例如,假设第二车辆在该目标时长内,在该目标道路上两次出现在相邻的两次变道行为之间的行驶距离小于或等于该第二阈值;则统计该历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量时,统计两次该第二车辆。
在本申请的一些实施例中,可将2u确定为该u′。
例如,可以按照以下公式确定该u′:
u′=2u。
需要说明的是,本申请实施例中,该相邻的两次变道行为包括变道方向相反的两次相邻的变道行为。例如,在向左(右)变道后立马向右(左)变道。例如,如图4所示的蛇形变道行为。
当然,该相邻的两次变道行为也可以包括变道方向相同的两次相邻的变道行为。需要说明的是,在上文涉及的违规的连续变道行为指在一次变道行为中连续向同一侧变i条道,即连续向同一侧变i条道之前开启转向灯,并在连续向同一侧变i条道完成后关闭转向灯;而针对变道方向相同的两次相邻的变道行为,需要在两次变道行为之间先关闭转向灯再开启转向灯,以完成两次变道过程。例如,在向左(右)变道且关闭转向灯后,立马开启转向灯再次向左(右)变道。
当然,将上文涉及的r′i的累计和与该该u′的和,确定为该m,仅为本申请的示例。不应理解为对本申请的限制。
例如,在其他可替代实施例中,还可以将该的r′i的累计和、该该u′以及其他违规变道行为对应的车辆的数量的和,确定为该m。例如,由于在一条车道上正常行驶的条件下,没有关闭转向灯也存在交通事故隐患;该其他违规变道行为对应的车辆可以包括在变道至某一条车道后,以开启转向灯的状态,行驶的距离大于或等于第三阈值的车辆;或者,该其他违规变道行为对应的车辆可以包括在一次变道行为中花费的时长大于或等于第四阈值的车辆。
图5是本申请实施例提供的预警交通事故的方法300的示意性流程图。
S310,获取目标车辆行驶在目标道路上需要的目标时长。
例如,可以在地图软件中通过输入始发地和目的地可获取将要在即将进入的公路(将其称为目标道路)上行驶的总里程,记为s;同时,可通过道路监控系统的车联网云服务器(任何一个服务器)获取目标道路法定车速(公路的法定车速可以是国家规定的速度,记为v。如果法定车速是一个区间,可以取平均车速。基于此,可确定出该目标时长,记为T。例如,T=s/v。
S320,在该目标时长内,获取该目标道路上的历史车辆的历史变道信息,该历史变道信息用于表征该历史车辆在该目标道路上的变道行为。
S331,基于该历史变道信息,确定该历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri,2≤i≤y,该y表征该目标道路的车道数量,ri≥0。
例如,在目标道路上,车辆在变道之前打开转向灯,在打开转向灯的同时触发信号发生装置,该装置将变道信号通过网络上报给车联网云服务器,车联网云服务器记录每一辆车上报给它的变道信号。在车辆变道结束时,转向灯熄灭,同时也会触发信号发生装置,该装置将变道结束信号通过网络上报给车联网云服务器,车联网云服务器记录每一辆车上报给它的变道结束信号。车辆在上报开始和结束变道时也会上报自己的车牌号(车牌号用于车联网云平台区分车辆)、车速、和行驶方向。因此,车联网云服务器能统计出每一辆变道花费的时间,以及车辆的横向距离。
例如,在目标时长T内,车联网云平台接收到n辆车辆的变道信息后可,可确定出每一辆车的变道时间,将n辆车辆在变道过程中花费的时间分别记为t1,t2,...,tn,同时,将n辆车辆在变道过程中的车速分别记为v1,v2,...,vn,将n辆车辆在变道过程中的行驶方向分别记为θ1,θ2,...,θn;简言之,可从车联网云服务器获取t1,t2,...,tn,v1,v2,...,vn,θ1,θ2,...,θn,此外,还可以从车联网云服务器获取目标道路的车道数量y和宽度W。
需要说明的是,该目标道路上不同路段的车道数量可以相等,也可以不相等,本申请对此不作具体限定。
此外,本申请对车辆的行驶方向的表示方式不作限定。例如,可以通过该行驶方向以与车道线的夹角表示该行驶方向。例如,该夹角可以为锐角。再如,可以通过该行驶方向与正北方向(正东、正南、正西)的夹角可用于表示该行驶方向。与此同时,该历史变道信息也可以包括车道线的方向。例如,可以通过车道线的方向与正北方向(正东、正南、正西)的夹角表示该车道线的方向。
基于上述确定的t1,t2,...,tn,v1,v2,...,vn,θ1,θ2,...,θn,可确定出车辆1,2,...,n在变道期间的横向行驶距离,将其分别为v1t1cosθ1,v2t2cosθ2,...,vntncosθn,并分别判断车辆1,2,...,n分别与车道宽度W之间的大小关系,以确定连续变2,3,...,y条车道的车辆数,将其分别记为r2,r3,...,ry。
例如,针对车辆j,如果(i-1)W≤vjtjcosθj<iW,则确定车辆j在变道时长内连续变了i条车道。
S332,将该ri转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量r′i,r′i≥0。
例如,以“r2辆车向同一侧连续变2条道”为基准,“r3辆车向同一侧连续变3条道”等效于“2r3辆车向同一侧连续变2条道”,以此类推,“ri辆车向同一侧连续变3条道”等效于“(i-1)ri辆车向同一侧连续变2条道”。“r2,r3,...,ry辆车分别连续向同一侧变2,3,...,y条道”等效于“r2+2r3+...+(y-1)ry辆车向同一侧连续变2条道”。
S333,基于该历史变道信息,确定该历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u,u1≥0。
例如,可以通过变道方向相反的两次相邻的变道行为之间的行驶距离小于或等于该第二阈值的车辆的数量,以及变道方向相同的两次相邻的变道行为之间的行驶距离小于或等于该第二阈值的车辆的数量,确定该u。应理解,确定变道方向相反的两次相邻的变道行为之间的行驶距离小于或等于该第二阈值的车辆的数量的实现方式,和确定变道方向相反的两次相邻的变道行为之间的行驶距离小于或等于该第二阈值的车辆的数量的实现方式可以相同,下面以确定变道方向相反的两次相邻的变道行为之间的行驶距离小于或等于该第二阈值的车辆的数量为例,对确定u的实现方式进行说明。
如果辆车j向左(右)变道之后在没有行驶距离的条件下即向右(左)变道,且左(右)变道的结束信号和向右(左)变道的开始信号之间的时间间隔是τj,则车联网云服务器可以确定辆车j在第一次变道的结束时刻到第二次变道的开始时刻的时间间隔内行驶的距离vjτj是否小于L,即判断vjτj<L是否成立。如果成立,确定辆车j是蛇形变道车辆。
通过遍历该目标道路上目标时长内的历史车辆,即可统计出发生蛇形变道行为的车辆的数量。
需要说明的是,如果一辆车既存在上文涉及的向同一侧连续变道的行为又有蛇形变道的行为,由于每一次行为都是危险驾驶行为,因此,需要将这两次行为分割统计,即在S331中应该被统计一次,在S333中也应被统计一次,以提升预警准确度。
S334,将该u转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量u′;u′≥0。
例如,“u辆车蛇形变道”等效于“2u辆车向同一侧连续变2条道”。
S335,将该r′i和该u′的和确定为m。
即,该m为r2+2r3+...+(y-1)ry+2μ。
S340,确定该m与该历史车辆的数量F的比值是否大于或等于第一阈值。
S350,在该比值大于或等于该第一阈值的情况下,输出该目标车辆的驾驶风险预警信息。
例如,连续变两条道即存在安全隐患,这种隐患数量与目标道路的总车流量应该控制在由变道引发的历史交通事故率以内,否则可能会提升目标道路的交通事故水平。
基于此,可以从交通管理部门或者目标道路的管理部门获取由于车辆变道引发的交通事故率,记为phistory,进而判断(r2+2r3+...+(y-1)ry+2μ)/F≤phistory是否成立,如果成立,说明虽然目标道路上的车辆在变道违规,但不会提升现有的由变道引发的交通事故率,此时可以不用输出该驾驶风险预警信息;否则,很可能会提升现有的由变道引发的交通事故率,应给目标车辆输出该驾驶风险预警信息,以预警该目标车辆。例如,该该驾驶风险预警信息可以是:“目标道路上的车辆的违规变道行为会提升由变道引发的交通事故率,请谨慎变道行驶。”。
需要说明的是,本申请实施例提供的附图仅为示例,不应理解为对本申请的限制。例如,图5所示的S310、S320、S340以及S350可分别用于替换图2所示的S210、S220、S240以及S250,或图2所示的S210、S220、S240以及S250可分别用于替换图5所示的S310、S320、S340以及S350;再如,图5所示的S331、S332、S333、S334以及S335和图2所示的S230可相互替换。
以上结合附图详细描述了本申请的优选实施方式,但是,本申请并不限于上述实施方式中的具体细节,在本申请的技术构思范围内,可以对本申请的技术方案进行多种简单变型,这些简单变型均属于本申请的保护范围。例如,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本申请对各种可能的组合方式不再另行说明。又例如,本申请的各种不同的实施方式之间也可以进行任意组合,只要其不违背本申请的思想,其同样应当视为本申请所公开的内容。
换言之,本申请提供的实施例仅用于说明本申请,本申请提供的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,在本申请提供的技术方案的基础上,凡根据本发明原理对某个部分进行的改进和等同变换,均不应排除在本发明的保护范围之外。
还应理解,在本申请的各种方法实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
上文结合图1至图5,详细描述了本申请的方法实施例,下文结合图6至图7,详细描述本申请的装置实施例。
图6是本申请实施例提供的预警交通事故的装置500的示意性框图。
如图6所示,该装置500可包括:
第一获取单元510,用于获取目标车辆行驶在目标道路上需要的目标时长;
第二获取单元520,用于在该目标时长内,获取该目标道路上的历史车辆的历史变道信息,该历史变道信息用于表征该历史车辆在该目标道路上的变道行为;
第一确定单元530,用于基于该历史变道信息确定违规变道行为对应的车辆数量m;
第二确定单元540,用于确定该m与该历史车辆的数量F的比值是否大于或等于第一阈值;
输出单元550,用于在该比值大于或等于该第一阈值的情况下,输出该目标车辆的驾驶风险预警信息。
在本申请的一些实施例中,该第一阈值为大于0的数值,该第一阈值为该目标道路上由于变道行为引发的历史交通事故率。
在本申请的一些实施例中,该第一确定单元530具体用于:
基于该历史变道信息,确定该历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri,2≤i≤y,该y表征该目标道路的车道数量,ri≥0;
将该ri转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量r′i,r′i≥0;该m包括该r′i的累计和。
在本申请的一些实施例中,该历史车辆包括车辆j,j≥1;该历史变道信息包括该车辆j的车牌、用于表征该车辆j开始变道行为的第一信号、用于表征该车辆j结束变道行为的第二信号、该车辆j变道时的行驶速度vj、该车辆j的行驶方向、以及车道宽度w;
其中,该第一确定单元530具体用于:
基于该第一信号和该第二信号确定该车辆j变道占用的时间tj;
基于该tj、该vj以及该车辆j的行驶方向,确定该车辆j的横向行驶距离;
基于该车辆j的横向行驶距离和该w确定该车辆j连续变道的车道数量ij;
在该ij为该i的情况下,将车辆j统计为在一次变道行为中连续向同一侧变i条道的车辆。
在本申请的一些实施例中,该r′i随该i的增大而增大。
在本申请的一些实施例中,该第一确定单元530具体用于:
将该i与1的差值,与该ri相乘,以生成该r′i。
在本申请的一些实施例中,该第一确定单元530具体用于:
基于该历史变道信息,确定该历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u,u1≥0;
将该u转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量u′;u′≥0;其中,该m包括该u′。
在本申请的一些实施例中,该历史车辆包括车辆j,该历史变道信息包括该车辆j的车牌、用于表征该车辆j在该相邻的两次变道行为中的第一次变道行为结束的第三信号、用于该车辆j在该相邻的两次变道行为中的第二次变道行为开始的第四信号、该车辆j变道时的行驶速度vj;
其中,该第一确定单元530具体用于:
基于该第三信号和该第四信号确定该车辆j在该第一次变道行为和该第二变道行为之间的时间间隔Δtj;
基于该Δtj和该vj,确定该车辆j在该第一次变道行为和该第二变道行为之间的行驶距离lj;
在该lj小于或等于该第二阈值的情况下,将车辆j统计为在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆。
在本申请的一些实施例中,该第一确定单元530具体用于:
将2u确定为该u′。
在本申请的一些实施例中,该相邻的两次变道行为包括变道方向相反的两次相邻的变道行为。
应理解,装置实施例与方法实施例可以相互对应,类似的描述可以参照方法实施例。为避免重复,此处不再赘述。具体地,图6所示的装置500可以对应于执行本申请实施例的方法200或300中的相应主体,并且装置500中的各个模块的前述和其它操作和/或功能分别为了实现图2或图5中的各个方法中的相应流程,为了简洁,在此不再赘述。
上文中结合附图从功能模块的角度描述了本申请实施例的装置500。应理解,该功能模块可以通过硬件形式实现,也可以通过软件形式的指令实现,还可以通过硬件和软件模块组合实现。具体地,本申请实施例中的方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成,结合本申请实施例公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。可选地,软件模块可以位于随机存储器,闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法实施例中的步骤。
图7是本申请实施例提供的终端设备600的示意性框图。
如图7所示,该终端设备600可包括:
存储器610和处理器620,该存储器610用于存储计算机程序611,并将该程序代码611传输给该处理器620。换言之,该处理器620可以从存储器610中调用并运行计算机程序611,以实现本申请实施例中的方法。
例如,该处理器620可用于根据该计算机程序611中的指令执行上述方法200中的步骤。
在本申请的一些实施例中,该处理器620可以包括但不限于:
通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等等。
在本申请的一些实施例中,该存储器610包括但不限于:
易失性存储器和/或非易失性存储器。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)。
在本申请的一些实施例中,该计算机程序611可以被分割成一个或多个模块,该一个或者多个模块被存储在该存储器610中,并由该处理器620执行,以完成本申请提供的录制页面的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述该计算机程序611在该终端设备600中的执行过程。
如图7所示,该终端设备600还可包括:
收发器630,该收发器630可连接至该处理器620或存储器610。
其中,处理器620可以控制该收发器630与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。收发器630可以包括发射机和接收机。收发器630还可以进一步包括天线,天线的数量可以为一个或多个。
应当理解,该终端设备600中的各个组件通过总线系统相连,其中,总线系统除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。
根据本申请的一个方面,提供了一种计算机存储介质,其上存储有计算机程序,该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说,本申请实施例还提供一种包含指令的计算机程序产品,该指令被计算机执行时使得计算机执行上述方法实施例的方法。
根据本申请的另一个方面,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方法实施例的方法。
换言之,当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本领域普通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模块及算法步骤,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的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、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,该模块的划分,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,例如多个模块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,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。例如,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
以上所述,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该权利要求的保护范围为准。
Claims (13)
1.一种预警交通事故的方法,其特征在于,包括:
获取目标车辆行驶在目标道路上需要的目标时长;
在所述目标时长内,获取所述目标道路上的历史车辆的历史变道信息,所述历史变道信息用于表征所述历史车辆在所述目标道路上的变道行为;
基于所述历史变道信息确定违规变道行为对应的车辆数量m;
确定所述m与所述历史车辆的数量F的比值是否大于或等于第一阈值;
在所述比值大于或等于所述第一阈值的情况下,输出所述目标车辆的驾驶风险预警信息。
2.根据权利要求1所述的方法,其特征在于,所述第一阈值为大于0的数值,所述第一阈值为所述目标道路上由于变道行为引发的历史交通事故率。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述历史变道信息确定违规变道行为对应的车辆数量m,包括:
基于所述历史变道信息,确定所述历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri,2≤i≤y,所述y表征所述目标道路的车道数量,ri≥0;
将所述ri转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量ri′,ri′≥0;
基于所述ri′的累计和,确定所述m。
4.根据权利要求3所述的方法,其特征在于,所述历史车辆包括车辆j,j≥1;所述历史变道信息包括所述车辆j的车牌、用于表征所述车辆j开始变道行为的第一信号、用于表征所述车辆j结束变道行为的第二信号、所述车辆j变道时的行驶速度vj、所述车辆j的行驶方向、以及车道宽度w;
其中,所述基于所述历史变道信息,确定所述历史车辆中在一次变道行为中连续向同一侧变i条道的车辆的数量ri,包括:
基于所述第一信号和所述第二信号确定所述车辆j变道占用的时间tj;
基于所述tj、所述vj以及所述车辆j的行驶方向,确定所述车辆j的横向行驶距离;
基于所述车辆j的横向行驶距离和所述w确定所述车辆j连续变道的车道数量ij;
在所述ij为所述i的情况下,将车辆j统计为在一次变道行为中连续向同一侧变i条道的车辆。
5.根据权利要求3所述的方法,其特征在于,所述ri′为所述ri和所述ri的转换系数的乘积,所述ri的转换系数随所述i的增大而增大。
6.根据权利要求3所述的方法,其特征在于,所述将所述ri转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量ri′,包括:
将所述i与1的差值,与所述ri相乘,以生成所述ri′。
7.根据权利要求1或2所述的方法,其特征在于,所述基于所述历史变道信息确定违规变道行为对应的数量m,包括:
基于所述历史变道信息,确定所述历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u,u1≥0;
将所述u转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量u′;u′≥0;
基于所述u′确定所述m。
8.根据权利要求7所述的方法,其特征在于,所述历史车辆包括车辆j,所述历史变道信息包括所述车辆j的车牌、用于表征所述车辆j在所述相邻的两次变道行为中的第一次变道行为结束的第三信号、用于所述车辆j在所述相邻的两次变道行为中的第二次变道行为开始的第四信号、所述车辆j变道时的行驶速度vj;
其中,所述基于所述历史变道信息,确定所述历史车辆中在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆的数量u,包括:
基于所述第三信号和所述第四信号确定所述车辆j在所述第一次变道行为和所述第二变道行为之间的时间间隔Δtj;
基于所述Δtj和所述vj,确定所述车辆j在所述第一次变道行为和所述第二变道行为之间的行驶距离lj;
在所述lj小于或等于所述第二阈值的情况下,将车辆j统计为在相邻的两次变道行为之间的行驶距离小于或等于第二阈值的车辆。
9.根据权利要求7所述的方法,其特征在于,所述将所述u转换为用于表征在一次变道行为中连续向同一侧变两条道的车辆的数量u′,包括:
将2u确定为所述u′。
10.根据权利要求7所述的方法,其特征在于,所述相邻的两次变道行为包括变道方向相反的两次相邻的变道行为。
11.一种预警交通事故的装置,其特征在于,包括:
第一获取单元,用于获取目标车辆行驶在目标道路上需要的目标时长;
第二获取单元,用于在所述目标时长内,获取所述目标道路上的历史车辆的历史变道信息,所述历史变道信息用于表征所述历史车辆在所述目标道路上的变道行为;
第一确定单元,用于基于所述历史变道信息确定违规变道行为对应的车辆数量m;
第二确定单元,用于确定所述m与所述历史车辆的数量F的比值是否大于或等于第一阈值;
输出单元,用于在所述比值大于或等于所述第一阈值的情况下,输出所述目标车辆的驾驶风险预警信息。
12.一种终端设备,其特征在于,包括:
处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,以执行权利要求1至10中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011215927.9A CN114446042B (zh) | 2020-11-04 | 2020-11-04 | 预警交通事故的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011215927.9A CN114446042B (zh) | 2020-11-04 | 2020-11-04 | 预警交通事故的方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114446042A true CN114446042A (zh) | 2022-05-06 |
CN114446042B CN114446042B (zh) | 2023-11-24 |
Family
ID=81361364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011215927.9A Active CN114446042B (zh) | 2020-11-04 | 2020-11-04 | 预警交通事故的方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114446042B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359658A (zh) * | 2022-08-17 | 2022-11-18 | 阿里云计算有限公司 | 交通事件的检测方法、装置、设备、存储介质及程序产品 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599545A (zh) * | 2014-05-19 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 用于行车过程中的行车状态监测方法、装置和导航设备 |
JP2016016853A (ja) * | 2014-07-11 | 2016-02-01 | トヨタ自動車株式会社 | 運転支援システム及び運転支援方法 |
CN108154681A (zh) * | 2016-12-06 | 2018-06-12 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及系统 |
CN109146299A (zh) * | 2018-08-29 | 2019-01-04 | 广东工业大学 | 一种道路交叉口安全状态评估方法 |
CN110930733A (zh) * | 2019-11-29 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 车道切换风险处理方法、装置、存储介质和计算机设备 |
US20200290621A1 (en) * | 2019-03-11 | 2020-09-17 | Hyundai Mobis Co., Ltd. | Vehicle lane change control apparatus and method |
CN111710187A (zh) * | 2020-05-19 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 确定车辆驾驶风险的方法、装置、介质及电子设备 |
CN111739290A (zh) * | 2020-06-05 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 车辆预警方法及装置 |
CN111798661A (zh) * | 2020-07-13 | 2020-10-20 | 腾讯科技(深圳)有限公司 | 车辆行驶中的超车预警方法及装置 |
-
2020
- 2020-11-04 CN CN202011215927.9A patent/CN114446042B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599545A (zh) * | 2014-05-19 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 用于行车过程中的行车状态监测方法、装置和导航设备 |
JP2016016853A (ja) * | 2014-07-11 | 2016-02-01 | トヨタ自動車株式会社 | 運転支援システム及び運転支援方法 |
CN108154681A (zh) * | 2016-12-06 | 2018-06-12 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及系统 |
CN109146299A (zh) * | 2018-08-29 | 2019-01-04 | 广东工业大学 | 一种道路交叉口安全状态评估方法 |
US20200290621A1 (en) * | 2019-03-11 | 2020-09-17 | Hyundai Mobis Co., Ltd. | Vehicle lane change control apparatus and method |
CN110930733A (zh) * | 2019-11-29 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 车道切换风险处理方法、装置、存储介质和计算机设备 |
CN111710187A (zh) * | 2020-05-19 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 确定车辆驾驶风险的方法、装置、介质及电子设备 |
CN111739290A (zh) * | 2020-06-05 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 车辆预警方法及装置 |
CN111798661A (zh) * | 2020-07-13 | 2020-10-20 | 腾讯科技(深圳)有限公司 | 车辆行驶中的超车预警方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359658A (zh) * | 2022-08-17 | 2022-11-18 | 阿里云计算有限公司 | 交通事件的检测方法、装置、设备、存储介质及程序产品 |
CN115359658B (zh) * | 2022-08-17 | 2024-06-11 | 阿里云计算有限公司 | 交通事件的检测方法、装置、设备、存储介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN114446042B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arooj et al. | Big data processing and analysis in internet of vehicles: architecture, taxonomy, and open research challenges | |
CN111656140B (zh) | 预测交通事故发生地的人工智能系统和方法 | |
CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
CN111582189B (zh) | 交通信号灯识别方法、装置、车载控制终端及机动车 | |
WO2019205020A1 (zh) | 一种路况识别方法、装置及设备 | |
CN113537445B (zh) | 一种轨迹预测方法、装置、设备和存储介质 | |
CN112193252A (zh) | 驾驶风险的预警方法、装置、计算设备及存储介质 | |
CN114970705B (zh) | 基于多传感数据的行驶状态分析方法、装置、设备及介质 | |
JP2022542366A (ja) | 車両の安全性能を評価すること | |
CN111863029A (zh) | 一种基于音频的事件检测方法和系统 | |
CN109214258A (zh) | 失驾人员违规驾驶的检测方法及装置 | |
US20230273040A1 (en) | System and method of creating custom dynamic neighborhoods for individual drivers | |
Xue et al. | A context-aware framework for risky driving behavior evaluation based on trajectory data | |
CN112132335A (zh) | 预测交通事故的方法、装置、设备以及存储介质 | |
Takimoto et al. | Predicting traffic accidents with event recorder data | |
CN113423063A (zh) | 基于车载t-box的车辆监控方法、装置、车辆及介质 | |
CN108171605A (zh) | 一种车辆二次抵押报警方法、装置、服务器及存储介质 | |
CN114446042A (zh) | 预警交通事故的方法、装置、设备以及存储介质 | |
CN118262508A (zh) | 一种基于无人机的道路实时监控方法、系统、设备和介质 | |
CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
Hu et al. | Test scenario generation method for autonomous vehicles based on combinatorial testing and Bayesian network | |
CN116817950A (zh) | 路径规划方法、装置、设备、系统、存储介质和程序产品 | |
CN112216133B (zh) | 信息推送方法、装置、设备及介质 | |
Hamzah et al. | Parking Violation Detection on The Roadside of Toll Roads with Intelligent Transportation System Using Faster R-CNN Algorithm | |
CN114792411A (zh) | 公交车礼让行人检测方法、系统、设备及存储介质 |
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 |