CN115311861B - 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质 - Google Patents

高速公路疲劳驾驶判别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115311861B
CN115311861B CN202210954031.5A CN202210954031A CN115311861B CN 115311861 B CN115311861 B CN 115311861B CN 202210954031 A CN202210954031 A CN 202210954031A CN 115311861 B CN115311861 B CN 115311861B
Authority
CN
China
Prior art keywords
time
vehicle
portal
target vehicle
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210954031.5A
Other languages
English (en)
Other versions
CN115311861A (zh
Inventor
叶劲松
尚赞娣
周雷
王松涛
黄莉莉
党欣媛
李洪囤
张凤
杨艳芳
曹剑东
王望雄
刘家佳
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.)
China Academy of Transportation Sciences
Original Assignee
China Academy of Transportation Sciences
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 China Academy of Transportation Sciences filed Critical China Academy of Transportation Sciences
Priority to CN202210954031.5A priority Critical patent/CN115311861B/zh
Publication of CN115311861A publication Critical patent/CN115311861A/zh
Application granted granted Critical
Publication of CN115311861B publication Critical patent/CN115311861B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G08G1/01—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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种高速公路疲劳驾驶判别方法、装置、电子设备及存储介质，属于高速公路数据处理技术领域。本申请通过获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；判断所述目标车辆是否进入服务区；若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为，收集数据较为简单，提高计算效率，节省了人力物力。

Description

高速公路疲劳驾驶判别方法、装置、电子设备及存储介质
技术领域
本申请涉及高速数据处理领域，尤其涉及一种高速公路疲劳驾驶判别方法、装置、电子设备及存储介质。
背景技术
高速公路驾车行驶是一项十分消耗体能，又需要时刻保持注意力集中的行为。由于距离远、时间长以及交通安全意识薄弱等原因，司机往往会采取超时、超速等违法行为。据资料统计表明疲劳驾驶是造成高速公路交通事故的主要原因之一。
国内外目前对于疲劳驾驶的检测方式主要有基于驾驶员的身体指标来进行判别；基于驾驶司机的面部特征进行分析，比如驾驶员面部动作、眼部特征以及驾驶行为等来判别；基于驾驶员的车辆运行情况来判别，比如是否出现车道偏离情况、转向盘转角等。
但是这些方式存在收集数据成本较高，不适合大样本进行疲劳驾驶检测判定结果，会耗费大量的人力物力，费时费力，效率比较低下等问题。
发明内容
为了解决上述技术问题，本申请实施例提供了一种高速公路疲劳驾驶判别方法、装置、电子设备及存储介质。
第一方面，本申请实施例提供了一种高速公路疲劳驾驶判别方法，所述方法包括：
获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；
根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；
判断所述目标车辆是否进入服务区；
若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为。
根据本申请公开的一种具体实施方式，获取各待判别车辆在高速公路上的完整通行数据的步骤，包括：
获取各所述待判别车辆在高速公路上的各通行数据表；
依据各所述待判别车辆的通行数据表通过均值插补法或随机插补法补全各所述待判别车辆的原始通行数据，得到各所述待判别车辆的完整通行数据。
根据本申请公开的一种具体实施方式，根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆的步骤，包括：
将各所述待判别车辆的驶出时间减去所述驶入时间的差值作为各所述通行时间；
从各所述待判别车辆中筛选出通行时间大于或等于预设疲劳时间阈值的车辆确定为所述目标车辆。
根据本申请公开的一种具体实施方式，将各所述待判别车辆的驶出时间减去所述驶入时间的差值作为各所述通行时间的步骤之前，还包括：
获取门架样本指标数据建立训练数据集；
根据所述训练数据集计算门架信息对应的各入口站的概率，将概率最大的入口站确定为各所述待判别车辆的各首个入口站；
根据所述各首个入口站确定各所述待判别车辆的驶入时间。
根据本申请公开的一种具体实施方式，判断所述目标车辆是否进入服务区的步骤，包括：
获取所述目标车辆在无服务区路段的第一门架数据以及在有服务区路段的第二门架数据，其中，所述第一门架数据包括第一路段距离、第一门架时间以及第二门架时间，所述第二门架数据包括第二路段距离、第三门架时间以及第四门架时间；
根据所述第一路段距离、第一门架时间以及第二门架时间计算所述目标车辆的第一行驶速度，根据所述第二路段距离、第三门架时间以及第四门架时间计算所述目标车辆的第二行驶速度；
若所述第二行驶速度小于或等于所述第一行驶速度，则确定所述目标车辆进入服务区；
若所述第二行驶速度大于所述第一行驶速度，确定所述目标车辆未进入服务区。
根据本申请公开的一种具体实施方式，若所述第二行驶速度小于或等于所述第一行驶速度，则确定所述目标车辆进入服务区的步骤之后，还包括：
计算所述目标车辆进入服务区的休息时间；
若所述目标车辆的休息时间少于预设休息时间，则确定所述目标车辆存在疲劳驾驶行为；
若所述目标车辆的休息时间大于或等于预设休息时间，则确定所述目标车辆不存在疲劳驾驶行为。
根据本申请公开的一种具体实施方式，计算所述目标车辆进入服务区的休息时间的步骤，包括：
将所述第四门架时间减去所述第三门架时间的差值确定为所述目标车辆进入服务区的休息时间。
第二方面，本申请实施例提供了一种高速公路疲劳驾驶判别装置，所述装置包括：
获取模块，用于获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；
筛选模块，用于根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；
判断模块，用于判断所述目标车辆是否进入服务区；
确定模块，用于若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为。
第三方面，本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面提供的高速公路疲劳驾驶的判别方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面提供的高速公路疲劳驾驶的判别方法。
上述本申请提供的高速公路疲劳驾驶判别方法，通过获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；判断所述目标车辆是否进入服务区；若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为，通过补全采集通行数据收集数据较为简单，提高计算效率，节省了人力物力。
附图说明
为了更清楚地说明本申请的技术方案，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申请的某些实施例，因此不应被看作是对本申请保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1为本申请实施例提供的一种高速公路疲劳驾驶判别方法的流程示意图；
图2示出了本申请实施例提供的一种高速公路疲劳驾驶判别装置的模块框图；
图3示出了本申请实施例提供的一种高速公路疲劳驾驶判别电子设备图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
在下文中，可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本申请的各种实施例中被清楚地限定。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互结合。
参见图1，图1为本申请实施例提供的一种高速公路疲劳驾驶判别方法的流程示意图。如图1所示，所述方法包括：
步骤S101，获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间。
驾驶机动车不得有连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟的行为，否则会被判定为疲劳驾驶。
在一实施方式中，所述获取各待判别车辆在高速公路上的完整通行数据的步骤，包括：
获取各所述待判别车辆在高速公路上的各通行数据表；
依据各所述待判别车辆的通行数据表通过均值插补法或随机插补法补全各所述待判别车辆的原始通行数据，得到各所述待判别车辆的完整通行数据。
具体地，各待判别车辆在驶入高速公路后，通过ETC(Electronic TollCollection，电子不停车收费系统)可以直接获取各通行数据表。将各待判别车辆在高速公路上的车型数据、驶入时间数据、驶出时间数据、行驶里程以及门架数据等数据称为各通行数据表。
具体地，高速公路中的车型数据、驶入时间数据以及驶出时间数据可以直接采用通行数据表中的各数据中的众数来进行补全操作。门架数据可以采用随机插补法来进行补全，通行数据表中的门架数据样本为Q＝(y1,y2,…yn)'，其中，yi(i＝1,2,…n)为测算所需要的门架数据指标。门架数据指标yi＝(yi1,yi2,…yim)表示为单个门架数据指标的m个样本量，其中完全观测量为mobs，需要补全的数据量为mmis，从mobs中以某种概率随机抽取mmis个数作为插补值，得到插补完的完全样本为
Figure BDA0003790433160000071
其中，{yi1,yi2,…yobs}为观测数据，插补后的变量对应的均值为
Figure BDA0003790433160000081
Vi＝0或Vi＝1通过随机插补后的估计量能一定程度弱化均值插补改变目标变量分布的缺点，使得插补后的完整通行数据更加接近真实值分布。
步骤S102，根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆。
具体实施时，根据规定，驾驶机动车不得有连续驾驶机动车超过4小时未停车或者停车休息时间少于20分钟的行为，判定为疲劳驾驶行为。通过计算各待判别车辆的通行时间，即可得到通行时间超过预设疲劳时间阈值或通行时间未超过预设疲劳时间阈值的各待判别车辆。将通行时间超过预设疲劳时间阈值的待判别车辆定义为目标车辆。
在一实施方式中，所述根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆的步骤，包括：
将各所述待判别车辆的驶出时间减去所述驶入时间的差值作为各所述通行时间；
从各所述待判别车辆中筛选出通行时间大于或等于预设疲劳时间阈值的车辆确定为所述目标车辆。
具体地，对于驶入时间和驶出时间数据未缺失的各待判别车辆可以直接计算其通行时间。即T＝Tc-Tr，其中，Tc为驶出时间，Tr为驶入时间。
优选地，所述预设疲劳时间阈值为四小时。
在一实施方式中，所述将各所述待判别车辆的驶出时间减去所述驶入时间的差值作为各所述通行时间的步骤之前，还包括：
获取门架样本指标数据建立训练数据集；
根据所述训练数据集计算门架信息对应的各入口站的概率，将概率最大的入口站确定为各所述待判别车辆的各首个入口站；
根据所述各首个入口站确定各所述待判别车辆的驶入时间。
具体地，对于因ETC程序错误造成驶入时间缺失或驶入时间大于驶出时间的各待判别车辆，则第一个门架信息可以对应多个入口站，通过朴素贝叶斯判别法确定各所述待判别车辆的首个入口站信息从而推断个所述待判别车辆的驶入时间。
具体地，T＝{(x1，y1)，(x2，y2)，…，(xN，yN)}，其中，T为获取的门架样本指标数据，
Figure BDA0003790433160000091
其中，
Figure BDA0003790433160000092
为第i个样本的第j个特征，
Figure BDA0003790433160000093
其中，ajl表示每个特征指标可能取到的值。yi∈{c1，c2，…，cK}表示空间上门架信息匹配的入口站的数据集。根据入口站的数据集计算入口站的先验概率和条件概率，
Figure BDA0003790433160000094
其中，K表示门架信息对应的入口站的先验概率，
Figure BDA0003790433160000095
表示根据入口站信息，其对应的门架信息出现的概率值。通过获取的门架样本指标数据x＝(x(1)，x(2)，…，x(n))T，分别计算在可能出现的入口站y的概率值，
Figure BDA0003790433160000096
概率值最大的入口站即为该组门架信息匹配的入口站。
基于所述入口站推断所述各待判别车辆的驶入时间。
步骤S103，判断所述目标车辆是否进入服务区。
具体实施时，目标车辆在高速公路的通行时间超过四小时后，根据交通法规必须进入服务区进行休息，否则会被判定为进行了疲劳驾驶行为。
在一实施方式中，所述判断所述目标车辆是否进入服务区的步骤，包括：
获取所述目标车辆在无服务区路段的第一门架数据以及在有服务区路段的第二门架数据，其中，所述第一门架数据包括第一路段距离、第一门架时间以及第二门架时间，所述第二门架数据包括第二路段距离、第三门架时间以及第四门架时间；
根据所述第一路段距离、第一门架时间以及第二门架时间计算所述目标车辆的第一行驶速度，根据所述第二路段距离、第三门架时间以及第四门架时间计算所述目标车辆的第二行驶速度；
若所述第二行驶速度小于或等于所述第一行驶速度，则确定所述目标车辆进入服务区；
若所述第二行驶速度大于所述第一行驶速度，确定所述目标车辆未进入服务区。
具体地，在高速公路上，车辆在经过无服务区路段和有服务区路段的平均行驶速度会存在差别，因此可以根据目标车辆的行驶速度判别该目标车辆是否进入服务区进行休息。
具体地，第一行驶速度的计算公式为
Figure BDA0003790433160000101
其中，Vx为第一行驶速度，Lp1为第一路段距离，T2为第二门架时间，T1为第一门架时间。
具体地，第二行驶速度的计算公式为
Figure BDA0003790433160000102
Vy为第二行驶速度，Lp2为第二路段距离，T4为第四门架时间，T3为第三门架时间。
在一实施方式中，所述若所述第二行驶速度小于或等于所述第一行驶速度，则确定所述目标车辆进入服务区的步骤之后，还包括：
计算所述目标车辆进入服务区的休息时间；
若所述目标车辆的休息时间少于预设休息时间，则确定所述目标车辆存在疲劳驾驶行为；
若所述目标车辆的休息时间大于或等于预设休息时间，则确定所述目标车辆不存在疲劳驾驶行为。
具体地，将目标车辆在服务区的第三门架时间和第四门架时间的差值定义为目标车辆的休息时间。
在一实施方式中，所述计算所述目标车辆进入服务区的休息时间的步骤，包括：
将所述第四门架时间减去所述第三门架时间的差值确定为所述目标车辆进入服务区的休息时间。
具体地，计算所述目标车辆的休息时间的公式为T＝T4-T3，其中，T为休息时间，T4为第四门架时间，T3为第三门架时间。
步骤S104，若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为。
具体实施时，目标车辆在高速公路上行驶超过四个小时而未进入服务区进行休息，则可直接确定所述目标车辆存在疲劳驾驶行为。
本实施例提供的高速公路疲劳驾驶判别方法，通过获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；判断所述目标车辆是否进入服务区；若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为，无需安装额外的设备，节约了成本价格，提高了数据收集的操作效率、计算效率，节省了人力物力。
与上述方法实施例相对应，参见图2，本申请还公开了一种高速疲劳驾驶判别装置，所述高速公路疲劳驾驶判别装置200包括：
获取模块201，用于获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；
筛选模块202，用于根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；
判断模块203，用于判断所述目标车辆是否进入服务区；
确定模块204，用于若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为。
具体地，所述获取模块201具体用于获取各所述待判别车辆在高速公路上的各通行数据表；
依据各所述待判别车辆的通行数据表通过均值插补法或随机插补法补全各所述待判别车辆的原始通行数据，得到各所述待判别车辆的完整通行数据。
具体地，所述筛选模块具体用于将各所述待判别车辆的驶出时间减去所述驶入时间的差值作为各所述通行时间；
从各所述待判别车辆中筛选出通行时间大于或等于预设疲劳时间阈值的车辆确定为所述目标车辆。
获取门架样本指标数据建立训练数据集；
根据所述训练数据集计算门架信息对应的各入口站的概率，将概率最大的入口站确定为各所述待判别车辆的各首个入口站；
根据所述各首个入口站确定各所述待判别车辆的驶入时间。
具体地，所述判断模块具体用于获取所述目标车辆在无服务区路段的第一门架数据以及在有服务区路段的第二门架数据，其中，所述第一门架数据包括第一路段距离、第一门架时间以及第二门架时间，所述第二门架数据包括第二路段距离、第三门架时间以及第四门架时间；
根据所述第一路段距离、第一门架时间以及第二门架时间计算所述目标车辆的第一行驶速度，根据所述第二路段距离、第三门架时间以及第四门架时间计算所述目标车辆的第二行驶速度；
若所述第二行驶速度小于或等于所述第一行驶速度，则确定所述目标车辆进入服务区；
若所述第二行驶速度大于所述第一行驶速度，确定所述目标车辆未进入服务区。
计算所述目标车辆进入服务区的休息时间；
若所述目标车辆的休息时间少于预设休息时间，则确定所述目标车辆存在疲劳驾驶行为；
若所述目标车辆的休息时间大于或等于预设休息时间，则确定所述目标车辆不存在疲劳驾驶行为。
将所述第四门架时间减去所述第三门架时间的差值确定为所述目标车辆进入服务区的休息时间。
本实施例提供的高速疲劳驾驶的判别装置200可以实施例1所示高速疲劳驾驶判别方法，为避免重复，在此不再赘述。
本实施例提供的高速疲劳驾驶判别装置，通过获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；判断所述目标车辆是否进入服务区；若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为，收集数据较为简单，提高计算效率，节省了人力物力。
此外，本公开实施例提供了一种电子设备，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行实施例1所提供的高速公路疲劳驾驶判别方法。
具体的，参见图3，所述电子设备300包括：收发机301、总线接口及处理器302。
在本发明实施例中，电子设备300还包括：存储器303。在图3中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器302代表的一个或多个处理器和存储器303代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机301可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线架构和通常的处理，存储器303可以存储处理器302在执行操作时所使用的数据。
本发明实施例提供的电子设备300，可以执行上述方法实施例中的云服务器可以执行的步骤，不再赘述。
本实施例提供的电子设备，通过获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；判断所述目标车辆是否进入服务区；若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为，无需安装额外的设备，节约了成本价格，提高了数据收集的操作效率、计算效率，节省了人力物力。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现实施例1所提供的高速公路疲劳驾驶判别方法。
在本实施例中，计算机可读存储介质可以为只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
本实施例提供的计算机可读存储介质可以实现实施例1所提供的高速公路疲劳驾驶判别方法，为避免重复，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (9)

1.一种高速公路疲劳驾驶判别方法，其特征在于，所述方法包括：
获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；
根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；
获取所述目标车辆在无服务区路段的第一门架数据以及在有服务区路段的第二门架数据，其中，所述第一门架数据包括第一路段距离、第一门架时间以及第二门架时间，所述第二门架数据包括第二路段距离、第三门架时间以及第四门架时间；根据所述第一路段距离、第一门架时间以及第二门架时间计算所述目标车辆的第一行驶速度，根据所述第二路段距离、第三门架时间以及第四门架时间计算所述目标车辆的第二行驶速度；若所述第二行驶速度小于或等于所述第一行驶速度，则确定所述目标车辆进入服务区；若所述第二行驶速度大于所述第一行驶速度，确定所述目标车辆未进入服务区；
若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为。
2.根据权利要求1所述的方法，其特征在于，所述获取各待判别车辆在高速公路上的完整通行数据的步骤，包括：
获取各所述待判别车辆在高速公路上的各通行数据表；
依据各所述待判别车辆的通行数据表通过均值插补法或随机插补法补全各所述待判别车辆的原始通行数据，得到各所述待判别车辆的完整通行数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆的步骤，包括：
将各所述待判别车辆的驶出时间减去所述驶入时间的差值作为各所述通行时间；
从各所述待判别车辆中筛选出通行时间大于或等于预设疲劳时间阈值的车辆确定为所述目标车辆。
4.根据权利要求3所述的方法，其特征在于，所述将各所述待判别车辆的驶出时间减去所述驶入时间的差值作为各所述通行时间的步骤之前，还包括：
获取门架样本指标数据建立训练数据集；
根据所述训练数据集计算门架信息对应的各入口站的概率，将概率最大的入口站确定为各所述待判别车辆的各首个入口站；
根据所述各首个入口站确定各所述待判别车辆的驶入时间。
5.根据权利要求1所述的方法，其特征在于，所述若所述第二行驶速度小于或等于所述第一行驶速度，则确定所述目标车辆进入服务区的步骤之后，还包括：
计算所述目标车辆进入服务区的休息时间；
若所述目标车辆的休息时间少于预设休息时间，则确定所述目标车辆存在疲劳驾驶行为；
若所述目标车辆的休息时间大于或等于预设休息时间，则确定所述目标车辆不存在疲劳驾驶行为。
6.根据权利要求5所述的方法，其特征在于，所述计算所述目标车辆进入服务区的休息时间的步骤，包括：
将所述第四门架时间减去所述第三门架时间的差值确定为所述目标车辆进入服务区的休息时间。
7.一种高速公路疲劳驾驶判别装置，其特征在于，所述装置包括：
获取模块，用于获取各待判别车辆在高速公路上的完整通行数据，其中，所述完整通行数据包括各所述待判别车辆在高速公路上的驶入时间、驶出时间以及门架时间；
筛选模块，用于根据所述完整通行数据计算各所述待判别车辆在高速公路上的各通行时间，根据各所述通行时间从各所述待判别车辆中筛选出目标车辆；
判断模块，用于获取所述目标车辆在无服务区路段的第一门架数据以及在有服务区路段的第二门架数据，其中，所述第一门架数据包括第一路段距离、第一门架时间以及第二门架时间，所述第二门架数据包括第二路段距离、第三门架时间以及第四门架时间；根据所述第一路段距离、第一门架时间以及第二门架时间计算所述目标车辆的第一行驶速度，根据所述第二路段距离、第三门架时间以及第四门架时间计算所述目标车辆的第二行驶速度；若所述第二行驶速度小于或等于所述第一行驶速度，则确定所述目标车辆进入服务区；若所述第二行驶速度大于所述第一行驶速度，确定所述目标车辆未进入服务区；
确定模块，用于若所述目标车辆未进入服务区，则确定所述目标车辆存在疲劳驾驶行为。
8.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器运行时执行权利要求1至6中任一项所述的高速公路疲劳驾驶判别方法。
9.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至6中任一项所述的高速公路疲劳驾驶判别方法。
CN202210954031.5A 2022-08-10 2022-08-10 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质 Active CN115311861B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210954031.5A CN115311861B (zh) 2022-08-10 2022-08-10 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210954031.5A CN115311861B (zh) 2022-08-10 2022-08-10 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115311861A CN115311861A (zh) 2022-11-08
CN115311861B true CN115311861B (zh) 2023-04-11

Family

ID=83860821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210954031.5A Active CN115311861B (zh) 2022-08-10 2022-08-10 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115311861B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163789A (ja) * 2000-11-24 2002-06-07 Natl Inst For Land & Infrastructure Management Mlit 出合い頭衝突防止支援システム
JP2006071500A (ja) * 2004-09-02 2006-03-16 Aisin Aw Co Ltd ナビゲーション装置
CN107507418A (zh) * 2017-08-09 2017-12-22 清华大学 一种高速公路车辆进入服务区停留过程分析方法及装置
EP3828862A1 (en) * 2018-08-28 2021-06-02 Do-Hun Lee Apparatus and method for providing risk information by using mobile id group information

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559792B (zh) * 2013-11-13 2015-11-18 喀什沃鑫通讯科技有限公司 一种高速公路行驶车辆疲劳驾驶的认定方法
CN106355891A (zh) * 2016-10-09 2017-01-25 公安部交通管理科学研究所 基于营运车辆通行信息的疲劳驾驶交通违法行为判定方法
JP2019061480A (ja) * 2017-09-26 2019-04-18 株式会社Ｓｕｂａｒｕ 運転者支援装置及び運転者支援方法
US20210403018A1 (en) * 2019-07-18 2021-12-30 Lg Electronics Inc. Method for providing rest information based on driver rest pattern and apparatus therefor
CN113554422B (zh) * 2021-06-08 2022-04-22 重庆大学 一种基于etc收费数据的车辆驶入服务区判别方法及装置
CN114155706B (zh) * 2021-10-27 2023-02-17 北京千方科技股份有限公司 一种服务区车辆判别方法、装置、电子设备和存储介质
CN114187671A (zh) * 2021-11-24 2022-03-15 广州市埃特斯通讯设备有限公司 一种基于etc在高速公路上识别车辆是否进入服务区的方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163789A (ja) * 2000-11-24 2002-06-07 Natl Inst For Land & Infrastructure Management Mlit 出合い頭衝突防止支援システム
JP2006071500A (ja) * 2004-09-02 2006-03-16 Aisin Aw Co Ltd ナビゲーション装置
CN107507418A (zh) * 2017-08-09 2017-12-22 清华大学 一种高速公路车辆进入服务区停留过程分析方法及装置
EP3828862A1 (en) * 2018-08-28 2021-06-02 Do-Hun Lee Apparatus and method for providing risk information by using mobile id group information

Also Published As

Publication number Publication date
CN115311861A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
US11891071B2 (en) Vehicle to vehicle telematics
CN111860561B (zh) 网约车的异常停留行为识别方法、装置、设备及存储介质
WO2023274071A1 (zh) 驾驶行为监控方法、装置、电子设备及存储介质
CN111523932A (zh) 一种网约车服务的评分方法、装置、系统及存储介质
CN113781831A (zh) 一种基于区块链技术的智慧云平台
CN112530163B (zh) 交通事故预测方法、装置、电子设备及存储介质
CN109493606B (zh) 一种高速公路上违停车辆的识别方法及系统
CN106779692B (zh) 一种车载支付方法及装置
CN112508228A (zh) 一种驾驶行为风险预测方法及系统
CN115311861B (zh) 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质
CN116092296B (zh) 交通状态评估方法、装置、电子设备及存储介质
CN116753938A (zh) 车辆测试场景生成方法、装置、存储介质及设备
CN116740940A (zh) 恶劣天气高影响路段风险预测和安全管理方法、装置和设备
CN110816544B (zh) 驾驶行为评价方法、装置、车辆及车联网云平台
CN111984676B (zh) 车辆内部零部件定损方法及装置
CN114627643A (zh) 一种高速公路事故风险预测方法、装置、设备及介质
CN115031754A (zh) 一种车辆行驶路径规划方法、装置、电子设备及存储介质
CN111798091B (zh) 一种基于变道持续时间的高速公路变道评分模型建立方法
CN116343484B (zh) 交通事故识别方法、终端及存储介质
CN115966100B (zh) 一种行车安全控制方法及系统
CN113903169B (zh) 一种交通优化方法、装置、电子设备及存储介质
CN117894181B (zh) 一种全域通行异常状况集成监测方法及系统
CN114140985B (zh) 基于知识图谱的车辆疲劳预警方法、装置、设备及介质
CN117104255B (zh) 一种智能驾驶车辆智能感知人车交互系统及方法
CN116772877B (zh) 一种新能源汽车续航里程预测方法、系统、装置及介质

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