CN115376319A - 交通事故智能处理方法、装置、设备及存储介质 - Google Patents
交通事故智能处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115376319A CN115376319A CN202211008584.8A CN202211008584A CN115376319A CN 115376319 A CN115376319 A CN 115376319A CN 202211008584 A CN202211008584 A CN 202211008584A CN 115376319 A CN115376319 A CN 115376319A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic accident
- determining
- driver
- accident
- 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
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 179
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 230000001133 acceleration Effects 0.000 claims abstract description 78
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000004044 response Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 208000003443 Unconsciousness Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于交通事故处理技术领域,公开了一种交通事故智能处理方法、装置、设备及存储介质。该方法包括:实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;根据所述严重程度,确定报警策略。通过上述方式,能够在车辆发生交通事故之后根据交通事故的严重程度来为驾驶员提供相应的报警策略,避免因驾驶员缺乏处理经验而导致出现二次事故。
Description
技术领域
本发明涉及交通事故处理技术领域,尤其涉及一种交通事故智能处理方法、装置、设备及存储介质。
背景技术
随着社会经济的发展,车辆保有量越来越大,路况也日趋复杂,车辆发生交通事故的可能性显著增大。如何正确处理交通事故,对拯救生命以及快速恢复道路交通运行有着积极作用。但是在很多时候,车辆发生交通事故之后,驾驶员常常因缺乏处理经验而导致出现二次事故。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种交通事故智能处理方法、装置、设备及存储介质,旨在解决现有技术中发生交通事故之后因驾驶员缺乏处理经验而导致出现二次事故的技术问题。
为实现上述目的,本发明提供了一种交通事故智能处理方法,所述方法包括以下步骤:
实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;
基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;
根据所述严重程度,确定报警策略。
可选地,所述获取所述车辆的目标阈值,包括:
获取初始目标阈值,以及建立车辆安全驾驶模型;
基于交通大数据分析,确定所述车辆安全驾驶模型中的性别因子、年龄因子以及车型因子;
基于所述初始目标阈值、所述性别因子、所述年龄因子、所述车型因子以及所述车辆安全驾驶模型,确定所述车辆的目标阈值。
可选地,在确定所述车辆是否发生交通事故之前,还包括:
从所述车辆运行数据中确定所述车辆的当前加速度;
基于安全加速度阈值和所述当前加速度,判断所述驾驶员是否属于危险驾驶,其中,所述目标阈值包括安全加速度阈值;
在判定所述驾驶员属于危险驾驶之后,发出提醒信号。
可选地,所述根据所述车辆运行数据,确定所述车辆是否发生交通事故,包括:
从所述车辆运行数据中确定所述车辆的当前加速度以及所述车辆的硬件使用状态;
根据所述当前加速度、所述事故加速度阈值以及所述硬件使用状态,确定所述车辆是否发生交通事故。
可选地,在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度,包括:
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述驾驶员处于非健康状态时,评估所述交通事故的严重程度为一级;
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述驾驶员处于健康状态时,评估所述交通事故的严重程度为二级;其中,所述一级的严重程度等级高于所述二级的严重程度等级。
可选地,根据所述严重程度,确定报警策略,包括:
若所述交通事故的严重程度为一级时,则在确定所述报警策略为直接报警之后,获取所述车辆的当前位置,并基于所述当前位置完成直接报警;
若所述交通事故的严重程度为二级时,则在确定所述报警策略为询问报警之后,询问所述驾驶员是否需要报警,并根据所述驾驶员的应答结果执行相应的报警动作。
可选地,所述询问驾驶员是否需要报警之后,还包括:
若所述驾驶员在预设时间内不作应答,则根据预设处理方案进行处理,其中,所述预设处理方案包括播报正确的事故处理方式、记录对方车辆的车牌信息、获取预设数量事故现场图片。
此外,为实现上述目的,本发明还提出一种交通事故智能处理装置,所述交通事故装置包括:
获取模块,用于实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;
确定模块,用于基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;
所述确定模块,还用于在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;
所述确定模块,还用于根据所述严重程度,确定报警策略。
此外,为实现上述目的,本发明还提出一种交通事故智能处理设备,所述交通事故智能处理设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的交通事故智能处理程序,所述交通事故智能处理程序配置为实现如上文所述的交通事故智能处理方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有交通事故智能处理程序,所述交通事故智能处理程序被处理器执行时实现如上文所述的交通事故智能处理方法的步骤。
本发明提供的交通事故智能处理方法,实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;根据所述严重程度,确定报警策略。通过上述方式,能够在车辆发生交通事故之后根据交通事故的严重程度来为驾驶员提供相应的报警策略,避免因驾驶员缺乏处理经验而导致出现二次事故。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的交通事故智能处理设备的结构示意图;
图2为本发明交通事故智能处理方法第一实施例的流程示意图;
图3为本发明交通事故智能处理方法第二实施例的流程示意图;
图4为本发明交通事故智能处理装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的交通事故智能处理设备结构示意图。
如图1所示,该交通事故智能处理设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对交通事故智能处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及交通事故智能处理程序。
在图1所示的交通事故智能处理设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明交通事故智能处理设备中的处理器1001、存储器1005可以设置在交通事故智能处理设备中,所述交通事故智能处理设备通过处理器1001调用存储器1005中存储的交通事故智能处理程序,并执行本发明实施例提供的交通事故智能处理方法。
基于上述硬件结构,提出本发明交通事故智能处理方法实施例。
参照图2,图2为本发明一种交通事故智能处理方法第一实施例的流程示意图。
本实施例中,所述交通事故智能处理方法包括以下步骤:
步骤S10:实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值。
需要说明的是,本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备,例如手机、平板电脑、个人电脑等,或者是一种能够实现上述功能的电子设备或交通事故智能处理设备。以下以所述交通事故智能处理设备为例,对本实施例及下述各实施例进行说明。
需要说明的是,车辆运行数据包括但不限于车辆实时位置、车辆行驶轨迹、发动机启动时间和关闭时间、发动机温度、发动机转速、怠速时间长短、发动机持续工作时长、电瓶电压、车内是否开空调、变速箱档位信息、变速箱换挡模式、车辆的行驶速度、车辆行驶视频、车辆各部分硬件情况、车辆的当前加速度等等,可以通过车辆车机系统来采集车辆的车辆运行数据,本实施例对此不作限制。
需要说明的是,身体数据包括但不限于心率、血压、血氧等等,可以通过可穿戴设备来采集驾驶员的身体数据,本实施例对此不作限制。
在具体实现中,驾驶员在启动车辆的同时,可穿戴设备以及车辆车机系统就会自动地与交通事故智能处理设备进行通讯连接,并且实时地将身体数据以及车辆运行数据上传给交通事故智能处理设备。
需要说明的是,目标阈值可以根据实际情况提前进行设定,示例性地,可以根据驾驶员的年龄、性别以及车辆类型来对目标阈值进行设定。
需要说明的是,目标阈值包括但不限于事故加速度阈值,事故加速度阈值可以理解为车辆发生交通事故时车辆的理论最小加速度,当车辆的当前加速度大于事故加速度阈值时,可以认为车辆可能发生了交通事故。
步骤S20:基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故。
需要说明的是,当车辆正常行驶时,其加速度会处于一个较为稳定的状态,当车辆发生碰撞时,其加速度会产生较大幅度的跳变,因此,当车辆的加速度超过某一数值时,可以认为车辆发生碰撞即车辆发生交通事故。
需要说明的是,可以从车辆运行数据中确定车辆的当前加速度,并将车辆的当前加速度与事故加速度阈值进行比较,当车辆的当前加速度大于事故加速度阈值时,可以确定车辆发生交通事故。
在一实施例中,所述根据所述车辆运行数据,确定所述车辆是否发生交通事故,包括:
从所述车辆运行数据中确定所述车辆的当前加速度以及所述车辆的硬件使用状态;根据所述当前加速度、所述事故加速度阈值以及所述硬件使用状态,确定所述车辆是否发生交通事故。
需要说明的是,车辆发生交通事故之后,车辆的硬件使用状态会受到影响,发生交通事故之后,车辆的硬件使用状态跟碰撞位置有关,示例性地,当出现正面碰撞时,车前灯的使用状态可能会收到影响,车辆撞击过于严重时,气囊会弹出,车辆的硬件还可以是车辆的前后灯、车辆的后视镜等等,本实施例对此不做限制。
在本实施例中,将车辆的当前加速度与事故加速度阈值进行比较之后,还可以根据车辆的硬件使用状态进一步确定车辆是否发生交通事故,以提高判断车辆是否发生交通事故的准确性。
在一实施例中,在确定所述车辆是否发生交通事故之前,还包括:
从所述车辆运行数据中确定所述车辆的当前加速度;
基于安全加速度阈值和所述当前加速度,判断所述驾驶员是否属于危险驾驶,其中,所述目标阈值包括安全加速度阈值;
在判定所述驾驶员属于危险驾驶之后,发出提醒信号。
需要说明的是,目标阈值可以根据实际情况提前进行设定,示例性地,可以根据驾驶员的年龄、性别以及车辆类型来对目标阈值进行设定。
需要说明的是,目标阈值包括但不限于安全加速度阈值,安全加速度阈值可以理解为车辆处于危险驾驶时车辆的理论最小加速度,当车辆的当前加速度大于安全加速度阈值时,可以认为车辆处于危险驾驶。提醒信号可以是语音提醒,本实施例对此不做限制。
在具体实现中,判定车辆属于危险驾驶之后,可以提醒驾驶员此时处于危险驾驶状态,同时还可以播报安全驾驶的相关内容。
步骤S30:在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度。
需要说明的是,车辆发生较为严重的交通事故时,驾驶员身体状况会受到很大的影响,从而导致身体数据处于不正常的状态,示例性地,发生严重交通事故之后,驾驶员昏迷,此时驾驶员的心率以及血压将升高到不正常的状态,故可根据驾驶员的身体数据对交通事故的严重程度进行评定。
在一实施例中,在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度,包括:
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述驾驶员处于非健康状态时,评估所述交通事故的严重程度为一级;
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述驾驶员处于健康状态时,评估所述交通事故的严重程度为二级;其中,所述一级的严重程度等级高于所述二级的严重程度等级。
需要说明的是,车辆发生交通事故之后,可根据驾驶员的身体状况来将交通事故的严重程度进行分级,当驾驶员的身体状况较差时,可将此次交通事故的严重程度划分为一级,当驾驶员的身体状况良好时,可以此次交通事故的严重程度划分为二级。
可以理解的是,车辆发生严重交通事故时,驾驶员的身体一般都会受到很大的影响,甚至出现昏迷,车辆发生轻微交通事故时,驾驶员的身体一般不会受到很大的影响,因此可根据驾驶员的身体数据进行交通事故的严重程度等级的划分,进而可根据严重程度等级来执行不同的报警策略。
步骤S40:根据所述严重程度,确定报警策略。
需要说明的是,交通事故的严重程度不同,对应的报警策略也不同,示例性地,交通事故比较严重时,驾驶员可能已经昏迷,此时对应的报警策略可以为直接向110以及120报警;交通事故不是很严重时,驾驶员的身体状况良好,报警策略为无需报警,可以直接打电话给保险公司报案,并向驾驶员播报正确的事故处理步骤。
在一实施例中,根据所述严重程度,确定报警策略,包括:
若所述交通事故的严重程度为一级时,则在确定所述报警策略为直接报警之后,获取所述车辆的当前位置,并基于所述当前位置完成直接报警;
若所述交通事故的严重程度为二级时,则在确定所述报警策略为询问报警之后,询问所述驾驶员是否需要报警,并根据所述驾驶员的应答结果执行相应的报警动作。
需要说明的是,将交通事故的严重程度分成两级,当交通事故的严重程度为一级时,驾驶员可能已经无法自行报警,当交通事故的严重程度为二级时,驾驶员还能自主进行报警。
可以理解的是,当确定交通事故的严重程度为一级时,可直接根据车辆的当前位置进行报警,具体地,确定交通事故的严重程度为一级时,获取车辆的当前位置,并拨打110,可通过虚拟音告知交警车辆发生交通事故的位置;当确定交通事故的严重程度为二级时,驾驶员的身体状态良好,能自行报警,为了防止出现误报警的情况,可以先询问驾驶员是否需要报警,再根据驾驶员的应答结果来执行相应的报警动作,示例性地,驾驶员的应答结果可以是需要向110报警,也可以是需要向120报警,还可以是不需要进行任何报警。
在本实施例中,在判断车辆发生交通事故之后,再根据驾驶员的身体数据来评估交通事故的严重程度,能够在驾驶员无法自主进行报警时直接报警,进而能够在黄金时间内为伤者提供救援,还能在驾驶员身体状态良好时询问驾驶员是否需要报警,进而防止出现误报警。
在一实施例中,所述询问驾驶员是否需要报警之后,还包括:
若所述驾驶员在预设时间内不作应答,则根据预设处理方案进行处理,其中,所述预设处理方案包括播报正确的事故处理方式、记录对方车辆的车牌信息、获取预设数量事故现场图片。
需要说明的是,预设处理方案是驾驶员提前进行设定的,确定交通事故的严重程度为二级时,可以认为驾驶员的身体处于良好状态,如果在询问驾驶员是否需要报警但驾驶员未做回应时,可以直接通过语音播报正确的事故处理方式,可以直接记录下对方车辆的车牌信息,还可以获取多张事故现场的图片,为后续事故责任判定提供相应证据。
本实施例通过实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;根据所述严重程度,确定报警策略。通过上述方式,能够在车辆发生交通事故之后根据交通事故的严重程度来为驾驶员提供相应的报警策略,避免因驾驶员缺乏处理经验而导致出现二次事故。
参考图3,图3为本发明一种交通事故智能处理方法第二实施例的流程示意图。
基于上述第一实施例,本实施例交通事故智能处理方法中获取车辆的目标阈值,包括:
步骤S101:获取初始目标阈值,以及建立车辆安全驾驶模型。
需要说明的是,初始目标阈值是提前根据实际情况进行设定。对应地,根据研究表明,14g的加速度可以让人的器官分离,4g~8g的加速度可以让人昏迷,因此,可以将初始目标阈值中的初始安全加速度阈值设定为3g,以及将初始目标阈值中的初始事故加速度阈值设定为6g。
需要说明的是,不同性别的人可以承受的加速度不同;不同年龄的人可以承受的加速度也是不同的;因不同车辆对人的保护程度有差异,而影响人身体实际可承受的加速度,故可基于性别因子、年龄因子以及车型因子适当地调整初始目标阈值,以使最终计算得到的目标阈值更加精准,从而有效地提高对评估交通事故严重程度的准确率。
需要说明的是,车辆安全驾驶模型具体为:
X*Y*N*T*9.8N/Kg
式中,X表示初始目标阈值,Y表示性别因子、Z表示年龄因子、T表示车型因子。
可以理解的是,可以基于车辆安全驾驶模型来根据不同驾驶员对应的年龄因子、性别因子以及车型因子来调整目标阈值,目标阈值可以包括事故加速度阈值和安全加速度阈值。
步骤S102:基于交通大数据分析,确定所述车辆安全驾驶模型中的性别因子、年龄因子以及车型因子。
需要说明的是,交通大数据可以通过向用户收集来获取,收集到的信息越多,基于交通大数据的分析结果就会越准确。具体地,可以在用户购入该交通事故智能处理设备时让用户填写相关数据,其中,相关数据可以包括性别,车型,以及年龄等等。
步骤S103:基于所述初始目标阈值、所述性别因子、所述年龄因子、所述车型因子以及所述车辆安全驾驶模型,确定所述车辆的目标阈值。
需要说明的是,可以基于对交通大数据的分析,确定男性对应的性别因子以及女性对应的性别因子,还可以确定不同年龄段对应的年龄因子,以及确定不同类型车辆对应的车型因子。具体地,男性对应的性别因子为1.05,女性对应的性别因子为0.95;年龄因子可以通过年龄因子计算公式来确定,其中,年龄因子计算公式包括第一年龄因子计算公式和第二年龄因子计算公式,第一年龄因子计算公式主要用于确定处于0~30岁的驾驶员的年龄因子,以及第二年龄因子计算公式主要用于确定处于31~100岁的驾驶员的年龄因子,第一年龄因子计算公式为式中,Y用来表示年龄,Z用来表示年龄因子;第二年龄因子计算公式为式中,Y用来表示年龄,Z用来表示年龄因子;A型车辆对应的车型因子为0.8,B型车型对应的车型因子为0.9,车型因子越大,车辆对人的保护程度就会越高,示例性地,40岁女性驾驶员驾驶B型车辆出行,可以确定该驾驶员对应的性别因子为0.95,年龄因子为1.3,车型因子为0.9,因此可以得到此时的安全加速度阈值为3.3345,以及事故加速度阈值为6.669。
可以理解的是,交通大数据可以是不同年龄驾驶员发生交通事故的情况,也可以不同性别驾驶员发生交通事故的情况,还可以是不同车型发生交通事故的情况;交通大数据中的数据量越多,性别因子、年龄因子以及车型因子就会越准确。由于性别因子、年龄因子以及车型因子会随着交通事故大数据分析而动态调整,故而导致目标阈值也随之动态变化。
本实施例通过获取初始目标阈值,以及建立车辆安全驾驶模型;基于交通大数据分析,确定所述车辆安全驾驶模型中的性别因子、年龄因子以及车型因子;基于所述初始目标阈值、所述性别因子、所述年龄因子、所述车型因子以及所述车辆安全驾驶模型,确定所述车辆的目标阈值。通过上述方式,基于不同驾驶员对应的年龄因子、性别因子以及车型因子来适当地调整初始目标阈值,以得到更为精准的目标阈值,进而根据目标阈值能够更为精准地判断车辆是否发生交通事故,从而在判断车辆发生交通事故之后快速为驾驶员提供相应的报警策略。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有交通事故智能处理程序,所述交通事故智能处理程序被处理器执行时实现如上文所述的交通事故智能处理方法的步骤。
参照图4,图4为本发明交通事故智能处理装置第一实施例的结构框图。
如图4所示,本发明实施例提出的交通事故智能处理装置包括:
获取模块10,用于实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;
确定模块20,用于基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;
所述确定模块20,还用于在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;
所述确定模块20,还用于根据所述严重程度,确定报警策略。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;根据所述严重程度,确定报警策略。通过上述方式,能够在车辆发生交通事故之后根据交通事故的严重程度来为驾驶员提供相应的报警策略,避免因驾驶员缺乏处理经验而导致出现二次事故。
在一实施例中,所述获取模块10,还用于:
获取初始目标阈值,以及建立车辆安全驾驶模型;
基于交通大数据分析,确定所述车辆安全驾驶模型中的性别因子、年龄因子以及车型因子;
基于所述初始目标阈值、所述性别因子、所述年龄因子、所述车型因子以及所述车辆安全驾驶模型,确定所述车辆的目标阈值。
在一实施例中,所述确定模块20,还用于可选地,在确定所述车辆是否发生交通事故之前,还包括:
从所述车辆运行数据中确定所述车辆的当前加速度;
基于安全加速度阈值和所述当前加速度,判断所述驾驶员是否属于危险驾驶,其中,所述目标阈值包括安全加速度阈值;
在判定所述驾驶员属于危险驾驶之后,发出提醒信号。
在一实施例中,所述确定模块20,还用于:
从所述车辆运行数据中确定所述车辆的当前加速度以及所述车辆的硬件使用状态;
根据所述当前加速度、所述事故加速度阈值以及所述硬件使用状态,确定所述车辆是否发生交通事故。
在一实施例中,所述确定模块20,还用于:
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述驾驶员处于非健康状态时,评估所述交通事故的严重程度为一级;
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述驾驶员处于健康状态时,评估所述交通事故的严重程度为二级;其中,所述一级的严重程度等级高于所述二级的严重程度等级。
在一实施例中,所述确定模块20,还用于:
若所述交通事故的严重程度为一级时,则在确定所述报警策略为直接报警之后,获取所述车辆的当前位置,并基于所述当前位置完成直接报警;
若所述交通事故的严重程度为二级时,则在确定所述报警策略为询问报警之后,询问所述驾驶员是否需要报警,并根据所述驾驶员的应答结果执行相应的报警动作。
在一实施例中,所述确定模块20,还用于:
若所述驾驶员在预设时间内不作应答,则根据预设处理方案进行处理,其中,所述预设处理方案包括播报正确的事故处理方式、记录对方车辆的车牌信息、获取预设数量事故现场图片。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的交通事故智能处理方法,此处不再赘述。
此外,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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,本发明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(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种交通事故智能处理方法,其特征在于,所述交通事故智能处理方法包括:
实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;
基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;
根据所述严重程度,确定报警策略。
2.如权利要求1所述的方法,其特征在于,所述获取所述车辆的目标阈值,包括:
获取初始目标阈值,以及建立车辆安全驾驶模型;
基于交通大数据分析,确定所述车辆安全驾驶模型中的性别因子、年龄因子以及车型因子;
基于所述初始目标阈值、所述性别因子、所述年龄因子、所述车型因子以及所述车辆安全驾驶模型,确定所述车辆的目标阈值。
3.如权利要求1所述的方法,其特征在于,在确定所述车辆是否发生交通事故之前,还包括:
从所述车辆运行数据中确定所述车辆的当前加速度;
基于安全加速度阈值和所述当前加速度,判断所述驾驶员是否属于危险驾驶,其中,所述目标阈值包括安全加速度阈值;
在判定所述驾驶员属于危险驾驶之后,发出提醒信号。
4.如权利要求1所述的方法,其特征在于,所述根据所述车辆运行数据,确定所述车辆是否发生交通事故,包括:
从所述车辆运行数据中确定所述车辆的当前加速度以及所述车辆的硬件使用状态;
根据所述当前加速度、所述事故加速度阈值以及所述硬件使用状态,确定所述车辆是否发生交通事故。
5.如权利要求1所述的方法,其特征在于,在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度,包括:
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述驾驶员处于非健康状态时,评估所述交通事故的严重程度为一级;
在判定所述车辆发生交通事故之后,根据所述身体数据确定所述驾驶员处于健康状态时,评估所述交通事故的严重程度为二级;其中,所述一级的严重程度等级高于所述二级的严重程度等级。
6.如权利要求5所述的方法,其特征在于,根据所述严重程度,确定报警策略,包括:
若所述交通事故的严重程度为一级时,则在确定所述报警策略为直接报警之后,获取所述车辆的当前位置,并基于所述当前位置完成直接报警;
若所述交通事故的严重程度为二级时,则在确定所述报警策略为询问报警之后,询问所述驾驶员是否需要报警,并根据所述驾驶员的应答结果执行相应的报警动作。
7.如权利要求6所述的方法,其特征在于,所述询问驾驶员是否需要报警之后,还包括:
若所述驾驶员在预设时间内不作应答,则根据预设处理方案进行处理,其中,所述预设处理方案包括播报正确的事故处理方式、记录对方车辆的车牌信息、获取预设数量事故现场图片。
8.一种交通事故智能处理装置,其特征在于,所述交通事故智能处理装置包括:
获取模块,用于实时获取车辆的车辆运行数据以及驾驶员的身体数据,以及获取所述车辆的目标阈值,其中,所述目标阈值包括事故加速度阈值;
确定模块,用于基于所述事故加速度阈值以及所述车辆运行数据,确定所述车辆是否发生交通事故;
所述确定模块,还用于在判定所述车辆发生交通事故之后,根据所述身体数据确定所述交通事故的严重程度;
所述确定模块,还用于根据所述严重程度,确定报警策略。
9.一种交通事故智能处理设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的交通事故智能处理程序,所述交通事故智能处理程序配置为实现如权利要求1至7中任一项所述的交通事故智能处理方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有交通事故智能处理程序,所述交通事故智能处理程序被处理器执行时实现如权利要求1至7任一项所述的交通事故智能处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211008584.8A CN115376319B (zh) | 2022-08-22 | 2022-08-22 | 交通事故智能处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211008584.8A CN115376319B (zh) | 2022-08-22 | 2022-08-22 | 交通事故智能处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115376319A true CN115376319A (zh) | 2022-11-22 |
CN115376319B CN115376319B (zh) | 2024-06-11 |
Family
ID=84067316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211008584.8A Active CN115376319B (zh) | 2022-08-22 | 2022-08-22 | 交通事故智能处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115376319B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808437A (zh) * | 2024-02-28 | 2024-04-02 | 山东金宇信息科技集团有限公司 | 一种基于虚拟仿真技术的交通管理方法、设备及介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504903A (zh) * | 2014-12-31 | 2015-04-08 | 北京赛维安讯科技发展有限公司 | 交通事件采集装置及方法、交通事件监测系统及方法 |
CN105575115A (zh) * | 2015-12-17 | 2016-05-11 | 福建星海通信科技有限公司 | 一种基于车载监控管理平台的驾驶行为分析方法 |
CN105966404A (zh) * | 2015-11-06 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种驾驶行为评测方法及装置 |
CN105978991A (zh) * | 2016-06-20 | 2016-09-28 | 北京新能源汽车股份有限公司 | 车辆系统、控制器、车辆及其救援实现方法 |
CN106920293A (zh) * | 2016-10-27 | 2017-07-04 | 蔚来汽车有限公司 | 车辆事故自动记录分析方法 |
CN107273340A (zh) * | 2017-06-01 | 2017-10-20 | 南京邮电大学 | 一种基于Logistic模型的道路交通事故因子分析方法 |
CN107680197A (zh) * | 2017-09-28 | 2018-02-09 | 深圳市轱辘车联数据技术有限公司 | 车辆的事故处理方法及装置、计算机装置及可读存储介质 |
US20180046182A1 (en) * | 2016-08-15 | 2018-02-15 | Ford Global Technologies, Llc | Autonomous vehicle failure mode management |
CN207115770U (zh) * | 2017-07-26 | 2018-03-16 | 武汉华起科技服务有限公司 | 车载交通事故智能报警系统 |
CN108909718A (zh) * | 2018-07-11 | 2018-11-30 | 中国医学科学院生物医学工程研究所 | 疲劳驾驶预警方法、装置、设备及存储介质 |
CN108932836A (zh) * | 2018-08-02 | 2018-12-04 | 安徽江淮汽车集团股份有限公司 | 一种远程碰撞报警方法及系统 |
CN109003450A (zh) * | 2018-08-06 | 2018-12-14 | 江苏师范大学 | 一种基于驾驶员年龄和性别识别的车辆预警方法 |
US10165429B1 (en) * | 2015-12-15 | 2018-12-25 | United Services Automobile Association (Usaa) | Systems and methods for facilitating vehicle incident communications |
JP2021059222A (ja) * | 2019-10-07 | 2021-04-15 | 株式会社Soken | 車両制御装置および車両制御システム |
DE102020200595A1 (de) * | 2020-01-20 | 2021-07-22 | Zf Friedrichshafen Ag | Verfahren zum Betreiben eines Sicherheitssystems sowie Fahrzeug mit einem Sicherheitssystem |
KR20210099720A (ko) * | 2020-02-05 | 2021-08-13 | (주)마인드허브 | 가속도 센서 및 자이로 센서를 이용한 인공지능 기반 낙상 감지 방법 및 낙상 감지 시스템 |
CN113335274A (zh) * | 2021-07-06 | 2021-09-03 | 山东大学 | 基于制动距离的车辆防撞预警方法及系统 |
CN113538901A (zh) * | 2021-06-16 | 2021-10-22 | 北理新源(佛山)信息科技有限公司 | 基于智能车载终端的交通事故检测和报警方法 |
-
2022
- 2022-08-22 CN CN202211008584.8A patent/CN115376319B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504903A (zh) * | 2014-12-31 | 2015-04-08 | 北京赛维安讯科技发展有限公司 | 交通事件采集装置及方法、交通事件监测系统及方法 |
CN105966404A (zh) * | 2015-11-06 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种驾驶行为评测方法及装置 |
US10165429B1 (en) * | 2015-12-15 | 2018-12-25 | United Services Automobile Association (Usaa) | Systems and methods for facilitating vehicle incident communications |
CN105575115A (zh) * | 2015-12-17 | 2016-05-11 | 福建星海通信科技有限公司 | 一种基于车载监控管理平台的驾驶行为分析方法 |
CN105978991A (zh) * | 2016-06-20 | 2016-09-28 | 北京新能源汽车股份有限公司 | 车辆系统、控制器、车辆及其救援实现方法 |
US20180046182A1 (en) * | 2016-08-15 | 2018-02-15 | Ford Global Technologies, Llc | Autonomous vehicle failure mode management |
CN106920293A (zh) * | 2016-10-27 | 2017-07-04 | 蔚来汽车有限公司 | 车辆事故自动记录分析方法 |
CN107273340A (zh) * | 2017-06-01 | 2017-10-20 | 南京邮电大学 | 一种基于Logistic模型的道路交通事故因子分析方法 |
CN207115770U (zh) * | 2017-07-26 | 2018-03-16 | 武汉华起科技服务有限公司 | 车载交通事故智能报警系统 |
CN107680197A (zh) * | 2017-09-28 | 2018-02-09 | 深圳市轱辘车联数据技术有限公司 | 车辆的事故处理方法及装置、计算机装置及可读存储介质 |
CN108909718A (zh) * | 2018-07-11 | 2018-11-30 | 中国医学科学院生物医学工程研究所 | 疲劳驾驶预警方法、装置、设备及存储介质 |
CN108932836A (zh) * | 2018-08-02 | 2018-12-04 | 安徽江淮汽车集团股份有限公司 | 一种远程碰撞报警方法及系统 |
CN109003450A (zh) * | 2018-08-06 | 2018-12-14 | 江苏师范大学 | 一种基于驾驶员年龄和性别识别的车辆预警方法 |
JP2021059222A (ja) * | 2019-10-07 | 2021-04-15 | 株式会社Soken | 車両制御装置および車両制御システム |
DE102020200595A1 (de) * | 2020-01-20 | 2021-07-22 | Zf Friedrichshafen Ag | Verfahren zum Betreiben eines Sicherheitssystems sowie Fahrzeug mit einem Sicherheitssystem |
KR20210099720A (ko) * | 2020-02-05 | 2021-08-13 | (주)마인드허브 | 가속도 센서 및 자이로 센서를 이용한 인공지능 기반 낙상 감지 방법 및 낙상 감지 시스템 |
CN113538901A (zh) * | 2021-06-16 | 2021-10-22 | 北理新源(佛山)信息科技有限公司 | 基于智能车载终端的交通事故检测和报警方法 |
CN113335274A (zh) * | 2021-07-06 | 2021-09-03 | 山东大学 | 基于制动距离的车辆防撞预警方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808437A (zh) * | 2024-02-28 | 2024-04-02 | 山东金宇信息科技集团有限公司 | 一种基于虚拟仿真技术的交通管理方法、设备及介质 |
CN117808437B (zh) * | 2024-02-28 | 2024-05-17 | 山东金宇信息科技集团有限公司 | 一种基于虚拟仿真技术的交通管理方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115376319B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108860162B (zh) | 电子装置、基于用户驾驶行为的安全预警方法及存储介质 | |
US9428052B1 (en) | Automated distraction measurement of machine operator | |
US11077858B2 (en) | Vehicle driver state determination apparatus | |
JP5115817B2 (ja) | 安全運転評価システム及び安全運転評価プログラム | |
CN115376319A (zh) | 交通事故智能处理方法、装置、设备及存储介质 | |
AU2021105109A4 (en) | Method and System for Driving Safety Early Warning of Heavy-Duty Vehicle on Bridge Construction Road | |
CN117104256A (zh) | 车辆风险事件监控方法、装置、计算机设备和存储介质 | |
CN116347399A (zh) | 车辆事故的告警方法、系统、装置、电子设备及存储介质 | |
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。 | |
CN114793334B (zh) | 基于车联网的救援呼叫方法、装置、设备及存储介质 | |
CN113386779B (zh) | 驾驶风格识别方法、设备及存储介质 | |
EP4197871A1 (en) | Driving behavior monitoring method and apparatus | |
CN112927504B (zh) | 一种基于大数据的交通违章确认方法及系统 | |
CN114162129A (zh) | 车辆碰撞责任判定方法、装置和系统 | |
CN114419888A (zh) | 一种货运车辆的安全预警方法、装置、设备及存储介质 | |
CN113961653A (zh) | 一种异常路面信息提示方法、电子设备和存储介质 | |
CN114530049A (zh) | 车辆救援及预警方法、系统和计算机存储介质 | |
CN111002989A (zh) | 驾驶安全监测方法、车载终端及计算机可读存储介质 | |
CN115123129B (zh) | 行车安全保障方法、装置、设备及存储介质 | |
CN114333230B (zh) | 车辆碰撞触发急救系统及方法 | |
US20240249643A1 (en) | Information processing apparatus and information processing method | |
Sathya et al. | Vehicle to Vehicle Communication and Collision Avoidance with Auto breaking System | |
CN118000733A (zh) | 车辆乘员精神健康状况评估和对策部署 | |
CN106469475B (zh) | 一种控制方法及电子设备 | |
CN117838109A (zh) | 驾驶员健康监测方法、装置、电子设备及可读存储介质 |
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 |