CN115830860A - 交通事故预测方法及装置 - Google Patents
交通事故预测方法及装置 Download PDFInfo
- Publication number
- CN115830860A CN115830860A CN202211439953.9A CN202211439953A CN115830860A CN 115830860 A CN115830860 A CN 115830860A CN 202211439953 A CN202211439953 A CN 202211439953A CN 115830860 A CN115830860 A CN 115830860A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- road
- vehicle data
- vehicle
- range
- 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 64
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 44
- 230000004888 barrier function Effects 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通事故预测方法及装置,本发明涉及智能网联技术领域,其中包括:接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据,以及带有时间戳的预测车辆数据;若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。通过应用本申请的技术方案,能够提高交通事故的预测精度。
Description
技术领域
本发明涉及智能网联技术领域,具体而言,涉及一种交通事故预测方法及装置。
背景技术
汽车网联化和智能化是汽车未来的长期发展趋势,近年来国家多部门联合制定智能网联汽车产业政策,加快推动了智能网联汽车行业的发展。随着车辆的日益增多,路况信息越来越复杂,如何在智能网联的大背景下减少交通事故的发生是当前亟待解决的技术问题。
目前,路侧计算单元通常根据自己下属传感器采集的数据进行感知和预测。然而,单个路侧计算单元获取的数据具有一定局限性,基于该数据难以准确地进行感知和预测,由此会影响交通事故的预测精度。
发明内容
本发明提供一种交通事故预测方法及装置,主要在于能够提高交通事故的预测精度。
根据本发明实施例的第一方面,提供一种交通事故预测方法,应用于第一路侧计算单元,所述第一路侧计算单元与第二路侧计算单元具有级联关系,所述第二路侧计算单元与所述第一路侧计算单元沿车流方向前后布置,包括:
当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据;
当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据;
若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;
根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度;
根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;
若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
根据本发明实施例的第二方面,提供一种交通事故预测装置,包括:
接收单元,用于当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据;
所述接收单元,还用于当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据;
修正单元,用于若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;
确定单元,用于根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度;
检测单元,用于根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;
预测单元,用于若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
根据本发明实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据;
当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据;
若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;
根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度;
根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;
若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
根据本发明实施例的第四方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据;
当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据;
若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;
根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度;
根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;
若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
本发明实施例的创新点包括:
1、具有级联关系的路侧计算单元协同合作,提高交通事故的预测精度是本发明实施例的创新点之一。
2、前段路侧计算单元将打上时间戳的数据传递给后段路侧计算单元,从而增强对目标车辆的跟踪能力,扩大感知范围是本发明实施例的创新点之一。
3、实现路侧计算单元端到端的通信,减少网络压力是本发明实施例的创新点之一。
本发明提供的一种交通事故预测方法及装置,与路侧计算单元根据自己下属传感器采集的数据进行感知和预测的方式相比,当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据,当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据,若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正,之后根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度,并根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件,若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。由此在本发明中,前段路侧计算单元通过将带有时间戳的数据传递给与其具有级联关系的后段路侧计算单元,能够使单个路侧计算单元获得更多的感知数据,扩大感知范围,从而能够构建出车辆的行驶轨迹,通过该行驶轨迹能够判定司机是否存在不良的驾驶习惯,并将该判定结果与当前的道路状况结合,对交通事故进行预测,进而能够提高交通事故的预测精度。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1示出了本发明实施例提供的一种交通事故预测方法流程示意图;
图2示出了本发明实施例提供的具有级联关系的路侧计算单元的总体架构示意图;
图3示出了本发明实施例提供的另一种交通事故预测方法流程示意图;
图4示出了本发明实施例提供的一种交通事故预测装置的结构示意图;
图5示出了本发明实施例提供的另一种交通事故预测装置的结构示意图;
图6示出了本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
由于单个路侧计算单元获取的数据具有一定局限性,基于该数据难以准确地进行感知和预测,从而会影响交通事故的预测精度。
为了克服上述缺陷,本发明实施例提供了一种交通事故预测方法,应用于第一路侧计算单元,如图1所示,该方法包括:
步骤101、当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据。
其中,所述第一路侧计算单元与第二路侧计算单元具有级联关系,所述第二路侧计算单元与所述第一路侧计算单元沿车流方向前后布置,第二路侧计算单元负责前段道路范围,第一路侧计算单元负责后段道路范围。此外,目标车辆可以为行驶在道路上的任意一台车辆,第二路侧计算单元传递的实时车辆数据包括在前段道路行驶时目标车辆于不同时间节点的位置信息和行驶速度,时间戳用于表征实时车辆数据的产生时间。
本发明实施例主要适用于基于具有级联关系的路侧计算单元预测交通事故的场景。本发明实施例的执行主体为能够预测交通事故的装置或者设备,如路侧计算单元。
为了能够扩大感知范围,提高交通事故的预测精度。本发明实施例提供了一种交通事故预测系统,如图2所示,该系统包括具有级联关系的路侧计算单元、云控平台和路侧单元,其中,每个路侧计算单元拥有自己的外围感知硬件,包括但不局限于传感器和摄像机,外围感知硬件与路侧计算单元之间有线连接,外围感知硬件的主要职能是提供道路车辆的原始信息,如视频图像、车辆的位置信息和行驶速度等;路侧计算单元(MEC多接入边缘计算/移动边缘计算)具有算力,其主要职能是通过与外围感知硬件进行信息交互,采集当前的道路状况和交通状况,进行边缘侧计算,完成对路况数字化感知;云控平台属于远程服务端,路侧计算单元使用无线网络(4g或者5g)进行通信,主要职能是提供地图、数据、智能、控制、视觉和计算六大能力,通过构造基于云端的车路实时数据闭环链路与实时计算网络,构建行车与交通环境的全局精确数字映射;RSU(Road Side Unit路侧单元)主要职能是收集附近信号灯数据和路侧计算单元感知结果,通过微波发送给过往车辆;OBU(On boardUnit车载单元)主要职能是接收车辆数据和路侧数据,是车内网和车外网通讯的枢纽。
对于本发明实施例,当目标车辆在第二路侧计算单元负责的前段道路范围内行驶时,第二路侧计算单元的外围感知硬件能够采集车辆的位置信息和行驶速度,即实时车辆数据,并将其打上时间戳传递给第一路侧计算单元。例如,当车辆在前段道路范围内行驶时,第二路侧计算单元每隔100ms将采集到的实时车辆数据打上时间戳,传递给第一路侧计算单元,从而能够扩大第一路侧计算单元的感知范围。
步骤102、当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据。
其中,第二路侧计算单元传递的预测车辆数据包括在盲区行驶时目标车辆于不同时间节点的位置信息和行驶速度,盲区为前段道路和后段道路之间外围硬件设备感知不到的区域。
对于本发明实施例,在目标车辆驶出前段道路范围,进入后段道路范围之前,会经过盲区,目标车辆在盲区行驶的过程中,第二路侧计算单元的外围感知硬件和第一路侧计算单元的外围感知硬件均无法感知到车辆数据,此时,只能由第二路侧计算单元根据目标车辆在前段道路行驶时采集的实时车辆数据,预估目标车辆在盲区行驶时的车辆数据,即预测车辆数据。具体地,第二路侧计算单元可以根据目标车辆在前段道路行驶时于不同时间节点的行驶速度,预估目标车辆在盲区行驶时于不同时间节点的行驶速度。例如,根据目标车辆在前段道路行驶时于不同时间节点的行驶速度,计算目标车辆在前段道路的平均行驶速度,并默认目标车辆在盲区以该速度匀速行驶。再比如,需要预测目标车辆在盲区行驶时第10ms的行驶速度,获取在其之前的100个时间节点的行驶速度(前段道路的实时车辆数据),计算这100个时间节点的行驶速度的均值,并将该均值作为目标车辆在盲区行驶时第10ms的行驶速度,接着预测目标车辆在盲区行驶时第20ms的行驶速度,获取在其之前的100个时间节点的行驶速度(包括上面计算的第10ms的行驶速度和前段道路的实时车辆数据),同样进行均值计算,以此类推,从而能够预测出目标车辆在盲区行驶时于不同时间节点的行驶速度。
与此同时,第二路侧计算单元还可以根据目标车辆在前段道路行驶时于不同时间节点的位置信息,预估目标车辆在盲区行驶时于不同时间节点的位置信息,即目标车辆在盲区的行驶轨迹。例如,前段道路、盲区和后段道路整体是一条直道,可以认为目标车辆驶出前段道路范围后,会按照之前的轨迹继续直线向前行驶到达后段道路,从而能够预测出目标车辆在盲区行驶时于不同时间节点的位置信息。
进一步地,将目标车辆在盲区行驶时的位置信息和行驶速度打上时间戳,按照预设频率传递给第一路侧计算单元。例如,第二路侧计算单元每秒向第一路侧计算单元传递10次带有时间戳的预测车辆数据,以便第一路侧计算单元根据目标车辆在前段道路范围行驶时的实时车辆数据和在盲区行驶时的预测车辆数据,扩大自己的感知范围。
步骤103、若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正。
其中,驶入车辆数据包括目标车辆刚驶入后段道路范围时的位置信息和行驶速度。
对于本发明实施例,由于预测车辆数据是根据目标车辆在前段道路行驶时的实时车辆数据预估的,因此其置信度并不高,为了保证第一路侧计算单元获取的数据的准确度,当目标车辆驶入第一路侧计算单元负责的后段道路范围时,第一路侧计算单元的外围感知硬件会实时采集目标车辆的位置信息和行驶车速,即驶入车辆数据,并将目标车辆刚驶入后段道路时的驶入车辆数据和在前段道路行驶时的实时车辆数据相结合,修正目标车辆在盲区行驶时的预测车辆数据。
步骤104、根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度。
对于本发明实施例,根据目标车辆在前段道路行驶时的实时车辆数据和目标车辆在盲区行驶时修正后的预测车辆数据,能够确定目标车辆从前段道路开始一直到后段道路之前的行驶轨迹,同时能够计算出目标车辆在这段路程的平均行驶速度,以便根据该行驶轨迹和平均行驶速度,判定目标车辆是否存在超速和连续变道的行为。
步骤105、根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件。
其中,交通阻碍事件包括行人出现、车辆停车、道路施工等。对于本发明实施例,为了判定目标车辆是否存在超速和连续变道的行为,步骤105具体包括:根据所述行驶轨迹,确定所述目标车辆在行驶过程中变换车道的次数;若所述目标车辆变换车道的次数大于预设次数,且所述平均行驶速度大于预设速度,则确定所述目标车辆存在超速和连续变道的行为。其中,预设次数和预设速度可以根据实际业务需求进行设定。
例如,预测次数为5次,预设速度为60km/h,如果根据目标车辆的行驶轨迹,确定目标车辆在这段路程中共变道6次,由于其超过5次,因此确定目标车辆在行驶过程中存在连续变道的行为,此外,目标车辆的平均行驶速度为65km/h,由于其大于60km/h,因此确定目标车辆在行驶过程中存在超速的行为。如果确定目标车辆在行驶过程中存在超速和连续变道的行为,则说明司机具有不良驾驶习惯,很容易引发交通事故;相反则说明司机没有不良驾驶习惯。
进一步地,在判定司机是否具有不良驾驶习惯的同时,还要检测当前道路是否存在行人出现、车辆停车、道路施工等交通阻碍事件,如果存在交通阻碍事件,会提高交通事故发生的概率。
步骤106、若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
对于本发明实施例,如果确定目标车辆存在超速和连续变道的行为,即司机存在不良驾驶习惯,同时检测到当前道路存在交通阻碍事件,则在目标车辆刚进入到后段道路时便可以预测出即将发生交通事故,此时可以将该预测结果上报给云控平台,由云控平台启动交通管制,同时还可以广播给其他车辆。
进一步地,第一路侧计算单元会将是否发生交通事故的预测结果传递给下一个路侧计算单元,与此同时,当目标车辆在后段道路行驶时,第一路侧计算单元的外围感知硬件会采集目标车辆的实时车辆数据,将其打上时间戳,一同传递给下一路侧计算单元。基于此,所述方法还包括:获取所述目标车辆在所述后段道路范围内行驶时的实时车辆数据,并将其打上时间戳;将所述后段道路范围对应的带有时间戳的实时车辆数据,前段道路范围对应的带有时间戳的实时车辆数据,以及针对是否发生交通事故的预测结果一同发送给第三路侧计算单元。其中,所述第三路侧计算单元与所述第一路侧计算单元具有级联关系,且所述第一路侧计算单元与所述第三路侧计算单元沿车流方向前后布置。
本发明实施例提供的一种交通事故预测方法,前段路侧计算单元通过将带有时间戳的数据传递给与其具有级联关系的后段路侧计算单元,能够使单个路侧计算单元获得更多的感知数据,扩大感知范围,从而能够构建出车辆的行驶轨迹,通过该行驶轨迹能够判定司机是否存在不良的驾驶习惯,并将该判定结果与当前的道路状况结合,对交通事故进行预测,进而能够提高交通事故的预测精度。
进一步的,作为对上述实施例的细化和扩展,本发明实施例提供了另一种交通事故预测方法,如图3所示,所述方法包括:
步骤201、当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据。
其中,所述第一路侧计算单元与第二路侧计算单元具有级联关系,所述第二路侧计算单元与所述第一路侧计算单元沿车流方向前后布置,第二路侧计算单元负责前段道路范围,第一路侧计算单元负责后段道路范围。
对于本发明实施例,当目标车辆在第二路侧计算单元负责的前段道路范围内行驶时,第二路侧计算单元的外围感知硬件能够采集车辆的位置信息和行驶速度,即实时车辆数据,并将其打上时间戳传递给第一路侧计算单元。
步骤202、当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据。
对于本发明实施例,第二路侧计算单元预测盲区车辆数据的过程与步骤102完全相同,在此不再赘述。
需要说明的是,第二路侧计算单元在向第一路侧计算单元传递预测车辆数据的过程中,可以根据盲区的距离大小和预估的目标车辆在盲区的平均行驶速度,确定预测车辆数据的发送时长,超过这个时长第二路侧计算单元便不会再预测和传递数据。例如,预测车辆数据的发送时长为30s,第二路侧计算单元每秒发10次数据,30s之后第二路侧计算单元便不再预测和传递数据。
步骤203、若在预设时长内接收不到所述第二路侧计算单元持续传递的预测车辆数据,且未检测到所述目标车辆驶入所述后段道路范围,则确定所述目标车辆驶离所述前段道路范围后没有进入所述后段道路范围,并丢弃之前接收的预测车辆数据。
其中,预设时长可以根据实际的业务需求进行设定。紧接上面的例子,假设预设时长为1s,第二路侧计算单元在30s之后便不在传递预测车辆数据,此时从第一路侧计算单元最后一次接收到预测车辆数据开始计时,如果超过1s第一路侧计算单元都没有接收到第二路侧计算单元传递的预测车辆数据,且第一路侧计算单元也没有识别到目标车辆驶入后段道路范围,则说明目标车辆驶离前段道路后没有进入后段道路,此时第一路侧计算单元不需要再进行交通事故预测,因此可以丢弃掉第二路侧计算单元之前传递的预测车辆数据,从而能够节约存储空间。
步骤204、若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正。
其中,所述驶入车辆数据包括所述目标车辆刚驶入后段道路范围时的位置信息和行驶速度,对于本发明实施例,为了对预测车辆数据进行修正,步骤204具体包括:根据所述带有时间戳的预测车辆数据,确定在所述盲区行驶时所述目标车辆于不同时间节点的位置信息和行驶速度;根据所述带有时间戳的实时车辆数据,确定在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息和行驶速度;根据所述目标车辆刚驶入后段道路范围时的位置信息,以及在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息,对在所述盲区行驶时所述目标车辆于不同时间节点的位置信息进行修正;根据所述目标车辆刚驶入后段道路范围时的行驶速度,以及在所述前段道路范围内行驶时所述目标车辆于不同时间节点的行驶速度,对在所述盲区行驶时所述目标车辆于不同时间节点的行驶速度进行修正。
具体地,可以根据目标车辆刚驶入后段道路范围时的行驶速度,以及目标车辆在前段道路范围内行驶时于不同时间节点的行驶速度,重新计算平均行驶速度,根据重新计算的平均行驶速度,修正标车辆在盲区行驶时于不同时间节点的行驶速度,例如,之前预测的是目标车辆在盲区以55km/h匀速行驶,现在根据重新计算的平均行驶速度,将其修正为58km/h,即默认目标车辆在盲区以58km/h匀速行驶。
进一步地,假设根据目标车辆在盲区行驶时于不同时间节点的位置信息,预测其轨迹为一条直线,而根据目标车辆在前段道路范围内行驶时于不同时间节点的位置信息,以及目标车辆刚驶入后段道路的位置信息,确定目标车辆实际是从前段道路的第三车道离开,驶入后段道路的第一车道,由此可知,目标车辆在盲区的行驶轨迹很可能是一条斜线,因此可以对目标车辆在盲区行驶时于不同时间节点的位置信息进行修正,保证目标车辆在盲区的行驶轨迹是一条斜线。
步骤205、根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度。
对于本发明实施例,为了确定目标车辆的行驶轨迹和平均行驶速度,步骤205具体包括:根据在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息,以及在所述盲区行驶时所述目标车辆于不同时间节点修正后的位置信息,确定所述目标车辆的行驶轨迹;根据在所述前段道路范围内行驶时所述目标车辆于不同时间节点的行驶速度,以及在所述盲区行驶时所述目标车辆于不同时间节点修正后的行驶速度,确定所述目标车辆的平均行驶速度。
由此能够确定目标车辆从前段道路开始一直到后段道路之前的行驶轨迹,同时能够计算出目标车辆在这段路程的平均行驶速度,以便根据该行驶轨迹和平均行驶速度,判定目标车辆是否存在超速和连续变道的行为。
步骤206、根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件。
对于本发明实施例,在预测当前道路是否会发生交通事故时,不仅需要考虑目标车辆是否存在超速和连续变道行为,还需要结合当前的道路状况,即是否存在交通阻碍事件,针对当前道路是否存在交通阻碍事件的检测过程,作为一种可选实施例,所述方法包括:根据所述当前道路上其他车辆的行驶速度,判定所述其他车辆是否存在停车行为;若所述其他车辆存在停车行为,则确定所述当前道路存在交通阻碍事件;若所述其他车辆不存在停车行为,则获取所述当前道路的视频图像,利用预设行人检测模型对所述视频图像进行行人检测,得到行人检测结果;若所述行人检测结果为存在行人,则确定所述当前道路存在交通阻碍事件;若所述行人检测结果为不存在行人,则基于所述视频图像,对所述当前道路进行边缘检测,得到边缘检测结果;若根据所述边缘检测结果确定所述当前道路正在施工,则确定所述当前道路存在交通阻碍事件。其中,预设行人检测模型具体可以为yolov5行人检测模型
具体地,第一路侧计算单元的外围感知设备可以采集当前道路的视频图像和其他车辆的行驶速度,根据其他车辆的行驶速度,第一路侧计算单元能够判定其他车辆是否存在停车行为,如果存在停车行为,则说明当前道路存在交通阻碍事件,容易发生交通事故;如果不存在停车行为,则利用yolov5行人检测模型对视频图像进行行人检测,如果视频图像中存在行人,则说明当前道路有行人闯入,即存在交通阻碍事件;如果视频图像中不存在行人,则说明当前道路没有行人闯入,继续利用candy边缘检测算法对视频图像进行边缘检测,得到当前道路的边缘特征,并根据该边缘特征,判定当前道路是否存在施工,如果存在施工,则说明存在交通阻碍事件。之后将上述检测结果上报给云控平台,并向道路上的车辆广播。
步骤207、若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
对于本发明实施例,第一路侧计算单元在向第三路侧计算单元传递预测结果和实时车辆数据之前,可以设定上述预测结果和数据的传递因子,预测结果和数据在传递的过程中传递因子不断减少,当传递因子衰减为零时,便不再向下传递,如每经过一个路侧计算单元,传递因子减1,由此能够避免预测结果和数据无限向下传播,从而导致某个路侧计算单元接收的数据量过大。
本发明实施例提供的另一种交通事故预测方法,前段路侧计算单元通过将带有时间戳的数据传递给与其具有级联关系的后段路侧计算单元,能够使单个路侧计算单元获得更多的感知数据,扩大感知范围,从而能够构建出车辆的行驶轨迹,通过该行驶轨迹能够判定司机是否存在不良的驾驶习惯,并将该判定结果与当前的道路状况结合,对交通事故进行预测,进而能够提高交通事故的预测精度。
进一步地,作为图1的具体实现,本发明实施例提供了一种交通事故预测装置,所述装置具体可以为第一路侧计算单元,如图4所示,所述装置包括:接收单元31、修正单元32、确定单元33、检测单元34和预测单元35。
所述接收单元31,可以用于当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据。
所述接收单元31,还可以用于当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据。
所述修正单元32,可以用于若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正。
所述确定单元33,可以用于根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度。
所述检测单元34,可以用于根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件。
所述预测单元35,可以用于若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
在具体应用场景中,所述驶入车辆数据包括所述目标车辆刚驶入后段道路范围时的位置信息和行驶速度,所述修正单元32,如图5所示,包括:确定模块321和修正模块322。
所述确定模块321,可以用于根据所述带有时间戳的预测车辆数据,确定在所述盲区行驶时所述目标车辆于不同时间节点的位置信息和行驶速度。
所述确定模块321,还可以用于根据所述带有时间戳的实时车辆数据,确定在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息和行驶速度。
所述修正模块322,可以用于根据所述目标车辆刚驶入后段道路范围时的位置信息,以及在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息,对在所述盲区行驶时所述目标车辆于不同时间节点的位置信息进行修正。
所述修正模块322,还可以用于根据所述目标车辆刚驶入后段道路范围时的行驶速度,以及在所述前段道路范围内行驶时所述目标车辆于不同时间节点的行驶速度,对在所述盲区行驶时所述目标车辆于不同时间节点的行驶速度进行修正。
在具体应用场景中,所述确定单元33,具体可以用于根据在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息,以及在所述盲区行驶时所述目标车辆于不同时间节点修正后的位置信息,确定所述目标车辆的行驶轨迹;根据在所述前段道路范围内行驶时所述目标车辆于不同时间节点的行驶速度,以及在所述盲区行驶时所述目标车辆于不同时间节点修正后的行驶速度,确定所述目标车辆的平均行驶速度。
在具体应用场景中,所述检测单元34,具体可以用于根据所述行驶轨迹,确定所述目标车辆在行驶过程中变换车道的次数;若所述目标车辆变换车道的次数大于预设次数,且所述平均行驶速度大于预设速度,则确定所述目标车辆存在超速和连续变道的行为。
进一步地,所述检测单元34,还具体可以用于根据所述当前道路上其他车辆的行驶速度,判定所述其他车辆是否存在停车行为;若所述其他车辆存在停车行为,则确定所述当前道路存在交通阻碍事件;若所述其他车辆不存在停车行为,则获取所述当前道路的视频图像,利用预设行人检测模型对所述视频图像进行行人检测,得到行人检测结果;若所述行人检测结果为存在行人,则确定所述当前道路存在交通阻碍事件;若所述行人检测结果为不存在行人,则基于所述视频图像,对所述当前道路进行边缘检测,得到边缘检测结果;若根据所述边缘检测结果确定所述当前道路正在施工,则确定所述当前道路存在交通阻碍事件。
在具体应用场景中,所述确定单元33,还可以用于若在预设时长内接收不到所述第二路侧计算单元持续传递的预测车辆数据,且未检测到所述目标车辆驶入所述后段道路范围,则确定所述目标车辆驶离所述前段道路范围后没有进入所述后段道路范围,并丢弃之前接收的预测车辆数据。
在具体应用场景中,所述装置还包括:发送单元36。
所述发送单元36,可以用于获取所述目标车辆在所述后段道路范围内行驶时的实时车辆数据,并将其打上时间戳;将所述后段道路范围对应的带有时间戳的实时车辆数据,前段道路范围对应的带有时间戳的实时车辆数据,以及针对是否发生交通事故的预测结果一同发送给第三路侧计算单元,其中,所述第三路侧计算单元与所述第一路侧计算单元具有级联关系,且所述第一路侧计算单元与所述第三路侧计算单元沿车流方向前后布置。
需要说明的是,本发明实施例提供的一种交通事故预测装置所涉及各功能模块的其他相应描述,可以参考图1所示方法的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据;当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据;若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度;根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
基于上述如图1所示方法和如图4所示装置的实施例,本发明实施例还提供了一种电子设备的实体结构图,如图6所示,该电子设备包括:处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序,其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤:当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据;当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据;若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度;根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
在本发明实施例中,前段路侧计算单元通过将带有时间戳的数据传递给与其具有级联关系的后段路侧计算单元,能够使单个路侧计算单元获得更多的感知数据,扩大感知范围,从而能够构建出车辆的行驶轨迹,通过该行驶轨迹能够判定司机是否存在不良的驾驶习惯,并将该判定结果与当前的道路状况结合,对交通事故进行预测,进而能够提高交通事故的预测精度。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种交通事故预测方法,其特征在于,应用于第一路侧计算单元,所述第一路侧计算单元与第二路侧计算单元具有级联关系,所述第二路侧计算单元与所述第一路侧计算单元沿车流方向前后布置,包括:
当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据;
当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据;
若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;
根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度;
根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;
若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
2.根据权利要求1所述的方法,其特征在于,所述驶入车辆数据包括所述目标车辆刚驶入后段道路范围时的位置信息和行驶速度,所述根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正,包括:
根据所述带有时间戳的预测车辆数据,确定在所述盲区行驶时所述目标车辆于不同时间节点的位置信息和行驶速度;
根据所述带有时间戳的实时车辆数据,确定在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息和行驶速度;
根据所述目标车辆刚驶入后段道路范围时的位置信息,以及在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息,对在所述盲区行驶时所述目标车辆于不同时间节点的位置信息进行修正;
根据所述目标车辆刚驶入后段道路范围时的行驶速度,以及在所述前段道路范围内行驶时所述目标车辆于不同时间节点的行驶速度,对在所述盲区行驶时所述目标车辆于不同时间节点的行驶速度进行修正。
3.根据权利要求2所述的方法,其特征在于,所述根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度,包括:
根据在所述前段道路范围内行驶时所述目标车辆于不同时间节点的位置信息,以及在所述盲区行驶时所述目标车辆于不同时间节点修正后的位置信息,确定所述目标车辆的行驶轨迹;
根据在所述前段道路范围内行驶时所述目标车辆于不同时间节点的行驶速度,以及在所述盲区行驶时所述目标车辆于不同时间节点修正后的行驶速度,确定所述目标车辆的平均行驶速度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,包括:
根据所述行驶轨迹,确定所述目标车辆在行驶过程中变换车道的次数;
若所述目标车辆变换车道的次数大于预设次数,且所述平均行驶速度大于预设速度,则确定所述目标车辆存在超速和连续变道的行为。
5.根据权利要求1所述的方法,其特征在于,所述检测当前道路是否存在交通阻碍事件,包括:
根据所述当前道路上其他车辆的行驶速度,判定所述其他车辆是否存在停车行为;
若所述其他车辆存在停车行为,则确定所述当前道路存在交通阻碍事件;
若所述其他车辆不存在停车行为,则获取所述当前道路的视频图像,利用预设行人检测模型对所述视频图像进行行人检测,得到行人检测结果;
若所述行人检测结果为存在行人,则确定所述当前道路存在交通阻碍事件;
若所述行人检测结果为不存在行人,则基于所述视频图像,对所述当前道路进行边缘检测,得到边缘检测结果;
若根据所述边缘检测结果确定所述当前道路正在施工,则确定所述当前道路存在交通阻碍事件。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若在预设时长内接收不到所述第二路侧计算单元持续传递的预测车辆数据,且未检测到所述目标车辆驶入所述后段道路范围,则确定所述目标车辆驶离所述前段道路范围后没有进入所述后段道路范围,并丢弃之前接收的预测车辆数据。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
获取所述目标车辆在所述后段道路范围内行驶时的实时车辆数据,并将其打上时间戳;
将所述后段道路范围对应的带有时间戳的实时车辆数据,前段道路范围对应的带有时间戳的实时车辆数据,以及针对是否发生交通事故的预测结果一同发送给第三路侧计算单元,其中,所述第三路侧计算单元与所述第一路侧计算单元具有级联关系,且所述第一路侧计算单元与所述第三路侧计算单元沿车流方向前后布置。
8.一种交通事故预测装置,其特征在于,包括:
接收单元,用于当目标车辆在所述第二路侧计算单元负责的前段道路范围内行驶时,接收所述第二路侧计算单元传递的带有时间戳的实时车辆数据;
所述接收单元,还用于当所述目标车辆驶出所述前段道路范围进入盲区时,接收所述第二路侧计算单元传递的带有时间戳的预测车辆数据;
修正单元,用于若检测到所述目标车辆驶入所述第一路侧计算单元负责的后段道路范围,则根据所述目标车辆的驶入车辆数据,对所述预测车辆数据进行修正;
确定单元,用于根据所述带有时间戳的实时车辆数据和修正后的预测车辆数据,确定所述目标车辆的行驶轨迹和平均行驶速度;
检测单元,用于根据所述行驶轨迹和所述平均行驶速度,判定所述目标车辆是否存在超速和连续变道的行为,同时检测当前道路是否存在交通阻碍事件;
预测单元,用于若所述目标车辆存在超速和连续变道的行为,且所述当前道路存在交通阻碍事件,则预测所述当前道路会发生交通事故。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211439953.9A CN115830860B (zh) | 2022-11-17 | 2022-11-17 | 交通事故预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211439953.9A CN115830860B (zh) | 2022-11-17 | 2022-11-17 | 交通事故预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830860A true CN115830860A (zh) | 2023-03-21 |
CN115830860B CN115830860B (zh) | 2023-12-15 |
Family
ID=85528762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211439953.9A Active CN115830860B (zh) | 2022-11-17 | 2022-11-17 | 交通事故预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830860B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489585A (zh) * | 2020-03-04 | 2020-08-04 | 昆明理工大学 | 一种基于边缘计算的车辆行人碰撞避免方法 |
CN112782737A (zh) * | 2020-12-30 | 2021-05-11 | 深圳市金溢科技股份有限公司 | 基于车路协同的差分定位、路侧单元及车载单元 |
CN113129592A (zh) * | 2021-04-16 | 2021-07-16 | 江西方兴科技有限公司 | 一种高速公路隧道交通状态全息感知系统及方法 |
CN113689692A (zh) * | 2021-07-14 | 2021-11-23 | 东南大学 | 智能网联混合交通流信号交叉口车辆到达预测修正方法 |
CN114359848A (zh) * | 2020-09-30 | 2022-04-15 | 北京万集科技股份有限公司 | 目标检测方法、装置、车端感知设备和存储介质 |
WO2022141912A1 (zh) * | 2021-01-01 | 2022-07-07 | 杜豫川 | 一种面向车路协同的感知信息融合表征及目标检测方法 |
-
2022
- 2022-11-17 CN CN202211439953.9A patent/CN115830860B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489585A (zh) * | 2020-03-04 | 2020-08-04 | 昆明理工大学 | 一种基于边缘计算的车辆行人碰撞避免方法 |
CN114359848A (zh) * | 2020-09-30 | 2022-04-15 | 北京万集科技股份有限公司 | 目标检测方法、装置、车端感知设备和存储介质 |
CN112782737A (zh) * | 2020-12-30 | 2021-05-11 | 深圳市金溢科技股份有限公司 | 基于车路协同的差分定位、路侧单元及车载单元 |
WO2022141912A1 (zh) * | 2021-01-01 | 2022-07-07 | 杜豫川 | 一种面向车路协同的感知信息融合表征及目标检测方法 |
CN113129592A (zh) * | 2021-04-16 | 2021-07-16 | 江西方兴科技有限公司 | 一种高速公路隧道交通状态全息感知系统及方法 |
CN113689692A (zh) * | 2021-07-14 | 2021-11-23 | 东南大学 | 智能网联混合交通流信号交叉口车辆到达预测修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115830860B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11521496B2 (en) | Lane-borrowing vehicle driving method and control center | |
JP7047089B2 (ja) | セルラーネットワークベース運転支援方法及び交通制御ユニット | |
CN107749193B (zh) | 驾驶风险分析及风险数据发送方法及装置 | |
JP2016051467A (ja) | 適合化予測のために広域的シーンコンテクストを使用する方法およびシステム並びに対応するプログラム、該システムを備えた乗り物 | |
CN112712697B (zh) | 面向车路协同应用的车道级交通状态判别方法 | |
JP2021099793A (ja) | インテリジェント交通管制システム及びその制御方法 | |
US11482109B2 (en) | Cooperative vehicle monitoring | |
CN113411375B (zh) | 信息处理方法、设备及计算机存储介质 | |
US20170151945A1 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
US11495064B2 (en) | Value-anticipating cooperative perception with an intelligent transportation system station | |
CN113895442B (zh) | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 | |
CN113112817A (zh) | 一种基于车联网和跟驰行为的隧道车辆定位和预警系统及其方法 | |
CN111369784A (zh) | 一种控制车道流量的方法及装置 | |
CN113947907A (zh) | 基于v2x的车辆交通事故预警方法、装置、介质及设备 | |
CN115240405A (zh) | 一种交通信息管理方法、系统、网络设备及存储介质 | |
CN116597688A (zh) | 隧道场景的预警方法、装置及电子设备、存储介质 | |
CN115830860B (zh) | 交通事故预测方法及装置 | |
Kesting et al. | Online traffic state estimation based on floating car data | |
CN115240432A (zh) | 交通拥堵检测方法、装置及电子设备、存储介质 | |
CN111681430B (zh) | 实时预测未来机动车到达信号灯路口停止线台数的方法 | |
JP7276276B2 (ja) | 危険運転検出装置、危険運転検出システム、及び危険運転検出プログラム | |
CN113470213A (zh) | 数据处理方法、装置、车载终端设备和服务器 | |
CN117523918A (zh) | 车辆左转预警方法及装置 | |
CN114170832B (zh) | 公交车辆监测方法、装置、服务器、系统及存储介质 | |
JP2005267579A (ja) | 車両情報収集装置および車両情報収集方法 |
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 |