CN115861973A - 一种道路异常状态检测方法、系统、电子设备和存储介质 - Google Patents

Abstract

本发明实施例公开一种道路异常状态检测方法、系统、电子设备和存储介质。该方法应用于车载设备，该方法包括：获取目标车辆的运行状态数据，以及目标车辆行驶方向前端的路侧终端所发送的道路异常信息；根据运行状态数据、道路异常信息和预设回归分类模型确定道路异常状态数据；根据道路异常状态数据和预设异常概率确定道路异常状态。本发明实施例，通过运行状态数据、目标车辆行驶方向前端的路侧终端所发送的道路异常信息和预设回归分类模型确定道路异常状态数据，并根据道路异常状态数据和预设异常概率确定道路异常状态，能够准确识别无光场景的高速道路交通异常交通事件，实现实时异常数据的检测，达到提高高速行驶安全与效率的目标。

Description

一种道路异常状态检测方法、系统、电子设备和存储介质

技术领域

本发明涉及车辆通信技术领域，尤其涉及一种道路异常状态检测方法、系统、电子设备和存储介质。

背景技术

对于高速道路而言，经常发生一些道路异常的状态，比如行驶车辆落下重物，使道路中出现危险障碍物；又比如出现道路遗撒，这些都使得道路车辆打滑不稳；而且，若道路由于外力造成巨大损坏，出现坑洼，会造成道路车辆行驶出现颠簸振动等危险情况。

由于上述种种潜在风险，尤其是重点高速道路，针对道路遗撒物，由于不是交通事故，很少私人上报，从而使得发现风险点的工作，比较耗费费力，而且风险存在的时间越长，则将会有较大的概率发生重大事故。对于道路异常的状态检测，目前市场的技术主要是以固定在路侧的视频检测器(摄像头)进行检测，然后利用视频识别算法，发现道路异常事件，然后进行事件识别，最后进行上报，视频检测器，对于光线明亮，效果尚可，但是视频检测器比较致命的缺陷，是对于无光夜晚的检测，则不能实现，而且这种方式进行道路的检测容易出现误差，不能保证异常道路的准确性，不能保证高速行驶安全性。

发明内容

有鉴于此，本发明提供一种道路异常状态检测方法、系统、电子设备和存储介质，能够准确识别无光场景的高速道路交通异常交通事件，实现实时异常数据的检测，达到提高高速行驶安全与效率的目标。

根据本发明的一方面，本发明实施例提供了一种道路异常状态检测方法，应用于车载终端，该方法包括：

获取目标车辆的运行状态数据，以及所述目标车辆行驶方向前端的路侧终端所发送的道路异常信息；

根据所述运行状态数据、所述道路异常信息和预设回归分类模型确定道路异常状态数据；

根据所述道路异常状态数据和预设异常概率确定道路异常状态。

根据本发明的一方面，本发明实施例提供了一种道路异常状态检测方法，应用于路侧设备，该方法包括：

接收目标车辆的车载设备在信号覆盖范围内所发送的道路异常信息；

将所述道路异常信息发送至云数据平台，以使所述云数据平台对所述道路异常数据信息进行存储核算并将所述道路异常数据信息发送至目标路侧设备，所述目标路侧设备将所述道路异常数据信息下发至目标车辆。

根据本发明的另一方面，本发明实施例还提供了一种道路异常状态检测方法，应用于云数据平台，该方法包括：

获取至少一个路侧设备所上传的道路异常信息；

在预设周期内将各所述道路异常信息进行加权平均并确定对应的加权结果；

根据所述加权结果确定所述道路异常信息中道路异常对应的位置信息的道路异常核查结果；

在所述道路异常核查结果超过预设结果阈值的情况下，则向所述道路异常信息之前的路侧设备发送RSI路侧信息，以使所述路侧设备向目标车辆的车载设备发送RSM路侧安全消息；

在所述道路异常核查结果不超过预设结果阈值的情况下，则不向所述路侧设备发送RSI路侧信息。

根据本发明的另一方面，本发明实施例还提供了一种道路异常状态检测系统，该系统包括：车载设备、路侧设备和云数据平台；

所述车载设备，与所述至少一个路侧设备通过通信连接，用于执行本发明实施例一方面所述的道路异常状态检测方法；

所述至少一个路侧设备，与所述车载设备和所述云数据平台通过通信连接，用于执行本发明实施例另一方面所述的道路异常状态检测方法；

所述云数据平台，与所述至少一个路侧设备通过通信连接，用于执行本发明实施例另一方面所述的道路异常状态检测方法。

根据本发明的另一方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本发明一方面所述的道路异常状态检测方法或者本发明另一方面所述的道路异常状态检测方法。

根据本发明的另一方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现如本发明一方面所述的道路异常状态检测方法或者本发明另一方面所述的道路异常状态检测方法。

本发明实施例，通过获取目标车辆的运行状态数据，以及目标车辆行驶方向前端的路侧终端所发送的道路异常信息；根据运行状态数据、道路异常信息和预设回归分类模型确定道路异常状态数据；根据道路异常状态数据和预设异常概率确定道路异常状态。本发明实施例，通过运行状态数据、目标车辆行驶方向前端的路侧终端所发送的道路异常信息和预设回归分类模型确定道路异常状态数据，并根据道路异常状态数据和预设异常概率确定道路异常状态，能够准确识别无光场景的高速道路交通异常交通事件，实现实时异常数据的检测，达到提高高速行驶安全与效率的目标。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明一实施例提供的一种道路异常状态检测方法的流程图；

图2为本发明一实施例提供的另一种道路异常状态检测方法的流程图；

图3为本发明一实施例提供的又一种道路异常状态检测方法的流程图；

图4为本发明一实施例提供的又一种道路异常状态检测方法的流程图；

图5为本发明一实施例提供的一种道路异常状态检测系统的结构图；

图6为本发明一实施例提供的又一种道路异常状态检测系统的结构图；

图7为本发明一实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在一实施例中，图1为本发明一实施例提供的一种道路异常状态检测方法的流程图，本实施例可适用于对道路异常交通事件快速发现时的情况，该方法可以由道路异常状态检测系统来执行，该道路异常状态检测系统可以采用硬件和/或软件的形式实现，该道路异常状态检测系统可配置于电子设备中。

如图1所示，道路异常状态检测方法，应用于车载设备，该方法包括：

S110、获取目标车辆的运行状态数据，以及目标车辆行驶方向前端的路侧终端所发送的道路异常信息；

其中，目标车辆指的是正在道路中行驶的车辆，目标车辆的个数可以为一个或多个。运行状态数据可以理解为车辆的行驶状态数据，可以包含但不限于目标车辆的上下振动数据、左转弯数据、右转弯数据、实时速度数据和加速度数据。

在本实施例中，道路异常信息可以理解为异常道路对应的信息，道路异常信息可以包含但不限于道路异常所对应的位置信息、道路异常所处的状态和道路异常物体信息。需要说明的是，车载设备所接收到的道路异常信息为目标车辆行驶前方的一个或多个路侧设备所发送的道路异常信息。

在本实施例中，通过车载设备内部的传感器以获取目标车辆所对应的运行状态信息，道路异常信息的获取可以通过车载设备所在的工作模式那个确定，在一些实施例中，在车载设备处于路侧设备信号范围的情况下，通过接收目标车辆前端的一个或多个路侧设备发送的道路异常信息；在另一些实施例中，在车载设备处于路侧设备信号范围外的情况下，实时存储检测到的异常交通事件数据，直到处于路侧设备信号范围内时，发送异常交通事件数据至信号范围内的路侧设备，并接收信号范围内的路侧设备前方的其他路侧设备发送的道路异常信息。

S120、根据运行状态数据、道路异常信息和预设回归分类模型确定道路异常状态数据。

其中，预设回归分类模型也可以称为逻辑回归分类模型，用于对运行状态数据和道路异常信息进行回归分类分析。异常状态数据可以理解为预设回归分类模型所输出的异常状态结果，可以表征当前道路的异常情况。

在本实施例中，可以通过对运行状态数据和道路异常信息进行归一化数据处理，以将归一化处理后的运行状态数据和道路异常信息，输入至预设回归分类模型中以确定与其对应的回归分类结果，并通过回归分类结果确定道路异常状态数据，该道路异常状态数据可以在路侧设备的信号范围内，由车载设备发送至路侧设备，本实施例中的预设回归分类模型用公式可以表示为Φ(z)＝1(1+e^-z)，其中，z表示为预设回归分类模型的回归系数分别与运行状态数据和道路异常信息的乘积之和。在一些实施例中，也可以依据目标车辆的运行状态数据判断车辆是否行驶异常，分析行驶异常的基础安全消息，包括速度，转向，刹车，双闪，位置等等，并依据分析结果确定道路异常状态数据。

S130、根据道路异常状态数据和预设异常概率确定道路异常状态。

其中，预设异常概率可以理解为预先设置的道路异常概率，该预设异常概率可以反映出道路异常事件概率的灵敏度，可以通过经验进行设置雨水异常概率，也可以人为进行自行设置，本实施例在此不做限制。道路异常状态可以包括当前道路存在道路异常事件和当前道路不存在道路异常事件两种。

在本实施例中，可以通过道路异常状态数据和预设异常概率的比较进行确定道路异常状态。具体的，在道路异常状态数据大于或等于预设异常概率的情况下，确定道路状态为道路异常事件，车载设备存储并记录道路异常事件对应异常点的位置信息，并在路侧设备的信号检测范围内实时上报至路侧设备；在道路异常状态数据小于预设异常概率的情况下，确定道路状态为非道路异常事件，不进行道路异常事件记录。

本发明实施例的技术方案，通过获取目标车辆的运行状态数据，以及目标车辆行驶方向前端的路侧终端所发送的道路异常信息；根据运行状态数据、道路异常信息和预设回归分类模型确定道路异常状态数据；根据道路异常状态数据和预设异常概率确定道路异常状态。本发明实施例，通过运行状态数据、目标车辆行驶方向前端的路侧终端所发送的道路异常信息和预设回归分类模型确定道路异常状态数据，并根据道路异常状态数据和预设异常概率确定道路异常状态，能够准确识别无光场景的高速道路交通异常交通事件，实现实时异常数据的检测，达到提高高速行驶安全与效率的目标。

在一实施例中，图2为本发明一实施例提供的另一种道路异常状态检测方法的流程图，本实施例在上述各实施例地基础上，对获取目标车辆的运行状态数据，以及目标车辆行驶方向前端的路侧终端所发送的道路异常信息，根据运行状态数据、道路异常信息和预设回归分类模型确定道路异常状态数据，以及根据道路异常状态数据和预设异常概率确定道路异常状态进行了进一步的细化。

如图2所示，本实施例中的道路异常状态检测方法，具体可以包含如下步骤：

S210、通过三轴加速度传感器获取目标车辆所对应的运行状态数据。

其中，运行状态数据至少包含下述之一：目标车辆的上下振动数据、左转弯数据、右转弯数据、实时速度数据和加速度数据；

在本实施例中，在目标车辆的行驶过程中，可以通过车载设备内部的三轴加速度传感器，以获取目标车辆所对应的运行状态数据，该运行状态数据可以包含但不限于目标车辆的上下振动数据、左转弯数据、右转弯数据、实时速度数据和加速度数据，即为车辆的向上加速度值、车辆的行驶方向加速度值、车辆行驶方向向右加速度值、车辆的即时速度值、车辆行驶方向的向左加速度值，车辆向后加速度值等。当然，不同的道路异常路段对应的运行数据一般是不同的，示例性的，车辆经过一个大型遗落物体的地点时，目标车辆的车载设备实时获取经过该地点时对应的相关加速度值，在车辆经过一个大坑地点时，所对应的运行状态数据是大坑地点对应的相关加速度值。

S220、车载设备处于路侧设备信号范围内时，接收至少一个目标车辆前端的至少一个路侧设备发送的道路异常信息；车载设备处于路侧设备信号范围外时，实时存储检测到的异常交通事件数据，直到处于路侧设备信号范围内时，发送异常交通事件数据至第一路侧设备，并接收第一路侧设备前方的其他路侧设备发送的道路异常信息。

其中，异常交通事件数据可以理解为车辆行驶过程中所检测的异常交通事件数据，异常交通事件数据可以为抛洒物体现场，也可以为坑洼地点、遗落物体地点等等道路异常现场对应的异常交通事件信息情况。第一路侧设备指的是目标车辆行驶过程中，从路侧信号范围外行驶至处于路侧信号范围内的第一个路侧设备。

在本实施例中，道路异常信息至少包括道路异常所对应的位置信息和道路异常物体信息。可以理解为，不同的道路异常地点对应的位置信息和异常路段信息是不同的。

在本实施例中，车载设备可能处于路侧设备发射无形可视(Invisible-to-Visible，I2V)信号的范围内，此时，车载设备能够接收目标车辆前端的至少一个路侧设备发送的道路异常信息，可以理解为，接收路侧设备所发送的道路异常路侧安全消息(RoadSafety Message，RSM)；此外，车载设备也可能处于路侧设备发射I2V信号的范围之外时，实时存储检测到的异常交通事件数据，直到处于路侧设备信号范围内时，发送实时检测的异常交通事件数据至从路侧信号范围外行驶至处于路侧信号范围内的第一个路侧设备，该路侧设备经过分析之后将接收到的异常交通事件数据发送至云数据平台，由云数据平台在下发至目标车辆行驶前方的至少一个路侧设备，由车载设备接收至少一个路侧设备前方的其他路侧设备发送的道路异常信息。

示例性的，在车载设备处于路侧设备发射I2V信号的范围内时，检测到道路上出现大坑，则将异常事件上传至路侧设备，之后路侧设备将异常事件传到云数据平台，云平台会将该道路异常事件所对应的位置信息和道路异常信息发送至该路侧设备之前的其他路侧设备上，使得后面其他的车辆可以知道该异常点的位置信息，提前做预警；在车载设备处于路侧设备发射I2V信号的范围外时，比如路侧设备1和路侧终端2中间间隔两公里，但是路侧设备智能覆盖800m，中间有400m是处于路侧设备的信号覆盖范围外的，若是在处于路侧设备的信号覆盖范围外车载设备发现异常事件，需要先将该异常事件记录下来，在工作于路侧设备信号覆盖范围内时，将异常事件发送至该路侧设备，由该路侧设备发送将异常事件传到平台上去，云平台会将该异常事件位置点会向路侧设备之前的其他路侧设备上去，使得后面其他的车辆可以知道该异常点的位置，提前做预警。

S230、对运行状态数据和道路异常信息进行归一化数据处理，得到归一化处理后的目标数据集。

其中，目标数据集指的是将运行状态数据和道路异常信息进行归一化数据处理所得到的数据集。

在本实施例中，由于运行状态数据和道路异常信息的格式等不统一，需要将运行状态数据和道路异常信息进行归一化数据处理，以得到归一化处理后的目标数据集。

S240、将目标数据集输入至预设回归分类模型中，以确定目标数据集对应的回归分类结果。

在本实施例中，对运行状态数据和道路异常信息进行归一化数据处理之后，将归一化数据处理之后的运行状态数据和道路异常信息输入至预设回归分类模型中，以确定目标数据集对应的回归分类结果。示例性的，若运行状态数据为车辆的向上加速度值、车辆的行驶方向加速度值、车辆行驶方向向右加速度值、车辆的即时速度值、车辆行驶方向的向左加速度值，车辆向后加速度值，道路异常信息为车载设备收到的预警道路异常预警信息，则将归一化数据处理之后的运行状态数据和道路异常信息输入至Φ(z)＝1(1+e^-z)中，以确定目标数据集对应的回归分类结果，其中，

z＝θ₀X_ac+θ₁X_aac+θ₂X_rc+θ₃X_v+θ₄X_lc+θ₅X_bc+θ₆X_v2i，其中，φ(z)为道路异常回归分类模型的输出检测结果：X_ac、X_rc、X_v、X_lc、X_bc、X_v2i分别表示为车辆的向上加速度值、车辆的行驶方向加速度值、车辆行驶方向向右加速度值、车辆的即时速度值、车辆行驶方向的向左加速度、车辆向后加速度值以及车载设备收到的预警道路异常预警信息。其中，θ₀至θ₆为道路异常回归分类模型的回归系数。

S250、依据回归分类结果确定道路异常状态数据。

在本实施中，将归一化数据处理之后的运行状态数据和道路异常信息输入至预设回归分类模型中，以确定目标数据集对应的回归分类结果，并依据回归分类结果确定道路异常状态数据。示例性的，将车辆的向上加速度值、车辆的行驶方向加速度值、车辆行驶方向向右加速度值、车辆的即时速度值、车辆行驶方向的向左加速度、车辆向后加速度值以及车载设备收到的预警道路异常预警信息输入至预设回归分类模型中，会识别出一种道路异常数据φ(Z_X)。

S260、在道路异常状态数据大于或等于预设异常概率的情况下，确定道路状态为道路异常事。

在本实施例中，在道路异常状态数据大于或等于预设异常概率的情况下，确定道路状态为道路异常事。示例性的，预设异常概率为0.5，识别出的道路异常数据φ(Z)>0.5，可以判定为道路异常事件。

S270、在道路异常状态数据小于预设异常概率的情况下，确定道路状态为非道路异常事件，不进行道路异常事件记录。

在本实施例中，在道路异常状态数据小于预设异常概率的情况下，确定道路状态为非道路异常事件，不进行道路异常事件记录。示例性的，预设异常概率为0.5，识别出的道路异常数据Φ(z)小于0.5，确定道路状态为非道路异常事件，不进行道路异常事件记录。

本发明实施例的上述技术方案，通过车载设备处于路侧设备信号范围内时，接收至少一个目标车辆前端的至少一个路侧设备发送的道路异常信息；车载设备处于路侧设备信号范围外时，实时存储检测到的异常交通事件数据，直到处于路侧设备信号范围内时，发送异常交通事件数据至第一路侧设备，并接收第一路侧设备前方的其他路侧设备发送的道路异常信息，使得后面其他的车辆可以知道该异常点的位置，提前做预警，保证行车安全；通过对运行状态数据和道路异常信息进行归一化数据处理，得到归一化处理后的目标数据集，将目标数据集输入至预设回归分类模型中，以确定目标数据集对应的回归分类结果，并依据回归分类结果确定道路异常状态数据，能够进一步准确识别无光场景的高速道路交通异常交通事件，实现实时异常数据的检测，达到提高高速行驶安全与效率的目标。

示例性的，为便于更好的理解车载设备侧的道路异常状态检测方法，车载设备侧的道路异常状态检测方法，具体可以包含以下步骤：

a1、获取目标车辆的运行状态数据以及车载设备收到的预警道路异常预警信息，运行状态数据包含X_ac、X_rc、X_v、X_lc、X_bc依次分别表示为车辆的向上加速度值、车辆的行驶方向加速度值、车辆行驶方向向右加速度值、车辆的即时速度值、车辆行驶方向的向左加速度、车辆向后加速度值，X_v2i数据表示为车载设备收到的预警道路异常预警信息。

a2、对目标车辆的运行状态数据以及车载设备收到的预警道路异常预警信息进行归一化数据处理。

a3、将归一化数据处理后的输入到预设回归分类模型中，获取高速道路异常交通事件的异常数据。

例如计算结果，Φ(z)φ(z)＝0.78。计算过程如下：

预设回归分类模型：Φ(z)＝1(1+e^-z)

其中，z＝θ₀X_ac+θ₁X_aac+θ₂X_rc+θ₃X_v+θ₄X_lc+θ₅X_bc+θ₆X_v2i

其中，Φ(z)为道路异常回归分类模型的输出检测结果。θ₀-θ₆为道路异常回归分类模型的回归系数。

本实施例中，检测到X_ac、X_rc、X_v、X_lc、X_bc、X_v2i数据，对数据进行量化处理，数据进入逻辑回归分类模型，模型输出空间，会识别出一种道路异常数据Φ(z)。当Φ(z)>0.6时，可以判定为道路异常事件，反之，不进行道路异常事件记录。

其中，0.6表示为预设异常概率。

a4、当Φ(z)>0.6时，确定一条道路异常信息。车载设备会存储上述的异常数据，同时记录异常数据点位的车道级的位置信息。

在一实施例中，图3为本发明一实施例提供的又一种道路异常状态检测方法的流程图，本实施例可适用于对道路异常交通事件快速发现时的情况，该方法可以由道路异常状态检测系统来执行，该道路异常状态检测系统可以采用硬件和/或软件的形式实现，该道路异常状态检测系统可配置于电子设备中。

如图3所示，道路异常状态检测方法，应用于路侧设备，该方法包括：

S310、接收目标车辆的车载设备在信号覆盖范围内所发送的道路异常信息。

在本实施例中，目标车辆会实时向信号覆盖范围内的路侧设备发送检测到的道路异常信息，路侧设备接收目标车辆的车载设备在信号覆盖范围内所发送的道路异常信息。

S320、将道路异常信息发送至云数据平台，以使云数据平台对道路异常数据信息进行存储核算并将道路异常数据信息发送至目标路侧设备，目标路侧设备将道路异常数据信息下发至目标车辆。

在本实施例中，路侧设备接收目标车辆的车载设备在信号覆盖范围内所发送的道路异常信息，将道路异常信息发送至云数据平台，以使云数据平台对道路异常数据信息进行存储核算，并将道路异常数据信息发送至该路侧设备之前的一个或多个目标路侧设备，以使目标路侧设备将道路异常数据信息下发至目标车辆，由此可以使得目标车辆提前知晓道路前方的异常事件，提前做出预警。

本实施例的上述技术方案，通过接收目标车辆的车载设备在信号覆盖范围内所发送的道路异常信息，将道路异常信息发送至云数据平台，以使云数据平台对道路异常数据信息进行存储核算并将道路异常数据信息发送至目标路侧设备，目标路侧设备将道路异常数据信息下发至目标车辆，能够准确识别无光场景的高速道路交通异常交通事件，使得目标车辆提前知晓道路前方的异常事件，提前做出预警，达到提高高速行驶安全与效率的目标。

在一实施例中，所述方法，还包括：

在预设时间段内，采用预设检测算法对道路异常信息进行检测，若预设时间段内所检测到的道路异常信息的概率小于或等于预设概率阈值，则不上报道路异常信息至云数据平台。

其中，预设时间段是以时间为粒度的时间段，可以是人为进行自设置，也可以依据经验进行设置，本实施例在此不做限制。预设检测算法可以为现有技术中已有的检测算法，本实施例在此不多做解释。预设概率阈值指的是道路异常信息对应的概率阈值。

在本实施例中，路侧设备中包含有相应的定时器，在预设时间段内，路侧设备会采用预设检测算法对道路异常信息进行检测，以识别该道路异常信息是否还存在，若预设时间段内所检测到的道路异常信息的概率小于或等于预设概率阈值，则说明该异常道路事件可能已被清除，则不上报道路异常信息至云数据平台，若预设时间段内所检测到的道路异常信息的概率始终大于预设概率阈值，则说明该异常道路事件一直存在，则上报道路异常信息至云数据平台。

在一实施例中，图4为本发明一实施例提供的又一种道路异常状态检测方法的流程图，本实施例可适用于对道路异常交通事件快速发现时的情况，该方法可以由道路异常状态检测系统来执行，该道路异常状态检测系统可以采用硬件和/或软件的形式实现，该道路异常状态检测系统可配置于电子设备中。

如图4所示，本实施例中的道路异常状态检测方法，应用于云数据平台，具体步骤如下：

S410、获取至少一个路侧设备所上传的道路异常信息。

在本实施例中，云数据平台获取至少一个路侧设备所上传的道路异常信息。示例性的，在某一时刻t0，某Vi辆车搭乘的车载设备，通过预设回归分类模型，检测到某点位Gx位置发生异常，将异常交通数据通过V2I发送到路侧设备Ri。路侧设备将异常点位数据发送到大数据平台。例如，Φ(z)＝0.78，在某一时刻t1，某Vj辆车搭乘的车载设备，通过逻辑回归算法，检测到某点位Gx位置发生异常，将异常交通数据通过V2I发送到路侧设备Ri。路侧设备将异常点位数据发送到大数据平台。例如，Φ(z)＝0.54，在ti时刻，上传数据Φ(z)_i+1＝0.54，Φ(z)_i+2＝0.57，…Φ(z)_i+j＝0.84。

S420、在预设周期内将各道路异常信息进行加权平均并确定对应的加权结果。

其中，预设周期内可以理解为预先设置的数据上传周期。

在本实施例中，道路异常信息在一定周期内，持续向云数据平台上传道路异常信息，云数据平台进行道路异常信息存储，并在预设周期内将各道路异常信息进行加权平均，汇总数据并确定对应的加权结果。

S430、根据加权结果确定道路异常信息中道路异常对应的位置信息的道路异常核查结果。

在本实施例中，在预设周期内将各道路异常信息进行加权平均，汇总数据并确定对应的加权结果，以依据加权结果确定道路异常信息中道路异常对应的位置信息的道路异常核查结果。

S440、在道路异常核查结果超过预设结果阈值的情况下，则向道路异常信息之前的路侧设备发送RSI路侧信息，以使路侧设备向目标车辆的车载设备发送RSM路侧安全消息。

在本实施例中，在道路异常核查结果超过预设结果阈值的情况下，则向道路异常信息之前的路侧设备发送RSI路侧信息，以使路侧设备向目标车辆的车载设备发送RSM路侧安全消息，车载设备提前规划行驶路径。示例性的，道路异常核查结果为Φ(z)＝0.77，则可以确定Gx位置确定发生异常交通事件，向道路异常信息之前的路侧设备发送RSI路侧信息。

S450、在道路异常核查结果不超过预设结果阈值的情况下，则不向路侧设备发送RSI路侧信息。

在本实施例中，在道路异常核查结果不超过预设结果阈值的情况下，则不向路侧设备发送RSI路侧信息。

本发明实施例的上述技术方案，通过获取至少一个路侧设备所上传的道路异常信息，在预设周期内将各道路异常信息进行加权平均并确定对应的加权结果，根据加权结果确定道路异常信息中道路异常对应的位置信息的道路异常核查结果，在道路异常核查结果超过预设结果阈值的情况下，则向道路异常信息之前的路侧设备发送RSI路侧信息，以使路侧设备向目标车辆的车载设备发送RSM路侧安全消息，能够使得车载设备根据路侧安全消息提前规划行驶路径，保证车辆行驶安全。

在一实施例中，图5为本发明一实施例提供的一种道路异常状态检测系统的结构图，本实施例中，通过车载设备、至少一个路侧设备和云数据平台之间的交互对道路异常状态检测方法进行进一步的说明。

如图5所示，道路异常状态检测系统，包括：车载设备510、至少一个路侧设备520和云数据平台530；

所述车载设备510，与所述至少一个路侧设备520通过通信连接，用于获取目标车辆的运行状态数据，以及所述目标车辆行驶方向前端的路侧终端所发送的道路异常信息，根据所述运行状态数据、所述道路异常信息和预设回归分类模型确定道路异常状态数据，根据所述道路异常状态数据和预设异常概率确定道路异常状态；所述至少一个路侧设备520，与所述车载设备510和所述云数据平台530通过通信连接，用于接收目标车辆的车载设备510在信号覆盖范围内所发送的道路异常信息，将所述道路异常信息发送至云数据平台，以使所述云数据平台530对所述道路异常数据信息进行存储核算并将所述道路异常数据信息发送至目标路侧设备，所述目标路侧设备将所述道路异常数据信息下发至目标车辆；所述云数据平台530，与所述至少一个路侧设备520通过通信连接，用于获取至少一个路侧设备520所上传的道路异常信息；在预设周期内将各所述道路异常信息进行加权平均并确定对应的加权结果；根据所述加权结果确定所述道路异常信息中道路异常对应的位置信息的道路异常核查结果；在所述道路异常核查结果超过预设结果阈值的情况下，则向所述道路异常信息之前的路侧设备520发送RSI路侧信息，以使所述路侧设备向目标车辆的车载设备510发送RSM路侧安全消息；在所述道路异常核查结果不超过预设结果阈值的情况下，则不向所述至少一个路侧设备发送RSI路侧信息。

在一实施例中，图6为本发明一实施例提供的一种道路异常状态检测系统的结构图，如图6所示，道路异常状态检测系统，本实施例以车载设备610、1个路侧设备620和云数据平台630，车载设备610将交通异常数据上报信号范围的路侧设备620，由路侧设备620将接收的交通异常数据实时上报至云数据平台630，让云数据平台630将交通异常数据下发至路目标车辆行驶前方的每一个路侧设备620中，以使路侧设备620将前方交通异常数据下发至车载设备610中，能够使得车载设备根据路侧安全消息提前规划行驶路径，达到提高高速行驶安全与效率的目标。

在一实施例中，图7为本发明一实施例提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如道路异常状态检测方法。

在一些实施例中，道路异常状态检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的道路异常状态检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行道路异常状态检测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

在一实施例中，本发明实施例还包括一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本发明任一实施例所述的道路异常状态检测方法。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种道路异常状态检测方法，其特征在于，应用于车载设备，所述道路状态检测方法，包括：

获取目标车辆的运行状态数据，以及所述目标车辆行驶方向前端的路侧终端所发送的道路异常信息；

根据所述运行状态数据、所述道路异常信息和预设回归分类模型确定道路异常状态数据；

根据所述道路异常状态数据和预设异常概率确定道路异常状态。

2.根据权利要求1所述的方法，其特征在于，所述获取目标车辆的运行状态数据，以及至少一个所述目标车辆前端的路侧终端所发送的道路异常信息，包括：

通过三轴加速度传感器获取目标车辆所对应的运行状态数据；其中，所述运行状态数据至少包含下述之一：所述目标车辆的上下振动数据、左转弯数据、右转弯数据、实时速度数据和加速度数据；

所述车载设备处于路侧设备信号范围内时，接收所述目标车辆前端的至少一个路侧设备发送的道路异常信息；所述车载设备处于路侧设备信号范围外时，实时存储检测到的异常交通事件数据，直到处于所述路侧设备信号范围内时，发送所述异常交通事件数据至第一路侧设备，并接收所述第一路侧设备前方的其他路侧设备发送的道路异常信息；

其中，所述道路异常信息至少包括道路异常所对应的位置信息和道路异常物体信息。

3.根据权利要求1所述的方法，其特征在于，所述根据所述运行状态数据、所述道路异常信息和预设回归分类模型确定道路异常状态数据，包括：

对所述运行状态数据和所述道路异常信息进行归一化数据处理，得到归一化处理后的目标数据集；

将所述目标数据集输入至预设回归分类模型中，以确定所述目标数据集对应的回归分类结果；

依据所述回归分类结果确定道路异常状态数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述道路异常状态数据和预设异常概率确定道路状态，包括：

在所述道路异常状态数据大于或等于所述预设异常概率的情况下，确定所述道路状态为道路异常事件，存储并记录所述道路异常事件对应异常点的位置信息；

在所述道路异常状态数据小于所述预设异常概率的情况下，确定所述道路状态为非道路异常事件，不进行道路异常事件记录。

5.一种道路异常状态检测方法，其特征在于，应用于路侧设备，所述道路状态检测方法，包括：

接收目标车辆的车载设备在信号覆盖范围内所发送的道路异常信息；

将所述道路异常信息发送至云数据平台，以使所述云数据平台对所述道路异常数据信息进行存储核算并将所述道路异常数据信息发送至目标路侧设备，所述目标路侧设备将所述道路异常数据信息下发至目标车辆。

6.根据权利要求5所述的方法，其特征在于，所述方法，还包括：

在预设时间段内，采用预设检测算法对所述道路异常信息进行检测，若预设时间段内所检测到的道路异常信息的概率小于或等于预设概率阈值，则不上报所述道路异常信息至所述云数据平台。

7.一种道路异常状态检测方法，其特征在于，应用于云数据平台，所述道路状态检测方法，包括：

获取至少一个路侧设备所上传的道路异常信息；

在预设周期内将各所述道路异常信息进行加权平均并确定对应的加权结果；

根据所述加权结果确定所述道路异常信息中道路异常对应的位置信息的道路异常核查结果；

在所述道路异常核查结果超过预设结果阈值的情况下，则向所述道路异常信息之前的路侧设备发送RSI路侧信息，以使所述路侧设备向目标车辆的车载设备发送RSM路侧安全消息；

在所述道路异常核查结果不超过预设结果阈值的情况下，则不向所述路侧设备发送RSI路侧信息。

8.一种道路异常状态检测系统，其特征在于，所述系统包括：车载设备、至少一个路侧设备和云数据平台；

所述车载设备，与所述至少一个路侧设备通过通信连接，用于执行权利要求1-4任一所述的道路异常状态检测方法；

所述至少一个路侧设备，与所述车载设备和所述云数据平台通过通信连接，用于执行权利要求5-6任一所述的道路异常状态检测方法；

所述云数据平台，与所述至少一个路侧设备通过通信连接，用于执行权利要求7所述的道路异常状态检测方法。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4或5-6或7中任一项所述的道路异常状态检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-4或5-6或7中任一项所述的道路异常状态检测方法。

Images