CN116071930A - 基于乘客安全的车辆自动预警系统 - Google Patents
基于乘客安全的车辆自动预警系统 Download PDFInfo
- Publication number
- CN116071930A CN116071930A CN202310205937.1A CN202310205937A CN116071930A CN 116071930 A CN116071930 A CN 116071930A CN 202310205937 A CN202310205937 A CN 202310205937A CN 116071930 A CN116071930 A CN 116071930A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- network
- track
- feature
- 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
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 26
- 230000009471 action Effects 0.000 description 7
- 206010000117 Abnormal behaviour Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012544 monitoring process 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096855—Systems involving transmission of navigation instructions to the vehicle where the output is provided in a suitable form to the driver
- G08G1/096872—Systems involving transmission of navigation instructions to the vehicle where the output is provided in a suitable form to the driver where instructions are given per voice
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/207—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles with respect to certain areas, e.g. forbidden or allowed areas with possible alerting when inside or outside boundaries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于乘客安全的车辆自动预警系统,包括车辆管理云平台、管理终端、网约车辆和路边单元。车辆管理云平台包括任务分析模块、轨迹识别模块、模态处理模块、行为检测模块和自动预警模块。车辆管理云平台基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务为网约车辆生成相应的相邻任务集合;基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离;若是,根据当前道路的若干第一模态数据集和当前道路依赖的前向道路的若干第二模态数据集确定网约车辆的离道行为是否为异常离道行为;若是,将生成的预警信息发送至相应的管理终端。
Description
技术领域
本发明涉及智慧城市和大数据领域,尤其涉及一种基于乘客安全的车辆自动预警系统。
背景技术
随着城市机动车辆的增多和车流密度的逐渐增大,智能交通系统成为辅助交通调度不可或缺的工具。智能交通系统对车辆进行实时检测和跟踪,获取车辆的流量、车速、车流密度和车辆轨迹等特征,并进一步执行车辆行为理解的重要内容,通过对交通数据进行实时处理和分析,及时检测和识别道路中车辆异常行为。
网约车因其方便快捷且价格便宜受到乘客欢迎,大多数乘客乘坐网约车都是为了能够尽快到达目的地。实际情况中,相关平台对网约车辆的监管力度不够,导致乘客在打车的时候,司机有意或无意的没有按照推荐的行驶路线行驶,造成乘客行程时间紧张,乘客体验乘车体验较差,甚至导致悲剧事件的发生。因此,还需加强对网约车辆行驶轨迹的监控,消除车辆轨迹偏离所带来的此类安全隐患。
发明内容
为了解决上述问题,本发明的目的在于能够加强平台对网约车辆的监管力度,确保网约车的离道行为为司机的正常驾驶行为,提高乘客的乘车体验,并改善车辆偏离推荐行驶路线时存在的安全隐患。
本发明的目的及解决其技术问题采用以下技术方案来实现。依据本发明提出的一种基于乘客安全的车辆自动预警系统,其包括车辆管理云平台、管理终端、网约车辆和路边单元,车辆管理云平台与网约车辆和路边单元之间均具有通信连接,网约车辆与路边单元之间具有通信连接;
车辆管理云平台包括任务分析模块、轨迹识别模块、模态处理模块、行为检测模块和自动预警模块;
任务分析模块基于实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹,基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图,并根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合,其中,所述车辆位置数据包括车辆编号、定位时间戳和车辆位置信息;
轨迹识别模块基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离,其中,所述推荐行驶路线由系统根据目标订单用户的行程信息自动生成;
若是,模态处理模块分别向网约车辆偏离的当前道路的路边单元和当前道路依赖的前向道路的路边单元发送模态数据请求以获取若干第一模态数据集和若干第二模态数据集,并分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理;
行为检测模块基于归一化处理后的第一模态数据集和第二模态数据集分析得到当前道路的第一通行特征和前向道路的第二通行特征,并基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为;
若是,自动预警模块根据所述网约车辆的车主信息、车辆特征信息和轨迹信息生成预警信息,将其发送至相应的管理终端进行自动预警。
根据一个优选实施方式,基于实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹包括:
将各个定位时间戳下的车辆位置信息映射至城市地图的相应位置点上以判断所述定位时间戳下的车辆位置点是否为浮动位置点,并删除网约车辆的所有浮动位置点;
获取预设数量的每个车辆位置点的前向位置点和后向位置点,根据所有前向位置点的坐标值分析得到对应车辆位置点的前驱方向矢量,根据所有后向位置点的坐标值分析得到对应车辆位置点的后驱方向矢量;
根据车辆位置点的前驱方向矢量和后驱方向矢量确定对应车辆位置点的方向夹角,对所有车辆位置点方向夹角的夹角变量取极值,并以各个极值点为中心对所有车辆位置点进行聚类以生成相应的位置点域;
根据每个车辆位置点的定位时间戳识别位置点域中的车辆滞留点,并删除网约车辆的所有车辆滞留点,然后对位置点域中的车辆位置点进行线性拟合以得到网约车辆当前的行驶轨迹。
根据一个优选实施方式,所述前驱方向矢量为所有前向位置点的轨迹向量矢量之和,所述后驱方向矢量为所有后向位置点的轨迹向量矢量之和。
根据一个优选实施方式,所述基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图包括:
基于目标订单用户的行程信息从城市地图中为网约车辆匹配推荐行驶路线中的多个道路节点,获取每个道路节点的分支结构,并对所有道路节点的分支结构进行排序以构造第一有向道路图;
基于目标订单用户的行程信息从数据库中获取与目标订单用户具有相似行程信息的若干订单任务,获取对应网约车辆完成相应订单任务时经过的所有道路节点以确定对应订单任务的第二有向道路图。
根据一个优选实施方式,所述根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合包括:
分别提取第一有向道路图和第二有向道路图中各个道路节点的基础特征,并对每个道路节点的分支结构所包含的所有道路节点的基础特征进行聚集分析以得到每个道路节点的递归特征,其中,所述基础特征为对应道路节点的局部结构特征,其包括由对应道路节点与其分支道路节点所组成的道路网络的节点数量、形状特征和位置特征;
基于第一有向道路图中各个道路节点的节点特征向量和第二有向道路图中各个道路节点的节点特征向量对第一有向道路图和第二有向道路图进行特征匹配以得到对应第二有向道路图与第一有向道路图之间的特征相似度,并根据所述特征相似度确定网约车辆的相邻任务集合,其中,所述节点特征向量由对应道路节点的基础特征和递归特征融合处理所得。
根据一个优选实施方式,所述递归特征为对应局部结构特征中的各个特征求和以及求平方递归产生的新特征。
根据一个优选实施方式,所述分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理包括:
将第一模态数据集中的所有模态特征数据转化为对应的模态特征矢量,以为所述第一模态数据集构建相应的第一模态特征矩阵;
基于所述第一模态数据集中每个模态特征数据的时段属性和路段属性为所述第一模态特征矩阵构建相应的模态特征空间,并将所述第一模态特征矩阵中的模态特征矢量映射至所述模态特征空间中以得到每个模态特征矢量的关键特征矢量,其中,所述时段属性用于表征对应模态特征数据的采集时间特征,所述路段属性用于表征对应模态特征数据的采集位置特征;
根据上述步骤获取每个第一模态数据集对应的所有关键特征矢量,并对每个第一模态数据集对应的多个关键特征矢量进行特征匹配以将特征距离小于距离阈值的每对关键特征矢量对应的模态特征数据作为对应第一模态数据集之间的相似数据集;
根据相似数据集对所有第一模态数据集进行归一化处理以将来自不同网约车辆的多源模态数据进行融合。
根据一个优选实施方式,基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为包括:
基于所述第二通行特征对前向道路的车流速度和人流速度进行分析以确定前向道路是否发生交通拥堵;
若是,基于所述第一通行特征对当前道路的车流速度和人流速度进行分析以确定当前道路是否发生交通拥堵,若否,将网约车辆当前的离道行为标记为异常离道行为。
根据一个优选实施方式,所述第一通行特征用于表征当前道路的交通特征,其包括车道数量、车辆间距、车辆行驶速度、行人数量和行人移动速度;所述第二通行特征用于表征前向道路的交通特征,其包括车道数量、车辆间距、车辆行驶速度、行人数量和行人移动速度。
根据一个优选实施方式,所述车辆特征信息包括网约车辆的车牌号、车辆品牌、车辆类型和车辆颜色;所述车主信息包括车主名称、联系电话和家庭住址。
根据一个优选实施方式,基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离包括:
提取网约车辆当前的行驶轨迹的轨迹特征,将其与推荐行驶路线的轨迹特征进行比较以确定所述网约车辆当前的行驶轨迹是否与推荐行驶路线产生偏离;
若是,基于网约车辆的相邻任务集合对应的所有第二有向道路图和目标订单用户的订单任务对应的第一有向道路图构造长度为1的第一轨迹集合,基于所述第一有向道路图和所述第二有向道路图中各个道路节点的分支结构构造长度为1的第二轨迹集合,并基于关联规则分别对所述第一轨迹集合和所述第二轨迹集合进行频繁项集挖掘,得到所述网越车辆在执行当前订单任务时的第一局部频繁轨迹集合和第二局部频繁轨迹集合;
将第一局部频繁轨迹集合中的频繁轨迹作为第二局部频繁轨迹中的频繁轨迹的前序轨迹序列,以对第一局部频繁轨迹集合和第二局部频繁轨迹集合进行频繁项集拼接,得到若干长度为2的第三局部频繁轨迹集合;
重复上述步骤,得到所有满足最小支持长度阈值的局部频繁轨迹集合,将网约车辆当前的行驶轨迹与局部频繁轨迹集合中每个满足长度的频繁轨迹进行匹配以确定网约车辆当前的行驶轨迹是否产生偏离。
本发明具有以下有益效果:
本发明通过对网约车辆当前的行驶轨迹进行实时监测与分析,在确定网约车辆当前的行驶轨迹发生偏离时,对当前道路和当前道路的前向道路的交通状态进行分析,以判断网约车司机做出的离道行为是否正常,大幅提高异常离道行为检测的准确性。即本发明可对异常行驶车辆进行实时监测与告警,能够显著降低意外事故的发生率,提升相关平台对网页车辆的监管力度。此外,本发明通过对车辆异常行为的自动检测和识别报警还可以降低交通管理成本,提高工作效率。
附图说明
图1为一示例性实施例提供的基于乘客安全的车辆自动预警系统的结构框图。
具体实施方式
需要说明的是,除非另外定义,本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,依据本发明提出的基于乘客安全的车辆自动预警系统及其具体实施方式、结构、特征及其功效,详细说明如后。
参见图1,在一个实施例中,基于乘客安全的车辆自动预警系统包括车辆管理云平台、管理终端、网约车辆和路边单元。车辆管理云平台与网约车辆和路边单元之间均具有通信连接,网约车辆与路边单元之间具有通信连接。路边单元(Road-Side Unit,RSU)是车辆自组织网络(VehicularAd Hoc Networks,VENET)的重要组成部分,它能为车辆和后台管理控制中心提供各种类型的服务。
车辆管理云平台包括任务分析模块、轨迹识别模块、模态处理模块、行为检测模块和自动预警模块。
任务分析模块用于根据实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹,基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图,并根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合,其中,所述车辆位置数据包括车辆编号、定位时间戳和车辆位置信息;
轨迹识别模块用于根据网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离,其中,所述推荐行驶路线由系统根据目标订单用户的行程信息自动生成;
模态处理模块用于分别向网约车辆偏离的当前道路的路边单元和当前道路依赖的前向道路的路边单元发送模态数据请求以获取若干第一模态数据集和若干第二模态数据集,并分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理;
行为检测模块用于根据归一化处理后的第一模态数据集和第二模态数据集分析得到当前道路的第一通行特征和前向道路的第二通行特征,并基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为;
自动预警模块用于根据所述网约车辆的车主信息、车辆特征信息和轨迹信息生成预警信息,将其发送至相应的管理终端进行自动预警。
在一个实施例中,基于乘客安全的车辆自动预警系统的处理方法可以包括:
S1、任务分析模块基于实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹,基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图,并根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合,其中,所述车辆位置数据包括车辆编号、定位时间戳和车辆位置信息。
可选地,所述车辆编号为网约车辆的车牌号,用于对网约车辆进行唯一标识;所述车辆位置信息用于指示车辆的经纬度信息。所述行程信息用于表征目标订单用户的打车地点和目标地点。
具体地,基于实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹包括:
将各个定位时间戳下的车辆位置信息映射至城市地图的相应位置点上以判断所述定位时间戳下的车辆位置点是否为浮动位置点,并删除网约车辆的所有浮动位置点,其中,所述浮动位置点即为不存在于城市地图对应道路路径中的位置点;
获取预设数量的每个车辆位置点的前向位置点和后向位置点,根据所有前向位置点的坐标值分析得到对应车辆位置点的前驱方向矢量,根据所有后向位置点的坐标值分析得到对应车辆位置点的后驱方向矢量;
根据车辆位置点的前驱方向矢量和后驱方向矢量确定对应车辆位置点的方向夹角,对所有车辆位置点方向夹角的夹角变量取极值,并以各个极值点为中心对所有车辆位置点进行聚类以生成相应的位置点域;
根据每个车辆位置点的定位时间戳识别位置点域中的车辆滞留点,并删除网约车辆的所有车辆滞留点,然后对位置点域中的车辆位置点进行线性拟合以得到网约车辆当前的行驶轨迹。
可选地,所述前驱方向矢量为所有前向位置点的轨迹向量矢量之和,所述后驱方向矢量为所有后向位置点的轨迹向量矢量之和;所述轨迹向量矢量由网约车辆在对应前向位置点的行驶方向分析所得。
可选地,所述基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图包括:
基于目标订单用户的行程信息从城市地图中为网约车辆匹配推荐行驶路线中的多个道路节点,获取每个道路节点的分支结构,并对所有道路节点的分支结构进行排序以构造第一有向道路图,其中,所述推荐行驶路线由系统根据目标订单用户的行程信息自动生成;
基于目标订单用户的行程信息从数据库中获取与目标订单用户具有相似行程信息的若干订单任务,获取对应网约车辆完成相应订单任务时经过的所有道路节点以确定对应订单任务的第二有向道路图。
可选地,所述与目标订单用户具有相似行程信息的订单任务即为与目标订单用户的打车地点和目标地点均在预设距离范围内的订单任务,所述预设距离范围可设置在五百米内。
具体地,所述根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合包括:
分别提取第一有向道路图和第二有向道路图中各个道路节点的基础特征,并对每个道路节点的分支结构所包含的所有道路节点的基础特征进行聚集分析以得到每个道路节点的递归特征,其中,所述基础特征为对应道路节点的局部结构特征,其包括由对应道路节点与其分支道路节点所组成的道路网络的节点数量、形状特征和位置特征;
基于第一有向道路图中各个道路节点的节点特征向量和第二有向道路图中各个道路节点的节点特征向量对第一有向道路图和第二有向道路图进行特征匹配以得到对应第二有向道路图与第一有向道路图之间的特征相似度,并根据所述特征相似度确定网约车辆的相邻任务集合,其中,所述节点特征向量由对应道路节点的基础特征和递归特征融合处理所得。
可选地,所述递归特征为对应局部结构特征中的各个特征求和以及求平方递归产生的新特征。
S2、轨迹识别模块基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离,其中,所述推荐行驶路线由系统根据目标订单用户的行程信息自动生成。
具体地,基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离包括:
提取网约车辆当前的行驶轨迹的轨迹特征,将其与推荐行驶路线的轨迹特征进行比较以确定所述网约车辆当前的行驶轨迹是否与推荐行驶路线产生偏离;
若是,基于网约车辆的相邻任务集合对应的所有第二有向道路图和目标订单用户的订单任务对应的第一有向道路图构造长度为1的第一轨迹集合,基于所述第一有向道路图和所述第二有向道路图中各个道路节点的分支结构构造长度为1的第二轨迹集合,并基于关联规则分别对所述第一轨迹集合和所述第二轨迹集合进行频繁项集挖掘,得到所述网越车辆在执行当前订单任务时的第一局部频繁轨迹集合和第二局部频繁轨迹集合;
将第一局部频繁轨迹集合中的频繁轨迹作为第二局部频繁轨迹中的频繁轨迹的前序轨迹序列,以对第一局部频繁轨迹集合和第二局部频繁轨迹集合进行频繁项集拼接,得到若干长度为2的第三局部频繁轨迹集合;
重复上述步骤,得到所有满足最小支持长度阈值的局部频繁轨迹集合,将网约车辆当前的行驶轨迹与局部频繁轨迹集合中每个满足长度的频繁轨迹进行匹配以确定网约车辆当前的行驶轨迹是否产生偏离。
可选地,所述关联规则是指通过给定的最小置信度,在每个最大频繁项集中寻找置信度不小于用户设定的最小置信度的规则。在关联规则中,置信度用于表征为一个数据出现后,另一个数据出现的概率;支持度用于表征几个关联的数据在数据集中出现的次数占总数据集的比重。
可选地,所述第一轨迹集合包括若干长度为1的局部轨迹,即经过两个道路节点的局部轨迹;所述第二轨迹集合包括若干长度为1的局部轨迹,其中,第二轨迹集合中的每条局部轨迹的前序轨迹序列为第一轨迹集合中的局部轨迹。
可选地,将网约车辆当前的行驶轨迹与局部频繁轨迹集合中每个满足长度的频繁轨迹进行匹配,其中,所述长度即为经过的道路节点的节点数量。
可选地,所述最小支持长度阈值为系统预先设置的用于判断经过若干道路节点的局部轨迹是否为频繁轨迹的数值。
S3、若是,模态处理模块分别向网约车辆偏离的当前道路的路边单元和当前道路依赖的前向道路的路边单元发送模态数据请求以获取若干第一模态数据集和若干第二模态数据集,并分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理。
可选地,所述模态数据请求用于获取与道路交通状况相关的模态数据集。
具体地,所述分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理包括:
将第一模态数据集中的所有模态特征数据转化为对应的模态特征矢量,以为所述第一模态数据集构建相应的第一模态特征矩阵;
基于所述第一模态数据集中每个模态特征数据的时段属性和路段属性为所述第一模态特征矩阵构建相应的模态特征空间,并将所述第一模态特征矩阵中的模态特征矢量映射至所述模态特征空间中以得到每个模态特征矢量的关键特征矢量,其中,所述时段属性用于表征对应模态特征数据的采集时间特征,所述路段属性用于表征对应模态特征数据的采集位置特征;
根据上述步骤获取每个第一模态数据集对应的所有关键特征矢量,并对每个第一模态数据集对应的多个关键特征矢量进行特征匹配以将特征距离小于距离阈值的每对关键特征矢量对应的模态特征数据作为对应第一模态数据集之间的相似数据集;
根据相似数据集对所有第一模态数据集进行归一化处理以将来自不同网约车辆的多源模态数据进行融合。
可选地,根据上述步骤可对第二模态数据集做出相同处理得到归一化后的第二模态数据集。所述距离阈值为系统预先设置的用于判断对应模态特征数据之间是否相似的数值。
S4、行为检测模块基于归一化处理后的第一模态数据集和第二模态数据集分析得到当前道路的第一通行特征和前向道路的第二通行特征,并基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为。
可选地,基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为包括:
基于所述第二通行特征对前向道路的车流速度和人流速度进行分析以确定前向道路是否发生交通拥堵;
若是,基于所述第一通行特征对当前道路的车流速度和人流速度进行分析以确定当前道路是否发生交通拥堵,若否,将网约车辆当前的离道行为标记为异常离道行为。
可选地,所述第一通行特征用于表征当前道路的交通特征,其包括车道数量、车辆间距、车辆行驶速度、行人数量和行人移动速度;所述第二通行特征用于表征前向道路的交通特征,其包括车道数量、车辆间距、车辆行驶速度、行人数量和行人移动速度。
S5、若是,自动预警模块根据所述网约车辆的车主信息、车辆特征信息和轨迹信息生成预警信息,将其发送至相应的管理终端进行自动预警。
可选地,所述车辆特征信息包括网约车辆的车牌号、车辆品牌、车辆类型和车辆颜色;所述车主信息包括车主名称、联系电话和家庭住址。
本发明通过对网约车辆当前的行驶轨迹进行实时监测与分析,在确定网约车辆当前的行驶轨迹发生偏离时,对当前道路和当前道路的前向道路的交通状态进行分析,以判断网约车司机做出的离道行为是否正常,大幅提高异常离道行为检测的准确性。即本发明可对异常行驶车辆进行实时监测与告警,能够显著降低意外事故的发生率,提升相关平台对网页车辆的监管力度。此外,本发明通过对车辆异常行为的自动检测和识别报警还可以降低交通管理成本,提高工作效率。
另外,虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。另外,本文讨论的特定模块执行动作包括该特定模块本身执行动作,或者替换地该特定模块调用或以其他方式访问执行该动作的另一个组件或模块(或结合该特定模块一起执行动作)。因此,执行动作的特定模块可以包括执行动作的特定模块本身和/或执行动作的该特定模块调用或以其他方式访问的另一模块。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的这样的替换、修改和变型。因此,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之。
Claims (9)
1.一种基于乘客安全的车辆自动预警系统,其特征在于,包括车辆管理云平台、管理终端、网约车辆和路边单元,车辆管理云平台与网约车辆和路边单元之间均具有通信连接,网约车辆与路边单元之间具有通信连接;
车辆管理云平台包括任务分析模块、轨迹识别模块、模态处理模块、行为检测模块和自动预警模块;
任务分析模块基于实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹,基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图,并根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合,其中,所述车辆位置数据包括车辆编号、定位时间戳和车辆位置信息;
轨迹识别模块基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离,其中,所述推荐行驶路线由系统根据目标订单用户的行程信息自动生成;
若是,模态处理模块分别向网约车辆偏离的当前道路的路边单元和当前道路依赖的前向道路的路边单元发送模态数据请求以获取若干第一模态数据集和若干第二模态数据集,并分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理;
行为检测模块基于归一化处理后的第一模态数据集和第二模态数据集分析得到当前道路的第一通行特征和前向道路的第二通行特征,并基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为;
若是,自动预警模块根据所述网约车辆的车主信息、车辆特征信息和轨迹信息生成预警信息,将其发送至相应的管理终端进行自动预警。
2.根据权利要求1所述的系统,其特征在于,所述基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图包括:
基于目标订单用户的行程信息从城市地图中为网约车辆匹配推荐行驶路线中的多个道路节点,获取每个道路节点的分支结构,并对所有道路节点的分支结构进行排序以构造第一有向道路图;
基于目标订单用户的行程信息从数据库中获取与目标订单用户具有相似行程信息的若干订单任务,获取对应网约车辆完成相应订单任务时经过的所有道路节点以确定对应订单任务的第二有向道路图。
3.根据权利要求2所述的系统,其特征在于,所述根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合包括:
分别提取第一有向道路图和第二有向道路图中各个道路节点的基础特征,并对每个道路节点的分支结构所包含的所有道路节点的基础特征进行聚集分析以得到每个道路节点的递归特征,其中,所述基础特征为对应道路节点的局部结构特征,其包括由对应道路节点与其分支道路节点所组成的道路网络的节点数量、形状特征和位置特征;
基于第一有向道路图中各个道路节点的节点特征向量和第二有向道路图中各个道路节点的节点特征向量对第一有向道路图和第二有向道路图进行特征匹配以得到对应第二有向道路图与第一有向道路图之间的特征相似度,并根据所述特征相似度确定网约车辆的相邻任务集合,其中,所述节点特征向量由对应道路节点的基础特征和递归特征融合处理所得。
4.根据权利要求3所述的系统,其特征在于,所述分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理包括:
将第一模态数据集中的所有模态特征数据转化为对应的模态特征矢量,以为所述第一模态数据集构建相应的第一模态特征矩阵;
基于所述第一模态数据集中每个模态特征数据的时段属性和路段属性为所述第一模态特征矩阵构建相应的模态特征空间,并将所述第一模态特征矩阵中的模态特征矢量映射至所述模态特征空间中以得到每个模态特征矢量的关键特征矢量,其中,所述时段属性用于表征对应模态特征数据的采集时间特征,所述路段属性用于表征对应模态特征数据的采集位置特征;
根据上述步骤获取每个第一模态数据集对应的所有关键特征矢量,并对每个第一模态数据集对应的多个关键特征矢量进行特征匹配以将特征距离小于距离阈值的每对关键特征矢量对应的模态特征数据作为对应第一模态数据集之间的相似数据集;
根据相似数据集对所有第一模态数据集进行归一化处理以将来自不同网约车辆的多源模态数据进行融合。
5.根据权利要求4所述的系统,其特征在于,基于实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹包括:
将各个定位时间戳下的车辆位置信息映射至城市地图的相应位置点上以判断所述定位时间戳下的车辆位置点是否为浮动位置点,并删除网约车辆的所有浮动位置点;
获取预设数量的每个车辆位置点的前向位置点和后向位置点,根据所有前向位置点的坐标值分析得到对应车辆位置点的前驱方向矢量,根据所有后向位置点的坐标值分析得到对应车辆位置点的后驱方向矢量,其中,所述前驱方向矢量为所有前向位置点的轨迹向量矢量之和,所述后驱方向矢量为所有后向位置点的轨迹向量矢量之和;
根据车辆位置点的前驱方向矢量和后驱方向矢量确定对应车辆位置点的方向夹角,对所有车辆位置点方向夹角的夹角变量取极值,并以各个极值点为中心对所有车辆位置点进行聚类以生成相应的位置点域;
根据每个车辆位置点的定位时间戳识别位置点域中的车辆滞留点,并删除网约车辆的所有车辆滞留点,然后对位置点域中的车辆位置点进行线性拟合以得到网约车辆当前的行驶轨迹。
6.根据权利要求5所述的系统,其特征在于,所述递归特征为对应局部结构特征中的各个特征求和以及求平方递归产生的新特征。
7.根据权利要求6所述的系统,其特征在于,基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为包括:
基于所述第二通行特征对前向道路的车流速度和人流速度进行分析以确定前向道路是否发生交通拥堵;
若是,基于所述第一通行特征对当前道路的车流速度和人流速度进行分析以确定当前道路是否发生交通拥堵,若否,将网约车辆当前的离道行为标记为异常离道行为。
8.根据权利要求7所述的系统,其特征在于,所述第一通行特征用于表征当前道路的交通特征,其包括车道数量、车辆间距、车辆行驶速度、行人数量和行人移动速度;所述第二通行特征用于表征前向道路的交通特征,其包括车道数量、车辆间距、车辆行驶速度、行人数量和行人移动速度。
9.根据权利要求8所述的系统,其特征在于,基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离包括:
提取网约车辆当前的行驶轨迹的轨迹特征,将其与推荐行驶路线的轨迹特征进行比较以确定所述网约车辆当前的行驶轨迹是否与推荐行驶路线产生偏离;
若是,基于网约车辆的相邻任务集合对应的所有第二有向道路图和目标订单用户的订单任务对应的第一有向道路图构造长度为1的第一轨迹集合,基于所述第一有向道路图和所述第二有向道路图中各个道路节点的分支结构构造长度为1的第二轨迹集合,并基于关联规则分别对所述第一轨迹集合和所述第二轨迹集合进行频繁项集挖掘,得到所述网越车辆在执行当前订单任务时的第一局部频繁轨迹集合和第二局部频繁轨迹集合;
将第一局部频繁轨迹集合中的频繁轨迹作为第二局部频繁轨迹中的频繁轨迹的前序轨迹序列,以对第一局部频繁轨迹集合和第二局部频繁轨迹集合进行频繁项集拼接,得到若干长度为2的第三局部频繁轨迹集合;
重复上述步骤,得到所有满足最小支持长度阈值的局部频繁轨迹集合,将网约车辆当前的行驶轨迹与局部频繁轨迹集合中每个满足长度的频繁轨迹进行匹配以确定网约车辆当前的行驶轨迹是否产生偏离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310205937.1A CN116071930B (zh) | 2023-03-06 | 2023-03-06 | 基于乘客安全的车辆自动预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310205937.1A CN116071930B (zh) | 2023-03-06 | 2023-03-06 | 基于乘客安全的车辆自动预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116071930A true CN116071930A (zh) | 2023-05-05 |
CN116071930B CN116071930B (zh) | 2023-12-22 |
Family
ID=86176941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310205937.1A Active CN116071930B (zh) | 2023-03-06 | 2023-03-06 | 基于乘客安全的车辆自动预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116071930B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183245A (zh) * | 2020-09-11 | 2021-01-05 | 广州宸祺出行科技有限公司 | 一种监测网约车司机异常行为并告警的方法、装置及电子设备 |
CN112418471A (zh) * | 2021-01-25 | 2021-02-26 | 南京领行科技股份有限公司 | 网约车的行驶监测方法、装置、电子设备及存储介质 |
CN113902210A (zh) * | 2021-10-22 | 2022-01-07 | 南京领行科技股份有限公司 | 一种网约车偏航检测方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-06 CN CN202310205937.1A patent/CN116071930B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183245A (zh) * | 2020-09-11 | 2021-01-05 | 广州宸祺出行科技有限公司 | 一种监测网约车司机异常行为并告警的方法、装置及电子设备 |
CN112418471A (zh) * | 2021-01-25 | 2021-02-26 | 南京领行科技股份有限公司 | 网约车的行驶监测方法、装置、电子设备及存储介质 |
CN113902210A (zh) * | 2021-10-22 | 2022-01-07 | 南京领行科技股份有限公司 | 一种网约车偏航检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116071930B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111524357B (zh) | 用于车辆安全行驶所需的多数据融合的方法 | |
CN109919347B (zh) | 路况生成方法、相关装置和设备 | |
US6577946B2 (en) | Traffic information gathering via cellular phone networks for intelligent transportation systems | |
CN101965601B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
CN112017447B (zh) | 一种基于gps位置信息判定车辆逆行违规的方法及系统 | |
CN108848460B (zh) | 基于rfid和gps数据的人车关联方法 | |
CN110276973B (zh) | 一种路口交通规则自动识别方法 | |
CN108766031B (zh) | 一种检测车道障碍物的方法和装置 | |
CN112106124A (zh) | 用于使用v2x和传感器数据的系统和方法 | |
CN105144259A (zh) | 交通监察和指导系统 | |
CN111949896B (zh) | 基于轨迹大数据的轨迹异常检测方法 | |
CN101964148A (zh) | 道路交通信息记录服务器和gps用户终端 | |
US10943152B2 (en) | Method, apparatus, and system for detecting a physical divider on a road segment | |
CN111275997B (zh) | 用于提供地图数据的方法、机动车和中央数据处理设备 | |
CN109166312B (zh) | 行车轨迹基于路网数据的自动化违规检测系统及方法 | |
CN107578624A (zh) | 城市交通管控方法、装置及系统 | |
CN113847925A (zh) | 基于轨迹数据检测车辆偏航的方法、装置、设备及介质 | |
CN109872533A (zh) | 一种基于空间数据的车道级实时交通情报处理方法 | |
CN109360417B (zh) | 一种基于区块链的危险驾驶行为辨识与推送方法及系统 | |
CN111127949A (zh) | 车辆高危路段预警方法、装置及存储介质 | |
Saremi et al. | Combining map-based inference and crowd-sensing for detecting traffic regulators | |
Garg et al. | Mining bus stops from raw GPS data of bus trajectories | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
Astarita et al. | The use of smartphones to assess the feasibility of a cooperative intelligent transportation safety system based on surrogate measures of safety | |
CN116071930B (zh) | 基于乘客安全的车辆自动预警系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231204 Address after: 100102 H01, 3 / F, building 6, courtyard 6, Wangjing East Road, Chaoyang District, Beijing Applicant after: Beijing Bailong Mayun Technology Co.,Ltd. Address before: No. 1 Haitun Road, Wuhua District, Kunming City, Yunnan Province, 650033 Applicant before: Kunming Fuhaiyao Network Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |