CN116311952A - 基于gps定位分析的摩托车事故预测系统 - Google Patents
基于gps定位分析的摩托车事故预测系统 Download PDFInfo
- Publication number
- CN116311952A CN116311952A CN202310594597.6A CN202310594597A CN116311952A CN 116311952 A CN116311952 A CN 116311952A CN 202310594597 A CN202310594597 A CN 202310594597A CN 116311952 A CN116311952 A CN 116311952A
- Authority
- CN
- China
- Prior art keywords
- route
- driving
- accident
- information
- motorcycle
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims description 16
- 238000012502 risk assessment Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- G08G1/123—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Entrepreneurship & Innovation (AREA)
- Emergency Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及事故预测技术领域。本发明涉及基于GPS定位分析的摩托车事故预测系统。其包括驾驶习惯确定系统、路线信息确定系统和事故预警模块;驾驶习惯确定系统用于对摩托车进行精确定位,根据摩托车的定位信息对行驶路线和行驶速度进行采集。本发明首先根据驾驶员行驶经过熟悉程度不同的路段确定其驾驶习惯,在驾驶员确定行驶路线之后,对该路线的路况信息和在各种车流量、车速情况下发生的事故进行筛选,将驾驶员的驾驶习惯和筛选出来的信息进行计算和分析,得出驾驶员按照原有驾驶习惯在该路线驾驶出现危险的可能性,并通过导航软件对驾驶员进行提示和预警,提醒其减速,避免事故的发生。
Description
技术领域
本发明涉及事故预测技术领域,具体地说,涉及基于GPS定位分析的摩托车事故预测系统。
背景技术
摩托车是目前较为常见的出行工具,摩托车两个车轮前后布置的结构,也没有车棚,所以相较于轿车来说,摩托车在行驶的过程中出现事故的概率更大,并且对驾驶员造成的伤害也更大,目前避免摩托车出现车祸的方法只能靠路边设置路标对驾驶员进行提醒,这种方法并不能对驾驶员起到很好的警示作用,还是会有车祸发生,并且由于驾驶员驾驶习惯各不相同,在行驶经过同一路段的速度也不相同,而车辆运行速度越快越容易导致车祸发生,所以驾驶摩托车速度更快的驾驶员发生车祸的可能性更高,所以要根据驾驶员的驾驶习惯和路况信息对发生事故的可能性进行预测,因此,提出基于GPS定位分析的摩托车事故预测系统。
发明内容
本发明的目的在于提供基于GPS定位分析的摩托车事故预测系统,以解决上述背景技术中提出的问题。
为实现上述目的,提供了基于GPS定位分析的摩托车事故预测系统,包括驾驶习惯确定系统、路线信息确定系统和事故预警模块;
所述驾驶习惯确定系统用于对摩托车进行精确定位,根据摩托车的定位信息对行驶路线和行驶速度进行采集,并根据摩托车在各个路线的驾驶速度对驾驶员的驾驶习惯进行分析;
所述路线信息确定系统用于采集各个带路中的事故信息和地图中各个路线的信息,并根据事故发生时摩托车的速度、事故发生频率和发生事故时的路况信息对各个路线进行分析和预测;
所述事故预警模块根据驾驶习惯确定系统和路线信息确定系统对摩托车行驶过各路线时发生事故的可能性进行预警。
作为本技术方案的进一步改进,所述驾驶习惯确定系统包括GPS精确定位模块和驾驶习惯分析模块;
所述GPS精确定位模块用于对摩托车的位置进行精确的定位,根据摩托车的定位信息将摩托车的行驶路线和驾驶习惯进行记录;
所述驾驶习惯分析模块根据GPS精确定位模块采集的信息对驾驶员的驾驶习惯进行分析。
作为本技术方案的进一步改进,所述驾驶习惯分析模块包括驾驶数据采集单元和驾驶数据分析单元;
所述驾驶数据采集单元用于将GPS精确定位模块中采集的驾驶员驾驶摩托车经过直道和弯道的驾驶习惯信息提取出来,并传输至驾驶数据分析单元中;
所述驾驶数据分析单元根据驾驶数据采集单元的信息提取驾驶员驾驶摩托车形式经过部分路段的速度信息对驾驶员的驾驶习惯进行分析,并将驾驶员的驾驶习惯上传至云端数据库进行储存。
作为本技术方案的进一步改进,所述驾驶数据分析单元对驾驶员的驾驶习惯进行分析的步骤如下:
①、选取驾驶员驾驶摩托车行驶最频繁的五个路线,将两个月内驾驶员行驶经过这五个路线中最长弯道和最长直道的速度进行记录,并计算行驶经过最长弯道和最长直道的平均速度;
②、选取两个月内驾驶员驾驶摩托车行驶次数最少的五个路线,将驾驶员行驶经过这五个路线中最长弯道和最长直道的速度进行记录,并计算行驶经过最长弯道和最长直道的平均速度;
③、根据步骤①和步骤②中计算的平均速度,得出驾驶员在驾驶摩托车经过不同熟悉程度的路线的驾驶习惯。
作为本技术方案的进一步改进,所述路线信息确定系统包括路线信息采集模块、事故信息采集模块和路线信息预测模块;
所述路线信息采集模块根据云端的地图信息将驾驶员将要行驶经过的路线下载下来,并对该路线当前的路况信息进行采集;
所述事故信息采集模块根据路线信息采集模块下载的路线信息,在云端数据库中搜索该路线中发生的摩托车事故信息,以及发生事故时的路况信息;
所述路线信息预测模块将该路线发生事故时的路况和当前的路况进行对比,并结合驾驶数据分析单元中驾驶员的驾驶习惯对驾驶员行驶该路线的危险性进行分析。
作为本技术方案的进一步改进,所述路线信息采集模块包括地图数据输入单元和路况信息采集单元;
所述地图数据输入单元将驾驶员将要驾驶摩托车行驶经过的路线从云端中下载下来;
所述路况信息采集单元对地图数据输入单元下载的路线的路况信息进行采集。
作为本技术方案的进一步改进,所述事故信息采集模块包括事故路线采集单元和事故路况采集单元;
所述地图数据输入单元将行驶的路线从云端进行下载之时,所述事故路线采集单元在云端数据库将该路线此前发生的摩托车事故的位置下载下来;
所述事故路况采集单元在云端数据库将事故发生时的路况信息下载下来。
作为本技术方案的进一步改进,所述路线信息预测模块包括路况信息对比单元和路线危险性分析单元;
所述路况信息对比单元将路况信息采集单元中当前的车流量和事故路况采集单元中发生事故时的车流量信息进行对比,并在事故路况采集单元中寻找车流量相似的事故;
所述路线危险性分析单元根据路况信息采集单元、事故路况采集单元和路况信息对比单元的信息对驾驶员驾驶摩托车经过该路线的危险性进行分析。
作为本技术方案的进一步改进,所述事故预警模块根据路线危险性分析单元的信息对驾驶员通过该路线的可能性进行预测,并对驾驶员进行预警和提示。
与现有技术相比,本发明的有益效果:
该基于GPS定位分析的摩托车事故预测系统中,首先根据驾驶员行驶经过熟悉程度不同的路段确定其驾驶习惯,在驾驶员确定行驶路线之后,对该路线的路况信息和在各种车流量、车速情况下发生的事故进行筛选,将驾驶员的驾驶习惯和筛选出来的信息进行计算和分析,得出驾驶员按照原有驾驶习惯在该路线驾驶出现危险的可能性,并通过导航软件对驾驶员进行提示和预警,提醒其减速,避免事故的发生。
附图说明
图1为本发明的整体流程框图;
图2为本发明的驾驶习惯分析模块的流程框图;
图3为本发明的路线信息采集模块的流程框图;
图4为本发明的事故信息采集模块的流程框图;
图5为本发明的路线信息预测模块的流程框图。
图中各个标号意义为:
1、GPS精确定位模块;
2、驾驶习惯分析模块;
21、驾驶数据采集单元;22、驾驶数据分析单元;
3、路线信息采集模块;
31、地图数据输入单元;32、路况信息采集单元;
4、事故信息采集模块;
41、事故路线采集单元;42、事故路况采集单元;
5、路线信息预测模块;
51、路况信息对比单元;52、路线危险性分析单元;
6、事故预警模块。
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做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。
实施例1:请参阅图1-图5所示,本实施例目的在于,提供了基于GPS定位分析的摩托车事故预测系统,包括驾驶习惯确定系统、路线信息确定系统和事故预警模块6;
驾驶习惯确定系统用于对摩托车进行精确定位,根据摩托车的定位信息对行驶路线和行驶速度进行采集,并根据摩托车在各个路线的驾驶速度对驾驶员的驾驶习惯进行分析;
驾驶习惯确定系统包括GPS精确定位模块1和驾驶习惯分析模块2;
GPS精确定位模块1用于对摩托车的位置进行精确的定位,根据摩托车的定位信息将摩托车的行驶路线和驾驶习惯进行记录,由于不同驾驶员驾驶摩托车的习惯各不相同,所以不同驾驶员经过同一路段的速度也不相同,因此,在驾驶员驾驶摩托车行驶时,GPS精确定位模块1采用GPS定位系统对摩托车的位置进行精确的定位,并对摩托车的行驶速度进行采集;
驾驶习惯分析模块2根据GPS精确定位模块1采集的信息对驾驶员的驾驶习惯进行分析。
驾驶习惯分析模块2包括驾驶数据采集单元21和驾驶数据分析单元22;
驾驶数据采集单元21用于将GPS精确定位模块1中采集的驾驶员驾驶摩托车经过直道和弯道的驾驶习惯信息提取出来,并传输至驾驶数据分析单元22中,由于每个人驾驶摩托车的风格各不相同,所以每个人驾驶摩托车经过相同路线的危险性都不相同,并且相同驾驶员经过不同路线时的危险性也不相同,所以在GPS精确定位模块1采集摩托车经过各个路段的速度之后,将驾驶员驾驶经过各个直道和弯道的速度信息提取出来;
驾驶数据分析单元22根据驾驶数据采集单元21的信息提取驾驶员驾驶摩托车形式经过部分路段的速度信息对驾驶员的驾驶习惯进行分析,并将驾驶员的驾驶习惯上传至云端数据库进行储存,由于驾驶员行驶熟悉程度不同路线的速度不一致,所以选取驾驶员在不同路线的直道和弯道的速度进行分析,进而得出驾驶员的驾驶习惯。
驾驶数据分析单元22对驾驶员的驾驶习惯进行分析的步骤如下:
①、选取驾驶员驾驶摩托车行驶最频繁的五个路线,将两个月内驾驶员行驶经过这五个路线中最长弯道和最长直道的速度进行记录,并计算行驶经过最长弯道和最长直道的平均速度;
②、选取两个月内驾驶员驾驶摩托车行驶次数最少的五个路线,将驾驶员行驶经过这五个路线中最长弯道和最长直道的速度进行记录,并计算行驶经过最长弯道和最长直道的平均速度;
③、根据步骤①和步骤②中计算的平均速度,得出驾驶员在驾驶摩托车经过不同熟悉程度的路线的驾驶习惯。
路线信息确定系统用于采集各个带路中的事故信息和地图中各个路线的信息,并根据事故发生时摩托车的速度、事故发生频率和发生事故时的路况信息对各个路线进行分析和预测;
路线信息确定系统包括路线信息采集模块3、事故信息采集模块4和路线信息预测模块5;
路线信息采集模块3根据云端的地图信息将驾驶员将要行驶经过的路线下载下来,并对该路线当前的路况信息进行采集;
路线信息采集模块3包括地图数据输入单元31和路况信息采集单元32;
地图数据输入单元31将驾驶员将要驾驶摩托车行驶经过的路线从云端中下载下来,为了节省该事故预测系统运行时的功耗,所以需要节省该系统的内存大小,所以每次驾驶员确定的目的地和路线之后,才在云端数据中下载该路线的信息;
路况信息采集单元32对地图数据输入单元31下载的路线的路况信息进行采集,摩托车出现车祸往往和道路的宽度、路上车辆的数量和弯道的转弯角度等因素有关,所以将导航软件中的地图信息导入云端数据的同时,将道路的宽度和弯道的转弯角度一并导入云端数据库中进行储存,再通过导航软件判断该路线上的车流量,便于后期对驾驶员驾驶摩托车的危险性进行预测。
事故信息采集模块4根据路线信息采集模块3下载的路线信息,在云端数据库中搜索该路线中发生的摩托车事故信息,以及发生事故时的路况信息。
事故信息采集模块4包括事故路线采集单元41和事故路况采集单元42;
地图数据输入单元31将行驶的路线从云端进行下载之时,事故路线采集单元41在云端数据库将该路线此前发生的摩托车事故的位置下载下来,在每次发生事故之后,交警都会到现场进行处理,并对事故进行备案,所以将此前的备案上传至云端数据库,由于在同一路线发生交通事故的位置一般来说都大同小异,例如高速路的交通枢纽和转弯角度较大的弯道等位置,所以将发生事故的位置下载下来;
事故路况采集单元42在云端数据库将事故发生时的路况信息下载下来,由于路况会影响摩托车发生事故的几率,而路况并不是一成不变的,会经历维修和扩建等变化,并且车流量的不同也会影响摩托车发生事故的几率,所以将发生事故时的路况信息下载下来。
路线信息预测模块5将该路线发生事故时的路况和当前的路况进行对比,并结合驾驶数据分析单元22中驾驶员的驾驶习惯对驾驶员行驶该路线的危险性进行分析。
路线信息预测模块5包括路况信息对比单元51和路线危险性分析单元52;
路况信息对比单元51将路况信息采集单元32中当前的车流量和事故路况采集单元42中发生事故时的车流量信息进行对比,并在事故路况采集单元42中寻找车流量相似的事故,由于某些路段在车辆不同的情况发生事故的概率也不相同,所以筛选出和当前车流量相似的事故,得出事故高发位置和发生事故时的速度,便于后期对驾驶员驾驶经过该路线的危险性进行分析;
路线危险性分析单元52根据路况信息采集单元32、事故路况采集单元42和路况信息对比单元51的信息对驾驶员驾驶摩托车经过该路线的危险性进行分析,在车流量不同的情况下,容易发生事故的位置不相同,并且通过速度的不同也会导致发生事故的概率发生变化,因此,根据驾驶员的驾驶习惯和事故发生概率对驾驶员行驶的危险性进行计算,其步骤如下:
A为同一发生车祸路段、同车流量、不同车速的情况下发生车祸次数的集合;表示驾驶员驾驶摩托车经过该路段发生事故的可能性;K表示驾驶员在该路段行驶的平均速度;V表示A中最低的一项;T表示这条路线限速的百分之三十。
事故预警模块6根据驾驶习惯确定系统和路线信息确定系统对摩托车行驶过各路线时发生事故的可能性进行预测。
事故预警模块6根据路线危险性分析单元52的信息对驾驶员通过该路线的可能性进行预测,并对驾驶员进行预警和提示,通过路线危险性分析单元52对该路线的各个容易发生事故的路段分析之后,将发生事故的可能性较高的路段通过导航软件反馈给驾驶员,驾驶员在行驶到该路段之前进行减速,避免事故发生。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.基于GPS定位分析的摩托车事故预测系统,其特征在于:包括驾驶习惯确定系统、路线信息确定系统和事故预警模块(6);
所述驾驶习惯确定系统用于对摩托车进行精确定位,根据摩托车的定位信息对行驶路线和行驶速度进行采集,并根据摩托车在各个路线的驾驶速度对驾驶员的驾驶习惯进行分析;
所述路线信息确定系统用于采集各个带路中的事故信息和地图中各个路线的信息,并根据事故发生时摩托车的速度、事故发生频率和发生事故时的路况信息对各个路线进行分析和预测;
所述事故预警模块(6)根据驾驶习惯确定系统和路线信息确定系统对摩托车行驶过各路线时发生事故的可能性进行预警。
2.根据权利要求1所述的基于GPS定位分析的摩托车事故预测系统,其特征在于:所述驾驶习惯确定系统包括GPS精确定位模块(1)和驾驶习惯分析模块(2);
所述GPS精确定位模块(1)用于对摩托车的位置进行精确的定位,根据摩托车的定位信息将摩托车的行驶路线和驾驶习惯进行记录;
所述驾驶习惯分析模块(2)根据GPS精确定位模块(1)采集的信息对驾驶员的驾驶习惯进行分析。
3.根据权利要求2所述的基于GPS定位分析的摩托车事故预测系统,其特征在于:所述驾驶习惯分析模块(2)包括驾驶数据采集单元(21)和驾驶数据分析单元(22);
所述驾驶数据采集单元(21)用于将GPS精确定位模块(1)中采集的驾驶员驾驶摩托车经过直道和弯道的驾驶习惯信息提取出来,并传输至驾驶数据分析单元(22)中;
所述驾驶数据分析单元(22)根据驾驶数据采集单元(21)的信息提取驾驶员驾驶摩托车形式经过部分路段的速度信息对驾驶员的驾驶习惯进行分析,并将驾驶员的驾驶习惯上传至云端数据库进行储存。
4.根据权利要求3所述的基于GPS定位分析的摩托车事故预测系统,其特征在于:所述驾驶数据分析单元(22)对驾驶员的驾驶习惯进行分析的步骤如下:
①、选取驾驶员驾驶摩托车行驶最频繁的五个路线,将两个月内驾驶员行驶经过这五个路线中最长弯道和最长直道的速度进行记录,并计算行驶经过最长弯道和最长直道的平均速度;
②、选取两个月内驾驶员驾驶摩托车行驶次数最少的五个路线,将驾驶员行驶经过这五个路线中最长弯道和最长直道的速度进行记录,并计算行驶经过最长弯道和最长直道的平均速度;
③、根据步骤①和步骤②中计算的平均速度,得出驾驶员在驾驶摩托车经过不同熟悉程度的路线的驾驶习惯。
5.根据权利要求3所述的基于GPS定位分析的摩托车事故预测系统,其特征在于:所述路线信息确定系统包括路线信息采集模块(3)、事故信息采集模块(4)和路线信息预测模块(5);
所述路线信息采集模块(3)根据云端的地图信息将驾驶员将要行驶经过的路线下载下来,并对该路线当前的路况信息进行采集;
所述事故信息采集模块(4)根据路线信息采集模块(3)下载的路线信息,在云端数据库中搜索该路线中发生的摩托车事故信息,以及发生事故时的路况信息;
所述路线信息预测模块(5)将该路线发生事故时的路况和当前的路况进行对比,并结合驾驶数据分析单元(22)中驾驶员的驾驶习惯对驾驶员行驶该路线的危险性进行分析。
6.根据权利要求5所述的基于GPS定位分析的摩托车事故预测系统,其特征在于:所述路线信息采集模块(3)包括地图数据输入单元(31)和路况信息采集单元(32);
所述地图数据输入单元(31)将驾驶员将要驾驶摩托车行驶经过的路线从云端中下载下来;
所述路况信息采集单元(32)对地图数据输入单元(31)下载的路线的路况信息进行采集。
7.根据权利要求6所述的基于GPS定位分析的摩托车事故预测系统,其特征在于:所述事故信息采集模块(4)包括事故路线采集单元(41)和事故路况采集单元(42);
所述地图数据输入单元(31)将行驶的路线从云端进行下载之时,所述事故路线采集单元(41)在云端数据库将该路线此前发生的摩托车事故的位置下载下来;
所述事故路况采集单元(42)在云端数据库将事故发生时的路况信息下载下来。
8.根据权利要求7所述的基于GPS定位分析的摩托车事故预测系统,其特征在于:所述路线信息预测模块(5)包括路况信息对比单元(51)和路线危险性分析单元(52);
所述路况信息对比单元(51)将路况信息采集单元(32)中当前的车流量和事故路况采集单元(42)中发生事故时的车流量信息进行对比,并在事故路况采集单元(42)中寻找车流量相似的事故;
所述路线危险性分析单元(52)根据路况信息采集单元(32)、事故路况采集单元(42)和路况信息对比单元(51)的信息对驾驶员驾驶摩托车经过该路线的危险性进行分析。
9.根据权利要求8所述的基于GPS定位分析的摩托车事故预测系统,其特征在于:所述事故预警模块(6)根据路线危险性分析单元(52)的信息对驾驶员通过该路线的可能性进行预测,并对驾驶员进行预警和提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310594597.6A CN116311952B (zh) | 2023-05-25 | 2023-05-25 | 基于gps定位分析的摩托车事故预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310594597.6A CN116311952B (zh) | 2023-05-25 | 2023-05-25 | 基于gps定位分析的摩托车事故预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116311952A true CN116311952A (zh) | 2023-06-23 |
CN116311952B CN116311952B (zh) | 2023-08-08 |
Family
ID=86824384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310594597.6A Active CN116311952B (zh) | 2023-05-25 | 2023-05-25 | 基于gps定位分析的摩托车事故预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116311952B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406315A (zh) * | 2016-11-01 | 2017-02-15 | 河池学院 | 一种具有辅助驾驶功能的智能机器人 |
CN106643747A (zh) * | 2015-11-04 | 2017-05-10 | 中国移动通信集团公司 | 导航方法及装置 |
CN111932892A (zh) * | 2020-08-21 | 2020-11-13 | 重庆电子工程职业学院 | 用于危运驾驶员的行驶管理方法及系统 |
CN112037513A (zh) * | 2020-09-01 | 2020-12-04 | 清华大学 | 一种实时交通安全指数动态综合评价系统及其构建方法 |
CN114926824A (zh) * | 2022-05-17 | 2022-08-19 | 广西科技大学 | 一种不良驾驶行为判别方法 |
CN115035491A (zh) * | 2022-05-27 | 2022-09-09 | 深圳季连科技有限公司 | 一种基于联邦学习的驾驶行为路况预警方法 |
-
2023
- 2023-05-25 CN CN202310594597.6A patent/CN116311952B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643747A (zh) * | 2015-11-04 | 2017-05-10 | 中国移动通信集团公司 | 导航方法及装置 |
CN106406315A (zh) * | 2016-11-01 | 2017-02-15 | 河池学院 | 一种具有辅助驾驶功能的智能机器人 |
CN111932892A (zh) * | 2020-08-21 | 2020-11-13 | 重庆电子工程职业学院 | 用于危运驾驶员的行驶管理方法及系统 |
CN112037513A (zh) * | 2020-09-01 | 2020-12-04 | 清华大学 | 一种实时交通安全指数动态综合评价系统及其构建方法 |
CN114926824A (zh) * | 2022-05-17 | 2022-08-19 | 广西科技大学 | 一种不良驾驶行为判别方法 |
CN115035491A (zh) * | 2022-05-27 | 2022-09-09 | 深圳季连科技有限公司 | 一种基于联邦学习的驾驶行为路况预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116311952B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Billot et al. | Multilevel assessment of the impact of rain on drivers’ behavior: standardized methodology and empirical analysis | |
CN113487874B (zh) | 一种跟驰行为场景数据采集、识别、分类提取系统及方法 | |
CN110428621B (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
WO2009118988A1 (en) | Driving support device, driving support method, and driving support program | |
US9666066B2 (en) | Unexpectedness prediction sensitivity determination apparatus | |
CN106846806A (zh) | 基于Isolation Forest的城市道路交通异常检测方法 | |
CN113147733B (zh) | 雨雾沙尘天气汽车智能限速系统及方法 | |
CN110766943B (zh) | 一种基于事故数据的不良驾驶行为判定的监测方法和系统 | |
CN112109720B (zh) | 一种公交车驾驶人情绪监测与预测系统及方法 | |
CN109583081B (zh) | 一种车辆行驶速度预测模型构建方法 | |
CN112758088A (zh) | 危险源的提醒方法及高级驾驶辅助系统 | |
CN115279643A (zh) | 用于训练自动驾驶车辆的感知网络的车载主动学习方法和设备 | |
CN112356849A (zh) | 一种危险驾驶的预警方法及装置 | |
CN114999181A (zh) | 一种基于etc系统数据的高速公路车辆速度异常识别方法 | |
CN116311952B (zh) | 基于gps定位分析的摩托车事故预测系统 | |
CN113838282A (zh) | 基于北斗定位的车辆异常行为检测方法 | |
CN116383678B (zh) | 一种营运客车异常变速行为常发性路段识别方法 | |
CN112365716B (zh) | 一种基于gps数据的城市高架快速路动态安全性评价方法 | |
CN105976453A (zh) | 基于图像变换进行行车报警的方法及装置 | |
CN112197781B (zh) | 一种基于云计算的车载数据管理系统 | |
CN114119256A (zh) | 一种ubi危险化学品车辆驾驶行为采集分析系统及保费折扣方法 | |
CN113002560A (zh) | 一种面向大数据应用的车载屏幕控制系统及方法 | |
CN115188205B (zh) | 一种基于道路信息的汽车行驶工况修正方法 | |
CN115923813B (zh) | 一种基于速度急变特征的驾驶行为分析方法及系统 | |
CN117601903B (zh) | 车辆行驶场景的生成方法、装置和存储介质及电子设备 |
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 |