CN116778733B - 一种基于大数据的高速公路导航语音预警方法及系统 - Google Patents
一种基于大数据的高速公路导航语音预警方法及系统 Download PDFInfo
- Publication number
- CN116778733B CN116778733B CN202211494893.0A CN202211494893A CN116778733B CN 116778733 B CN116778733 B CN 116778733B CN 202211494893 A CN202211494893 A CN 202211494893A CN 116778733 B CN116778733 B CN 116778733B
- Authority
- CN
- China
- Prior art keywords
- actual
- parameters
- risk
- early warning
- speed
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 77
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims description 120
- 238000012544 monitoring process Methods 0.000 claims description 32
- 230000001105 regulatory effect Effects 0.000 claims description 24
- 230000001174 ascending effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000012351 Integrated analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及高速公路导航语音预警技术领域,具体公开一种基于大数据的高速公路导航语音预警方法及系统,该方法包括:历史交通事故基本参数获取、历史交通事故基本参数整合分析、指定高速公路区域划分、指定高速公路实际参数监测分析、通行车辆实际驾驶参数监测分析、通行车辆实际驾驶状况综合分析、通行车辆导航语音预警、数据反馈,本发明通过对具体交通事故状况的相关层面进行针对性的细致分析,有力提升了分析维度的丰富性和分析的精准度,能够为高速公路的导航语音预警提示提供精准性的参考依据,不仅有效保障了高速公路的人员驾驶安全,且在较大程度上降低了高速公路的安全事故发生率,有利于高速交通的平稳运行。
Description
技术领域
本发明涉及高速公路导航语音预警技术领域,具体而言,涉及一种基于大数据的高速公路导航语音预警方法及系统。
背景技术
随着社会经济的迅速发展,各行各业的联系逐渐变得密切,高速公路作为重要的交通枢纽,具有对周边地区的人口、经济和产业等结构进行优化促进的作用,而卫星定位和导航技术为高速公路的自身发展以及人们的高速出行带来了许多便捷性,通过导航,能够使人们及时地抵达目的地,而现有的导航技术通过配备语音提示技术,则能够为人们的高速驾驶出行提供了一定程度的安全保障,导航现已成为人们高速驾驶出行的重要选项之一。
目前现有技术针对高速公路的导航语音预警还存在一些不完善的地方,具体体现为以下几个层面:(1)现有的导航技术针对高速公路的驾驶出行进行语音提示时,往往只是依据高速公路的历史交通事故发生次数对相应的驾驶人员进行提示预警,而没有延伸至具体交通事故状况的相关层面进行针对性的细致分析,因而存在分析维度具有单一性,且分析精准度不高的现象,无法为高速公路的导航语音预警提示提供精准性的参考依据,导致无法有效保障高速公路的人员驾驶安全,进而在一定程度上增加了高速公路的安全事故发生率,不利于高速交通的平稳运行。
(2)现有技术较为匮乏对高速公路在不同天气属性的实际路况和实际环境状况进行系统性的整合分析,而高速公路的路况和环境状况在不同的天气属性下对于人员的驾驶来说,具有着不同程度的安全影响,而现有技术没有考虑到这一层面,致使道路安全预警分析的效率低下,且使导航语音预警提示不能够与高速车辆实际驾驶的路段状况和环境状况相匹配,进而折损了高速公路的车辆行驶安全率,并给驾驶人员的生命财产造成损伤。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种基于大数据的高速公路导航语音预警方法及系统,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:本发明第一方面提供了一种基于大数据的高速公路导航语音预警方法,包括如下步骤:S1.历史交通事故基本参数获取:获取指定高速公路区域所属各历史交通事故对应的基本参数,其中基本参数包括天气属性、路况参数、环境参数和行驶参数。
S2.历史交通事故基本参数整合分析:依据指定高速公路区域所属各历史交通事故对应的基本参数,进而分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数和行驶风险参数。
S3.指定高速公路区域划分:对指定高速公路进行区域划分,进而获取并统计各高速公路段。
S4.指定高速公路实际参数监测分析:对各高速公路段所属实际参数进行监测,其中实际参数包括实际天气属性、实际路况参数和实际环境参数,进而分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数。
S5.通行车辆实际驾驶参数监测分析:对各高速公路段的各通行车辆所属实际驾驶参数进行监测,进而分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数。
S6.通行车辆实际驾驶状况综合分析:依据各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数和各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,据此综合分析各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数。
S7.通行车辆导航语音预警:依据各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而分析统计各风险通行车辆,并进行相应的导航语音预警提示。
S8.数据反馈:获取导航语音预警提示后的各风险通行车辆对应的行驶速度,进而提取得到各危险通行车辆,并进行数据反馈。
作为进一步的方法,所述分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数,其具体过程为:依据指定高速公路区域所属各历史交通事故对应的天气属性,进而将相同天气属性的各历史交通事故进行归类处理,得到各天气属性所属各历史交通事故。
提取各天气属性所属各历史交通事故的路况参数,进而将各天气属性所属同类路况参数的各历史交通事故进行归类,其中路况参数包括上坡坡度、下坡坡度和弯道半径,并分别将其进行均值处理,得到各天气属性所属历史交通事故的上坡坡度均值、下坡坡度均值和弯道半径均值,将其记为指定高速公路区域所属各天气属性下的路况风险上坡坡度、路况风险下坡坡度和路况风险弯道半径,进而据此构建指定高速公路区域所属各天气属性下的路况风险参数。
依据指定高速公路区域所属各天气属性下的路况风险参数的分析获取方式,同理,分析得到指定高速公路区域所属各天气属性下的环境风险参数,其中环境风险参数包括风险温度、风险湿度和风险风速。
作为进一步的方法,所述分析统计指定高速公路区域所属各天气属性下的行驶风险参数,其具体过程为:提取各天气属性所属各历史交通事故的行驶参数,其中行驶参数包括行驶车辆速度和行驶车辆类别,进而将相同类别所属行驶车辆进行归类,得到各天气属性所属历史交通事故的各类别行驶车辆对应的各行驶车辆速度,并将其进行均值处理,得到各天气属性所属历史交通事故的各类别行驶车辆对应的行驶车辆速度均值,将其记为指定高速公路区域所属各天气属性下的各类别行驶车辆对应的行驶车辆风险速度,进而据此构建指定高速公路区域所属各天气属性下的行驶风险参数。
作为进一步的方法,所述对各高速公路段所属实际参数进行监测,其具体过程为:获取各高速公路段的各通行车辆所属实际天气属性,将其记为各高速公路段所属实际天气属性,并提取各高速公路段对应的上坡坡度、下坡坡度和弯道半径。
基于指定高速公路区域所属各天气属性下的路况风险参数,从中提取各高速公路段所属实际天气属性下的路况风险参数,进而据此计算各高速公路段所属实际天气属性下的实际路况参数对应的预警需求管理评估指数,其计算公式为:其中αj表示为第j个高速公路段所属实际天气属性下的实际路况参数对应的预警需求管理评估指数,Δθ上j、Δθ下j和ΔR0j分别表示为第j个高速公路段所属实际天气属性下的路况风险上坡坡度、路况风险下坡坡度和路况风险弯道半径,θj 上、θj 下和rj分别表示为第j个高速公路段对应的上坡坡度、下坡坡度和弯道半径,A1、A2和A3分别表示为设定的上坡坡度、下坡坡度和弯道半径对应的预警需求管理权重因子,A0″表示为设定的实际路况参数对应的预警需求管理评估修正值,j表示为各高速公路段的编号,j=1,2,...,n。
获取各高速公路段所属实际环境参数,并依据各高速公路段所属实际天气属性,进而与指定高速公路区域所属各天气属性下的环境风险参数进行匹配,提取得到各高速公路段所属实际天气属性下的环境风险参数,进而据此计算各高速公路段所属实际天气属性下的实际环境参数对应的预警需求管理评估指数,其计算公式为:其中ηj表示为第j个高速公路段所属实际天气属性下的实际环境参数对应的预警需求管理评估指数,WDj、SDj和FSj分别表示为第j个高速公路段所属实际天气属性下的风险温度、风险湿度和风险风速,wdj、sdj和fsj分别表示为第j个高速公路段所属实际天气属性下的温度、湿度和风速,γ1、γ2和γ3分别表示为温度、湿度和风速对应的预警需求管理评估影响因数,e表示为自然常数。
作为进一步的方法,所述分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,其具体过程为:依据各高速公路段所属实际天气属性下的实际路况参数和实际环境参数对应的预警需求管理评估指数,进而综合计算各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,其计算公式为:其中σj表示为第j个高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,χ1和χ2分别表示为设定的实际路况参数和实际环境参数对应的评估权重指数。
作为进一步的方法,所述分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,其具体过程为:
获取各高速公路段的各通行车辆对应的车辆类别,进而与指定高速公路区域所属各天气属性下的各类别行驶车辆对应的行驶车辆风险速度进行匹配,得到各高速公路段所属实际天气属性下的各通行车辆对应的行驶车辆风险速度。
获取各高速公路段所属实际天气属性下的各通行车辆对应的实际行驶速度,并据此计算各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,其计算公式为:其中εjg表示为第j个高速公路段的第g个通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,V0 jg表示为第j个高速公路段所属实际天气属性下的第g个通行车辆对应的行驶车辆风险速度,vjg″表示为第j个高速公路段所属实际天气属性下的第g个通行车辆对应的实际行驶速度,τ0″表示为设定的通行车辆所属单位行驶速度对应的评估影响指数,δ1表示为设定的通行车辆的行驶速度对应的预警需求管理评估影响因子,g表示为各通行车辆的编号,g=1,2,...,i。
作为进一步的方法,所述各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,其计算公式为:其中ψjg表示为第j个高速公路段的第g个通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,和分别表示为设定的高速公路所属实际参数和通行车辆所属实际驾驶参数对应的评估权重因数。
作为进一步的方法,所述分析统计各风险通行车辆,其具体为:将各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数与设定的预警需求综合管理评估指数阈值进行比对,若某高速公路段的某通行车辆所属实际天气属性下对应的预警需求综合管理评估指数超出预警需求综合管理评估指数阈值,则将该高速公路段的该通行车辆记为风险通行车辆,进而得到和统计各风险通行车辆。
本发明第二方面提供了一种基于大数据的高速公路导航语音预警系统,包括:历史交通事故基本参数获取模块,用于获取指定高速公路区域所属各历史交通事故对应的基本参数,其中基本参数包括天气属性、路况参数、环境参数和行驶参数。
历史交通事故基本参数整合分析模块,用于依据指定高速公路区域所属各历史交通事故对应的基本参数,进而分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数和行驶风险参数。
指定高速公路区域划分模块,用于对指定高速公路进行区域划分,进而获取并统计各高速公路段。
指定高速公路实际参数监测分析模块,用于对各高速公路段所属实际参数进行监测,其中实际参数包括实际天气属性、实际路况参数和实际环境参数,进而分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数。
通行车辆实际驾驶参数监测分析模块,用于对各高速公路段的各通行车辆所属实际驾驶参数进行监测,进而分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数。
通行车辆实际驾驶状况综合分析模块,用于依据各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数和各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,据此综合分析各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数。
通行车辆导航语音预警模块,用于依据各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而分析统计各风险通行车辆,并进行相应的导航语音预警提示。
数据反馈模块,用于获取导航语音预警提示后的各风险通行车辆对应的行驶速度,进而提取得到各危险通行车辆,并进行数据反馈。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:(1)本发明通过获取指定高速公路区域所属各历史交通事故对应的天气属性、路况参数、环境参数和行驶参数,进而评估各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,并据此进行相应的导航语音预警提示,本发明通过对具体交通事故状况的相关层面进行针对性的细致分析,有力弥补了现有技术往往只是依据高速公路的历史交通事故发生次数对相应的驾驶人员进行提示预警而存在的不足,本发明提升了分析维度的丰富性和分析的精准度,能够为高速公路的导航语音预警提示提供精准性的参考依据,不仅有效保障了高速公路的人员驾驶安全,且在较大程度上降低了高速公路的安全事故发生率,有利于高速交通的平稳运行。
(2)本发明通过依据高速公路区域所属各历史交通事故的天气属性,并据此分别评估各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数和各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,有效实现了对高速公路在不同天气属性的实际路况和实际环境状况进行系统性的整合分析,考虑到高速公路的路况和环境状况在不同的天气属性下对于人员的驾驶来说具有着不同程度的安全影响,因而提高了道路安全预警分析的效率,且使导航语音预警提示能够与高速车辆实际驾驶的路段状况和环境状况相匹配,进而避免对高速公路的车辆行驶安全率造成折损,且降低了给驾驶人员的生命财产造成的损伤影响。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法步骤流程示意图。
图2为本发明的系统结构连接示意图。
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。
参照图1所示,本发明第一方面提供了一种基于大数据的高速公路导航语音预警方法,包括如下步骤:S1.历史交通事故基本参数获取:获取指定高速公路区域所属各历史交通事故对应的基本参数,其中基本参数包括天气属性、路况参数、环境参数和行驶参数。
需要说明的是,上述天气属性包括阴天、雨天、晴天和雾霾天等。
S2.历史交通事故基本参数整合分析:依据指定高速公路区域所属各历史交通事故对应的基本参数,进而分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数和行驶风险参数。
具体地,所述分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数,其具体过程为:依据指定高速公路区域所属各历史交通事故对应的天气属性,进而将相同天气属性的各历史交通事故进行归类处理,得到各天气属性所属各历史交通事故。
提取各天气属性所属各历史交通事故的路况参数,进而将各天气属性所属同类路况参数的各历史交通事故进行归类,其中路况参数包括上坡坡度、下坡坡度和弯道半径,并分别将其进行均值处理,得到各天气属性所属历史交通事故的上坡坡度均值、下坡坡度均值和弯道半径均值,将其记为指定高速公路区域所属各天气属性下的路况风险上坡坡度、路况风险下坡坡度和路况风险弯道半径,进而据此构建指定高速公路区域所属各天气属性下的路况风险参数。
依据指定高速公路区域所属各天气属性下的路况风险参数的分析获取方式,同理,分析得到指定高速公路区域所属各天气属性下的环境风险参数,其中环境风险参数包括风险温度、风险湿度和风险风速。
具体地,所述分析统计指定高速公路区域所属各天气属性下的行驶风险参数,其具体过程为:提取各天气属性所属各历史交通事故的行驶参数,其中行驶参数包括行驶车辆速度和行驶车辆类别,进而将相同类别所属行驶车辆进行归类,得到各天气属性所属历史交通事故的各类别行驶车辆对应的各行驶车辆速度,并将其进行均值处理,得到各天气属性所属历史交通事故的各类别行驶车辆对应的行驶车辆速度均值,将其记为指定高速公路区域所属各天气属性下的各类别行驶车辆对应的行驶车辆风险速度,进而据此构建指定高速公路区域所属各天气属性下的行驶风险参数。
需要说明的是,上述行驶车辆类别包括客车、货车、轿车、越野汽车、牵引车和半挂车等。
作为一个示例,高速公路中客车的限速一般为100km/h,货车的限速一般为80km/h。
S3.指定高速公路区域划分:对指定高速公路进行区域划分,进而获取并统计各高速公路段。
S4.指定高速公路实际参数监测分析:对各高速公路段所属实际参数进行监测,其中实际参数包括实际天气属性、实际路况参数和实际环境参数,进而分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数。
具体地,所述对各高速公路段所属实际参数进行监测,其具体过程为:获取各高速公路段的各通行车辆所属实际天气属性,将其记为各高速公路段所属实际天气属性,并提取各高速公路段对应的上坡坡度、下坡坡度和弯道半径。
需要说明的是,上述提取各高速公路段对应的上坡坡度、下坡坡度和弯道半径,其具体提取过程为:通过智能巡航无人机对指定高速公路区域进行实景扫描,进而构建指定高速公路区域所属实体模型,从中提取各高速公路段对应的上坡坡度、下坡坡度和弯道半径。
基于指定高速公路区域所属各天气属性下的路况风险参数,从中提取各高速公路段所属实际天气属性下的路况风险参数,进而据此计算各高速公路段所属实际天气属性下的实际路况参数对应的预警需求管理评估指数,其计算公式为:其中αj表示为第j个高速公路段所属实际天气属性下的实际路况参数对应的预警需求管理评估指数,Δθ上j、Δθ下j和ΔR0j分别表示为第j个高速公路段所属实际天气属性下的路况风险上坡坡度、路况风险下坡坡度和路况风险弯道半径,θj 上、θj 下和rj分别表示为第j个高速公路段对应的上坡坡度、下坡坡度和弯道半径,A1、A2和A3分别表示为设定的上坡坡度、下坡坡度和弯道半径对应的预警需求管理权重因子,A0″表示为设定的实际路况参数对应的预警需求管理评估修正值,j表示为各高速公路段的编号,j=1,2,...,n。
获取各高速公路段所属实际环境参数,并依据各高速公路段所属实际天气属性,进而与指定高速公路区域所属各天气属性下的环境风险参数进行匹配,提取得到各高速公路段所属实际天气属性下的环境风险参数,进而据此计算各高速公路段所属实际天气属性下的实际环境参数对应的预警需求管理评估指数,其计算公式为:其中ηj表示为第j个高速公路段所属实际天气属性下的实际环境参数对应的预警需求管理评估指数,WDj、SDj和FSj分别表示为第j个高速公路段所属实际天气属性下的风险温度、风险湿度和风险风速,wdj、sdj和fsj分别表示为第j个高速公路段所属实际天气属性下的温度、湿度和风速,γ1、γ2和γ3分别表示为温度、湿度和风速对应的预警需求管理评估影响因数,e表示为自然常数。
进一步地,所述分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,其具体过程为:依据各高速公路段所属实际天气属性下的实际路况参数和实际环境参数对应的预警需求管理评估指数,进而综合计算各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,其计算公式为:其中σj表示为第j个高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,χ1和χ2分别表示为设定的实际路况参数和实际环境参数对应的评估权重指数。
S5.通行车辆实际驾驶参数监测分析:对各高速公路段的各通行车辆所属实际驾驶参数进行监测,进而分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数。
具体地,所述分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,其具体过程为:
获取各高速公路段的各通行车辆对应的车辆类别,进而与指定高速公路区域所属各天气属性下的各类别行驶车辆对应的行驶车辆风险速度进行匹配,得到各高速公路段所属实际天气属性下的各通行车辆对应的行驶车辆风险速度。
获取各高速公路段所属实际天气属性下的各通行车辆对应的实际行驶速度,并据此计算各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,其计算公式为:其中εjg表示为第j个高速公路段的第g个通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,V0 jg表示为第j个高速公路段所属实际天气属性下的第g个通行车辆对应的行驶车辆风险速度,vjg″表示为第j个高速公路段所属实际天气属性下的第g个通行车辆对应的实际行驶速度,τ0″表示为设定的通行车辆所属单位行驶速度对应的评估影响指数,δ1表示为设定的通行车辆的行驶速度对应的预警需求管理评估影响因子,g表示为各通行车辆的编号,g=1,2,...,i。
S6.通行车辆实际驾驶状况综合分析:依据各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数和各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,据此综合分析各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数。
具体地,所述各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,其计算公式为:其中ψjg表示为第j个高速公路段的第g个通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,和分别表示为设定的高速公路所属实际参数和通行车辆所属实际驾驶参数对应的评估权重因数。
在本发明具体的实施例中,通过依据高速公路区域所属各历史交通事故的天气属性,并据此分别评估各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数和各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,有效实现了对高速公路在不同天气属性的实际路况和实际环境状况进行系统性的整合分析,考虑到高速公路的路况和环境状况在不同的天气属性下对于人员的驾驶来说具有着不同程度的安全影响,因而提高了道路安全预警分析的效率,且使导航语音预警提示能够与高速车辆实际驾驶的路段状况和环境状况相匹配,进而避免对高速公路的车辆行驶安全率造成折损,且降低了给驾驶人员的生命财产造成的损伤影响。
S7.通行车辆导航语音预警:依据各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而分析统计各风险通行车辆,并进行相应的导航语音预警提示。
具体地,所述分析统计各风险通行车辆,其具体为:将各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数与设定的预警需求综合管理评估指数阈值进行比对,若某高速公路段的某通行车辆所属实际天气属性下对应的预警需求综合管理评估指数超出预警需求综合管理评估指数阈值,则将该高速公路段的该通行车辆记为风险通行车辆,进而得到和统计各风险通行车辆。
在本发明具体的实施例中,通过获取指定高速公路区域所属各历史交通事故对应的天气属性、路况参数、环境参数和行驶参数,进而评估各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,并据此进行相应的导航语音预警提示,本发明通过对具体交通事故状况的相关层面进行针对性的细致分析,有力弥补了现有技术往往只是依据高速公路的历史交通事故发生次数对相应的驾驶人员进行提示预警而存在的不足,本发明提升了分析维度的丰富性和分析的精准度,能够为高速公路的导航语音预警提示提供精准性的参考依据,不仅有效保障了高速公路的人员驾驶安全,且在较大程度上降低了高速公路的安全事故发生率,有利于高速交通的平稳运行。
S8.数据反馈:获取导航语音预警提示后的各风险通行车辆对应的行驶速度,进而提取得到各危险通行车辆,并进行数据反馈。
需要说明的是,上述提取得到各危险通行车辆,其具体过程为:依据导航语音预警提示后的各风险通行车辆对应的行驶速度,并提取各风险通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而将其与设定的各种预警需求综合管理评估指数阈值对应的调控行驶速度进行比对,得到各风险通行车辆对应的调控行驶速度,进而将其与导航语音预警提示后的对应风险通行车辆对应的行驶速度进行对比,得到各风险通行车辆对应的调控行驶速度差值,并将其与预定义的调控行驶速度允许差值进行比对,若某风险通行车辆对应的调控行驶速度差值超出调控行驶速度允许差值范围内,则将该风险通行车辆记为危险通行车辆,进而统计得到各危险通行车辆。
作为一个实施例,本发明通过统计得到各危险通行车辆,并将其反馈给相应的高速公路交管部门,能够使相关交管部门直观的了解到各高速公路段的车辆行驶状况,并为工作人员采取相应的管控措施提供了可靠性依据,不仅提高了工作人员的工作便捷性,且有效保障了高速公路的车辆行驶安全。
参照图2所示,本发明第二方面提供了一种基于大数据的高速公路导航语音预警系统,包括:历史交通事故基本参数获取模块、历史交通事故基本参数整合分析模块、指定高速公路区域划分模块、指定高速公路实际参数监测分析模块、通行车辆实际驾驶参数监测分析模块、通行车辆实际驾驶状况综合分析模块、通行车辆导航语音预警模块和数据反馈模块。
所述历史交通事故基本参数获取模块和历史交通事故基本参数整合分析模块相连接,指定高速公路区域划分模块、历史交通事故基本参数整合分析模块和通行车辆实际驾驶状况综合分析模块均分别与高速公路实际参数监测分析模块和通行车辆实际驾驶参数监测分析模块相连接,通行车辆导航语音预警模块和通行车辆实际驾驶状况综合分析模块相连接,数据反馈模块和通行车辆导航语音预警模块相连接。
所述历史交通事故基本参数获取模块用于获取指定高速公路区域所属各历史交通事故对应的基本参数,其中基本参数包括天气属性、路况参数、环境参数和行驶参数。
所述历史交通事故基本参数整合分析模块用于依据指定高速公路区域所属各历史交通事故对应的基本参数,进而分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数和行驶风险参数。
所述指定高速公路区域划分模块用于对指定高速公路进行区域划分,进而获取并统计各高速公路段。
所述指定高速公路实际参数监测分析模块用于对各高速公路段所属实际参数进行监测,其中实际参数包括实际天气属性、实际路况参数和实际环境参数,进而分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数。
所述通行车辆实际驾驶参数监测分析模块用于对各高速公路段的各通行车辆所属实际驾驶参数进行监测,进而分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数。
所述通行车辆实际驾驶状况综合分析模块用于依据各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数和各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,据此综合分析各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数。
所述通行车辆导航语音预警模块用于依据各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而分析统计各风险通行车辆,并进行相应的导航语音预警提示。
所述数据反馈模块用于获取导航语音预警提示后的各风险通行车辆对应的行驶速度,进而提取得到各危险通行车辆,并进行数据反馈。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种基于大数据的高速公路导航语音预警方法,其特征在于,包括如下步骤:
S1.历史交通事故基本参数获取:获取指定高速公路区域所属各历史交通事故对应的基本参数,其中基本参数包括天气属性、路况参数、环境参数和行驶参数,天气属性包括阴天、雨天、晴天和雾霾天,路况参数包括上坡坡度、下坡坡度和弯道半径,环境参数包括温度、湿度和风速,行驶参数包括行驶车辆速度和行驶车辆类别;
S2.历史交通事故基本参数整合分析:依据指定高速公路区域所属各历史交通事故对应的基本参数,进而分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数和行驶风险参数;
S3.指定高速公路区域划分:对指定高速公路进行区域划分,进而获取并统计各高速公路段;
S4.指定高速公路实际参数监测分析:对各高速公路段所属实际参数进行监测,其中实际参数包括实际天气属性、实际路况参数和实际环境参数,进而分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数;
S5.通行车辆实际驾驶参数监测分析:对各高速公路段的各通行车辆所属实际驾驶参数进行监测,进而分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数;
S6.通行车辆实际驾驶状况综合分析:依据各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数和各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,据此综合分析各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数;
S7.通行车辆导航语音预警:依据各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而分析统计各风险通行车辆,并进行相应的导航语音预警提示;
S8.数据反馈:获取导航语音预警提示后的各风险通行车辆对应的行驶速度,进而提取得到各危险通行车辆,并进行数据反馈;
所述分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数,其具体过程为:
依据指定高速公路区域所属各历史交通事故对应的天气属性,进而将相同天气属性的各历史交通事故进行归类处理,得到各天气属性所属各历史交通事故;
提取各天气属性所属各历史交通事故的路况参数,进而将各天气属性所属同类路况参数的各历史交通事故进行归类,其中路况参数包括上坡坡度、下坡坡度和弯道半径,并分别将其进行均值处理,得到各天气属性所属历史交通事故的上坡坡度均值、下坡坡度均值和弯道半径均值,将其记为指定高速公路区域所属各天气属性下的路况风险上坡坡度、路况风险下坡坡度和路况风险弯道半径,进而据此构建指定高速公路区域所属各天气属性下的路况风险参数;
依据指定高速公路区域所属各天气属性下的路况风险参数的分析获取方式,同理,分析得到指定高速公路区域所属各天气属性下的环境风险参数,其中环境风险参数包括风险温度、风险湿度和风险风速;
所述分析统计指定高速公路区域所属各天气属性下的行驶风险参数,其具体过程为:提取各天气属性所属各历史交通事故的行驶参数,其中行驶参数包括行驶车辆速度和行驶车辆类别,进而将相同类别所属行驶车辆进行归类,得到各天气属性所属历史交通事故的各类别行驶车辆对应的各行驶车辆速度,并将其进行均值处理,得到各天气属性所属历史交通事故的各类别行驶车辆对应的行驶车辆速度均值,将其记为指定高速公路区域所属各天气属性下的各类别行驶车辆对应的行驶车辆风险速度,进而据此构建指定高速公路区域所属各天气属性下的行驶风险参数;
所述分析统计各风险通行车辆,其具体为:将各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数与设定的预警需求综合管理评估指数阈值进行比对,若某高速公路段的某通行车辆所属实际天气属性下对应的预警需求综合管理评估指数超出预警需求综合管理评估指数阈值,则将该高速公路段的该通行车辆记为风险通行车辆,进而得到和统计各风险通行车辆;
所述提取得到各危险通行车辆,其具体过程为:依据导航语音预警提示后的各风险通行车辆对应的行驶速度,并提取各风险通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而将其与设定的各种预警需求综合管理评估指数阈值对应的调控行驶速度进行比对,得到各风险通行车辆对应的调控行驶速度,进而将其与导航语音预警提示后的对应风险通行车辆对应的行驶速度进行对比,得到各风险通行车辆对应的调控行驶速度差值,并将其与预定义的调控行驶速度允许差值进行比对,若某风险通行车辆对应的调控行驶速度差值超出调控行驶速度允许差值范围内,则将该风险通行车辆记为危险通行车辆,进而统计得到各危险通行车辆。
2.根据权利要求1所述的一种基于大数据的高速公路导航语音预警方法,其特征在于:所述对各高速公路段所属实际参数进行监测,其具体过程为:
获取各高速公路段的各通行车辆所属实际天气属性,将其记为各高速公路段所属实际天气属性,并提取各高速公路段对应的上坡坡度、下坡坡度和弯道半径;
基于指定高速公路区域所属各天气属性下的路况风险参数,从中提取各高速公路段所属实际天气属性下的路况风险参数,进而据此计算各高速公路段所属实际天气属性下的实际路况参数对应的预警需求管理评估指数,其计算公式为:,其中表示为第j个高速公路段所属实际天气属性下的实际路况参数对应的预警需求管理评估指数,、和分别表示为第j个高速公路段所属实际天气属性下的路况风险上坡坡度、路况风险下坡坡度和路况风险弯道半径,、和分别表示为第j个高速公路段对应的上坡坡度、下坡坡度和弯道半径,、和分别表示为设定的上坡坡度、下坡坡度和弯道半径对应的预警需求管理权重因子,表示为设定的实际路况参数对应的预警需求管理评估修正值,j表示为各高速公路段的编号,;
获取各高速公路段所属实际环境参数,并依据各高速公路段所属实际天气属性,进而与指定高速公路区域所属各天气属性下的环境风险参数进行匹配,提取得到各高速公路段所属实际天气属性下的环境风险参数,进而据此计算各高速公路段所属实际天气属性下的实际环境参数对应的预警需求管理评估指数,其计算公式为:,其中表示为第j个高速公路段所属实际天气属性下的实际环境参数对应的预警需求管理评估指数,、和分别表示为第j个高速公路段所属实际天气属性下的风险温度、风险湿度和风险风速,、和分别表示为第j个高速公路段所属实际天气属性下的温度、湿度和风速,、和分别表示为温度、湿度和风速对应的预警需求管理评估影响因数,e表示为自然常数。
3.根据权利要求2所述的一种基于大数据的高速公路导航语音预警方法,其特征在于:所述分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,其具体过程为:依据各高速公路段所属实际天气属性下的实际路况参数和实际环境参数对应的预警需求管理评估指数,进而综合计算各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,其计算公式为:,其中表示为第j个高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数,和分别表示为设定的实际路况参数和实际环境参数对应的评估权重指数。
4.根据权利要求3所述的一种基于大数据的高速公路导航语音预警方法,其特征在于:所述分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,其具体过程为:
获取各高速公路段的各通行车辆对应的车辆类别,进而与指定高速公路区域所属各天气属性下的各类别行驶车辆对应的行驶车辆风险速度进行匹配,得到各高速公路段所属实际天气属性下的各通行车辆对应的行驶车辆风险速度;
获取各高速公路段所属实际天气属性下的各通行车辆对应的实际行驶速度,并据此计算各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,其计算公式为:,其中表示为第j个高速公路段的第g个通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,表示为第j个高速公路段所属实际天气属性下的第g个通行车辆对应的行驶车辆风险速度,表示为第j个高速公路段所属实际天气属性下的第g个通行车辆对应的实际行驶速度,表示为设定的通行车辆所属单位行驶速度对应的评估影响指数,表示为设定的通行车辆的行驶速度对应的预警需求管理评估影响因子,g表示为各通行车辆的编号,。
5.根据权利要求4所述的一种基于大数据的高速公路导航语音预警方法,其特征在于:所述各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,其计算公式为:,其中表示为第j个高速公路段的第g个通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,和分别表示为设定的高速公路所属实际参数和通行车辆所属实际驾驶参数对应的评估权重因数。
6.一种基于大数据的高速公路导航语音预警系统,其特征在于:包括:
历史交通事故基本参数获取模块,用于获取指定高速公路区域所属各历史交通事故对应的基本参数,其中基本参数包括天气属性、路况参数、环境参数和行驶参数,天气属性包括阴天、雨天、晴天和雾霾天,路况参数包括上坡坡度、下坡坡度和弯道半径,环境参数包括温度、湿度和风速,行驶参数包括行驶车辆速度和行驶车辆类别;
历史交通事故基本参数整合分析模块,用于依据指定高速公路区域所属各历史交通事故对应的基本参数,进而分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数和行驶风险参数;
所述分析统计指定高速公路区域所属各天气属性下的路况风险参数、环境风险参数,其具体过程为:
依据指定高速公路区域所属各历史交通事故对应的天气属性,进而将相同天气属性的各历史交通事故进行归类处理,得到各天气属性所属各历史交通事故;
提取各天气属性所属各历史交通事故的路况参数,进而将各天气属性所属同类路况参数的各历史交通事故进行归类,其中路况参数包括上坡坡度、下坡坡度和弯道半径,并分别将其进行均值处理,得到各天气属性所属历史交通事故的上坡坡度均值、下坡坡度均值和弯道半径均值,将其记为指定高速公路区域所属各天气属性下的路况风险上坡坡度、路况风险下坡坡度和路况风险弯道半径,进而据此构建指定高速公路区域所属各天气属性下的路况风险参数;
依据指定高速公路区域所属各天气属性下的路况风险参数的分析获取方式,同理,分析得到指定高速公路区域所属各天气属性下的环境风险参数,其中环境风险参数包括风险温度、风险湿度和风险风速;
所述分析统计指定高速公路区域所属各天气属性下的行驶风险参数,其具体过程为:提取各天气属性所属各历史交通事故的行驶参数,其中行驶参数包括行驶车辆速度和行驶车辆类别,进而将相同类别所属行驶车辆进行归类,得到各天气属性所属历史交通事故的各类别行驶车辆对应的各行驶车辆速度,并将其进行均值处理,得到各天气属性所属历史交通事故的各类别行驶车辆对应的行驶车辆速度均值,将其记为指定高速公路区域所属各天气属性下的各类别行驶车辆对应的行驶车辆风险速度,进而据此构建指定高速公路区域所属各天气属性下的行驶风险参数;
指定高速公路区域划分模块,用于对指定高速公路进行区域划分,进而获取并统计各高速公路段;
指定高速公路实际参数监测分析模块,用于对各高速公路段所属实际参数进行监测,其中实际参数包括实际天气属性、实际路况参数和实际环境参数,进而分析各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数;
通行车辆实际驾驶参数监测分析模块,用于对各高速公路段的各通行车辆所属实际驾驶参数进行监测,进而分析各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数;
通行车辆实际驾驶状况综合分析模块,用于依据各高速公路段所属实际天气属性下的实际参数对应的预警需求管理评估指数和各高速公路段的各通行车辆所属实际天气属性下的实际驾驶参数对应的预警需求管理评估指数,据此综合分析各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数;
通行车辆导航语音预警模块,用于依据各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而分析统计各风险通行车辆,并进行相应的导航语音预警提示;
所述分析统计各风险通行车辆,其具体为:将各高速公路段的各通行车辆所属实际天气属性下对应的预警需求综合管理评估指数与设定的预警需求综合管理评估指数阈值进行比对,若某高速公路段的某通行车辆所属实际天气属性下对应的预警需求综合管理评估指数超出预警需求综合管理评估指数阈值,则将该高速公路段的该通行车辆记为风险通行车辆,进而得到和统计各风险通行车辆;
数据反馈模块,用于获取导航语音预警提示后的各风险通行车辆对应的行驶速度,进而提取得到各危险通行车辆,并进行数据反馈;
所述提取得到各危险通行车辆,其具体过程为:依据导航语音预警提示后的各风险通行车辆对应的行驶速度,并提取各风险通行车辆所属实际天气属性下对应的预警需求综合管理评估指数,进而将其与设定的各种预警需求综合管理评估指数阈值对应的调控行驶速度进行比对,得到各风险通行车辆对应的调控行驶速度,进而将其与导航语音预警提示后的对应风险通行车辆对应的行驶速度进行对比,得到各风险通行车辆对应的调控行驶速度差值,并将其与预定义的调控行驶速度允许差值进行比对,若某风险通行车辆对应的调控行驶速度差值超出调控行驶速度允许差值范围内,则将该风险通行车辆记为危险通行车辆,进而统计得到各危险通行车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211494893.0A CN116778733B (zh) | 2022-11-26 | 2022-11-26 | 一种基于大数据的高速公路导航语音预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211494893.0A CN116778733B (zh) | 2022-11-26 | 2022-11-26 | 一种基于大数据的高速公路导航语音预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116778733A CN116778733A (zh) | 2023-09-19 |
CN116778733B true CN116778733B (zh) | 2024-06-25 |
Family
ID=87991871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211494893.0A Active CN116778733B (zh) | 2022-11-26 | 2022-11-26 | 一种基于大数据的高速公路导航语音预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116778733B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106816020A (zh) * | 2015-12-02 | 2017-06-09 | 大陆汽车投资(上海)有限公司 | 基于数据分析的交通事故信息处理方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010066827A (ja) * | 2008-09-08 | 2010-03-25 | Fujitsu Ten Ltd | 運転支援システム、運転支援装置及び運転支援方法 |
CN101694742A (zh) * | 2009-06-16 | 2010-04-14 | 同济大学 | 重大公路交通基础设施运行安全控制方法 |
US9519670B2 (en) * | 2014-08-29 | 2016-12-13 | Ford Global Technologies, Llc | Method and apparatus for road risk indices generation |
US10024684B2 (en) * | 2014-12-02 | 2018-07-17 | Operr Technologies, Inc. | Method and system for avoidance of accidents |
US9666072B2 (en) * | 2014-12-29 | 2017-05-30 | Here Global B.V. | Dynamic speed limit |
CN106846863B (zh) * | 2017-01-12 | 2020-05-05 | 叶昊 | 基于增强现实和云端智能决策的事故黑点警告系统及方法 |
CN108417033B (zh) * | 2018-03-23 | 2020-08-25 | 四川高路交通信息工程有限公司 | 基于多维因素的高速路交通事故分析预测方法 |
CN109117987B (zh) * | 2018-07-18 | 2020-09-29 | 厦门大学 | 一种基于深度学习的个性化交通事故风险预测推荐方法 |
CN109448369B (zh) * | 2018-10-26 | 2021-08-03 | 中交第一公路勘察设计研究院有限公司 | 高速公路实时运行风险计算方法 |
US11625624B2 (en) * | 2019-09-24 | 2023-04-11 | Ford Global Technologies, Llc | Vehicle-to-everything (V2X)-based real-time vehicular incident risk prediction |
CN111009127B (zh) * | 2019-12-24 | 2021-06-01 | 安徽虹湾信息技术有限公司 | 一种基于事故风险的城市动态预警系统及方法 |
CN112202890B (zh) * | 2020-09-30 | 2022-03-22 | 腾讯科技(深圳)有限公司 | 车辆驾驶风险的预警方法、装置和计算机设备 |
CN112419719B (zh) * | 2020-11-18 | 2022-06-07 | 济南北方交通工程咨询监理有限公司 | 高速公路交通运营安全评价方法及系统 |
CN112770293A (zh) * | 2020-12-18 | 2021-05-07 | 杭州宣迅电子科技有限公司 | 一种基于人工智能的车辆行驶环境安全性分析预警管理云平台 |
CN113160593A (zh) * | 2021-01-18 | 2021-07-23 | 重庆交通大学 | 一种基于边云协同的山区公路行车安全预警方法 |
US11725955B2 (en) * | 2021-03-01 | 2023-08-15 | Mitre Corporation | Method and system for dynamically navigating routes according to safety-related risk profiles |
CN114239927A (zh) * | 2021-11-25 | 2022-03-25 | 武汉卓尔信息科技有限公司 | 一种基于深度学习的区域交通事故预警方法及系统 |
CN115330261B (zh) * | 2022-09-17 | 2023-06-23 | 中韬华胜工程科技有限公司 | 基于物联网技术的黑臭河道生态综合化治理方法 |
-
2022
- 2022-11-26 CN CN202211494893.0A patent/CN116778733B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106816020A (zh) * | 2015-12-02 | 2017-06-09 | 大陆汽车投资(上海)有限公司 | 基于数据分析的交通事故信息处理方法 |
Non-Patent Citations (1)
Title |
---|
高速公路主动交通安全驾驶辅助系统;李镇;张伟;李永建;;中国交通信息化;20180403(第S1期);17-20 * |
Also Published As
Publication number | Publication date |
---|---|
CN116778733A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111696387B (zh) | 一种基于前向障碍物识别的自适应防撞分级预警方法 | |
CN110275934A (zh) | 基于北斗定位系统的车辆行驶情况风险分析方法和系统 | |
CN113140121B (zh) | 一种面向网联货车驾驶员的安全预警方法、装置及系统 | |
CN107054375B (zh) | 一种车队驾驶员驾驶行为安全性管理评价装置及方法 | |
CN107730425A (zh) | 碳排放量计算方法、装置及存储介质 | |
CN111477005B (zh) | 一种基于车辆状态及行车环境的智能感知预警方法及系统 | |
CN105946860B (zh) | 一种考虑驾驶风格的弯道车速预测方法 | |
CN111047867B (zh) | 一种公路强横风路段速度预警控制方法及系统 | |
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 | |
CN106205148A (zh) | 一种危险货物罐车弯道安全车速获取方法及超速警示系统 | |
CN110194041B (zh) | 多源信息融合的自适应车身高度调节方法 | |
CN113920732B (zh) | 一种针对特定驾驶人群的道路交通事故风险预警方法 | |
CN109878509A (zh) | 基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法 | |
CN110276954A (zh) | 基于北斗定位系统的车辆行驶行为综合评分方法 | |
CN116579619A (zh) | 一种货运运单的风控方法和系统 | |
CN115375234A (zh) | 基于gnss的运输车辆运行轨迹规划方法 | |
CN116778733B (zh) | 一种基于大数据的高速公路导航语音预警方法及系统 | |
CN113240901B (zh) | 一种智能车换道行为风险等级确定方法及装置 | |
CN114360270A (zh) | 不良天气影响高速公路最大容许速度研判方法与系统 | |
CN113335293A (zh) | 一种线控底盘的高速公路路面探测系统 | |
CN110949399B (zh) | 一种针对轿车在公路桥梁通行时的横风预警方法 | |
CN116383678B (zh) | 一种营运客车异常变速行为常发性路段识别方法 | |
CN116740940A (zh) | 恶劣天气高影响路段风险预测和安全管理方法、装置和设备 | |
CN112036709B (zh) | 基于随机森林的降雨天气高速公路二次事故致因分析方法 | |
CN115343719A (zh) | 基于红外和激光雷达的货车严重超载检测方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240604 Address after: Unit 2, Building B, No. 300 Zhihui Road, Qilin Technology Innovation Park, Jiangning District, Nanjing City, Jiangsu Province, 211135 Applicant after: Nanjing Zhongke Qixing Software Co.,Ltd. Country or region after: China Address before: 430040 No. 12, Jiangjun 4th Road, Dongxihu District, Wuhan City, Hubei Province Applicant before: Wuhan Guangwang Technology Co.,Ltd. Country or region before: China |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |