CN117014473A - 一种基于端云融合技术的智能网联汽车监控系统 - Google Patents
一种基于端云融合技术的智能网联汽车监控系统 Download PDFInfo
- Publication number
- CN117014473A CN117014473A CN202311273230.0A CN202311273230A CN117014473A CN 117014473 A CN117014473 A CN 117014473A CN 202311273230 A CN202311273230 A CN 202311273230A CN 117014473 A CN117014473 A CN 117014473A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- value
- road
- road section
- peer
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000005516 engineering process Methods 0.000 title claims abstract description 18
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 230000006855 networking Effects 0.000 title description 2
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 28
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000012216 screening Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
-
- 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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于汽车监控领域，涉及数据分析技术，用于解决现有的智能网联汽车监控系统无法根据道路近期的通行数据来对车辆进行提前预警的问题，具体是一种基于端云融合技术的智能网联汽车监控系统，包括危险分析模块、路段监测模块以及路线分析模块，危险分析模块、路段监测模块以及路线分析模块依次进行单向连接；危险分析模块用于对车辆的驾驶危险性进行监测分析：在车辆驶入主干道时实时获取车辆的同行数据TX、天气数据TQ以及事故数据SG；可以对车辆的驾驶危险性进行监测分析，在车辆驶入主干道后通过多项行驶参数进行综合分析与计算得到危险系数，通过危险系数对车辆在行驶道路上的整体危险性进行预测，降低事故发生概率。
Description
技术领域
本发明属于汽车监控领域，涉及数据分析技术，具体是一种基于端云融合技术的智能网联汽车监控系统。
背景技术
监控中心是调度指挥系统的核心，是远程可视指挥和监控管理平台，对所有现场车辆监控，实现音视频双向交互指挥，监控中心的电子地图上就可以显示车辆所在的直观位置，并通过无线网络对车辆进行监控设置，例如通过配置云台，可以遥控车载前端摄像机。
现有的智能网联汽车监控系统无法在车辆行驶过程中对实时驾驶数据与道路历史数据进行综合分析，并且无法根据道路近期的通行数据来对车辆进行提前预警，导致车辆运行安全性无法得到保障。
针对上述技术问题，本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种基于端云融合技术的智能网联汽车监控系统，用于解决现有的智能网联汽车监控系统无法根据道路近期的通行数据来对车辆进行提前预警的问题；
本发明需要解决的技术问题为：如何提供一种可以根据道路近期的通行数据来对车辆进行提前预警的基于端云融合技术的智能网联汽车监控系统。
本发明的目的可以通过以下技术方案实现：
一种基于端云融合技术的智能网联汽车监控系统，包括危险分析模块、路段监测模块以及路线分析模块，所述危险分析模块、路段监测模块以及路线分析模块依次进行单向连接；
所述危险分析模块用于对车辆的驾驶危险性进行监测分析：在车辆驶入主干道时实时获取车辆的同行数据TX、天气数据TQ以及事故数据SG；通过对同行数据TX、天气数据TQ以及事故数据SG进行数值计算得到车辆的危险系数WX；将车辆的危险系数WX与预设的危险阈值WXmax进行比较并通过比较结果对车辆的行驶道路安全性是否满足要求进行判定；
所述路段监测模块用于对车辆行驶道路的危险路段进行预警分析：通过公式WXx=t1*WX与WXd=t2*WX得到车辆的危险边界低值WXx与危险边界高值WXd，由危险边界低值WXx与危险边界高值WXd构成危险区间，将危险区间上传至云平台并调取最近M2个月内车辆行驶道路的车辆行驶数据，危险系数WX位于危险区间内的车辆行驶数据标记为截取数据；将车辆行驶道路分割为若干个子路段，对子路段的行驶安全性进行分析；
所述路线分析模块用于对车辆行驶道路的优先推荐等级进行分析。
作为本发明的一种优选实施方式，车辆的同行数据TX的获取过程包括：由车辆行驶方向的前L1米与后L1米构成截取范围，获取截取范围内的同行车辆数据并标记为同行值，获取车辆的同行范围，将同行范围的最大值与最小值的平均值标记为车辆的同行标准值，将同行值与同行标准值差值的绝对值标记为同行数据TX；
车辆的天气数据TQ的获取过程包括：获取车辆行驶道路在最近L2小时内的降雨量并标记为降雨值JY，获取车辆行驶道路的雾气浓度最大值并标记为雾气值WQ，获取车辆行驶道路的风力等级并标记为风力值FL；通过对降雨值JY、雾气值WQ以及风力值FL进行数值计算得到车辆的天气数据TQ；
车辆的事故数据SG的获取过程包括：获取车辆行驶道路在最近M1个月内出现行车事故的次数并标记为事故数据SG。
作为本发明的一种优选实施方式，将车辆的危险系数WX与预设的危险阈值WXmax进行比较的具体过程包括：若危险系数WX小于危险阈值WXmax，则判定车辆的行驶道路安全性满足要求，将车辆的危险系数WX发送至路段监测模块；若危险系数WX大于等于危险阈值WXmax，则判定车辆的行驶道路安全性不满足要求，生成道路危险信号并将道路危险信号发送至车载处理器，车载处理器接收到道路危险信号后控制车载语音播放器播放道路危险预警提示语音。
作为本发明的一种优选实施方式，对子路段的行驶安全性进行分析的具体过程包括：以车辆在行驶道路上的行驶路程为X轴、车辆在行驶道路上的危险系数WX为Y轴建立直角坐标系，通过截取数据在直角坐标系中绘制若干条行驶曲线，以子路段的长度值在X轴上标出若干个路段点，以路段点为端点在直角坐标系中作出垂直于X轴的射线并标记为截取射线，将相邻截取射线切断的行驶曲线标记为子路段的截取曲线，将截取曲线与X轴以及相邻截取射线构成一个封闭图形，将封闭图形的面积值标记为截取曲线的截取值，将相邻截取射线内所有截取曲线的截取值进行求和取平均值得到子路段的截取系数，将子路段的截取系数与预设的截取阈值进行比较并通过比较结果将子路段标记为安全路段或危险路段。
作为本发明的一种优选实施方式，将子路段的截取系数与预设的截取阈值进行比较的具体过程包括：若截取系数小于截取阈值，则判定对应子路段的行驶安全性满足要求，将对应子路段标记为安全路段；若截取系数大于等于截取阈值，则判定对应子路段的行驶安全性不满足要求，将对应子路段标记为危险路段；将危险路段的上一子路段标记为预警路段，车辆行驶在预警路段时生成路段预警信号并将路段预警信号发送至车载处理器，车载处理器接收到路段预警信号后控制车载语音播放器路段预警提示语音。
作为本发明的一种优选实施方式，路线分析模块对车辆行驶道路的优先推荐等级进行分析：在车辆进行导航路线分析时将出发地与目的地的直线距离标记为直距值ZJ，通过公式ZJmax=t3*ZJ得到直距阈值ZJmax，其中t3为比例系数，且1.25≤t3≤1.35，将出发地与目的地之间行驶路程小于直距阈值ZJmax的所有路线标记为预选路线，获取预选路线每一条行驶道路的行程值XC、危险系数WX以及路段值LD；行程值XC为行驶道路的行驶路程值，路段值LD为行驶道路内的危险路段数量值；通过对行程值XC、危险系数WX以及路段值LD进行数值计算得到行驶道路的优先系数YX，对预选路线的所有行驶道路的优先系数YX进行求和取平均值得到优先值；由预选路线内所有行驶道路的优先系数YX构成优先集合，对优先集合进行方差计算得到波动值；将预选路线的优先值、波动值分别与预设的优先阈值、波动阈值进行比较并通过比较结果得到推荐路线。
作为本发明的一种优选实施方式，将预选路线的优先值、波动值分别与预设的优先阈值、波动阈值进行比较的具体过程包括：若优先值小于优先阈值且波动值小于波动阈值，则将对应的预选路线标记为推荐路线；否则，将对应的预选路线标记为无效路线；将所有的推荐路线发送车载处理器，车载处理器接收到推荐路线后将推荐路线发送至车载显示屏进行显示。
本发明具备下述有益效果：
通过危险分析模块可以对车辆的驾驶危险性进行监测分析，在车辆驶入主干道后通过多项行驶参数进行综合分析与计算得到危险系数，通过危险系数对车辆在行驶道路上的整体危险性进行预测，在危险性较高时及时对驾驶员进行提醒，降低事故发生概率；
通过路段监测模块可以对车辆行驶道路的危险路段进行预警分析，将行驶道路近期道路通行状态与本次驾驶状态相似的历史数据进行提取，然后通过对截取数据进行路段危险分析得到危险路段，通过行程重叠分析的方式对子路段当中的危险路段进行筛选，从而可以在车辆驶入危险路段前提前进行预警，相较于现有仅能够将子路段标记为事故高发路段，本申请中危险路段的筛选过程结合了历史事故数据、实时通行数据、实时环境数据以及历史通行数据，其预警精确性得到了很大程度的提升；
通过路线分析模块可以对车辆行驶道路的优先推荐等级进行分析，通过出发地与目的地的直线距离筛选得到预选路线，然后根据预选路线中每一个行驶道路的优先系数进行综合计算得到优先值与波动值，通过优先值与波动值对预选路线进行二次筛选，提高推荐路线的通行流畅性与安全性。
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为本发明的系统框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于端云融合技术的智能网联汽车监控系统，包括危险分析模块、路段监测模块以及路线分析模块，危险分析模块、路段监测模块以及路线分析模块依次进行单向连接。
危险分析模块用于对车辆的驾驶危险性进行监测分析：在车辆驶入主干道时实时获取车辆的同行数据TX、天气数据TQ以及事故数据SG，车辆的同行数据TX的获取过程包括：由车辆行驶方向的前L1米与后L1米构成截取范围，获取截取范围内的同行车辆数据并标记为同行值，获取车辆的同行范围，将同行范围的最大值与最小值的平均值标记为车辆的同行标准值，将同行值与同行标准值差值的绝对值标记为同行数据TX；车辆的天气数据TQ的获取过程包括：获取车辆行驶道路在最近L2小时内的降雨量并标记为降雨值JY，L1与L2均为数值常量，L1与L2的具体数值由管理人员自行设置；获取车辆行驶道路的雾气浓度最大值并标记为雾气值WQ，获取车辆行驶道路的风力等级并标记为风力值FL；通过公式TQ=α1*JY+α2*WQ+α3*FL得到车辆的天气数据TQ，其中α1、α2以及α3均为比例系数，且α1＞α2＞α3＞1；车辆的事故数据SG的获取过程包括：获取车辆行驶道路在最近M1个月内出现行车事故的次数并标记为事故数据SG；通过公式WX=β1*TX+β2*TQ+β3*SG得到车辆的危险系数WX，其中β1、β2以及β3均为比例系数，且β1＞β2＞β3＞1；将车辆的危险系数WX与预设的危险阈值WXmax进行比较：若危险系数WX小于危险阈值WXmax，则判定车辆的行驶道路安全性满足要求，将车辆的危险系数WX发送至路段监测模块；若危险系数WX大于等于危险阈值WXmax，则判定车辆的行驶道路安全性不满足要求，生成道路危险信号并将道路危险信号发送至车载处理器，车载处理器接收到道路危险信号后控制车载语音播放器播放道路危险预警提示语音；对车辆的驾驶危险性进行监测分析，在车辆驶入主干道后通过多项行驶参数进行综合分析与计算得到危险系数，通过危险系数对车辆在行驶道路上的整体危险性进行预测，在危险性较高时及时对驾驶员进行提醒，降低事故发生概率。
路段监测模块用于对车辆行驶道路的危险路段进行预警分析：通过公式WXx=t1*WX与WXd=t2*WX得到车辆的危险边界低值WXx与危险边界高值WXd，t1与t2均为比例系数，且0.85≤t1≤0.95、1.05≤t2≤1.15；由危险边界低值WXx与危险边界高值WXd构成危险区间，将危险区间上传至云平台并调取最近M2个月内车辆行驶道路的车辆行驶数据，危险系数WX位于危险区间内的车辆行驶数据标记为截取数据；将车辆行驶道路分割为若干个子路段，以车辆在行驶道路上的行驶路程为X轴、车辆在行驶道路上的危险系数WX为Y轴建立直角坐标系，通过截取数据在直角坐标系中绘制若干条行驶曲线，以子路段的长度值在X轴上标出若干个路段点，以路段点为端点在直角坐标系中作出垂直于X轴的射线并标记为截取射线，将相邻截取射线切断的行驶曲线标记为子路段的截取曲线，将截取曲线与X轴以及相邻截取射线构成一个封闭图形，将封闭图形的面积值标记为截取曲线的截取值，将相邻截取射线内所有截取曲线的截取值进行求和取平均值得到子路段的截取系数，将子路段的截取系数与预设的截取阈值进行比较：若截取系数小于截取阈值，则判定对应子路段的行驶安全性满足要求，将对应子路段标记为安全路段；若截取系数大于等于截取阈值，则判定对应子路段的行驶安全性不满足要求，将对应子路段标记为危险路段；将危险路段的上一子路段标记为预警路段，车辆行驶在预警路段时生成路段预警信号并将路段预警信号发送至车载处理器，车载处理器接收到路段预警信号后控制车载语音播放器路段预警提示语音；对车辆行驶道路的危险路段进行预警分析，将行驶道路近期道路通行状态与本次驾驶状态相似的历史数据进行提取，然后通过对截取数据进行路段危险分析得到危险路段，通过行程重叠分析的方式对子路段当中的危险路段进行筛选，从而可以在车辆驶入危险路段前提前进行预警，相较于现有仅能够将子路段标记为事故高发路段，本申请中危险路段的筛选过程结合了历史事故数据、实时通行数据、实时环境数据以及历史通行数据，其预警精确性得到了很大程度的提升。
路线分析模块用于对车辆行驶道路的优先推荐等级进行分析：在车辆进行导航路线分析时将出发地与目的地的直线距离标记为直距值ZJ，通过公式ZJmax=t3*ZJ得到直距阈值ZJmax，其中t3为比例系数，且1.25≤t3≤1.35，将出发地与目的地之间行驶路程小于直距阈值ZJmax的所有路线标记为预选路线，获取预选路线每一条行驶道路的行程值XC、危险系数WX以及路段值LD；行程值XC为行驶道路的行驶路程值，路段值LD为行驶道路内的危险路段数量值；通过公式YX=γ1*XC+γ2*WX+γ3*LD得到行驶道路的优先系数YX，其中γ1、γ2以及γ3均为比例系数，且γ1＞γ2＞γ3＞1，对预选路线的所有行驶道路的优先系数YX进行求和取平均值得到优先值；由预选路线内所有行驶道路的优先系数YX构成优先集合，对优先集合进行方差计算得到波动值；将预选路线的优先值、波动值分别与预设的优先阈值、波动阈值进行比较：若优先值小于优先阈值且波动值小于波动阈值，则将对应的预选路线标记为推荐路线；否则，将对应的预选路线标记为无效路线；将所有的推荐路线发送车载处理器，车载处理器接收到推荐路线后将推荐路线发送至车载显示屏进行显示；对车辆行驶道路的优先推荐等级进行分析，通过出发地与目的地的直线距离筛选得到预选路线，然后根据预选路线中每一个行驶道路的优先系数进行综合计算得到优先值与波动值，通过优先值与波动值对预选路线进行二次筛选，提高推荐路线的通行流畅性与安全性。
一种基于端云融合技术的智能网联汽车监控系统，工作时，对车辆的驾驶危险性进行监测分析：在车辆驶入主干道时实时获取车辆的同行数据TX、天气数据TQ以及事故数据SG并进行数值计算得到危险系数WX，通过危险系数WX对车辆的行驶道路安全性是否满足要求进行判定；对车辆行驶道路的危险路段进行预警分析：通过公式WXx=t1*WX与WXd=t2*WX得到车辆的危险边界低值WXx与危险边界高值WXd，由危险边界低值WXx与危险边界高值WXd构成危险区间，通过危险区间对截取数据进行提取，对子路段进行危险分析得到子路段的截取系数，通过截取系数将子路段标记为安全路段或危险路段；路线分析模块用于对车辆行驶道路的优先推荐等级进行分析并得到推荐路线。
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。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；如：公式WX=β1*TX+β2*TQ+β3*SG；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的危险系数；将设定的危险系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到α1、α2以及α3的取值分别为4.28、2.85和2.31；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的危险系数；只要不影响参数与量化后数值的比例关系即可，如危险系数与同行数据的数值成正比。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种基于端云融合技术的智能网联汽车监控系统，其特征在于，包括危险分析模块、路段监测模块以及路线分析模块，所述危险分析模块、路段监测模块以及路线分析模块依次进行单向连接；
所述危险分析模块用于对车辆的驾驶危险性进行监测分析：在车辆驶入主干道时实时获取车辆的同行数据TX、天气数据TQ以及事故数据SG；通过对同行数据TX、天气数据TQ以及事故数据SG进行数值计算得到车辆的危险系数WX；将车辆的危险系数WX与预设的危险阈值WXmax进行比较并通过比较结果对车辆的行驶道路安全性是否满足要求进行判定；
所述路段监测模块用于对车辆行驶道路的危险路段进行预警分析：通过公式WXx=t1*WX与WXd=t2*WX得到车辆的危险边界低值WXx与危险边界高值WXd，由危险边界低值WXx与危险边界高值WXd构成危险区间，将危险区间上传至云平台并调取最近M2个月内车辆行驶道路的车辆行驶数据，危险系数WX位于危险区间内的车辆行驶数据标记为截取数据；将车辆行驶道路分割为若干个子路段，对子路段的行驶安全性进行分析；
所述路线分析模块用于对车辆行驶道路的优先推荐等级进行分析。
2.根据权利要求1所述的一种基于端云融合技术的智能网联汽车监控系统，其特征在于，车辆的同行数据TX的获取过程包括：由车辆行驶方向的前L1米与后L1米构成截取范围，获取截取范围内的同行车辆数据并标记为同行值，获取车辆的同行范围，将同行范围的最大值与最小值的平均值标记为车辆的同行标准值，将同行值与同行标准值差值的绝对值标记为同行数据TX；
车辆的天气数据TQ的获取过程包括：获取车辆行驶道路在最近L2小时内的降雨量并标记为降雨值JY，获取车辆行驶道路的雾气浓度最大值并标记为雾气值WQ，获取车辆行驶道路的风力等级并标记为风力值FL；通过对降雨值JY、雾气值WQ以及风力值FL进行数值计算得到车辆的天气数据TQ；
车辆的事故数据SG的获取过程包括：获取车辆行驶道路在最近M1个月内出现行车事故的次数并标记为事故数据SG。
3.根据权利要求2所述的一种基于端云融合技术的智能网联汽车监控系统，其特征在于，将车辆的危险系数WX与预设的危险阈值WXmax进行比较的具体过程包括：若危险系数WX小于危险阈值WXmax，则判定车辆的行驶道路安全性满足要求，将车辆的危险系数WX发送至路段监测模块；若危险系数WX大于等于危险阈值WXmax，则判定车辆的行驶道路安全性不满足要求，生成道路危险信号并将道路危险信号发送至车载处理器，车载处理器接收到道路危险信号后控制车载语音播放器播放道路危险预警提示语音。
4.根据权利要求3所述的一种基于端云融合技术的智能网联汽车监控系统，其特征在于，对子路段的行驶安全性进行分析的具体过程包括：以车辆在行驶道路上的行驶路程为X轴、车辆在行驶道路上的危险系数WX为Y轴建立直角坐标系，通过截取数据在直角坐标系中绘制若干条行驶曲线，以子路段的长度值在X轴上标出若干个路段点，以路段点为端点在直角坐标系中作出垂直于X轴的射线并标记为截取射线，将相邻截取射线切断的行驶曲线标记为子路段的截取曲线，将截取曲线与X轴以及相邻截取射线构成一个封闭图形，将封闭图形的面积值标记为截取曲线的截取值，将相邻截取射线内所有截取曲线的截取值进行求和取平均值得到子路段的截取系数，将子路段的截取系数与预设的截取阈值进行比较并通过比较结果将子路段标记为安全路段或危险路段。
5.根据权利要求4所述的一种基于端云融合技术的智能网联汽车监控系统，其特征在于，将子路段的截取系数与预设的截取阈值进行比较的具体过程包括：若截取系数小于截取阈值，则判定对应子路段的行驶安全性满足要求，将对应子路段标记为安全路段；若截取系数大于等于截取阈值，则判定对应子路段的行驶安全性不满足要求，将对应子路段标记为危险路段；将危险路段的上一子路段标记为预警路段，车辆行驶在预警路段时生成路段预警信号并将路段预警信号发送至车载处理器，车载处理器接收到路段预警信号后控制车载语音播放器路段预警提示语音。
6.根据权利要求5所述的一种基于端云融合技术的智能网联汽车监控系统，其特征在于，路线分析模块对车辆行驶道路的优先推荐等级进行分析：在车辆进行导航路线分析时将出发地与目的地的直线距离标记为直距值ZJ，通过公式ZJmax=t3*ZJ得到直距阈值ZJmax，其中t3为比例系数，且1.25≤t3≤1.35，将出发地与目的地之间行驶路程小于直距阈值ZJmax的所有路线标记为预选路线，获取预选路线每一条行驶道路的行程值XC、危险系数WX以及路段值LD；行程值XC为行驶道路的行驶路程值，路段值LD为行驶道路内的危险路段数量值；通过对行程值XC、危险系数WX以及路段值LD进行数值计算得到行驶道路的优先系数YX，对预选路线的所有行驶道路的优先系数YX进行求和取平均值得到优先值；由预选路线内所有行驶道路的优先系数YX构成优先集合，对优先集合进行方差计算得到波动值；将预选路线的优先值、波动值分别与预设的优先阈值、波动阈值进行比较并通过比较结果得到推荐路线。
7.根据权利要求6所述的一种基于端云融合技术的智能网联汽车监控系统，其特征在于，将预选路线的优先值、波动值分别与预设的优先阈值、波动阈值进行比较的具体过程包括：若优先值小于优先阈值且波动值小于波动阈值，则将对应的预选路线标记为推荐路线；否则，将对应的预选路线标记为无效路线；将所有的推荐路线发送车载处理器，车载处理器接收到推荐路线后将推荐路线发送至车载显示屏进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311273230.0A CN117014473B (zh) | 2023-09-28 | 2023-09-28 | 一种基于端云融合技术的智能网联汽车监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311273230.0A CN117014473B (zh) | 2023-09-28 | 2023-09-28 | 一种基于端云融合技术的智能网联汽车监控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117014473A true CN117014473A (zh) | 2023-11-07 |
| CN117014473B CN117014473B (zh) | 2023-12-19 |
Family
ID=88574680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311273230.0A Active CN117014473B (zh) | 2023-09-28 | 2023-09-28 | 一种基于端云融合技术的智能网联汽车监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117014473B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202600801U (zh) * | 2012-05-18 | 2012-12-12 | 西藏金采科技股份有限公司 | 基于北斗rdss信道的危险品运输车辆监控终端 |
| CN103208205A (zh) * | 2013-03-20 | 2013-07-17 | 北京航空航天大学 | 一种基于车联网的车辆安全行驶预警方法 |
| CN104978853A (zh) * | 2014-04-01 | 2015-10-14 | 中国移动通信集团公司 | 一种道路交通安全评估方法及系统 |
| WO2016122881A1 (en) * | 2015-01-28 | 2016-08-04 | Allstate Insurance Company | Road segment safety rating |
| WO2016135561A1 (en) * | 2015-02-27 | 2016-09-01 | Caring Community Sa | Method and apparatus for determining a safest route within a transportation network |
| WO2017094935A1 (ko) * | 2015-12-02 | 2017-06-08 | 트래블가디언 주식회사 | 안전 여행 정보 제공시스템 및 제공방법 |
| CN109145954A (zh) * | 2018-07-24 | 2019-01-04 | 同济大学 | 一种基于多源时空数据的网约车出行安全评价方法及系统 |
| KR102137677B1 (ko) * | 2020-01-23 | 2020-07-27 | 유한회사 비츠 | 차량 운행 제한 구간에서의 차량 감시 방법 및 이러한 방법을 수행하는 차량 감시 장치 |
| CN115394079A (zh) * | 2022-08-23 | 2022-11-25 | 湖南汽车工程职业学院 | 一种基于人工智能的自动驾驶危险预测系统 |
-
2023
- 2023-09-28 CN CN202311273230.0A patent/CN117014473B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202600801U (zh) * | 2012-05-18 | 2012-12-12 | 西藏金采科技股份有限公司 | 基于北斗rdss信道的危险品运输车辆监控终端 |
| CN103208205A (zh) * | 2013-03-20 | 2013-07-17 | 北京航空航天大学 | 一种基于车联网的车辆安全行驶预警方法 |
| CN104978853A (zh) * | 2014-04-01 | 2015-10-14 | 中国移动通信集团公司 | 一种道路交通安全评估方法及系统 |
| WO2016122881A1 (en) * | 2015-01-28 | 2016-08-04 | Allstate Insurance Company | Road segment safety rating |
| WO2016135561A1 (en) * | 2015-02-27 | 2016-09-01 | Caring Community Sa | Method and apparatus for determining a safest route within a transportation network |
| WO2017094935A1 (ko) * | 2015-12-02 | 2017-06-08 | 트래블가디언 주식회사 | 안전 여행 정보 제공시스템 및 제공방법 |
| CN109145954A (zh) * | 2018-07-24 | 2019-01-04 | 同济大学 | 一种基于多源时空数据的网约车出行安全评价方法及系统 |
| KR102137677B1 (ko) * | 2020-01-23 | 2020-07-27 | 유한회사 비츠 | 차량 운행 제한 구간에서의 차량 감시 방법 및 이러한 방법을 수행하는 차량 감시 장치 |
| CN115394079A (zh) * | 2022-08-23 | 2022-11-25 | 湖南汽车工程职业学院 | 一种基于人工智能的自动驾驶危险预测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117014473B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10902719B2 (en) | Method of predicting traffic congestion and controlling traffic signals based on deep learning and server for performing the same | |
| CN109377726B (zh) | 一种基于车联网的高速公路团雾精确警示、诱导系统及方法 | |
| US20210201672A1 (en) | Video-based main road cooperative signal machine control method | |
| CN112071061B (zh) | 基于云计算和数据分析的车辆服务系统 | |
| US10699568B1 (en) | Video-based crossroad signal machine control method | |
| CN113888873B (zh) | 基于短时交通流的高速公路事故检测、预警系统及方法 | |
| CN112305641B (zh) | 一种高速公路交通安全气象物联网监测预警系统 | |
| CN110120153A (zh) | 一种公交驾驶事故风险评估系统及其方法 | |
| CN111383465B (zh) | 一种基于车联网的高速公路危险预警及速度控制系统 | |
| CN110675625B (zh) | 智慧交通大数据方法及系统 | |
| CN107134158B (zh) | 高速公路智能控制系统 | |
| CN114363316A (zh) | 一种跨区域道路基础设施智能联网监测与监管系统 | |
| CN113066287A (zh) | 一种高速公路交通事故现场风险主动防控方法及系统 | |
| CN114241777A (zh) | 一种多源异构联网监测路况预警系统和方法 | |
| CN114283606A (zh) | 用于车辆导航的方法、装置、设备、系统和云控平台 | |
| CN114999180B (zh) | 一种基于物联网的高速公路恶劣天气交通预警系统及方法 | |
| CN116935653A (zh) | 一种预防交通拥堵的交通控制系统及控制方法 | |
| CN116704787A (zh) | 一种智能交通控制系统及其控制方法 | |
| CN110276951A (zh) | 一种基于移动互联网交通拥堵预警方法 | |
| CN115331401A (zh) | 一种高速公路长距离隧道车辆行驶安全智能分析预警系统 | |
| CN113436434B (zh) | 山区干线公路高危路段预警系统及方法 | |
| CN117014473B (zh) | 一种基于端云融合技术的智能网联汽车监控系统 | |
| CN116580565B (zh) | 一种基于云计算的政务大数据分析系统 | |
| CN111427063B (zh) | 一种移动装置通行控制方法、装置、设备、系统及介质 | |
| CN114220284B (zh) | 一种高速公路监控方法、系统、计算机设备及计算机可读存储介质 |
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 |