CN117198054A - 车辆风险预测方法、装置、电子设备及存储介质 - Google Patents
车辆风险预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117198054A CN117198054A CN202311282463.7A CN202311282463A CN117198054A CN 117198054 A CN117198054 A CN 117198054A CN 202311282463 A CN202311282463 A CN 202311282463A CN 117198054 A CN117198054 A CN 117198054A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- predicted travel
- travel path
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 41
- 230000006399 behavior Effects 0.000 claims description 70
- 238000004891 communication Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 13
- 230000009471 action Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车辆风险预测方法、装置、电子设备及存储介质,通过获取车辆客户端发送的采集数据包,基于目标车辆位置信息和目标驾驶行为信息,生成目标车辆的目标预测行驶路径,确定与目标预测行驶路径存在时空交集关系的监视预测行驶路径,确定监视预测行驶路径对应的监视车辆,依据监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成目标车辆对应的驾驶风险预测结果;由此,无需多种外部设备配合采集,实现了高效准确采集的效果;并且基于目标车辆的目标车辆位置信息和监视车辆的历史数据信息,确定出目标车辆对应的驾驶风险预测结果,实现了提高分析风险准确性的效果。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种车辆风险预测方法、装置、电子设备及存储介质。
背景技术
随着车辆的使用频率不断上升,驾驶过程中与其他车辆存在风险的情况也在不断提升,为了降低车辆驾驶风险,现有方案中主要是通过多种外部设备采集车辆数据进行分析,多种外部设备可以车载摄像头、路肩设备、道路监控摄像头等。
虽然上述方式可以起到分析车辆驾驶风险的作用,但是由于需要依赖于多种外部设备采集车辆数据,因此存在多设备通信难度大的问题,另外,上述方式仅能采集车辆的行驶数据,而车辆驾驶风险是与驾驶员的驾驶行为习惯密不可分,因此仅依靠车辆的行驶数据进行风险分析,存在分析风险准确性低下的问题。
发明内容
为了解决上述技术问题,本申请提供了一种车辆风险预测方法、装置、电子设备及存储介质。
第一方面,本申请提供了一种车辆风险预测方法,所述方法包括:
获取车辆客户端发送的采集数据包,所述采集数据包包含所述车辆客户端采集到目标车辆的目标车辆位置信息和目标驾驶行为信息;
基于所述目标车辆位置信息和所述目标驾驶行为信息,生成所述目标车辆的目标预测行驶路径;
确定与所述目标预测行驶路径存在时空交集关系的监视预测行驶路径;
确定所述监视预测行驶路径对应的监视车辆;
依据所述监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成所述目标车辆对应的驾驶风险预测结果。
可选的,所述确定与所述目标预测行驶路径存在时空交集关系的监视预测行驶路径,包括:
获取预先确定的预测行驶路径集合,所述预测行驶路径集合中包括至少一个预测行驶路径;
确定所述目标预测行驶路径与所述预测行驶路径集合中的各个所述预测行驶路径之间,是否存在所述时空交集关系;
将与所述目标预测行驶路径存在时空交集关系的所述预测行驶路径,确定为所述监视预测行驶路径。
可选的,所述预测行驶路径集合的确定过程如下:
获取至少一个车辆的车辆位置信息和驾驶行为信息;
基于所述车辆位置信息和所述驾驶行为信息,生成所述车辆的预测行驶路径;
基于所述预测行驶路径,得到所述预测行驶路径集合。
可选的,所述确定所述目标预测行驶路径与所述预测行驶路径集合中的各个所述预测行驶路径之间,是否存在所述时空交集关系,包括:
确定所述目标预测行驶路径与所述预测行驶路径在同一时间所处的预测位置之间的距离;
在所述距离属于预设距离范围内的情况下,确定所述预测行驶路径与所述目标预测行驶路径存在所述时空交集关系;
在所述距离并不属于预设距离范围内的情况下,确定所述预测行驶路径与所述目标预测行驶路径不存在所述时空交集关系。
可选的,所述依据所述监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成所述目标车辆对应的驾驶风险预测结果,之前包括:
基于所述监视车辆确定监视车辆客户端;
获取所述监视车辆客户端发送的实时数据包以及历史数据包;
基于所述实时数据包确定所述监视车辆的所述行为数据信息和所述位置数据信息;
基于所述历史数据包确定所述监视车辆的所述历史数据信息。
可选的,所述基于所述目标车辆位置信息和所述目标驾驶行为信息,生成所述目标车辆的目标预测行驶路径,包括:
获取所述目标车辆位置信息表示的位置处的地图;
结合所述地图与所述目标车辆位置信息,确定所述目标车辆的定位信息;
结合所述定位信息和所述目标驾驶行为信息,预测所述目标车辆在预设时长或预设距离内的路径,生成所述目标车辆的所述目标预测行驶路径。
可选的,所述方法还包括:
确定所述驾驶风险预测结果的风险等级;
输出所述风险等级对应的提示信息至所述目标车辆和所述监视车辆。
第二方面,本申请提供了一种车辆风险预测装置,所述装置包括:
获取模块,用于获取车辆客户端发送的采集数据包,所述采集数据包包含所述车辆客户端采集到目标车辆的目标车辆位置信息和目标驾驶行为信息;
第一生成模块,用于基于所述目标车辆位置信息和所述目标驾驶行为信息,生成所述目标车辆的目标预测行驶路径;
第一确定模块,用于确定与所述目标预测行驶路径存在时空交集关系的监视预测行驶路径;
第二确定模块,用于确定所述监视预测行驶路径对应的监视车辆;
第二生成模块,用于依据所述监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成所述目标车辆对应的驾驶风险预测结果。
第三方面,提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的方法。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本申请实施例提供的方法,通过获取车辆客户端发送的采集数据包,采集数据包包含车辆客户端采集到目标车辆的目标车辆位置信息和目标驾驶行为信息,基于目标车辆位置信息和目标驾驶行为信息,生成目标车辆的目标预测行驶路径,确定与目标预测行驶路径存在时空交集关系的监视预测行驶路径,确定监视预测行驶路径对应的监视车辆,依据监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成目标车辆对应的驾驶风险预测结果;由此,通过车辆客户端发送的采集数据包,起到了无需多种外部设备配合采集的作用,实现了高效准确采集的效果;并且是基于目标车辆的目标车辆位置信息和目标驾驶行为信息进行分析预测,以及结合监视车辆的行为数据信息、位置数据信息和历史数据信息,确定出目标车辆对应的驾驶风险预测结果,实现了提高分析风险准确性的效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种车辆风险预测方法的流程示意图;
图2为本申请实施例提供的一种车辆风险预测方法的应用场景示意图;
图3为本申请实施例提供的一种车辆风险预测方法的另一应用场景示意图;
图4为本申请实施例提供的一种车辆风险预测方法的另一应用场景示意图;
图5为本申请实施例提供的一种车辆风险预测装置的结构示意图;
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
车辆行驶过程中与其他车辆之间的冲突碰撞是当前道路风险的主要原因,而驾驶员在驾驶车辆行驶过程中仅能通过后视镜观察短距离内的其他车辆的动向,来识别与其他车辆之间是否存在风险因素,因此存在风险预知不精准、反应时间较短的问题。
现有技术中,通过结合多种外部设备采集行驶中的车辆数据,进行分析处理对车辆进行风险预估,其中多种外部设备可以是车载摄像头、路径设备、道路摄像头等,而通过外部设备采集的车辆数据,存在两方面的问题,一方面,因为是外部设备采集车辆数据,所以仅能采集到车辆具体的行驶行为,无法采集到用户的驾驶习惯和车辆的具体状态等信息,例如刹车状态、发动机状态等,并且采集的车辆数据也存在精准度较低的问题;另一方面,由于通过多种外部设备采集的车辆数据,需要统一发送至服务端,例如采集A车辆的车辆数据时,可能通过B车辆的车载摄像头采集的数据1、路肩设备采集的数据2、道路摄像头采集的数据3,此时车载摄像头、路肩设备以及道路摄像头均需要与服务端通信连接,并将数据1、数据2以及数据3发送至服务端,由于上述外部设备采集的数据中可能包括出A车辆之外的其他车辆的数据,此时服务端还需要从数据1、数据2以及数据3中提取A车辆相关的数据,因此会存在通信难度大,数据处理复杂度高的问题。
图1为本申请实施例提供的一种车辆风险预测方法的流程示意图。
如图1所示的,本申请公开一实施例,提供了一种车辆风险预测方法,所述方法包括:
S110:获取车辆客户端发送的采集数据包,采集数据包包含车辆客户端采集到目标车辆的目标车辆位置信息和目标驾驶行为信息。
本实施例中的车辆风险预测方法可以应用于服务端;其中,车辆客户端表示配置与车辆的客户端,例如车载系统、车载应用程序等,目标车辆表示车辆客户端所配置的车辆,因此一个车辆客户端对应一个车辆,车辆客户端可以起到采集车辆数据的作用,例如车辆客户端与车机系统通信连接,获取车机系统的采集数据,如速度、刹车状态、手刹状态、导航信息、转向灯状态、车辆位置、驾驶行为习惯等,车辆客户端将采集到的数据信息打包为采集数据包发送至客户端,以使获取获取车辆客户端发送的采集数据包;由此,通过车载客户端直接采集车辆数据,而并非是通过外部设备采集车辆数据,至少包括两方面效果,一方面,通过车载客户端是直接获取车辆的各类数据,并且外部设备在恶劣天气、光线差的条件下无法有效采集车辆数据,而车载客户端不会受到环境因素的影响,可以起到超视距采集车辆数据的作用,实现了采集车辆数据的效率高、准确率高的效果;另一方面,相比于多个外部设备与服务端通信,无论是车辆数据的获取还是风险提示信息的发送都存在,通信繁琐准确性低下的问题,而通过车载客户端与服务端通信实现,获取车辆数据过程的步序快速简易,且反馈风险提示信息也精准有效的效果。
S120:基于目标车辆位置信息和目标驾驶行为信息,生成目标车辆的目标预测行驶路径。
本实施例中,获取车辆客户端发送的采集数据包后,提取采集数据包中的目标车辆位置信息和目标驾驶行为信息,目标车辆位置信息表示目标车辆所处的位置,例如卫星定位等,目标驾驶行为信息表示目标车辆的驾驶行为习惯,可以包括车辆行为和操作行为,车辆行为可以是车辆速度、车辆加速度、加速度、陀螺仪等数据,操作行为可以是打转向灯3秒后转向、刹车使用习惯等驾驶员的操作行为习惯;由此可以基于基于目标车辆位置信息和目标驾驶行为信息,对预测目标车辆在预设时长内或预设距离内的行驶路径,以此生成目标车辆的目标预测行驶路径。
在一实施例中,S120基于目标车辆位置信息和目标驾驶行为信息,生成目标车辆的目标预测行驶路径,可以包括:
获取目标车辆位置信息表示的位置处的地图;
结合地图与目标车辆位置信息,确定目标车辆的定位信息;
结合定位信息和目标驾驶行为信息,预测目标车辆在预设时长或预设距离内的路径,生成目标车辆的目标预测行驶路径。
本实施例中,由于常规的目标车辆位置信息通常是采用卫星定位进行确定,而该定位方式虽然可以确定目标车辆的大致位置,却无法确定车辆的准确位置,例如仅能确定目标车辆行驶在哪个道路上,而无法确定目标车辆行驶于哪个车道上,如直行车道、转弯车道等,因此可以结合地图与目标车辆位置信息,确定目标车辆的定位信息,因此可以获取目标车辆位置信息表示的位置处的地图,其中地图可以是高精地图,高精地图是指高精度地图,与传统地图相比,提供了更为丰富细腻的道路信息,包含道路形状、坡度、曲率、车道、道路标记、障碍物和交通标志等诸多地图元素,地图精度可以到厘米级别;由此结合定位信息与高精地图确定的目标车辆的定位信息,则是包含了目标车辆所处的车道和周围的道路标记、交通标志等其他元素;以此再结合定位信息和目标驾驶行为信息,预测目标车辆在预设时长或预设距离内的路径,生成目标车辆的目标预测行驶路径,例如定位信息表示目标车辆行驶在转弯车道,并且距离弯道还有100米,而目标驾驶行为信息表示车辆速度15米每秒,以及驾驶习惯为转弯前会将车速减低至10米每秒,因此可以预测目标车辆在10秒内的目标预测行驶路径为以15米每秒的速度行驶2秒直线路程,以10米每秒的速度行驶3秒弯道路程,最后以20米每秒的速度行驶5秒直线路程;或预测目标车辆在300米内的目标预测行驶路径为以15米每秒的速度行驶至弯道前50米,以10米每秒的速度完成弯道100米,最后以20米每秒的速度行驶弯道后的150米;以上仅为示例说明作用,具体实施时可以根据需求进行适应性调整。
S130:确定与目标预测行驶路径存在时空交集关系的监视预测行驶路径。
本实施例中,由于服务端可以与多个车辆客户端通信连接,也即或获取多个车辆客户端发送的采集数据包,以此对多个车辆进行预测处理,得到多个预测行驶路径;因此,在确定目标车辆的目标预测行驶路径后,可以通过判断是否有与目标预测行驶路径冲突的其他预测行驶路径,起到判断目标车辆在预测范围内或者时间内是否会出现冲突风险的作用,由此在确定有与目标预测行驶路径存在时空交集关系的预测行驶路径的情况下,可以将该预测行驶路径确定为监视预测行驶路径,其中时空交集关系表示在同一时间或者时间段内,目标预测行驶路径与监视预测行驶路径的车辆位置的距离过近存在冲突风险的关系。由此通过对各个车辆的预测行驶路径之间的关系判断,起到判断车辆是否会存在风险冲突的作用。
在一实施例中,S130确定与目标预测行驶路径存在时空交集关系的监视预测行驶路径,可以包括:
获取预先确定的预测行驶路径集合,预测行驶路径集合中包括至少一个预测行驶路径;
确定目标预测行驶路径与预测行驶路径集合中的各个预测行驶路径之间,是否存在时空交集关系;
将与目标预测行驶路径存在时空交集关系的预测行驶路径,确定为监视预测行驶路径。
本实施例中,由于确定与目标预测行驶路径存在时空交集关系的监视预测行驶路径的过程中,需要将目标车辆的目标预测行驶路径与其他车辆的预测行驶路径进行对比判断,因此首先可以获取预先确定的预测行驶路径集合,其中预测行驶路径集合中包括至少一个其他车辆的预测行驶路径;接着,确定目标预测行驶路径与预测行驶路径集合中的各个预测行驶路径之间,是否存在时空交集关系,具体确定过程,可以进行多次筛选进行确定,例如可以将与目标预测行驶路径不会存在交集的车道上的预测行驶路径进行筛选掉,如目标预测行驶路径表示行驶在A地点到B地点的车道上的路径,而预测行驶路径表示行驶在B地点到A地点的车道上的路径,并且这两个车道中间有绿化带间隔,因此目标预测行驶路径与该预测行驶路径不存在交集的可能性,以此遍历对比预测行驶路径集合中的各个预测行驶路径,将与目标预测行驶路径存在时空交集关系的预测行驶路径,确定为监视预测行驶路径,因此监视预测行驶路径可以是零个、一个或者多个。需要说明的是,本实施例仅对预测行驶路径集合中的预测行驶路径进行一次筛选确定出监视预测行驶路径为例进行说明,具体实施时可以对预测行驶路径集合中的预测行驶路径进行多次筛选,确定出多个不同层级的监视预测行驶路径。
在一实施例中,预测行驶路径集合的确定过程如下:
获取至少一个车辆的车辆位置信息和驾驶行为信息;
基于车辆位置信息和驾驶行为信息,生成车辆的预测行驶路径;
基于预测行驶路径,得到预测行驶路径集合。
本实施例中,在确定预测行驶路径集合的过程中,首先获取至少一个车辆的车辆位置信息和驾驶行为信息,车辆位置信息与驾驶行为信息与前述目标车辆的目标车辆位置信息与目标驾驶行为信息相类型,并根据各个车辆的车辆位置信息和驾驶行为信息,生成该车辆的预测行驶路径,预测行驶路径表示该车辆在预设时长或预设距离内的路径,并将各个车辆的预测行驶路径的集合确定为预测行驶路径集合。
在一实施例中,确定目标预测行驶路径与预测行驶路径集合中的各个预测行驶路径之间,是否存在时空交集关系,包括:
确定目标预测行驶路径与预测行驶路径在同一时间所处的预测位置之间的距离;
在距离属于预设距离范围内的情况下,确定预测行驶路径与目标预测行驶路径存在时空交集关系;
在距离并不属于预设距离范围内的情况下,确定预测行驶路径与目标预测行驶路径不存在时空交集关系。
本实施例中,确定是否存在时空交集关系的过程中,首先确定目标预测行驶路径与预测行驶路径在同一时间所处的预测位置之间的距离,其中同一时间可以是时间点也可以是时间段,如时间点为14点20分25秒,时间段可以是14点20分24秒至14点20分26秒的2秒时间段,而目标预测行驶路径与预测行驶路径在不同的时间车辆会处于不同的预测位置,例如在同一时间点X时,目标预测行驶路径表示目标车辆处于A预测位置,而预测行驶路径表示车辆处于B预测位置,此时距离表示的是A预测位置与B预测位置之间的距离,时间段的话这可以计算每个时间点之间的距离进行加权平均;接着,确定距离是否属于预设距离范围内,预设距离范围表示存在风险的距离范围,可以根据不同需求进行设置,例如0米-1米、0米-2米等,也即在距离属于预设距离范围内的情况下,说明此时目标车辆与车辆的距离较近存在冲突风险,确定预测行驶路径与目标预测行驶路径存在时空交集关系;在距离并不属于预设距离范围内的情况下,说明此时目标车辆与车辆的距离不存在冲突风险,确定预测行驶路径与目标预测行驶路径不存在时空交集关系。
S140:确定监视预测行驶路径对应的监视车辆。
本实施例中,在确定与目标预测行驶路径存在时空交集关系的监视预测行驶路径后,说明监视预测行驶路径表示的车辆在监视预测行驶路径的范围内会与目标车辆存在冲突风险,此时则将监视预测行驶路径对应的监视车辆,以此确定与目标车辆存在冲突风险的其他车辆的作用,将该车辆确定监视车辆,便于后续持续对监视车辆进行分析判断。
具体实施时,如图2所示,车A表示目标车辆,车B表示其他车辆,此时根据车B的客户端发送的数据包,确定车B为开启转向灯、未由刹车行为、车速为S,确定车B的预测行驶路径与车A的目标预测行驶路径在10秒后的预测位置会重叠,也即存在碰撞风险,说明两者存在时空交集关系,此时将车B的预测行驶路径确定为监视预测行驶路径,将车B确定为监视车辆。
如图3所示,车A表示目标车辆,车B、车C、车D表示其他车辆,此时根据车B的客户端发送的数据包,确定车B未开启转向灯、未有刹车行为、车速为S,确定车B的预测行驶路径与车A的目标预测行驶路径在10秒后的预测位置会位置X处重叠,也即存在碰撞风险,说明两者存在时空交集关系,此时将车B的预测行驶路径确定为监视预测行驶路径,将车B确定为监视车辆。
根据车C的客户端发送的数据包,确定车C处于直线和左转车道、未开启转向灯,确定车B的预测行驶路径与车A的目标预测行驶路径不存在距离属于预设距离范围内的情况,说明两者不存在时空交集关系,此时则可以将车B的预测行驶路径进行筛选掉。
根据车D的客户端发送的数据包,确定车D处于直线车道、未开启转向灯、未有刹车行为、车速为S,确定车D的预测行驶路径与车A的目标预测行驶路径在10秒后的预测位置会重叠,也即存在碰撞风险,说明两者存在时空交集关系,此时将车B的预测行驶路径确定为监视预测行驶路径,将车C确定为监视车辆;但是,后续根据车D的客户端实时发送的数据包,确定车D处于直线车道、开启右转向灯,此时确定车B的预测行驶路径与车A的目标预测行驶路径不存在距离属于预设距离范围内的情况,说明两者不存在时空交集关系,此时则可以将车B的监视预测行驶路径进行筛选掉。
如图4所示,车A表示目标车辆,车B表示其他车辆,此时根据车B的客户端发送的数据包,确定车B为开启转向灯、未由刹车行为、车速为S,以及根据车A的车辆客户端发送的采集数据包确定,车A开启右转向等,以此确定车B的预测行驶路径与车A的目标预测行驶路径在10秒后的预测位置会重叠,也即存在碰撞风险,说明两者存在时空交集关系,此时将车B的预测行驶路径确定为监视预测行驶路径,将车B确定为监视车辆。
S150:依据监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成目标车辆对应的驾驶风险预测结果。
本实施例中,在确定监视车辆后,可以接着确定监视车辆对应的车辆客户端,将该车辆客户端确定为监视客户端,以此通过监视客户端获取监视车辆的数据包,确定监视车辆的行为数据信息、位置数据信息以及历史数据信息,其中行为数据信息与目标驾驶行为信息相类似,位置数据信息与目标车辆位置信息相类似,仅是表示车辆的不同,而历史数据信息表示监视车辆的历史数据包的信息,也即可以根据监视的历史数据信息对监视车辆进行更进一步的预测分析处理,因此可以结合监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成目标车辆对应的驾驶风险预测结果,驾驶风险预测结果的具体生成过程可以是,首先根据行为数据信息、位置数据信息以及历史数据信息,实时更新确定监视车辆的监视预测行驶路径,并根据目标预测行驶路径与监视行驶路径在同一时间所处的预测位置之间的距离的不同范围确定不同的驾驶风险预测结果,例如在A时间点确定的距离为3米属于中级风险等级,此时输出中级风险等级对应的提示信息至目标车辆和监视车辆,而随着实时更新确定监视车辆的监视预测行驶路径,在B时间点确定的距离为1米属于高级风险等级,此时输出高级风险等级对应的提示信息至目标车辆和监视车辆,实现实时更新确定驾驶风险预测结果的效果。
在一实施例中,S150依据监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成目标车辆对应的驾驶风险预测结果,之前包括:
基于监视车辆确定监视车辆客户端;
获取监视车辆客户端发送的实时数据包以及历史数据包;
基于实时数据包确定监视车辆的行为数据信息和位置数据信息;
基于历史数据包确定监视车辆的历史数据信息。
本实施例中,在执行S150之前,还需要确定监视车辆的行为数据信息、位置数据信息以及历史数据信息,具体的确定过程可以是,首先确定监视车辆对应的监视车辆客户端,接着获取监视车辆客户端发送的实时数据包以及历史数据包,其中实时数据包与历史数据与前述采集数据包相类似,不过实时数据包表示监视客户端实时采集发送至服务端的数据包,也即实时数据包表示监视车辆当前实时状态的数据信息,而历史数据包表示监视车辆客户端在预设历史时长内发送至服务端的数据包,预设历史时长可以是1个小时、1天、1个星期等,因此可以基于实时数据包确定监视车辆的行为数据信息和位置数据信息,以及基于历史数据包确定监视车辆的历史数据信息。
在一实施例中,方法还包括:
确定驾驶风险预测结果的风险等级;
输出风险等级对应的提示信息至目标车辆和监视车辆。
本实施例中驾驶风险预测结果可以表示目标车辆与监视车辆在目标预测行驶路径和监视预测行驶路径中同一时间的距离,因此不同的距离对于车辆的风险是不同的,例如距离为1米时的风险显然会高于距离3米时的风险;因此可以确定驾驶风险预测结果的风险等级,例如驾驶风险预测结果表示的距离为1米时,风险等级为高级,驾驶风险预测结果表示的距离为3米时,风险等级为中级;接着,对于不同的风险等级则可以采用不同的提醒方信息提醒车辆,不同的提示信息可以是显示屏显示信息、语音提示信息、警报提示信息等,也即输出风险等级对应的提示信息至目标车辆和监视车辆,例如风险等级为高级时对应的提示信息可以是警报提示信息,风险等级为中级时对应的提示信息可以是语音提示信息,以此使得目标车辆和监视车辆可以通过不同的提示信息直观快速的明确当前风险等级,而在具体输出提示信息的过程可以是,首先输出提示信息至目标车辆的车辆客户端和监视车辆的监视客户端,再由车辆客户端和监视客户端执行提示信息。
本实施例通过车辆客户端与服务端的数据交互,起到了无需外部设备采集车辆数据的作用,并且通过车辆客户端快速精确的采集车辆的采集数据包,以此对车辆的行驶路径进行预测,并根据预测行驶路径进行分析判断是否存在时空交集关系的监视车辆,接着再结合监视车辆的车辆数据生成目标车辆对应的驾驶风险预测结果。实现了超视距预测车辆驾驶风险的效果。
如图5所示,本申请实施例提供了一种车辆风险预测装置,所述装置包括:
获取模块510,用于获取车辆客户端发送的采集数据包,采集数据包包含车辆客户端采集到目标车辆的目标车辆位置信息和目标驾驶行为信息;
第一生成模块520,用于基于目标车辆位置信息和目标驾驶行为信息,生成目标车辆的目标预测行驶路径;
第一确定模块530,用于确定与目标预测行驶路径存在时空交集关系的监视预测行驶路径;
第二确定模块540,用于确定监视预测行驶路径对应的监视车辆;
第二生成模块550,用于依据监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成目标车辆对应的驾驶风险预测结果。
在一实施例中,第一确定模块530可以包括:
第一获取单元,用于获取预先确定的预测行驶路径集合,预测行驶路径集合中包括至少一个预测行驶路径;
第一确定单元,用于确定目标预测行驶路径与预测行驶路径集合中的各个预测行驶路径之间,是否存在时空交集关系;
第二确定单元,用于将与目标预测行驶路径存在时空交集关系的预测行驶路径,确定为监视预测行驶路径。
在一实施例中,预测行驶路径集合的确定过程如下:
获取至少一个车辆的车辆位置信息和驾驶行为信息;
基于车辆位置信息和驾驶行为信息,生成车辆的预测行驶路径;
基于预测行驶路径,得到预测行驶路径集合。
在一实施例中,第一确定单元可以包括:
第一确定子单元,用于确定目标预测行驶路径与预测行驶路径在同一时间所处的预测位置之间的距离;
第二确定子单元,用于在距离属于预设距离范围内的情况下,确定预测行驶路径与目标预测行驶路径存在时空交集关系;
第三确定子单元,用于在距离并不属于预设距离范围内的情况下,确定预测行驶路径与目标预测行驶路径不存在时空交集关系。
在一实施例中,所述装置还可以包括:
第三确定模块,用于基于监视车辆确定监视车辆客户端;
接收模块,用于获取监视车辆客户端发送的实时数据包以及历史数据包;
第四确定模块,用于基于实时数据包确定监视车辆的行为数据信息和位置数据信息;
第五确定模块,用于基于历史数据包确定监视车辆的历史数据信息。
在一实施例中,第一生成模块520可以包括:
第三确定单元,用于结合地图与目标车辆位置信息,确定目标车辆的定位信息;
生成单元,用于结合定位信息和目标驾驶行为信息,预测目标车辆在预设时长或预设距离内的路径,生成目标车辆的目标预测行驶路径。
在一实施例中,所述装置还可以包括:
第六确定模块,用于确定驾驶风险预测结果的风险等级;
输出模块,用于输出风险等级对应的提示信息至目标车辆和所述监视车辆。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
如图6所示,本申请实施例提供了一种电子设备,包括处理器610、通信接口620、存储器630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信,存储器630,用于存放计算机程序;
在本申请一个实施例中,处理器610,用于执行存储器630上所存放的程序时,实现前述任意一个方法实施例提供的方法。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的方法的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
上述对本说明书实施例特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车辆风险预测方法,其特征在于,所述方法包括:
获取车辆客户端发送的采集数据包,采集数据包包含车辆客户端采集到目标车辆的目标车辆位置信息和目标驾驶行为信息;
基于目标车辆位置信息和目标驾驶行为信息,生成目标车辆的目标预测行驶路径;
确定与目标预测行驶路径存在时空交集关系的监视预测行驶路径;
确定监视预测行驶路径对应的监视车辆;
依据监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成目标车辆对应的驾驶风险预测结果。
2.根据权利要求1所述的方法,其特征在于,所述确定与所述目标预测行驶路径存在时空交集关系的监视预测行驶路径,包括:
获取预先确定的预测行驶路径集合,所述预测行驶路径集合中包括至少一个预测行驶路径;
确定所述目标预测行驶路径与所述预测行驶路径集合中的各个所述预测行驶路径之间,是否存在所述时空交集关系;
将与所述目标预测行驶路径存在时空交集关系的所述预测行驶路径,确定为所述监视预测行驶路径。
3.根据权利要求2所述的方法,其特征在于,所述预测行驶路径集合的确定过程如下:
获取至少一个车辆的车辆位置信息和驾驶行为信息;
基于所述车辆位置信息和所述驾驶行为信息,生成所述车辆的预测行驶路径;
基于所述预测行驶路径,得到所述预测行驶路径集合。
4.根据权利要求2所述的方法,其特征在于,所述确定所述目标预测行驶路径与所述预测行驶路径集合中的各个所述预测行驶路径之间,是否存在所述时空交集关系,包括:
确定所述目标预测行驶路径与所述预测行驶路径在同一时间所处的预测位置之间的距离;
在所述距离属于预设距离范围内的情况下,确定所述预测行驶路径与所述目标预测行驶路径存在所述时空交集关系;
在所述距离并不属于预设距离范围内的情况下,确定所述预测行驶路径与所述目标预测行驶路径不存在所述时空交集关系。
5.根据权利要求1-4任一所述的方法,其特征在于,所述依据所述监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成所述目标车辆对应的驾驶风险预测结果,之前包括:
基于所述监视车辆确定监视车辆客户端;
获取所述监视车辆客户端发送的实时数据包以及历史数据包;
基于所述实时数据包确定所述监视车辆的所述行为数据信息和所述位置数据信息;
基于所述历史数据包确定所述监视车辆的所述历史数据信息。
6.根据权利要求1-4任一所述的方法,其特征在于,所述基于所述目标车辆位置信息和所述目标驾驶行为信息,生成所述目标车辆的目标预测行驶路径,包括:
获取所述目标车辆位置信息表示的位置处的地图;
结合所述地图与所述目标车辆位置信息,确定所述目标车辆的定位信息;
结合所述定位信息和所述目标驾驶行为信息,预测所述目标车辆在预设时长或预设距离内的路径,生成所述目标车辆的所述目标预测行驶路径。
7.根据权利要求1-4任一所述的方法,其特征在于,所述方法还包括:
确定所述驾驶风险预测结果的风险等级;
输出所述风险等级对应的提示信息至所述目标车辆和所述监视车辆。
8.一种车辆风险预测装置,其特征在于,所述装置包括:
获取模块,用于获取车辆客户端发送的采集数据包,所述采集数据包包含所述车辆客户端采集到目标车辆的目标车辆位置信息和目标驾驶行为信息;
第一生成模块,用于基于所述目标车辆位置信息和所述目标驾驶行为信息,生成所述目标车辆的目标预测行驶路径;
第一确定模块,用于确定与所述目标预测行驶路径存在时空交集关系的监视预测行驶路径;
第二确定模块,用于确定所述监视预测行驶路径对应的监视车辆;
第二生成模块,用于依据所述监视车辆的行为数据信息、位置数据信息以及历史数据信息,生成所述目标车辆对应的驾驶风险预测结果。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311282463.7A CN117198054A (zh) | 2023-09-28 | 2023-09-28 | 车辆风险预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311282463.7A CN117198054A (zh) | 2023-09-28 | 2023-09-28 | 车辆风险预测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117198054A true CN117198054A (zh) | 2023-12-08 |
Family
ID=88999816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311282463.7A Pending CN117198054A (zh) | 2023-09-28 | 2023-09-28 | 车辆风险预测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117198054A (zh) |
-
2023
- 2023-09-28 CN CN202311282463.7A patent/CN117198054A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11257377B1 (en) | System for identifying high risk parking lots | |
EP2988285B1 (en) | Optimal warning distance | |
US10872379B1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
CN111739344B (zh) | 一种预警方法、装置及电子设备 | |
US10490078B1 (en) | Technology for providing real-time route safety and risk feedback | |
CN104103188B (zh) | 基于车辆共同体输入向车辆用户提供定制信息的装置和方法 | |
JP5888164B2 (ja) | 車両周辺監視装置、車両周辺監視システム | |
US20170154530A1 (en) | Method for determining parking spaces and free-parking space assistance system | |
CN109084794B (zh) | 一种路径规划方法 | |
US10369995B2 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
JP2007172487A (ja) | 安全運転度蓄積システム,車載機器,およびセンタ | |
US11170639B2 (en) | Transportation threat detection system | |
JP2015018396A (ja) | 車載器、サーバ、及び渋滞検出システム | |
CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
EP3500899A1 (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
EP3994423B1 (en) | Collecting user-contributed data relating to a navigable network | |
CN109872413B (zh) | 驾驶行为记录及分析系统、方法 | |
US20210024058A1 (en) | Evaluating the safety performance of vehicles | |
CN111044069B (zh) | 一种车辆定位方法、车载设备及存储介质 | |
JP2018097398A (ja) | 視線推定システム | |
US11242070B2 (en) | Apparatus and method for determining an attention requirement level of a driver of a vehicle | |
DE112015006794T5 (de) | Operationsassistenzvorrichtung und Operationsassistenzsystem | |
JP2019121233A (ja) | 車載用情報処理装置 | |
CN117198054A (zh) | 车辆风险预测方法、装置、电子设备及存储介质 | |
CN113570870A (zh) | 分布式路口平均延误估计方法、装置、设备及存储介质 |
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 |