CN117292579A - 一种基于大数据的公路弯道预警方法、设备及介质 - Google Patents
一种基于大数据的公路弯道预警方法、设备及介质 Download PDFInfo
- Publication number
- CN117292579A CN117292579A CN202311414086.8A CN202311414086A CN117292579A CN 117292579 A CN117292579 A CN 117292579A CN 202311414086 A CN202311414086 A CN 202311414086A CN 117292579 A CN117292579 A CN 117292579A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- warned
- curve
- early
- state 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 51
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于大数据的公路弯道预警方法、设备及介质，属于大数据应用技术领域。方法包括：基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测待预警车辆是否进入弯道待预警范围；在确定待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取弯道待预警范围内的其他车辆状态信息；车载传感器包括：LDWS；基于预设的数据融合分析算法，对预警车辆状态信息与其他车辆状态信息进行处理，以生成预警信息并预警。本申请通过上述方法解决了现有技术缺乏对弯道状态信息的实时监测和预警，无法及时发现并处理弯道内的异常情况。
Description
技术领域
本申请涉及大数据应用技术领域，尤其涉及一种基于大数据的公路弯道预警方法、设备及介质。
背景技术
公路弯道是交通事故的多发地点，由于弯道视线不良，驾驶员容易产生驾驶疲劳和判断失误，导致车辆偏离车道、超速等危险行为，引发交通事故。因此，对公路弯道进行预警具有重要的现实意义。
现有的弯道预警技术主要依赖于车载传感器，如LDWS等，但这些传感器的检测范围有限，不能全面反映弯道内的车辆状态信息。同时，现有技术缺乏对弯道状态信息的实时监测和预警，无法及时发现并处理弯道内的异常情况。
发明内容
本申请实施例提供了一种基于大数据的公路弯道预警方法、设备及介质，用以解决如下技术问题：现有技术缺乏对弯道状态信息的实时监测和预警，无法及时发现并处理弯道内的异常情况。
第一方面，本申请实施例提供了一种基于大数据的公路弯道预警方法，其特征在于，所述方法包括：
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测所述待预警车辆是否进入弯道待预警范围；其中，所述弯道待预警范围为以弯道中心点为圆心，以所述中心点到所述待预警车辆为半径内的圆形区域；
在确定所述待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取所述弯道待预警范围内的其他车辆状态信息；其中，所述车载传感器包括：LDWS；
基于预设的数据融合分析算法，对所述预警车辆状态信息与所述其他车辆状态信息进行处理，以生成预警信息并预警。
在本申请的一种实现方式中，基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测所述待预警车辆是否进入弯道待预警范围，具体包括：
基于所述车辆GPS终端获取的待预警车辆的位置信息，在地图数据规划的道路路线中实时确定到达弯道范围的距离；以及，
基于待预警车辆的位置信息位置变化信息，确定所述待预警车辆的当前车速；
通过到达弯道范围的距离与所述当前车速，确定所述待预警车辆到达所述弯道范围的时间是否小于预设时间阈值；
在确定所述待预警车辆到达所述弯道范围的时间小于预设时间阈值的情况下，确定所述待预警车辆进入所述弯道待预警范围。
在本申请的一种实现方式中，所述地图数据包括：道路车道数、道路车道宽度、道路车道经纬度范围、弯道位置、弯道长度、弯道地理编码范围、弯道曲率、弯道坡度；
基于车载传感器获取待预警车辆状态信息，具体包括：
基于所述地图数据及车辆GPS终端获取的待预警车辆的位置信息，通过所述LDWS，确定所述待预警车辆是否出现车道偏离状态；
其中，所述车道偏离状态包括：同向车道骑线行驶，逆向行驶。
在本申请的一种实现方式中，基于预设的数据融合分析算法，对所述待预警车辆状态信息与所述其他车辆状态信息进行处理，具体包括：
基于所述弯道曲率、所述弯道坡度，确定所述待预警车辆的当前车速是否超速，以确定所述预警信息中是否包含超速预警；
获取所述LDWS确定所述待预警车辆是否出现车道偏离状态的分析结果，以确定所述预警信息中是否包含车道偏离提醒；
基于其他车辆状态信息，确定弯道待预警范围内是否存在车道偏离车辆和/或超速车辆，以确定所述预警信息中是否包含其他车辆异常状态信息。
在本申请的一种实现方式中，在基于车载传感器获取待预警车辆状态信息之后，所述方法还包括：
将所述待预警车辆状态信息上传至所述大数据平台，以使所述大数据平台基于所述待预警车辆状态信息对其他车辆进行预警。
在本申请的一种实现方式中，所述车载传感器还包括：摄像头、激光雷达；
所述摄像头用于获取路面图像，所述激光雷达用于获取路面激光点云数据；
基于所述路面图像与路面激光点云数据获取路面状态信息；
所述路面状态信息用于更新所述地图数据。
在本申请的一种实现方式中，基于所述路面图像与路面激光点云数据获取路面状态信息，具体包括：
对所述路面图像与所述路面激光点云数据进行预处理；
对预处理后的所述路面激光点云数据进行表面重建与点云分割处理，以提取路面形状和结构信息，并基于霍夫变换算法对预处理后的所述路面图像进行处理，以提取路面线条；
将所述路面形状和结构信息与所述路面线条比对，以确定路面状态信息；其中，所述路面状态信息包括：路面损坏程度与平整度。
在本申请的一种实现方式中，生成预警信息并预警，具体包括：
基于对所述待预警车辆状态信息与所述其他车辆状态信息进行处理结果，生成预警信息；
根据预设的预警策略，通过车载输出设备对所述预警信息进行输出。
第二方面，本申请实施例还提供了一种基于大数据的公路弯道预警设备，其特征在于，所述设备包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测所述待预警车辆是否进入弯道待预警范围；其中，所述弯道待预警范围为以弯道中心点为圆心，以所述中心点到所述待预警车辆为半径内的圆形区域；
在确定所述待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取所述弯道待预警范围内的其他车辆状态信息；其中，所述车载传感器包括：LDWS；
基于预设的数据融合分析算法，对所述预警车辆状态信息与所述其他车辆状态信息进行处理，以生成预警信息并预警。
第三方面，本申请实施例还提供了一种基于大数据的公路弯道预警的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测所述待预警车辆是否进入弯道待预警范围；其中，所述弯道待预警范围为以弯道中心点为圆心，以所述中心点到所述待预警车辆为半径内的圆形区域；
在确定所述待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取所述弯道待预警范围内的其他车辆状态信息；其中，所述车载传感器包括：LDWS；
基于预设的数据融合分析算法，对所述预警车辆状态信息与所述其他车辆状态信息进行处理，以生成预警信息并预警。
本申请实施例提供的一种基于大数据的公路弯道预警方法、设备及介质，通过大数据平台的数据融合分析，可以全面获取弯道内的车辆状态信息，及时发现并处理弯道内的异常情况，提高公路弯道的行车安全；同时，利用预设的地图数据及车辆GPS终端，可以实时监测待预警车辆的位置信息，实现弯道预警的实时性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种基于大数据的公路弯道预警方法流程图；
图2为本申请实施例提供的一种基于大数据的公路弯道预警设备内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例提供了一种基于大数据的公路弯道预警方法、设备及介质，用以解决如下技术问题：现有技术缺乏对弯道状态信息的实时监测和预警，无法及时发现并处理弯道内的异常情况。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于大数据的公路弯道预警方法流程图。
本申请实施例涉及的分析方法的实现可以为终端设备，也可以为服务器，本申请对此不作特殊限制。为了方便理解和描述，以下实施例均以服务器为例进行详细描述。
需要说明的是，该服务器可以是单独的一台设备，可以是有多台设备组成的系统，即，分布式服务器，本申请对此不做具体限定。
如图1所示，本申请实施例提供的一种基于大数据的公路弯道预警方法，具体包括以下步骤：
步骤101、基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测待预警车辆是否进入弯道待预警范围。
在本申请的一个实施例中，地图数据包括：道路车道数、道路车道宽度、道路车道经纬度范围、弯道位置、弯道长度、弯道地理编码范围、弯道曲率、弯道坡度。
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测待预警车辆是否进入弯道待预警范围，具体包括：基于车辆GPS终端获取的待预警车辆的位置信息，在地图数据规划的道路路线中实时确定到达弯道范围的距离；以及，基于待预警车辆的位置信息位置变化信息，确定待预警车辆的当前车速；通过到达弯道范围的距离与当前车速，确定待预警车辆到达弯道范围的时间是否小于预设时间阈值；在确定待预警车辆到达弯道范围的时间小于预设时间阈值的情况下，确定待预警车辆进入弯道待预警范围。
需要说明的是，弯道待预警范围为以弯道中心点为圆心，以中心点到待预警车辆为半径内的圆形区域。
在本申请的一个实施例中，例如：根据车辆GPS终端获取到的待预警车辆当前位置经纬度查询弯道路段地图数据获取到最近弯道信息，计算出距离，再根据时间＝路程÷当前车辆速度，实时计算到达最近弯道的时间，达到预警时间阈值(例如30秒后到达弯道)，就给用户推送30秒后即将到达弯道的提示。
步骤102、在确定所待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取弯道待预警范围内的其他车辆状态信息。
需要说明的是，本申请车载传感器包括：LDWS。
在本申请的一个实施例中，基于车载传感器获取待预警车辆状态信息，具体包括：基于地图数据及车辆GPS终端获取的待预警车辆的位置信息，通过LDWS，确定待预警车辆是否出现车道偏离状态。需要说明的是，本申请实施例中的车道偏离状态包括：同向车道骑线行驶，逆向行驶。
还需要说明的是，车载传感器还包括：摄像头、激光雷达；摄像头用于获取路面图像，激光雷达用于获取路面激光点云数据；基于路面图像与路面激光点云数据获取路面状态信息；路面状态信息用于更新地图数据。
在本申请的一个实施例中，在基于车载传感器获取待预警车辆状态信息之后，方法还包括：将待预警车辆状态信息上传至大数据平台，以使大数据平台基于待预警车辆状态信息对其他车辆进行预警。
可以理解的是，通过通过大数据平台获取弯道待预警范围内的其他车辆状态信息，是在其他车辆获取车辆状态信息后，上传到大数据平台的。
在本申请的一个实施例中，基于路面图像与路面激光点云数据获取路面状态信息，具体包括：对路面图像与路面激光点云数据进行预处理；对预处理后的路面激光点云数据进行表面重建与点云分割处理，以提取路面形状和结构信息，并基于霍夫变换算法对预处理后的路面图像进行处理，以提取路面线条；将路面形状和结构信息与路面线条比对，以确定路面状态信息。需要说明的是，本申请实施例中的路面状态信息包括：路面损坏程度与平整度。
需要说明的是，霍夫变换是一种有效的特征提取方法，可以用于检测图像中的形状，如直线、圆等。在路面平整度分析中，可以利用霍夫变换来检测路面的裂纹、坑洼等缺陷，提取出这些缺陷的形状和位置信息。其次，霍夫变换算法具有鲁棒性和高效性。它是一种统计方法，对图像的噪声和干扰有一定的鲁棒性，能够提取出在存在噪声和干扰的情况下的线条。同时，霍夫变换算法实现简单，计算效率高，可以快速地处理大规模的图像数据。此外，霍夫变换还可以扩展应用于其他形状的检测，如圆形、椭圆形等。因此，可以利用霍夫变换来检测路面缺陷的各种形状，从而更全面地评估路面的平整度。最后，通过霍夫变换提取出的路面缺陷信息可以用于路面养护、维修等决策。例如，根据提取出的路面坑洼位置和大小，可以确定哪些路段需要修复或重建，从而更好地维护路面的平整度和安全性。
步骤103、基于预设的数据融合分析算法，对预警车辆状态信息与其他车辆状态信息进行处理，以生成预警信息并预警。
在本申请的一个实施例中，在获取预警车辆状态信息与其他车辆状态信息之后，基于预设的数据融合分析算法，对待预警车辆状态信息与其他车辆状态信息进行处理。
具体地，基于弯道曲率、弯道坡度，确定待预警车辆的当前车速是否超速，以确定预警信息中是否包含超速预警；获取LDWS确定待预警车辆是否出现车道偏离状态的分析结果，以确定预警信息中是否包含车道偏离提醒；基于其他车辆状态信息，确定弯道待预警范围内是否存在车道偏离车辆和/或超速车辆，以确定预警信息中是否包含其他车辆异常状态信息。
进一步地，基于对待预警车辆状态信息与其他车辆状态信息进行处理结果，生成预警信息；根据预设的预警策略，通过车载输出设备对预警信息进行输出。
本申请实施例提供的一种基于大数据的公路弯道预警方法，通过大数据平台的数据融合分析，可以全面获取弯道内的车辆状态信息，及时发现并处理弯道内的异常情况，提高公路弯道的行车安全；同时，利用预设的地图数据及车辆GPS终端，可以实时监测待预警车辆的位置信息，实现弯道预警的实时性。
以上为本申请提出的方法实施例。基于同样的发明构思，本申请实施例还提供了一种基于大数据的公路弯道预警设备，其结构如图2所示。
图2为本申请实施例提供的一种基于大数据的公路弯道预警设备内部结构示意图。如图2所示，设备包括：
至少一个处理器201；
以及，与至少一个处理器通信连接的存储器202；
其中，存储器202存储有可被至少一个处理器执行的指令，指令被至少一个处理器201执行，以使至少一个处理器201能够：
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测待预警车辆是否进入弯道待预警范围；其中，弯道待预警范围为以弯道中心点为圆心，以中心点到待预警车辆为半径内的圆形区域；
在确定待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取弯道待预警范围内的其他车辆状态信息；其中，车载传感器包括：LDWS；
基于预设的数据融合分析算法，对预警车辆状态信息与其他车辆状态信息进行处理，以生成预警信息并预警。
本申请的一些实施例提供的对应于图1的一种基于大数据的公路弯道预警的非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测待预警车辆是否进入弯道待预警范围；其中，弯道待预警范围为以弯道中心点为圆心，以中心点到待预警车辆为半径内的圆形区域；
在确定待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取弯道待预警范围内的其他车辆状态信息；其中，车载传感器包括：LDWS；
基于预设的数据融合分析算法，对预警车辆状态信息与其他车辆状态信息进行处理，以生成预警信息并预警。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于物联网设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的系统和介质与方法是一一对应的，因此，系统和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述系统和介质的有益技术效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于大数据的公路弯道预警方法，其特征在于，所述方法包括：
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测所述待预警车辆是否进入弯道待预警范围；其中，所述弯道待预警范围为以弯道中心点为圆心，以所述中心点到所述待预警车辆为半径内的圆形区域；
在确定所述待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取所述弯道待预警范围内的其他车辆状态信息；其中，所述车载传感器包括：LDWS；
基于预设的数据融合分析算法，对所述预警车辆状态信息与所述其他车辆状态信息进行处理，以生成预警信息并预警。
2.根据权利要求1所述的一种基于大数据的公路弯道预警方法，其特征在于，基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测所述待预警车辆是否进入弯道待预警范围，具体包括：
基于所述车辆GPS终端获取的待预警车辆的位置信息，在地图数据规划的道路路线中实时确定到达弯道范围的距离；以及，
基于待预警车辆的位置信息位置变化信息，确定所述待预警车辆的当前车速；
通过到达弯道范围的距离与所述当前车速，确定所述待预警车辆到达所述弯道范围的时间是否小于预设时间阈值；
在确定所述待预警车辆到达所述弯道范围的时间小于预设时间阈值的情况下，确定所述待预警车辆进入所述弯道待预警范围。
3.根据权利要求2所述的一种基于大数据的公路弯道预警方法，其特征在于，所述地图数据包括：道路车道数、道路车道宽度、道路车道经纬度范围、弯道位置、弯道长度、弯道地理编码范围、弯道曲率、弯道坡度；
基于车载传感器获取待预警车辆状态信息，具体包括：
基于所述地图数据及车辆GPS终端获取的待预警车辆的位置信息，通过所述LDWS，确定所述待预警车辆是否出现车道偏离状态；
其中，所述车道偏离状态包括：同向车道骑线行驶，逆向行驶。
4.根据权利要求3所述的一种基于大数据的公路弯道预警方法，其特征在于，基于预设的数据融合分析算法，对所述待预警车辆状态信息与所述其他车辆状态信息进行处理，具体包括：
基于所述弯道曲率、所述弯道坡度，确定所述待预警车辆的当前车速是否超速，以确定所述预警信息中是否包含超速预警；
获取所述LDWS确定所述待预警车辆是否出现车道偏离状态的分析结果，以确定所述预警信息中是否包含车道偏离提醒；
基于其他车辆状态信息，确定弯道待预警范围内是否存在车道偏离车辆和/或超速车辆，以确定所述预警信息中是否包含其他车辆异常状态信息。
5.根据权利要求1所述的一种基于大数据的公路弯道预警方法，其特征在于，在基于车载传感器获取待预警车辆状态信息之后，所述方法还包括：
将所述待预警车辆状态信息上传至所述大数据平台，以使所述大数据平台基于所述待预警车辆状态信息对其他车辆进行预警。
6.根据权利要求1所述的一种基于大数据的公路弯道预警方法，其特征在于，所述车载传感器还包括：摄像头、激光雷达；
所述摄像头用于获取路面图像，所述激光雷达用于获取路面激光点云数据；
基于所述路面图像与路面激光点云数据获取路面状态信息；
所述路面状态信息用于更新所述地图数据。
7.根据权利要求6所述的一种基于大数据的公路弯道预警方法，其特征在于，基于所述路面图像与路面激光点云数据获取路面状态信息，具体包括：
对所述路面图像与所述路面激光点云数据进行预处理；
对预处理后的所述路面激光点云数据进行表面重建与点云分割处理，以提取路面形状和结构信息，并基于霍夫变换算法对预处理后的所述路面图像进行处理，以提取路面线条；
将所述路面形状和结构信息与所述路面线条比对，以确定路面状态信息；其中，所述路面状态信息包括：路面损坏程度与平整度。
8.根据权利要求4所述的一种基于大数据的公路弯道预警方法，其特征在于，生成预警信息并预警，具体包括：
基于对所述待预警车辆状态信息与所述其他车辆状态信息进行处理结果，生成预警信息；
根据预设的预警策略，通过车载输出设备对所述预警信息进行输出。
9.一种基于大数据的公路弯道预警设备，其特征在于，所述设备包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测所述待预警车辆是否进入弯道待预警范围；其中，所述弯道待预警范围为以弯道中心点为圆心，以所述中心点到所述待预警车辆为半径内的圆形区域；
在确定所述待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取所述弯道待预警范围内的其他车辆状态信息；其中，所述车载传感器包括：LDWS；
基于预设的数据融合分析算法，对所述预警车辆状态信息与所述其他车辆状态信息进行处理，以生成预警信息并预警。
10.一种基于大数据的公路弯道预警的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
基于预设的地图数据及车辆GPS终端获取的待预警车辆的位置信息，实时检测所述待预警车辆是否进入弯道待预警范围；其中，所述弯道待预警范围为以弯道中心点为圆心，以所述中心点到所述待预警车辆为半径内的圆形区域；
在确定所述待预警车辆进入弯道待预警范围的情况下，基于车载传感器获取待预警车辆状态信息，并通过大数据平台获取所述弯道待预警范围内的其他车辆状态信息；其中，所述车载传感器包括：LDWS；
基于预设的数据融合分析算法，对所述预警车辆状态信息与所述其他车辆状态信息进行处理，以生成预警信息并预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311414086.8A CN117292579A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大数据的公路弯道预警方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311414086.8A CN117292579A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大数据的公路弯道预警方法、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117292579A true CN117292579A (zh) | 2023-12-26 |
Family
ID=89257174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311414086.8A Pending CN117292579A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大数据的公路弯道预警方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117292579A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09263200A (ja) * | 1996-03-28 | 1997-10-07 | Fuji Heavy Ind Ltd | 車両の警報装置 |
| KR20000002444U (ko) * | 1998-07-07 | 2000-02-07 | 김영진 | 커브길 교통사고 방지장치 |
| KR20080017989A (ko) * | 2006-08-23 | 2008-02-27 | 한국건설기술연구원 | 차량의 차로이탈 감지시스템 및 그의 제어 방법 |
| CN202512730U (zh) * | 2012-01-09 | 2012-10-31 | 长安大学 | 山区弯道车辆超速报警装置 |
| CN106952502A (zh) * | 2017-05-11 | 2017-07-14 | 迈锐数据（北京）有限公司 | 一种弯道车辆预警设备及系统 |
| CN206773489U (zh) * | 2017-06-13 | 2017-12-19 | 西南交通大学 | 基于arm嵌入式微控制器的超视距弯道会车辅助系统 |
| CN109518630A (zh) * | 2018-12-25 | 2019-03-26 | 长安大学 | 山区双车道弯道主动预警式防撞护栏及偏离道路预警方法 |
| KR102182257B1 (ko) * | 2019-08-08 | 2020-11-24 | 주식회사 이테크놀리지 | 곡선도로에서의 안전사고 방지를 위한 차량통행 안내시스템 |
| CN112092563A (zh) * | 2020-09-11 | 2020-12-18 | 广州小鹏汽车科技有限公司 | 车辆的控制方法、控制装置、车载终端和车辆 |
| CN113525359A (zh) * | 2020-04-20 | 2021-10-22 | 罗伯特·博世有限公司 | 弯道速度控制模块和方法以及包括该模块的发动机控制单元 |
| CN114613194A (zh) * | 2022-03-11 | 2022-06-10 | 中国第一汽车股份有限公司 | 弯道会车的预警方法、装置和车辆 |
| CN114648892A (zh) * | 2022-03-25 | 2022-06-21 | 北京中交兴路信息科技有限公司 | 车辆行驶安全预警方法、装置、车辆、设备及介质 |
| WO2022156276A1 (zh) * | 2021-01-22 | 2022-07-28 | 华为技术有限公司 | 一种目标检测方法及装置 |
-
2023
- 2023-10-27 CN CN202311414086.8A patent/CN117292579A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09263200A (ja) * | 1996-03-28 | 1997-10-07 | Fuji Heavy Ind Ltd | 車両の警報装置 |
| KR20000002444U (ko) * | 1998-07-07 | 2000-02-07 | 김영진 | 커브길 교통사고 방지장치 |
| KR20080017989A (ko) * | 2006-08-23 | 2008-02-27 | 한국건설기술연구원 | 차량의 차로이탈 감지시스템 및 그의 제어 방법 |
| CN202512730U (zh) * | 2012-01-09 | 2012-10-31 | 长安大学 | 山区弯道车辆超速报警装置 |
| CN106952502A (zh) * | 2017-05-11 | 2017-07-14 | 迈锐数据（北京）有限公司 | 一种弯道车辆预警设备及系统 |
| CN206773489U (zh) * | 2017-06-13 | 2017-12-19 | 西南交通大学 | 基于arm嵌入式微控制器的超视距弯道会车辅助系统 |
| CN109518630A (zh) * | 2018-12-25 | 2019-03-26 | 长安大学 | 山区双车道弯道主动预警式防撞护栏及偏离道路预警方法 |
| KR102182257B1 (ko) * | 2019-08-08 | 2020-11-24 | 주식회사 이테크놀리지 | 곡선도로에서의 안전사고 방지를 위한 차량통행 안내시스템 |
| CN113525359A (zh) * | 2020-04-20 | 2021-10-22 | 罗伯特·博世有限公司 | 弯道速度控制模块和方法以及包括该模块的发动机控制单元 |
| CN112092563A (zh) * | 2020-09-11 | 2020-12-18 | 广州小鹏汽车科技有限公司 | 车辆的控制方法、控制装置、车载终端和车辆 |
| WO2022156276A1 (zh) * | 2021-01-22 | 2022-07-28 | 华为技术有限公司 | 一种目标检测方法及装置 |
| CN114613194A (zh) * | 2022-03-11 | 2022-06-10 | 中国第一汽车股份有限公司 | 弯道会车的预警方法、装置和车辆 |
| CN114648892A (zh) * | 2022-03-25 | 2022-06-21 | 北京中交兴路信息科技有限公司 | 车辆行驶安全预警方法、装置、车辆、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110395258B (zh) | 路面状态推断装置以及路面状态推断方法 | |
| JP7172619B2 (ja) | 路面状態推定装置及び路面状態推定方法 | |
| CN109606377B (zh) | 一种紧急驾驶行为防御提示方法及系统 | |
| US9365217B2 (en) | Mobile pothole detection system and method | |
| CN110400478A (zh) | 一种路况通知方法及装置 | |
| JP7222879B2 (ja) | 交通手段の危険早期警告方法、装置、機器および媒体 | |
| CN111144485B (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
| CN113538946A (zh) | 一种基于分布式的高速公路突发情况预警系统、方法 | |
| CN109815555B (zh) | 自动驾驶车辆的环境建模能力评估方法及系统 | |
| CN114454878B (zh) | 车速控制模型训练样本的确定方法及装置 | |
| JP2019519041A (ja) | 逆走ドライバを検出するための方法、装置、およびシステム | |
| JP2019519850A (ja) | 逆走ドライバを検出するための方法、装置、およびシステム | |
| CN111409455A (zh) | 车辆的速度控制方法及装置、电子设备、存储介质 | |
| JP7016276B2 (ja) | 列車位置推定装置 | |
| US20230184563A1 (en) | Connected vehicle-based road surface quality determination | |
| CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
| US10974727B2 (en) | Transportation infrastructure communication and control | |
| CN110502601B (zh) | 查找仓库的方法和装置 | |
| CN117292579A (zh) | 一种基于大数据的公路弯道预警方法、设备及介质 | |
| CN116386341A (zh) | 隧道内针对两客一危车辆的管理方法、装置和设备 | |
| CN114202903A (zh) | 基于dem数据的车辆预警方法、装置、设备及存储介质 | |
| JP2019519040A (ja) | 逆走ドライバを検出するための方法、装置、およびシステム | |
| CN113158864A (zh) | 卡车车头与挂车之间的夹角的确定方法与确定装置 | |
| JP2018024353A (ja) | 自動運転システム診断装置 | |
| CN117268424B (zh) | 一种多传感器融合的自动驾驶寻线方法及装置 |
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 |