CN117671962B - 针对高速公路长纵坡段的车辆失控状态分析方法及装置 - Google Patents
针对高速公路长纵坡段的车辆失控状态分析方法及装置 Download PDFInfo
- Publication number
- CN117671962B CN117671962B CN202410130172.4A CN202410130172A CN117671962B CN 117671962 B CN117671962 B CN 117671962B CN 202410130172 A CN202410130172 A CN 202410130172A CN 117671962 B CN117671962 B CN 117671962B
- Authority
- CN
- China
- Prior art keywords
- segmented
- road surface
- parameter
- information
- risk
- 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 21
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000012163 sequencing technique Methods 0.000 claims description 46
- 230000007613 environmental effect Effects 0.000 claims description 15
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种针对高速公路长纵坡段的车辆失控状态分析方法及装置,涉及车辆状态分析领域。该方法包括:获取长纵坡段的路况数据;基于拐口信息划分多组道路单元段;基于分段路面信息判断道路单元段的分段路面状态;响应于分段路面状态为路面高危状态时,基于分段路面信息判断分段路面的高危类型,并确定第一分段失控参数;响应于分段路面状态为路面正常状态时,基于分段道路信息判断分段路面是否具有高危类型,若具有高危类型,则确定第二分段失控参数;基于多组第一分段失控参数和/或多组第二分段失控参数确定失控风险等级。该方法通过对路面信息和道路信息的判断,能增多数据分析的维度,从而避免失控分析精准度低的问题的发生。
Description
技术领域
本发明涉及车辆状态预测技术领域,具体是针对高速公路长纵坡段的车辆失控状态分析方法及装置。
背景技术
高速公路长纵坡段是指纵向坡度较大且整体道路较长的路段。该类路段高差起伏大,弯道多,纵坡陡且长,超长连续大纵坡对道路安全影响非常巨大。
车辆失控状态包括方向失控、制动失灵、轮胎爆裂、车灯熄灭、上坡溜滑、侧滑等,现有的失控状态分析方法中不能基于高速公路长纵坡段的本体数据针对各类型的车辆失控状态进行统筹分析,且其存在数据处理不全面的问题,容易降低失控状态分析的精准度。
发明内容
有鉴于此,本发明的目的是提供针对高速公路长纵坡段的车辆失控状态分析方法及装置,以解决现有技术中数据处理不全面,容易降低失控状态分析精准度的问题。
为了实现上述目的,本发明采用了如下技术方案:
本发明的针对高速公路长纵坡段的车辆失控状态分析方法,包括步骤:获取长纵坡段的路况数据,其中,所述路况数据包括路面信息、拐口信息以及道路信息;
基于所述拐口信息划分多组道路单元段,并匹配与所述道路单元段相互关联的分段道路信息以及分段路面信息;
基于所述分段路面信息判断所述道路单元段的分段路面状态,所述分段路面状态包括路面高危状态以及路面正常状态;所述分段路面信息包括路面参数信息与环境温度信息;
所述基于所述分段路面信息判断所述道路单元段的分段路面状态,包括:
基于所述环境温度信息与预设温度信息确定路面温度系数;将所述路面参数信息与路面数据库相关联,获取路面摩擦系数;基于所述路面温度系数与所述路面摩擦系数,确定分段路面参数;其中,
其中,为环境温度信息,/>为预设环境温度信息,/>为温度权重参数,/>为路面摩擦系数,/>为分段路面参数;
若所述分段路面参数位于预设参数区间,则确定所述分段路面状态为路面正常状态;若所述分段路面参数未位于预设参数区间,则确定所述分段路面状态为路面高危状态;
响应于所述分段路面状态为路面高危状态时,
基于所述分段路面信息判断所述分段路面的高危类型,并确定第一分段失控参数;其中,若所述分段路面参数大于所述预设参数区间的最大值,则确定所述高危类型为爆胎风险类型,基于所述分段路面参数与所述预设参数区间的最大值的比值,确定所述第一分段失控参数;若所述分段路面参数小于所述预设参数区间的最小值,则确定所述高危类型为侧滑风险类型,基于所述预设参数区间的最小值与所述分段路面参数的比值,确定所述第一分段失控参数;
响应于所述分段路面状态为路面正常状态时,
基于所述分段道路信息判断所述分段路面是否具有高危类型,若具有高危类型,则确定第二分段失控参数;其中,所述分段道路信息包括坡长信息与坡度信息;基于所述坡长信息、所述坡度信息、预设最大车速以及预设最大车重,确定车辆轮毂制动温度;判断所述车辆轮毂制动温度与预设车辆轮毂温度的大小;若所述车辆轮毂制动温度大于或等于所述预设车辆轮毂温度,则确定所述分段路面的高危类型为刹车失控风险类型;基于所述车辆轮毂制动温度与所述预设车辆轮毂温度的比值,确定所述第二分段失控参数;若所述车辆轮毂制动温度小于所述预设车辆轮毂温度,则确定所述分段路面不具有高危类型;
基于多组所述第一分段失控参数和/或多组所述第二分段失控参数确定失控风险等级。
在本申请一实施例中,在所述基于所述坡长信息、所述坡度信息、预设最大车速以及预设最大车重,确定车辆轮毂制动温度的步骤中,包括:
其中,为坡长信息、/>为所述坡度信息、/>为预设最大车速、/>为预设最大车重,/>、、/>、/>分别为权重值、/>为车辆轮毂制动温度。
在本申请一实施例中,所述基于多组所述第一分段失控参数和/或多组所述第二分段失控参数确定失控风险等级的步骤中,包括:将所述第一分段失控参数和/或所述第二分段失控参数进行排序,得到排序数列;若排序数列的最大值大于或等于第一预设失控风险参数,且所述排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段高风险;若排序数列的最大值大于或等于第一预设失控风险参数,且所述排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为部分高风险;若排序数列的最大值小于第一预设失控风险参数,且所述排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段中风险;若排序数列的最大值小于第一预设失控风险参数,且所述排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为低风险。
在本申请一实施例中,所述拐口信息包括构造物状态以及弯道口状态。
本申请还提供针对高速公路长纵坡段的车辆失控状态分析装置,包括:
获取模块,用于采集长纵坡段的路况数据,其中,所述路况数据包括路面信息、拐口信息以及道路信息;
划分模块,用于基于所述拐口信息划分多组道路单元段,并匹配与所述道路单元段相互关联的分段道路信息以及分段路面信息;
参数确定模块,用于基于所述分段路面信息判断所述道路单元段的分段路面状态,所述分段路面状态包括路面高危状态以及路面正常状态;所述分段路面信息包括路面参数信息与环境温度信息;所述基于所述分段路面信息判断所述道路单元段的分段路面状态,包括:基于所述环境温度信息与预设温度信息确定路面温度系数;将所述路面参数信息与路面数据库相关联,获取路面摩擦系数;基于所述路面温度系数与所述路面摩擦系数,确定分段路面参数;其中,
其中,为环境温度信息,/>为预设环境温度信息,/>为温度权重参数,/>为路面摩擦系数,/>为分段路面参数;若所述分段路面参数位于预设参数区间,则确定所述分段路面状态为路面正常状态;若所述分段路面参数未位于预设参数区间,则确定所述分段路面状态为路面高危状态;响应于所述分段路面状态为路面高危状态时,基于所述分段路面信息判断所述分段路面的高危类型,并确定第一分段失控参数;其中,若所述分段路面参数大于所述预设参数区间的最大值,则确定所述高危类型为爆胎风险类型,基于所述分段路面参数与所述预设参数区间的最大值的比值,确定所述第一分段失控参数;若所述分段路面参数小于所述预设参数区间的最小值,则确定所述高危类型为侧滑风险类型,基于所述预设参数区间的最小值与所述分段路面参数的比值,确定所述第一分段失控参数;响应于所述分段路面状态为路面正常状态时,基于所述分段道路信息判断所述分段路面是否具有高危类型,若具有高危类型,则确定第二分段失控参数;其中,所述分段道路信息包括坡长信息与坡度信息;基于所述坡长信息、所述坡度信息、预设最大车速以及预设最大车重,确定车辆轮毂制动温度;判断所述车辆轮毂制动温度与预设车辆轮毂温度的大小;若所述车辆轮毂制动温度大于或等于所述预设车辆轮毂温度,则确定所述分段路面的高危类型为刹车失控风险类型;基于所述车辆轮毂制动温度与所述预设车辆轮毂温度的比值,确定所述第二分段失控参数;若所述车辆轮毂制动温度小于所述预设车辆轮毂温度,则确定所述分段路面不具有高危类型;
风险等级模块,用于基于多组所述第一分段失控参数和/或多组所述第二分段失控参数确定失控风险等级。
在本申请一实施例中,所述风险等级模块还用于将所述第一分段失控参数和/或所述第二分段失控参数进行排序,得到排序数列;若排序数列的最大值大于或等于第一预设失控风险参数,且所述排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段高风险;若排序数列的最大值大于或等于第一预设失控风险参数,且所述排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为部分高风险;若排序数列的最大值小于第一预设失控风险参数,且所述排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段中风险;若排序数列的最大值小于第一预设失控风险参数,且所述排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为低风险。
本发明的针对高速公路长纵坡段的车辆失控状态分析方法及装置,通过对路面信息和道路信息的判断,能增多数据分析的维度,从而避免失控分析精准度低的问题的发生。此外,将长纵坡段分为多段道路单元段,能对整段路程的数据进行分段统计分析,进而降低长数据段的分析难度,且能够通过多组道路单元段的失控参数进行数据分析,得到不同区域段的风险等级情况。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1是本申请一实施例中示出的针对高速公路长纵坡段的车辆失控状态分析方法的流程图;
图2是本申请一实施例中示出的针对高速公路长纵坡段的车辆失控状态分析系统的结构图;
图3示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书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。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
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层而非按照实际实施时的层数目、形状及尺寸绘制,其实际实施时各层的型态、数量及比例可为一种随意的改变,且其层布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的。
本申请中的一种针对高速公路长纵坡段的车辆失控状态分析方法及系统,应用在生产预警技术领域,执行对象可以为计算机、移动终端或者服务器。
图1是本申请一实施例中示出的针对高速公路长纵坡段的车辆失控状态分析方法的流程图,如图1所示:本实施例的针对高速公路长纵坡段的车辆失控状态分析方法,可以包括步骤S110至步骤S140:
步骤S110,获取长纵坡段的路况数据,其中,路况数据包括路面信息、拐口信息以及道路信息。
步骤S120,基于拐口信息划分多组道路单元段,并匹配与道路单元段相互关联的分段道路信息以及分段路面信息。
在步骤S120中,拐口信息包括构造物状态以及弯道口状态。
具体地,构造物状态可以为道路附近的山体状态或河流状态等,弯道口状态则可以为通过一个拐弯对道路进行划分。
步骤S130,基于分段路面信息判断道路单元段的分段路面状态,分段路面状态包括路面高危状态以及路面正常状态;响应于分段路面状态为路面高危状态时,基于分段路面信息判断分段路面的高危类型,并确定第一分段失控参数;响应于分段路面状态为路面正常状态时,基于分段道路信息判断分段路面是否具有高危类型,若具有高危类型,则确定第二分段失控参数。
其中,在基于分段路面信息判断道路单元段的分段路面状态的步骤中,包括
分段路面信息包括路面参数信息与环境温度信息;
基于环境温度信息与预设温度信息确定路面温度系数;
将路面参数信息与路面数据库相关联,获取路面摩擦系数;
具体地,路面数据库中可以记载与各个路面相关联的路面参数信息,例如第一大道为水泥砼路面,其对应的路面摩擦系数为0.5,第二大道为沥青路面,其对应的路面摩擦系数为0.6。
基于路面温度系数与路面摩擦系数,确定分段路面参数;
若分段路面参数位于预设参数区间,则确定分段路面状态为路面正常状态;
若分段路面参数未位于预设参数区间,则确定分段路面状态为路面高危状态。
具体地,在基于分段路面信息判断道路单元段的分段路面状态的步骤中,包括:
其中,为环境温度信息,/>为预设环境温度信息,/>为温度权重参数,/>为路面摩擦系数,/>为分段路面参数;
若分段路面参数位于预设参数区间,则判断分段路面状态为路面正常状态。
此外,响应于分段路面状态为路面高危状态时,基于分段路面信息判断所述分段路面的高危类型,并确定第一分段失控参数,包括:
若分段路面参数大于预设参数区间的最大值,则确定高危类型为爆胎风险类型,基于分段路面参数与预设参数区间的最大值的比值,确定第一分段失控参数;
若分段路面参数小于预设参数区间的最小值,则确定高危类型为侧滑风险类型,基于预设参数区间的最小值与分段路面参数的比值,确定第一分段失控参数。
在本实施例中,响应于分段路面状态为路面正常状态时,基于分段道路信息判断分段路面是否具有高危类型,若具有高危类型,则确定第二分段失控参数的步骤中,包括:
分段道路信息包括坡长信息与坡度信息;
基于坡长信息、坡度信息、预设最大车速以及预设最大车重,确定车辆轮毂制动温度;
判断车辆轮毂制动温度与预设车辆轮毂温度的大小;
若车辆轮毂制动温度大于或等于预设车辆轮毂温度,则确定分段路面的高危类型为刹车失控风险类型;基于车辆轮毂制动温度与预设车辆轮毂温度的比值,确定第二分段失控参数;
若车辆轮毂制动温度小于预设车辆轮毂温度,则确定分段路面不具有高危类型。
在本实施例中,在基于坡长信息、坡度信息、预设最大车速以及预设最大车重,确定车辆轮毂制动温度的步骤中,包括:
其中,为坡长信息、/>为所述坡度信息、/>为预设最大车速、/>为预设最大车重,/>、、/>、/>分别为权重值、/>为车辆轮毂制动温度。
步骤S140,基于多组第一分段失控参数和/或多组第二分段失控参数确定失控风险等级。
具体的该步骤包括:
将第一分段失控参数和/或第二分段失控参数进行排序,得到排序数列;
若排序数列的最大值大于或等于第一预设失控风险参数,且排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段高风险;
若排序数列的最大值大于或等于第一预设失控风险参数,且排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为部分高风险;
若排序数列的最大值小于第一预设失控风险参数,且排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段中风险;
若排序数列的最大值小于第一预设失控风险参数,且排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为低风险。
如图2所示,本申请还提供针对高速公路长纵坡段的车辆失控状态分析装置,包括:
获取模块,用于采集长纵坡段的路况数据,其中,路况数据包括路面信息、拐口信息以及道路信息;
划分模块,用于基于拐口信息划分多组道路单元段,并匹配与道路单元段相互关联的分段道路信息以及分段路面信息;
参数确定模块,用于基于分段路面信息判断道路单元段的分段路面状态,分段路面状态包括路面高危状态以及路面正常状态;响应于分段路面状态为路面高危状态时,基于分段路面信息判断分段路面的高危类型,并确定第一分段失控参数;响应于分段路面状态为路面正常状态时,基于分段道路信息判断分段路面是否具有高危类型,若具有高危类型,则确定第二分段失控参数;
风险等级模块,用于基于多组第一分段失控参数和/或多组第二分段失控参数确定失控风险等级。
本发明的针对高速公路长纵坡段的车辆失控状态分析装置,通过对路面信息和道路信息的判断,能增多数据分析的维度,从而避免失控分析精准度低的问题的发生。此外,将长纵坡段分为多段道路单元段,能对整段路程的数据进行分段统计分析,进而降低长数据段的分析难度,且能够通过多组道路单元段的失控参数进行数据分析,得到不同区域段的风险等级情况。
图3示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图3示出的电子设备的计算机系统300仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图3所示,计算机系统300包括中央处理单元(Central Processing Unit,CPU)301,其可以根据存储在只读存储器(Read-Only Memory,ROM)302中的程序或者从储存部分308加载到随机访问存储器(Random Access Memory,RAM)303中的程序而执行各种适当的动作和处理,例如执行上述实施例中的方法。在RAM 303中,还存储有系统操作所需的各种程序和数据。CPU 301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(Input /Output,I/O)接口305也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分307;包括硬盘等的储存部分308;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入储存部分308。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机的处理器执行时,使计算机执行如前的方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的空气目标污染物组分预报模型训练和预报方法。
以上实施例仅是为充分说明本申请而所举的较佳的实施例,本申请的保护范围不限于此。本技术领域的技术人员在本申请基础上所作的等同替代或变换,均在本申请的保护范围之内。
Claims (6)
1.针对高速公路长纵坡段的车辆失控状态分析方法,其特征在于,包括以下步骤:
获取长纵坡段的路况数据,其中,所述路况数据包括路面信息、拐口信息以及道路信息;
基于所述拐口信息划分多组道路单元段,并匹配与所述道路单元段相互关联的分段道路信息以及分段路面信息;
基于所述分段路面信息判断所述道路单元段的分段路面状态,所述分段路面状态包括路面高危状态以及路面正常状态;所述分段路面信息包括路面参数信息与环境温度信息;
所述基于所述分段路面信息判断所述道路单元段的分段路面状态,包括:
基于所述环境温度信息与预设温度信息确定路面温度系数;将所述路面参数信息与路面数据库相关联,获取路面摩擦系数;基于所述路面温度系数与所述路面摩擦系数,确定分段路面参数;其中,
其中,为环境温度信息,/>为预设环境温度信息,/>为温度权重参数,/>为路面摩擦系数,为分段路面参数;
若所述分段路面参数位于预设参数区间,则确定所述分段路面状态为路面正常状态;若所述分段路面参数未位于预设参数区间,则确定所述分段路面状态为路面高危状态;
响应于所述分段路面状态为路面高危状态时,
基于所述分段路面信息判断所述分段路面的高危类型,并确定第一分段失控参数;其中,若所述分段路面参数大于所述预设参数区间的最大值,则确定所述高危类型为爆胎风险类型,基于所述分段路面参数与所述预设参数区间的最大值的比值,确定所述第一分段失控参数;若所述分段路面参数小于所述预设参数区间的最小值,则确定所述高危类型为侧滑风险类型,基于所述预设参数区间的最小值与所述分段路面参数的比值,确定所述第一分段失控参数;
响应于所述分段路面状态为路面正常状态时,
基于所述分段道路信息判断所述分段路面是否具有高危类型,若具有高危类型,则确定第二分段失控参数;其中,所述分段道路信息包括坡长信息与坡度信息;基于所述坡长信息、所述坡度信息、预设最大车速以及预设最大车重,确定车辆轮毂制动温度;判断所述车辆轮毂制动温度与预设车辆轮毂温度的大小;若所述车辆轮毂制动温度大于或等于所述预设车辆轮毂温度,则确定所述分段路面的高危类型为刹车失控风险类型;基于所述车辆轮毂制动温度与所述预设车辆轮毂温度的比值,确定所述第二分段失控参数;若所述车辆轮毂制动温度小于所述预设车辆轮毂温度,则确定所述分段路面不具有高危类型;
基于多组所述第一分段失控参数和/或多组所述第二分段失控参数确定失控风险等级。
2.根据权利要求1所述的针对高速公路长纵坡段的车辆失控状态分析方法,其特征在于,在所述基于所述坡长信息、所述坡度信息、预设最大车速以及预设最大车重,确定车辆轮毂制动温度的步骤中,包括:
其中,为坡长信息、/>为所述坡度信息、/>为预设最大车速、/>为预设最大车重,/>、/>、、/>分别为权重值、/>为车辆轮毂制动温度。
3.根据权利要求1所述的针对高速公路长纵坡段的车辆失控状态分析方法,其特征在于,所述基于多组所述第一分段失控参数和/或多组所述第二分段失控参数确定失控风险等级的步骤中,包括:
将所述第一分段失控参数和/或所述第二分段失控参数进行排序,得到排序数列;
若排序数列的最大值大于或等于第一预设失控风险参数,且所述排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段高风险;
若排序数列的最大值大于或等于第一预设失控风险参数,且所述排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为部分高风险;
若排序数列的最大值小于第一预设失控风险参数,且所述排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段中风险;
若排序数列的最大值小于第一预设失控风险参数,且所述排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为低风险。
4.根据权利要求1所述的针对高速公路长纵坡段的车辆失控状态分析方法,其特征在于,所述拐口信息包括构造物状态以及弯道口状态。
5.针对高速公路长纵坡段的车辆失控状态分析装置,其特征在于,包括:
获取模块,用于采集长纵坡段的路况数据,其中,所述路况数据包括路面信息、拐口信息以及道路信息;
划分模块,用于基于所述拐口信息划分多组道路单元段,并匹配与所述道路单元段相互关联的分段道路信息以及分段路面信息;
参数确定模块,用于基于所述分段路面信息判断所述道路单元段的分段路面状态,所述分段路面状态包括路面高危状态以及路面正常状态;所述分段路面信息包括路面参数信息与环境温度信息;所述基于所述分段路面信息判断所述道路单元段的分段路面状态,包括:基于所述环境温度信息与预设温度信息确定路面温度系数;将所述路面参数信息与路面数据库相关联,获取路面摩擦系数;基于所述路面温度系数与所述路面摩擦系数,确定分段路面参数;其中,
其中,为环境温度信息,为预设环境温度信息,/>为温度权重参数,/>为路面摩擦系数,为分段路面参数;若所述分段路面参数位于预设参数区间,则确定所述分段路面状态为路面正常状态;若所述分段路面参数未位于预设参数区间,则确定所述分段路面状态为路面高危状态;响应于所述分段路面状态为路面高危状态时,基于所述分段路面信息判断所述分段路面的高危类型,并确定第一分段失控参数;其中,若所述分段路面参数大于所述预设参数区间的最大值,则确定所述高危类型为爆胎风险类型,基于所述分段路面参数与所述预设参数区间的最大值的比值,确定所述第一分段失控参数;若所述分段路面参数小于所述预设参数区间的最小值,则确定所述高危类型为侧滑风险类型,基于所述预设参数区间的最小值与所述分段路面参数的比值,确定所述第一分段失控参数;响应于所述分段路面状态为路面正常状态时,基于所述分段道路信息判断所述分段路面是否具有高危类型,若具有高危类型,则确定第二分段失控参数;其中,所述分段道路信息包括坡长信息与坡度信息;基于所述坡长信息、所述坡度信息、预设最大车速以及预设最大车重,确定车辆轮毂制动温度;判断所述车辆轮毂制动温度与预设车辆轮毂温度的大小;若所述车辆轮毂制动温度大于或等于所述预设车辆轮毂温度,则确定所述分段路面的高危类型为刹车失控风险类型;基于所述车辆轮毂制动温度与所述预设车辆轮毂温度的比值,确定所述第二分段失控参数;若所述车辆轮毂制动温度小于所述预设车辆轮毂温度,则确定所述分段路面不具有高危类型;
风险等级模块,用于基于多组所述第一分段失控参数和/或多组所述第二分段失控参数确定失控风险等级。
6.根据权利要求5所述的针对高速公路长纵坡段的车辆失控状态分析装置,其特征在于,所述风险等级模块还用于将所述第一分段失控参数和/或所述第二分段失控参数进行排序,得到排序数列;若排序数列的最大值大于或等于第一预设失控风险参数,且所述排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段高风险;若排序数列的最大值大于或等于第一预设失控风险参数,且所述排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为部分高风险;若排序数列的最大值小于第一预设失控风险参数,且所述排序数列的平均值大于或等于第二预设失控风险参数,则判断失控风险等级为整段中风险;若排序数列的最大值小于第一预设失控风险参数,且所述排序数列的平均值小于第二预设失控风险参数,则判断失控风险等级为低风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410130172.4A CN117671962B (zh) | 2024-01-31 | 2024-01-31 | 针对高速公路长纵坡段的车辆失控状态分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410130172.4A CN117671962B (zh) | 2024-01-31 | 2024-01-31 | 针对高速公路长纵坡段的车辆失控状态分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117671962A CN117671962A (zh) | 2024-03-08 |
CN117671962B true CN117671962B (zh) | 2024-04-19 |
Family
ID=90064482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410130172.4A Active CN117671962B (zh) | 2024-01-31 | 2024-01-31 | 针对高速公路长纵坡段的车辆失控状态分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117671962B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997000388A1 (es) * | 1995-06-15 | 1997-01-03 | Mellado Tomas Ismael | Dispositivo para el control de la temperatura de los frenos, aplicable en vehiculos pesados |
CN103150907A (zh) * | 2013-02-06 | 2013-06-12 | 郭忠印 | 一种基于高速公路运营安全的移动监控和预警系统及方法 |
CN103413448A (zh) * | 2013-06-25 | 2013-11-27 | 同济大学 | 一种山区高速公路连续长大纵坡路段货车智能预警系统 |
KR101972005B1 (ko) * | 2018-12-27 | 2019-04-24 | 디토닉 주식회사 | 도로 위험 경고 메시지 동적 서비스 시스템 및 방법 |
CN110239433A (zh) * | 2019-06-14 | 2019-09-17 | 贵州省交通规划勘察设计研究院股份有限公司 | 一种基于货车行车安全的车载智能监测预警系统及方法 |
CN111488650A (zh) * | 2020-04-07 | 2020-08-04 | 天津市市政工程设计研究院 | 一种高速公路长下坡路段避险车道预警方法 |
CN113570849A (zh) * | 2021-06-09 | 2021-10-29 | 长安大学 | 一种山区高速公路长大下坡路段风险识别方法 |
CN115331449A (zh) * | 2022-10-17 | 2022-11-11 | 四川省公路规划勘察设计研究院有限公司 | 长大连续纵坡路段事故易发区辨识方法、装置及电子设备 |
CN115366909A (zh) * | 2022-10-21 | 2022-11-22 | 四川省公路规划勘察设计研究院有限公司 | 长大纵坡路段驾驶员事故动态预警方法、装置及电子设备 |
CN116714592A (zh) * | 2023-05-17 | 2023-09-08 | 北京中路安交通科技有限公司 | 基于温度和速度的长下坡路段车辆风险状态判断方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9751533B2 (en) * | 2014-04-03 | 2017-09-05 | The Goodyear Tire & Rubber Company | Road surface friction and surface type estimation system and method |
US9550495B2 (en) * | 2015-03-27 | 2017-01-24 | Intel Corporation | Technologies for assisting vehicles with changing road conditions |
GB2552028B (en) * | 2016-07-08 | 2020-07-08 | Jaguar Land Rover Ltd | Off-Road Route Rating System |
-
2024
- 2024-01-31 CN CN202410130172.4A patent/CN117671962B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997000388A1 (es) * | 1995-06-15 | 1997-01-03 | Mellado Tomas Ismael | Dispositivo para el control de la temperatura de los frenos, aplicable en vehiculos pesados |
CN103150907A (zh) * | 2013-02-06 | 2013-06-12 | 郭忠印 | 一种基于高速公路运营安全的移动监控和预警系统及方法 |
CN103413448A (zh) * | 2013-06-25 | 2013-11-27 | 同济大学 | 一种山区高速公路连续长大纵坡路段货车智能预警系统 |
KR101972005B1 (ko) * | 2018-12-27 | 2019-04-24 | 디토닉 주식회사 | 도로 위험 경고 메시지 동적 서비스 시스템 및 방법 |
CN110239433A (zh) * | 2019-06-14 | 2019-09-17 | 贵州省交通规划勘察设计研究院股份有限公司 | 一种基于货车行车安全的车载智能监测预警系统及方法 |
CN111488650A (zh) * | 2020-04-07 | 2020-08-04 | 天津市市政工程设计研究院 | 一种高速公路长下坡路段避险车道预警方法 |
CN113570849A (zh) * | 2021-06-09 | 2021-10-29 | 长安大学 | 一种山区高速公路长大下坡路段风险识别方法 |
CN115331449A (zh) * | 2022-10-17 | 2022-11-11 | 四川省公路规划勘察设计研究院有限公司 | 长大连续纵坡路段事故易发区辨识方法、装置及电子设备 |
CN115366909A (zh) * | 2022-10-21 | 2022-11-22 | 四川省公路规划勘察设计研究院有限公司 | 长大纵坡路段驾驶员事故动态预警方法、装置及电子设备 |
CN116714592A (zh) * | 2023-05-17 | 2023-09-08 | 北京中路安交通科技有限公司 | 基于温度和速度的长下坡路段车辆风险状态判断方法 |
Non-Patent Citations (26)
Title |
---|
Prediction Model for Brake-Drum Temperature of Large Trucks on Consecutive Mountain Downgrade Routes Based on Energy Conservation Law;Yan, MH等;MATHEMATICAL PROBLEMS IN ENGINEERING;20180930;1-11 * |
Study on the influence of running parameters on the temperature field of disc brake on long downhill road;Gang, W等;PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS PART D-JOURNAL OF AUTOMOBILE ENGINEERING;20230530;全文 * |
公路长下坡路段避险车道的设置与设计;谢贤东;;福建交通科技;20160820(第04期);157-162+170 * |
公路长大下坡路段货车制动毂温升模型研究综述;张驰;长安大学学报(自然科学版);20190515;96-107 * |
刘兴旺 ; 吴京梅 ; 姜恒 ; .连续长大下坡路段安全性分析技术探讨.公路交通科技(应用技术版).2008,(第12期),27-29. * |
在运营高速公路长大下坡段交通安全风险水平评价研究;胡澄宇;刘建蓓;罗京;马小龙;;公路交通科技(应用技术版);20150315(第03期);304-306 * |
基于多失效模式可靠度的曲线路段行车风险分析;孙璐;游克思;;中国公路学报;20130715(第04期);36-42 * |
基于大货车制动性能的山区高速公路坡度坡长限制研究;苏波;方守恩;王俊骅;;重庆交通大学学报(自然科学版);20090415(第02期);287-289+297 * |
山区公路连续长下坡路段安全保障系统研究;高谦;徐修婷;瓦庆标;;黑龙江交通科技;20200215(第02期);24-25 * |
山区公路长大下坡路段安全隐患整治技术探讨;肖羚;李志中;王晓安;;西部交通科技;20121030(第10期);22-26+4 * |
山区公路长纵坡设计安全评估;郑元勋;郭慧吉;薛立华;;公路;20181114(第11期);7-13 * |
山区高速公路危险路段交通安全设施系统研究;西部交通科技;20121030(第10期);4-11 * |
山区高速公路特殊路段车辆安全行驶特性分析;江爱民;陈薇;艾明昱;;公路与汽运;20140305(第01期);75-79 * |
杭州绕城西复线交通气象预警与服务技术研究;石胜华;王安娜;蔡蕾;吕晨阳;;公路交通科技(应用技术版);20200615(第06期);294-299 * |
洛卢高速长下坡路段行车安全隐患分析及治理措施;杨露;;中外公路;20131026(第05期);321-326 * |
王洪明 ; 蓝岚 ; 何操 ; 郑忠 ; .高速公路超长下坡隧道群的货车行驶风险与对策研究.公路.2020,(第04期),232-237. * |
考虑多模式失效概率的长下坡路段重型卡车事故预测模型;尹燕娜;交通信息与安全;20220628;1-9+29 * |
连续长大下坡路段安全性分析技术探讨;刘兴旺;吴京梅;姜恒;;公路交通科技(应用技术版);20081215(第12期);27-29 * |
重载交通区连续下坡坡度危险度分级研究;雷斌;许金良;辛田;雷剑;;中国公路学报;20131115(第06期);53-58 * |
重载交通高速公路连续纵坡交通安全保障关键技术研究;雷斌;中国博士学位论文全文数据库 (工程科技Ⅱ辑);20140715;C034-41 * |
长下坡与连续弯组合路段货车行车危险位置识别;郭忠印;宋灿灿;李志勇;高琼;;公路工程;20121220(第06期);97-100+108 * |
长大下坡货车制动器温度模型;靳恩勇;杜博英;;公路交通科技;20110215(第02期);133-136 * |
长大下坡路段重型车辆刹车毂温度模型研究;戈若愚;陈飞;左仁广;;交通标准化;20100608(第11期);115-118 * |
雅泸高速公路运营安全评价与综合防护体系研究;郑斌;王昊宇;廖军洪;;公路交通科技(应用技术版);20110315(第03期);224-227+240 * |
雷斌 ; 许金良 ; 辛田 ; 雷剑 ; .重载交通区连续下坡坡度危险度分级研究.中国公路学报.2013,(第06期),53-58. * |
高速公路超长下坡隧道群的货车行驶风险与对策研究;王洪明;蓝岚;何操;郑忠;;公路;20200416(第04期);232-237 * |
Also Published As
Publication number | Publication date |
---|---|
CN117671962A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Experimental and empirical investigations of traffic flow instability | |
US20210197851A1 (en) | Method for building virtual scenario library for autonomous vehicle | |
Sun et al. | The estimation of vehicle speed and stopping distance by pedestrians crossing streets in a naturalistic traffic environment | |
Fan et al. | Using VISSIM simulation model and Surrogate Safety Assessment Model for estimating field measured traffic conflicts at freeway merge areas | |
Chu et al. | Curve speed model for driver assistance based on driving style classification | |
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 | |
WO2022033288A1 (zh) | 超载车辆识别方法、系统及设备 | |
CN117671962B (zh) | 针对高速公路长纵坡段的车辆失控状态分析方法及装置 | |
Gao et al. | Influence of large vehicles on the speed of expressway traffic flow | |
CN115493610A (zh) | 一种车道级导航方法及装置、电子设备、存储介质 | |
Qi et al. | Evaluation of a variable speed limit system using a hierarchical framework under a connected vehicles environment: a case study of a field test in Seattle | |
CN112750304B (zh) | 一种基于交通仿真的交叉口数据采集区间确定方法及装置 | |
CN111739343B (zh) | 车辆事故风险的预警方法、装置、介质及电子设备 | |
CN115331449B (zh) | 长大连续纵坡路段事故易发区辨识方法、装置及电子设备 | |
CN111767644A (zh) | 考虑单隧道限速影响高速公路路段实际通行能力估计方法 | |
Hou et al. | Modelling large vehicles operating speed characteristics on freeway alignment based on aggregated GPS data | |
CN116129639A (zh) | 一种弯道车速提示方法及装置 | |
CN114228719A (zh) | 车辆辅助制动方法、电子设备及存储介质 | |
Dutta et al. | Studying aggressive clearing behavior of drivers at uncontrolled intersections under mixed traffic conditions | |
Shang et al. | Off-Ramp Vehicle Mandatory Lane-Changing Duration in Small Spacing Section of Tunnel-Interchange Section Based on Survival Analysis | |
Lv et al. | Driving safety assurance method in work zone crossovers of highway reconstruction and expansion project | |
CN116032985B (zh) | 基于智能网联车辆的均匀换道方法、系统、设备及介质 | |
KR102615240B1 (ko) | 데이터의 엔트로피를 기반으로 데이터를 필터링하는 방법 및 클라우드 서버 시스템 | |
CN116401111B (zh) | 脑机接口的功能检测方法、装置、电子设备及存储介质 | |
Hadadi et al. | An extended non-lane-discipline-based continuum model through driver behaviors for analyzing multi-traffic flows |
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 |