CN118072553A - 一种交通安全智能管控系统 - Google Patents
一种交通安全智能管控系统 Download PDFInfo
- Publication number
- CN118072553A CN118072553A CN202410464073.XA CN202410464073A CN118072553A CN 118072553 A CN118072553 A CN 118072553A CN 202410464073 A CN202410464073 A CN 202410464073A CN 118072553 A CN118072553 A CN 118072553A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- curve
- driving path
- control system
- 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
- 238000007405 data analysis Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000002829 reductive effect Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 40
- 230000006399 behavior Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种交通安全智能管控系统,包括车载终端和数据分析平台;执行以下步骤:S1,所述车载终端在车辆行驶过程中实时向所述数据分析平台发送所述车辆的定位点坐标;S2,所述数据分析平台将所述定位点坐标在画布上绘制所述车辆的行驶路径图像;S3,所述数据分析平台对所述行驶路径图像进行形状分析,提取所述行驶路径图像中的曲线部分,结合地图数据对所述曲线部分进行筛选,计算得到车辆变道路径;S4,所述数据平台分析所述车辆变道路径的曲率,以及相邻的所述车辆变道路径之间的行驶距离;S5,判断所述车辆是否存在危险驾驶,若是则向对应的所述车载终端发送提醒信号。
Description
技术领域
本发明涉及交通管控系统领域,具体指有一种交通安全智能管控系统。
背景技术
随着汽车制造业的飞速发展,汽车也逐渐成为人们出行优先选择的交通工具。交通管控系统可以分析交通态势或路况预警,交通态势可以让交通管理部门依据交通态势图动态跟踪、监测拥堵状态和变化趋势,通过实时计算的交通拥堵指数识别诊断交通拥堵路段和节点,指导制定和实施交通改善措施,路况预警则可以实时预测行车时间等需求信息,同时当交通流量超过警戒线时进行报警和预案生成,实现路段交通事件早发现早预防早解决。
车辆行驶的过程中,驾驶员可能进行变道,从而实现超车或绕过障碍物,但如果驾驶员频繁变道或急变道等,则容易产生危险变道,使前方或后方的车辆没有足够的时间做出应对。现有技术中,例如公开号CN114023077B、名称为一种交通监控方法与装置的现有专利,其通过图像识别和毫米波的配合识别车辆是否存在危险变道,然而毫米波对静态物品的识别效果差,图像识别可能存在抖动等,难以对车辆的变道情况做出足够精确的识别。以及,车辆在行驶过程中,可能在同一车道内左右移动,通过上述现有技术进行识别的话车辆未发生变道也就无法判断为危险驾驶。
针对上述的现有技术存在的问题设计一种交通安全智能管控系统是本发明研究的目的。
发明内容
针对上述现有技术存在的问题,本发明在于提供一种交通安全智能管控系统,能够有效解决上述现有技术存在的至少一个问题。
本发明的技术方案是:
一种交通安全智能管控系统,包括车载终端和数据分析平台,所述车载终端设置于车辆,所述车载终端用于获取所述车辆的状态数据;
所述车载终端和所述数据分析平台运行时执行以下步骤:
S1,所述车载终端在车辆行驶过程中实时向所述数据分析平台发送所述车辆的定位点坐标;
S2,所述数据分析平台将所述定位点坐标在画布上绘制所述车辆的行驶路径图像;
S3,所述数据分析平台对所述行驶路径图像进行形状分析,提取所述行驶路径图像中的曲线部分,结合地图数据对所述曲线部分进行筛选,计算得到车辆变道路径;
S4,所述数据平台分析所述车辆变道路径的曲率,以及相邻的所述车辆变道路径之间的行驶距离;
S5,判断所述车辆是否存在危险驾驶,若是则向对应的所述车载终端发送提醒信号。
进一步地,所述数据分析平台将所述定位点坐标在画布上绘制所述车辆的行驶路径图像包括:
S2.1,在空白画布上建立所述车辆所在位置周围的地图;
S2.2,将所述定位点坐标在所述地图的对应位置上标记,将所有的所述标记连线得到行驶折线图;
S2.3,对所述行驶折线图平滑处理,隐藏所述地图,得到行驶路径图像。
进一步地,所述数据分析平台对所述行驶路径图像进行形状分析,提取所述行驶路径图像中的曲线部分包括:
计算所述行驶路径图像中的各个子路径的斜率,提取所述行驶路径图像中斜率连续发生变化的区域作为曲线部分。
进一步地,结合地图数据对所述曲线部分进行筛选包括:
若所述曲线部分位于地图中的拐弯或弯道,或所述曲线部分对应行驶路径的前方为地图中的入口或出口或红绿灯,或所述曲线部分对应行驶路径的前方包括道路施工或事故,则剔除相应的曲线部分。
进一步地,计算得到车辆变道路径包括:
对所述曲线部分按照行驶路径的方向依次升序赋予序号;
将第i个曲线部分、第i+1个曲线部分,以及第i个曲线部分、第i+1个曲线部分之间的直线部分组合,作为车辆变道路径,其中i为单数。
进一步地,通过以下步骤判断所述车辆是否存在危险驾驶:
若所述车辆变道路径的任一曲线部分的曲率大于曲率阈值,且相邻的车辆变道路径之间的行驶距离小于距离阈值,则判定所述车辆存在危险驾驶。
进一步地,所述曲率阈值和所述距离阈值为动态设置,所述曲率阈值与所述车辆的行驶速度负相关,所述距离阈值与所述车辆的行驶速度负相关。
进一步地,所述曲率阈值和所述距离阈值为动态设置,若存在恶劣天气,或处于交通高峰期,或行驶路径路过城市核心区,降低所述曲率阈值和所述距离阈值。
进一步地,所述提醒信号包括危险报警信号、减速提醒信号其中的一种或多种。
进一步地,包括:
S5,向存在危险驾驶的车辆附近的车载终端发送注意提示信号。
因此,本发明提供以下的效果和/或优点:
本申请通过建立行驶路径图像,再对行驶路径图像进行形状分析提取曲线部分从而得到行驶路径中的变道情况,最后根据相应的规则判断变道过程或变道之间是否存在危险驾驶行为,从而能够在对应的情况下发送提醒信号给至危险驾驶的车载终端,提醒司机减速或减少危险驾驶行为。
本申请通过结合地图,可以将司机在行驶过程中的正常变道行为进行剔除,减少对危险驾驶的误判。本申请通过图像识别后得到的对应的曲线、直线等部分,通过相应的逻辑将其提取、组合,从而得到车辆变道路径作为后续分析的数据基础。
本申请通过曲率阈值和所述距离阈值为动态设置的技术特征,可以实时根据相应的天气情况、行驶路线情况、行驶速度等进行调节,从而适应不同的情况,减少误判,提高恶劣驾驶环境下对危险驾驶的认定范围。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
应当明白,本发明的上文的概述和下面的详细说明是示例性和解释性的,并且意在提供对如要求保护的本发明的进一步的解释。
附图说明
图1为本发明的实施例提供的流程示意图。
图2为在地图上建立行驶折线图的示意图。
图3为对行驶折线图平滑处理后的示意图。
图4为隐藏地图后得到的行驶路径图像示意图及其局部放大。
图5为行驶路径图像的各部分组成示意图。
具体实施方式
为了便于本领域技术人员理解,现将实施例对本发明作进一步详细描述:
参考图1,一种交通安全智能管控系统,包括车载终端和数据分析平台,所述车载终端设置于车辆,所述车载终端用于获取所述车辆的状态数据;
本实施例中,车载终端应用在车辆上,属于车辆监控管理系统的前端设备,广义上可以理解为PC、智能手机、平台电脑之类的常见智能设备,至少包含获取定位的功能。
所述车载终端和所述数据分析平台运行时执行以下步骤:
S1,所述车载终端在车辆行驶过程中实时向所述数据分析平台发送所述车辆的定位点坐标;
本实施例中,车载终端在车辆行驶过程按等时间间隔向数据分析平台定位点坐标,从而可以根据定位点坐标的间隔情况计算出车辆的行驶速度。
本步骤中,定位点坐标可以是一段时间内的定位点坐标,例如10分钟内,或者20分钟内,在此不做限定。对时间段进行限定,是因为若驾驶者在较长的时间跨度内在此进行变道,则一般不会认为该变道为频繁且危险的变道。
S2,所述数据分析平台将所述定位点坐标在画布上绘制所述车辆的行驶路径图像;
进一步地,所述数据分析平台将所述定位点坐标在画布上绘制所述车辆的行驶路径图像包括:
S2.1,在空白画布上建立所述车辆所在位置周围的地图;
S2.2,将所述定位点坐标在所述地图的对应位置上标记,将所有的所述标记连线得到行驶折线图;
S2.3,对所述行驶折线图平滑处理,隐藏所述地图,得到行驶路径图像。
本实施例中,S2.1~S2.2得到的结果可以参考图2。S2.3中,行驶折线图平滑处理后的结果参考图3,平滑处理的目的是,车辆在行驶的过程中可能存在左右轻微偏离远行驶路径,以及定位点坐标可能会因为误差等存在轻微的抖动,从而造成折线图存在抖动变化,因此需要对其进行平滑处理,防止后续步骤中将折线图中的抖动变化判定为车辆变道。隐藏地图后得到的行驶路径图像如图4所示。
S3,所述数据分析平台对所述行驶路径图像进行形状分析,提取所述行驶路径图像中的曲线部分,结合地图数据对所述曲线部分进行筛选,计算得到车辆变道路径;
进一步地,所述数据分析平台对所述行驶路径图像进行形状分析,提取所述行驶路径图像中的曲线部分包括:
计算所述行驶路径图像中的各个子路径的斜率,提取所述行驶路径图像中斜率连续发生变化的区域作为曲线部分。
本步骤是本实施例的核心步骤之一。对所述行驶路径图像进行形状分析可以采用Canny算法,使用边缘检测算法Canny算法来找到曲线的边缘,从而对行驶路径图像中的连线进行边缘分析,然后对其进行形状分析,得到行驶路径中各个部分的形状特征,再提取出曲线部分。其中,子路径表示在平滑处理后的行驶路径图像中,第n个定位坐标点指向第n+1个定位坐标点的连线,n为自然数。通过分析各个子路径的斜率,若车辆处于直线行驶时,则其各个子路径的斜率基本相同,若车辆处于变道状态,则车辆会先以一定的方向偏移角进行转向,例如5°,保持转向一定时间后,车辆会转而保持方向不变从而进入另一车道,最后,车辆再以一定的方向偏移角进行调直,使其恢复到与车道方向相同的行驶方向。因此,在完成一次变道的过程中,行驶路径图像会出现两个曲线。
为了避免将车辆的轻微左右晃动或者定位点坐标的偏移、误差等情况,本步骤需要在所述行驶路径图像中,提取斜率连续变化的区域需要存在斜率连续减少或连续增加,且持续距离大于时速对应的数值/720。这是因为,变道的过程中车辆的路径变化应当比车辆轻微左右晃动时产生的路径变化更加明显,在路径上反应为一条曲线,对这条曲线求导计算斜率的话,曲线的斜率应当是逐渐减小或逐渐增大,因此将斜率变化量应当连续增加或连续减小,且车辆的变道距离应当比车辆轻微左右换董事产生的距离更加明显,一般变道时间为0.5s以上,因此设定为持续距离大于时速对应的数值/720。
本步骤计算的结果可以参考图4,图4中方形框框起的部分为形状分析后找到的曲线部分。
同时,本步骤中还可以对所述行驶路径图像中的各个子路径的斜率设置斜率下限值,以及对曲线的长度设置长度下限值,从而剔除驾驶过程的轻微偏离车道而进行回调的情况。
本步骤进一步结合地图数据对所述曲线部分进行筛选,计算得到车辆变道路径;这么做的目的是,如果地图上位于行驶位置或者行驶方向的前方存在出口、拐弯等,则驾驶员本应当正常变道,若将次变道产生的驶路径图像的曲线部分纳入后续计算过程中,则可能产生较多的危险变道误报,因此需要对曲线部分进行筛选。
S4,所述数据平台分析所述车辆变道路径的曲率,以及相邻的所述车辆变道路径之间的行驶距离;
在上述步骤中,本方法从行驶路径图像中寻找到了曲线部分,本步骤可以进一步使用MATLAB中的polyfit函数对边缘进行曲线拟合,然后对拟合后的曲线进行求导得到曲线斜率,再根据曲率的定义,计算曲线的曲率值。对于曲率的定义,曲率越大,则表明曲线的弯度越大,而对于行驶路径图像中,曲率越大表明变道过程中路径所处的圆越小,变道过程越急越突然,给与前方或后方车辆反应的时间越少,容易造成事故。对于相邻的所述车辆变道路径之间的行驶距离,则可以反应车辆变道后的车道上行驶的距离,若车辆变道后又迅速变道,则属于频繁变道,容易引发事故,而如果车辆正常变道后保持在变道后的车道上行驶较长距离,则可以判定为正常变道。
S5,判断所述车辆是否存在危险驾驶,若是则向对应的所述车载终端发送提醒信号。
通过上述步骤计算得到了变道的弯度以及变道后保持在车道上行驶的距离,则可以通过这些条件判定车辆是否存在危险驾驶。如果是,则可以通过数据分析平台向车载终端发送提醒信号。
进一步地,所述提醒信号包括危险报警信号、减速提醒信号其中的一种或多种。
一般情况下紧急变道或多次频繁变道,可能是司机急于到达目的地从而进行危险变道超车,因此可以向车载终端发送危险报警信号,告知司机其驾驶行为属于危险驾驶,虽然没有造成事故和违法违章,但是容易引发交通事故,也可以向车载终端发送减速提醒信号,告知司机其驾驶速度过快并提醒其减速。
进一步地,结合地图数据对所述曲线部分进行筛选包括:
若所述曲线部分位于地图中的拐弯或弯道,或所述曲线部分对应行驶路径的前方为地图中的入口或出口或红绿灯,或所述曲线部分对应行驶路径的前方包括道路施工或事故,则剔除相应的曲线部分。
如果地图上即将进入或者正处于需要变道的位置,例如拐弯、红绿灯、出口等,则司机本应当进行变道,即使司机刚变道完,也理应继续合理合法地变道进入相应的位置,本步骤通过对这些位置对应的曲线部分进行剔除,从而忽略司机对应其行驶路线上的正确变道,减少危险驾驶的误判。
进一步地,计算得到车辆变道路径包括:
对所述曲线部分按照行驶路径的方向依次升序赋予序号;
将第i个曲线部分、第i+1个曲线部分,以及第i个曲线部分、第i+1个曲线部分之间的直线部分组合,作为车辆变道路径,其中i为单数。
通过上述步骤计算得到曲线部分后,本步骤用于计算车辆变道路径,车辆变道路径是指车辆方向盘产生偏角后产生曲线(图5中的第1个曲线或第3个曲线)、方向盘回直后直线进入相邻车道(图5中的直线部分)、方向盘产生偏角使驾驶路线与行驶路线同向(图5中的第2个曲线或第4个曲线)的过程。
本步骤通过对曲线进行赋予序号,且序号是依次递增的序号,因此可以将两两对应的曲线进行配对,组成一个曲线对,再通过将曲线对之间的直线部分也进行加入,从而得到对应的变道路径。变道路径用于后续步骤分析。
其中,通过上述步骤的形状分析,可以分析得到曲线的起始点和终止点,从而可以作为本步骤中车辆变道路径的起始点或终止点。
进一步地,通过以下步骤判断所述车辆是否存在危险驾驶:
若所述车辆变道路径的任一曲线部分的曲率大于曲率阈值,且相邻的车辆变道路径之间的行驶距离小于距离阈值,则判定所述车辆存在危险驾驶。
参考图5,在上述中说明了,车辆变道路径中的曲线部分的曲率越大,则表明车辆的转弯角度越大,变道越急,因此本步骤首先判断变道路径中是否存在曲率大于曲率阈值的行驶路径图像。然后,如果车辆间隔时间或行驶距离较长后再进行变道,则可以认为车辆虽然存在急变道,但是其对其他车辆的影响较小,因此本步骤在任一曲线部分的曲率大于曲率阈值的条件下,再次通过且相邻的车辆变道路径之间的行驶距离小于距离阈值,则可以判定司机多次、频繁变道且存在紧急变道的行为,该行为容易对其他车辆产生安全隐患,需要将这些行为提取出,判定所述车辆是否存在危险驾驶。
本实施例中,曲率阈值和距离阈值可以根据实际经验进行获取,以及步骤S2.1中空白画布的大小等均会对曲率阈值和距离阈值产生影响。优选地,可以选择车辆变道时,速度为60km/h且拐弯角为10°时在画布上产生的曲线对应的曲率作为曲率阈值,以及速度为60km/h变道完成后30s内又开始变道对应的行驶距离作为距离阈值。在其他实施例中也可以根据实际情况进一步选择其对应的曲率阈值和距离阈值。
进一步地,所述曲率阈值和所述距离阈值为动态设置,所述曲率阈值与所述车辆的行驶速度负相关,所述距离阈值与所述车辆的行驶速度负相关。
本实施例中,行驶速度越快,则约不应当出现危险变道,司机应当约平缓地变道,因此本步骤将曲率阈值和所述距离阈值设置为动态可调,速度越快则限制车辆的行驶行为越发严格,因此需要降低曲率阈值和距离阈值,要求司机的变道过程中的弯度小而平滑,且变道后需要在相应的车道上行驶更长的距离,减少交通隐患。
进一步地,所述曲率阈值和所述距离阈值为动态设置,若存在恶劣天气,或处于交通高峰期,或行驶路径路过城市核心区,降低所述曲率阈值和所述距离阈值。
本实施例中,若出现恶劣天气,例如雨天、雪天、大雾天气等,则可能影响司机的视野,以及影响车辆制动所需的时间,因此本步骤降低所述曲率阈值和所述距离阈值,从而限制司机的驾驶行为。
本实施例中,若当前处于早高峰、晚高峰等交通高峰期时,则车辆密集度大大提升,车辆之间的距离降低,若司机危险驾驶则留给前后方的车辆的反应时间更短,因此本步骤降低所述曲率阈值和所述距离阈值,从而限制司机的驾驶行为。
本实施例中,当行驶路径的前方即将经过城市核心区,例如医院、学校、商场等,可以预判行驶路径的前方可能出现车辆拥堵路段,因此本步骤降低所述曲率阈值和所述距离阈值,从而限制司机的驾驶行为。
进一步地,包括:S6,向存在危险驾驶的车辆附近的车载终端发送注意提示信号。
本方法中,产生危险驾驶的车辆,可能使其后方的车辆来不及避开或减速,也可能由于前方的车辆视野遮挡也无法了解到前方是否存在障碍物等,因此,除了向产生危险驾驶的车辆发送提醒信号之外,还需要向危险驾驶的车辆附近发送注意提示信号,提醒附近车辆注意驾驶、注意道路上的信号提示。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”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应理解为必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
Claims (9)
1.一种交通安全智能管控系统,其特征在于:包括车载终端和数据分析平台,所述车载终端设置于车辆,所述车载终端用于获取所述车辆的状态数据;
所述车载终端和所述数据分析平台运行时执行以下步骤:
S1,所述车载终端在车辆行驶过程中实时向所述数据分析平台发送所述车辆的定位点坐标;
S2,所述数据分析平台将所述定位点坐标在画布上绘制所述车辆的行驶路径图像;
S3,所述数据分析平台对所述行驶路径图像进行形状分析,提取所述行驶路径图像中的曲线部分,结合地图数据对所述曲线部分进行筛选,计算得到车辆变道路径,结合地图数据对所述曲线部分进行筛选包括:若所述曲线部分位于地图中的拐弯或弯道,或所述曲线部分对应行驶路径的前方为地图中的入口或出口或红绿灯,或所述曲线部分对应行驶路径的前方包括道路施工或事故,则剔除相应的曲线部分;
S4,所述数据平台分析所述车辆变道路径的曲率,以及相邻的所述车辆变道路径之间的行驶距离;
S5,判断所述车辆是否存在危险驾驶,若是则向对应的所述车载终端发送提醒信号。
2.根据权利要求1所述的一种交通安全智能管控系统,其特征在于:所述数据分析平台将所述定位点坐标在画布上绘制所述车辆的行驶路径图像包括:
S2.1,在空白画布上建立所述车辆所在位置周围的地图;
S2.2,将所述定位点坐标在所述地图的对应位置上标记,将所有的所述标记连线得到行驶折线图;
S2.3,对所述行驶折线图平滑处理,隐藏所述地图,得到行驶路径图像。
3.根据权利要求2所述的一种交通安全智能管控系统,其特征在于:所述数据分析平台对所述行驶路径图像进行形状分析,提取所述行驶路径图像中的曲线部分包括:
计算所述行驶路径图像中的各个子路径的斜率,提取所述行驶路径图像中斜率连续发生变化的区域作为曲线部分。
4.根据权利要求1所述的一种交通安全智能管控系统,其特征在于:计算得到车辆变道路径包括:
对所述曲线部分按照行驶路径的方向依次升序赋予序号;
将第i个曲线部分、第i+1个曲线部分,以及第i个曲线部分、第i+1个曲线部分之间的直线部分组合,作为车辆变道路径,其中i为单数。
5.根据权利要求4所述的一种交通安全智能管控系统,其特征在于:通过以下步骤判断所述车辆是否存在危险驾驶:
若所述车辆变道路径的任一曲线部分的曲率大于曲率阈值,且相邻的车辆变道路径之间的行驶距离小于距离阈值,则判定所述车辆存在危险驾驶。
6.根据权利要求5所述的一种交通安全智能管控系统,其特征在于:所述曲率阈值和所述距离阈值为动态设置,所述曲率阈值与所述车辆的行驶速度负相关,所述距离阈值与所述车辆的行驶速度负相关。
7.根据权利要求5所述的一种交通安全智能管控系统,其特征在于:所述曲率阈值和所述距离阈值为动态设置,若存在恶劣天气,或处于交通高峰期,或行驶路径路过城市核心区,降低所述曲率阈值和所述距离阈值。
8.根据权利要求1所述的一种交通安全智能管控系统,其特征在于:所述提醒信号包括危险报警信号、减速提醒信号其中的一种或多种。
9.根据权利要求1所述的一种交通安全智能管控系统,其特征在于:包括:
S5,向存在危险驾驶的车辆附近的车载终端发送注意提示信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410464073.XA CN118072553B (zh) | 2024-04-17 | 2024-04-17 | 一种交通安全智能管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410464073.XA CN118072553B (zh) | 2024-04-17 | 2024-04-17 | 一种交通安全智能管控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118072553A true CN118072553A (zh) | 2024-05-24 |
CN118072553B CN118072553B (zh) | 2024-07-05 |
Family
ID=91099443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410464073.XA Active CN118072553B (zh) | 2024-04-17 | 2024-04-17 | 一种交通安全智能管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118072553B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000027592A (ko) * | 1998-10-28 | 2000-05-15 | 윤종용 | 각속도 센서를 이용한 차량충돌 방지장치 및 방법 |
US20150371542A1 (en) * | 2014-06-23 | 2015-12-24 | Toyota Jidosha Kabushiki Kaisha | Warning device and travel control device |
CN111361638A (zh) * | 2019-10-12 | 2020-07-03 | 北汽福田汽车股份有限公司 | 车辆感知装置的控制方法、装置、可读存储介质及车辆 |
CN112937572A (zh) * | 2021-02-01 | 2021-06-11 | 邵阳学院 | 一种车辆危险行为的防控方法、装置、系统及存储介质 |
US20210197824A1 (en) * | 2019-12-26 | 2021-07-01 | Mando Corporation | Advanced driver assistance system, vehicle having the same and method for controlling the vehicle |
CN114954432A (zh) * | 2022-06-21 | 2022-08-30 | 江苏大学 | 一种车辆路径跟踪与车身姿态协同控制方法 |
CN115489530A (zh) * | 2022-10-20 | 2022-12-20 | 重庆长安汽车股份有限公司 | 车辆的换道方法、装置、车辆及存储介质 |
CN116176617A (zh) * | 2022-12-08 | 2023-05-30 | 重庆理工大学 | 智能汽车弯道行驶自动换道跟踪控制方法 |
CN117014473A (zh) * | 2023-09-28 | 2023-11-07 | 东莞中科智城软件有限公司 | 一种基于端云融合技术的智能网联汽车监控系统 |
-
2024
- 2024-04-17 CN CN202410464073.XA patent/CN118072553B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000027592A (ko) * | 1998-10-28 | 2000-05-15 | 윤종용 | 각속도 센서를 이용한 차량충돌 방지장치 및 방법 |
US20150371542A1 (en) * | 2014-06-23 | 2015-12-24 | Toyota Jidosha Kabushiki Kaisha | Warning device and travel control device |
CN111361638A (zh) * | 2019-10-12 | 2020-07-03 | 北汽福田汽车股份有限公司 | 车辆感知装置的控制方法、装置、可读存储介质及车辆 |
US20210197824A1 (en) * | 2019-12-26 | 2021-07-01 | Mando Corporation | Advanced driver assistance system, vehicle having the same and method for controlling the vehicle |
CN112937572A (zh) * | 2021-02-01 | 2021-06-11 | 邵阳学院 | 一种车辆危险行为的防控方法、装置、系统及存储介质 |
CN114954432A (zh) * | 2022-06-21 | 2022-08-30 | 江苏大学 | 一种车辆路径跟踪与车身姿态协同控制方法 |
CN115489530A (zh) * | 2022-10-20 | 2022-12-20 | 重庆长安汽车股份有限公司 | 车辆的换道方法、装置、车辆及存储介质 |
CN116176617A (zh) * | 2022-12-08 | 2023-05-30 | 重庆理工大学 | 智能汽车弯道行驶自动换道跟踪控制方法 |
CN117014473A (zh) * | 2023-09-28 | 2023-11-07 | 东莞中科智城软件有限公司 | 一种基于端云融合技术的智能网联汽车监控系统 |
Non-Patent Citations (2)
Title |
---|
徐进;邵毅明;彭其渊;陈泳汐;: "避让行为导致车辆在平曲线驶出路面的机理", 西南交通大学学报, no. 02, 15 April 2008 (2008-04-15) * |
魏民祥;严明月;汪;张凤娇;: "基于路面识别的汽车紧急避撞控制算法", 汽车安全与节能学报, no. 04, 15 December 2017 (2017-12-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN118072553B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11734473B2 (en) | Perception error models | |
CN110675656A (zh) | 一种基于瞬时风险识别的智能车辆换道预警方法 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
WO2016170647A1 (ja) | オクルージョン制御装置 | |
CN112885145B (zh) | 路口风险预警的方法和装置 | |
WO2021054051A1 (ja) | 電子制御装置 | |
CN114454878B (zh) | 车速控制模型训练样本的确定方法及装置 | |
CN111754814A (zh) | 一种辅助驾驶方法、装置及系统 | |
CN112026761A (zh) | 一种基于数据共享的汽车辅助驾驶方法 | |
CN112249008A (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
JP2022550058A (ja) | 安全性分析フレームワーク | |
CN115782905B (zh) | 一种自动驾驶车辆驾驶安全度量化系统 | |
Huang et al. | Study on the test scenarios of level 2 automated vehicles | |
CN113851017A (zh) | 一种基于路侧rsu的行人车辆识别预警多功能系统 | |
CN110108291A (zh) | 路口导航修正方法和装置 | |
CN115279643A (zh) | 用于训练自动驾驶车辆的感知网络的车载主动学习方法和设备 | |
CN106218612A (zh) | 一种汽车安全行驶的方法、装置以及终端 | |
JP2023504506A (ja) | 知覚誤差モデル | |
CN118072553B (zh) | 一种交通安全智能管控系统 | |
CN116811854A (zh) | 汽车运行轨迹确定方法、装置、汽车和存储介质 | |
CN114872734A (zh) | 一种自动驾驶应急决策方法 | |
CN115158318A (zh) | 一种针对公交车站的智能驾驶控制方法及系统 | |
CN115410414B (zh) | 基于碰撞风险预测的高速公路分流区车辆提前警示方法 | |
CN117272690B (zh) | 自动驾驶车辆危险切入场景提取方法、设备及介质 | |
EP4282723A1 (en) | Method and apparatus for determining vehicle speed control model training sample |
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 |