CN108860165A - 车辆辅助驾驶方法和*** - Google Patents
车辆辅助驾驶方法和*** Download PDFInfo
- Publication number
- CN108860165A CN108860165A CN201810451388.5A CN201810451388A CN108860165A CN 108860165 A CN108860165 A CN 108860165A CN 201810451388 A CN201810451388 A CN 201810451388A CN 108860165 A CN108860165 A CN 108860165A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- information
- lane change
- auxiliary
- 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
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000013500 data storage Methods 0.000 claims abstract description 62
- 238000007619 statistical method Methods 0.000 claims abstract description 30
- 238000003860 storage Methods 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims description 115
- 230000004044 response Effects 0.000 claims description 63
- 230000006399 behavior Effects 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 10
- 241001269238 Data Species 0.000 abstract description 9
- 238000009412 basement excavation Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 35
- 238000007405 data analysis Methods 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 21
- 238000001514 detection method Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 10
- 230000006854 communication Effects 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 230000002123 temporal effect Effects 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000005611 electricity Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000033748 Device issues Diseases 0.000 description 1
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 208000032140 Sleepiness Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000037321 sleepiness Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车辆辅助驾驶方法和***,其中的方法包括:获取汽车数据存储装置发送的行车数据,基于辅助驾驶模型获取与行车数据相对应的辅助驾驶信息,为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种,将辅助驾驶信息发送给汽车数据存储装置用于发出提醒。本发明的方法和***通过对各类行车数据的实时采集、深入挖掘,能够为车辆驾驶提供多种提示以及统计分析等功能,进而对驾驶员提供精确参考,帮助驾驶员养成良好的驾驶习惯,并且提高了驾驶员的行车安全;采用区块链技术存储和验证数据,可有效确保在复杂网络中数据提供方数据的可靠性,避免不诚实节点,防止被恶意篡改或扰乱。
Description
技术领域
本发明涉及驾驶技术,尤其涉及一种车辆辅助驾驶方法和***。
背景技术
通过对交通事故的研究显示,造成道路交通事故的主要因素包括:人为因素、道路交通环境和气象条件等方面。其中,与人的因素有关的事故约占总事故的90%左右,包括驾驶员经验技术、守规守纪、身体条件、观念认知等方面;道路交通环境包括道路路况、配套设施、周围车辆、行人状况等方面;气象条件包括气温、湿度、雨雪、雾霾、风速风向等方面。驾驶辅助技术的主要功能是综合运用计算机、电子、自动化控制等各类技术与手段,为车辆驾驶员提供自动或半自动的驾驶辅助功能,提高车辆驾驶的安全性、舒适度和便捷性。
近年来,随着信息技术蓬勃发展,驾驶辅助技术在自适应巡航控制、弯道智能控制、盲点检测、车道偏离警报、睡意监视、夜视感知监测、主动减速踏板等方面也取得了可喜进展。但是,目前驾驶辅助技术还面临问题:多车数据融合不足,大多基于单个车辆的数据进行分析和响应判定,未对多车数据进行融合处理、关联挖掘;辅助方式不够智能、用户交互接口不友好,导致功能效益发挥受限制。因此,需要一种新的车辆辅助驾驶技术。
发明内容
有鉴于此,本发明实施例提供一种车辆辅助驾驶方法和***。
根据本发明实施例的一个方面,提供一种车辆辅助驾驶方法,包括:获取汽车数据存储装置发送的行车数据;基于辅助驾驶模型获取与所述行车数据相对应的辅助驾驶信息,并将所述辅助驾驶信息发送给所述汽车数据存储装置;其中,所述辅助驾驶信息为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种;所述汽车数据存储装置基于所述辅助驾驶信息发出提醒。
可选地,所述辅助驾驶模型包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型;所述方法还包括:基于所述行车安全辅助模型、所述事故应急响应模型和所述智能统计分析模型分别获得与所述行车数据相对应的行车安全辅助信息、事故应急响应辅助信息和统计信息;其中,所述行车数据包括:车辆状况数据、行车路径数据、驾驶行为数据。
可选地,所述行车安全辅助信息包括:碰撞预警信息;所述方法还包括:使用所述行车安全辅助模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹;基于所述车辆运行轨迹选取碰撞预警候选车辆,其中,所述碰撞预警候选车辆与其周围的碰撞预警候选车辆之间的距离小于预设的第一安全距离阈值;如果判断所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆按照各自当前的驾驶指令运行将发生相撞,则生成所述碰撞预警信息发送给所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆。
可选地,所述行车安全辅助信息包括:变道警示信息;所述方法还包括:根据所述车辆运行轨迹、所述行车数据以及电子地图信息确定变道候选车辆以及变道目标车道;获取行驶在所述变道目标车道上并与所述变道候选车辆之间的距离小于预设的第二安全距离阈值的车辆作为变道相关车辆;如果根据所述变道候选车辆和所述变道相关车辆的车辆运行轨迹确定所述变道候选车辆进行变道后与所述变道相关车辆将发生相撞,则生成所述变道警示信息发送给所述变道候选车辆。
可选地,所述行车安全辅助信息包括:灯光控制提示信息;所述方法还包括:使用所述行车安全辅助模型并根据所述车辆运行轨迹、所述行车数据判断是否按车灯使用规定使用车灯,如果是,则生成所述灯光控制提示信息,用以提示车灯正确使用,其中,所述车灯包括:远光灯、转向灯、紧急灯。
可选地,所述行车安全辅助信息包括:疲劳驾驶提醒信息;所述方法还包括:获取所述汽车数据存储装置周期性发送的所述驾驶行为数据中的驾驶员图像信息;使用所述行车安全辅助模型并根据所述驾驶员图像信息判断当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值,如果是,则生成所述疲劳驾驶提醒信息。
可选地,所述事故应急响应辅助信息包括:远程故障检测信息;所述方法还包括:使用所述事故应急响应模型并根据所述行车数据确定车辆部件是否出现异常或故障;如果是,则确定与所述异常或故障相匹配的维修方案或处理方案,并基于所述维修方案或所述处理方案生成所述远程故障检测信息。
可选地,所述事故应急响应辅助信息包括:事故快速处理建议信息;所述方法还包括:使用所述事故应急响应模型并根据所述行车数据判断车辆是否发生事故;如果是,则提取事故车辆与此事故相关的行车数据,使用所述事故应急响应模型并根据所述此事故相关的行车数据分析事故发生的原因并确定事故责任以及处理方案;使用所述事故应急响应模型并基于所述事故责任以及处理方案生成所述事故快速处理建议信息。
可选地,如果使用所述事故应急响应模型并根据所述此事故相关的行车数据确定事故等级达到预设的等级阈值,则生成事故提醒信息并发送到预设的终端或***;使用所述智能统计分析模型并根据所述行车数据获取统计分析数据
可选地,所述汽车数据存储装置获取传感器或电子控制单元采集的所述车辆状况数据并发送。
可选地,所述汽车数据存储装置获取GPS设备采集的车辆的地理位置信息以及时间信息;所述汽车数据存储装置根据所述地理位置信息和所述时间信息并结合电子地图信息获得所述行车路径数据;其中,所述行车路径数据包括:车辆的位置信息、车辆活动半径、途径道路环境。
可选地,所述汽车数据存储装置获取传感器采集的驾驶行为数据、行驶里程并获取摄像装置采集的驾驶员图像信息,其中,所述驾驶行为数据包括:油门、转动方向盘、开或关信号灯、刹车操作数据以及驾驶员图像信息。
可选地,获取历史行车数据以及与所述历史行车数据对应的辅助驾驶信息,生成训练样本集;构建所述辅助驾驶模型并利用所述训练样本集进行深度学习训练,使用训练好的所述辅助驾驶模型分析所述行车数据并生成所述辅助驾驶信息以及统计分析数据。
可选地,对所述行车数据进行处理,生成承诺凭证数据;根据所述承诺凭证数据的类型从区块链网络中确定目标区块链节点;将所述承诺凭证数据存储在与其对应的区块链节点中,用以在所述区块链网络中共享所述承诺凭证数据。
可选地,生成与所述辅助驾驶信息以及统计分析数据相对应的综合运算凭证;将所述综合运算凭证存储在区块链节点中,用以在所述区块链网络中共享所述综合运算凭证,其中,当从区块链网络获取所述辅助驾驶信息以及统计分析数据时,对所述综合运算凭证进行盲评价验证。
根据本发明的另一方面,提供一种车辆辅助驾驶***,包括:车辆数据获取装置,用于获取汽车数据存储装置发送的行车数据;驾驶数据分析装置,用于基于辅助驾驶模型获取与所述行车数据相对应的辅助驾驶信息;辅助信息发送装置,用于将所述辅助驾驶信息发送给所述汽车数据存储装置;其中,所述辅助驾驶信息为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种;其中,所述汽车数据存储装置基于所述辅助驾驶信息发出提醒。
可选地,所述辅助驾驶模型包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型;所述驾驶数据分析装置,用于基于所述行车安全辅助模型、所述事故应急响应模型和所述智能统计分析模型分别获得与所述行车数据相对应的行车安全辅助信息、事故应急响应辅助信息和统计信息;其中,所述行车数据包括:车辆状况数据、行车路径数据、驾驶行为数据。
可选地,所述行车安全辅助信息包括:碰撞预警信息;所述驾驶数据分析装置,包括:碰撞预警模块,用于使用所述行车安全辅助模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹;基于所述车辆运行轨迹选取碰撞预警候选车辆,其中,所述碰撞预警候选车辆与其周围的碰撞预警候选车辆之间的距离小于预设的第一安全距离阈值;如果判断所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆按照各自当前的驾驶指令运行将发生相撞,则生成所述碰撞预警信息发送给所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆。
可选地,所述行车安全辅助信息包括:变道警示信息;所述驾驶数据分析装置,包括:所述变道辅助模块,用于根据所述车辆运行轨迹、所述行车数据以及电子地图信息确定变道候选车辆以及变道目标车道;获取行驶在所述变道目标车道上并与所述变道候选车辆之间的距离小于预设的第二安全距离阈值的车辆作为变道相关车辆;如果根据所述变道候选车辆和所述变道相关车辆的车辆运行轨迹确定所述变道候选车辆进行变道后与所述变道相关车辆将发生相撞,则生成所述变道警示信息发送给所述变道候选车辆。
可选地,所述行车安全辅助信息包括:灯光控制提示信息;所述驾驶数据分析装置,包括:灯光控制模块,用于使用所述行车安全辅助模型并根据所述车辆运行轨迹、所述行车数据判断是否按车灯使用规定使用车灯,如果是,则生成所述灯光控制提示信息,用以提示车灯正确使用,其中,所述车灯包括:远光灯、转向灯、紧急灯。
可选地,所述行车安全辅助信息包括:疲劳驾驶提醒信息;所述驾驶数据分析装置,包括:疲劳驾驶提醒模块,用于获取所述汽车数据存储装置周期性发送的所述驾驶行为数据中的驾驶员图像信息;使用所述行车安全辅助模型并根据所述驾驶员图像信息判断当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值,如果是,则生成所述疲劳驾驶提醒信息。
可选地,所述事故应急响应辅助信息包括:远程故障检测信息;所述驾驶数据分析装置,包括:远程故障检测处置模块,使用所述事故应急响应模型并根据所述行车数据确定车辆部件是否出现异常或故障;如果是,则确定与所述异常或故障相匹配的维修方案或处理方案,并基于所述维修方案或所述处理方案生成所述远程故障检测信息。
可选地,所述事故应急响应辅助信息包括:事故快速处理建议信息;所述驾驶数据分析装置,包括:事故快速处理模块,用于使用所述事故应急响应模型并根据所述行车数据判断车辆是否发生事故;如果是,则提取事故车辆与此事故相关的行车数据,使用所述事故应急响应模型并根据所述此事故相关的行车数据分析事故发生的原因并确定事故责任以及处理方案;使用所述事故应急响应模型并基于所述事故责任以及处理方案生成所述事故快速处理建议信息。
可选地,所述驾驶数据分析装置,包括:事故主动救援模块,用于如果使用所述事故应急响应模型并根据所述此事故相关的行车数据确定事故等级达到预设的等级阈值,则生成事故提醒信息并发送到预设的终端或***;统计分析模块,用于使用所述智能统计分析模型并根据所述行车数据获取统计分析数据。
可选地,所述汽车数据存储装置获取传感器或电子控制单元采集的所述车辆状况数据并发送。
可选地,所述汽车数据存储装置获取GPS设备采集的车辆的地理位置信息以及时间信息;所述汽车数据存储装置根据所述地理位置信息和所述时间信息并结合电子地图信息获得所述行车路径数据;其中,所述行车路径数据包括:车辆的位置信息、车辆活动半径、途径道路环境。
可选地,所述汽车数据存储装置获取传感器采集的驾驶行为数据、行驶里程并获取摄像装置采集的驾驶员图像信息,其中,所述驾驶行为数据包括:油门、转动方向盘、开或关信号灯、刹车操作数据以及驾驶员图像信息。
可选地,所述驾驶数据分析装置,用于获取历史行车数据以及与所述历史行车数据对应的辅助驾驶信息,生成训练样本集;构建所述辅助驾驶模型并利用所述训练样本集进行深度学习训练,使用训练好的所述辅助驾驶模型分析所述行车数据并生成所述辅助驾驶信息以及统计分析数据。
可选地,所述车辆数据获取装置,用于对所述行车数据进行处理,生成承诺凭证数据;根据所述承诺凭证数据的类型从区块链网络中确定目标区块链节点;将所述承诺凭证数据存储在与其对应的区块链节点中,用以在所述区块链网络中共享所述承诺凭证数据。
可选地,所述驾驶数据分析装置,用于生成与所述辅助驾驶信息以及统计分析数据相对应的综合运算凭证;将所述综合运算凭证存储在区块链节点中,用以在所述区块链网络中共享所述综合运算凭证,其中,当从区块链网络获取所述辅助驾驶信息以及统计分析数据时,对所述综合运算凭证进行盲评价验证。
根据本发明的又一方面,提供一种车辆辅助驾驶***,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如上所述的车辆辅助驾驶方法。
根据本发明的再一方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该指令被一个或多个处理器执行时实现如上所述的车辆辅助驾驶方法的步骤。
本发明的车辆辅助驾驶方法和***,获取汽车数据存储装置发送的行车数据,基于辅助驾驶模型获取与行车数据相对应的辅助驾驶信息,为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种,将辅助驾驶信息发送给汽车数据存储装置用于发出提醒;通过对各类行车数据的实时采集、深入挖掘,能够为车辆驾驶提供多种提示以及统计分析等功能,进而对驾驶员提供精确参考,帮助驾驶员养成良好的驾驶习惯,并且提高了驾驶员的行车安全;采用区块链技术存储和验证数据,可有效确保在复杂网络中数据提供方数据的可靠性,避免不诚实节点,防止被恶意篡改或扰乱。
本发明实施例附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
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一简单地介绍,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性的前提下,还可以根据这些附图获得其它的附图:
图1为根据本发明的车辆辅助驾驶方法的一个实施例的流程图;
图2为根据本发明的车辆辅助驾驶方法的一个实施例的中的行车安全辅助信息的生成示意图;
图3为根据本发明的车辆辅助驾驶方法的一个实施例的中的事故应急响应辅助信息的生成示意图;
图4为根据本发明的车辆辅助驾驶方法的一个实施例的中的统计信息的生成示意图;
图5为根据本发明的车辆辅助驾驶方法的一个实施例的应用场景拓扑示意图;
图6为根据本发明的车辆辅助驾驶***的一个实施例的模块示意图;
图7为根据本发明的车辆辅助驾驶***的一个实施例中的驾驶数据分析装置的模块示意图;
图8为根据本发明的车辆辅助驾驶***的另一个实施例的模块示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal Communications Service,个人通信***),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位***)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
本技术领域技术人员可以理解,这里所使用的远端网络设备,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云。在此,云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。本发明的实施例中,远端网络设备、终端设备与WNS服务器之间可通过任何通信方式实现通信,包括但不限于,基于3GPP、LTE、WIMAX的移动通信、基于TCP/IP、UDP协议的计算机网络通信以及基于蓝牙、红外传输标准的近距无线传输方式。
本领域技术人员应当理解,本发明所称的“应用”、“应用程序”、“应用软件”以及类似表述的概念,是业内技术人员所公知的相同概念,是指由一系列计算机指令及相关数据资源有机构造的适于电子运行的计算机软件。除非特别指定,这种命名本身不受编程语言种类、级别,也不受其赖以运行的操作***或平台所限制。理所当然地,此类概念也不受任何形式的终端所限制。
下文中的“第一”、“第二”等为描述上相区别,并没有其它特殊的含义。
图1为根据本发明的车辆辅助驾驶方法的一个实施例的流程图,如图1所示:
步骤101,获取汽车数据存储装置发送的行车数据。
汽车数据存储装置可以为智能汽车中安装的黑匣子等智能装置,汽车数据存储装置发送行车数据采用的方式包括2G/3G/4G蜂窝移动通信网络、WiFi、WiMax等。
步骤102,基于辅助驾驶模型获取与行车数据相对应的辅助驾驶信息,辅助驾驶信息为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种。
步骤103,将辅助驾驶信息发送给汽车数据存储装置。
步骤104,汽车数据存储装置基于辅助驾驶信息发出提醒。汽车数据存储装置可以采用声音、文字形式播放、显示辅助驾驶信息,对驾驶员进行提醒。
在一个实施例中,行车数据包括:车辆状况数据、行车路径数据、驾驶行为数据等,辅助驾驶模型包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型等。获取历史行车数据以及与历史行车数据对应的辅助驾驶信息,生成训练样本集,构建辅助驾驶模型(包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型)并利用训练样本集进行深度学习训练,使用训练好的辅助驾驶模型分析行车数据并生成辅助驾驶信息以及统计分析数据。基于行车安全辅助模型、事故应急响应模型和智能统计分析模型分别获得与行车数据相对应的行车安全辅助信息、事故应急响应辅助信息和统计信息。
采用深度学习(深层结构的学习、分层学习或深度机器学习)方式处理建立的神经网络模型,即辅助驾驶模型(包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型)。神经网络模型可以为卷积神经网络、递归神经网络等。辅助驾驶模型包括输入层、输出层和隐含层。输入层包括输入端,接收采集的多个行车数据参数的数值。输出层包括输出端,输出生成辅助驾驶信息以及统计分析数据。隐含层包括多个处理单元,多个处理单元用于实现映射关系,分别与输入端、输出端连接。可以选用具有多节点的输入层、多节点的隐层、单节点的输出层结构的三层BP神经网络用于建模。
上述实施例中的车辆辅助驾驶方法,通过对车辆状况数据、行车路径数据、驾驶行为数据等各类行车数据进行采集、挖掘、分析,可为车辆驾驶提供各类行车安全辅助,并可以在突发车辆事故时提供事故应急响应辅助,能够提供各类统计分析等功能。
在一个实施例中,汽车数据存储装置获取传感器或电子控制单元采集的车辆状况数据并发送,车辆状况数据包括:行驶里程、行驶速度、发动机转速、元器件健康数据、油门开度、灯光状态参数、用电量/耗能、胎压、水温、碳排放数据、加速踏板开度等。
汽车数据存储装置获取GPS设备采集的车辆的地理位置信息以及时间信息,汽车数据存储装置根据地理位置信息和时间信息并结合电子地图信息获得行车路径数据。行车路径数据包括:车辆的位置信息、车辆活动半径、途径道路环境等。
汽车数据存储装置获取传感器采集的驾驶行为数据、行驶里程等信息并获取摄像装置采集的驾驶员图像信息,驾驶行为数据包括:油门、转动方向盘、开或关信号灯、刹车操作数据以及驾驶员图像信息。油门和刹车操作数据可以包括:急加速、急减速、急刹车、急转弯、下坡加油等。
如图2所示,通过对行车数据的采集和分析,在正常驾驶状态下,为车辆驾驶提供行车安全辅助信息,包括:碰撞预警、变道警示、灯光控制提示、疲劳驾驶提醒信息等行车安全辅助信息。
可以使用行车安全辅助模型并根据行车数据以及电子地图信息生成车辆运行轨迹,基于车辆运行轨迹选取碰撞预警候选车辆,其中,碰撞预警候选车辆与其周围的碰撞预警候选车辆之间的距离小于预设的第一安全距离阈值,第一安全距离阈值例如为20米等。如果判断碰撞预警候选车辆以及其周围的碰撞预警候选车辆按照各自当前的驾驶指令运行将发生相撞,则生成碰撞预警信息发送给碰撞预警候选车辆以及其周围的碰撞预警候选车辆。
例如,可以在电子地图上生成车辆和周边车辆的运行轨迹,车辆运行轨迹上的每个位置点都添加相应的运行状态,运行状态包括:速度、加速度、角速度和角加速度等,预测出车辆之间是否会发生碰撞。通过发送碰撞预警信息,使得在会车时两车会提前知道对方的存在能够及时调整本车的车速及行驶状态,从而有效规避交通隐患。
根据车辆运行轨迹、行车数据以及电子地图信息确定变道候选车辆以及变道目标车道。获取行驶在变道目标车道上并与变道候选车辆之间的距离小于预设的第二安全距离阈值的车辆作为变道相关车辆,第二安全距离阈值可以为20米等。如果根据变道候选车辆和变道相关车辆的车辆运行轨迹确定变道候选车辆进行变道后与变道相关车辆将发生相撞,则生成变道警示信息发送给变道候选车辆。
例如,通过对目标车道上的前、后车辆进行信息收集,检测附近车辆的运行情况(如车速、是否同时变道等),计算车辆变道后的危险程度。确定车辆进行并线,当车辆与其侧面的车辆之间的距离小于安全距离20米时,预测在2秒内两辆车会相撞,生成变道警示信息并发送到汽车数据存储装置,汽车数据存储装置向驾驶员发出变道警示。
使用行车安全辅助模型并根据车辆运行轨迹、行车数据判断是否按车灯使用规定使用车灯,如果是,则生成灯光控制提示信息,用以提示车灯正确使用,车灯包括:远光灯、转向灯、紧急灯等。监控道路上各车辆的运行轨迹,获取行驶方向、速度、所处位置、是否会车、何时会车等信息。例如,当车辆的远光灯处于开启状态并与周边车辆会车时,导致的对周边车辆驾驶员产生干扰,生成灯光控制提示信息,用于提示驾驶员关闭远光灯。
获取汽车数据存储装置周期性发送的驾驶行为数据中的驾驶员图像信息,使用行车安全辅助模型并根据驾驶员图像信息判断当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值,如果是,则生成疲劳驾驶提醒信息。可以对驾驶员的驾驶习惯和当前驾驶行为进行实时综合分析,判断驾驶员的驾驶状态,判定是否存在疲劳驾驶、情绪异常等情况。
例如,汽车数据存储装置周期性采集车内摄像装置发送的驾驶员图像信息,判断当前驾驶员的连续驾驶时间是否在4小时以上,如果是,则确定当前驾驶员为疲劳驾驶,生成疲劳驾驶提醒信息。也可以判断是否出现打哈欠、情绪异常、接打电话等情况,生成提醒信息。
在一个实施例中,通过对行车数据的全面采集和分析,在突发车辆事故时,提供远程故障检测处置、事故快速处理、大事故主动救援等事故应急响应辅助,如图3所示,采集本车辆以及相关联网车辆的车辆状况、行车路径等数据,车辆状况方面重点监控车辆仪表数据、胎压、气囊等零部件状态等数据,行车路径方面重点监控车辆行驶轨迹、道路环境等数据。
使用事故应急响应模型并根据行车数据确定车辆部件是否出现异常或故障,如果是,则确定与异常或故障相匹配的维修方案或处理方案,并基于维修方案或处理方案生成远程故障检测信息。通过监控车辆零部件状态、仪表数据、车辆行驶状态等方面的异常现象,分析可能存在的车辆故障及原因,为驾驶员提供故障远程提醒、远程诊断、远程检测、远程修复等功能。如果零部件需要更换,可自动向供应商备货,提高维修效率,提升主动化、差异化、便捷化服务水平。例如,判断车辆的胎压、车灯、发动机等是否出现异常,如果是,则生成远程故障检测信息,提供维修的方案和维修的地点。
使用事故应急响应模型并根据行车数据判断车辆是否发生事故,如果是,则提取事故车辆与此事故相关的行车数据,使用事故应急响应模型并根据此事故相关的行车数据分析事故发生的原因并确定事故责任以及处理方案,基于事故责任以及处理方案生成事故快速处理建议信息。例如,监控各类行车数据,当事故发生时,对事故前、事故中、事故后的行车数据进展综合分析,并依据交通规则给出事故处理建议,提高事故处理效率、减少纠纷。
如果使用事故应急响应模型并根据此事故相关的行车数据确定事故等级达到预设的等级阈值,事故等级为***设置的等级,例如为1级、2级、3级等,可以根据对事故前、事故中、事故后的行车数据分析事故的严重程度,确定事故等级。例如,根据车辆在发生碰撞时的速度,以及获取碰撞后的车辆零件的故障信息确定事故等级为2级,达到了预设的等级阈值-2级,则生成事故提醒信息并发送到预设的终端或***。事故提醒信息可以通过短信、邮件等方式发送,预设的终端可以为亲友的手机等,预设的***可以为交管部门、保险公司***等。通过监控各类行车数据,当发生重大事故时,可以在驾驶员无法及时亲自处置情况下,自动向家属亲友、医疗机构、交管部门、保险公司等发送事故提醒,缩短响应时间,提高救援效率,可按需向不同的用户和机构提供各类监控数据,为人员救治、事故判定处理提供支持。
通过对行车数据的全面采集和进行智能统计分析,为车辆驾驶员提供各类智能提醒、统计分析等功能,如图4所示。使用智能统计分析模型并根据行车数据获取统计分析数据,统计分析数据包括:用电量/耗能、行车路径统计、维修保养统计、出行习惯分析、出行优化分析等。智能统计分析模型可通过对车辆状况、行车路径等方面数据的精密监控和智能分析,提供点火、故障、保养、碰撞、拖吊、低电、设备断电、超速、保险和年审等提醒功能,以及提供用电量/耗能和成本统计、行车路径统计、维修保养统计、出行习惯分析、出行优化分析等功能。
在一个实施例中,可以通过专有的区块链网络实现各方(数据提供方、综合运算方)行车数据的共享和见证。区块链网络是一种分布式基础架构体系,利用块链式数据结构来存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的。区块链网络可实现全网共享验证、抗篡改抵赖、承诺及兑现。
如图5所示,区块链的数据结构有内在的防篡改机制,是一种篡改成本比较高的技术,每一个区块都带有上一个区块的数字信息,为区块+链机制。对行车数据进行处理,生成承诺凭证数据。可以利用区块链数据的不可篡改性,把车辆状况、行驶路径、驾驶习惯等行车数据进行加密、格式转换等处理后放在区块链上面,作为可以防伪的承诺凭证数据。
区块链利用块链式数据结构来验证与存储数据。块链节点共享的数据可以经过各区块链节点共识验证后,存入各区块链节点分别维护的区块链中,存入区块链的数据难以被篡改或丢失,各区块链节点维护的区块链存储的数据是同步的。存入区块链的数据是经过加密设备加密的,任何区块链节点只能直接从区块链中获取加密数据,对自身进行权限审核通过后,加密数据才会被发送给加密设备进行解密,区块链节点最终才能接收到加密设备返回的明文的数据。区块链节点可以是服务器等。
根据承诺凭证数据的类型从区块链网络中确定目标区块链节点。可以预先分配分别用于存储车辆状况、行驶路径、驾驶习惯等行车数据的区块链节点。例如分配区块链节点A存储车辆状况数据,分配区块链节点B存储行驶路径数据等。如果判断承诺凭证数据的类型为车辆状况数据,则将此承诺凭证数据存储在区块链节点A,如果判断承诺凭证数据的类型为行驶路径数据,则将此承诺凭证数据存储在区块链节点B。
将承诺凭证数据存储在与其对应的区块链节点中,用以在区块链网络中共享承诺凭证数据。数据提供方(智能汽车的汽车数据存储装置)实时采集车辆状况、行驶路径、驾驶习惯等数据,并根据不同的应用场景,将相关行车数据通过安全多方计算***处理,去除敏感信息和冗余数据,生成承诺凭证数据。将承诺凭证数据挂载到区块链网络,在全网进行数据共享。综合运算方对区块链网络进行监听,获取相关的承诺凭证数据,通过知识系数测试方法,对数据提供方的承诺凭证进行盲评价验证,确保输入数据通过规范方式采集,标准流程处理,且安全可靠。
在另一个实施例中,还可以包括:生成与辅助驾驶信息以及统计分析数据相对应的综合运算凭证.可以利用区块链数据的不可篡改性,把用电量/耗能、行车路径统计、维修保养统计、出行习惯分析、出行优化分析等统计分析数据进行加密、格式转换等处理后放在区块链上面,作为可以防伪的综合运算凭证。将综合运算凭证存储在区块链节点中,在区块链网络中共享综合运算凭证,挂载到区块链网络进行数据共享。当从区块链网络获取辅助驾驶信息以及统计分析数据时,对综合运算凭证进行盲评价验证。
行车数据验证***可以通过基于单向函数的比特承诺构建可验证数据结构,通过构造简明的非交互知识论证***,实现高效、非交互式验证计算,通过知识系数测试盲评价验证技术对验证过程进行加密保护。通过区块链网络实现数据交互,在保证数据隐私保密条件下进行数据可靠性、安全性验证。
相关数据订阅方从区块链网络获取辅助驾驶信息以及统计分析数据等,对综合运算凭证进行盲评价验证,验证综合运算方确实按要求汇聚预定体量数据、按规范流程模型运算,确保分析结果数据的可靠可信,可有效确保在复杂不诚实网络中各数据提供方数据的可靠性,避免不诚实节点,防止被恶意篡改或扰乱,可规避综合运算方对运算过程“弄虚”、“偷懒”等情况,可实现在保证数据隐私保密的条件下,支持任意数据提供方进行公开的、非交互式的、高效的验证。
在一个实施例中,如图6所示,本发明提供一种车辆辅助驾驶***60,包括:车辆数据获取装置61、驾驶数据分析装置62和辅助信息发送装置63。车辆数据获取装置61获取汽车数据存储装置发送的行车数据。驾驶数据分析装置62基于辅助驾驶模型获取与行车数据相对应的辅助驾驶信息。辅助信息发送装置63将辅助驾驶信息发送给汽车数据存储装置,辅助驾驶信息为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种。汽车数据存储装置基于辅助驾驶信息发出提醒。
在一个实施例中,辅助驾驶模型包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型等。驾驶数据分析装置62基于行车安全辅助模型、事故应急响应模型和智能统计分析模型分别获得与行车数据相对应的行车安全辅助信息、事故应急响应辅助信息和统计信息,行车数据包括:车辆状况数据、行车路径数据、驾驶行为数据等。
在一个实施例中,如图7所示,驾驶数据分析装置62包括:碰撞预警模块621、变道辅助模块622、灯光控制模块623、疲劳驾驶提醒模块624、远程故障检测处置模块625、事故快速处理模块626、事故主动救援模块627和统计分析模块628。
碰撞预警模块621使用行车安全辅助模型并根据行车数据以及电子地图信息生成车辆运行轨迹。碰撞预警模块621基于车辆运行轨迹选取碰撞预警候选车辆,其中,碰撞预警候选车辆与其周围的碰撞预警候选车辆之间的距离小于预设的第一安全距离阈值。如果判断碰撞预警候选车辆以及其周围的碰撞预警候选车辆按照各自当前的驾驶指令运行将发生相撞,则碰撞预警模块621生成碰撞预警信息发送给碰撞预警候选车辆以及其周围的碰撞预警候选车辆。
变道辅助模块622根据车辆运行轨迹、行车数据以及电子地图信息确定变道候选车辆以及变道目标车道。变道辅助模块622获取行驶在变道目标车道上并与变道候选车辆之间的距离小于预设的第二安全距离阈值的车辆作为变道相关车辆。如果根据变道候选车辆和变道相关车辆的车辆运行轨迹确定变道候选车辆进行变道后与变道相关车辆将发生相撞,则变道辅助模块622生成变道警示信息发送给变道候选车辆。
灯光控制模块623使用行车安全辅助模型并根据车辆运行轨迹、行车数据判断是否按车灯使用规定使用车灯,如果是,则灯光控制模块623生成灯光控制提示信息,用以提示车灯正确使用,车灯包括:远光灯、转向灯、紧急灯等。
疲劳驾驶提醒模块624获取汽车数据存储装置周期性发送的驾驶行为数据中的驾驶员图像信息。疲劳驾驶提醒模块624使用行车安全辅助模型并根据驾驶员图像信息判断当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值,如果是,则疲劳驾驶提醒模块624生成疲劳驾驶提醒信息。
远程故障检测处置模块625使用事故应急响应模型并根据行车数据确定车辆部件是否出现异常或故障,如果是,则远程故障检测处置模块625确定与异常或故障相匹配的维修方案或处理方案,并基于维修方案或处理方案生成远程故障检测信息。
事故快速处理模块626使用事故应急响应模型并根据行车数据判断车辆是否发生事故,如果是,则事故快速处理模块626提取事故车辆与此事故相关的行车数据,使用事故应急响应模型并根据此事故相关的行车数据分析事故发生的原因并确定事故责任以及处理方案。事故快速处理模块626使用事故应急响应模型并基于事故责任以及处理方案生成事故快速处理建议信息。
如果使用事故应急响应模型并根据此事故相关的行车数据确定事故等级达到预设的等级阈值,则事故主动救援模块627生成事故提醒信息并发送到预设的终端或***。统计分析模块628使用智能统计分析模型并根据行车数据获取统计分析数据,其中,统计分析数据包括:用电量/耗能、行车路径统计、维修保养统计、出行习惯分析、出行优化分析。
在一个实施例中,驾驶数据分析装置62获取历史行车数据以及与历史行车数据对应的辅助驾驶信息,生成训练样本集。驾驶数据分析装置62构建辅助驾驶模型并利用训练样本集进行深度学习训练,使用训练好的辅助驾驶模型分析行车数据并生成辅助驾驶信息以及统计分析数据。
车辆数据获取装置61对行车数据进行处理,生成承诺凭证数据。车辆数据获取装置61根据承诺凭证数据的类型从区块链网络中确定目标区块链节点。车辆数据获取装置61将承诺凭证数据存储在与其对应的区块链节点中,用以在区块链网络中共享承诺凭证数据。
驾驶数据分析装置62生成与辅助驾驶信息以及统计分析数据相对应的综合运算凭证。驾驶数据分析装置62将综合运算凭证存储在区块链节点中,用以在区块链网络中共享综合运算凭证,其中,当从区块链网络获取辅助驾驶信息以及统计分析数据时,对综合运算凭证进行盲评价验证。
在一个实施例中,如图8所示,提供一种车辆辅助驾驶方法***,该装置可包括存储器81和处理器82,存储器81用于存储指令,处理器82耦合到存储器81,处理器82被配置为基于存储器81存储的指令执行实现上述的车辆辅助驾驶方法。
存储器81可以为高速RAM存储器、非易失性存储器(non-volatile memory)等,存储器81也可以是存储器阵列。存储器81还可能被分块,并且块可按一定的规则组合成虚拟卷。处理器82可以为中央处理器CPU,或专用集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明的车辆辅助驾驶方法的一个或多个集成电路。
在一个实施例中,本发明提供一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上任一个实施例中的车辆辅助驾驶方法。
上述实施例提供的车辆辅助驾驶方法和***,获取汽车数据存储装置发送的行车数据,基于辅助驾驶模型获取与行车数据相对应的辅助驾驶信息,为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种,将辅助驾驶信息发送给汽车数据存储装置用于发出提醒;通过对各类行车数据的实时采集、深入挖掘,能够为车辆驾驶提供多种提示以及统计分析等功能,进而对驾驶员提供精确参考,帮助驾驶员养成良好的驾驶习惯,并且提高了驾驶员的行车安全;采用区块链技术存储和验证数据,可有效确保在复杂网络中数据提供方数据的可靠性,避免不诚实节点,防止被恶意篡改或扰乱。
可能以许多方式来实现本发明的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
本发明的实施例提供了A1、一种车辆辅助驾驶方法,其中,包括:
获取汽车数据存储装置发送的行车数据;
基于辅助驾驶模型获取与所述行车数据相对应的辅助驾驶信息,并将所述辅助驾驶信息发送给所述汽车数据存储装置;其中,所述辅助驾驶信息为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种;
所述汽车数据存储装置基于所述辅助驾驶信息发出提醒。
A2、如A1所述的方法,其中,所述辅助驾驶模型包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型;所述方法还包括:
基于所述行车安全辅助模型、所述事故应急响应模型和所述智能统计分析模型分别获得与所述行车数据相对应的行车安全辅助信息、事故应急响应辅助信息和统计信息;
其中,所述行车数据包括:车辆状况数据、行车路径数据、驾驶行为数据。
A3、如A2所述方法,其中,所述行车安全辅助信息包括:碰撞预警信息;所述方法还包括:
使用所述行车安全辅助模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹;
基于所述车辆运行轨迹选取碰撞预警候选车辆,其中,所述碰撞预警候选车辆与其周围的碰撞预警候选车辆之间的距离小于预设的第一安全距离阈值;
如果判断所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆按照各自当前的驾驶指令运行将发生相撞,则生成所述碰撞预警信息发送给所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆。
A4、如A3所述方法,其中,所述行车安全辅助信息包括:变道警示信息;所述方法还包括:
根据所述车辆运行轨迹、所述行车数据以及电子地图信息确定变道候选车辆以及变道目标车道;
获取行驶在所述变道目标车道上并与所述变道候选车辆之间的距离小于预设的第二安全距离阈值的车辆作为变道相关车辆;
如果根据所述变道候选车辆和所述变道相关车辆的车辆运行轨迹确定所述变道候选车辆进行变道后与所述变道相关车辆将发生相撞,则生成所述变道警示信息发送给所述变道候选车辆。
A5、如A3所述方法,其中,所述行车安全辅助信息包括:灯光控制提示信息;所述方法还包括:
使用所述行车安全辅助模型并根据所述车辆运行轨迹、所述行车数据判断是否按车灯使用规定使用车灯,如果是,则生成所述灯光控制提示信息,用以提示车灯正确使用,其中,所述车灯包括:远光灯、转向灯、紧急灯。
A6、如A3所述方法,其中,所述行车安全辅助信息包括:疲劳驾驶提醒信息;所述方法还包括:
获取所述汽车数据存储装置周期性发送的所述驾驶行为数据中的驾驶员图像信息;
使用所述行车安全辅助模型并根据所述驾驶员图像信息判断当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值,如果是,则生成所述疲劳驾驶提醒信息。
A7、如A2至A6任一所述的方法,其中,所述事故应急响应辅助信息包括:远程故障检测信息;所述方法还包括:
使用所述事故应急响应模型并根据所述行车数据确定车辆部件是否出现异常或故障;
如果是,则确定与所述异常或故障相匹配的维修方案或处理方案,并基于所述维修方案或所述处理方案生成所述远程故障检测信息。
A8、如A2至A6任一所述的方法,其中,所述事故应急响应辅助信息包括:事故快速处理建议信息;所述方法还包括:
使用所述事故应急响应模型并根据所述行车数据判断车辆是否发生事故;
如果是,则提取事故车辆与此事故相关的行车数据,使用所述事故应急响应模型并根据所述此事故相关的行车数据分析事故发生的原因并确定事故责任以及处理方案;
使用所述事故应急响应模型并基于所述事故责任以及处理方案生成所述事故快速处理建议信息。
A9、如A8所述的方法,其中,所述方法还包括:
如果使用所述事故应急响应模型并根据所述此事故相关的行车数据确定事故等级达到预设的等级阈值,则生成事故提醒信息并发送到预设的终端或***;
使用所述智能统计分析模型并根据所述行车数据获取统计分析数据。
A10、如A2至A6任一所述的方法,其中,还包括:
所述汽车数据存储装置获取传感器或电子控制单元采集的所述车辆状况数据并发送。
A11、如A2至A6任一所述的方法,其中,还包括:
所述汽车数据存储装置获取GPS设备采集的车辆的地理位置信息以及时间信息;
所述汽车数据存储装置根据所述地理位置信息和所述时间信息并结合电子地图信息获得所述行车路径数据;其中,所述行车路径数据包括:车辆的位置信息、车辆活动半径、途径道路环境。
A12、如A2至A6任一所述的方法,其中,还包括:
所述汽车数据存储装置获取传感器采集的驾驶行为数据、行驶里程并获取摄像装置采集的驾驶员图像信息,其中,所述驾驶行为数据包括:油门、转动方向盘、开或关信号灯、刹车操作数据以及驾驶员图像信息。
A13、如A1至A12任一所述的方法,其中,还包括:
获取历史行车数据以及与所述历史行车数据对应的辅助驾驶信息,生成训练样本集;
构建所述辅助驾驶模型并利用所述训练样本集进行深度学习训练,使用训练好的所述辅助驾驶模型分析所述行车数据并生成所述辅助驾驶信息以及统计分析数据。
A14、如A13所述的方法,其中,还包括:
对所述行车数据进行处理,生成承诺凭证数据;
根据所述承诺凭证数据的类型从区块链网络中确定目标区块链节点;
将所述承诺凭证数据存储在与其对应的区块链节点中,用以在所述区块链网络中共享所述承诺凭证数据。
A15、如A14所述的方法,其中,还包括:
生成与所述辅助驾驶信息以及统计分析数据相对应的综合运算凭证;
将所述综合运算凭证存储在区块链节点中,用以在所述区块链网络中共享所述综合运算凭证,其中,当从区块链网络获取所述辅助驾驶信息以及统计分析数据时,对所述综合运算凭证进行盲评价验证。
B16、一种车辆辅助驾驶***,其中,包括:
车辆数据获取装置,用于获取汽车数据存储装置发送的行车数据;
驾驶数据分析装置,用于基于辅助驾驶模型获取与所述行车数据相对应的辅助驾驶信息;
辅助信息发送装置,用于将所述辅助驾驶信息发送给所述汽车数据存储装置;其中,所述辅助驾驶信息为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种;其中,所述汽车数据存储装置基于所述辅助驾驶信息发出提醒。
B17、如B16所述的***,其中,所述辅助驾驶模型包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型;
所述驾驶数据分析装置,用于基于所述行车安全辅助模型、所述事故应急响应模型和所述智能统计分析模型分别获得与所述行车数据相对应的行车安全辅助信息、事故应急响应辅助信息和统计信息;其中,所述行车数据包括:车辆状况数据、行车路径数据、驾驶行为数据。
B18、如B17所述的***,其中,所述行车安全辅助信息包括:碰撞预警信息;
所述驾驶数据分析装置,包括:
碰撞预警模块,用于使用所述行车安全辅助模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹;基于所述车辆运行轨迹选取碰撞预警候选车辆,其中,所述碰撞预警候选车辆与其周围的碰撞预警候选车辆之间的距离小于预设的第一安全距离阈值;如果判断所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆按照各自当前的驾驶指令运行将发生相撞,则生成所述碰撞预警信息发送给所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆。
B19、如B18所述***,其中,所述行车安全辅助信息包括:
变道警示信息;
所述驾驶数据分析装置,包括:
所述变道辅助模块,用于根据所述车辆运行轨迹、所述行车数据以及电子地图信息确定变道候选车辆以及变道目标车道;获取行驶在所述变道目标车道上并与所述变道候选车辆之间的距离小于预设的第二安全距离阈值的车辆作为变道相关车辆;如果根据所述变道候选车辆和所述变道相关车辆的车辆运行轨迹确定所述变道候选车辆进行变道后与所述变道相关车辆将发生相撞,则生成所述变道警示信息发送给所述变道候选车辆。
B20、如B18所述***,其中,所述行车安全辅助信息包括:
灯光控制提示信息;
所述驾驶数据分析装置,包括:
灯光控制模块,用于使用所述行车安全辅助模型并根据所述车辆运行轨迹、所述行车数据判断是否按车灯使用规定使用车灯,如果是,则生成所述灯光控制提示信息,用以提示车灯正确使用,其中,所述车灯包括:远光灯、转向灯、紧急灯。
B21、如B18所述***,其中,所述行车安全辅助信息包括:
疲劳驾驶提醒信息;
所述驾驶数据分析装置,包括:
疲劳驾驶提醒模块,用于获取所述汽车数据存储装置周期性发送的所述驾驶行为数据中的驾驶员图像信息;使用所述行车安全辅助模型并根据所述驾驶员图像信息判断当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值,如果是,则生成所述疲劳驾驶提醒信息。
B22、如B17至B21任一所述的***,其中,所述事故应急响应辅助信息包括:远程故障检测信息;
所述驾驶数据分析装置,包括:
远程故障检测处置模块,使用所述事故应急响应模型并根据所述行车数据确定车辆部件是否出现异常或故障;如果是,则确定与所述异常或故障相匹配的维修方案或处理方案,并基于所述维修方案或所述处理方案生成所述远程故障检测信息。
B23、如B17至B21任一所述的***,其中,所述事故应急响应辅助信息包括:事故快速处理建议信息;
所述驾驶数据分析装置,包括:
事故快速处理模块,用于使用所述事故应急响应模型并根据所述行车数据判断车辆是否发生事故;如果是,则提取事故车辆与此事故相关的行车数据,使用所述事故应急响应模型并根据所述此事故相关的行车数据分析事故发生的原因并确定事故责任以及处理方案;使用所述事故应急响应模型并基于所述事故责任以及处理方案生成所述事故快速处理建议信息。
B24、如B23所述的***,其中,
所述驾驶数据分析装置,包括:
事故主动救援模块,用于如果使用所述事故应急响应模型并根据所述此事故相关的行车数据确定事故等级达到预设的等级阈值,则生成事故提醒信息并发送到预设的终端或***;
统计分析模块,用于使用所述智能统计分析模型并根据所述行车数据获取统计分析数据。
B25、如B17至B21任一所述的***,其中,
所述汽车数据存储装置获取传感器或电子控制单元采集的所述车辆状况数据并发送。
B26、如B17至B21任一所述的***,其中,
所述汽车数据存储装置获取GPS设备采集的车辆的地理位置信息以及时间信息;
所述汽车数据存储装置根据所述地理位置信息和所述时间信息并结合电子地图信息获得所述行车路径数据;其中,所述行车路径数据包括:车辆的位置信息、车辆活动半径、途径道路环境。
B27、如B17至B21任一所述的***,其中,
所述汽车数据存储装置获取传感器采集的驾驶行为数据、行驶里程并获取摄像装置采集的驾驶员图像信息,其中,所述驾驶行为数据包括:油门、转动方向盘、开或关信号灯、刹车操作数据以及驾驶员图像信息。
B28、如B16至B27任一所述的***,其中,
所述驾驶数据分析装置,用于获取历史行车数据以及与所述历史行车数据对应的辅助驾驶信息,生成训练样本集;构建所述辅助驾驶模型并利用所述训练样本集进行深度学习训练,使用训练好的所述辅助驾驶模型分析所述行车数据并生成所述辅助驾驶信息以及统计分析数据。
B29、如B28所述的***,其中,
所述车辆数据获取装置,用于对所述行车数据进行处理,生成承诺凭证数据;根据所述承诺凭证数据的类型从区块链网络中确定目标区块链节点;将所述承诺凭证数据存储在与其对应的区块链节点中,用以在所述区块链网络中共享所述承诺凭证数据。
B30、如B29所述的***,其中,
所述驾驶数据分析装置,用于生成与所述辅助驾驶信息以及统计分析数据相对应的综合运算凭证;将所述综合运算凭证存储在区块链节点中,用以在所述区块链网络中共享所述综合运算凭证,其中,当从区块链网络获取所述辅助驾驶信息以及统计分析数据时,对所述综合运算凭证进行盲评价验证。
C31、一种车辆辅助驾驶***,其中,包括:
存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如A1至A15中任一项所述的方法。
D32、一种计算机可读存储介质,其上存储有计算机程序指令,该指令被一个或多个处理器执行时实现权利要求A1至A15任意一项所述的车辆辅助驾驶方法的步骤。
Claims (10)
1.一种车辆辅助驾驶方法,其特征在于,包括:
获取汽车数据存储装置发送的行车数据;
基于辅助驾驶模型获取与所述行车数据相对应的辅助驾驶信息,并将所述辅助驾驶信息发送给所述汽车数据存储装置;其中,所述辅助驾驶信息为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种;
所述汽车数据存储装置基于所述辅助驾驶信息发出提醒。
2.如权利要求1所述的方法,其特征在于,所述辅助驾驶模型包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型;所述方法还包括:
基于所述行车安全辅助模型、所述事故应急响应模型和所述智能统计分析模型分别获得与所述行车数据相对应的行车安全辅助信息、事故应急响应辅助信息和统计信息;
其中,所述行车数据包括:车辆状况数据、行车路径数据、驾驶行为数据。
3.如权利要求2所述方法,其特征在于,所述行车安全辅助信息包括:碰撞预警信息;所述方法还包括:
使用所述行车安全辅助模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹;
基于所述车辆运行轨迹选取碰撞预警候选车辆,其中,所述碰撞预警候选车辆与其周围的碰撞预警候选车辆之间的距离小于预设的第一安全距离阈值;
如果判断所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆按照各自当前的驾驶指令运行将发生相撞,则生成所述碰撞预警信息发送给所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆。
4.如权利要求3所述方法,其特征在于,所述行车安全辅助信息包括:变道警示信息;所述方法还包括:
根据所述车辆运行轨迹、所述行车数据以及电子地图信息确定变道候选车辆以及变道目标车道;
获取行驶在所述变道目标车道上并与所述变道候选车辆之间的距离小于预设的第二安全距离阈值的车辆作为变道相关车辆;
如果根据所述变道候选车辆和所述变道相关车辆的车辆运行轨迹确定所述变道候选车辆进行变道后与所述变道相关车辆将发生相撞,则生成所述变道警示信息发送给所述变道候选车辆。
5.一种车辆辅助驾驶***,其特征在于,包括:
车辆数据获取装置,用于获取汽车数据存储装置发送的行车数据;
驾驶数据分析装置,用于基于辅助驾驶模型获取与所述行车数据相对应的辅助驾驶信息;
辅助信息发送装置,用于将所述辅助驾驶信息发送给所述汽车数据存储装置;其中,所述辅助驾驶信息为行车安全辅助信息、事故应急响应辅助信息和统计信息中的至少一种;其中,所述汽车数据存储装置基于所述辅助驾驶信息发出提醒。
6.如权利要求5所述的***,其特征在于,所述辅助驾驶模型包括:行车安全辅助模型、事故应急响应模型、智能统计分析模型;
所述驾驶数据分析装置,用于基于所述行车安全辅助模型、所述事故应急响应模型和所述智能统计分析模型分别获得与所述行车数据相对应的行车安全辅助信息、事故应急响应辅助信息和统计信息;其中,所述行车数据包括:车辆状况数据、行车路径数据、驾驶行为数据。
7.如权利要求6所述的***,其特征在于,所述行车安全辅助信息包括:碰撞预警信息;
所述驾驶数据分析装置,包括:
碰撞预警模块,用于使用所述行车安全辅助模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹;基于所述车辆运行轨迹选取碰撞预警候选车辆,其中,所述碰撞预警候选车辆与其周围的碰撞预警候选车辆之间的距离小于预设的第一安全距离阈值;如果判断所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆按照各自当前的驾驶指令运行将发生相撞,则生成所述碰撞预警信息发送给所述碰撞预警候选车辆以及其周围的碰撞预警候选车辆。
8.如权利要求7所述***,其特征在于,所述行车安全辅助信息包括:
变道警示信息;
所述驾驶数据分析装置,包括:
所述变道辅助模块,用于根据所述车辆运行轨迹、所述行车数据以及电子地图信息确定变道候选车辆以及变道目标车道;获取行驶在所述变道目标车道上并与所述变道候选车辆之间的距离小于预设的第二安全距离阈值的车辆作为变道相关车辆;如果根据所述变道候选车辆和所述变道相关车辆的车辆运行轨迹确定所述变道候选车辆进行变道后与所述变道相关车辆将发生相撞,则生成所述变道警示信息发送给所述变道候选车辆。
9.一种车辆辅助驾驶***,其特征在于,包括:
存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1至4中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,该指令被一个或多个处理器执行时实现权利要求1至4任意一项所述的车辆辅助驾驶方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810451388.5A CN108860165B (zh) | 2018-05-11 | 2018-05-11 | 车辆辅助驾驶方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810451388.5A CN108860165B (zh) | 2018-05-11 | 2018-05-11 | 车辆辅助驾驶方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108860165A true CN108860165A (zh) | 2018-11-23 |
CN108860165B CN108860165B (zh) | 2021-06-11 |
Family
ID=64333409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810451388.5A Active CN108860165B (zh) | 2018-05-11 | 2018-05-11 | 车辆辅助驾驶方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108860165B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858829A (zh) * | 2019-02-22 | 2019-06-07 | 赛飞特工程技术集团有限公司 | 一种基于区块链的隐患事故预警方法 |
CN109895786A (zh) * | 2019-03-29 | 2019-06-18 | 深圳市元征科技股份有限公司 | 一种自动驾驶辅助方法、装置、设备及可读存储介质 |
CN110264586A (zh) * | 2019-05-28 | 2019-09-20 | 浙江零跑科技有限公司 | L3级自动驾驶***道路驾驶数据采集、分析及上传方法 |
CN110706371A (zh) * | 2019-10-17 | 2020-01-17 | 腾讯科技(深圳)有限公司 | 基于区块链的行车安全管理方法、***及存储介质 |
CN110798515A (zh) * | 2019-10-18 | 2020-02-14 | 广西玉柴新能源汽车有限公司 | 具备预见性驾驶功能的vcu |
CN110920539A (zh) * | 2019-11-15 | 2020-03-27 | 奇点汽车研发中心有限公司 | 车辆驾驶分析方法和装置、电子设备和计算机存储介质 |
CN110971711A (zh) * | 2019-12-30 | 2020-04-07 | 迈迩斯新能源科技(上海)有限公司 | 一种基于区块链技术的分布式车联网数据传输*** |
CN111081021A (zh) * | 2019-12-30 | 2020-04-28 | 泰康保险集团股份有限公司 | 一种行车安全控制方法、行车安全装置、移动终端及支架 |
CN111256716A (zh) * | 2018-12-03 | 2020-06-09 | 丰田自动车株式会社 | 信息处理***、程序和控制方法 |
CN111717220A (zh) * | 2020-05-12 | 2020-09-29 | 重庆长安汽车股份有限公司 | 用户节油提示方法及*** |
CN112249022A (zh) * | 2020-10-29 | 2021-01-22 | 北京罗克维尔斯科技有限公司 | 一种车辆高级驾驶辅助***的性能分析方法及装置 |
CN112677981A (zh) * | 2021-01-08 | 2021-04-20 | 浙江三一装备有限公司 | 用于作业机械安全驾驶的智能辅助方法及装置 |
CN112863244A (zh) * | 2019-11-28 | 2021-05-28 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
CN112937599A (zh) * | 2021-01-28 | 2021-06-11 | 中国重汽集团济南动力有限公司 | 一种驾驶辅助性能监测***及方法 |
CN113076867A (zh) * | 2021-03-31 | 2021-07-06 | 北京万集科技股份有限公司 | 目标对象的验证方法、装置、存储介质以及电子装置 |
CN113619573A (zh) * | 2020-05-09 | 2021-11-09 | 奥迪股份公司 | 辅助装置、相应的***、辅助方法和介质 |
CN114162129A (zh) * | 2021-12-16 | 2022-03-11 | 华人运通(上海)云计算科技有限公司 | 车辆碰撞责任判定方法、装置和*** |
CN115346362A (zh) * | 2022-06-10 | 2022-11-15 | 斑马网络技术有限公司 | 行车数据处理方法、装置、电子设备及存储介质 |
CN116101303A (zh) * | 2023-04-07 | 2023-05-12 | 成都理工大学工程技术学院 | 一种车辆辅助驾驶方法、***、装置和存储介质 |
CN117826763A (zh) * | 2024-01-04 | 2024-04-05 | 苏州埃博斯电气有限公司 | 一种基于车联网的汽车信息智能采集管控***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100125386A1 (en) * | 2008-10-30 | 2010-05-20 | Faroog Abdel-Kareem Ibrahim | False alarm management in das and csw system using false alarm database and map database sensor |
CN105654753A (zh) * | 2016-01-08 | 2016-06-08 | 北京乐驾科技有限公司 | 一种智能车载安全驾驶辅助方法及*** |
CN106114515A (zh) * | 2016-06-29 | 2016-11-16 | 北京奇虎科技有限公司 | 汽车驾驶行为提醒方法及*** |
CN106926779A (zh) * | 2017-03-09 | 2017-07-07 | 吉利汽车研究院(宁波)有限公司 | 一种车辆变道辅助*** |
CN107953888A (zh) * | 2017-11-29 | 2018-04-24 | 北京经纬恒润科技有限公司 | 一种道路类型识别方法及*** |
CN108009646A (zh) * | 2017-11-30 | 2018-05-08 | 深圳市轱辘车联数据技术有限公司 | 车辆数据处理方法及服务器 |
-
2018
- 2018-05-11 CN CN201810451388.5A patent/CN108860165B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100125386A1 (en) * | 2008-10-30 | 2010-05-20 | Faroog Abdel-Kareem Ibrahim | False alarm management in das and csw system using false alarm database and map database sensor |
CN105654753A (zh) * | 2016-01-08 | 2016-06-08 | 北京乐驾科技有限公司 | 一种智能车载安全驾驶辅助方法及*** |
CN106114515A (zh) * | 2016-06-29 | 2016-11-16 | 北京奇虎科技有限公司 | 汽车驾驶行为提醒方法及*** |
CN106926779A (zh) * | 2017-03-09 | 2017-07-07 | 吉利汽车研究院(宁波)有限公司 | 一种车辆变道辅助*** |
CN107953888A (zh) * | 2017-11-29 | 2018-04-24 | 北京经纬恒润科技有限公司 | 一种道路类型识别方法及*** |
CN108009646A (zh) * | 2017-11-30 | 2018-05-08 | 深圳市轱辘车联数据技术有限公司 | 车辆数据处理方法及服务器 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111256716B (zh) * | 2018-12-03 | 2023-08-18 | 丰田自动车株式会社 | 信息处理***、程序和控制方法 |
CN111256716A (zh) * | 2018-12-03 | 2020-06-09 | 丰田自动车株式会社 | 信息处理***、程序和控制方法 |
CN109858829A (zh) * | 2019-02-22 | 2019-06-07 | 赛飞特工程技术集团有限公司 | 一种基于区块链的隐患事故预警方法 |
CN109895786A (zh) * | 2019-03-29 | 2019-06-18 | 深圳市元征科技股份有限公司 | 一种自动驾驶辅助方法、装置、设备及可读存储介质 |
CN110264586A (zh) * | 2019-05-28 | 2019-09-20 | 浙江零跑科技有限公司 | L3级自动驾驶***道路驾驶数据采集、分析及上传方法 |
CN110706371A (zh) * | 2019-10-17 | 2020-01-17 | 腾讯科技(深圳)有限公司 | 基于区块链的行车安全管理方法、***及存储介质 |
CN110798515A (zh) * | 2019-10-18 | 2020-02-14 | 广西玉柴新能源汽车有限公司 | 具备预见性驾驶功能的vcu |
CN110920539A (zh) * | 2019-11-15 | 2020-03-27 | 奇点汽车研发中心有限公司 | 车辆驾驶分析方法和装置、电子设备和计算机存储介质 |
CN112863244A (zh) * | 2019-11-28 | 2021-05-28 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
CN112863244B (zh) * | 2019-11-28 | 2023-03-14 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
CN110971711A (zh) * | 2019-12-30 | 2020-04-07 | 迈迩斯新能源科技(上海)有限公司 | 一种基于区块链技术的分布式车联网数据传输*** |
CN111081021A (zh) * | 2019-12-30 | 2020-04-28 | 泰康保险集团股份有限公司 | 一种行车安全控制方法、行车安全装置、移动终端及支架 |
CN111081021B (zh) * | 2019-12-30 | 2021-12-10 | 泰康保险集团股份有限公司 | 一种行车安全控制方法、行车安全装置、移动终端及支架 |
CN113619573A (zh) * | 2020-05-09 | 2021-11-09 | 奥迪股份公司 | 辅助装置、相应的***、辅助方法和介质 |
CN111717220A (zh) * | 2020-05-12 | 2020-09-29 | 重庆长安汽车股份有限公司 | 用户节油提示方法及*** |
CN112249022B (zh) * | 2020-10-29 | 2022-07-29 | 北京罗克维尔斯科技有限公司 | 一种车辆高级驾驶辅助***的性能分析方法及装置 |
CN112249022A (zh) * | 2020-10-29 | 2021-01-22 | 北京罗克维尔斯科技有限公司 | 一种车辆高级驾驶辅助***的性能分析方法及装置 |
CN112677981B (zh) * | 2021-01-08 | 2022-06-07 | 浙江三一装备有限公司 | 用于作业机械安全驾驶的智能辅助方法及装置 |
CN112677981A (zh) * | 2021-01-08 | 2021-04-20 | 浙江三一装备有限公司 | 用于作业机械安全驾驶的智能辅助方法及装置 |
CN112937599A (zh) * | 2021-01-28 | 2021-06-11 | 中国重汽集团济南动力有限公司 | 一种驾驶辅助性能监测***及方法 |
CN113076867A (zh) * | 2021-03-31 | 2021-07-06 | 北京万集科技股份有限公司 | 目标对象的验证方法、装置、存储介质以及电子装置 |
CN114162129A (zh) * | 2021-12-16 | 2022-03-11 | 华人运通(上海)云计算科技有限公司 | 车辆碰撞责任判定方法、装置和*** |
CN115346362A (zh) * | 2022-06-10 | 2022-11-15 | 斑马网络技术有限公司 | 行车数据处理方法、装置、电子设备及存储介质 |
CN115346362B (zh) * | 2022-06-10 | 2024-04-09 | 斑马网络技术有限公司 | 行车数据处理方法、装置、电子设备及存储介质 |
CN116101303A (zh) * | 2023-04-07 | 2023-05-12 | 成都理工大学工程技术学院 | 一种车辆辅助驾驶方法、***、装置和存储介质 |
CN116101303B (zh) * | 2023-04-07 | 2023-07-07 | 成都理工大学工程技术学院 | 一种车辆辅助驾驶方法、***、装置和存储介质 |
CN117826763A (zh) * | 2024-01-04 | 2024-04-05 | 苏州埃博斯电气有限公司 | 一种基于车联网的汽车信息智能采集管控***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108860165B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108860165A (zh) | 车辆辅助驾驶方法和*** | |
CN108428340B (zh) | 道路交通状况分析方法和*** | |
Castignani et al. | Driver behavior profiling using smartphones: A low-cost platform for driver monitoring | |
US11042619B2 (en) | Vehicle occupant tracking and trust | |
CN108734592A (zh) | 车辆保险业务数据分析方法和*** | |
CN106114515B (zh) | 汽车驾驶行为提醒方法及*** | |
US20200026289A1 (en) | Distributed traffic safety consensus | |
CN109844793A (zh) | 基于智能、远程信息处理的oem线路装配***及其对应方法,用于按比例缩放的实时风险测量/风险评分驱动信令 | |
US11657318B2 (en) | Assessing ride quality for autonomous vehicles | |
CN112446761A (zh) | 用于使用区块链进行共乘的***和方法 | |
US12010744B2 (en) | Occupant condition detection and response | |
Peng et al. | Evaluation of emergency driving behaviour and vehicle collision risk in connected vehicle environment: A deep learning approach | |
US11919423B2 (en) | Weight and pressure related validation | |
US20230382392A1 (en) | Broadcasting vehicle event to external source | |
US20230048359A1 (en) | Message construction based on potential for collision | |
US11623540B2 (en) | Transport recharge level determination | |
CN116601619A (zh) | 安全控制器区域网络(can)收发器 | |
US20230296388A1 (en) | Predictive routes for vehicles | |
US11794764B2 (en) | Approximating a time of an issue | |
US12030489B2 (en) | Transport related emergency service notification | |
US11887460B2 (en) | Transport-related contact notification | |
US20240199021A1 (en) | Vehicular enclosed area determination | |
US11554671B2 (en) | Transport data display cognition | |
US11894136B2 (en) | Occupant injury determination | |
US20230260399A1 (en) | Ingress and egress parking preferences |
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 |