CN110942671B - 车辆危险驾驶检测方法、装置以及存储介质 - Google Patents
车辆危险驾驶检测方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN110942671B CN110942671B CN201911226114.7A CN201911226114A CN110942671B CN 110942671 B CN110942671 B CN 110942671B CN 201911226114 A CN201911226114 A CN 201911226114A CN 110942671 B CN110942671 B CN 110942671B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- scene
- information
- operation data
- threshold
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种车辆危险驾驶检测方法、装置以及存储介质,其中的方法包括:根据第一车辆行驶信息、第一路面干湿状况信息和第一车辆类型信息设置至少一个驾驶控制场景;获取与驾驶控制场景相匹配的第一车辆运行数据,生成场景数据样本集合,基于场景数据样本集合并使用预设的阈值计算策略确定与驾驶控制场景相对应的车辆运行数据阈值;根据驾驶控制场景和对应的车辆运行数据阈值对目标车辆进行实时检测。本公开的方法、装置以及存储介质,能够准确识别车辆行驶的多种实际情况下的车辆危险操作行为,可以适应多种情况下的危险驾驶检测,提高了危险驾驶检测的准确性和泛化性。
Description
技术领域
本发明涉及车辆安全驾驶技术领域,尤其涉及一种车辆危险驾驶检测方法、装置以及存储介质。
背景技术
随着行车记录仪、OBD盒子等终端设备的普及,大量有人操作的自然驾驶数据被采集保存下来,记录了不同道路条件、不同光照天气条件、不同交通环境下的驾驶行为数据,其中包含了各种驾驶场景,尤其是各种危险场景,如急刹车和急转向等紧急操作场景,因其接近于自动驾驶需要通过大量路测获取的人工接管场景,筛选出来可以用于自动驾驶场景开发,具有重要价值。
自然驾驶数据中的危险场景可以通过分析车辆速度、横纵向加速度、横摆角速度等车辆运行数据,基于设定的固定阈值以及车辆运行数据判断车辆是否处于危险驾驶场景。目前,固定阈值的设置依据来源于经验值,或特定道路条件、特定车型的实验分析数据,不适用于车辆行驶的多种实际情况,无法准确识别各种情况下的车辆危险操作行为。
发明内容
有鉴于此,本发明要解决的一个技术问题是提供一种车辆危险驾驶检测方法、装置以及存储介质。
根据本公开的一个方面,提供一种车辆危险驾驶检测方法,包括:获取车辆数据采集装置在预设的时间区间内采集的第一车辆行驶信息;其中,所述第一车辆行驶信息包括:第一车辆运行数据、第一车辆位置信息以及第一车辆载重信息;获取与所述第一车辆行驶信息相对应的第一路面干湿状况信息以及第一车辆类型信息;根据所述第一车辆行驶信息、所述第一路面干湿状况信息和所述第一车辆类型信息设置至少一个驾驶控制场景;获取与所述驾驶控制场景相匹配的所述第一车辆运行数据,生成场景数据样本集合,基于所述场景数据样本集合并使用预设的阈值计算策略确定与所述驾驶控制场景相对应的车辆运行数据阈值;根据所述驾驶控制场景和对应的所述车辆运行数据阈值对目标车辆进行实时检测,用以判断所述目标车辆是否处在危险驾驶场景。
可选地,所述根据所述驾驶控制场景和对应的所述车辆运行数据阈值对目标车辆进行实时检测包括:实时获取所述车辆数据采集装置采集的所述目标车辆的第二车辆行驶信息;其中,所述第二车辆行驶信息包括:第二车辆运行数据、第二车辆位置信息以及第二车辆载重信息;实时获取所述目标车辆的第二路面干湿状况信息以及所述目标车辆的第二车辆类型信息;根据所述第二车辆行驶信息、所述第二路面干湿状况信息和所述第二车辆类型信息确定与所述目标车辆相匹配的驾驶控制场景,并获取与此驾驶场景相对应的车辆运行数据阈值,作为场景数据阈值;基于所述第二车辆运行数据与所述场景数据阈值的比对结果,确定所述目标车辆是否处在危险驾驶场景。
可选地,所述根据所述第一车辆行驶信息、所述第一路面干湿状况信息和所述第一车辆类型信息设置至少一个驾驶控制场景包括:根据所述第一车辆行驶信息、所述第一路面干湿状况信息和所述第一车辆类型信息设置多个驾驶控制场景;其中,每个所述驾驶控制场景的组成元素包括:车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型。
可选地,所述设置多个驾驶控制场景包括:基于所述第一车辆运行数据生成至少一个所述车辆速度区间;基于所述第一车辆位置信息确定车辆行驶道路区间,确定与所述车辆行驶道路区间相对应的至少一种所述道路类型;获取与所述第一路面干湿状况信息相对应的至少一种所述路面干湿状况;获取与所述第一车辆类型信息相对应的至少一种所述车辆类型;基于所述车辆类型和所述第一车辆载重信息获取至少一种所述车辆载重类型;基于所述车辆速度区间、所述道路类型、所述路面干湿状况、所述车辆类型和所述车辆载重类型进行组合运算,生成所述多个驾驶控制场景。
可选地,所述基于所述场景数据样本集合并使用预设的阈值计算策略确定与所述驾驶控制场景相对应的车辆运行数据阈值包括:获取与所述驾驶控制场景相对应的所述场景数据样本集合;将所述场景数据样本集合中的第一车辆运行数据进行排序,获得车辆运行数据序列;获取预设的排序百分比值,基于所述排序百分比值在所述车辆运行数据序列中确定排序位置,将位于所述排序位置的第一车辆运行数据确定为所述车辆运行数据阈值。
可选地,所述第一车辆运行数据和所述第二车辆运行数据包括:车辆速度、纵向加速度、横向加速度、横摆角速度,以及TTC和THW中的至少一个数据;所述车辆运行数据阈值包括:纵向加速度阈值、横向加速度阈值、横摆角速度阈值、TTC阈值和THW阈值中的至少一个阈值。
可选地,所述确定所述目标车辆是否处在危险驾驶场景包括下述至少一项判断步骤:如果所述目标车辆的纵向加速度大于所述纵向加速度阈值,则确定所述目标车辆处在紧急制动驾驶场景;如果所述目标车辆的横向加速度大于所述横向加速度阈值,或者所述目标车辆的横摆角速度大于所述横摆角速度阈值,则确定所述目标车辆处在紧急转向场景;如果所述目标车辆的TTC小于所述TTC阈值,或者所述目标车辆的THW小于所述THW阈值,则确定所述目标车辆处在预碰撞场景。
可选地,如果确定所述目标车辆处在危险驾驶场景,获取在此危险驾驶场景发生之前的第一时刻、在此危险驾驶场景发生之后的第二时刻,基于所述第一时刻和所述第二时刻设置采集时间区间;将所述采集时间区间内的危险场景信息存储并上传云端;其中,所述危险场景信息包括:所述第二车辆行驶信息以及视频、雷达数据。
根据本公开的另一方面,提供一种车辆危险驾驶检测装置,包括:第一信息获取模块,用于获取车辆数据采集装置在预设的时间区间内采集的第一车辆行驶信息;其中,所述第一车辆行驶信息包括:第一车辆运行数据、第一车辆位置信息以及第一车辆载重信息;第二信息获取模块,用于获取与所述第一车辆行驶信息相对应的第一路面干湿状况信息以及第一车辆类型信息;场景设置模块,用于根据所述第一车辆行驶信息、所述第一路面干湿状况信息和所述第一车辆类型信息设置至少一个驾驶控制场景;阈值设置模块,用于获取与所述驾驶控制场景相匹配的所述第一车辆运行数据,生成场景数据样本集合,基于所述场景数据样本集合并使用预设的阈值计算策略确定与所述驾驶控制场景相对应的车辆运行数据阈值;场景检测模块,用于根据所述驾驶控制场景和对应的所述车辆运行数据阈值对目标车辆进行实时检测,用以判断所述目标车辆是否处在危险驾驶场景。
根据本公开的又一方面,提供一种车辆危险驾驶检测装置,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,执行如上所述的方法。
根据本公开的再一方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行如上所述的方法。
本公开的车辆危险驾驶检测方法、装置以及存储介质,设置驾驶控制场景并针对不同的驾驶控制场景设置不同的车辆运行数据阈值,能够准确识别车辆行驶的多种实际情况下的车辆危险操作行为,可以适应多种情况下的危险驾驶检测,提高了危险驾驶检测的准确性和泛化性。
附图说明
为了更清楚地说明本公开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公开的一些实施例,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他的附图。
图1为根据本公开的车辆危险驾驶检测方法的一个实施例的流程示意图;
图2为根据本公开的车辆危险驾驶检测方法的一个实施例中的设置驾驶控制场景的流程示意图;
图3为根据本公开的车辆危险驾驶检测方法的一个实施例中的确定车辆运行数据阈值的流程示意图;
图4为根据本公开的车辆危险驾驶检测方法的一个实施例中的进行危险场景检测的流程示意图;
图5为根据本公开的车辆危险驾驶检测方法在实际应用中的流程示意图;
图6为根据本公开的车辆危险驾驶检测装置的一个实施例的模块示意图;
图7为根据本公开的车辆危险驾驶检测装置的一个实施例中的场景检测模块的模块示意图;
图8为根据本公开的车辆危险驾驶检测装置的另一个实施例的模块示意图;
图9为根据本公开的车辆危险驾驶检测装置的又一个实施例的模块示意图。
具体实施方式
下面参照附图对本公开进行更全面的描述,其中说明本公开的示例性实施例。下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
下文中的“第一”、“第二”等仅用于描述上相区别,并没有其它特殊的含义。
图1为根据本公开的车辆危险驾驶检测方法的一个实施例的流程示意图,如图1所示:
步骤101,获取车辆数据采集装置在预设的时间区间内采集的第一车辆行驶信息;其中,第一车辆行驶信息包括:第一车辆运行数据、第一车辆位置信息以及第一车辆载重信息。
在一实施例中,选取车辆组A,获取车辆组A中的多个车辆在预设的时间区间内的第一车辆行驶信息,时间区间可以为一周、一月、半年等,车辆组A中的车辆的数量可以为30、40等。第一车辆行驶信息为驾驶员驾驶车辆的车辆行驶数据,为自然驾驶数据。可以在时间区间内设置时间间隔(采样间隔),时间间隔可以为20秒等,基于时间间隔在时间区间内提取第一测量行驶信息。时间区间应该足够长,以使与多个车辆相对应的第一车辆行驶信息包含了所有可能的驾驶情况和样本数据。
第一车辆运行数据包括:车辆速度、纵向加速度、横向加速度、横摆角速度,以及TTC(Time To Crash,距前方障碍物的碰撞时间)和THW(Time Head Way,车头到障碍物的行驶时间)中的至少一个数据等。车辆采集装置可以为车辆前装或后装的多种传感器(包括加速度传感器、陀螺仪、重量传感器、位置传感器等),用于测量车辆速度、纵向加速度、横向加速度、横摆角速度等。车辆采集装置包括:毫米波雷达、激光雷达、前视摄像头以及相应的计算处理设备,可以采集前方障碍物距离和相对速度等数据。如果有雷达信号,则计算前方障碍物预碰撞时间TTC=Δs/Δv,如果有前视摄像头通过图形计算的信号,则计算车头时间距离THW=Δs/v。对第一车辆行驶信息进行预处理,包括平滑、滤波等。
步骤102,获取与第一车辆行驶信息相对应的第一路面干湿状况信息以及第一车辆类型信息。
在一实施例中,通过获取天气数据库中的天气信息,确定与第一车辆行驶信息相对应的第一路面干燥状况信息。通过车辆的车牌号查询交通管理部门提供的数据库等,获取第一车辆类型信息,车辆类型包括轿车、卡车等。
步骤103,根据第一车辆行驶信息、第一路面干湿状况信息和第一车辆类型信息设置至少一个驾驶控制场景。
在一实施例中,设置多个驾驶控制场景,每个驾驶控制场景的组成元素包括:车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型等。例如,设置多个驾驶控制场景,多个驾驶控制场景中的一个驾驶控制场景为{[20,30],高速公路,干燥,客车,轻载},其中,[20,30]为车辆速度区间,单位为公里/小时。
步骤104,获取与驾驶控制场景相匹配的第一车辆运行数据,生成场景数据样本集合,基于场景数据样本集合并使用预设的阈值计算策略确定与驾驶控制场景相对应的车辆运行数据阈值。
在一个实施例中,在设置了驾驶控制场景A之后,选取与驾驶控制场景A相匹配的多个第一车辆运行数据,第一车辆运行数据包括车辆速度、纵向加速度、横向加速度、横摆角速度,以及TTC和THW中的至少一个数据,基于选取的多个第一车辆运行数据生成与驾驶控制场景A相对应的场景数据样本集合A。
阈值计算策略可以有多种,基于场景数据样本集合A并使用阈值计算策略确定与驾驶控制场景A相对应的车辆运行数据阈值。采用相同的方法,为多个驾驶控制场景中的每个驾驶控制场景都生成对应的车辆运行数据阈值。车辆运行数据阈值包括纵向加速度阈值、横向加速度阈值、横摆角速度阈值、TTC阈值和THW阈值中的至少一个阈值。
步骤105,根据驾驶控制场景和对应的车辆运行数据阈值对目标车辆进行实时检测,用以判断目标车辆是否处在危险驾驶场景。
图2为根据本公开的车辆危险驾驶检测方法的一个实施例中的设置驾驶控制场景的流程示意图,如图2所示:
步骤201,基于第一车辆运行数据生成至少一个车辆速度区间;
在一实施例中,获取第一车辆运行数据中的车辆速度,根据各车的速度分布,划分车辆速度区间[0 v1]、[v1 v2]、[v2 v3]……,构成车辆速度描述V。
步骤202,基于第一车辆位置信息确定车辆行驶道路区间,确定与车辆行驶道路区间相对应的至少一种道路类型。
在一实施例中,获取第一车辆位置信息,根据各车的第一车辆位置信息判断车辆所在的道路区间,基于道路区间确定道路类型,道路类型包括高速公路、城市道路、城乡及村镇道路等,构成道路类型描述R。
步骤203,获取与第一路面干湿状况信息相对应的至少一种路面干湿状况。
在一个实施例中,根据各个车辆行驶当天的天气情况获得第一路面干湿状况信息,基于第一路面干湿状况信息确定路面干燥状况,路面干燥状况包括干燥、下雨、下雪等,构成路面状况描述S。
步骤204,获取与第一车辆类型信息相对应的至少一种车辆类型。
在一实施例中,获取第一车辆类型信息(或车辆自重信息),确定车辆类型,车辆类型包括:乘用车、轻型货车、重型货车、客车等,构成车辆类型描述P。
步骤205,基于车辆类型和第一车辆载重信息获取至少一种车辆载重类型。
在一实施例中,获取第一车辆载重信息,根据车辆类型以及第一车辆载重量信息获取车辆载重类型,车辆载重类型包括:空载、轻载、中载、重载等,构成车辆载重描述G。
步骤206,基于车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型进行组合运算,生成多个驾驶控制场景。
在一实施例中,通过车辆位置判断所行驶道路区域和道路类型,通过天气数据库查询所行驶区域和时间的天气,判断路面干湿状况;通过车牌和对应记录,获得车辆类型信息,通过承重传感器,判断车辆载重状况。
根据车辆速度描述V、道路类型描述R、路面状况描述S、车辆类型描述P和车辆载重描述G可以构建描述函数f(V,R,S,P,G),f(V,R,S,P,G)用于对车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型的各个值进行组合运算,即对车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型的各个值进行排列组合,生成多个驾驶控制场景。例如,一个驾驶控制场景为{[20,30],高速公路,干燥,客车,轻载},另一个驾驶控制场景为{[20,30],城乡及村镇公路,下雨,轻型货车,轻载}等。
图3为根据本公开的车辆危险驾驶检测方法的一个实施例中的确定车辆运行数据阈值的流程示意图,如图3所示:
步骤301,获取与驾驶控制场景相对应的场景数据样本集合。
在一个实施例中,场景数据样本集合中包含有多个第一车辆运行数据,第一车辆运行数据包括:纵向加速度a1、横向加速度a2、横摆角速度w、TTC、THW等数据。
步骤302,将场景数据样本集合中的第一车辆运行数据进行排序,获得车辆运行数据序列。
在一个实施例中,将多个第一车辆运行数据中的纵向加速度a1、横向加速度a2、横摆角速度w和TTC、THW等数据分别进行由大到小排序,可以获得五个车辆运行数据序列。
步骤303,获取预设的排序百分比值,基于排序百分比值在车辆运行数据序列中确定排序位置,将位于排序位置的第一车辆运行数据确定为车辆运行数据阈值。
在一实施例中,排序百分比值可以设置,例如为3%等。分别在多个车辆运行数据序列中确定最大的3%数值所在的位置,将此位置作为排序位置,将位于排序位置的第一车辆运行数据确定为车辆运行数据阈值,得到纵向加速度阈值a10、横向加速度阈值a20、横摆角速度阈值w0和阈值TTC0、阈值THW0。紧急制动场景的判断依据为a1>a10;紧急转向场景的判断依据为a2>a20,且w>w0;预碰撞场景的判断依据TTC<TTC0,或THW<THW0。根据场景的判断依据,可以对全部的第一车辆运行数据进行校验。
例如,将100个第一车辆运行数据的纵向加速度a1由大到小排序,获得车辆运行数据序列A,排序百分比值为3%,在车辆运行数据序列A中确定最大的3%数值所在的位置,即车辆运行数据序列A中的第三个数值(最大的3%数值)所在的位置,将第三个数值确定为车辆运行数据阈值纵向加速度阈值a10。基于相同的方法,可以确定横向加速度阈值a20、横摆角速度阈值w0和阈值TTC0、阈值THW0等。
图4为根据本公开的车辆危险驾驶检测方法的一个实施例中的进行危险场景检测的流程示意图,如图4所示:
步骤401,实时获取车辆数据采集装置采集的目标车辆的第二车辆行驶信息;其中,第二车辆行驶信息包括:第二车辆运行数据、第二车辆位置信息以及第二车辆载重信息。
在一实施例中,第二车辆运行数据包括:车辆速度、纵向加速度、横向加速度、横摆角速度,以及TTC和THW中的至少一个数据。第二车辆运行数据为目标车辆的在线数据,目标车辆为之前的车辆组中的车辆,或为其他的车辆。第二车辆运行数据的获取方法与第一车辆运行数据的获取方法相同。
步骤402,实时获取目标车辆的第二路面干湿状况信息以及目标车辆的第二车辆类型信息。
在一实施例中,第二路面干湿状况信息、第二车辆类型信息的获取方法与第一路面干湿状况信息、第一车辆类型信息的获取方法相同。
步骤403,根据第二车辆行驶信息、第二路面干湿状况信息和第二车辆类型信息确定与目标车辆相匹配的驾驶控制场景,并获取与此驾驶场景相对应的车辆运行数据阈值,作为场景数据阈值。
在一实施例中,预先设置多个驾驶控制场景,每个驾驶控制场景的组成元素包括:车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型等。确定与目标车辆相对应的车辆速度为35、道路类型为高速公路、路面干湿状况为干燥、车辆类型为客车以及车辆载重类型为轻载。在多个驾驶控制中,获取与目标车辆相匹配的驾驶控制场景B{[30,40],高速公路,干燥,客车,轻载}。获取与驾驶控制场景B相对应的车辆运行数据阈值,作为场景数据阈值,场景数据阈值包括纵向加速度阈值、横向加速度阈值、横摆角速度阈值、TTC阈值和THW阈值中的至少一个阈值。
步骤404,基于第二车辆运行数据与场景数据阈值的比对结果,确定目标车辆是否处在危险驾驶场景。
在一实施例中,确定目标车辆是否处在危险驾驶场景包括下述至少一项判断步骤:如果目标车辆的纵向加速度大于纵向加速度阈值,则确定目标车辆处在紧急制动驾驶场景;如果目标车辆的横向加速度大于横向加速度阈值,或者目标车辆的横摆角速度大于横摆角速度阈值,则确定目标车辆处在紧急转向场景;如果目标车辆的TTC小于TTC阈值,或者目标车辆的THW小于THW阈值,则确定目标车辆处在预碰撞场景。
如果确定目标车辆处在危险驾驶场景,则将危险场景信息以及对应的第二车辆行驶信息、第二路面干湿状况信息和第二车辆类型信息上传云端服务器,可以通过4G、WIFI、5G等通信方式上传到云端服务器存储,并标记数据采集时间等。
获取车辆数据采集装置实时采集的、目标车辆的纵向加速度a1、横向加速度a2、横摆角速度w和TTC、THW等数据过程中,将危险场景信息以及对应的第二车辆行驶信息、第二路面干湿状况信息和第二车辆类型信息上传云端服务器,能够动态更新车辆运行数据阈值,包括纵向加速度阈值、横向加速度阈值、横摆角速度阈值、TTC阈值和THW阈值中的至少一个阈值。
在一实施例中,如果确定目标车辆处在危险驾驶场景,获取在此危险驾驶场景发生之前的第一时刻(在此危险驾驶场景发生之前的10秒等)、在此危险驾驶场景发生之后的第二时刻(在此危险驾驶场景的发生之后的10秒等),基于第一时刻和第二时刻设置采集时间区间(采集时间区间为20秒等),将所述采集时间区间内的危险场景信息存储并上传云端;危险场景信息包括:第二车辆行驶信息以及视频、雷达数据等,视频、雷达数据可以由安装在车辆上的相机、雷达等采集。
在一个实施例中,如图5所示,本公开的车辆危险驾驶检测方法能适应不同车辆类型、道路条件、路面状况和载重情况。通过车辆位置判断所行驶道路区域和道路类型;通过天气数据库查询所行驶区域和时间的天气,判断路面干湿状况;通过车牌和对应记录,获得车辆类型信息;通过承重传感器,判断车辆载重状况等。对不同的车辆以及运行状况采用不同的判断阈值确定车辆是否处在危险驾驶场景,能更准确的检测和收集这些场景。采用离线和在线数据相结合的形式,满足初始阈值的定义和阈值的在线更新。按照车联网大数据统计的方法,以排序后的某一最大百分位数d处的数据作为判断阈值,可以用存量数据设计阈值,并可以用新采集的数据进行动态更新。
在一个实施例中,如图6所示,本公开提供一种车辆危险驾驶检测装置60,包括:第一信息获取模块61、第二信息获取模块62、场景设置模块63、阈值设置模块64和场景检测模块65。第一信息获取模块61获取车辆数据采集装置在预设的时间区间内采集的第一车辆行驶信息;其中,第一车辆行驶信息包括:第一车辆运行数据、第一车辆位置信息以及第一车辆载重信息。第二信息获取模块62获取与第一车辆行驶信息相对应的第一路面干湿状况信息以及第一车辆类型信息。
场景设置模块63根据第一车辆行驶信息、第一路面干湿状况信息和第一车辆类型信息设置至少一个驾驶控制场景。阈值设置模块64获取与驾驶控制场景相匹配的第一车辆运行数据,生成场景数据样本集合,基于场景数据样本集合并使用预设的阈值计算策略确定与驾驶控制场景相对应的车辆运行数据阈值。场景检测模块65根据驾驶控制场景和对应的车辆运行数据阈值对目标车辆进行实时检测,用以判断目标车辆是否处在危险驾驶场景。
在一个实施例中,场景设置模块63根据第一车辆行驶信息、第一路面干湿状况信息和第一车辆类型信息设置多个驾驶控制场景;其中,每个驾驶控制场景的组成元素包括:车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型。
场景设置模块64基于第一车辆运行数据生成至少一个车辆速度区间。场景设置模块64基于第一车辆位置信息确定车辆行驶道路区间,确定与车辆行驶道路区间相对应的至少一种道路类型。场景设置模块64获取与第一路面干湿状况信息相对应的至少一种路面干湿状况,获取与第一车辆类型信息相对应的至少一种车辆类型。场景设置模块64基于车辆类型和第一车辆载重信息获取至少一种车辆载重类型。场景设置模块64基于车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型进行组合运算,生成多个驾驶控制场景。
阈值设置模块64获取与驾驶控制场景相对应的场景数据样本集合,将场景数据样本集合中的第一车辆运行数据进行排序,获得车辆运行数据序列。阈值设置模块64获取预设的排序百分比值,基于排序百分比值在车辆运行数据序列中确定排序位置,将位于排序位置的第一车辆运行数据确定为车辆运行数据阈值。车辆运行数据阈值包括:纵向加速度阈值、横向加速度阈值、横摆角速度阈值、TTC阈值和THW阈值中的至少一个阈值。
在一个实施例中,如图7所示,场景检测模块65包括:第三信息获取单元651、第四信息获取单元652、场景确定单元653、阈值获取单元654和场景判断单元655。第三信息获取单元651实时获取车辆数据采集装置采集的目标车辆的第二车辆行驶信息;其中,第二车辆行驶信息包括:第二车辆运行数据、第二车辆位置信息以及第二车辆载重信息。
第四信息获取单元652实时获取目标车辆的第二路面干湿状况信息以及目标车辆的第二车辆类型信息。场景确定单元653根据第二车辆行驶信息、第二路面干湿状况信息和第二车辆类型信息确定与目标车辆相匹配的驾驶控制场景。阈值获取单元654获取与此驾驶场景相对应的车辆运行数据阈值,作为场景数据阈值。场景判断单元655基于第二车辆运行数据与场景数据阈值的比对结果,确定目标车辆是否处在危险驾驶场景。
第一车辆运行数据和第二车辆运行数据包括:纵向加速度、横向加速度、横摆角速度、TTC和THW中的至少一个数据,以及车辆速度;场景判断单元655确定目标车辆是否处在危险驾驶场景包括下述至少一项判断步骤:如果目标车辆的纵向加速度大于纵向加速度阈值,则确定目标车辆处在紧急制动驾驶场景;如果目标车辆的横向加速度大于横向加速度阈值,或者目标车辆的横摆角速度大于横摆角速度阈值,则确定目标车辆处在紧急转向场景;如果目标车辆的TTC小于TTC阈值,或者目标车辆的THW小于THW阈值,则确定目标车辆处在预碰撞场景。
如图8所示,车辆危险驾驶检测装置60包括:场景上传模块66。如果确定目标车辆处在危险驾驶场景,场景上传模块66获取在此危险驾驶场景发生之前的第一时刻、在此危险驾驶场景发生之后的第二时刻,基于第一时刻和第二时刻设置采集时间区间;场景上传模块66将所述采集时间区间内的危险场景信息存储并上传云端;危险场景信息包括:所述第二车辆行驶信息以及视频、雷达数据等。
图9为根据本公开的车辆危险驾驶检测装置的又一个实施例的模块示意图。如图9所示,该装置可包括存储器91、处理器92、通信接口93以及总线94。存储器91用于存储指令,处理器92耦合到存储器91,处理器92被配置为基于存储器91存储的指令执行实现上述的车辆危险驾驶检测方法。
存储器91可以为高速RAM存储器、非易失性存储器(non-volatile memory)等,存储器91也可以是存储器阵列。存储器91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92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公开的车辆危险驾驶检测方法的一个或多个集成电路。
在一个实施例中,本公开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,指令被处理器执行如上任一实施例中的方法。
上述实施例中提供的车辆危险驾驶检测方法、装置以及存储介质,设置驾驶控制场景并针对不同的驾驶控制场景设置不同的车辆运行数据阈值,对于车辆行驶的多种实际情况,能够准确识别各种情况下的车辆危险操作行为;基于道路类型、路面干湿状况、车辆类型和车辆载重类型等设置驾驶控制场景以及车辆运行数据阈值,能够适应不同车辆类型、道路条件、路面状况和载重情况下的危险驾驶检测;采用离线和在线数据相结合的形式,将危险场景信息以及对应的信息上传云端服务器,能更准确的检测和收集危险场景,可以用存量数据设计阈值,并可以用新采集的数据进行动态更新。
可能以许多方式来实现本公开的方法和***。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公开的方法和***。用于方法的步骤的上述顺序仅是为了进行说明,本公开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,还可将本公开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公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
本公开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公开限于所公开的形式。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公开的原理和实际应用,并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (9)
1.一种车辆危险驾驶检测方法,包括:
获取车辆数据采集装置在预设的时间区间内采集的第一车辆行驶信息;其中,所述第一车辆行驶信息包括:第一车辆运行数据、第一车辆位置信息以及第一车辆载重信息;
获取与所述第一车辆行驶信息相对应的第一路面干湿状况信息以及第一车辆类型信息;
根据所述第一车辆行驶信息、所述第一路面干湿状况信息和所述第一车辆类型信息设置至少一个驾驶控制场景;其中,所述驾驶控制场景的组成元素包括:车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型;
获取与所述驾驶控制场景相匹配的所述第一车辆运行数据,生成场景数据样本集合,基于所述场景数据样本集合并使用预设的阈值计算策略确定与所述驾驶控制场景相对应的车辆运行数据阈值,包括:
获取与所述驾驶控制场景相对应的所述场景数据样本集合;将所述场景数据样本集合中的第一车辆运行数据进行排序,获得车辆运行数据序列;
获取预设的排序百分比值,基于所述排序百分比值在所述车辆运行数据序列中确定排序位置,将位于所述排序位置的第一车辆运行数据确定为所述车辆运行数据阈值;
根据所述驾驶控制场景和对应的所述车辆运行数据阈值对目标车辆进行实时检测,用以判断所述目标车辆是否处在危险驾驶场景,包括:
实时获取所述车辆数据采集装置采集的所述目标车辆的第二车辆行驶信息;其中,所述第二车辆行驶信息包括:第二车辆运行数据、第二车辆位置信息以及第二车辆载重信息;
实时获取所述目标车辆的第二路面干湿状况信息以及所述目标车辆的第二车辆类型信息;
根据所述第二车辆行驶信息、所述第二路面干湿状况信息和所述第二车辆类型信息确定与所述目标车辆相匹配的驾驶控制场景,并获取与此驾驶场景相对应的车辆运行数据阈值,作为场景数据阈值;
基于所述第二车辆运行数据与所述场景数据阈值的比对结果,确定所述目标车辆是否处在危险驾驶场景。
2.如权利要求1所述的方法,所述根据所述第一车辆行驶信息、所述第一路面干湿状况信息和所述第一车辆类型信息设置至少一个驾驶控制场景包括:
根据所述第一车辆行驶信息、所述第一路面干湿状况信息和所述第一车辆类型信息设置多个驾驶控制场景。
3.如权利要求2所述的方法,所述设置多个驾驶控制场景包括:
基于所述第一车辆运行数据生成至少一个所述车辆速度区间;
基于所述第一车辆位置信息确定车辆行驶道路区间,确定与所述车辆行驶道路区间相对应的至少一种所述道路类型;
获取与所述第一路面干湿状况信息相对应的至少一种所述路面干湿状况;
获取与所述第一车辆类型信息相对应的至少一种所述车辆类型;
基于所述车辆类型和所述第一车辆载重信息获取至少一种所述车辆载重类型;
基于所述车辆速度区间、所述道路类型、所述路面干湿状况、所述车辆类型和所述车辆载重类型进行组合运算,生成所述多个驾驶控制场景。
4.如权利要求3所述的方法,其中,
所述第一车辆运行数据和所述第二车辆运行数据包括:车辆速度、纵向加速度、横向加速度、横摆角速度,以及TTC和THW中的至少一个数据;
所述车辆运行数据阈值包括:纵向加速度阈值、横向加速度阈值、横摆角速度阈值、TTC阈值和THW阈值中的至少一个阈值。
5.如权利要求4所述的方法,所述确定所述目标车辆是否处在危险驾驶场景包括下述至少一项判断步骤:
如果所述目标车辆的纵向加速度大于所述纵向加速度阈值,则确定所述目标车辆处在紧急制动驾驶场景;
如果所述目标车辆的横向加速度大于所述横向加速度阈值,或者所述目标车辆的横摆角速度大于所述横摆角速度阈值,则确定所述目标车辆处在紧急转向场景;
如果所述目标车辆的TTC小于所述TTC阈值,或者所述目标车辆的THW小于所述THW阈值,则确定所述目标车辆处在预碰撞场景。
6.如权利要求1所述的方法,还包括:
如果确定所述目标车辆处在危险驾驶场景,获取在此危险驾驶场景发生之前的第一时刻、在此危险驾驶场景发生之后的第二时刻,基于所述第一时刻和所述第二时刻设置采集时间区间;
将所述采集时间区间内的危险场景信息存储并上传云端;其中,所述危险场景信息包括:所述第二车辆行驶信息以及视频、雷达数据。
7.一种车辆危险驾驶检测装置,包括:
第一信息获取模块,用于获取车辆数据采集装置在预设的时间区间内采集的第一车辆行驶信息;其中,所述第一车辆行驶信息包括:第一车辆运行数据、第一车辆位置信息以及第一车辆载重信息;
第二信息获取模块,用于获取与所述第一车辆行驶信息相对应的第一路面干湿状况信息以及第一车辆类型信息;
场景设置模块,用于根据所述第一车辆行驶信息、所述第一路面干湿状况信息和所述第一车辆类型信息设置至少一个驾驶控制场景;其中,所述驾驶控制场景的组成元素包括:车辆速度区间、道路类型、路面干湿状况、车辆类型和车辆载重类型;
阈值设置模块,用于获取与所述驾驶控制场景相匹配的所述第一车辆运行数据,生成场景数据样本集合,基于所述场景数据样本集合并使用预设的阈值计算策略确定与所述驾驶控制场景相对应的车辆运行数据阈值;
其中,所述阈值设置模块,具体用于获取与驾驶控制场景相对应的场景数据样本集合,将场景数据样本集合中的第一车辆运行数据进行排序,获得车辆运行数据序列;获取预设的排序百分比值,基于排序百分比值在车辆运行数据序列中确定排序位置,将位于排序位置的第一车辆运行数据确定为车辆运行数据阈值;
场景检测模块,用于根据所述驾驶控制场景和对应的所述车辆运行数据阈值对目标车辆进行实时检测,用以判断所述目标车辆是否处在危险驾驶场景;
其中,所述场景检测模块包括:
第三信息获取单元,用于实时获取所述车辆数据采集装置采集的所述目标车辆的第二车辆行驶信息;其中,所述第二车辆行驶信息包括:第二车辆运行数据、第二车辆位置信息以及第二车辆载重信息;
第四信息获取单元,用于实时获取所述目标车辆的第二路面干湿状况信息以及所述目标车辆的第二车辆类型信息;
场景确定单元,用于根据所述第二车辆行驶信息、所述第二路面干湿状况信息和所述第二车辆类型信息确定与所述目标车辆相匹配的驾驶控制场景;
阈值获取单元,用于获取与此驾驶场景相对应的车辆运行数据阈值,作为场景数据阈值;
场景判断单元,用于基于所述第二车辆运行数据与所述场景数据阈值的比对结果,确定所述目标车辆是否处在危险驾驶场景。
8.一种车辆危险驾驶检测装置,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6中任一项所述的方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911226114.7A CN110942671B (zh) | 2019-12-04 | 2019-12-04 | 车辆危险驾驶检测方法、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911226114.7A CN110942671B (zh) | 2019-12-04 | 2019-12-04 | 车辆危险驾驶检测方法、装置以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110942671A CN110942671A (zh) | 2020-03-31 |
CN110942671B true CN110942671B (zh) | 2022-06-07 |
Family
ID=69909659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911226114.7A Active CN110942671B (zh) | 2019-12-04 | 2019-12-04 | 车辆危险驾驶检测方法、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942671B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112543937A (zh) * | 2020-05-26 | 2021-03-23 | 华为技术有限公司 | 数据处理方法、装置及设备 |
CN111710158B (zh) * | 2020-05-28 | 2022-04-15 | 深圳市元征科技股份有限公司 | 一种车辆数据处理方法及相关设备 |
CN111739343B (zh) * | 2020-06-02 | 2023-12-19 | 腾讯科技(深圳)有限公司 | 车辆事故风险的预警方法、装置、介质及电子设备 |
CN111599181B (zh) * | 2020-07-22 | 2020-10-27 | 中汽院汽车技术有限公司 | 用于智能驾驶***测试的典型自然驾驶场景识别提取方法 |
CN112017325B (zh) * | 2020-08-06 | 2022-12-13 | 广州小鹏自动驾驶科技有限公司 | 一种报文处理方法、装置、车辆、存储介质 |
CN114435356A (zh) * | 2020-10-30 | 2022-05-06 | 华为技术有限公司 | 一种危险场景处理方法及装置 |
CN113734189B (zh) * | 2021-08-24 | 2023-07-14 | 一汽解放汽车有限公司 | 车辆综合控制方法、装置、计算机设备和存储介质 |
CN115249408A (zh) * | 2022-06-21 | 2022-10-28 | 重庆长安汽车股份有限公司 | 一种自动驾驶测试数据的场景分类提取方法 |
CN115512457A (zh) * | 2022-09-21 | 2022-12-23 | 展讯半导体(南京)有限公司 | 基于行车记录仪的车况检测方法、***、记录仪和介质 |
CN115805948B (zh) * | 2022-09-30 | 2023-10-31 | 北京百度网讯科技有限公司 | 车辆异常行驶行为检测方法、装置、电子设备和存储介质 |
CN116644585B (zh) * | 2023-05-30 | 2024-01-09 | 清华大学 | 基于目标车辆危险度的险态场景数据生成方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6303381B2 (ja) * | 2013-10-11 | 2018-04-04 | 日産自動車株式会社 | 運転支援装置 |
DE102016206761A1 (de) * | 2016-04-21 | 2017-10-26 | Robert Bosch Gmbh | Verfahren zur Verbesserung und Absicherung von Landmarkendetektionen |
US10940795B2 (en) * | 2017-01-18 | 2021-03-09 | Baidu Usa Llc | Method for keeping distance between an autonomous driving vehicle and a following vehicle using a braking light |
CN107016193B (zh) * | 2017-04-06 | 2020-02-14 | 中国科学院自动化研究所 | 驾驶员跟车行为分析中的期望跟车距离计算方法 |
JP2019203781A (ja) * | 2018-05-23 | 2019-11-28 | アイシン・エィ・ダブリュ株式会社 | 走行ルート案内装置、及び走行ルート案内プログラム |
CN110435672A (zh) * | 2019-08-11 | 2019-11-12 | 西藏宁算科技集团有限公司 | 一种基于场景预判安全驾驶辅助方法及其*** |
CN110473403A (zh) * | 2019-09-12 | 2019-11-19 | 重庆西部汽车试验场管理有限公司 | 一种基于v2x的交叉路口辅助通行测试***及其方法 |
-
2019
- 2019-12-04 CN CN201911226114.7A patent/CN110942671B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110942671A (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110942671B (zh) | 车辆危险驾驶检测方法、装置以及存储介质 | |
CN110400478B (zh) | 一种路况通知方法及装置 | |
US9604648B2 (en) | Driver performance determination based on geolocation | |
CN111062240B (zh) | 汽车驾驶安全的监控方法、装置、计算机设备及存储介质 | |
EP2710572B1 (en) | Vehicle data analysis method and vehicle data analysis system | |
US10962375B2 (en) | Method and device for evaluating the contents of a map | |
CN111311914B (zh) | 车辆行驶事故监控方法、装置和车辆 | |
DE102013222634B4 (de) | Verfahren zur Prognostizierung eines Fahrbahn-Reibungsbeiwerts sowie Verfahren zum Betrieb eines Kraftfahrzeugs | |
RU2427480C1 (ru) | Способ и устройство для поддерживания стратегии регулирования для вождения транспортного средства | |
CN111038522B (zh) | 评估驾驶员辅助***的训练数据集的车辆控制单元和方法 | |
CN111016921A (zh) | 用于确定车辆数据集熟悉度的***和方法 | |
CN107364435B (zh) | 操作模型构建***和操作模型构建方法 | |
CN114076631A (zh) | 超载车辆识别方法、***及设备 | |
CN113853328A (zh) | 用于操作设计成以自动化、尤其高度自动化或自主方式驾驶的车辆的方法 | |
CN113808414B (zh) | 道路荷载确定方法、装置及存储介质 | |
KR101784635B1 (ko) | LiDAR 센서를 활용한 다중차로 교통검지 방법 및 시스템 | |
CN110696828B (zh) | 前向目标选择方法、装置及车载设备 | |
KR102297801B1 (ko) | 사업용 차량을 이용하여 도로 위험정보를 탐지하는 방법 및 장치 | |
CN110853358A (zh) | 基于驾驶行为处理保险的方法、物联网智能终端 | |
CN115203536A (zh) | 基于驾驶场景推荐智能驾驶参数的方法及装置 | |
CN111341106B (zh) | 交通预警方法、装置和设备 | |
CN114255452A (zh) | 目标测距方法及装置 | |
CN112406871A (zh) | 一种智能驾驶***及方法 | |
CN115641569B (zh) | 驾驶场景处理方法、装置、设备及介质 | |
CN117601903B (zh) | 车辆行驶场景的生成方法、装置和存储介质及电子设备 |
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 |