CN111127949B - 车辆高危路段预警方法、装置及存储介质 - Google Patents
车辆高危路段预警方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111127949B CN111127949B CN201911313106.6A CN201911313106A CN111127949B CN 111127949 B CN111127949 B CN 111127949B CN 201911313106 A CN201911313106 A CN 201911313106A CN 111127949 B CN111127949 B CN 111127949B
- Authority
- CN
- China
- Prior art keywords
- data
- road
- vehicle
- information
- road section
- 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
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆高危路段预警方法,包括:对获取到的车辆基础数据进行预处理,得到预处理后的基础数据;基于预处理后的基础数据,构建高危路段预警模型,构建高危路段预警模型的规则为:当车辆与危险标志物的距离小于等于预设距离时,确定车辆在危险标志物的预设范围内,并向用户发出预警信息;通过预处理后的基础数据中的车辆轨迹点数据运行高危路段预警模型,得到历史路段信息网数据,并将历史路段信息网数据保存在数据库中;车辆终端基于历史路段信息网数据以及接收到的查询信息,获取并输出与查询信息对应的查询结果。通过上述方法,可以提高高危路段预警的准确率以及时效性,而且各个区域的数据可以实时共享。
Description
技术领域
本发明涉及车联网技术领域,特别涉及一种车辆高危路段预警方法、装置及存储介质。
背景技术
随着互联网技术的发展,联网汽车正在日趋增多,通过汽车与人、车、路以及周边环境的互联以及信息交换,实现车辆与公众网络通信的动态移动通信***,这些信息可以用在汽车安全、信息娱乐和提升舒适性等多个方面,从而实现智能化交通管理、智能动态信息服务和车辆控制一体化网络。
目前,利用车联网进行高危路段预警的方法中,没有统一的管理平台以及数据录入平台,导致各个区域的数据不能相互共享与统一调用,导致可利用的现有数据量少,道路数据不齐全,事故易发点不明确,因此,进行高危路段预警的准确率和实效性都有待提高,而且没有形成一个完整的***,对大数据量的数据支持欠缺。
发明内容
本公开实施例提供了一种车辆高危路段预警方法、装置及存储介质。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
在一些可选地实施例中,一种车辆高危路段预警方法,包括:
对获取到的车辆基础数据进行预处理,得到预处理后的基础数据;
基于预处理后的基础数据,构建高危路段预警模型,构建高危路段预警模型的规则为:当车辆与危险标志物的距离小于等于预设距离时,确定车辆在危险标志物的预设范围内,并向用户发出预警信息;
通过预处理后的基础数据中的车辆轨迹点数据运行高危路段预警模型,得到历史路段信息网数据,并将历史路段信息网数据保存在数据库中;
车辆终端基于历史路段信息网数据以及接收到的查询信息,获取并输出与查询信息对应的查询结果。
可选地,对获取到的车辆基础数据进行预处理之前,还包括:
获取车辆基础数据。
可选地,车辆基础数据包括:
车辆轨迹点数据、GIS数据以及货运道路数据。
可选地,对获取到的车辆基础数据进行预处理包括:
过滤信息缺失数据;
过滤错误数据;
过滤当前车牌号无法匹配到道路信息的数据;
过滤道路信息无法匹配到GIS数据中危险标志物的位置的数据;
得到过滤后的基础数据。
可选地,得到过滤后的基础数据之后,还包括:
以车牌号关联道路信息与车辆轨迹点信息;
以道路名关联GIS数据信息与道路信息;
得到预处理后的基础数据。
可选地,确定车辆在危险标志物的预设范围内,并向用户发出预警信息之后,还包括:
获取前方道路的所有交叉口路段;
判断交叉口路段有无危险标志物,将没有危险标志物的交叉口路段输出。
可选地,并将历史路段信息网数据保存在数据库中包括:
定时修改数据库中的历史路段信息网数据。
在一些可选地实施例中,一种车辆高危路段预警装置,包括:
预处理模块,用于对获取到的车辆基础数据进行预处理,得到预处理后的基础数据;
模型构建模块,用于基于预处理后的基础数据,构建高危路段预警模型,构建高危路段预警模型的规则为:当车辆与危险标志物的距离小于等于预设距离时,确定车辆在危险标志物的预设范围内,并向用户发出预警信息;
数据存储模块,用于通过预处理后的基础数据中的车辆轨迹点数据运行高危路段预警模型,得到历史路段信息网数据,并将历史路段信息网数据保存在数据库中;
查询模块,用于车辆终端基于历史路段信息网数据以及接收到的查询信息,获取并输出与查询信息对应的查询结果。
在一些可选地实施例中,一种车辆高危路段预警装置,包括处理器和存储有程序指令的存储器,其特征在于,处理器被配置为在执行程序指令时,执行上述实施例提供的车辆高危路段预警的方法。
在一些可选地实施例中,一种计算机可读介质,其上存储有计算机可读指令,计算机可读指令可被处理器执行上述实施例提供的一种车辆高危路段预警的方法。
本公开实施例提供的技术方案可以包括以下有益效果:
本发明通过获取基础数据,进行预处理,基于预处理后的基础数据,构建高危路段预警模型,通过预处理后的基础数据中的车辆轨迹点数据运行高危路段预警模型,得到历史路段信息网数据,并将历史路段信息网数据保存在数据库中,车辆终端接收用户输入的查询信息,查询历史路段信息网数据中与该查询信息对应的查询结果,并输出。可以大大提高高危路段预警的准确率和时效性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种车辆高危路段预警方法的流程示意图;
图2是根据一示例性实施例示出的一种车辆高危路段预警方法的流程示意图;
图3是根据一示例性实施例示出的一种车辆高危路段预警方法的流程示意图;
图4是根据一示例性实施例示出的一种车辆高危路段预警装置的结构示意图;
图5是根据一示例性实施例示出的一种车辆高危路段预警装置的结构示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容,下面结合附图对本公开实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本公开实施例。在以下的技术描述中,为方便解释起见,通过多个细节以提供对所披露实施例的充分理解。然而,在没有这些细节的情况下,一个或一个以上实施例仍然可以实施。在其它情况下,为简化附图,熟知的结构和装置可以简化展示。
图1是根据一示例性实施例示出的一种车辆高危路段预警方法的流程示意图;
在一些实施例中,一种车辆高危路段预警方法包括:
步骤S101、对获取到的车辆基础数据进行预处理,得到预处理后的基础数据;
其中,车辆基础数据包括车辆轨迹点数据、GIS数据以及货运道路数据。其中车辆的轨迹点数据包括:车牌号、车牌颜色、经度、纬度、速度、时间、所属行政区域,GIS数据包括:道路上的危险标志物的地理位置信息,货运道路数据包括全国所有货运道路的道路ID、道路名、所属行政区域以及地理位置信息。
在对获取到的车辆基础数据进行预处理之前,还包括获取车辆基础数据,具体地,车辆终端实时采集车辆的轨迹点数据,并将车辆的轨迹点数据实时传送到全国统一货运平台数据库,然后通过Kafka技术实时提取,并传入大数据集群Hadoop分布式文件***,此时在大数据平台可获取所有车辆当前运行的轨迹点数据。
GIS数据可以从本领域公开的免费平台获取,例如从全国地理信息资源目录服务***上获取,货运道路数据也可以从本领域公开的免费平台获取,例如到地理国情监测云平台免费下载。将获取到的GIS数据和货运道路数据存储到Hadoop分布式文件***。
Hadoop分布式文件***有着高容错性的特点,并且用来部署在低廉的硬件上,而且它提供高吞吐量来访问应用程序的数据,适合那些有着超大数据集的应用程序。
通过上述方法,所用数据是全国货运道路数据以及货车轨迹点数据,数据精确齐全。
通常,获取到的基础数据中包含大量错误数据、无用数据,因此先对获取到的基础数据进行预处理,具体的预处理步骤包括:使用Python程序设计语言编写程序,首先过滤掉信息缺失的数据,例如,过滤掉车辆终端定时上报的数据中缺失经度信息、纬度信息、或者缺失车牌号的数据,过滤掉GIS数据中没有危险标志物的地理位置的数据;过滤掉错误数据,例如过滤掉数据格式出现错误的数据;过滤掉当前车牌号无法匹配到道路的数据,过滤掉道路信息无法匹配到危险标志物信息的数据,经过上述处理,得到过滤后的基础数据。
得到过滤后的基础数据之后,以车牌号关联道路信息与轨迹点数据信息,具体地,以车牌号分组合并数据,以车牌号分组合并的数据包括:车辆速度、车牌号、车牌颜色、经度、纬度、时间、行政区域、道路ID;以道路名分组合并数据,以道路名分组合并的数据包括:道路名、道路上的危险标志物的经纬度、道路所属行政区域。
其中,行政区域包括省级行政区、市级行政区以及县级行政区。
通过上述方法,过滤掉大量无用数据和错误数据,得到预处理后的基础数据。
基于预处理后的基础数据,构建高危路段预警模型,构建高危路段预警模型的规则为:当车辆与危险标志物的距离小于等于预设距离时,确定车辆在危险标志物的预设范围内,并向用户发出预警信息;
其中,道路上的危险标志物包括:急转弯标志、危险路段标志、限速标志、交通拥堵标志、道路湿滑标志、施工路段标志、限高标志等。
具体地,获取预处理后的基础数据,利用预处理后的基础数据构建高危路段预警模型,在建模阶段优化参数时,调用逻辑回归算法、决策树算法,对选取的参数检验相关度和影响度,将相关度和影响度高的参数作为最优参数。
构建高危路段预警模型的规则为:当车辆与危险标志物的距离小于等于预设距离时,确定车辆在危险标志物的预设范围内,并向用户发出预警信息。
其中,预设距离用户可自行设置,在一些示例性场景中,高速公路上的预设距离是1000米,国道、省道上的预设距离为500米,城市道路和乡村道路上的预设距离为100米。
预设距离为100米的距离判断模型算法为:L=R*arccos[cosβ1*cosβ2*cos(α1-α2)+sinβ1*sinβ2]<=100
其中:R为地球半径,α1为A点经度,β1为A点纬度。
α2为B点经度,β2为B点纬度。
通过上述算法,可以判断出AB两点之间的距离是否小于等于100米。
当车辆与危险标志物的距离小于等于预设距离时,确定车辆在危险标志物的预设范围内,并触发功能提醒功能,连续提醒3次,通过终端设置的SIM通信模块,向用户手机发送预警信息,预警信息的具体内容依据危险标志物中定义的语义确定。
在一些示例性场景中,车辆在省道上行驶,道路上有危险标志物,例如,危险标志物为急转弯,且检测到车辆与危险标志物的距离为300米,小于预设距离500米,触发功能提醒模块,通过终端的SIM通信模块向用户手机发送短信,例如,发送“前方道路300米处有急转弯,请注意”的短信预警信息。
可选地,在确定车辆在危险标志物的预设范围内后,通过终端的语音播放模块播放预警信息,在一些示例性场景中,车辆在省道上行驶,道路上有危险标志物,例如,危险标志物为急转弯,且检测到车辆与危险标志物的距离为300米,小于预设距离500米,触发功能提醒模块,通过终端的语音播放模块播放“前方道路300米处有急转弯,请注意”的语音预警信息,并连续播放三遍。
通过上述方法,构建高危路段预警模型,当车辆与危险标志物距离较近时,发送预警信息,避免用户发生危险,提高了行车的安全性。
可选地,确定车辆在危险标志物的预设范围内,并向用户发出预警信息之后,还包括:
获取前方道路的所有交叉口路段;
判断交叉口路段有无危险标志物,将没有危险标志物的交叉口路段输出。
具体地,在确定车辆在危险标志物的预设范围内,并向用户发出预警信息之后,调用GIS数据接口,获取前方道路的所有交叉口,并延伸预设距离,在一些示例性场景中,每个交叉口延伸5公里,判断交叉口路段中有无高危路段,将有高危路段的交叉口路段删除,将没有高危路段的交叉口路段保存在数据库中,供前端调用。
通过上述方法,实现最优路线筛选,给当前用户提供多条路段选择,完成道路预判。
通过预处理后的基础数据中的车辆轨迹点数据运行高危路段预警模型,得到历史路段信息网数据,并将历史路段信息网数据保存在数据库中;
为了提高查询的时效性,通过预处理后的基础数据中的车辆轨迹点数据运行构建的高危路段预警模型,并将得到的结果作为历史路段信息网数据,保存在数据库中。
其中,数据库为MySQL数据库群,是一个关系型数据库管理***,MySQL数据库群统计分析历史路段信息网数据,以省为单位建立数据集,以市为单位映射多种业务线表,以车牌号、车辆SIM号为索引,查询数据库中存储的历史路段信息网数据。
通过利用历史数据运行构建的高危路段预警模型,并将得到的历史路段信息网数据保存在数据库中,以车牌号、车辆SIM号为索引,查询数据库中存储的历史路段信息网数据,可以大大提高查询的时效性。
通常,道路设施会发生变化,因此需要定时修改数据库中的历史路段信息网数据,使数据更精准。在一些示例性场景中,每隔两周修改一次数据库中的历史路段信息网数据。
通过上述方法,定时修改数据库中的历史路段信息网数据,可以提高预警的准确度,给用户带来良好的体验。
车辆终端基于历史路段信息网数据以及接收到的查询信息,获取并输出与查询信息对应的查询结果。
具体地,车载终端接收用户输入的查询信息,查询信息包括车牌号、车辆SIM号,并以上述查询信息为索引,从历史路段信息网数据中获取并输出与所述查询信息对应的查询结果。
通常,车载终端将获取的查询结果保存在数据库中。
可选地,对获取到的车辆基础数据进行预处理之前,还包括:
获取车辆基础数据。
其中,车辆基础数据包括车辆轨迹点数据、GIS数据以及货运道路数据。其中车辆的轨迹点数据包括:车牌号、车牌颜色、经度、纬度、速度、时间、所属行政区域,GIS数据包括:道路上的危险标志物的地理位置信息,货运道路数据包括全国所有货运道路的道路ID、道路名、所属行政区域以及地理位置信息。
具体地,车辆终端实时采集车辆的轨迹点数据,并将车辆的轨迹点数据实时传送到全国统一货运平台数据库,然后通过Kafka技术实时提取,并传入大数据集群Hadoop分布式文件***,此时在大数据平台可获取所有车辆当前运行的轨迹点数据。
GIS数据可以从本领域公开的免费平台获取,例如从全国地理信息资源目录服务***上获取,货运道路数据也可以从本领域公开的免费平台获取,例如到地理国情监测云平台免费下载。将获取到的GIS数据和货运道路数据存储到Hadoop分布式文件***。
Hadoop分布式文件***有着高容错性的特点,并且用来部署在低廉的硬件上,而且它提供高吞吐量来访问应用程序的数据,适合那些有着超大数据集的应用程序。
通过上述方法,所用数据是全国货运道路数据以及货车轨迹点数据,数据精确齐全。
可选地,车辆基础数据包括:
车辆轨迹点数据、GIS数据以及货运道路数据。
其中,车辆基础数据包括车辆轨迹点数据、GIS数据以及货运道路数据。其中车辆的轨迹点数据包括:车牌号、车牌颜色、经度、纬度、速度、时间、所属行政区域,GIS数据包括:道路上的危险标志物的地理位置信息,货运道路数据包括全国所有货运道路的道路ID、道路名、所属行政区域以及地理位置信息。
可选地,对获取到的车辆基础数据进行预处理包括:
过滤信息缺失数据;
过滤错误数据;
过滤当前车牌号无法匹配到道路信息的数据;
过滤道路信息无法匹配到GIS数据中危险标志物的位置的数据;
得到过滤后的基础数据。
通常,获取到的基础数据中包含大量错误数据、无用数据,因此先对获取到的基础数据进行预处理,具体的预处理步骤包括:使用Python程序设计语言编写程序,首先过滤掉信息缺失的数据,例如,过滤掉车辆终端定时上报的数据中缺失经度信息、纬度信息、或者缺失车牌号的数据,过滤掉GIS数据中没有危险标志物的地理位置的数据;过滤掉错误数据,例如过滤掉数据格式出现错误的数据;过滤掉当前车牌号无法匹配到道路的数据,过滤掉道路信息无法匹配到危险标志物信息的数据,经过上述处理,得到过滤后的基础数据。
可选地,得到过滤后的基础数据之后,还包括:
以车牌号关联道路信息与车辆轨迹点信息;
以道路名关联GIS数据信息与道路信息;
得到预处理后的基础数据。
得到过滤后的基础数据之后,以车牌号关联道路信息与轨迹点数据信息,具体地,以车牌号分组合并数据,以车牌号分组合并的数据包括:车辆速度、车牌号、车牌颜色、经度、纬度、时间、行政区域、道路ID;以道路名分组合并数据,以道路名分组合并的数据包括:道路名、道路上的危险标志物的经纬度、道路所属行政区域。
其中,行政区域包括省级行政区、市级行政区以及县级行政区。
通过上述方法,过滤掉大量无用数据和错误数据,得到预处理后的基础数据。
可选地,确定车辆在危险标志物的预设范围内,并向用户发出预警信息之后,还包括:
获取前方道路的所有交叉口路段;
判断交叉口路段有无危险标志物,将没有危险标志物的交叉口路段输出。
具体地,在确定车辆在危险标志物的预设范围内,并向用户发出预警信息之后,调用GIS数据接口,获取前方道路的所有交叉口,并延伸预设距离,在一些示例性场景中,每个交叉口延伸5公里,判断交叉口路段中有无高危路段,将有高危路段的交叉口路段删除,将没有高危路段的交叉口路段保存在数据库中,供前端调用。
可选地,上述方法可能会出现前方道路没有交叉口的情况,因此,可以再利用预处理后的基础数据构建一个道路预判模型,该道路预判模型的构建方法与上述高危路段预警模型的构建方法一样,具体不再详细阐述,唯一的区别点在于,判断车辆是否在危险标志物的预设范围内,预设范围发生变化,道路预判模型中的预设距离比高危路段预警模型中的预设距离大3-5倍。
在一些示例性场景中,道路预判模型中的预设距离比高危路段预警模型中的预设距离大3倍,高速公路上的预设距离是3000米,国道、省道上的预设距离为1500米,城市道路和乡村道路上的预设距离为300米。在确定车辆在危险标志物的预设范围内,并向用户发出预警信息之后,调用GIS数据接口,获取前方道路的所有交叉口,并延伸预设距离,在一些示例性场景中,每个交叉口延伸5公里,判断交叉口路段中有无高危路段,将有高危路段的交叉口路段删除,将没有高危路段的交叉口路段保存在数据库中,供前端调用。
通过上述方法,实现最优路线筛选,给当前用户提供多条路段选择,完成道路预判。
可选地,并将历史路段信息网数据保存在数据库中包括:
定时修改数据库中的历史路段信息网数据。
通常,道路设施会发生变化,因此需要定时修改数据库中的历史路段信息网数据,使数据更精准。在一些示例性场景中,每隔两周修改一次数据库中的历史路段信息网数据。
通过上述方法,定时修改数据库中的历史路段信息网数据,可以提高预警的准确度,给用户带来良好的体验。
图2是根据一示例性实施例示出的一种车辆高危路段预警方法的流程示意图;
如图2所示,首先是数据获取,获取特定车辆的历史数据集,根据加载的历史数据,调整参数,训练高危路段预警模型,验证模型的精确度,然后在数据处理层,利用预处理后的基础数据运行高危路段预警模型,并将特定车辆的结果数据存储到MySQL库群,并设定时间重新加载高危路段预警模型,更新MySQL库群中存储的结果数据,使数据更精确。
前端包括实时查询层和可视化展示层,实时查询层接收输入的查询信息,依据录入的查询信息获取查询结果,利用Redis缓存数据库中的查询结果,供前端调用,提高查询速度,并将获取到的查询结果存储在MySQL库群中。可视化展示层可以展示当前车辆的行驶路线,可以展示地图信息,可以展示当前车流量统计图,让用户直观的了解到当前的车流量情况。
图3是根据一示例性实施例示出的一种车辆高危路段预警方法的流程示意图;
如图3所示,首先是采集基础数据,基础数据包括:车辆轨迹点数据、GIS数据和货运道路数据,然后利用Kafka技术将采集的基础数据存储到Hadoop分布式文件***,然后利用Python语言编写程序进行数据预处理,具体步骤参照上文,然后对预处理后的数据再根据各个数据的应用场景再进行一次数据预处理,然后构建高危路段预警模型,利用预处理后的数据运行该模型,得到结果数据,对结果数据进行统计分析,并存入数据库供前端调用。
图4是根据一示例性实施例示出的一种车辆高危路段预警装置的示意图。
在一些实施例中,一种车辆高危路段预警装置包括:
预处理模块,用于对获取到的车辆基础数据进行预处理,得到预处理后的基础数据;
模型构建模块,用于基于预处理后的基础数据,构建高危路段预警模型,预警模型的规则为:当车辆与危险标志物的距离小于等于预设距离时,确定车辆在危险标志物的预设范围内,并向用户发出预警信息;
数据存储模块,用于通过预处理后的基础数据中的车辆轨迹点数据运行预警模型,得到历史路段信息网数据,并将历史路段信息网数据保存在数据库中;
查询模块,用于车辆终端基于历史路段信息网数据以及接收到的查询信息,获取并输出与查询信息对应的查询结果。
图5是根据一示例性实施例示出的一种车辆高危路段预警装置的示意图
在一些实施例中,一种车辆高危路段预警装置,包括处理器51和存储有程序指令的存储器52,还可以包括通信接口53和总线54。其中,处理器51、通信接口53、存储器52可以通过总线54完成相互间的通信。通信接口53可以用于信息传输。处理器51可以调用存储器52中的逻辑指令,以执行上述实施例提供的车辆高危路段预警的方法。
此外,上述的存储器52中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器52作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令/模块。处理器51通过运行存储在存储器52中的软件程序、指令以及模块,从而执行功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器52可包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器52可以包括高速随机存取存储器,还可以包括非易失性存储器。
本公开实施例提供了一种计算机可读介质,其上存储有计算机可读指令,计算机可读指令可被处理器执行以实现上述实施例提供的车辆高危路段预警方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,可以取决于技术方案的特定应用和设计约束条件。技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能,但是这种实现不应认为超出本公开实施例的范围。技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本文所披露的实施例中,所揭露的方法、产品(包括但不限于装置、设备等),可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,可以仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外,在本公开实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的***、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。在这点上,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,模块、程序段或代码的一部分包含一个或一个以上用于实现规定的逻辑功能的可执行指令。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,两个连续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,这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种车辆高危路段预警方法,其特征在于,包括:
对获取到的车辆基础数据进行预处理,过滤信息缺失数据,过滤错误数据,过滤当前车牌号无法匹配到道路信息的数据,过滤道路信息无法匹配到GIS数据中危险标志物的位置的数据,得到过滤后的基础数据,以车牌号关联道路信息与轨迹点数据信息,其中,以车牌号分组合并数据包括:车辆速度、车牌号、车牌颜色、经度、纬度、时间、行政区域、道路ID;以道路名关联GIS数据信息与道路信息,其中,以道路名分组合并数据包括:道路名、道路上的危险标志物的经纬度、道路所属行政区域,得到预处理后的基础数据;
基于所述预处理后的基础数据,构建高危路段预警模型,所述构建高危路段预警模型的规则为:当车辆与危险标志物的距离小于等于预设距离时,确定车辆在所述危险标志物的预设范围内,并向用户发出预警信息,其中,距离判断算法为:L=R*arccos[cosβ1*cosβ2*cos(α1-α2)+sinβ1*sinβ2]<=预设安全距离;其中:R为地球半径,α1为A点经度,β1为A点纬度,α2为B点经度,β2为B点纬度;
通过所述预处理后的基础数据中的车辆轨迹点数据运行所述高危路段预警模型,得到历史路段信息网数据,并将所述历史路段信息网数据保存在MySQL数据库中,MySQL数据库统计分析历史路段信息网数据,以省为单位建立数据集,以市为单位映射多种业务线表,以车牌号、车辆SIM号为索引,查询数据库中存储的历史路段信息网数据;
车辆终端基于所述历史路段信息网数据以及接收到的查询信息,获取并输出与所述查询信息对应的查询结果,其中,查询信息包括车牌号、车辆SIM号,车辆终端还包括可视化展示层,用于展示当前车辆的行驶路线,展示地图信息,展示当前车流量统计图;
向用户发出预警信息之后,还包括调用GIS数据接口,获取前方道路的所有交叉口路段,并延伸预设距离,判断交叉口路段中有无高危路段,将有高危路段的交叉口路段删除,将没有高危路段的交叉口路段保存在数据库中并输出,若前方道路没有交叉口路段,利用道路预判模型判断车辆是否在危险标志物的预设范围内,所述道路预判模型中的预设距离比高危路段预警模型中的预设距离大3-5倍。
2.根据权利要求1所述的方法,其特征在于,所述对获取到的车辆基础数据进行预处理之前,还包括:
获取车辆基础数据。
3.根据权利要求2所述的方法,其特征在于,所述车辆基础数据包括:
车辆轨迹点数据、GIS数据以及货运道路数据。
4.根据权利要求1所述的方法,其特征在于,所述并将所述历史路段信息网数据保存在数据库中包括:
定时修改数据库中的历史路段信息网数据。
5.一种车辆高危路段预警装置,其特征在于,包括:
预处理模块,用于对获取到的车辆基础数据进行预处理,过滤信息缺失数据,过滤错误数据,过滤当前车牌号无法匹配到道路信息的数据,过滤道路信息无法匹配到GIS数据中危险标志物的位置的数据,得到过滤后的基础数据,以车牌号关联道路信息与轨迹点数据信息,其中,以车牌号分组合并数据包括:车辆速度、车牌号、车牌颜色、经度、纬度、时间、行政区域、道路ID;以道路名关联GIS数据信息与道路信息,其中,以道路名分组合并数据包括:道路名、道路上的危险标志物的经纬度、道路所属行政区域,得到预处理后的基础数据;
模型构建模块,用于基于所述预处理后的基础数据,构建高危路段预警模型,所述构建高危路段预警模型的规则为:当车辆与危险标志物的距离小于等于预设距离时,确定车辆在所述危险标志物的预设范围内,并向用户发出预警信息,其中,距离判断算法为:L=R*arccos[cosβ1*cosβ2*cos(α1-α2)+sinβ1*sinβ2]<=预设安全距离;其中:R为地球半径,α1为A点经度,β1为A点纬度,α2为B点经度,β2为B点纬度;
数据存储模块,用于通过所述预处理后的基础数据中的车辆轨迹点数据运行所述高危路段预警模型,得到历史路段信息网数据,并将所述历史路段信息网数据保存在MySQL数据库中,MySQL数据库统计分析历史路段信息网数据,以省为单位建立数据集,以市为单位映射多种业务线表,以车牌号、车辆SIM号为索引,查询数据库中存储的历史路段信息网数据;
查询模块,用于车辆终端基于所述历史路段信息网数据以及接收到的查询信息,获取并输出与所述查询信息对应的查询结果,其中,查询信息包括车牌号、车辆SIM号,车辆终端还包括可视化展示层,用于展示当前车辆的行驶路线,展示地图信息,展示当前车流量统计图;向用户发出预警信息之后,还包括调用GIS数据接口,获取前方道路的所有交叉口路段,并延伸预设距离,判断交叉口路段中有无高危路段,将有高危路段的交叉口路段删除,将没有高危路段的交叉口路段保存在数据库中并输出,若前方道路没有交叉口路段,利用道路预判模型判断车辆是否在危险标志物的预设范围内,所述道路预判模型中的预设距离比高危路段预警模型中的预设距离大3-5倍。
6.一种车辆高危路段预警装置,其特征在于,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在执行所述程序指令时,执行如权利要求1至4任一项所述的车辆高危路段预警的方法。
7.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至4任一项所述的一种车辆高危路段预警的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313106.6A CN111127949B (zh) | 2019-12-18 | 2019-12-18 | 车辆高危路段预警方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313106.6A CN111127949B (zh) | 2019-12-18 | 2019-12-18 | 车辆高危路段预警方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127949A CN111127949A (zh) | 2020-05-08 |
CN111127949B true CN111127949B (zh) | 2021-12-03 |
Family
ID=70498336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911313106.6A Active CN111127949B (zh) | 2019-12-18 | 2019-12-18 | 车辆高危路段预警方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127949B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113108805A (zh) * | 2021-04-28 | 2021-07-13 | 沈阳精一智驾科技有限公司 | 出行路线推荐方法及装置、电子设备、可读存储介质 |
CN113838284B (zh) * | 2021-09-15 | 2023-01-06 | 北京中交兴路车联网科技有限公司 | 一种事故高发路段上的车辆预警方法、装置、存储介质及终端 |
CN114202903A (zh) * | 2021-12-31 | 2022-03-18 | 北京中交兴路信息科技有限公司 | 基于dem数据的车辆预警方法、装置、设备及存储介质 |
CN114419888A (zh) * | 2022-01-21 | 2022-04-29 | 北京汇通天下物联科技有限公司 | 一种货运车辆的安全预警方法、装置、设备及存储介质 |
CN114205394B (zh) * | 2022-02-17 | 2022-04-26 | 深圳市菲尼基科技有限公司 | 一种车联网终端自适应数据识别存储方法和*** |
CN115512312B (zh) * | 2022-09-15 | 2023-07-14 | 北京四维远见信息技术有限公司 | 一种相机交替曝光的对地拍照方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208205A (zh) * | 2013-03-20 | 2013-07-17 | 北京航空航天大学 | 一种基于车联网的车辆安全行驶预警方法 |
CN106528865A (zh) * | 2016-12-02 | 2017-03-22 | 航天科工智慧产业发展有限公司 | 一种快速精准的交通大数据清洗方法 |
CN106600995A (zh) * | 2016-12-09 | 2017-04-26 | 天津卓越信通科技有限公司 | 一种智能变向的行车道路指示*** |
CN106926807A (zh) * | 2017-03-21 | 2017-07-07 | 北京汽车股份有限公司 | 汽车的控制方法、装置及汽车 |
CN107067816A (zh) * | 2017-04-07 | 2017-08-18 | 奇瑞汽车股份有限公司 | 一种基于车联网的汽车智能报警*** |
CN109756867A (zh) * | 2018-12-29 | 2019-05-14 | 广州中国科学院软件应用技术研究所 | 一种基于lte-v的车路协同车载终端应用*** |
WO2019172944A1 (en) * | 2018-03-07 | 2019-09-12 | Sf Motors, Inc. | Systems and methods of inter-vehicle communication |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587781B2 (en) * | 2000-08-28 | 2003-07-01 | Estimotion, Inc. | Method and system for modeling and processing vehicular traffic data and information and applying thereof |
CN101645160A (zh) * | 2008-08-05 | 2010-02-10 | 上海迪爱斯通信设备有限公司 | 社会安全事件预测预警与智能决策*** |
US9552726B2 (en) * | 2009-08-24 | 2017-01-24 | Here Global B.V. | Providing driving condition alerts using road attribute data |
US8766817B2 (en) * | 2011-03-07 | 2014-07-01 | International Business Machines Corporation | Road hazard detection and warning system and method |
CN102521965B (zh) * | 2011-12-09 | 2013-08-14 | 同济大学 | 基于车牌识别数据的交通需求管理措施效果评价方法 |
CN103927795B (zh) * | 2013-01-14 | 2016-08-17 | 北京中交兴路信息科技有限公司 | 一种车辆历史行驶轨迹的回放方法和*** |
CN105632175B (zh) * | 2016-01-08 | 2019-03-29 | 上海微锐智能科技有限公司 | 车辆行为分析方法及*** |
-
2019
- 2019-12-18 CN CN201911313106.6A patent/CN111127949B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208205A (zh) * | 2013-03-20 | 2013-07-17 | 北京航空航天大学 | 一种基于车联网的车辆安全行驶预警方法 |
CN106528865A (zh) * | 2016-12-02 | 2017-03-22 | 航天科工智慧产业发展有限公司 | 一种快速精准的交通大数据清洗方法 |
CN106600995A (zh) * | 2016-12-09 | 2017-04-26 | 天津卓越信通科技有限公司 | 一种智能变向的行车道路指示*** |
CN106926807A (zh) * | 2017-03-21 | 2017-07-07 | 北京汽车股份有限公司 | 汽车的控制方法、装置及汽车 |
CN107067816A (zh) * | 2017-04-07 | 2017-08-18 | 奇瑞汽车股份有限公司 | 一种基于车联网的汽车智能报警*** |
WO2019172944A1 (en) * | 2018-03-07 | 2019-09-12 | Sf Motors, Inc. | Systems and methods of inter-vehicle communication |
CN109756867A (zh) * | 2018-12-29 | 2019-05-14 | 广州中国科学院软件应用技术研究所 | 一种基于lte-v的车路协同车载终端应用*** |
Also Published As
Publication number | Publication date |
---|---|
CN111127949A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127949B (zh) | 车辆高危路段预警方法、装置及存储介质 | |
US20190353500A1 (en) | Travel data collection and publication | |
US11113967B2 (en) | Method for determining parking spaces and free-parking space assistance system | |
CN1967523B (zh) | 路况信息查询***及路况信息查询方法 | |
CN103413437B (zh) | 一种基于车辆数据采集的道路交叉口转向识别方法及*** | |
CN113838284B (zh) | 一种事故高发路段上的车辆预警方法、装置、存储介质及终端 | |
Creß et al. | Intelligent transportation systems using roadside infrastructure: A literature survey | |
CN103050013B (zh) | 基于车联网技术的车辆分级限速监控方法及其装置 | |
CN202444622U (zh) | 用于车载信息服务的天气预报和灾害预警*** | |
CN103366590A (zh) | 基于车载终端的信息查询***及方法 | |
US20230057394A1 (en) | Cooperative vehicle-infrastructure processing method and apparatus, electronic device, and storage medium | |
JP2001126179A (ja) | 道路ネットワークとマッチングされた携帯電話の位置を使うデータ収集の方法とシステム | |
CN111693055B (zh) | 道路网络变化检测和所检测的变化的本地传播 | |
CN112863172A (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
CN112734242A (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
CN202996022U (zh) | 采用蓝牙技术的交通状态感知*** | |
CN104504541A (zh) | 方便用户出行的基于大数据分析的云服务互动***与方法 | |
CN117436821B (zh) | 交通事故诊断报告的生成方法、设备及存储介质 | |
CN115311894A (zh) | 基于大数据分析的智慧停车管理方法、***、终端及介质 | |
CN103914979A (zh) | 采用蓝牙技术的交通状态感知***及其感知方法 | |
CN110363991B (zh) | 路况分析方法、装置、处理设备、路况分析***和车辆 | |
WO2024114414A1 (zh) | 一种v2x事件的推送方法及装置 | |
CN108447257B (zh) | 一种基于Web的交通数据分析方法及*** | |
CN115995151B (zh) | 应用于城市管理的网约车异常行为检测方法 | |
CN108510774A (zh) | 一种深度融合多维数据的高速公路风险预警方法 |
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 |