CN111332289A - 车辆运行环境数据获取方法、装置和存储介质 - Google Patents
车辆运行环境数据获取方法、装置和存储介质 Download PDFInfo
- Publication number
- CN111332289A CN111332289A CN202010209201.8A CN202010209201A CN111332289A CN 111332289 A CN111332289 A CN 111332289A CN 202010209201 A CN202010209201 A CN 202010209201A CN 111332289 A CN111332289 A CN 111332289A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- road
- parameters
- operating
- 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 56
- 230000007613 environmental effect Effects 0.000 claims description 19
- 230000035484 reaction time Effects 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005290 field theory Methods 0.000 description 3
- 238000005381 potential energy Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- 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
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W50/0098—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
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车辆运行环境数据获取方法、装置、计算机设备和存储介质。方法包括：获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数，根据道路状况参数、车辆运行参数、驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率，获取运行车辆所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求，接收基于定位数据反馈的运行车辆的运行环境数据。采用本方法能够使得运行车辆能根据实际情况来获取车辆运行环境数据，避免无用的数据交互和非必要的数据获取，提高了带宽利用率。
Description
技术领域
本申请涉及车联网技术领域，特别是涉及一种车辆运行环境数据获取方法、装置、计算机设备和存储介质。
背景技术
随着车联网技术的发展，车辆与服务器的交互在车辆驾驶控制中起着越来越重要的作用，例如，车辆基于从服务器获取的车辆运行环境数据，例如周围的车辆信息等，并反馈给驾驶员。
传统技术中，车辆一般是通过轮询访问服务器的方式，周期性地向服务器请求车辆运行环境数据，这种交互方式，需要车辆周期性的向服务器发送请求，但每一次请求时，服务器反馈的数据并非车辆的必须数据，与服务器的交互过程存在带宽浪费严重的问题。
发明内容
基于此，有必要针对带宽浪费严重的技术问题，提供一种能够提高带宽利用率的车辆运行环境数据获取方法、装置、计算机设备和存储介质。
一种车辆运行环境数据获取方法，方法包括：
获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数；
根据道路状况参数、车辆运行参数、驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率；
获取运行车辆所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求；
接收基于定位数据反馈的运行车辆的运行环境数据。
一种车辆运行环境数据获取装置，装置包括：
参数获取模块，用于获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数；
概率分析模块，用于根据道路状况参数、车辆运行参数、驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率；
请求发送模块，用于获取运行车辆在所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送车辆运行环境数据获取请求；
数据接收模块，用于接收基于定位数据反馈的运行车辆的运行环境数据。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数；
根据道路状况参数、车辆运行参数、驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率；
获取运行车辆所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求；
接收基于定位数据反馈的运行车辆的运行环境数据。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数；
根据道路状况参数、车辆运行参数、驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率；
获取运行车辆所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求；
接收基于定位数据反馈的运行车辆的运行环境数据。
上述车辆运行环境数据获取方法、装置、计算机设备和存储介质，通过获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数，基于参数标准值和参数权值数据，来分析运行车辆的事故概率，并进一步通过与运行路段的运行事故概率阈值的对比，来确定发送车辆运行环境数据获取请求的时机，从而使得运行车辆能根据实际情况来获取车辆运行环境数据，避免了无用的数据交互和非必要的数据获取，提高了带宽利用率。
附图说明
图1为一个实施例中车辆运行环境数据获取方法的应用环境图；
图2为一个实施例中车辆运行环境数据获取方法的流程示意图；
图3为再一个实施例中车辆运行环境数据获取方法的流程示意图；
图4为另一个实施例中车辆运行环境数据获取方法的流程示意图；
图5为又一个实施例中车辆运行环境数据获取方法的流程示意图；
图6为还一个实施例中车辆运行环境数据获取方法的流程示意图；
图7为一个实施例中车辆运行环境数据获取方法的场景示意图；
图8为另一个实施例中车辆运行环境数据获取方法的流程示意图；
图9为一个实施例中车辆运行环境数据获取装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的车辆运行环境数据获取方法，可以应用于如图1所示的应用环境中。其中，车辆102通过内置的处理器与服务器104通过网络进行通信。车辆102中的处理器获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数。根据道路状况参数、车辆运行参数、驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率。获取运行车辆所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求至服务器104。服务器104响应数据获取请求，并基于定位数据确定运行车辆的运行环境数据，并反馈运行环境数据至该运行车辆的处理器。其中，车辆102可以是各种规模的机动车，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种车辆运行环境数据获取方法，以该方法应用于图1中的车辆的处理器为例进行说明，包括以下步骤210至步骤240。
步骤210，获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数。
运行车辆是指处于运行状态的车辆，随着车联网以及车路协同网络的发展，在车辆运行过程中，通过服务器协同各个车辆的运行数据，能有效减少甚至避免车辆事故的发生。在实施例中，车联网或是车路协同网络构成的***中，服务器具体可以是云服务器，***中还可以包括设置于道路周边的各个数据采集装置，例如，具有图像采集或视频采集功能的摄像装置等。
在实施例中，道路状况参数、车辆运行参数以及驾驶控制参数可以是通过车辆自身安装的内部软件或是设置于车辆上的传感器采集得到，减少与车联网***中服务器的数据交互，以减小带宽的占用。
具体来说，道路状况参数是指运行车辆采集的当前所处路段的道路状况数据。在一个实施例中，道路状况参数包括车道宽度、道路摩擦力、道路能见度以及车辆密度中的一个参数或多个参数的组合。其中，车道宽度是指运行车辆当前所处路段的车道实际宽度，道路摩擦力是指因天气状况(例如晴天、雨天、雪天、结冰等)对道路的路面湿度产生影响时，造成的路面与车辆轮胎之间的摩擦力系数。道路能见度是指因雾或霾等天气因素对空气能见距离的影响时，运行车辆在当前所处路段的能见距离。车辆密度是交通量参数，用于表征运行车辆当前所处路段的车辆密集度。
车辆运行参数是指运行车辆在运行过程中的车辆状况数据。在实施例中，车辆运行参数包括车辆类型、车辆姿态、车辆速度以及车辆加速度中的一个参数或多个参数的组合。其中，车辆类型是用于描述车的大小的参数，具体可以根据车辆的长度或是重量等参数，将车辆分为大型车、中型车以及小型车。例如以按照车辆长度来划分为例，可以将车长大于6m的车辆划分为大型车，将车长大于3.5m且不大于6m的车辆划分为中型车，将车长不大于3.5m的车辆划分为小型车。可以理解，在其他实施例中，车辆类型的划分类别和划分标准可以根据需要进行调整，在此不做限定。车辆姿态是指车辆在运行过程中的状态。例如正常行驶、转弯、上下坡等。车辆速度是指车辆在运行时的速度数据，车辆的加速度是指车辆在运行时的速度变化率。
驾驶控制参数是指运行车辆的当前控制者的基本数据。在实施例中，驾驶控制参数包括驾驶对象反应时间以及持续驾驶时间中的一个参数或两个参数的组合。其中，驾驶对象是指对车辆进行驾驶控制的驾驶者，可以理解，驾驶者具体可以是真实的人，也可以是用***自动控制代替的“机器人”，即对应人工驾驶和无人驾驶两种不同的驾驶方式，驾驶对象反应时间是指驾驶者对突发的状况作出反应的时长，一般来说，无人驾驶情况下，驾驶对象反应时间与车辆的处理器分析速度有关，人工驾驶情况下，可以通过识别驾驶者的身份，通过获取该驾驶者的历史驾驶数据，通过对历史驾驶数据中的反应时间数据进行分析，得到该驾驶者的驾驶对象反应时间，持续驾驶时间是指驾驶者持续驾驶车辆的时长。
步骤220，根据道路状况参数、车辆运行参数、驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率。
预设的各参数标准值是指通过对标准状况下的数据分析得到的各个参数的参考值，预分配的参数权重数据是指基于各个参数的重要程度，给各个参数分配的比重数据，具体来说，各个参数的重要程度可以基于大量的车辆事故样本数据，通过数据统计分析，确定各参数在的车辆事故样本数据中的占比，从而得到给各个参数分配的参数权重数据。在实施例中，为各个参数分配的参数权重数据的和为1。
在实施例中，通过计算道路状况参数、车辆运行参数以及驾驶控制参数中的各参数与对应的预设参数标准值的比值，然后将比值数据乘以对应的参数权重数据，最后将各个参数的权重数据计算结果进行累加处理，即可得到运行车辆的运行事故概率。
步骤230，获取运行车辆所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求；
运行事故概率是指当前路段发生运行事故的次数与当前路段的车流量数据的比值。在一个实施例中，运行事故概率的具体数据可以是由交通管理部门进行数据统计后公布的数据，在车辆上安装有可以与交通管理部门的公布数据对应的服务器进行交互的软件，可以获取各个运行路段的运行事故概率。具体来说，交通管理部门的数据一般会进行周期性的更新，在车辆***上，对应可以进行各运行路段的运行事故概率阈值的周期性更新，在车辆运行时，车辆上的处理器可以基于定位数据确定自身当前所处的运行路段，从而读取预先存储的该运行路段的运行事故概率阈值。
通过比较运行事故概率与运行事故概率阈值的数值大小，在运行事故概率大于运行事故概率阈值时触发数据获取请求发送机制，发送车辆运行环境数据获取请求至服务器，相较于传统的轮询访问服务器的方式，能提高数据获取有效率，运行车辆能根据实际情况向服务器请求路况信息，提高带宽利用率。
步骤240，接收基于定位数据反馈的运行车辆的运行环境数据。
服务器在接收到运行环境数据获取请求时，提取运行环境数据获取请求携带的定位信息，并基于该定位信息，确定该运行车辆的周围的运行环境数据。运行环境数据具体可以包括预设安全范围内的静止物体、移动车辆以及交通指示信号等，具体来说可分为三类物体的数据，第一类物体是可能会与本车发生碰撞的静止物体，第二类物体是不会与本次发生碰撞但是会给本车的行驶带来压力的交通信号数据等物体，第三类物体是运行中的车辆等运动物体。
在实施例中，预设安全范围以内具体可以包括车辆两侧以及车辆前后N米范围内。其中，静止物体包括车道上以及车道周围的非移动但会对运行车辆的运行造成潜在威胁的物体，例如静止的车辆、路沿等。交通信号数据可以是固定的行驶指示牌，也可以是其他车辆发出的警示，例如前方车辆的刹车等、转向灯等。
上述车辆运行环境数据获取方法，通过获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数，基于参数标准值和参数权值数据，来分析运行车辆的事故概率，并进一步通过与运行路段的运行事故概率阈值的对比，来确定发送车辆运行环境数据获取请求的时机，从而使得运行车辆能根据实际情况来请求运行车辆的运行环境数据，避免了无用的数据交互和非必要的数据获取，提高了带宽利用率。
在一个实施例中，如图3所示，在接收基于定位数据反馈的车辆运行环境数据之后，还包括步骤310至步骤340。
步骤310，提取车辆运行环境数据中环境车辆的车辆数据。
步骤320，根据环境车辆的车辆数据与运行车辆的车辆运行参数，得到运行车辆与环境车辆的碰撞能量数据。
步骤330，获取基于历史数据分析得到的标准碰撞能量数据，根据碰撞能量数据与标准碰撞能量数据的比值，确定运行车辆与环境车辆的碰撞概率。
步骤340，当碰撞概率大于预设的碰撞概率阈值时，生成碰撞预警消息。
物体间的碰撞过程实际上是两个物体将的能量的变化，可以理解，基于物体的速度、质量等因素，可以计算得出假设两个物体间发生碰撞时的能量变化，进而根据两个物体之间的能量变化的计算结果是否达到该两个物体之间的真实发生碰撞的临界值的能量大小，进而判断两个物体是否会发生碰撞、以及碰撞的概率为多大。
碰撞能量数据是指由于受环境数据的影响，基于环境因素计算得到的该运行车辆与其他环境物体之间潜在的碰撞可能(假设会碰撞时)对应的能量变化。是否会发生碰撞可以基于计算得到的能量变化是否达到标准碰撞能量数据的能量数值大小来进行判断。进一步的，还可以通过碰撞能量数据与标准碰撞能量数据的比值，确定运行车辆与环境物体的碰撞概率，标准碰撞能量数据的取值是车辆处于碰撞临界点时的值，具体的数据可以基于历史数据或通过对理想临界状况的分析得到。
具体来说，在车辆运行过程中，假设其与其他物体发生碰撞时，其能量变化可以基于引力场论模型(对应公式(1)的右边的第一项，其基本表达式F＝(G×M1×M2)/R2)、弹簧势能模型(对应公式(1)的右边的第二项，其基本表达式为U＝1/2kx2)、多普勒效应模型(对应公式(2)，其基本表达式fo＝(fs*v)/(v±vs))为基础，进行分析得到。
具体分析过程如下：
上述计算公式中，其中公式(1)的右边的第一项是静止且可能会与本车发生碰撞的物体，与本车发生碰撞的造成的碰撞能量数据，右边的第二项是静止且不会与本次发生碰撞、但是会给本车的行驶带来压力的交通信号数据造成的碰撞能量数据。公式(2)为运动物体对本车的造成的碰撞能量数据。
Ma、Mb和Mj分别是指物体a、物体b与物体j的虚拟质量，物体a为静止物体、物体b为运动车辆、物体j为本车，虚拟质量是基于物体本身的实际质量以及速度计算出来的。raj是指物体a与物体j之间的位移。rbj是指物体b与物体j之间的位移。Ra、Rb、Rj是反映物体a、物体b与物体j所处道路状况的参数，和物体与道路的摩擦力、道路的坡度、道路的弯度以及道路能见度有关，是基于这四个参数分析得到的。DRj是反映物体j的控制者的反应能力的参数，DRb是反映物体b的控制者的反应能力的参数，DRj与DRb与驾驶对象反应时间以及持续驾驶时间相关联。D是指车道宽度，G为万有引力常量、K1、K2、K3为常数，具体来说，K1的取值具体可以是3，或是其他接近于3的数值，例如2.8、3.3等，以满足公式(1)的右边的第一项中的K1-1≈2，以满足引力场论模型的基本表达式F＝(G×M1×M2)/R2。同理，K2的取值具体可以是1，或是其他接近于1的数值，以满足公式(1)的右边的第2项中的K2+1≈2，基本满足弹簧势能模型的基本表达式U＝1/2kx2。同理，K3的取值具体可以是340(光速340m/s)，或是其他接近于340的数值，以基本满足多普勒效应模型的基本表达式fo＝(fs*v)/(v±vs)，Vb是指物体的运行速度。θ是这个两个物体之间的夹角，具体是物体b与物体j之间速度方向上的夹角。
以公式(2)为例来说，当物体b与物体j的运行速度越大时，物体间的距离越小时，对应的Ma、Mb的数值越大、rbj的数值越小，其最终的计算值也会越大，表征物体b与物体j的碰撞能量也越大。
通过公式(1)的计算结果，可以确定环境中处于非运动的环境物体与本运行车辆的碰撞能量数据。
通过公式(2)的计算结果，可以确定环境中处于运行状态的环境车辆与本运行车辆的碰撞能量数据。
通过累计上述两个公式的计算结果，可以得到环境中的各个环境物体构成的环境与本运行车辆的碰撞能量数据，例如，本运行车辆的安全距离内有6辆环境车辆，但每一个车辆的运行速度都比较缓慢，通过上述公式(2)，得到的每一辆环境车辆与本运行车辆的碰撞概率都比较小，但由于道路相对较窄，即使在低速运行的情况下，也有可能与其他环境车辆或周围物体发生碰撞，通过累计上述两个公式的计算结果，可以确定环境中的各个环境物体构成的环境与本运行车辆的碰撞能量数据。
通过计算本运行车辆与环境车辆的碰撞能量数据与标准碰撞能量数据的比值，确定运行车辆与环境车辆的碰撞概率。通过将碰撞概率与设定的碰撞概率阈值进行比较，当碰撞概率大于预设的碰撞概率阈值时，生成碰撞预警消息，能避免频繁为驾驶者提示车辆驾驶风险，降低虚警率，提升用户体验。
在一个实施例中，如图4所示，道路状况参数包括车道宽度、道路摩擦力、道路能见度以及车辆密度中的至少一个。以道路状况参数包括车道宽度、道路摩擦力、道路能见度以及车辆密度为例，获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数包括步骤410至步骤440。
步骤410，获取运行车辆在当前所处位置采集的图像数据。
步骤420，根据图像数据，得到运行车辆当前所处车道的宽度，并获取运行车辆当前所处位置的路面状态与能见距离，确定路面状态对应的道路摩擦力以及能见距离对应的道路能见度。
步骤430，识别图像数据中的车辆数，得到车辆密度。
步骤440，获取运行车辆的车辆运行参数以及驾驶控制参数。
其中，路面状态包括干燥路面状态、湿滑路面状态以及冰雪路面状态。在其他实施例中，由于晴天和阴天的路面干燥程度也存在差异，干燥路面状态还可以细分为晴天对应的干燥路面状态和阴天对应的干燥路面状态，冰雪路面状态可以细分为积雪路面状态和结冰路面状态。
运行车辆采集的图像数据可以通过设置于车辆上的摄像装置采集得到。其中，摄像装置具体可以是多个，可以根据参数获取需要设置于车辆的不同位置。例如，采集车道路面的摄像头的数据采集方向与采集能见距离或车辆数据的摄像头的数据采集方向不同，具体可以是通过不同的摄像装置采集，通过不同的数据分析得到对应数据。在其他实施例中，还可以通过采集方向可控的转动摄像装置进行图像数据采集。
在一个实施例中，道路状况参数还包括道路类型，即为车辆所在的当前道路的类型，具体来说，道路类型可以按交通量划分，根据公路的使用任务、功能和流量进行划分，将公路划分为高速公路、一级公路、二级公路、三级公路、四级公路，共五个类型。
在其他实施例中，道路状况参数还包括与车辆姿势对应的车道弯度、车道坡度等参数。其中，测量道路弯度时，可以基于运行车辆上设置的硬件进行测量，具体有三种方法，第一种是在方向盘或者前轮处安装角度测量传感器，测量方向盘或者前轮转过的角度，第二种是在方向盘上方安装摄像头，拍摄方向盘转过的角度，第三种是在后轮的两个轮子上各安装一个转速传感器，测量内外轮的转速差来获得道具弯度的变化量。测量道路坡度(下沉，上坡)，可通过在车辆内部安装陀螺仪(重力加速度传感器)或者水平传感器或者定针探位仪进行测量，基于车辆姿势确定车道弯度、车道坡度等道路状况参数，能便于进行碰撞能量数据的分析。
每一个道路状况参数均能通过测量分析得到，但在理想状况下，每一个道路状况参数具有对应的标准值。
具体来说，车道宽度的标准值b：在具体的道路类型上，其标准值为国家规定的该道路应有的宽度。
道路摩擦力的标准值c：道路摩擦力具体可以分为四种情况，晴天的道路摩擦力、雨天的摩擦力、雪天的摩擦力、结冰的摩擦力，不同天气对应的摩擦力系数可以通过历史数据中不同天气下路面与车辆轮胎的摩擦分析得到。分别用u1，u2，u3，u4表示这四种天气情况下的道路摩擦系数，道路摩擦力的标准值可以取为(u1+u2+u3+u4)/4。
道路坡度的标准值s：在具体的道路上，将道路坡度的标准值取为国家规定该道路的道路坡度。道路弯度标准值q：在具体的道路上，将道路弯度的标准值取为国家规定该道路的道路弯度。车辆密度的标准值d：在同一车道上的车辆之间的距离应该为国家规定的该道路上的安全距离，不同车道上的车辆之间不应占用对方车道。在满足上述要求的情况下一段距离内车道上的车辆数量(如每100米的路段内的车辆数)为标准密度。
道路能见度的标准值L：根据对交通的影响程度，按能见距离划分等级，具体来说，能见距离200m＜L≤500m为1级，能见距离100m＜L≤200m为2级，能见距离50m＜L≤100m为3级，能见距离L≤50m为4级。根据实际测量分析得到的能见距离对应的等级，如果实测的Lr位于第1，2，3，4级，那么L取对应每一个范围的上界，取500，200，100，50。
在一个实施例中，获取运行车辆当前所处位置的路面状态与能见距离，包括获取运行车辆的定位数据，获取定位数据所处位置对应的天气数据，根据天气数据，确定路面状态与能见距离。
在另一个实施例中，获取运行车辆当前所处位置的路面状态与能见距离，包括根据图像数据，通过对图像数据的识别分析，确定路面状态类型与能见距离。
其中，路面状态包括干燥路面状态、湿滑路面状态以及冰雪路面状态。具体来说，路面状态可以基于天气类型来确定。例如，晴天或阴天对应路面干燥、下雨对应路面积水、下雪对应路面积雪，温度达到零下且有积水的情况下对应结冰等，可以理解，路面状况类型还可以有其他类型，这里仅列举部分典型天气作为说明，具体的路面状态类型可以根据需要进行扩展，在此不作限定。
在实施例中，道路摩擦力具体可以分为四种情况，干燥路面的道路摩擦力、湿滑路面的摩擦力、结冰路面的摩擦力、积雪路面的摩擦力，不同天气对应的摩擦力系数可以通过历史数据中不同天气下路面与车辆轮胎的摩擦分析得到。在其他实施例中，还可以根据晴天或阴天这两种典型天气，将干燥路面对应的摩擦力进一步扩展细化为两种不同的情况，具体天气对应的摩擦力可以根据试验得到。
在实施例中，路面状态可以通过车载摄像头采集路面图片来确定，也可以根据天气数据中的天气类型来确定，基于确定的路面状态，可以得到道路摩擦力。道路能见距离与路面状态类似。测量道路能见距离时，可通过两种方式，一种是将气象部门发布的天气预报数据中的能见度数据接入到车载电脑里，直接读取获取，另一种是通过车载摄像头拍摄车辆前方视野内的图像数据，通过对图像的分析获取。
可以理解，车道宽度，车辆类型，道路能见度、道路摩擦力，车辆密度，这些变化程度较慢持续时间较长的路况信息都可通过车内摄像头拍摄分析获得。
在一个实施例中，如图5所示，车辆运行参数包括车辆类型、车辆姿态、车辆速度以及车辆加速度中的至少一种。
以车辆运行参数包括车辆类型、车辆姿态、车辆速度以及车辆加速度为例，获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数包括步骤510至步骤540。
步骤510，读取运行车辆预存的车辆规模数据，确定车辆类型。
步骤520，读取运行车辆采集的姿态传感数据，确定车辆姿态。
步骤530，读取运行车辆的车辆速度，并根据车辆速度，得到车辆加速度。
步骤540，获取运行车辆的道路状况参数以及驾驶控制参数。
车辆类型根据车身长度、车身重量等车辆规模数据来确定。具体来说车辆规模数据可以是存储于车辆存储***的数据，也可以是基于采集的该车辆的测量数据得到的结果。
车辆姿态包括转速传感器、陀螺仪、水平传感器或者定针探位仪等传感设备采集的姿态传感数据，用于表征运行车辆的姿态，具体来说，车辆姿态包括平衡、转弯、上坡、下坡中的至少一种。
车辆速度vr可直接通过车内表盘获取。车辆加速度ar可通过陀螺仪加速度计测量获得，也可以通过计算车辆速度在一段时间内的变化率，得到车辆加速度。
车辆类型的标准值m：通过统计目标区域内的各类车辆的比例，例如按照质量或车身长度分为三类，分别记为p1,p2,p3。将三类车辆分别记为m1,m2,m3(符合国家标准的各类型车辆的质量或长度是有规定的，所以各类型车辆的质量或长度是已知的。如果国家规定的每一类车辆的质量不是一个具体的数值，而是一个范围，则取该范围的中位数)，计算这些的质量或长度的期望为标准值m＝p1*m1+p2*m2+p3*m3。
车辆速度标准值v和车辆加速度的标准值a：在具体的道路上，车辆速度的标准值为该道路上的法定速度，车辆加速度标准值为该道路上的法定加速度。
车辆姿态转换为道路坡度数据和道路弯曲数据，对应的车辆姿态对应的标准值可以转换为道路坡度以及道路弯度的标准值。
在一个实施例中，如图6所示，驾驶控制参数包括驾驶对象反应时间和持续驾驶时间中的至少一个。以驾驶控制参数包括驾驶对象反应时间和持续驾驶时间为例，获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数包括步骤610至步骤630。
步骤610，获取运行车辆的最新的启动记录时间，得到持续驾驶时间。
步骤620，获取驾驶对象的身份信息，根据身份信息，读取驾驶对象的历史驾驶数据，确定驾驶对象反应时间。
步骤630，获取运行车辆的道路状况参数以及车辆运行参数。
持续驾驶时间tr可以通过运行车辆的最新的启动记录时间与当前时间的时间差来确定。持续驾驶时间的标准值t可以通过将持续时长划分为多个等级，根据持续驾驶时间所处的等级，取该等级的最大值作为持续驾驶时间的标准值.
在实施例中，驾驶方式包括人工驾驶和无人驾驶，驾驶对象包括机器人和实际的“人”，对于机器人来说，其驾驶对象反应时间fr可以通过对车辆内部各传感器的数据传输速率或数据处理时间来确定。对于实际的人，驾驶对象反应时间取历史驾驶数据中的驾驶员平均反应时间fr，例如历史数据中各反应时间为0.1至0.5秒(通过平均处理，得到该驾驶对象反应时间为0.3秒)，在实施例中，驾驶对象反应时间可以根据实际情况稍作调整。例如，在车辆出发之前，车内摄像头可拍摄驾驶员特征，然后结合交管部门的历史数据和公安部门的身份证数据，如这个驾驶员是否有驾照，是否有违章历史，酒驾历史，其年龄是否与所驾驶的车型匹配。如果驾驶员不正常，如酒后驾驶会比正常的延迟0.1至0.5秒，具体延迟时间可以通过该驾驶对象的历史驾驶数据的历史驾驶数据，通过分析历史驾驶数据中的延迟时间得到。驾驶对象反应时间的标准值f可以通过大量的数据样本，分析驾驶员在正常情况下进行驾驶时的反应时间得到。
本申请还提供一种应用场景，该应用场景应用上述的车辆运行环境数据获取方法。具体地，该车辆运行环境数据获取方法在该应用场景的应用如下：
运行车辆的车辆控制***中的处理器获取运行车辆的各参数类型，确定所需的参数类型，所需的参数类型具体分为三大类，分别为道路状况参数、车辆运行参数以及驾驶控制参数，其中，道路状况参数包括车道宽度br、道路摩擦力cr、道路能见度Lr以及车辆密度dr，车辆运行参数包括车辆类型mr、车辆姿态(道路坡度sr与道路弯度qr)、车辆速度vr以及车辆加速度ar，驾驶控制参数包括驾驶对象反应时间fr以及持续驾驶时间tr。
在运行车辆控制***内部存储着上述的各参数的标准值，它通过设置的传感器和内部软件等可获得这些参数的实测值。获取基于历史运行事故数据中，上述各因素所占比例而划分的参数权重数据，划分的参数权重数据分别为w1,w2,w3,w4,w5,w6,w7,w8,w9,w10,w11满足参数权重数据和为1的条件，即w1+w2+w3+w4+w5+w6+w7+w8+w9+w10+w11＝1，车辆通过内部软件或者传感器获得上述各类参数值和标准值，其中，参数值分别记录为br、cr、Lr、dr、mr、sr、qr、vr、ar、fr、tr，标准值分别为b、c、L、d、m、s、q、v、a、f、t。
计算各个参数的权重和：
若上述权重和W大于等于阈值T，那么车辆向服务器请求该运行车辆的运行环境数据，否则不请求。
如图7所示，以车辆1为本车，基于向服务器请求获得的运行环境数据，计算其他车辆与本车的碰撞概率。具体来说，利用接收到的运行环境数据计算其驾驶风险(运行环境数据包含＝除了本车外的其他车辆的位置、车辆速度、加速度等信息)。
计算驾驶风险：将本车与其他车辆的车辆速度(含大小和方向)、车辆类型、带入物理学领域的引力场论模型、弹簧势能模型、多普勒效应模型(具体参数上述公式(1)和公式(2))计算得到车辆之间的碰撞能量数据，然后除以标准碰撞强度就是碰撞概率；得到本车计算与其他车辆的碰撞风险。
在一个实施例中，车辆1表示本车：车辆2带给车辆1的碰撞概率是0.79，车辆3带给车辆1的碰撞概率是0.69，车辆4带给车辆1的碰撞概率是0.58，车辆5带给车辆1的碰撞概率是0.49，车6带给车辆1的碰撞概率是0.38，车辆7带给车辆1的碰撞概率是0.29。假设碰撞概率阈值为0.7，则会提示驾驶者注意车辆2，避免与其发生碰撞。
在一个实施例中，如图8所示，提供了一种车辆运行环境数据获取方法，方法包括步骤802至步骤832。
步骤802，获取运行车辆在当前所处位置采集的图像数据。
步骤804，根据图像数据，得到运行车辆当前所处车道的宽度。
步骤806，根据图像数据，通过对图像数据的识别分析，确定路面状态与能见距离。
步骤808，识别图像数据中的车辆数，得到车辆密度。
步骤810，读取运行车辆的预存的车辆规模数据，确定车辆类型。
步骤812，读取运行车辆采集到的姿态传感数据，确定车辆姿态。
步骤814，读取运行车辆的车辆速度，并根据车辆速度，得到车辆加速度。
步骤816，获取运行车辆的最新的启动记录时间，得到持续驾驶时间。
步骤818，获取驾驶对象的身份信息，根据身份信息读取驾驶对象的历史驾驶数据，确定驾驶对象反应时间。
步骤820，根据上述各参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率。
步骤822，获取运行车辆所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求。
步骤824，接收基于定位数据反馈的运行车辆的运行环境数据。
步骤826，提取车辆运行环境数据中环境车辆的车辆数据。
步骤828，根据环境车辆的车辆数据与运行车辆的车辆运行参数，得到运行车辆与环境车辆的碰撞能量数据。
步骤830，获取基于历史数据分析得到的标准碰撞能量数据，根据碰撞能量数据与标准碰撞能量数据的比值，确定运行车辆与环境车辆的碰撞概率。
步骤832，当碰撞概率大于预设的碰撞概率阈值时，生成碰撞预警消息。
应该理解的是，虽然图2-6、图8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6、图8中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图9所示，提供了一种车辆运行环境数据获取装置900，该装置可以采用软件模块或硬件模块，或者是二者的结合成为计算机设备的一部分，该装置具体包括：参数获取模块910、概率分析模块920、请求发送模块930和数据接收模块940，其中：
参数获取模块910，用于获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数。
概率分析模块920，用于根据道路状况参数、车辆运行参数、驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到运行车辆的运行事故概率。
请求发送模块930，用于获取运行车辆所处运行路段的运行事故概率阈值，当运行事故概率大于运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求。
数据接收模块940，用于接收基于定位数据反馈的运行车辆的运行环境数据。
在一个实施例中，参数获取模块还用于获取运行车辆在当前所处位置采集的图像数据；根据图像数据，得到运行车辆当前所处车道的宽度，并获取运行车辆当前所处位置的路面状态与能见距离，确定路面状态对应的道路摩擦力以及能见距离对应的道路能见度；识别图像数据中的车辆数，得到车辆密度。
在一个实施例中，参数获取模块还用于获取运行车辆的定位数据，获取定位数据所处位置对应的天气数据，根据天气数据，确定路面状态与能见距离或根据图像数据，通过对图像数据的识别分析，确定路面状态与能见距离。
上述车辆运行环境数据获取方法、装置、计算机设备和存储介质，通过获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数，基于参数标准值和参数权值数据，来分析运行车辆的事故概率，并进一步通过与运行路段的运行事故概率阈值的对比，来确定发送车辆运行环境数据获取请求的时机，从而使得运行车辆能根据实际情况来获取车辆运行环境数据，避免了无用的数据交互和非必要的数据获取，提高了带宽利用率。
关于车辆运行环境数据获取装置的具体限定可以参见上文中对于车辆运行环境数据获取方法的限定，在此不再赘述。上述车辆运行环境数据获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是车辆上的计算机设备，其内部结构图可以如图10所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆运行环境数据获取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆运行环境数据获取方法，其特征在于，所述方法包括：
获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数；
根据所述道路状况参数、所述车辆运行参数、所述驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到所述运行车辆的运行事故概率；
获取所述运行车辆所处运行路段的运行事故概率阈值，当所述运行事故概率大于所述运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求；
接收基于所述定位数据反馈的所述运行车辆的运行环境数据。
2.根据权利要求1所述的方法，其特征在于，在所述接收基于所述定位数据反馈的车辆运行环境数据之后，还包括：
提取所述车辆运行环境数据中环境车辆的车辆数据；
根据所述环境车辆的车辆数据与所述运行车辆的车辆运行参数，得到所述运行车辆与所述环境车辆的碰撞能量数据；
获取基于历史数据分析得到的标准碰撞能量数据，根据所述碰撞能量数据与所述标准碰撞能量数据的比值，确定所述运行车辆与所述环境车辆的碰撞概率；
当所述碰撞概率大于预设的碰撞概率阈值时，生成碰撞预警消息。
3.根据权利要求1所述的方法，其特征在于，所述道路状况参数包括车道宽度、道路摩擦力、道路能见度以及车辆密度中的至少一个。
4.根据权利要求1所述的方法，其特征在于，所述道路状况参数包括车道宽度、道路摩擦力、道路能见度以及车辆密度；
所述运行车辆的道路状况参数的获取过程包括：
获取所述运行车辆在当前所处位置采集的图像数据；
根据所述图像数据，得到所述运行车辆当前所处车道的宽度，并获取所述运行车辆当前所处位置的路面状态与能见距离，确定所述路面状态对应的道路摩擦力以及所述能见距离对应的道路能见度，其中，路面状态包括干燥路面状态、湿滑路面状态以及冰雪路面状态；
识别所述图像数据中的车辆数，得到车辆密度。
5.根据权利要求4所述的方法，其特征在于，所述获取所述运行车辆当前所处位置的路面状态与能见距离，包括以下任意一种：
获取所述运行车辆的定位数据，获取所述定位数据所处位置对应的天气数据，根据所述天气数据，确定路面状态与能见距离；
以及，根据所述图像数据，通过对所述图像数据的识别分析，确定路面状态与能见距离。
6.根据权利要求1所述的方法，其特征在于，所述驾驶控制参数包括驾驶对象反应时间和持续驾驶时间中的至少一个，其中，所述驾驶对象反应时间通过获取驾驶对象的身份信息，根据所述身份信息，读取并分析所述驾驶对象的历史驾驶数据得到。
7.根据权利要求1所述的方法，其特征在于，所述车辆运行参数包括车辆类型、车辆姿态、车辆速度以及车辆加速度中的至少一个。
8.一种车辆运行环境数据获取装置，其特征在于，所述装置包括：
参数获取模块，用于获取运行车辆的道路状况参数、车辆运行参数以及驾驶控制参数；
概率分析模块，用于根据所述道路状况参数、所述车辆运行参数、所述驾驶控制参数以及预设的各参数标准值与预分配的参数权重数据，得到所述运行车辆的运行事故概率；
请求发送模块，用于获取所述运行车辆所处运行路段的运行事故概率阈值，当所述运行事故概率大于所述运行事故概率阈值时，发送携带有定位数据的运行环境数据获取请求；
数据接收模块，用于接收基于所述定位数据反馈的所述运行车辆的运行环境数据。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010209201.8A CN111332289B (zh) | 2020-03-23 | 2020-03-23 | 车辆运行环境数据获取方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010209201.8A CN111332289B (zh) | 2020-03-23 | 2020-03-23 | 车辆运行环境数据获取方法、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111332289A true CN111332289A (zh) | 2020-06-26 |
| CN111332289B CN111332289B (zh) | 2021-05-07 |
Family
ID=71178415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010209201.8A Active CN111332289B (zh) | 2020-03-23 | 2020-03-23 | 车辆运行环境数据获取方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111332289B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111891127A (zh) * | 2020-08-11 | 2020-11-06 | 辽宁工业大学 | 一种用于自动驾驶车辆的安全行驶方法 |
| CN112261116A (zh) * | 2020-10-19 | 2021-01-22 | 腾讯科技（深圳）有限公司 | 用于车联网的信息发送方法、装置、存储介质和设备 |
| CN112644514A (zh) * | 2020-12-31 | 2021-04-13 | 上海商汤临港智能科技有限公司 | 驾驶数据的处理方法、装置、设备、存储介质及程序产品 |
| CN113228657A (zh) * | 2021-03-31 | 2021-08-06 | 华为技术有限公司 | 图像处理方式的确定方法及装置 |
| CN113570747A (zh) * | 2021-06-29 | 2021-10-29 | 东风汽车集团股份有限公司 | 一种基于大数据分析的行驶安全监测***和方法 |
| CN117012055A (zh) * | 2023-08-14 | 2023-11-07 | 河南新电信息科技有限公司 | 一种危险品运输车右侧盲区智能预警***及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104103188A (zh) * | 2013-04-04 | 2014-10-15 | 通用汽车有限责任公司 | 基于车辆共同体输入向车辆用户提供定制信息的装置和方法 |
| US20170113685A1 (en) * | 2015-10-22 | 2017-04-27 | Honda Research Institute Europe Gmbh | Method and system for assisting a driver of a vehicle in driving the vehicle, vehicle and computer program |
| CN107833312A (zh) * | 2017-01-25 | 2018-03-23 | 问众智能信息科技（北京）有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
| US20180090003A1 (en) * | 2016-09-27 | 2018-03-29 | Honda Motor Co., Ltd. | Traffic hindrance risk indication apparatus |
| CN108713221A (zh) * | 2016-03-14 | 2018-10-26 | 索尼公司 | 信息处理装置、信息处理方法、程序和车辆 |
| CN108765627A (zh) * | 2018-04-12 | 2018-11-06 | 深圳市拓保软件有限公司 | 一种驾驶数据风险量化的方法 |
| WO2018208591A1 (en) * | 2017-05-06 | 2018-11-15 | The Texas A&M University System | Method and system for vehicular communication and safety monitoring of driving environment to provide early warnings in real-time |
| CN109389824A (zh) * | 2017-08-04 | 2019-02-26 | 华为技术有限公司 | 一种驾驶风险的评估方法及装置 |
| CN109455183A (zh) * | 2018-11-14 | 2019-03-12 | 安徽江淮汽车集团股份有限公司 | 车辆碰撞预判方法及*** |
| CN110803171A (zh) * | 2019-08-20 | 2020-02-18 | 腾讯科技（深圳）有限公司 | 一种驾驶风险提示方法及装置 |
-
2020
- 2020-03-23 CN CN202010209201.8A patent/CN111332289B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104103188A (zh) * | 2013-04-04 | 2014-10-15 | 通用汽车有限责任公司 | 基于车辆共同体输入向车辆用户提供定制信息的装置和方法 |
| US20170113685A1 (en) * | 2015-10-22 | 2017-04-27 | Honda Research Institute Europe Gmbh | Method and system for assisting a driver of a vehicle in driving the vehicle, vehicle and computer program |
| CN108713221A (zh) * | 2016-03-14 | 2018-10-26 | 索尼公司 | 信息处理装置、信息处理方法、程序和车辆 |
| US20180090003A1 (en) * | 2016-09-27 | 2018-03-29 | Honda Motor Co., Ltd. | Traffic hindrance risk indication apparatus |
| CN107833312A (zh) * | 2017-01-25 | 2018-03-23 | 问众智能信息科技（北京）有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
| WO2018208591A1 (en) * | 2017-05-06 | 2018-11-15 | The Texas A&M University System | Method and system for vehicular communication and safety monitoring of driving environment to provide early warnings in real-time |
| CN109389824A (zh) * | 2017-08-04 | 2019-02-26 | 华为技术有限公司 | 一种驾驶风险的评估方法及装置 |
| CN108765627A (zh) * | 2018-04-12 | 2018-11-06 | 深圳市拓保软件有限公司 | 一种驾驶数据风险量化的方法 |
| CN109455183A (zh) * | 2018-11-14 | 2019-03-12 | 安徽江淮汽车集团股份有限公司 | 车辆碰撞预判方法及*** |
| CN110803171A (zh) * | 2019-08-20 | 2020-02-18 | 腾讯科技（深圳）有限公司 | 一种驾驶风险提示方法及装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111891127A (zh) * | 2020-08-11 | 2020-11-06 | 辽宁工业大学 | 一种用于自动驾驶车辆的安全行驶方法 |
| CN112261116A (zh) * | 2020-10-19 | 2021-01-22 | 腾讯科技（深圳）有限公司 | 用于车联网的信息发送方法、装置、存储介质和设备 |
| CN112261116B (zh) * | 2020-10-19 | 2023-12-12 | 腾讯科技（深圳）有限公司 | 用于车联网的信息发送方法、装置、存储介质和设备 |
| CN112644514A (zh) * | 2020-12-31 | 2021-04-13 | 上海商汤临港智能科技有限公司 | 驾驶数据的处理方法、装置、设备、存储介质及程序产品 |
| CN112644514B (zh) * | 2020-12-31 | 2022-05-10 | 上海商汤临港智能科技有限公司 | 驾驶数据的处理方法、装置、设备、存储介质及程序产品 |
| CN113228657A (zh) * | 2021-03-31 | 2021-08-06 | 华为技术有限公司 | 图像处理方式的确定方法及装置 |
| CN113570747A (zh) * | 2021-06-29 | 2021-10-29 | 东风汽车集团股份有限公司 | 一种基于大数据分析的行驶安全监测***和方法 |
| CN117012055A (zh) * | 2023-08-14 | 2023-11-07 | 河南新电信息科技有限公司 | 一种危险品运输车右侧盲区智能预警***及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111332289B (zh) | 2021-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111332289B (zh) | 车辆运行环境数据获取方法、装置和存储介质 | |
| US9604648B2 (en) | Driver performance determination based on geolocation | |
| JP7499256B2 (ja) | ドライバの挙動を分類するためのシステムおよび方法 | |
| US9903728B2 (en) | Systems and methods for predicting weather performance for a vehicle | |
| US6995663B2 (en) | Driving workload estimation | |
| US10521749B2 (en) | Risk information processing method and server device | |
| CN110832281A (zh) | 道路状况监测 | |
| CN104768822A (zh) | 检测公路天气状况 | |
| JP7354295B2 (ja) | 車両信号を処理して挙動危険性の測度を計算するための装置及び方法 | |
| CN103150907A (zh) | 一种基于高速公路运营安全的移动监控和预警***及方法 | |
| CN107364435B (zh) | 操作模型构建***和操作模型构建方法 | |
| WO2022033288A1 (zh) | 超载车辆识别方法、***及设备 | |
| WO2019213982A1 (zh) | 基于最小作用量原理的驾驶人操控行为量化方法及装置 | |
| CN114241750B (zh) | 基于智能道路交通风险预警方法的车路协同信息交互***及方法 | |
| CN112740295A (zh) | 检测车辆行驶场景的复杂度的方法和装置 | |
| Chaovalit et al. | A method for driving event detection using SAX with resource usage exploration on smartphone platform | |
| CN116052475A (zh) | 一种车辆风险预警方法、***、存储介质及设备 | |
| CN113849914A (zh) | 一种智能驾驶功能测试场景构建方法、***及存储介质 | |
| KR102297801B1 (ko) | 사업용 차량을 이용하여 도로 위험정보를 탐지하는 방법 및 장치 | |
| CN115116161A (zh) | 车辆数据采集方法、装置、存储介质以及车辆 | |
| US11866052B2 (en) | Distributed computing system for determining road surface traction capacity | |
| Petin et al. | Modeling the algorithm of the automatic emergency braking system with the prediction of the coefficient of tire grip | |
| 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 | |
| Sakuraba et al. | Analysis for real-time contactless road roughness estimation system with onboard dynamics sensor | |
| Aihara et al. | A smart city application for sharing up-to-date road surface conditions detected from crowdsourced data |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40024175 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |