CN111477005B - 一种基于车辆状态及行车环境的智能感知预警方法及*** - Google Patents

Abstract

本发明涉及公路交通安全领域，公开了一种基于车辆状态及行车环境的智能感知预警方法及***，包括获取车辆的状态及行车环境参数；对车辆的状态及行车环境参数进行数据预处理；进行安全性特征指标量化；利用单因素分析与主成分分析相结合的方法对标量化指标进行分析，建立基于车辆状态及行车环境的安全性预估模型；根据基于车辆状态及行车环境的安全性预估模型建立预警策略。本发明融合了车辆状态信息和行车环境信息，构建了基于车辆状态及行车环境的安全性预估模型，并基于安全性预估模型提出了基于车辆状态及行车环境的智能感知预警***，实现了对车辆运行安全性的有效辨识与预判，预警准确率高，减少了道路交通事故发生率，保障了公路交通安全。

Description

一种基于车辆状态及行车环境的智能感知预警方法及***

技术领域

本发明涉及公路交通安全领域，尤其涉及一种基于车辆状态及行车环境的智能感知预警方法及***。

背景技术

随着人工智能、大数据、云平台以及5G等技术的不断发展，道路交通也逐渐走向智能化，大量的智能化辅助设施已投入使用，有效的提升了道路交通的安全水平，但面对庞大的路网里程数和快速增长的汽车保有量，大量的交通事故仍在不断发生，尤其在公路事故多发路段。目前，针对事故多发路段主要通过增设警示标志、安全诱导设施、视频监控设备以及测速等辅助设施来保障道路车辆的运行安全，虽能够一定程度上减少道路交通安全事故的发生，但效果较为不明显，公众满意度较低。目前智能化的感知预警***的研究主要集中于车辆运行控制、车辆运行影响要素等方面的管控策略来实现车辆的安全行驶，其***的设计更多集中于道路管控，而真正投入使用的基于实时运行数据分析且针对某些道路场景或某种高风险车型的公路智能化行车感知预警装置或***非常少。

比如，国家专利公开文献CN104157156B，公开了“一种高速公路危险路段车速动态管理预警方法”，该发明首先在路段危险点的上游200m的路侧或中央隔离带布设1套交通流检测***、1套车辆超速抓拍***，分别对通过该断面的各车道车辆地点速度、车型、车牌、流量和密度信息进行检测；同时交通流检测***、车辆超速抓拍***分别将采集的数据传送到交通监控中心，交通监控中心再通过高速公路危险路段车速动态管理预警方法对数据进行处理；然后交通监控中心将处理后得到的预警信息发布给布设在路段危险点的上游100m的断面上的1套VMS***；最后VMS***发布预警信息。

该发明仅适用于特定的环境和交通状态下，存在应用局限性较大、实用性不足、对车辆运行安全性的有效辨识与预判准确率低的问题。

发明内容

本发明的目的在于提供一种基于车辆状态及行车环境的智能感知预警方法及***，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于车辆状态及行车环境的智能感知预警方法，包括步骤：

S1)获取车辆的状态及行车环境参数，车辆的状态及行车环境参数包括车辆信息、车辆运行状态信息和车辆运行环境信息；

S2)对车辆的状态及行车环境参数进行数据预处理，获得数据预处理后的车辆的状态及行车环境参数；

S3)对数据预处理后的车辆的状态及行车环境参数进行安全性特征指标量化，获得标量化指标；

S4)利用单因素分析与主成分分析相结合的方法对标量化指标进行分析，建立基于车辆状态及行车环境的安全性预估模型；步骤S4)中，基于车辆状态的安全性预估模型为

S_i为车辆i的综合安全性指标；η_i为行车环境危险附加系数；A_n、B_n分别为小型车和大型车的各状态指标系数,n＝1,2,3,4,5；α_i为车辆i的超速百分比，β_i为车辆i的加速度增量百分比，δ_i为前后车距相对百分比，γ_i为车辆i偏离车道距离的安全百分比；

S5)根据基于车辆状态及行车环境的安全性预估模型建立预警策略，利用预警策略对车辆进行智能感知预警。

进一步的，车辆信息包括车牌信息、车型信息和轨迹信息；车辆运行状态包括速度信息、偏移距离和刹车温度；车辆运行环境包括气象环境、道路信息和交通环境；道路信息包括车道数、车道宽度、线形、坡度和/或视距；气象环境包括能见度、湿度和/或温度；交通环境信息包括交通量和/或车型比例。

进一步的，步骤S2)中根据车辆的状态及行车环境参数进行数据预处理，数据预处理包括采用线性插值法对车辆的状态及行车环境参数中的异常值进行替换、删除信息缺失严重的车辆的状态及行车环境参数、对车辆的状态及行车环境参数进行量化并计算处理成***所需要的值。

进一步的，步骤S3)中标量化指标包括速度指标、加速度指标、车距保持指标和/或偏移车道中心线距离指标。

进一步的，速度指标为车辆的超速百分比,通过计算

获得车辆i的超速百分比α_i，v_i为车辆i的实际检测速度；v_si为车辆i在当前行车环境下所允许的最大限速值,v_si＝min{v_ch,v_se,v_sj}，v_ch为基于车辆侧滑约束的最大限速值，v_se为基于安全前视距离的最大限速值，v_sj为路段的设计限速值；

基于车辆侧滑约束的最大限速值v_ch满足

θ为道路的超高；m为车量的重量，R为道路的曲率半径；道路横向摩擦系数μ_h的取值范围为0.6μ～0.7μ，μ为轮胎与地面的附着系数；F_c为车辆气动升力，F_s为车辆气动升力；

基于安全前视距离的最大限速值v_se满足

t₁为驾驶员从发现前方物体到识别出该物体至采取相应的措施操作所持续时长，b_m为车辆i的减速度，S_se为当前环境能见度，S₃为安全停车距离。

进一步的，加速度指标为车辆的加速度增量百分比，通过计算

获得车辆i的加速度增量百分比β_i，a_i为车辆i的实际检测加速度；a_s为车辆舒适性行车需求加速度最大值。

进一步的，车距保持指标为前后车距相对百分比，通过计算

获得前后车距相对百分比δ_i，D_i为前后车的实际行车间距，D_s为驾驶员所需要的最小安全行车间距，

v_i-1为前车的实际检测速度，L₁为当前行车环境下驾驶员发现前车或前方障碍物到采取制动持续时长t₂内车辆行驶的距离，L₁＝v_it₂；L₂为当前行车环境下车辆制动距离，

j为当前道路的坡度，上坡取值为正，下坡取值为负；L₃为车辆静止时所需要保持的停车距离；偏移车道中心线距离指标为车辆i偏离车道距离的安全百分比γ_i，当车辆i转向灯亮时，γ_i＝0；当车辆i转向灯不亮时，

d_i为车辆i偏离车道中心线的距离；d_l为车辆i所在车道的宽度；d_ci为车辆i的车身宽度。

道路行车环境对车辆运行的安全性具有重要的影响。恶劣的行车环境会对驾驶员的生理反应产生影响，易出现情绪紧张、反应时长增加、驾驶疲劳、驾驶预判不准确等状况，从而使得驾驶安全性降低。为此，本发明考虑了行车环境对驾驶员生心理方面的影响，引入行车环境危险附加系数来对行车环境对驾驶员的驾驶安全性影响进行量化，分别选取历史事故发生时间、事故类型、事故数量、能见度、天气状况、路面状况、照度、道路线形等作为自变量，利用Logistic模型、神经网络模型等进行训练拟合，从而得出行车环境危险附加系数η_i。

关于车辆状态的标量化指标有很多，本发明采用了单因素分析与主成分分析相结合的方法对标量化指标进行定量分析，对原有的大量的标量化指标进行选取，大大减少分析过程中的计算工作量，在模型系数确定上，也是一个不断完善和细化的过程。本发明通过对大量已有异常车辆运行状态样本进行统计分析，不断地完善和细化模型系数(即各状态指标系数)。为提高本模型的实际应用效果，本发明还构建了***模型参数自优化决策机制，通过对过往车辆进行识别，将异常车辆识别结果数据进行分日期分时间段的存储。同时为保障***运行效率和***预警准确率，通过***的数据共享与访问机制，对于识别过程中不确定的异常信息可进行人工二次确认，剔除异常数据信息实现对数据净化。随着样本量不断的积累，利用***内嵌的参数优化算法或统计工具来优化***的安全性预估模型参数，从而提升异常车辆的识别准确率。

进一步的，步骤S5)中，预警策略包括单指标约束异常车辆辨识预警策略和综合安全性约束异常车辆辨识预警策略；单指标约束异常车辆辨识预警策略为通过获取车辆i的标记位BJ从而对异常行驶车辆进行辨识，

其中τ_α、τ_β、τ_δ、τ_γ分别为速度指标设定阈值、加速度指标设定阈值、车距保持指标设定阈值和偏移车道中心线距离指标设定阈值；BJ取值为1、2、3、4分别表示速度指标、加速度指标、车距保持指标、偏移车道中心线距离指标的辨识结果；所述综合安全性约束异常车辆辨识预警策略为根据车辆i的综合安全性指标S_i的取值从而对异常行驶车辆进行辨识。

本发明还提供了一种基于车辆状态及行车环境的智能感知预警***，包括前端智能感知单元、中端智能处理单元、终端信息发布单元、云平台服务单元和监控中心；前端智能感知单元与中端智能处理单元相连；终端信息发布单元和云平台服务单元分别与中端智能处理单元相连；终端信息发布单元与云平台服务单元之间进行信息交互；中端智能处理单元和云平台服务单元分别与监控中心进行信息交互。

本发明的有益效果是：本发明针对道路线形不良、气候恶劣、异常驾驶行为频发等重点路段，融合车辆运行状态信息和行车环境信息，并构建了基于车辆状态及行车环境的安全性预估模型，实现对车辆运行安全性的有效辨识与预判，预警准确率高。本发明还提出了一种基于车辆状态及行车环境的智能感知预警***，实现在途车辆的行车安全预警和管控，从而减少道路交通事故发生的概率，保障公路交通安全。

附图说明

图1为本实施例一提供的智能感知预警方法流程示意图。

图2为本实施例一提供的智能感知预警***的结构示意图。

图3为本实施例一提供的智能感知预警***工作流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。需要说明的是，本发明的说明书及权利要求书的术语“包括”和“和/或”以及他们的任何变形，意图在于覆盖不排他的包含，以便一系列单元的过程、方法、***、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他单元。

实施例一，一种基于车辆状态及行车环境的智能感知预警方法，如图1所示，包括步骤：

S1)获取车辆的状态及行车环境参数，车辆的状态及行车环境参数包括车辆信息、车辆运行状态信息和车辆运行环境信息。车辆信息包括车牌信息、车型信息和轨迹信息；车辆运行状态包括速度信息、偏移距离和刹车温度；车辆运行环境包括气象环境、道路信息和交通环境；道路信息包括车道数、车道宽度、线形、坡度和/或视距；气象环境包括能见度、湿度和温度；交通环境信息包括交通量和车型比例。

S2)对车辆的状态及行车环境参数进行数据预处理，数据预处理包括采用线性插值法对车辆的状态及行车环境参数中的异常值进行替换、删除信息缺失严重的车辆的状态及行车环境参数、对车辆的状态及行车环境参数进行量化并计算处理成***所需要的值。获得数据预处理后的车辆的状态及行车环境参数。

S3)对数据预处理后的车辆的状态及行车环境参数进行安全性特征指标量化，获得标量化指标。标量化指标包括速度指标、加速度指标、车距保持指标和偏移车道中心线距离指标。

速度指标为车辆的超速百分比,通过计算

获得车辆i的超速百分比α_i，v_i为车辆i的实际检测速度；v_si为车辆i在当前行车环境下所允许的最大限速值,v_si＝min{v_ch,v_se,v_sj}，v_ch为基于车辆侧滑约束的最大限速值，v_se为基于安全前视距离的最大限速值，v_sj为路段的设计限速值；

基于车辆侧滑约束的最大限速值v_ch满足

θ为道路的超高；m为车量的重量，R为道路的曲率半径；道路横向摩擦系数μ_h的取值范围为0.6μ～0.7μ，μ为轮胎与地面的附着系数；F_c为车辆气动升力，F_s为车辆气动升力。对于轮胎与地面的附着系数μ的选取，如表1所示，依据不同的天气状况选择的值有所差异。

表1

表1不同路面不同天气下轮胎与地面的附着系数

基于安全前视距离的最大限速值v_se满足

t₁为驾驶员从发现前方物体到识别出该物体至采取相应的措施操作所持续时长，b_m为车辆i的减速度，S_se为当前环境能见度，S₃为安全停车距离。

进一步的，加速度指标为车辆的加速度增量百分比，通过计算

获得车辆i的加速度增量百分比β_i，a_i为车辆i的实际检测加速度；a_s为车辆舒适性行车需求加速度最大值，a_s＝2m/s²。

进一步的，车距保持指标为前后车距相对百分比，通过计算

获得前后车距相对百分比δ_i，D_i为前后车的实际行车间距，D_s为驾驶员所需要的最小安全行车间距，

v_i-1为前车的实际检测速度，L₁为当前行车环境下驾驶员发现前车或前方障碍物到采取制动持续时长t₂内车辆行驶的距离，L₁＝v_it₂；L₂为当前行车环境下车辆制动距离，

j为当前道路的坡度，上坡取值为正，下坡取值为负；L₃为车辆静止时所需要保持的停车距离，L₃取值为5米。偏移车道中心线距离指标为车辆i偏离车道距离的安全百分比γ_i，当车辆i转向灯亮时，γ_i＝0；当车辆i转向灯不亮时，

d_i为车辆i偏离车道中心线的距离；d_l为车辆i所在车道的宽度；d_ci为车辆i的车身宽度。

进一步的，步骤S4)中，基于车辆状态的安全性预估模型为

S_i为车辆i的综合安全性指标；η_i为行车环境危险附加系数；A_n、B_n分别为小型车和大型车的各状态指标系数,n＝1,2,3,4,5。

S4)利用单因素分析与主成分分析相结合的方法对标量化指标进行分析，建立基于车辆状态及行车环境的安全性预估模型。

关于车辆状态的标量化指标有很多，本发明利用单因素分析对单个标量化指标进行定量分析，并通过主成分分析法对原有的大量的标量化指标进行选取，大大减少分析过程中的计算工作量，在模型系数确定上，也是一个不断完善和细化的过程。本发明通过对大量已有异常车辆运行状态样本进行统计分析，不断地完善和细化模型系数(即各状态指标系数)。为提高本模型的实际应用效果，本发明还构建了***模型参数自优化决策机制，通过对过往车辆进行识别，将异常车辆识别结果数据进行分日期分时间段的存储。同时为保障***运行效率和***预警准确率，通过***的数据共享与访问机制，对于识别过程中不确定的异常信息可进行人工二次确认，剔除异常数据信息实现对数据净化。随着样本量不断的积累，利用***内嵌的参数优化算法或统计工具来优化***的安全性预估模型参数，从而提升异常车辆的识别准确率。

S5)根据基于车辆状态及行车环境的安全性预估模型建立预警策略，利用预警策略对车辆进行智能感知预警。预警策略包括单指标约束异常车辆辨识预警策略和综合安全性约束异常车辆辨识预警策略；单指标约束异常车辆辨识预警策略为通过获取车辆i的标记位BJ从而对异常行驶车辆进行辨识，

其中τ_α、τ_β、τ_δ、τ_γ分别为速度指标设定阈值、加速度指标设定阈值、车距保持指标设定阈值和偏移车道中心线距离指标设定阈值；BJ取值为1、2、3、4分别表示速度指标、加速度指标、车距保持指标、偏移车道中心线距离指标的辨识结果；所述综合安全性约束异常车辆辨识预警策略为根据车辆i的综合安全性指标S_i的取值从而对异常行驶车辆进行辨识。

本发明还提供了一种基于车辆状态及行车环境的智能感知预警***，包括前端智能感知单元、中端智能处理单元、终端信息发布单元、云平台服务单元和监控中心；前端智能感知单元与中端智能处理单元相连；终端信息发布单元和云平台服务单元分别与中端智能处理单元相连；终端信息发布单元与云平台服务单元之间进行信息交互；中端智能处理单元和云平台服务单元分别与监控中心进行信息交互(见图2)。监控中心用于进行监管控制或远程预警。

前端智能感知单元包括车辆状态检测模块、车辆信息识别模块和环境信息检测模块，车辆状态检测模块用于获取车辆的速度、加减速度、前后车距、偏离轨迹和/或刹车温度；车辆信息识别模块用于获取车辆信息，如车辆的车牌、车型、轨迹等；环境信息检测模块用于与检测行车环境，如天气现象、能见度、路面摩擦系数、道路线形等信息的获取和辨识(见图3)。

前端智能感知单元设置在被监测危险路段上游、被监测危险路段中部位置处以及被检测危险路段末端。当前端智能感知单元设置在被监测危险路段上游时，用于获取车辆信息及其运行状态信息，并通过信息存储数据库中历史数据对当前车辆的运行安全性进行预判。当前端智能感知单元设置在被监测危险路段中部位置处，用于监测和获取过往车辆的运行状态数据、当前路段的行车环境数据，进而依据车辆的运行状态和行车环境对存在异常运行车辆和危险车辆进行辨识；当前端智能感知单元设置在被检测危险路段末端时，用于获取驶离危险路段车辆信息及其运行状态信息，进而通过对比前后端智能感知获取的车辆运行状态变化，对车辆运行风险进行综合辨识车辆运行的安全性。

中端智能处理单元设置在被监测危险路段中部位置处，中端智能处理单元包括信息处理模块、数据存储模块和数据传输模块，中端智能处理单元用于对前端设备采集的信息进行处理，并基于数据预处理后的数据，依据中端智能处理单元中基于车辆状态及行车环境的车辆运行安全性预估模型和基于车辆运行安全性预估模型的预警策略来指定相应的预警指令，同时对识别结果数据进行存储和信息共享。

终端信息发布单元包括上游智能预警管控装置、智能声光警示装置和下游综合强化警告装置，终端信息发布单元用于对过往车辆形成全过程的预警、管控及警示。上游智能预警管控装置是设置于被监测危险路段上游，用于提示驾驶员前方路段危险的相关信息，并利用电子限速标志给与限速(对应于图3中提前预警策略)。智能声光警示装置设置在被监测危险路段中后部位置处，用于对异常运行车辆进行声音警示和/或灯光刺激警示；下游综合强化警告装置设置在被监测危险路段下游，用于对持续异常运行车辆进行强化警告和处置(对应于图3中强化预警策略)。

云平台服务单元，用于实现远程控制、***状态控制、云端数据存储等功能，任意连网的电脑或手机均可以通过登录账号和密码登录上本发明的云平台服务***，对该账号下对应的***进行远程控制。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (9)

1.一种基于车辆状态及行车环境的智能感知预警方法，其特征在于，包括步骤：

S1)获取车辆的状态及行车环境参数，所述车辆的状态及行车环境参数包括车辆信息、车辆运行状态信息和车辆运行环境信息；

S2)对所述车辆的状态及行车环境参数进行数据预处理，获得数据预处理后的车辆的状态及行车环境参数；

S3)对数据预处理后的车辆的状态及行车环境参数进行安全性特征指标量化，获得标量化指标；

S4)利用单因素分析与主成分分析相结合的方法对所述标量化指标进行分析，建立基于车辆状态及行车环境的安全性预估模型，所述基于车辆状态的安全性预估模型为

S_i为车辆i的综合安全性指标；η_i为行车环境危险附加系数；A_n、B_n分别为小型车和大型车的各状态指标系数,n＝1,2,3,4,5，α_i为车辆i的超速百分比，β_i为车辆i的加速度增量百分比，δ_i为前后车距相对百分比，γ_i为车辆i偏离车道距离的安全百分比；

S5)根据所述基于车辆状态及行车环境的安全性预估模型建立预警策略，利用所述预警策略对车辆进行智能感知预警。

2.根据权利要求1所述的基于车辆状态及行车环境的智能感知预警方法，其特征在于，所述车辆信息包括车牌信息、车型信息和轨迹信息；所述车辆运行状态包括速度信息、偏移距离和刹车温度；所述车辆运行环境包括气象环境、道路信息和交通环境；所述道路信息包括车道数、车道宽度、线形、坡度和/或视距；所述气象环境包括能见度、湿度和/或温度；所述交通环境信息包括交通量和/或车型比例。

3.根据权利要求1或2所述的基于车辆状态及行车环境的智能感知预警方法，其特征在于，步骤S2)中根据车辆的状态及行车环境参数进行数据预处理，所述数据预处理包括采用线性插值法对车辆的状态及行车环境参数中的异常值进行替换、删除信息缺失严重的车辆的状态及行车环境参数、对车辆的状态及行车环境参数进行量化并计算处理成***所需要的值。

4.根据权利要求1所述的基于车辆状态及行车环境的智能感知预警方法，其特征在于，步骤S3)中所述标量化指标包括速度指标、加速度指标、车距保持指标和/或偏移车道中心线距离指标。

5.根据权利要求4所述的基于车辆状态及行车环境的智能感知预警方法，其特征在于，所述速度指标为车辆的超速百分比,通过计算

获得车辆i的超速百分比α_i，v_i为车辆i的实际检测速度；v_si为车辆i在当前行车环境下所允许的最大限速值,v_si＝min{v_ch,v_se,v_sj}，v_ch为基于车辆侧滑约束的最大限速值，v_se为基于安全前视距离的最大限速值，v_sj为路段的设计限速值；

所述基于车辆侧滑约束的最大限速值v_ch满足

θ为道路的超高；m为车量的重量，R为道路的曲率半径；道路横向摩擦系数μ_h的取值范围为0.6μ～0.7μ，μ为轮胎与地面的附着系数；F_c为车辆气动升力，F_s为车辆气动升力；

所述基于安全前视距离的最大限速值v_se满足

t₁为驾驶员从发现前方物体到识别出该物体至采取相应的措施操作所持续时长，b_m为车辆i的减速度，S_se为当前环境能见度，S₃为安全停车距离。

6.根据权利要求5所述的基于车辆状态及行车环境的智能感知预警方法，其特征在于，所述加速度指标为车辆的加速度增量百分比，通过计算

获得车辆i的加速度增量百分比β_i，a_i为车辆i的实际检测加速度；a_s为车辆舒适性行车需求加速度最大值。

7.根据权利要求6所述的基于车辆状态及行车环境的智能感知预警方法，其特征在于，所述车距保持指标为前后车距相对百分比，通过计算

获得前后车距相对百分比δ_i，D_i为前后车的实际行车间距，D_s为驾驶员所需要的最小安全行车间距，

v_i-1为前车的实际检测速度，L₁为当前行车环境下驾驶员发现前车或前方障碍物到采取制动持续时长t₂内车辆行驶的距离，L₁＝v_it₂；L₂为当前行车环境下车辆制动距离，

j为当前道路的坡度，上坡取值为正，下坡取值为负；L₃为车辆静止时所需要保持的停车距离；所述偏移车道中心线距离指标为车辆i偏离车道距离的安全百分比γ_i，当车辆i转向灯亮时，γ_i＝0；当车辆i转向灯不亮时，

d_i为车辆i偏离车道中心线的距离；d_l为车辆i所在车道的宽度；d_ci为车辆i的车身宽度。

8.根据权利要求1所述的基于车辆状态及行车环境的智能感知预警方法，其特征在于，步骤S5)中，所述预警策略包括单指标约束异常车辆辨识预警策略和综合安全性约束异常车辆辨识预警策略；所述单指标约束异常车辆辨识预警策略为通过获取车辆i的标记位BJ从而对异常行驶车辆进行辨识，

其中τ_α、τ_β、τ_δ、τ_γ分别为速度指标设定阈值、加速度指标设定阈值、车距保持指标设定阈值和偏移车道中心线距离指标设定阈值；BJ取值为1、2、3、4分别表示速度指标、加速度指标、车距保持指标、偏移车道中心线距离指标的辨识结果；所述综合安全性约束异常车辆辨识预警策略为根据车辆i的综合安全性指标S_i的取值从而对异常行驶车辆进行辨识。

9.一种基于车辆状态及行车环境的智能感知预警***，适用于如权利要求1或8任一项所述的基于车辆状态及行车环境的智能感知预警方法，其特征在于，包括前端智能感知单元、中端智能处理单元、终端信息发布单元、云平台服务单元和监控中心；所述前端智能感知单元与所述中端智能处理单元相连；所述终端信息发布单元和所述云平台服务单元分别与所述中端智能处理单元相连；所述终端信息发布单元与所述云平台服务单元之间进行信息交互；所述中端智能处理单元和所述云平台服务单元分别与监控中心进行信息交互。

Images