CN111815986A - 一种交通事故预警方法、装置、终端设备及存储介质 - Google Patents
一种交通事故预警方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111815986A CN111815986A CN202010909513.XA CN202010909513A CN111815986A CN 111815986 A CN111815986 A CN 111815986A CN 202010909513 A CN202010909513 A CN 202010909513A CN 111815986 A CN111815986 A CN 111815986A
- Authority
- CN
- China
- Prior art keywords
- accident
- target area
- area
- target
- risk
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096716—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information does not generate an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于道路预警技术领域,提供了一种交通事故预警方法、装置、终端设备及存储介质,该方法包括:获取目标区域在目标时间段的天气数据和目标区域的事故风险等级;基于天气数据和事故风险等级,得到目标区域在目标时间段的风险评估值;获取车辆的位置信息,并基于所述位置信息,预测车辆是否在目标时间段经过目标区域;若车辆在所述目标时间段经过目标区域,向车辆发送预警信号,其中,预警信号基于风险评估值生成;本申请通过天气数据和事故风险等级共同评估目标区域在目标时间段是否存在风险,使风险评估更准确,另外,将风险程度发送至车辆,可以提醒驾驶员安全驾驶,避免事故发生。
Description
技术领域
本申请属于道路预警技术领域,尤其涉及一种交通事故预警方法、装置、终端设备及存储介质。
背景技术
交通出行是人们日常活动的基础需求,随着科技的进步,以及人们生活水平的不断提高,车辆的需求越来越大,随之道路上的车辆越来越多,交通事故的发生率也越来越高。
交通事故的发生不仅会给人们带来经济上的损失,造成交通堵塞,甚至会威胁人们的生命安全。因此,如何避免交通事故的发生是目前需要解决的问题。
发明内容
本申请实施例提供了一种交通事故预警方法、装置、终端设备及存储介质,可以有效避免交通事故的发生。
第一方面,本申请实施例提供了一种交通事故预警方法,包括:
获取目标区域在目标时间段的天气数据和所述目标区域的事故风险等级;
基于所述天气数据和所述事故风险等级,得到所述目标区域在目标时间段的风险评估值,其中,所述风险评估值用于表征车辆在目标时间段经过所述目标区域发生事故的概率;
获取车辆的位置信息,并基于所述位置信息,预测所述车辆是否在所述目标时间段经过所述目标区域;
若所述车辆在所述目标时间段经过所述目标区域,向所述车辆发送预警信号,其中,所述预警信号基于所述风险评估值生成。
第二方面,本申请实施例提供了一种交通事故预警装置,包括:
数据获取模块,用于获取目标区域在目标时间段的天气数据和所述目标区域的事故风险等级;
风险评估模块,用于基于所述天气数据和所述事故风险等级,得到所述目标区域在目标时间段的风险评估值,其中,所述风险评估值用于表征车辆在目标时间段经过所述目标区域发生事故的概率;
位置确定模块,用于获取车辆的位置信息,并基于所述位置信息,预测所述车辆是否在所述目标时间段经过所述目标区域;
信号发送模块,用于若所述车辆在所述目标时间段经过所述目标区域,向所述车辆发送预警信号,其中,所述预警信号基于所述风险评估值生成。
第三方面,本申请实施例提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的交通事故预警方法。
第四方面,本申请实施例提供了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程序,其特征在于,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的交通事故预警方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的交通事故预警方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是:本申请首先获取目标区域在目标时间段的天气数据和目标区域的事故风险等级,然后基于天气数据和事故风险等级确定风险评估值,基于风险评估值生成预警信号,如果车辆在目标时间段经过目标区域,则向车辆发送预警信号;本申请通过天气数据和事故风险等级共同评估目标区域在目标时间段是否存在风险,增加了天气数据,使风险评估更准确,另外,将风险程度发送至车辆,可以提醒驾驶员安全驾驶,避免事故发生。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请一实施例提供的交通事故预警方法的应用场景示意图;
图2是本申请一实施例提供的交通事故预警方法的流程示意图;
图3是本申请一实施例提供的事故风险等级的确定方法的流程示意图;
图4是本申请一实施例提供的风险评估值的计算方法的流程示意图;
图5是本申请一实施例提供的交通事故预警装置的结构示意图;
图6是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
据统计,交通事故的发生与天气情况存在密不可分的关系,在阴雨、大雾或下雪天气,发生交通事故的几率会大幅度上升,在晴天时发生事故的几率相对较少,因此天气情况是交通事故预警时需要考虑的因素之一。
本申请提出的交通事故预警方法,将天气情况和道路的事故风险等级综合考虑,对未来时间发生事故的概率进行评估,使评估的结果更准确,有效减少交通事故的发生。
图1为本申请实施例提供的交通事故预警方法的应用场景示意图,上述交通事故预警方法可以用于对交通事故提前预警。其中,数据采集装置10用于获取天气数据和目标区域的事故风险等级,处理器20用于从数据采集装置10中获取天气数据和事故风险等级,并通过天气数据和事故风险等级评估目标区域在目标时间发生事故的概率,并向车辆发送预警信号,及时提醒驾驶员保持安全行驶。
以下结合图1对本申请实施例的交通事故预警方法进行详细说明。
图2示出了本申请提供的交通事故预警方法的示意性流程图,参照图2,对该方法的详述如下:
S101,获取目标区域在目标时间段的天气数据和所述目标区域的事故风险等级。
在本实施例中,目标区域为预先划分好的区域,目标区域的设置可以按照区域类型进行设置,区域类型可以包括交叉口类型、平直路段类型、立交类型、停车场类型、加油站或充电站类型、运输场站类型中的至少一种。其中,每种类型的目标区域的数量可以根据需要设置,例如,交叉口类型的目标区域可以设置1个、2个或8个等。
由于是要对交通事故进行预警,因此,目标时间段为当前时间之后的某一段时间,例如,当前时间为13点05分,目标时间段可以设置为14点10分-14点30分。
天气数据可以使用天气采集站进行采集,天气数据可以包括数据采集时间、降雨量、降雪量、风速、累计降雨量、湿度和温度等。本申请主要考虑降雨量对交通事故的影响。
事故风险等级用于表征目标区域发生交通事故的概率。事故风险等级可以包括高风险等级、中风险等级和低风险等级。高风险等级说明目标区域发生事故的概率较大。事故风险等级的确定可以根据该目标区域历史发生事故的多少进行确定,将发生事故的数量大于第一预设值的目标区域设定为高风险等级,将发生事故的数量小于第二预设值的目标区域设定为低风险等级,将发生事故的数量在第一预设值和第二预设值之间的目标区域设定为中风险等级。当然,目标区域的事故风险等级还可以按照其他方法进行确定,在此不做限制。
S102,基于所述天气数据和所述事故风险等级,得到所述目标区域在目标时间段的风险评估值,其中,所述风险评估值用于表征车辆在目标时间段经过所述目标区域发生事故的概率。
在本实施例中,根据天气数据和事故风险等级可以得到风险评估值。本申请对目标区域的风险评估考虑了天气的影响,还考虑了目标区域的事故风险等级,也就是目标区域历史发生事故的概率,使风险评估更准确。
作为举例,如果天气数据显示有雪,且目标区域的事故风险等级为高风险等级,则得到的风险评估值较高,说明目标时间段目标区域发生事故的概率较大。
S103,获取车辆的位置信息,并基于所述位置信息,预测所述车辆是否在所述目标时间段经过所述目标区域。
在本实施例中,位置信息可以包括车辆的坐标、车辆的行驶方向和行驶速度等。车辆的坐标和速度可以通过雷达设备进行采集,车辆的行驶方向可以通过图像采集图像后,对图像进行识别后得到车辆的行驶方向。获取车辆实时的位置信息后,可以对位置信息进行分析,得到车辆当前坐标、行驶方向和行驶速度,确定车辆在目标时间段是否会经过目标区域。可选的,车辆的位置信息还可以通过GPS设备进行采集,GPS按照预设频率进行采集。
S104,若所述车辆在所述目标时间段经过所述目标区域,向所述车辆发送预警信号,其中,所述预警信号基于所述风险评估值生成。
在本实施例中,如果判断车辆在目标时间段会经过目标区域,则可以向车辆发送预警信号。还可以比较车辆与目标区域的距离,在车辆距离目标区域在预设范围内时向车辆发送预警信号。
在一种可能的实现方式中,步骤S104中预警信号的生成过程可以包括:
确定风险评估值所在的风险评估值区间,并确定风险评估值所在的风险评估值区间对应的安全等级;
基于安全等级生成预警信号。
在本实施例中,预警信号可以是以文字形式表示,还可以用不同颜色表示不同的安全等级。
安全等级可以包括很危险、较危险、一般安全、较安全和很安全等,可以根据需要进行设置。
在本实施例中,可以将安全等级划分成不同的风险评估值区间,例如,一个安全等级对应一个风险评估值区间。
作为举例,可以设置以下表1中的安全等级与风险评估值区间的对应关系。
表1
本申请实施例中,首先获取目标区域在目标时间段的天气数据和目标区域的事故风险等级,然后基于天气数据和事故风险等级确定风险评估值,基于风险评估值生成预警信号,如果车辆在目标时间段经过目标区域,则向车辆发送预警信号;本申请通过天气数据和事故风险等级共同评估目标区域在目标时间段是否存在风险,增加了天气数据,使风险评估更准确,另外,将风险程度发送至车辆,可以提醒驾驶员安全驾驶,避免事故发生。
在一种可能的实现方式中,步骤S101中天气数据的确定过程可以包括:
S1011,获取天气采集站采集的第一区域在所述目标时间段的天气信息。
在本实施例中,天气采集站用于采集天气信息,天气采集站可以设置多个,每个采集站采集一个第一区域内的天气信息。天气信息可以包括天气数据和采集站的位置信息等。天气采集站按照预设频率采集第一区域内的天气信息。
S1012,若所述目标区域不在所述第一区域内,则将第二区域按照预设划分规则划分成多个网格区域,其中,所述第二区域为包括所述第一区域和所述目标区域的区域。
在本实施例中,如果目标区域不在第一区域中,也就是天气采集站采集的天气信息不能覆盖到目标区域,则确定一个第二区域,第二区域中包括第一区域和目标区域。
预设划分规则可以是网格的大小,例如,经度和纬度分别按照0.01的大小进行网格划分。
S1013,基于所述第一区域的天气信息,利用插值计算得到所述第二区域中各个网格区域在所述目标时间段的天气数据。
在本实施例中,可以利用差值计算,得到第二区域中包括的除第一区域以外区域的天气数据,也就是天气采集站采集不到的区域的天气数据。
S1014,将所述目标区域所在的网格区域的天气数据作为所述目标区域的天气数据。
S1015,若所述目标区域在所述第一区域内,则基于第一区域的天气信息确定目标区域的天气数据。
在本实施例中,如果第一区域中包括目标区域,则说明天气采集站采集到的天气信息包括目标区域的天气数据,可以具体根据目标区域的坐标确定天气信息中目标区域对应的天气数据。
本申请实施例中,通过天气采集站可以直接或间接获取目标区域的天气数据,在间接获取目标区域的天气数据时,利用插值计算,可以更准确的获得目标区域的天气数据。
如图3所示,在一种可能的实现方式中,步骤S101中事故风险等级的确定过程可以包括:
S201,获取预设时间内历史事故的事故信息。
在本实施例中,预设时间为当前时间之前的时间,可以根据需要设置,例如,历史1年或历史2年等。历史事故为在预设时间内发生的事故,例如,在历史一年中发生的事故。事故信息可以包括事故类型、事故发生的道路名称、事故的损失、事故的伤亡、事故发生地点的参照物等。
S202,基于各个事故信息,确定各个历史事故是否在所述目标区域。
在本实施例中,可以基于事故信息中的位置关键字确定各个历史事故是否在所述目标区域。
S203,基于所述目标区域中历史事故的事故信息,计算所述目标区域的风险值。
在本实施例中,基于事故信息中的事故类型,计算风险值。事故类型可以根据历史事故的严重程度确定,例如,财产损失、人员伤亡情况等。
在一种可能的实现方式中,步骤S203的实现过程可以包括:
基于所述目标区域中历史事故的事故类型和各个所述事故类型对应的权重,计算所述目标区域的风险值,其中,所述事故类型包括财产损失事故、轻伤事故、重伤事故、死亡事故和其他事故中的至少一种,所述其他事故指除财产损失事故、轻伤事故、重伤事故、死亡事故之外的事故。
在本实施例中,历史事故的事故信息中包括事故类型、具体的财产损失和人员伤亡情况,对每个事故信息进行判断,可以得到该事故信息对应的历史事故的事故类型。
事故类型对应的权重可以根据需要设置,在此不做限制。
在本实施例中,财产损失事故可以设置为财产损失在预设值之上的事故才可以判断为财产损失事故,例如,预设值可以是5000元或3000元等。
重伤事故可以为在处理事故中使用拖车救援的事故。
死亡事故可以设置为事故中存在人员死亡的事故。
轻伤事故可以包括涉及电动车、自行车和行人的事故,且人员没有受到大的伤害,经济损失在预设值之下的事故。
轻伤事故还可以包括同一个目标区域中除上述事故外,还存在预设次数以上相同的碰撞事故,相同的碰撞事故也作为轻伤事故。例如,追尾、正面碰撞、同向/对向斜角碰撞、同向/对向刮擦、直角碰撞等。
作为举例,目标区域中除故指除财产损失事故、重伤事故、死亡事故和轻伤事故中涉及电动车、自行车和行人的事故,且人员没有受到大的伤害,经济损失在预设值之下的事故之外,还存在5次追尾,则将5次追尾作为轻伤事故。
具体的,目标区域的风险值可以根据公式F=0.2×L1+L2+3×L3+5×L4计算得到,其中,F为风险值,L1为目标区域中财产损失事故的数量,L2为轻伤事故的数量,L3为重伤事故的数量,L4为死亡事故的数量。
S204,基于所述风险值,确定所述目标区域的事故风险等级。
在本实施例中,每个风险值对应一个事故风险等级,不同的风险值可以对应相同的事故风险等级。风险值越高则说明该目标区域越容易发生事故,则对应的事故风险等级越高。可选的,可以将满足高风险等级区间的风险值对应的目标区域设置为高风险等级,将满足低风险等级区间的风险值对应的目标区域设置为低风险等级,其他目标区域设置为中风险等级。
作为举例,高风险等级区间的风险值可以为10-20,低风险等级区间的风险值可以为1-5。如果D目标区域的风险值为8,则判定D目标区域属于中风险等级。如果E目标区域的风险值为14,则判定E目标区域属于高风险等级。
在一种可能的实现方式中,步骤S204的实现过程可以包括:
S2041,将所述目标区域按照区域类型进行分类,得到每个区域类型对应的区域集合,其中,所述区域类型包括为交叉口类型、平直路段类型、立交类型、停车场类型、加油站或充电站类型、运输场站类型中的至少一种。
在本实施例中,如果目标区域为同一区域类型,则将同一区域类型的目标区域组合,得到区域集合。
作为举例,如果A目标区域属于交叉口类型,B目标区域属于交叉口类型,则A目标区域和B目标区域组成区域集合。
S2042,将所述区域集合中的目标区域按照风险值的大小进行排序,得到区域序列。
作为举例,如果区域集合中包括A目标区域、B目标区域和C目标区域,且A目标区域的风险值为10,B目标区域的风险值为12,C目标区域的风险值为8。
区域序列为C目标区域、A目标区域、B目标区域。
S2043,基于所述目标区域在所述区域序列中的位置,确定所述目标区域的事故风险等级。
在本实施例中,可以从区域序列中风险值大的一端选取第一预设数量的目标区域作为高风险等级的目标区域,从区域序列中风险值小的一端选取第二预设数量的目标区域作为低风险等级的目标区域,区域序列中剩余的目标区域作为中风险等级的目标区域。
第一预设数量和第二预设数量可以根据区域序列中目标区域的个数进行确定,例如,第一预设数量可以为区域序列中目标区域的总数与15%的乘积,第二预设数量可以为区域序列中目标区域的总数与20%的乘积。
本申请实施例中,由于目标区域的区域类型不同,不同区域类型的目标区域的事故风险等级没有可比性,因此,在确定目标区域的事故风险等级时,需要将同一区域类型的目标区域的风险值进行对比,使确定的目标区域的事故风险等级更准确。
本申请实施例中,通过历史事故确定目标区域的事故风险等级,由于历史事故是已经发生的真实事故,根据历史事故,可以准确的得到目标区域发生事故的多少,以及目标区域发生的各个历史事故的严重程度,进而判断得到目标区域的是事故高发区还是低发区。
在一种可能的实现方式中,步骤S202的实现过程可以包括:
S2021,提取所述事故信息中的位置关键字。
在本实施例中,可以采用信息识别和信息提取技术,提取事故信息中的位置关键字。位置关键字可以为道路名称、区域类型、参照物名称等可以判断事故位置的关键字。
作为举例,历史事故A的事故信息中的位置关键字可以为a路与b路、交叉口。
S2022,比较所述位置关键字与目标区域的区域名称关键字是否匹配。
在本实施例中,采用信息比对方法,可以比较位置关键字与目标区域的区域名称关键字是否匹配,输出比较结果。
S2023,若所述位置关键字与所述区域名称关键字匹配,则判断所述历史事故在所述目标区域。
在本实施例中,位置关键字与区域名称关键字匹配可以包括位置关键字和区域名称完全匹配,还包括位置关键字和区域名称关键字中主要关键字相同,次要关键字不同。主要关键字为主路名称,次要关键字可以是表示道路方向的关键字等。
作为举例,如果位置关键字为bd东路与eg路交叉口,区域名称关键字为bd南路与eg路交叉口,其中,bd和eg分别表示两个路名。位置关键字和区域名称关键字中bd和eg均相同,但是东和南不相同,可以判断位置关键字与区域名称关键字匹配,东和南可能是在录入信息时其中一个录入错误。
S2024,若所述位置关键字与所述区域名称关键字不匹配,且所述历史事故的发生位置与所述目标区域的距离在预设范围内,则判断所述历史事故在所述目标区域。
在本实施例中,如果位置关键字与任何一个区域名称关键字完全不同,但是,历史事故的发生位置与所述目标区域的距离在预设范围内,将历史事故划分在距离历史事故在预设范围内的目标区域内。
S2025,若所述位置关键字与所述区域名称关键字不匹配,且所述历史事故的发生位置与所述目标区域的距离不在预设范围内,则判断所述历史事故不在所述目标区域。
在本实施例中,若所述位置关键字与所述区域名称关键字不匹配,且所述历史事故的发生位置与所述目标区域的距离不在预设范围内,可以将该历史事故舍弃,还可以将历史事故划分在距离历史事故最近的目标区域中。
具体的,交叉口类型的历史事故的目标区域的判断方法包括:
1)精准配准:如果历史事故发生的交叉口的道路名称与目标区域的道路名称相同,则确定历史事故发生在目标区域。
2)模糊配准:如果历史事故发生的交叉口的道路名称与目标区域的道路名称有一条路的名称完全相同,有一条路的名称不完全相同,但属于相同的道路,例如,和平东路与和平西路,则确定历史事故发生在目标区域。
3)空间配准:如果历史事故发生的交叉口的道路名称与目标区域的道路名称有一条路的名称完全相同,有一条路的名称完全不同,查找距离历史事故在预设范围内的目标区域,然后确定在预设范围内的目标区域中与历史事故发生位置的交叉口控制方式相同的作为历史事故发生的目标区域。例如,历史事故的交叉口控制方式为信号控制,则查找预设范围内的目标区域中为交叉口控制方式的目标区域。
4)其他配准:如果历史事故发生的交叉口的道路名称与目标区域的道路名称完全不同,可以舍弃该历史事故,也可以将历史事故划分至距离历史事故最近的目标区域中。
具体的,平直路段类型的历史事故的目标区域的判断方法包括:
根据历史事故的位置关键字中的道路名称和参照物,确定历史事故发生的目标区域。
如果找不到与历史事故的位置关键字相匹配的目标区域,确定是否存在与历史事故的距离在预设范围内的目标区域,如果存在,确定历史事故发生在目标区域,如果不存在将历史事故划分在与历史事故距离最近的目标区域内或舍弃。
具体的,立交类型、停车场类型、加油站或充电站类型、运输场站类型的历史事故的目标区域的判断方法相同,包括:
1)位置关键字中的位置名称与目标区域的区域名称关键字相同,则可以确定历史时间发生在目标区域。
作为举例,如果历史事故M的位置关键字为d停车场,目标区域D的区域名称关键字为d停车场,则历史事故M发生在目标区域D。
2)位置关键字中的位置名称与任一目标区域的区域名称关键字均不相同,但是历史事故距离至少一个目标区域在预设范围内,则可以确定历史时间发生在在预设范围内的目标区域,如果不存在将历史事故划分在与历史事故距离最近的目标区域内或舍弃。
作为举例,如果历史事故N的位置关键字为d停车场,目标区域的区域名称关键字均不是d停车场,但是目标区域H与历史事故N的距离为50米,在预设范围内,则历史事故N发生在目标区域H。
如图4所示,在一种可能的实现方式中,步骤S102的实现过程可以包括:
S1021,确定所述降雨量对应的降雨系数,其中,所述降雨系数用于表征所述降雨量的大小。
在本实施例中,天气数据包括降雨量。降雨量可以对应不同的天气情况,例如下表2所示:
表2降雨量区间与天气情况的对应关系
在本实施例中,可以先查找目标时间段的降雨量所在的降雨量区间,然后查找目标时间段的降雨量所在的降雨量区间所对应的降雨系数,一个降雨量区间对应一个降雨系数。降雨量系数反映了降雨的多少。
作为举例,降雨量区间与降雨系数的对应关系可以如下所示:
S1022,基于所述事故风险等级,确定所述目标区域的事故概率系数和风险系数,其中,所述事故概率系数用于表征所述目标区域发生事故的概率,所述风险系数用于表征所述目标区域的风险程度。
在本实施例中,不同的事故风险等级对应不同的事故概率系数,不同的事故风险等级对应不同的风险系数。相同的事故风险等级对应的事故概率系数和风险系数可以相同,也可以不同,可以根据需要进行设置。
作为举例,如果事故风险等级为高风险等级,则事故概率系数可以是1;如果事故风险等级为中风险等级,则事故概率系数可以是0.6;如果事故风险等级为低风险等级,则事故概率系数可以是0.2。
S1023,基于所述降雨系数、所述事故概率系数和所述风险系数,获得所述目标区域在目标时间段的风险评估值。
在本实施例中,得到降雨系数、事故概率系数和风险系数之后,可以根据各个系数所占的比重计算风险评估值。还可以将降雨系数、事故概率系数和风险系数进行加和得到风险评估值。
在本实施例中,还将降雨系数、事故概率系数和风险系数的乘积作为风险评估值。
本申请实施例中,风险评估值的计算分别考虑了降雨量、目标区域发生事故的概率,以及目标区域的风险程度,既考虑了天气情况,同时也考虑了目标区域的情况,考虑的影响因素更全面,使评估的风险值更准确。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的交通事故预警方法,图5示出了本申请实施例提供的交通事故预警装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图5,该装置300可以包括:数据获取模块310、风险评估模块320、位置确定模块330和信号发送模块340。
其中,数据获取模块310,用于获取目标区域在目标时间段的天气数据和所述目标区域的事故风险等级;
风险评估模块320,用于基于所述天气数据和所述事故风险等级,得到所述目标区域在目标时间段的风险评估值,其中,所述风险评估值用于表征车辆在目标时间段经过所述目标区域发生事故的概率;
位置确定模块330,用于获取车辆的位置信息,并基于所述位置信息,预测所述车辆是否在所述目标时间段经过所述目标区域;
信号发送模块340,用于若所述车辆在所述目标时间段经过所述目标区域,向所述车辆发送预警信号,其中,所述预警信号基于所述风险评估值生成。
在一种可能的实现方式中,天气数据包括降雨量;
风险评估模块320具体可以用于:
所述基于所述天气数据和所述事故风险等级,得到所述目标区域在目标时间段的风险评估值,包括:
确定所述降雨量对应的降雨系数,其中,所述降雨系数用于表征所述降雨量的大小;
基于所述事故风险等级,确定所述目标区域的事故概率系数和风险系数,其中,所述事故概率系数用于表征所述目标区域发生事故的概率,所述风险系数用于表征所述目标区域的风险程度;
基于所述降雨系数、所述事故概率系数和所述风险系数,获得所述目标区域在目标时间段的风险评估值。
在一种可能的实现方式中,数据获取模块310具体可以包括:
信息获取单元,用于获取预设时间内历史事故的事故信息;
区域确定单元,用于基于各个事故信息,确定各个历史事故是否在所述目标区域;
计算单元,用于基于所述目标区域中历史事故的事故信息,计算所述目标区域的风险值;
等级确定单元,用于基于所述风险值,确定所述目标区域的事故风险等级。
在一种可能的实现方式中,所述事故信息包括事故类型,计算单元具体可以用于:
基于所述目标区域中历史事故的事故类型和各个所述事故类型对应的权重,计算所述目标区域的风险值,其中,所述事故类型包括财产损失事故、轻伤事故、重伤事故、死亡事故和其他事故中的至少一种,所述其他事故指除财产损失事故、轻伤事故、重伤事故、死亡事故之外的事故。
在一种可能的实现方式中,区域确定单元具体可以用于:
提取所述事故信息中的位置关键字;
比较所述位置关键字与目标区域的区域名称关键字是否匹配;
若所述位置关键字与所述区域名称关键字匹配,则判断所述历史事故在所述目标区域;
若所述位置关键字与所述区域名称关键字不匹配,且所述历史事故的发生位置与所述目标区域的距离在预设范围内,则判断所述历史事故在所述目标区域;
若所述位置关键字与所述区域名称关键字不匹配,且所述历史事故的发生位置与所述目标区域的距离不在预设范围内,则判断所述历史事故不在所述目标区域。
在一种可能的实现方式中,等级确定单元具体可以用于:
将所述目标区域按照区域类型进行分类,得到每个区域类型对应的区域集合,其中,所述区域类型包括为交叉口类型、平直路段类型、立交类型、停车场类型、加油站或充电站类型、运输场站类型中的至少一种;
将所述区域集合中的目标区域按照风险值的大小进行排序,得到区域序列;
基于所述目标区域在所述区域序列中的位置,确定所述目标区域的事故风险等级。
在一种可能的实现方式中,数据获取模块310具体还可以包括:
天气信息获取单元,用于获取天气采集站采集的第一区域在所述目标时间段的天气信息;
网格划分单元,用于若所述目标区域不在所述第一区域内,则将第二区域按照预设划分规则划分成多个网格区域,其中,所述第二区域为包括所述第一区域和所述目标区域的区域;
数据确定单元,用于基于所述第一区域的天气信息,利用插值计算得到所述第二区域中各个网格区域在所述目标时间段的天气数据;
目标确定单元,用于将所述目标区域所在的网格区域的天气数据作为所述目标区域的天气数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种终端设备,参见图6,该终端设备400可以包括:至少一个处理器410、存储器420以及存储在所述存储器420中并可在所述至少一个处理器410上运行的计算机程序,所述处理器410执行所述计算机程序时实现上述任意各个方法实施例中的步骤,例如图2所示实施例中的步骤S101至步骤S104。或者,处理器410执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块310至340的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器420中,并由处理器410执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该程序段用于描述计算机程序在终端设备400中的执行过程。
本领域技术人员可以理解,图6仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如输入输出设备、网络接入设备、总线等。
处理器410可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器420可以是终端设备的内部存储单元,也可以是终端设备的外部存储设备,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。所述存储器420用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器420还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的交通事故预警方法可以应用于计算机、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
本申请实施例还提供了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程序,所述计算机程序被处理器执行时实现可实现上述交通事故预警方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述交通事故预警方法各个实施例中的步骤。
所述集成的单元如果以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。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通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,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述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方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种交通事故预警方法,其特征在于,包括:
获取目标区域在目标时间段的天气数据和所述目标区域的事故风险等级;
基于所述天气数据和所述事故风险等级,得到所述目标区域在目标时间段的风险评估值,其中,所述风险评估值用于表征车辆在目标时间段经过所述目标区域发生事故的概率;
获取车辆的位置信息,并基于所述位置信息,预测所述车辆是否在所述目标时间段经过所述目标区域;
若所述车辆在所述目标时间段经过所述目标区域,向所述车辆发送预警信号,其中,所述预警信号基于所述风险评估值生成。
2.如权利要求1所述的交通事故预警方法,其特征在于,所述天气数据包括降雨量;
所述基于所述天气数据和所述事故风险等级,得到所述目标区域在目标时间段的风险评估值,包括:
确定所述降雨量对应的降雨系数,其中,所述降雨系数用于表征所述降雨量的大小;
基于所述事故风险等级,确定所述目标区域的事故概率系数和风险系数,其中,所述事故概率系数用于表征所述目标区域发生事故的概率,所述风险系数用于表征所述目标区域的风险程度;
基于所述降雨系数、所述事故概率系数和所述风险系数,获得所述目标区域在目标时间段的风险评估值。
3.如权利要求1所述的交通事故预警方法,其特征在于,所述获取目标区域的事故风险等级,包括:
获取预设时间内历史事故的事故信息;
基于各个事故信息,确定各个历史事故是否在所述目标区域;
基于所述目标区域中历史事故的事故信息,计算所述目标区域的风险值;
基于所述风险值,确定所述目标区域的事故风险等级。
4.如权利要求3所述的交通事故预警方法,其特征在于,所述事故信息包括事故类型,所述基于所述目标区域中历史事故的事故信息,计算所述目标区域的风险值,包括:
基于所述目标区域中历史事故的事故类型和各个所述事故类型对应的权重,计算所述目标区域的风险值,其中,所述事故类型包括财产损失事故、轻伤事故、重伤事故、死亡事故和其他事故中的至少一种,所述其他事故指除财产损失事故、轻伤事故、重伤事故、死亡事故之外的事故。
5.如权利要求3所述的交通事故预警方法,其特征在于,所述基于各个事故信息,确定各个历史事故是否在所述目标区域,包括:
提取所述事故信息中的位置关键字;
比较所述位置关键字与目标区域的区域名称关键字是否匹配;
若所述位置关键字与所述区域名称关键字匹配,则判断所述历史事故在所述目标区域;
若所述位置关键字与所述区域名称关键字不匹配,且所述历史事故的发生位置与所述目标区域的距离在预设范围内,则判断所述历史事故在所述目标区域;
若所述位置关键字与所述区域名称关键字不匹配,且所述历史事故的发生位置与所述目标区域的距离不在预设范围内,则判断所述历史事故不在所述目标区域。
6.如权利要求3所述的交通事故预警方法,其特征在于,所述基于所述风险值,确定所述目标区域的事故风险等级,包括:
将所述目标区域按照区域类型进行分类,得到每个区域类型对应的区域集合,其中,所述区域类型包括为交叉口类型、平直路段类型、立交类型、停车场类型、加油站或充电站类型、运输场站类型中的至少一种;
将所述区域集合中的目标区域按照风险值的大小进行排序,得到区域序列;
基于所述目标区域在所述区域序列中的位置,确定所述目标区域的事故风险等级。
7.如权利要求1所述的交通事故预警方法,其特征在于,所述获取目标区域在目标时间段的天气数据,包括:
获取天气采集站采集的第一区域在所述目标时间段的天气信息;
若所述目标区域不在所述第一区域内,则将第二区域按照预设划分规则划分成多个网格区域,其中,所述第二区域为包括所述第一区域和所述目标区域的区域;
基于所述第一区域的天气信息,利用插值计算得到所述第二区域中各个网格区域在所述目标时间段的天气数据;
将所述目标区域所在的网格区域的天气数据作为所述目标区域的天气数据。
8.一种交通事故预警装置,其特征在于,包括:
数据获取模块,用于获取目标区域在目标时间段的天气数据和所述目标区域的事故风险等级;
风险评估模块,用于基于所述天气数据和所述事故风险等级,得到所述目标区域在目标时间段的风险评估值,其中,所述风险评估值用于表征车辆在目标时间段经过所述目标区域发生事故的概率;
位置确定模块,用于获取车辆的位置信息,并基于所述位置信息,预测所述车辆是否在所述目标时间段经过所述目标区域;
信号发送模块,用于若所述车辆在所述目标时间段经过所述目标区域,向所述车辆发送预警信号,其中,所述预警信号基于所述风险评估值生成。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的交通事故预警方法。
10.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的交通事故预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010909513.XA CN111815986B (zh) | 2020-09-02 | 2020-09-02 | 一种交通事故预警方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010909513.XA CN111815986B (zh) | 2020-09-02 | 2020-09-02 | 一种交通事故预警方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111815986A true CN111815986A (zh) | 2020-10-23 |
CN111815986B CN111815986B (zh) | 2021-01-01 |
Family
ID=72860116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010909513.XA Active CN111815986B (zh) | 2020-09-02 | 2020-09-02 | 一种交通事故预警方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815986B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112614303A (zh) * | 2020-12-09 | 2021-04-06 | 珠海格力电器股份有限公司 | 一种道路安全提示方法、装置、电子设备及存储介质 |
CN112633713A (zh) * | 2020-12-28 | 2021-04-09 | 广州羊城通有限公司 | 基于乘车记录的风险地区提醒方法及装置 |
CN112735165A (zh) * | 2020-12-28 | 2021-04-30 | 深圳市金溢科技股份有限公司 | 车路协同道路预警方法、车载单元及路侧单元 |
CN113139699A (zh) * | 2021-05-13 | 2021-07-20 | 平安国际智慧城市科技股份有限公司 | 交通事故数据处理方法、装置、设备及可读存储介质 |
CN113302614A (zh) * | 2021-04-25 | 2021-08-24 | 华为技术有限公司 | 数据管理方法、装置和终端设备 |
CN113313400A (zh) * | 2021-06-08 | 2021-08-27 | 中国石油大学(北京) | 事故告警方法、装置及存储介质 |
CN113536949A (zh) * | 2021-06-21 | 2021-10-22 | 上汽通用五菱汽车股份有限公司 | 事故危险等级评估方法、装置及计算机可读存储介质 |
CN113525403A (zh) * | 2021-07-26 | 2021-10-22 | 北京京东乾石科技有限公司 | 车辆行驶的预警方法、装置、电子设备和存储介质 |
CN113626461A (zh) * | 2021-08-10 | 2021-11-09 | 平安国际智慧城市科技股份有限公司 | 信息查找方法、终端设备及计算机可读存储介质 |
CN114005284A (zh) * | 2021-11-01 | 2022-02-01 | 长沙理工大学 | 一种基于降雨量实时监测的汽车智能预警*** |
CN114267175A (zh) * | 2021-12-23 | 2022-04-01 | 北京汇通天下物联科技有限公司 | 路口预警方法、装置、***、电子设备及可读存储介质 |
CN114333416A (zh) * | 2021-12-24 | 2022-04-12 | 阿波罗智能技术(北京)有限公司 | 基于神经网络的车辆风险预警方法、设备及自动驾驶车辆 |
CN114595855A (zh) * | 2020-11-30 | 2022-06-07 | 宝能汽车集团有限公司 | 车辆的受损预测方法、云端服务器以及车辆 |
CN114781791A (zh) * | 2022-03-11 | 2022-07-22 | 山东高速建设管理集团有限公司 | 一种基于全息感知数据的高速服务区风险识别方法 |
CN114814888A (zh) * | 2022-06-30 | 2022-07-29 | 南京源兴智达信息科技有限公司 | 一种基于北斗三号的手持终端设备 |
CN114882694A (zh) * | 2022-03-24 | 2022-08-09 | 成都亿盟恒信科技有限公司 | 一种基于报警定位数据的风险区域生成方法及*** |
CN115083208A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
CN115100865A (zh) * | 2022-06-24 | 2022-09-23 | 上海市政工程设计研究总院(集团)有限公司 | 隧道洞口区域交通安全的管控*** |
CN115938125A (zh) * | 2023-01-05 | 2023-04-07 | 交通运输部公路科学研究所 | 下坡路段的安全预警控制方法、装置及*** |
CN116279113A (zh) * | 2023-01-12 | 2023-06-23 | 润芯微科技(江苏)有限公司 | 一种极端天气预警方法、***及存储介质 |
CN116403403A (zh) * | 2023-04-12 | 2023-07-07 | 西藏金采科技股份有限公司 | 一种基于大数据分析的交通预警方法、***、设备及介质 |
CN116729371A (zh) * | 2023-06-15 | 2023-09-12 | 黑龙江大学 | 基于雷达和视频联动的车辆潜在危险检测*** |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971523A (zh) * | 2014-05-21 | 2014-08-06 | 南通大学 | 一种山区道路交通安全动态预警*** |
CN105788335A (zh) * | 2016-04-05 | 2016-07-20 | 广东欧珀移动通信有限公司 | 一种导航的方法及终端 |
CN106157667A (zh) * | 2016-08-12 | 2016-11-23 | 江苏大学 | 一种基于手机app的高速公路事故预警*** |
CN106846863A (zh) * | 2017-01-12 | 2017-06-13 | 叶昊 | 基于增强现实和云端智能决策的车联网事故黑点警告***及方法 |
CN107195199A (zh) * | 2017-07-11 | 2017-09-22 | 珠海利安达智能科技有限公司 | 道路安全预警***及方法 |
CN107909839A (zh) * | 2017-11-21 | 2018-04-13 | 北京华油信通科技有限公司 | 车辆安全处理方法及装置 |
CN108346317A (zh) * | 2018-04-11 | 2018-07-31 | 北京汽车研究总院有限公司 | 道路风险预警方法和装置 |
CN108510774A (zh) * | 2018-01-12 | 2018-09-07 | 网帅科技(北京)有限公司 | 一种深度融合多维数据的高速公路风险预警方法 |
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 |
CN110197582A (zh) * | 2018-02-27 | 2019-09-03 | 沈阳美行科技有限公司 | 数据分析方法、装置以及交通预警方法、装置 |
CN110473418A (zh) * | 2019-07-25 | 2019-11-19 | 平安科技(深圳)有限公司 | 危险路段识别方法、装置、服务器及存储介质 |
WO2020013525A1 (en) * | 2018-07-11 | 2020-01-16 | Samsung Electronics Co., Ltd. | In-vehicle infotainment system communicating with unmanned aerial vehicle and method of operating the same |
CN110706485A (zh) * | 2019-09-30 | 2020-01-17 | 上海商汤临港智能科技有限公司 | 驾驶预警方法、装置、电子设备和计算机存储介质 |
CN111080030A (zh) * | 2019-12-26 | 2020-04-28 | 清华大学 | 融雪性洪水预测方法、装置、电子设备和存储介质 |
CN111311034A (zh) * | 2020-05-14 | 2020-06-19 | 中电科新型智慧城市研究院有限公司 | 道路内涝风险预测方法、装置、设备及存储介质 |
-
2020
- 2020-09-02 CN CN202010909513.XA patent/CN111815986B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971523A (zh) * | 2014-05-21 | 2014-08-06 | 南通大学 | 一种山区道路交通安全动态预警*** |
CN105788335A (zh) * | 2016-04-05 | 2016-07-20 | 广东欧珀移动通信有限公司 | 一种导航的方法及终端 |
CN106157667A (zh) * | 2016-08-12 | 2016-11-23 | 江苏大学 | 一种基于手机app的高速公路事故预警*** |
CN106846863A (zh) * | 2017-01-12 | 2017-06-13 | 叶昊 | 基于增强现实和云端智能决策的车联网事故黑点警告***及方法 |
CN107195199A (zh) * | 2017-07-11 | 2017-09-22 | 珠海利安达智能科技有限公司 | 道路安全预警***及方法 |
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 |
CN107909839A (zh) * | 2017-11-21 | 2018-04-13 | 北京华油信通科技有限公司 | 车辆安全处理方法及装置 |
CN108510774A (zh) * | 2018-01-12 | 2018-09-07 | 网帅科技(北京)有限公司 | 一种深度融合多维数据的高速公路风险预警方法 |
CN110197582A (zh) * | 2018-02-27 | 2019-09-03 | 沈阳美行科技有限公司 | 数据分析方法、装置以及交通预警方法、装置 |
CN108346317A (zh) * | 2018-04-11 | 2018-07-31 | 北京汽车研究总院有限公司 | 道路风险预警方法和装置 |
WO2020013525A1 (en) * | 2018-07-11 | 2020-01-16 | Samsung Electronics Co., Ltd. | In-vehicle infotainment system communicating with unmanned aerial vehicle and method of operating the same |
CN110473418A (zh) * | 2019-07-25 | 2019-11-19 | 平安科技(深圳)有限公司 | 危险路段识别方法、装置、服务器及存储介质 |
CN110706485A (zh) * | 2019-09-30 | 2020-01-17 | 上海商汤临港智能科技有限公司 | 驾驶预警方法、装置、电子设备和计算机存储介质 |
CN111080030A (zh) * | 2019-12-26 | 2020-04-28 | 清华大学 | 融雪性洪水预测方法、装置、电子设备和存储介质 |
CN111311034A (zh) * | 2020-05-14 | 2020-06-19 | 中电科新型智慧城市研究院有限公司 | 道路内涝风险预测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
戴剑军,等: "降雨对城市路网运行速度的影响研究", 《交叉创新与转型重构——2017年中国城市交通规划年会论文集》 * |
曲晓黎,等: "基于气象条件的河北高速公路通行状况综合风险等级预报方法", 《干旱气象》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595855A (zh) * | 2020-11-30 | 2022-06-07 | 宝能汽车集团有限公司 | 车辆的受损预测方法、云端服务器以及车辆 |
CN112614303A (zh) * | 2020-12-09 | 2021-04-06 | 珠海格力电器股份有限公司 | 一种道路安全提示方法、装置、电子设备及存储介质 |
CN112735165B (zh) * | 2020-12-28 | 2022-03-08 | 深圳市金溢科技股份有限公司 | 车路协同道路预警方法、车载单元及路侧单元 |
CN112633713A (zh) * | 2020-12-28 | 2021-04-09 | 广州羊城通有限公司 | 基于乘车记录的风险地区提醒方法及装置 |
CN112735165A (zh) * | 2020-12-28 | 2021-04-30 | 深圳市金溢科技股份有限公司 | 车路协同道路预警方法、车载单元及路侧单元 |
CN113302614A (zh) * | 2021-04-25 | 2021-08-24 | 华为技术有限公司 | 数据管理方法、装置和终端设备 |
CN113139699A (zh) * | 2021-05-13 | 2021-07-20 | 平安国际智慧城市科技股份有限公司 | 交通事故数据处理方法、装置、设备及可读存储介质 |
CN113313400A (zh) * | 2021-06-08 | 2021-08-27 | 中国石油大学(北京) | 事故告警方法、装置及存储介质 |
CN113313400B (zh) * | 2021-06-08 | 2023-12-15 | 中国石油大学(北京) | 事故告警方法、装置及存储介质 |
CN113536949A (zh) * | 2021-06-21 | 2021-10-22 | 上汽通用五菱汽车股份有限公司 | 事故危险等级评估方法、装置及计算机可读存储介质 |
CN113536949B (zh) * | 2021-06-21 | 2023-07-28 | 上汽通用五菱汽车股份有限公司 | 事故危险等级评估方法、装置及计算机可读存储介质 |
CN113525403A (zh) * | 2021-07-26 | 2021-10-22 | 北京京东乾石科技有限公司 | 车辆行驶的预警方法、装置、电子设备和存储介质 |
CN113525403B (zh) * | 2021-07-26 | 2024-04-05 | 北京京东乾石科技有限公司 | 车辆行驶的预警方法、装置、电子设备和存储介质 |
CN113626461A (zh) * | 2021-08-10 | 2021-11-09 | 平安国际智慧城市科技股份有限公司 | 信息查找方法、终端设备及计算机可读存储介质 |
CN113626461B (zh) * | 2021-08-10 | 2024-02-13 | 深圳平安智慧医健科技有限公司 | 信息查找方法、终端设备及计算机可读存储介质 |
CN114005284A (zh) * | 2021-11-01 | 2022-02-01 | 长沙理工大学 | 一种基于降雨量实时监测的汽车智能预警*** |
CN114267175A (zh) * | 2021-12-23 | 2022-04-01 | 北京汇通天下物联科技有限公司 | 路口预警方法、装置、***、电子设备及可读存储介质 |
CN114333416A (zh) * | 2021-12-24 | 2022-04-12 | 阿波罗智能技术(北京)有限公司 | 基于神经网络的车辆风险预警方法、设备及自动驾驶车辆 |
CN114781791A (zh) * | 2022-03-11 | 2022-07-22 | 山东高速建设管理集团有限公司 | 一种基于全息感知数据的高速服务区风险识别方法 |
CN114781791B (zh) * | 2022-03-11 | 2023-09-29 | 山东高速建设管理集团有限公司 | 一种基于全息感知数据的高速服务区风险识别方法 |
CN114882694A (zh) * | 2022-03-24 | 2022-08-09 | 成都亿盟恒信科技有限公司 | 一种基于报警定位数据的风险区域生成方法及*** |
CN115100865A (zh) * | 2022-06-24 | 2022-09-23 | 上海市政工程设计研究总院(集团)有限公司 | 隧道洞口区域交通安全的管控*** |
CN114814888A (zh) * | 2022-06-30 | 2022-07-29 | 南京源兴智达信息科技有限公司 | 一种基于北斗三号的手持终端设备 |
CN115083208B (zh) * | 2022-07-20 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
CN115083208A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
CN115938125A (zh) * | 2023-01-05 | 2023-04-07 | 交通运输部公路科学研究所 | 下坡路段的安全预警控制方法、装置及*** |
CN115938125B (zh) * | 2023-01-05 | 2024-01-30 | 交通运输部公路科学研究所 | 下坡路段的安全预警控制方法、装置及*** |
CN116279113A (zh) * | 2023-01-12 | 2023-06-23 | 润芯微科技(江苏)有限公司 | 一种极端天气预警方法、***及存储介质 |
CN116403403A (zh) * | 2023-04-12 | 2023-07-07 | 西藏金采科技股份有限公司 | 一种基于大数据分析的交通预警方法、***、设备及介质 |
CN116403403B (zh) * | 2023-04-12 | 2024-02-02 | 西藏金采科技股份有限公司 | 一种基于大数据分析的交通预警方法、***、设备及介质 |
CN116729371A (zh) * | 2023-06-15 | 2023-09-12 | 黑龙江大学 | 基于雷达和视频联动的车辆潜在危险检测*** |
CN116729371B (zh) * | 2023-06-15 | 2023-11-14 | 黑龙江大学 | 基于雷达和视频联动的车辆潜在危险检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN111815986B (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815986B (zh) | 一种交通事故预警方法、装置、终端设备及存储介质 | |
Zeng et al. | Analyzing freeway crash severity using a Bayesian spatial generalized ordered logit model with conditional autoregressive priors | |
Ma et al. | The impact of aggressive driving behavior on driver‐injury severity at highway‐rail grade crossings accidents | |
Theofilatos et al. | Factors affecting accident severity inside and outside urban areas in Greece | |
CN110807930B (zh) | 危险车辆预警方法及装置 | |
Wong et al. | Rough set approach for accident chains exploration | |
Kuşkapan et al. | Speed violation analysis of heavy vehicles on highways using spatial analysis and machine learning algorithms | |
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 | |
Nasri et al. | Assessing risk factors associated with urban transit bus involved accident severity: a case study of a Middle East country | |
Song et al. | Modeling crash severity by considering risk indicators of driver and roadway: A Bayesian network approach | |
CN115294767B (zh) | 一种高速公路车道线实时检测与交通安全预警方法及装置 | |
CN111340355A (zh) | 行程订单的匹配方法、装置、服务器和介质 | |
Trirat et al. | Df-tar: a deep fusion network for citywide traffic accident risk prediction with dangerous driving behavior | |
Cong et al. | Traffic incident duration estimation based on a dual-learning Bayesian network model | |
Li et al. | An alternative closed-form crash severity model with the non-identical, heavy-tailed, and asymmetric properties | |
CN110427369B (zh) | 道路围蔽监测方法及装置 | |
Jin et al. | Investigating hierarchical effects of adaptive signal control system on crash severity using random-parameter ordered regression models incorporating observed heterogeneity | |
Okafor et al. | Severity analysis of crashes involving in-state and out-of-state large truck drivers in Alabama: a random parameter multinomial logit model with heterogeneity in means and variances | |
AlRukaibi et al. | Injury severity influence factors and collision prediction-A case study on Kuwait highways | |
CN114550445A (zh) | 一种城市区域交通安全状态评估方法和装置 | |
Abou-Senna et al. | Categorical principal component analysis (CATPCA) of pedestrian crashes in Central Florida | |
Mahendra et al. | Prediction of road accidents in the different states of India using machine learning algorithms | |
Tarko et al. | Model-based application of abbreviated injury scale to police-reported crash injuries | |
Rabbani et al. | Indicators of injury severity of truck crashes using random parameter logit modeling | |
Khabiri et al. | Application of data mining algorithm to investigate the effect of intelligent transportation systems on road accidents reduction by decision tree |
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 |