CN112124307B - 一种车辆危险行为的防控方法、装置、***及存储介质 - Google Patents

Abstract

本发明提供了一种车辆危险行为的防控方法、装置、***及存储介质,涉及智能车辆技术领域。本发明所述的车辆危险行为的防控方法，包括：获取车辆压线信息，根据所述车辆压线信息判断所述车辆是否压线；当所述车辆压线时，获取所述车辆的车道信息，根据所述车道信息判断所述车辆是否处于靠边车道；当所述车辆处于所述靠边车道时，获取所述车辆前方的障碍物信息，根据所述障碍物信息判断所述车辆是否存在撞车危险；当所述车辆存在撞车危险时，控制所述车辆靠边停车，并进入云端监控模式；当所述车辆不存在撞车风险时，进入云端控制模式，以通过所述云端控制所述车辆靠边停车。本发明所述的技术方案，有效提高了车辆行驶安全性。

Description

一种车辆危险行为的防控方法、装置、***及存储介质

技术领域

本发明涉及智能车辆技术领域，具体而言，涉及一种车辆危险行为的防控方法、装置、***及存储介质。

背景技术

随着我国经济水平的快速发展，居民生活水平的不断提升，全国的交通工具数量也在不断攀升。驾驶员个人的非正常驾驶行为，包括无意行为例如视线偏移、精神涣散、困倦、打盹，以及故意行为例如冲动驾驶、报复性违法违规等，另外还有车辆***失控等突发原因，都可能导致车辆出现危险行为，因而目前车辆驾驶模式存在安全隐患。

发明内容

本发明解决的问题是如何消除由于驾驶员个人行为或***失控造成的安全隐患。

为解决上述问题，本发明提供一种车辆危险行为的防控方法，包括：获取车辆压线信息，根据所述车辆压线信息判断所述车辆是否压线；当所述车辆压线时，获取所述车辆的车道信息，根据所述车道信息判断所述车辆是否处于靠边车道；当所述车辆处于所述靠边车道时，获取所述车辆前方的障碍物信息，根据所述障碍物信息判断所述车辆是否存在撞车危险；当所述车辆存在撞车危险时，控制所述车辆靠边停车，并进入云端监控模式，以通过云端监控所述车辆的位置信息、车道线信息、总线信息以及车载/路侧摄像头信息中的至少一者；当所述车辆不存在撞车风险时，进入云端控制模式，以通过所述云端控制所述车辆靠边停车。

本发明所述的车辆危险行为的防控方法，当车辆处于危险状态下，根据危险程度不同分别采取云端监控模式和云端控制模式，有效提高了车辆行驶安全性；在同一时间内，仅有一种控制中心对车辆进行控制，有效避免了多控制中心出现决策混乱引发安全事故的可能；不采集车内人员的人脸和声音等隐私信息，因而有效保障了车内驾驶员和乘客的信息安全。

优选地，所述获取车辆压线信息，根据所述车辆压线信息判断所述车辆是否压线包括：通过所述车载摄像头和/或所述路侧摄像头识别车道线、车辆中心线以及所述车道线与所述车辆中心线之间的交汇点；计算所述车道线与所述车辆中心线之间的夹角，并计算所述交汇点与所述车辆之间的距离；当所述夹角小于第一阈值和/或所述距离小于第二阈值时，判定所述车辆压线，否则，所述车辆未压线。

本发明所述的车辆危险行为的防控方法，设置当车道线与车辆中心线之间的夹角小于第一阈值和/或交汇点与车辆之间的距离小于第二阈值时，车辆压线，提高了对车辆压线的检测判断精确度，进而有效提高了车辆行驶安全性。

优选地，所述根据所述车道信息判断所述车辆是否处于靠边车道包括：通过车载GPS对所述车辆所在的车道进行定位，将定位信息与地图GIS信息进行匹配，以确定所述车辆所在车道的车道数；通过所述车载摄像头和所述路侧摄像头确定所述车辆所在车道；根据所述车道数和所述车辆所在车道判断所述车辆是否处于靠边车道。

本发明所述的车辆危险行为的防控方法，通过定位信息与地图GIS信息匹配确定车辆所在车道的车道数，以及通过车载摄像头和路侧摄像头确定车辆所在车道，进而通过车道数和车辆所在车道判断车辆是否处于靠边车道，提高了对车辆是否是靠边车道判断的准确性，进而有效提高了车辆行驶安全性。

优选地，所述将定位信息与地图GIS信息进行匹配，以确定所述车辆所在车道的车道数包括：将所述定位信息发送至所述云端，通过所述云端确定所述车辆所在车道的车道数；其中，所述云端适于在接收到定位信息后，将所述定位信息与所述地图GIS信息进行匹配，以确定所述车辆所在车道的第一车道数；其中，所述云端还适于调度所述路侧摄像头，通过所述路侧摄像头确定所述车辆所在车道的第二车道数，若所述第一车道数与所述第二车道数一致，则将所述第一车道数或所述第二车道数作为所述车辆所在车道的车道数，若所述第一车道数与所述第二车道数不一致，则将所述第二车道数作为所述车辆所在车道的车道数。

本发明所述的车辆危险行为的防控方法，通过在第一车道数与第二车道数不一致时，以路侧视觉传感器确定的第二车道数作为车辆所在车道的车道数，提高了对车道数判断的准确性，进而有效提高了车辆行驶安全性。

优选地，所述车辆危险行为的防控方法还包括：当所述车辆不处于靠边车道时，控制所述车辆进入所述云端监控模式。

本发明所述的车辆危险行为的防控方法，通过设置当车辆存在压线行为但不处于靠边车道时，控制车辆进入云端监控模式，随时关注其位置和车辆行为动作，有效提高了车辆行驶安全性。

优选地，所述获取所述车辆前方的障碍物信息，根据所述障碍物信息判断所述车辆是否存在撞车危险包括：通过所述车载摄像头和所述路侧摄像头获取所述障碍物信息，当所述车载摄像头和所述路侧摄像头中至少一个判断所述车辆存在撞车危险时，判断所述车辆存在撞车危险。

本发明所述的车辆危险行为的防控方法，通过设置当车载摄像头和路侧摄像头中至少一个判断车辆存在撞车危险时，判断车辆存在撞车危险，有效提高对撞车危险判断的准确性，进而有效提高了车辆行驶安全性。

优选地，所述云端控制模式包括：接收所述云端发送的控制指令，以实现所述云端对所述车辆的控制。

本发明所述的车辆危险行为的防控方法，通过设置同一时间内，仅有一种控制中心对车辆进行控制，有效避免了多控制中心出现决策混乱引发安全事故的可能。

本发明还提供一种车辆危险行为的防控装置，包括：获取模块，所述获取模块用于获取车辆压线信息、车道信息以及障碍物信息；判断模块，用于根据所述车辆压线信息判断所述车辆是否压线，根据所述车道信息判断所述车辆是否处于靠边车道，以及根据所述障碍物信息判断所述车辆是否存在撞车危险；处理模块，用于当所述车辆存在撞车危险时，控制所述车辆靠边停车，并进入云端监控模式，以通过云端监控所述车辆的位置信息、车道线信息、总线信息以及车载/路侧摄像头信息中的至少一者，以及当所述车辆不存在撞车风险时，进入云端控制模式，以通过所述云端控制所述车辆靠边停车。所述车辆危险行为的防控装置与上述车辆危险行为的防控方法相对于现有技术所具有的优势相同，在此不再赘述。

本发明还提供一种车辆危险行为的防控***，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的车辆危险行为的防控方法。所述车辆危险行为的防控***与上述车辆危险行为的防控方法相对于现有技术所具有的优势相同，在此不再赘述。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如上所述的车辆危险行为的防控方法。所述计算机可读存储介质与上述车辆危险行为的防控方法相对于现有技术所具有的优势相同，在此不再赘述。

附图说明

图1为本发明实施例所述的车辆危险行为的防控方法的流程图；

图2为本发明实施例所述的车辆危险行为的防控方法的判断逻辑图；

图3为本发明实施例所述的云端控制***的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

现有技术大多采用如下方案：在驾驶员发出接管请求后，进行云端远程车辆接管，实现对车辆的紧急操控。该方案自动化程度较低，缺乏智能性。同时，过于依赖驾驶员的自身决策，当驾驶员主动进行危险操控行为，或自身并未意识到正在进行危险操控行为的情况下，该***难以启动，无法达到紧急接管、避免风险的目的。

与此同时，是否应对自动驾驶车辆进行远程接管，或者进行云端车端同步控制，在行业内始终存在争议。原因是当出现双控制中心（车端：ECU，云端：云控平台）时，如双控制中心给出相反的指示，易导致车辆出现决策混乱，进而引发安全事故。同时，何时进行远程监管、何时进行远程控制，以及如何进行远程控制，如未明确，则云控只能停留在概念上，无法在自动驾驶***中实际应用。本发明基于上述缺陷提出如下改进。

如图1所示，本发明实施例提供一种车辆危险行为的防控方法，包括：获取车辆压线信息，根据所述车辆压线信息判断所述车辆是否压线；当所述车辆压线时，获取所述车辆的车道信息，根据所述车道信息判断所述车辆是否处于靠边车道；当所述车辆处于所述靠边车道时，获取所述车辆前方的障碍物信息，根据所述障碍物信息判断所述车辆是否存在撞车危险；当所述车辆存在撞车危险时，控制所述车辆靠边停车，并进入云端监控模式，以通过云端监控所述车辆的位置信息、车道线信息、总线信息以及车载/路侧摄像头信息中的至少一者；当所述车辆不存在撞车风险时，进入云端控制模式，以通过所述云端控制所述车辆靠边停车。

具体地，在本实施例中，结合图1所示，车辆危险行为的防控方法包括：获取车辆压线信息，根据车辆压线信息判断车辆是否压线，即判断车辆是否与车道线有交汇，若有交汇，说明车辆此时未行驶在车道正常范围内。但压线行为也可能只是变换车道，因此需要在车辆压线时，获取车辆的车道信息，根据车道信息判断车辆是否处于靠边车道，靠边车道指的是内侧道和外侧道。

若车辆在压线同时也处于靠边车道，则说明此时车辆处于危险驾驶状态，若车辆前方存在障碍物，例如行人或迎面驶来的其它车辆，则存在撞车风险，因此需要在车辆处于靠边车道获取车辆前方的障碍物信息，根据障碍物信息判断车辆是否存在撞车危险。

若车辆存在撞车风险，则控制车辆靠边停车，并进入云端监控模式，通过云端监控所述车辆的位置信息、车道线信息、总线信息以及车载/路侧摄像头信息中的至少一者。此时云端不介入控制，是由于若为云端介入的云端控制模式，车辆在靠边车道，且前方有行人、迎面车辆，属于极端危险行为，在云端控制模式下将信息发送云端分析，再通过云端下发控制指令，可能存在延时问题，导致没能制止危险行为，因此不进入云端控制模式，仅控制车辆靠边停车，并进入云端监控模式。

因此，在这种状况下，优先进行车辆靠边停车，而车辆不存在撞车风险时，此时仅是车辆在靠边车道压线，但是前方没有行人和迎面车辆，这时终止驾驶员控制，并通过云端进行远程控制，云端下发制动指令给车辆，由车辆自动驾驶处理中心进行车辆制动的控制操作，使车辆靠边停车，提高车辆行驶安全性。

而且，由于云端介入控制时，终止了车端对车辆的控制，仅存在云端控制，因此在同一时间内，仅有一种控制中心对车辆进行控制，有效避免了多控制中心出现决策混乱引发安全事故的可能。

另外，在对车辆危险行为进行防护监控时，仅监控置信息、车道线信息、CAN总线信息以及车载/路侧摄像头信息等，不涉及车内摄像头，即不采集车内人员的人脸和声音等隐私信息，因而有效保障了车内驾驶员和乘客的信息安全。

其中，结合图2所示，对车辆危险行为的防控方法的判断逻辑进行介绍：

首先对车辆压线行为进行判断，若车辆压线，则判断为Y（是），执行“是否为靠边车道”的判断，若车辆未压线，则判断为N（否），并再次对车辆压线行为进行判断，即直到判断车辆压线，再进行“是否为靠边车道”的判断。当车辆压线时，说明车辆此时未行驶在车道正常范围内，可能存在危险，但需要进一步确定。

然后对“是否为靠边车道”进行判断，若为靠边车道，则判断为Y（是），执行“车辆所在车道前方是否有行人、迎面车辆等危险”的判断，若不为靠边车道，则判断为N（否），并控制车辆进入云端监控模式，在云端监控模式下，通过云端监控所述车辆的位置信息、车道线信息、总线信息以及车载/路侧摄像头信息中的至少一者，并且再次对车辆压线行为进行判断。当车辆处于靠边车道时，说明此时车辆处于危险驾驶状态，可能存在危险，但需要进一步确定。

之后对“车辆所在车道前方是否有行人、迎面车辆等危险”进行判断，若有危险，则判断为Y（是），此时处于极端危险情况，需要及时规避危险，因此控制车辆靠边停车，并进入云端监控模式，若无危险，则判断为N（否），车辆不存在撞车风险时，此时仅是车辆在靠边车道压线，但是前方没有行人和迎面车辆，但此时车辆处于危险驾驶状态，为了以防万一，终止驾驶员控制，并通过云端进行远程控制，云端下发制动指令给车辆，由车辆自动驾驶处理中心进行车辆制动的控制操作，使车辆靠边停车。

其中，结合图3所示，云端控制***（云控平台）包括：

1）全区域综合管理***：负责用户管理、设备管理、场景选择和配置；

2）车路协同交互层：负责车端和路侧设备信息交互；

3）算法与决策核心层：负责算法运算、决策制定；

4）监管监控层：面向监管者，进行定制化监管内容选择、配置等，并在算法与决策核心层中进行相应运算；

5）前端展示/控制层：负责面向云控平台监管者进行前端页面展示；

6）智能网联仿真***：为算法与决策核心层提供仿真环境，验证相应算法和决策效果。

其中，智能网联仿真***与数据中心关联，数据中心的数据来源包括车-路终端、GIS平台和第三方数据，其中，车-路终端包括车端和路侧，车端包括车机、车载OBU（车载单元）和车联网APP，路侧包括智慧灯杆、路侧视频和路侧激光雷达，用于车路协同交互。

其中，车端传感器以摄像头和定位装置为主，激光雷达和毫米波雷达为辅。路侧设备以摄像头为主，毫米波雷达为辅。

其中，当存在通信障碍导致车辆与云端失去联系时，通过车辆自身识别（车辆自动驾驶处理中心）和车路协同进行交互，无法进行云端算法分析，车辆利用自身原有的车辆自动驾驶处理中心或驾驶员自行判断是否需要靠边停车。

在本实施例中，当车辆处于危险状态下，根据危险程度不同分别采取云端监控模式和云端控制模式，有效提高了车辆行驶安全性；在同一时间内，仅有一种控制中心对车辆进行控制，有效避免了多控制中心出现决策混乱引发安全事故的可能；不采集车内人员的人脸和声音等隐私信息，因而有效保障了车内驾驶员和乘客的信息安全。

可选地，所述获取车辆压线信息，根据所述车辆压线信息判断所述车辆是否压线包括：通过所述车载摄像头和/或所述路侧摄像头识别车道线、车辆中心线以及所述车道线与所述车辆中心线之间的交汇点；计算所述车道线与所述车辆中心线之间的夹角，并计算所述交汇点与所述车辆之间的距离；当所述夹角小于第一阈值和/或所述距离小于第二阈值时，判定所述车辆压线，否则，所述车辆未压线。

具体地，在本实施例中，获取车辆压线信息，根据车辆压线信息判断车辆是否压线包括：通过车载摄像头和/或路侧摄像头识别车道线、车辆中心线以及车道线与车辆中心线之间的交汇点，例如采用霍夫变换算法在图像上进行识别，并计算车道线与车辆中心线之间的夹角，计算交汇点与车辆之间的距离，当夹角小于第一阈值和/或距离小于第二阈值时，说明车辆压线，否则车辆未压线。

在本实施例中，设置当车道线与车辆中心线之间的夹角小于第一阈值和/或交汇点与车辆之间的距离小于第二阈值时，车辆压线，提高了对车辆压线的检测判断精确度，进而有效提高了车辆行驶安全性。

可选地，所述根据所述车道信息判断所述车辆是否处于靠边车道包括：通过车载GPS对所述车辆所在的车道进行定位，将定位信息与地图GIS信息进行匹配，以确定所述车辆所在车道的车道数；通过所述车载摄像头和所述路侧摄像头确定所述车辆所在车道；根据所述车道数和所述车辆所在车道判断所述车辆是否处于靠边车道。

具体地，在本实施例中，由于通过车辆自身的定位装置，截至目前，难以做到车道级识别，因此主要通过视觉传感器+路网信息进行判别。根据车道信息判断车辆是否处于靠边车道包括：通过车载GPS对车辆所在的车道进行定位，将定位信息与地图GIS信息进行匹配，以确定车辆所在车道的车道数；通过车载摄像头和路侧摄像头确定车辆所在车道；根据车道数和车辆所在车道判断车辆是否处于靠边车道，例如车道数为三，若车辆所在车道为第一车道或第三车道，则判断车辆处于靠边车道。

在本实施例中，通过定位信息与地图GIS信息匹配确定车辆所在车道的车道数，以及通过车载摄像头和路侧摄像头确定车辆所在车道，进而通过车道数和车辆所在车道判断车辆是否处于靠边车道，提高了对车辆是否是靠边车道判断的准确性，进而有效提高了车辆行驶安全性。

可选地，所述将定位信息与地图GIS信息进行匹配，以确定所述车辆所在车道的车道数包括：将所述定位信息发送至所述云端，通过所述云端确定所述车辆所在车道的车道数；其中，所述云端适于在接收到定位信息后，将所述定位信息与所述地图GIS信息进行匹配，以确定所述车辆所在车道的第一车道数；其中，所述云端还适于调度所述路侧摄像头，通过所述路侧摄像头确定所述车辆所在车道的第二车道数，若所述第一车道数与所述第二车道数一致，则将所述第一车道数或所述第二车道数作为所述车辆所在车道的车道数，若所述第一车道数与所述第二车道数不一致，则将所述第二车道数作为所述车辆所在车道的车道数。

具体地，在本实施例中，将定位信息与地图GIS信息进行匹配，以确定车辆所在车道的车道数包括：例如采用车载GPS对车辆所在的车道进行定位，并将定位信息发送至云端；云端在接收到定位信息后，将定位信息与地图GIS信息进行匹配，获知车辆所在车道的车道数，此车道数为第一车道数，以及，将第一车道数发送给路侧视觉传感器，例如路侧摄像头；路侧视觉传感器对车辆所在车道的车道数进行监测，此车道数为第二车道数，并判断第二车道数与第一车道数是否一致，如果一致，则根据第一车道数或者第二车道数判定车辆所在的车道是否为靠边车道，如果不一致，则根据第二车道数判定车辆所在的车道是否为靠边车道，并将监控视频上传给云端，以便云端管理者肉眼确认。由于车载GPS和地图GIS信息确定的车道数可能由于数据未更新或其它问题而不准确，而路侧摄像头则能够直接对车辆所处的实际情况进行监控，因而确认的车道数应是准确的。

在本实施例中，通过在第一车道数与第二车道数不一致时，以路侧视觉传感器确定的第二车道数作为车辆所在车道的车道数，提高了对车道数判断的准确性，进而有效提高了车辆行驶安全性。

可选地，所述车辆危险行为的防控方法还包括：当所述车辆不处于靠边车道时，控制所述车辆进入所述云端监控模式。

具体地，在本实施例中，车辆危险行为的防控方法还包括：当车辆不处于靠边车道时，控制车辆进入云端监控模式。即车辆存在压线行为但车辆不处于靠边车道，此时车辆可能处于变道或其它进程中，但仍会对其它车辆的行驶造成困扰，也存在撞车的风险，因此需要对车辆状态进行监控，因此控制车辆进入云端监控模式，随时关注其位置和车辆行为动作，有效提高了车辆行驶安全性。

在本实施例中，通过设置当车辆存在压线行为但不处于靠边车道时，控制车辆进入云端监控模式，随时关注其位置和车辆行为动作，有效提高了车辆行驶安全性。

可选地，所述获取所述车辆前方的障碍物信息，根据所述障碍物信息判断所述车辆是否存在撞车危险包括：通过所述车载摄像头和所述路侧摄像头获取所述障碍物信息，当所述车载摄像头和所述路侧摄像头中至少一个判断所述车辆存在撞车危险时，判断所述车辆存在撞车危险。

具体地，在本实施例中，获取车辆前方的障碍物信息，根据障碍物信息判断车辆是否存在撞车危险包括：通过车载摄像头和路侧摄像头获取障碍物信息，当车载摄像头和路侧摄像头中至少一个判断车辆存在撞车危险时，判断车辆存在撞车危险。由于部分区域可能存在盲区，导致车载摄像头或路侧摄像头无法及时发现车辆存在撞车危险，因此设置当车载摄像头和路侧摄像头中至少一个判断车辆存在撞车危险时，判断车辆存在撞车危险，有效提高对撞车危险判断的准确性，进而有效提高了车辆行驶安全性。

在本实施例中，通过设置当车载摄像头和路侧摄像头中至少一个判断车辆存在撞车危险时，判断车辆存在撞车危险，有效提高对撞车危险判断的准确性，进而有效提高了车辆行驶安全性。

可选地，所述云端控制模式包括：接收所述云端发送的控制指令，以实现所述云端对所述车辆的控制。

具体地，在本实施例中，云端控制模式包括：云端可以发送控制指令至路侧单元，通过路侧单元将控制指令发送至车辆自动驾驶处理中心，终止车辆自动驾驶处理中心对于车辆的控制，通过云端接管车辆，此时车端控制失效，仅可以制动。云端介入控制时，终止了车端对车辆的控制，仅存在云端控制，因此在同一时间内，仅有一种控制中心对车辆进行控制，有效避免了多控制中心出现决策混乱引发安全事故的可能。

其中，路侧单元通常安装在路侧，用于与车载单元进行通讯，实现车辆身份识别以及电子扣分等功能的装置。在本实施例中，路侧单元作为云端控制指令的中转站，接收到云端发送的控制指令后再发送至车载单元，以使车辆自动驾驶处理中心接收到控制指令进而终止车辆自动驾驶处理中心对于车辆的控制。

在本实施例中，通过设置同一时间内，仅有一种控制中心对车辆进行控制，有效避免了多控制中心出现决策混乱引发安全事故的可能。

本发明另一实施例提供一种车辆危险行为的防控装置，包括：获取模块，所述获取模块用于获取车辆压线信息、车道信息以及障碍物信息；判断模块，用于根据所述车辆压线信息判断所述车辆是否压线，根据所述车道信息判断所述车辆是否处于靠边车道，以及根据所述障碍物信息判断所述车辆是否存在撞车危险；处理模块，用于当所述车辆存在撞车危险时，控制所述车辆靠边停车，并进入云端监控模式，以通过云端监控所述车辆的位置信息、车道线信息、总线信息以及车载/路侧摄像头信息中的至少一者，以及当所述车辆不存在撞车风险时，进入云端控制模式，以通过所述云端控制所述车辆靠边停车。所述车辆危险行为的防控装置与上述车辆危险行为的防控方法相对于现有技术所具有的优势相同，在此不再赘述。

本发明另一实施例提供一种车辆危险行为的防控***，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的车辆危险行为的防控方法。所述车辆危险行为的防控***与上述车辆危险行为的防控方法相对于现有技术所具有的优势相同，在此不再赘述。

本发明另一实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如上所述的车辆危险行为的防控方法。所述计算机可读存储介质与上述车辆危险行为的防控方法相对于现有技术所具有的优势相同，在此不再赘述。

虽然本发明公开披露如上，但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

Claims (10)

1.一种车辆危险行为的防控方法，其特征在于，包括：

获取车辆压线信息，根据所述车辆压线信息判断所述车辆是否压线；

当所述车辆压线时，获取所述车辆的车道信息，根据所述车道信息判断所述车辆是否处于靠边车道；

当所述车辆处于所述靠边车道时，获取所述车辆前方的障碍物信息，根据所述障碍物信息判断所述车辆是否存在撞车危险；

当所述车辆存在撞车危险时，控制所述车辆靠边停车，并进入云端监控模式，以通过云端监控所述车辆的位置信息、车道线信息、总线信息以及车载摄像头信息和路侧摄像头信息中的至少一者；当所述车辆不存在撞车风险时，进入云端控制模式，以通过所述云端控制所述车辆靠边停车。

2.根据权利要求1所述的车辆危险行为的防控方法，其特征在于，所述获取车辆压线信息，根据所述车辆压线信息判断所述车辆是否压线包括：

通过所述车载摄像头和/或所述路侧摄像头识别车道线、车辆中心线以及所述车道线与所述车辆中心线之间的交汇点；

计算所述车道线与所述车辆中心线之间的夹角，并计算所述交汇点与所述车辆之间的距离；

当所述夹角小于第一阈值和/或所述距离小于第二阈值时，判定所述车辆压线，否则，所述车辆未压线。

3.根据权利要求1所述的车辆危险行为的防控方法，其特征在于，所述根据所述车道信息判断所述车辆是否处于靠边车道包括：

通过车载GPS对所述车辆所在的车道进行定位，将定位信息与地图GIS信息进行匹配，以确定所述车辆所在车道的车道数；

通过所述车载摄像头和所述路侧摄像头确定所述车辆所在车道；

根据所述车道数和所述车辆所在车道判断所述车辆是否处于靠边车道。

4.根据权利要求3所述的车辆危险行为的防控方法，其特征在于，所述将定位信息与地图GIS信息进行匹配，以确定所述车辆所在车道的车道数包括：

将所述定位信息发送至所述云端，通过所述云端确定所述车辆所在车道的车道数；

其中，所述云端适于在接收到定位信息后，将所述定位信息与所述地图GIS信息进行匹配，以确定所述车辆所在车道的第一车道数；

其中，所述云端还适于调度所述路侧摄像头，通过所述路侧摄像头确定所述车辆所在车道的第二车道数，若所述第一车道数与所述第二车道数一致，则将所述第一车道数或所述第二车道数作为所述车辆所在车道的车道数，若所述第一车道数与所述第二车道数不一致，则将所述第二车道数作为所述车辆所在车道的车道数。

5.根据权利要求1所述的车辆危险行为的防控方法，其特征在于，还包括：

当所述车辆不处于靠边车道时，控制所述车辆进入所述云端监控模式。

6.根据权利要求1所述的车辆危险行为的防控方法，其特征在于，所述获取所述车辆前方的障碍物信息，根据所述障碍物信息判断所述车辆是否存在撞车危险包括：

通过所述车载摄像头和所述路侧摄像头获取所述障碍物信息，当所述车载摄像头和所述路侧摄像头中至少一个判断所述车辆存在撞车危险时，判断所述车辆存在撞车危险。

7.根据权利要求1所述的车辆危险行为的防控方法，其特征在于，所述云端控制模式包括：

接收所述云端发送的控制指令，以实现所述云端对所述车辆的控制。

8.一种车辆危险行为的防控装置，其特征在于，包括：

获取模块，所述获取模块用于获取车辆压线信息、车道信息以及障碍物信息；

判断模块，用于根据所述车辆压线信息判断所述车辆是否压线，根据所述车道信息判断所述车辆是否处于靠边车道，以及根据所述障碍物信息判断所述车辆是否存在撞车危险；

处理模块，用于当所述车辆存在撞车危险时，控制所述车辆靠边停车，并进入云端监控模式，以通过云端监控所述车辆的位置信息、车道线信息、总线信息以及车载摄像头信息和路侧摄像头信息中的至少一者，以及当所述车辆不存在撞车风险时，进入云端控制模式，以通过所述云端控制所述车辆靠边停车。

9.一种车辆危险行为的防控***，其特征在于，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如权利要求1至7任一项所述的车辆危险行为的防控方法。

10.一种计算机可读存储介质，其特征在于，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读取并运行时，实现如权利要求1至7任一项所述的车辆危险行为的防控方法。

Images