CN115063980A - 一种自适应车辆异常行驶检测方法、装置及终端设备 - Google Patents
一种自适应车辆异常行驶检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN115063980A CN115063980A CN202210492957.7A CN202210492957A CN115063980A CN 115063980 A CN115063980 A CN 115063980A CN 202210492957 A CN202210492957 A CN 202210492957A CN 115063980 A CN115063980 A CN 115063980A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- overspeed
- abnormal
- running
- threshold value
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 201
- 238000001514 detection method Methods 0.000 title claims abstract description 113
- 230000004927 fusion Effects 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims description 30
- 230000003044 adaptive effect Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 22
- 238000009499 grossing Methods 0.000 claims description 10
- 239000003205 fragrance Substances 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 206010039203 Road traffic accident Diseases 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material 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
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于车辆监测技术领域，提供了一种自适应车辆异常行驶检测方法、装置及终端设备，方法包括：采集每个车辆的车辆融合信息，根据车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值，根据车辆融合信息和异常行驶速度阈值计算得到车辆异常行驶综合概率，根据车辆异常行驶综合概率确定车辆异常行驶状态检测结果，在检测到车辆处于异常行驶状态时生成告警信息并发送至目标终端。本申请通过雷射一体化天线基于车型、车道自适应调整对应异常行驶速度阈值，综合确定车辆异常检测结果，减少由于车辆故障等内部因素或由于恶劣天气、交通事故等外部因素造成的检测结果异常的情况，提高车辆异常检测结果的精度和稳定性。
Description
技术领域
本申请属于车辆监测技术领域，尤其涉及一种自适应车辆异常行驶检测方法、装置及终端设备。
背景技术
随着社会的高速发展，城市内车辆数量激增，城市交通的安全隐患也越来越多。
其中，由于驾驶员异常驾驶车辆带来的安全问题的占比较大。因此，需要对车辆行驶状态进行实时监测，减少安全隐患。
相关的车辆异常行驶监测方法通常是通过多种传感器采集到的传感数据检测车辆行驶速度是否超过(或低于)预设速度阈值，检测车辆是否处于异常行驶状态。
然而上述方法的检测结果容易受到车辆内部因素(如车辆发生故障等)外部环境因素(如恶劣天气或者发生交通事故时)的影响，使得检测结果的精度和稳定性不高。
发明内容
本申请实施例提供了一种自适应车辆异常行驶检测方法、装置、终端设备及可读存储介质，可以解决相关的车辆异常行驶监测方法的检测结果精度不高、稳定性差的问题。
第一方面，本申请实施例提供了一种自适应车辆异常行驶检测方法，应用于雷射一体化天线，在行车方向上每两个相邻的雷射一体化天线间通信连接；
所述自适应车辆异常行驶检测方法，包括：
采集每个车辆的车辆融合信息；所述车辆融合信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比、车型信息、车牌信息及行车方向；
根据所述车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值；异常行驶速度阈值包括超速阈值和慢速阈值；
根据所述车辆融合信息和所述异常行驶速度阈值计算得到车辆异常行驶综合概率；
根据所述车辆异常行驶综合概率确定所述车辆是否处于异常行驶状态的检测结果；
在检测到所述检测结果为所述车辆处于异常行驶状态时，生成告警信息并发送至目标终端。
第二方面，本申请实施例提供了一种自适应车辆异常行驶检测装置，应用于雷射一体化天线，在行车方向上每两个相邻的雷射一体化天线间通信连接；
所述自适应车辆异常行驶检测装置，包括：
信息采集模块，用于采集每个车辆的车辆融合信息；所述车辆融合信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比、车型信息、车牌信息及行车方向；
阈值确定模块，用于根据所述车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值；异常行驶速度阈值包括超速阈值和慢速阈值；
概率确定模块，用于根据所述车辆融合信息和所述异常行驶速度阈值计算得到车辆异常行驶综合概率；
异常检测模块，用于根据所述车辆异常行驶综合概率确定所述车辆是否处于异常行驶状态的检测结果；
告警模块，用于在检测到所述检测结果为所述车辆处于异常行驶状态时，生成告警信息并发送至目标终端。
第三方面，本申请实施例提供了一种终端设备，包括射频模块、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，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的自适应车辆异常行驶检测方法。
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，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的自适应车辆异常行驶检测方法。
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自适应车辆异常行驶检测方法。
本申请实施例与现有技术相比存在的有益效果是：通过雷射一体化天线采集车辆融合信息，基于车辆融合信息自适应确定与车辆的车型和车道对应的异常行驶速度阈值，并计算车辆异常行驶综合概率，确定车辆是否处于异常行驶的检测结果，实现基于不同车型、不同车道及不同环境下自适应调整对应的异常行驶速度阈值，减小车辆内部因素及外部因素对车辆异常检测结果的影响，提高车辆异常检测结果的精度和稳定性。
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。
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是本申请实施例提供的自适应车辆异常行驶检测***的示意图；
图2是本申请实施例提供的自适应车辆异常行驶检测方法的流程示意图；
图3是本申请实施例提供的道路上雷射一体化天线的示意图；
图4是本申请实施例提供的自适应车辆异常行驶检测装置的结构示意图；
图5是本申请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。
本申请实施例提供的自适应车辆异常行驶检测方法可以应用于雷射一体化天线等终端设备上，在行车方向上每两个相邻的雷射一体化天线间通信连接。本申请实施例对终端设备的具体类型不作任何限制。
近年来，城市交通的安全隐患越来越多，其中，由于驾驶员异常驾驶车辆带来的安全问题的占比较大。而相关的车辆异常行驶监测方法存在检测结果精度不高、稳定性差的问题。为解决这一问题，本申请提出了一种自适应车辆异常行驶检测方法、自适应车辆异常行驶检测装置、终端设备及计算机可读存储介质，可在车辆行驶过程中，通过雷射一体化天线采集车辆融合信息，基于车辆融合信息自适应确定与车道和车型对应的异常行驶速度阈值，从而检测车辆是否处于异常行驶状态，实现自适应地、基于不同车型、不同车道动态调整对应异常行驶速度阈值，提高车辆异常检测结果的精度和稳定性。
为实现本申请所提出的技术方案，可先构建一自适应车辆异常行驶检测***。请参阅图1，该自适应车辆异常行驶检测***由一个以上的雷射一体化天线(图1中仅示出4个)及至少一个的车辆(图1中仅示出2个，每个车辆上均安装有OBU)构成，在行车方向上每两个相邻的雷射一体化天线间通信连接(图1中雷射一体化天线1与雷射一体化天线2通信连接，雷射一体化天线3与雷射一体化天线4通信连接)，雷射一体化天线通过其内置RSU基于专用短程通信技术(Dedicated Short Range Communications，DSRC)与行车方向上的车辆的OBU通信。
其中，雷射一体化天线为能够通过射频信号采集车辆融合信息，并基于车辆融合信息提供车辆异常行驶检测功能的检测设备，雷射一体化天线中内置RSU为通过与车辆上的OBU通信，确定车辆身份信息的识别设备。在车辆行驶的过程中，雷射一体化天线对射频信号、内置RSU确定的车辆身份信息进行融合处理得到车辆融合信息，基于车辆融合信息自适应地、动态地确定与每个车辆的车型和车道对应的异常行驶阈值(包括超速阈值和慢速阈值)，并基于车辆融合信息和异常行驶阈值计算确定车辆超速行驶或慢速行驶的概率，从而确定车辆是否处于超速行驶或慢速行驶状态的检测结果，基于检测结果生成对应的告警信息。
为了说明本申请所提出的技术方案，下面通过具体实施例来进行说明。
图2示出了本申请提供的自适应车辆异常行驶检测方法的示意性流程图，作为示例而非限定，该方法可以应用于雷射一体化天线中。
S101、采集每个车辆的车辆融合信息；所述车辆融合信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比、车型信息、车牌信息及行车方向。
具体地，预先在公共交通道路(包括但不限于高速公路上)，每隔预设距离(可根据实际需求进行具体设定，如100m或200m)部署一根侧杆或者一个门架，每个雷射一体化天线安装于一个侧杆/门架上，在同一行车方向上的每两个相邻的雷射一体化天线间通信连接。同时对每个雷射一体化天线进行初始化，配置雷射一体化天线的参数(包括但不限于雷射一体化天线的ID、IP地址、通信端口雷射一体化天线的经纬度位置、雷射一体化天线的正波束指向绝对坐标矢量、覆盖路段的ID、覆盖路段的行车方向、射频频点、带宽、射频发射功率、绑定区位置及***参数)来实现对全路段的全覆盖，同时对当前路段上、当前车流方向上的所有雷射一体化天线进行时空同步操作，使各雷射一体化天线的数据采集坐标***一或可统一(即直接将各雷射一体化天线的数据采集坐标系配置统一或者配置坐标系转换矩阵)，使各雷射一体化天线的计时器同步，使所有雷射一体化天线之间具备低时延通信以及时间同步功能。
具体地，基于行车方向及每个雷射一体化天线的位置信息，确定每个雷射一体化天线的通信等级及对应的通信对象。通信等级低的雷射一体化天线，向与其相邻的、通信等级高的雷射一体化天线发送检测结果及对应的告警信息。主要表示为：与行车方向对应的道路入口处的雷射一体化天线的通信等级最低，与行车方向对应的道路出口处的通信等级最高，由道路入口处到出口处间的雷射一体化天线的通信等级逐个升高。依次实现道路上的全路段全覆盖，并实时监测确定当前路段内的车辆是否处于超速或慢速行驶状态。
图3示例性的示出了一种道路上雷射一体化天线的示意图；
图3中的道路行车方向为从左向右行驶，对应的由左侧入口处的雷射一体化天线4、中间的雷射一体化天线5到右侧出口处的雷射一体化天线6的通信等级逐个升高，也即雷射一体化天线4通信等级<雷射一体化天线5通信等级<雷射一体化天线6通信等级；对应的雷射一体化天线4向雷射一体化天线5发送检测结果及对应的告警信息，雷射一体化天线5向雷射一体化天线6发送检测结果及对应的告警信息。
具体地，预先通过镭射融合技术采集确定当前道路上、当前行车方向上满足预设范围的每个车辆的车辆融合信息，车辆融合信息包括但不限于车辆的ID、车辆行驶速度、车辆位置信息、车辆与当前雷射一体化天线的相对距离、车辆的信噪比、行车方向、车型信息及车牌信息。其中，预设范围可根据行车方向和当前雷射一体化天线与相邻雷射一体化天线之间的距离确定。预设范围具体为从当前雷射一体化天线的位置开始，到在当前行车方向上且与当前雷射一体化天线间距离最近的一个雷射一体化天线(也即相邻的两个雷射一体化天线)之间的区域。
例如，图3中的道路行车方向为从左向右行驶，雷射一体化天线4位于道路入口处，雷射一体化天线4需要采集从道路入口处(即雷射一体化天线14所在位置)到雷射一体化天线5之间的区域内每个车辆的车辆融合信息，雷射一体化天线5需要采集从雷射一体化天线5的位置到雷射一体化天线6之间的区域内每个车辆的车辆融合信息。
S102、根据所述车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值；异常行驶速度阈值包括超速阈值和慢速阈值。
具体地，根据道路交通安全规范，不同类型的车辆、不同车道上均具有不同的车辆限制速度(最高限制速度和最低限制速度，以下简称为超速阈值和慢速阈值)。因此，首先根据车辆融合信息确定每个车辆的车道和车型，基于每个车辆的车道和车型自适应确定与该车辆对应的异常行驶速度阈值。异常行驶速度阈值包括超速阈值和慢速阈值。
S103、根据所述车辆融合信息和所述异常行驶速度阈值计算得到车辆异常行驶综合概率。
具体地，根据车辆融合信息和异常行驶速度阈值计算确定车辆的横向异常行驶概率和运动平滑概率，通过横向异常行驶概率和运动平滑概率计算确定车辆异常行驶综合概率。其中，横向异常行驶概率是指基于车辆与当前路段上总体车流速度间的偏离程度计算确定的异常行驶概率；运动平滑概率是指基于车辆自身的速度平滑程度计算确定的异常行驶概率。
S104、根据所述车辆异常行驶综合概率确定所述车辆是否处于异常行驶状态的检测结果。
具体地，根据车辆异常行驶综合概率和预设车辆异常行驶综合概率阈值，确定车辆是否处于超速行驶状态的第一检测结果或者车辆是否处于慢速行驶状态的第二检测结果。
S105、在检测到所述检测结果为所述车辆处于异常行驶状态时，生成告警信息并发送至目标终端。
具体地，在检测到车辆的检测结果为车辆处于超速行驶状态时，生成超速告警信息，并发送至目标终端。在检测到车辆的检测结果为车辆处于慢速行驶状态时，生成慢速告警信息，并发送至目标终端。其中，目标终端为预先设定的用于接收告警信息的终端设备，包括但不限于通信等级高于当前雷射一体化天线的其他雷射一体化天线、上述处于异常行驶状态的车辆的车载设备和车主的移动终端以及当前路段上的其他车辆的车载设备和车主的移动终端等。告警信息包括但不限于车辆ID、车牌信息、车道信息、车辆行驶速度、车辆位置信息以及车辆处于异常行驶状态的语音和/或文字信息。
基于车辆融合信息针对不同车道和车型，动态的调整车辆对应的超速阈值和慢速阈值，能够避免在恶劣天气、交通事故等外部因素影响下，或者在由于车辆故障等内部因素的影响下，错误判定车辆超速或慢行的检测结果。准确检测出不同环境下，不同车辆在不同车道上的异常行驶概率，提高了车辆异常检测结果的精度和稳定性。
在一个实施例中，所述根据所述车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值，包括：
获取***参数；所述***参数包括横向系数、纵向系数、纵向帧数、速度精度、标准距离、最大信噪比、纵向模型标准差、与每个车型对应的车型初始超速阈值、与每个车道对应的车道初始超速阈值、与每个车型对应的车型初始慢速阈值、与每个车道对应的车道初始慢速阈值、阈值更新系数、横向模型标准差、预设车辆异常行驶综合概率阈值、预设超速行驶置信度阈值及预设慢速行驶置信度阈值；
根据所述车辆融合信息确定每个车辆所在的目标车道和目标车型；
确定与每个目标车道对应的目标车道初始超速阈值和目标车道初始慢速阈值，以及与每个目标车型对应的目标车型初始超速阈值和目标车型初始慢速阈值；
根据每个车辆的车辆行驶速度、目标车道初始超速阈值和目标车型初始超速阈值，计算确定车辆平均超速系数；
根据每个车辆的车辆行驶速度、目标车道初始慢速阈值和目标车型初始慢速阈值，计算确定车辆平均慢速系数；
根据所述车辆平均超速系数和所述目标车道超速阈值，计算得到车道超速阈值；
根据所述车辆平均超速系数和所述目标车型超速阈值，计算得到车型超速阈值；
根据所述车辆平均慢速系数和所述目标车道慢速阈值，计算得到车道慢速阈值；
根据所述车辆平均慢速系数和所述目标车型慢速阈值，计算得到车型慢速阈值；
在所述车道超速阈值、所述车型超速阈值、所述车道慢速阈值及车所述型慢速阈值中，选取满足预设条件的超速阈值和慢速阈值。
具体地，确定初始化后的雷射一体化天线的***参数。***参数包括但不限于横向系数、纵向系数、纵向帧数、速度精度、标准距离、最大信噪比、纵向模型标准差、与每个车型对应的车型初始超速阈值、与每个车道对应的车道初始超速阈值、与每个车型对应的车型初始慢速阈值、与每个车道对应的车道初始慢速阈值、阈值更新系数、横向模型标准差、预设车辆异常行驶综合概率阈值、预设超速行驶置信度阈值及预设慢速行驶置信度阈值。
其中，横向系数α为计算横向异常行驶概率的权重，纵向系数β计算运动平滑概率的权重，可以通过当前路段上的历史车辆行驶速度拟合确定(即选定拟合出的检测准确率最高的参数)，或采用机器学***滑概率时需要的历史车辆行驶速度的时间段越长。由于检测车辆异常行驶状态主要需要确定车辆在超速/低速前几秒的速度变化平缓程度，因此N无需设定过大值，一般设定N∈[50，100]。速度精度Δv用于对历史车辆行驶速度进行区间划分，确定历史车辆行驶速度在各区间内的概率，过大或过小会导致上述概率分布不均，一般设定Δv∈[0.2，5]km/h。标准距离为在检测到最大信噪比SNRmax时刻下，车辆与雷射一体化天线的距离，一般设定SNRmax∈[10m，100m]。可通过当前路段上，历史车辆行驶速度拟合选取运动平滑概率检测最准确的数值，作为纵向模型标准差；横向模型标准差可确定车辆异常行驶检测结果的灵敏度，横向模型标准差越小，检测超速低速时的灵敏度越高，设定横向模型标准差∈(2km/h，5km/h)。每个车型的正常平均速度系数＝(当前路段对应车型的历史车辆平均行驶速度)/Hs、每个车道的正常平均速度系数＝(当前路段对应车道的历史车辆平均行驶速度)/Hs。根据道路交通规范确定与每个车型对应的车型初始超速阈值、与每个车道对应的车道初始超速阈值、与每个车型对应的车型初始慢速阈值、与每个车道对应的车道初始慢速阈值。阈值更新系数越低，异常行驶速度阈值迭代的灵敏度越高，因此设定阈值更新系数∈(0，0.2]。预设车辆异常行驶综合概率阈值Ps越低，异常行驶状态检测的灵敏度越高，检测精度越低，因此设定预设车辆异常行驶综合概率阈值Ps∈[0.7，0.9]；预设超速行驶置信度阈值ks1(或预设慢速行驶置信度阈值ks2)越大，异常行驶状态检测的灵敏度越低，因此设定预设超速行驶置信度阈值ks1(或预设慢速行驶置信度阈值ks2)∈[10，50]。
具体地，根据车辆融合信息中的车型信息、车辆位置信息、车辆ID等内容，确定当前检测到的每个车辆所在的目标车道和目标车型。根据***参数，确定与每个车辆的目标车道对应的目标车道初始超速阈值和目标车道初始慢速阈值，以及与每个车辆的目标车型对应的目标车型初始超速阈值和目标车型初始慢速阈值。根据每个车辆的车辆行驶速度、目标车道初始超速阈值和目标车型初始超速阈值，计算确定车辆平均超速系数。根据每个车辆的车辆行驶速度、目标车型初始慢速阈值和目标车道初始慢速阈值，计算确定车辆平均慢速系数。
具体地，车辆平均超速系数ζ_Ls和车辆平均慢速系数ζ_Hs的计算方法如下：
其中，vi表示车辆行驶速度，Lsi表示车道/车型初始慢速阈值，Hsi表示车道/车型初始慢速阈值，n表示车辆数量。
具体地，根据车辆平均超速系数和目标车道超速阈值，计算得到车道超速阈值。根据车辆平均超速系数和目标车型超速阈值，计算得到车型超速阈值。根据车辆平均慢速系数和目标车道慢速阈值，计算得到车道慢速阈值。根据车辆平均慢速系数和目标车型慢速阈值，计算得到车型慢速阈值。在车道超速阈值、车型超速阈值、车道慢速阈值及车型慢速阈值中，选取满足预设条件的超速阈值和慢速阈值。
具体地，车道超速阈值、车型超速阈值、车道慢速阈值及车型慢速阈值的计算方法如下：
Hs*＝Hs·[1+bln(1+ζ_Hs-ζ0)] (公式2)
其中，Ls*表示车道/车型慢速阈值；Hs*表示车道/车型超速阈值；a表示横向系数，b表示纵向系数，ζ0表示车道/车型正常平均速度系数。
在本实施例中，在检测到车辆平均超速系数ζ_Ls大于1，或车辆平均慢速系数ζ_Hs小于正常系数ζ0时，保持初始超速/慢速阈值不变(即无需通过上述公式2计算确定对应的超速或慢速阈值)。
通过每个车辆的车型和每个车道上的整体车速，动态的调整每个车辆所在车道的超速阈值和慢速阈值，精准区分在不同天气情况下、不同交通状态(包括拥堵或通常)下的车辆异常行驶事件与正常行驶事件，提高了车辆异常行驶的检测精度和稳定性。
例如，在正常天气下，公共交通道路上所有车辆均以正常车速行驶，对应基于正常车速调整异常行驶速度阈值，在检测到某车辆行驶速度低于正常行驶速度时，确定该车辆为慢速行驶；或者，在由于车辆堵塞或雨雪雾等恶劣天气等因素造成公共交通道路上所有车辆均以慢速行驶时，对应基于车流整体慢速来动态调整异常行驶速度阈值，在检测到某车辆的行驶速度高于调整后的超速阈值或低于调整后的慢速阈值时，判定该车辆为超速或慢速行驶状态。精准检测不同环境下，车辆的超速或慢速行驶状态。或者，基于公共交通道路上的整体车流行驶速度动态调整异常行驶速度后，某个车辆由于内部故障，导致检测出该车辆的行驶速度高于调整后的超速阈值或低于调整后的慢速阈值时，判定该车辆为超速或慢速行驶状态。
在一个实施例中，所述在所述车道超速阈值、所述车型超速阈值、所述车道慢速阈值及车所述型慢速阈值中，选取满足预设条件的超速阈值和慢速阈值，包括：
在检测到所述车道超速阈值小于或等于所述车型超速阈值时，选取所述车道超速阈值作为满足预设条件的超速阈值；
或者，在检测到所述车型超速阈值小于或等于所述车道超速阈值时，选取所述车道超速阈值作为满足预设条件的超速阈值；
在检测到所述车道慢速阈值大于或等于所述车型慢速阈值时，选取所述车道慢速阈值作为满足预设条件的慢速阈值；
或者，在检测到所述车型慢速阈值大于或等于所述车道慢速阈值时，选取所述车型慢速阈值作为满足预设条件的慢速阈值。
具体地，基于不同车道和不同车型具有不同数值的超速阈值或慢速阈值，为提高异常行驶状态的检测结果精度，预先设定预设条件为选取数值最大的慢速阈值及数值最小的超速阈值。对应的，在检测到车道超速阈值小于或等于车型超速阈值时，选取车道超速阈值作为满足预设条件的超速阈值；或者，在检测到车型超速阈值小于或等于车道超速阈值时，选取车型超速阈值作为满足预设条件的超速阈值。并且，在检测到车道慢速阈值大于或等于车型慢速阈值时，选取车道慢速阈值作为满足预设条件的慢速阈值；或者，在检测到车型慢速阈值大于或等于车道慢速阈值时，选取车型慢速阈值作为满足预设条件的慢速阈值。
例如，车道超速阈值为120km/h，车型超速阈值为130km/h，选择120km/h作为超速阈值。车道慢速阈值为60km/h，车型慢速阈值为40km/h，选择60km/h作为慢速阈值。
在一个实施例中，根据所述车辆融合信息和所述异常行驶速度阈值计算得到车辆异常行驶综合概率，包括：
根据所述车辆的行驶速度和所述异常行驶速度阈值，确定所述车辆的横向异常行驶概率；
根据所述车辆与所述雷射一体化天线的相对距离以及所述信噪比，确定所述车辆的运动平滑概率；
根据所述横向异常行驶概率和所述运动平滑概率，计算得到车辆异常行驶综合概率。
具体地，根据车辆的行驶速度和异常行驶速度阈值的比较结果，确定当前车辆可能处于超速行驶状态还是慢速行驶状态，并根据上述比较结果，将车辆的行驶速度和异常行驶速度阈值输入至对应的横向正态分布模型中，确定车辆的横向超速行驶概率或者车辆的横向慢速行驶概率(即车辆的横向异常行驶概率P1)。在基于上述比较结果确定车辆可能处于异常行驶状态时，将车辆与雷射一体化天线的相对距离以及信噪比输入至纵向正态分布模型中，得到运动平滑概率P2。通过对横向异常行驶概率和运动平滑概率计算，得到车辆异常行驶综合概率。从而根据车辆异常行驶综合概率，确定车辆是否处于超速行驶状态还是慢速行驶状态的检测结果。
在一个实施例中，在检测到车辆的行驶速度大于或等于慢速阈值且小于或等于超速阈值时，判定该车辆处于正常行驶状态。
具体地，车辆异常行驶综合概率计算方法可表示为：
P＝α·P1+β·P2 (公式3)
在一个实施例中，若车辆速度不超过超速阈值或者不低于慢速阈值，则判定该车辆并未出现超速/慢行行驶状态，将该车辆的超速置信度kH与慢行置信度kL分别减1(超速置信度和慢速置信度的最小值为0)。
在一个实施例中，所述根据所述车辆的行驶速度和所述异常行驶速度阈值，确定所述车辆的横向异常行驶概率，包括：
在检测到所述车辆的车辆行驶速度大于所述超速阈值时，将所述车辆行驶速度输入至第一横向正态分布模型中，得到横向超速行驶概率；所述第一横向正态分布模型的标准差为所述横向模型标准差，均值为所述超速阈值；
在检测到所述车辆的车辆行驶速度小于所述慢速阈值时，将所述车辆行驶速度输入至第二横向正态分布模型中，得到横向慢速行驶概率；所述第二横向正态分布模型为的标准差为所述横向模型标准差，均值为所述慢速阈值。
具体地，车辆的横向异常行驶概率包括横向超速行驶概率或者横向慢速行驶概率。在检测到车辆的车辆行驶速度大于超速阈值时，判定车辆可能处于超速行驶状态，将车辆行驶速度输入至标准差为横向模型标准差，均值为超速阈值的第一横向正态分布模型中，得到横向超速行驶概率。或者，在检测到车辆的车辆行驶速度小于慢速阈值时，判定车辆可能处于慢速行驶状态，将车辆行驶速度输入至标准差为横向模型标准差，均值为慢速阈值的第二横向正态分布模型中，得到横向慢速行驶概率。
在一个实施例中，所述根据所述车辆与所述雷射一体化天线的相对距离以及信噪比，确定所述车辆的运动平滑概率，包括：
获取所述纵向帧数的历史车辆行驶速度；
基于所述速度精度对所述历史车辆行驶速度进行分区，得到多个速度区间；
根据车辆与所述雷射一体化天线的相对距离、所述标准距离、每个车辆的车辆行驶速度在每个速度区间内的信噪比平均值及所述最大信噪比，计算得到速度拓展香浓熵；
将速度拓展香浓熵输入至纵向正态分布模型中，得到运动平滑概率；所述纵向正态分布模型的均值为零，标准差为纵向模型标准差。
具体地，获取当前路段上，纵向帧数的历史车辆行驶速度(历史车辆行驶速度为位于当前帧之前采集到的车辆行驶速度)。基于速度精度和纵向帧数对历史车辆行驶速度进行分区，得到多个速度区间，确定每个车辆的车辆行驶速度为位于每个速度区域的概率pvi，从而确定每个车辆的车辆行驶速度在每个速度区间内的信噪比平均值。根据车辆与雷射一体化天线的相对距离、标准距离、每个车辆的车辆行驶速度在每个速度区间内的信噪比平均值及最大信噪比，计算得到速度拓展香浓熵，将速度拓展香浓熵输入至均值为零，标准差为纵向模型标准差的纵向正态分布模型中，得到运动平滑概率。
首先，基于车辆与雷射一体化天线的距离Ri，标准距离Rb及每个速度区间内的信噪比平均值确定每个车辆的信噪比；
其中，
表示每个车辆的信噪比，SNRi表示每个速度区间内的信噪比平均值。
然后以每个车辆的信噪比
和最大信噪比SNRmax的比值
为权重，计算基于信噪比置信度的速度的拓展香浓熵S：
在一个实施例中，所述根据所述车辆异常行驶综合概率确定所述车辆是否处于异常行驶状态的检测结果，包括：
根据所述车辆异常行驶综合概率和预设车辆异常行驶综合概率阈值，确定车辆的超速行驶置信度和慢速行驶置信度；
在检测到所述超速行驶置信度大于预设超速行驶置信度阈值时，确定所述车辆处于超速行驶状态的第一检测结果；
在检测到所述慢速行驶置信度大于预设慢速行驶置信度阈值时，确定所述车辆处于超速行驶状态的第二检测结果。
具体地，若车辆异常行驶综合概率P大于预设车辆异常行驶综合概率阈值Ps，则判定该车辆正在超速/慢速行驶，将超速置信度kH或慢速置信度kL加1；否则，将超速置信度kH或慢速置信度kL减1。
具体地，在检测到超速行驶置信度kH大于预设超速行驶置信度阈值ks1时，判定该车辆正在超速行驶，需要对该车辆进行超速告警，确定车辆处于超速行驶状态的第一检测结果；在检测到慢速行驶置信度kL大于预设慢速行驶置信度阈值ks2时，判定该车辆正在慢速行驶，需要对该车辆进行慢速告警，确定车辆处于超速行驶状态的第二检测结果。
在一个实施例中，所述在检测到所述检测结果为所述车辆处于异常行驶状态时，生成告警信息并发送至目标终端，包括：
在检测到所述检测结果为第一检测结果时，生成超速告警信息并发送至目标终端；
在检测到所述检测结果为第二检测结果时，生成慢速告警信息并发送至目标终端。
具体地，在检测到检测结果为第一检测结果时，生成包括车辆ID、车辆位置信息、车牌信息、车型信息、车辆行驶速度以及车辆处于超速行驶等内容的超速告警信息并发送至目标终端。或者，在检测到检测结果为第二检测结果时，生成包括车辆ID、车辆位置信息、车牌信息、车型信息、车辆行驶速度以及车辆处于慢速行驶等内容的慢速告警信息并发送至目标终端。并且通过雷射一体化天线将上述超速或慢速告警信息广播给当前路段上的所有车辆。或者，设定每个雷射一体化天线均与外部RSU通信连接，基于上述外部RSU设备将上述超速或慢速告警信息发送至给当前路段上的所有车辆的OBU设备。
在一个实施例中，每个所述雷射一体化天线包含一个内置RSU；
所述采集每个车辆的车辆融合信息，包括：
通过雷达回波信号确定每个车辆的车辆轨迹信息；所述车辆轨迹信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比及车牌信息；
通过所述内置RSU确定每个车辆的车辆身份信息；所述车辆身份信息包括车辆的ID、车型信息及车牌信息；
对所述车辆轨迹信息和车辆身份信息进行匹配融合处理，得到车辆融合信息。
具体地，设定雷射一体化天线按照预设周期发送雷达射频信号，并根据检测到的雷达回波信号确定每个车辆的车辆轨迹信息(包括但不限于车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比、行车方向及车牌信息)，通过内置RSU与车辆OBU通信，采集获得每个车辆的车辆身份信息(包括但不限于车辆的ID、行车方向、车型信息及车牌信息)，基于车辆的ID、行车方向及车牌信息等内容对车辆轨迹信息和车辆身份信息进行匹配融合处理，得到车辆融合信息，实现车辆轨迹和车辆身份信息的一对一绑定。
本实施例通过雷射一体化天线采集车辆融合信息，基于车辆融合信息自适应确定与车辆的车型和车道对应的异常行驶速度阈值，并计算车辆异常行驶综合概率，确定车辆是否处于异常行驶的检测结果，实现基于不同车型、不同车道及不同环境下自适应调整对应的异常行驶速度阈值，减小车辆内部因素及外部因素对车辆异常检测结果的影响，提高车辆异常检测结果的精度和稳定性。
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自适应车辆异常行驶检测方法，图4示出了本申请实施例提供的自适应车辆异常行驶检测装置的结构框图，自适应车辆异常行驶检测装置应用于雷射一体化天线，在行车方向上每两个相邻的雷射一体化天线间通信连接。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4，该自适应车辆异常行驶检测装置100包括：
信息采集模块101，用于采集每个车辆的车辆融合信息；所述车辆融合信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比、车型信息、车牌信息及行车方向；
阈值确定模块102，用于根据所述车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值；异常行驶速度阈值包括超速阈值和慢速阈值；
概率确定模块103，用于根据所述车辆融合信息和所述异常行驶速度阈值计算得到车辆异常行驶综合概率；
异常检测模块104，用于根据所述车辆异常行驶综合概率确定所述车辆是否处于异常行驶状态的检测结果；
告警模块105，用于在检测到所述检测结果为所述车辆处于异常行驶状态时，生成告警信息并发送至目标终端。
在一个实施例中，所述阈值确定模块，包括：
参数获取单元，用于获取***参数；所述***参数包括横向系数、纵向系数、纵向帧数、速度精度、标准距离、最大信噪比、纵向模型标准差、与每个车型对应的车型初始超速阈值、与每个车道对应的车道初始超速阈值、与每个车型对应的车型初始慢速阈值、与每个车道对应的车道初始慢速阈值、阈值更新系数、横向模型标准差、预设车辆异常行驶综合概率阈值、预设超速行驶置信度阈值及预设慢速行驶置信度阈值；
信息确定单元，用于根据所述车辆融合信息确定每个车辆所在的目标车道和目标车型；
阈值确定单元，用于确定与每个目标车道对应的目标车道初始超速阈值和目标车道初始慢速阈值，以及与每个目标车型对应的目标车型初始超速阈值和目标车型初始慢速阈值；
超速系数计算单元，用于根据每个车辆的车辆行驶速度、目标车道初始超速阈值和目标车型初始超速阈值，计算确定车辆平均超速系数；
慢速系数计算单元，用于根据每个车辆的车辆行驶速度、目标车道初始慢速阈值和目标车型初始慢速阈值，计算确定车辆平均慢速系数；
第一超速阈值计算单元，用于根据所述车辆平均超速系数和所述目标车道超速阈值，计算得到车道超速阈值；
第二超阈值计算单元，用于根据所述车辆平均超速系数和所述目标车型超速阈值，计算得到车型超速阈值；
第一慢速阈值计算单元，用于根据所述车辆平均慢速系数和所述目标车道慢速阈值，计算得到车道慢速阈值；
第二慢速阈值计算单元，用于根据所述车辆平均慢速系数和所述目标车型慢速阈值，计算得到车型慢速阈值；
阈值确定单元，用于在所述车道超速阈值、所述车型超速阈值、所述车道慢速阈值及车所述型慢速阈值中，选取满足预设条件的超速阈值和慢速阈值。
在一个实施例中，所述阈值确定单元，包括：
第一阈值确定子单元，用于在检测到所述车道超速阈值小于或等于所述车型超速阈值时，选取所述车道超速阈值作为满足预设条件的超速阈值；
第二阈值确定子单元，用于或者，在检测到所述车型超速阈值小于或等于所述车道超速阈值时，选取所述车道超速阈值作为满足预设条件的超速阈值；
第三阈值确定子单元，用于在检测到所述车道慢速阈值大于或等于所述车型慢速阈值时，选取所述车道慢速阈值作为满足预设条件的慢速阈值；
第四阈值确定子单元，用于或者，在检测到所述车型慢速阈值大于或等于所述车道慢速阈值时，选取所述车型慢速阈值作为满足预设条件的慢速阈值。
在一个实施例中，概率确定模块，包括：
第一概率计算单元，用于根据所述车辆的行驶速度和所述异常行驶速度阈值，确定所述车辆的横向异常行驶概率；
第二概率计算单元，用于根据所述车辆与所述雷射一体化天线的相对距离以及所述信噪比，确定所述车辆的运动平滑概率；
第三概率计算单元，用于根据所述横向异常行驶概率和所述运动平滑概率，计算得到车辆异常行驶综合概率。
在一个实施例中，所述第一概率计算单元，包括：
第一概率计算子单元，用于在检测到所述车辆的车辆行驶速度大于所述超速阈值时，将所述车辆行驶速度输入至第一横向正态分布模型中，得到横向超速行驶概率；所述第一横向正态分布模型的标准差为所述横向模型标准差，均值为所述超速阈值；
第二概率计算子单元，用于在检测到所述车辆的车辆行驶速度小于所述慢速阈值时，将所述车辆行驶速度输入至第二横向正态分布模型中，得到横向慢速行驶概率；所述第二横向正态分布模型为的标准差为所述横向模型标准差，均值为所述慢速阈值。
在一个实施例中，所述第二概率计算单元，包括：
数据获取子单元，用于获取所述纵向帧数的历史车辆行驶速度；
分区子单元，用于基于所述速度精度对所述历史车辆行驶速度进行分区，得到多个速度区间；
香浓熵计算子单元，用于根据车辆与所述雷射一体化天线的相对距离、所述标准距离、每个车辆的车辆行驶速度在每个速度区间内的信噪比平均值及所述最大信噪比，计算得到速度拓展香浓熵；
第三概率计算子单元，用于将速度拓展香浓熵输入至纵向正态分布模型中，得到运动平滑概率；所述纵向正态分布模型的均值为零，标准差为纵向模型标准差。
在一个实施例中，所述异常检测模块，包括：
置信度确定单元，用于根据所述车辆异常行驶综合概率和预设车辆异常行驶综合概率阈值，确定车辆的超速行驶置信度和慢速行驶置信度；
第一异常检测单元，用于在检测到所述超速行驶置信度大于预设超速行驶置信度阈值时，确定所述车辆处于超速行驶状态的第一检测结果；
第二异常检测单元，用于在检测到所述慢速行驶置信度大于预设慢速行驶置信度阈值时，确定所述车辆处于超速行驶状态的第二检测结果。
在一个实施例中，所述告警模块，包括：
第一告警单元，用于在检测到所述检测结果为第一检测结果时，生成超速告警信息并发送至目标终端；
第二告警单元，用于在检测到所述检测结果为第二检测结果时，生成慢速告警信息并发送至目标终端。
在一个实施例中，每个所述雷射一体化天线包含一个内置RSU；
所述信息采集模块，包括：
第一信息采集单元，用于通过雷达回波信号确定每个车辆的车辆轨迹信息；所述车辆轨迹信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比及车牌信息；
第二信息采集单元，用于通过所述内置RSU确定每个车辆的车辆身份信息；所述车辆身份信息包括车辆的ID、车型信息及车牌信息；
信息融合处理单元，用于对所述车辆轨迹信息和车辆身份信息进行匹配融合处理，得到车辆融合信息。
本实施例通过雷射一体化天线采集车辆融合信息，基于车辆融合信息自适应确定与车辆的车型和车道对应的异常行驶速度阈值，并计算车辆异常行驶综合概率，确定车辆是否处于异常行驶的检测结果，实现基于不同车型、不同车道及不同环境下自适应调整对应的异常行驶速度阈值，减小车辆内部因素及外部因素对车辆异常检测结果的影响，提高车辆异常检测结果的精度和稳定性。
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。
图5为本实施例提供的终端设备的结构示意图。如图5所示，该实施例的终端设备5包括：至少一个处理器50(图5中仅示出一个)、存储器51、存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52以及射频模块53，所述处理器50执行所述计算机程序52时实现上述任意各个自适应车辆异常行驶检测方法实施例中的步骤。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的举例，并不构成对终端设备5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，例如还可以包括输入输出设备、网络接入设备等。
所述射频模块52在一些实施例中可以是所述终端设备5中射频信号的发射与接收模块。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，该处理器50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。
所述存储器51在一些实施例中可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字卡(Secure Digital,SD)，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
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各个方法实施例中的步骤。
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各个方法实施例中的步骤。
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 (12)
1.一种自适应车辆异常行驶检测方法，其特征在于，应用于雷射一体化天线，在行车方向上每两个相邻的雷射一体化天线间通信连接；
所述自适应车辆异常行驶检测方法，包括：
采集每个车辆的车辆融合信息；所述车辆融合信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比、车型信息、车牌信息及行车方向；
根据所述车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值；异常行驶速度阈值包括超速阈值和慢速阈值；
根据所述车辆融合信息和所述异常行驶速度阈值计算得到车辆异常行驶综合概率；
根据所述车辆异常行驶综合概率确定所述车辆是否处于异常行驶状态的检测结果；
在检测到所述检测结果为所述车辆处于异常行驶状态时，生成告警信息并发送至目标终端。
2.如权利要求1所述的自适应车辆异常行驶检测方法，其特征在于，所述根据所述车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值，包括：
获取***参数；所述***参数包括横向系数、纵向系数、纵向帧数、速度精度、标准距离、最大信噪比、纵向模型标准差、与每个车型对应的车型初始超速阈值、与每个车道对应的车道初始超速阈值、与每个车型对应的车型初始慢速阈值、与每个车道对应的车道初始慢速阈值、阈值更新系数、横向模型标准差、预设车辆异常行驶综合概率阈值、预设超速行驶置信度阈值及预设慢速行驶置信度阈值；
根据所述车辆融合信息确定每个车辆所在的目标车道和目标车型；
确定与每个目标车道对应的目标车道初始超速阈值和目标车道初始慢速阈值，以及与每个目标车型对应的目标车型初始超速阈值和目标车型初始慢速阈值；
根据每个车辆的车辆行驶速度、目标车道初始超速阈值和目标车型初始超速阈值，计算确定车辆平均超速系数；
根据每个车辆的车辆行驶速度、目标车道初始慢速阈值和目标车型初始慢速阈值，计算确定车辆平均慢速系数；
根据所述车辆平均超速系数和所述目标车道超速阈值，计算得到车道超速阈值；
根据所述车辆平均超速系数和所述目标车型超速阈值，计算得到车型超速阈值；
根据所述车辆平均慢速系数和所述目标车道慢速阈值，计算得到车道慢速阈值；
根据所述车辆平均慢速系数和所述目标车型慢速阈值，计算得到车型慢速阈值；
在所述车道超速阈值、所述车型超速阈值、所述车道慢速阈值及车所述型慢速阈值中，选取满足预设条件的超速阈值和慢速阈值。
3.如权利要求2所述的自适应车辆异常行驶检测方法，其特征在于，所述在所述车道超速阈值、所述车型超速阈值、所述车道慢速阈值及车所述型慢速阈值中，选取满足预设条件的超速阈值和慢速阈值，包括：
在检测到所述车道超速阈值小于或等于所述车型超速阈值时，选取所述车道超速阈值作为满足预设条件的超速阈值；
或者，在检测到所述车型超速阈值小于或等于所述车道超速阈值时，选取所述车道超速阈值作为满足预设条件的超速阈值；
在检测到所述车道慢速阈值大于或等于所述车型慢速阈值时，选取所述车道慢速阈值作为满足预设条件的慢速阈值；
或者，在检测到所述车型慢速阈值大于或等于所述车道慢速阈值时，选取所述车型慢速阈值作为满足预设条件的慢速阈值。
4.如权利要求2所述的自适应车辆异常行驶检测方法，其特征在于，所述根据所述车辆融合信息和所述异常行驶速度阈值计算得到车辆异常行驶综合概率，包括：
根据所述车辆的行驶速度和所述异常行驶速度阈值，确定所述车辆的横向异常行驶概率；
根据所述车辆与所述雷射一体化天线的相对距离以及所述信噪比，确定所述车辆的运动平滑概率；
根据所述横向异常行驶概率和所述运动平滑概率，计算得到车辆异常行驶综合概率。
5.如权利要求4所述的自适应车辆异常行驶检测方法，其特征在于，所述根据所述车辆的行驶速度和所述异常行驶速度阈值，确定所述车辆的横向异常行驶概率，包括：
在检测到所述车辆的车辆行驶速度大于所述超速阈值时，将所述车辆行驶速度输入至第一横向正态分布模型中，得到横向超速行驶概率；所述第一横向正态分布模型的标准差为所述横向模型标准差，均值为所述超速阈值；
在检测到所述车辆的车辆行驶速度小于所述慢速阈值时，将所述车辆行驶速度输入至第二横向正态分布模型中，得到横向慢速行驶概率；所述第二横向正态分布模型为的标准差为所述横向模型标准差，均值为所述慢速阈值。
6.如权利要求4所述的自适应车辆异常行驶检测方法，其特征在于，所述根据所述车辆与所述雷射一体化天线的相对距离以及信噪比，确定所述车辆的运动平滑概率，包括：
获取所述纵向帧数的历史车辆行驶速度；
基于所述速度精度对所述历史车辆行驶速度进行分区，得到多个速度区间；
根据车辆与所述雷射一体化天线的相对距离、所述标准距离、每个车辆的车辆行驶速度在每个速度区间内的信噪比平均值及所述最大信噪比，计算得到速度拓展香浓熵；
将速度拓展香浓熵输入至纵向正态分布模型中，得到运动平滑概率；所述纵向正态分布模型的均值为零，标准差为纵向模型标准差。
7.如权利要求1所述的自适应车辆异常行驶检测方法，其特征在于，所述根据所述车辆异常行驶综合概率确定所述车辆是否处于异常行驶状态的检测结果，包括：
根据所述车辆异常行驶综合概率和预设车辆异常行驶综合概率阈值，确定车辆的超速行驶置信度和慢速行驶置信度；
在检测到所述超速行驶置信度大于预设超速行驶置信度阈值时，确定所述车辆处于超速行驶状态的第一检测结果；
在检测到所述慢速行驶置信度大于预设慢速行驶置信度阈值时，确定所述车辆处于超速行驶状态的第二检测结果。
8.如权利要求1所述的自适应车辆异常行驶检测方法，其特征在于，所述在检测到所述检测结果为所述车辆处于异常行驶状态时，生成告警信息并发送至目标终端，包括：
在检测到所述检测结果为第一检测结果时，生成超速告警信息并发送至目标终端；
在检测到所述检测结果为第二检测结果时，生成慢速告警信息并发送至目标终端。
9.如权利要求1至8任一项所述的自适应车辆异常行驶检测方法，其特征在于，每个所述雷射一体化天线包含一个内置RSU；
所述采集每个车辆的车辆融合信息，包括：
通过雷达回波信号确定每个车辆的车辆轨迹信息；所述车辆轨迹信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比及车牌信息；
通过所述内置RSU确定每个车辆的车辆身份信息；所述车辆身份信息包括车辆的ID、车型信息及车牌信息；
对所述车辆轨迹信息和车辆身份信息进行匹配融合处理，得到车辆融合信息。
10.一种自适应车辆异常行驶检测装置，其特征在于，应用于雷射一体化天线，在行车方向上每两个相邻的雷射一体化天线间通信连接；
所述自适应车辆异常行驶检测装置，包括：
信息采集模块，用于采集每个车辆的车辆融合信息；所述车辆融合信息包括车辆的ID、车辆行驶速度、车辆位置信息、车辆与所述雷射一体化天线的相对距离、车辆的信噪比、车型信息、车牌信息及行车方向；
阈值确定模块，用于根据所述车辆融合信息，确定与每个车辆的车道和车型对应的异常行驶速度阈值；异常行驶速度阈值包括超速阈值和慢速阈值；
概率确定模块，用于根据所述车辆融合信息和所述异常行驶速度阈值计算得到车辆异常行驶综合概率；
异常检测模块，用于根据所述车辆异常行驶综合概率确定所述车辆是否处于异常行驶状态的检测结果；
告警模块，用于在检测到所述检测结果为所述车辆处于异常行驶状态时，生成告警信息并发送至目标终端。
11.一种终端设备，包括射频模块、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9任一项所述的方法。
12.一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9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210492957.7A CN115063980B (zh) | 2022-05-07 | 一种自适应车辆异常行驶检测方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210492957.7A CN115063980B (zh) | 2022-05-07 | 一种自适应车辆异常行驶检测方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115063980A true CN115063980A (zh) | 2022-09-16 |
| CN115063980B CN115063980B (zh) | 2024-07-26 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117593904A (zh) * | 2023-11-06 | 2024-02-23 | 广东省电信规划设计院有限公司 | 基于云原生的辅助驾驶控制方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104157156A (zh) * | 2014-08-07 | 2014-11-19 | 昆明理工大学 | 一种高速公路危险路段车速动态管理预警方法 |
| US20160189540A1 (en) * | 2014-12-29 | 2016-06-30 | Here Global B.V. | Dynamic Speed Limit |
| CN105799512A (zh) * | 2016-05-06 | 2016-07-27 | 深圳市中天安驰有限责任公司 | 车辆超速提醒方法及*** |
| CN106504542A (zh) * | 2016-09-30 | 2017-03-15 | 北京中星微电子有限公司 | 车速智能监控方法和*** |
| CN108919256A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 四维实景交通仿真车辆超速全程跟踪检测报警***及方法 |
| WO2021077766A1 (zh) * | 2019-10-24 | 2021-04-29 | 南京慧尔视智能科技有限公司 | 一种大区域多目标交通事件检测***及方法 |
| CN113888860A (zh) * | 2021-08-26 | 2022-01-04 | 北京万集科技股份有限公司 | 车辆异常行驶的检测方法、装置、服务器及可读存储介质 |
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104157156A (zh) * | 2014-08-07 | 2014-11-19 | 昆明理工大学 | 一种高速公路危险路段车速动态管理预警方法 |
| US20160189540A1 (en) * | 2014-12-29 | 2016-06-30 | Here Global B.V. | Dynamic Speed Limit |
| CN105799512A (zh) * | 2016-05-06 | 2016-07-27 | 深圳市中天安驰有限责任公司 | 车辆超速提醒方法及*** |
| CN106504542A (zh) * | 2016-09-30 | 2017-03-15 | 北京中星微电子有限公司 | 车速智能监控方法和*** |
| CN108919256A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 四维实景交通仿真车辆超速全程跟踪检测报警***及方法 |
| WO2021077766A1 (zh) * | 2019-10-24 | 2021-04-29 | 南京慧尔视智能科技有限公司 | 一种大区域多目标交通事件检测***及方法 |
| CN113888860A (zh) * | 2021-08-26 | 2022-01-04 | 北京万集科技股份有限公司 | 车辆异常行驶的检测方法、装置、服务器及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 张存保 等: "基于分车型限速的高速公路可变限速控制方法", 武汉理工大学学报(交通科学与工程版), vol. 39, no. 6, pages 1125 - 1134 * |
| 熊昕 等: "基于速度分类算法的交通事件视频检测***设计", 交通信息与安全, vol. 31, no. 2, pages 114 - 118 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117593904A (zh) * | 2023-11-06 | 2024-02-23 | 广东省电信规划设计院有限公司 | 基于云原生的辅助驾驶控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10414407B1 (en) | Driving analysis using vehicle-to-vehicle communication | |
| US10127814B2 (en) | Advanced V2X event dissemination | |
| CN111354193B (zh) | 一种基于5g通信的高速公路车辆异常行为预警*** | |
| JP2016095831A (ja) | 運転支援システム及びセンタ | |
| US11170639B2 (en) | Transportation threat detection system | |
| CN112530163B (zh) | 交通事故预测方法、装置、电子设备及存储介质 | |
| DE102012007367A1 (de) | Verfahren zur Bestimmung der Verkehrs-/Wetterinformationen für eine Anwendung in den Navigations- und Fahrerassistenzsystemen eines Fahrzeugs | |
| CN110992688A (zh) | 一种交通智能诱导*** | |
| CN111754780A (zh) | 一种基于拥堵指数的判断路段拥堵程度的方法 | |
| CN110556014B (zh) | 智能公交调度平台*** | |
| CN103914979A (zh) | 采用蓝牙技术的交通状态感知***及其感知方法 | |
| CN111739293A (zh) | 一种数据融合方法及装置 | |
| KR20240032811A (ko) | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 | |
| US20240085193A1 (en) | Automated dynamic routing unit and method thereof | |
| CN211237114U (zh) | 一种交通智能诱导*** | |
| CN115063980B (zh) | 一种自适应车辆异常行驶检测方法、装置及终端设备 | |
| CN115063980A (zh) | 一种自适应车辆异常行驶检测方法、装置及终端设备 | |
| CN115757628A (zh) | 车辆碰撞检测方法、装置、设备及介质 | |
| CN116165655A (zh) | 一种基于毫米波雷达组群的全域车辆轨迹跟踪*** | |
| CN115578716A (zh) | 一种车载数据的处理方法、装置、设备及介质 | |
| CN110444038B (zh) | 基于大数据的公交调度方法 | |
| CN111731285A (zh) | 基于v2x技术的车辆防碰撞方法及装置 | |
| CN113053100B (zh) | 一种公交到站时间的预估方法及装置 | |
| WO2016072082A1 (ja) | 運転支援システム及びセンタ | |
| Sood et al. | Analyzing accuracy of gps data for vehicular parameters |
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 |