CN115331446B - 车辆安全行驶策略生成方法及装置、存储介质和终端 - Google Patents

车辆安全行驶策略生成方法及装置、存储介质和终端 Download PDF

Info

Publication number
CN115331446B
CN115331446B CN202211250680.3A CN202211250680A CN115331446B CN 115331446 B CN115331446 B CN 115331446B CN 202211250680 A CN202211250680 A CN 202211250680A CN 115331446 B CN115331446 B CN 115331446B
Authority
CN
China
Prior art keywords
vehicle
ranging
radar
target
collision
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.)
Active
Application number
CN202211250680.3A
Other languages
English (en)
Other versions
CN115331446A (zh
Inventor
肖赟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Yunzhen Information Technology Co ltd
Original Assignee
Zhejiang Yunzhen Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Yunzhen Information Technology Co ltd filed Critical Zhejiang Yunzhen Information Technology Co ltd
Priority to CN202211250680.3A priority Critical patent/CN115331446B/zh
Publication of CN115331446A publication Critical patent/CN115331446A/zh
Application granted granted Critical
Publication of CN115331446B publication Critical patent/CN115331446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车辆安全行驶策略生成方法及装置、存储介质和终端，其中方法包括接收车载主板发送的雷达测距数据，并将当前雷达测距数据作为目标雷达测距数据；基于目标雷达测距数据计算车辆安全行车状态值，并判断车辆安全行车状态值是否小于第一预设阈值，若是则向中心服务器发送初步预警信号，并将目标雷达测距数据传输至中心服务器；实时接收车载主板发送的对象特征数据，并在接收到中心服务器发送的特征数据获取信号时，基于特征数据获取信号将目标时间的对象特征数据发送给中心服务器，以便于中心服务器通过训练完成的预设路径预测模型，基于目标雷达测距数据和目标时间的对象特征数据确定车辆的安全行车策略。

Description

车辆安全行驶策略生成方法及装置、存储介质和终端
技术领域
本发明涉及信息通讯技术领域，尤其涉及一种车辆安全行驶策略生成方法及装置、存储介质和终端。
背景技术
安全行驶是各种车辆的重要研究课题，目前在具有行车策略安全提示的车辆中，无论是无人驾驶车辆中还是有人驾驶车辆中，通常需要通过车联边缘节点感知周围环境，再基于周围环境给出相应的行车策略，但车辆在正常行驶过程中不仅周边环境会不断变换，与其他车辆或移动物体之间的距离也会不断变换，因此若仅根据车辆周围环境与车辆之间的距离，而不考虑周边环境物体类型及移动倾向性就制定相应的行车策略，显然会存在较大的安全隐患。即现有车辆仍无法对车辆周边物体做出比较精确的判定，使得所提供的行车策略可靠性仍然较低。
同时随着车辆行业的迅猛发展，车辆辅助功能中出现了大量计算密集型应用和功耗敏感型应用，车联边缘节点对周边环境的感知并指定相应行车策略，也占据了较大的计算空间，长此以往会影响车辆的主功能运行。
因此亟需一种即可对车辆周边物体做精准判定，给出准确安全行车策略，又能降低车载主板计算量的车辆安全行驶策略生成方法。
发明内容
本发明所要解决的技术问题是现有基于车辆与周边物体距离制定的车辆安全行车策略可靠性较低，且需要车载主板需要较大的计算量。
为了解决上述技术问题，本发明提供了一种车辆安全行驶策略生成方法，包括：
实时接收车载主板发送的雷达测距数据，并将当前接收到的所述雷达测距数据作为目标雷达测距数据；
基于所述目标雷达测距数据计算车辆安全行车状态值，并判断所述车辆安全行车状态值是否小于第一预设阈值，若是则向中心服务器发送初步预警信号，并将所述目标雷达测距数据传输至中心服务器，否则不向所述中心服务器发送初步预警信号；
实时接收车载主板发送的对象特征数据，并在接收到所述中心服务器发送的特征数据获取信号时，基于所述特征数据获取信号将目标时间段内的对象特征数据发送给所述中心服务器，以便于所述中心服务器通过训练完成的预设路径预测模型，基于所述目标雷达测距数据和目标时间段内的对象特征数据确定车辆的安全行车策略；
其中，所述车辆安全行驶策略生成方法基于虚拟化平台实施，且所述中心服务器在接收到初步预警信号后，基于所述初步预警信号生成特征数据获取信号，并将所述特征数据获取信号发送给所述虚拟化平台。
优选地，所述雷达测距数据基于设置于车辆上的防碰撞测距雷达组获取，所述防碰撞测距雷达组包括多个防碰撞测距雷达，所述防碰撞测距雷达组中的防碰撞测距雷达作为车辆的车载边缘节点；
所述对象特征数据基于设置于车辆上的全景摄像头获取，所述全景摄像头用于获取车辆附近物体图像数据，并对所述车辆附近物体图像数据中的物体进行特征提取，以获取对象特征数据。
优选地，所述防碰撞测距雷达组内包括前部防碰撞测距雷达小组、中部防碰撞测距雷达小组和后部防碰撞测距雷达小组，所述前部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆前部边缘节点，所述中部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆中部边缘节点，所述后部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆后部边缘节点；
基于所述目标雷达测距数据计算车辆安全行车状态值包括：
当车辆正向行驶时，
Figure 119820DEST_PATH_IMAGE001
；
当车辆反向行驶时，
Figure 645480DEST_PATH_IMAGE002
；
其中，D表示车辆安全行车状态值，
Figure 255452DEST_PATH_IMAGE003
分别表示前部防碰撞测距雷达小组中 各防碰撞测距雷达测量距自身最近物体的距离，
Figure 48703DEST_PATH_IMAGE004
分别表示中部防碰撞测距雷达 小组中各防碰撞测距雷达测量距自身最近物体的距离，
Figure 351508DEST_PATH_IMAGE005
依次表示后部防碰撞测 距雷达小组中防碰撞测距雷达测量距自身最近物体的距离，
Figure 833305DEST_PATH_IMAGE006
和
Figure 246969DEST_PATH_IMAGE007
表示车辆正向行驶距 离权重，且
Figure 396190DEST_PATH_IMAGE008
，
Figure 869897DEST_PATH_IMAGE009
和
Figure 838990DEST_PATH_IMAGE010
表示车辆反向行驶距离权重，且
Figure 557810DEST_PATH_IMAGE011
。
优选地，车辆安全行驶策略生成方法还包括：
实时接收车联网信号测速基站发送目标地点的计数及车速信息，并基于预设时间段内的所述计数及车速信息计算安全距离-车流量综合评价指标；
判断所述安全距离-车流量综合评价指标是否大于第二预设阈值，若是则向所述车载主板发送降速行车策略，否则
判断所述安全距离-车流量综合评价指标是否小于第三预设阈值，若是则向所述车载主板发送提速行车策略，否则不向所述车载主板发送行车策略。
优选地，基于预设时间段内的所述计数及车速信息计算安全距离-车流量综合评价指标包括：
Figure 561538DEST_PATH_IMAGE012
其中，Z表示安全距离-车流量综合评价指标，T表示预设时间段时长，所述预设时 间段的时间终点为最新接收到计数及车速信息的时刻，n为预设时间段内经过目标地点的 车辆数量，
Figure 471725DEST_PATH_IMAGE013
表示第i辆经过目标地点车辆的速度，
Figure 928114DEST_PATH_IMAGE014
表示重力加速度，
Figure 683580DEST_PATH_IMAGE015
表示第i辆车的摩 擦系数，
Figure 276236DEST_PATH_IMAGE016
表示车辆运行效率，
Figure 855859DEST_PATH_IMAGE017
表示车流量影响因子系数。
优选地，所述虚拟化平台为基于Serverless的虚拟化平台。
优选地，所述车载主板通过5G通信模块与所述虚拟化平台进行数据传输。
为了解决上述技术问题，本发明还提供了一种车辆安全行驶策略生成装置，包括雷达测距数据获取模块、初步判断模块和对象特征数据发送模块；
所述雷达测距数据获取模块，用于实时接收车载主板发送的雷达测距数据，并将当前所述雷达测距数据作为目标雷达测距数据；
所述初步判断模块，用于基于所述目标雷达测距数据计算车辆安全行车状态值，并判断所述车辆安全行车状态值是否小于第一预设阈值，若是则向中心服务器发送初步预警信号，并将所述目标雷达测距数据传输至中心服务器，否则不向所述中心服务器发送初步预警信号；
所述对象特征数据发送模块，用于实时接收车载主板发送的对象特征数据，并在接收到所述中心服务器发送的特征数据获取信号时，基于所述特征数据获取信号将目标时间段内的对象特征数据发送给所述中心服务器，以便于所述中心服务器通过训练完成的预设路径预测模型，基于所述目标雷达测距数据和目标时间段内的对象特征数据确定车辆的安全行车策略；
其中，所述车辆安全行驶策略生成方法基于虚拟化平台实施，且所述中心服务器在接收到初步预警信号后，基于所述初步预警信号生成特征数据获取信号，并将所述特征数据获取信号发送给所述虚拟化平台。
为了解决上述技术问题，本发明还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述车辆安全行驶策略生成方法。
为了解决上述技术问题，本发明还提供了一种终端，包括：处理器以及存储器，所述存储器与所述处理器之间通信连接；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如所述车辆安全行驶策略生成方法。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
应用本发明实施例提供的车辆安全行驶策略生成方法，通过测量车辆与周边物体之间的距离获取于雷达测距数据，并基于雷达测距数据进行初步行驶安全判断，以判定出车辆周围是否存在距离较近的物体；之后再通过训练完成的预设路径预测模型，将雷达测距数据和对应的对象特征数据充分结合，以获取更加准确的安全行车策略；同时再基于设置于路两边的车联网信号测速基站获取一段时间内经过固定地点车辆的计数及车速信息，并基于获取的计数及车速信息计算安全距离-车流量综合评价指标，通过对安全距离-车流量综合评价指标进行判定，来获取目标地点附近整体车辆的行车策略，进一步提高车辆行驶安全性。通过5G通信模块将车辆检测出的数据发送至虚拟化平台进行存储并处理，降低车辆本地数据存储及计算量，不对车辆主要功能运作产生影响。
本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
图1示出了本发明实施例一车辆安全行驶策略生成方法的流程示意图；
图2示出了本发明实施例一中防碰撞测距雷达组的一种位置设置示意图；
图3示出了本发明实施例一中车联网信号测速基站的一种位置设置示意图；
图4示出了本发明实施例二车辆安全行驶策略生成装置的结构示意图；
图5示出了本发明实施例四终端的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
实施例一
为解决现有技术中存在的技术问题，本发明实施例提供了一种车辆安全行驶策略生成方法。
图1示出了本发明实施例一车辆安全行驶策略生成方法的流程示意图；参考图1所示，本发明实施例车辆安全行驶策略生成方法包括如下步骤。
步骤S101，实时接收车载主板发送的雷达测距数据，并将当前雷达测距数据作为目标雷达测距数据。
具体地，事先在车辆上设置多个防碰撞测距雷达，以用于测量车辆与周围实物之间的距离。且各个防碰撞测距雷达均与车载主板连接，车辆上所有防碰撞测距雷达形成防碰撞测距雷达组，以作为车辆的车载边缘节点。图2示出了本发明实施例一中防碰撞测距雷达组的一种位置设置示意图；参考图2所示，防碰撞测距雷达组中各防碰撞测距雷达分别用于实时测量距各自最近物体的距离，进一步即由于某防碰撞测距雷达用于作为车载边缘节点，因此其测得的距离即为距离该防碰撞测距雷达最近的物体，与该防碰撞测距雷达之间的距离。防碰撞测距雷达组中各防碰撞测距雷达测得距离后，需分别实时将所测得距离通过RS485接口传输至车载主板。车载主板则每过固定时间段就将接收到的所有测量距离及相对应的防碰撞测距雷达编号集合为雷达测距数据，并将其发送给虚拟化平台。固定时间段可设置为合理数值，在此不对其进行过多限制。
虚拟化平台实时接收车载主板发送的雷达测距数据，并分别将实时接收到的雷达测距数据作为目标雷达测距数据，以便于后续步骤生成安全行驶策略时，可分别依据最新获取的雷达测距数据进行。
步骤S102，基于目标雷达测距数据计算车辆安全行车状态值，并判断车辆安全行车状态值是否小于第一预设阈值，若是则向中心服务器发送初步预警信号，并将目标雷达测距数据传输至中心服务器，否则不向中心服务器发送初步预警信号。
具体地，防碰撞测距雷达组中的防碰撞测距雷达，通常会设置于车辆的不同位置，因此基于设置车辆上的不同位置，大致可将防碰撞测距雷达组中的防碰撞测距雷达划分为三组。进一步将设置于车辆前部位置的各个防碰撞测距雷达集合为前部防碰撞测距雷达小组，即前部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆前部边缘节点；将设置于车辆中部位置的各个防碰撞测距雷达集合为中部防碰撞测距雷达小组，即中部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆中部边缘节点；最后将设置于车辆后部位置上的各个防碰撞测距雷达集合为后部防碰撞测距雷达小组，即后部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆后部边缘节点。其中车辆前部、中部和后部的划分可基于车辆实际情况进行划分，本申请不对其作过多限制。
虚拟化平台在车辆安全行车状态值计算过程中，需基于防碰撞测距雷达组的划分结果进行。进一步当车辆正向行驶时，车辆安全行车状态值的计算式子如下：
Figure 799545DEST_PATH_IMAGE018
；
而当车辆正向行驶时，车辆安全行车状态值的计算式子如下：
Figure 358702DEST_PATH_IMAGE019
；
其中，D表示车辆安全行车状态值，
Figure 71443DEST_PATH_IMAGE020
分别表示前部防碰撞测距雷达小组中 各防碰撞测距雷达测量距自身最近物体的距离，
Figure 792274DEST_PATH_IMAGE021
分别表示中部防碰撞测距雷达 小组中各防碰撞测距雷达测量距自身最近物体的距离，
Figure 223256DEST_PATH_IMAGE005
依次表示后部防碰撞测 距雷达小组中防碰撞测距雷达测量距自身最近物体的距离，
Figure 586104DEST_PATH_IMAGE006
和
Figure 418931DEST_PATH_IMAGE022
表示车辆正向行驶距 离权重，且
Figure 812128DEST_PATH_IMAGE023
，
Figure 730406DEST_PATH_IMAGE024
和
Figure 896945DEST_PATH_IMAGE010
表示车辆反向（即倒车状态）行驶距离权重，且
Figure 318699DEST_PATH_IMAGE025
。
即当车辆正向行驶时，将前部防碰撞测距雷达小组所测得的距离数据和中部防碰撞测距雷达小组所测得的距离数据，在车辆安全行车状态值表达式中以较高权重值来表示，以体现车辆正向行驶过程中对于前方物体碰撞预警的优先性。而当车辆反向行驶时，将后部防碰撞测距雷达小组所测得的距离数据和中部防碰撞测距雷达小组所测得的距离数据，在车辆安全行车状态值表达式中以较高权重值来表示，以体现车辆反向行驶过程中对于后方物体碰撞预警的优先性。
基于上述方式即可计算出目标雷达测距数据所对应的车辆安全行车状态值。
在获取目标雷达测距数据所对应的车辆安全行车状态值后，需判断该车辆安全行车状态值是否小于第一预设阈值，若小于则表示当前有靠近车辆的物体，并且需进一步判断该物体是否对车辆行驶有所影响。因此当判断出车辆安全行车状态值小于第一预设阈值时，虚拟化平台需向中心服务器发送初步预警信号，初步预警信号中包含对应目标雷达测距数据的收集时间段。同时虚拟化平台还需将对应目标雷达测距数据传输至中心服务器，以便于中心服务器基于目标雷达测距数据进行车辆安全行驶策略。若车辆安全行车状态值不小于第一预设阈值，则表示当前没有靠近车辆的物体，此时就无需向中心服务器发送初步预警信号，且直接将目标雷达测距数据丢掉。
其中中心服务器在接收到初步预警信号后，会基于初步预警信号中目标雷达测距数据的收集时间段生成特征数据获取信号，并将其发送给虚拟化平台，以使得虚拟化平台可基于特征数据获取信号将目标时间内的对象特征数据发送给中心服务器。其中目标时间与目标雷达测距数据的收集时间段相同或相对应，以使得目标雷达测距数据与目标时间内的对象特征数据为相对应关系。
步骤S103，实时接收车载主板发送的对象特征数据，并在接收到中心服务器发送的特征数据获取信号时，基于特征数据获取信号将目标时间的对象特征数据发送给中心服务器，以便于中心服务器通过训练完成的预设路径预测模型，基于目标雷达测距数据和目标时间的对象特征数据确定车辆的安全行车策略。
具体地，车辆上事先还设置有高清全景摄像头，高清全景摄像头可设置于车辆顶端，以实现其全景拍摄。进一步高清全景摄像头主要用于实时获取车辆附近物体图像数据，并对车辆附近物体图像数据中的物体进行特征提取，以获取对象特征数据。高清全景摄像头获取对象特征数据后，需将对象特征数据传输至车辆主板，车辆主板需实时将获取的对象特征数据发送给虚拟化平台。优选地，高清全景摄像头可选取Soracom S+Camera SmartEdition。
虚拟化平台实时接收到车载主板发送的对象特征数据后，会将其进行存储起来。而当接收到中心服务器发送的特征数据获取信号时，需基于特征数据获取信号将目标时间的对象特征数据发送给中心服务器。此时中心服务器将接收到的目标雷达测距数据和目标时间的对象特征数据作为输入数据，输入至训练完成的预设路径预测模型中，训练完成的预设路径预测模型输出对应的车辆的安全行车策略，之后中心服务器将安全行车策略发送至车载主板，以使得车辆可基于安全行车策略进行相应操作。
为了提高本发明方法安全行车策略生成准确性，本发明实施例所涉及到的中心服务器需事先设置有可基于雷达测距数据和对象特征数据确定车辆安全行车策略的预设路径预测模型，且该预设路径预测模型是事先经过深度训练所得。进一步地，预设路径预测模型的训练可采用网络公开的数据集或现实模拟数据集进行训练。基于训练集中的训练数据的标签计算交叉熵损失函数，并基于交叉熵损失函数值对预设路径预测模型参数进行调整。重复训练，直到获取的交叉熵损失函数达到收敛状态，以得到训练完成的预设路径预测模型。具体交叉熵损失函数达到收敛的标准可基于实际情况进行设定，本申请在此不对其进行过多的描述。
训练数据包括雷达测距数据以及对象特征数据，训练数据所对应的标签可基于训练数据的实际情况进行设定，例如当训练数据中雷达测距数据达到一定值时，若基于对象特征数据判定距离车辆最近的对象为移动对象，且该移动对象位于车辆前方时，则作为标签的行车策略可设置为低速行驶；若基于对象特征数据判定距离车辆最近的对象为移动对象，且该移动对象位于车辆后方时，则作为标签的行车策略可设置为提高速度行驶。而当训练数据中雷达测距数据达到一定值时，若基于对象特征数据判定距离车辆最近的对象为非移动对象，且该移动对象位于车辆前方时，则作为标签的行车策略可设置为绕行的某个具体行为（例如向左前方30°行驶等）。
需要说明的是，训练数据所对应的标签还可基于训练数据的实际情况设定为其它合理形式，在此不对其进行过多赘述。
步骤S104，实时接收车联网信号测速基站发送目标地点的计数及车速信息，并基于预设时间段内的计数及车速信息计算安全距离-车流量综合评价指标，判断安全距离-车流量综合评价指标是否大于第二预设阈值，若是则向车载主板发送降速行车策略，否则判断安全距离-车流量综合评价指标是否小于第三预设阈值，若是则向车载主板发送提速行车策略，否则不向车载主板发送行车策略。
为了进一步提高车辆的行驶安全指数，本申请实施例还基于外界测量数据生成对应的安全行车策略，以进一步对车辆行驶安全性进行提高。具体地，在预设位置设置车联网信号测速基站，以使得车联网信号测速基站可测量所有经过目标地点的车辆车速，并对经过目标地点的车辆进行计数。即每有一辆车经过目标地点，设置于预设位置处的车联网信号测速基站即可测量出该车辆的车速以及该车辆为经过目标地点的第几辆车（即车辆计数），车辆计数和车辆车速形成该车辆的计数及车速信息。车联网信号测速基站获取到车辆的计数及车速信息后，实时将计数及车速信息发送给虚拟化平台。优选地，车联网信号测速基站为车联网V2X信号测速基站。且目标地点可基于实际情况进行设置，例如图3示出了本发明实施例一中车联网信号测速基站的一种位置设置示意图；即将车联网信号测速基站设置于道路两旁，目标地点可以设置为人行道或其他道路位置，以实现对经过目标地点的车辆进行计数及车速信息的检测。
虚拟化平台实时接收车联网信号测速基站发送的目标地点的车辆及车速信息，并基于目标地点车辆情况及周边情况设置预设时间段数值，而后进一步基于预设时间段内的车辆及车速信息计算安全距离-车流量综合评价指标。预设时间段数值的设置在此不做固定限制，具体安全距离-车流量综合评价指标的计算基于如下公式实现。
Figure 646912DEST_PATH_IMAGE026
其中，Z表示安全距离-车流量综合评价指标，T为预设时间段时长，n为预设时间段 内经过目标地点的车辆数量，
Figure 786906DEST_PATH_IMAGE027
表示第i辆经过目标地点车辆的速度，
Figure 757136DEST_PATH_IMAGE014
表示重力加速度，
Figure 414424DEST_PATH_IMAGE028
表示第i辆车的摩擦系数，
Figure 913539DEST_PATH_IMAGE029
表示车辆运行效率，
Figure 806408DEST_PATH_IMAGE017
表示车流量影响因子系数。且预设时 间段的时间终点为最新接收到计数及车速信息的时刻，该种设计可使得虚拟化平台一旦获 取到预设时间段内所有计数及车速信息，随即即可计算出相对应的安全距离-车流量综合 评价指标，加块整体计算进程。
在安全距离-车流量综合评价指标表达式中，
Figure 49171DEST_PATH_IMAGE030
表示预设时间段内经过目标地 点的第i辆车的车辆安全距离，
Figure 946982DEST_PATH_IMAGE031
表示预设时间段内经过目标地点的车流量，当预设时间段 内经过目标地点的车流量变大时，即安全距离-车流量综合评价指标变大，此时为了确保经 过目标地点各车辆的安全，需控制所有经过目标地点的车辆进行减速；而当预设时间段内 经过目标地点的车流量变小时，即安全距离-车流量综合评价指标变小，此时为了避免车辆 行驶太慢而影响路面其他车辆正常行驶，需控制所有经过目标地点的车辆进行加速行驶。 为了更好的实现上述原理，本实施例通过将安全距离-车流量综合评价指标分别与第二预 设阈值和第三预设阈值进行对比并给出相应行车指令来进行上述原理的实施。
进一步地，计算出目标地点预设时间段内计数及车速信息所对应的安全距离-车流量综合评价指标后，需判断安全距离-车流量综合评价指标是否大于第二预设阈值，若是则表示目标地点区域内行驶车辆比较多，且整体车辆车速处于较高状态，处于该区域内的车辆整体均需进行减速处理；此时需向车辆上的车载主板发送降速行车策略，以使得车辆可基于降速行车策略进行相应操作。若安全距离-车流量综合评价指标不大于第二预设阈值，则再判断安全距离-车流量综合评价指标是否小于第三预设阈值，若是则表示目标地点区域内行驶车辆比较少，且整体车辆车速处于较低状态，处于该区域内的车辆整体可进行加速处理，以提升目标地点车流量；此时需向车辆上的车载主板发送加速行车策略，以使得车辆可基于加速行车策略进行相应操作。需要说明的是，第二预设阈值和第三阈预设阈值可基于实际情况进行设置，在此不对其进行固定限制。
需要说明的是，可设置虚拟化平台每过预设时间段时长就计算一次安全距离-车流量综合评价指标，即计算最新预设时间段内接收到车辆及车速信息所对应的安全距离-车流量综合评价指标；同时还可以设置于每天的多个固定时间点分别计算安全距离-车流量综合评价指标，即计算固定时间点所对应预设时间段内接收到车辆及车速信息所对应的安全距离-车流量综合评价指标。
为了确保虚拟化平台具有充足的数据量存储能力，避免因获取数据量过大而影响安全行驶策略生成速度，本实施例方法中的虚拟化平台采用Serverless虚拟化平台，以在数据传输高峰期Serverless虚拟化平台可以迅速膨胀扩张资源，抵抗流量冲击并短时间进行相应的操作响应。Serverless虚拟化平台即为无服务器架构平台，本实施例Serverless虚拟化平台可优选基于腾讯Serverless2.0架构构建的腾讯云云函数SCF，其是腾讯云为企业和开发者们提供的无服务器执行环境，可以在无需购买和管理服务器的情况下运行代码。
为了提高数据传输安全性及传输速度，本实施例中车载主板通过5G通信模块与虚拟化平台进行数据传输。进一步5G通信模块采用有人的工业级户外版物联网路由器5G-G816，支持EMC3的防静电/防浪涌/防EFT。工业级户外版物联网路由器5G-G816可安装于车外顶棚位置，其会将V2X混合路由转发协议和基于协议的路由信息处理算法预先加载到其DDR4内存中；5G通信模块与轻量级车载ECU通过网线连接。
且进一步地，车辆上还可设置有其他类型的车辆边缘节点，例如还设置有传感器、报警器等，以对车辆其他周边环境因素进行检测，且也可通过车载主板发送至虚拟化平台进行存储，以作为其他功能参数使用。
本发明实施例提供的车辆安全行驶策略生成方法，具体可实施于无人驾驶车辆中，同时也可实施于有人驾驶车辆中，通过测量车辆与周边物体之间的距离获取于雷达测距数据，并基于雷达测距数据进行初步行驶安全判断，以判定出车辆周围是否存在距离较近的物体；之后再通过训练完成的预设路径预测模型，将雷达测距数据和对应的对象特征数据充分结合，以获取更加准确的安全行车策略；同时再基于设置于路两边的车联网信号测速基站获取一段时间内经过固定地点车辆的计数及车速信息，并基于获取的计数及车速信息计算安全距离-车流量综合评价指标，通过对安全距离-车流量综合评价指标进行判定，来获取目标地点附近整体车辆的行车策略，进一步提高车辆行驶安全性。通过5G通信模块将车辆检测出的数据发送至虚拟化平台进行存储并处理，降低车辆本地数据存储及计算量，不对车辆主要功能运作产生影响。
实施例二
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种车辆安全行驶策略生成装置。
图4示出了本发明实施例二车辆安全行驶策略生成装置的结构示意图；参考图4所示，本发明实施例车辆安全行驶策略生成装置包括雷达测距数据获取模块、初步判断模块和对象特征数据发送模块。
雷达测距数据获取模块用于实时接收车载主板发送的雷达测距数据，并将当前雷达测距数据作为目标雷达测距数据。
初步判断模块用于基于目标雷达测距数据计算车辆安全行车状态值，并判断车辆安全行车状态值是否小于第一预设阈值，若是则向中心服务器发送初步预警信号，并将目标雷达测距数据传输至中心服务器，否则不向中心服务器发送初步预警信号。
对象特征数据发送模块用于实时接收车载主板发送的对象特征数据，并在接收到中心服务器发送的特征数据获取信号时，基于特征数据获取信号将目标时间段内的对象特征数据发送给中心服务器，以便于中心服务器通过训练完成的预设路径预测模型，基于目标雷达测距数据和目标时间段内的对象特征数据确定车辆的安全行车策略。
其中，车辆安全行驶策略生成方法基于虚拟化平台实施，且中心服务器在接收到初步预警信号后，基于初步预警信号生成特征数据获取信号，并将特征数据获取信号发送给虚拟化平台。
本发明实施例提供的车辆安全行驶策略生成装置，通过测量车辆与周边物体之间的距离获取于雷达测距数据，并基于雷达测距数据进行初步行驶安全判断，以判定出车辆周围是否存在距离较近的物体；之后再通过训练完成的预设路径预测模型，将雷达测距数据和对应的对象特征数据充分结合，以获取更加准确的安全行车策略；同时再基于设置于路两边的车联网信号测速基站获取一段时间内经过固定地点车辆的计数及车速信息，并基于获取的计数及车速信息计算安全距离-车流量综合评价指标，通过对安全距离-车流量综合评价指标进行判定，来获取目标地点附近整体车辆的行车策略，进一步提高车辆行驶安全性。通过5G通信模块将车辆检测出的数据发送至虚拟化平台进行存储并处理，降低车辆本地数据存储及计算量，不对车辆主要功能运作产生影响。
实施例三
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种存储介质，其存储有计算机程序，该计算机程序被处理器执行时可实现实施例一中车辆安全行驶策略生成方法中的所有步骤。
车辆安全行驶策略生成方法的具体步骤以及应用本发明实施例提供的可读存储介质获取的有益效果均与实施例一相同，在此不在对其进行赘述。
需要说明的是：存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
实施例四
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种终端。
图5示出了本发明实施例四终端结构示意图，参照图5，本实施例终端包括相互连接的处理器及存储器；存储器用于存储计算机程序，处理器用于执行存储器存储的计算机程序，以使终端执行时可实现实施例一车辆安全行驶策略生成方法中的所有步骤。
车辆安全行驶策略生成方法的具体步骤以及应用本发明实施例提供的终端获取的有益效果均与实施例一相同，在此不在对其进行赘述。
需要说明的是，存储器可能包含随机存取存储器（Random Access Memory，简称RAM），也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。同理处理器也可以是通用处理器，包括中央处理器（Central Processing Unit，简称CPU）、网络处理器（Network Processor，简称NP）等；还可以是数字信号处理器（Digital SignalProcessing，简称DSP）、专用集成电路（Application Specific Integrated Circuit，简称ASIC）、现场可编程门阵列（Field Programmable Gate Array，简称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。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (9)

1.一种车辆安全行驶策略生成方法，包括：
实时接收车载主板发送的雷达测距数据，并将当前接收到的所述雷达测距数据作为目标雷达测距数据；
基于所述目标雷达测距数据计算车辆安全行车状态值，并判断所述车辆安全行车状态值是否小于第一预设阈值，若是则向中心服务器发送初步预警信号，并将所述目标雷达测距数据传输至中心服务器，否则不向所述中心服务器发送初步预警信号；
实时接收车载主板发送的对象特征数据，并在接收到所述中心服务器发送的特征数据获取信号时，基于所述特征数据获取信号将目标时间段内的对象特征数据发送给所述中心服务器，以便于所述中心服务器通过训练完成的预设路径预测模型，基于所述目标雷达测距数据和目标时间段内的对象特征数据确定车辆的安全行车策略；
实时接收车联网信号测速基站发送目标地点的计数及车速信息，并基于预设时间段内的所述计数及车速信息计算安全距离-车流量综合评价指标；
其中，所述车辆安全行驶策略生成方法基于虚拟化平台实施，且所述中心服务器在接收到初步预警信号后，基于所述初步预警信号生成特征数据获取信号，并将所述特征数据获取信号发送给所述虚拟化平台；
基于预设时间段内的所述计数及车速信息计算安全距离-车流量综合评价指标包括：
Figure FDA0003962112750000011
其中，Z表示安全距离-车流量综合评价指标，T表示预设时间段时长，所述预设时间段的时间终点为最新接收到计数及车速信息的时刻，n为预设时间段内经过目标地点的车辆数量，vi表示第i辆经过目标地点车辆的速度，g表示重力加速度，μi表示第i辆车的摩擦系数，α表示车辆运行效率，β表示车流量影响因子系数。
2.根据权利要求1所述的方法，其特征在于，所述雷达测距数据基于设置于车辆上的防碰撞测距雷达组获取，所述防碰撞测距雷达组包括多个防碰撞测距雷达，所述防碰撞测距雷达组中的防碰撞测距雷达作为车辆的车载边缘节点；
所述对象特征数据基于设置于车辆上的全景摄像头获取，所述全景摄像头用于获取车辆附近物体图像数据，并对所述车辆附近物体图像数据中的物体进行特征提取，以获取对象特征数据。
3.根据权利要求2所述的方法，其特征在于，所述防碰撞测距雷达组内包括前部防碰撞测距雷达小组、中部防碰撞测距雷达小组和后部防碰撞测距雷达小组，所述前部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆前部边缘节点，所述中部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆中部边缘节点，所述后部防碰撞测距雷达小组中的防碰撞测距雷达作为车辆后部边缘节点；
基于所述目标雷达测距数据计算车辆安全行车状态值包括：
当车辆正向行驶时，D＝w1*(r1+…+rn+rn+1+…+rm)+w2*(rm+1+…+rz)；
当车辆反向行驶时，D＝w3*(r1+…+rn)+w4*(rn+1+…+rm+rm+1+…+rz)；
其中，D表示车辆安全行车状态值，r1、…、rn分别表示前部防碰撞测距雷达小组中各防碰撞测距雷达测量距自身最近物体的距离，rn+1、…、rm分别表示中部防碰撞测距雷达小组中各防碰撞测距雷达测量距自身最近物体的距离，rm+1、…、rz依次表示后部防碰撞测距雷达小组中防碰撞测距雷达测量距自身最近物体的距离，w1和w2表示车辆正向行驶距离权重，且w1＞w2，w3和w4表示车辆反向行驶距离权重，且w3＜w4。
4.根据权利要求1所述的方法，其特征在于，还包括：
判断所述安全距离-车流量综合评价指标是否大于第二预设阈值，若是则向所述车载主板发送降速行车策略，否则
判断所述安全距离-车流量综合评价指标是否小于第三预设阈值，若是则向所述车载主板发送提速行车策略，否则不向所述车载主板发送行车策略。
5.根据权利要求1所述的方法，其特征在于，所述虚拟化平台为基于Serverless的虚拟化平台。
6.根据权利要求1所述的方法，其特征在于，所述车载主板通过5G通信模块与所述虚拟化平台进行数据传输。
7.一种车辆安全行驶策略生成装置，其特征在于，包括雷达测距数据获取模块、初步判断模块和对象特征数据发送模块；
所述雷达测距数据获取模块，用于实时接收车载主板发送的雷达测距数据，并将当前接收到的所述雷达测距数据作为目标雷达测距数据；
所述初步判断模块，用于基于所述目标雷达测距数据计算车辆安全行车状态值，并判断所述车辆安全行车状态值是否小于第一预设阈值，若是则向中心服务器发送初步预警信号，并将所述目标雷达测距数据传输至中心服务器，否则不向所述中心服务器发送初步预警信号；
所述对象特征数据发送模块，用于实时接收车载主板发送的对象特征数据，并在接收到所述中心服务器发送的特征数据获取信号时，基于所述特征数据获取信号将目标时间段内的对象特征数据发送给所述中心服务器，以便于所述中心服务器通过训练完成的预设路径预测模型，基于所述目标雷达测距数据和目标时间段内的对象特征数据确定车辆的安全行车策略；实时接收车联网信号测速基站发送目标地点的计数及车速信息，并基于预设时间段内的所述计数及车速信息计算安全距离-车流量综合评价指标；
其中，所述车辆安全行驶策略生成方法基于虚拟化平台实施，且所述中心服务器在接收到初步预警信号后，基于所述初步预警信号生成特征数据获取信号，并将所述特征数据获取信号发送给所述虚拟化平台；
基于预设时间段内的所述计数及车速信息计算安全距离-车流量综合评价指标包括：
Figure FDA0003962112750000031
其中，Z表示安全距离-车流量综合评价指标，T表示预设时间段时长，所述预设时间段的时间终点为最新接收到计数及车速信息的时刻，n为预设时间段内经过目标地点的车辆数量，vi表示第i辆经过目标地点车辆的速度，g表示重力加速度，μi表示第i辆车的摩擦系数，α表示车辆运行效率，β表示车流量影响因子系数。
8.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6中任一项所述车辆安全行驶策略生成方法。
9.一种终端，其特征在于，包括：处理器以及存储器，所述存储器与所述处理器之间通信连接；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至6中任一项所述车辆安全行驶策略生成方法。
CN202211250680.3A 2022-10-13 2022-10-13 车辆安全行驶策略生成方法及装置、存储介质和终端 Active CN115331446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211250680.3A CN115331446B (zh) 2022-10-13 2022-10-13 车辆安全行驶策略生成方法及装置、存储介质和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211250680.3A CN115331446B (zh) 2022-10-13 2022-10-13 车辆安全行驶策略生成方法及装置、存储介质和终端

Publications (2)

Publication Number Publication Date
CN115331446A CN115331446A (zh) 2022-11-11
CN115331446B true CN115331446B (zh) 2023-03-24

Family

ID=83915114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211250680.3A Active CN115331446B (zh) 2022-10-13 2022-10-13 车辆安全行驶策略生成方法及装置、存储介质和终端

Country Status (1)

Country Link
CN (1) CN115331446B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117425153B (zh) * 2023-12-18 2024-03-26 新华三网络信息安全软件有限公司 车联网终端的风险检测方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113494925A (zh) * 2021-03-25 2021-10-12 北京星云互联科技有限公司 一种确定目标车辆的方法、装置、车辆及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006322852A (ja) * 2005-05-19 2006-11-30 Olympus Corp 距離計測装置、距離計測方法および距離計測プログラム
CN107444256B (zh) * 2017-07-31 2020-10-16 珠海骏驰科技有限公司 一种汽车全方位防碰撞***及其方法
CN107798915A (zh) * 2017-09-21 2018-03-13 苏州大学 一种用于预测车辆行驶路线和防碰撞的智能评估***
CN113990103A (zh) * 2021-09-24 2022-01-28 北京车和家信息技术有限公司 一种车辆环境图像的处理方法、设备、装置及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113494925A (zh) * 2021-03-25 2021-10-12 北京星云互联科技有限公司 一种确定目标车辆的方法、装置、车辆及存储介质

Also Published As

Publication number Publication date
CN115331446A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
WO2021004077A1 (zh) 一种检测车辆的盲区的方法及装置
CN109087510B (zh) 交通监测方法及装置
US9707961B1 (en) Tracking objects within a dynamic environment for improved localization
WO2021238306A1 (zh) 一种激光点云的处理方法及相关设备
CN106767852A (zh) 一种生成探测目标信息的方法、装置和设备
US11654899B2 (en) Method and apparatus for avoidance control of vehicle, electronic device and storage medium
US20220089153A1 (en) Scenario identification in autonomous driving environments
CN115017742B (zh) 自动驾驶测试场景生成方法、装置、设备及存储介质
CN115331446B (zh) 车辆安全行驶策略生成方法及装置、存储介质和终端
US11307302B2 (en) Method and device for estimating an absolute velocity of an obstacle, and non-volatile computer-readable storage medium
CN108806018A (zh) 一种数据处理方法、数据处理设备和智能汽车
CN112512887A (zh) 一种行驶决策选择方法以及装置
CN111710158A (zh) 一种车辆数据处理方法及相关设备
CN112116809A (zh) 基于v2x技术的非视距车辆防碰撞方法及装置
JP2012059058A (ja) 危険推定装置及びプログラム
CN216357337U (zh) 一种智能网联研究测试装置
EP4206610A1 (en) Map matching method and apparatus, and electronic device and storage medium
CN117128979A (zh) 一种多传感器融合方法、装置、电子设备及存储介质
CN115359332A (zh) 基于车路协同的数据融合方法、装置、电子设备及***
CN111586160B (zh) 数据处理方法、装置、数据处理设备及存储介质
CN111813089A (zh) 一种飞行器避障算法的仿真验证方法、装置及***
CN114120651B (zh) 用于测试感知目标数的方法、装置、设备、介质和产品
WO2022266863A1 (zh) 车路协同的通信、数据处理方法、探测***及融合装置
CN108583627A (zh) 一种轨道交通的列车电力安全运行监测***及方法
CN117719524B (zh) 一种驾驶安全风险识别预警方法、装置、终端及存储介质

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