CN115662186A - 基于人工智能的车辆避障方法以及*** - Google Patents

Abstract

本发明适用于计算机领域，提供了一种基于人工智能的车辆避障方法以及***，所述方法包括：获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息包括危险目标的数量信息以及移动信息；当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令；本发明的有益效果在于：利用人工智能中的智能识别和检测等技术，将道路的识别和检测与车辆交互结合，能够为车辆在危险路段的驾驶提供较为可靠的参考，应用适用性好。

Description

基于人工智能的车辆避障方法以及***

技术领域

本发明属于计算机领域，尤其涉及一种基于人工智能的车辆避障方法以及***。

背景技术

越来越多的产品开始朝着网联化、智能化、无人化方向发展，尤其是车辆行业，例如智能驾驶汽车，从辅助驾驶到高级辅助驾驶再到无人驾驶，也是阶梯性的发展，车载人或者车载物，都为人类的出行或者运输带来了巨大的便利性，车辆的安全行驶要求道路具有一定的平整性以及车辆自身的识别能力，还需要驾驶人具有丰富的驾驶经验，而车辆的使用避障能力是乘客和驾驶员在行车时的舒适性、货物的完整无损的保证，也是车辆安全行驶的重要体现之一。

就目前来讲，高级别的辅助驾驶是当前最有前景最有可能实现的，而高级别辅助驾驶最基础的就是车辆避障，其决策层一般利用智能控制器，其感知层一般利用超声波雷达、GPS、激光雷达和摄像头等，其应用层一般利用EPS和EBS等应用架构实现，还有的应用层嵌入到Adaptive Autosar架构中。

现有的车辆在道路上行驶时，特别是在一些没有较好防护措施的道路上行驶时，常常可能会遭遇一些障碍物，不论是活体障碍还是被动移动的障碍物，均会对车辆的行驶造成严重的影响，甚至造成事故的发生，当对其智能避障有较高的要求时，通过研究上述现有技术可以发现，其一般还是对车辆本身的要求程度比较高，但是考虑到应用的成本以及车辆的类型，高级别的智能化必然导致其避障不具有普适性。

发明内容

本发明实施例的目的在于提供一种基于人工智能的车辆避障方法以及***，旨在解决上述背景技术中提出的问题。

本发明实施例是这样实现的，一方面，一种基于人工智能的车辆避障方法，所述方法包括：

获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息包括危险目标的数量信息以及移动信息；

当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令；

当检测到危险目标的数量大于等于一个，向即将到达危险路段的车辆发送减速提醒信息，且继续检测到至少一个危险目标的移动速度不小于预设速度时，向即将到达危险路段的随同车辆发送第二预警提示指令，其中随同车辆中至少两个分排行驶车辆之间的垂直车距在第二阈值距离内。

作为本发明的进一步方案，在获取危险路之前，所述方法还包括：

获取历史交通数据信息；

统计历史交通数据信息中事故类型和事故频次，其中所述事故类型与危险信息相关联；

根据所述事故类型以及事故频次标记预设路段范围内的路段危险等级，当所述路段危险等级大于预设等级时，判定预设路段范围内子路段为危险路段。

作为本发明的再进一步方案，所述根据所述事故类型以及事故频次标记预设路段范围内的路段危险等级具体包括：

计算预设路段范围内子路段的危险等级得分，其中不同的事故类型的得分不同，所述危险等级得分为事故类型的得分和对应事故频次的乘积；

按照所述危险等级得分划分路段危险区间，其中不同的危险路段区间对应设定的危险等级得分差值。

作为本发明的又进一步方案，所述获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息至少包括危险目标的数量信息以及移动信息具体包括：

获取采集周期，每间隔一个采集周期获取一次危险路段的影像数据；

检测所述影像数据中是否包含预设的危险目标；

若是，则检测所述危险目标的数量信息以及移动信息，所述移动信息至少包括移动距离以及移动速度。

作为本发明的进一步方案，所述估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令具体包括：

获取在每个检测周期内危险目标的最大移动距离，根据所述最大移动距离计算危险目标移动速度的最大值；

根据危险目标移动速度的最大值分别计算危险目标从当前位置移动到危险路段车道边缘位置的时间，生成危险目标移动速度的最大值对应的第一时间，根据所述第一时间建立危险目标移动时间排名；

获取即将进入危险路段的车辆的第二时间；

当所述第二时间和危险目标移动时间排名中的第一时间之间的差值在设定时间差值内时，向即将进入危险路段的车辆发送第一预警提示指令。

作为本发明的进一步方案，所述方法还包括：

根据危险目标在影像数据的面积估算危险目标的体积，当所述危险目标的体积大于设定体积时，向道路维护中心发送道路待维护提示信息。

作为本发明的进一步方案，所述向即将到达危险路段的随同车辆发送第二预警提示指令具体包括：

识别即将到达危险路段的分排行驶的所有车辆，标记所有车辆中至少两个车辆之间的垂直车距在第二阈值距离内的车辆为随同车辆；

尝试建立所有随同车辆的随车终端之间的信息交互通道，向即将到达危险路段的随同车辆同步发送第二预警提示指令，所述反馈指令包含谨慎变道的提示；

检测随同车辆接收第二预警提示指令后的反馈指令，识别在设定时长内未发送反馈指令的随同车辆，其中所述反馈指令用于表征随同车辆的驾驶人对第二预警提示指令的反馈；

若是，标记未发送反馈指令的随同车辆为第一车辆，标记随同车辆中其他车辆为第二车辆，定位第三车辆，第三车辆为与第一车辆非相同车道的且处于第一车辆斜后方的第二车辆，向第三车辆发送注意车辆变道的提示信息。

作为本发明的进一步方案，另一方面，一种基于人工智能的车辆避障***，所述***包括：

获取和检测模块，用于获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息包括危险目标的数量信息以及移动信息；

第一预警模块，用于当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令；

第二预警模块，当检测到危险目标的数量大于等于一个，向即将到达危险路段的车辆发送减速提醒信息，且继续检测到至少一个危险目标的移动速度不小于预设速度时，向即将到达危险路段的随同车辆发送第二预警提示指令，其中随同车辆中至少两个分排行驶车辆之间的垂直车距在第二阈值距离内。

本发明实施例提供的一种基于人工智能的车辆避障方法以及***，利用人工智能中的智能识别和检测等技术，将道路的识别和检测与车辆交互结合，能够为车辆在危险路段的驾驶提供较为可靠的参考，提供障碍预警，方便其规避危险目标或者由此导致的障碍，具有较好的提示作用，能够减少剐蹭等事件的发生，保障车辆在危险路段行驶的安全性，能够提高车辆避障应用的普适性。

附图说明

图1是一种基于人工智能的车辆避障方法的主流程图。

图2是一种基于人工智能的车辆避障方法中根据所述影像数据检测危险路段的危险信息的流程图。

图3是一种基于人工智能的车辆避障方法中根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令的流程图。

图4是所述向即将到达危险路段的随同车辆发送第二预警提示指令的流程图。

图5是一种基于人工智能的车辆避障***的主结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的具体实现进行详细描述。

本发明提供的一种基于人工智能的车辆避障方法以及***，利用人工智能中的智能识别和检测等技术，将道路的识别和检测与车辆交互结合，能够为车辆在危险路段的驾驶提供较为可靠的参考，提供障碍预警，方便其规避危险目标或者由此导致的障碍，具有较好的提示作用，能够减少剐蹭等事件的发生，保障车辆在危险路段行驶的安全性，能够提高车辆避障应用的普适性，解决了背景技术中的技术问题。

如图1所示，为本发明的一个实施例提供的一种基于人工智能的车辆避障方法的主流程图，所述一种基于人工智能的车辆避障方法包括：

步骤S10：获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息包括危险目标的数量信息以及移动信息；

步骤S11：当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令；

步骤S12：当检测到危险目标的数量大于等于一个，向即将到达危险路段的车辆发送减速提醒信息，且继续检测到至少一个危险目标的移动速度不小于预设速度时，向即将到达危险路段的随同车辆发送第二预警提示指令，其中随同车辆中至少两个分排行驶车辆之间的垂直车距在第二阈值距离内。

本实施例在应用时，当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令，第一预警提示指令具有较好的针对性，能够为车辆在危险路段的驾驶提供较为可靠的参考(例如给车内的驾驶人)，提供障碍预警，方便其规避危险目标或者由此导致的障碍；当检测到危险目标的数量大于等于一个，向即将到达危险路段的车辆发送减速提醒信息，且继续检测到至少一个危险目标的移动速度不小于预设速度时，向即将到达危险路段的随同车辆发送第二预警提示指令，其中随同车辆中至少两个分排行驶车辆之间的垂直车距在第二阈值距离内，使得随同车辆注意减速行驶后再注意谨慎变道，具有较好的提示作用，能够减少剐蹭等事件的发生，保障车辆在危险路段行驶的安全性，能够提高车辆避障应用的普适性。

作为本发明的一种优选实施例，在获取危险路之前，所述方法还包括：

步骤S20：获取历史交通数据信息；

步骤S21：统计历史交通数据信息中事故类型和事故频次，其中所述事故类型与危险信息相关联；

步骤S22：根据所述事故类型以及事故频次标记预设路段范围内的路段危险等级，当所述路段危险等级大于预设等级时，判定预设路段范围内子路段为危险路段。

在本实施例的一种情况中，所述根据所述事故类型以及事故频次标记预设路段范围内的路段危险等级具体包括：

步骤S221：计算预设路段范围内子路段的危险等级得分，其中不同的事故类型的得分不同，所述危险等级得分为事故类型的得分和对应事故频次的乘积；

步骤S222：按照所述危险等级得分划分路段危险区间，其中不同的危险路段区间对应设定的危险等级得分差值。例如，危险等级得分超过60分对应的子路段均为危险路段，60分是根据事故类型以及事故频次来设定的。

可以理解的是，根据历史交通数据信息来统计事故类型和事故频次，进而根据所述事故类型以及事故频次标记预设路段范围内的路段危险等级，当所述路段危险等级大于预设等级时，判定预设路段范围内子路段为危险路段，使得对危险路段的判断具有较高的参考价值。

如图2所示，作为本发明的一种优选实施例，所述获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息至少包括危险目标的数量信息以及移动信息具体包括:

步骤S101：获取采集周期，每间隔一个采集周期获取一次危险路段的影像数据；

步骤S102：检测所述影像数据中是否包含预设的危险目标；

步骤S103：若是，则检测所述危险目标的数量信息以及移动信息，所述移动信息至少包括移动距离以及移动速度。

本实施例在应用时，采集周期可以根据实际情况以及经验来确定，例如0.5s，检测所述影像数据中是否包含预设的危险目标，预设危险目标可以是明显移动的障碍物，如动物，也可以是缓慢被动移动的障碍物，如石头，遗落到道路旁边或者道路上的物件，可因天气变化等因素而移动，这些障碍物一旦处于车辆前进的道路上，将会对车辆行进造成障碍，甚至导致事故的发生。

如图3所示，作为本发明的一种优选实施例，所述估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令具体包括：

步骤S111：获取在每个检测周期内危险目标的最大移动距离，根据所述最大移动距离计算危险目标移动速度的最大值；

步骤S112：根据危险目标移动速度的最大值分别计算危险目标从当前位置移动到危险路段车道边缘位置的时间，生成危险目标移动速度的最大值对应的第一时间，根据所述第一时间建立危险目标移动时间排名；这里的危险目标移动时间排名可以是多个危险目标移动速度的最大值对应的第一时间的排名；

步骤S113：获取即将进入危险路段的车辆的第二时间；第二时间可以通过车辆在危险路段之前的行驶速度以及对应的距离来估算，如通过距离和最大行驶速度的比值，或者该比值再乘以一个相应的修正系数(在0和1之间)，当然对于接近匀速行驶或者匀速行驶的车辆，其第二时间则更加便于计算；由于多个危险目标可能遍布于危险路段，因此第二时间的计算从即将进入危险路段时开始计算；

步骤S114：当所述第二时间和危险目标移动时间排名中的第一时间之间的差值在设定时间差值内时，向即将进入危险路段的车辆发送第一预警提示指令。第一预警提示指令可以是语音提示、振动提示等，在此不做限定。

可以理解的是，最大移动距离是根据连续几个检测周期所获得的，因此具有一定的参考价值(也可以根据实际需求赋予相应的修正系数)，所述第一时间为当前位置移动到危险路段车道边缘位置的时间，可以理解为危险目标从可能对道路上车辆的行驶具有威胁，到极有可能对车辆行驶具有威胁，第一时间和第二时间的差值在设定时间差值内，表明危险目标有可能在道路上与行驶的车辆“相遇”，对相应的车辆造成威胁，因此第一预警提示指令具有较好的针对性，为车辆在危险路段的驾驶提供较为可靠的参考，提供障碍预警，方便其规避危险目标或者由此导致的障碍，当车辆自动驾驶级别不高时，为驾驶人提供避障参考。

作为本发明的一种优选实施例，所述方法还包括：

步骤S30：根据危险目标在影像数据的面积估算危险目标的体积，当所述危险目标的体积大于设定体积时，向道路维护中心发送道路待维护提示信息。

可以理解的是，危险目标的体积越大，在速度一定的前提下，危害性也就越大，有可能直接对车辆造成无法越过的道路行驶障碍，因此需要向道路维护中心发送道路待维护提示信息。

如图4所示，作为本发明的一种优选实施例，所述向即将到达危险路段的随同车辆发送第二预警提示指令具体包括：

步骤S121：识别即将到达危险路段的分排行驶的所有车辆，标记所有车辆中至少两个车辆之间的垂直车距在第二阈值距离内的车辆为随同车辆；

步骤S122：尝试建立所有随同车辆的随车终端之间的信息交互通道，向即将到达危险路段的随同车辆同步发送第二预警提示指令，所述反馈指令包含谨慎变道的提示；随车终端包括但是不限于为车联网终端；

步骤S123：检测随同车辆接收第二预警提示指令后的反馈指令，识别在设定时长内未发送反馈指令的随同车辆，其中所述反馈指令用于表征随同车辆的驾驶人对第二预警提示指令的反馈；在设定时长内未发送反馈指令表示随车终端故障或者是随同车辆的驾驶人未及时反馈；随同车辆的驾驶人对第二预警提示指令的反馈可以是语音接收反馈，例如回复“ok”，也可以是触屏确认反馈，或者指纹确认反馈，表示随同车辆的驾驶人对第二预警提示指令保持基本的认知，如已读；

步骤S124：若是，标记未发送反馈指令的随同车辆为第一车辆，标记随同车辆中其他车辆为第二车辆，定位第三车辆，第三车辆为与第一车辆非相同车道的且处于第一车辆斜后方的第二车辆，向第三车辆发送注意车辆变道的提示信息。考虑到变道可以向左变道或者向右变道，因此每三辆并行的第二车辆中，第三车辆可以有两辆；

一般的，对于强行变道造成事故的肇事车辆，应当将其肇事的过程通过影像记录，并且发送至交管部门所在的监管中心。

可以理解的是，通过向即将到达危险路段的随同车辆发送第二预警提示指令，不仅能够就移动速度达到预设速度的危险目标，向随同车辆发送第二预警提示指令，使得随同车辆注意减速行驶后再注意谨慎变道，尤其是对于在设定时长内未发送反馈指令的随同车辆，能够对与其存在利害关系的第三车辆起到很好的提示作用，减少剐蹭等事件的发生。

如图5所示，作为本发明的另一种优选实施例，另一方面，一种基于人工智能的车辆避障***，所述***包括：

获取和检测模块100，用于获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息包括危险目标的数量信息以及移动信息；

第一预警模块200，用于当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令；

第二预警模块300，当检测到危险目标的数量大于等于一个，向即将到达危险路段的车辆发送减速提醒信息，且继续检测到至少一个危险目标的移动速度不小于预设速度时，向即将到达危险路段的随同车辆发送第二预警提示指令，其中随同车辆中至少两个分排行驶车辆之间的垂直车距在第二阈值距离内。

本发明上述实施例中提供了一种基于人工智能的车辆避障方法，并基于该基于人工智能的车辆避障方法提供了一种基于人工智能的车辆避障***，当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令，第一预警提示指令具有较好的针对性，能够为车辆在危险路段的驾驶提供较为可靠的参考，提供障碍预警，方便其规避危险目标或者由此导致的障碍；当检测到危险目标的数量大于等于一个，向即将到达危险路段的车辆发送减速提醒信息，且继续检测到至少一个危险目标的移动速度不小于预设速度时，向即将到达危险路段的随同车辆发送第二预警提示指令，其中随同车辆中至少两个分排行驶车辆之间的垂直车距在第二阈值距离内，使得随同车辆注意减速行驶后再注意谨慎变道，具有较好的提示作用，能够减少剐蹭等事件的发生，保障车辆在危险路段行驶的安全性，能够提高车辆避障应用的普适性。

为了能够加载上述方法和***能够顺利运行，该***除了包括上述各种模块之外，还可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线、处理器和存储器等。

所称处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，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，上述处理器是上述***的控制中心，利用各种接口和线路连接各个部分。

上述存储器可用于存储计算机以及***程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等。存储数据区可存储根据泊位状态显示***的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于人工智能的车辆避障方法，其特征在于，所述方法包括：

获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息包括危险目标的数量信息以及移动信息；

当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令；

当检测到危险目标的数量大于等于一个，向即将到达危险路段的车辆发送减速提醒信息，且继续检测到至少一个危险目标的移动速度不小于预设速度时，向即将到达危险路段的随同车辆发送第二预警提示指令，其中随同车辆中至少两个分排行驶车辆之间的垂直车距在第二阈值距离内。

2.根据权利要求1所述的基于人工智能的车辆避障方法，其特征在于，在获取危险路之前，所述方法还包括：

获取历史交通数据信息；

统计历史交通数据信息中事故类型和事故频次，其中所述事故类型与危险信息相关联；

根据所述事故类型以及事故频次标记预设路段范围内的路段危险等级，当所述路段危险等级大于预设等级时，判定预设路段范围内子路段为危险路段。

3.根据权利要求2所述的基于人工智能的车辆避障方法，其特征在于，所述根据所述事故类型以及事故频次标记预设路段范围内的路段危险等级具体包括：

计算预设路段范围内子路段的危险等级得分，其中不同的事故类型的得分不同，所述危险等级得分为事故类型的得分和对应事故频次的乘积；

按照所述危险等级得分划分路段危险区间，其中不同的危险路段区间对应设定的危险等级得分差值。

4.根据权利要求1所述的基于人工智能的车辆避障方法，其特征在于，所述获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息至少包括危险目标的数量信息以及移动信息具体包括：

获取采集周期，每间隔一个采集周期获取一次危险路段的影像数据；

检测所述影像数据中是否包含预设的危险目标；

若是，则检测所述危险目标的数量信息以及移动信息，所述移动信息至少包括移动距离以及移动速度。

5.根据权利要求1所述的基于人工智能的车辆避障方法，其特征在于，所述估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令具体包括：

获取在每个检测周期内危险目标的最大移动距离，根据所述最大移动距离计算危险目标移动速度的最大值；

根据危险目标移动速度的最大值分别计算危险目标从当前位置移动到危险路段车道边缘位置的时间，生成危险目标移动速度的最大值对应的第一时间，根据所述第一时间建立危险目标移动时间排名；

获取即将进入危险路段的车辆的第二时间；

当所述第二时间和危险目标移动时间排名中的第一时间之间的差值在设定时间差值内时，向即将进入危险路段的车辆发送第一预警提示指令。

6.根据权利要求1所述的基于人工智能的车辆避障方法，其特征在于，所述方法还包括：

根据危险目标在影像数据的面积估算危险目标的体积，当所述危险目标的体积大于设定体积时，向道路维护中心发送道路待维护提示信息。

7.根据权利要求1-6任一所述的基于人工智能的车辆避障方法，其特征在于，所述向即将到达危险路段的随同车辆发送第二预警提示指令具体包括：

识别即将到达危险路段的分排行驶的所有车辆，标记所有车辆中至少两个车辆之间的垂直车距在第二阈值距离内的车辆为随同车辆；

尝试建立所有随同车辆的随车终端之间的信息交互通道，向即将到达危险路段的随同车辆同步发送第二预警提示指令；

检测随同车辆接收第二预警提示指令后的反馈指令，识别在设定时长内未发送反馈指令的随同车辆，其中所述反馈指令用于表征随同车辆第二预警提示指令的反馈；

若是，标记未发送反馈指令的随同车辆为第一车辆，标记随同车辆中其他车辆为第二车辆，定位第三车辆，第三车辆为与第一车辆非相同车道的且处于第一车辆斜后方的第二车辆，向第三车辆发送注意车辆变道的提示信息。

8.一种基于人工智能的车辆避障***，其特征在于，所述***包括：

获取和检测模块，用于获取危险路段的影像数据，根据所述影像数据检测危险路段的危险信息，所述危险信息包括危险目标的数量信息以及移动信息；

第一预警模块，用于当在连续检测周期内，检测到危险目标的移动速度均小于预设速度，且危险目标的移动距离小于第一阈值距离时，估算危险目标靠近危险路段车道的时间，根据所述危险目标靠近危险路段车道的时间向即将经过危险路段的车辆发送第一预警提示指令；

第二预警模块，当检测到危险目标的数量大于等于一个，向即将到达危险路段的车辆发送减速提醒信息，且继续检测到至少一个危险目标的移动速度不小于预设速度时，向即将到达危险路段的随同车辆发送第二预警提示指令，其中随同车辆中至少两个分排行驶车辆之间的垂直车距在第二阈值距离内。

Images