CN115798182B - 一种摩托车的智能安全管理方法及*** - Google Patents
一种摩托车的智能安全管理方法及*** Download PDFInfo
- Publication number
- CN115798182B CN115798182B CN202310101100.2A CN202310101100A CN115798182B CN 115798182 B CN115798182 B CN 115798182B CN 202310101100 A CN202310101100 A CN 202310101100A CN 115798182 B CN115798182 B CN 115798182B
- Authority
- CN
- China
- Prior art keywords
- motorcycle
- matching
- early warning
- real
- speed
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种摩托车的智能安全管理方法及***。通过基于监测运行数据进行运行等级匹配,获得匹配运行等级;基于连续环境图像采集结果构建路况特征;基于匹配运行等级和路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;通过传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和匹配评价差级生成第二预警信息;根据上述预警信息进行摩托车运行安全预警。采用本方法能够解决现有技术中存在摩托车安全管控依赖于交通规则以及驾驶员的驾车能力和素质,导致摩托车安全管理有效性较弱的技术问题,实现了提高摩托车驾驶可控性,提高摩托车安全管理有效性的技术效果。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种摩托车的智能安全管理方法及***。
背景技术
随着“禁摩令”在全国各个城市的逐步解除,摩托车这一便捷交通工具再次成为段通勤距离的优选代步工具。摩托车相较于形态相似的电动车,其驾驶速度和危险性大幅上升,因而城市管理规则以及国家交通法规都颁布有规章制度以限制摩托车在城市中的行驶速度。
现阶段摩托车的安全管控多位柔性管控,例如进行交通道路限速要求设置以及在申领摩托车驾驶证时进行驾驶员规章要求培训考试,柔性管控方法对于驾驶员驾驶素质优劣依赖度较高,且行政罚款等管理方式又存在管理滞后性的缺陷,并不利于“禁摩令”解除后对于摩托车的有效管理。
综上所述,现有技术中存在摩托车安全管控依赖于交通规则以及驾驶员的驾车能力和素质,导致摩托车安全管理有效性较弱的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现提高摩托车驾驶可控性,提高摩托车安全管理有效性的一种摩托车的智能安全管理方法及***。
一种摩托车的智能安全管理方法,方法包括:通过所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据;基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;通过所述图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;通过所述传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息;根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
一种摩托车的智能安全管理***,所述***包括:运行数据监测模块,用于通过数据交互设备进行摩托车的数据交互,获得实时监测运行数据;运行等级匹配模块,用于基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;环境图像采集模块,用于通过图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;匹配评价执行模块,用于基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;姿态检测执行模块,用于通过传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息;安全预警生成模块,用于根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
通过所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据;
基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;
通过所述图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;
基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;
通过所述传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息;
根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
通过所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据;
基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;
通过所述图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;
基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;
通过所述传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息;
根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
上述一种摩托车的智能安全管理方法及***,解决了现有技术中存在摩托车安全管控依赖于交通规则以及驾驶员的驾车能力和素质,导致摩托车安全管理有效性较弱的技术问题,实现了提高摩托车驾驶可控性,提高摩托车安全管理有效性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种摩托车的智能安全管理方法的流程示意图;
图2为一个实施例中一种摩托车的智能安全管理方法中生成采集评价结果的流程示意图;
图3为一个实施例中一种摩托车的智能安全管理***的结构框图;
图4为一个实施例中计算机设备的内部结构图;
附图标记说明:运行数据监测模块1,运行等级匹配模块2,环境图像采集模块3,匹配评价执行模块4,姿态检测执行模块5,安全预警生成模块6。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种摩托车的智能安全管理方法,所述方法应用于智能安全管理***,所述智能安全管理***与图像采集装置、传感器设备、数据交互设备通信连接,所述方法包括:
S100:通过所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据;
具体而言,在本实施例中,所述智能安全管理***为一种摩托车驾驶安全控制模式,与摩托车控制***连接,所述智能安全管理***运行不具有强制性,驾驶用户可根据需求进行智能安全管理***这一安全控制模式的开启关闭。
在本实施例中通过所述数据交互设备进行摩托车的数据交互,采集获得实时监测运行数据,所述实时监测运行数据为摩托车的实时行驶速度数据信息,例如37km/h。
S200:基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;
具体而言,在本实施例中,所述运行等级为通过将摩托车行驶速度等分为多个速度阈值获得,例如以5km为一个速度阈值时,将30~35km/h对应的运动运行等级为1级,构建等差数列并将公差常数设为5,35~40km/h对应的运动运行等级为2级……95~100km/h对应运行等级12,以此列推构建多级运行等级,运行等级越高表明摩托车行驶速度越快,对应发生驾驶事故的概率越高。
将所述实时监测运行数据与所述多级运行等级匹配,获得所述实时监测运行数据所处速度阈值,将其所处速度阈值作为所述匹配运行等级,如若所述实时监测运行数据为37km/h,则其对应的匹配运行等级为2级。
S300:通过所述图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;
具体而言,在本实施例中,所述图像采集装置可为在摩托车本体增设的视频图像采集设备也可为原有行车记录仪,通过所述图像采集装置进行连续环境图像采集获得摩托车驾驶方向沿途环境,基于连续环境图像采集结果构建实时路况特征,所述实时路况特征包括行人数量特征、路面平整度特征以及路况标识特征。
所述基于连续环境图像采集结果构建实时路况特征的具体方法为,根据连续环境图像进行静止图像帧获取,对静止图像帧分别进行行人数量特征分析、路面特征分析、路况标识特征的分析,获得反映道路行人密度的行人数量特征,反映道路陡峭程度的路面平整度特征以及反映道路行驶规定要求的路况标识特征,构成所述实时路况特征,为后续结合匹配运行等级进行车辆超速预警提供参考数据。
S400:基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;
具体而言,在本实施例中,基于所述实时路况特征提取获得行人数量特征、路面平整度特征以及路况标识特征,根据行人数量特征、路面平整度特征以及路况标识特征分别生成速度约束阈值,并将多个速度约束阈值进行交集计算,获得最小速度约束阈值作为当前路况环境车辆行驶安全速度。将最小速度约束阈值的上限数值与步骤S200构建的运行等级进行等级匹配,获得实时路况特征的运行等级。
将所述匹配运行等级和所述实时路况特征的运行等级进行匹配评价,判断所述匹配运行等级是否高于所述实时路况特征的运行等级,如若高于则计算两者运行等级差值获得所述匹配评价差级,所述匹配评价差级反映了摩托车实际驾驶速度超出其所处驾驶环境的速度要求的程度,基于匹配评价差级生成第一预警信息,所述第一预警信息用于直接提示驾驶员进行速度控制或激活所述智能安全管理***辅助降速制动,以确保摩托车驾驶速度降速至安全驾驶速度。
S500:通过所述传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息;
具体而言,应理解的,摩托车骑行驾驶过程中,驾驶员姿势也影响驾驶安全性,例如在摩托车拐弯时,需要驾驶员改变姿势以维持重心避免车辆失控。因而在本实施例中,基于布设在摩托车控制装置以及驾驶员头盔护具内的若干各类型传感器设备进行车辆行驶过程中的车辆重心检测获得车辆实时重心检测结果,驾驶员身体重心检测获得驾驶员重心检测结果,所述车辆实时重心检测结果和驾驶员重心检测结果都是以摩托车车头为基准的相对位置空间坐标数据。
计算车辆实时重心检测结果和驾驶员重心检测结果的相对位置空间坐标数据获得重心偏离数据,将重心偏离数据与用于判断人车重心偏离程度是否存在驾驶危险的预设重心偏离阈值进行比对,当重心偏离数据超出所述预设重心偏离阈值时,表明如若驾驶员不改变驾驶姿势重心存在车辆失控风险。
将重心偏离数据与预设重心偏离阈值进行比对,获得所述姿态检测结果,基于姿态检测结果和所述匹配评价差级生成第二预警信息,所述第二预警信息用于提示用户进行姿势调整以确保摩托车重心与驾驶员重心相对具有一致性。
S600:根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
具体而言,在本实施例中,所述第一预警信息用于直接或间接进摩托车驾驶速度调节,所述第二预警信息用于提示驾驶员进行驾驶姿势调整以保障驾驶安全。基于所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警以确保驾驶员摩托车骑行速度满足驾驶环境安全要求且避免驾驶员骑行重心偏差造成车辆驾驶失控。
本实施例通过所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据;基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;通过所述图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征,为后续结合匹配运行等级进行车辆超速预警提供参考数据;基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息,实现直接提示驾驶员进行速度控制或激活所述智能安全管理***辅助降速制动,以确保摩托车驾驶速度降速至安全驾驶速度;通过所述传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息,以实现提示用户进行姿势调整以确保摩托车重心与驾驶员重心相对具有一致性;根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警,以确保驾驶员摩托车骑行速度满足驾驶环境安全要求且避免驾驶员骑行重心偏差造成车辆驾驶失控。达到了提高摩托车驾驶可控性,提高摩托车安全管理有效性的技术效果。
在一个实施例中,如图2所示,本申请提供的方法步骤还包括:
S410:当所述第一预警信息产生后,判断所述匹配评价差级是否在预设差级阈值范围内;
S420:当所述第一预警信息在所述预设差级阈值范围内时,则根据所述匹配评价差级和所述匹配运行等级生成响应监督区间;
S430:通过所述响应监督区间进行所述数据交互设备的响应数据采集评价,生成采集评价结果;
S440:根据所述采集评价结果进行所述摩托车的运行安全管理。
在一个实施例中,本申请提供的方法步骤还包括:
S450:判断所述采集评价结果的降速值是否在预期降速范围内;
S460:当所述降速值不在所述预期降速范围内时,则根据响应数据采集结果和所述匹配评价差级生成多层级速度约束区间;
S470:通过所述多层级速度约束区间进行所述摩托车的运行降速控制。
具体而言,在本实施例中,所述匹配评价差级反映了摩托车实际驾驶速度超出其所处驾驶环境的速度要求的程度,所述预设差级阈值为用于判断评估摩托车实际驾驶速度超出所处驾驶环境的速度要求的严重程度,例如所述预设差级阈值可为设定为5级,例如所述匹配运行等级为6级,所述实时路况特征的运行等级为3级,则计算获得匹配评价差级为6-3=3级,小于所述预设差级阈值5级。
当所述第一预警信息产生后,判断所述匹配评价差级是否在预设差级阈值范围内,当所述第一预警信息在所述预设差级阈值范围内时,表明当前摩托车实时驾驶速度虽然超出实时路况特征的驾驶速度要求,但超速程度较低,造成驾驶安全风险以及驾驶环境安全风险的可能性较低,提示驾驶员主动进行降速控制即可。
当所述第一预警信息在所述预设差级阈值范围内时,所述智能安全管理***根据所述匹配评价差级和所述匹配运行等级生成响应监督区间,所述响应监督区间为临时设置的降速监控窗口,用于链接步骤S100的所述数据交互设备进行摩托车数据交互,获得摩托车运行数据进行降速监测,通过所述响应监督区间进行所述数据交互设备的响应数据采集评价,生成采集评价结果,所述采集评价结果为摩托车降速数据信息。
所述预期降速范围为根据步骤S400实时路况特征的速度约束阈值与所述实时监测数据计算获得的摩托车降速要求数据。例如实时路况特征的速度约束阈值为60±5km/h,所述实时监测数据为80km/h,则计算获得预期降速范围为20±5km/h。
判断所述采集评价结果的降速值是否在预期降速范围内,当所述降速值不在所述预期降速范围内时,表明驾驶员未按照所述第一预警信息进行摩托车降速控制或驾驶员摩托车降速控制不到位(或刹车失灵或驾驶员紧张误触油门),则根据所述采集评价结果与所述预期降速范围的计算降速差值生成所述响应数据采集结果。例如所述预期降速范围为20±5km/h,所述评价采集结果的降速值为15km/h,则所述响应数据采集结果为10km/h。
根据响应数据采集结果和所述匹配评价差级生成多层级速度约束区间,所述多层级约束区间为进行摩托车降速的多个降速时间阶段,所述智能安全管理***通过所述多层级速度约束区间辅助进行所述摩托车逐级降速实现运行降速控制,将所述摩托车车速安全降速至其所处驾驶环境的速度要求。
本实施例通过对驾驶员进行限速预警并在后续判断驾驶员实际降速与降速要求是否存在差异后,进行辅助降速控制,实现了确保驾驶员驾驶安全且,满足驾驶环境速度要求的同时,保持驾驶员驾驶体验的技术效果。
在一个实施例中,本申请提供的方法步骤还包括:
S421:当所述第一预警信息不在所述预设差级阈值范围内时,则生成降速提示信息;
S422:通过所述图像采集装置进行提示后的路况特征采集;
S423:当路况特征采集结果为支持降速处理时,则对所述摩托车进行强制降速控制。
具体而言,在本实施例中,当所述第一预警信息不在所述预设差级阈值范围内时,表明当前摩托车实时驾驶速度超出实时路况特征的驾驶速度要求,且超速程度较高,造成驾驶安全风险以及驾驶环境安全风险的可能性较高,需要直接执行降速控制以避免驾驶员不理智驾驶行为(或刹车失灵或驾驶员紧张误触油门)造成驾驶安全事故发生,所述智能安全管理***生成降速提示信息,所述降速提示信息用于提示驾驶员智能安全管理***需要替代驾驶员介入进行摩托车控速,以避免驾驶员对于智能安全管理***的控速一无所知进行压弯等无法进行降速的操作造成驾驶失控。
在生成降速提示信息一定时间后,通过所述图像采集装置进行提示后的路况特征采集,所述路况特征采集用于获知当前摩托车前后是否存在行驶车辆以及当前道路红绿灯情况,以避免摩托车突然降速后车追尾或降速造成违章。当路况特征采集结果为支持降速处理时,则对所述摩托车进行强制降速控制。
本实施例通过在第一预警信息不在所述预设差级阈值范围内时,则生成降速提示信并基于智能安全管理***进行车速降速辅助替代,结合路况特征采集进行摩托车强制降速控制,达到了安全进行摩托车辅助降速,在确保驾驶员驾驶安全的同时控制车速降低的技术效果。
在一个实施例中,本申请提供的方法步骤还包括:
S710:通过所述数据交互设备进行实时交通数据交互,获得实时交通数据;
S720:基于所述实时交通数据生成辅助环境数据;
S730:基于所述辅助环境和所述匹配运行等级生成多段降速提醒节点;
S740:通过所述多段降速提醒节点进行所述摩托车的运行提醒。
在一个实施例中,本申请提供的方法步骤还包括:
S731:获得所述多段降速提醒节点的执行约束节点;
S732:基于所述执行约束节点进行摩托车的降速执行判断,获得降速执行判断结果;
S733:当所述降速执行判断结果为未执行降速时,则根据所述执行约束节点和实时速度信息生成降速控制数据;
S734:通过所述降速控制数据进行摩托车的运行控制。
具体而言,应理解的,摩托车等机动车辆在城市道路行驶时,需要遵守道路安全规定,例如禁止闯红灯,绿灯禁止在十字路口逗留停车等。因而在本实施例中,为避免摩托车驾驶安全控制与驾驶环境道路交通要求相冲突,以及突破图像采集装置对于环境图像采集的局限性(只能进行摩托车附近环境图像采集,如若前车遮挡就不能察觉红绿灯等道路交通情况),通过所述数据交互设备与实时交通数据库云端连接进行实时交通数据交互,获得实时交通数据,所述实时交通数据为车辆驾驶方向方圆500米或其他距离内的道路交通数据。
基于所述实时交通数据生成辅助环境数据,所述辅助环境数据用于提示驾驶员进行摩托车减速行驶,以规避车辆违章。基于所述辅助环境和所述匹配运行等级生成多段降速提醒节点,例如多段降速提醒节点包括距离300米有交通信号灯红灯亮起,距离200米有交通信号灯红灯亮起,距离100米有交通信号灯红灯亮起,通过所述多段降速提醒节点进行所述摩托车的运行提醒,以确保驾驶员在靠近交通路口是车速满***通规定要求以及在红绿灯时停车。
进一步的,应理解的,基于所述多段降速提醒节点进行驾驶员控速提醒具有一定的局限性,依赖于驾驶员的主观能动性以及对于交通规则遵守是否存在侥幸心理。因而本实施例在所述多段降速提醒节点的基础上构建执行约束节点,所述执行约束节点用于判断驾驶员是否遵从所述多段降速提醒节点进行车速控制,例如所述多段降速提醒节点中在距离红绿灯路口500米时设置有降速提醒节点进行减速停车提醒,将距离红绿灯150米设置执行约束节点,在距离红绿灯150米时所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据,若实时监测运行数据显示驾驶员未进行车速控制则根据所述执行约束节点和实时速度信息生成降速控制数据,所述智能安全管理***通过所述降速控制数据进行摩托车的运行控制。
具体的,基于多段降速提醒节点设置所述执行约束节点,基于所述执行约束节点进行摩托车的降速执行判断,获得反映驾驶员是否遵守多段降速提醒节点进行摩托车降速控制的所述降速执行判断结果。当所述降速执行判断结果为未执行降速时,则根据所述执行约束节点和实时速度信息生成降速控制数据,通过所述降速控制数据进行摩托车的运行控制。
本实施例通过获得实时交通数据生成辅助环境数据,突破图像采集装置对于环境图像采集的局限性,基于辅助环境和所述匹配运行等级生成多段降速提醒节点以及执行约束节点进行摩托车***控制或驾驶员主动降速控制,达到了扩大摩托车驾驶“视野”,避免摩托车行驶违反交通规则,提高摩托车驾驶安全性的技术效果。
在一个实施例中,本申请提供的方法步骤还包括:
S810:通过所述传感器设备进行摩托车的工作信息采集,获得信息采集结果;
S820:将所述信息采集结果和所述实时监测运行数据输入智能状态评价模型,输出摩托车的状态异常评价结果;
S830:通过所述状态异常评价结果进行所述摩托车的监测预警。
具体而言,在本实施例中,摩托车本体布设有若干不同功能的传感器设备,通过所述传感器设备进行摩托车的工作信息采集,获得信息采集结果,所述信心采集结果包括实时监测运行数据集合、发动机温度数据集合以及噪声数据集合。将所述信息采集结果和所述实时监测运行数据输入智能状态评价模型,输出摩托车的状态异常评价结果,所述状态异常评价结果包括发动机温度异常、刹车异常以及设备运行异常,通过所述状态异常评价结果进行所述摩托车的监测预警。
本实施例中所述智能状态评价模型优选基于BP神经网络进行构建,采集获取历史摩托车发生设备异常时的历史实时监测运行数据、历史发动机温度数据以及历史噪声数据集合,并获得与设备异常数据相对应的具体设备异常状况。基于摩托车设备异常具有相互影响的特性,例如发动机异常连锁反应引起摩托车速度异常。本实施例所述智能状态评价模型为综合评价模型,将历史实时监测运行数据、历史发动机温度数据以及历史噪声数据、设备异常状况标识划分为训练集、验证集、测试集进行状态智能评价模型的监督训练,当模型输出准确度满足预设准确度要求时停止模型训练。
本实施例通过构建状态智能评价模型实现基于摩托车的工作信息采集以及实时监测运行数据即可判定摩托车是否存在设备故障异常,达到了实时进行摩托车异常监测,提高摩托车使用安全性的技术效果。
在一个实施例中,如图3所示,提供了一种摩托车的智能安全管理***,包括:运行数据监测模块1,运行等级匹配模块2,环境图像采集模块3,匹配评价执行模块4,姿态检测执行模块5,安全预警生成模块6,其中:
运行数据监测模块1,用于通过数据交互设备进行摩托车的数据交互,获得实时监测运行数据;
运行等级匹配模块2,用于基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;
环境图像采集模块3,用于通过图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;
匹配评价执行模块4,用于基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;
姿态检测执行模块5,用于通过传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息;
安全预警生成模块6,用于根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
在一个实施例中,所述匹配评价执行模块4还包括:
预警信息判断单元,用于当所述第一预警信息产生后,判断所述匹配评价差级是否在预设差级阈值范围内;
响应监督生成单元,用于当所述第一预警信息在所述预设差级阈值范围内时,则根据所述匹配评价差级和所述匹配运行等级生成响应监督区间;
采集评价执行单元,用于通过所述响应监督区间进行所述数据交互设备的响应数据采集评价,生成采集评价结果;
运行安全管理单元,用于根据所述采集评价结果进行所述摩托车的运行安全管理。
在一个实施例中,所述匹配评价执行模块4还包括:
评价结果判断单元,用于判断所述采集评价结果的降速值是否在预期降速范围内;
速度约束生成单元,用于当所述降速值不在所述预期降速范围内时,则根据响应数据采集结果和所述匹配评价差级生成多层级速度约束区间;
减速控制执行单元,用于通过所述多层级速度约束区间进行所述摩托车的运行降速控制。
在一个实施例中,所述匹配评价执行模块4还包括:
降速提示生成单元,用于当所述第一预警信息不在所述预设差级阈值范围内时,则生成降速提示信息;
路况特征采集单元,用于通过所述图像采集装置进行提示后的路况特征采集;
降速控制执行单元,用于当路况特征采集结果为支持降速处理时,则对所述摩托车进行强制降速控制。
在一个实施例中,所述***还包括:
交通数据采集单元,用于通过所述数据交互设备进行实时交通数据交互,获得实时交通数据;
辅助数据获得单元,用于基于所述实时交通数据生成辅助环境数据;
提醒节点设定单元,用于基于所述辅助环境和所述匹配运行等级生成多段降速提醒节点;
运行提醒执行单元,用于通过所述多段降速提醒节点进行所述摩托车的运行提醒。
在一个实施例中,所述提醒节点设定单元还包括:
约束节点获得单元,用于获得所述多段降速提醒节点的执行约束节点;
判断结果获得单元,用于基于所述执行约束节点进行摩托车的降速执行判断,获得降速执行判断结果;
控制数据生成单元,用于当所述降速执行判断结果为未执行降速时,则根据所述执行约束节点和实时速度信息生成降速控制数据;
运行控制执行单元,用于通过所述降速控制数据进行摩托车的运行控制。
在一个实施例中,所述***还包括:
工作信息采集单元,用于通过所述传感器设备进行摩托车的工作信息采集,获得信息采集结果;
异常状态评价单元,用于将所述信息采集结果和所述实时监测运行数据输入智能状态评价模型,输出摩托车的状态异常评价结果;
监测预警执行单元,用于通过所述状态异常评价结果进行所述摩托车的监测预警。
关于一种摩托车的智能安全管理***的具体实施例可以参见上文中对于一种摩托车的智能安全管理方法的实施例,在此不再赘述。上述一种摩托车的智能安全管理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种摩托车的智能安全管理方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:通过所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据;基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;通过所述图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;通过所述传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息;根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:通过所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据;基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级;通过所述图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;基于所述匹配运行等级和所述实时路况特征进行匹配评价,基于匹配评价差级生成第一预警信息;通过所述传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息;根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
以上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申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种摩托车的智能安全管理方法,其特征在于,所述方法应用于智能安全管理***,所述智能安全管理***与图像采集装置、传感器设备、数据交互设备通信连接,其中,所述智能安全管理***为一种摩托车驾驶安全控制模式,与摩托车控制***连接,所述方法包括:
通过所述数据交互设备进行摩托车的数据交互,获得实时监测运行数据;
基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级,其中,运行等级为通过将摩托车行驶速度分为多个速度阈值获得,按照多个速度阈值构建多级运行等级,运行等级越高表明摩托车行驶速度越快,对应发生驾驶事故的概率越高;
通过所述图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;
基于所述匹配运行等级和所述实时路况特征进行匹配评价,判断所述匹配运行等级是否高于所述实时路况特征的运行等级,若高于则计算两者运行等级差值获得匹配评价差级,基于匹配评价差级生成第一预警信息,所述匹配评价差级反映了摩托车实际驾驶速度超出其所处驾驶环境的速度要求的程度,所述第一预警信息用于直接提示驾驶员进行速度控制或激活所述智能安全管理***辅助降速制动;
通过所述传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息,所述第二预警信息用于提示用户进行姿势调整以确保摩托车重心与驾驶员重心相对具有一致性;
根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
当所述第一预警信息产生后,判断所述匹配评价差级是否在预设差级阈值范围内;
当所述第一预警信息在所述预设差级阈值范围内时,则根据所述匹配评价差级和所述匹配运行等级生成响应监督区间;
通过所述响应监督区间进行所述数据交互设备的响应数据采集评价,生成采集评价结果;
根据所述采集评价结果进行所述摩托车的运行安全管理。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
判断所述采集评价结果的降速值是否在预期降速范围内;
当所述降速值不在所述预期降速范围内时,则根据响应数据采集结果和所述匹配评价差级生成多层级速度约束区间;
通过所述多层级速度约束区间进行所述摩托车的运行降速控制。
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
当所述第一预警信息不在所述预设差级阈值范围内时,则生成降速提示信息;
通过所述图像采集装置进行提示后的路况特征采集;
当路况特征采集结果为支持降速处理时,则对所述摩托车进行强制降速控制。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述数据交互设备进行实时交通数据交互,获得实时交通数据;
基于所述实时交通数据生成辅助环境数据;
基于所述辅助环境和所述匹配运行等级生成多段降速提醒节点;
通过所述多段降速提醒节点进行所述摩托车的运行提醒。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
获得所述多段降速提醒节点的执行约束节点;
基于所述执行约束节点进行摩托车的降速执行判断,获得降速执行判断结果;
当所述降速执行判断结果为未执行降速时,则根据所述执行约束节点和实时速度信息生成降速控制数据;
通过所述降速控制数据进行摩托车的运行控制。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述传感器设备进行摩托车的工作信息采集,获得信息采集结果;
将所述信息采集结果和所述实时监测运行数据输入智能状态评价模型,输出摩托车的状态异常评价结果;
通过所述状态异常评价结果进行所述摩托车的监测预警。
8.一种摩托车的智能安全管理***,其特征在于,所述智能安全管理***为一种摩托车驾驶安全控制模式,与摩托车控制***连接,所述***包括:
运行数据监测模块,用于通过数据交互设备进行摩托车的数据交互,获得实时监测运行数据;
运行等级匹配模块,用于基于所述实时监测运行数据进行运行等级匹配,获得匹配运行等级,其中,运行等级为通过将摩托车行驶速度分为多个速度阈值获得,按照多个速度阈值构建多级运行等级,运行等级越高表明摩托车行驶速度越快,对应发生驾驶事故的概率越高;
环境图像采集模块,用于通过图像采集装置进行连续环境图像采集,基于连续环境图像采集结果构建实时路况特征;
匹配评价执行模块,用于基于所述匹配运行等级和所述实时路况特征进行匹配评价,判断所述匹配运行等级是否高于所述实时路况特征的运行等级,若高于则计算两者运行等级差值获得匹配评价差级,基于匹配评价差级生成第一预警信息,所述匹配评价差级反映了摩托车实际驾驶速度超出其所处驾驶环境的速度要求的程度,所述第一预警信息用于直接提示驾驶员进行速度控制或激活所述智能安全管理***辅助降速制动;
姿态检测执行模块,用于通过传感器设备进行摩托车用户的姿态检测,基于姿态检测结果和所述匹配评价差级生成第二预警信息,所述第二预警信息用于提示用户进行姿势调整以确保摩托车重心与驾驶员重心相对具有一致性;
安全预警生成模块,用于根据所述第一预警信息和所述第二预警信息进行所述摩托车的运行安全预警。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310101100.2A CN115798182B (zh) | 2023-02-13 | 2023-02-13 | 一种摩托车的智能安全管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310101100.2A CN115798182B (zh) | 2023-02-13 | 2023-02-13 | 一种摩托车的智能安全管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115798182A CN115798182A (zh) | 2023-03-14 |
CN115798182B true CN115798182B (zh) | 2023-05-19 |
Family
ID=85430887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310101100.2A Active CN115798182B (zh) | 2023-02-13 | 2023-02-13 | 一种摩托车的智能安全管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115798182B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000268297A (ja) * | 1999-03-16 | 2000-09-29 | Nissan Motor Co Ltd | 安全運転評価装置 |
JP5005492B2 (ja) * | 2007-10-17 | 2012-08-22 | 富士重工業株式会社 | 安全運転支援システム |
CN105513358B (zh) * | 2016-01-04 | 2018-07-03 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警***及方法 |
CN108663045B (zh) * | 2018-04-28 | 2024-05-07 | 山东交通学院 | 一种骑行载具姿态识别报警方法和姿态监测报警装置 |
CN110155231A (zh) * | 2019-05-20 | 2019-08-23 | 清华大学 | 无人驾驶电动摩托车 |
-
2023
- 2023-02-13 CN CN202310101100.2A patent/CN115798182B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115798182A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488802B (zh) | 一种网联环境下的自动驾驶车辆动态行为决策方法 | |
CN110570538B (zh) | 智能驾驶汽车中黑匣子数据的管理方法、装置和设备 | |
CN111462497A (zh) | 一种交通数据下发方法、***、终端及存储介质 | |
CN103247185B (zh) | 一种车辆入弯防侧翻提醒***和方法 | |
CN113192331B (zh) | 一种网联环境下面向骑行安全的智能预警***及预警方法 | |
US11699347B2 (en) | Determining road safety | |
US10755565B2 (en) | Prioritized vehicle messaging | |
JP6686513B2 (ja) | 情報処理装置、車載装置、記憶媒体及びコンピュータプログラム | |
WO2023274071A1 (zh) | 驾驶行为监控方法、装置、电子设备及存储介质 | |
CN101648550B (zh) | 允许或抑制向用户呈现信息的请求的方法 | |
JP2022532941A (ja) | 車両信号を処理して挙動危険性の測度を計算するための装置及び方法 | |
CN116390879A (zh) | 用于避免即将发生的碰撞的***和方法 | |
CN114030475A (zh) | 一种车辆辅助驾驶方法、装置、车辆及存储介质 | |
CN106383918A (zh) | 一种辨别紧急制动行为是否合理的***及辨别方法 | |
CN115081822A (zh) | 一种基于心理和物理风险场的行车风险评估方法和*** | |
JP2021079721A (ja) | 車線変更評価装置、および車線変更評価方法 | |
US11263837B2 (en) | Automatic real-time detection of vehicular incidents | |
CN109278747B (zh) | 车辆监控***及方法 | |
CN105946578A (zh) | 油门踏板控制方法、装置及车辆 | |
CN113487912A (zh) | 一种交通事故预警及保护方法、汽车及可读存储介质 | |
CN115798182B (zh) | 一种摩托车的智能安全管理方法及*** | |
JP2020142557A (ja) | 制動評価装置、制動評価方法、自動制動パターンの評価閾値の生成方法、自動制動パターンの基礎データの収集方法 | |
CN117593874A (zh) | 用于车辆的具有抑制通知的交通灯指示*** | |
Amditis et al. | System architecture of a driver's monitoring and hypovigilance warning system | |
Martinelli et al. | Context-awareness mobile devices for traffic incident prevention |
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 |