CN115830871A

CN115830871A - 场内机动车行车安全监控方法、***及监控云平台

Info

Publication number: CN115830871A
Application number: CN202211578336.7A
Authority: CN
Inventors: 叶剑刚; 王玉龙; 赵明; 兰余振; 吴俊�
Original assignee: QUZHOU SPECIAL EQUIPMENT INSPECTION CENTER
Current assignee: QUZHOU SPECIAL EQUIPMENT INSPECTION CENTER
Priority date: 2022-12-06
Filing date: 2022-12-06
Publication date: 2023-03-21

Abstract

本申请实施例提供一种场内机动车行车安全监控方法、***及监控云平台，本实施例中，首先通过车载模块实时获取被监控的场内机动车在生产现场环境下的行车数据并进行解析处理后存储于数据库中，然后对所述数据库中存储的行车数据进行分析，获得所述场内机动车的行车安全监控信息，最后将所述行车安全监控信息发送给预设的移动通讯设备，以实现对所述场内机动车的行车安全监控。如此，可以实时获知车辆状态和潜在的安全风险，从而及时发现安全隐患，防止安全事故的发生。

Description

场内机动车行车安全监控方法、***及监控云平台

技术领域

本申请涉及行车安全监控技术领域，具体而言，涉及一种基于生产现场环境的场内机动车行车安全监控方法、***及监控云平台。

背景技术

随着国家经济的快速发展，工厂、港口、货运现场等生产现场环境内的货物搬运的需求量越来越大，诸如小巧灵活的叉车等场内机动车成为了各个生产环境下的首选。然而，随着叉车保有量的增加和使用频率的增加，叉车的安全事故频发。因此，急需一种能够实现对有人驾驶的场内机动车在的行车安全进行实时评估和预警的***。

发明内容

基于以上内容，第一方面，本申请实施例提供一种场内机动车行车安全监控方法，应用于监控云平台，所述方法包括：

通过车载模块实时获取被监控的场内机动车在生产现场环境下的行车数据；

将所述行车数据进行数据解析后存储在数据库中；

对所述数据库中存储的行车数据进行分析，获得所述场内机动车的行车安全监控信息，并将所述行车安全监控信息发送给预设的移动通讯设备，以实现对所述场内机动车的行车安全监控。

基于第一方面的一种可替代的实现方式，所述车载模块包括姿态传感器和定位传感器，所述行车数据包括通过所述姿态传感器所感测到的所述场内机动车的纵向加速度值、横向加速度值以及竖直方向加速度值，以及所述定位传感器所感测到的所述场内机动车的实时定位信息。

基于第一方面的一种可替代的实现方式，所述对所述数据库中存储的行车数据进行分析，获得所述场内机动车的行车安全监控信息，包括：

从所述数据库中实时提取当前时刻所述场内机动车的行车数据；

基于设定周期的行车数据从不确定维度计算所述场内机动车行车过程中加速度的不确定度；

根据所述场内机动车在行车过程中加速度的不确定度，获得所述场内机动车的行车安全评估值，所述行车安全监控信息包括所述行车安全评估值。

基于第一方面的一种可替代的实现方式，基于设定周期的行车数据从不确定维度计算所述场内机动车行车过程中加速度的不确定度，包括：

分别根据所述场内机动车的纵向加速度值，横向加速度值和竖直方向加速度值计算得到纵向加速度的不确定度、横向加速度的不确定度、以及竖直方向加速度的不确定度；

根据所述纵向加速度的不确定度、横向加速度的不确定度、以及竖直方向加速度的不确定度计算得到所述场内机动车的运动综合不确定度作为所述场内机动车行车过程中加速度的不确定度。

基于第一方面的一种可替代的实现方式，所述纵向加速度的不确定度、横向加速度的不确定度、以及竖直方向加速度的不确定度的计算公式如下：

其中，所述纵向加速度的不确定度、横向加速度的不确定度、以及竖直方向加速度的不确定度分别记为E(x)、E(y)、E(z)，n代表加速度值取值范围被分成n个区间，p_x(i)代表纵向加速度值在第i个区间中出现的概率，h_x为纵向加速度值落在第i个区间内的个数，N_x为纵向加速度值的总个数；p_y(i)代表横向加速度值在第i个区间中出现的概率，h_y为横向加速度值落在第i个区间内的个数，N_y为横向加速度值的总个数；p_z(i)代表竖直方向加速度值在第i个区间中出现的概率，h_z为竖直方向加速度值落在第i个区间内的个数，N_z为竖直方向加速度值的总个数。

从所述数据库中实时获取所述场内机动车的行进车速以及纵向加速度值，并根据所述行进车速以及所述纵向加速度值计算得到所述场内机动车的制动性能下降风险值；

当所述制动性能下降风险值大于预先设定的阈值时，生成制动性能下降预警信息，所述行车安全监控信息包括所述制动性能下降预警信息。

从所述数据库中实时获取所述场内机动车的行进车速以及横向加速度值，并根据所述行进车速以及所述横向加速度值计算得到所述场内机动车的横向侧翻风险值；

当所述横向侧翻风险值大于预先设定的阈值时，生成横向侧翻预警信息，所述行车安全监控信息包括所述横向侧翻预警信息。

从所述数据库中实时获取所述场内机动车的行进车速以及竖直方向加速度值，并根据所述行进车速以及所述竖直方向加速度值计算得到所述场内机动车的竖直方向倾翻风险值；

当所述竖直方向倾翻风险值大于预先设定的阈值时，生成竖直方向倾翻预警信息，所述行车安全监控信息包括所述竖直方向倾翻预警信息。

第二方面，本申请实施例还提供一种场内机动车行车安全监控***，应用于监控云平台，其特征在于，所述***包括：

数据获取模块，用于通过车载模块实时获取被监控的场内机动车在生产现场环境下的行车数据；

数据处理模块，用于将所述行车数据进行数据解析后存储在数据库中；

安全监控模块，用于对所述数据库中存储的行车数据进行分析，获得所述场内机动车的行车安全监控信息，并将所述行车安全监控信息发送给预设的移动通讯设备，以实现对所述场内机动车的行车安全监控。

第三方面，本申请实施例还提供一种监控云平台，包括处理器、机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现上述的方法。

基于本申请实施例的上述内容，相对于现有技术而言，本申请实施例提供的场内机动车行车安全监控方法、***及监控云平台，本实施例中，首先通过车载模块实时获取被监控的场内机动车在生产现场环境下的行车数据并进行解析处理后存储于数据库中，然后对所述数据库中存储的行车数据进行分析，获得所述场内机动车的行车安全监控信息，最后将所述行车安全监控信息发送给预设的移动通讯设备，以实现对所述场内机动车的行车安全监控。如此，可以实时获知车辆状态和潜在的安全风险，从而及时发现安全隐患，防止安全事故的发生。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1是本申请实施例提供的场内机动车行车安全监控方法的流程示意图。

图2是本申请实施例提供的所述方法的应用场景示意图。

图3是本申请实施例提供的车载模块在场内机动车上的布置结构示意图。

图4是本实施例提供的场内机动车的制动性能下降的识别原理示意图。

图5是对本实施例提供的场内机动车的横向侧翻识别原理示意图。

图6是本申请实施例提供的场内机动车的纵向倾翻的识别原理示意图。

图7是本申请实施例提供的监控云平台的示意图。

图8是本申请实施例提供的场内机动车行车安全监控***的功能模块示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

请参阅图1和图2，图1是本发明实施例提供的场内机动车行车安全监控方法的流程示意图，图2是所述方法的应用场景示意图。本发明实施例中，所述方法可以由监控云平台1执行并实现。其中，所述监控云平台1可以是，但不限于，具有通信控制以及数据处理能力的服务器、服务器集群、计算机设备、云服务中心、机房控制中心等设备。所述监控云平台1分别与安装在被监控的场内机动车上的车载模块2以及预先配置的现场管理人员的移动通讯设备3通信连接，以通过所述车载模块2获取所述场内机动车在生产现场的实时行车数据对所述场内机动车进行行车安全监控，并根据需要将行车安全监控的结果发送给所述移动通讯设备3，以通知现场管理人员。

下面对上述方法进行详细的描述，本实施例中，所述方法包括以下所述的S11-S13的步骤。

步骤S11，通过车载模块2实时获取被监控的场内机动车在生产现场环境下的行车数据。

在本实施例中，例如图2所示，所述车载模块2可以包括姿态传感器、定位传感器以及无线通讯单元。以所述场内机动车为叉车作为示例，例如图3所示，所述车载模块2可以安装在叉车的车尾，例如，可以通过磁吸的方式固定在叉车的车尾。如此设置，由于布置在叉车的尾部，姿态传感器能够最大程度地反映出叉车的竖直方向上的抖动情况、转弯时在横向方向上的离心力以及车身前进方向上的加减速度。定位传感器和无线通讯模块都可以获得更为开放的空间，从而使得二维空间定位更为准确和无线数据传输更为稳定。

步骤S12，将所述行车数据进行数据解析后存储在数据库中。

本实施例中，当所述车载模块2上电后，可以实时将采集到的姿态数据和定位数据通过无线通讯模块上传至监控云平台1。监控云平台1可将接收到的数据先进行数据解析，并存储在数据库中，接着，监控云平台1还可以通过人机交互界面将数据库中的数据进行可视化展示。

步骤S13，对所述数据库中存储的行车数据进行分析，获得所述场内机动车的行车安全监控信息，并将所述行车安全监控信息发送给预设的移动通讯设备3，以实现对所述场内机动车的行车安全监控。

其中，监控云平台1可以基于智能分析算法将数据库中的数据进行分析计算，最终输出叉车当前的行车安全监控信息，例如，可以包括安全评估结果和安全预警信息等。

作为一种示例，所述车载模块2所采集到的场内机动车的行车数据可以包括通过所述姿态传感器所感测到的所述场内机动车的纵向加速度值、横向加速度值以及竖直方向加速度值，以及所述定位传感器所感测到的所述场内机动车的实时定位信息，基于此，所述步骤S13可以通过以下S131-S133的步骤实现。

步骤S131，从所述数据库中实时提取当前时刻所述场内机动车的行车数据。

例如，所述行车数据可以包括纵向加速度值，横向加速度值和竖直方向加速度值，其中，所有加速度值单位为mg，所述纵向加速度值、横向加速度值以及竖直方向加速度值可以分别记为a_x(t)、a_y(t)、以及a_z(t)。

步骤S132，基于设定周期(例如1秒、3秒、5秒等，具体可根据实际需求进行设定)的行车数据从不确定维度计算所述场内机动车行车过程中加速度的不确定度。

例如，所述加速度的不确定度可以包括纵向加速度的不确定度E(x)、横向加速度的不确定度E(y)、以及竖直方向加速度的不确定度E(y)。

其中，所述纵向加速度的不确定度E(x)、横向加速度的不确定度E(y)、以及竖直方向加速度的不确定度E(z)的计算公式如下：

其中，n代表加速度值取值范围被分成n个区间，p_x(i)代表纵向加速度值在第i个区间中出现的概率，h_x为纵向加速度值落在第i个区间内的个数，N_x为纵向加速度值的总个数；p_y(i)代表横向加速度值在第i个区间中出现的概率，h_y为横向加速度值落在第i个区间内的个数，B_y为横向加速度值的总个数；p_z(i)代表竖直方向加速度值在第i个区间中出现的概率，h_z为竖直方向加速度值落在第i个区间内的个数，N_z为竖直方向加速度值的总个数。

基于上述计算方法，以纵向加速度的不确定度E(x)的计算方式作为示例，假设设定1秒为一个周期，共计有5个纵向加速度值：-100，200，400，1000，500，而此时将纵向加速度值的区间定义为(-∞,-500],(-500,500],(500,+∞)这3个区间，对应的不确定度具体计算如下：

相应地，对应的横向加速度以及竖直方向加速度的不确定度可以参照上述方法计算而得到，此处不再一一赘述。

作为一种可替代的示例，本实施例中，可以综合上述纵向加速度的不确定度E(x)、横向加速度的不确定度E(y)、以及竖直方向加速度的不确定度E(y)，计算得到所述场内机动车的运动综合不确定度E作为所述场内机动车行车过程中加速度的不确定度，一种示例性的计算公式可以如下：

步骤S133，根据所述场内机动车在行车过程中加速度的不确定度，获得所述场内机动车的行车安全评估值，所述行车安全监控信息包括所述行车安全评估值。

例如，作为一种可替代的示例，本实施例中，可以结合上述步骤S132中的计算结果，基于所述场内机动车的运动综合不确定度E，计算得到所述场内机动车的最终安全评估值α，例如一种可替代的计算公式如下：

α＝(1-E)×100％

其中，安全评估值越小，代表场内机动车在行车过程中的不确定性越大，场内机动车的行车平稳性越小，反之，如果安全评估值越大，则说明场内机动车的行车较为平稳，行车安全性越高。

进一步地，本实施例中，为了能够提前发现所述场内机动车制动力下降的风险，在上述步骤S13中，还可以进一步包括以下的S134的步骤。

步骤S134，从所述数据库中实时获取所述场内机动车的行进车速以及纵向加速度值，并根据所述行进车速以及所述纵向加速度值计算得到所述场内机动车的制动性能下降风险值。

步骤S135，当所述制动性能下降风险值大于预先设定的阈值时，生成制动性能下降预警信息，所述行车安全监控信息包括所述制动性能下降预警信息。

具体地，所述制动性能下降风险值可以通过以下公式计算得到：

其中，k为设定的比例系数，a_x(t_i)为t_i时刻对应的所述纵向加速度值，该值大于设定阈值a_d。

上述计算公式的原理说明如下：当场内机动车在某一时间段内的纵向加速度值持续大于阈值时，针对场内机动车的自动识别紧急制动则开始。其中的制动开始时刻和结束时刻分别记作t₁和t_n，对应的起始制动初速度为V(t₁)，具体的制动性能下降的识别原理图如图4所示。因此，对应的制动功能下降风险值A_Z越大，则说明制动距离相对制动初速度来说偏大，相应制动性能下降。当A_Z大于预先设定的阈值T_Z时，则可自动生成制动性能下降预警信息。

此外，为了避免因为过快的过弯速度而产生较大的向心力导致场内机动车横向侧翻，本实施例中，所述步骤S13还可以包括下述的S136和S137的步骤。

步骤S136，从所述数据库中实时获取所述场内机动车的行进车速以及横向加速度值，并根据所述行进车速以及所述横向加速度值计算得到所述场内机动车的横向侧翻风险值。

步骤S137，当所述横向侧翻风险值大于预先设定的阈值时，生成横向侧翻预警信息，所述行车安全监控信息包括所述横向侧翻预警信息。

详细地，本实施例中提出基于横向侧翻风险值A_H可实现对叉车在行车过程中可能存在侧翻风险的提前预警，同时排除原地转向对预警结果的干扰，具体的横向侧翻识别俯视原理图如图5所示，所述横向侧翻风险值A_H的计算公式如下：

A_H＝a_y(t)·V(t)

V(t)＝|P(t)-P(t-1)|

其中，a_y(t)为横向加速度值，V(t)为t时刻的场内机动车的行进速度，P(t)为所述场内机动车在二维平面的t时刻的定位坐标数据。当A_H大于预先设定的阈值T_H时，可自动生成发出横向侧翻预警信息。

在上述内容的基础上，为了避免因所抬货物过重或者载货过程中在经过不平整路面时速度过快而导致场内机动车车尾上翘造成竖直方向的倾翻，本实施例中，所述步骤S13还可以包括下述的S138和S139的步骤。

步骤S138，从所述数据库中实时获取所述场内机动车的行进车速以及竖直方向加速度值，并根据所述行进车速以及所述竖直方向加速度值计算得到所述场内机动车的竖直方向倾翻风险值。

步骤S139，当所述竖直方向倾翻风险值大于预先设定的阈值时，生成竖直方向倾翻预警信息，所述行车安全监控信息包括所述竖直方向倾翻预警信息。

具体地，本实施例提出基于竖直方向倾翻风险值A_S可稳定实现对场内机动车在行车过程中可能存在竖直方向倾翻风险的提前预警，具体的竖直方向侧翻识别原理图如图6所示。其中，所述竖直方向倾翻风险值的计算公式如下：

其中，a_z(t)为t时刻的所述纵向加速度值，V(t)为t时刻的场内机动车的行进速度。当A_S大于预先设定的阈值T_S时，可自动生成所述竖直方向倾翻预警信息。

本实施例中，所述监控云平台1通过上述方法得到对应的行车安全监控信息后，还可以通过移动通讯网络(如4G网络或5G网络)将至少包括所述行车安全监控信息的相关信息发送给所述移动通信设备，以使相关的管理员能够第一时间发现险情，做出及时的反应措施。与此同时，还可以将将前述得到的相关预警信息第一时间推送给驾驶者所对应的移动通信设备，及时提醒驾驶者规范自身的驾驶行为，并对所驾驶的场内机动车的安全风险有着更为清楚的认识。

请参阅图7所示，图7是本申请实施例提供的用于实现上述方法的监控云平台1的示意图。详细地，所述监控云平台1可以包括一个或多个处理器110、机器可读存储介质120以及场内机动车行车安全监控***130。处理器110与机器可读存储介质120可经由***总线通信连接。机器可读存储介质120存储有机器可执行指令，处理器110通过读取并执行机器可读存储介质120中机器可执行指令实现上文描述的风格化图像生成方法。

其中，机器可读存储介质120用于存储程序，所述处理器110在接收到执行指令后，执行所述程序。所述处理器110可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是，但不限于，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)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等。

请参照图8，是所述场内机动车行车安全监控***130的功能模块示意图。本实施例中，所述场内机动车行车安全监控***130可以包括一个或多个在所述监控云平台1运行的软件功能模块，这些软件功能模块可以计算机程序的形式存储在所述机器可读存储介质120中，以使得这些软件功能模块在被所述处理器130调用并执行时，可以实现本申请实施例所述的方法。

详细地，所述场内机动车行车安全监控***130可以包括数据获取模块131、数据处理模块132、安全监控模块133。

其中，所述数据获取模块131，用于通过车载模块实时获取被监控的场内机动车在生产现场环境下的行车数据。

本实施例中，所述数据获取模块131用于执行上述方法实施例中的步骤S1，关于所述数据获取模块131的更多详细内容可以参考上述对该步骤S1的具体内容描述，此处不再一一赘述。

所述数据处理模块132，用于将所述行车数据进行数据解析后存储在数据库中。

本实施例中，所述数据处理模块132可用于执行上述方法实施例中的步骤S12，关于所述数据获取模块132的更多详细内容可以参考上述对该步骤S12的具体内容描述，此处不再一一赘述。

所述安全监控模块133，用于对所述数据库中存储的行车数据进行分析，获得所述场内机动车的行车安全监控信息，并将所述行车安全监控信息发送给预设的移动通讯设备，以实现对所述场内机动车的行车安全监控。

本实施例中，所述安全监控模块133用于执行上述方法实施例中的步骤S13，关于安全监控模块133的更多详细内容可以参考上述对该步骤S13的具体内容描述，此处不再一一赘述。

综上所述，本申请实施例提供的场内机动车行车安全监控方法、***及监控云平台，可以基于包括姿态传感器和定位传感器的车载模块获得场内机动车的实时行车数据，并通过对所述实时行车数据进行实时的智能分析获得的当前场内机动车的行车安全监控信息，进而可以实时获知车辆状态和潜在的安全风险，从而及时发现安全隐患，防止安全事故的发生。

以上所述，仅为本申请的各种实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。