CN117104256A - 车辆风险事件监控方法、装置、计算机设备和存储介质 - Google Patents
车辆风险事件监控方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117104256A CN117104256A CN202311011956.7A CN202311011956A CN117104256A CN 117104256 A CN117104256 A CN 117104256A CN 202311011956 A CN202311011956 A CN 202311011956A CN 117104256 A CN117104256 A CN 117104256A
- Authority
- CN
- China
- Prior art keywords
- risk
- vehicle
- event
- preset
- driver
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012806 monitoring device Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 14
- 238000010191 image analysis Methods 0.000 description 20
- 230000006399 behavior Effects 0.000 description 16
- 206010016256 fatigue Diseases 0.000 description 12
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241001282135 Poromitra oscitans Species 0.000 description 4
- 206010048232 Yawning Diseases 0.000 description 4
- 238000005516 engineering process Methods 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
- 230000000391 smoking effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0022—Gains, weighting coefficients or weighting functions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种车辆风险事件监控方法、装置、计算机设备和存储介质,属于计算机技术领域。所述方法包括:获取车辆行驶过程中预设时长内的多个风险事件,其中,多个风险事件包括:至少一个驾驶员风险事件以及至少一个车辆风险事件、至少两个驾驶员风险事件或至少两个车辆风险事件;根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的风险评分;根据预设时长内的风险评分,确定车辆的风险等级;根据车辆的风险等级,输出对应的报警信息。本申请可以达到提高车辆风险判定的智能化且灵活适用于各种运输场景的效果。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种车辆风险事件监控方法、装置、计算机设备和存储介质。
背景技术
近年来,随着汽车行业的突飞猛进以及物流行业的快速发展,第三方物流业务也在迅速增长。在此背景下,货运公司对物流过程中车辆的监控产生了多种需求,货运公司需要保证货物安全准时地到达目的地,还需要对运输过程中车辆的行驶状态和驾驶员的驾驶行为进行监控和提醒。
相关技术中,通过货运车辆上的监控设备获取车辆的行驶状态以及驾驶员的驾驶状态,预先在计算机中部署预设的风险类别对应的预警操作,按照预设的不同风险类别对应的危害程度,将车辆的风险事件划分成对应的风险等级,当监控设备采集的车辆风险数据与预设的风险类别对应的车辆风险事件相匹配,则直接根据映射的车辆风险事件的预设的风险类别判定车辆监控设备采集的车辆风险数据的风险等级,根据判定的风险等级进行预警操作,以提醒司机或货主。
然而,相关技术中对车辆的风险事件的风险等级判定,仅依据单一的车辆风险事件与预设的风险类别包含的车辆风险事件匹配来进一步判定车辆的风险等级,存在车辆风险判定智能化低且不能灵活适用各种运输场景的问题。
发明内容
本申请的目的在于提供一种车辆风险事件监控方法、装置、计算机设备和存储介质,可以达到提高车辆风险判定的智能化且灵活适用于各种运输场景的效果。
本申请的实施例是这样实现的:
本申请实施例的第一方面,提供车辆风险事件监控方法,包括:
获取车辆行驶过程中预设时长内的多个风险事件,其中,多个风险事件包括:至少一个驾驶员风险事件以及至少一个车辆风险事件、至少两个驾驶员风险事件或至少两个车辆风险事件;
根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的风险评分;
根据预设时长内的风险评分,确定车辆的风险等级;
根据车辆的风险等级,输出对应的报警信息。
作为一种可选的实施方式,根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的风险评分,包括:
根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的基础评分;
根据预设时长内的基础评分、预设时长内的驾驶员风险事件的数量以及预设时长内的车辆风险事件的数量,确定预设时长内的调整评分;
根据预设时长内的调整得分以及前次报警时间与当前时间之间的安全驾驶时长,确定预设时长内的风险评分。
作为一种可选的实施方式,根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的基础评分,包括:
根据各驾驶员风险事件以及各驾驶员风险事件对应的权重,确定各驾驶员风险事件的评分;
根据各车辆风险事件以及各车辆风险事件对应的权重,确定各车辆风险事件的评分;
计算预设时长内各驾驶员风险事件的评分与各车辆风险事件的评分之和,得到第一风险事件综合评分;
计算预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和,得到第一风险事件数量;
计算第一风险事件综合评分和第一风险事件数量的商;
将第一风险事件综合评分和第一风险事件数量的商,作为预设时长内的基础评分。
作为一种可选的实施方式,根据预设时长内的基础评分、预设时长内的驾驶员风险事件的数量以及预设时长内的车辆风险事件的数量,确定预设时长内的调整评分,包括:
若预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和大于预设风险事件数量,则根据预设风险事件数量确定事件因子;
根据事件因子以及预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和,计算事件评分系数;
将基础评分与事件评分系数的乘积作为预设时长内的调整评分。
作为一种可选的实施方式,根据预设时长内的调整得分以及前次报警时间与当前时间之间的安全驾驶时长,确定预设时长内的风险评分,包括:
计算安全驾驶时长与预设系数的乘积;
若安全驾驶时长与预设系数的乘积大于预设阈值,则确定安全时长因子为预设阈值,否则,确定安全时长因子为安全驾驶时长与预设系数的乘积;
将调整得分与安全时长因子的差值作为预设时长内的风险评分。
作为一种可选的实施方式,该车辆风险事件监控方法还包括:
确定预设历史周期内各车辆对应的各驾驶员风险事件的数量的第一平均值,并根据第一平均值以及各驾驶员风险事件的预设驾驶员风险事件权重,确定各驾驶员风险事件的权重;
确定预设历史周期内各车辆对应的车辆风险事件的数量的第二平均值,并根据第二平均值以及各车辆风险事件的预设车辆风险事件权重,确定各车辆风险事件的权重。
作为一种可选的实施方式,根据预设时长内的风险评分,确定车辆的风险等级,包括:
根据预设时长内的风险评分,确定风险评分所处的目标评分区间;
从评分区间与风险等级的映射表中查找目标评分区间对应的风险等级;
将目标评分区间对应的风险等级作为车辆的风险等级。
本申请实施例的第二方面,提供了一种车辆风险事件监控装置,该车辆风险事件监控装置包括:
获取模块,用于获取车辆行驶过程中预设时长内的多个风险事件,其中,多个风险事件包括:至少一个驾驶员风险事件以及至少一个车辆风险事件、至少两个驾驶员风险事件或至少两个车辆风险事件;
第一确定模块,用于根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的风险评分;
第二确定模块,用于根据预设时长内的风险评分,确定车辆的风险等级;
输出模块,用于根据车辆的风险等级,输出对应的报警信息。
本申请实施例的第三方面,提供了一种计算机设备,所述计算机设备包括存储器、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,所述计算机程序被所述处理器执行时实现上述第一方面所述的车辆风险事件监控方法。
本申请实施例的第四方面,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上述第一方面所述的车辆风险事件监控方法。
本申请实施例的有益效果包括:
本申请实施例提供的一种车辆风险事件监控方法,在预设时长内,车辆上安装的车舱监控设备采集驾驶员的驾驶行为数据,车辆上安装的车外监控设备采集车辆行驶的车辆盲区视野数据,车辆上安装的传感器采集车辆行驶环境数据,车辆上的图像分析装置基于驾驶员的驾驶行为数据、车辆的盲区视野数据以及车辆的行驶环境数据确定车辆对应的驾驶员风险事件以及车辆风险事件,图像分析装置将驾驶员风险事件和车辆风险事件上传给计算机设备上的监控平台,监控平台基于各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的风险评分,根据预设时长内的车辆的风险评分确定车辆的风险等级,监控平台基于车辆的风险等级对应的预警信息向用户终端和移动终端发送报警信息,这样可以达到结合驾驶员的驾驶风险事件以及车辆的风险事件智能化判定车辆风险的效果。其中,用户可以通过用户终端的自定义配置端口调整各车辆风险事件对应的权重、各驾驶员风险事件对应的权重、预设时长以及预设风险事件数量,如此,可以达到灵活适用于各种运输场景的效果。
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为本申请实施例提供的一种应用场景示意图;
图2为本申请实施例提供的一种车辆风险事件监控方法的流程图;
图3为本申请实施例提供的第二种车辆风险事件监控方法的流程图;
图4为本申请实施例提供的第三种车辆风险事件监控方法的流程图;
图5为本申请实施例提供的第四种车辆风险事件监控方法的流程图;
图6为本申请实施例提供的第五种车辆风险事件监控方法的流程图;
图7为本申请实施例提供的第六种车辆风险事件监控方法的流程图;
图8为本申请实施例提供的第七种车辆风险事件监控方法的流程图;
图9为本申请实施例提供的一种车辆风险事件监控方法的完整***流程图;
图10为本申请实施例提供的一种车辆风险事件监控装置的结构示意图;
图11为本申请实施例提供的一种计算机设备的结构示意图。
附图标识:100:车辆;101:车舱监控设备;102:车外监控设备;103:传感器;104:图像分析装置;200:计算机设备;300:移动终端;400:用户终端。
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作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。
目前,现有的车辆风险事件监测方法是预先根据各车辆风险事件的严重程度划分车辆风险等级,将各风险等级对应的预警操作预先部署在计算机上,通过车辆上的监控设备采集车辆行驶过程中的风险数据,将监控设备采集的车辆风险数据与预设的风险等级包含的车辆风险事件进行匹配,确定与监控设备采集的车辆风险数据相匹配的车辆风险事件,根据匹配的车辆风险事件对应的风险等级判定监控设备采集的车辆风险数据的风险等级,根据判定结果进行预警。然而,这种方案是根据预设的风险等级对车辆的风险事件进行分级,只依据单一的车辆风险事件与预设的风险类别包含的车辆风险事件匹配的结果来划分车辆风险事件的风险等级,这就造成了车辆风险事件的风险等级判定不智能化。另外,预先根据各车辆风险事件的严重程度划分车辆风险等级,然后再依据车辆风险事件的匹配结果对应的风险等级确定车辆风险事件的风险等级,这样就导致车辆风险事件的风险监控适用的场景狭隘,不能适用于一些特殊的场景。
为此,本申请实施例提供了车辆风险事件监控方法,预先根据各车辆风险事件的严重程度划分风险等级,并为各风险等级配置初始风险评分以及为各风险事件配置初始权重,根据预设历史周期内各车辆对应的各驾驶员的各风险事件的平均值调整各驾驶员对应各风险事件的权重,并根据各车辆对应的各驾驶员的安全驾驶时长与预设系数调整各驾驶员风险事件的风险等级,根据车辆行驶过程中预设时长内各驾驶员风险事件、各车辆风险事件、各驾驶员风险事件对应的权重以及各车辆风险事件对应的权重确定预设时长内的车辆风险事件的评分,并根据预设时长内的车辆风险事件的评分确定车辆的风险等级,发出预警信息,可以达到提高车辆风险判定的智能化且灵活适用于各种运输场景的效果。
图1为本申请提供的一种应用场景图,参见图1,该应用场景包括:车辆100、车舱监控设备101、车外监控设备102、传感器103、图像分析装置104、计算机设备200、移动终端300以及用户终端400。
作为一种可能的实现方式,在车辆100上分别布设车舱监控设备101、车外监控设备102、传感器103以及图像分析装置104,其中,车舱监控设备101可以安装在车辆100的驾驶舱主驾驶位的前方中控台上,车舱监控设备101主要用于采集车辆100的驾驶员的驾驶状态图像;车外监控设备102可以安装在车辆100的车身的左右后方,用于监测车辆的盲区;传感器103可以安装在驾驶舱的挡风玻璃中间下方贴近底部的位置,用于实时采集车内外的环境数据;图像分析装置104安装于驾驶舱内,并通过无线通信技术从车舱监控设备101获取驾驶员的驾驶行为数据、从车外监控设备102获取车辆100的盲区视野图像以及从传感器103获取车辆的车内外环境数据,并基于这些数据分析其对应的车辆风险事件,将车辆风险事件上传给计算机设备200。
可选地,计算机设备200上部署的监控平台基于车辆100的图像分析装置104上传的车辆风险事件,计算当前各车辆风险事件的评分,进而确定车辆风险事件的风险等级,基于车辆风险事件的风险等级向用户终端400和驾驶员的移动终端300发送预警信息。其中,驾驶员的移动终端300上下载指定的手机软件(Application,简称APP)用于接收预警信息,货主通过用户终端400上部署的指定网页获知车辆风险事件。
可选地,车舱监控设备101可以是DSM摄像头,主要用于获取驾驶员的驾驶行为图像,通过视觉跟踪、目标监测以及动作识别技术对驾驶员的驾驶行为图像分析得到驾驶员的驾驶状态,如驾驶疲劳、左顾右盼、抽烟、打电话、瞌睡、打哈欠、不系安全带等驾驶风险事件;车外监控设备102可以是BSD摄像头,利用视觉传感器技术监测车辆100左右后方的盲区视野,如行人、自行车、野生动物、障碍物、其他车辆等车辆风险事件;传感器103可以是ADAS传感器,通过传感技术采集车辆100车内环境数据和车外环境数据,如车辆变道、车道偏移、前车近距、行人碰撞等车辆环境风险数据;图像分析装置104可以是车载lot设备,可以将分析后得到的数据上传到计算机设备200中的监控平台。
可选地,预先在用户终端400的网页上部署多个自定义配置接口,用户可以通过自定义配置接口调整各车辆风险事件对应的权重、调整各驾驶员风险事件对应的权重、调整预设时长以及预设风险事件数量,进而使得车辆风险事件监控方法更适应用户的运输场景监控需求。
下面对本申请实施例提供的车辆风险事件监控方法进行详细地解释说明。
图2为本申请提供的一种车辆风险事件监控方法的流程图,该方法可以应用于计算机设备。参见图2,本申请实施例提供一种车辆风险事件监控方法,包括:
S201、获取车辆行驶过程中预设时长内的多个风险事件,其中,多个风险事件包括:至少一个驾驶员风险事件以及至少一个车辆风险事件、至少两个驾驶员风险事件或至少两个车辆风险事件。
可选地,预设时长是由用户在用户终端配置的自定义配置接口设置,用户可以设置预设时长为15s、30s、60s等,若用户未设置预设时长,则默认预设时长为30s,本申请对此不做具体限定。
可选地,在车辆行驶过程中车辆上的车舱监控设备实时采集车舱内驾驶员的驾驶行为图像,基于驾驶员的驾驶行为图像识别驾驶员的当前驾驶行为,并将识别的驾驶员的驾驶行为发送给图像分析装置,图像分析装置基于接收到的驾驶员的驾驶行为和***中存储的风险事件判定当前驾驶行为是否为驾驶员风险事件。
值得注意的是,图像分析装置中存储的有各种车辆风险事件以及各种驾驶员风险事件,其中,车辆风险事件包括:摄像头遮挡风险、车辆侧翻风险、前车碰撞风险、车道偏移风险、前车近距风险、行人碰撞风险、频繁变道风险、障碍物风险以及固定线路偏移风险等;驾驶员风险事件包括:疲劳驾驶风险、分心驾驶风险、长时间驾驶风险、偏离驾驶位风险、打电话风险、打哈欠风险、抽烟风险、不系安全带风险、玩手机等闲、左顾右盼风险以及驾驶员变更风险等,本申请对此不做具体限定。
可选地,在车辆行驶过程中车辆上的车外监控设备实时采集车辆的盲区视野图像,并根据车辆的盲区视野图像分析盲区的状况,如有行人、有障碍物、有其他车辆等,将盲区视野的状况发送给图像分析装置,图像分析装置基于接收到的车辆盲区视野的状况和***中存储的风险事件判定当前车辆视野盲区状况是否存在车辆风险事件。
可选地,在车辆行驶过程中车辆上的传感器实时采集车辆的车内环境状况和车外环境状况,对车内环境状况和车外环境状况进行静态物体以及动态物体的辨识、侦测与追踪等技术处理,得到车辆的行驶环境状况,如车辆变道、车道偏移、前车近距、行人碰撞等,将车辆的行驶环境状况发送给图像分析装置,图像分析装置基于接收到的车辆的行驶环境状况和***中存储的风险事件判定当前车辆的行驶环境状况是否存在车辆风险事件。
可选地,图像分析装置将分析得到的驾驶员风险事件和车辆风险事件发送给计算机设备上部署的监控平台,监控平台在预设时长内接收车辆的驾驶员风险事件和车辆风险事件,并进行统计。
值得说明的是,监控平台接收的预设时长内车辆的多个风险事件包括驾驶员风险事件以及车辆风险事件,预设时长内包含至少一个驾驶员风险事件以及至少一个车辆风险事件,或预设时长内包含至少两个驾驶员风险事件,或预设时长内包含至少两个车辆风险事件,预设时长内的风险事件数量至少大于等于两个。
示例性的,若预设时长为10s,在该时长内车辆A上的车舱监控设备m采集并识别到驾驶员a的驾驶状态为打哈欠,车外监控设备n采集并识别到车辆A的盲区存在其他障碍物,传感器p监测到车辆A频繁变道,图像分析装置基于车舱监控设备m、车外监控设备n以及传感器p的数据得到三个风险事件,这三个风险事件分别为驾驶员风险事件打哈欠、车辆风险事件频繁变道和车辆风险事件障碍物碰撞,监控平台接收到三个风险事件。
S202、根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的风险评分。
可选地,各驾驶员风险事件对应的权重可以是用户根据车辆风险监控的需求在用户终端部署的自定义配置接口上设置各驾驶员风险事件对应的权重,也可以是监控平台自动配置的预设驾驶员风险事件权重,如祖古优盘的权重为1、打电话的权重为1.25、连续驾驶超时权重为1.5等,本申请对此不做具体限定。
可选地,各车辆风险事件对应的权重可以是用户根据车辆风险监控的需求在用户终端部署的自定义配置接口上设置各车辆风险事件对应的权重,也可以是监控平台自动配置的预设车辆风险事件权重,如频繁变道的权重为1、前车碰撞的权重为1.25、摄像头遮挡为1.5等,本申请对此不做具体限定。
值得说明的是,用户未在用户终端设置驾驶员风险事件的权重和车辆风险事件的权重时,监控平台自动配置的预设车辆风险事件权重以及预设驾驶员风险事件权重是基于风险等级确定的,如高风险事件的权重为1.5、中风险事件的权重为1.25、低风险事件的权重为1、特殊风险事件疲劳驾驶的权重为1.7、摄像头遮挡的权重为2等,本申请对此不作具体限定。
可选地,针对各风险事件配置的权重可用于指示各风险事件导致的风险结果的危害程度。
可选地,根据预设时长内各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件、各车辆风险事件对应的权重,可以确定预设时长内车辆的风险评分,车辆的风险评分可以指示车辆当前所处的风险状况。
S203、根据预设时长内的风险评分,确定车辆的风险等级。
可选地,车辆的风险等级分为低风险、中风险和高风险,其中,低风险包含的风险事件包括:左顾右盼、车道偏移、前车近距、行人碰撞、频繁变道、障碍物以及固定线路偏移等;中风险包含的风险事件为:打哈欠、打电话、抽烟、不系安全带、玩手机以及前车碰撞等;高风险包含的风险事件为:疲劳驾驶、分心驾驶、连续驾驶超时、偏离驾驶以及摄像头遮挡等,本申请对此不做具体限定。
可选地,监控平台根据各风险事件的风险等级设定分数区间,如低风险的分数区间为0到30分、中风险的分数区间为30到60分以及高风险的分数区间为60到100分等,本申请对此不做具体限定。
值得说明的是,各风险等级对应的分数区间可以由监控平台基于采集的数据进行实时调整。
可选地,根据预设时长内的风险评分所在的分数区间,根据分数区间对应的风险等级,确定车辆的风险等级。
S204、根据车辆的风险等级,输出对应的报警信息。
可选地,车辆的风险等级输出对应的报警信息,如低风险对应的报警信息为消息弹窗、中风险对应的报警信息为短信提醒、高风险对应的报警信息为电话通知,本申请对此不做具体限定。
在本申请实施例中,在预设时长内,车辆上安装的车舱监控设备采集驾驶员的驾驶行为数据,车辆上安装的车外监控设备采集车辆行驶的车辆盲区视野数据,车辆上安装的传感器采集车辆行驶环境数据,车辆上的图像分析装置基于驾驶员的驾驶行为数据、车辆的盲区视野数据以及车辆的行驶环境数据确定车辆对应的驾驶员风险事件以及车辆风险事件,图像分析装置将驾驶员风险事件和车辆风险事件上传给计算机设备上的监控平台,监控平台基于各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的风险评分,根据预设时长内的车辆的风险评分确定车辆的风险等级,监控平台基于车辆的风险等级对应的预警信息向用户终端和移动终端发送报警信息,这样可以达到提高车辆风险判定的智能化的效果。其中,用户可以通过用户终端的自定义配置端口调整各车辆风险事件对应的权重、各驾驶员风险事件对应的权重、预设时长以及预设风险事件数量,如此,可以达到灵活适用于各种运输场景的效果。
一种可能的实现方式中,参见图3,上述步骤S202的操作具体可以为:
S301、根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的基础评分。
可选地,各驾驶员风险事件对应的权重可以由用户在用户终端提供的自定义配置接口进行调整,也可以由计算机设备上的监控平台自动配置,对于有驾驶记录的驾驶员用户可以根据驾驶员的驾驶行为记录调整驾驶员对应的各驾驶员风险事件对应的权重,对于无驾驶记录的新手驾驶员则直接由监控平台自动配置各驾驶员风险事件对应的权重。值得说明的是,各驾驶员风险事件对应的权重的调整是在监控平台自动配置的各驾驶员风险事件对应的权重的基础上进行的。
可选地,各车辆风险事件对应的权重可以由用户在用户终端提供的自定义配置接口进行调整,也可以由计算机设备上的监控平台自动配置,对于有车辆行驶数据的车辆用户可以根据车辆的行驶数据记录中包含的各车辆风险事件调整车辆对应的各车辆风险事件对应的权重,对于无车辆行驶数据的新车则直接由监控平台自动配置各车辆风险事件对应的权重。值得说明的是,各车辆风险事件对应的权重的调整是在监控平台自动配置的各车辆风险事件对应的权重的基础上进行的。
可选地,监控平台根据历史数据中各驾驶员风险事件的危害程度为各驾驶员风险事件配置起始分数,根据各驾驶员风险事件的起始分数和各驾驶员风险事件对应的权重的乘积确定各驾驶员风险事件的评分。
可选地,监控平台根据历史数据中各车辆风险事件的危害程度为各车辆风险事件配置起始分数,根据各车辆风险事件的起始分数和各车辆风险事件对应的权重的乘积确定各车辆风险事件的评分。
可选地,将预设时长内所有的驾驶员风险事件的评分进行加和,同时将预设时长内所有的车辆风险事件的评分进行加和,并统计预设时长内驾驶员风险事件的数量以及预设时长内车辆风险事件的数量,确定预设时长内车辆的风险事件的总数量,将预设时长内所有的驾驶员风险事件的评分之和加上预设时长内所有的车辆风险事件的评分之和得到预设时长内车辆的所有风险事件的评分之和,根据预设时长内车辆的所有风险事件的评分之和与预设时长内车辆的风险事件的总数量之商,确定预设时长内的基础评分。
值得注意的是,预设时长内的基础评分用于指示车辆在预设时长内行驶过程中的风险指数,可以从数值上直观反映车辆的风险事件严重程度。
S302、根据预设时长内的基础评分、预设时长内的驾驶员风险事件的数量以及预设时长内的车辆风险事件的数量,确定预设时长内的调整评分。
可选地,预设时长内的基础评分可以指示预设时长内车辆行驶过程中的风险指数,预设时长内的驾驶员风险事件的数量用于指示预设时长内车辆对应的驾驶员的驾驶行为带来的风险事件数量,预设时长内的车辆风险事件的数量用以指示车辆盲区视野可能存在的风险事件数量以及车辆环境状况可能带来的风险事件数量。
可选地,根据预设时长内的基础评分、预设时长内的驾驶员风险事件的数量以及预设时长内的车辆风险事件的数量来确定预设时长内的调整评分,调整评分用于调整预设时长内车辆的风险评分,可以进一步加强车辆的风险预警,提高用户对预设时长内同时出现多个风险事件的情况。
S303、根据预设时长内的调整得分以及前次报警时间与当前时间之间的安全驾驶时长,确定预设时长内的风险评分。
可选地,前次报警时间可以是高风险报警、中风险报警或低风险报警,根据用户所需的实际监控场景进行选择,安全驾驶时长指前次报警时间到当前时间内无大于等于前次报警风险等级的车辆风险事件,如前次报警为高风险报警,则前次报警时间与当前时间这一时段内无高风险报警;前次报警为中风险报警,则前次报警事件与当前时间这一时段内无高风险报警和中风险报警,这一时段则为驾驶员的安全驾驶时长。
可选地,根据预设时长内的调整分数以及驾驶员的安全驾驶时长,进一步确定预设时长内的风险评分,可以有效降低风险评分,进而减少对安全驾驶时长较长的驾驶员的报警提醒次数。
在本申请实施例中,通过用户终端或监控平台配置的各驾驶员风险事件对应的权重以及配置的各车辆风险事件对应的权重、各车辆风险事件以及各驾驶员风险事件确定预设时长内的基础评分,可以有效指示车辆在预设时长内的风险指数,再根据预设时长内车辆发生各驾驶员风险事件的数量以及各车辆风险事件的数量调整预设时长内的基础评分,可以有效警示短时间内同时出现多个风险事件的状况,提高用户的警示程度,再由驾驶员的安全驾驶时长和预设时长内的调整分数确定各驾驶员在预设时长内对应的风险评分,根据预设时长内的风险评分降低对安全驾驶时长较长的用户的预警次数,这样可以降低报警信息对驾驶员的干扰。如此,可以达到灵活适用于各种运输场景的效果。
一种可能的实现方式中,参见图4,上述步骤S301的操作具体可以为:
S401、根据各驾驶员风险事件以及各驾驶员风险事件对应的权重,确定各驾驶员风险事件的评分。
可选地,监控平台预先对各驾驶员风险事件设定一个起始分数,监控平台对各驾驶员风险事件设定预设驾驶员风险事件权重,各驾驶员风险事件的起始分数与各预设驾驶员风险事件权重的乘积得到各驾驶员风险事件的评分。
可选地,根据下列公式(1)可以计算得到驾驶员风险事件的评分,针对各驾驶员风险事件分别调用下述公式(1),可以得到各驾驶员风险事件的评分。
P=S×W(1)
其中,P表示各驾驶员风险事件的评分,S表示各驾驶员风险事件的起始分数,W表示各预设驾驶员风险事件权重。
示例性的,若打电话的起始分数为45分,打电话的预设权重为1.25,车辆A的驾驶员a在预设时长15s内打电话的评分为P=45×1.25=56.25。
S402、根据各车辆风险事件以及各车辆风险事件对应的权重,确定各车辆风险事件的评分。
可选地,监控平台预先对各车辆风险事件设定一个起始分数,监控平台对各车辆风险事件设定预设车辆风险事件权重,各车辆风险事件的起始分数与各预设车辆风险事件权重的乘积得到各车辆风险事件的评分。
可选地,根据下列公式(2)可以计算得到车辆风险事件的评分,针对各车辆风险事件分别调用下述公式(2),可以得到各车辆风险事件的评分。
Z=X×Y(2)
其中,Z表示各车辆风险事件的评分,X表示各车辆风险事件的起始分数,Y表示各预设车辆风险事件权重。
示例性的,若前车近距的起始分数为30分,前车近距的预设权重为1,车辆A的驾驶员a在预设时长15s内前车近距的评分为Z=30×1=30。
S403、计算预设时长内各驾驶员风险事件的评分与各车辆风险事件的评分之和,得到第一风险事件综合评分。
可选地,计算预设时长内所有驾驶员风险事件评分与所有车辆风险事件评分之和,确定预设时长内的第一风险事件综合评分。
可选地,根据下列公式(3)可以计算得到第一风险事件综合评分,针对预设时长包含的风险事件分别调用下述公式(3),可以得到各预设时长内第一风险事件综合评分。
M=P1+P2+...+Pn+Z1+Z2+...+Zn(3)
其中,M表示第一风险事件综合评分,P表示各驾驶员风险事件的评分,Z表示各车辆风险事件的评分。
示例性的,若预设时长15s内,车辆A发生前车近距1次、驾驶员a打电话1次以及驾驶员a频繁变道1次,其中,前车近距的起始分数为30分,前车近距的预设权重为1;打电话的起始分数为45分,打电话的预设权重为1.25;频繁变道的起始分数为25分,频繁变道的预设权重为1;则预设时长15s内车辆A的第一风险事件综合评分为M=30×1+45×1.25+25×1=111.25。
S404、计算预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和,得到第一风险事件数量。
可选地,根据下列公式(4)可以计算得到第一风险事件数量,针对预设时长内包含的风险事件分别调用下述公式(4),可以得到各预设时长内第一风险事件数量。
N=A+B(4)
其中,N表示第一风险事件数量,A表示预设时长内驾驶员风险事件的数量,B表示预设时长内车辆风险事件的数量。
示例性的,若预设时长15s内,车辆A发生车辆风险事件两次,车辆A的驾驶员a发生驾驶员风险事件一次,则预设时长15s内车辆A的第一风险事件数量为N=1+2=3。
S405、计算第一风险事件综合评分和第一风险事件数量的商。
可选地,根据下列公式(5)可以计算得到车辆的基础评分,针对预设时长内车辆的风险事件分别调用下述公式(5),可以得到各预设时长内车辆的基础评分。
Q=M/N(5)
其中,Q表示预设时长内车辆的基础评分,M表示预设时长内车辆的第一风险事件综合评分,N表示预设时长内车辆的第一风险事件数量。
示例性的,若预设时长15s内车辆A的第一风险事件综合评分为M=111.25,车辆A的第一风险事件数量为N=3,则预设时长15s内车辆A的基础评分为Q=111.25/3=37.083。
S406、将第一风险事件综合评分和第一风险事件数量的商,作为预设时长内的基础评分。
在本申请实施例中,根据预设时长内车辆的风险事件的平均分数,确定预设时长内车辆的基础风险评分,这样可以综合考虑车辆风险事件和驾驶员风险事件,如此,可以达到提高车辆风险判定的智能化的效果。
一种可能的实现方式中,参见图5,上述步骤S302的操作具体可以为:
S501、若预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和大于预设风险事件数量,则根据预设风险事件数量确定事件因子。
可选地,预设风险事件数量可以由用户在用户终端的自定义配置接口进行配置,也可以由监控平台配置,预设风险事件数量可以是3个、5个、8个等,预设风险事件数量用于显示预设时长内最多可以出现的风险事件的数量,本申请对此不做具体限定。
可选地,当预设时长内车辆的驾驶员风险事件的数量和车辆风险事件的数量之和大于预设风险事件数量时,增加事件因子,事件因子用于指示严重风险。
值得说明的是,事件因子的数值是预设风险事件数量取反,如预设风险事件数量为5个,则事件因子为1/5。
S502、根据事件因子以及预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和,计算事件评分系数。
可选地,根据下列公式(6)可以计算得到事件评分系数,针对预设时长车辆的风险事件分别调用下述公式(6),可以得到各预设时长内车辆的事件评分系数。
K=(1+N/F)(6)
其中,K表示预设时长内车辆的事件评分系数,N表示预设时长内车辆的第一风险事件数量,1/F表示事件因子。
示例性的,若预设时长15s内车辆A的第一风险事件数量为N=3,事件因子1/F=1/5,则预设时长15s内车辆A的事件评分系数为K=1+3/5=1.6。
S503、将基础评分与事件评分系数的乘积作为预设时长内的调整评分。
可选地,根据下列公式(7)可以计算得到预设时长内车辆的调整评分,针对预设时长车辆的风险事件分别调用下述公式(7),可以得到预设时长内车辆的调整评分。
D=Q×K(7)
其中,D表示预设时长内车辆的调整评分,Q表示预设时长内车辆的基础评分,K表示预设时长内车辆的事件评分系数。
示例性的,若预设时长15s内车辆A的基础评分为Q=37.083,车辆A的事件评分系数为K=1.6,则预设时长15s内车辆A的调整评分为D=37.083×1.6=59.333。
在本申请实施例中,通过增加事件因子调整预设时长内车辆的风险事件评分,这样可以警示预设时段内同时出现多个风险事件的情况。如此,可以达到灵活适用于各种运输场景的效果。
一种可能的实现方式中,参见图6,上述步骤S303的操作具体可以为:
S601、计算安全驾驶时长与预设系数的乘积。
可选地,安全驾驶时长是指驾驶员自上次高风险提醒或中风险提醒之后至今的这个时间段,预设系数是由监控平台自动配置的,预设系数用于降低对长时间安全驾驶的驾驶员的提醒次数,还可以降低预设时长内车辆的风险事件的风险评分。值得说明的是,预设系数可以是0.02、0.05、0.07等,本申请对此不做具体限定。
S602、若安全驾驶时长与预设系数的乘积大于预设阈值,则确定安全时长因子为预设阈值,否则,确定安全时长因子为安全驾驶时长与预设系数的乘积。
可选地,预设阈值可以由用户通过用户终端的自定义配置接口进行自定义配置,也可以由监控平台自动配置,主要用于限制安全驾驶时长的最大时长,实现微调风险等级的目的。
可选地,根据下列公式(8)可以计算得到安全时长因子,针对预设时长内车辆的安全驾驶时长分别调用下述公式(8),可以得到预设时长内车辆的安全时长因子。
L=min(T×k,m)(8)
其中,L表示预设时长内车辆的安全时长因子,T表示预设时长内车辆的安全驾驶时长,k表示预设系数,m表示预设阈值系数。
示例性的,若预设时长15s内车辆A自上次高风险提醒后的安全驾驶时长为260小时,预设系数为0.02,预设阈值为5,则预设时长内车辆A的安全时长因子为L=min(260×0.02,5)=5。
S603、将调整得分与安全时长因子的差值作为预设时长内的风险评分。
可选地,根据下列公式(9)可以计算得到预设时长内车辆的风险评分,针对预设时长车辆的安全驾驶时长分别调用下述公式(9),可以得到预设时长内车辆的风险评分。
G=D-L(9)
其中,G表示预设时长内车辆的风险评分,D表示预设时长内车辆的调整评分,L表示预设时长内车辆的安全时长因子。
示例性的,若预设时长15s内车辆A的安全时长因子为L=5,车辆A的调整评分为D=59.333,则预设时长内车辆A的风险评分为G=59.333-5=54.333。
在本申请实施例中,根据驾驶员的安全驾驶时长、预设系数以及预设阈值设置安全时长因子,根据安全时长因子降低预设时长内车辆的风险评分,进而微调风险等级,并有效较低对长时间安全驾驶的驾驶员的报警提醒,如此,可以达到灵活适用于各种运输场景的效果。
一种可能的实现方式中,参见图7,上述车辆风险事件监控方法还包括:
S701、确定预设历史周期内各车辆对应的各驾驶员风险事件的数量的第一平均值,并根据第一平均值以及各驾驶员风险事件的预设驾驶员风险事件权重,确定各驾驶员风险事件的权重。
可选地,预设历史周期可以是一年、半年、三个月等,由监控平台随机决定,本申请对此不做具体限定,但预设历史周期越长,采样数据越大,计算结果的准确性越高。
可选地,监控平台采集预设历史周期内各车辆对应的各驾驶员风险事件,并统计预设历史周期内各车辆对应的各驾驶员风险事件的数量,根据预设历史周期内各车辆对应的各驾驶员风险事件的数量确定各车辆对应的每个驾驶员的各驾驶员风险事件的平均值,将预设周期内各车辆对应的每个驾驶员的各驾驶员风险事件的平均值作为第一平均值。
可选地,监控平台采集预设周期内所有车辆的驾驶员发生各驾驶员风险事件,将各驾驶员风险事件的综合数量平均到预设周期内各车辆上,得到各车辆对应的各驾驶员风险事件的平均值,根据各车辆对应的各驾驶员风险事件的平均值确定预设驾驶员风险事件权重。
示例性的,若预设历史周期为一年,监控平台采集一年内100辆车辆发生疲劳驾驶的驾驶员风险事件为10000次,则预设周期内各车辆对应的疲劳驾驶风险事件的平均值为100,预设疲劳驾驶的权重为1,若车辆A的驾驶员a在预设周期一年内发生疲劳驾驶风险事件的第一平均值为90,则第一平均值90小于平均值100,将驾驶员a的疲劳驾驶的权重变更为0.98;若车辆A的驾驶员a在预设周期一年内发生疲劳驾驶风险事件的第一平均值为110,则第一平均值110大于平均值100,将驾驶员a的疲劳驾驶的权重变更为1.02。
值得注意的是,对于预设周期内有驾驶数据的驾驶员根据驾驶数据调整该驾驶员的各驾驶员风险事件对应权重,对于新驾驶员无驾驶数据的则直接使用各预设驾驶员风险事件权重。
S702、确定预设历史周期内各车辆对应的车辆风险事件的数量的第二平均值,并根据第二平均值以及各车辆风险事件的预设车辆风险事件权重,确定各车辆风险事件的权重。
可选地,监控平台采集预设历史周期内各车辆对应的各车辆风险事件,并统计预设历史周期内各车辆对应的各车辆风险事件的数量,根据预设历史周期内各车辆对应的各车辆风险事件的数量确定各车辆对应的各车辆风险事件的平均值,将预设周期内各车辆对应的各车辆风险事件的平均值作为第二平均值。
可选地,监控平台采集预设周期内所有车辆的各车辆风险事件,将各车辆风险事件的综合数量平均到预设周期内各车辆上,得到各车辆对应的各车辆风险事件的平均值,根据各车辆对应的各车辆风险事件的平均值确定预设车辆风险事件权重。
示例性的,若预设历史周期为一年,监控平台采集一年内100辆车辆发生前车近距的车辆风险事件为10000次,则预设周期内各车辆对应的前车近距风险事件的平均值为100,预设疲劳驾驶的权重为1.25,若车辆A在预设周期一年内发生前车近距风险事件的第二平均值为90,则第二平均值90小于平均值100,将车辆A的前车近距的权重变更为0.98;若车辆B在预设周期一年内发生前车近距风险事件的第二平均值为110,则第二平均值110大于平均值100,将车辆B的前车近距的权重变更为1.02。
值得注意的是,对于预设周期内有驾驶数据的车辆根据车辆的行驶数据调整该车辆的各车辆风险事件对应权重,对于新车辆无行驶数据的则直接使用各预设车辆风险事件权重。
在本申请实施例中,根据驾驶员的驾驶数据以及车辆的行驶数据,调整各车辆的各驾驶员的驾驶员风险事件对应的权重以及调整各车辆对应的各车辆风险事件对应的权重,这样可以适应各种运输场景监控。如此,可以达到灵活适用于各种运输场景的效果。
一种可能的实现方式中,参见图8,上述步骤S203的操作具体可以为:
S801、根据预设时长内的风险评分,确定风险评分所处的目标评分区间。
可选地,根据预设时长内车辆的风险评分与监控平台存储的各风险等级对应的风险区间进行比较,确定预设时长内车辆的风险评分所属的评分区间,将预设时长内车辆的风险评分所属的评分区间作为目标评分区间。
S802、从评分区间与风险等级的映射表中查找目标评分区间对应的风险等级。
可选地,评分区间与风险等级的映射关系是由监控平台自动设置或者由用户在用户终端调整,根据评分区间与各风险等级的对应关系,确定目标评分区间所对应的风险等级。
S803、将目标评分区间对应的风险等级作为车辆的风险等级。
可选地,将目标评分区间对应的风险等级作为预设时长内车辆的风险事件对应的风险等级。
示例性的,若已知预设时长15s内车辆A的风险评分为G=54.333,低风险等级的评分区间为0~29分、中风险等级的评分区间为30~59以及高风险等级的评分区间为60~100,由此可见G=54.333属于中风险等级的评分区间30~59,则评分区间30~59为预设时长15s内车辆A的目标评分区间,目标评分区间30~59对应的风险等级为中风险,即预设时长15s内车辆A的风险事件的风险等级为中风险。
在本申请实施例中,通过结合预设时长内车辆的所有风险事件计算预设时长内车辆的风险评分,根据预设时长内的风险评分与各风险等级对应的风险评分区间进行匹配,确定预设时长内的风险评分所属风险评分区间,根据预设时长内的风险评分所属风险评分区间对应的风险等级为预设时长内车辆的风险事件对应的风险等级,可以达到提高车辆风险判定的智能化的效果。
图9为本申请实施例提供的一种车辆风险事件监控方法的完整***流程图,参见图9,本申请实施例提供的车辆风险事件监控方法是由计算机设备上的监控平台接收车辆的图像分析装置发送的车辆风险事件和驾驶员风险事件,在接收到第一个车辆风险事件或第一个驾驶员风险事件后,在预设时长内等待一段时间,获取预设时长内的车辆风险事件和驾驶员风险事件,统计预设时长内的驾驶员风险事件和车辆风险事件,并根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件、各车辆风险事件对应的权重以及预设时长内驾驶员风险事件数量和车辆风险事件数量之和确定预设时长内车辆的风险评分,根据车辆的风险评分确定车辆的风险等级,并根据车辆的风险等级对应的预警信息对用户终端和移动终端发出报警信息。
下述对用以执行的本申请所提供车辆风险事件监控方法的装置、设备及计算机可读存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图10是本申请实施例提供的一种车辆风险事件监控装置的结构示意图,参见图10,该装置包括:
获取模块1001,用于获取车辆行驶过程中预设时长内的多个风险事件,其中,多个风险事件包括:至少一个驾驶员风险事件以及至少一个车辆风险事件、至少两个驾驶员风险事件或至少两个车辆风险事件;
第一确定模块1002,用于根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的风险评分;
第二确定模块1003,用于根据预设时长内的风险评分,确定车辆的风险等级;
输出模块1004,用于根据车辆的风险等级,输出对应的报警信息。
作为一种可能的实施方式,第一确定模块1002具体用于:
根据各驾驶员风险事件、各驾驶员风险事件对应的权重、各车辆风险事件以及各车辆风险事件对应的权重,确定预设时长内的基础评分;
根据预设时长内的基础评分、预设时长内的驾驶员风险事件的数量以及预设时长内的车辆风险事件的数量,确定预设时长内的调整评分;
根据预设时长内的调整得分以及前次报警时间与当前时间之间的安全驾驶时长,确定预设时长内的风险评分。
作为一种可能的实施方式,第一确定模块1002具体还用于:
根据各驾驶员风险事件以及各驾驶员风险事件对应的权重,确定各驾驶员风险事件的评分;
根据各车辆风险事件以及各车辆风险事件对应的权重,确定各车辆风险事件的评分;
计算预设时长内各驾驶员风险事件的评分与各车辆风险事件的评分之和,得到第一风险事件综合评分;
计算预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和,得到第一风险事件数量;
计算第一风险事件综合评分和第一风险事件数量的商;
将第一风险事件综合评分和第一风险事件数量的商,作为预设时长内的基础评分。
作为一种可能的实施方式,第一确定模块1002具体还可以用于:
若预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和大于预设风险事件数量,则根据预设风险事件数量确定事件因子;
根据事件因子以及预设时长内的驾驶员风险事件的数量与预设时长内的车辆风险事件的数量之和,计算事件评分系数;
将基础评分与事件评分系数的乘积作为预设时长内的调整评分。
作为一种可能的实施方式,第一确定模块1002具体还可以用于:
计算安全驾驶时长与预设系数的乘积;
若安全驾驶时长与预设系数的乘积大于预设阈值,则确定安全时长因子为预设阈值,否则,确定安全时长因子为安全驾驶时长与预设系数的乘积;
将调整得分与安全时长因子的差值作为预设时长内的风险评分。
作为一种可能的实施方式,上述车辆风险事件监控装置还包括权重确定模块,具体用于:
确定预设历史周期内各车辆对应的各驾驶员风险事件的数量的第一平均值,并根据第一平均值以及各驾驶员风险事件的预设驾驶员风险事件权重,确定各驾驶员风险事件的权重;
确定预设历史周期内各车辆对应的车辆风险事件的数量的第二平均值,并根据第二平均值以及各车辆风险事件的预设车辆风险事件权重,确定各车辆风险事件的权重。
作为一种可能的实施方式,第二确定模块1003具体用于:
根据预设时长内的风险评分,确定风险评分所处的目标评分区间;
从评分区间与风险等级的映射表中查找目标评分区间对应的风险等级;
将目标评分区间对应的风险等级作为车辆的风险等级。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器,或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
图11是本申请实施例提供的一种计算机设备的结构示意图。参见图11,计算机设备包括:存储器1101、处理器1102,存储器1101中存储有可在处理器1102上运行的计算机程序,处理器1102执行计算机程序时,实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
可选地,本申请还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述任一车辆风险事件监控方法实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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。
另外,在本发明各个实施例中的各功能单元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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本申请的具体实施方式,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以权利要求的保护范围为准。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车辆风险事件监控方法,其特征在于,包括:
获取车辆行驶过程中预设时长内的多个风险事件,其中,所述多个风险事件包括:至少一个驾驶员风险事件以及至少一个车辆风险事件、至少两个驾驶员风险事件或至少两个车辆风险事件;
根据各所述驾驶员风险事件、各驾驶员风险事件对应的权重、各所述车辆风险事件以及各车辆风险事件对应的权重,确定所述预设时长内的风险评分;
根据所述预设时长内的风险评分,确定所述车辆的风险等级;
根据所述车辆的风险等级,输出对应的报警信息。
2.根据权利要求1所述的车辆风险事件监控方法,其特征在于,所述根据各所述驾驶员风险事件、各驾驶员风险事件对应的权重、各所述车辆风险事件以及各车辆风险事件对应的权重,确定所述预设时长内的风险评分,包括:
根据各所述驾驶员风险事件、各驾驶员风险事件对应的权重、各所述车辆风险事件以及各车辆风险事件对应的权重,确定所述预设时长内的基础评分;
根据所述预设时长内的基础评分、所述预设时长内的驾驶员风险事件的数量以及所述预设时长内的车辆风险事件的数量,确定预设时长内的调整评分;
根据所述预设时长内的调整得分以及前次报警时间与当前时间之间的安全驾驶时长,确定所述预设时长内的风险评分。
3.根据权利要求2所述的车辆风险事件监控方法,其特征在于,所述根据各所述驾驶员风险事件、各驾驶员风险事件对应的权重、各所述车辆风险事件以及各车辆风险事件对应的权重,确定所述预设时长内的基础评分,包括:
根据各所述驾驶员风险事件以及各驾驶员风险事件对应的权重,确定各所述驾驶员风险事件的评分;
根据各所述车辆风险事件以及各车辆风险事件对应的权重,确定各所述车辆风险事件的评分;
计算所述预设时长内各所述驾驶员风险事件的评分与各所述车辆风险事件的评分之和,得到第一风险事件综合评分;
计算所述预设时长内的驾驶员风险事件的数量与所述预设时长内的车辆风险事件的数量之和,得到第一风险事件数量;
计算所述第一风险事件综合评分和所述第一风险事件数量的商;
将所述第一风险事件综合评分和所述第一风险事件数量的商,作为所述预设时长内的基础评分。
4.根据权利要求2所述的车辆风险事件监控方法,其特征在于,所述根据所述预设时长内的基础评分、所述预设时长内的驾驶员风险事件的数量以及所述预设时长内的车辆风险事件的数量,确定预设时长内的调整评分,包括:
若所述预设时长内的驾驶员风险事件的数量与所述预设时长内的车辆风险事件的数量之和大于预设风险事件数量,则根据所述预设风险事件数量确定事件因子;
根据所述事件因子以及所述预设时长内的驾驶员风险事件的数量与所述预设时长内的车辆风险事件的数量之和,计算事件评分系数;
将所述基础评分与所述事件评分系数的乘积作为所述预设时长内的调整评分。
5.根据权利要求2所述的车辆风险事件监控方法,其特征在于,所述根据所述预设时长内的调整得分以及前次报警时间与当前时间之间的安全驾驶时长,确定所述预设时长内的风险评分,包括:
计算所述安全驾驶时长与预设系数的乘积;
若所述安全驾驶时长与预设系数的乘积大于预设阈值,则确定安全时长因子为所述预设阈值,否则,确定安全时长因子为所述安全驾驶时长与预设系数的乘积;
将所述调整得分与所述安全时长因子的差值作为所述预设时长内的风险评分。
6.根据权利要求1所述的车辆风险事件监控方法,其特征在于,还包括:
确定预设历史周期内各车辆对应的各驾驶员风险事件的数量的第一平均值,并根据所述第一平均值以及各驾驶员风险事件的预设驾驶员风险事件权重,确定各驾驶员风险事件的权重;
确定预设历史周期内各车辆对应的车辆风险事件的数量的第二平均值,并根据所述第二平均值以及各车辆风险事件的预设车辆风险事件权重,确定各车辆风险事件的权重。
7.根据权利要求1所述的车辆风险事件监控方法,其特征在于,所述根据所述预设时长内的风险评分,确定所述车辆的风险等级,包括:
根据所述预设时长内的风险评分,确定所述风险评分所处的目标评分区间;
从评分区间与风险等级的映射表中查找所述目标评分区间对应的风险等级;
将所述目标评分区间对应的风险等级作为所述车辆的风险等级。
8.一种车辆风险事件监控装置,其特征在于,所述装置包括:
获取模块,用于获取车辆行驶过程中预设时长内的多个风险事件,其中,所述多个风险事件包括:至少一个驾驶员风险事件以及至少一个车辆风险事件、至少两个驾驶员风险事件或至少两个车辆风险事件;
第一确定模块,用于根据各所述驾驶员风险事件、各驾驶员风险事件对应的权重、各所述车辆风险事件以及各车辆风险事件对应的权重,确定所述预设时长内的风险评分;
第二确定模块,用于根据所述预设时长内的风险评分,确定所述车辆的风险等级;
输出模块,用于根据所述车辆的风险等级,输出对应的报警信息。
9.一种计算机设备,其特征在于,包括:存储器、处理器,所述存储器中存储有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,实现上述权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311011956.7A CN117104256A (zh) | 2023-08-11 | 2023-08-11 | 车辆风险事件监控方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311011956.7A CN117104256A (zh) | 2023-08-11 | 2023-08-11 | 车辆风险事件监控方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117104256A true CN117104256A (zh) | 2023-11-24 |
Family
ID=88795779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311011956.7A Pending CN117104256A (zh) | 2023-08-11 | 2023-08-11 | 车辆风险事件监控方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117104256A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220163976A1 (en) * | 2019-05-01 | 2022-05-26 | Smartdrive Systems, Inc. | Systems and methods for creating and using risk profiles for fleet management of a fleet of vehicles |
-
2023
- 2023-08-11 CN CN202311011956.7A patent/CN117104256A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220163976A1 (en) * | 2019-05-01 | 2022-05-26 | Smartdrive Systems, Inc. | Systems and methods for creating and using risk profiles for fleet management of a fleet of vehicles |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12002308B1 (en) | Driving event data analysis | |
US10332390B1 (en) | Driving event data analysis | |
US10198772B2 (en) | Driver assessment and recommendation system in a vehicle | |
CN111332309B (zh) | 驾驶员监视***及其操作方法 | |
US9707971B2 (en) | Driving characteristics diagnosis device, driving characteristics diagnosis system, driving characteristics diagnosis method, information output device, and information output method | |
US8954340B2 (en) | Risk evaluation based on vehicle operator behavior | |
US20150127388A1 (en) | Notification and management of abnormal vehicular movement events | |
WO2011004372A1 (en) | Driver profiling | |
CN112258837B (zh) | 一种车辆预警的方法、相关装置、设备以及存储介质 | |
US20230260334A1 (en) | Systems, devices and methods for operating a vehicle with sensors monitoring parameters | |
CN117104256A (zh) | 车辆风险事件监控方法、装置、计算机设备和存储介质 | |
JPWO2018025415A1 (ja) | 運転支援プログラム、運転支援方法および情報処理装置 | |
CN113257039A (zh) | 基于大数据分析的驾驶预警方法及装置 | |
WO2016107876A1 (en) | Vehicular motion monitoring method | |
CN112249007A (zh) | 一种车辆危险报警方法及相关设备 | |
CN115635977A (zh) | 一种车辆碰撞预警方法、装置、电子设备及存储介质 | |
EP3774478A1 (en) | Vehicular motion assessment method | |
GB2485581A (en) | Method of alerting the driver of a vehicle of an accident risk | |
CN113232678A (zh) | 车辆的控制方法及装置、自动驾驶车辆 | |
JP2022054296A (ja) | 運転評価装置、運転評価システム、及び運転評価プログラム | |
CN111612140A (zh) | 基于路侧单元的自动驾驶安全判别方法、设备、存储介质 | |
CN111191603A (zh) | 车内人员识别方法、装置、终端设备及介质 | |
CN116798224B (zh) | 基于车载终端的路况提醒方法、装置、设备及存储介质 | |
US12049218B2 (en) | Evaluating the safety performance of vehicles | |
US11989949B1 (en) | Systems for detecting vehicle following distance |
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 |