CN117787513A - 一种基于大数据的智能车载设备数据监管***及方法 - Google Patents
一种基于大数据的智能车载设备数据监管***及方法 Download PDFInfo
- Publication number
- CN117787513A CN117787513A CN202310813380.XA CN202310813380A CN117787513A CN 117787513 A CN117787513 A CN 117787513A CN 202310813380 A CN202310813380 A CN 202310813380A CN 117787513 A CN117787513 A CN 117787513A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- team
- state
- change
- state change
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000008859 change Effects 0.000 claims description 166
- 230000007613 environmental effect Effects 0.000 claims description 26
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012098 association analyses Methods 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000007726 management method Methods 0.000 abstract description 7
- 238000012216 screening Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 97
- 230000000903 blocking effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及车载设备监管技术领域,具体为一种基于大数据的智能车载设备数据监管***及方法,所述***包括状态变更影响分析模块,所述状态变更影响分析模块实时获取导航路线中各个编号车辆周边环境对应的环境信息,并结合历史数据分析不同环境信息对相应编号车辆的状态变更影响。本发明不仅在同一导航规划路线中标记出不同车辆的位置,还进一步对组队模式中的车辆导航信息进行管理,考虑到导航过程中组队内车辆对应用户的行驶特征及同一规划路线中的不同位置车辆行驶环境的差异,实现对组队内行驶状态的参照标准车辆的动态筛选,并自动生成相应的预警管理信息,实现对组队内车辆的有效监管。
Description
技术领域
本发明涉及车载设备监管技术领域,具体为一种基于大数据的智能车载设备数据监管***及方法。
背景技术
随着互联网技术的快速发展,人们对互联网计划运用越来越广泛,在车载设备领域,通过物联网将车辆与管理***(软件平台)进行连接,能够实现对车辆的有效管控;尤其是车载导航方面,常见的导航模式往往只能够对一辆车进行导航,但是在实际运用中,人们可能会存在组队自驾的情况,采用现有的常规导航模式就会出现不同车辆分别规划各自对应的导航路线,该方式在自驾过程中极容易出现路线不统一及车辆掉队的情况。
现有的基于大数据的智能车载设备数据监管***中的组队导航模式,仅仅是在同一导航规划路线中标记出不同车辆的位置,未进一步对组队模式中的车辆导航信息进行管理,未考虑到导航过程中组队内车辆行驶状态的参照标准,进而也无法根据车辆的具体行驶情况实现对组队内行驶状态的参照标准车辆的动态筛选,并自动生成相应的预警管理信息(现有技术中组队内车辆的行驶状态需要用户根据组队导航界面进行人为判断,主观性较强,且同一规划路线中的不同位置车辆行驶环境及堵塞程度是存在差异的,仅仅通过组队导航界面的图像进行判断是存在较大的偏差的),进而现有技术存在较大的缺陷。
发明内容
本发明的目的在于提供一种基于大数据的智能车载设备数据监管***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的智能车载设备数据监管方法,所述方法包括以下步骤:
S1、获取组队状态下的车辆导航路线,及各个车辆对应车载设备监测到的车况信息,并对组队中的各个车辆进行编号;
S2、实时获取导航路线中各个编号车辆周边环境对应的环境信息,并结合历史数据分析不同环境信息对相应编号车辆的状态变更影响;
S3、结合组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值;
S4、选取状态变更综合关联影响值最小的变更方案作为最佳变更方案,将最佳变更方案中的参照车辆记为第一参照点,并结合第一参照点生成组队状态下的状态变更预警序列集。
进一步的,所述S1中组队状态下的车辆导航路线为组队的各个车辆共享的一条导航路线,
所述车况信息包括车辆在车辆导航路线中的位置及车载设备信号接收偏差,
将组队中的第i个车辆的编号记为Ai。
进一步的,所述S2中实时获取导航路线中各个编号车辆周边环境对应的环境信息时,将编号Ai的车辆在时间t时对应的环境信息记为Bit,将Ai作为一个目标车辆,所述环境信息包括目标车辆对应半径为第一单位距离的范围内的每个关联车辆相对于目标车辆的相对位置构成的集合,所述相对位置是通过第一平面直角坐标系中对应的坐标点进行表示的,所述关联车辆与目标车辆对应位置之间的连线周边第二单位距离范围内不存在其余车辆位置,所述第一平面直角坐标系是以目标车辆的中心点为原点,以过原点且与目标车辆行驶方向相同的直线为y轴,以过原点且垂直于y轴的直线为x轴进行构建的;所述第一单位距离及第二单位距离均为数据库中预置的常数,
本发明环境信息是车辆中车载设备自身具有的摄像头采集到的信息,车况信息中的车速数据也是由车载设备自身的速度传感器采集得到的,而车况信息中的导航位置是通过车载设备接收的卫星导航数据进行采集得到的,接收的数据中车辆导航位置与实际位置之间存在偏差,而偏差值的大小直接有车载设备中信号接收装置的性能决定的,本申请的偏差是直接通过查询数据库预置表单获取的。
所述S2中结合历史数据分析不同环境信息对相应编号车辆的状态变更影响的方法包括以下步骤:
S21、获取编号为Ai的车辆在当前时间对应的环境信息,计算当前时间编号为Ai的车辆对应环境信息产生的环境阻碍系数,记为HAi,
所述HAi=1/GSAi×e(MSAi/MAi),
其中,SAi表示当前时间编号为Ai的车辆对应环境信息中每个元素分别对应的坐标点相应波动范围之间并集区域,MSAi表示SAi的面积,将坐标点(x1,y1)的波动范围记为{(x2,y2)|x1-d1≤x2≤x1+d1,y1-d2≤y2≤y1+d2}且d1与d2均为数据库中预置的常数,MAi表示当前时间编号为Ai的车辆对应半径为第一单位距离的范围相应的面积,
本发明中环境阻碍系数与GSAi呈负相关,当GSAi的值越大且MSAi与MAi的比值不变的情况下,则所得环境阻碍系数对应的值越小;环境阻碍系数与MSAi/MAi呈正相关;本发明中2d1表示数据库中预置的标准车辆模型中的车宽,2d2表示数据库中预置的标准车辆模型中的车长,
GSAi表示SAi内各个坐标点对应的波动范围中,不同的相邻波动范围组合分别对应的状态变更间距中的最大值,且GSAi>0,
每个相邻波动范围组合对应两个坐标点相应的波动范围,且分别从两个波动范围中任选一点构成的连线不经过其余波动范围,并将所得连线中的最小值作为相应的相邻波动范围组合对应的状态变更间距;
S22、获取编号为Ai的车辆所属用户的行车状态特征,所述行车状态特征表示编号为Ai的车辆所属用户的历史行车数据内每次开始执行变道操作时对应换环境信息相应的环境阻碍系数中的最大值,记为HzAi;
S23、得到编号为Ai的车辆在当前时间对应的环境信息对编号为Ai的车辆的状态变更影响值,记为QAi,QAi=(HzAi-HAi)/HAi。
本发明编号为Ai的车辆在当前时间对应的环境信息对编号为Ai的车辆的状态变更影响值本质上是一个比值系数,且这个比值系数对应的结果可为正数,也可为负数或0。
进一步的,所述S3中分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值的方法包括以下步骤:
S31、获取组队状态下的各个车辆对应车载设备监测到的车况信息;
S32、获取当前时间组队状态下不同车辆受环境信息影响后分别对应的状态变更影响值;
S33、得到编号为Ai1的车辆为参照车辆时,编号为Ai2的车辆相对于参照车辆的状态变更关联值,记为PAi2→Ai1,
PAi2→Ai1=(QAi1-QAi2)×F(LRAi1∩LRAi2),
其中,QAi1表示编号为Ai1的车辆在当前时间对应的环境信息对编号为Ai1的车辆的状态变更影响值,QAi2表示编号为Ai2的车辆在当前时间对应的环境信息对编号为Ai2的车辆的状态变更影响值,
LAi1表示编号Ai1的车辆在车辆导航路线中位置与初始导航位置之间的距离,
LAi2表示编号Ai2的车辆在车辆导航路线中位置与初始导航位置之间的距离,默认组队中的各个车辆的初始导航位置均相同,
LRAi1表示LAi1受车载设备信号接收偏差uLAi1影响后的位置监控波动区间,LRAi1∈[LAi1-(uLAi1+g),LAi1+(uLAi1+g)],
LRAi2表示LAi2受车载设备信号接收偏差uLAi1影响后的位置监控波动区间,LRAi2∈[LAi2-(uLAi2+g),LAi2+(uLAi2+g)],所述g表示数据库中预置的车队监控最大偏离距离;
F(LRAi1∩LRAi2)表示LRAi1与LRAi2之间的交集关联系数,
F(LRAi1∩LRAi2)=1-m(LRAi1∩LRAi2)/min{m(LRAi1),m(LRAi2)},m(LRAi1∩LRAi2)表示LRAi1与LRAi2之间的交集范围的区间长度,m(LRAi1)表示LRAi1对应的区间长度,m(LRAi2)表示LRAi2对应的区间长度,min{m(LRAi1),m(LRAi2)}表示m(LRAi1)与m(LRAi2)中的最小值。
本发明中的状态变更指的是车辆行驶过程中需要变道超车的现象,且组队中相同的两辆车对应的参照车辆的状态变更关联值中,选取的参照车辆不同,所得的参照车辆的状态变更关联值也是存在差异的。
进一步的,所述S3中得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值的方法包括以下步骤:
S31、获取编号为Ai1的车辆为参照车辆时,组队内的其余车辆分别相对于参照车辆的状态变更关联值;
S32、将i2为不同值时,各个Ai2分别对应的状态变更关联值汇总到一个空白集合中,得到编号Ai1为参照车辆时对应的变更方案,相应变更方案的状态变更综合关联影响值等于相应集合内每个元素对应的状态变更关联值之和。
进一步的,所述S4中结合第一参照点生成组队状态下的状态变更预警序列集时,将第一参照点对应的车辆编号记为Ai3,生成组队内编号为Ai4的车辆相对于参照车辆的状态变更预警结果,
当LAi3<LAi4时,则获取基于当前时间的前第一单位时间内编号为Ai3的车辆的平均车速,并将所得车速作为组队内编号为Ai4的车辆对应状态变更预警结果中的车速预警上限;当LAi3≥LAi4时,则提醒组队内编号为Ai4的车辆需要进行状态变更追赶第一参照点,
所述LAi3表示编号Ai3的车辆在车辆导航路线中位置与初始导航位置之间的距离,所述LAi4表示编号Ai4的车辆在车辆导航路线中位置与初始导航位置之间的距离。
一种基于大数据的智能车载设备数据监管***,所述***包括以下模块:
车况数据采集模块,所述车况数据采集模块获取组队状态下的车辆导航路线,及各个车辆对应车载设备监测到的车况信息,并对组队中的各个车辆进行编号;
状态变更影响分析模块,所述状态变更影响分析模块实时获取导航路线中各个编号车辆周边环境对应的环境信息,并结合历史数据分析不同环境信息对相应编号车辆的状态变更影响;
变更方案生成模块,所述变更方案生成模块结合组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值;
变更方案管理及预警模块,所述变更方案管理及预警模块选取状态变更综合关联影响值最小的变更方案作为最佳变更方案,将最佳变更方案中的参照车辆记为第一参照点,并结合第一参照点生成组队状态下的状态变更预警序列集。
进一步的,所述变更方案生成模块包括数据提取模块、状态关联分析模块、变更方案生成模块及状态变更综合关联影响分析模块,
所述数据提取模块用于提取组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,
所述状态关联分析模块用于分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,
所述变更方案生成模块用于生成不同参照车辆对应的变更方案,
所述状态变更综合关联影响分析模块用于获取各个变更方案的状态变更综合关联影响值。
与现有技术相比,本发明所达到的有益效果是:本发明不仅在同一导航规划路线中标记出不同车辆的位置,还进一步对组队模式中的车辆导航信息进行管理,考虑到导航过程中组队内车辆对应用户的行驶特征及同一规划路线中的不同位置车辆行驶环境的差异,实现对组队内行驶状态的参照标准车辆的动态筛选,并自动生成相应的预警管理信息,实现对组队内车辆的有效监管,降低了组队内车辆的行驶过程中用户人为主观判断对组队内车辆行驶状态的影响,避免车辆掉队的情况发生。
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,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的智能车载设备数据监管方法的流程示意图;
图2是本发明一种基于大数据的智能车载设备数据监管***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:一种基于大数据的智能车载设备数据监管方法,所述方法包括以下步骤:
S1、获取组队状态下的车辆导航路线,及各个车辆对应车载设备监测到的车况信息,并对组队中的各个车辆进行编号
所述S1中组队状态下的车辆导航路线为组队的各个车辆共享的一条导航路线,
所述车况信息包括车辆在车辆导航路线中的位置及车载设备信号接收偏差,
将组队中的第i个车辆的编号记为Ai。
S2、实时获取导航路线中各个编号车辆周边环境对应的环境信息,并结合历史数据分析不同环境信息对相应编号车辆的状态变更影响;
所述S2中实时获取导航路线中各个编号车辆周边环境对应的环境信息时,将编号Ai的车辆在时间t时对应的环境信息记为Bit,将Ai作为一个目标车辆,所述环境信息包括目标车辆对应半径为第一单位距离的范围内的每个关联车辆相对于目标车辆的相对位置构成的集合,所述相对位置是通过第一平面直角坐标系中对应的坐标点进行表示的,所述关联车辆与目标车辆对应位置之间的连线周边第二单位距离范围内不存在其余车辆位置,所述第一平面直角坐标系是以目标车辆的中心点为原点,以过原点且与目标车辆行驶方向相同的直线为y轴,以过原点且垂直于y轴的直线为x轴进行构建的;所述第一单位距离及第二单位距离均为数据库中预置的常数,
本实施例中第一平面直角坐标系对应的是一种平面直角坐标系构建方法,由于环境信息对应的集合中包含组队中的所有车辆,即组队中的每一个车辆均是一个目标车辆,进而本实施例中的目标车辆不同时,构建的相应的第一平面直角坐标系也是不相同的;
若组队中存在两个车辆,分别为甲与乙,
若导航路线中甲所处位置对应的车辆行驶方向为正东方向,若导航路线中乙所处位置对应的车辆行驶方向为东南方向,
则甲构建的第一平面直角坐标系中y轴的指向与乙构建的第一平面直角坐标系中y轴的指向不同;
所述S2中结合历史数据分析不同环境信息对相应编号车辆的状态变更影响的方法包括以下步骤:
S21、获取编号为Ai的车辆在当前时间对应的环境信息,计算当前时间编号为Ai的车辆对应环境信息产生的环境阻碍系数,记为HAi,
所述HAi=1/GSAi×e(MSAi/MAi),
其中,SAi表示当前时间编号为Ai的车辆对应环境信息中每个元素分别对应的坐标点相应波动范围之间并集区域,MSAi表示SAi的面积,将坐标点(x1,y1)的波动范围记为{(x2,y2)|x1-d1≤x2≤x1+d1,y1-d2≤y2≤y1+d2}且d1与d2均为数据库中预置的常数,MAi表示当前时间编号为Ai的车辆对应半径为第一单位距离的范围相应的面积,
本实施例中2d1表示数据库中预置的标准车辆模型中的车宽,2d2表示数据库中预置的标准车辆模型中的车长,
GSAi表示SAi内各个坐标点对应的波动范围中,不同的相邻波动范围组合分别对应的状态变更间距中的最大值,且GSAi>0,
每个相邻波动范围组合对应两个坐标点相应的波动范围,且分别从两个波动范围中任选一点构成的连线不经过其余波动范围,并将所得连线中的最小值作为相应的相邻波动范围组合对应的状态变更间距;
S22、获取编号为Ai的车辆所属用户的行车状态特征,所述行车状态特征表示编号为Ai的车辆所属用户的历史行车数据内每次开始执行变道操作时对应换环境信息相应的环境阻碍系数中的最大值,记为HzAi;
S23、得到编号为Ai的车辆在当前时间对应的环境信息对编号为Ai的车辆的状态变更影响值,记为QAi,QAi=(HzAi-HAi)/HAi。
S3、结合组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值;
所述S3中分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值的方法包括以下步骤:
S31、获取组队状态下的各个车辆对应车载设备监测到的车况信息;
S32、获取当前时间组队状态下不同车辆受环境信息影响后分别对应的状态变更影响值;
S33、得到编号为Ai1的车辆为参照车辆时,编号为Ai2的车辆相对于参照车辆的状态变更关联值,记为PAi2→Ai1,
PAi2→Ai1=(QAi1-QAi2)×F(LRAi1∩LRAi2),
其中,QAi1表示编号为Ai1的车辆在当前时间对应的环境信息对编号为Ai1的车辆的状态变更影响值,QAi2表示编号为Ai2的车辆在当前时间对应的环境信息对编号为Ai2的车辆的状态变更影响值,
LAi1表示编号Ai1的车辆在车辆导航路线中位置与初始导航位置之间的距离,
LAi2表示编号Ai2的车辆在车辆导航路线中位置与初始导航位置之间的距离,默认组队中的各个车辆的初始导航位置均相同,
LRAi1表示LAi1受车载设备信号接收偏差uLAi1影响后的位置监控波动区间,LRAi1∈[LAi1-(uLAi1+g),LAi1+(uLAi1+g)],
LRAi2表示LAi2受车载设备信号接收偏差uLAi1影响后的位置监控波动区间,LRAi2∈[LAi2-(uLAi2+g),LAi2+(uLAi2+g)],所述g表示数据库中预置的车队监控最大偏离距离;
F(LRAi1∩LRAi2)表示LRAi1与LRAi2之间的交集关联系数,
F(LRAi1∩LRAi2)=1-m(LRAi1∩LRAi2)/min{m(LRAi1),m(LRAi2)},m(LRAi1∩LRAi2)表示LRAi1与LRAi2之间的交集范围的区间长度,m(LRAi1)表示LRAi1对应的区间长度,m(LRAi2)表示LRAi2对应的区间长度,min{m(LRAi1),m(LRAi2)}表示m(LRAi1)与m(LRAi2)中的最小值。
所述S3中得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值的方法包括以下步骤:
S31、获取编号为Ai1的车辆为参照车辆时,组队内的其余车辆分别相对于参照车辆的状态变更关联值;
S32、将i2为不同值时,各个Ai2分别对应的状态变更关联值汇总到一个空白集合中,得到编号Ai1为参照车辆时对应的变更方案,相应变更方案的状态变更综合关联影响值等于相应集合内每个元素对应的状态变更关联值之和。
S4、选取状态变更综合关联影响值最小的变更方案作为最佳变更方案,将最佳变更方案中的参照车辆记为第一参照点,并结合第一参照点生成组队状态下的状态变更预警序列集;
所述S4中结合第一参照点生成组队状态下的状态变更预警序列集时,将第一参照点对应的车辆编号记为Ai3,生成组队内编号为Ai4的车辆相对于参照车辆的状态变更预警结果,
当LAi3<LAi4时,则获取基于当前时间的前第一单位时间内编号为Ai3的车辆的平均车速,并将所得车速作为组队内编号为Ai4的车辆对应状态变更预警结果中的车速预警上限;当LAi3≥LAi4时,则提醒组队内编号为Ai4的车辆需要进行状态变更追赶第一参照点,
所述LAi3表示编号Ai3的车辆在车辆导航路线中位置与初始导航位置之间的距离,所述LAi4表示编号Ai4的车辆在车辆导航路线中位置与初始导航位置之间的距离。
如图2所示,一种基于大数据的智能车载设备数据监管***,所述***包括以下模块:
车况数据采集模块,所述车况数据采集模块获取组队状态下的车辆导航路线,及各个车辆对应车载设备监测到的车况信息,并对组队中的各个车辆进行编号;
状态变更影响分析模块,所述状态变更影响分析模块实时获取导航路线中各个编号车辆周边环境对应的环境信息,并结合历史数据分析不同环境信息对相应编号车辆的状态变更影响;
变更方案生成模块,所述变更方案生成模块结合组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值;
变更方案管理及预警模块,所述变更方案管理及预警模块选取状态变更综合关联影响值最小的变更方案作为最佳变更方案,将最佳变更方案中的参照车辆记为第一参照点,并结合第一参照点生成组队状态下的状态变更预警序列集。
所述变更方案生成模块包括数据提取模块、状态关联分析模块、变更方案生成模块及状态变更综合关联影响分析模块,
所述数据提取模块用于提取组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,
所述状态关联分析模块用于分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,
所述变更方案生成模块用于生成不同参照车辆对应的变更方案,
所述状态变更综合关联影响分析模块用于获取各个变更方案的状态变更综合关联影响值。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于大数据的智能车载设备数据监管方法,其特征在于,所述方法包括以下步骤:
S1、获取组队状态下的车辆导航路线,及各个车辆对应车载设备监测到的车况信息,并对组队中的各个车辆进行编号;
S2、实时获取导航路线中各个编号车辆周边环境对应的环境信息,并结合历史数据分析不同环境信息对相应编号车辆的状态变更影响;
S3、结合组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值;
S4、选取状态变更综合关联影响值最小的变更方案作为最佳变更方案,将最佳变更方案中的参照车辆记为第一参照点,并结合第一参照点生成组队状态下的状态变更预警序列集。
2.根据权利要求1所述的一种基于大数据的智能车载设备数据监管方法,其特征在于:所述S1中组队状态下的车辆导航路线为组队的各个车辆共享的一条导航路线,
所述车况信息包括车辆在车辆导航路线中的位置及车载设备信号接收偏差,
将组队中的第i个车辆的编号记为Ai。
3.根据权利要求2所述的一种基于大数据的智能车载设备数据监管方法,其特征在于:所述S2中实时获取导航路线中各个编号车辆周边环境对应的环境信息时,将编号Ai的车辆在时间t时对应的环境信息记为Bit,将Ai作为一个目标车辆,所述环境信息包括目标车辆对应半径为第一单位距离的范围内的每个关联车辆相对于目标车辆的相对位置构成的集合,所述相对位置是通过第一平面直角坐标系中对应的坐标点进行表示的,所述关联车辆与目标车辆对应位置之间的连线周边第二单位距离范围内不存在其余车辆位置,所述第一平面直角坐标系是以目标车辆的中心点为原点,以过原点且与目标车辆行驶方向相同的直线为y轴,以过原点且垂直于y轴的直线为x轴进行构建的;所述第一单位距离及第二单位距离均为数据库中预置的常数,
所述S2中结合历史数据分析不同环境信息对相应编号车辆的状态变更影响的方法包括以下步骤:
S21、获取编号为Ai的车辆在当前时间对应的环境信息,计算当前时间编号为Ai的车辆对应环境信息产生的环境阻碍系数,记为HAi,
所述HAi=1/GSAi×e(MSAi/MAi),
其中,SAi表示当前时间编号为Ai的车辆对应环境信息中每个元素分别对应的坐标点相应波动范围之间并集区域,MSAi表示SAi的面积,将坐标点(x1,y1)的波动范围记为{(x2,y2)|x1-d1≤x2≤x1+d1,y1-d2≤y2≤y1+d2}且d1与d2均为数据库中预置的常数,MAi表示当前时间编号为Ai的车辆对应半径为第一单位距离的范围相应的面积,GSAi表示SAi内各个坐标点对应的波动范围中,不同的相邻波动范围组合分别对应的状态变更间距中的最大值,且GSAi>0,
每个相邻波动范围组合对应两个坐标点相应的波动范围,且分别从两个波动范围中任选一点构成的连线不经过其余波动范围,并将所得连线中的最小值作为相应的相邻波动范围组合对应的状态变更间距;
S22、获取编号为Ai的车辆所属用户的行车状态特征,所述行车状态特征表示编号为Ai的车辆所属用户的历史行车数据内每次开始执行变道操作时对应换环境信息相应的环境阻碍系数中的最大值,记为HzAi;
S23、得到编号为Ai的车辆在当前时间对应的环境信息对编号为Ai的车辆的状态变更影响值,记为QAi,QAi=(HzAi-HAi)/HAi。
4.根据权利要求2所述的一种基于大数据的智能车载设备数据监管方法,其特征在于:所述S3中分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值的方法包括以下步骤:
S31、获取组队状态下的各个车辆对应车载设备监测到的车况信息;
S32、获取当前时间组队状态下不同车辆受环境信息影响后分别对应的状态变更影响值;
S33、得到编号为Ai1的车辆为参照车辆时,编号为Ai2的车辆相对于参照车辆的状态变更关联值,记为PAi2→Ai1,
PAi2→Ai1=(QAi1-QAi2)×F(LRAi1∩LRAi2),
其中,QAi1表示编号为Ai1的车辆在当前时间对应的环境信息对编号为Ai1的车辆的状态变更影响值,QAi2表示编号为Ai2的车辆在当前时间对应的环境信息对编号为Ai2的车辆的状态变更影响值,
LAi1表示编号Ai1的车辆在车辆导航路线中位置与初始导航位置之间的距离,
LAi2表示编号Ai2的车辆在车辆导航路线中位置与初始导航位置之间的距离,默认组队中的各个车辆的初始导航位置均相同,
LRAi1表示LAi1受车载设备信号接收偏差uLAi1影响后的位置监控波动区间,LRAi1∈[LAi1-(uLAi1+g),LAi1+(uLAi1+g)],
LRAi2表示LAi2受车载设备信号接收偏差uLAi1影响后的位置监控波动区间,LRAi2∈[LAi2-(uLAi2+g),LAi2+(uLAi2+g)],所述g表示数据库中预置的车队监控最大偏离距离;
F(LRAi1∩LRAi2)表示LRAi1与LRAi2之间的交集关联系数,
F(LRAi1∩LRAi2)=1-m(LRAi1∩LRAi2)/min{m(LRAi1),m(LRAi2)},m(LRAi1∩LRAi2)表示LRAi1与LRAi2之间的交集范围的区间长度,m(LRAi1)表示LRAi1对应的区间长度,m(LRAi2)表示LRAi2对应的区间长度,min{m(LRAi1),m(LRAi2)}表示m(LRAi1)与m(LRAi2)中的最小值。
5.根据权利要求4所述的一种基于大数据的智能车载设备数据监管方法,其特征在于:所述S3中得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值的方法包括以下步骤:
S31、获取编号为Ai1的车辆为参照车辆时,组队内的其余车辆分别相对于参照车辆的状态变更关联值;
S32、将i2为不同值时,各个Ai2分别对应的状态变更关联值汇总到一个空白集合中,得到编号Ai1为参照车辆时对应的变更方案,相应变更方案的状态变更综合关联影响值等于相应集合内每个元素对应的状态变更关联值之和。
6.根据权利要求4所述的一种基于大数据的智能车载设备数据监管方法,其特征在于:所述S4中结合第一参照点生成组队状态下的状态变更预警序列集时,将第一参照点对应的车辆编号记为Ai3,生成组队内编号为Ai4的车辆相对于参照车辆的状态变更预警结果,
当LAi3<LAi4时,则获取基于当前时间的前第一单位时间内编号为Ai3的车辆的平均车速,并将所得车速作为组队内编号为Ai4的车辆对应状态变更预警结果中的车速预警上限;当LAi3≥LAi4时,则提醒组队内编号为Ai4的车辆需要进行状态变更追赶第一参照点,
所述LAi3表示编号Ai3的车辆在车辆导航路线中位置与初始导航位置之间的距离,所述LAi4表示编号Ai4的车辆在车辆导航路线中位置与初始导航位置之间的距离。
7.一种基于大数据的智能车载设备数据监管***,其特征在于,所述***包括以下模块:
车况数据采集模块,所述车况数据采集模块获取组队状态下的车辆导航路线,及各个车辆对应车载设备监测到的车况信息,并对组队中的各个车辆进行编号;
状态变更影响分析模块,所述状态变更影响分析模块实时获取导航路线中各个编号车辆周边环境对应的环境信息,并结合历史数据分析不同环境信息对相应编号车辆的状态变更影响;
变更方案生成模块,所述变更方案生成模块结合组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,得到不同参照车辆对应的变更方案及相应变更方案的状态变更综合关联影响值;
变更方案管理及预警模块,所述变更方案管理及预警模块选取状态变更综合关联影响值最小的变更方案作为最佳变更方案,将最佳变更方案中的参照车辆记为第一参照点,并结合第一参照点生成组队状态下的状态变更预警序列集。
8.根据权利要求7所述的一种基于大数据的智能车载设备数据监管***,其特征在于:所述变更方案生成模块包括数据提取模块、状态关联分析模块、变更方案生成模块及状态变更综合关联影响分析模块,
所述数据提取模块用于提取组队状态下不同车辆受到的状态变更影响情况及车辆导航路线的路况信息,
所述状态关联分析模块用于分析将组队状态下的任意车辆作为参照车辆的情况下,其余车辆相对于参照车辆的状态变更关联值,
所述变更方案生成模块用于生成不同参照车辆对应的变更方案,
所述状态变更综合关联影响分析模块用于获取各个变更方案的状态变更综合关联影响值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310813380.XA CN117787513A (zh) | 2023-07-05 | 2023-07-05 | 一种基于大数据的智能车载设备数据监管***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310813380.XA CN117787513A (zh) | 2023-07-05 | 2023-07-05 | 一种基于大数据的智能车载设备数据监管***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117787513A true CN117787513A (zh) | 2024-03-29 |
Family
ID=90396794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310813380.XA Pending CN117787513A (zh) | 2023-07-05 | 2023-07-05 | 一种基于大数据的智能车载设备数据监管***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117787513A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190051158A1 (en) * | 2018-03-30 | 2019-02-14 | Intel Corporation | Intelligent traffic management for vehicle platoons |
CN110070707A (zh) * | 2019-05-16 | 2019-07-30 | 吴鼎新 | 一种实现协同式自适应巡航控制车队组队与分离的方法 |
US20200339127A1 (en) * | 2019-04-24 | 2020-10-29 | Volkswagen Aktiengesellschaft | Method, computer program, apparatus, transportation vehicle, and network component for controlling a maneuver within a platoon |
US20210293978A1 (en) * | 2018-07-23 | 2021-09-23 | Safran | Method and device for assisting with the navigation of a fleet of vehicles using an invariant kalman filter |
CN113450005A (zh) * | 2021-07-02 | 2021-09-28 | 北京科技大学 | 一种封闭区域无人驾驶车辆集群管理调度方法及装置 |
CN114019987A (zh) * | 2022-01-05 | 2022-02-08 | 禾多科技(北京)有限公司 | 自动驾驶车辆组队出行方法及*** |
CN114924678A (zh) * | 2022-04-24 | 2022-08-19 | 北京主线科技有限公司 | 车辆编队显示方法、装置及电子设备 |
DE102021104332A1 (de) * | 2021-02-24 | 2022-08-25 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Unterstützung einer Gruppenfahrt von Fahrzeugen |
CN114973633A (zh) * | 2022-05-12 | 2022-08-30 | 北京凯拉斯信息技术有限公司 | 无人车辆编队行驶控制方法及*** |
CN115320596A (zh) * | 2022-08-15 | 2022-11-11 | 同济大学 | 一种智能网联车队***式协同换道控制方法 |
WO2023273817A1 (zh) * | 2021-06-30 | 2023-01-05 | 深圳市海柔创新科技有限公司 | 车队控制方法、装置、电子设备和存储介质 |
CN115862329A (zh) * | 2022-11-28 | 2023-03-28 | 上海理工大学 | 一种基于高速公路交通事故下的车辆协同换道引导方法 |
CN115909783A (zh) * | 2022-11-24 | 2023-04-04 | 同济大学 | 一种基于交通流的车道级驾驶辅助方法及*** |
-
2023
- 2023-07-05 CN CN202310813380.XA patent/CN117787513A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190051158A1 (en) * | 2018-03-30 | 2019-02-14 | Intel Corporation | Intelligent traffic management for vehicle platoons |
US20210293978A1 (en) * | 2018-07-23 | 2021-09-23 | Safran | Method and device for assisting with the navigation of a fleet of vehicles using an invariant kalman filter |
US20200339127A1 (en) * | 2019-04-24 | 2020-10-29 | Volkswagen Aktiengesellschaft | Method, computer program, apparatus, transportation vehicle, and network component for controlling a maneuver within a platoon |
CN110070707A (zh) * | 2019-05-16 | 2019-07-30 | 吴鼎新 | 一种实现协同式自适应巡航控制车队组队与分离的方法 |
DE102021104332A1 (de) * | 2021-02-24 | 2022-08-25 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Unterstützung einer Gruppenfahrt von Fahrzeugen |
WO2023273817A1 (zh) * | 2021-06-30 | 2023-01-05 | 深圳市海柔创新科技有限公司 | 车队控制方法、装置、电子设备和存储介质 |
CN113450005A (zh) * | 2021-07-02 | 2021-09-28 | 北京科技大学 | 一种封闭区域无人驾驶车辆集群管理调度方法及装置 |
CN114019987A (zh) * | 2022-01-05 | 2022-02-08 | 禾多科技(北京)有限公司 | 自动驾驶车辆组队出行方法及*** |
CN114924678A (zh) * | 2022-04-24 | 2022-08-19 | 北京主线科技有限公司 | 车辆编队显示方法、装置及电子设备 |
CN114973633A (zh) * | 2022-05-12 | 2022-08-30 | 北京凯拉斯信息技术有限公司 | 无人车辆编队行驶控制方法及*** |
CN115320596A (zh) * | 2022-08-15 | 2022-11-11 | 同济大学 | 一种智能网联车队***式协同换道控制方法 |
CN115909783A (zh) * | 2022-11-24 | 2023-04-04 | 同济大学 | 一种基于交通流的车道级驾驶辅助方法及*** |
CN115862329A (zh) * | 2022-11-28 | 2023-03-28 | 上海理工大学 | 一种基于高速公路交通事故下的车辆协同换道引导方法 |
Non-Patent Citations (2)
Title |
---|
张荣辉;游峰;初鑫男;郭烈;何兆成;王荣本;: "车-车协同下无人驾驶车辆的换道汇入控制方法", 中国公路学报, no. 04, 15 April 2018 (2018-04-15), pages 184 - 195 * |
纪明君;陈新;李彪;: "基于V2X的车辆组队的通信管理***研究", 汽车与驾驶维修(维修版), no. 11, 15 November 2018 (2018-11-15), pages 101 - 102 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1991973B1 (en) | Image processing system and method | |
DE69818889T2 (de) | Vorrichtung und System zum Etikettieren digitaler Bilder | |
US20060007308A1 (en) | Environmentally aware, intelligent surveillance device | |
US11170639B2 (en) | Transportation threat detection system | |
CN107316457B (zh) | 判断道路交通状况是否符合汽车自动驾驶的方法 | |
CN112462774A (zh) | 一种基于无人机航行跟随的城市道路监管方法、***及可读存储介质 | |
CN102770893A (zh) | 用于产生和提供交通相关信息的方法和*** | |
CN111026781A (zh) | 一种基于对象和空间位置的搜索查询工具 | |
CN112285733A (zh) | 一种城乡规划核实测绘数据处理方法 | |
CN114419922B (zh) | 车位识别方法及装置 | |
KR102362510B1 (ko) | 도화영상 이미지의 자동 오류 확인 및 수정처리 기능을 갖는 영상이미지 도화시스템 | |
CN110135216A (zh) | 电子地图中车道数变化区域检测方法、装置及存储设备 | |
CN111695627A (zh) | 路况检测方法、装置、电子设备及可读存储介质 | |
CN117787513A (zh) | 一种基于大数据的智能车载设备数据监管***及方法 | |
CN113706871A (zh) | 一种城市交通大数据处理中多源数据融合*** | |
CN113724499A (zh) | 一种道路交通事件三维可视化分析方法及*** | |
CN108765954B (zh) | 基于snn密度st-optics改进聚类算法的道路交通安全状况监测方法 | |
CN116380236A (zh) | 一种智慧园区环境监测管理方法及*** | |
JP2001209883A (ja) | 交通情報推定装置 | |
Sajeed et al. | Vehicle lane departure estimation on urban roads using GIS information | |
Raiyn et al. | Naturalistic Driving Studies Data Analysis Based on a Convolutional Neural Network. | |
CN115223361A (zh) | 一种车路协同***中路侧传感器的布设优化方法 | |
WO2022033652A1 (en) | Device for and method of image signal processing in a vehicle | |
CN112698372A (zh) | 时空数据处理方法、装置、电子设备及存储介质 | |
CN111326002A (zh) | 一种自动驾驶汽车环境感知的预测方法、装置及*** |
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 |