车辆行为预警方法、系统、电子设备及存储介质与流程

1.本发明涉及车辆行为监测领域，尤其是涉及一种车辆行为预警方法、系统、电子设备及存储介质。


背景技术：

2.自动驾驶是目前发展的热点领域，随着深度学习技术、车路协同技术的长足进步，自动驾驶也取得了迅猛的发展。与此同时，实现完全的自动驾驶和成熟的车路协同驾驶仍然存在着很多现实困难。由于自动驾驶算法能力限制，自动感知和探测能力限制等，路况的复杂多样很可能使车辆自动行驶中发生交通事故，导致安全隐患。
3.因此，在车辆协同驾驶过程中进行车辆行为预警是降低车路协同驾驶安全隐患的有效方法。车辆行为如：逆向变道、超车、协同换道等，可以通过算法进行模拟推理，获取车辆行为危险度预测值，对存在危险的行为进行及时的预警。
4.但现有技术中对于车辆行为的预警过程中还存在着精度低、效果差的问题。


技术实现要素：

5.有鉴于此，本发明的目的在于提供一种车辆行为预警方法、系统、电子设备及存储介质，该方法将图像数据转化为标准化非图像数据，通过映射变换和网格化将图像数据转化为序列化数据，降低了数据传输带宽，提高了传输效率，降低了数据传输成本，提高整体运行效率；同时该方法面向车路协同将车辆行为进行危险度预测分析，并将预测结果下发到车辆端进行预警，可以增进协同驾驶的自动化和智能化，减少交通事故的发生，从而缓解了在车辆行为的预警过程中存在的精度低、效果差的问题。
6.第一方面，本发明实施方式提供了一种车辆行为预警方法，该方法包括：
7.实时获取路侧设备采集的道路数据；其中，道路数据至少包含：车辆数据、行人数据和路况数据；
8.接收车辆发出的驾驶行为意图数据，并利用驾驶行为意图数据确定道路数据的序列化数据；
9.利用序列化数据对车辆的行为进行预测，并根据预测结果确定车辆的危险度评价数据；
10.将危险度评价数据发送至车辆中，控制车辆按照危险度评价数据进行行为预警。
11.在一种实施方式中，接收车辆发出的驾驶行为意图数据，并利用驾驶行为意图数据确定道路数据的序列化数据的步骤，包括：
12.控制路侧设备将道路数据中包含的目标类别和位置信息，通过单应矩阵进行位置转换，得到从像素坐标系到标准区域二维目标的映射结果；
13.获取道路数据中包含的驾驶行为意图数据，并利用映射结果对道路数据中道路区域内的目标进行编码得到编码结果；
14.根据编码结果与意图数据的叠加结果确定道路数据的序列化数据。
15.在一种实施方式中，控制路侧设备将道路数据中包含的目标类别和位置信息，通过单应矩阵进行位置转换，得到从像素坐标系到标准区域二维目标的映射结果步骤，包括：
16.对道路数据进行区域分割，获取道路数据中包含的道路区域数据；
17.确定道路区域数据中的道路尺寸，并利用预设的道路模板尺寸对道路区域数据进行切割，得到道路区域数据的切割结果；
18.利用单应矩阵对道路区域数据的切割结果进行位置转换，将位置信息转换为切割结果中的中心点坐标；
19.根据中心点坐标确定从像素坐标系到标准区域二维目标的映射结果。
20.在一种实施方式中，对道路数据进行区域分割，获取道路数据中包含的道路区域数据的步骤，包括：
21.判断道路数据的采集场景是否为固定场景；
22.如果是，则根据道路数据中的预设角点确定标准区域的角点，并根据角点确定道路数据中包含的道路区域数据；
23.如果否，则根据道路数据中的预先安装的固定标记点确定道路数据中包含的道路区域数据。
24.在一种实施方式中，利用序列化数据对车辆的行为进行预测，并根据行为预测结果确定车辆的危险度评价数据的步骤，包括：
25.将序列化数据上传至预设云端服务器；
26.云端服务器接收到序列化数据后，对序列化数据进行意图推理计算输出车辆的驾驶行为，并利用车辆的驾驶行为确定行为预测结果；
27.根据行为预测结果确定车辆的危险程度评价数据。
28.在一种实施方式中，云端服务器接收到序列化数据后，对序列化数据进行意图推理计算输出车辆的驾驶行为，并利用车辆的驾驶行为确定行为预测结果的步骤，包括：
29.云端服务器将接收到序列化数据按照预设规则切割为m*n个区域，并利用预设编码参数对区域进行拼接得到m*n+1个子元素的输入矩阵；
30.将输入矩阵输入至已完成训练的transformer模型中，控制transformer模型根据输入矩阵得到车辆的驾驶行为；其中，驾驶行为至少包括：直线行驶、变道行驶、红灯预警、碰撞预警；
31.控制transformer模型确定驾驶行为对应的危险程度值，并根据危险程度值确定行为预测结果。
32.在一种实施方式中，将危险度评价数据发送至车辆中，控制车辆按照危险度评价数据进行行为预警步骤，包括：
33.控制路侧设备接收从云端服务器中响应的危险程度评价数据；
34.将危险程度评价数据发送至车辆中，控制车辆利用危险程度评价数据完成行为预警过程。
35.第二方面，本发明实施方式提供一种车辆行为预警系统，该系统包括：
36.路侧数据采集模块，用于实时获取路侧设备采集的道路数据；其中，道路数据至少包含：车辆数据、行人数据和路况数据；
37.车辆位置编码模块，用于接收车辆发出的驾驶行为意图数据，并利用驾驶行为意
图数据确定道路数据的序列化数据；
38.云端算法处理模块，用于利用序列化数据对车辆的行为进行预测，并根据预测结果确定车辆的危险度评价数据；
39.车载数据收发模块，用于将危险度评价数据发送至车辆中，控制车辆按照危险度评价数据进行行为预警。
40.第三方面，本发明实施方式还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现第一方面提供的车辆行为预警方法的步骤。
41.第四方面，本发明实施方式还提供一种存储介质，存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现第一方面提供的车辆行为预警方法的步骤。
42.本发明实施方式提供的一种车辆行为预警方法、系统、电子设备及存储介质，该方法利用路侧设备实时采集道路数据，其中，道路数据至少包含：车辆数据、行人数据和路况数据；然后接收车辆发出的驾驶行为意图数据，并利用驾驶行为意图数据确定道路数据的序列化数据；再利用序列化数据对车辆的行为进行预测，并根据预测结果确定车辆的危险度评价数据；最后将危险度评价数据发送至车辆中，控制车辆按照危险度评价数据进行行为预警。该方法将图像数据转化为标准化非图像数据，通过映射变换和网格化
43.将图像数据转化为序列化数据，降低了数据传输带宽，提高了传输效率，降5低了数据传输成本，提高整体运行效率；同时该方法面向车路协同将车辆行
44.为进行危险度预测分析，并将预测结果下发到车辆端进行预警，可以增进协同驾驶的自动化和智能化，减少交通事故的发生，从而缓解了在车辆行为的预警过程中存在的精度低、效果差的问题。
45.本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说0明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优
46.点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
47.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。5附图说明
48.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通
49.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0他的附图。
50.图1为本发明实施例提供的一种车辆行为预警方法的流程图；
51.图2为本发明实施例提供的一种车辆行为预警方法的步骤s102的流程图；
52.图3为本发明实施例提供的一种车辆行为预警方法的步骤s201的流程5图；
53.图4为本发明实施例提供的一种车辆行为预警方法的步骤s301的流程图；
54.图5为本发明实施例提供的一种车辆行为预警方法的步骤s103的流程图；
55.图6为本发明实施例提供的一种车辆行为预警方法的步骤s502的流程图；
56.图7为本发明实施例提供的一种车辆行为预警方法的步骤s104的流程图；
57.图8为本发明实施例提供的一种车辆行为预警方法中的数据流示意图；
58.图9为本发明实施例提供的一种车辆行为预警方法中的编码流程示意图；
59.图10为本发明实施例提供的一种车辆行为预警方法中的行为危险预测值流程图；
60.图11为本发明实施例提供的一种车辆行为预警系统的结构示意图；
61.图12为本发明实施例提供的一种电子设备的结构示意图。
62.图标：
63.1110-路侧数据采集模块；1120-车辆位置编码模块；1130-云端算法处理模块；1140-车载数据收发模块；
64.101-处理器；102-存储器；103-总线；104-通信接口。
具体实施方式
65.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合实施例对本发明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。
66.自动驾驶是目前发展的热点领域，随着深度学习技术、车路协同技术的长足进步，自动驾驶也取得了迅猛的发展。与此同时，实现完全的自动驾驶和成熟的车路协同驾驶仍然存在着很多现实困难。由于自动驾驶算法能力限制，自动感知和探测能力限制等，路况的复杂多样很可能使车辆自动行驶中发生交通事故，导致安全隐患。
67.因此，在车辆协同驾驶过程中进行车辆行为预警是降低车路协同驾驶安全隐患的有效方法。车辆行为如：逆向变道、超车、协同换道等，可以通过算法进行模拟推理，获取车辆行为危险度预测值，对存在危险的行为进行及时的预警。但现有技术中对于车辆行为的预警过程中还存在着精度低、效果差的问题。基于此，本发明实施提供了一种车辆行为预警方法、系统、电子设备及存储介质，该方法将图像数据转化为标准化非图像数据，通过映射变换和网格化将图像数据转化为序列化数据，降低了数据传输带宽，提高了传输效率，降低了数据传输成本，提高整体运行效率；同时该方法面向车路协同将车辆行为进行危险度预测分析，并将预测结果下发到车辆端进行预警，可以增进协同驾驶的自动化和智能化，减少交通事故的发生，从而缓解了在车辆行为的预警过程中存在的精度低、效果差的问题。
68.为便于对本实施例进行理解，首先对本发明实施例所公开的一种车辆行为预警方法进行详细介绍，如图1所示，该方法包括：
69.步骤s101，实时获取路侧设备采集的道路数据；其中，道路数据至少包含：车辆数据、行人数据和路况数据。
70.路侧设备(road side unit，rsu)主要包含部署在道路中的相机或激光雷达等设备，通过路侧设备可以实时获取道路数据，并结合图像识别算法获取车辆数据、行人数据和路况数据，进而获取道路区域中道路数据的目标类别和位置数据。
71.步骤s102，接收车辆发出的驾驶行为意图数据，并利用驾驶行为意图数据确定道路数据的序列化数据。
72.驾驶行为意图数据由车载单元(on board unit，obu)收集得到，如变道、逆向超车等行为意图，通过与路侧设备rsu进行数据交互，完成车辆行为意图上传。路侧设备rsu获取车载obu广播数据，如：车辆id、车辆位置、车辆速度、行为意图等，将车载obu上传的驾驶行为意图数据与驾驶行为意图数据进行叠加，实现驾驶意图与车辆位置变化的关联。
73.步骤s103，利用序列化数据对车辆的行为进行预测，并根据预测结果确定车辆的危险度评价数据。
74.利用标准化序列数据进行相关算法推理，输出车辆意图危险度的预测结果，并根据预测结果获取车辆的危险度评价数据。该过程可利用相关人工智能模型来实现，该模型事先完成训练后直接使用，通过输入序列化数据从而直接得到预测结果，然后利用预测结果确定危险度评价数据。
75.步骤s104，将危险度评价数据发送至车辆中，控制车辆按照危险度评价数据进行行为预警。
76.危险度评价数据获取后需要发送到车辆中，通过路侧设备rsu将危险度评价数据发送至车辆，从而控制车辆按照危险度评价数据实现行为预警过程。
77.在一种实施方式中，接收车辆发出的驾驶行为意图数据，并利用驾驶行为意图数据确定道路数据的序列化数据的步骤s102，如图2所示，包括：
78.步骤s201，控制路侧设备将道路数据中包含的目标类别和位置信息，通过单应矩阵进行位置转换，得到从像素坐标系到标准区域二维目标的映射结果。
79.步骤s202，获取道路数据中包含的驾驶行为意图数据，并利用映射结果对道路数据中道路区域内的目标进行编码得到编码结果。
80.步骤s203，根据编码结果与意图数据的叠加结果确定道路数据的序列化数据。
81.路侧设备rsu将获取的目标类别和位置信息通过单应矩阵进行位置转换，实现从像素坐标系到标准区域二维目标的映射。通过映射可以实现对道路区域内目标的标准化编码，进而叠加驾驶意图信息，实现驾驶意图与车辆位置变化的联系。
82.在一种实施方式中，控制路侧设备将道路数据中包含的目标类别和位置信息，通过单应矩阵进行位置转换，得到从像素坐标系到标准区域二维目标的映射结果步骤s201，如图3所示，包括：
83.步骤s301，对道路数据进行区域分割，获取道路数据中包含的道路区域数据；
84.步骤s302，确定道路区域数据中的道路尺寸，并利用预设的道路模板尺寸对道路区域数据进行切割，得到道路区域数据的切割结果；
85.步骤s303，利用单应矩阵对道路区域数据的切割结果进行位置转换，将位置信息转换为切割结果中的中心点坐标；
86.步骤s304，根据中心点坐标确定从像素坐标系到标准区域二维目标的映射结果。
87.在上述确定道路数据的序列化数据的过程中，首先对道路区域进行分割，实现道路和周围区域分离。道路区域的长为h，宽为w，根据长宽比例进行标准化转换模板选择，对标准区域进行切分，其中预设的道路模板的长为h1，宽为w1，长边切割比例为h1/m，宽边切割比例为w1/n，从而形成m*n的方格。结合相机内参进行单应矩阵变换，将图像区域与标准模板图像进行对应，其中车辆位置信息以中心点(x,y)代替，根据车辆转换后的位置坐标形成编码坐标；m*n方格中，每个小方格具有一个固定的编码x11～xnn，负责对落入此区域的
车辆点进行编码。
88.标准化数据映射主要针对直行道路，可分为固定相机和非固定相机两种场景。在一种实施方式中，对道路数据进行区域分割，获取道路数据中包含的道路区域数据的步骤s301，如图4所示，包括：
89.步骤s401，判断道路数据的采集场景是否为固定场景。
90.步骤s402，如果是，则根据道路数据中的预设角点确定标准区域的角点，并根据角点确定道路数据中包含的道路区域数据。
91.相机固定场景，固定相机采集的图像区域是固定不变的，通过固定图像中道路位置4个点对应标准区域四个角点。结合内参矩阵完成从图像区域到标准区域的单应矩阵映射。
92.步骤s403，如果否，则根据道路数据中的预先安装的固定标记点确定道路数据中包含的道路区域数据。
93.相机非固定场景，在道路旁安装4个固定标记点，通过图像检测算法实时获取此4个固定标记点，进而结合内参矩阵完成从图像区域到标准区域的单应矩阵映射。
94.在利用序列化数据对车辆的行为进行预测的过程中，可通过云端服务器来实现。具体的，在一种实施方式中，利用序列化数据对车辆的行为进行预测，并根据行为预测结果确定车辆的危险度评价数据的步骤s103，如图5所示，包括：
95.步骤s501，将序列化数据上传至预设云端服务器。
96.云端服务器中包含有相关云端算法库，该云端服务器与路侧设备相连接。
97.步骤s502，云端服务器接收到序列化数据后，对序列化数据进行意图推理计算输出车辆的驾驶行为，并利用车辆的驾驶行为确定行为预测结果。
98.云端服务器中的云端算法库接收经过位置编码的序列化数据，通过相关行为预测算法完成车辆行为预测，通过意图推理计算输出车辆的驾驶行为，从而确定行为预测结果。
99.步骤s503，根据行为预测结果确定车辆的危险程度评价数据。
100.车辆行为预测可采用基于transformer的nlp算法预测。在一种实施方式中，云端服务器接收到序列化数据后，对序列化数据进行意图推理计算输出车辆的驾驶行为，并利用车辆的驾驶行为确定行为预测结果的步骤s502，如图6所示，包括：
101.步骤s601，云端服务器将接收到序列化数据按照预设规则切割为m*n个区域，并利用预设编码参数对区域进行拼接得到m*n+1个子元素的输入矩阵。
102.步骤s602，将输入矩阵输入至已完成训练的transformer模型中，控制transformer模型根据输入矩阵得到车辆的驾驶行为。
103.步骤s603，控制transformer模型确定驾驶行为对应的危险程度值，并根据危险程度值确定行为预测结果。
104.经过图区域切割将标准区域切割成固定大小为m*n，每个方格有一固定编码参数，对m*n方格进行拼接，形成m*n+1输入矩阵，然后加上一维车辆意图编码共同作为transformer模型输入。输出为各车辆行为危险预测值，如变道、换道、红灯预警、碰撞预警等。transformer模型输出每种行为危险程度，若存在危险则返回车辆进行预警。
105.在一种实施方式中，将危险度评价数据发送至车辆中，控制车辆按照危险度评价数据进行行为预警步骤s104，如图7所示，包括：
106.步骤s701，控制路侧设备接收从云端服务器中响应的危险程度评价数据。
107.步骤s702，将危险程度评价数据发送至车辆中，控制车辆利用危险程度评价数据完成行为预警过程。
108.云端服务器接收经过位置编码的序列化数据，经行为预测算法完成车辆行为预测。车辆行为预测采用基于transformer的nlp算法预测，输出车辆意图危险度评价，然后回传到rsu、obu设备，完成车辆行为的预警过程。
109.如图8所示的车辆行为预警方法的数据流示意图可知，路侧设备rsu作为车辆行为预警方法的中枢设备，接收摄像机、雷达、雷视一体机获取的车辆编码数据。车载obu设备获取车辆行为意图，车辆行为意图上传至路侧rsu设备，路测rsu设备整合车辆意图数据与标准化的序列数据形成新的序列化数据，整合完成后的序列化数据上传至云端算法库进行算法推理，算法推理结果下传至路测rsu设备，然后送达车载obu设备，完成车辆行为危险性预测结果回传，进而实现对不安全驾驶行为进行预警。
110.如图9车辆行为预警方法中的编码流程示意图可知，车辆位置编码的过程包括两部分，一是车辆上报的驾驶意图信息，二是路侧采集模块数据的映射转换与序列化。路侧设备rsu将获取的目标类别和位置信息通过单应矩阵进行位置转换，实现从像素坐标系到标准区域二维目标的映射。通过映射可以实现对道路区域内目标的标准化编码，进而叠加驾驶意图信息，实现驾驶意图与车辆位置变化的联系。可见，该方法基于车路协同系统进行道路区域空间网格划分，将道路图像坐标信息转换为标准的序列化网格编码，避免了图像数据传输，大大提高了系统运行效率。
111.如图10车辆行为预警方法中的行为危险预测值流程图可知，将图像数据进行网格编码，形成标准化序列化信息，具有固定大小，减少了transformer模型输入的对齐过程。编码数据可以使用nlp算法进行行为预测，避免直接图像行为预测，降低了算法难度和资源占用。
112.通过上述实施例中提到的车辆行为预警方法可知，该方法将图像数据转化为标准化非图像数据，通过映射变换和网格化将图像数据转化为序列化数据，降低了数据传输带宽，提高了传输效率，降低了数据传输成本，提高整体运行效率；同时该方法面向车路协同将车辆行为进行危险度预测分析，并将预测结果下发到车辆端进行预警，可以增进协同驾驶的自动化和智能化，减少交通事故的发生，从而缓解了在车辆行为的预警过程中存在的精度低、效果差的问题。
113.对于前述实施例提供的一种车辆行为预警方法，本发明实施例提供了一种车辆行为预警系统，如图11所示，该系统包括：
114.路侧数据采集模块1110，用于实时获取路侧设备采集的道路数据；其中，道路数据至少包含：车辆数据、行人数据和路况数据；
115.车辆位置编码模块1120，用于接收车辆发出的驾驶行为意图数据，并利用驾驶行为意图数据确定道路数据的序列化数据；
116.云端算法处理模块1130，用于利用序列化数据对车辆的行为进行预测，并根据预测结果确定车辆的危险度评价数据；
117.车载数据收发模块1140，用于将危险度评价数据发送至车辆中，控制车辆按照危险度评价数据进行行为预警。
118.在一种实施方式中，车辆位置编码模块1120，还用于：控制路侧设备将道路数据中包含的目标类别和位置信息，通过单应矩阵进行位置转换，得到从像素坐标系到标准区域二维目标的映射结果；获取道路数据中包含的驾驶行为意图数据，并利用映射结果对道路数据中道路区域内的目标进行编码得到编码结果；根据编码结果与意图数据的叠加结果确定道路数据的序列化数据。
119.在一种实施方式中，车辆位置编码模块1120，在控制路侧设备将道路数据中包含的目标类别和位置信息，通过单应矩阵进行位置转换，得到从像素坐标系到标准区域二维目标的映射结果的过程中，还用于：对道路数据进行区域分割，获取道路数据中包含的道路区域数据；确定道路区域数据中的道路尺寸，并利用预设的道路模板尺寸对道路区域数据进行切割，得到道路区域数据的切割结果；利用单应矩阵对道路区域数据的切割结果进行位置转换，将位置信息转换为切割结果中的中心点坐标；根据中心点坐标确定从像素坐标系到标准区域二维目标的映射结果。
120.在一种实施方式中，车辆位置编码模块1120，在对道路数据进行区域分割，获取道路数据中包含的道路区域数据的过程中，还用于：判断道路数据的采集场景是否为固定场景；如果是，则根据道路数据中的预设角点确定标准区域的角点，并根据角点确定道路数据中包含的道路区域数据；如果否，则根据道路数据中的预先安装的固定标记点确定道路数据中包含的道路区域数据。
121.在一种实施方式中，云端算法处理模块1130，还用于：将序列化数据上传至预设云端服务器；云端服务器接收到序列化数据后，对序列化数据进行意图推理计算输出车辆的驾驶行为，并利用车辆的驾驶行为确定行为预测结果；根据行为预测结果确定车辆的危险程度评价数据。
122.在一种实施方式中，云端算法处理模块1130，在云端服务器接收到序列化数据后，对序列化数据进行意图推理计算输出车辆的驾驶行为，并利用车辆的驾驶行为确定行为预测结果的过程中，还用于：云端服务器将接收到序列化数据按照预设规则切割为m*n个区域，并利用预设编码参数对区域进行拼接得到m*n+1个子元素的输入矩阵；将输入矩阵输入至已完成训练的transformer模型中，控制transformer模型根据输入矩阵得到车辆的驾驶行为；其中，驾驶行为至少包括：直线行驶、变道行驶、红灯预警、碰撞预警；控制transformer模型确定驾驶行为对应的危险程度值，并根据危险程度值确定行为预测结果。
123.在一种实施方式中，车载数据收发模块1140，还用于：控制路侧设备接收从云端服务器中响应的危险程度评价数据；将危险程度评价数据发送至车辆中，控制车辆利用危险程度评价数据完成行为预警过程。
124.本发明实施例提供的车辆行为预警系统，将图像数据转化为标准化非图像数据，通过映射变换和网格化将图像数据转化为序列化数据，降低了数据传输带宽，提高了传输效率，降低了数据传输成本，提高整体运行效率；同时该方法面向车路协同将车辆行为进行危险度预测分析，并将预测结果下发到车辆端进行预警，可以增进协同驾驶的自动化和智能化，减少交通事故的发生，从而缓解了在车辆行为的预警过程中存在的精度低、效果差的问题。
125.本发明实施例所提供的车辆行为预警系统，其实现原理及产生的技术效果和前述车辆行为预警方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法
实施例中相应内容。
126.本实施例还提供一种电子设备，该电子设备的结构示意图如图12所示，该设备包括处理器101和存储器102；其中，存储器102用于存储一条或多条计算机指令，一条或多条计算机指令被处理器执行，以实现上述车辆行为预警方法。
127.图12所示的电子设备还包括总线103和通信接口104，处理器101、通信接口104和存储器102通过总线103连接。
128.其中，存储器102可能包含高速随机存取存储器(ram，random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。总线103可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图12中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
129.通信接口104用于通过网络接口与至少一个用户终端及其它网络单元连接，将封装好的ipv4报文或ipv4报文通过网络接口发送至用户终端。
130.处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field-programmable gate array，简称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。可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。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。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102，处理器101读取存储器102中的信息，结合其硬件完成前述实施例的方法的步骤。
131.本发明实施例还提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行前述实施例的方法的步骤。
132.在本技术所提供的几个实施例中，应该理解到，所揭露的系统、设备和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，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通信接口，设备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。
133.所述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。
134.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。
135.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以用软件产品的形式体现出来，该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
136.最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

技术特征：
1.一种车辆行为预警方法，其特征在于，所述方法包括：实时获取路侧设备采集的道路数据；其中，所述道路数据至少包含：车辆数据、行人数据和路况数据；接收车辆发出的驾驶行为意图数据，并利用所述驾驶行为意图数据确定所述道路数据的序列化数据；利用所述序列化数据对所述车辆的行为进行预测，并根据预测结果确定所述车辆的危险度评价数据；将所述危险度评价数据发送至所述车辆中，控制所述车辆按照所述危险度评价数据进行行为预警。2.根据权利要求1所述的车辆行为预警方法，其特征在于，所述接收车辆发出的驾驶行为意图数据，并利用所述驾驶行为意图数据确定所述道路数据的序列化数据的步骤，包括：控制所述路侧设备将所述道路数据中包含的目标类别和位置信息，通过单应矩阵进行位置转换，得到从像素坐标系到标准区域二维目标的映射结果；获取所述道路数据中包含的驾驶行为意图数据，并利用所述映射结果对所述道路数据中道路区域内的目标进行编码得到编码结果；根据编码结果与所述意图数据的叠加结果确定所述道路数据的序列化数据。3.根据权利要求2所述的车辆行为预警方法，其特征在于，所述控制所述路侧设备将所述道路数据中包含的目标类别和位置信息，通过单应矩阵进行位置转换，得到从像素坐标系到标准区域二维目标的映射结果步骤，包括：对所述道路数据进行区域分割，获取所述道路数据中包含的道路区域数据；确定所述道路区域数据中的道路尺寸，并利用预设的道路模板尺寸对所述道路区域数据进行切割，得到所述道路区域数据的切割结果；利用所述单应矩阵对所述道路区域数据的切割结果进行位置转换，将所述位置信息转换为所述切割结果中的中心点坐标；根据所述中心点坐标确定从像素坐标系到标准区域二维目标的映射结果。4.根据权利要求3所述的车辆行为预警方法，其特征在于，所述对所述道路数据进行区域分割，获取所述道路数据中包含的道路区域数据的步骤，包括：判断所述道路数据的采集场景是否为固定场景；如果是，则根据所述道路数据中的预设角点确定所述标准区域的角点，并根据所述角点确定所述道路数据中包含的道路区域数据；如果否，则根据所述道路数据中的预先安装的固定标记点确定所述道路数据中包含的道路区域数据。5.根据权利要求1所述的车辆行为预警方法，其特征在于，所述利用所述序列化数据对所述车辆的行为进行预测，并根据行为预测结果确定所述车辆的危险度评价数据的步骤，包括：将所述序列化数据上传至预设云端服务器；所述云端服务器接收到所述序列化数据后，对所述序列化数据进行意图推理计算输出所述车辆的驾驶行为，并利用所述车辆的驾驶行为确定所述行为预测结果；根据所述行为预测结果确定所述车辆的危险程度评价数据。
6.根据权利要求5所述的车辆行为预警方法，其特征在于，所述云端服务器接收到所述序列化数据后，对所述序列化数据进行意图推理计算输出所述车辆的驾驶行为，并利用所述车辆的驾驶行为确定所述行为预测结果的步骤，包括：所述云端服务器将接收到所述序列化数据按照预设规则切割为m*n个区域，并利用预设编码参数对所述区域进行拼接得到m*n+1个子元素的输入矩阵；将所述输入矩阵输入至已完成训练的transformer模型中，控制所述transformer模型根据所述输入矩阵得到所述车辆的驾驶行为；其中，所述驾驶行为至少包括：直线行驶、变道行驶、红灯预警、碰撞预警；控制所述transformer模型确定所述驾驶行为对应的危险程度值，并根据所述危险程度值确定所述行为预测结果。7.根据权利要求5所述的车辆行为预警方法，其特征在于，所述将所述危险度评价数据发送至所述车辆中，控制所述车辆按照所述危险度评价数据进行行为预警步骤，包括：控制所述路侧设备接收从所述云端服务器中响应的所述危险程度评价数据；将所述危险程度评价数据发送至所述车辆中，控制所述车辆利用所述危险程度评价数据完成行为预警过程。8.一种车辆行为预警系统，其特征在于，所述系统包括：路侧数据采集模块，用于实时获取路侧设备采集的道路数据；其中，所述道路数据至少包含：车辆数据、行人数据和路况数据；车辆位置编码模块，用于接收车辆发出的驾驶行为意图数据，并利用所述驾驶行为意图数据确定所述道路数据的序列化数据；云端算法处理模块，用于利用所述序列化数据对所述车辆的行为进行预测，并根据预测结果确定所述车辆的危险度评价数据；车载数据收发模块，用于将所述危险度评价数据发送至所述车辆中，控制所述车辆按照所述危险度评价数据进行行为预警。9.一种电子设备，其特征在于，包括：处理器和存储装置；所述存储装置上存储有能够被处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上述权利要求1至7任一项所述的车辆行为预警方法的步骤。10.一种存储介质，其特征在于，所述存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使所述处理器实现上述权利要求1至7任一项所述的车辆行为预警方法的步骤。

技术总结
本发明提供了一种车辆行为预警方法、系统、电子设备及存储介质，涉及车辆行为监测领域，该方法利用路侧设备实时采集道路数据，其中，道路数据至少包含：车辆数据、行人数据和路况数据；然后接收车辆发出的驾驶行为意图数据，并利用驾驶行为意图数据确定道路数据的序列化数据；再利用序列化数据对车辆的行为进行预测，并根据预测结果确定车辆的危险度评价数据；最后将危险度评价数据发送至车辆中，控制车辆按照危险度评价数据进行行为预警；该方法通过映射变换和网格化将图像数据转化为序列化数据，降低了数据传输带宽，提高了传输效率，降低了数据传输成本，提高整体运行效率，缓解了在车辆行为的预警过程中存在的精度低、效果差的问题。差的问题。差的问题。


技术研发人员：王国顺 刘贺 杜潘飞 陈宾
受保护的技术使用者：中电信数字城市科技有限公司
技术研发日：2022.12.26
技术公布日：2023/6/27