一种基于经验同步的车辆态势感知方法及系统与流程

1.本发明涉及车辆安全技术领域，具体为一种基于经验同步的车辆态势感知方法及系统。


背景技术：

2.近年来随着汽车保有量的不断攀升，交通事故的数量也在持续上升，并且由于行驶不当而导致的交通事故所占比重越来越高。如果车辆行驶过程中能够对周围的车辆及驾驶环境进行综合感知并推断出行驶行为是否异常，则可以避免很多由行驶不当而引发的交通事故。
3.目前已有的基于车联网的预警系统或方法都没有考虑到以往的经验信息对态势感知的影响，所以对于是否满足存在安全风险的判定也有着显著的影响。


技术实现要素：

4.本发明提出了一种基于经验同步的车辆态势感知方法及系统，以解决基于经验信息进行态势预测的解决问题。
5.为解决上述技术问题，本发明提供了一种基于经验同步的车辆态势感知方法，其特征在于：包括以下步骤：
6.步骤s1：获取道路上的车辆信息，所述车辆信息包括通过gps获取车辆位置和通过车内传感器获取车辆速度、加速度、转向角度和车辆类型；
7.步骤s2：通过通信渠道将所述车辆信息上传信息处理系统；
8.步骤s3：数据二次收集，通过雷达测速和距离摄像机再次获取道路上的车辆信息，对所述车辆信息进行预处理，以排除错误数据；
9.步骤s4：收集正常行驶车辆数据和已发生事故的事故车辆行驶数据，将所述车辆信息与所述正常行驶车辆数据和事故车辆行驶数据进行对比，以进行态势预测；
10.步骤s5：基于所述态势预测的结果，信息处理系统通过通信渠道语音通知车辆，以减少事故发生。
11.优选地，所述通信渠道包括远距无线通信和近距无线通信。
12.优选地，所述近距无线通信通过道路上安装的无线热点桩或蓝牙热点桩与所述信息处理系统进行交互。
13.优选地，步骤s3中进行预处理的方法包括：
14.1)将雷达测速和距离摄像机获取的车辆信息，与车辆上传的车辆信息进行对比，相差大于设定阈值时，排除对应的数据；
15.2)通过获取的车辆类型，得到所述车辆类型车辆的最高时速，以排除时速大于所述对高时速的数据；
16.3)通过所述转向角度信息，排除转向角度大于或小于转向角度范围的数据。
17.优选地，步骤s4中进行态势预测的方法包括以下步骤：
18.步骤s41：采用时间序列模型对所述正常行驶车辆数据和车辆信息进行建模；
19.步骤s42：计算模型拟合程度，当模型拟合程度小于设定的正常行驶判断阈值时，则判断车辆有事故发生的风险；
20.步骤s43：当车辆有事故发生的风险时，再采用时间序列模型对所述事故车辆行驶数据进行建模，计算事故车辆行驶数据模型和车辆信息模型的模型拟合程度，所述模型拟合程度为事故发生概率；
21.步骤s44：获取周围所有车辆的事故发生概率，基于车距设定权重以计算当前车辆的事故发生概率，以进行态势预测。
22.优选地，所述时间序列模型，采用差分整合移动平均自回归模型arima。
23.优选地，步骤s5还包括：通过卫星遥感技术获取道路上的车流信息，当所述车流信息过大时，通过通信渠道语音通知车辆必要拥堵，以进一步减少事故发生的可能。
24.本发明还提供了一种基于经验同步的车辆态势感知系统，其特征在于：所述系统包括数据获取模块、通信模块、数据处理模块和态势预测模块；
25.所述数据获取模块，用于获取道路上的车辆信息，所述车辆信息包括通过gps获取车辆位置和通过车内传感器获取车辆速度、加速度、转向角度和车辆类型；
26.所述通信模块，用于车辆和数据处理模块进行通信；
27.所述数据处理模块，用于通过雷达测速和距离摄像机再次获取道路上的车辆信息，对所述车辆信息进行预处理，以排除错误数据；
28.所述态势预测模块，用于收集正常行驶车辆数据和已发生事故的事故车辆行驶数据，将所述车辆信息与所述正常行驶车辆数据和事故车辆行驶数据进行对比，以进行态势预测。
29.优选地，所述数据处理模块，排除错误数据的方法包括：
30.1)将雷达测速和距离摄像机获取的车辆信息，与车辆上传的车辆信息进行对比，相差大于设定阈值时，排除对应的数据；
31.2)通过获取的车辆类型，得到所述车辆类型车辆的最高时速，以排除时速大于所述对高时速的数据；
32.3)通过所述转向角度信息，排除转向角度大于或小于转向角度范围的数据。
33.优选地，所述态势预测模块进行态势预测的方法为：采用时间序列模型对所述正常行驶车辆数据和车辆信息进行建模；计算模型拟合程度，当模型拟合程度小于设定的正常行驶判断阈值时，则判断车辆有事故发生的风险；当车辆有事故发生的风险时，再采用时间序列模型对所述事故车辆行驶数据进行建模，计算事故车辆行驶数据模型和车辆信息模型的模型拟合程度，所述模型拟合程度为事故发生概率；获取周围所有车辆的事故发生概率，基于车距设定权重以计算当前车辆的事故发生概率，以进行态势预测。
34.本发明的有益效果在于：通过数据二次收集和预处理，排除了错误数据，使得预测的数据更为准确，采用正常行驶车辆数据和事故车辆行驶数据作为经验数据进行态势预测，进一步提高态势预测的准确性。
附图说明
35.图1为本发明实施例的方法流程图。
具体实施方式
36.下面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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
37.如图1所示，本发明实施例提供了一种基于经验同步的车辆态势感知方法，包括以下步骤：
38.步骤s1：获取道路上的车辆信息，车辆信息包括通过gps获取车辆位置和通过车内传感器获取车辆速度、加速度、转向角度和车辆类型；
39.通信渠道包括远距无线通信和近距无线通信，其中，近距无线通信通过道路上安装的无线热点桩或蓝牙热点桩与信息处理系统进行交互，本发明实施例通过远距无线通信和近距无线通信进行互补，在重点道路上，安装无线热点桩或蓝牙热点桩，当远距无线通信信号不好时，可以通过近距无线通信进行信息的传输，确保了信息传输的稳定性。
40.步骤s2：通过通信渠道将车辆信息上传信息处理系统；
41.步骤s3：数据二次收集，通过雷达测速和距离摄像机再次获取道路上的车辆信息，对车辆信息进行预处理，以排除错误数据；
42.本发明实施例中，进行预处理的作用是排除采集错误的数据，包括：
43.1)将雷达测速和距离摄像机获取的车辆信息，与车辆上传的车辆信息进行对比，相差大于设定阈值时，排除对应的数据；
44.2)通过获取的车辆类型，得到车辆类型车辆的最高时速，以排除时速大于对高时速的数据；
45.3)通过转向角度信息，排除转向角度大于或小于转向角度范围的数据。
46.步骤s4：收集正常行驶车辆数据和已发生事故的事故车辆行驶数据，将车辆信息与正常行驶车辆数据和事故车辆行驶数据进行对比，以进行态势预测；
47.步骤s41：采用时间序列模型对正常行驶车辆数据和车辆信息进行建模；
48.步骤s42：计算模型拟合程度，当模型拟合程度小于设定的正常行驶判断阈值时，则判断车辆有事故发生的风险；
49.步骤s43：当车辆有事故发生的风险时，再采用时间序列模型对事故车辆行驶数据进行建模，计算事故车辆行驶数据模型和车辆信息模型的模型拟合程度，模型拟合程度为事故发生概率；
50.步骤s44：获取周围所有车辆的事故发生概率，基于车距设定权重以计算当前车辆的事故发生概率，以进行态势预测。
51.本发明实施例中，通过对周围所有车辆进行感知，通过其发生事故的概率对本车发生事故的概率进行修正，使得结果更为准确。
52.基于定位的精度，本发明选取周围半径为十五米内的所有的车辆进行判定，并通过以下公式计算事故发生概率ps：
53.[0054][0055]
式中，n表示范围内的车辆数量，pi表示第i辆车发生事故的概率，ωi表示第i辆车对本车影响的权重，di表示第i辆车与本车的距离，d表示范围内所有车辆与本车距离之和。
[0056]
本发明实施例中时间序列模型，采用差分整合移动平均自回归模型arima，差分整合移动平均自回归模型arima为现有技术，再次不作过多说明。
[0057]
步骤s5：基于态势预测的结果，信息处理系统通过通信渠道语音通知车辆，以减少事故发生。
[0058]
本发明实施例中，还通过卫星遥感技术获取道路上的车流信息，当车流信息过大时，通过通信渠道语音通知车辆必要拥堵，以进一步减少事故发生的可能。
[0059]
本发明还提供了一种基于经验同步的车辆态势感知系统，系统包括数据获取模块、通信模块、数据处理模块和态势预测模块；
[0060]
数据获取模块，用于获取道路上的车辆信息，车辆信息包括通过gps获取车辆位置和通过车内传感器获取车辆速度、加速度、转向角度和车辆类型；
[0061]
通信模块，用于车辆和数据处理模块进行通信；
[0062]
数据处理模块，用于通过雷达测速和距离摄像机再次获取道路上的车辆信息，对车辆信息进行预处理，以排除错误数据；
[0063]
态势预测模块，用于收集正常行驶车辆数据和已发生事故的事故车辆行驶数据，将车辆信息与正常行驶车辆数据和事故车辆行驶数据进行对比，以进行态势预测。
[0064]
优选地，数据处理模块，排除错误数据的方法包括：
[0065]
1)将雷达测速和距离摄像机获取的车辆信息，与车辆上传的车辆信息进行对比，相差大于设定阈值时，排除对应的数据；
[0066]
2)通过获取的车辆类型，得到车辆类型车辆的最高时速，以排除时速大于对高时速的数据；
[0067]
3)通过转向角度信息，排除转向角度大于或小于转向角度范围的数据。
[0068]
优选地，态势预测模块进行态势预测的方法为：采用时间序列模型对正常行驶车辆数据和车辆信息进行建模；计算模型拟合程度，当模型拟合程度小于设定的正常行驶判断阈值时，则判断车辆有事故发生的风险；当车辆有事故发生的风险时，再采用时间序列模型对事故车辆行驶数据进行建模，计算事故车辆行驶数据模型和车辆信息模型的模型拟合程度，模型拟合程度为事故发生概率；获取周围所有车辆的事故发生概率，基于车距设定权重以计算当前车辆的事故发生概率，以进行态势预测。
[0069]
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，仅表达了本发明的较佳实施例而已，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。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。
[0070]
应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

技术特征：
1.一种基于经验同步的车辆态势感知方法，其特征在于：包括以下步骤：步骤s1：获取道路上的车辆信息，所述车辆信息包括通过gps获取车辆位置和通过车内传感器获取车辆速度、加速度、转向角度和车辆类型；步骤s2：通过通信渠道将所述车辆信息上传信息处理系统；步骤s3：数据二次收集，通过雷达测速和距离摄像机再次获取道路上的车辆信息，对所述车辆信息进行预处理，以排除错误数据；步骤s4：收集正常行驶车辆数据和已发生事故的事故车辆行驶数据，将所述车辆信息与所述正常行驶车辆数据和事故车辆行驶数据进行对比，以进行态势预测；步骤s5：基于所述态势预测的结果，信息处理系统通过通信渠道语音通知车辆，以减少事故发生。2.根据权利要求1所述的一种基于经验同步的车辆态势感知方法，其特征在于：所述通信渠道包括远距无线通信和近距无线通信。3.根据权利要求2所述的一种基于经验同步的车辆态势感知方法，其特征在于：所述近距无线通信通过道路上安装的无线热点桩或蓝牙热点桩与所述信息处理系统进行交互。4.根据权利要求1所述的一种基于经验同步的车辆态势感知方法，其特征在于：步骤s3中进行预处理的方法包括：1)将雷达测速和距离摄像机获取的车辆信息，与车辆上传的车辆信息进行对比，相差大于设定阈值时，排除对应的数据；2)通过获取的车辆类型，得到所述车辆类型车辆的最高时速，以排除时速大于所述对高时速的数据；3)通过所述转向角度信息，排除转向角度大于或小于转向角度范围的数据。5.根据权利要求1所述的一种基于经验同步的车辆态势感知方法，其特征在于：步骤s4中进行态势预测的方法包括以下步骤：步骤s41：采用时间序列模型对所述正常行驶车辆数据和车辆信息进行建模；步骤s42：计算模型拟合程度，当模型拟合程度小于设定的正常行驶判断阈值时，则判断车辆有事故发生的风险；步骤s43：当车辆有事故发生的风险时，再采用时间序列模型对所述事故车辆行驶数据进行建模，计算事故车辆行驶数据模型和车辆信息模型的模型拟合程度，所述模型拟合程度为事故发生概率；步骤s44：获取周围所有车辆的事故发生概率，基于车距设定权重以计算当前车辆的事故发生概率，以进行态势预测。6.根据权利要求5所述的一种基于经验同步的车辆态势感知方法，其特征在于：所述时间序列模型，采用差分整合移动平均自回归模型arima。7.根据权利要求1所述的一种基于经验同步的车辆态势感知方法，其特征在于：步骤s5还包括：通过卫星遥感技术获取道路上的车流信息，当所述车流信息过大时，通过通信渠道语音通知车辆必要拥堵，以进一步减少事故发生的可能。8.一种基于经验同步的车辆态势感知系统，其特征在于：所述系统包括数据获取模块、通信模块、数据处理模块和态势预测模块；所述数据获取模块，用于获取道路上的车辆信息，所述车辆信息包括通过gps获取车辆
位置和通过车内传感器获取车辆速度、加速度、转向角度和车辆类型；所述通信模块，用于车辆和数据处理模块进行通信；所述数据处理模块，用于通过雷达测速和距离摄像机再次获取道路上的车辆信息，对所述车辆信息进行预处理，以排除错误数据；所述态势预测模块，用于收集正常行驶车辆数据和已发生事故的事故车辆行驶数据，将所述车辆信息与所述正常行驶车辆数据和事故车辆行驶数据进行对比，以进行态势预测。9.根据权利要求8所述的一种基于经验同步的车辆态势感知系统，其特征在于：所述数据处理模块，排除错误数据的方法包括：1)将雷达测速和距离摄像机获取的车辆信息，与车辆上传的车辆信息进行对比，相差大于设定阈值时，排除对应的数据；2)通过获取的车辆类型，得到所述车辆类型车辆的最高时速，以排除时速大于所述对高时速的数据；3)通过所述转向角度信息，排除转向角度大于或小于转向角度范围的数据。10.根据权利要求8所述的一种基于经验同步的车辆态势感知系统，其特征在于：所述态势预测模块进行态势预测的方法为：采用时间序列模型对所述正常行驶车辆数据和车辆信息进行建模；计算模型拟合程度，当模型拟合程度小于设定的正常行驶判断阈值时，则判断车辆有事故发生的风险；当车辆有事故发生的风险时，再采用时间序列模型对所述事故车辆行驶数据进行建模，计算事故车辆行驶数据模型和车辆信息模型的模型拟合程度，所述模型拟合程度为事故发生概率；获取周围所有车辆的事故发生概率，基于车距设定权重以计算当前车辆的事故发生概率，以进行态势预测。

技术总结
本发明提供了一种基于经验同步的车辆态势感知方法及系统，获取道路上的车辆信息，所述车辆信息包括通过GPS获取车辆位置和通过车内传感器获取车辆速度、加速度、转向角度和车辆类型；通过通信渠道将所述车辆信息上传信息处理系统；数据二次收集，通过雷达测速和距离摄像机再次获取道路上的车辆信息，对所述车辆信息进行预处理，以排除错误数据；收集正常行驶车辆数据和已发生事故的事故车辆行驶数据，将所述车辆信息与所述正常行驶车辆数据和事故车辆行驶数据进行对比，以进行态势预测；基于所述态势预测的结果，信息处理系统通过通信渠道语音通知车辆，以减少事故发生。以减少事故发生。以减少事故发生。


技术研发人员：王闯 李闯 王敬伟 吴戈 蔡艳波
受保护的技术使用者：东风汽车集团股份有限公司
技术研发日：2023.02.23
技术公布日：2023/5/18