System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种驾驶安全风险识别预警方法、装置、终端及存储介质制造方法及图纸_技高网

一种驾驶安全风险识别预警方法、装置、终端及存储介质制造方法及图纸

技术编号:40706415 阅读:13 留言:0更新日期:2024-03-22 11:06
本发明专利技术所提供的一种驾驶安全风险识别预警方法、装置、终端及存储介质,方法包括:基于预先训练的条件随机场模型,根据采集的当前时间窗口内的车辆行驶信息和道路条件信息得到风险等级识别结果;根据所述风险等级识别结果发出驾驶风险预警;其中,所述条件随机场模型包括第一条件随机场模型和/或第二条件随机场模型,所述第一条件随机场模型由预先构建的横向驾驶训练数据集训练得到,所述第二条件随机场模型由预先构建的纵向驾驶训练数据集训练得到。本发明专利技术将模型区分为横向驾驶和纵向驾驶两种模型,能够对驾驶行为进行针对性分析,并且区分了驾驶行为在不同道路条件下产生的不同风险,进而提高了驾驶行为的识别准确性和预警的准确性。

【技术实现步骤摘要】

本专利技术涉及驾驶安全防控领域,尤其涉及的是一种驾驶安全风险识别预警方法、装置、终端及存储介质


技术介绍

1、当前,车辆成为人们的常用出行工具,导致交通环境越来越拥挤,加剧了行驶过程中的追尾风险,原因在于不同车速条件下未能遵守安全距离或急加速、急减速(后车安全风险与自车紧密相关)等高风险驾驶行为。许多研究表明,在各项影响交通安全的因素中,驾驶人的影响占主要地位,因此,通过预测预警提高驾驶人操作行为的安全性具有十分重要的现实意义。

2、现有的驾驶行为识别方式,针对任何驾驶行为均采用同样的模型进行分析,并且没有区分驾驶行为在不同道路条件下产生的不同风险,因此,现有的驾驶行为识别方式的识别准确性较低。

3、因此,现有技术存在缺陷,有待改进与发展。


技术实现思路

1、本申请提供了一种驾驶安全风险识别预警方法、装置、终端及存储介质,以解决相关技术中驾驶行为识别方式的识别准确性较低的技术问题。

2、为实现上述目的,本申请采用了以下技术方案:

3、基于预先训练的条件随机场模型,根据采集的当前时间窗口内的车辆行驶信息和道路条件信息得到风险等级识别结果;

4、根据所述风险等级识别结果发出驾驶风险预警;

5、其中,所述条件随机场模型包括第一条件随机场模型和/或第二条件随机场模型,所述第一条件随机场模型由预先构建的横向驾驶训练数据集训练得到,所述第二条件随机场模型由预先构建的纵向驾驶训练数据集训练得到。

6、在一种实现方式中,所述第一条件随机场模型的训练步骤包括:

7、获取预先构建的横向驾驶训练数据集,所述横向驾驶训练数据集中包括若干横向驾驶样本数据,各个所述横向驾驶样本数据包括:车辆行驶速度均值、横向加速度均值、z轴角速度均值、车距逼近速率和道路条件;

8、根据各个所述横向驾驶样本数据确定第一条件概率分布函数,根据所述第一条件概率分布函数得到已训练的第一条件随机场模型。

9、在一种实现方式中,所述横向驾驶训练数据集的构建步骤包括:

10、获取若干连续时间窗口中各个采样点对应的时序数据,所述时序数据包括车辆行驶速度、加速度信息、角速度信息、自车与前车距离以及道路条件;

11、获取所述加速度信息中的x轴加速度,以及所述角速度信息中的z轴角速度;

12、基于所述x轴加速度和所述z轴角速度,确定若干连续时间窗口中横向异常驾驶行为对应的横向驾驶时间窗口;

13、根据所述横向驾驶时间窗口对应的时序数据得到横向驾驶样本数据;

14、基于若干所述横向驾驶样本数据构建得到横向驾驶训练数据集。

15、在一种实现方式中,基于所述x轴加速度和所述z轴角速度,确定若干连续时间窗口中横向异常驾驶行为对应的横向驾驶时间窗口,包括:

16、根据所述x轴加速度和所述z轴角速度依次计算若干连续时间窗口中各个时间窗口对应的横向驾驶平均能量值;

17、将各个横向驾驶平均能量值与预设的第一能量阈值进行比对;

18、将横向驾驶平均能量值均大于第一能量阈值的连续时间窗口作为横向异常驾驶行为对应的横向驾驶时间窗口。

19、在一种实现方式中,所述第二条件随机场模型的训练步骤包括:

20、获取预先构建的纵向驾驶训练数据集,所述纵向驾驶训练数据集中包括若干纵向驾驶样本数据,各个所述纵向驾驶样本数据包括:车辆行驶速度均值、纵向加速度均值、车距逼近速率和道路条件;

21、根据各个所述纵向驾驶样本数据确定第二条件概率分布函数,根据所述第二条件概率分布函数得到已训练的第二条件随机场模型。

22、在一种实现方式中,所述纵向驾驶训练数据集的构建步骤包括:

23、获取若干连续时间窗口中各个采样点对应的时序数据,所述时序数据包括车辆行驶速度、加速度信息、角速度信息、自车与前车距离以及道路条件;

24、获取所述加速度信息中的y轴加速度;

25、基于所述y轴加速度,确定若干连续时间窗口中纵向异常驾驶行为对应的纵向驾驶时间窗口;

26、根据所述纵向驾驶时间窗口对应的时序数据得到纵向驾驶样本数据;

27、基于若干所述纵向驾驶样本数据构建得到横向驾驶训练数据集。

28、在一种实现方式中,基于所述y轴加速度,确定若干连续时间窗口中纵向异常驾驶行为对应的纵向驾驶时间窗口,包括:

29、根据所述y轴加速度依次计算若干连续时间窗口中各个时间窗口对应的纵向驾驶平均能量值;

30、将各个纵向驾驶平均能量值与预设的第二能量阈值进行比对;

31、将纵向驾驶平均能量值均大于第二能量阈值的连续时间窗口作为纵向异常驾驶行为对应的纵向驾驶时间窗口。

32、本申请第二方面实施例提供一种驾驶安全风险识别预警装置,包括:

33、识别模块,用于基于预先训练的条件随机场模型,根据采集的当前时间窗口内的车辆行驶信息和道路条件信息得到风险等级识别结果;

34、预警模块,用于根据所述风险等级识别结果发出驾驶风险预警;

35、其中,所述条件随机场模型包括第一条件随机场模型和/或第二条件随机场模型,所述第一条件随机场模型由预先构建的横向驾驶训练数据集训练得到,所述第二条件随机场模型由预先构建的纵向驾驶训练数据集训练得到。

36、本申请第三方面实施例提供一种终端,所述终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的驾驶安全风险识别预警程序,所述处理器执行所述驾驶安全风险识别预警程序时,实现如上所述的驾驶安全风险识别预警方法的步骤。

37、本申请第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有驾驶安全风险识别预警程序,所述驾驶安全风险识别预警程序被处理器执行时,实现如上所述的驾驶安全风险识别预警方法的步骤。

38、本专利技术的有益效果:本专利技术实施例通过基于预先训练的条件随机场模型,根据采集的当前时间窗口内的车辆行驶信息和道路条件信息得到风险等级识别结果;根据所述风险等级识别结果发出驾驶风险预警;其中,所述条件随机场模型包括第一条件随机场模型和/或第二条件随机场模型,所述第一条件随机场模型由预先构建的横向驾驶训练数据集训练得到,所述第二条件随机场模型由预先构建的纵向驾驶训练数据集训练得到。本专利技术将模型区分为横向驾驶和纵向驾驶两种模型,能够对驾驶行为进行针对性分析,并且区分了驾驶行为在不同道路条件下产生的不同风险,进而提高了驾驶行为的识别准确性和预警的准确性。

本文档来自技高网...

【技术保护点】

1.一种驾驶安全风险识别预警方法,其特征在于,包括:

2.根据权利要求1所述的驾驶安全风险识别预警方法,其特征在于,所述第一条件随机场模型的训练步骤包括:

3.根据权利要求2所述的驾驶安全风险识别预警方法,其特征在于,所述横向驾驶训练数据集的构建步骤包括:

4.根据权利要求3所述的驾驶安全风险识别预警方法,其特征在于,基于所述x轴加速度和所述z轴角速度,确定若干连续时间窗口中横向异常驾驶行为对应的横向驾驶时间窗口,包括:

5.根据权利要求1所述的驾驶安全风险识别预警方法,其特征在于,所述第二条件随机场模型的训练步骤包括:

6.根据权利要求5所述的驾驶安全风险识别预警方法,其特征在于,所述纵向驾驶训练数据集的构建步骤包括:

7.根据权利要求6所述的驾驶安全风险识别预警方法,其特征在于,基于所述y轴加速度,确定若干连续时间窗口中纵向异常驾驶行为对应的纵向驾驶时间窗口,包括:

8.一种驾驶安全风险识别预警装置,其特征在于,包括:

9.一种终端,其特征在于,所述终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的驾驶安全风险识别预警程序,所述处理器执行所述驾驶安全风险识别预警程序时,实现如权利要求1-7任一项所述的驾驶安全风险识别预警方法的步骤。

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驾驶安全风险识别预警程序,所述驾驶安全风险识别预警程序被处理器执行时,实现如权利要求1-7任一项所述的驾驶安全风险识别预警方法的步骤。

...

【技术特征摘要】

1.一种驾驶安全风险识别预警方法,其特征在于,包括:

2.根据权利要求1所述的驾驶安全风险识别预警方法,其特征在于,所述第一条件随机场模型的训练步骤包括:

3.根据权利要求2所述的驾驶安全风险识别预警方法,其特征在于,所述横向驾驶训练数据集的构建步骤包括:

4.根据权利要求3所述的驾驶安全风险识别预警方法,其特征在于,基于所述x轴加速度和所述z轴角速度,确定若干连续时间窗口中横向异常驾驶行为对应的横向驾驶时间窗口,包括:

5.根据权利要求1所述的驾驶安全风险识别预警方法,其特征在于,所述第二条件随机场模型的训练步骤包括:

6.根据权利要求5所述的驾驶安全风险识别预警方法,其特征在于,所述纵向驾驶训练数据集的构建步骤包括:

【专利技术属性】
技术研发人员:雷天尹晓红王燕燕宫磊罗钦唐瑞雪刘云鹏魏乐宇
申请(专利权)人:深圳技术大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1