技术领域
[0001] 本
发明涉及交通事故预警系统领域，具体涉及一种基于事故风险的城市动态预警系统及方法。
背景技术
[0002] 车辆中行驶的过程中，往往会受到环境因素的影响，如下雨下
雪导致的可见度降低或是路面积
水结
冰导致的车辆抓地性能下降，从而导致驾驶员反应不及，造成事故的发生，而往往事故可通过控制车速进行避免；
[0003] 公开号为CN208842326U的
专利文件公开了一种疲劳驾驶状态识别预警系统，通过对驾驶员的疲劳状态进行检测识别，并实时反馈疲劳程度，以便驾驶员及时采取措施，从而为驾驶员提供科学合理的预警，降低由疲劳驾驶引发的交通事故，提高驾驶员行驶可靠性。
[0004] 公开号为CN101593352的专利文件公开一种基于面部朝向和视觉焦点的驾驶安全监测系统，包括视觉
传感器和智能处理器，智能处理器包括
图像采集模
块，肤色区域检测模块，用以将RGB彩色空间转换为YCrCb彩色空间并检测肤色区域；边缘提取模块，用于采用Canny算子进行边缘提取，得到头部图像轮廓；眼睛检测模块，用于对边缘化的人脸进行Hough变换，
定位眼睛；人脸朝向分析模块，用于确定嘴部区域，定位嘴巴，并以眼睛和嘴巴为基准，分别计算人脸左右面积，并计算人脸左右面积比；驾驶员安全驾驶判定模块，用于根据预设的人脸左右面积比区间，如计算得到的当前人脸左右面积比处于预设区间外，判定处于非安全驾驶状态，发出告警指令。本发明抗干扰能
力强、准确性高。
[0005] 但上述技术方案并没有针对各个路段和实时路况信息进行分析，仅仅针对人为因素导致的事故进行预警，而未对环境因素导致的事故进行预警，使得在实际使用时，适配范围较小，预警准确度不高。
发明内容
[0006] 为了解决上述的技术问题，本发明的目的在于提供一种基于事故风险的城市动态预警系统及方法，通过车辆端获取车辆的
位置信息和速度信息，配合路段监控端采集分析车辆的驾驶状态信息、车流量、路况信息，能够准确全面的采集事故发生时的各项参数，通过预警推送端对驾驶状态信息、车流量、路况信息、位置信息和速度信息进行处理，分析得到事故发生的原因、高发路段以及事故特征，即在某一类的路况信息下，事故发生占比最大的车辆行驶速度区间，并在车辆进入高发路段后，对车辆的速度信息和路况信息进行实时检测，当符合事故特征时，推送预警，提醒驾驶员。对事故发生的原因进行分析后，通过去除由人为因素导致的事故对应的事故记录，实现数据的降噪，提高行驶速度和路况状态关联性的准确度，进而提高预警的准确性。
[0007] 本发明所要解决的技术问题为：
[0008] A.如何筛选出高危路段，并使车辆在驶入高危路段时，能够结合路况信息获得准确的预警。
[0009] 本发明的目的可以通过以下技术方案实现：
[0010] 一种基于事故风险的城市动态预警系统，包括路段监控端、预警推送端以及设置在车辆内的车辆端，所述车辆端包括定位模块、速度记录模块以及关联上传模块；所述定位模块用于以
频率f1记录车辆的位置信息；所述速度记录模块用于以频率f1记录车辆的速度信息；所述关联上传模块用于在收到行驶信息获取指令后，将事故的位置信息和事故发生前t1的平均速度信息进行关联，生成事故车辆的行驶信息并上传至路段监控端；
[0011] 所述路段监控端包括驾驶员状态检测模块、路况检测模块、车流量记录模块、事故监测模块；所述驾驶员状态检测模块用于以频率f2获取驾驶员的驾驶状态信息，其中所述驾驶信息状态包括正常驾驶状态和危险驾驶状态；所述车流量记录模块用于记录时间段t2内该路段的车流量，所述路况检测模块用于以频率f3检测该路段的路况信息；所述事故监测模块用于检测是否发生事故，并获取用于确定事故车辆对应的车辆端的事故车辆信息，根据事故车辆信息生成行驶信息获取指令，并将行驶信息获取指令发送至事故车辆对应的车辆端；事故监测模块接收到返回的行驶信息后，根据位置信息生成事故路段信息，将事故路段信息、事故车辆信息、驾驶状态信息、事故发生时所处时间段的车流量以及事故发生时的路况信息关联后共同生成事故记录，并将事故记录上传至预警推送端；
[0012] 所述预警推送端包括高发路段筛选模块、事故特征提取模块、预警生成模块；所述高发路段筛选模块用于根据所有的事故记录筛选出事故发生频率高于平均值的路段作为高发路段；所述事故特征提取模块用于根据事故记录对包含路况信息和行驶信息的事故特征进行提取；所述预警生成模块用于在车辆驶入高发路段时，从路段监控端获取实时的驾驶状态信息、该高发路段实时的路况信息以及从车辆端获取该车辆对应的车辆端的行驶信息，并在符合同一时间段对应的事故特征时，向该车辆端发出预警推送。
[0013] 进一步的，所述驾驶员状态检测模块包括安装于车辆内的采集单元、与采集单元无线通信连接的接收处理单元，其中采集单元包括高清摄像设备和设置在车辆内的酒精浓度传感器，所述高清摄像设备用于采集驾驶员的面部信息，所述酒精浓度传感器用于检测驾驶员是否酒后驾驶；所述接收处理单元设置在路段监控端内，用于接收面部信息和检测的酒精浓度，并对面部信息进行智能
图像识别，将驾驶员的状态识别为正常驾驶状态或危险驾驶状态，其中危险驾驶状态包括疑似酒后驾驶、疲劳驾驶、注意力转移。
[0014] 进一步的，所述路况检测模块包括能见度检测单元、路面积水检测单元、路面结冰检测单元以及路况信息生成单元；所述能见度检测单元用于检测路段的能见度，并将能见度分为n1个等级；所述路面积水检测单元用于检测路段的积水状态，并将积水状态按积水深度分为n2个等级，所述路面结冰检测单元用于检测路面结冰状态，并按照单位面积的道路上结冰面积将结冰状态分为n3个等级；所述路况信息生成单元用于生成包含能见度、积水状态、结冰状态的路况信息。
[0015] 一种基于事故风险的城市动态预警方法，该方法的具体步骤如下：
[0016] S1、预警推送端的高发路段筛选模块根据时间段t2内所有的事故记录筛选出事故发生频率高于平均值的路段作为高发路段；
[0017] S2、预警推送端的事故特征提取模块从高发路段时间段t2内的所有事故记录中提取事故特征；
[0018] S3、预警推送端的预警生成模块根据位置信息筛选出驶入高发路段的车辆端作为监控车辆，从路段监控端获取监控车辆所在高发路段实时的路况信息、驾驶状态信息，并从车辆端获取该车辆对应的车辆端的行驶信息；
[0019] S4、预警推送端的预警生成模块将驾驶状态信息、路况信息、行驶信息与该路段的事故特征进行比对，并在符合同一时间段对应的事故特征时，向该车辆端发出预警推送。
[0020] 进一步的，S1中筛选高发路段的具体步骤如下：
[0021] S1.1、对事故记录进行去噪；具体为：获取时间段t2内所有的事故记录，筛选出驾驶状态信息为正常驾驶状态的事故记录作为样本事故；
[0022] S1.2、按路段对样本事故进行分组，得到各个路段的样本事故集合，记为Ai＝{ai1，ai2，…，aij，…，aiki}，其中Ai为第i个路段的样本事故集合，aij为集合Ai中第j个样本事故，aiki为集合Ai中最后一个样本事故，ki为集合Ai的元素数量；
[0023] S1.3、获取样本事故集合Ai对应的路段在时间段t2内的车流量Ci；计算各个路段的事故发生率Pi＝ki/Ci，并计算所有路段的平均事故概率，其中n为样本事故集合的数量；
[0024] S1.4、比较Pi与的大小，筛选出事故发生率大于平均事故概率的路段，并标记为高发路段；
[0025] 进一步的，S2中提取事故特征的具体步骤如下：
[0026] S2.1、选择高发路段时间段t2内对应的样本事故集合Ai，获取样本事故集合Ai中各个元素的路况信息和行驶信息；
[0027] S2.2、通过排列组合生成所有路况信息的种类，记为X1、X2、X3、…，并按区间范围为L从小至大划分为n4个速度区间，并记为Y1、Y2、Y3、…，建立路况信息-速度区间表；并根据样本事故集合Ai统计表内各项的事故数量；
[0028] S2.3、提取表中任意一列中的各项数据构成一组数组，并计算该数组的标准差，记为该类路况信息的事故特征标准差，以此类推，得到所有路况信息的事故特征标准差，构成标准差数组，计算标准差数组的平均值，筛选出大于平均值的所有事故特征标准差对应的路况信息种类，作为备选路况信息种类；
[0029] S2.4、将备选路况信息种类对应的表中各列的事故总数量Mq，并计算各速度区间的事故数量与Mq的占比G，并按从多至少排列，按顺序筛选出若干个速度区间，直至筛选的速度区间的占比G之和超过50％，并将筛选的速度区间和对应的路况信息种类标记为事故特征；
[0030] S2.5、将危险驾驶状态标记为事故特征。
[0031] 本发明的有益效果：
[0032] (1)通过车辆端获取车辆的位置信息和速度信息，配合路段监控端采集分析车辆的驾驶状态信息、车流量、路况信息，能够准确全面的采集事故发生时的各项参数，通过预警推送端对驾驶状态信息、车流量、路况信息、位置信息和速度信息进行处理，分析得到事故发生的原因、高发路段以及事故特征，即在某一类的路况信息下，事故发生占比最大的车辆行驶速度区间，并在车辆进入高发路段后，对车辆的速度信息和路况信息进行实时检测，当符合事故特征时，推送预警，提醒驾驶员。
[0033] (2)对事故发生的原因进行分析后，通过去除由人为因素导致的事故对应的事故记录，实现数据的降噪，提高行驶速度和路况状态关联性的准确度，进而提高预警的准确性。
附图说明
[0034] 下面结合附图对本发明作进一步的说明。
[0036] 图2是本发明的建立路况信息-速度区间表的示意图。
具体实施方式
[0037] 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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0038] 请参阅图1-2所示，本实施例提供了一种基于事故风险的城市动态预警系统，包括路段监控端、预警推送端以及设置在车辆内的车辆端，所述车辆端包括定位模块、速度记录模块以及关联上传模块；所述定位模块用于以频率f1记录车辆的位置信息；所述速度记录模块用于以频率f1记录车辆的速度信息；如f1＝10Hz，所述关联上传模块用于在收到行驶信息获取指令后，将事故的位置信息和事故发生前t1的平均速度信息进行关联，如t1＝10s，生成事故车辆的行驶信息并上传至路段监控端；
[0039] 所述路段监控端包括驾驶员状态检测模块、路况检测模块、车流量记录模块、事故监测模块；所述驾驶员状态检测模块用于以频率f2获取驾驶员的驾驶状态信息，如f2＝2Hz，其中所述驾驶信息状态包括正常驾驶状态和危险驾驶状态；所述车流量记录模块用于记录时间段t2内该路段的车流量，如t2为6:00至7:00，所述路况检测模块用于以频率f3检测该路段的路况信息，例如f3＝2次/小时；所述事故监测模块用于检测是否发生事故，并获取用于确定事故车辆对应的车辆端的事故车辆信息，根据事故车辆信息生成行驶信息获取指令，并将行驶信息获取指令发送至事故车辆对应的车辆端；事故监测模块接收到返回的行驶信息后，根据位置信息生成事故路段信息，将事故路段信息、事故车辆信息、驾驶状态信息、事故发生时所处时间段的车流量以及事故发生时的路况信息关联后共同生成事故记录，并将事故记录上传至预警推送端；
[0040] 所述预警推送端包括高发路段筛选模块、事故特征提取模块、预警生成模块；所述高发路段筛选模块用于根据所有的事故记录筛选出事故发生频率高于平均值的路段作为高发路段；所述事故特征提取模块用于根据事故记录对包含路况信息和行驶信息的事故特征进行提取；所述预警生成模块用于在车辆驶入高发路段时，从路段监控端获取实时的驾驶状态信息、该高发路段实时的路况信息以及从车辆端获取该车辆对应的车辆端的行驶信息，并在符合同一时间段对应的事故特征时，向该车辆端发出预警推送。即车辆行驶的时间段属于6:00-7:00这个时间段，则获取的事故特征也应是6:00-7:00这个时间段的数据得到的事故特征。即t2为车辆所属的时间段。例如时间段的划分可将一天分为24个时间段。
[0041] 所述驾驶员状态检测模块包括安装于车辆内的采集单元、与采集单元无线通信连接的接收处理单元，其中采集单元包括高清摄像设备和设置在车辆内的酒精浓度传感器，所述高清摄像设备用于采集驾驶员的面部信息，所述酒精浓度传感器用于检测驾驶员是否酒后驾驶；所述接收处理单元设置在路段监控端内，用于接收面部信息和检测的酒精浓度，并对面部信息进行智能图像识别，将驾驶员的状态识别为正常驾驶状态或危险驾驶状态，其中危险驾驶状态包括疑似酒后驾驶、疲劳驾驶、注意力转移。
[0042] 所述路况检测模块包括能见度检测单元、路面积水检测单元、路面结冰检测单元以及路况信息生成单元；所述能见度检测单元用于检测路段的能见度，并将能见度分为n1个等级；如n1＝3，能见度分别为低、中、高。所述路面积水检测单元用于检测路段的积水状态，并将积水状态按积水深度分为n2个等级，如n1＝3，积水状态为无、低、高。所述路面结冰检测单元用于检测路面结冰状态，并按照单位面积的道路上结冰面积将结冰状态分为n3个等级；如n1＝3，结冰状态分为无、局部、大面积。所述路况信息生成单元用于生成包含能见度、积水状态、结冰状态的路况信息。由于这三个物理量可能同时存在，因此路况信息中可能包含能见度、积水状态、结冰状态中的一种，也可能包含两种或三种。
[0043] 工作过程如下：通过车辆端获取车辆的位置信息和速度信息，配合路段监控端采集分析车辆的驾驶状态信息、车流量、路况信息，能够准确全面的采集事故发生时的各项参数，通过预警推送端对驾驶状态信息、车流量、路况信息、位置信息和速度信息进行处理，分析得到事故发生的原因、高发路段以及事故特征，即在某一类的路况信息下，事故发生占比最大的车辆行驶速度区间，并在车辆进入高发路段后，对车辆的速度信息和路况信息进行实时检测，当符合事故特征时，推送预警，提醒驾驶员。
[0044] 一种基于事故风险的城市动态预警方法，可基于上述预警系统，该方法的具体步骤如下：
[0045] S1、预警推送端的高发路段筛选模块根据时间段t2内所有的事故记录筛选出事故发生频率高于平均值的路段作为高发路段；
[0046] S2、预警推送端的事故特征提取模块从高发路段时间段t2内的所有事故记录中提取事故特征；
[0047] S3、预警推送端的预警生成模块根据位置信息筛选出驶入高发路段的车辆端作为监控车辆，从路段监控端获取监控车辆所在高发路段实时的路况信息、驾驶状态信息，并从车辆端获取该车辆对应的车辆端的行驶信息；
[0048] S4、预警推送端的预警生成模块将驾驶状态信息、路况信息、行驶信息与该路段的事故特征进行比对，并在符合同一时间段对应的事故特征时，向该车辆端发出预警推送。
[0049] 由于事故发生的原因通常可分为环境因素和人为因素，由于人为因素受主观影响较大，会影响行驶速度和路况状态关联性的准确度，为了提高行驶速度和路况状态关联性的准确度，需要去除由人为因素导致的事故，为此S1中筛选高发路段可采用的具体步骤如下：
[0050] S1.1、需要对事故记录进行去噪；具体为：获取时间段t2内所有的事故记录，筛选出驾驶状态信息为正常驾驶状态的事故记录作为样本事故；可将人为因素导致的事故对应的事故记录排除。
[0051] S1.2、按路段对样本事故进行分组，得到各个路段的样本事故集合，记为Ai＝{ai1，ai2，…，aij，…，aiki}，其中Ai为第i个路段的样本事故集合，aij为集合Ai中第j个样本事故，aiki为集合Ai中最后一个样本事故，ki为集合Ai的元素数量；每个路段对应一个样本事故集合。
[0052] S1.3、获取样本事故集合Ai对应的路段在时间段t2内的车流量Ci；计算各个路段的事故发生率Pi＝ki/Ci，并计算所有路段的平均事故概率，其中n为样本事故集合的数量；
[0053] S1.4、比较Pi与的大小，筛选出事故发生率大于平均事故概率的路段，并标记为高发路段；此时提取出的高发路段是环境因素导致事故频率较高的路段，数据更加客观，预警的准确度也会进一步提高。
[0054] 为了准确提取路况信息和速度之间的关系，并据此筛选出各类路况信息下的安全速度；S2中提取事故特征可采用的具体步骤如下：
[0055] S2.1、选择高发路段时间段t2内对应的样本事故集合Ai，获取样本事故集合Ai中各个元素的路况信息和行驶信息；t2为车辆行驶所在的时间段。
[0056] 如图2所示，S2.2、通过排列组合生成所有路况信息的种类，即种类数量为N＝n1*n2*n3，记为X1、X2、X3、…，并按区间范围为L从小至大划分为n4个速度区间，例如n4＝10km/h，即第一个速度区间为10-20，第二速度区间为20-30，以此类推，并记为Y1、Y2、Y3、…，建立路况信息-速度区间表；并根据样本事故集合Ai统计表内各项的事故数量；
[0057] 表内的每一列均对应一种路况信息在不同速度区间的事故数量。
[0058] S2.3、提取表中任意一列中的各项数据构成一组数组，并计算该数组的标准差，记为该类路况信息的事故特征标准差，用于表示该类路况信息下，各速度区间对应的事故数量的离散程度。
[0059] 以此类推，得到所有路况信息的事故特征标准差，构成标准差数组，计算标准差数组的平均值，筛选出大于平均值的所有事故特征标准差对应的路况信息种类，作为备选路况信息种类；备选路况信息种类相比于其他类路况信息，受速度的影响更大，即该路况下，速度对于安全有着重要影响，因此，需要确定该路况下，车辆的安全行驶速度。
[0060] S2.4、将备选路况信息种类对应的表中各列的事故总数量Mq，并计算各速度区间的事故数量与Mq的占比G，并按从多至少排列，按顺序筛选出若干个速度区间，直至筛选的速度区间的占比G之和超过50％，在上述的速度区间下的事故率占比过半，因此可将筛选的速度区间和对应的路况信息种类标记为事故特征；
[0061] S2.5、将危险驾驶状态标记为事故特征。
[0062] 以上内容仅仅是对本发明结构所作的举例和说明，所属
本技术领域的技术人员对所描述的具体实施例做各种各样的
修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本
权利要求书所定义的范围，均应属于本发明的保护范围。
