[發(fā)明專(zhuān)利]一種基于智能網(wǎng)聯(lián)環(huán)境的事故高發(fā)點(diǎn)辨識(shí)預(yù)警方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210372940.8
• 申請(qǐng)日: 2022-04-11
• 公開(kāi)（公告）號(hào): CN114446057A
• 公開(kāi)（公告）日: 2022-05-06
• 發(fā)明（設(shè)計(jì)）人: 曾科;王聰;王新竹
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢智安交通科技有限公司
• 主分類(lèi)號(hào): G08G1/01
• 分類(lèi)號(hào): G08G1/01;G08G1/052;G08B31/00;G06Q10/06;G06K9/62;G06F17/15
• 代理公司: 武漢謙源知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 42251
• 代理人: 王力

1.一種基于智能網(wǎng)聯(lián)環(huán)境的事故高發(fā)點(diǎn)辨識(shí)預(yù)警方法, 其特征在于，包括如下步驟：

獲取網(wǎng)聯(lián)車(chē)的行車(chē)數(shù)據(jù)信息，基于所述行車(chē)數(shù)據(jù)信息分析行車(chē)風(fēng)險(xiǎn)加速度閾值，并確定道路風(fēng)險(xiǎn)地圖；

獲取目標(biāo)車(chē)輛的行車(chē)數(shù)據(jù)信息，判斷所述目標(biāo)車(chē)輛是否駛?cè)胨龅缆凤L(fēng)險(xiǎn)地圖的范圍內(nèi)；

在所述目標(biāo)車(chē)輛駛?cè)胨龅缆凤L(fēng)險(xiǎn)地圖的范圍內(nèi)時(shí)根據(jù)所述目標(biāo)車(chē)輛的行車(chē)數(shù)據(jù)信息生成預(yù)警信息并發(fā)送到所述目標(biāo)車(chē)輛的車(chē)載顯示設(shè)備。

2.根據(jù)權(quán)利要求1所述的基于智能網(wǎng)聯(lián)環(huán)境的事故高發(fā)點(diǎn)辨識(shí)預(yù)警方法, 其特征在于，所述基于所述行車(chē)數(shù)據(jù)信息分析行車(chē)風(fēng)險(xiǎn)加速度閾值，并確定道路風(fēng)險(xiǎn)地圖具體包括如下步驟：

根據(jù)網(wǎng)聯(lián)車(chē)的所述行車(chē)數(shù)據(jù)信息讀取行車(chē)的橫向加速度、縱向加速度和軸向加速度；

對(duì)所述橫向加速度、縱向加速度、軸向加速度分別進(jìn)行模糊聚類(lèi)分析，得到對(duì)應(yīng)的橫向加速度風(fēng)險(xiǎn)閾值、縱向加速度風(fēng)險(xiǎn)閾值和軸向加速度風(fēng)險(xiǎn)閾值；

根據(jù)所述橫向加速度風(fēng)險(xiǎn)閾值、縱向加速度風(fēng)險(xiǎn)閾值和軸向加速度風(fēng)險(xiǎn)閾值從所述行車(chē)數(shù)據(jù)信息中讀取每起超過(guò)對(duì)應(yīng)風(fēng)險(xiǎn)加速度閾值的事件，并在地理信息系統(tǒng)中標(biāo)出作為點(diǎn)狀對(duì)象；

根據(jù)核密度估計(jì)函數(shù)得到每起事件的緩沖區(qū)，得到道路潛在風(fēng)險(xiǎn)點(diǎn)的影響范圍分布圖，并基于所述地理信息系統(tǒng)對(duì)每起超過(guò)對(duì)應(yīng)風(fēng)險(xiǎn)加速度閾值的事件形成的緩沖區(qū)進(jìn)行處理，得到包含風(fēng)險(xiǎn)路段與風(fēng)險(xiǎn)區(qū)域的道路風(fēng)險(xiǎn)地圖。

3.根據(jù)權(quán)利要求2所述的基于智能網(wǎng)聯(lián)環(huán)境的事故高發(fā)點(diǎn)辨識(shí)預(yù)警方法, 其特征在于，所述對(duì)所述橫向加速度、縱向加速度、軸向加速度分別進(jìn)行模糊聚類(lèi)分析具體包括如下步驟：

構(gòu)建模糊聚類(lèi)分析目標(biāo)函數(shù)，并求解最優(yōu)解，得到每個(gè)數(shù)據(jù)點(diǎn)到對(duì)應(yīng)聚類(lèi)中心類(lèi)別的隸屬度：

其中，J_m（U，P）為模糊分類(lèi)誤差，U為原數(shù)據(jù)矩陣，P為聚類(lèi)中心，為第k個(gè)數(shù)據(jù)點(diǎn)到第i（i=1，2，…，c）類(lèi)聚類(lèi)中心的隸屬度，d_ik為樣本與第i類(lèi)中的原型矢量之間的失真距離，n為數(shù)據(jù)的個(gè)數(shù)，c為聚類(lèi)類(lèi)別的個(gè)數(shù)，m為加權(quán)指數(shù)，為第i類(lèi)的聚類(lèi)中心，A為距離權(quán)重矩陣，J_m（U，P）為模糊分類(lèi)誤差；

基于所述原數(shù)據(jù)矩陣建立模糊相似矩陣，并利用模糊運(yùn)算生成模糊等價(jià)矩陣，并以所述隸屬度為權(quán)重計(jì)算質(zhì)心進(jìn)行聚類(lèi)分析，得到對(duì)應(yīng)的橫向加速度風(fēng)險(xiǎn)閾值、縱向加速度風(fēng)險(xiǎn)閾值和軸向加速度風(fēng)險(xiǎn)閾值。

4.根據(jù)權(quán)利要求2所述的基于智能網(wǎng)聯(lián)環(huán)境的事故高發(fā)點(diǎn)辨識(shí)預(yù)警方法, 其特征在于，所述根據(jù)核密度估計(jì)函數(shù)得到每起事件的緩沖區(qū)，得到道路潛在風(fēng)險(xiǎn)點(diǎn)的影響范圍分布圖具體包括如下步驟：

分別將每起超過(guò)對(duì)應(yīng)加速度閾值的事件在地理信息系統(tǒng)GIS中標(biāo)出,并根據(jù)核密度估計(jì)函數(shù)計(jì)算得到每起事件的緩沖區(qū)，其中，在每起事件在某一點(diǎn)S處的核密度函數(shù)的計(jì)算公式如下：

其中，為每起事件在點(diǎn)S處的核密度值；為緩沖區(qū)半徑；為事件點(diǎn)i到事件點(diǎn)S的距離;為沒(méi)有邊界的高斯核函數(shù)；

利用地理信息系統(tǒng)GIS得到道路潛在風(fēng)險(xiǎn)點(diǎn)的影響范圍分布圖。