【技术实现步骤摘要】
一种数据处理方法、数据处理设备和智能汽车
本申请涉及智能驾驶领域,尤其涉及一种数据处理方法、数据处理设备和智能汽车。
技术介绍
随着社会经济的发展,道路的汽车越来越多,道路交通系统产生的问题也越来越多。在构成道路交通系统的驾驶人员、汽车和道路环境三个因素中,各个因素对道路交通安全的影响程度不同。虽然各个机构的统计数据有所差异,但是驾驶人员的不安全驾驶行为是引发道路交通事故的主要原因已被行业内所公认。因此对车辆驾驶风险行为的研究,对减少交通事故就变提至关重要。当智能驾驶车辆能够自动分辨周围的不安全驾驶行为的车辆时,就能提醒驾驶员或者自动的远离此类车辆,可以有效增加车辆的安全性和减少交通事故。现有技术中,通过第一车辆的激光雷达等传感器,获取周围车辆(第二车辆)的速度、位置等信息,来实时计算周围车辆是否有不安全或不合法的驾驶动作等攻击性驾驶行为;然后再根据实时计算结果来实时修改第一车辆的控制策略,以及基于该控制策略控制该第一车辆。而现有技术中,仅考虑了周围车辆当前时刻的驾驶数据,这样在对周围车辆的驾驶行为进行分析时具有一定的误判性。
技术实现思路
本申请实施例提供了一种数据处理方法、数据处理设备和智能汽车,用于提高道路交通系统中对自身车辆附近的车辆的驾驶行为的分析准确度。第一方面,本申请实施例提供一种数据处理方法,包括:该数据处理设备在行驶过程中获取第一车辆的当前行驶状态参数,第二车辆的当前行驶状态参数以及该第二车辆的历史行驶状态参数,其中,该当前行驶状态参数包括但不限于行驶速度、行驶方向以及位置参数,该历史行驶状态参数包括但不限于该第二车辆的违章记录、该第二车辆的 ...
【技术保护点】
1.一种数据处理方法,其特征在于,包括:数据处理设备获取第一车辆的当前行驶状态参数,第二车辆的当前行驶状态参数以及所述第二车辆的历史行驶状态参数,所述当前行驶状态参数包括行驶速度,行驶方向以及位置参数,所述历史行驶状态参数包括所述第二车辆的违章记录、所述第二车辆的车险记录、所述第二车辆的诚信记录以及所述第二车辆的驾驶行为记录中至少一种;所述数据处理设备根据所述第一车辆的当前行驶状态参数,所述第二车辆的当前行驶状态参数以及所述第二车辆的历史行驶状态参数计算所述第二车辆的驾驶行为风险值,所述驾驶行为风险值用于指示所述第二车辆与所述第一车辆发生交通事故的风险;所述数据处理设备根据所述驾驶行为风险值确定所述第一车辆的驾驶策略,所述驾驶策略包括降低行驶速度、刹车以及转向中至少一种。
【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:数据处理设备获取第一车辆的当前行驶状态参数,第二车辆的当前行驶状态参数以及所述第二车辆的历史行驶状态参数,所述当前行驶状态参数包括行驶速度,行驶方向以及位置参数,所述历史行驶状态参数包括所述第二车辆的违章记录、所述第二车辆的车险记录、所述第二车辆的诚信记录以及所述第二车辆的驾驶行为记录中至少一种;所述数据处理设备根据所述第一车辆的当前行驶状态参数,所述第二车辆的当前行驶状态参数以及所述第二车辆的历史行驶状态参数计算所述第二车辆的驾驶行为风险值,所述驾驶行为风险值用于指示所述第二车辆与所述第一车辆发生交通事故的风险;所述数据处理设备根据所述驾驶行为风险值确定所述第一车辆的驾驶策略,所述驾驶策略包括降低行驶速度、刹车以及转向中至少一种。2.根据权利要求1所述的方法,其特征在于,数据处理设备获取第一车辆的当前行驶状态参数,第二车辆的当前行驶状态参数以及所述第二车辆的历史行驶状态参数包括:所述数据处理设备通过传感器获取所述第一车辆的当前行驶状态参数,所述第二车辆的当前行驶状态参数和所述第二车辆的车辆标识;所述数据处理设备根据所述车辆标识从数据中心获取所述第二车辆的历史行驶状态参数。3.根据权利要求1或2所述的方法,其特征在于,所述数据处理设备根据所述第一车辆的当前行驶状态参数,所述第二车辆的当前行驶状态参数以及所述第二车辆的历史行驶状态参数计算所述第二车辆的驾驶行为风险值包括:所述数据处理设备根据所述第一车辆的当前行驶状态参数和所述第二车辆的当前行驶状态参数计算所述第二车辆的实时风险值;所述数据处理设备根据所述第二车辆的历史行驶状态参数确定所述第二车辆的历史风险值;所述数据处理设备对所述实时风险值与所述历史风险值进行加权计算得到所述第二车辆的驾驶行为风险值。4.根据权利要求3所述的方法,其特征在于,所述数据处理设备对所述实时风险值与所述历史风险值进行加权计算得到所述第二车辆的驾驶行为风险值包括:所述数据处理设备对所述实时风险值与所述历史风险值利用第一关系式进行加权计算得到所述第二车辆的驾驶行为风险值;其中,所述第一关系式包括:RP=k1*RPreal+k2*RPhistory;其中,所述RP为所述驾驶行为风险值,所述RPreal为所述实时风险值,所述RPhistory为所述历史风险值,所述k1和所述k2为预定常数。5.根据权利要求3或4所述的方法,其特征在于,所述数据处理设备根据所述第一车辆的行驶状态参数和所述第二车辆的行驶状态参数计算所述第二车辆的实时风险值包括:所述数据处理设备根据所述第一车辆的当前行驶状态参数确定所述第一车辆的行驶速度;所述数据处理设备根据所述第二车辆的当前行驶状态参数确定所述第二车辆相对所述第一车辆的距离、所述第二车辆的行驶速度、所述第二车辆的横向速度和所述第二车辆的纵向速度,所述横向速度为所述第二车辆的行驶速度在与所述第一车辆的行驶方向垂直方向上的分解速度,所述纵向速度为所述第二车辆的行驶速度在与所述第一车辆的行驶方向平行方向的分解速度;当所述第二车辆与所述第一车辆相邻,且所述第二车辆与所述第一车辆所处的车道的车道线相交时,所述数据处理设备根据所述第一车辆的行驶速度,所述第二车辆的行驶速度以及所述第二车辆相对所述第一车辆的距离计算第一风险因素;所述数据处理设备根据所述第二车辆的横向速度和所述第二车辆的行驶速度计算第二风险因素;所述数据处理设备根据所述第一风险因素和所述第二风险因素计算所述第二车辆的实时风险值。6.根据权利要求5所述的方法,其特征在于,所述数据处理设备根据所述第一车辆的行驶速度,所述第二车辆的行驶速度以及所述第二车辆相对所述第一车辆的距离计算第一风险因素包括:所述数据处理设备根据所述第一车辆的行驶速度,所述第二车辆的行驶速度以及所述第二车辆相对所述第一车辆的距离利用第二关系式计算第一风险因素;其中,所述第二关系式包括:RP1=a/TTC+b/THW;其中,所述RP1为所述第一风险因素,所述a和所述b为预定常数,所述TTC为碰撞预计时间,所述THW为行车间隔时间;所述TTC由如下关系式得到:TTC=LLCA/(VSubject-VTarget);所述THW由如下关系式得到:THW=LLCA/VTarget;其中,所述LLCA为所述第二车辆相对所述第一车辆的行车距离,所述VTarget为所述第二车辆的行驶速度,所述VSubject为所述第一车辆的行驶速度;所述数据处理设备根据所述第二车辆的横向速度和所述第二车辆的行驶速度计算第二风险因素包括:所述数据处理设备根据所述第二车辆的横向速度和所述第二车辆的行驶速度利用第三关系式计算第二风险因素;其中,所述第三关系式包括:RP2=θYaw/c;其中,所述RP2为所述第二风险因素,所述θYaw为转角,所述c为预定常数;所述θYaw由如下关系式得到:其中,所述Vx为所述第二车辆的横向速度,所述VTarget为所述第二车辆的行驶速度;所述数据处理设备根据所述第一风险因素和所述第二风险因素计算所述第二车辆的实时风险值包括:所述数据处理设备根据所述第一风险因素和所述第二风险因素利用第四关系式计算所述第二车辆的实时风险值;其中,所述第四关系式包括:RPreal=k3*RP1+k4*RP2;其中,所述RPreal为所述第二车辆的实时风险值,所述RP1为所述第一风险因素,所述RP2为所述第二风险因素,所述k3和所述k4为预定常数。7.根据权利要求3所述的方法,其特征在于,所述数据处理设备根据所述第二车辆的历史行驶状态参数确定所述第二车辆的历史风险值包括:若所述第二车辆不存在所述历史行驶状态参数,则所述数据处理设备确定所述历史风险值为0;若所述第二车辆存在所述历史行驶状态参数,则所述数据处理设备判断所述历史行驶状态参数的记录时长是否超过第一预设时长,所述记录时长为所述历史行驶状态参数由记录时刻到当前时刻的时长;若所述历史行驶状态参数的记录时长未超过所述第一预设时长,则所述数据处理设备根据所述历史行驶状态参数的记录总数确定所述历史风险值;若所述历史行驶状态参数的记录时长超过所述第一预设时长,则所述数据处理设备根据所述历史行驶状态参数的记录趋势确定所述历史风险值,所述记录趋势为预设时间段内的趋势。8.根据权利要求3所述的方法,其特征在于,所述方法还包括:所述数据处理设备根据所述第一车辆的当前行驶状态参数确定所述第一车辆的行驶速度;所述数据处理设备根据所述第二车辆的行驶状态参数确定所述第二车辆相对所述第一车辆的距离、所述第二车辆的行驶速度、所述第二车辆的横向速度和所述第二车辆的纵向速度,所述横向速度为所述第二车辆的行驶速度在与所述第一车辆的行驶方向垂直方向上的分解速度,所述纵向速度为所述第二车辆的行驶速度在与所述第一车辆的行驶方向平行方向的分解速度;若所述第二车辆与所述第二车辆所处的车道的车道线相交,则所述数据处理设备根据所述第一车辆的行驶速度,所述第二车辆的行驶速度以及所述第二车辆相对所述第一车辆的距离计算变道风险因素;所述数据处理设备根据所述第二车辆的横向速度和所述变道风险因素统计所述第二车辆在第二预设时长内的变道总数和所述第二车辆在所述第二预设时长内的强行变道次数;所述数据处理设备根据所述变道总数和所述强行变道次数计算得到第三风险因素;所述数据处理设备根据所述第二车辆的加速度统计所述第二车辆在所述第二预设时长内的刹车总数和所述第二车辆在所述第二预设时长内的急刹车次数,所述第二车辆的加速度由所述数据处理设备根据所述第二车辆的当前行驶状态参数确定;所述数据处理设备根据所述刹车总数和所述急刹车次数计算得到第四风险因素;所述数据处理设备根据所述第三风险因素和所述第四风险因素计算得到所述第二车辆的短期风险值;所述数据处理设备将所述实时风险值与所述历史风险值进行加权计算所述第二车辆的驾驶行为风险值包括:所述数据处理设备将所述实时风险值、所述历史风险值和所述短期风险值进行加权计算得到所述第二车辆的驾驶行为风险值。9.根据权利要求8所述的方法,其特征在于,所述数据处理设备根据所述第一车辆的行驶速度,所述第二车辆的行驶速度以及所述第二车辆相对所述第一车辆的距离计算变道风险因素包括:所述数据处理设备根据所述第一车辆的行驶速度,所述第二车辆的行驶速度以及所述第二车辆相对所述第一车辆的距离利用第五关系式计算变道风险因素;其中,所述第五关系式包括:RPN=a/TTC+b/THW;其中,所述RPN为所述变道风险因素,所述a和所述b为预定常数,所述TTC为碰撞预计时间,所述THW为行车间隔时间;所述TTC由如下关系式得到:TTC=LLCA/(VSubject-VTarget);所述THW由如下关系式得到:THW=LLCA/VTarget;其中,所述LLCA为所述第二车辆相对所述第一车辆的行车距离,所述VTarget为所述第二车辆的行驶速度,所述VSubject为所述第一车辆的行驶速度;所述数据处理设备根据所述变道总数和所述强行变道次数计算得到第三风险因素包括:所述数据处理设备根据所述变道总数和所述强行变道次数利用第六关系式计算得到第三风险因素;其中,所述第六关系式包括:RP3=(NLCA/Ntotal)*d;其中,所述RP3为所述第三风险值,所述NLCA为所述强行变道次数,所述Ntot...
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。