基于车辆行为的长下坡路段车辆失速判别方法系统技术方案

本发明专利技术适用于车辆失速判断技术领域，提供了一种基于车辆行为的长下坡路段车辆失速判别系统，包括：数据采集层，用于采集预设的车辆动态和/或静态数据；计算资源层，用于为采集到的数据提供计算及存储机制；数据资源层，用于将所述数据采集层采集到数据进行清洗、存储，并为支撑层提供基础数据；支撑层，用于对处理过的车辆运行数据进行态势判别；应用层，用于根据支撑屋的态势判别结果，生成基于车辆行为的长下坡路段车辆失速判别策略。本发明专利技术还提供一种车辆失速判别方法。借此，本发明专利技术可提高长下坡路段车辆速度失控的监测管理，降低联动事故发生的概率。

Vehicle stall discrimination system based on vehicle behavior in long downhill section

【技术实现步骤摘要】
基于车辆行为的长下坡路段车辆失速判别方法系统
本专利技术涉及车辆失速判别
，尤其涉及一种基于车辆行为的长下坡路段车辆失速判别方法及系统。
技术介绍
从车辆角度而言，发生事故原因表明主要是车辆制动失灵，随着下坡长度增加，刹车制动距离增长，刹车鼓温度随之升高，当达到失效温度，就可能会引起刹车失灵。目前连续纵坡路段交通安全保障措施主要是限速，设置护栏、坡顶强制停车检查、避险车道等设施，缺乏对失速车辆提前判别的方法和理论研究。综上可知，现有技术在实际使用上显然存在不便与缺陷，所以有必要加以改进。
技术实现思路
针对上述的缺陷，本专利技术的目的在于提供一种基于车辆行为的长下坡路段车辆失速判别方法及系统，其可以提高长下坡路段车辆速度失控的监测管理，降低联动事故发生的概率。为了实现上述目的，本专利技术提供一种基于车辆行为的长下坡路段车辆失速判别系统，包括：数据采集层，用于采集预设的车辆动态和/或静态数据；计算资源层，用于为采集到的数据提供计算及存储机制；数据资源层，用于将所述数据采集层采集到数据进行清洗、存储，并为支撑层提供基础数据；支撑层，用于对处理过的车辆运行数据进行态势判别；应用层，用于根据支撑屋的态势判别结果，生成基于车辆行为的长下坡路段车辆失速判别策略。根据本专利技术的基于车辆行为的长下坡路段车辆失速判别系统，所述数据采集层采集的数据包括：车辆雷达测速数据、车辆鸣笛数据及道路环境特征数据。根据本专利技术的基于车辆行为的长下坡路段车辆失速判别系统，所述计算资源层包括计算模块、存储模块及备份模块。根据本专利技术的基于车辆行为的长下坡路段车辆失速判别系统，所述数据资源层用于建立数据接口，对数据进行二次识别。根据本专利技术的基于车辆行为的长下坡路段车辆失速判别系统，所述应用层用于通过大数据挖掘技术，根据失速车辆运行特征及道路特征，对数据进行分析处理。根据本专利技术的基于车辆行为的长下坡路段车辆失速判别系统，所述应用层用于建立与车辆速度、道路坡度、路面特性数据的关联关系。根据本专利技术的基于车辆行为的长下坡路段车辆失速判别系统，所述应用层用于构建不同时间特征、不同道路特征、不同气象特征、速度变化规律与车辆失速之间特征关系。本专利技术还提供一种基于车辆行为的长下坡路段车辆失速判别方法，包括以下步骤：步骤A，建立统一数据接口，进行车辆失速判别算法构建所需的数据资源的提取；步骤B，执行数据融合及交叉分析，形成对车辆运行识别基础画像；结合鸣笛识别技术、毫米雷达波测速技术、车辆失速车辆速度运行规律分析，确定为基于车辆行为的长下坡路段车辆失速判别算法构建提供支撑；步骤C，建立速度、车辆特征、道路特征、气象环境等失速车辆与路段特征的实际数据关联模型库；步骤D，建立失速车辆算法模型；步骤E，对实现同一影响因素或多种影响因素共同作用的失速车辆运行特征分析提取；步骤F，基于车辆行为的长下坡路段车辆失速判别算法，构建车辆失速监测预警体系，实现长下坡路段失速车辆的研判分析。本专利技术适用于车辆失速判断
，提供了一种基于车辆行为的长下坡路段车辆失速判别系统，包括：数据采集层，用于采集预设的车辆动态和/或静态数据；计算资源层，用于为采集到的数据提供计算及存储机制；数据资源层，用于将所述数据采集层采集到数据进行清洗、存储，并为支撑层提供基础数据；支撑层，用于对处理过的车辆运行数据进行态势判别；应用层，用于根据支撑屋的态势判别结果，生成基于车辆行为的长下坡路段车辆失速判别策略。本专利技术还提供一种车辆失速判别方法。借此，本专利技术可提高长下坡路段车辆速度失控的监测管理，降低联动事故发生的概率。附图说明图1是本专利技术的系统结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参见图1，本专利技术提供了一种基于车辆行为的长下坡路段车辆失速判别系统，其包括：数据采集层，用于采集预设的车辆动态和/或静态数据；计算资源层，用于为采集到的数据提供计算及存储机制；数据资源层，用于将所述数据采集层采集到数据进行清洗、存储，并为支撑层提供基础数据；支撑层，用于对处理过的车辆运行数据进行态势判别；应用层，用于根据支撑屋的态势判别结果，生成基于车辆行为的长下坡路段车辆失速判别策略。具体的，本专利技术数据采集层采集的数据来源包括车辆雷达测速数据、车辆鸣笛数据、道路环境特征数据等车辆运行相关的动静态数据；数据资源层，负责将数据采集层采集到的不同来源、不同格式的车辆相关运行动静数据进行清洗、存储，并面向基础支撑层提供基础的数据服务。应用支撑层，针对处理过的车辆运行数据进行基础特征画像、鸣笛识别、速度运行态势判别，应用层，针对基础特征画像、鸣笛识别、速度运行态势判别的结果，形成基于车辆行为的长下坡路段车辆失速判别算法。其中，所述数据采集层由道路线型、道路环境、卡口数据、鸣笛数据、雷达测速等车辆运行动静态数据组成，所述数据采集层的数据来源为公安交管数据、交通运输数据、互联网数据等海量多源异构数据，所述数据计算资源层的输入端与数据采集层进行连接，所述数据计算资源层的输出端与数据资源层进行连接，数据资源层为应用支撑层提供数据支撑，所述应用支撑层包含车辆基础特征画像、车辆鸣笛识别、雷达测速识别、车辆运行态势研判系统，所述车辆失速判别应用层包括基于车辆行为的长下坡路段车辆失速判别算法的车辆速度监测预警。该基于人工智能技术的车辆行为的长下坡路段车辆失速判别算法设计合理，数据资源层建立统一的数据接口，且对数据进行二次识别，按照统一的数据标准进行数据格式转换，能够长下坡路段车辆失速算法所需的数据资源的提取，并提高数据，质量和利用率，数据计算资源层通过对接数据量的分析、接收数据与历史失速车辆运行数据的对比分析实现数据服务监控，可以根据用户设置对数据接收异常进行筛选，提升系统运行的识别率和准确性，基础支撑层利用基础特征画像、鸣笛识别、速度运行态势判别技术，结合数据资源层的道路特征数据、历史车辆失速数据，进行数据融合及交叉分析，形成对车辆车牌识别、速度识别、鸣笛定位识别，为后续长下坡路段车辆失速判别算法构建提供支撑，长下坡路段车辆失速判别算法通过人工智能数据挖掘技术，根据历史失速车辆运行特征及规律，对长下坡路段失速车辆运行特征进行充分分析研究，对车辆特征数据、运行数据、道路环境特征数据进行挖掘和相关性分析，优化失速车辆判别算法，车辆失速判别应用层建立与车辆类型、道路线型、道路环境、运行速度、交通管理、鸣笛等多种数据或交通管理方案的关联关系，形成车辆失速判别算法，车辆失速判别算法应用自我学习人工神经网络模型，学习历史车辆失速运行特征规律，对同一影响因素或多种影响因素共同作用的车辆失速特征分析提取，形成长下坡路段车辆失速判别算法，车辆失速判别算法构建本文档来自技高网...

【技术保护点】
1.一种基于车辆行为的长下坡路段车辆失速判别系统，其特征在于，包括：/n数据采集层，用于采集预设的车辆动态和/或静态数据；/n计算资源层，用于为采集到的数据提供计算及存储机制；/n数据资源层，用于将所述数据采集层采集到数据进行清洗、存储，并为支撑层提供基础数据；/n支撑层，用于对处理过的车辆运行数据进行态势判别；/n应用层，用于根据支撑屋的态势判别结果，生成基于车辆行为的长下坡路段车辆失速判别策略。/n

【技术特征摘要】
1.一种基于车辆行为的长下坡路段车辆失速判别系统，其特征在于，包括：
数据采集层，用于采集预设的车辆动态和/或静态数据；
计算资源层，用于为采集到的数据提供计算及存储机制；
数据资源层，用于将所述数据采集层采集到数据进行清洗、存储，并为支撑层提供基础数据；
支撑层，用于对处理过的车辆运行数据进行态势判别；
应用层，用于根据支撑屋的态势判别结果，生成基于车辆行为的长下坡路段车辆失速判别策略。


2.根据权利要求1所述的基于车辆行为的长下坡路段车辆失速判别系统，其特征在于，所述数据采集层采集的数据包括：车辆雷达测速数据、车辆鸣笛数据及道路环境特征数据。


3.根据权利要求1所述的基于车辆行为的长下坡路段车辆失速判别系统，其特征在于，所述计算资源层包括计算模块、存储模块及备份模块。


4.根据权利要求1所述的基于车辆行为的长下坡路段车辆失速判别系统，其特征在于，所述数据资源层用于建立数据接口，对数据进行二次识别。


5.根据权利要求1所述的基于车辆行为的长下坡路段车辆失速判别系统，其特征在于，所述应用层用于通过大数据挖掘技术，根据失速车辆运行特征及道路特征，对数据进行...

【专利技术属性】
技术研发人员：刘蕊，杨金宇，贾春华，王冰冰，宋延，李丹，宋禹辰，
申请(专利权)人：北京高诚科技发展有限公司，
类型：发明
国别省市：北京;11