一种行车异常识别方法和系统技术方案

本申请实施例公开了一种行车异常识别方法。所述行车异常识别方法包括：获取车辆行驶过程中的实时状态数据；所述实时状态数据至少包括速度数据，判断速度数据是否超出设定速度范围，响应于判断结果为超出设定速度范围，确定行驶过程中出现异常行驶，基于所述行驶过程中的实时状态数据判断异常行驶的风险度。本申请可以准确识别出车辆是否有行程异常，从而保证司机和乘客的人身安全。

【技术实现步骤摘要】
一种行车异常识别方法和系统
本申请涉及安全
，特别涉及一种行车异常识别方法和系统。
技术介绍
随着网约车平台的快速发展，通过网约车平台进行打车的用户越来越多，车辆在行驶过程中可能发生安全事故的几率也越来越大。为了保证司机和乘客的人身安全，有必要采取一种能够准确识别出车辆是否有危险行驶的行为的方法和系统。
技术实现思路
本申请实施例之一提供一种行车异常识别方法。所述方法由至少一个处理器执行，所述行车异常识别方法包括：获取车辆行驶过程中的实时状态数据；所述实时状态数据至少包括速度数据；判断速度数据是否超过设定速度范围，响应于判断结果为大于设定速度范围，确定行驶过程中出现异常行驶；基于所述行驶过程中的实时状态数据判断异常行驶的风险度。在一些实施例中，所述行驶过程中的实时状态数据还包括以下至少一个：定位数据、用户终端的状态数据、车辆内部的环境数据和车辆位置周围的环境数据。在一些实施例中，所述速度数据包括速度和/或加速度；所述速度数据通过车载传感器和/或用户终端获取。在一些实施例中，所述确定行驶过程中出现异常行驶，包括获取车载传感器采集的速度数据，并基于该速度数据确定第一异常识别结果；获取用户终端采集的速度数据，并基于该速度数据确定第二异常识别结果；所述用户终端包括服务提供者终端和/或服务请求者终端；联合所述第一异常识别结果和所述第二异常识别结果确定行驶过程中是否出现所述异常行驶。在一些实施例中，所述风险度包括以下中的至少一种：是否存在风险、风险类型、风险等级。在一些实施例中，基于所述行驶过程中的实时状态数据判断异常行驶的风险度，包括：通过风险度识别模型处理车辆行驶过程中的实时状态数据进而确定异常行驶的风险度。在一些实施例中，基于所述行驶过程中的实时状态数据判断异常行驶的风险度，包括：判断车辆的速度数据随时间的变化曲线是否满足预设条件；响应于判断结果满足预设条件，确定所述异常行驶不存在风险。在一些实施例中，还包括基于所述风险度，采取至少一种风险应对操作。本申请实施例之一提供一种行车异常识别系统，包括：数据获取模块，用于获取车辆行驶过程中的实时状态数据；所述实时状态数据至少包括速度数据；风险判定模块，用于判断速度数据是否超出设定速度阈值，响应于判断结果为超出设定速度范围，确定行驶过程中出现异常行驶；基于所述行驶过程中的实时状态数据判断异常行驶的风险度。在一些实施例中，所述行驶过程中的实时状态数据还包括以下至少一个：定位数据、用户终端的状态数据、车辆内部的环境数据和车辆位置周围的环境数据。本申请实施例之一提供一种行车异常识别装置，包括处理器，所述处理器用于执行行车异常识别方法。本申请实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行行车异常识别方法。附图说明本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1所示为根据本申请一些实施例所示的一个示例性风险防范系统的应用场景示意图；图2是根据本申请一些实施例所示的可以在其上实现终端的移动设备的示例性硬件和/或软件组件的示意图；图3是根据本申请一些实施例所示的一个风险防范系统的框图；图4是根据本申请一些实施例所示的风险防范方法的示例性流程图；图5是根据本申请一些实施例所示的行车异常识别的方法的示例性流程图；图6是根据本申请一些实施例所示的另一种异常行驶的识别方法的示例性流程图；图7是根据本申请一些实施例所示的风险度识别模型的训练方法的示例性流程图；图8是根据本申请一些实施例所示的应用风险度识别模型确定行驶异常的方法的示例性流程图。具体实施方式为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。本申请的实施例可以应用于不同的运输系统，不同的运输系统包括但不限于陆地、海洋、航空、航天等中的一种或几种的组合。例如，出租车、专车、顺风车、巴士、代驾、火车、动车、高铁、船舶、飞机、热气球、无人驾驶的交通工具、收/送快递等应用了管理和/或分配的运输系统。本申请的不同实施例应用场景包括但不限于网页、浏览器插件、客户端、定制系统、企业内部分析系统、人工智能机器人等中的一种或几种的组合。应当理解的是，本申请的系统及方法的应用场景仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。例如，其他类似的引导用户停车系统。本申请描述的“乘客”、“乘客端”、“用户终端”、“顾客”、“需求者”、“服务需求者”、“消费者”、“消费方”、“使用需求者”等是可以互换的，是指需要或者订购服务的一方，可以是个人，也可以是工具。同样地，本申请描述的“司机”、“司机端”、“提供者”、“供应者”、“服务提供者”、“服务者”、“服务方”等也是可以互换的，是指提供服务或者协助提供服务的个人、工具或者其他实体等。另外，本申请描述的“用户”可以是需要或者订购服务的一方，也可以是提供服务或者协助提供服务的一方。图1所示为根据本申请一些实施例所示的一个示例性风险防范系统的应用场景示意图。风险防范系统100可以判定行程中的安全事件风险，并采取应对方法以减少对用户的伤害。例如，根据车载加速度信息判定是否发生撞车或翻车等伤害人事安全的异常行驶事件。风险防范系统100可以用于互联网或者其它网络的服务平台。例如，风险防范系统100可以是为交通运输提供服务的线上服务平台。在一些实施例中，风险防范系统100可以应用于网约车服务，例如出租车呼叫、快车呼叫、专车呼叫、小巴呼叫、拼车、公交服务、司机雇佣和接送服务等。在一些实施例本文档来自技高网...

【技术保护点】
1.一种行车异常识别方法，所述方法由至少一个处理器执行，其特征在于，包括：/n获取车辆行驶过程中的实时状态数据；所述实时状态数据至少包括速度数据；/n判断速度数据是否超过设定速度范围，响应于判断结果为超过设定速度范围，确定行驶过程中出现异常行驶；/n基于所述行驶过程中的实时状态数据判断异常行驶的风险度。/n

【技术特征摘要】
1.一种行车异常识别方法，所述方法由至少一个处理器执行，其特征在于，包括：
获取车辆行驶过程中的实时状态数据；所述实时状态数据至少包括速度数据；
判断速度数据是否超过设定速度范围，响应于判断结果为超过设定速度范围，确定行驶过程中出现异常行驶；
基于所述行驶过程中的实时状态数据判断异常行驶的风险度。


2.根据权利要求1所述的方法，其特征在于，
所述行驶过程中的实时状态数据还包括以下至少一个：
定位数据、用户终端的状态数据、车辆内部的环境数据和车辆位置周围的环境数据。


3.根据权利要求1所述的方法，其特征在于，所述速度数据包括速度和/或加速度；所述速度数据通过车载传感器和/或用户终端获取。


4.根据权利要求1所述的方法，其特征在于，所述确定行驶过程中出现异常行驶，包括：
获取车载传感器采集的速度数据，并基于该速度数据确定第一异常识别结果；
获取用户终端采集的速度数据，并基于该速度数据确定第二异常识别结果；所述用户终端包括服务提供者终端和/或服务请求者终端；
联合所述第一异常识别结果和所述第二异常识别结果确定行驶过程中是否出现所述异常行驶。


5.根据权利要求1所述的方法，其特征在于，
所述风险度包括以下中的至少一种：是否存在风险、风险类型、风险等级。


6.根据权利要求1所述的方法，其特征在于，基于所述行驶过程中的实时状态数据判断异常行驶的风险度，包括：
通过风险度识别模型处理车辆行驶过程中的实时状态数据进而确定异常行驶的风险度。


7.根据权利要求1所述的方法，其特征在于，基于所述行驶过程中的实时状态数据判断异常行驶的风险度，包括：
判断车辆的速度数据随时间的变化曲线是否满足预设条件；
响应于判断结果满足预设条件，确定所述异常行驶不存在风险。


8.根据权利要求1所述的方法，其特征在于，基于所述行驶过程中的实时状态数据判断异常行驶的风险度，包括：
判断车辆速度数据是否超出设定速度范围，且持续设定的时间阈值；
当判断结果为超出设定速度范围且持续时间超过设定的时间阈值时，确定异常行驶存在风险。


9.根据权利要求1所述的方法，其特征在于，基于所述行驶过程中的实时状态数据判断异常行驶的风险度，包括：
基于所述实时状态数据，获取车辆位置数据；
基于车辆位置数据，确定车辆的速度数据大于设定速度阈值后的车辆行驶轨迹；
基于所述行驶轨迹，确定异常行驶的风险度。


10.根据权利要求1所述的方法，其特征在于，基于所述行驶过程中的实时状态数据判断异常行驶的风险度，包括：
基于所述实时状态数据，获取车辆的速度数据大于设定速度阈值后的反映用户行为的数据；
基于反映用户行为的数据，确定异常行驶的风险度。


11.根据权利要求10所述的方法，其特征在于，所述反映用户行为的数据包括用户在服务平台中的操作。


12.根据权利要求1所述的方法，其特征在于，基于所述行驶过程中的实时状态数据判断异常行驶的风险度，包括：
基于所述实时状态数据，获取车辆的速度数据大于设定速度阈值后的车辆姿态数据；
当车辆姿态数据满足预设的姿态条件时，确定异常行驶存在风险。


13.根据权利要求7～12中任意一项所述的方法，其特征在于，
所述确定所述异常行驶存在风险包括：确定所述行驶过程中出现翻车或撞车；
所述确定所述异常行驶不存在风险包括：确定所述行驶过程中未出现翻车或撞车。


14.根据权利要求1所述的方法，其特征在于，还包括，基于所述风险度，采取至少一种风险应对操作。


15.一种行车异常识别系统，其特征在于，包括：
数据获取模块，用于获取车辆行驶过程中的实时状态数据；所述实时状...

【专利技术属性】
技术研发人员：何冠乔，张威，张佳林，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11