【技术实现步骤摘要】
一种单车安全检测的系统、方法及装置
本申请涉及物联网
，具体而言，涉及一种单车安全检测的系统、方法及装置。
技术介绍
单车出行作为一种节约能源、提高能效、减少污染、有益健康且兼顾效率的绿色出行方式，被越来越多的人接受并选择。然而随着选择单车出行的人数量越来越多，以及道路交通路网及路况的复杂化，单车出行存在着巨大的安全隐患；同时，用户在选择单车出行时，还可能会出现由于自身或者外界原因导致的危险的骑行行为；目前对于这些危险骑行行为无法进行自动检测，进而也无法进行有效应对。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种单车安全检测的系统、方法及装置，能够降低单车出行的安全隐患。第一方面，本申请实施例提供一种单车安全检测的系统，包括：车辆端以及服务器；其中：所述车辆端，用于获取目标车辆在第一预设时间段内的骑行数据；根据所述骑行数据，以及车辆端使用的第一危险行为识别模型，确定所述目标车辆在所述第一预设时间段内是否发生危险骑行行为；若发生危险骑行行为，则执行与所述危险骑行行为对应的第一目标操作，并将所述骑行数据上报给服务器；所述服务器，用于接收所述骑行数据，并根据所述骑行数据，以及服务器使用的第二危险行为识别模型，确认所述目标车辆是否发生危险骑行行为，若确认发生危险骑行行为，则执行与所述危险骑行行为对应的第二目标操作。一种可选实施方式中，所述车辆端具体用于根据以下步骤获取目标车辆在第一预设时间段内的骑行数据：获取安装在所述目标车辆上的至少一种传感...
【技术保护点】
1.一种单车安全检测的系统，其特征在于，包括：车辆端以及服务器；其中，/n所述车辆端，用于获取目标车辆在第一预设时间段内的骑行数据；根据所述骑行数据，以及所述车辆端使用的第一危险行为识别模型，确定所述目标车辆在所述第一预设时间段内是否发生危险骑行行为；若发生危险骑行行为，则执行与所述危险骑行行为对应的第一目标操作，并将所述骑行数据上报给服务器；/n所述服务器，用于接收所述骑行数据，并根据所述骑行数据，以及所述服务器使用的第二危险行为识别模型，确认所述目标车辆是否发生危险骑行行为，若确认发生危险骑行行为，则执行与所述危险骑行行为对应的第二目标操作。/n
【技术特征摘要】
1.一种单车安全检测的系统，其特征在于，包括：车辆端以及服务器；其中，
所述车辆端，用于获取目标车辆在第一预设时间段内的骑行数据；根据所述骑行数据，以及所述车辆端使用的第一危险行为识别模型，确定所述目标车辆在所述第一预设时间段内是否发生危险骑行行为；若发生危险骑行行为，则执行与所述危险骑行行为对应的第一目标操作，并将所述骑行数据上报给服务器；
所述服务器，用于接收所述骑行数据，并根据所述骑行数据，以及所述服务器使用的第二危险行为识别模型，确认所述目标车辆是否发生危险骑行行为，若确认发生危险骑行行为，则执行与所述危险骑行行为对应的第二目标操作。
2.根据权利要求1所述的系统，其特征在于，所述车辆端具体用于根据以下步骤获取目标车辆在第一预设时间段内的骑行数据：
获取安装在所述目标车辆上的至少一种传感器采集的第一预设时间段内的第一骑行数据；将所述第一骑行数据作为所述骑行数据；
或者，
获取客户端采集的第一预设时间段内的第二骑行数据；将所述第二骑行数据作为所述骑行数据；
或者，
获取安装在所述目标车辆上的至少一种传感器采集的第一预设时间段内的第一骑行数据，以及获取客户端采集的第一预设时间段内的第二骑行数据；将所述第一骑行数据、以及所述第二骑行数据作为所述骑行数据。
3.根据权利要求2所述的系统，其特征在于，所述车辆端，还用于检测所述骑行数据是否在预设取值范围内；
如果否，则对不在所述预设取值范围内的所述骑行数据进行过滤处理。
4.根据权利要求1所述的系统，其特征在于，所述车辆端，用于采用下述方式根据所述骑行数据，以及车辆端使用的第一危险行为识别模型，确定所述目标车辆在所述第一预设时间段内是否发生危险骑行行为：
将所述骑行数据输入至所述第一危险行为识别模型中，得到所述目标车辆在所述第一预设时间段内发生危险骑行行为的第一概率；
若所述第一概率大于第一预设概率阈值，则确定所述目标车辆发生危险骑行行为；
若所述第一概率不大于所述第一预设概率阈值，则确定所述目标车辆未发生危险骑行行为。
5.根据权利要求1所述的系统，其特征在于，所述第一目标操作，包括：
通过客户端对骑行用户进行提示；和/或，通过所述车辆端对骑行用户进行提示。
6.根据权利要求1或5所述的系统，其特征在于，所述第一目标操作，包括：
判断发生的危险骑行行为是否包括超速；
若包括超速，则控制所述目标车辆进行减速。
7.根据权利要求1所述的系统，其特征在于，所述危险骑行行为，包括以下一种或多种：
加速度值大于第一阈值、减速度的绝对值大于第二阈值、转弯的角速度值超过第三阈值、速度值大于第四阈值、与周围物体距离小于第五阈值、骑行时长大于第六阈值、左右加速度交替变化、骑行轨迹不属于预设安全轨迹、逆行、闯红灯、骑行位置不属于预设安全范围、碰撞、低速下倒地、高速下倒地、倒地时长大于第七阈值。
8.根据权利要求7所述的系统，其特征在于，所述服务器，用于采用下述方式根据所述骑行数据，以及服务器使用的第二危险行为识别模型，确认所述目标车辆是否发生危险骑行行为：
将所述骑行数据输入至所述第二危险行为识别模型中，得到所述目标车辆在所述第一预设时间段内发生与各种所述危险骑行行为分别对应的第二概率；
若任一种危险骑行行为对应的第二概率大于第二预设概率阈值，则确定发生与该第二概率对应的所述任一种危险骑行行为；
若任一种危险骑行行为对应的第二概率不大于所述第二预设概率阈值，则确定未发生与该第二概率对应的所述任一种危险骑行行为。
9.根据权利要求8所述的系统，其特征在于，若确定发生与该第二概率对应的所述任一种危险骑行行为，所述服务器，用于采用下述方式执行与所述任一种危险骑行行为对应的第二目标操作：
根据发生的所述任一种危险骑行行为，通过客户端对骑行用户进行与所述任一种危险骑行行为对应的提示；
和/或，通过所述车辆端对骑行用户进行与所述任一种危险骑行行为对应的提示。
10.根据权利要求9所述的系统，其特征在于，所述任一种危险骑行行为包括：高速下倒地和倒地时长大于第七阈值时，所述第二目标操作包括：
启动求救机制，将所述目标车辆当前所处的位置发送至目标求救对象；
所述目标求救对象包括警方、急救中心、紧急联系人中的至少一种。
11.根据权利要求1所述的系统，其特征在于，所述骑行数据包括以下至少一种：
所述目标车辆的速度、加速度、姿态、朝向、振动、所述目标车辆当前所处的位置、所述目标车辆当前所处的位置的交通状态、所述目标车辆与周围物体的距离；
所述加速度包括以下至少一个方向的加速度：所述目标车辆的左右方向、前后方向以及上下方向；
所述姿态包括以下至少一种：直立、倾斜、倒地。
12.根据权利要求1所述的系统，其特征在于，所述服务器，用于采用下述方式确定所述第二危险行为识别模型：
确定进行目标车辆危险骑行行为识别所基于的第二基础识别模型；
将所述骑行数据作为所述基础识别模型的自变量，将目标车辆发生与各种所述危险骑行行为分别对应的概率作为所述基础识别模型的因变量，构建所述第二基础识别模型；
使用训练数据对所述第二基础识别模型进行训练，得到所述第二危险行为识别模型。
13.根据权利要求12所述的系统，其特征在于，所述第二基础识别模型采用逻辑回归模型、自回归模型、移动平均模型、自回归移动平均模型、整合移动平均自回归模型、广义自回归条件异方差模型、深度学习模型、决策树模型、梯度下降树模型、梯度提升树模型中任意一种。
14.根据权利要求1所述的系统，其特征在于，所述服务器还用于：
若确定未发生危险骑行行为，则基于所述骑行数据对所述第一危险行为识别模型进行更新，并将更新后的所述第一危险行为识别模型发送给所述车辆端；
所述车辆端，还用于：接收所述服务器发送的更新后的第一危险行为识别模型，并对原来的第一危险行为识别模型进行更新。
15.根据权利要求14所述的系统，其特征在于，所述服务器，用于采用下述方式确定第一危险行为识别模型：
确定进行目标车辆危险骑行行为识别所基于的第一基础识别模型；
将所述骑行数据作为所述基础识别模型的自变量，将目标车辆发生危险骑行行为对应的概率作为所述第一基础识别模型的因变量，构建所述基础识别模型；
使用训练数据对所述第一基础识别模型进行训练，得到所述第一危险行为识别模型。
16.根据权利要求15所述的系统，其特征在于，所述训练数据有多组；每组所述训练数据包括：样本车辆在预设历史时间段内多个采样时间点分别对应的样本骑行数据，以及样本车辆在所述预设历史时间段后是否发生危险骑行行为的实际结果；所述第一基础识别模型包括：神经网络模型；
所述服务器，用于采用下述方式使用训练数据对所述第一基础识别模型进行训练：
针对每组所述训练数据，将该组训练数据对应的在预设历史时间段内多个采样时间点的样本骑行数据进行加权求和，生成用于表征所述样本车辆在所述预设历史时间段内骑行行为的行为特征向量；
将所述行为特征向量输入至所述神经网络模型中，获取与该组训练数据对应的检测结果；
基于各组训练数据对应的检测结果以及实际结果，对所述神经网络模型进行训练。
17.根据权利要求16所述的系统，其特征在于，所述服务器，用于采用下述方式确定各采样时间点分别对应的权重：
根据所述采样时间点的顺序，将与各个所述采样时间点分别对应的样本骑行数据拼接为行为特征矩阵；
使用卷积核对所述行为特征矩阵进行卷积运算，得到与所述行为特征矩阵对应的中间特征向量；所述中间特征向量的维度与所述采样时间点的数量相同，且所述中间特征向量的各个元素与所述采样时间点一一对应；
将所述中间特征向量中的各个元素进行归一化，得到与每个所述采样时间点分别对应的权重。
18.根据权利要求17所述的系统，其特征在于，所述服务器，用于采用下述方式基于各组训练数据对应的检测结果以及实际结果，对所述神经网络模型进行训练：
基于各组训练数据对应的检测结果以及实际结果，对所述神经网络模型以及所述卷积核进行训练。
19.一种单车安全检测的方法，其特征在于，应用于车辆端，包括：
获取目标车辆在第一预设时间段内的骑行数据；
根据所述骑行数据，以及车辆端使用的第一危险行为识别模型，确定所述目标车辆在所述第一预设时间段内是否发生危险骑行行为；
若发生危险骑行行为，则执行与所述危险骑行行为对应的第一目标操作，并将所述骑行数据上报给服务器。
20.根据权利要求19所述的方法，其特征在于，所述获取目标车辆在第一预设时间段内的骑行数据，包括：
获取安装在所述目标车辆上的至少一种传感器采集的第一预设时间段内的第一骑行数据；将所述第一骑行数据作为所述骑行数据；
或者，
获取客户端采集的第一预设时间段内的第二骑行数据；将所述第二骑行数据作为所述骑行数据；
或者，
获取安装在所述目标车辆上的至少一种传感器采集的第一预设时间段内的第一骑行数据，以及获取所述客户端采集的第一预设时间段内的第二骑行数据；将所...
【专利技术属性】
技术研发人员：应云剑，
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
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。