一种基于车联网的骑行状态监控系统及方法技术方案

本发明专利技术公开了一种基于车联网的骑行状态监控系统及方法，包括数据库获取模块、事故率分析模块、事故偏差指数分析模块、目标监控数据确定模块、安全速度阈值分析模块和实时数据比较预警模块；数据库获取模块用于获取监测区域内注册登陆车联网的用户骑行数据库和事故数据库；事故率分析模块分析同一位置数据对于不同监控数据下的事故率；事故偏差指数分析模块用于分析车联网监测区域内的事故偏差指数；目标监控数据确定模块用于提取事故率最大值对应的监控数据为目标监控数据；安全速度阈值分析模块分析目标监控数据下对应路段的安全速度阈值；实时数据比较预警模块将实时监测数据与安全阈值速度、限速数据的大小关系，以输出预警信号。出预警信号。出预警信号。

【技术实现步骤摘要】
一种基于车联网的骑行状态监控系统及方法


[0001]本专利技术涉及骑行状态监控
，具体为一种基于车联网的骑行状态监控系统及方法。

技术介绍

[0002]目前，应用于像轿车一类的机动车上的车联网已经实现普适化，而对于像电动摩托车、电动自行车一类的两轮车辆关于车联网的应用还处于初级阶段，且如电动摩托车在交通道路上的管制难度较大、骑行风险较大，所以在不少地方都有实行限摩令，对于出行便捷的交通工具难以受众；
[0003]除此之外，不少摩托车的交通事故都是由于车速过快导致安全事故的发生，所以有效的利用车联网对电动摩托车实现实时骑行状态的监控是十分有必要的。

技术实现思路

[0004]本专利技术的目的在于提供一种基于车联网的骑行状态监控系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于车联网的骑行状态监控方法，包括以下分析步骤：
[0006]步骤S1：获取监测区域内注册登陆车联网的用户骑行数据库和事故数据库，用户骑行数据库包括位置数据、监控数据以及行驶数据；监控数据是指位置数据对应路段中安装的监控设备捕捉到的监控画面数据；行驶数据是指行驶平均速度和瞬时速度；事故数据库是指记录事故骑行车辆事故发生位置和车辆骑行数据；
[0007]步骤S2：基于步骤S1中的用户骑行数据库和事故数据库，分析同一位置数据对于不同监控数据下的事故率，并基于事故率分析车联网监测区域内的事故偏差指数；分析事故率是为了确定不同监控数据对应不同环境情况下骑行车辆发生交通事故的概率，分析事故偏差指数是为了确定不同环境是否对事故率造成一定的偏差影响；因为在雨雪天气可能会对路面造成一定影响，路段限速不再有效的作为车辆行驶的速度指标，需要合理的分析出更加适配路面以及交通环境的速度阈值；
[0008]步骤S3：基于步骤S2中的事故偏差指数，设置事故偏差指数阈值，当事故偏差指数大于事故偏差指数阈值时，提取事故率最大值对应的监控数据为目标监控数据，分析目标监控数据下对应路段的安全速度阈值；
[0009]步骤S4：获取实时监控区域存在骑行数据记录车辆的所属路段以及所属路段对应的限速数据，并基于步骤S3中的安全阈值速度分析监测车辆的实时行驶速度与安全阈值速度、限速数据的大小关系，以输出预警信号。
[0010]进一步的，步骤S2包括以下分析步骤：
[0011]提取事故数据库中发生事故的位置，并获取位置对应用户骑行数据中所属的监控数据以及对应的事故路段；
[0012]获取第i个事故路段在第j种监控数据下的平均车辆密度ρ
ij
，车辆密度是指事故骑行车辆在事故路段同类型车道的车辆密度，ρ
ij
＝[(1/m)∑r
ij
]/max[r
ij
]，r
ij
表示第i个事故路段在第j种监控数据下监测车辆存在监控数据时的骑行车辆总数，max[r
ij
]表示第i个事故路段在第j种监控数据下记录骑行车辆总数的最大值，m表示监控数据的总类型数，j≤m，监控数据的类型包括监控画面中存在积水、积雪路面以及不存在积水、积雪路面两种；车辆密度越大，监测骑行车辆在道路上行驶发生碰撞的风险就越大；
[0013]获取第i个事故路段在第j种监控数据下的事故骑行车辆平均行驶速度v
ij
，v
ij
＝s
ij
/t
ij
，其中s
ij
表示第i个事故路段在第j种监控数据下的行驶路程，t
ij
表示第i个事故路段在第j种监控数据下的行驶路程对应的行驶时长；行驶速度越大，监测骑行车辆在道路上行驶发生危险的风险就越大；
[0014]构建第i个事故路段的数据集P
i
，P
i
＝{(ρ
ij
,v
ij
,A
i
)}；其中A
i
表示第i个事故路段的监控画面类型集，表示第i个事故路段监控画面数据为不存在积水、积雪的路面类型，表示第i个事故路段监控画面数据存在积水、积雪的路面类型；
[0015]计算第i个事故路段对应数据集P
i
的事故率
[0016][0017]其中表示第i个事故路段对应数据集P
i
下监测骑行车辆发生事故的次数，T表示监测周期。
[0018]以数据集为单位分析事故路段的事故率可以快速将骑行车辆事故发生相关数据提取出来，且可以清晰明了的分析出事故高发类型数据，使得车联网对骑行数据的监测具有方向性。
[0019]进一步的，步骤S2还包括以下分析步骤：
[0020]提取第i个事故路段不同数据集P
i
中ρ
ij
、v
ij
相同且A
i
不同时对应的事故率和计算第i个事故路段的中心偏差指数r
i
；
[0021][0022]提取n个事故路段的中心偏差指数r
i
；中心偏差指数越大，说明不同监控数据对应路段环境对监测骑行车辆事故发生的差异化越大；利用公式：
[0023][0024]计算车联网监测区域内的事故偏差指数R。
[0025]事故偏差指数越大说明车联网监测区域内监测骑行车辆发生事故的差异性受不同监控数据对应的路段环境影响较大，即在相同速度、相同车辆环境情况下存在积水、积雪的道路环境比不存在积水、积雪的道路环境下发生交通事故的概率要大。
[0026]进一步的，步骤S3包括以下分析步骤：
[0027]步骤S31：当事故偏差指数大于事故偏差指数阈值时，提取目标监控数据对应的数据集为目标数据集；提取目标数据集中存在事故数据库中记录的最小平均行驶速度，以及最小平均行驶速度对应的平均车辆密度；并输出最小平均行驶速度对应的平均车辆密度为目标车辆密度；
[0028]步骤S32：获取目标数据集中与目标车辆密度差值小于等于差值阈值的平均车辆密度为待分析车辆密度，提取待分析车辆密度对应的平均行驶速度为待分析平均行驶速度，利用公式：
[0029]e＝(G
‑
g1)/G
[0030]计算速度误差指数e，其中G表示待分析车辆密度对应数据集的总个数，g1表示待分析平均行驶速度小于最小平均行驶速度对应数据集的个数；设置速度误差指数阈值e0；
[0031]步骤S33：当e0≤e≤1时，输出目标监控数据下对应路段的第一安全速度阈值为待分析平均行驶速度的平均值；分析速度误差指数与速度误差指数阈值的大小关系是为了确定在相似车辆环境和道路环境下的监测骑行车辆发生事故的速度关系，大于阈值说明待分析平行行驶速度大于事故对应的最小平均速度数量较多，那么此时数据集对应监控数据下的事故速度将不具有分析性，故取安全驾驶数据中的平均值作为上限值；
[0032]当0≤e<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车联网的骑行状态监控方法，其特征在于，包括以下分析步骤：步骤S1：获取监测区域内注册登陆车联网的用户骑行数据库和事故数据库，所述用户骑行数据库包括位置数据、监控数据以及行驶数据；所述监控数据是指位置数据对应路段中安装的监控设备捕捉到的监控画面数据；所述行驶数据是指行驶平均速度和瞬时速度；所述事故数据库是指记录事故骑行车辆事故发生位置和车辆骑行数据；步骤S2：基于步骤S1中的用户骑行数据库和事故数据库，分析同一位置数据对于不同监控数据下的事故率，并基于事故率分析车联网监测区域内的事故偏差指数；步骤S3：基于步骤S2中的事故偏差指数，设置事故偏差指数阈值，当事故偏差指数大于事故偏差指数阈值时，提取事故率最大值对应的监控数据为目标监控数据，分析目标监控数据下对应路段的安全速度阈值；步骤S4：获取实时监控区域存在骑行数据记录车辆的所属路段以及所属路段对应的限速数据，并基于步骤S3中的安全阈值速度分析监测车辆的实时行驶速度与安全阈值速度、限速数据的大小关系，以输出预警信号。2.根据权利要求1所述的一种基于车联网的骑行状态监控方法，其特征在于：所述步骤S2包括以下分析步骤：提取事故数据库中发生事故的位置，并获取位置对应用户骑行数据中所属的监控数据以及对应的事故路段；获取第i个事故路段在第j种监控数据下的平均车辆密度ρ
ij
，所述车辆密度是指事故骑行车辆在事故路段同类型车道的车辆密度，ρ
ij
＝[(1/m)∑r
ij
]/max[r
ij
]，r
ij
表示第i个事故路段在第j种监控数据下监测车辆存在监控数据时的骑行车辆总数，max[r
ij
]表示第i个事故路段在第j种监控数据下记录骑行车辆总数的最大值，m表示监控数据的总类型数，j≤m，监控数据的类型包括监控画面中存在积水、积雪路面以及不存在积水、积雪路面两种；获取第i个事故路段在第j种监控数据下的事故骑行车辆平均行驶速度v
ij
，v
ij
＝s
ij
/t
ij
，其中s
ij
表示第i个事故路段在第j种监控数据下的行驶路程，t
ij
表示第i个事故路段在第j种监控数据下的行驶路程对应的行驶时长；构建第i个事故路段的数据集P
i
，P
i
＝{(ρ
ij
,v
ij
,A
i
)}；其中A
i
表示第i个事故路段的监控画面类型集，表示第i个事故路段监控画面数据为不存在积水、积雪的路面类型，表示第i个事故路段监控画面数据存在积水、积雪的路面类型；计算第i个事故路段对应数据集P
i
的事故率的事故率其中表示第i个事故路段对应数据集P
i
下监测骑行车辆发生事故的次数，T表示监测周期。3.根据权利要求2所述的一种基于车联网的骑行状态监控方法，其特征在于；所述步骤S2还包括以下分析步骤：提取第i个事故路段不同数据集P
i
中ρ
ij
、v
ij
相同且A
i
不同时对应的事故率和计算第i个事故路段的中心偏差指数r
i
；
提取n个事故路段的中心偏差指数r
i
；利用公式：计算车联网监测区域内的事故偏差指数R。4.根据权利要求3所述的一种基于车联网的骑行状态监控方法，其特征在于：所述步骤S3包括以下分析步骤：步骤S31：当事故偏差指数大于事故偏差指数阈值时，提取目标监控数据对应的数据集为目标数据集；提取目标数据集中存在事故数据库中记录的最小平均行驶速度，以及最小平均行驶速度对应的平均车辆密度；并输出最小平均行驶速度对应的平均车辆密度为目标车辆密度；步骤S32：获取目标数据集中与目标车辆密度差值小于等于差值阈值的平均车辆密度为待分析车辆密度，提取待分析车辆密度对应的平均行驶速度为待分析平均行驶速度，利用公式：e＝(G
‑
g1)/G计算速度误差指数e，其中G表示待分析车辆密度对应数据集的总个数，g1表示待分析平均行...

【专利技术属性】
技术研发人员：朱弋平，张庆丰，
申请(专利权)人：无锡市神韵科技发展有限公司，
类型：发明
国别省市：