[發明專利]確定車輛駕駛風險的方法、裝置、介質及電子設備在審
| 申請號： | 202010425865.8 | 申請日： | 2020-05-19 |
| 公開（公告）號： | CN111710187A | 公開（公告）日： | 2020-09-25 |
| 發明（設計）人： | 侯琛 | 申請（專利權）人： | 騰訊科技（深圳）有限公司 |
| 主分類號： | G08G1/16 | 分類號： | G08G1/16 |
| 代理公司： | 深圳市隆天聯鼎知識產權代理有限公司 44232 | 代理人： | 甄偉軍 |
| 地址： | 518057 廣東省深圳*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 確定 車輛 駕駛 風險 方法 裝置 介質 電子設備 | ||
1.一種確定車輛駕駛風險的方法，其特征在于，所述方法包括：
獲取目標道路的道路參數，以及所述目標道路中各個車輛的行駛參數，所述行駛參數包括車輛定位信息；
根據所述各個車輛的車輛定位信息，確定目標車輛與參考車輛之間的中間車輛的分布參數；
基于所述目標道路的道路參數、所述目標車輛的行駛參數、所述參考車輛的行駛參數、以及所述中間車輛的分布參數，確定所述目標車輛與所述參考車輛之間的駕駛風險值。
2.根據權利要求1所述的方法，其特征在于，所述基于所述目標道路的道路參數、所述目標車輛的行駛參數、所述參考車輛的行駛參數、以及所述中間車輛的分布參數，確定所述目標車輛與所述參考車輛之間的駕駛風險值，包括：
將所述目標道路的道路參數、所述目標車輛的行駛參數、以及所述參考車輛的行駛參數輸入駕駛風險模型，得到所述目標車輛與所述參考車輛之間的初始駕駛風險值；
基于所述中間車輛的分布參數對所述初始駕駛風險值進行修正，得到所述目標車輛與所述參考車輛之間的駕駛風險值。
3.根據權利要求2所述的方法，其特征在于，所述將所述目標道路的道路參數、所述目標車輛的行駛參數、以及所述參考車輛的行駛參數輸入駕駛風險模型，得到所述目標車輛與所述參考車輛之間的初始駕駛風險值，包括：
通過所述各個車輛的車輛定位信息，計算所述目標車輛、所述參考車輛、以及所述中間車輛之間各相鄰車輛之間的距離；
在所述各相鄰車輛之間的距離均小于預設的駕駛安全距離時，將所述目標道路的道路參數、所述目標車輛的行駛參數、以及所述參考車輛的行駛參數輸入駕駛風險模型，得到所述目標車輛與所述參考車輛之間的初始駕駛風險值。
4.根據權利要求2所述的方法，其特征在于，所述中間車輛的分布參數包括中間車輛數量；
基于所述中間車輛的分布參數對所述初始駕駛風險值進行修正，包括：
基于所述中間車輛的分布參數確定修正系數，所述修正系數與所述中間車輛數量負相關；
基于所述修正系數對所述初始駕駛風險值進行修正。
5.根據權利要求4所述的方法，其特征在于，所述中間車輛的分布參數還包括第一距離與第二距離的比值，所述第一距離為所述目標車輛與其相鄰的中間車輛之間的距離，所述第二距離為所述參考車輛與其相鄰的中間車輛之間的距離，所述修正系數與所述比值正相關。
6.根據權利要求4所述的方法，其特征在于，所述基于所述中間車輛的分布參數確定修正系數，包括：
獲取與所述目標道路對應的基本修正系數；
通過所述中間車輛的分布參數對所述基本修正系數進行校正，得到修正系數。
7.根據權利要求6所述的方法，其特征在于，通過如下公式對所述基本修正系數進行校正：
其中，P表示所述修正系數；p表示所述基本修正系數，(0＜p＜1)；n表示所述目標車輛與所述參考車輛之間的中間車輛數量；l1表示所述目標車輛與其相鄰的中間車輛之間的距離；ln+1表示所述參考車輛與其相鄰的中間車輛之間的距離。
8.根據權利要求6所述的方法，其特征在于，所述基本修正系數包括變道事故率或車輛變道率；
所述變道事故率為車輛在所述目標道路中因車輛變道而導致事故的次數與車輛變道總次數之間的比率；
所述車輛變道率為在所述目標道路中變道的車輛數量與經過所述目標道路的車輛總數之間的比率。
9.根據權利要求1至8中任一項所述的方法，其特征在于，所述方法還包括：
獲取所述目標車輛分別與所述目標道路中的至少兩個參考車輛中各個參考車輛之間的駕駛風險值，得到至少兩個駕駛風險值；
根據所述至少兩個駕駛風險值，計算所述目標車輛的綜合駕駛風險值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于騰訊科技（深圳）有限公司，未經騰訊科技（深圳）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010425865.8/1.html，轉載請聲明來源鉆瓜專利網。
