1.本发明属于车联网大数据、车辆控制
技术领域：
：，具体涉及一种基于大数据分析的行驶安全监测系统和方法。
背景技术：
：：2.在堵车成为常态，车辆追尾、剐蹭、碰撞频发的今天，解决安全行驶和高效出行的问题，满足交通安全需求、出行效率需求驱动了汽车多维感知融合控制技术的发展。发生交通事故很多情况均因驾驶员经验不足，现今的安全监测没有做到针对性的跟踪、监测和诱导，一般都是在交通事故发生后进行处理。3.随着计算机与网络技术的不断发展，尤其是大数据信息提取、大数据存储、大数据分析等多种技术的不断发展，计算机系统本身处理海量信息和大数据处理的能力也在不断提高，使得将大数据工具和日益复杂的交通安全监控工作相结合成为可能。大数据分析技术、数据传输技术的应用并与车辆电控系统的结合，使得车辆与车辆之间进行直接或者间接的驾驶数据共享，以便车辆在驾驶过程中能够基于其他车辆直接或间接地共享的驾驶数据执行更优的驾驶操作，从而充分保障驾驶安全性和驾驶速度。本发明利用大数据信息存储分析技术，结合多种智能检测传感器，将信息进行汇总分析处理，并与车辆电控系统结合警示驾驶员、控制车辆，可以降低交通安全事故发生，保护驾乘人员、行人的出行安全。4.cn111123948a公开了一种车辆多维感知融合控制方法、系统及汽车。该方法包括：根据路径距离，确定车辆行驶的近场景、中场景与远场景；收集车辆行驶时的实时数据与规划数据；确定多个虚拟路径控制点，进而确定每一个虚拟路径控制点的场景；根据实时数据与规划数据，针对不同场景确定每一个虚拟路径控制点的行驶速度与方向。通过导航、单车智能、车路协同与大数据云平台等多个维度加强辅助驾驶与自动驾驶感知范围，实现感知无死角结合未来运动趋势预判，优化辅助驾驶与自动驾驶决策，并通过划分场景，实现远、中、近场景逐步精细化预判，保证预判的准确性的同时减少计算压力，提升功能性、安全性与舒适性。5.现有技术一描述了一种多个维度加强辅助驾驶的系统和方法，收集的主要是交通信息和车辆状态信息，计算车辆行驶的远中近景行驶速度与方向，预判未来运动趋势。该发明中没有考虑车辆所处的位置和环境因素，也未收集分析车辆过往的驾驶特征信息，只能分析实时数据进行决策，不能尽早尽快的推测出车辆所处的危险，也不能给予驾驶员有效的指导使车辆尽快尽早纠正危险状态。6.cn110758403a公开了一种自动驾驶车辆的控制方法、装置、设备及存储介质，涉及大数据
技术领域：
：。具体实现方案为：获取周围车辆的行驶习惯数据；根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据所述驾驶决策，控制自动驾驶车辆行驶。本技术可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。7.现有技术二描述了一种自动驾驶控制方法，主要是采集自身车辆与周围车辆的位置信息，获取周围车辆的实际行驶轨迹，通过自动驾驶车辆的行驶轨迹预测算法得到周围车辆的预测行驶轨迹，使得自动驾驶车辆通过减速、变换车道、加速、刹车停驻等方式，实现对周围车辆的避让。该发明中没有考虑车辆所处的位置和环境因素，也未收集分析车辆过往的驾驶特征信息，只能分析实时数据进行决策，不能尽早尽快的推测出车辆所处的危险，也不能给予驾驶员有效的指导使车辆尽快尽早纠正危险状态。8.cn111016891a公开了一种车辆行驶的路线跟踪控制方法及装置，其中，车辆行驶的路线跟踪控制方法包括：获取目标车辆行驶的状态信息、目标车辆周围的环境信息以及目标车辆所处的交通状态信息；根据目标车辆行驶的状态信息、目标车辆周围的环境信息和目标车辆所处的交通状态信息生成目标车辆行驶的目标路线，并获取当前时刻目标路线的多个目标点；根据多个目标点的信息计算转向角度信息；根据转向角度信息控制目标车辆沿目标路线行驶。该方法能够实现目标车辆灵活跟踪复杂行驶路线，解决了车辆无法跟踪大曲率路线、地势复杂的城市变曲率路线等复杂行驶路线的问题，从而使车辆安全、可靠地在道路上行驶，提高了车辆行驶的安全性。9.现有技术三描述了一种车辆行驶的路线跟踪控制方法及装置，主要是获取车辆行驶信息、当前环境信息、交通状态信息，生成行驶的目标路线。该发明中没有考虑车辆所处天气、能见度、昼夜、周围行人密度等环境因素，也未收集分析车辆过往的驾驶特征信息，只能分析实时数据进行决策，不能尽早尽快的推测出车辆所处的危险，也不能给予驾驶员有效的指导使车辆尽快尽早纠正危险状态。10.cn110758389a公开了一种基于毫米波雷达技术的汽车行驶状态监测方法及系统，属于汽车安全驾驶
技术领域：
：，方法包括获取各公司不同型号汽车当前的行驶速度步骤：建立车速数据库，用于实时记录各公司不同型号汽车的第一车速信息；根据车速数据库的第一车速信息提取汽车当前的行驶速度；系统包括信息处理与控制单元，信息处理与控制单元用于存储实时记录各公司不同型号汽车的第一车速信息的车数数据库，并根据车速数据库的第一车速信息提取汽车当前的行驶速度。本发明能够准确获取各公司不同型号汽车的当前行驶速度，应用范围广，实现了与汽车驾驶辅助系统的兼容，降低了系统成本，提高了驾驶的安全性。11.现有技术四描述了一种基于毫米波雷达技术的汽车行驶状态监测方法及系统，主要是不同型号汽车当前的行驶速度，建立车速数据库，监测当前汽车行驶状态以对当前汽车的行驶状态进行预警，并通过当前汽车的驾驶辅助系统显示与播放当前汽车周围环境信息、行驶状态预警信息。该发明中仅根据车速对车辆进行预警，没有考虑车辆的驾驶特征和所处环境特性，也未收集分析车辆过往的驾驶特征信息，不能尽早尽快的推测出车辆所处的危险，也不能给予驾驶员有效的指导使车辆尽快尽早纠正危险状态。技术实现要素：12.本发明的目的就是为了解决上述
背景技术：
：存在的不足，提供一种基于大数据分析的行驶安全监测系统和方法。13.本发明采用的技术方案是：一种基于大数据分析的行驶安全监测系统，包括14.车辆控制系统，用于采集多个车辆实时的驾驶信息，驾驶信息包括车辆识别码、地域位置信息、车辆状态信息，以及在此地域位置、环境中的驾驶员操作特征参数；15.车辆数据服务器，用于接收多个车辆的实时的驾驶信息，并分析其中的车辆识别码和地域位置信息，将车辆识别码和地域位置信息传递给环境数据服务器，将车辆识别码、车辆状态信息、以及在此地域位置、环境中的驾驶员操作特征参数传递给大数据分析服务器；16.环境数据服务器，用于根据车辆识别码、地域位置信息查找环境服务器数据中已存储的相关周边环境状态的环境信息，将环境信息传递给大数据分析服务器；17.大数据分析服务器，用于存储不同地域位置、环境中历史的交通事件数据，包括交通安全事故数据和同一地域、同一环境中安全通过的车辆相关数据，并将交通安全事故数据和安全通过的车辆相关数据的特征进行提取，将特征按照环境信息、车辆状态信息、驾驶员操作特征参数进行分类；18.当大数据分析服务器接收到的车辆数据服务器、环境数据服务器发出的实时的车辆状态信息、驾驶员操作特征参数、环境信息时，将车辆的地域位置信息与发生交通安全事故的地域位置信息进行对比，当车辆实时的地域位置接近发生交通安全事故的地域位置时，将实时的车辆状态信息、驾驶员操作特征参数、环境信息与发生交通安全事故的车辆状态信息、驾驶员操作特征参数、环境信息的特征参数进行对比，如特性接近则将相应的交通安全事故数据，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意。19.大数据分析服务器提供同一地域、同一环境中历史的安全通过的车辆相关数据的车辆状态信息、驾驶员操作特征参数，用于监控车辆相实时的车辆状态信息、驾驶员操作特征参数，如车辆实时的驾驶员操作特性参数或车辆状态信息超出可安全通过的驾驶员操作特征参数建议值或车辆状态信息建议值时，将出现可能导致的交通安全事故的车辆状态信息变化通过数据通讯网络传递给车辆控制系统进行纠正。20.所述环境信息包括天气、能见度、昼夜、周围行人密度、路况。21.所述车辆状态信息包括车速、纵向加速度、横向加速度、横摆角速度、电流、电压、驱动系统工作状态、制动系统工作状态、转向系统工作状态、辅助驾驶或自动驾驶系统当前状态、灯光状态、雨刷状态、车辆的gps定位信息。22.所述驾驶员操作特征参数包括加速踏板状态、制动踏板状态、换档手柄状态、驾驶模式状态、辅助驾驶或自动驾驶系统设定、灯光设定、雨刷设定。23.所述车辆控制系统包括灯光系统、雨刷系统、车门系统、动力系统、转向系统、制动系统；上述系统将上述所需信息传递到车载通讯网络，再由车辆数据传输端口控制器通过车内通讯网络收集整理，按照约定的格式定义通过车辆数据端口和数据通讯网络传递给车辆数据服务器。24.车辆数据服务器收到驾驶信息后，通过数据清洗剔除噪声点；车辆服务器的数据清洗剔除噪声点的过程包括：首先对收到的数据按照通讯协议解包规则进行解包；获取数据内容；第一步删除重复的数据，包括数据源相同并且数据id相同以及数据源不同并且数据id相同的数据；第二步删除错误的数据，包括数据不在规定范围内、数据为无效值、数据不符合与相关数据之间的逻辑关系；其中部分数据变化时，数据与数据之间有固定的逻辑关系，在检查是否为错误数据时，除检测数据的范围、是否有效取值之外，还要检查有相关逻辑关系的数据是否按照逻辑关系进行变化，如果数据变化不符合逻辑关系，也认定为错误数据，予以删除；第三步分析和删除离群数据，识别出数据中的严重偏离点进行清洗，具体算法如下：25.(1)、与同一车辆识别码数据自身历史记录对比，偏差>k1*(数据当前值‑数据历史平均值)为离群，删除离群数据，其中k1为同一车辆内同一数据离群系数；26.(2)、再与不同车辆识别码同一数据的历史记录对比，偏差>k2*(数据当前值‑数据历史平均值)为离群，删除离群数据，其中k2为同一数据离群系数。27.车辆数据服务器收到驾驶信息后，通过数据清洗剔除噪声点后，车辆数据服务器将清洗后的有效数据附上数据分类识别码，以区分驾驶信息中的车辆识别码、车辆位置信息和其他驾驶信息等不同类型的数据，然后送入数据分类单元；28.数据分类单元收到数据后，通过数据前附加的识别码识别数据类型，提取其中的车辆识别码和车辆gps定位信息，将这些信息通过数据打包第一单元进行数据打包，组合成环境索引数据，通过数据通讯网络传递给环境数据服务器；29.同时数据分类单元通过数据前附加的识别码识别提取驾驶信息，然后再次进行分类，将驾驶信息分为车辆识别码、驾驶员操作特征参数，车辆状态信息三类，车辆数据服务器将以上信息通过数据打包第二单元进行数据打包，通过数据通讯网络传递给大数据分析服务器；30.环境数据服务器收环境索引数据后，根据其中的车辆识别码、车辆地域位置查找服务器数据中存储的地图、天气预报信息和相关周边环境因素的状态，将环境信息传递给大数据分析服务器；31.大数据分析服务器中存储了不同地域位置、环境中出现的交通事件数据，包括交通安全事故数据和同一地域、同一环境中安全通过的车辆相关数据，并将交通事件数据的特征进行提取。32.交通事件数据的特征提取算法采用基于结构化数据的知识抽取模型进行，先根据设定的数据结构将历史交通事件中的特征数据存储为结构化数据格式，数据结构定义如下：33.定义事件id，其中信息包括时间组、地点组、驾驶员操作组、车辆状态组、结果组；34.定义时间组，其中信息包括开始时间、结束时间、持续时间；35.定义地点组，其中信息包括发生第一地点环境、发生第二地点环境、环境变化；36.定义驾驶员操作组，其中信息包括开始操作、事件中操作、结束操作；37.定义车辆状态组，其中信息包括开始状态、事件中状态、结束状态；38.定义结果组，其中信息包括人员伤害严重度、车辆受损严重度；39.建议以上结构化数据表后，按照以下规则和步骤进行数据抽取，并生成三元组(类，属性，实例)：40.(1)、抽取规则：41.表(table)‑类(class)42.列(column)‑属性(property)43.行(row)‑资源/实例(resource/instance)44.单元(cell)‑属性值(propertyvalue)45.(2)、抽取步骤：46.抽取类→抽取属性→抽取实例→建立类之间关系，47.根据生成的三元组，将三元组数据转换为数据序列，大数据服务器分析各数据序列之间的相似程度，将相似度高的数据序列进行合并存储，完成知识融合。相似度比较算法如下：48.假设两个三元组数据转换的数据序列x和y，x和y在第i个属性上的实例值是xi,yi，那么属性相似度为综合单个属性相似度得到属性相似度向量：49.属性相似度向量＝[sim(x1，y1)，sim(x2，y2)，...sim(xn，yn)][0050]对属性相似度向量的单个属性进行加权求和，得到该属性相似度向量最终的数据序列相似度，其中wi为单个属性的加权系数。当数据序列相似度>t时则认为两个序列相似度高，进行合并存储。[0051]数据序列相似度＝w1*sim(x1，y1) w2*sim(x2，y2) ... wn*sim(xn，yn)。[0052]当大数据分析服务器收到车辆数据服务器、环境数据服务器发出的实时的车辆状态信息、驾驶员操作特征参数、环境信息时，进行实时数据的特征提取，提取算法采用与历史的交通事件数据特征提取相同的基于结构化数据的知识抽取模型；然后将提取的实时三元组数据与存储的交通安全事故数据三元组数据进行相似度对比，对比方法与交通事件知识融合模型相同，当车辆实时数据与交通安全事故数据相似度>t时，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意。[0053]车辆控制系统纠正过程包括：根据驾驶员操作特征参数和车辆状态信息偏离造成交通事件的可能性确定处理优先级，首先处理当前转向角是否超过安全通过该位置转向角范围，如超出则调整当前转向角使其进入安全通过该位置转向角范围内，然后处理是否需要打开灯光和或雨刷，根据需要自动打开灯光和或雨刷，然后处理横向加速度是否超过安全通过该位置横向加速度，如超出则控制制动系统工作，通过制动力调整当前横向加速度使其低于安全通过该位置的横向加速度，最后处理车速或纵向加速度是否超过或低于安全通过该位置的车速或纵向加速度，如车速或纵向加速度低于安全通过该位置的车速或纵向加速度，则增加轮边驱动力使车速或纵向加速度>安全通过该位置车速或纵向加速度；如车速或纵向加速度超出安全通过该位置的车速或纵向加速度，则首先判断驾驶员实际加速踏板开度是否超过安全通过该位置加速踏板开度范围，如超过则降低轮边驱动力使车速或纵向加速度<安全通过该位置车速或纵向加速度，否则控制制动系统工作，通过制动力使车速或纵向加速度<安全通过该位置车速或纵向加速度。[0054]一种基于大数据分析的行驶安全监测方法，包括以下步骤：[0055](1)、采集多个车辆实时的驾驶信息；[0056](2)、分析其中的车辆识别码、地域位置信息、车辆状态信息、以及在此地域位置、环境中的驾驶员操作特征参数；[0057](3)、根据车辆识别码、地域位置信息查找相关周边环境状态的环境信息；[0058](4)、根据实时的车辆状态信息、驾驶员操作特征参数、环境信息时，将车辆的地域位置信息与发生交通安全事故的地域位置信息进行对比，当车辆实时的地域位置接近发生交通安全事故的地域位置时，将实时的车辆状态信息、驾驶员操作特征参数、环境信息与已存储的发生交通安全事故的车辆状态信息、驾驶员操作特征参数、环境信息的特征参数进行对比，如特性接近则将相应的交通安全事故数据，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意；[0059](5)、将同一地域、同一环境中历史的安全通过的车辆相关数据的车辆状态信息、驾驶员操作特征参数，用于监控车辆相实时的车辆状态信息、驾驶员操作特征参数，如车辆实时的驾驶员操作特性参数或车辆状态信息超出可安全通过的驾驶员操作特征参数建议值或车辆状态信息建议值时，将出现可能导致的交通安全事故的车辆状态信息变化进行纠正。[0060]本发明的有益效果是：本发明以车联网大数据技术、车辆控制技术为基础，通过大数据采集和分析，对进入交通事故多发地带的车辆驾驶员进行预警。同时，将可以有效避免安全事故的驾驶员操作参数、车辆状态参数提供给车辆控制系统，车辆控制器根据多发事故类型、车辆特征参数、驾驶员操作特征参数监控车辆驾驶员操作信息、车辆状态信息，对出现的可能导致事故的参数变化时进行纠正，可以降低交通安全事故发生，保护驾乘人员、行人的出行安全。附图说明[0061]图1为本发明的结构示意图。[0062]图2为本发明流程示意图；[0063]图3为车辆控制系统架构示意图；[0064]图4为数据清洗过程示意图；[0065]图5为车辆数据服务器的结构示意图；[0066]图6为交通事件特征提取算法图；[0067]图7为大数据分析服务器数据处理和数据分析算法图；[0068]图8为车辆控制系统纠正流程图。具体实施方式[0069]下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。[0070]如图1所示，本发明一种基于大数据分析的行驶安全监测系统，包括[0071]车辆控制系统1，用于采集多个车辆实时的驾驶信息，驾驶信息包括车辆识别码、地域位置信息、车辆状态信息，以及在此地域位置、环境中的驾驶员操作特征参数；[0072]车辆数据服务器2，用于接收多个车辆的实时的驾驶信息，并分析其中的车辆识别码和地域位置信息，将车辆识别码和地域位置信息传递给环境数据服务器，将车辆识别码、车辆状态信息、以及在此地域位置、环境中的驾驶员操作特征参数传递给大数据分析服务器；[0073]环境数据服务器3，用于根据车辆识别码、地域位置信息查找环境服务器数据中已存储的相关周边环境状态的环境信息，将环境信息传递给大数据分析服务器；[0074]大数据分析服务器4，用于存储不同地域位置、环境中历史的交通事件数据，包括交通安全事故数据和同一地域、同一环境中安全通过的车辆相关数据，并将交通安全事故数据和安全通过的车辆相关数据的特征进行提取，将特征按照环境信息、车辆状态信息、驾驶员操作特征参数进行分类；[0075]当大数据分析服务器接收到的车辆数据服务器、环境数据服务器发出的实时的车辆状态信息、驾驶员操作特征参数、环境信息时，将车辆的地域位置信息与发生交通安全事故的地域位置信息进行对比，当车辆实时的地域位置接近发生交通安全事故的地域位置时，将实时的车辆状态信息、驾驶员操作特征参数、环境信息与发生交通安全事故的车辆状态信息、驾驶员操作特征参数、环境信息的特征参数进行对比，如特性接近则将相应的交通安全事故数据，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意。[0076]大数据分析服务器提供同一地域、同一环境中历史的安全通过的车辆相关数据的车辆状态信息、驾驶员操作特征参数，用于监控车辆相实时的车辆状态信息、驾驶员操作特征参数，如车辆实时的驾驶员操作特性参数或车辆状态信息超出可安全通过的驾驶员操作特征参数建议值或车辆状态信息建议值时，将出现可能导致的交通安全事故的车辆状态信息变化通过数据通讯网络传递给车辆控制系统进行纠正。[0077]所述环境信息包括天气、能见度、昼夜、周围行人密度、路况。[0078]所述车辆状态信息包括车速、纵向加速度、横向加速度、横摆角速度、电流、电压、驱动系统工作状态、制动系统工作状态、转向系统工作状态、辅助驾驶或自动驾驶系统当前状态、灯光状态、雨刷状态、车辆的gps定位信息。[0079]所述驾驶员操作特征参数包括加速踏板状态、制动踏板状态、换档手柄状态、驾驶模式状态、辅助驾驶或自动驾驶系统设定、灯光设定、雨刷设定。[0080]如图3所示，所述车辆控制系统包括灯光系统、雨刷系统、车门系统、动力系统、转向系统、制动系统；上述系统将上述所需信息传递到车载通讯网络，再由车辆数据传输端口控制器通过车内通讯网络收集整理，按照约定的格式定义通过车辆数据端口和数据通讯网络传递给车辆数据服务器。[0081]如图4所示，车辆数据服务器收到驾驶信息后，通过数据清洗剔除噪声点；车辆服务器的数据清洗剔除噪声点的过程包括：首先对收到的数据按照通讯协议解包规则进行解包；获取数据内容；第一步删除重复的数据，包括数据源相同并且数据id相同以及数据源不同并且数据id相同的数据；第二步删除错误的数据，包括数据不在规定范围内、数据为无效值、数据不符合与相关数据之间的逻辑关系；其中部分数据变化时，数据与数据之间有固定的逻辑关系，在检查是否为错误数据时，除检测数据的范围、是否有效取值之外，还要检查有相关逻辑关系的数据是否按照逻辑关系进行变化，如果数据变化不符合逻辑关系，也认定为错误数据，予以删除；第三步分析和删除离群数据，识别出数据中的严重偏离点进行清洗，具体算法如下：[0082](1)、与同一车辆识别码数据自身历史记录对比，偏差>k1*(数据当前值‑数据历史平均值)为离群，删除离群数据，其中k1为同一车辆内同一数据离群系数；[0083](2)、再与不同车辆识别码同一数据的历史记录对比，偏差>k2*(数据当前值‑数据历史平均值)为离群，删除离群数据，其中k2为同一数据离群系数。[0084]车辆数据服务器收到驾驶信息后，通过数据清洗剔除噪声点后，车辆数据服务器将清洗后的有效数据附上数据分类识别码，以区分驾驶信息中的车辆识别码、车辆位置信息和其他驾驶信息等不同类型的数据，然后送入数据分类单元；[0085]数据分类单元收到数据后，通过数据前附加的识别码识别数据类型，提取其中的车辆识别码和车辆gps定位信息，将这些信息通过数据打包第一单元进行数据打包，组合成环境索引数据，通过数据通讯网络传递给环境数据服务器；[0086]同时数据分类单元通过数据前附加的识别码识别提取驾驶信息，然后再次进行分类，将驾驶信息分为车辆识别码、驾驶员操作特征参数，车辆状态信息三类，车辆数据服务器将以上信息通过数据打包第二单元进行数据打包，通过数据通讯网络传递给大数据分析服务器；如图5所示。[0087]环境数据服务器收环境索引数据后，根据其中的车辆识别码、车辆地域位置查找服务器数据中存储的地图、天气预报信息和相关周边环境因素的状态，将环境信息传递给大数据分析服务器；[0088]大数据分析服务器中存储了不同地域位置、环境中出现的交通事件数据，包括交通安全事故数据和同一地域、同一环境中安全通过的车辆相关数据，并将交通事件数据的特征进行提取。[0089]如图6所示，交通事件数据的特征提取算法采用基于结构化数据的知识抽取模型进行，先根据设定的数据结构将历史交通事件中的特征数据存储为结构化数据格式，数据结构定义如下：[0090]定义事件id，其中信息包括时间组、地点组、驾驶员操作组、车辆状态组、结果组；[0091]定义时间组，其中信息包括开始时间、结束时间、持续时间；[0092]定义地点组，其中信息包括发生第一地点环境、发生第二地点环境、环境变化；[0093]定义驾驶员操作组，其中信息包括开始操作、事件中操作、结束操作；[0094]定义车辆状态组，其中信息包括开始状态、事件中状态、结束状态；[0095]定义结果组，其中信息包括人员伤害严重度、车辆受损严重度；[0096]建议以上结构化数据表后，按照以下规则和步骤进行数据抽取，并生成三元组(类，属性，实例)：[0097](1)、抽取规则：[0098]表(table)‑类(class)[0099]列(column)‑属性(property)[0100]行(row)‑资源/实例(resource/instance)[0101]单元(cell)‑属性值(propertyvalue)[0102](2)、抽取步骤：[0103]抽取类→抽取属性→抽取实例→建立类之间关系，[0104]根据生成的三元组，将三元组数据转换为数据序列，大数据服务器分析各数据序列之间的相似程度，将相似度高的数据序列进行合并存储，完成知识融合。相似度比较算法如下：[0105]假设两个三元组数据转换的数据序列x和y，x和y在第i个属性上的实例值是xi,yi，那么属性相似度为综合单个属性相似度得到属性相似度向量：[0106]属性相似度向量＝[sim(x1，y1)，sim(x2，y2)，...sim(xn，yn)][0107]对属性相似度向量的单个属性进行加权求和，得到该属性相似度向量最终的数据序列相似度，其中wi为单个属性的加权系数。当数据序列相似度>t时则认为两个序列相似度高，进行合并存储。[0108]数据序列相似度＝w1*sim(x1，y1) w2*sim(x2，y2) ... wn*sim(xn，yn)。[0109]如图7所示，当大数据分析服务器收到车辆数据服务器、环境数据服务器发出的实时的车辆状态信息、驾驶员操作特征参数、环境信息时，进行实时数据的特征提取，提取算法采用与历史的交通事件数据特征提取相同的基于结构化数据的知识抽取模型；然后将提取的实时三元组数据与存储的交通安全事故数据三元组数据进行相似度对比，对比方法与交通事件知识融合模型相同，当车辆实时数据与交通安全事故数据相似度>t时，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意。[0110]如图8所示，车辆控制系统纠正过程包括：根据驾驶员操作特征参数和车辆状态信息偏离造成交通事件的可能性确定处理优先级，首先处理当前转向角是否超过安全通过该位置转向角范围，如超出则调整当前转向角使其进入安全通过该位置转向角范围内，然后处理是否需要打开灯光和或雨刷，根据需要自动打开灯光和或雨刷，然后处理横向加速度是否超过安全通过该位置横向加速度，如超出则控制制动系统工作，通过制动力调整当前横向加速度使其低于安全通过该位置的横向加速度，最后处理车速或纵向加速度是否超过或低于安全通过该位置的车速或纵向加速度，如车速或纵向加速度低于安全通过该位置的车速或纵向加速度，则增加轮边驱动力使车速或纵向加速度>安全通过该位置车速或纵向加速度；如车速或纵向加速度超出安全通过该位置的车速或纵向加速度，则首先判断驾驶员实际加速踏板开度是否超过安全通过该位置加速踏板开度范围，如超过则降低轮边驱动力使车速或纵向加速度<安全通过该位置车速或纵向加速度，否则控制制动系统工作，通过制动力使车速或纵向加速度<安全通过该位置车速或纵向加速度。[0111]如图2所示，一种基于大数据分析的行驶安全监测方法，包括以下步骤：[0112](1)、采集多个车辆实时的驾驶信息；[0113](2)、分析其中的车辆识别码、地域位置信息、车辆状态信息、以及在此地域位置、环境中的驾驶员操作特征参数；[0114](3)、根据车辆识别码、地域位置信息查找相关周边环境状态的环境信息；[0115](4)、根据实时的车辆状态信息、驾驶员操作特征参数、环境信息时，将车辆的地域位置信息与发生交通安全事故的地域位置信息进行对比，当车辆实时的地域位置接近发生交通安全事故的地域位置时，将实时的车辆状态信息、驾驶员操作特征参数、环境信息与已存储的发生交通安全事故的车辆状态信息、驾驶员操作特征参数、环境信息的特征参数进行对比，如特性接近则将相应的交通安全事故数据，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意；[0116](5)、将同一地域、同一环境中历史的安全通过的车辆相关数据的车辆状态信息、驾驶员操作特征参数，用于监控车辆相实时的车辆状态信息、驾驶员操作特征参数，如车辆实时的驾驶员操作特性参数或车辆状态信息超出可安全通过的驾驶员操作特征参数建议值或车辆状态信息建议值时，将出现可能导致的交通安全事故的车辆状态信息变化进行纠正。[0117]本发明根据车联网大数据分析，车辆进入交通事故多发地带时，服务器将相应的安全事故类型、事故多发提示提供给车辆控制系统，车辆控制器提示驾驶员注意。同时，服务器将可以有效避免安全事故的驾驶员操作参数、车辆状态参数提供给车辆控制系统，车辆控制器根据多发事故类型、车辆特征参数、驾驶员操作特征参数监控车辆相应的状态参数，出现可能导致事故的参数变化时进行纠正。[0118]本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。当前第1页12当前第1页12
技术领域：
：，具体涉及一种基于大数据分析的行驶安全监测系统和方法。
背景技术：
：：2.在堵车成为常态，车辆追尾、剐蹭、碰撞频发的今天，解决安全行驶和高效出行的问题，满足交通安全需求、出行效率需求驱动了汽车多维感知融合控制技术的发展。发生交通事故很多情况均因驾驶员经验不足，现今的安全监测没有做到针对性的跟踪、监测和诱导，一般都是在交通事故发生后进行处理。3.随着计算机与网络技术的不断发展，尤其是大数据信息提取、大数据存储、大数据分析等多种技术的不断发展，计算机系统本身处理海量信息和大数据处理的能力也在不断提高，使得将大数据工具和日益复杂的交通安全监控工作相结合成为可能。大数据分析技术、数据传输技术的应用并与车辆电控系统的结合，使得车辆与车辆之间进行直接或者间接的驾驶数据共享，以便车辆在驾驶过程中能够基于其他车辆直接或间接地共享的驾驶数据执行更优的驾驶操作，从而充分保障驾驶安全性和驾驶速度。本发明利用大数据信息存储分析技术，结合多种智能检测传感器，将信息进行汇总分析处理，并与车辆电控系统结合警示驾驶员、控制车辆，可以降低交通安全事故发生，保护驾乘人员、行人的出行安全。4.cn111123948a公开了一种车辆多维感知融合控制方法、系统及汽车。该方法包括：根据路径距离，确定车辆行驶的近场景、中场景与远场景；收集车辆行驶时的实时数据与规划数据；确定多个虚拟路径控制点，进而确定每一个虚拟路径控制点的场景；根据实时数据与规划数据，针对不同场景确定每一个虚拟路径控制点的行驶速度与方向。通过导航、单车智能、车路协同与大数据云平台等多个维度加强辅助驾驶与自动驾驶感知范围，实现感知无死角结合未来运动趋势预判，优化辅助驾驶与自动驾驶决策，并通过划分场景，实现远、中、近场景逐步精细化预判，保证预判的准确性的同时减少计算压力，提升功能性、安全性与舒适性。5.现有技术一描述了一种多个维度加强辅助驾驶的系统和方法，收集的主要是交通信息和车辆状态信息，计算车辆行驶的远中近景行驶速度与方向，预判未来运动趋势。该发明中没有考虑车辆所处的位置和环境因素，也未收集分析车辆过往的驾驶特征信息，只能分析实时数据进行决策，不能尽早尽快的推测出车辆所处的危险，也不能给予驾驶员有效的指导使车辆尽快尽早纠正危险状态。6.cn110758403a公开了一种自动驾驶车辆的控制方法、装置、设备及存储介质，涉及大数据
技术领域：
：。具体实现方案为：获取周围车辆的行驶习惯数据；根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据所述驾驶决策，控制自动驾驶车辆行驶。本技术可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。7.现有技术二描述了一种自动驾驶控制方法，主要是采集自身车辆与周围车辆的位置信息，获取周围车辆的实际行驶轨迹，通过自动驾驶车辆的行驶轨迹预测算法得到周围车辆的预测行驶轨迹，使得自动驾驶车辆通过减速、变换车道、加速、刹车停驻等方式，实现对周围车辆的避让。该发明中没有考虑车辆所处的位置和环境因素，也未收集分析车辆过往的驾驶特征信息，只能分析实时数据进行决策，不能尽早尽快的推测出车辆所处的危险，也不能给予驾驶员有效的指导使车辆尽快尽早纠正危险状态。8.cn111016891a公开了一种车辆行驶的路线跟踪控制方法及装置，其中，车辆行驶的路线跟踪控制方法包括：获取目标车辆行驶的状态信息、目标车辆周围的环境信息以及目标车辆所处的交通状态信息；根据目标车辆行驶的状态信息、目标车辆周围的环境信息和目标车辆所处的交通状态信息生成目标车辆行驶的目标路线，并获取当前时刻目标路线的多个目标点；根据多个目标点的信息计算转向角度信息；根据转向角度信息控制目标车辆沿目标路线行驶。该方法能够实现目标车辆灵活跟踪复杂行驶路线，解决了车辆无法跟踪大曲率路线、地势复杂的城市变曲率路线等复杂行驶路线的问题，从而使车辆安全、可靠地在道路上行驶，提高了车辆行驶的安全性。9.现有技术三描述了一种车辆行驶的路线跟踪控制方法及装置，主要是获取车辆行驶信息、当前环境信息、交通状态信息，生成行驶的目标路线。该发明中没有考虑车辆所处天气、能见度、昼夜、周围行人密度等环境因素，也未收集分析车辆过往的驾驶特征信息，只能分析实时数据进行决策，不能尽早尽快的推测出车辆所处的危险，也不能给予驾驶员有效的指导使车辆尽快尽早纠正危险状态。10.cn110758389a公开了一种基于毫米波雷达技术的汽车行驶状态监测方法及系统，属于汽车安全驾驶
技术领域：
：，方法包括获取各公司不同型号汽车当前的行驶速度步骤：建立车速数据库，用于实时记录各公司不同型号汽车的第一车速信息；根据车速数据库的第一车速信息提取汽车当前的行驶速度；系统包括信息处理与控制单元，信息处理与控制单元用于存储实时记录各公司不同型号汽车的第一车速信息的车数数据库，并根据车速数据库的第一车速信息提取汽车当前的行驶速度。本发明能够准确获取各公司不同型号汽车的当前行驶速度，应用范围广，实现了与汽车驾驶辅助系统的兼容，降低了系统成本，提高了驾驶的安全性。11.现有技术四描述了一种基于毫米波雷达技术的汽车行驶状态监测方法及系统，主要是不同型号汽车当前的行驶速度，建立车速数据库，监测当前汽车行驶状态以对当前汽车的行驶状态进行预警，并通过当前汽车的驾驶辅助系统显示与播放当前汽车周围环境信息、行驶状态预警信息。该发明中仅根据车速对车辆进行预警，没有考虑车辆的驾驶特征和所处环境特性，也未收集分析车辆过往的驾驶特征信息，不能尽早尽快的推测出车辆所处的危险，也不能给予驾驶员有效的指导使车辆尽快尽早纠正危险状态。技术实现要素：12.本发明的目的就是为了解决上述
背景技术：
：存在的不足，提供一种基于大数据分析的行驶安全监测系统和方法。13.本发明采用的技术方案是：一种基于大数据分析的行驶安全监测系统，包括14.车辆控制系统，用于采集多个车辆实时的驾驶信息，驾驶信息包括车辆识别码、地域位置信息、车辆状态信息，以及在此地域位置、环境中的驾驶员操作特征参数；15.车辆数据服务器，用于接收多个车辆的实时的驾驶信息，并分析其中的车辆识别码和地域位置信息，将车辆识别码和地域位置信息传递给环境数据服务器，将车辆识别码、车辆状态信息、以及在此地域位置、环境中的驾驶员操作特征参数传递给大数据分析服务器；16.环境数据服务器，用于根据车辆识别码、地域位置信息查找环境服务器数据中已存储的相关周边环境状态的环境信息，将环境信息传递给大数据分析服务器；17.大数据分析服务器，用于存储不同地域位置、环境中历史的交通事件数据，包括交通安全事故数据和同一地域、同一环境中安全通过的车辆相关数据，并将交通安全事故数据和安全通过的车辆相关数据的特征进行提取，将特征按照环境信息、车辆状态信息、驾驶员操作特征参数进行分类；18.当大数据分析服务器接收到的车辆数据服务器、环境数据服务器发出的实时的车辆状态信息、驾驶员操作特征参数、环境信息时，将车辆的地域位置信息与发生交通安全事故的地域位置信息进行对比，当车辆实时的地域位置接近发生交通安全事故的地域位置时，将实时的车辆状态信息、驾驶员操作特征参数、环境信息与发生交通安全事故的车辆状态信息、驾驶员操作特征参数、环境信息的特征参数进行对比，如特性接近则将相应的交通安全事故数据，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意。19.大数据分析服务器提供同一地域、同一环境中历史的安全通过的车辆相关数据的车辆状态信息、驾驶员操作特征参数，用于监控车辆相实时的车辆状态信息、驾驶员操作特征参数，如车辆实时的驾驶员操作特性参数或车辆状态信息超出可安全通过的驾驶员操作特征参数建议值或车辆状态信息建议值时，将出现可能导致的交通安全事故的车辆状态信息变化通过数据通讯网络传递给车辆控制系统进行纠正。20.所述环境信息包括天气、能见度、昼夜、周围行人密度、路况。21.所述车辆状态信息包括车速、纵向加速度、横向加速度、横摆角速度、电流、电压、驱动系统工作状态、制动系统工作状态、转向系统工作状态、辅助驾驶或自动驾驶系统当前状态、灯光状态、雨刷状态、车辆的gps定位信息。22.所述驾驶员操作特征参数包括加速踏板状态、制动踏板状态、换档手柄状态、驾驶模式状态、辅助驾驶或自动驾驶系统设定、灯光设定、雨刷设定。23.所述车辆控制系统包括灯光系统、雨刷系统、车门系统、动力系统、转向系统、制动系统；上述系统将上述所需信息传递到车载通讯网络，再由车辆数据传输端口控制器通过车内通讯网络收集整理，按照约定的格式定义通过车辆数据端口和数据通讯网络传递给车辆数据服务器。24.车辆数据服务器收到驾驶信息后，通过数据清洗剔除噪声点；车辆服务器的数据清洗剔除噪声点的过程包括：首先对收到的数据按照通讯协议解包规则进行解包；获取数据内容；第一步删除重复的数据，包括数据源相同并且数据id相同以及数据源不同并且数据id相同的数据；第二步删除错误的数据，包括数据不在规定范围内、数据为无效值、数据不符合与相关数据之间的逻辑关系；其中部分数据变化时，数据与数据之间有固定的逻辑关系，在检查是否为错误数据时，除检测数据的范围、是否有效取值之外，还要检查有相关逻辑关系的数据是否按照逻辑关系进行变化，如果数据变化不符合逻辑关系，也认定为错误数据，予以删除；第三步分析和删除离群数据，识别出数据中的严重偏离点进行清洗，具体算法如下：25.(1)、与同一车辆识别码数据自身历史记录对比，偏差>k1*(数据当前值‑数据历史平均值)为离群，删除离群数据，其中k1为同一车辆内同一数据离群系数；26.(2)、再与不同车辆识别码同一数据的历史记录对比，偏差>k2*(数据当前值‑数据历史平均值)为离群，删除离群数据，其中k2为同一数据离群系数。27.车辆数据服务器收到驾驶信息后，通过数据清洗剔除噪声点后，车辆数据服务器将清洗后的有效数据附上数据分类识别码，以区分驾驶信息中的车辆识别码、车辆位置信息和其他驾驶信息等不同类型的数据，然后送入数据分类单元；28.数据分类单元收到数据后，通过数据前附加的识别码识别数据类型，提取其中的车辆识别码和车辆gps定位信息，将这些信息通过数据打包第一单元进行数据打包，组合成环境索引数据，通过数据通讯网络传递给环境数据服务器；29.同时数据分类单元通过数据前附加的识别码识别提取驾驶信息，然后再次进行分类，将驾驶信息分为车辆识别码、驾驶员操作特征参数，车辆状态信息三类，车辆数据服务器将以上信息通过数据打包第二单元进行数据打包，通过数据通讯网络传递给大数据分析服务器；30.环境数据服务器收环境索引数据后，根据其中的车辆识别码、车辆地域位置查找服务器数据中存储的地图、天气预报信息和相关周边环境因素的状态，将环境信息传递给大数据分析服务器；31.大数据分析服务器中存储了不同地域位置、环境中出现的交通事件数据，包括交通安全事故数据和同一地域、同一环境中安全通过的车辆相关数据，并将交通事件数据的特征进行提取。32.交通事件数据的特征提取算法采用基于结构化数据的知识抽取模型进行，先根据设定的数据结构将历史交通事件中的特征数据存储为结构化数据格式，数据结构定义如下：33.定义事件id，其中信息包括时间组、地点组、驾驶员操作组、车辆状态组、结果组；34.定义时间组，其中信息包括开始时间、结束时间、持续时间；35.定义地点组，其中信息包括发生第一地点环境、发生第二地点环境、环境变化；36.定义驾驶员操作组，其中信息包括开始操作、事件中操作、结束操作；37.定义车辆状态组，其中信息包括开始状态、事件中状态、结束状态；38.定义结果组，其中信息包括人员伤害严重度、车辆受损严重度；39.建议以上结构化数据表后，按照以下规则和步骤进行数据抽取，并生成三元组(类，属性，实例)：40.(1)、抽取规则：41.表(table)‑类(class)42.列(column)‑属性(property)43.行(row)‑资源/实例(resource/instance)44.单元(cell)‑属性值(propertyvalue)45.(2)、抽取步骤：46.抽取类→抽取属性→抽取实例→建立类之间关系，47.根据生成的三元组，将三元组数据转换为数据序列，大数据服务器分析各数据序列之间的相似程度，将相似度高的数据序列进行合并存储，完成知识融合。相似度比较算法如下：48.假设两个三元组数据转换的数据序列x和y，x和y在第i个属性上的实例值是xi,yi，那么属性相似度为综合单个属性相似度得到属性相似度向量：49.属性相似度向量＝[sim(x1，y1)，sim(x2，y2)，...sim(xn，yn)][0050]对属性相似度向量的单个属性进行加权求和，得到该属性相似度向量最终的数据序列相似度，其中wi为单个属性的加权系数。当数据序列相似度>t时则认为两个序列相似度高，进行合并存储。[0051]数据序列相似度＝w1*sim(x1，y1) w2*sim(x2，y2) ... wn*sim(xn，yn)。[0052]当大数据分析服务器收到车辆数据服务器、环境数据服务器发出的实时的车辆状态信息、驾驶员操作特征参数、环境信息时，进行实时数据的特征提取，提取算法采用与历史的交通事件数据特征提取相同的基于结构化数据的知识抽取模型；然后将提取的实时三元组数据与存储的交通安全事故数据三元组数据进行相似度对比，对比方法与交通事件知识融合模型相同，当车辆实时数据与交通安全事故数据相似度>t时，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意。[0053]车辆控制系统纠正过程包括：根据驾驶员操作特征参数和车辆状态信息偏离造成交通事件的可能性确定处理优先级，首先处理当前转向角是否超过安全通过该位置转向角范围，如超出则调整当前转向角使其进入安全通过该位置转向角范围内，然后处理是否需要打开灯光和或雨刷，根据需要自动打开灯光和或雨刷，然后处理横向加速度是否超过安全通过该位置横向加速度，如超出则控制制动系统工作，通过制动力调整当前横向加速度使其低于安全通过该位置的横向加速度，最后处理车速或纵向加速度是否超过或低于安全通过该位置的车速或纵向加速度，如车速或纵向加速度低于安全通过该位置的车速或纵向加速度，则增加轮边驱动力使车速或纵向加速度>安全通过该位置车速或纵向加速度；如车速或纵向加速度超出安全通过该位置的车速或纵向加速度，则首先判断驾驶员实际加速踏板开度是否超过安全通过该位置加速踏板开度范围，如超过则降低轮边驱动力使车速或纵向加速度<安全通过该位置车速或纵向加速度，否则控制制动系统工作，通过制动力使车速或纵向加速度<安全通过该位置车速或纵向加速度。[0054]一种基于大数据分析的行驶安全监测方法，包括以下步骤：[0055](1)、采集多个车辆实时的驾驶信息；[0056](2)、分析其中的车辆识别码、地域位置信息、车辆状态信息、以及在此地域位置、环境中的驾驶员操作特征参数；[0057](3)、根据车辆识别码、地域位置信息查找相关周边环境状态的环境信息；[0058](4)、根据实时的车辆状态信息、驾驶员操作特征参数、环境信息时，将车辆的地域位置信息与发生交通安全事故的地域位置信息进行对比，当车辆实时的地域位置接近发生交通安全事故的地域位置时，将实时的车辆状态信息、驾驶员操作特征参数、环境信息与已存储的发生交通安全事故的车辆状态信息、驾驶员操作特征参数、环境信息的特征参数进行对比，如特性接近则将相应的交通安全事故数据，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意；[0059](5)、将同一地域、同一环境中历史的安全通过的车辆相关数据的车辆状态信息、驾驶员操作特征参数，用于监控车辆相实时的车辆状态信息、驾驶员操作特征参数，如车辆实时的驾驶员操作特性参数或车辆状态信息超出可安全通过的驾驶员操作特征参数建议值或车辆状态信息建议值时，将出现可能导致的交通安全事故的车辆状态信息变化进行纠正。[0060]本发明的有益效果是：本发明以车联网大数据技术、车辆控制技术为基础，通过大数据采集和分析，对进入交通事故多发地带的车辆驾驶员进行预警。同时，将可以有效避免安全事故的驾驶员操作参数、车辆状态参数提供给车辆控制系统，车辆控制器根据多发事故类型、车辆特征参数、驾驶员操作特征参数监控车辆驾驶员操作信息、车辆状态信息，对出现的可能导致事故的参数变化时进行纠正，可以降低交通安全事故发生，保护驾乘人员、行人的出行安全。附图说明[0061]图1为本发明的结构示意图。[0062]图2为本发明流程示意图；[0063]图3为车辆控制系统架构示意图；[0064]图4为数据清洗过程示意图；[0065]图5为车辆数据服务器的结构示意图；[0066]图6为交通事件特征提取算法图；[0067]图7为大数据分析服务器数据处理和数据分析算法图；[0068]图8为车辆控制系统纠正流程图。具体实施方式[0069]下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。[0070]如图1所示，本发明一种基于大数据分析的行驶安全监测系统，包括[0071]车辆控制系统1，用于采集多个车辆实时的驾驶信息，驾驶信息包括车辆识别码、地域位置信息、车辆状态信息，以及在此地域位置、环境中的驾驶员操作特征参数；[0072]车辆数据服务器2，用于接收多个车辆的实时的驾驶信息，并分析其中的车辆识别码和地域位置信息，将车辆识别码和地域位置信息传递给环境数据服务器，将车辆识别码、车辆状态信息、以及在此地域位置、环境中的驾驶员操作特征参数传递给大数据分析服务器；[0073]环境数据服务器3，用于根据车辆识别码、地域位置信息查找环境服务器数据中已存储的相关周边环境状态的环境信息，将环境信息传递给大数据分析服务器；[0074]大数据分析服务器4，用于存储不同地域位置、环境中历史的交通事件数据，包括交通安全事故数据和同一地域、同一环境中安全通过的车辆相关数据，并将交通安全事故数据和安全通过的车辆相关数据的特征进行提取，将特征按照环境信息、车辆状态信息、驾驶员操作特征参数进行分类；[0075]当大数据分析服务器接收到的车辆数据服务器、环境数据服务器发出的实时的车辆状态信息、驾驶员操作特征参数、环境信息时，将车辆的地域位置信息与发生交通安全事故的地域位置信息进行对比，当车辆实时的地域位置接近发生交通安全事故的地域位置时，将实时的车辆状态信息、驾驶员操作特征参数、环境信息与发生交通安全事故的车辆状态信息、驾驶员操作特征参数、环境信息的特征参数进行对比，如特性接近则将相应的交通安全事故数据，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意。[0076]大数据分析服务器提供同一地域、同一环境中历史的安全通过的车辆相关数据的车辆状态信息、驾驶员操作特征参数，用于监控车辆相实时的车辆状态信息、驾驶员操作特征参数，如车辆实时的驾驶员操作特性参数或车辆状态信息超出可安全通过的驾驶员操作特征参数建议值或车辆状态信息建议值时，将出现可能导致的交通安全事故的车辆状态信息变化通过数据通讯网络传递给车辆控制系统进行纠正。[0077]所述环境信息包括天气、能见度、昼夜、周围行人密度、路况。[0078]所述车辆状态信息包括车速、纵向加速度、横向加速度、横摆角速度、电流、电压、驱动系统工作状态、制动系统工作状态、转向系统工作状态、辅助驾驶或自动驾驶系统当前状态、灯光状态、雨刷状态、车辆的gps定位信息。[0079]所述驾驶员操作特征参数包括加速踏板状态、制动踏板状态、换档手柄状态、驾驶模式状态、辅助驾驶或自动驾驶系统设定、灯光设定、雨刷设定。[0080]如图3所示，所述车辆控制系统包括灯光系统、雨刷系统、车门系统、动力系统、转向系统、制动系统；上述系统将上述所需信息传递到车载通讯网络，再由车辆数据传输端口控制器通过车内通讯网络收集整理，按照约定的格式定义通过车辆数据端口和数据通讯网络传递给车辆数据服务器。[0081]如图4所示，车辆数据服务器收到驾驶信息后，通过数据清洗剔除噪声点；车辆服务器的数据清洗剔除噪声点的过程包括：首先对收到的数据按照通讯协议解包规则进行解包；获取数据内容；第一步删除重复的数据，包括数据源相同并且数据id相同以及数据源不同并且数据id相同的数据；第二步删除错误的数据，包括数据不在规定范围内、数据为无效值、数据不符合与相关数据之间的逻辑关系；其中部分数据变化时，数据与数据之间有固定的逻辑关系，在检查是否为错误数据时，除检测数据的范围、是否有效取值之外，还要检查有相关逻辑关系的数据是否按照逻辑关系进行变化，如果数据变化不符合逻辑关系，也认定为错误数据，予以删除；第三步分析和删除离群数据，识别出数据中的严重偏离点进行清洗，具体算法如下：[0082](1)、与同一车辆识别码数据自身历史记录对比，偏差>k1*(数据当前值‑数据历史平均值)为离群，删除离群数据，其中k1为同一车辆内同一数据离群系数；[0083](2)、再与不同车辆识别码同一数据的历史记录对比，偏差>k2*(数据当前值‑数据历史平均值)为离群，删除离群数据，其中k2为同一数据离群系数。[0084]车辆数据服务器收到驾驶信息后，通过数据清洗剔除噪声点后，车辆数据服务器将清洗后的有效数据附上数据分类识别码，以区分驾驶信息中的车辆识别码、车辆位置信息和其他驾驶信息等不同类型的数据，然后送入数据分类单元；[0085]数据分类单元收到数据后，通过数据前附加的识别码识别数据类型，提取其中的车辆识别码和车辆gps定位信息，将这些信息通过数据打包第一单元进行数据打包，组合成环境索引数据，通过数据通讯网络传递给环境数据服务器；[0086]同时数据分类单元通过数据前附加的识别码识别提取驾驶信息，然后再次进行分类，将驾驶信息分为车辆识别码、驾驶员操作特征参数，车辆状态信息三类，车辆数据服务器将以上信息通过数据打包第二单元进行数据打包，通过数据通讯网络传递给大数据分析服务器；如图5所示。[0087]环境数据服务器收环境索引数据后，根据其中的车辆识别码、车辆地域位置查找服务器数据中存储的地图、天气预报信息和相关周边环境因素的状态，将环境信息传递给大数据分析服务器；[0088]大数据分析服务器中存储了不同地域位置、环境中出现的交通事件数据，包括交通安全事故数据和同一地域、同一环境中安全通过的车辆相关数据，并将交通事件数据的特征进行提取。[0089]如图6所示，交通事件数据的特征提取算法采用基于结构化数据的知识抽取模型进行，先根据设定的数据结构将历史交通事件中的特征数据存储为结构化数据格式，数据结构定义如下：[0090]定义事件id，其中信息包括时间组、地点组、驾驶员操作组、车辆状态组、结果组；[0091]定义时间组，其中信息包括开始时间、结束时间、持续时间；[0092]定义地点组，其中信息包括发生第一地点环境、发生第二地点环境、环境变化；[0093]定义驾驶员操作组，其中信息包括开始操作、事件中操作、结束操作；[0094]定义车辆状态组，其中信息包括开始状态、事件中状态、结束状态；[0095]定义结果组，其中信息包括人员伤害严重度、车辆受损严重度；[0096]建议以上结构化数据表后，按照以下规则和步骤进行数据抽取，并生成三元组(类，属性，实例)：[0097](1)、抽取规则：[0098]表(table)‑类(class)[0099]列(column)‑属性(property)[0100]行(row)‑资源/实例(resource/instance)[0101]单元(cell)‑属性值(propertyvalue)[0102](2)、抽取步骤：[0103]抽取类→抽取属性→抽取实例→建立类之间关系，[0104]根据生成的三元组，将三元组数据转换为数据序列，大数据服务器分析各数据序列之间的相似程度，将相似度高的数据序列进行合并存储，完成知识融合。相似度比较算法如下：[0105]假设两个三元组数据转换的数据序列x和y，x和y在第i个属性上的实例值是xi,yi，那么属性相似度为综合单个属性相似度得到属性相似度向量：[0106]属性相似度向量＝[sim(x1，y1)，sim(x2，y2)，...sim(xn，yn)][0107]对属性相似度向量的单个属性进行加权求和，得到该属性相似度向量最终的数据序列相似度，其中wi为单个属性的加权系数。当数据序列相似度>t时则认为两个序列相似度高，进行合并存储。[0108]数据序列相似度＝w1*sim(x1，y1) w2*sim(x2，y2) ... wn*sim(xn，yn)。[0109]如图7所示，当大数据分析服务器收到车辆数据服务器、环境数据服务器发出的实时的车辆状态信息、驾驶员操作特征参数、环境信息时，进行实时数据的特征提取，提取算法采用与历史的交通事件数据特征提取相同的基于结构化数据的知识抽取模型；然后将提取的实时三元组数据与存储的交通安全事故数据三元组数据进行相似度对比，对比方法与交通事件知识融合模型相同，当车辆实时数据与交通安全事故数据相似度>t时，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意。[0110]如图8所示，车辆控制系统纠正过程包括：根据驾驶员操作特征参数和车辆状态信息偏离造成交通事件的可能性确定处理优先级，首先处理当前转向角是否超过安全通过该位置转向角范围，如超出则调整当前转向角使其进入安全通过该位置转向角范围内，然后处理是否需要打开灯光和或雨刷，根据需要自动打开灯光和或雨刷，然后处理横向加速度是否超过安全通过该位置横向加速度，如超出则控制制动系统工作，通过制动力调整当前横向加速度使其低于安全通过该位置的横向加速度，最后处理车速或纵向加速度是否超过或低于安全通过该位置的车速或纵向加速度，如车速或纵向加速度低于安全通过该位置的车速或纵向加速度，则增加轮边驱动力使车速或纵向加速度>安全通过该位置车速或纵向加速度；如车速或纵向加速度超出安全通过该位置的车速或纵向加速度，则首先判断驾驶员实际加速踏板开度是否超过安全通过该位置加速踏板开度范围，如超过则降低轮边驱动力使车速或纵向加速度<安全通过该位置车速或纵向加速度，否则控制制动系统工作，通过制动力使车速或纵向加速度<安全通过该位置车速或纵向加速度。[0111]如图2所示，一种基于大数据分析的行驶安全监测方法，包括以下步骤：[0112](1)、采集多个车辆实时的驾驶信息；[0113](2)、分析其中的车辆识别码、地域位置信息、车辆状态信息、以及在此地域位置、环境中的驾驶员操作特征参数；[0114](3)、根据车辆识别码、地域位置信息查找相关周边环境状态的环境信息；[0115](4)、根据实时的车辆状态信息、驾驶员操作特征参数、环境信息时，将车辆的地域位置信息与发生交通安全事故的地域位置信息进行对比，当车辆实时的地域位置接近发生交通安全事故的地域位置时，将实时的车辆状态信息、驾驶员操作特征参数、环境信息与已存储的发生交通安全事故的车辆状态信息、驾驶员操作特征参数、环境信息的特征参数进行对比，如特性接近则将相应的交通安全事故数据，则将发生事故的车辆状态信息、发生事故的车驾驶员操作参数通过数据通讯网络传递给车辆控制系统，车辆控制系统提示驾驶员注意；[0116](5)、将同一地域、同一环境中历史的安全通过的车辆相关数据的车辆状态信息、驾驶员操作特征参数，用于监控车辆相实时的车辆状态信息、驾驶员操作特征参数，如车辆实时的驾驶员操作特性参数或车辆状态信息超出可安全通过的驾驶员操作特征参数建议值或车辆状态信息建议值时，将出现可能导致的交通安全事故的车辆状态信息变化进行纠正。[0117]本发明根据车联网大数据分析，车辆进入交通事故多发地带时，服务器将相应的安全事故类型、事故多发提示提供给车辆控制系统，车辆控制器提示驾驶员注意。同时，服务器将可以有效避免安全事故的驾驶员操作参数、车辆状态参数提供给车辆控制系统，车辆控制器根据多发事故类型、车辆特征参数、驾驶员操作特征参数监控车辆相应的状态参数，出现可能导致事故的参数变化时进行纠正。[0118]本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
