一种预警方法、装置、移动终端及可读存储介质与流程

1.本发明涉及安全驾驶智能预警技术领域，特别是指一种预警方法、装置、移动终端及可读存储介质。


背景技术：

2.随着汽车的大量普及，汽车的驾驶安全一直是较为重要的关注点。其中，驾驶员的疲劳驾驶和情绪化驾驶是导致交通安全事故的常见原因。
3.目前的驾驶员状态检测和预警方法，主要基于车联网终端采集车辆的实时轨迹、通过摄像头采集驾驶员的面部图像信息、通过可穿戴设备等检测驾驶员的生理状态信息。
4.然而，现有技术中的方法和系统存在以下几方面的明显不足：
5.由于一辆车可能存在多个驾驶员，车辆的驾驶数据并不能反映当前驾驶员的真实状态，而现有技术忽视了车辆与真实驾驶员之间的匹配；
6.驾驶员的生理特征在不同时段具有波动特性，不同驾驶环境因素对驾驶行为具有干扰作用，而现有技术单纯根据驾驶员的生理特征或驾驶行为建立阈值特征，忽略了时间和环境因素的影响；
7.现有技术中实时预警计算和通知传输的时延较大，预警实时性不能满足需求。
8.目前的驾驶员状态检测和预警方法，主要基于车联网终端采集车辆的实时轨迹、摄像头采集的面部图像信息、通过可穿戴设备等检测的生理状态信息；但是，当前的方法和系统存在几方面明显的不足：一是，这些方法和系统忽视了车辆的真实驾驶员匹配，有可能一辆车存在多个驾驶员驾驶，那么车辆的驾驶数据并不能反映驾驶员的真实状态，而应该从驾驶员的纬度来建立数据库关系；二是，驾驶员不同时段的生理特征波动特性，不同驾驶环境因素对驾驶行为的干扰因素，当前的方法和系统仅仅单纯地根据驾驶员的生理特征或驾驶行为建立阈值特征，脱离了对比时间和环境因素；三是，实时预警计算和通知传输时延大，预警实时性不够。
9.综上，现有驾驶预警方法，缺少真实的驾驶数据与驾驶员状态数据，导致预警不准确，对车辆驾驶造成了一定安全隐患。


技术实现要素：

10.本发明的目的是提供一种预警方法、装置、移动终端及可读存储介质，解决了现有技术中难以采集到真实的驾驶数据与驾驶员状态数据，导致车辆驾驶存在安全隐患的问题。
11.为达到上述目的，本发明的实施例提供一种预警方法，应用于边缘服务器，包括：
12.接收车载终端发送的目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
13.根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息；其中，所述驾驶模型是根据所述驾驶员的历
史融合感知信息建立的。
14.可选地，所述融合感知信息包括以下至少一项：
15.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆控制器局域网络(controller area network，简称can)信息中的至少一项；
16.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
17.驾驶员的人脸图像信息；
18.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
19.可选地，所述融合感知信息包括驾驶员的人脸图像信息；
20.在根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息之前，所述预警方法还包括：
21.根据所述人脸图像信息，获取所述驾驶员的身份标识信息；
22.获取与所述驾驶员的身份标识信息对应的驾驶模型。
23.可选地，所述根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息，包括：
24.用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，获取与所述融合感知信息对应的驾驶状态；其中，所述驾驶状态包括高风险状态、低风险状态和安全状态中的至少一种；
25.在所述驾驶状态为高风险状态或低风险状态的情况下，向所述车载终端和/或路侧设备发送预警信息。
26.可选地，在所述接收车载终端发送的目标车辆的融合感知信息之后，所述预警方法还包括：
27.向中心云服务器发送所述融合感知信息；
28.接收所述中心云服务器根据所述融合感知信息更新的驾驶模型。
29.为达到上述目的，本发明的实施例提供一种预警方法，应用于中心云服务器，包括：
30.获取目标车辆的历史融合感知信息；其中，所述历史融合感知信息是与车辆和/或驾驶员相关的信息；
31.根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
32.向边缘服务器发送所述驾驶模型；其中，所述驾驶模型用于所述边缘服务器预测所述驾驶员的驾驶状态。
33.可选地，所述根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型，包括：
34.根据所述历史融合感知信息，获得所述目标车辆对应的特征信息；
35.根据所述特征信息，建立当前驾驶所述目标车辆的驾驶员的融合感知信息数据库；
36.根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
37.其中，所述融合感知信息数据库包括驾驶员的身份标识信息、人脸图像信息、驾驶时段特征信息、天气特征信息、道路路况特征信息、驾驶情绪特征信息和驾驶员生理特征信息中的至少一项。
38.可选地，所述历史融合感知信息包括以下至少一项：
39.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
40.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
41.驾驶员的人脸图像信息；
42.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
43.可选地，所述道路信息包括道路类型和/或道路分级；
44.其中，所述道路类型包括国道、省道、县道、乡道和专用公路中的至少一项；
45.所述道路分级包括高速公路、一级公路、二级公路、三级公路和四级公路中的至少一项。
46.可选地，在所述历史融合感知信息包括车辆行驶信息的情况下，所述根据所述历史融合感知信息，获得所述目标车辆对应的特征信息，包括：
47.根据所述车辆行驶信息的采集时间段，确定与所述采集时间段对应的驾驶时段特征信息。
48.可选地，在所述历史融合感知信息包括道路环境信息的情况下，所述根据所述历史融合感知信息，获得所述目标车辆对应的特征信息，包括：
49.根据所述道路环境信息的采集时间段，确定与所述采集时间段对应的道路环境特征信息；
50.其中，所述道路环境特征信息包括天气特征信息和/或道路路况特征信息；
51.所述天气特征信息包括雪天、雨天、晴天和雾天中的至少一项；
52.所述道路路况特征信息包括良好、普通和较差中的至少一项。
53.可选地，在所述历史融合感知信息包括人脸图像信息的情况下，所述根据所述历史融合感知信息，获得所述目标车辆对应的特征信息，包括：
54.根据所述人脸图像信息，得到所述人脸图像信息对应的驾驶情绪特征信息；
55.其中，所述驾驶情绪特征信息包括良好、一般和较差中的至少一项。
56.可选地，在所述历史融合感知信息包括生理状态信息的情况下，所述根据所述历史融合感知信息，获得所述目标车辆对应的特征信息，包括：
57.根据所述生理状态信息的采集时间段，确定与所述采集时间段对应的驾驶员生理特征信息；
58.其中，驾驶员生理特征信息包括良好、一般和较差中的至少一种。
59.可选地，所述根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型，包括：
60.根据所述融合感知信息数据库中的特征信息，建立初始驾驶模型，并利用贝叶斯优化算法调整所述初始驾驶模型的参数；
61.利用所述特征信息对所述初始驾驶模型进行训练，得到所述驾驶模型。
62.可选地，所述预警方法还包括：
63.接收所述边缘服务器发送的融合感知信息；
64.根据所述融合感知信息，更新所述驾驶模型。
65.为达到上述目的，本发明的实施例提供一种预警方法，应用于车载终端，包括：
66.获取所述车载终端所在目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
67.向边缘服务器发送所述融合感知信息；其中，所述融合感知信息用于中心云服务器建立驾驶模型，所述驾驶模型用于预测驾驶员的驾驶状态；
68.接收所述边缘服务器根据所述驾驶模型发送的预警信息；
69.根据所述预警信息，对所述目标车辆的驾驶员进行驾驶安全提示。
70.可选地，所述获取所述车载终端所在目标车辆的融合感知信息，包括以下至少一项：
71.采集所述目标车辆的车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
72.接收路侧设备发送的所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
73.通过所述目标车辆的摄像头，获取所述驾驶员的人脸图像信息；
74.通过所述驾驶员佩戴的可穿戴设备，获取所述驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
75.为达到上述目的，本发明的实施例提供一种边缘服务器，包括处理器和收发器，其中，
76.所述收发机用于接收车载终端发送的目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
77.所述处理器用于根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息；其中，所述驾驶模型是根据所述驾驶员的历史融合感知信息建立的。
78.可选地，所述融合感知信息包括以下至少一项：
79.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
80.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
81.驾驶员的人脸图像信息；
82.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
83.可选地，所述融合感知信息包括驾驶员的人脸图像信息；
84.在根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息之前，所述处理器还用于：
85.根据所述人脸图像信息，获取所述驾驶员的身份标识信息；
86.获取与所述驾驶员的身份标识信息对应的驾驶模型。
87.可选地，所述处理器在根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息时，还具体用于：
88.用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，获取与所述融合感知信息对应的驾驶状态；其中，所述驾驶状态包括高风险状态、低风险状态和安全状态中的至少一种；
89.在所述驾驶状态为高风险状态或低风险状态的情况下，向所述车载终端和/或路侧设备发送预警信息。
90.可选地，所述收发机还用于：
91.向中心云服务器发送所述融合感知信息；
92.接收所述中心云服务器根据所述融合感知信息更新的驾驶模型。
93.为达到上述目的，本发明的实施例提供一种中心云服务器，包括处理器和收发器，其中，
94.所述处理器用于获取目标车辆的历史融合感知信息；其中，所述历史融合感知信息是与车辆和/或驾驶员相关的信息；
95.所述处理器还用于根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
96.所述收发机用于向边缘服务器发送所述驾驶模型；其中，所述驾驶模型用于所述边缘服务器预测所述驾驶员的驾驶状态。
97.可选地，所述处理器在用于根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型时，具体用于：
98.根据所述历史融合感知信息，获得所述目标车辆对应的特征信息；
99.根据所述特征信息，建立当前驾驶所述目标车辆的驾驶员的融合感知信息数据库；
100.根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
101.其中，所述融合感知信息数据库包括驾驶员的身份标识信息、人脸图像信息、驾驶时段特征信息、天气特征信息、道路路况特征信息、驾驶情绪特征信息和驾驶员生理特征信息中的至少一项。
102.可选地，所述历史融合感知信息包括以下至少一项：
103.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
104.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
105.驾驶员的人脸图像信息；
106.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧
含量信息中的至少一项。
107.可选地，所述道路信息包括道路类型和/或道路分级；
108.其中，所述道路类型包括国道、省道、县道、乡道和专用公路中的至少一项；
109.所述道路分级包括高速公路、一级公路、二级公路、三级公路和四级公路中的至少一项。
110.可选地，在所述历史融合感知信息包括车辆行驶信息的情况下，所述处理器在用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息时，具体用于：
111.根据所述车辆行驶信息的采集时间段，确定与所述采集时间段对应的驾驶时段特征信息。
112.可选地，在所述历史融合感知信息包括道路环境信息的情况下，所述处理器在用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息时，具体用于：
113.根据所述道路环境信息的采集时间段，确定与所述采集时间段对应的道路环境特征信息；
114.其中，所述道路环境特征信息包括天气特征信息和/或道路路况特征信息；
115.所述天气特征信息包括雪天、雨天、晴天和雾天中的至少一项；
116.所述道路路况特征信息包括良好、普通和较差中的至少一项。
117.可选地，在所述历史融合感知信息包括人脸图像信息的情况下，所述处理器在用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息时，具体用于：
118.根据所述人脸图像信息，得到所述人脸图像信息对应的驾驶情绪特征信息；
119.其中，所述驾驶情绪特征信息包括良好、一般和较差中的至少一项。
120.可选地，在所述历史融合感知信息包括生理状态信息的情况下，所述处理器在用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息时，具体用于：
121.根据所述生理状态信息的采集时间段，确定与所述采集时间段对应的驾驶员生理特征信息；
122.其中，驾驶员生理特征信息包括良好、一般和较差中的至少一种。
123.可选地，所述处理器在用于根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型时，具体用于：
124.根据所述融合感知信息数据库中的特征信息，建立初始驾驶模型，并利用贝叶斯优化算法调整所述初始驾驶模型的参数；
125.利用所述特征信息对所述初始驾驶模型进行训练，得到所述驾驶模型。
126.可选地，所述收发机还用于接收所述边缘服务器发送的融合感知信息；
127.所述处理器还用于根据所述融合感知信息，更新所述驾驶模型。
128.为达到上述目的，本发明的实施例提供一种车载终端，包括处理器和收发器，其中，
129.所述处理器用于获取所述车载终端所在目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
130.所述收发机用于向边缘服务器发送所述融合感知信息；其中，所述融合感知信息用于中心云服务器建立驾驶模型，所述驾驶模型用于预测驾驶员的驾驶状态；
131.所述收发机还用于接收所述边缘服务器根据所述驾驶模型发送的预警信息；
132.所述处理器还用于根据所述预警信息，对所述目标车辆的驾驶员进行驾驶安全提示。
133.可选地，所述处理器在获取所述车载终端所在目标车辆的融合感知信息时，具体用于：
134.采集所述目标车辆的车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
135.接收路侧设备发送的所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
136.通过所述目标车辆的摄像头，获取所述驾驶员的人脸图像信息；
137.通过所述驾驶员佩戴的可穿戴设备，获取所述驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
138.为达到上述目的，本发明的实施例提供一种预警装置，应用于边缘服务器，包括：
139.第一接收模块，用于接收车载终端发送的目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
140.第一处理模块，用于根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息；其中，所述驾驶模型是根据所述驾驶员的历史融合感知信息建立的。
141.可选地，所述融合感知信息包括以下至少一项：
142.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
143.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
144.驾驶员的人脸图像信息；
145.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
146.可选地，所述融合感知信息包括驾驶员的人脸图像信息；所述预警装置还包括：
147.第四处理模块，用于根据所述人脸图像信息，获取所述驾驶员的身份标识信息；
148.模型获取模块，用于获取与所述驾驶员的身份标识信息对应的驾驶模型。
149.可选地，所述第一处理模块包括：
150.第一处理单元，用于用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，获取与所述融合感知信息对应的驾驶状态；其中，所述驾驶状态包括高风险状态、低风险状态和安全状态中的至少一种；
151.第二处理单元，用于在所述驾驶状态为高风险状态或低风险状态的情况下，向所述车载终端和/或路侧设备发送预警信息。
152.可选地，所述预警装置还包括：
153.第三发送模块，用于向中心云服务器发送所述融合感知信息；
154.第三接收模块，用于接收所述中心云服务器根据所述融合感知信息更新的驾驶模型。
155.为达到上述目的，本发明的实施例提供一种预警装置，应用于中心云服务器，包括：
156.第一获取模块，用于获取目标车辆的历史融合感知信息；其中，所述历史融合感知信息是与车辆和/或驾驶员相关的信息；
157.第二处理模块，用于根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
158.第一发送模块，用于向边缘服务器发送所述驾驶模型；其中，所述驾驶模型用于所述边缘服务器预测所述驾驶员的驾驶状态。
159.可选地，所述第二处理模块包括：
160.第三处理单元，用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息；
161.第四处理单元，用于根据所述特征信息，建立当前驾驶所述目标车辆的驾驶员的融合感知信息数据库；
162.第五处理单元，用于根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
163.其中，所述融合感知信息数据库包括驾驶员的身份标识信息、人脸图像信息、驾驶时段特征信息、天气特征信息、道路路况特征信息、驾驶情绪特征信息和驾驶员生理特征信息中的至少一项。
164.可选地，所述历史融合感知信息包括以下至少一项：
165.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
166.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
167.驾驶员的人脸图像信息；
168.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
169.可选地，所述道路信息包括道路类型和/或道路分级；
170.其中，所述道路类型包括国道、省道、县道、乡道和专用公路中的至少一项；
171.所述道路分级包括高速公路、一级公路、二级公路、三级公路和四级公路中的至少一项。
172.可选地，所述第三处理单元包括：
173.第一处理子单元，用于根据所述车辆行驶信息的采集时间段，确定与所述采集时间段对应的驾驶时段特征信息。
174.可选地，所述第三处理单元包括：
175.第二处理子单元，用于根据所述道路环境信息的采集时间段，确定与所述采集时间段对应的道路环境特征信息；
176.其中，所述道路环境特征信息包括天气特征信息和/或道路路况特征信息；
177.所述天气特征信息包括雪天、雨天、晴天和雾天中的至少一项；
178.所述道路路况特征信息包括良好、普通和较差中的至少一项。
179.可选地，所述第三处理单元包括：
180.第三处理子单元，用于根据所述人脸图像信息，得到所述人脸图像信息对应的驾驶情绪特征信息；
181.其中，所述驾驶情绪特征信息包括良好、一般和较差中的至少一项。
182.可选地，所述第三处理单元包括：
183.第四处理子单元，用于根据所述生理状态信息的采集时间段，确定与所述采集时间段对应的驾驶员生理特征信息；
184.其中，驾驶员生理特征信息包括良好、一般和较差中的至少一种。
185.可选地，所述第五处理单元包括：
186.第五处理子单元，用于根据所述融合感知信息数据库中的特征信息，建立初始驾驶模型，并利用贝叶斯优化算法调整所述初始驾驶模型的参数；
187.第六处理子单元，用于利用所述特征信息对所述初始驾驶模型进行训练，得到所述驾驶模型。
188.可选地，所述预警装置还包括：
189.第四接收模块，用于接收所述边缘服务器发送的融合感知信息；
190.模型更新模块，用于根据所述融合感知信息，更新所述驾驶模型。
191.为达到上述目的，本发明的实施例提供一种预警装置，应用于中心云服务器，包括：
192.第一获取模块，用于获取目标车辆的历史融合感知信息；其中，所述历史融合感知信息是与车辆和/或驾驶员相关的信息；
193.第二处理模块，用于根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
194.第一发送模块，用于向边缘服务器发送所述驾驶模型；其中，所述驾驶模型用于所述边缘服务器预测所述驾驶员的驾驶状态。
195.可选地，所述第一获取模块包括以下至少一项：
196.第一获取单元，用于采集所述目标车辆的车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
197.第二获取单元，用于接收路侧设备发送的所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
198.第三获取单元，用于通过所述目标车辆的摄像头，获取所述驾驶员的人脸图像信息；
199.第四获取单元，用于通过所述驾驶员佩戴的可穿戴设备，获取所述驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
200.为达到上述目的，本发明的实施例提供一种边缘服务器，包括收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；所述处理器执行所程序或指令时实现如上所述的预警方法。
201.为达到上述目的，本发明的实施例提供一种中心云服务器，包括收发器、处理器、
存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；所述处理器执行所程序或指令时实现如上所述的预警方法。
202.为达到上述目的，本发明的实施例提供一种车载终端，包括收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；所述处理器执行所程序或指令时实现如上所述的预警方法。
203.为达到上述目的，本发明的实施例提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的预警方法中的步骤。
204.本发明的上述技术方案的有益效果如下：
205.本发明实施例的方法，边缘服务器在接收到融合感知信息后，可以利用驾驶员对应的驾驶模型对该驾驶员的驾驶状态进行实时计算和预警，从而能够在预测到驾驶员存在驾驶风险时，及时发送预警信息，以提示驾驶员，避免发生交通危险；由于该驾驶模型针对该驾驶员建立的，因此该驾驶模型能够更加客观准确地反映出该驾驶员的真实状态，从而有效避免了不同驾驶员驾驶同一车辆导致的驾驶员数据不准确性的问题。
附图说明
206.图1为本发明实施例的预警方法的流程图；
207.图2为本发明实施例的系统交互图；
208.图3为本发明另一实施例的预警方法的流程图；
209.图4为本发明又一实施例的预警方法的流程图；
210.图5为本发明实施例的边缘服务器的结构图；
211.图6为本发明实施例的车载终端的结构图；
212.图7为本发明实施例的预警装置的结构图；
213.图8为本发明另一实施例的预警装置的结构图；
214.图9为本发明又一实施例的预警装置的结构图；
215.图10为本发明另一实施例的边缘服务器的结构图；
216.图11为本发明另一实施例的车载终端的结构图。
具体实施方式
217.为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
218.应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
219.在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
220.另外，本文中术语“系统”和“网络”在本文中常可互换使用。
221.在本技术所提供的实施例中，应理解，“与a相应的b”表示b与a相关联，根据a可以
确定b。但还应理解，根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其它信息确定b。
222.如图1所示，本发明实施例的一种预警方法，应用于边缘服务器，包括：
223.步骤101，接收车载终端发送的目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
224.步骤102，根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息；其中，所述驾驶模型是根据所述驾驶员的历史融合感知信息建立的。
225.该实施例中，边缘服务器(即边缘服务器节点)在接收到融合感知信息后，可以利用驾驶员对应的驾驶模型对驾驶状态(即驾驶员安全驾驶状态)进行实时计算和预警，从而能够在预测到驾驶员存在驾驶风险时，及时发送预警信息，以提示驾驶员，避免发生交通危险。
226.可选地，所述融合感知信息包括以下至少一项：
227.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
228.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
229.驾驶员的人脸图像信息；
230.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
231.可选地，所述融合感知信息包括驾驶员的人脸图像信息；
232.在根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息之前，所述预警方法还包括：
233.根据所述人脸图像信息，获取所述驾驶员的身份标识信息；
234.获取与所述驾驶员的身份标识信息对应的驾驶模型。
235.该实施例中，由于边缘服务器能够通过驾驶员的人脸图像信息，识别出驾驶员身份(即能够得到该驾驶员的身份标识信息)和驾驶员的脸部疲劳状态。这样，通过驾驶员的人脸图像来识别出数据(即融合感知信息)的属主，能够有效避免多人驾驶同一车辆导致的驾驶员数据不准确性的问题。
236.具体的，边缘服务器可以根据实时采集的驾驶员的人脸图像信息识别出驾驶员身份信息(即能够得到该驾驶员的身份标识信息)，从而检索出驾驶员对应的驾驶模型，并将实时的融合感知信息(即驾驶员融合感知实时数据)作为驾驶模型(即驾驶员驾驶安全状态学习模型)的输入信息，实时预测出驾驶状态。
237.可选地，所述根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息，包括：
238.用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，获取与所述融合感知信息对应的驾驶状态；其中，所述驾驶状态包括高风险状态、低风险状态和安全状态中的至少一种。
239.在所述驾驶状态为高风险状态或低风险状态的情况下，向所述车载终端和/或路
侧设备发送预警信息。
240.该步骤中，当预测结果表示存在驾驶安全风险(即述驾驶状态为高风险状态或低风险状态)时，边缘服务器可以实时向驾驶员驾驶车辆的5g车载终端下发预警信息(即驾驶安全预警消息)，通知驾驶员；还可以时通过路侧设备，即路侧单元(road side unit，rsu)，向附近车辆发送安全预警消息。
241.可选地，在所述接收车载终端发送的目标车辆的融合感知信息之后，所述预警方法还包括：向中心云服务器发送所述融合感知信息；接收所述中心云服务器根据所述融合感知信息更新的驾驶模型。
242.该实施例中，如图2所示，边缘服务器在接收到融合感知信息后，可以将该融合感知信息上报(即发送)到中心云服务器，也就是说，边缘服务器能够将融合感知信息实时同步给中心云服务器。由于中心云服务器(即中心云服务器节点)会基于边缘服务器上报的融合感知信息，对驾驶模型进行更新，边缘服务器通过接收更新后的驾驶模型，能够保证驾驶模型更加准确。
243.本发明实施例的方法，通过接收车载终端发送的融合感知信息(即驾驶员驾驶场景融合感知原始数据)，能够将融合感知信息同步给中心云服务器，进而根据融合感知信息建立驾驶模型，这种驾驶模型能够更加客观准确的反映出驾驶员的真实状态，因此边缘云能够根据该驾驶模型对驾驶员的驾驶状态进行准确地预测，避免了不同驾驶员驾驶同一车辆导致的驾驶员数据不准确性的问题；通过5g网络和边缘计算，能够满足驾驶环境下的预警计算和通知低时延要求。
244.如图3所示，本发明实施例的一种预警方法，应用于中心云服务器，包括：
245.步骤301，获取目标车辆的历史融合感知信息；其中，所述历史融合感知信息是与车辆和/或驾驶员相关的信息；
246.步骤302，根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
247.步骤303，向边缘服务器发送所述驾驶模型；其中，所述驾驶模型用于所述边缘服务器预测所述驾驶员的驾驶状态。
248.该实施例中，中心云服务器能够根据历史获取到的融合感知信息(也即历史融合感知信息)，来确定驾驶模型。基于驾驶员的历史融合感知信息，建立初始驾驶模型(即驾驶状态深度学习模型)和安全预警处理算法，能够更加客观准确的反映出驾驶员的真实状态；并将最新的驾驶模型和安全预警处理算法下发到各边缘服务器。
249.可选地，所述根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型，包括：
250.步骤一：根据所述历史融合感知信息，获得所述目标车辆对应的特征信息。
251.该步骤中，中心云服务器能够对原始融合感知数据(也即历史融合感知信息)进行计算处理，提取出新特征(即特征信息)。
252.步骤二：根据所述特征信息，建立当前驾驶所述目标车辆的驾驶员的融合感知信息数据库；
253.其中，所述融合感知信息数据库包括驾驶员的身份标识信息、人脸图像信息、驾驶时段特征信息、天气特征信息、道路路况特征信息、驾驶情绪特征信息和驾驶员生理特征信
息中的至少一项。
254.该步骤中，中心云服务器可以对原始数据(即历史融合感知信息)进行特征处理后得到特征信息，并对该特征信息进行存储，从而为驾驶员建立融合感知行驶数据库(即融合感知信息数据库)。
255.其中，该融合感知信息数据库可以包括驾驶员的身份标识信息(即驾驶员唯一身份标识信息)、人脸图像信息、驾驶时段特征数据(即驾驶时段特征信息)、驾驶道路天气(即天气特征信息)、道路路况特征信息、驾驶情绪特征信息和驾驶员生理特征数据(即驾驶员生理特征信息)，该融合感知信息数据库还可以包括历史融合感知信息，例如驾驶行为数据(即车辆行驶信息)、行驶道路信息(即道路环境信息)等。
256.步骤三：根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型。
257.可选地，所述历史融合感知信息包括以下至少一项：
258.(一)车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
259.(二)所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
260.(三)驾驶员的人脸图像信息；
261.(四)驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
262.可选地，所述道路信息包括道路类型和/或道路分级；
263.其中，所述道路类型包括国道、省道、县道、乡道和专用公路中的至少一项；
264.所述道路分级包括高速公路、一级公路、二级公路、三级公路和四级公路中的至少一项。
265.可选地，在所述历史融合感知信息包括车辆行驶信息的情况下，所述根据所述历史融合感知信息，获得所述目标车辆对应的特征信息，包括：
266.根据所述车辆行驶信息的采集时间段，确定与所述采集时间段对应的驾驶时段特征信息。
267.该实施例中，边缘服务器可以对车载终端采集的车辆行驶信息，按照gps点的采集时间顺序(也即按照车辆行驶信息的采集时间顺序)，进行驾驶行程分段，按分段存储驾驶时段(即采集时间段)和对应的车辆行驶信息，从而确定与所述采集时间段对应的驾驶时段特征信息。
268.例如，可以根据车辆行驶信息，按采集时间段对驾驶员的驾驶状态评分，得到与所述采集时间段对应的驾驶时段特征信息。比如，采集时间段分别为上午9到10点、10到11点、11到12点，各采集时间段对应的驾驶时段特征信息可以分别为90分、85分、50分。可以理解的是，该驶时段特征信息也可以采取其他形式，不限于该举例中的评分形式。
269.可选地，在所述历史融合感知信息包括道路环境信息的情况下，所述根据所述历史融合感知信息，获得所述目标车辆对应的特征信息，包括：
270.根据所述道路环境信息的采集时间段，确定与所述采集时间段对应的道路环境特征信息；
271.其中，所述道路环境特征信息包括天气特征信息和/或道路路况特征信息；
272.所述天气特征信息包括雪天、雨天、晴天和雾天中的至少一项；
273.所述道路路况特征信息包括良好、普通和较差中的至少一项。
274.该实施例中，可以按驾驶行程分段添加(即根据道路环境信息的采集时间段)道路环境特征信息。具体的，通过道路类型和道路分级可以评估得到道路路况特征数据(即道路路况特征信息)。
275.作为本发明一可选实施例，天气特征信息包括下雪(即雪天)、下雨(即雨天)、晴天、有雾(即雾天)。其中，天气特征信息为雨天时，还可以具体包括小雨、大雨、中雨，天气特征信息为雾天时，还可以具体包括强浓雾、浓雾、大雾、雾、轻雾。
276.可选地，在所述历史融合感知信息包括人脸图像信息的情况下，所述根据所述历史融合感知信息，获得所述目标车辆对应的特征信息，包括：
277.根据所述人脸图像信息，得到所述人脸图像信息对应的驾驶情绪特征信息；
278.其中，所述驾驶情绪特征信息包括良好、一般和较差中的至少一项。
279.该实施例中，边缘服务器可以处理人脸图像信息，从人脸图像信息中识别出驾驶员身份信息，该人脸图像信息可用作该驾驶员的头像数据，并补充完善到驾驶员档案中；还可以从人脸图像信息中分析出驾驶员的疲劳和情绪状态，并按照驾驶行程分段，进行驾驶情绪特征信息评估。
280.可选地，在所述历史融合感知信息包括生理状态信息的情况下，所述根据所述历史融合感知信息，获得所述目标车辆对应的特征信息，包括：
281.根据所述生理状态信息的采集时间段，确定与所述采集时间段对应的驾驶员生理特征信息；
282.其中，驾驶员生理特征信息包括良好、一般和较差中的至少一种。
283.该实施例中，中心云服务器可以对生理状态特征数据(即生理状态信息)进行特征提取，得到驾驶员生理特征信息。例如，按照驾驶员的生理状态波动规律，建立驾驶员正常生理状态时间段的规律特征数据，例如，该规律特征数据可以包括良好时段、一般时段、较差时段；然后，根据生理状态信息的采集时间段，以及该规律特征数据，可以在驾驶行程分段(即采集时间段)中，评估驾驶员的生理状态信息，确定与所述采集时间段对应的驾驶员生理特征信息。
284.当然，也可以根据所述生理状态信息的采集时间段，以及各采集时间段对应的生理状态信息，来评估驾驶员的生理状态情况，从而确定与所述采集时间段对应的驾驶员生理特征信息。
285.可选地，所述根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型，包括：
286.根据所述融合感知信息数据库中的特征信息，建立初始驾驶模型，并利用贝叶斯优化算法调整所述初始驾驶模型的参数。
287.利用所述特征信息对所述初始驾驶模型进行训练，得到所述驾驶模型。
288.该实施例中，该步骤中，基于特征信息，可以建立驾驶员的初始驾驶模型(即安全驾驶状态lightgbm深度学习模型)；初始驾驶模型通过驾驶员的历史驾驶大数据(即历史融合感知信息和特征信息)学习到驾驶员的道路路况特征信息(road)、天气特征信息
(weather)、驾驶时段特征信息(time)、驾驶员生理特征信息(physiology)、驾驶情绪特征信息(score)与驾驶状态(safe-status)的深度学习模型，其中，safe-status＝f(road,weather,time,physiology,score)。
289.可选地，所述预警方法还包括：
290.接收所述边缘服务器发送的融合感知信息；
291.根据所述融合感知信息，更新所述驾驶模型。
292.本发明实施例的方法，中心云服务器能够接收和处理历史融合感知信息(即驾驶员驾驶融合感知原始数据)，从历史融合感知信息中提取特征信息，并建立驾驶员的融合感知信息数据库(即驾驶场景融合感知数据库)，建立初始驾驶模型及安全预警处理算法，并训练初始驾驶模型，得到驾驶模型；并能够根据边缘服务器发送的融合感知信息更新驾驶模型，以及将最新的驾驶模型和安全预警处理算法下发到各边缘服务器，从而保证了驾驶模型的准确性。
293.如图4所示，本发明实施例的一种预警方法，应用于车载终端，包括：
294.步骤401，获取所述车载终端所在目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
295.步骤402，向边缘服务器发送所述融合感知信息；其中，所述融合感知信息用于中心云服务器建立驾驶模型，所述驾驶模型用于预测驾驶员的驾驶状态。
296.该步骤中，车载终端(例如车载5g车载终端)可以将获取到的融合感知信息实时上报到边缘服务器，以便边缘服务器能够根据该融合感知信息预测驾驶员的驾驶状态。
297.步骤403，接收所述边缘服务器根据所述驾驶模型发送的预警信息；
298.步骤404，根据所述预警信息，对所述目标车辆的驾驶员进行驾驶安全提示。
299.该实施例中，可以获取与车辆和/或驾驶员相关的融合感知信息，并发送给边缘服务器，使得边缘服务器能够根据该融合感知信息预测驾驶员的驾驶状态，从而根据边缘服务器发送的预警信息，对所述目标车辆的驾驶员进行驾驶安全提示，避免意外的发生。
300.可选地，所述获取所述车载终端所在目标车辆的融合感知信息，包括以下至少一项：
301.(一)采集所述目标车辆的车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项。
302.例如，通过车载终端(即车载的车联网终端，例如具备5g联网功能的车载定位终端或车载单元(on board unit，obu))可以实时采集车辆行驶信息(即车辆行驶数据)，例如车辆位置或车况数据(比如车辆速度信息、平均速度信息、转速信息等)，并将该车辆行驶信息实时上报给云端(即边缘服务器)。
303.(二)接收路侧设备rsu发送的所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息。
304.该实施例中，由于rsu能够实时采集车辆行驶路段的天气信息及道路信息，且rsu可以将天气信息及道路信息实时广播给附近车辆，车载终端能够从路侧单元获取行驶路段天气(即天气信息)和道路相关数据(即道路信息)，在车载终端接收到道路环境信息后，可以将道路环境信息发送给边缘服务器，例如，车载终端可以通过车辆状态报文实时上报该
道路环境信息到边缘服务器。
305.(三)通过所述目标车辆的摄像头，获取所述驾驶员的人脸图像信息。
306.例如，通过车内摄像头(例如车载内置摄像头)采集驾驶员的人脸图像信息，并实时同步给车载终端，通过车载终端上报到边缘服务器，使得边缘服务器能够通过驾驶员的人脸图像信息，识别出驾驶员身份和驾驶员的脸部疲劳状态。
307.(四)通过所述驾驶员佩戴的可穿戴设备，获取所述驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
308.这里，通过驾驶员穿戴的可穿戴设备(例如可穿戴体感设备)，可以实时采集驾驶员的生理状态信息(即生理状态数据，例如该生理状态数据可以包括心率、血压和血氧含量等)。具体的，可穿戴设备可以通过蓝牙/wifi等短距离无线通信网络实时地将生理状态数据同步到车载终端，再通过车载终端将该生理状态数据上报到边缘服务器。
309.通过该生理状态信息，可以获知驾驶员当前的生理状态，从而能够提供给边缘服务器，使其通过结合其他与车辆和/或驾驶员相关的信息(组成融合感知信息)来判断驾驶员的驾驶状态，以预测是否存在驾驶风险。
310.需要说明的是，在不同时间采集到的生理状态信息，可以形成历史生理状态信息，可以由边缘服务器同步给中心云服务器，从而使得中心云服务器能够利用历史生理状态信息构建该驾驶员对应的驾驶模型。
311.本发明实施例的方法，可以获取与车辆和/或驾驶员相关的融合感知信息，并发送给边缘服务器，使得边缘服务器能够根据该融合感知信息预测驾驶员的驾驶状态，从而根据边缘服务器发送的预警信息，对所述目标车辆的驾驶员进行驾驶安全提示，避免意外的发生。
312.本发明实施例的一种预警方法，应用于路侧设备rsu，包括：接收边缘服务器发送的预警信息；向预设范围内的车辆发送所述预警信息。
313.可选地，所述预警方法还包括：采集所述预设范围内道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；通过广播的方式，向所述预设范围内的车辆发送所述道路环境信息。
314.该实施例中，rsu能够实时采集车辆行驶路段的天气信息及道路信息，rsu可以将天气信息及道路信息实时广播给附近车辆。
315.可选地，所述道路信息包括道路类型和/或道路分级；其中，所述道路类型包括国道、省道、县道、乡道和专用公路中的至少一项；所述道路分级包括高速公路、一级公路、二级公路、三级公路和四级公路中的至少一项。
316.如图5所示，本发明实施例的一种边缘服务器500，包括处理器510和收发器520，其中，
317.所述处理器用于接收车载终端发送的目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
318.所述处理器510用于根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息；其中，所述驾驶模型是根据所述驾驶员的历史融合感知信息建立的。
319.可选地，所述融合感知信息包括以下至少一项：
320.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
321.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
322.驾驶员的人脸图像信息；
323.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
324.可选地，所述融合感知信息包括驾驶员的人脸图像信息；
325.在根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息之前，所述处理器510还用于：
326.根据所述人脸图像信息，获取所述驾驶员的身份标识信息；
327.获取与所述驾驶员的身份标识信息对应的驾驶模型。
328.可选地，所述处理器510在根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息时，还具体用于：
329.用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，获取与所述融合感知信息对应的驾驶状态；其中，所述驾驶状态包括高风险状态、低风险状态和安全状态中的至少一种；
330.在所述驾驶状态为高风险状态或低风险状态的情况下，向所述车载终端和/或路侧设备发送预警信息。
331.可选地，所述收发机520还用于：
332.向中心云服务器发送所述融合感知信息；
333.接收所述中心云服务器根据所述融合感知信息更新的驾驶模型。
334.该实施例的边缘服务器，通过接收车载终端发送的融合感知信息(即驾驶员驾驶场景融合感知原始数据)，能够将融合感知信息同步给中心云服务器，进而根据融合感知信息建立驾驶模型，这种驾驶模型能够更加客观准确的反映出驾驶员的真实状态，因此边缘云能够根据该驾驶模型对驾驶员的驾驶状态进行准确地预测，避免了不同驾驶员驾驶同一车辆导致的驾驶员数据不准确性的问题。
335.本发明实施例的一种中心云服务器500，其结构与如图5所示的边缘服务器结构相同，包括处理器510和收发器520，其中，
336.所述处理器510用于获取目标车辆的历史融合感知信息；其中，所述历史融合感知信息是与车辆和/或驾驶员相关的信息；
337.所述处理器510还用于根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
338.所述收发机520用于向边缘服务器发送所述驾驶模型；其中，所述驾驶模型用于所述边缘服务器预测所述驾驶员的驾驶状态。
339.可选地，所述处理器510在用于根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型时，具体用于：
340.根据所述历史融合感知信息，获得所述目标车辆对应的特征信息；
341.根据所述特征信息，建立当前驾驶所述目标车辆的驾驶员的融合感知信息数据
库；
342.根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
343.其中，所述融合感知信息数据库包括驾驶员的身份标识信息、人脸图像信息、驾驶时段特征信息、天气特征信息、道路路况特征信息、驾驶情绪特征信息和驾驶员生理特征信息中的至少一项。
344.可选地，所述历史融合感知信息包括以下至少一项：
345.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
346.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
347.驾驶员的人脸图像信息；
348.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
349.可选地，所述道路信息包括道路类型和/或道路分级；
350.其中，所述道路类型包括国道、省道、县道、乡道和专用公路中的至少一项；
351.所述道路分级包括高速公路、一级公路、二级公路、三级公路和四级公路中的至少一项。
352.可选地，在所述历史融合感知信息包括车辆行驶信息的情况下，所述处理器510在用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息时，具体用于：
353.根据所述车辆行驶信息的采集时间段，确定与所述采集时间段对应的驾驶时段特征信息。
354.可选地，在所述历史融合感知信息包括道路环境信息的情况下，所述处理器510在用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息时，具体用于：
355.根据所述道路环境信息的采集时间段，确定与所述采集时间段对应的道路环境特征信息；
356.其中，所述道路环境特征信息包括天气特征信息和/或道路路况特征信息；
357.所述天气特征信息包括雪天、雨天、晴天和雾天中的至少一项；
358.所述道路路况特征信息包括良好、普通和较差中的至少一项。
359.可选地，在所述历史融合感知信息包括人脸图像信息的情况下，所述处理器510在用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息时，具体用于：
360.根据所述人脸图像信息，得到所述人脸图像信息对应的驾驶情绪特征信息；
361.其中，所述驾驶情绪特征信息包括良好、一般和较差中的至少一项。
362.可选地，在所述历史融合感知信息包括生理状态信息的情况下，所述处理器510在用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息时，具体用于：
363.根据所述生理状态信息的采集时间段，确定与所述采集时间段对应的驾驶员生理特征信息；
364.其中，驾驶员生理特征信息包括良好、一般和较差中的至少一种。
365.可选地，所述处理器510在用于根据所述融合感知信息数据库，确定当前驾驶所述
目标车辆的驾驶员对应的驾驶模型时，具体用于：
366.根据所述融合感知信息数据库中的特征信息，建立初始驾驶模型，并利用贝叶斯优化算法调整所述初始驾驶模型的参数；
367.利用所述特征信息对所述初始驾驶模型进行训练，得到所述驾驶模型。
368.可选地，所述收发机520还用于接收所述边缘服务器发送的融合感知信息；
369.所述处理器510还用于根据所述融合感知信息，更新所述驾驶模型。
370.该实施例的中心云服务器，中心云服务器能够接收和处理历史融合感知信息，从历史融合感知信息中提取特征信息，并建立驾驶员的融合感知信息数据库，建立初始驾驶模型及安全预警处理算法，并训练初始驾驶模型，得到驾驶模型；并能够根据边缘服务器发送的融合感知信息更新驾驶模型，以及将最新的驾驶模型和安全预警处理算法下发到各边缘服务器，从而保证了驾驶模型的准确性。
371.如图6所示，本发明实施例的一种车载终端600，包括处理器610和收发器620，其中，
372.所述处理器610用于获取所述车载终端所在目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
373.所述收发机620用于向边缘服务器发送所述融合感知信息；其中，所述融合感知信息用于中心云服务器建立驾驶模型，所述驾驶模型用于预测驾驶员的驾驶状态；
374.所述收发机620还用于接收所述边缘服务器根据所述驾驶模型发送的预警信息；
375.所述处理器610还用于根据所述预警信息，对所述目标车辆的驾驶员进行驾驶安全提示。
376.可选地，所述处理器610在获取所述车载终端所在目标车辆的融合感知信息时，具体用于：
377.采集所述目标车辆的车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
378.接收路侧设备发送的所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
379.通过所述目标车辆的摄像头，获取所述驾驶员的人脸图像信息；
380.通过所述驾驶员佩戴的可穿戴设备，获取所述驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
381.该实施例的车载终端，可以获取与车辆和/或驾驶员相关的融合感知信息，并发送给边缘服务器，使得边缘服务器能够根据该融合感知信息预测驾驶员的驾驶状态，从而根据边缘服务器发送的预警信息，对所述目标车辆的驾驶员进行驾驶安全提示，避免意外的发生。
382.如图7所示，本发明的实施例提供一种预警装置，应用于边缘服务器，包括：
383.第一接收模块710，用于接收车载终端发送的目标车辆的融合感知信息；其中，所述融合感知信息是与车辆和/或驾驶员相关的信息；
384.第一处理模块720，用于根据所述融合感知信息，利用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，向所述车载终端和/或路侧设备发送预警信息；其中，所述驾驶模型
是根据所述驾驶员的历史融合感知信息建立的。
385.可选地，所述融合感知信息包括以下至少一项：
386.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
387.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
388.驾驶员的人脸图像信息；
389.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
390.可选地，所述融合感知信息包括驾驶员的人脸图像信息；
391.所述预警装置还包括：
392.第四处理模块，用于根据所述人脸图像信息，获取所述驾驶员的身份标识信息；
393.模型获取模块，用于获取与所述驾驶员的身份标识信息对应的驾驶模型。
394.可选地，所述第一处理模块720包括：
395.第一处理单元，用于用当前驾驶所述目标车辆的驾驶员对应的驾驶模型，获取与所述融合感知信息对应的驾驶状态；其中，所述驾驶状态包括高风险状态、低风险状态和安全状态中的至少一种；
396.第二处理单元，用于在所述驾驶状态为高风险状态或低风险状态的情况下，向所述车载终端和/或路侧设备发送预警信息。
397.可选地，所述预警装置还包括：
398.第三发送模块，用于向中心云服务器发送所述融合感知信息；
399.第三接收模块，用于接收所述中心云服务器根据所述融合感知信息更新的驾驶模型。
400.该实施例的预警装置，通过接收车载终端发送的融合感知信息(即驾驶员驾驶场景融合感知原始数据)，能够将融合感知信息同步给中心云服务器，进而根据融合感知信息建立驾驶模型，这种驾驶模型能够更加客观准确的反映出驾驶员的真实状态，因此边缘云能够根据该驾驶模型对驾驶员的驾驶状态进行准确地预测，避免了不同驾驶员驾驶同一车辆导致的驾驶员数据不准确性的问题。
401.如图8所示，本发明的实施例提供一种预警装置，应用于中心云服务器，包括：
402.第一获取模块810，用于获取目标车辆的历史融合感知信息；其中，所述历史融合感知信息是与车辆和/或驾驶员相关的信息；
403.第二处理模块820，用于根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
404.第一发送模块830，用于向边缘服务器发送所述驾驶模型；其中，所述驾驶模型用于所述边缘服务器预测所述驾驶员的驾驶状态。
405.可选地，所述第二处理模块820包括：
406.第三处理单元，用于根据所述历史融合感知信息，获得所述目标车辆对应的特征信息；
407.第四处理单元，用于根据所述特征信息，建立当前驾驶所述目标车辆的驾驶员的
融合感知信息数据库；
408.第五处理单元，用于根据所述融合感知信息数据库，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
409.其中，所述融合感知信息数据库包括驾驶员的身份标识信息、人脸图像信息、驾驶时段特征信息、天气特征信息、道路路况特征信息、驾驶情绪特征信息和驾驶员生理特征信息中的至少一项。
410.可选地，所述历史融合感知信息包括以下至少一项：
411.车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
412.所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
413.驾驶员的人脸图像信息；
414.驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
415.可选地，所述道路信息包括道路类型和/或道路分级；
416.其中，所述道路类型包括国道、省道、县道、乡道和专用公路中的至少一项；
417.所述道路分级包括高速公路、一级公路、二级公路、三级公路和四级公路中的至少一项。
418.可选地，所述第三处理单元包括：
419.第一处理子单元，用于根据所述车辆行驶信息的采集时间段，确定与所述采集时间段对应的驾驶时段特征信息。
420.可选地，所述第三处理单元包括：
421.第二处理子单元，用于根据所述道路环境信息的采集时间段，确定与所述采集时间段对应的道路环境特征信息；
422.其中，所述道路环境特征信息包括天气特征信息和/或道路路况特征信息；
423.所述天气特征信息包括雪天、雨天、晴天和雾天中的至少一项；
424.所述道路路况特征信息包括良好、普通和较差中的至少一项。
425.可选地，所述第三处理单元包括：
426.第三处理子单元，用于根据所述人脸图像信息，得到所述人脸图像信息对应的驾驶情绪特征信息；
427.其中，所述驾驶情绪特征信息包括良好、一般和较差中的至少一项。
428.可选地，所述第三处理单元包括：
429.第四处理子单元，用于根据所述生理状态信息的采集时间段，确定与所述采集时间段对应的驾驶员生理特征信息；
430.其中，驾驶员生理特征信息包括良好、一般和较差中的至少一种。
431.可选地，所述第五处理单元包括：
432.第五处理子单元，用于根据所述融合感知信息数据库中的特征信息，建立初始驾驶模型，并利用贝叶斯优化算法调整所述初始驾驶模型的参数；
433.第六处理子单元，用于利用所述特征信息对所述初始驾驶模型进行训练，得到所
述驾驶模型。
434.可选地，所述预警装置还包括：
435.第四接收模块，用于接收所述边缘服务器发送的融合感知信息；
436.模型更新模块，用于根据所述融合感知信息，更新所述驾驶模型。
437.该实施例的预警装置，中心云服务器能够接收和处理历史融合感知信息，从历史融合感知信息中提取特征信息，并建立驾驶员的融合感知信息数据库，建立初始驾驶模型及安全预警处理算法，并训练初始驾驶模型，得到驾驶模型；并能够根据边缘服务器发送的融合感知信息更新驾驶模型，以及将最新的驾驶模型和安全预警处理算法下发到各边缘服务器，从而保证了驾驶模型的准确性。
438.如图9所示，本发明的实施例提供一种预警装置，应用于中心云服务器，包括：
439.第一获取模块，用于获取目标车辆的历史融合感知信息；其中，所述历史融合感知信息是与车辆和/或驾驶员相关的信息；
440.第二处理模块，用于根据所述历史融合感知信息，确定当前驾驶所述目标车辆的驾驶员对应的驾驶模型；
441.第一发送模块，用于向边缘服务器发送所述驾驶模型；其中，所述驾驶模型用于所述边缘服务器预测所述驾驶员的驾驶状态。
442.可选地，所述第一获取模块包括以下至少一项：
443.第一获取单元，用于采集所述目标车辆的车辆行驶信息；其中，所述车辆行驶信息包括车辆位置信息、车辆速度信息、平均速度信息、转速信息、四急操作信息、告警信息和车辆can信息中的至少一项；
444.第二获取单元，用于接收路侧设备发送的所述目标车辆当前行驶道路的道路环境信息；其中，所述道路环境信息包括道路天气信息和/或道路信息；
445.第三获取单元，用于通过所述目标车辆的摄像头，获取所述驾驶员的人脸图像信息；
446.第四获取单元，用于通过所述驾驶员佩戴的可穿戴设备，获取所述驾驶员的生理状态信息；其中，所述生理状态信息包括心率信息、血压信息和血氧含量信息中的至少一项。
447.该实施例的预警装置，可以获取与车辆和/或驾驶员相关的融合感知信息，并发送给边缘服务器，使得边缘服务器能够根据该融合感知信息预测驾驶员的驾驶状态，从而根据边缘服务器发送的预警信息，对所述目标车辆的驾驶员进行驾驶安全提示，避免意外的发生。
448.本发明另一实施例的边缘服务器，如图10所示，包括收发器1010、处理器1000、存储器1020及存储在所述存储器1020上并可在所述处理器1000上运行的程序或指令；所述处理器1000执行所述程序或指令时实现上述应用于边缘服务器的预警方法。
449.所述收发器1010，用于在处理器1000的控制下接收和发送数据。
450.其中，在图10中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器1000代表的一个或多个处理器和存储器1020代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器
1010可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。处理器1000负责管理总线架构和通常的处理，存储器1020可以存储处理器1000在执行操作时所使用的数据。
451.本发明另一实施例的中心云服务器，其采用如图10所示与边缘服务器相同的结构，包括收发器1010、处理器1000、存储器1020及存储在所述存储器1020上并可在所述处理器1000上运行的程序或指令；所述处理器1000执行所述程序或指令时实现上述应用于中心云服务器的预警方法。
452.所述收发器1010，用于在处理器1000的控制下接收和发送数据。
453.其中，在图10中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器1000代表的一个或多个处理器和存储器1020代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器1010可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。处理器1000负责管理总线架构和通常的处理，存储器1020可以存储处理器1000在执行操作时所使用的数据。
454.本发明另一实施例的一种车载终端，如图11所示，包括收发器1110、处理器1100、存储器1120及存储在所述存储器1120上并可在所述处理器1100上运行的程序或指令；所述处理器1100执行所述程序或指令时实现上述应用于车载终端的预警方法。
455.所述收发器1110，用于在处理器1100的控制下接收和发送数据。
456.其中，在图11中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器1100代表的一个或多个处理器和存储器1120代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器1110可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。针对不同的用户设备，用户接口1130还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
457.处理器1100负责管理总线架构和通常的处理，存储器1120可以存储处理器1100在执行操作时所使用的数据。
458.本发明实施例的一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的预警方法中的步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等。
459.进一步需要说明的是，此说明书中所描述的终端包括但不限于智能手机、平板电脑等，且所描述的许多功能部件都被称为模块，以便更加特别地强调其实现方式的独立性。
460.本发明实施例中，模块可以用软件实现，以便由各种类型的处理器执行。举例来说，一个标识的可执行代码模块可以包括计算机指令的一个或多个物理或者逻辑块，举例来说，其可以被构建为对象、过程或函数。尽管如此，所标识模块的可执行代码无需物理地位于一起，而是可以包括存储在不同位里上的不同的指令，当这些指令逻辑上结合在一起时，其构成模块并且实现该模块的规定目的。
461.实际上，可执行代码模块可以是单条指令或者是许多条指令，并且甚至可以分布在多个不同的代码段上，分布在不同程序当中，以及跨越多个存储器设备分布。同样地，操作数据可以在模块内被识别，并且可以依照任何适当的形式实现并且被组织在任何适当类型的数据结构内。所述操作数据可以作为单个数据集被收集，或者可以分布在不同位置上(包括在不同存储设备上)，并且至少部分地可以仅作为电子信号存在于系统或网络上。
462.在模块可以利用软件实现时，考虑到现有硬件工艺的水平，所以可以以软件实现的模块，在不考虑成本的情况下，本领域技术人员都可以搭建对应的硬件电路来实现对应的功能，所述硬件电路包括常规的超大规模集成(vlsi)电路或者门阵列以及诸如逻辑芯片、晶体管之类的现有半导体或者是其它分立的元件。模块还可以用可编程硬件设备，诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等实现。
463.上述范例性实施例是参考该些附图来描述的，许多不同的形式和实施例是可行而不偏离本发明精神及教示，因此，本发明不应被建构成为在此所提出范例性实施例的限制。更确切地说，这些范例性实施例被提供以使得本发明会是完善又完整，且会将本发明范围传达给那些熟知此项技术的人士。在该些图式中，组件尺寸及相对尺寸也许基于清晰起见而被夸大。在此所使用的术语只是基于描述特定范例性实施例目的，并无意成为限制用。如在此所使用地，除非该内文清楚地另有所指，否则该单数形式“一”、“一个”和“该”是意欲将该些多个形式也纳入。会进一步了解到该些术语“包含”及/或“包括”在使用于本说明书时，表示所述特征、整数、步骤、操作、构件及/或组件的存在，但不排除一或更多其它特征、整数、步骤、操作、构件、组件及/或其族群的存在或增加。除非另有所示，陈述时，一值范围包含该范围的上下限及其间的任何子范围。
464.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。