[发明专利]城市道路的潜在危险区域识别方法、装置及电子设备

说明书

本发明提供一种城市道路的潜在危险区域识别方法、装置、电子设备及计算机可读存储介质，其中，城市道路的潜在危险区域识别方法包括：获取多个车辆的实时轨迹数据；基于所述实时轨迹数据，计算各车辆的驾驶行为得分；基于特定时间特定区域的所有车辆的驾驶行为得分，判断该特定时间特定区域是否属于潜在危险区域。根据本发明的城市道路的潜在危险区域识别方法，能够准确识别潜在的危险区域并且能够进行提前和实时预报。

技术领域

本发明涉及车辆领域，具体涉及一种城市道路的潜在危险区域识别方法、装置、电子设备及计算机可读存储介质。

背景技术

汽车保有量的显著增长，给出行安全带来了巨大挑战，已有的识别危险区域的方法通常是结合已发生事故的路段和时间点，基于特定时间发生事故的频次高低来识别危险区域或采用机器学习的聚类方法形成簇的中心作为危险区域。

已有的识别危险区域的方法完全基于历史数据，存在数据样本不足的问题，且由于交通事故的发生时间与地点有一定的随机性与偶发性，导致传统方法不能对潜在的危险区域进行提前预报，同时亦不能反映事故发生的时变特征。

发明内容

有鉴于此，本发明提供一种城市道路的潜在危险区域识别方法、装置、电子设备及计算机可读存储介质，能够准确识别潜在的危险区域并且能够进行提前和实时预报。

为解决上述技术问题，一方面，本发明提供一种城市道路的潜在危险区域识别方法，包括如下：

获取多个车辆的实时轨迹数据；

基于所述实时轨迹数据，计算各车辆的驾驶行为得分；

基于特定时间特定区域的所有车辆的驾驶行为得分，判断该特定时间特定区域是否属于潜在危险区域。

进一步地，所述基于所述实时轨迹数据，获取各车辆的驾驶行为得分包括：

基于该车辆的所述实时轨迹数据，提取其相应的向量化表示；

对于所述向量化表示，通过深度学习模型提取低维向量化表示；

基于所述低维向量化表示，获取该车辆的各个时间戳的驾驶行为得分。

进一步地，基于所述实时轨迹数据，提取其相应的向量化表示包括如下步骤：

对于所述实时轨迹数据，根据轨迹点进行划分；

对于前后3个相邻轨迹点，获取其驾驶状态；

将每个时间戳的驾驶状态量化为一个向量化表示。

进一步地，所述驾驶状态为加速直行、加速右转、加速左转、减速直行、减速右转、减速左转、匀速直行、匀速右转、匀速左转中的任意一种。

进一步地，所述将每个时间戳的驾驶状态量化为一个向量化表示包括：

基于实时轨迹数据，根据每3个相邻轨迹点的驾驶状态形成驾驶状态序列；

对于驾驶状态序列，按时间窗口分割为多个片段；

对于每个片段，提取其相应的特征向量，所述特征向量的元素为所述驾驶状态标志量之一；

基于所述实时轨迹数据，进行驾驶状态转换；

根据每个时间戳记录的当前和下一时间戳的驾驶状态转换，将每个时间戳的驾驶状态量化为所述向量化表示。

进一步地，基于所述实时轨迹数据，进行驾驶状态转换包括：

根据所述车辆的历史轨迹数据，结合所述车辆的身份标签和时间窗口标签，确定各种驾驶状态之间转换概率与转换过程的持续时间；

基于所述车辆的所述实时轨迹数据，根据所述转换概率与转换过程的持续时间进行所述驾驶状态转换。