颠簸路段的检测方法、装置、可读存储介质和电子设备与流程

本发明涉及数据处理领域，具体涉及一种颠簸路段的检测方法、装置、可读存储介质和电子设备。

背景技术：

随着共享单车业务的发展，逐渐衍生了共享电动单车业务，由于共享电动单车的行驶速度较快，事故发生的概率随之增加，共享电动单车业务平台的安全责任也随之增大，例如，当用户骑行至一段颠簸路段时，由于用户骑行速度过快，无法及时减速，导致用户可能会发生受伤，因此，需要提前对颠簸路段进行告警，降低事故风险，进而保证用户的骑行安全。

技术实现要素：

有鉴于此,本发明实施例提供了一种颠簸路段的检测方法、装置、可读存储介质和电子设备，能够自动生成颠簸路网信息，用户骑行到颠簸路段时，对用户进行告警，降低事故风险，保证用户的骑行安全。

第一方面，本发明实施例提供了一种颠簸路段的检测方法，该方法包括：接收用户的当前位置信息及目标信息；根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，其中，所述颠簸路网信息根据历史数据生成的，所述历史数据包括加速度数据及全球定位系统gps数据；响应于所述用户的当前位置信息对应的目标路段为颠簸路段，发送颠簸路段告警信息。

优选地，所述历史数据根据车载传感器或用户终端获取，并按照设定时间更新。

优选地，所述颠簸路网信息根据历史数据生成的，具体包括：所述颠簸路网信息根据历史数据及预先训练的二分类机器学习模型生成的。

优选地，训练所述二分类机器学习模型的步骤包括：根据所述历史数据确定训练波形数据集合，其中，所述训练波形数据集合包括加速度波形数据；

确定所述加速度波形数据对应的波形标签，其中，波形便签包括颠簸路段标签与非颠簸路段标签，所述颠簸路段标签表示所述加速度波形数对应的路段为颠簸路段，所述非颠簸路段标签表示所述加速度波形数对应的路段为非颠簸路段；根据所述加速度波形数据、以及所述波形标签，通过设定算法训练所述二分类机器学习模型。

优选地，所述设定算法包括深度神经网络、卷积神经网络、循环神经网络以及长短期记忆网络中的一个或多个。

优选地，所述根据所述历史数据确定训练波形数据集合，具体包括：根据自适应滤波器在所述历史数据中确定加速度波形数据。

优选地，根据自适应滤波器在所述历史数据中确定加速度波形数据，具体包括：根据所述自适应滤波器确定基准重力；根据所述加速度数据中加速度的方向与所述基准重力的方向确定第一加速度波形数据；通过设定的波形数据获取规则，在所述第一加速度波形数据中确定至少一个第二加速度波形数据，其中，所述第二加速度波形数据的时间长度小于设定时长；将所述第二加速波形数据对应的时间与预先采集的颠簸路段时间、以及预先采集的非颠簸路段时间进行匹配；响应于匹配成功，将所述第二加速度波形数据确定为所述加速度波形数据。

优选地，所述根据所述自适应滤波器确定基准重力，具体包括：确定gps速度大于设定速度参数阈值的候选历史数据，其中，所述gps速度为车辆的骑行速度，所述候选历史数据中包括第一候选加速度数据以及候选gps数据,所述gps速度根据所述gps数据确定的；通过卡尔曼滤波器将所述第一候选加速度数据进行滤波，确定第二候选加速度数据；通过低通滤波器将所述第二候选加速度数据进行滤波，确定第三候选加速度数据，其中，所述第三候选加速度数据中包括重力信息；根据设定时段内的重力信息确定所述基准重力。

第二方面，本发明实施例提供了一种颠簸路段的检测方法，该方法包括：获取用户的当前位置信息、目标信息以及加速度数据，其中，所述用户的当前位置信息包括全球定位系统gps数据；发送所述用户的当前位置信息、所述目标信息以及所述加速度数据；接收颠簸路段告警信息，其中，所述颠簸路段告警信息中包括的颠簸路段为所述用户的当前位置信息对应的目标路段；通过实时语音播报所述颠簸路段告警信息。

第三方面，本发明实施例提供了一种颠簸路段的检测装置，该装置包括：第一接收单元，用于接收用户的当前位置信息及目标信息；第一确定单元，用于根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，其中，所述颠簸路网信息根据历史数据生成的，所述历史数据包括加速度数据及全球定位系统gps数据；第一发送单元，用于响应于所述用户的当前位置信息对应的目标路段为颠簸路段，发送颠簸路段告警信息。

第四方面，本发明实施例提供了一种颠簸路段的检测装置，其特征在于，该装置包括：获取单元，用于获取用户的当前位置信息、目标信息以及加速度数据，其中，所述用户的当前位置信息包括全球定位系统gps数据；第二发送单元，用于发送所述用户的当前位置信息、所述目标信息以及所述加速度数据；第二接收单元，用于接收颠簸路段告警信息，其中，所述颠簸路段告警信息中包括的颠簸路段为所述用户的当前位置信息对应的目标路段；告警单元，用于通过实时语音播报所述颠簸路段告警信息。

第五方面，本发明实施例提供了一种自行车，该自行车的车身上包括如第四方面所述的颠簸路段的检测装置。

第六方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面、第一方面任一种可能、第二方面中任一项所述的方法。

第七方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：接收用户的当前位置信息及目标信息；根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，其中，所述颠簸路网信息根据历史数据生成的，所述历史数据包括加速度数据及全球定位系统gps数据；响应于所述用户的当前位置信息对应的目标路段为颠簸路段，发送颠簸路段告警信息。

第八方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：获取用户的当前位置信息、目标信息以及加速度数据，其中，所述用户的当前位置信息包括全球定位系统gps数据；发送所述用户的当前位置信息、所述目标信息以及所述加速度数据；接收颠簸路段告警信息，其中，所述颠簸路段告警信息中包括的颠簸路段为所述用户的当前位置信息对应的目标路段；通过实时语音播报所述颠簸路段告警信息。

本发明实施例通过接收用户的当前位置信息及目标信息；根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，其中，所述颠簸路网信息根据历史数据生成的，所述历史数据包括加速度数据及全球定位系统gps数据；响应于所述用户的当前位置信息对应的目标路段为颠簸路段，发送颠簸路段告警信息。通过上述方法，可以根据历史数据及预先训练的二分类机器学习模型高效准确的生成颠簸路网信息，当用户骑行到颠簸路段时，对用户进行告警，降低事故风险，保证了用户的骑行安全。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明第一实施例的颠簸路段的检测方法的流程图；

图2是本发明第二实施例的训练二分类机器学习模型的流程图；

图3是本发明第二实施例的波形数据示意图；

图4(a)是本发明第二实施例的波形数据示意图；

图4(b)是本发明第二实施例的波形数据示意图；

图4(c)是本发明第二实施例的波形数据示意图；

图4(d)是本发明第二实施例的波形数据示意图；

图5是本发明第三实施例的应用场景图；

图6是本发明第三实施例的交互流程图；

图7是本发明第四实施例的颠簸路段的检测方法的流程图；

图8是本发明第五实施例的颠簸路段的检测装置的示意图；

图9是本发明第六实施例的颠簸路段的检测装置的示意图；

图10是本发明第七实施例的电子设备的示意图；

图11是本发明第八实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明公开进行描述，但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明公开。为了避免混淆本发明公开的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个申请文件中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明公开的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。

由于共享电单车速度相比于人力骑行的共享单车速度快，且避免了机动车的拥堵情况，因此共享电动单车的使用越来越广泛，但由于共享电动单车的行驶速度较快，当用户骑行至一段颠簸路段时，由于用户骑行速度过快，无法及时减速，导致用户可能会发生受伤，事故发生的概率随之增加，共享电动单车业务平台的安全责任也随之增大，因此，需要提前对颠簸路段进行告警，降低事故风险，进而保证用户的骑行安全。但是机动车的颠簸路段与共享电动车的颠簸路段是不同的，无法直接使用机动车的颠簸路网信息，需要生成针对共享电单车的颠簸路网信息，但是采用运维人员线下采集路段信息，整体效率较低，准确度差，维护成本高，因此需要高效准确的生成颠簸路网信息，当用户行驶到颠簸路段时对用户进行告警。

图1是本发明第一实施例的颠簸路段的检测方法的流程图。如图1所示，具体包括如下步骤：

步骤s100、接收用户的当前位置信息及目标信息。

在一种具体实施中，用户的当前位置信息可以是用户终端发送的即时全球定位系统(globalpositionsystem，gps)数据,用于确定用户的当前位置；所述目标信息可以为目标方向或目的地，具体的，所述目标方向可以通过至少两个即时gps数据确定，也可以由用户预先设置的目的地方向确定，所述用户的当前位置信息及目标信息也可以通过车载传感器获取，本发明实施例对其不做限定。

步骤s101、根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，其中，所述颠簸路网信息根据历史数据生成的，所述历史数据包括加速度数据及全球定位系统gps数据。

本发明实施例中，若所述目标信息为目标方向，所述用户的当前位置信息对应的目标路段为所述用户即将通过的路段，根据颠簸路网信息、所述用户的当前位置信息及所述目标方向，即时的判断所述用户的当前位置信息对应的目标路段是否为颠簸路段；若所述目标信息为目的地，所述用户的当前位置信息对应的目标路段为所述用户从当前的位置到目的地之间的路段，根据颠簸路网信息、所述用户的当前位置信息及所述目的地，在用户输入目的地之后，骑行之前提前判断所述用户的当前位置信息至目的地之间的目标路段是否为颠簸路段。

在一种实施例中，所述颠簸路网信息为标记了颠簸路段的地图信息，是根据历史数据及预先训练的二分类机器学习模型生成的，具体的，所述历史数据根据车载传感器或用户终端获取，由于每个共享电单车上都可以安装车载传感器，因为可以获取海量的、全面的历史数据，所述车载传感器包括gps传感器和加速度传感器，并且车载传感器会安装在车辆的固定位置，因此采集到的历史数据更准确，具体的，所述加速度传感器用于获取加速度，gps传感器用于获取gps数据，本发明实施例中，所述用户终端也可以才加到加速度及gps数据。

在一种可能的实施例中，所述历史数据可以按照设定时间更新，进而根据历史数据及预先训练的二分类机器学习模型生成的所述颠簸路网信息，本发明实施例中，所述历史数据可以按照每周、每天、每小时进行更新，本发明实施例对其不做限定。

步骤s102、响应于所述用户的当前位置信息对应的目标路段为颠簸路段，发送颠簸路段告警信息。

具体的，发送颠簸路段告警信息至用户终端。

图2是本发明第二实施例的训练二分类机器学习模型的流程图，具体包括：

步骤s200、根据所述历史数据确定训练波形数据集合，其中，所述训练波形数据集合包括加速度波形数据。

在一种可能的实施例中，根据自适应滤波器在所述历史数据中确定加速度波形数据；具体的，所述历史数据根据自适应滤波器确定加速度波形数据，具体包括：根据所述自适应滤波器确定基准重力；根据所述加速度数据中加速度的方向与所述基准重力的方向确定第一加速度波形数据；通过设定的波形数据获取规则，在所述第一加速度波形数据中确定至少一个第二加速度波形数据，其中，所述第二加速度波形数据的时间长度小于设定时长；将所述第二加速波形数据对应的时间与预先采集的颠簸路段时间、以及预先采集的非颠簸路段时间进行匹配；响应于匹配成功，将所述第二加速度波形数据确定为所述加速度波形数据。

举例说明，根据所述加速度的方向与所述基准重力的方向的夹角确定第一加速度波形数据，用于衡量共享电单车的车身浮动情况，当车身浮动较大时，证明车身颠簸，即路段颠簸；假设第一加速度波形数据的时间为1小时，需要在上述1小时的波形数据中根据设定的波形数据获取规则，具体的任一段时间内的波形数据示意图如图3所示，图3仅仅为示例性说明；图4为四种情况下，波形数据的具体示意图，其中，图4(a)为出发推行状态下的波形数据，横坐标为毫秒，纵坐标为加速度方向与基准重力的方向的夹角；本发明实施例中，横轴每隔0.2秒采集一个数据，每个点之间的间隔为0.2秒，实际采集频率为5hz,具体根据实际情况确定，本发明对其不做限；图4(b)为骑行状态下的波形数据，图4(c)为持续骑行颠簸状态下的波形数据，图4(d)为静止状态下的波形数据，具体数据根据实际情况确定；在所述第一加速度波形数据中确定至少一个第二加速度波形数据，假设第二加速度波形数据的时间长度为6秒，每段第二加速度波形数据的起始时间根据以下设置的波形准入规则进行判断，具体为，波形数据当前时刻与前一秒的波形方差大于或等于设定阈值，则确定为第二加速度波形数据的起始时间，其中，设定阈值可以设置为0.5,也可以根据具体情况设置为其它数值，本发明实施例对其不做限定；小于所述设定阈值，可以判断为车身浮动较小；每段第二加速度波形数据的结束时间根据以下设置的波形准出规则进行判断，具体为，波形数据当前时刻与前一秒的波形方差小于设定阈值，则确定为第二加速度波形数据的终止时间；或者，当第二加速度波形数据持续超过6秒，第二加速度波形数据结束。本发明实施例中，所述预先采集的颠簸路段时间是由线下采集人员实际行驶确定的，线下采集人员对颠簸路段与非颠簸路段进行标注，将所述第二加速波形数据对应的时间与预先采集的颠簸路段时间、以及预先采集的非颠簸路段时间进行匹配，假设第二加速波形数据对应的时间落在预先采集的颠簸路段时间范围内、或预先采集的非颠簸路段时间范围内，则将所述第二加速度波形数据确定为所述加速度波形数据，并标注颠簸路段标签与非颠簸路段标签，由上述加速度波形数据组成训练波形数据集合。

其中，所述根据所述自适应滤波器确定基准重力，具体包括：确定gps速度大于设定速度参数阈值的候选历史数据，其中，所述gps速度为车辆的骑行速度，所述候选历史数据中包括第一候选加速度数据以及候选gps数据,所述gps速度根据所述gps数据确定的；通过卡尔曼滤波器将所述第一候选加速度数据进行滤波，确定第二候选加速度数据；通过低通滤波器将所述第二候选加速度数据进行滤波，确定第三候选加速度数据，其中，所述第三候选加速度数据中包括重力信息；根据设定时段内的重力信息确定所述基准重力。

本发明实施例中，设定速度参数阈值可以为10km/h，本发明实施例对其不做限定，由于骑行过程中，因为行驶过程中产生的加速度为高频信号，重力为超低频信号，因此，采用低通滤波器可以过滤高频部分，只保留重力信息。

步骤s201、确定所述加速度波形数据对应的波形标签，其中，波形便签包括颠簸路段标签与非颠簸路段标签，所述颠簸路段标签表示所述加速度波形数对应的路段为颠簸路段，所述非颠簸路段标签表示所述加速度波形数对应的路段为非颠簸路段。

步骤s202、根据所述加速度波形数据、以及所述波形标签，通过设定算法训练所述二分类机器学习模型。

在一个具体实施例中，所述设定算法可以包括深度神经网络、卷积神经网络、循环神经网络以及长短期记忆网络中的一个或多个，本发明实施例对其不做限定。

图5是本发明第三实施例的应用场景图，包括服务器、用户终端和车载传感器，其中，所述服务器还可以称为共享电单车运营平台数据中心、平台、系统等，用户终端可以为手机、平板等可以定位用户位置的设备，所述服务器为至少一个，所述用户终端的数量为多个，所述车载传感器为多个，用户打开用户终端，通过用户终端内共享电单车运营平台对应的应用程序解锁车辆，开始骑行，用户终端将用户的当前位置信息和目标信息发送给服务器，或者，车载传感器将用户的当前位置信息和目标信息发送给服务器，服务器接收用户的当前位置信息及目标信息；服务器根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，若服务器判断所述用户的当前位置信息对应的目标路段为颠簸路段，向用户终端或车载传感器发送颠簸路段告警信息，用户终端或车载传感器接收到告警信息后，通过应用程序语言提示用户，在骑行过程中，车载传感器或用户终端将采集到的加速度及全球定位系统gps数据上传至服务器，服务器保存上述数据；通过上述方法，可以根据历史数据及预先训练的二分类机器学习模型高效准确的生成颠簸路网信息，当用户骑行到颠簸路段时，对用户进行告警，降低事故风险，保证了用户的骑行安全。其中，所述颠簸路网信息保存在共享电单车运营平台数据中心中，并按照设定时间更新。

本发明实施例中，假设采集加速度及全球定位系统gps数据的功能通过车载传感器实现，则具体应用时只包括服务器和车载传感器用户终端，服务器和车载传感器的交互流程图如图6所示，具体如下：

步骤s600、车载传感器获取用户的当前位置信息、目标信息以及加速度数据，其中，所述用户的当前位置信息包括全球定位系统gps数据。

步骤s601、车载传感器发送所述用户的当前位置信息、所述目标信息以及所述加速度数据。

步骤s602、服务器接收用户的当前位置信息、目标信息以及加速度数据。

步骤s603、服务器根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，其中，所述颠簸路网信息根据历史数据生成的，所述历史数据包括加速度及全球定位系统gps数据。

步骤s604、服务器响应于所述用户的当前位置信息对应的目标路段为颠簸路段，发送颠簸路段告警信息。

步骤s605、车载传感器接收颠簸路段告警信息。

步骤s606、车载传感器通过实时语音播报所述颠簸路段告警信息。

图7是本发明第四实施例的一种颠簸路段的检测方法，该方法包括：

步骤s700、获取用户的当前位置信息、目标信息以及加速度数据，其中，所述用户的当前位置信息包括全球定位系统gps数据。

步骤s701、发送所述用户的当前位置信息、所述目标信息以及所述加速度数据。

本发明实施例中，所述加速度数据以及用户的当前位置信息包括的全球定位系统gps数据可以作为历史数据生成或更新所述颠簸路网信息。

步骤s702、接收颠簸路段告警信息，其中，所述颠簸路段告警信息中包括的颠簸路段为所述用户的当前位置信息对应的目标路段。

步骤s703、通过实时语音播报所述颠簸路段告警信息。

图8是本发明第五实施例的颠簸路段的检测装置示意图。如图8所示，本实施例的装置包括第一接收单元81、第一确定单元82和第一发送单元83。

其中，第一接收单元81，用于接收用户的当前位置信息及目标信息；第一确定单元82，用于根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，其中，所述颠簸路网信息根据历史数据生成的，所述历史数据包括加速度数据及全球定位系统gps数据；第一发送单元83，用于响应于所述用户的当前位置信息对应的目标路段为颠簸路段，发送颠簸路段告警信息。

进一步地，所述历史数据根据车载传感器获取，并按照设定时间更新。

进一步地，所述颠簸路网信息根据历史数据生成的，具体包括：所述颠簸路网信息根据历史数据及预先训练的二分类机器学习模型生成的。

进一步地，所述装置还包括处理单元，所述处理单元具体用于：根据所述历史数据确定训练波形数据集合，其中，所述训练波形数据集合包括加速度波形数据；确定所述加速度波形数据对应的波形标签，其中，波形便签包括颠簸路段标签与非颠簸路段标签，所述颠簸路段标签表示所述加速度波形数对应的路段为颠簸路段，所述非颠簸路段标签表示所述加速度波形数对应的路段为非颠簸路段；根据所述加速度波形数据、以及所述波形标签，通过设定算法训练所述二分类机器学习模型。

进一步地，所述设定算法包括深度神经网络、卷积神经网络、循环神经网络以及长短期记忆网络中的一个或多个。

进一步地，所述处理单元具体用于：所述历史数据根据自适应滤波器确定加速度波形数据。

进一步地，所述处理单元具体用于：根据所述自适应滤波器确定基准重力；根据所述加速度数据中加速度的方向与所述基准重力的方向确定第一加速度波形数据；通过设定的波形数据获取规则，在所述第一加速度波形数据中确定至少一个第二加速度波形数据，其中，所述第二加速度波形数据的时间长度小于设定时长；将所述第二加速波形数据对应的时间与预先采集的颠簸路段时间、以及预先采集的非颠簸路段时间进行匹配；响应于匹配成功，将所述第二加速度波形数据确定为所述加速度波形数据。

进一步地，所述处理单元具体用于：确定所述gps速度大于设定速度参数阈值的候选历史数据，其中，所述gps速度为车辆的骑行速度，所述候选历史数据中包括第一候选加速度数据以及候选gps数据,所述gps速度根据所述gps数据确定的；通过卡尔曼滤波器将所述第一候选加速度数据进行滤波，确定第二候选加速度数据；通过低通滤波器将所述第二候选加速度数据进行滤波，确定第三候选加速度数据，其中，所述第三候选加速度数据中包括重力信息；根据设定时段内的重力信息确定所述基准重力。

图9是本发明第六实施例的颠簸路段的检测装置示意图。如图9所示，本实施例的装置包括获取单元91、第二发送单元92、第二接收单元93和告警单元94。

其中，获取单元91，用于获取用户的当前位置信息、目标信息以及加速度数据，其中，所述用户的当前位置信息包括全球定位系统gps数据；第二发送单元92，用于发送所述用户的当前位置信息、所述目标信息以及所述加速度数据；第二接收单元92，用于接收颠簸路段告警信息，其中，所述颠簸路段告警信息中包括的颠簸路段为所述用户的当前位置信息对应的目标路段；告警单元93，用于通过实时语音播报所述颠簸路段告警信息。

本发明实施例中，所述颠簸路段的检测装置可以为具有上述功能的车载传感器。

本发明实施例中，所述颠簸路段的检测装置安装在自行车身上的任一位置，本发明实施例对其不做限定。

可选的，所述自行车可以为共享电单车或助力自行车，本发明实施例对其不做限定。

图10是本发明第七实施例的电子设备的示意图。在本实施例中，电子设备为服务器。应理解，还可以为其他电子设备，如树莓派。如图10所示，该电子设备：至少包括一个处理器1001；以及，与至少一个处理器1001通信连接的存储器1002；以及，与扫描装置通信连接的通信组件1003，通信组件1003在处理器1001的控制下接收和发送数据；其中，存储器1002存储有可被至少一个处理器1001执行的指令，指令被至少一个处理器1001执行以实现：接收用户的当前位置信息及目标信息；根据颠簸路网信息、所述用户的当前位置信息及所述目标信息判断所述用户的当前位置信息对应的目标路段是否为颠簸路段，其中，所述颠簸路网信息根据历史数据生成的，所述历史数据包括加速度数据及全球定位系统gps数据；响应于所述用户的当前位置信息对应的目标路段为颠簸路段，发送颠簸路段告警信息。

进一步地，所述历史数据根据车载传感器获取，并按照设定时间更新。

进一步地，所述颠簸路网信息根据历史数据生成的，具体包括：所述颠簸路网信息根据历史数据及预先训练的二分类机器学习模型生成的。

进一步地，训练所述二分类机器学习模型的步骤如下：根据所述历史数据确定训练波形数据集合，其中，所述训练波形数据集合包括加速度波形数据；确定所述加速度波形数据对应的波形标签，其中，波形便签包括颠簸路段标签与非颠簸路段标签，所述颠簸路段标签表示所述加速度波形数对应的路段为颠簸路段，所述非颠簸路段标签表示所述加速度波形数对应的路段为非颠簸路段；根据所述加速度波形数据、以及所述波形标签，通过设定算法训练所述二分类机器学习模型。

进一步地，所述设定算法包括深度神经网络、卷积神经网络、循环神经网络以及长短期记忆网络中一个或多个。

进一步地，所述根据所述历史数据确定训练波形数据集合，具体包括：所述历史数据根据自适应滤波器确定加速度波形数据。

进一步地，所述历史数据根据自适应滤波器确定加速度波形数据，具体包括：根据所述自适应滤波器确定基准重力；根据所述加速度数据中加速度的方向与所述基准重力的方向确定第一加速度波形数据；通过设定的波形数据获取规则，在所述第一加速度波形数据中确定至少一个第二加速度波形数据，其中，所述第二加速度波形数据的时间长度小于设定时长；将所述第二加速波形数据对应的时间与预先采集的颠簸路段时间、以及预先采集的非颠簸路段时间进行匹配；响应于匹配成功，将所述第二加速度波形数据确定为所述加速度波形数据。

进一步地，所述根据所述自适应滤波器确定基准重力，具体包括：

确定所述gps速度大于设定速度参数阈值的候选历史数据，其中，所述gps速度为车辆的骑行速度，所述候选历史数据中包括第一候选加速度数据以及候选gps数据,所述gps速度根据所述gps数据确定的；通过卡尔曼滤波器将所述第一候选加速度数据进行滤波，确定第二候选加速度数据；通过低通滤波器将所述第二候选加速度数据进行滤波，确定第三候选加速度数据，其中，所述第三候选加速度数据中包括重力信息；根据设定时段内的重力信息确定所述基准重力。

具体地，该电子设备包括：一个或多个处理器1001以及存储器1002，图10中以一个处理器1001为例。处理器1001、存储器1002可以通过总线或者其他方式连接，图10中以通过总线连接为例。存储器1002作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器1001通过运行存储在存储器1002中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述颠簸路段的检测方法。

存储器1002可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器1002可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器1002可选包括相对于处理器1001远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器1002中，当被一个或者多个处理器1001执行时，执行上述任意方法实施例中的颠簸路段的检测方法。

图11是本发明第八实施例的电子设备的示意图。在本实施例中，电子设备为服务器。应理解，还可以为其他电子设备，如树莓派。如图11所示，该电子设备：至少包括一个处理器1101；以及，与至少一个处理器1101通信连接的存储器1102；以及，与扫描装置通信连接的通信组件1103，通信组件1103在处理器1101的控制下接收和发送数据；其中，存储器1102存储有可被至少一个处理器1101执行的指令，指令被至少一个处理器1101执行以实现：获取用户的当前位置信息、目标信息以及加速度数据，其中，所述用户的当前位置信息包括全球定位系统gps数据；发送所述用户的当前位置信息、所述目标信息以及所述加速度数据；接收颠簸路段告警信息，其中，所述颠簸路段告警信息中包括的颠簸路段为所述用户的当前位置信息对应的目标路段；通过实时语音播报所述颠簸路段告警信息。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明的第九实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施例是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。