一种驾驶数据风险量化的方法与流程

本发明涉及数据处理技术领域，特别是涉及汽车驾驶辅助系统的数据处理，具体提供的是一种驾驶数据风险量化的方法。

背景技术

从20世纪70年代开始，各国科学家就已经开始进行无人驾驶汽车的研究，近年来虽然真正意义上的无人驾驶汽车尚未上市，但是相关技术产生的驾驶辅助系统已经越来越多地在汽车上得到应用，例如adas(advanceddriverassistantsystems，高级驾驶辅助系统)就是利用安装在汽车上的各式各样传感器，在汽车行驶过程中随时能够感应周围的环境并收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。

以往的adas不能进行事后分析和及时反馈，无法对驾驶人员的驾驶行为进行综合评价及量化分析，为了满足帮助驾驶人员进一步了解行程过程中的风险、提升安全行车意识与驾驶水平的要求，有专利cn201710456693.9公开了一种驾驶行为评分方法，所述方法包括：从车联网设备获取待评分行程段对应的行驶数据，从驾驶辅助系统adas设备获取所述待评分行程段对应的预警信息，根据所述行驶数据和所述预警信息，确定所述待评分行程段对应的预警事件评分；也有专利cn201611014786.8公开了一种基于adas技术及回归模型的用户驾驶行为评分方法，包括下述步骤：收集用户驾驶行为样本数据、收集用户车辆出险样本数据、建立样本数据回归模型以及用户驾驶行为评分，即通过采集各类adas预警数据，并基于回归模型结果确定影响驾驶安全各因子的权重系数，实现对用户驾驶行为的准确评分；还有中国专利cn201610723917.3公开了基于adas的驾驶风险综合判断系统，包括：adas智能终端、服务器端、终端；所述adas智能终端包括车载传感器模块、中央处理器、车内输出模块、无线通讯模块，所述中央处理器分别与车载传感器模块、车内输出模块、无线通讯模块相连，服务器端分别与无线通讯模块、终端信号连接，从而大数据的不同的汽车周边状态下汽车行驶状态关系结合汽车行驶状态及汽车行驶状态统计量，提供量化的分析方法，确定该车辆的驾驶风险；这些专利虽然能够进行一定程度的量化分析，但是在采集数据、传输数据以及处理数据时进行全部处理，容易造成系统拥堵，数据处理缓慢，量化分析费时且可能造成数据交叉错误。

技术实现要素：

本发明所要解决的技术问题是针对现有技术处理驾驶数据时存在处理缓慢、量化分析费时以及可能造成错误等缺点，提供一种驾驶数据风险量化的方法。

本发明解决其技术问题所采取的技术方案是：一种驾驶数据风险量化的方法，其特征在于，包括以下步骤：

步骤1：采集驾驶过程中的空天数据，并利用区块链技术记录为区块a；

步骤2：采集驾驶过程中的地面数据，并利用区块链技术记录为区块b；

步骤3：采集汽车的自身车况数据，并利用区块链技术记录为区块c；

步骤4：采集驾驶过程中的行驶数据，并利用区块链技术记录为区块d；

步骤5：从区块a、区块b和区块c中分别调取空天数据、地面数据和自身车况数据构建驾驶模型，从区块d中调取行驶数据在所述驾驶模型中进行风险量化。

进一步地，所述空天数据包括环境温度、大气压力、天气状况、环境亮度、风速、湿度和空气质量；所述空天数据由相应的传感器和/或天气软件服务器获取。

更进一步地，由温度传感器获取环境温度，由大气压力传感器获取大气压力；由与互联网服务器连接的天气软件获取天气状况，由光线传感器获取环境亮度，由风速传感器获取风速，由湿度传感器获取湿度，由空气质量传感器获取空气质量。

进一步地，所述地面数据包括路面质地、道路分类、自然灾害状况和堵车路况实时信息。

更进一步地，所述地面数据从本地服务器和/或地图软件服务器调取。

更进一步地，所述路面质地包括水泥路面、沥青路面、泥土路面、砂石路面和砖土路面，所述道路分类包括城市道路、高速道路、国道、省道、县道和乡村道路，所述自然灾害状况包括地震、火山喷发、滑坡和泥石流。

进一步地，所述自身车况数据包括车身长宽高、车身空气摩擦系数、轮胎路面摩擦系数、车重、使用年限和行驶里程；所述自身车况数据从本地服务器调取。

进一步地，所述行驶数据包括行驶速度、驾乘人员数量、电子警察信息、系统报警信息、驾驶人员状态、车道碰撞环境、对向灯光信息、交通标志、横摆角速度、车体质心侧偏角和行驶盲点信息。

更进一步地，所述行驶数据由相应的传感器、摄像机、本地服务器以及电子警察系统、车联网、车道偏移报警系统、车道保持系统，预碰撞系统、夜视系统、自适应灯光控制、行人保护系统、交通标志识别、盲点探测，驾驶员疲劳探测、下坡控制系统和汽车报警系统等获取。

进一步地，步骤5还包括将区块a中的空天数据、区块b中的地面数据和区块c中的汽车自身车况数据分别与各自的前一时间间隔的空天数据、地面数据和汽车自身车况数据进行对比，当其中至少一个数据发生变化时，实时修正驾驶模型。

本发明由于采取了上述技术方案，其具有如下有益效果：

本发明所述的一种驾驶数据风险量化的方法，利用区块链技术采集数据和处理数据，能够根据需要调取数据，避免了数据拥堵，实现了快速高效采集和处理数据且数据不会出错，保证量化分析的准确性，从而有助于实时了解驾驶风险和规避驾驶风险，减少不必要的道路风险；同时，还能够保证驾驶数据的安全性，在无人驾驶汽车上能够避免黑客等不法分子对自动驾驶的干扰和破坏，提高无人驾驶状态下的安全系数。

附图说明

图1为本发明所述的驾驶数据风险量化的方法的流程示意图。

具体实施方式

以下结合附图对本发明的内容作进一步说明。

如图1所示，本发明所述的一种驾驶数据风险量化的方法，其特征在于，包括以下步骤：

步骤1：采集驾驶过程中的空天数据，并利用区块链技术记录为区块a；

在本发明中，所述空天数据包括环境温度、大气压力、天气状况、环境亮度、风速、湿度和空气质量。

所述空天数据可以由相应的传感器和/或天气软件服务器获取，具体例如由温度传感器获取环境温度，由大气压力传感器获取大气压力；由与互联网服务器连接的天气软件获取天气状况，确认是晴天、雨天、多云、雪天、雾天还是阴天；由光线传感器获取环境亮度，以辨别白天还是黑夜；由风速传感器获取风速，由湿度传感器获取湿度，由空气质量传感器获取空气质量；当然，其中的环境温度、大气压力、风速、湿度甚至空气质量也可以由与互联网服务器连接的天气软件获取。

步骤2：采集驾驶过程中的地面数据，并利用区块链技术记录为区块b；

在本发明中，所述地面数据包括路面质地、道路分类、自然灾害状况和堵车路况实时信息；所述地面数据可以从本地服务器和/或地图软件服务器调取；

所述路面质地包括水泥路面、沥青路面、泥土路面、砂石路面和砖土路面等，所述道路分类包括城市道路、高速道路、国道、省道、县道和乡村道路等，所述自然灾害状况包括地震、火山喷发、滑坡和泥石流等。

步骤3：采集汽车的自身车况数据，并利用区块链技术记录为区块c；

在本发明中，所述自身车况数据包括车身长宽高、车身空气摩擦系数、轮胎路面摩擦系数、车重、使用年限和行驶里程。所述自身车况数据可以从本地服务器调取。

步骤4：采集驾驶过程中的行驶数据，并利用区块链技术记录为区块d；

在本发明中，所述行驶数据包括行驶速度、驾乘人员数量、电子警察信息、系统报警信息、驾驶人员状态、车道碰撞环境、对向灯光信息、交通标志、横摆角速度、车体质心侧偏角和行驶盲点信息等。

所述行驶数据可以由相应的传感器、摄像机、本地服务器以及电子警察系统、车联网、车道偏移报警系统、车道保持系统，预碰撞系统、夜视系统、自适应灯光控制、行人保护系统、交通标志识别、盲点探测，驾驶员疲劳探测、下坡控制系统和汽车报警系统等获取。

步骤5：从区块a、区块b和区块c中分别调取空天数据、地面数据和自身车况数据构建驾驶模型，从区块d中调取行驶数据在所述驾驶模型中进行风险量化；

在发明中，所述风险量化可以通过驾驶数据的相互作用来评价，可以采用期望值法、统计数加总法、模拟法和决策树等分析方法。这样以来，本发明利用区块链技术采集数据和处理数据，能够根据需要调取数据，避免了数据拥堵，实现了快速高效采集和处理数据且数据不会出错，保证量化分析的准确性，从而有助于实时了解驾驶风险和规避驾驶风险，减少不必要的道路风险；同时，还能够保证驾驶数据的安全性，在无人驾驶汽车上能够避免黑客等不法分子对自动驾驶的干扰和破坏，提高无人驾驶状态下的安全系数。

优选地，将区块a中的空天数据、区块b中的地面数据和区块c中的汽车自身车况数据分别与各自的前一时间间隔的空天数据、地面数据和汽车自身车况数据进行对比，当其中至少一个数据发生变化时，实时修正驾驶模型。

以上内容是对本发明所述的一种驾驶数据风险量化的方法所作的进一步详细说明，并非对本发明的范围进行限定，在不脱离本发明构思的前提下，本领域普通技术人员依据本发明的技术方案做出的各种变形和改进，均应视为属于本发明的保护范围。