一种基于云平台交通事故应急救援系统的制作方法

本实用新型涉及交通应急处理技术领域，具体是一种基于云平台交通事故应急救援系统。

背景技术：

救援是指个人或人们，在遭遇灾难或其他非常情况(含自然灾害、意外事故、突发危险事件等)时，获得实施解救行动的整个过程；而救援事业是指能够做长久完善地准备和随时随地能够及时实施解救行动的事务；而救援产业，则是一个以完善的体系、系统或链条为平台、以自身的系统化规模化模式化等为基础、能够长久完善地准备、随时随地实施解救行动并能够最终实现各方应有受益和收益的实业经济。

目前采用的救援系统，需要人工报警，手动上传图片等信息，警方通过调取车载记录仪进行事故认定。

技术实现要素：

本实用新型的目的在于提供一种基于云平台交通事故应急救援系统，以解决上述背景技术中提出的问题。

为实现上述目的，本实用新型提供如下技术方案：

一种基于云平台交通事故应急救援系统，包括与云平台通过传输模块进行信息交互的采集模块；所述采集模块与定位模块及设备端建立通讯连接，其中，设备端包括行车记录仪和传感器，采集模块用于采集行车记录仪内记录的视频信息，并通过传输模块输送到云平台内，所述定位模块包括nb-iot基站定位模块和gps定位模块，nb-iot基站定位模块和gps定位模块自动生成报警短信信息，同时与采集模块配合进行事故发生地的实时定位。

作为本实用新型进一步的方案：所述传感器采用的是重力传感器和加速度传感器。

作为本实用新型再进一步的方案：所述云平台还与用户端连接，其中用户端包括包括pc和移动端，pc用于传输视频及定位信息的显示，移动端用于报警信息的接收。

作为本实用新型再进一步的方案：所述云平台与指挥终端建立通讯，指挥终端包括显示设备及语音通讯设备，显示设备用于事故信息的显示，语音通讯设备用于救援过程的实时指挥。

作为本实用新型再进一步的方案：所述云平台根据功能分为通信网关区、数据分析区和数据存储区。

与现有技术相比，本实用新型的有益效果是：

(1)准确定位：nb-iot基站和gps定位，能够为警方提供事故发生地的精准位置，并在事故短信中提供具体位置坐标信息，便于警方了解事故源。

(2)信息处理：事故预警的过程同时也是一个采集信息并处理信息的过程，它通过采集车辆行驶过程中加速度传感器参数，计算事故预警阈值判断事故是否发生。

(3)短信传输：由于短信数据量小，能够在第一时间传输至云端监控人员，将事故发生的具体信息展现给警方，使警方能在事故发生第一时间进行救援准备。

(4)视频传输：行车记录仪具有记录车辆行驶录像的功能，将此功能拓展开，使之联网无线传输事故发生前一分钟的视频，能够帮助交警部门了解事故现场的情况，是系统重要功能之一。

附图说明

图1为基于云平台交通事故应急救援系统的模块示意图。

图中：1-指挥终端、2-云平台、3-传输模块、4-nb-iot基站定位模块、5-gps定位模块、6-采集模块、7-设备端、701-行车记录仪、702-传感器、8-用户端、801-pc、802-移动端。

具体实施方式

下面将结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。

实施例一

请参阅图1，本实用新型实施例中，一种基于云平台交通事故应急救援系统，包括与云平台2通过传输模块3进行信息交互的采集模块6；所述采集模块6与定位模块及设备端7建立通讯连接，其中，设备端7包括行车记录仪701和传感器702，采集模块6用于采集行车记录仪701内记录的视频信息，并通过传输模块3输送到云平台2内，云平台2对视频信息进行转码，随后以最快的速度输送到指挥终端1内，从而方便指挥人员能够了解事故现场的情况，并根据现场情况进行实时调度，所述定位模块包括nb-iot基站定位模块4和gps定位模块5，nb-iot基站定位模块4和gps定位模块5自动生成报警短信信息，同时与采集模块6配合进行事故发生地的实时定位，且采用两种定位方式进行相互补充，可确保定位的准确性，由于短信数据量小，能够在第一时间进行传输，将事故发生的具体信息展现，使指挥人员能在事故发生的第一时间进行救援准备。

上述传感器702采用的是重力传感器和加速度传感器，为了方便理解，本实用新型还对基于重力传感器和加速度传感器的触发算法进行了详细说明，具体如下：

设定不同工况下车辆加速度的峰值、紧急制动时间等参数，具体为:紧急制动时，车辆加速度峰值设定为-0.65g～-0.75g，且加速度信号在紧急制动后短时间内急剧攀升，且峰值持实时间长；正常制动时，车辆加速度峰值为-0.35g～-0.45g，且制动时间较紧急制动长，加速度峰值在±0.2g左右；路过路障时，车辆加速度峰值为-0.25g～-0.35g。

对所得加速度信号进行积分，其各自的积分曲线将会有明显的区别，据此可以判断出汽车的正常制动的碰撞事故。对加速度的峰值、紧急制动时间、峰值持续时间、加速度信号攀升幅度等参数进行分析处理，得出判断值，并与不同工况下预设值进行比较，当判断值落入紧急制动时预设值范围时，判断为车辆发生碰撞事故，当判断值未落入紧急制动时预设值范围时，判断为车辆正常。

通过检测车辆与水平面的倾斜角判断车辆是否发生侧翻通过以下方法进行：

预先设定车辆相对于水平面的横向倾角α，具体为：设定中立传感器在车辆同水平面保持水平状态下的输出为ν0，倾角α为时的输出为να，且在1g加速度作用下的输出为ν，其计算公式为：

να＝ν/g×sinα×1g+ν0

即：α＝arcsin[(να-ν0)/ν]

则车辆在横向方向上倾斜角αx和纵向方向上倾斜角αy分别为：

αx＝arcsin[(νx-ν)/ν]，αy＝arcsin[(νy-ν)/ν]

将车辆的横向倾角和纵向倾角同阈值进行比较，若横向倾角和纵向倾角超过设定的阈值，则判断车辆发生侧翻，车辆相对于水平面的横向倾角和纵向倾角侧翻阈值为60度。

为了方便指挥人员对事故信息的查看，所述云平台2还与用户端8连接，其中用户端8包括包括pc801和移动端802，pc801用于传输视频及定位信息的显示，移动端802用于报警信息的接收。

优选的，为了方便事故发生后的救援调度，所述云平台2与指挥终端1建立通讯，指挥终端1包括显示设备及语音通讯设备，显示设备用于事故信息的显示，语音通讯设备用于救援过程的实时指挥，及时性高。

实施例二

本实用新型在具体实施过程中，还提出了另一种实施例来完善本申请，具体的，所述云平台根据功能分为通信网关区、数据分析区和数据存储区，其中通信网关区用flume框架进行数据收集，使用统一数据格式json，分发到kafka(是由apache软件基金会开发的一个开源流处理平台，由scala和java编写)进行暂时存储，数据分析区用sparkstreaming接收kafka的数据并进行分析，数据存储区采用非关系型数据库mongodb对事故发生车辆的数据以及行车记录仪上传视频进行存储。

服务器数据每隔10s更新一次，flume对服务器的数据进行收集，此处采用flume的分层设计，该设计缓解了系统压力，能够对外部数据的变化作出响应，数据收集节点可控性高。

分层架构flume使得日志数据源节点的flumeagent服务与数据平台的存储系统(kafka/hdfs)进行解耦，同时能够更好地对同类型业务多节点的日志流进行一个聚合操作，并分离开独立管理。

在flume架构中，使用zookeeper对agent数据进行管理，agent数据被collector层收集并传到kafka。

在kafka中，数据被发布到sparkstreaming并进行分析，利用mapreduce框架将数据拆分为键值并在此框架上利用比功率法和移动窗积分法结合的事故判别方法对数据进行处理，得到结果并与预先设置的阈值1和阈值2进行对比，筛选出判定为发生车祸的车辆信息，并保存到mongodb数据库中。

通信网关区为用户端8与设备端7之间提供通信及数据交互的服务，实现用户对设备的控制命令下发、远程参数设置、在线状态管理以及设备采集数据信息的实时获取等。通信网关区支持用户、设备与云服务器的长连接，并实现对用户和设备之间交互数据的获取，并交由数据分析区进行数据分析，根据规则执行数据存储和转发操作。

数据分析区实现对用户或设备通过通信网关区上传的数据分析和处理。设置了数据存储和转发的规则，并保存在了数据存储区，数据分析区负责根据规则对数据进行判断，并执行相应的数据存储和转发操作。

数据存储区主要实现数据的存储，包括用户端8和设备端7资源、数据存储规则、历史数据等的存储，为事故数据分析提供依据。

对于本领域技术人员而言，显然本实用新型不限于上述示范性实施例的细节，而且在不背离本实用新型的精神或基本特征的情况下，能够以其他的具体形式实现本实用新型。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本实用新型的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本实用新型内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。