基于乘客安全的车辆自动预警系统的制作方法

本发明涉及智慧城市和大数据领域，尤其涉及一种基于乘客安全的车辆自动预警系统。

背景技术：

1、随着城市机动车辆的增多和车流密度的逐渐增大，智能交通系统成为辅助交通调度不可或缺的工具。智能交通系统对车辆进行实时检测和跟踪，获取车辆的流量、车速、车流密度和车辆轨迹等特征，并进一步执行车辆行为理解的重要内容，通过对交通数据进行实时处理和分析，及时检测和识别道路中车辆异常行为。

2、网约车因其方便快捷且价格便宜受到乘客欢迎，大多数乘客乘坐网约车都是为了能够尽快到达目的地。实际情况中，相关平台对网约车辆的监管力度不够，导致乘客在打车的时候，司机有意或无意的没有按照推荐的行驶路线行驶，造成乘客行程时间紧张，乘客体验乘车体验较差，甚至导致悲剧事件的发生。因此，还需加强对网约车辆行驶轨迹的监控，消除车辆轨迹偏离所带来的此类安全隐患。

技术实现思路

1、为了解决上述问题，本发明的目的在于能够加强平台对网约车辆的监管力度，确保网约车的离道行为为司机的正常驾驶行为，提高乘客的乘车体验，并改善车辆偏离推荐行驶路线时存在的安全隐患。

2、本发明的目的及解决其技术问题采用以下技术方案来实现。依据本发明提出的一种基于乘客安全的车辆自动预警系统，其包括车辆管理云平台、管理终端、网约车辆和路边单元，车辆管理云平台与网约车辆和路边单元之间均具有通信连接，网约车辆与路边单元之间具有通信连接；

3、车辆管理云平台包括任务分析模块、轨迹识别模块、模态处理模块、行为检测模块和自动预警模块；

4、任务分析模块基于实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹，基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图，并根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合，其中，所述车辆位置数据包括车辆编号、定位时间戳和车辆位置信息；

5、轨迹识别模块基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离，其中，所述推荐行驶路线由系统根据目标订单用户的行程信息自动生成；

6、若是，模态处理模块分别向网约车辆偏离的当前道路的路边单元和当前道路依赖的前向道路的路边单元发送模态数据请求以获取若干第一模态数据集和若干第二模态数据集，并分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理；

7、行为检测模块基于归一化处理后的第一模态数据集和第二模态数据集分析得到当前道路的第一通行特征和前向道路的第二通行特征，并基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为；

8、若是，自动预警模块根据所述网约车辆的车主信息、车辆特征信息和轨迹信息生成预警信息，将其发送至相应的管理终端进行自动预警。

9、根据一个优选实施方式，基于实时接收到的车辆位置数据确定网约车辆当前的行驶轨迹包括：

10、将各个定位时间戳下的车辆位置信息映射至城市地图的相应位置点上以判断所述定位时间戳下的车辆位置点是否为浮动位置点，并删除网约车辆的所有浮动位置点；

11、获取预设数量的每个车辆位置点的前向位置点和后向位置点，根据所有前向位置点的坐标值分析得到对应车辆位置点的前驱方向矢量，根据所有后向位置点的坐标值分析得到对应车辆位置点的后驱方向矢量；

12、根据车辆位置点的前驱方向矢量和后驱方向矢量确定对应车辆位置点的方向夹角，对所有车辆位置点方向夹角的夹角变量取极值，并以各个极值点为中心对所有车辆位置点进行聚类以生成相应的位置点域；

13、根据每个车辆位置点的定位时间戳识别位置点域中的车辆滞留点，并删除网约车辆的所有车辆滞留点，然后对位置点域中的车辆位置点进行线性拟合以得到网约车辆当前的行驶轨迹。

14、根据一个优选实施方式，所述前驱方向矢量为所有前向位置点的轨迹向量矢量之和，所述后驱方向矢量为所有后向位置点的轨迹向量矢量之和。

15、根据一个优选实施方式，所述基于目标订单用户的行程信息以及与目标订单用户具有相似行程信息的若干订单任务确定第一有向道路图和第二有向道路图包括：

16、基于目标订单用户的行程信息从城市地图中为网约车辆匹配推荐行驶路线中的多个道路节点，获取每个道路节点的分支结构，并对所有道路节点的分支结构进行排序以构造第一有向道路图；

17、基于目标订单用户的行程信息从数据库中获取与目标订单用户具有相似行程信息的若干订单任务，获取对应网约车辆完成相应订单任务时经过的所有道路节点以确定对应订单任务的第二有向道路图。

18、根据一个优选实施方式，所述根据所述第一有向道路图和第二有向道路图为网约车辆生成相应的相邻任务集合包括：

19、分别提取第一有向道路图和第二有向道路图中各个道路节点的基础特征，并对每个道路节点的分支结构所包含的所有道路节点的基础特征进行聚集分析以得到每个道路节点的递归特征，其中，所述基础特征为对应道路节点的局部结构特征，其包括由对应道路节点与其分支道路节点所组成的道路网络的节点数量、形状特征和位置特征；

20、基于第一有向道路图中各个道路节点的节点特征向量和第二有向道路图中各个道路节点的节点特征向量对第一有向道路图和第二有向道路图进行特征匹配以得到对应第二有向道路图与第一有向道路图之间的特征相似度，并根据所述特征相似度确定网约车辆的相邻任务集合，其中，所述节点特征向量由对应道路节点的基础特征和递归特征融合处理所得。

21、根据一个优选实施方式，所述递归特征为对应局部结构特征中的各个特征求和以及求平方递归产生的新特征。

22、根据一个优选实施方式，所述分别根据每个第一模态数据集的第一模态特征矩阵和每个第二模态数据集的第二模态特征矩阵对所有第一模态数据集和所有第二模态数据集进行归一化处理包括：

23、将第一模态数据集中的所有模态特征数据转化为对应的模态特征矢量，以为所述第一模态数据集构建相应的第一模态特征矩阵；

24、基于所述第一模态数据集中每个模态特征数据的时段属性和路段属性为所述第一模态特征矩阵构建相应的模态特征空间，并将所述第一模态特征矩阵中的模态特征矢量映射至所述模态特征空间中以得到每个模态特征矢量的关键特征矢量，其中，所述时段属性用于表征对应模态特征数据的采集时间特征，所述路段属性用于表征对应模态特征数据的采集位置特征；

25、根据上述步骤获取每个第一模态数据集对应的所有关键特征矢量，并对每个第一模态数据集对应的多个关键特征矢量进行特征匹配以将特征距离小于距离阈值的每对关键特征矢量对应的模态特征数据作为对应第一模态数据集之间的相似数据集；

26、根据相似数据集对所有第一模态数据集进行归一化处理以将来自不同网约车辆的多源模态数据进行融合。

27、根据一个优选实施方式，基于当前道路的第一通行特征和前向道路的第二通行特征确定网约车辆的离道行为是否为异常离道行为包括：

28、基于所述第二通行特征对前向道路的车流速度和人流速度进行分析以确定前向道路是否发生交通拥堵；

29、若是，基于所述第一通行特征对当前道路的车流速度和人流速度进行分析以确定当前道路是否发生交通拥堵，若否，将网约车辆当前的离道行为标记为异常离道行为。

30、根据一个优选实施方式，所述第一通行特征用于表征当前道路的交通特征，其包括车道数量、车辆间距、车辆行驶速度、行人数量和行人移动速度；所述第二通行特征用于表征前向道路的交通特征，其包括车道数量、车辆间距、车辆行驶速度、行人数量和行人移动速度。

31、根据一个优选实施方式，所述车辆特征信息包括网约车辆的车牌号、车辆品牌、车辆类型和车辆颜色；所述车主信息包括车主名称、联系电话和家庭住址。

32、根据一个优选实施方式，基于网约车辆的相邻任务集合和网约车辆的推荐行驶路线确定网约车辆当前的行驶轨迹是否产生偏离包括：

33、提取网约车辆当前的行驶轨迹的轨迹特征，将其与推荐行驶路线的轨迹特征进行比较以确定所述网约车辆当前的行驶轨迹是否与推荐行驶路线产生偏离；

34、若是，基于网约车辆的相邻任务集合对应的所有第二有向道路图和目标订单用户的订单任务对应的第一有向道路图构造长度为1的第一轨迹集合，基于所述第一有向道路图和所述第二有向道路图中各个道路节点的分支结构构造长度为1的第二轨迹集合，并基于关联规则分别对所述第一轨迹集合和所述第二轨迹集合进行频繁项集挖掘，得到所述网越车辆在执行当前订单任务时的第一局部频繁轨迹集合和第二局部频繁轨迹集合；

35、将第一局部频繁轨迹集合中的频繁轨迹作为第二局部频繁轨迹中的频繁轨迹的前序轨迹序列，以对第一局部频繁轨迹集合和第二局部频繁轨迹集合进行频繁项集拼接，得到若干长度为2的第三局部频繁轨迹集合；

36、重复上述步骤，得到所有满足最小支持长度阈值的局部频繁轨迹集合，将网约车辆当前的行驶轨迹与局部频繁轨迹集合中每个满足长度的频繁轨迹进行匹配以确定网约车辆当前的行驶轨迹是否产生偏离。

37、本发明具有以下有益效果：

38、本发明通过对网约车辆当前的行驶轨迹进行实时监测与分析，在确定网约车辆当前的行驶轨迹发生偏离时，对当前道路和当前道路的前向道路的交通状态进行分析，以判断网约车司机做出的离道行为是否正常，大幅提高异常离道行为检测的准确性。即本发明可对异常行驶车辆进行实时监测与告警，能够显著降低意外事故的发生率，提升相关平台对网页车辆的监管力度。此外，本发明通过对车辆异常行为的自动检测和识别报警还可以降低交通管理成本，提高工作效率。