[go: up one dir, main page]

CN109191909A - 一种高速路上临时停车引起的虚拟资源调整方法 - Google Patents

一种高速路上临时停车引起的虚拟资源调整方法 Download PDF

Info

Publication number
CN109191909A
CN109191909A CN201810880480.3A CN201810880480A CN109191909A CN 109191909 A CN109191909 A CN 109191909A CN 201810880480 A CN201810880480 A CN 201810880480A CN 109191909 A CN109191909 A CN 109191909A
Authority
CN
China
Prior art keywords
cloud platform
sound signal
target vehicle
expressway
temporary parking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810880480.3A
Other languages
English (en)
Inventor
向敏明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan Huarui Electronic Technology Co ltd
Original Assignee
Dongguan Huarui Electronic Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongguan Huarui Electronic Technology Co ltd filed Critical Dongguan Huarui Electronic Technology Co ltd
Priority to CN201810880480.3A priority Critical patent/CN109191909A/zh
Publication of CN109191909A publication Critical patent/CN109191909A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0272—Voice signal separating
    • G10L21/0308—Voice signal separating characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种高速路上临时停车引起的虚拟资源调整方法，特点为：云平台在目标车辆处于高速路临时停车预警模式的过程中，若监测到目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆及后台车辆总数量，向每一辆后方车辆的行车电脑下发包含目标车辆的车牌信息及该即时目标位置的高速路临时停车预警信息，使得后方的车辆驾驶员及时了解正在行驶的高速路上某一位置处有车辆临时停车，从而可以提前减缓车速，以防来不及刹车而发生交通事故；此外，云平台还确定出与后台车辆总数量成正比例关系的虚拟资源值，并从临时停车的目标车辆对应的虚拟账号中扣除该虚拟资源值，有利于减少车辆在行驶车辆较多的高速路上临时停车，降低交通事故的发生率。

Description

一种高速路上临时停车引起的虚拟资源调整方法
技术领域
本发明涉及车联网技术领域，尤其涉及一种高速路上临时停车引起的虚拟资源调整方法。
技术领域
当前，随着群众生活水平的不断提升，我国的汽车刚性需求保持旺盛，汽车保有量保持迅猛增长趋势。在汽车保有量保持迅猛增长的过程中，汽车交通事故也在不断上升。在实践中发现，当高速路上有车辆临时停车(如车辆故障临时停车或驾驶员身体不适临时停车)时，后方车辆的驾驶员通常无法及时了解这一临时状况，从而无法提前减缓车速，从而容易发生交通事故。
发明内容
本发明实施例公开了一种高速路上临时停车引起的虚拟资源调整方法，该方法可以使车辆驾驶员及时了解正在行驶的高速路上某一位置处有车辆临时停车，从而可以提前减缓车速，以防来不及刹车而发生交通事故。
其中，一种高速路上临时停车引起的虚拟资源调整方法，所述方法包括：
云平台在监测到已接入所述云平台的某一目标车辆驶入任一高速路入口后，向所述目标车辆的行车电脑下发第一提示信息，所述第一提示信息用于提示是否允许所述目标车辆进入高速路临时停车预警模式；
所述云平台判断是否收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息，若收到，所述云平台控制所述目标车辆进入所述高速路临时停车预警模式，并且在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量；所述后方车辆是指行驶在途径所述即时目标位置的高速路上且与所述即时目标位置之间的即时距离小于指定阈值的以及即将经过所述即时目标位置的在后车辆；
所述云平台向每一辆所述后方车辆的行车电脑下发高速路临时停车预警信息，所述高速路临时停车预警信息包含所述目标车辆的车牌信息以及所述即时目标位置；
所述云平台确定出与所述后台车辆总数量成正比例关系的虚拟资源值，并且从所述目标车辆对应的虚拟账号中扣除所述虚拟资源值。
作为一种可选的实施方式，本发明实施例中，所述云平台判断收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息之后，以及所述云平台控制所述目标车辆进入所述高速路临时停车预警模式之前，所述方法还包括：
所述云平台向所述目标车辆的行车电脑下发第二提示信息，所述第二提示信息用于提示向所述云平台上报所述目标车辆的当前驾驶员发出的第一声音信号以及所述目标车辆的行车电脑预先存储的由合法驾驶员录入的第二声音信号；
所述云平台检测所述目标车辆的行车电脑上报的所述目标车辆的当前驾驶员发出的第一声音信号以及所述目标车辆的行车电脑预先存储的由合法驾驶员录入的第二声音信号；
所述云平台对所述第一声音信号以及所述第二声音信号进行合成得到合成声音信号；
所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号是否匹配，若匹配，执行所述的控制所述目标车辆进入所述高速路临时停车预警模式的步骤。
作为一种可选的实施方式，本发明实施例中，所述云平台对所述第一声音信号以及所述第二声音信号进行合成得到合成声音信号，包括：
所述云平台确定选取的所述第一声音信号与所述第二声音信号之间的对齐点；其中，所述对齐点是指所述第一声音信号与所述第二声音信号合成的开始位置；
所述云平台根据所述对齐点将所述第一声音信号与所述第二声音信号合成为合成声音信号。
作为一种可选的实施方式，本发明实施例中，所述云平台确定选取的所述第一声音信号与所述第二声音信号之间的对齐点，包括：
所述云平台计算选取的所述第一声音信号的第一时长以及所述第二声音信号的第二时长；其中，所述第一时长表示所述第一声音信号的声音持续的时间；所述第二时长表示所述第二声音信号的声音持续的时间；
所述云平台计算所述第一时长和所述第二时长之间的差值；
所述云平台判断所述差值是否小于或等于预设数值，若是，对所述第一声音信号和所述第二声音信号中的任一声音信号进行周期上的缩放，以获得最终持续时长相同的第一声音信号和第二声音信号，再以所述最终持续时长相同的第一声音信号和第二声音信号的首个音频帧作为对齐点。
作为一种可选的实施方式，本发明实施例中，所述云平台对所述第一声音信号和所述第二声音信号中的任一声音信号进行周期上的缩放，包括：
若所述第一声音信号的第一时长相对于所述第二声音信号的第二时长较短，云平台根据所述差值确定所述差值占所述第一声音信号的第一时长的比例X；
云平台计算所述第一声音信号的音频帧数Y；
云平台计算放大系数Z，所述Z＝X*(Y/(Y-1))；
云平台按照所述放大系数，对所述第一声音信号中除了首个音频帧之外的其他音频帧进行等比例放大，以使得放大后的第一声音信号的最终持续时长与所述第二声音信号的第二时长相同。
作为一种可选的实施方式，本发明实施例中，若所述差值大于所述预设数值，所述方法还包括：
云平台使用相同的默认采样频率对所述第一声音信号以及所述第二声音信号分别进行采样，得到第一采样组和第二采样组；
云平台根据所述默认采样频率、所述第一采样组、所述第二采样组以及互相关权值生成互相关组；其中，所述互相关权值与所述差值正相关，所述互相关组中包含有多个数值；
云平台将所述互相关组中的多个数值进行比较，找出最大的数值；
云平台使用所述最大的数值对应的音频帧位置作为对齐点。
作为一种可选的实施方式，本发明实施例中，云平台根据所述默认采样频率、所述第一采样组、所述第二采样组以及互相关权值生成互相关组，包括：
其中，Sn[t]表示互相关组，x[m]表示所述第一采样组中的第m个采样数据，y[m-t]表示所述第二采样组中的第(m-t)个采样数据，t表示时间的偏移量，t为整数，取值为从0到m，Wt表示窗函数，其中n＝l*f，l为互相关权值，f为所述默认采样频率。
作为一种可选的实施方式，本发明实施例中，所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号是否匹配，包括：
所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号之间的对齐点是否相同；
若相同，所述云平台判断所述合成声音信号的声纹特征对应的第一多维向量与所述验证声音信号的声纹特征对应的第二多维向量是否匹配，若匹配，确定所述合成声音信号与所述验证声音信号相匹配；若不匹配，确定所述合成声音信号与所述验证声音信号不匹配。
作为一种可选的实施方式，本发明实施例中，所述合成声音信号的声纹特征对应的第一多维向量由梅尔频率倒谱系数、线性预测倒谱系数、所述梅尔频率倒谱系数的一阶差分、所述线性预测倒谱系数的一阶差分、能量、所述能量的一阶差分以及Gammatone滤波器倒谱系数共同组成。
作为一种可选的实施方式，本发明实施例中，所述云平台控制所述目标车辆进入所述高速路临时停车预警模式之后，所述方法还包括：
所述云平台检测所述目标车辆的当前驾驶员佩戴的穿戴设备由经所述目标车辆的行车电脑上报的所述当前驾驶员的心电图数据；
所述云平台对所述心电图数据进行去噪处理；
所述云平台采用心电图R波提取算法提取经过去噪处理的心电图数据中的R波峰值，以及计算所述经过去噪处理的心电图数据中相邻R波之间RR间距；
所述云平台计算所述RR间距的频域指标、时域指标及非线性指标；其中，所述频域指标包括副交感神经活性指标，所述时域指标包括短程心率变动性指标；所述短程心率变动性指标通过获取所述RR间距差值平方和的均方根来计算；所述副交感神经活性指标通过快速傅里叶变换来计算；所述非线性指标通过分形维数计算方法来计算；
所述云平台根据所述频域指标、时域指标及非线性指标，分析所述当前驾驶员的情绪的活力值；所述活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值；
所述云平台根据所述活力值识别所述当前驾驶员的情绪是否不稳定，如果不稳定，提示所述当前驾驶员停车，并执行所述的在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量的步骤；
如果情绪稳定，所述云平台控制所述目标车辆的行车电脑每隔指定时间采集一帧所述当前驾驶员的人脸图像，并从所述人脸图像中确定出人眼定位矩形，计算所述人眼定位矩形的面积，根据阈值判断所述当前驾驶员的眼睛的睁闭程度，以及根据所述当前驾驶员的眼睛的睁闭程度评价出人眼疲劳程度值，基于所述人眼疲劳程度值判断所述当前驾驶员的眼睛是否疲劳，如果疲劳，提示所述当前驾驶员停车，并执行所述的在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量的步骤。
本发明实施例中，云平台在目标车辆处于高速路临时停车预警模式的过程中，若监测到目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量，并向每一辆后方车辆的行车电脑下发包含目标车辆的车牌信息以及该即时目标位置的高速路临时停车预警信息，使得后方的车辆驾驶员可以及时了解正在行驶的高速路上某一位置处有车辆临时停车，从而可以提前减缓车速，以防来不及刹车而发生交通事故；此外，本发明实施例中，云平台还确定出与后台车辆总数量成正比例关系的虚拟资源值，并且从临时停车的目标车辆对应的虚拟账号中扣除该虚拟资源值，有利于减少车辆在高速路上临时停车，特别是有利于减少车辆在行驶车辆较多的高速路上临时停车，从而降低交通事故的发生率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种高速路上临时停车引起的虚拟资源调整方法的流程示意图；
图2为本发明实施例公开的另一种高速路上临时停车引起的虚拟资源调整方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
需要说明的是，本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种高速路上临时停车引起的虚拟资源调整方法，该方法可以使车辆驾驶员及时了解正在行驶的高速路上某一位置处有车辆临时停车，从而可以提前减缓车速，以防来不及刹车而发生交通事故。以下进行结合附图进行详细描述。
请参阅图1，图1是本发明实施例公开的一种高速路上临时停车引起的虚拟资源调整方法的流程示意图。如图1所示，该方法可以包括以下步骤：
101、云平台在监测到已接入所述云平台的某一目标车辆驶入任一高速路入口后，向所述目标车辆的行车电脑下发第一提示信息，所述第一提示信息用于提示是否允许所述目标车辆进入高速路临时停车预警模式。
本发明实施例中，云平台可以通过根据已接入所述云平台的某一目标车辆的即时行驶位置来确定所述目标车辆是否驶入任一高速路入口，若是，云平台可以向所述目标车辆的行车电脑下发用于提示是否允许所述目标车辆进入高速路临时停车预警模式的第一提示信息。
或者，本发明实施例中，已接入所述云平台的某一目标车辆的行车电脑可以和云平台保持实时通讯连接，当所述目标车辆的行车电脑通过近场通讯方式读取到位于任一高速路入口的电子标签的身份信息时，可以向云平台上报所述电子标签的身份信息，以使云平台根据所述目标车辆的行车电脑上报的所述电子标签的身份信息，获悉所述目标车辆驶入所述高速路入口，并向所述目标车辆的行车电脑下发用于提示是否允许所述目标车辆进入高速路临时停车预警模式的第一提示信息。
102、所述云平台判断是否收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息，若收到，所述云平台控制所述目标车辆进入所述高速路临时停车预警模式，并且在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量；所述后方车辆是指行驶在途径所述即时目标位置的高速路上且与所述即时目标位置之间的即时距离小于指定阈值的以及即将经过所述即时目标位置的在后车辆。
本发明实施例中，所述云平台若未收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息，结束本流程。
103、所述云平台向每一辆所述后方车辆的行车电脑下发高速路临时停车预警信息，所述高速路临时停车预警信息包含所述目标车辆的车牌信息以及所述即时目标位置。
104、所述云平台确定出与所述后台车辆总数量成正比例关系的虚拟资源值，并且从所述目标车辆对应的虚拟账号中扣除所述虚拟资源值。
其中，图1所描述的方法使得后方的车辆驾驶员可以及时了解正在行驶的高速路上某一位置处有车辆临时停车，从而可以提前减缓车速，以防来不及刹车而发生交通事故；此外，在图1所描述的方法中，云平台还确定出与后台车辆总数量成正比例关系的虚拟资源值，并且从临时停车的目标车辆对应的虚拟账号中扣除该虚拟资源值，有利于减少车辆在高速路上临时停车，特别是有利于减少车辆在行驶车辆较多的高速路上临时停车，从而降低交通事故的发生率。
请参阅图2，图2是本发明实施例公开的另一种高速路上临时停车引起的虚拟资源调整方法的流程示意图。如图2所示，该方法可以包括以下步骤：
201、云平台在监测到已接入所述云平台的某一目标车辆驶入任一高速路入口后，向所述目标车辆的行车电脑下发第一提示信息，所述第一提示信息用于提示是否允许所述目标车辆进入高速路临时停车预警模式。
本发明实施例中，云平台可以通过根据已接入所述云平台的某一目标车辆的即时行驶位置来确定所述目标车辆是否驶入任一高速路入口，若是，云平台可以向所述目标车辆的行车电脑下发用于提示是否允许所述目标车辆进入高速路临时停车预警模式的第一提示信息。
或者，本发明实施例中，已接入所述云平台的某一目标车辆的行车电脑可以和云平台保持实时通讯连接，当所述目标车辆的行车电脑通过近场通讯方式读取到位于任一高速路入口的电子标签的身份信息时，可以向云平台上报所述电子标签的身份信息，以使云平台根据所述目标车辆的行车电脑上报的所述电子标签的身份信息，获悉所述目标车辆驶入所述高速路入口，并向所述目标车辆的行车电脑下发用于提示是否允许所述目标车辆进入高速路临时停车预警模式的第一提示信息。
202、所述云平台判断是否收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息，若收到，所述云平台控制所述目标车辆进入所述高速路临时停车预警模式。
本发明实施例中，所述云平台若未收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息，所述云平台结束本流程。
203、所述云平台向所述目标车辆的行车电脑下发第二提示信息，所述第二提示信息用于提示向所述云平台上报所述目标车辆的当前驾驶员发出的第一声音信号以及所述目标车辆的行车电脑预先存储的由合法驾驶员录入的第二声音信号。
204、所述云平台检测所述目标车辆的行车电脑上报的所述目标车辆的当前驾驶员发出的第一声音信号以及所述目标车辆的行车电脑预先存储的由合法驾驶员录入的第二声音信号。
205、所述云平台对所述第一声音信号以及所述第二声音信号进行合成得到合成声音信号。
作为一种可选的实施方式，上述步骤205中，所述云平台对所述第一声音信号以及所述第二声音信号进行合成得到合成声音信号，包括：
所述云平台确定第一声音信号与第二声音信号之间的对齐点；其中，对齐点是指第一声音信号与第二声音信号合成的开始位置；换句话说，第一声音信号与第二声音信号要合成的话，需要找到从哪个音频帧开始合成，这个音频帧就可以理解为对齐点；
所述云平台根据对齐点将第一声音信号与第二声音信号合成为合成声音信号。
作为一种可选的实施方式，所述云平台确定所述第一声音信号与所述第二声音信号之间的对齐点，包括：
所述云平台计算第一声音信号的第一时长以及第二声音信号的第二时长；其中，第一时长表示第一声音信号的声音持续的时间；第二时长表示第二声音信号的声音持续的时间；
所述云平台计算第一时长和第二时长之间的差值；
所述云平台判断该差值是否小于或等于预设数值，若是，对第一声音信号和第二声音信号中的任一声音信号进行周期上的缩放，以获得最终持续时长相同的第一声音信号和第二声音信号，再以最终持续时长相同的第一声音信号和第二声音信号的首个音频帧作为对齐点。
本发明实施例中，如果该差值小于或等于预设数值，则说明两个声音信号(即第一声音信号和第二声音信号)在输入时的差距较小，此时可以对其中的一个声音信号(如第一声音信号)进行周期上的缩放，例如对时长较长的声音信号进行周期上的压缩(也就是俗称的快进)，和/或对时长较短的声音信号进行周期上的放大(也就是俗称的慢进)，使得两个声音信号的最终持续时长相同，再以两个声音信号的首个音频帧作为对齐点进行对齐。
其中，该预设数值的取值范围可以为0至0.1秒。
作为一种可选的实施方式，所述云平台对所述第一声音信号和所述第二声音信号中的任一声音信号进行周期上的缩放，包括：
若第一声音信号的第一时长相对于第二声音信号的第二时长较短，所述云平台根据该差值确定该差值占第一声音信号的第一时长的比例X；
所述云平台计算第一声音信号的音频帧数Y；
所述云平台计算放大系数Z，Z＝X*(Y/(Y-1))；
所述云平台按照放大系数，对第一声音信号中除了首个音频帧之外的其他音频帧进行等比例放大，以使得放大后的第一声音信号的最终持续时长与第二声音信号的第二时长相同。
举例来说，第一声音信号为1秒，有100个音频帧，则每个音频帧0.01秒，第二声音信号为1.1秒，需要把第一声音信号放大至1.1秒。第一帧不动，放大后续的99帧，先确定放大的系数Z为0.1*(100/(100-1))＝0.101，即10.1％；此时后续的99帧，每帧需要放大10.1％，放大后的每帧为0.01*(1+10.1％)＝0.01101，放大后这99帧的长度为1.09秒，再加上没有动的第一帧0.01秒，就为1.1秒了，即放大后的第一声音信号的最终持续时长与第二声音信号的第二时长相同。
本发明实施例中，如果该差值大于预设数值，则说明两个声音信号(即第一声音信号和第二声音信号)在输入时的差距较大，如果此时还是对其中的一个声音信号进行周期上的缩放，则缩放后会造成比较严重的失真，后续的校验会出现问题，所以可以采用互相关算法来确定对齐点。即，在该差值大于预设数值时，该方法还包括：
所述云平台使用相同的默认采样频率对第一声音信号以及第二声音信号分别进行采样，得到第一采样组和第二采样组；
所述云平台根据默认采样频率(例如8000Hz到10000Hz)、第一采样组、第二采样组以及互相关权值生成互相关组；其中，互相关权值与该差值正相关(例如该互相关权值可以为该差值的1.5倍)，互相关组中包含有多个数值；
所述云平台将互相关组中的多个数值进行比较，找出最大的数值；
所述云平台使用最大的数值对应的音频帧位置作为对齐点。
其中，所述云平台根据默认采样频率、第一采样组、第二采样组以及互相关权值生成互相关组，包括：
其中，Sn[t]表示互相关组，x[m]表示所述第一采样组中的第m个采样数据，y[m-t]表示所述第二采样组中的第(m-t)个采样数据，t表示时间的偏移量，t为整数，取值为从0到m，Wt表示窗函数，其中n＝l*f，l为互相关权值，f为默认采样频率。
其中，所述云平台使用最大的数值对应的音频帧位置作为对齐点可以为：
所述云平台找到所述最大的数值后，可以根据上述的公式(1)反推出m是多少，也就是哪一个采样数据，然后再确定该采样数据所在的音频帧是哪一个，并且使用该音频帧作为对齐点。
本发明实施例中，所述云平台在获取到第一声音信号和第二声音信号之后，并不是逐一的对这两个声音信号进行验证，而是把这两个声音信号进行合成得到合成声音信号，然后再将合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号进行匹配，而声音信号合成后，会产生更多的可验证参数(例如对齐点是否相同、声纹特征是否匹配等)，相比于逐一验证两个声音信号，提高了所述云平台控制所述目标车辆进入所述高速路临时停车预警模式的准确性和合法性。
206、所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号是否匹配，若匹配，控制所述目标车辆进入所述高速路临时停车预警模式。
若所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号不匹配，所述云平台结束本流程。
作为一种可选的实施方式，上述步骤206中，所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号是否匹配，包括：
所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号之间的对齐点是否相同；其中，对齐点相同包括对齐点对应的两个混合音频帧(一个混合音频帧属于合成声音信号，另一个混合音频帧属于验证声音信号)的混合帧内容相同，以及对齐点对应的两个混合音频帧的帧时间也相同；
若相同，所述云平台判断所述合成声音信号的声纹特征对应的第一多维向量与所述验证声音信号的声纹特征对应的第二多维向量是否匹配，若匹配，确定所述合成声音信号与所述验证声音信号相匹配；若不匹配，确定所述合成声音信号与所述验证声音信号不匹配。
其中，合成声音信号的声纹特征对应的第一多维向量由梅尔频率倒谱系数、线性预测倒谱系数、所述梅尔频率倒谱系数的一阶差分、所述线性预测倒谱系数的一阶差分、能量、所述能量的一阶差分以及Gammatone滤波器倒谱系数共同组成。其中，实施上述实施方式，可以提高声音匹配的准确性。
207、所述云平台在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量；所述后方车辆是指行驶在途径所述即时目标位置的高速路上且与所述即时目标位置之间的即时距离小于指定阈值的以及即将经过所述即时目标位置的在后车辆。
本发明实施例中，所述云平台若未收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息，结束本流程。
208、所述云平台向每一辆所述后方车辆的行车电脑下发高速路临时停车预警信息，所述高速路临时停车预警信息包含所述目标车辆的车牌信息以及所述即时目标位置。
209、所述云平台确定出与所述后台车辆总数量成正比例关系的虚拟资源值，并且从所述目标车辆对应的虚拟账号中扣除所述虚拟资源值。
本发明实施例中，所述目标车辆对应的虚拟账号中的虚拟资源可以是虚拟货币。其中，所述目标车辆对应的虚拟账号中的所述虚拟货币的增值与所述目标车辆的当日行驶路程总量成反比，也即是说，如果所述目标车辆的当日行驶路程总量越大，所述目标车辆对应的虚拟账号中的所述虚拟货币的增值越小；反之，如果所述目标车辆的当日行驶路程总量越小，所述目标车辆对应的虚拟账号中的所述虚拟货币的增值越大，从而有利于激励用户少驾驶车辆，减少汽车尾气污染。
作为一种可选的实施方式，本发明实施例中，所述云平台控制所述目标车辆进入所述高速路临时停车预警模式之后，所述方法还包括：
所述云平台检测所述目标车辆的当前驾驶员佩戴的穿戴设备由经所述目标车辆的行车电脑上报的所述当前驾驶员的心电图数据；
所述云平台对所述心电图数据进行去噪处理；
所述云平台采用心电图R波提取算法提取经过去噪处理的心电图数据中的R波峰值，以及计算所述经过去噪处理的心电图数据中相邻R波之间RR间距；
所述云平台计算所述RR间距的频域指标、时域指标及非线性指标；其中，所述频域指标包括副交感神经活性指标，所述时域指标包括短程心率变动性指标；所述短程心率变动性指标通过获取所述RR间距差值平方和的均方根来计算；所述副交感神经活性指标通过快速傅里叶变换来计算；所述非线性指标通过分形维数计算方法来计算；
所述云平台根据所述频域指标、时域指标及非线性指标，分析所述当前驾驶员的情绪的活力值；所述活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值；
所述云平台根据所述活力值识别所述当前驾驶员的情绪是否不稳定，如果不稳定，提示所述当前驾驶员停车，并执行所述的在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量的步骤；
如果情绪稳定，所述云平台控制所述目标车辆的行车电脑每隔指定时间采集一帧所述当前驾驶员的人脸图像，并从所述人脸图像中确定出人眼定位矩形，计算所述人眼定位矩形的面积，根据阈值判断所述当前驾驶员的眼睛的睁闭程度，以及根据所述当前驾驶员的眼睛的睁闭程度评价出人眼疲劳程度值，基于所述人眼疲劳程度值判断所述当前驾驶员的眼睛是否疲劳，如果疲劳，提示所述当前驾驶员停车，并执行步骤203。
其中，图2所描述的方法使得后方的车辆驾驶员可以及时了解正在行驶的高速路上某一位置处有车辆临时停车，从而可以提前减缓车速，以防来不及刹车而发生交通事故；此外，在图2所描述的方法中，云平台还确定出与后台车辆总数量成正比例关系的虚拟资源值，并且从临时停车的目标车辆对应的虚拟账号中扣除该虚拟资源值，有利于减少车辆在高速路上临时停车，特别是有利于减少车辆在行驶车辆较多的高速路上临时停车，从而降低交通事故的发生率。
作为一种可选的实施方式，本发明实施中，所述云平台在执行步骤204之后，以及执行步骤205之前，可以先判断第一声音信号为语音信号，若第一声音信号为语音信号，才执行步骤205。
举例来说，所述云平台可以采取以下方式来精确的判断第一声音信号是否为语音信号，即：
所述云平台对第一声音信号进行快速傅里叶变换得到频域信号；
所述云平台根据频域信号计算谱幅度值；
所述云平台根据谱幅度值计算概率密度；
所述云平台根据概率密度计算第一声音信号的谱熵；
所述云平台根据谱熵确定第一声音信号是否为语音信号；
其中，所述云平台根据谱熵确定第一声音信号是否为语音信号，可以包括：
所述云平台计算第一声音信号的能量；
所述云平台根据第一声音信号的能量以及谱熵确定第一声音信号是否为语音信号，即所述云平台可以计算第一声音信号的能量与第一声音信号的谱熵的乘积，并对该乘积进行开平方运算，获得该乘积对应的开平方值；以及，所述云平台可以判断该乘积对应的开平方值是否大于预置门限值，若是，则确定第一声音信号是语音信号，若否，则确定第一声音信号不是语音信号。
本领域普通技术人员可以理解上述实施例的各种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，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种高速路上临时停车引起的虚拟资源调整方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种高速路上临时停车引起的虚拟资源调整方法，其特征在于，所述方法包括：
云平台在监测到已接入所述云平台的某一目标车辆驶入任一高速路入口后，向所述目标车辆的行车电脑下发第一提示信息，所述第一提示信息用于提示是否允许所述目标车辆进入高速路临时停车预警模式；
所述云平台判断是否收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息，若收到，所述云平台控制所述目标车辆进入所述高速路临时停车预警模式，并且在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量；所述后方车辆是指行驶在途径所述即时目标位置的高速路上且与所述即时目标位置之间的即时距离小于指定阈值的以及即将经过所述即时目标位置的在后车辆；
所述云平台向每一辆所述后方车辆的行车电脑下发高速路临时停车预警信息，所述高速路临时停车预警信息包含所述目标车辆的车牌信息以及所述即时目标位置；
所述云平台确定出与所述后台车辆总数量成正比例关系的虚拟资源值，并且从所述目标车辆对应的虚拟账号中扣除所述虚拟资源值。
2.根据权利要求1所述的虚拟资源调整方法，其特征在于，所述云平台判断收到所述目标车辆的行车电脑上报的用于表示允许所述目标车辆进入所述高速路临时停车预警模式的第一反馈信息之后，以及所述云平台控制所述目标车辆进入所述高速路临时停车预警模式之前，所述方法还包括：
所述云平台向所述目标车辆的行车电脑下发第二提示信息，所述第二提示信息用于提示向所述云平台上报所述目标车辆的当前驾驶员发出的第一声音信号以及所述目标车辆的行车电脑预先存储的由合法驾驶员录入的第二声音信号；
所述云平台检测所述目标车辆的行车电脑上报的所述目标车辆的当前驾驶员发出的第一声音信号以及所述目标车辆的行车电脑预先存储的由合法驾驶员录入的第二声音信号；
所述云平台对所述第一声音信号以及所述第二声音信号进行合成得到合成声音信号；
所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号是否匹配，若匹配，执行所述的控制所述目标车辆进入所述高速路临时停车预警模式的步骤。
3.根据权利要求2所述的虚拟资源调整方法，其特征在于，所述云平台对所述第一声音信号以及所述第二声音信号进行合成得到合成声音信号，包括：
所述云平台确定所述第一声音信号与所述第二声音信号之间的对齐点；其中，所述对齐点是指所述第一声音信号与所述第二声音信号合成的开始位置；
所述云平台根据所述对齐点将所述第一声音信号与所述第二声音信号合成为合成声音信号。
4.根据权利要求3所述的虚拟资源调整方法，其特征在于，所述云平台确定所述第一声音信号与所述第二声音信号之间的对齐点，包括：
所述云平台计算所述第一声音信号的第一时长以及所述第二声音信号的第二时长；其中，所述第一时长表示所述第一声音信号的声音持续的时间；所述第二时长表示所述第二声音信号的声音持续的时间；
所述云平台计算所述第一时长和所述第二时长之间的差值；
所述云平台判断所述差值是否小于或等于预设数值，若是，对所述第一声音信号和所述第二声音信号中的任一声音信号进行周期上的缩放，以获得最终持续时长相同的第一声音信号和第二声音信号，再以所述最终持续时长相同的第一声音信号和第二声音信号的首个音频帧作为对齐点。
5.根据权利要求4所述的虚拟资源调整方法，其特征在于，所述云平台对所述第一声音信号和所述第二声音信号中的任一声音信号进行周期上的缩放，包括：
若所述第一声音信号的第一时长相对于所述第二声音信号的第二时长较短，云平台根据所述差值确定所述差值占所述第一声音信号的第一时长的比例X；
云平台计算所述第一声音信号的音频帧数Y；
云平台计算放大系数Z，所述Z＝X*(Y/(Y-1))；
云平台按照所述放大系数，对所述第一声音信号中除了首个音频帧之外的其他音频帧进行等比例放大，以使得放大后的第一声音信号的最终持续时长与所述第二声音信号的第二时长相同。
6.根据权利要求4或5所述的虚拟资源调整方法，其特征在于，若所述差值大于所述预设数值，所述方法还包括：
云平台使用相同的默认采样频率对所述第一声音信号以及所述第二声音信号分别进行采样，得到第一采样组和第二采样组；
云平台根据所述默认采样频率、所述第一采样组、所述第二采样组以及互相关权值生成互相关组；其中，所述互相关权值与所述差值正相关，所述互相关组中包含有多个数值；
云平台将所述互相关组中的多个数值进行比较，找出最大的数值；
云平台使用所述最大的数值对应的音频帧位置作为对齐点。
7.根据权利要求6所述的虚拟资源调整方法，其特征在于，云平台根据所述默认采样频率、所述第一采样组、所述第二采样组以及互相关权值生成互相关组，包括：
其中，Sn[t]表示互相关组，x[m]表示所述第一采样组中的第m个采样数据，y[m-t]表示所述第二采样组中的第(m-t)个采样数据，t表示时间的偏移量，t为整数，取值为从0到m，Wt表示窗函数，其中n＝l*f，l为互相关权值，f为所述默认采样频率。
8.根据权利要求3-7任一项所述的虚拟资源调整方法，其特征在于，所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号是否匹配，包括：
所述云平台判断所述合成声音信号与所述目标车辆预先在所述云平台上为所述高速路临时停车预警模式注册的验证声音信号之间的对齐点是否相同；
若相同，所述云平台判断所述合成声音信号的声纹特征对应的第一多维向量与所述验证声音信号的声纹特征对应的第二多维向量是否匹配，若匹配，确定所述合成声音信号与所述验证声音信号相匹配；若不匹配，确定所述合成声音信号与所述验证声音信号不匹配。
9.根据权利要求8所述的虚拟资源调整方法，其特征在于，所述合成声音信号的声纹特征对应的第一多维向量由梅尔频率倒谱系数、线性预测倒谱系数、所述梅尔频率倒谱系数的一阶差分、所述线性预测倒谱系数的一阶差分、能量、所述能量的一阶差分以及Gammatone滤波器倒谱系数共同组成。
10.根据权利要求2～9任一项所述的虚拟资源调整方法，其特征在于，所述云平台控制所述目标车辆进入所述高速路临时停车预警模式之后，所述方法还包括：
所述云平台检测所述目标车辆的当前驾驶员佩戴的穿戴设备由经所述目标车辆的行车电脑上报的所述当前驾驶员的心电图数据；
所述云平台对所述心电图数据进行去噪处理；
所述云平台采用心电图R波提取算法提取经过去噪处理的心电图数据中的R波峰值，以及计算所述经过去噪处理的心电图数据中相邻R波之间RR间距；
所述云平台计算所述RR间距的频域指标、时域指标及非线性指标；其中，所述频域指标包括副交感神经活性指标，所述时域指标包括短程心率变动性指标；所述短程心率变动性指标通过获取所述RR间距差值平方和的均方根来计算；所述副交感神经活性指标通过快速傅里叶变换来计算；所述非线性指标通过分形维数计算方法来计算；
所述云平台根据所述频域指标、时域指标及非线性指标，分析所述当前驾驶员的情绪的活力值；所述活力值为根据所述时域指标、频域指标及非线性指标建立的多元线性回归方程计算得到的值；
所述云平台根据所述活力值识别所述当前驾驶员的情绪是否不稳定，如果不稳定，提示所述当前驾驶员停车，并执行所述的在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量的步骤；
如果情绪稳定，所述云平台控制所述目标车辆的行车电脑每隔指定时间采集一帧所述当前驾驶员的人脸图像，并从所述人脸图像中确定出人眼定位矩形，计算所述人眼定位矩形的面积，根据阈值判断所述当前驾驶员的眼睛的睁闭程度，以及根据所述当前驾驶员的眼睛的睁闭程度评价出人眼疲劳程度值，基于所述人眼疲劳程度值判断所述当前驾驶员的眼睛是否疲劳，如果疲劳，提示所述当前驾驶员停车，并执行所述的在所述目标车辆处于所述高速路临时停车预警模式的过程中，若监测到所述目标车辆在高速路上的某一即时目标位置临时停车，则确定出后方车辆以及后台车辆总数量的步骤。
CN201810880480.3A 2018-08-04 2018-08-04 一种高速路上临时停车引起的虚拟资源调整方法 Pending CN109191909A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810880480.3A CN109191909A (zh) 2018-08-04 2018-08-04 一种高速路上临时停车引起的虚拟资源调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810880480.3A CN109191909A (zh) 2018-08-04 2018-08-04 一种高速路上临时停车引起的虚拟资源调整方法

Publications (1)

Publication Number Publication Date
CN109191909A true CN109191909A (zh) 2019-01-11

Family

ID=64920109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810880480.3A Pending CN109191909A (zh) 2018-08-04 2018-08-04 一种高速路上临时停车引起的虚拟资源调整方法

Country Status (1)

Country Link
CN (1) CN109191909A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111341151A (zh) * 2020-02-28 2020-06-26 深圳市元征科技股份有限公司 一种车辆避险方法、装置、设备及介质
CN114577978A (zh) * 2020-11-18 2022-06-03 中移物联网有限公司 基于路侧单元的尾气超标车辆的检测方法及路侧单元

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110438A (zh) * 2010-12-15 2011-06-29 方正国际软件有限公司 一种基于语音的身份认证方法及系统
CN107204123A (zh) * 2017-06-21 2017-09-26 深圳市盛路物联通讯技术有限公司 一种结合天气信息的车辆停车引导系统及方法
CN107393343A (zh) * 2017-09-19 2017-11-24 高保安 用于防止汽车追尾的装置及系统
CN107689023A (zh) * 2017-08-30 2018-02-13 刘文亮 一种违章停车智能管理系统及方法
CN107731223A (zh) * 2017-11-22 2018-02-23 腾讯科技（深圳）有限公司 语音活性检测方法、相关装置和设备
US20180103240A1 (en) * 2016-10-12 2018-04-12 Rodney S Barnes Smart sign sleeve

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110438A (zh) * 2010-12-15 2011-06-29 方正国际软件有限公司 一种基于语音的身份认证方法及系统
US20180103240A1 (en) * 2016-10-12 2018-04-12 Rodney S Barnes Smart sign sleeve
CN107204123A (zh) * 2017-06-21 2017-09-26 深圳市盛路物联通讯技术有限公司 一种结合天气信息的车辆停车引导系统及方法
CN107689023A (zh) * 2017-08-30 2018-02-13 刘文亮 一种违章停车智能管理系统及方法
CN107393343A (zh) * 2017-09-19 2017-11-24 高保安 用于防止汽车追尾的装置及系统
CN107731223A (zh) * 2017-11-22 2018-02-23 腾讯科技（深圳）有限公司 语音活性检测方法、相关装置和设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙炯宁等: "基于熵和能量的语音端点检测算法", 《计算机工程与设计》 *
李荣荣等: "基于谱熵的语音端点检测算法改进研究", 《武汉理工大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111341151A (zh) * 2020-02-28 2020-06-26 深圳市元征科技股份有限公司 一种车辆避险方法、装置、设备及介质
CN114577978A (zh) * 2020-11-18 2022-06-03 中移物联网有限公司 基于路侧单元的尾气超标车辆的检测方法及路侧单元
CN114577978B (zh) * 2020-11-18 2023-08-15 中移物联网有限公司 基于路侧单元的尾气超标车辆的检测方法及路侧单元

Similar Documents

Publication Publication Date Title
US11375338B2 (en) Method for smartphone-based accident detection
CN106933146B (zh) 电动轿车行人警示音控制方法
CN113479211B (zh) 基于机器视觉的汽车驾驶安全行为识别和提醒方法及系统
Xu et al. ER: Early recognition of inattentive driving leveraging audio devices on smartphones
CN107179119B (zh) 提供声音检测信息的方法和装置以及包括该装置的车辆
US9733346B1 (en) Method for providing sound detection information, apparatus detecting sound around vehicle, and vehicle including the same
CN113771859A (zh) 智能行车干预方法、装置、设备及计算机可读存储介质
CN116189267B (zh) 一种基于机器学习的驾驶员路怒情绪检测方法
US10618466B2 (en) Method for providing sound detection information, apparatus detecting sound around vehicle, and vehicle including the same
CN117542028A (zh) 驾驶行为的检测方法、装置、车辆及存储介质
CN109191909A (zh) 一种高速路上临时停车引起的虚拟资源调整方法
JP3480483B2 (ja) 覚醒度推定装置
CN102259628B (zh) 用于车辆中的碰撞检测的方法和装置
CN119577557A (zh) 基于大模型的数字人情感识别与反馈系统
US9899039B2 (en) Method for determining alcohol consumption, and recording medium and terminal for carrying out same
CN117877201A (zh) 一种自适应疲劳驾驶检测预警系统及其方法
US10818166B2 (en) Vehicle audible signal processing systems
JP2010184067A (ja) 生体状態推定装置
US12073734B2 (en) Automatic teaching device
JP2008250406A (ja) 高齢ドライバサポートシステム、運転年齢判定方法及び運転年齢判定プログラム
CN115349865A (zh) 驾驶员心电信号分析方法、装置及存储介质
CN110077318A (zh) 一种用于车辆的报警音量调节方法
CN206671813U (zh) 纯电动或混合动力汽车行人警示音控制系统
CN118078253A (zh) 一种基于WiFi信号的呼吸检测方法及相关设备
Zhang et al. Development of an automated accident detection system at intersections

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190111

WD01 Invention patent application deemed withdrawn after publication