[go: up one dir, main page]

CN119132048A - 一种酒驾判别方法、装置、设备、存储介质及产品 - Google Patents

一种酒驾判别方法、装置、设备、存储介质及产品 Download PDF

Info

Publication number
CN119132048A
CN119132048A CN202411143003.0A CN202411143003A CN119132048A CN 119132048 A CN119132048 A CN 119132048A CN 202411143003 A CN202411143003 A CN 202411143003A CN 119132048 A CN119132048 A CN 119132048A
Authority
CN
China
Prior art keywords
parking
risk
user
drunk driving
current
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
CN202411143003.0A
Other languages
English (en)
Inventor
杨尚雲
蒋韵
黄保山
蒋昭玄
阮祥兵
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.)
China Mobile Communications Group Co Ltd
China Mobile IoT Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile IoT 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 China Mobile Communications Group Co Ltd, China Mobile IoT Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202411143003.0A priority Critical patent/CN119132048A/zh
Publication of CN119132048A publication Critical patent/CN119132048A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0818—Inactivity or incapacity of driver
    • B60W2040/0836—Inactivity or incapacity of driver due to alcohol

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种酒驾判别方法、装置、设备、存储介质及产品，涉及交通安全监测技术领域，本发明从车载终端获取车辆的停车位置和停车时段；基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；在所述用户回到所述停车位置后，获取所述用户的当前状态；根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果，无需额外配置大量无人机，降低了酒驾判别过程引发安全事故的风险，具备更强的实用性。

Description

一种酒驾判别方法、装置、设备、存储介质及产品
技术领域
本发明涉及交通安全监测技术领域，尤其涉及一种酒驾判别方法、装置、设备、存储介质及产品
背景技术
为了扩大酒驾的检测范围和提高检测效率，以尽可能消除其造成的交通安全隐患，目前技术中，利用无人机拍摄车辆的行驶轨迹，对车辆行驶轨迹进行分析，以判别是否存在酒驾。但是，这种酒驾判别方式需要配备大量无人机，且无人机在道路上飞行存在掉落风险，容易引发安全事故。
发明内容
本发明实施例的目的是提供一种酒驾判别方法、装置、设备、存储介质及产品，能够通过识别停车位置、用户在餐饮场所的停留时长、以及用户在离车后返回时的状态，综合分析用户是否存在酒驾行为，无需额外配置大量无人机，降低了酒驾判别过程引发安全事故的风险，具备更强的实用性。
为实现上述目的，本发明实施例提供了一种酒驾判别方法，包括：
从车载终端获取车辆的停车位置和停车时段；
基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；
获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；
在所述用户回到所述停车位置后，获取所述用户的当前状态；
根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；
根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。
作为上述方案的改进，所述基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险，包括：
根据所述停车位置所处的电子围栏及所述电子围栏的权重系数，计算得到当前区域酒驾风险系数。
作为上述方案的改进，所述电子围栏包括第一电子围栏、第二电子围栏和第三电子围栏中的至少一种，其中，所述电子围栏的划分方式如下：
在餐饮企业聚集区域和商圈区域划出所述第一电子围栏；
在预设就餐高峰时段内，在车辆动态聚集区域划出所述第二电子围栏；其中，所述车辆动态聚集区域在所述预设就餐高峰时段具备以下特征：车辆聚集数量大于第一预设阈值，所述预设就餐高峰时段内的不同时间节点之间的车辆重复率小于第二预设阈值，且相邻的所述时间节点之间的时间间隔大于第三预设阈值；
在村落住宅聚集区域，基于移动终端和所述车载终端识别到人员聚集区域，以在所述人员聚集区域划出所述第三电子围栏。
作为上述方案的改进，所述获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段计算所述用户的当前聚餐风险，包括：
基于时段和聚餐权重系数的对应关系，根据所述停车时段确定当前聚餐权重系数；
根据所述当前聚餐权重系数、所述餐饮场所停留时长和所述停车时长计算当前聚餐风险系数；其中，所述当前聚餐风险系数分别与所述餐饮场所停留时长与所述停车时长的比值、所述当前聚餐权重系数呈正相关关系。
作为上述方案的改进，所述根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险，包括：
将停车前后的生理状态进行比对，得到第一比对结果，以用于确定所述危险驾驶风险；其中，所述生理状态包括心率、面部特征、走路行为和体态中的至少一种；
和/或，
将停车前后的驾驶状况进行比对，得到第二比对结果，以用于确定所述危险驾驶风险；其中，所述驾驶状况包括红绿灯刹车行为、加速行为、行驶路线摇摆程度和遇见障碍物时的驾驶行为中的至少一种。
作为上述方案的改进，所述基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险，包括：
基于所述预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置是否落入聚餐风险区域；
所述获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险，包括：
当所述停车位置落入所述聚餐风险区域时，获取停车时长和停车期间用户的餐饮场所停留时长，并根据所述停车时长、所述餐饮场所停留时长和所述停车时段，确定所述用户是否存在聚餐行为；
所述在所述用户回到所述停车位置后，获取所述用户的当前状态，根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险，包括：
当所述用户存在所述聚餐行为时，若所述用户回到所述停车位置，获取所述用户的当前状态，并根据所述当前状态和所述用户在停车前的状态的比对结果，确定所述用户是否存在饮酒行为；
所述根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果，包括：
当所述停车位置落入所述聚餐风险区域、所述用户存在所述聚餐行为且所述用户存在所述饮酒行为时，判定所述用户存在酒驾行为。
为实现上述目的，本发明实施例还提供了一种酒驾判别装置，包括：
停车信息获取模块，用于从车载终端获取车辆的停车位置和停车时段；
区域酒驾风险判定模块，用于基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；
聚餐风险判定模块，用于获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；
用户状态获取模块，用于在所述用户回到所述停车位置后，获取所述用户的当前状态；
危险驾驶判定模块，用于根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；
酒驾行为判定模块，用于根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。
为实现上述目的，本发明实施例还提供了一种酒驾判别设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的酒驾判别方法。
为实现上述目的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一实施例所述的酒驾判别方法。
为实现上述目的，本发明实施例还提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如上述任一实施例所述的酒驾判别方法。
与现有技术相比，本发明实施例提供的酒驾判别方法、装置、设备、存储介质及产品，从车载终端获取车辆的停车位置和停车时段；基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；在所述用户回到所述停车位置后，获取所述用户的当前状态；根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。本发明实施例能够通过识别停车位置、用户在餐饮场所的停留时长、以及用户在离车后返回时的状态，综合分析用户是否存在酒驾行为，无需额外配置大量无人机，降低了酒驾判别过程引发安全事故的风险，具备更强的实用性。
附图说明
图1是本发明一实施例提供的一种酒驾判别方法的流程图；
图2是本发明一实施例提供的一种酒驾预测与预警系统的示意图；
图3是本发明一实施例提供的车载终端获取车内电子设备信息的示意图；
图4是本发明一实施例提供的商户企业网关和共享充电装置获取设备信息的示意图；
图5是本发明一实施例提供的第一电子围栏的示意图；
图6是本发明一实施例提供的第三电子围栏的示意图；
图7是本发明又一实施例提供的酒驾判别方法的流程图；
图8是本发明一实施例提供的酒驾判别装置的结构图；
图9是本发明一实施例提供的酒驾判别设备的结构图。
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作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。
在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
参见图1，是本发明一实施例提供的酒驾判别方法，包括步骤S1～S6：
S1、从车载终端获取车辆的停车位置和停车时段；
S2、基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；
S3、获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；
S4、在所述用户回到所述停车位置后，获取所述用户的当前状态；
S5、根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；
S6、根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。
值得说明的是，本发明实施例所述的酒驾判别方法可以由预先构建的V2X(vehicle to X，车用无线通信技术)车路协同运管平台执行实现，并且，V2X车路协同运管平台与车载终端、商户企业网关、视频监控一起构成酒驾预测与预警系统。参见图2，是本发明一实施例提供的酒驾预测与预警系统的示意图，由图2可以看出，车载终端内置了V2X-SDK(vehicle to X-Software Development Kit，车用无线通信技术-软件开发工具包)、数据通讯模块、高精度定位模块、智能设备嗅探模块和报警模块，并且，车载终端通过蜂窝网络与V2X车路协同运管平台通信；商户企业网关内置了V2X-SDK和数据通讯模块；视频监控包括停车监控、商圈监控和V2X-SDK；V2X车路协同运管平台则提供车辆管理、道路信息管理、设备管理、商户企业网关AP(Access Point，无线接入点)管理、酒驾区域电子围栏等信息管理服务，并为车辆提供酒驾实时检测与告警服务。
在步骤S1中，V2X车路协同运管平台通过车载终端获取车辆的停车位置和停车时段。具体地，车载终端以固定频率发送车辆的高精度位置信息、车辆信息和车主信息到V2X车路协同运管平台，其中，车辆信息可以是车牌号，车主信息可以是车主的手机号码。参见图3，是本发明一实施例提供的车载终端获取车内电子设备信息的示意图，示例性的，车载终端通过网络(WIFI、蓝牙和星闪等)实时嗅探车内电子设备(手机、智能手环和智能手表等)信息，如设备mac地址(Media Access Control Address，媒体存取控制位址)、IMEI(International Mobile Equipment Identity，国际移动设备识别码)和ssid(ServiceSet Identifier，服务集标识)等，将嗅探到的设备信息hash(哈希)加密后生成唯一识别标记、设备停留车内时间等信息并传输到V2X车路协同运管平台。则，V2X车路协同运管平台基于车辆各时刻的高精度位置信息、设备停留车内时间等信息进一步分析出车辆的停车位置和停车时段。
值得说明的是，酒驾行为一般发生在聚餐之后，而聚餐的地点则一般在餐饮场所。因此，在步骤S2中，根据车辆的停车位置和停车时段，判断车辆是否在聚餐时段在预先划定的聚餐风险区域停车，以判断车辆是否存在区域酒驾风险。
在步骤S3中，需要根据停车时长、餐饮场所停留时长和停车时段确定用户的当前聚餐风险。示例性的，在一些实施例中，商户安装了商户企业网关，商户企业网关接入V2X车路协同运管平台，并在V2X车路协同运管平台上注册登记商户性质，例如，商户性质可以是餐饮场所。进一步地，商家店铺覆盖网络，当人员实用性店铺消费时，手机或智能穿戴设备在连接店铺网络时，如连接WIFI时，被留下设备信息，如设备mac地址、IME和ssid等，商户企业网关将嗅探到的设备信息hash加密后生成唯一识别标记、设备停留店内时间和商户性质等信息并传输到V2X车路协同运管平台。
进一步地，当店铺或者商场内提供了共享充电装置，共享充电装置可将位置、租借时段脱敏，并将充电设备信息(如用户手机的mac地址和IMEI等)hash加密后生成唯一识别标记、租借时间、充电装置部署店铺位置等信息传输到V2X车路协同运管平台。参见图4，是本发明实施例提供的商户企业网关和共享充电装置获取设备信息的示意图。V2X车路协同运管平台结合商户企业网关和/或共享充电装置传回的上述信息，分析用户的餐饮场所停留时长和当前聚餐风险。
值得说明的是，即使用户离开了车辆一段时间，用户也不一定发生聚餐行为，即使用户发生了聚餐行为，用户也不一定存在饮酒行为。因此，在步骤S4和S5中，需要获取用户的当前状态，根据用户的当前状态和用户在停车前的状态，判断是否存在危险驾驶风险，也即判断用户是否存在饮酒行为。示例性的，用户的状态可以是生理状态，如心率、面部特征、走路行为和体态等；用户的状态也可以是驾驶状况，如红绿灯刹车行为、加速行为、行驶路线摇摆程度和遇见障碍物时的驾驶行为等。
在步骤S6中，需要综合当前区域酒驾风险、当前聚餐风险和危险驾驶风险确定用户是否存在酒驾行为。
与现有技术相比，本发明实施例能够通过识别停车位置、用户在餐饮场所的停留时长、以及用户在离车后返回时的状态，综合分析用户是否存在酒驾行为，无需额外配置大量无人机，降低了酒驾判别过程引发安全事故的风险，具备更强的实用性。
作为其中一种可选的实施方式，所述基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险，包括：
根据所述停车位置所处的电子围栏及所述电子围栏的权重系数，计算得到当前区域酒驾风险系数。
值得说明的是，本发明实施例事先在聚餐风险区域划出电子围栏，并为各电子围栏设定相应的权重系数，权重系数越大，表示相应区域的聚餐风险越高。
示例性的，当前区域酒驾风险系数通过式(1)计算：
其中，Rd表示当前区域酒驾风险系数；pi表示第i个电子围栏的权重系数；Fi表示车辆的停车位置是否位于第i个电子围栏之内，Fi＝0表示车辆的停车位置不在第i个电子围栏之内，Fi＝1表示车辆的停车位置在第i个电子围栏之内；N表示电子围栏的总数。
值得说明的是，不同电子围栏划分出的区域可能重叠，因此，同一车辆可能同时停留在多个电子围栏之内，因而在式(1)中需要判断车辆的停车位置是否在各电子围栏之内。
作为其中一种可选的实施方式，所述电子围栏包括第一电子围栏、第二电子围栏和第三电子围栏中的至少一种，其中，所述电子围栏的划分方式如下：
在餐饮企业聚集区域和商圈区域划出所述第一电子围栏；
在预设就餐高峰时段内，在车辆动态聚集区域划出所述第二电子围栏；其中，所述车辆动态聚集区域在所述预设就餐高峰时段具备以下特征：车辆聚集数量大于第一预设阈值，所述预设就餐高峰时段内的不同时间节点之间的车辆重复率小于第二预设阈值，且相邻的所述时间节点之间的时间间隔大于第三预设阈值；
在村落住宅聚集区域，基于移动终端和所述车载终端识别到人员聚集区域，以在所述人员聚集区域划出所述第三电子围栏。
示例性的，可以基于人口地理位置大数据和商圈分布的开放API(ApplicationProgram Interface，应用程序接口)分析、划分出第一电子围栏，例如，人口地理位置大数据的来源可以是百度地图慧眼的城市人口地理大数据平台、商圈分布的开放API可以是美团开放餐饮服务API。参见图5，是本发明一实施例提供的第一电子围栏的示意图，由图5可以看出，该第一电子围栏划出的区域是商圈，而商圈的停车场一般都设置了停车监控，后续可以通过查看停车监控获取用户停车前后的状态比对结果。
值得说明的是，除了商圈等餐饮企业聚集区域外，还有一些分布较为分散的餐饮企业，则，可以基于车辆的历史定位、历史轨迹和历史停车时段等信息划分出第二电子围栏，以将上述餐饮企业划分到电子围栏之内。具体地，在就餐高峰时段，如中午11:00～14:00和晚上6:00～9:00，将车辆动态聚集区域划分为第二电子围栏，其中，车辆动态聚集区域在就餐高峰时段有车辆集中停靠，并且车辆不固定、变化较频繁。第二电子围栏可以事先划定，并定时更新。
进一步地，在村落住宅聚集区域，有时会举办婚丧嫁娶等大型活动，在这些活动上人们容易饮酒，酒驾风险较高，因此，需要在这些区域划分第三电子围栏。但是，这类活动的举办通常不在餐饮场所且没有固定的时间，具备一定的随机性，因此，在划分第三电子围栏时，可以基于实时识别到的人员聚集区域进行划分。例如，基于手机5G信号、北斗高精度定位和车辆定位信息等，多维感知人员聚集区域，并划分出第三电子围栏。参见图6，是本发明一实施例提供的第三电子围栏的示意图，值得说明的是，农村相对于城市人口较为稀疏，因此，在农村地区使用手机信号更能感知人群聚集场景，可以通过5G-a(5G演进，5G-Advanced)基站将聚集的电子设备的信息，如ip地址(Internet Protocol Address，网际互连协议地址)、网络和mac地址等hash加密后同步给V2X车路协同运管平台。值得说明的是，住家区域人员也较为聚集，但是住家区域的人员流动具有规律性，可以基于此区分住家区域和上述人员聚集区域，避免误将住家区域划分为人员聚集区域。
作为其中一种可选的实施方式，所述获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段计算所述用户的当前聚餐风险，包括：
基于时段和聚餐权重系数的对应关系，根据所述停车时段确定当前聚餐权重系数；
根据所述当前聚餐权重系数、所述餐饮场所停留时长和所述停车时长计算当前聚餐风险系数；其中，所述当前聚餐风险系数分别与所述餐饮场所停留时长与所述停车时长的比值、所述当前聚餐权重系数呈正相关关系。
值得说明的是，由于用餐时间是相对集中的，因此对于同一个聚餐风险区域，不同时段出现聚餐行为的概率是不同的，因此，事先为不同时段设置不同的聚餐权重系数，在计算当前聚餐风险系数之前，根据停车时段获取当前聚餐权重系数；进一步地，用户在餐饮场所的停留时间越长，则聚餐风险越大，因此，还结合“餐饮场所停留时长与停车时长的比值”计算当前聚餐风险系数。示例性的，当前聚餐风险系数可以通过式(2)计算：
其中，Rdinner表示当前聚餐风险系数；pΔt表示当前聚餐权重系数；ΔT餐饮场所停留时长表示餐饮场所停留时长；ΔT停车时长表示停车时长。
作为其中一种可选的实施方式，所述根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险，包括：
将停车前后的生理状态进行比对，得到第一比对结果，以用于确定所述危险驾驶风险；其中，所述生理状态包括心率、面部特征、走路行为和体态中的至少一种；
和/或，
将停车前后的驾驶状况进行比对，得到第二比对结果，以用于确定所述危险驾驶风险；其中，所述驾驶状况包括红绿灯刹车行为、加速行为、行驶路线摇摆程度和遇见障碍物时的驾驶行为中的至少一种。
示例性的，V2X车路协同运管平台基于终端信息匹配用户位置，并基于停车位置和商户性质，调取查询相关位置的商圈监控、电子路眼摄像头和停车场视频监控等，对比用户当前和停车前的面部特征、走路行为和体态等，以得到第一比对结果。
进一步地，当用户有佩戴智能穿戴设备(如智能手环和智能手表等)时，还可以获取智能穿戴设备记录的生物信息，如心率等指标，并结合相关指标的历史统计数据进行判断，当指标的变化量大于预设阈值时，即Ps>ΔP时，判断用户的生理状态异常，当指标的变化量小于或等于预设阈值时，即Ps≤ΔP时，判断用户的生理状态正常，以得到第一结果，其中，Ps表示指标的变化量，ΔP表示预设阈值。
示例性的，可以对比停车前后的红绿灯刹车行为、加速行为、行驶路线摇摆程度和遇见障碍物时的驾驶行为等驾驶状况，得到第二比对结果。例如，在农村等基础监控设施不完善的地方，可能难以获取用户取车时的生理状态，此时可以根据停车前后的驾驶状况的比对结果，确定第二比对结果以作为用户的当前危险驾驶风险系数Rpt，Rpt越大表示用户存在饮酒行为的概率越大，Rpt越小表示用户存在饮酒行为的概率越小。
进一步地，根据用户的当前区域酒驾风险系数Rd、当前聚餐风险系数Rdinner和当前危险驾驶风险系数Rpt，计算用户的实时酒驾风险系数Rvt，实时酒驾风险系数Rvt可以通过式(3)计算：
Rvt＝Rd×Rdinner×Rpt (3)
进一步地，当实时酒驾风险系数Rvt大于设定的阈值时，可以对对用户进行危险驾驶提醒，并通知安保或交警进行违法处理。进一步地，还可以帮助交通执法部门溯源酒驾证据，V2X车路协同运管平台可基于车辆停车前后驾驶行为比对结果、车辆的行驶轨迹、停留商户的信息、餐饮场所停留时长、车辆停车位置和停车监控等进行酒驾证据溯源。
进一步地，当实时酒驾风险系数Rvt大于设定的阈值时，还可以向周边车辆行人发送预警信息，以提醒周边车辆行人避开疑似酒驾车辆，避免人身财产安全受到损失。
作为其中一种可选的实施方式，所述基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险，包括：
基于所述预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置是否落入聚餐风险区域；
所述获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险，包括：
当所述停车位置落入所述聚餐风险区域时，获取停车时长和停车期间用户的餐饮场所停留时长，并根据所述停车时长、所述餐饮场所停留时长和所述停车时段，确定所述用户是否存在聚餐行为；
所述在所述用户回到所述停车位置后，获取所述用户的当前状态，根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险，包括：
当所述用户存在所述聚餐行为时，若所述用户回到所述停车位置，获取所述用户的当前状态，并根据所述当前状态和所述用户在停车前的状态的比对结果，确定所述用户是否存在饮酒行为；
所述根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果，包括：
当所述停车位置落入所述聚餐风险区域、所述用户存在所述聚餐行为且所述用户存在所述饮酒行为时，判定所述用户存在酒驾行为。
值得说明的是，由于酒驾发生在饮酒行为之后，而饮酒行为通常发生在聚餐行为之后，聚餐行为又通常发生在餐饮场所等聚餐风险区域，因此，本发明实施例在判定停车位置落入聚餐风险区域后，才进一步判断用户是否存在聚餐行为(也即当停车位置没有落入聚餐风险区域时，不进行聚餐风险判断和危险驾驶判断)；在判定用户存在聚餐行为后，才进一步判断用户是否存在饮酒行为(也即当用户没有存在聚餐行为时，不进行危险驾驶判断)；最后，当停车位置落入聚餐风险区域、用户存在聚餐行为和饮酒行为时，判定用户存在酒驾行为。与现有技术相比，本发明实施例通过设定区域酒驾风险、聚餐风险和危险驾驶风险三种风险的判断顺序和判断逻辑，从而无需对所有车辆同时进行区域酒驾风险、聚餐风险和危险驾驶风险判别，只需在车辆存在区域酒驾风险时才进行聚餐风险判别，在车辆存在聚餐风险时才进行危险驾驶判别，从而能够减少酒驾判别的工作量，在保证精准识别酒驾行为的同时提高酒驾判别效率。
为了更清楚地了解酒驾判别方法，以下以一具体例子进行说明，参见图7，是本发明又一实施例提供的酒驾判别方法的流程图：
首先，需要划分电子围栏并为各电子围栏确定权重系数；接着，判断停车位置是否落入聚餐风险区域；若停车位置落入聚餐风险区域，在停车前，获取车内电子设备信息和用户的生物信息，在停车后，基于商户企业网关和共享充电装置分析用户的餐饮场所停留时长和商户性质，同时继续监测用户的生物信息；接着，判断用户是否存在聚餐行为；若用户存在聚餐行为，通过电子路眼和停车监控等分析用户的生理状态，通过智能穿戴设备对比用户的当前生物信息和历史统计数据的关系，对比停车前后的驾驶状况；根据生理状态、生物信息和驾驶状况的分析结果，判断用户是否存在饮酒行为；若用户存在饮酒行为，则判定用户存在酒驾行为。
与现有技术相比，本发明实施例提供的酒驾判别方法，从车载终端获取车辆的停车位置和停车时段；基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；在所述用户回到所述停车位置后，获取所述用户的当前状态；根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。本发明实施例能够通过识别停车位置、用户在餐饮场所的停留时长、以及用户在离车后返回时的状态，综合分析用户是否存在酒驾行为，无需额外配置大量无人机，降低了酒驾判别过程引发安全事故的风险，具备更强的实用性。
参见图8，本发明实施例还提供一种酒驾判别装置10，其特征在于，包括：
停车信息获取模块11，用于从车载终端获取车辆的停车位置和停车时段；
区域酒驾风险判定模块12，用于基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；
聚餐风险判定模块13，用于获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；
用户状态获取模块14，用于在所述用户回到所述停车位置后，获取所述用户的当前状态；
危险驾驶判定模块15，用于根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；
酒驾行为判定模块16，用于根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。
在一种实施方式中，所述区域酒驾风险判定模块12，具体用于：
根据所述停车位置所处的电子围栏及所述电子围栏的权重系数，计算得到当前区域酒驾风险系数。
在一种实施方式中，所述装置还包括电子围栏划分模块，用于划分电子围栏，所述电子围栏包括第一电子围栏、第二电子围栏和第三电子围栏中的至少一种，其中，所述电子围栏的划分方式如下：
在餐饮企业聚集区域和商圈区域划出所述第一电子围栏；
在预设就餐高峰时段内，在车辆动态聚集区域划出所述第二电子围栏；其中，所述车辆动态聚集区域在所述预设就餐高峰时段具备以下特征：车辆聚集数量大于第一预设阈值，所述预设就餐高峰时段内的不同时间节点之间的车辆重复率小于第二预设阈值，且相邻的时间节点之间的时间间隔大于第三预设阈值；
在村落住宅聚集区域，基于移动终端和所述车载终端识别到人员聚集区域，以在所述人员聚集区域划出所述第三电子围栏。
在一种实施方式中，所述聚餐风险判定模块13，具体用于：
基于时段和聚餐权重系数的对应关系，根据所述停车时段确定当前聚餐权重系数；
根据所述当前聚餐权重系数、所述餐饮场所停留时长和所述停车时长计算当前聚餐风险系数；其中，所述当前聚餐风险系数分别与所述餐饮场所停留时长与所述停车时长的比值、所述当前聚餐权重系数呈正相关关系。
在一种实施方式中，所述危险驾驶判定模块15，具体用于：
将停车前后的生理状态进行比对，得到第一比对结果，以用于确定危险驾驶风险；其中，所述生理状态包括心率、面部特征、走路行为和体态中的至少一种；
和/或，
将停车前后的驾驶状况进行比对，得到第二比对结果，以用于确定危险驾驶风险；其中，所述驾驶状况包括红绿灯刹车行为、加速行为、行驶路线摇摆程度和遇见障碍物时的驾驶行为中的至少一种。
在一种实施方式中，所述区域酒驾风险判定模块12，具体用于：
基于所述预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置是否落入聚餐风险区域；
所述聚餐风险判定模块13，具体用于：
当所述停车位置落入所述聚餐风险区域时，获取停车时长和停车期间用户的餐饮场所停留时长，并根据所述停车时长、所述餐饮场所停留时长和所述停车时段，确定所述用户是否存在聚餐行为；
所述用户状态获取模块14和所述危险驾驶判定模块15，具体用于：
当所述用户存在所述聚餐行为时，若所述用户回到所述停车位置，获取所述用户的当前状态，并根据所述当前状态和所述用户在停车前的状态的比对结果，确定所述用户是否存在饮酒行为；
所述酒驾行为判定模块16，具体用于：
当所述停车位置落入所述聚餐风险区域、所述用户存在所述聚餐行为且所述用户存在所述饮酒行为时，判定所述用户存在酒驾行为。
本发明实施例提供的酒驾判别装置，能够实现上述实施例所述的酒驾判别方法的所有流程步骤，装置中的各个模块、单元的作用以及实现的技术效果分别与上述实施例所述的酒驾判别方法的作用以及实现的技术效果对应相同，具体实现方式在此不赘述。
参见图9，本发明实施例还提供一种酒驾判别设备20，包括处理器21、存储器22以及存储在所述存储器22中且被配置为由所述处理器21执行的计算机程序，所述处理器21执行所述计算机程序时实现如上述酒驾判别方法实施例中的步骤，例如图1中的S1～S6；或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述酒驾判别设备20中的执行过程。例如，所述计算机程序可以被分割成多个模块，各模块具体功能如下：
停车信息获取模块11，用于从车载终端获取车辆的停车位置和停车时段；
区域酒驾风险判定模块12，用于基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；
聚餐风险判定模块13，用于获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；
用户状态获取模块14，用于在所述用户回到所述停车位置后，获取所述用户的当前状态；
危险驾驶判定模块15，用于根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；
酒驾行为判定模块16，用于根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。
各个模块具体的工作过程可参考上述实施例所述的酒驾判别装置的工作过程，在此不再赘述。
所述酒驾判别设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述酒驾判别设备20可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述酒驾判别设备20还可以包括输入输出设备、网络接入设备、总线等。
所述处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述酒驾判别设备20的控制中心，利用各种接口和线路连接整个酒驾判别设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述酒驾判别设备20的各种功能。所述存储器22可主要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、至少一个功能所需的应用程序(比如图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器22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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述酒驾判别设备20集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器21执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
本发明实施例还提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如上述任一实施例所述的酒驾判别方法。
与现有技术相比，本发明实施例提供的酒驾判别装置、设备、存储介质及产品，从车载终端获取车辆的停车位置和停车时段；基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；在所述用户回到所述停车位置后，获取所述用户的当前状态；根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。本发明实施例能够通过识别停车位置、用户在餐饮场所的停留时长、以及用户在离车后返回时的状态，综合分析用户是否存在酒驾行为，无需额外配置大量无人机，降低了酒驾判别过程引发安全事故的风险，具备更强的实用性。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种酒驾判别方法，其特征在于，包括：
从车载终端获取车辆的停车位置和停车时段；
基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；
获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；
在所述用户回到所述停车位置后，获取所述用户的当前状态；
根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；
根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。
2.如权利要求1所述的酒驾判别方法，其特征在于，所述基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险，包括：
根据所述停车位置所处的电子围栏及所述电子围栏的权重系数，计算得到当前区域酒驾风险系数。
3.如权利要求2所述的酒驾判别方法，其特征在于，所述电子围栏包括第一电子围栏、第二电子围栏和第三电子围栏中的至少一种，其中，所述电子围栏的划分方式如下：
在餐饮企业聚集区域和商圈区域划出所述第一电子围栏；
在预设就餐高峰时段内，在车辆动态聚集区域划出所述第二电子围栏；其中，所述车辆动态聚集区域在所述预设就餐高峰时段具备以下特征：车辆聚集数量大于第一预设阈值，所述预设就餐高峰时段内的不同时间节点之间的车辆重复率小于第二预设阈值，且相邻的所述时间节点之间的时间间隔大于第三预设阈值；
在村落住宅聚集区域，基于移动终端和所述车载终端识别到人员聚集区域，以在所述人员聚集区域划出所述第三电子围栏。
4.如权利要求1所述的酒驾判别方法，其特征在于，所述获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段计算所述用户的当前聚餐风险，包括：
基于时段和聚餐权重系数的对应关系，根据所述停车时段确定当前聚餐权重系数；
根据所述当前聚餐权重系数、所述餐饮场所停留时长和所述停车时长计算当前聚餐风险系数；其中，所述当前聚餐风险系数分别与所述餐饮场所停留时长与所述停车时长的比值、所述当前聚餐权重系数呈正相关关系。
5.如权利要求1所述的酒驾判别方法，其特征在于，所述根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险，包括：
将停车前后的生理状态进行比对，得到第一比对结果，以用于确定所述危险驾驶风险；其中，所述生理状态包括心率、面部特征、走路行为和体态中的至少一种；
和/或，
将停车前后的驾驶状况进行比对，得到第二比对结果，以用于确定所述危险驾驶风险；其中，所述驾驶状况包括红绿灯刹车行为、加速行为、行驶路线摇摆程度和遇见障碍物时的驾驶行为中的至少一种。
6.如权利要求1所述的酒驾判别方法，其特征在于，所述基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险，包括：
基于所述预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置是否落入聚餐风险区域；
所述获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险，包括：
当所述停车位置落入所述聚餐风险区域时，获取停车时长和停车期间用户的餐饮场所停留时长，并根据所述停车时长、所述餐饮场所停留时长和所述停车时段，确定所述用户是否存在聚餐行为；
所述在所述用户回到所述停车位置后，获取所述用户的当前状态，根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险，包括：
当所述用户存在所述聚餐行为时，若所述用户回到所述停车位置后，获取所述用户的当前状态，并根据所述当前状态和所述用户在停车前的状态的比对结果，确定所述用户是否存在饮酒行为；
所述根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果，包括：
当所述停车位置落入所述聚餐风险区域、所述用户存在所述聚餐行为且所述用户存在所述饮酒行为时，判定所述用户存在酒驾行为。
7.一种酒驾判别装置，其特征在于，包括：
停车信息获取模块，用于从车载终端获取车辆的停车位置和停车时段；
区域酒驾风险判定模块，用于基于预设的位置、时间与区域酒驾风险的对应关系，确定所述停车位置的当前区域酒驾风险；
聚餐风险判定模块，用于获取停车时长和停车期间用户的餐饮场所停留时长，结合所述停车时段确定所述用户的当前聚餐风险；
用户状态获取模块，用于在所述用户回到所述停车位置后，获取所述用户的当前状态；
危险驾驶判定模块，用于根据所述当前状态和所述用户在停车前的状态的比对结果，确定危险驾驶风险；
酒驾行为判定模块，用于根据所述当前区域酒驾风险、所述当前聚餐风险和所述危险驾驶风险确定所述用户的酒驾行为判别结果。
8.一种酒驾判别设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的酒驾判别方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的酒驾判别方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现如权利要求1至6中任意一项所述的酒驾判别方法。
CN202411143003.0A 2024-08-20 2024-08-20 一种酒驾判别方法、装置、设备、存储介质及产品 Pending CN119132048A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202411143003.0A CN119132048A (zh) 2024-08-20 2024-08-20 一种酒驾判别方法、装置、设备、存储介质及产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202411143003.0A CN119132048A (zh) 2024-08-20 2024-08-20 一种酒驾判别方法、装置、设备、存储介质及产品

Publications (1)

Publication Number Publication Date
CN119132048A true CN119132048A (zh) 2024-12-13

Family

ID=93749306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202411143003.0A Pending CN119132048A (zh) 2024-08-20 2024-08-20 一种酒驾判别方法、装置、设备、存储介质及产品

Country Status (1)

Country Link
CN (1) CN119132048A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120003499A (zh) * 2025-03-14 2025-05-16 长城汽车股份有限公司 车辆的安全控制方法、电子设备及车辆

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120003499A (zh) * 2025-03-14 2025-05-16 长城汽车股份有限公司 车辆的安全控制方法、电子设备及车辆
CN120003499B (zh) * 2025-03-14 2025-11-21 长城汽车股份有限公司 车辆的安全控制方法、电子设备及车辆

Similar Documents

Publication Publication Date Title
US11520331B2 (en) Methods and apparatus to update autonomous vehicle perspectives
Faezipour et al. Progress and challenges in intelligent vehicle area networks
CN102752367B (zh) 基于gid的全球汽车智慧感知与统一标识系统
CN104123843B (zh) 一种非法营运车辆检测系统及方法
Mikkelsen et al. Public transport occupancy estimation using WLAN probing
BR112015017386B1 (pt) Sistema de orientação e vigilância de tráfego
JP2019016351A (ja) 歩行者安全メッセージに基づく人密度推定
CN111785019A (zh) 一种基于v2x的车辆交通数据生成方法、系统及存储介质
CN110267207B (zh) 智能位置监控方法、装置及电子设备
US10412034B2 (en) Method and device for selecting notification recipient
Alhaj et al. Improving the smart cities traffic management systems using VANETs and IoT features
Won et al. Safercross: Enhancing pedestrian safety using embedded sensors of smartphone
WO2018232941A1 (zh) 一种共享单车防盗方法和装置
CN119132048A (zh) 一种酒驾判别方法、装置、设备、存储介质及产品
Chernyshev et al. Revisiting urban war nibbling: Mobile passive discovery of classic bluetooth devices using ubertooth one
WO2016201867A1 (zh) 一种m2m车联网的识别方法和装置
Kannimuthu et al. Certain investigation on significance of Internet of Things (IoT) and Big Data in vehicle tracking system
Agarwal et al. TLST: Time of arrival based localization and smart tunnel concept in VANETs
CN110602233B (zh) 一种信息监控方法、装置以及计算机存储介质
CN108961801A (zh) 基于车联网的天气预告方法及车联网系统
WO2018232981A1 (zh) 一种临时路边停车引起的信息公告方法及系统
WO2021103727A1 (zh) 一种数据处理方法、设备及存储介质
Baeta et al. Tracking users mobility at public transportation
Baeta et al. Mining users mobility at public transportation
CN111372197B (zh) 预警方法及相关装置

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