港区槽罐车集卡车混流的安全驾驶预警系统

技术领域

本发明属于道路交通领域，涉及数据分析技术，具体是港区槽罐车集卡车混流的安全驾驶预警系统。

背景技术

槽罐车是一种专门用于运输液体货物的货车，通常具有圆柱形的储罐结构，用于装载石油、化学品、食品等液体货物，槽罐车通常具有防漏设备和安全阀，以确保运输过程中的安全性，集卡车是一种专门用于在港口、货运站等地点搬运货柜的货车，它通常具有较大的承载能力，能够牵引和搬运重型货柜，并具有便于装卸货柜的特殊设计；

现有技术中，对槽罐车集卡车混流的安全驾驶预警中，存在以下缺陷：

1、对道路出现的情况没有充分考虑，用于进行安全驾驶预警的基础数据缺乏多样性与普遍性；

2、现有预警系统的预警方式单一，无法同时实现对车内驾驶员和车外的车辆以及行人进行同步预警；

3、现有的预警系统难以对移动的小型物体进行有效预测，预警缺乏全面性与可靠性；

为此，我们提出港区槽罐车集卡车混流的安全驾驶预警系统。

发明内容

针对现有技术存在的不足，本发明的目的是提供港区槽罐车集卡车混流的安全驾驶预警系统，本发明基于获取货物基础数据、车辆基础数据、驾驶基础数据、路况基础数据以及人群基础数据得到安全驾驶基础数据，对安全驾驶基础数据进行分析，得到安全驾驶分析数据，根据安全驾驶基础数据和安全驾驶分析数据计算安全驾驶参考系数，通过对安全驾驶参考系数进行阈值划分，得到安全驾驶预警分级数据，并根据安全驾驶预警分级数据进行安全驾驶预警；

为了实现上述目的，本发明采用了如下技术方案：港区槽罐车集卡车混流的安全驾驶预警系统各模块具体工作过程如下：

数据获取模块：获取安全驾驶基础数据；

数据分析模块：对安全驾驶基础数据进行分析，得到安全驾驶分析数据；

数据处理模块：对安全驾驶基础数据和安全驾驶分析数据进行处理，得到安全驾驶预警分级数据；

安全预警模块：根据安全驾驶预警分级数据进行安全驾驶预警；

还包括服务器，服务器分别与数据获取模块、数据分析模块、数据处理模块和安全预警模块相连。

进一步地，所述数据获取模块获取安全驾驶基础数据，具体如下：

数据获取模块包括货物数据单元、车辆数据单元、驾驶单元、路况数据单元以及人群单元；

数据库存储有车辆装载的货物数量、单个货物的质量数值、货物对应的国际海事危险货物代码、驾驶员年龄数值、车辆历史违章数据、车辆历史维修记录、道路历史交通事故数据、道路所在地区人口居住密度数据；

货物数据单元获取货物基础数据，具体如下：

根据数据库获取车辆装载的货物数量、单个货物的质量数值以及货物对应的国际海事危险货物代码；

获取货物危险性参考系数，根据货物对应的国际海事危险货物代码对货物危险性参考系数进行参数赋值；

将货物数量、单个货物的质量数值和货物危险性参考系数定义为货物基础数据；

车辆数据单元获取车辆基础数据，具体如下：

通过速度传感器获取车辆当前车速，通过激光雷达分别获取前后车距和左右车距；

通过车辆历史维修记录统计当前车辆累计维修次数；

将车辆当前车速、前后车距、左右车距以及当前车辆累计维修次数定义为车辆基础数据；

驾驶单元获取驾驶员基础数据，具体如下：

通过车载驾驶记录仪获取当前驾驶时长数值，通过数据库获取驾驶员年龄数值；

通过数据库获取车辆历史违章数据，根据车辆历史违章数据统计车辆近三年的违章次数，将车辆近三年的违章次数定义为驾驶员违章数据；

将当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据定义为驾驶员基础数据；

路况数据单元获取路况基础数据；

人群单元获取人群基础数据；

数据获取模块获取货物基础数据、车辆基础数据、驾驶员基础数据、路况基础数据以及人群基础数据，将货物基础数据、车辆基础数据、驾驶员基础数据、路况基础数据以及人群基础数据定义为安全驾驶基础数据。

进一步地，所述路况数据单元和人群单元分别获取路况基础数据和人群基础数据，具体如下：路况数据单元获取路况基础数据，具体如下：

通过第一摄像头识别道路右侧的限速标志，获取当前道路限速数值；

根据数据库获取道路历史交通事故数据，通过道路历史交通事故数据统计当年道路上一年度累计发生交通事故次数，将当年道路上一年度累计发生交通事故次数定义为道路交通事故数据；

通过第二摄像头实时监测道路车流图像数据，利用图像识别算法统计摄像头视野范围内的车辆数量数值，获取第二摄像头路面视野距离数值；

将车辆数量数值和第二摄像头路面视野距离数值通过车流密度计算公式计算得到车流密度参考数值；

将当前道路限速数值、道路交通事故数据和车流密度参考数值定义为路况基础数据；

人群单元对人群基础数据进行获取，具体如下：

通过第三摄像头实时监测道路非机动车图像数据，利用图像识别算法统计摄像头视野范围内的非机动车数量数值，获取第三摄像头路面视野距离数值；

将非机动车数量数值和第三摄像头路面视野距离数值通过非机动车密度计算公式计算得到非机动车密度参考数值；

通过数据库获取道路所在地区人口居住密度数据，

通过第四摄像头实时监测道路行人图像数据，利用图像识别算法统计摄像头视野范围内的行人数量数值，获取第四摄像头路面视野距离数值；

将行人数量数值和第三摄像头路面视野距离数值通过行人密度计算公式计算得到行人密度参考数值；

将非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值定义为人群基础数据。

进一步地，所述数据分析模块对安全驾驶基础数据进行分析，并获取安全驾驶分析数据，具体如下：

数据分析模块包括货物分析单元、车辆分析单元、驾驶分析单元以及路况分析单元；

货物分析单元获取货物危险性参考数值；

车辆分析单元获取车辆危险性参考数值；

驾驶分析单元获取驾驶危险性参考数值；

路况分析单元获取路况复杂性参考数值；

数据分析模块获取货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值；

将货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值定义为安全驾驶分析数据。

进一步地，所述货物分析单元和车辆分析单元分别获取货物危险性参考数值和车辆危险性参考数值，具体如下：

货物分析单元对货物危险性参考数值进行获取，具体如下：

根据货物基础数据获取货物数量、单个货物的质量数值和货物危险性参考系数；

将货物数量、单个货物的质量数值和货物危险性参考系数通过货物危险性计算公式计算得到货物危险性参考数值；

车辆分析单元对车辆危险性参考数值进行获取，具体如下：

根据车辆基础数据获取当前车速、前后车距、左右车距和当前车辆累计维修次数；

将当前车速、前后车距、左右车距和当前车辆累计维修次数通过车辆危险性计算公式计算得到车辆危险性参考数值。

进一步地，所述驾驶分析单元和路况分析单元分别获取驾驶危险性参考数值和路况复杂性参考数值，具体如下：

驾驶分析单元对驾驶危险性参考数值进行获取，具体如下：

根据驾驶员基础数据获取当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据；

将当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据通过驾驶员危险性计算公式计算得到驾驶危险性参考数值；

路况分析单元对路况复杂性参考数值进行获取，具体如下：

根据路况基础数据获取当前道路限速数值、道路交通事故数据和车流密度参考数值；

将当前道路限速数值、道路交通事故数据和车流密度参考数值通过路况复杂性参考数值计算公式计算得到路况复杂性参考数值。

进一步地，所述数据处理模块对安全驾驶基础数据和安全驾驶分析数据进行处理，得到安全驾驶预警分级数据，具体如下：

数据处理模块包括数据处理单元和预警分级单元；

数据处理单元对安全驾驶基础数据进行处理，得到安全驾驶参考系数；

预警分级单元对安全驾驶参考系数进行阈值划分，得到安全驾驶预警分级数据

数据处理模块获取安全驾驶预警分级数据。

进一步地，所述数据处理单元获取安全驾驶参考系数，具体如下：

根据安全驾驶分析数据获取货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值；

将货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值通过初步预警参考系数计算公式计算得到初步预警参考系数；

获取货物危险性标准参考数值、车辆危险性标准参考数值、驾驶员危险性标准参考数值以及路况复杂性标准参考数值；

将货物危险性标准参考数值、车辆危险性标准参考数值、驾驶员危险性标准参考数值以及路况复杂性标准参考数值通过安全驾驶初步系数阈值计算公式计算得到初步预警参考系数阈值；

根据安全驾驶基础数据获取非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值；

将初步预警参考系数、安全驾驶基础数据获取非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值通过安全驾驶预警参考系数计算公式计算得到安全驾驶预警参考系数。

进一步地，所述预警分级单元获取安全驾驶预警分级数据，具体如下：

获取初步预警参考系数阈值，非机动车密度标准参考数值、人口居住密度标准数据和行人密度标准参考数值；

将获取初步预警参考系数阈值，非机动车密度标准参考数值、人口居住密度标准数据和行人密度标准参考数值通过安全驾驶预警参考阈值计算公式计算得到安全驾驶预警参考系数阈值；

获取安全驾驶预警参考系数，使用安全驾驶预警参考系数阈值对安全驾驶预警参考系数进行区间划分，具体如下：

当Ay≥Ay1，判断为驾驶预警车辆；

当Ay1＞Ay＞0，判断为正常驾驶车辆；

将根据安全驾驶预警参考系数和安全驾驶预警参考系数阈值得到的判断结果定义为安全驾驶预警分级数据。

进一步地，所述安全预警模块根据安全驾驶预警分级数据进行安全驾驶预警，具体如下：

安全预警模块包括车内预警单元和车外预警单元；

车内预警单元根据安全驾驶预警分级数据进行车内预警，具体如下：

针对正常驾驶车辆，不进行车内预警；

针对驾驶预警车辆，第一预警指示灯闪烁，扬声器发布报警广播向司机进行预警，通过通信设备报警；

车外预警单元根据预警分级数据进行车外预警，具体如下：

针对正常驾驶车辆，不进行车外预警；

针对驾驶预警车辆，第二预警指示灯闪烁，LED显示屏向车外车辆及行人发布报警信息。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1、本发明对现实道路中可能存在影响安全驾驶预警的多种不同数据进行充分获取，实现了预警数据来源的多样性与普遍性；

2、本发明通过将车内预警与车外预警相结合的方式进行同步预警，保证了预警方式的灵活性与高效性。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的整体系统框图；

图2为本发明的实施步骤图；

图3为本发明中槽罐车和集卡车的道路行驶示意图。

具体实施方式

下面将结合实施例对本发明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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一

请参阅图1和图2，本发明提供一种技术方案：港区槽罐车集卡车混流的安全驾驶预警系统，包括数据获取模块、数据分析模块、数据处理模块和安全预警模块，数据获取模块、数据分析模块、数据处理模块和安全预警模块分别与服务器相连；

还包括数据库，数据库存储有车辆装载的货物数量、单个货物的质量数值、货物对应的国际海事危险货物代码、驾驶员年龄数值、车辆历史违章数据、车辆历史维修记录、道路历史交通事故数据、道路所在地区人口居住密度数据；

数据获取模块获取安全驾驶基础数据；

数据获取模块包括货物数据单元、车辆数据单元、驾驶单元、路况数据单元以及人群单元，货物数据单元获取货物基础数据，车辆数据单元获取车辆基础数据，驾驶单元获取驾驶基础数据，路况数据单元获取路况基础数据，人群单元获取人群基础数据，车辆数据单元包括速度传感器和激光雷达，驾驶单元包括车载驾驶记录仪，路况数据单元包括第一摄像头和第二摄像头，人群单元包括第三摄像头和第四摄像头；

货物数据单元获取货物基础数据，具体如下：

根据数据库获取车辆装载的货物数量、单个货物的质量数值以及货物对应的国际海事危险货物代码；

获取货物危险性参考系数，根据货物对应的国际海事危险货物代码对货物危险性参考系数进行参数赋值，具体如下：

根据货物对应的国际海事危险货物代码对货物危险性进行参数赋值将货物分为爆炸品、压缩气体、易燃液体、易燃固体、氧化剂和有机过氧化物、毒害物质、放射性物质、腐蚀品以及其他危险品；

若货物为爆炸品，使用F1对货物危险性参考系数进行赋值；

若货物为压缩气体，使用F2对货物危险性参考系数进行赋值；

若货物为易燃液体，使用F3对货物危险性参考系数进行赋值；

若货物为易燃固体，使用F4对货物危险性参考系数进行赋值；

若货物为氧化剂和有机过氧化物，使用F5对货物危险性参考系数进行赋值；

若货物为毒害物质，使用F6对货物危险性参考系数进行赋值；

若货物为放射性物质，使用F7对货物危险性参考系数进行赋值；

若货物为腐蚀品，使用F8对货物危险性参考系数进行赋值；

若货物为其他危险品，使用F9对货物危险性参考系数进行赋值；

其中，F1＞F2＞F3＞F4＞F5＞F6＞F7＞F8＞F9＞0；

将货物数量、单个货物的质量数值和货物危险性参考系数定义为货物基础数据；

车辆数据单元获取车辆基础数据，具体如下：

请参阅图3，通过速度传感器获取车辆当前车速，通过激光雷达分别获取前后车距和左右车距；

通过车辆历史维修记录统计当前车辆累计维修次数；

将车辆当前车速、前后车距、左右车距以及当前车辆累计维修次数定义为车辆基础数据；

此处需要说明的是：

此处涉及的前后车距为当前车辆前方障碍物与车头距离加上后方障碍物与车位距离；此处涉及的左右车距为当前车辆左侧障碍物与车身左侧距离加上右侧障碍物与车身右侧距离，障碍物包括但不限于车辆、路障、护栏；

驾驶单元获取驾驶基础数据，具体如下：

通过车载驾驶记录仪获取当前驾驶时长数值，通过数据库获取驾驶员年龄数值；

通过数据库获取车辆历史违章数据，根据车辆历史违章数据统计车辆近三年的违章次数，将车辆近三年的违章次数定义为驾驶员违章数据；

将当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据定义为驾驶基础数据；

此处需要说明的是：

当前驾驶时长数值为驾驶员在连续驾驶中已经驾驶的时间长度，这个数值通常用于监控驾驶员的工作时间，以确保他们不会超过规定的驾驶时长，从而保证驾驶安全；

此处涉及的驾驶员违章数据为统计的车辆近三年的违章次数，若车辆初次上路时间距当前时间没有三年，则统计车辆自初次上路以来的违章次数作为驾驶员违章数据；

路况数据单元获取路况基础数据，具体如下：

通过第一摄像头识别道路右侧的限速标志，获取当前道路限速数值；

根据数据库获取道路历史交通事故数据，通过道路历史交通事故数据统计当年道路上一年度累计发生交通事故次数，将当年道路上一年度累计发生交通事故次数定义为道路交通事故数据；

通过第二摄像头实时监测道路车流图像数据，利用图像识别算法统计摄像头视野范围内的车辆数量数值，获取第二摄像头路面视野距离数值；

将车辆数量数值和第二摄像头路面视野距离数值通过车流密度计算公式计算得到车流密度参考数值；

车流密度计算公式具体配置参考为：

其中，Cl为车流密度参考数值，Cs为车辆数量数值，Cd2为第二摄像头路面视野距离数值；

此处需要说明的是：

摄像头路面视野距离数值是指摄像头能够在水平方向上覆盖的道路长度；

例如：如果一个摄像头的路面视野距离为100米，那么这个摄像头能够在水平方向上监控到100米长的道路，这意味着摄像头可以有效地监测到这段长度内的车辆，而超出这个范围的区域的车辆则无法被摄像头覆盖到；

将当前道路限速数值、道路交通事故数据和车流密度参考数值定义为路况基础数据；

人群单元获取人群基础数据，具体如下：

通过第三摄像头实时监测道路非机动车图像数据，利用图像识别算法统计摄像头视野范围内的非机动车数量数值，获取第三摄像头路面视野距离数值；

将非机动车数量数值和第三摄像头路面视野距离数值通过非机动车密度计算公式计算得到非机动车密度参考数值；

非机动车密度计算公式具体配置参考为：

其中，Fj为非机动车密度参考数值，Fs为非机动车数量数值，Cd3为第三摄像头路面视野距离数值；

通过数据库获取道路所在地区人口居住密度数据，

通过第四摄像头实时监测道路行人图像数据，利用图像识别算法统计摄像头视野范围内的行人数量数值，获取第四摄像头路面视野距离数值；

将行人数量数值和第三摄像头路面视野距离数值通过行人密度计算公式计算得到行人密度参考数值；

行人密度计算公式具体配置参考为：

其中，Xr为行人密度参考数值，Rs为行人数量数值，Cd4为第四摄像头路面视野距离数值；

将非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值定义为人群基础数据；

数据获取模块获取货物基础数据、车辆基础数据、驾驶基础数据、路况基础数据以及人群基础数据，将货物基础数据、车辆基础数据、驾驶基础数据、路况基础数据以及人群基础数据定义为安全驾驶基础数据，并将安全驾驶基础数据输送至数据分析模块和安全预警模块；

数据分析模块对安全驾驶基础数据进行分析，得到安全驾驶分析数据；

数据分析模块包括货物分析单元、车辆分析单元、驾驶分析单元以及路况分析单元，数据分析模块根据安全驾驶分析数据获取货物基础数据、车辆基础数据、驾驶基础数据和路况基础数据，货物分析单元分析货物基础数据得到货物危险性参考数值，车辆分析单元分析车辆基础数据得到车辆危险性参考数值，驾驶分析单元分析驾驶基础数据得到驾驶危险性参考数值，路况分析单元分析路况基础数据得到路况复杂性参考数值；

货物分析单元分析货物基础数据得到货物危险性参考数值，具体如下：

根据货物基础数据获取货物数量、单个货物的质量数值和货物危险性参考系数；

将货物数量、单个货物的质量数值和货物危险性参考系数通过货物危险性计算公式计算得到货物危险性参考数值；

货物危险性计算公式具体配置参考为：

其中，Hw为货物危险性参考数值且Hw大于0，Hs为货物数量、Dz为单个货物的质量数值，Wx为货物危险性参考系数，a1为设定的比例系数且a1大于0；

车辆分析单元分析车辆基础数据得到车辆危险性参考数值，具体如下：

根据车辆基础数据获取当前车速、前后车距、左右车距和当前车辆累计维修次数；

将当前车速、前后车距、左右车距和当前车辆累计维修次数通过车辆危险性计算公式计算得到车辆危险性参考数值；

车辆危险性计算公式具体配置参考为：

其中，Cw为车辆危险性参考数值且Cw大于0，Vc为当前车速，Qh为前后车距，Zy为左右车距，Xc为当前车辆累计维修次数，a2和a3为设定的比例系数且a2和a3均大于0；

驾驶分析单元分析驾驶基础数据得到驾驶危险性参考数值，具体如下：

根据驾驶基础数据获取当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据；

将当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据通过驾驶员危险性计算公式计算得到驾驶危险性参考数值；

对当前驾驶时长数值进行数值判断，判断结果分为当前驾驶时长数值大于4小时和当前驾驶时长数值不足4小时；

若当前驾驶时长数值大于4小时，驾驶员危险性计算公式具体配置参考为：

若当前驾驶时长数值不足4小时，驾驶员危险性计算公式具体配置参考为：

其中，Jy为驾驶危险性参考数值且Jy大于0，Sc为当前驾驶时长数值、Nl为驾驶员年龄数值，Wz为驾驶员违章数据，b1为设定的比例系数且b1大于0；

路况分析单元分析路况基础数据得到路况复杂性参考数值，具体如下：

根据路况基础数据获取当前道路限速数值、道路交通事故数据和车流密度参考数值；

将当前道路限速数值、道路交通事故数据和车流密度参考数值通过路况复杂性参考数值计算公式计算得到路况复杂性参考数值；

路况复杂性参考数值计算公式具体配置参考为：

其中，Lk为路况复杂性参考数值且Lk大于0，Xs为当前道路限速数值、Sg为道路交通事故数据，Cm为车流密度参考数值，b2为设定的比例系数且b2大于0；

数据分析模块获取货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值；

将货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值定义为安全驾驶分析数据，并将其输送至数据处理模块；

数据处理模块对安全驾驶基础数据和安全驾驶分析数据进行处理，得到安全驾驶预警分级数据；

数据处理模块包括数据处理单元和预警分级单元，数据处理单元对安全驾驶基础数据进行处理，得到安全驾驶参考系数，预警分级单元对安全驾驶参考系数进行阈值划分，得到安全驾驶预警分级数据；

数据处理单元对安全驾驶基础数据进行处理，得到安全驾驶参考系数，具体如下：

根据安全驾驶分析数据获取货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值；

将货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值通过初步预警参考系数计算公式计算得到初步预警参考系数；

初步预警参考系数计算公式具体配置参考为：

其中，Yc为初步预警参考系数，Hw为货物危险性参考数值、Cw为车辆危险性参考数值、Jy为驾驶危险性参考数值，Lk为路况复杂性参考数值，c1为设定的比例系数且c1大于0；

获取货物危险性标准参考数值、车辆危险性标准参考数值、驾驶员危险性标准参考数值以及路况复杂性标准参考数值；

将货物危险性标准参考数值、车辆危险性标准参考数值、驾驶员危险性标准参考数值以及路况复杂性标准参考数值通过安全驾驶初步系数阈值计算公式计算得到初步预警参考系数阈值；

安全驾驶初步系数阈值计算公式具体配置参考为：

；

其中，Yc1为初步预警参考系数阈值，Hw1为货物危险性标准参考数值、Cw1为车辆危险性标准参考数值、Jy1为驾驶员危险性标准参考数值，Lk1为路况复杂性标准参考数值，c1为设定的比例系数且c1大于0；

此处需要说明的是：货物危险性标准参考数值、车辆危险性标准参考数值、驾驶员危险性标准参考数值以及路况复杂性标准参考数值均为相关管理部门进行的参考数值；

根据安全驾驶基础数据获取非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值；

将初步预警参考系数、安全驾驶基础数据获取非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值通过安全驾驶预警参考系数计算公式计算得到安全驾驶预警参考系数；

安全驾驶预警参考系数计算公式具体配置参考为：

其中，Ay为安全驾驶预警参考系数，Yc为初步预警参考系数，Fj为非机动车密度参考数值，Xr为行人密度参考数值定义为人群基础数据，Jz为道路所在地区人口居住密度数据，c2和c3为设定的比例系数且c2和c3均大于0；

预警分级单元对安全驾驶参考系数进行阈值划分，得到安全驾驶预警分级数据；

获取初步预警参考系数阈值，非机动车密度标准参考数值、人口居住密度标准数据和行人密度标准参考数值；

将获取初步预警参考系数阈值，非机动车密度标准参考数值、人口居住密度标准数据和行人密度标准参考数值通过安全驾驶预警参考阈值计算公式计算得到安全驾驶预警参考系数阈值；

安全驾驶预警参考阈值计算公式具体配置参考为：

；

其中，Ay1为安全驾驶预警参考系数阈值，Yc1为初步预警参考系数阈值，Fj1为非机动车密度标准参考数值，Xr1为行人密度标准参考数值，Jz1为人口居住密度标准数据，c2和c3为设定的比例系数且c2和c3均大于0；

此处需要说明的是：非机动车密度标准参考数值、人口居住密度标准数据和行人密度标准参考数值均为有关部门设定的具体参考值；

获取安全驾驶预警参考系数，使用安全驾驶预警参考系数阈值对安全驾驶预警参考系数进行区间划分，具体如下：

当Ay≥Ay1，判断为驾驶预警车辆；

当Ay1＞Ay＞0，判断为正常驾驶车辆；

将根据安全驾驶预警参考系数和安全驾驶预警参考系数阈值得到的判断结果定义为安全驾驶预警分级数据；

数据处理模块获取安全驾驶预警分级数据，并将其输送至安全预警模块；

安全预警模块根据安全驾驶预警分级数据进行安全预警；

安全预警模块包括车内预警单元和车外预警单元，车内预警单元根据安全驾驶预警分级数据进行车内预警，车外预警单元根据预警分级数据进行车外预警，车内预警单元包括第一预警指示灯、扬声器和通信设备，车外预警单元包括第二预警指示LED显示屏；

车内预警单元根据安全驾驶预警分级数据进行车内预警，具体如下：

针对正常驾驶车辆，不进行车内预警；

针对驾驶预警车辆，第一预警指示灯闪烁，扬声器发布报警广播向司机进行预警，通过通信设备报警；

车外预警单元根据预警分级数据进行车外预警，具体如下：

针对正常驾驶车辆，不进行车外预警；

针对驾驶预警车辆，第二预警指示灯闪烁，LED显示屏向车外车辆及行人发布报警信息；

在本申请中，若出现相应的计算公式，则上述计算公式均是去量纲取其数值计算，公式中存在的权重系数、比例系数等系数，其设置的大小是为了将各个参数进行量化得到的一个结果值，关于权重系数和比例系数的大小，只要不影响参数与结果值的比例关系即可。

实施例二

基于同一发明的又一构思，现提出港区槽罐车集卡车混流的安全驾驶预警方法，包括如下步骤：

步骤S1：获取安全驾驶基础数据；

步骤S11：获取货物基础数据，具体如下：

步骤S111：根据数据库获取车辆装载的货物数量、单个货物的质量数值以及货物对应的国际海事危险货物代码；

步骤S112：获取货物危险性参考系数，根据货物对应的国际海事危险货物代码对货物危险性参考系数进行参数赋值；

步骤S113：将货物数量、单个货物的质量数值和货物危险性参考系数定义为货物基础数据；

步骤S12：获取车辆基础数据，具体如下：

步骤S121：通过速度传感器获取车辆当前车速，通过激光雷达分别获取前后车距和左右车距；

步骤S122：通过车辆历史维修记录统计当前车辆累计维修次数；

步骤S123：将车辆当前车速、前后车距、左右车距以及当前车辆累计维修次数定义为车辆基础数据；

步骤S13：获取驾驶基础数据，具体如下：

步骤S131：通过车载驾驶记录仪获取当前驾驶时长数值，通过数据库获取驾驶员年龄数值；

步骤S132：通过数据库获取车辆历史违章数据，根据车辆历史违章数据统计车辆近三年的违章次数，将车辆近三年的违章次数定义为驾驶员违章数据；

步骤S133：将当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据定义为驾驶基础数据；

步骤S14：路况数据单元获取路况基础数据，具体如下：

步骤S141：通过第一摄像头识别道路右侧的限速标志，获取当前道路限速数值；

步骤S142：根据数据库获取道路历史交通事故数据，通过道路历史交通事故数据统计当年道路上一年度累计发生交通事故次数，将当年道路上一年度累计发生交通事故次数定义为道路交通事故数据；

步骤S143：通过第二摄像头实时监测道路车流图像数据，利用图像识别算法统计摄像头视野范围内的车辆数量数值，获取第二摄像头路面视野距离数值；

步骤S144：将车辆数量数值和第二摄像头路面视野距离数值通过车流密度计算公式计算得到车流密度参考数值；

步骤S15：获取人群基础数据，具体步骤如下：

步骤S151：通过第三摄像头实时监测道路非机动车图像数据，利用图像识别算法统计摄像头视野范围内的非机动车数量数值，获取第三摄像头路面视野距离数值；

步骤S152：将非机动车数量数值和第三摄像头路面视野距离数值通过非机动车密度计算公式计算得到非机动车密度参考数值；

步骤S153：通过数据库获取道路所在地区人口居住密度数据，

步骤S154：通过第四摄像头实时监测道路行人图像数据，利用图像识别算法统计摄像头视野范围内的行人数量数值，获取第四摄像头路面视野距离数值；

步骤S155：将行人数量数值和第三摄像头路面视野距离数值通过行人密度计算公式计算得到行人密度参考数值；

步骤S156：将非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值定义为人群基础数据；

步骤S16：数据获取模块获取货物基础数据、车辆基础数据、驾驶基础数据、路况基础数据以及人群基础数据，将货物基础数据、车辆基础数据、驾驶基础数据、路况基础数据以及人群基础数据定义为安全驾驶基础数据；

步骤S2：对安全驾驶基础数据进行分析，得到安全驾驶分析数据；

步骤S21：分析货物基础数据得到货物危险性参考数值，具体如下：

步骤S211：根据货物基础数据获取货物数量、单个货物的质量数值和货物危险性参考系数；

步骤S212：将货物数量、单个货物的质量数值和货物危险性参考系数通过货物危险性计算公式计算得到货物危险性参考数值；

步骤S22：分析车辆基础数据得到车辆危险性参考数值，具体如下：

步骤S221：根据车辆基础数据获取当前车速、前后车距、左右车距和当前车辆累计维修次数；

步骤S222：将当前车速、前后车距、左右车距和当前车辆累计维修次数通过车辆危险性计算公式计算得到车辆危险性参考数值；

步骤S23：分析驾驶基础数据得到驾驶危险性参考数值，具体如下：

步骤S231：根据驾驶基础数据获取当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据；

步骤S232：将当前驾驶时长数值、驾驶员年龄数值以及驾驶员违章数据通过驾驶员危险性计算公式计算得到驾驶危险性参考数值；

步骤S24：分析路况基础数据得到路况复杂性参考数值，具体如下：

步骤S241：根据路况基础数据获取当前道路限速数值、道路交通事故数据和车流密度参考数值；

步骤S242：将当前道路限速数值、道路交通事故数据和车流密度参考数值通过路况复杂性参考数值计算公式计算得到路况复杂性参考数值；

步骤S25：数据分析模块获取货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值；

步骤S26：将货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值定义为安全驾驶分析数据；

步骤S3：对安全驾驶基础数据和安全驾驶分析数据进行处理，得到安全驾驶预警分级数据；

步骤S31：对安全驾驶基础数据进行处理，得到安全驾驶参考系数，具体如下：

步骤S311：根据安全驾驶分析数据获取货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值；

步骤S312：将货物危险性参考数值、车辆危险性参考数值、驾驶危险性参考数值以及路况复杂性参考数值通过初步预警参考系数计算公式计算得到初步预警参考系数；

步骤S313：获取货物危险性标准参考数值、车辆危险性标准参考数值、驾驶员危险性标准参考数值以及路况复杂性标准参考数值；

步骤S314：将货物危险性标准参考数值、车辆危险性标准参考数值、驾驶员危险性标准参考数值以及路况复杂性标准参考数值通过安全驾驶初步系数阈值计算公式计算得到初步预警参考系数阈值；

步骤S315：根据安全驾驶基础数据获取非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值；

步骤S316：将初步预警参考系数、安全驾驶基础数据获取非机动车密度参考数值、道路所在地区人口居住密度数据以及行人密度参考数值通过安全驾驶预警参考系数计算公式计算得到安全驾驶预警参考系数；

步骤S32：对安全驾驶参考系数进行阈值划分，得到安全驾驶预警分级数据；

步骤S321：获取初步预警参考系数阈值，非机动车密度标准参考数值、人口居住密度标准数据和行人密度标准参考数值；

步骤S322：将获取初步预警参考系数阈值，非机动车密度标准参考数值、人口居住密度标准数据和行人密度标准参考数值通过安全驾驶预警参考阈值计算公式计算得到安全驾驶预警参考系数阈值；

步骤S323：获取安全驾驶预警参考系数，使用安全驾驶预警参考系数阈值对安全驾驶预警参考系数进行区间划分，具体如下：

当Ay≥Ay1，判断为驾驶预警车辆；

当Ay1＞Ay＞0，判断为正常驾驶车辆；

步骤S324：将根据安全驾驶预警参考系数和安全驾驶预警参考系数阈值得到的判断结果定义为安全驾驶预警分级数据；

步骤S4：根据安全驾驶预警分级数据进行安全预警；

步骤S41：根据安全驾驶预警分级数据进行车内预警，具体如下：

步骤S411：针对正常驾驶车辆，不进行车内预警；

步骤S412：针对驾驶预警车辆，第一预警指示灯闪烁，扬声器发布报警广播向司机进行预警，通过通信设备报警；

步骤S42：根据预警分级数据进行车外预警，具体如下：

步骤S421：针对正常驾驶车辆，不进行车外预警；

步骤S422：针对驾驶预警车辆，第二预警指示灯闪烁，LED显示屏向车外车辆及行人发布报警信息；

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。