本發(fā)明屬于交通智能管理和控制技術(shù)領(lǐng)域，具體是一種道路交通事故鏈的阻斷系統(tǒng)，在道路交通事故風(fēng)險初期就能有效地進行事故鏈的阻斷，以提升道路交通安全性，降低道路交通連環(huán)事故發(fā)生率。

背景技術(shù)：

為防止道路交通事故造成的人員傷害，一般在車輛上安裝防碰撞系統(tǒng)，傳統(tǒng)的車輛防碰撞系統(tǒng)主要由信息采集終端、信息處理及決策中心和決策執(zhí)行終端三部分構(gòu)成，其中，信息采集終端通過傳感器設(shè)備檢測自車的行駛速度、自車與障礙物之間的距離及駕駛員的操控行為等信號信息，并通過無線通信技術(shù)傳遞到信息處理及決策中心，信息處理及決策中心對接收到的信號進行處理，通過一定運算獲得自車和周圍車輛的相對空間距離、安全空間距離和安全空間距離等關(guān)鍵信息，并根據(jù)這些信息提供控制決策，決策執(zhí)行終端根據(jù)接收到的控制決策通過響應(yīng)執(zhí)行模塊對駕駛員進行預(yù)警或控制車輛減速或停車。這種傳統(tǒng)的車輛防碰撞系統(tǒng)主要存在以下問題：①防碰撞系統(tǒng)的控制決策均是以基于車速和相對距離的碰撞時間或基于車輛制動運動學(xué)分析的最小安全車距為預(yù)警參數(shù)，通過確定預(yù)警參數(shù)的閾值建立不同的預(yù)警或控制策略，屬于基于時間和距離參數(shù)的決策機制；而實際上，道路交通事故的整個演化過程分前期危險孕育階段、危險潛伏階段和事故觸發(fā)階段，從前期危險孕育階段發(fā)展到危險潛伏階段直至最終事故觸發(fā)階段的整個演化過程很難用單一的預(yù)警參數(shù)進行描述，這種基于簡單的時間和距離參數(shù)的決策機制，容易造成系統(tǒng)誤報和漏報問題。②防碰撞系統(tǒng)主要針對單個交通事故的預(yù)防，尚未從阻斷誘發(fā)連環(huán)交通事故的一連串交通事件演化的“鏈”的角度進行控制決策以消除可致連環(huán)交通事故的風(fēng)險。由此可以看出，傳統(tǒng)的車輛防碰撞系統(tǒng)存在較大的局限性，有必要采用新的模型和算法阻斷道路連環(huán)交通事故發(fā)生。

對道路交通事故鏈(CRTI)進行進一步分析可以看出，CRTI演化過程實質(zhì)表現(xiàn)了道路交通狀態(tài)的變化：當(dāng)交通狀態(tài)朝著不安全的態(tài)勢演化時，道路交通事故就有可能發(fā)生，當(dāng)一個不安全的交通狀態(tài)在時間或空間上誘導(dǎo)出相鄰的另一個不安全交通狀態(tài)時，則形成了CRTI，多起事故可能同時發(fā)生。駕駛員自身或外界的作用，使得CRTI可能逐漸增強、減弱或消失，這對應(yīng)于交通狀態(tài)在危險與安全之間的變化。若假設(shè)H表示若干前期交通事件，R表示當(dāng)前實時道路交通事件，F(xiàn)表示即將發(fā)生的道路交通事件，F(xiàn)’為道路交通事故，則CRTI演化刻畫了從若干前期交通事件H和當(dāng)前實時道路交通事件R，演變成未來的道路交通事件F直至最終導(dǎo)致道路交通事故F’的鏈?zhǔn)竭^程，簡記為H+R→F。由此看出，CRTI演化過程實質(zhì)上是滿足時間連續(xù)(或離散)、狀態(tài)可列、時間齊次的馬爾可夫過程，在時間序列上完全滿足馬爾可夫鏈的“無后效性”特征。因此，可以將道路交通連環(huán)事故發(fā)生的時間序列看作一個馬爾可夫過程，通過對事物(交通事件)不同狀態(tài)的初步概率和狀態(tài)之間轉(zhuǎn)移概率的研究，形式化描述為CRTI的演化過程。

技術(shù)實現(xiàn)要素：

本發(fā)明針對現(xiàn)有道路交通連環(huán)事故預(yù)防技術(shù)的不足，提供一種在車聯(lián)網(wǎng)環(huán)境下的道路交通事故鏈阻斷系統(tǒng)，可在道路交通事故發(fā)生前阻斷事故鏈的進一步發(fā)展，消除可致連環(huán)交通事故的因素，實現(xiàn)及時的交通事故預(yù)防和疏導(dǎo)。

為達到上述目的，本發(fā)明提出的基于車聯(lián)網(wǎng)的道路交通事故鏈阻斷系統(tǒng)采用的技術(shù)方案如下：包括裝載在每個車輛上的第一信息采集設(shè)備、智能車載終端和布設(shè)在車聯(lián)網(wǎng)服務(wù)道路兩側(cè)的第二信息采集設(shè)備，第一、第二信息采集設(shè)備共同實時采集行車狀態(tài)信息，并形成多源行車狀態(tài)信息，所述多源行車狀態(tài)信息傳遞至阻斷信息處理中心，所述阻斷信息處理中心包括標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊、行車狀態(tài)數(shù)據(jù)存儲模塊、阻斷專家?guī)旌妥钄嘣朴嬎闫脚_，所述標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊接收多源行車狀態(tài)信息并進行多源信息融合，生成標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)，輸出能供阻斷云計算平臺直接處理的包含設(shè)定屬性的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)并發(fā)送至行車狀態(tài)數(shù)據(jù)存儲模塊和阻斷專家?guī)熘?；行車狀態(tài)數(shù)據(jù)存儲模塊對接收的數(shù)據(jù)進行限時保存并發(fā)送至阻斷云計算平臺，阻斷云計算平臺確定CRTI阻斷方案并發(fā)送至阻斷系統(tǒng)智能車載終端。

進一步地，所述阻斷專家?guī)彀ㄑ莼A(chǔ)數(shù)據(jù)庫、演化狀態(tài)庫和阻斷方案庫，演化基礎(chǔ)數(shù)據(jù)庫存儲不同CRTI演化場景下的行車狀態(tài)變化數(shù)據(jù)，演化狀態(tài)庫在演化基礎(chǔ)數(shù)據(jù)庫的基礎(chǔ)上生成、存儲并更新所有可能的演化狀態(tài)，阻斷方案庫針對所有可能的CRTI演化狀態(tài)生成、存儲并更新相應(yīng)的CRTI阻斷方案。

更進一步地，演化基礎(chǔ)數(shù)據(jù)庫包括演化數(shù)據(jù)存儲模塊和演化數(shù)據(jù)更新模塊，標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊將生成的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)發(fā)送演化數(shù)據(jù)更新模塊中，演化存儲模塊通過演化數(shù)據(jù)更新模塊不斷添加新的CRTI演化行車數(shù)據(jù)。

更進一步地，演化狀態(tài)庫包括演化狀態(tài)存儲模塊、演化狀態(tài)生成模塊、演化狀態(tài)更新模塊，演化狀態(tài)生成模塊對不同CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則進行提取并存儲至演化狀態(tài)存儲模塊中，演化數(shù)據(jù)更新模塊將更新指令發(fā)送至演化狀態(tài)生成模塊中，演化狀態(tài)更新模塊調(diào)用演化狀態(tài)生成模塊生成新的CRTI演化狀態(tài)和狀態(tài)間的演變規(guī)則并將添加至演化狀態(tài)存儲模塊。

更進一步地，所述阻斷方案庫包括阻斷方案存儲模塊、阻斷方案生成模塊、阻斷方案庫更新模塊，演化狀態(tài)存儲模塊將存儲的現(xiàn)有CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則發(fā)送到阻斷方案生成模塊，阻斷方案生成模塊建立CRTI阻斷方案并存儲至阻斷方案存儲模塊中，演化狀態(tài)更新模塊將更新指令發(fā)送至阻斷方案更新模塊，阻斷方案更新模塊生成新的CRTI演化場景狀態(tài)下的阻斷方案并添加至阻斷方案存儲模塊。

更進一步地，所述阻斷云計算平臺包括演化場景狀態(tài)匹配模塊、阻斷方案查找模塊和阻斷指令生成模塊，演化狀態(tài)存儲模塊將存儲的現(xiàn)有CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則發(fā)送到演化場景狀態(tài)匹配模塊，演化場景狀態(tài)匹配模塊接收標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊發(fā)送的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)，阻斷方案存儲模塊將所存儲的CRTI阻斷方案發(fā)送到阻斷方案查找模塊。

本發(fā)明具有以下有益效果：

1、本發(fā)明從整個道路交通事故演化發(fā)展的角度對交通事故鏈的演化規(guī)律進行規(guī)則提取，并利用該規(guī)則實現(xiàn)在道路交通事故發(fā)生前就能有效地進行事故鏈阻斷，進而有效防止事故發(fā)生。

2、本發(fā)明通過阻斷可誘發(fā)連環(huán)交通事故的一連串交通事件演化的“鏈”，可以消除可致連環(huán)交通事故的風(fēng)險。

3、本發(fā)明具有自動感知和自學(xué)習(xí)功能，可以不斷適應(yīng)新的道路交通事故鏈演化場景并自動完善系統(tǒng)提供的相應(yīng)的阻斷方案，進而不斷提高系統(tǒng)對事故鏈阻斷的有效性，能提升道路交通系統(tǒng)的安全運行和降低道路交通連環(huán)事故發(fā)生率。

附圖說明

以下結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細描述：

圖1為本發(fā)明所述基于車聯(lián)網(wǎng)的道路交通事故鏈阻斷系統(tǒng)的硬件連接框架圖；

圖2為圖1所示道路交通事故鏈阻斷系統(tǒng)的工作流程圖；

圖1中：1.信息采集系統(tǒng)；2.阻斷信息處理中心；3.智能車載終端；

11.第一信息采集設(shè)備；12.第二信息采集設(shè)備；21.標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊；22.行車狀態(tài)數(shù)據(jù)存儲模塊；23.阻斷專家?guī)欤?4.阻斷云計算平臺；

111.CAN總線模塊；112.非總線模塊；121.路段車輛信息采集模塊；122.路面狀況傳感器；123.能見度傳感器；231.演化基礎(chǔ)數(shù)據(jù)庫；232.演化狀態(tài)庫；233.阻斷方案庫；241.演化場景狀態(tài)匹配模塊；242.阻斷方案查找模塊；243.阻斷指令生成模塊；2311.演化數(shù)據(jù)存儲模塊；2312.演化數(shù)據(jù)更新模塊；2321.演化狀態(tài)存儲模塊；2322.演化狀態(tài)生成模塊；2323.演化狀態(tài)更新模塊；2331.阻斷方案存儲模塊；2332.阻斷方案生成模塊；2333.阻斷方案庫更新模塊。

具體實施方式

如圖1所示，本發(fā)明所述基于車聯(lián)網(wǎng)的道路交通事故鏈阻斷系統(tǒng)由信息采集系統(tǒng)1、阻斷信息處理中心2和智能車載終端3三部分組成。其中，信息采集系統(tǒng)1布置在每輛應(yīng)用本系統(tǒng)的車輛上和車聯(lián)網(wǎng)服務(wù)道路的兩側(cè)，阻斷信息處理中心2布置在后臺云服務(wù)器，智能車載終端3布置在每輛應(yīng)用本系統(tǒng)的車輛上。運用現(xiàn)有車聯(lián)網(wǎng)技術(shù)，將信息采集系統(tǒng)1、阻斷信息處理中心2和智能車載終端3通過無線網(wǎng)進行連接，實現(xiàn)信息交互。

信息采集系統(tǒng)1由裝載在每個車輛上的第一信息采集設(shè)備11和布設(shè)在車聯(lián)網(wǎng)服務(wù)道路兩側(cè)的第二信息采集設(shè)備12組成，每個車輛上裝載一個第一信息采集設(shè)備11。

每個第一信息采集設(shè)備11均包括CAN總線模塊111和非總線模塊112，CAN總線模塊111通過OBD(由汽車制造商給車輛裝備的車載自診斷系統(tǒng))口獲取自車的車速信息(包括速度和加速度)和故障信息；非總線模塊112包含攝像頭、GPS傳感器、雷達傳感器、方向盤轉(zhuǎn)角傳感器、檔位信息傳感器、制動和油門踏板傳感器。攝像頭有5個，分別是安裝在自車前側(cè)、后側(cè)和兩側(cè)的四個攝像頭及安裝在駕駛艙內(nèi)的一個攝像頭，分別獲取自車前方、側(cè)方和后方車輛和道路及自車駕駛?cè)藸顟B(tài)的視頻與圖像信息；GPS傳感器獲取自車的地理位置信息；雷達傳感器獲取自車的前方、側(cè)方和后方車輛的車速信息、與本車的相對車速信息、相對距離信息及相對方位角信息；方向盤轉(zhuǎn)角傳感器、檔位信息傳感器、制動和油門踏板傳感器分別獲取自車的方向盤轉(zhuǎn)角和角速度、當(dāng)前檔位、制動和油門踏板力和行程。

第二信息采集設(shè)備12包括路段車輛信息采集模塊121、路面狀況傳感器122和能見度傳感器123：路段車輛信息采集模塊121通過DSRC(專用短程無線通信技術(shù))獲取本路段上當(dāng)前所有車輛的車輛編號信息和每個車輛上第一信息采集設(shè)備11實時采集的車速與地理位置信息；路面狀況傳感器122獲取當(dāng)前本路段路面干、濕、冰狀態(tài)；能見度傳感器123獲取當(dāng)前環(huán)境下大氣能見度狀態(tài)。

第一信息采集設(shè)備11和第二信息采集設(shè)備12共同實時采集跟蹤CRTI演化趨勢所需的行車狀態(tài)信息，所采集的信息形成多源行車狀態(tài)信息，并將多源行車狀態(tài)信息通過車聯(lián)網(wǎng)無線通信技術(shù)傳遞至阻斷信息處理中心2。

阻斷信息處理中心2包括標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21、行車狀態(tài)數(shù)據(jù)存儲模塊22、阻斷專家?guī)?3和阻斷云計算平臺24。所述的多源行車狀態(tài)信息輸入至標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21中。標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21將接收到的視頻和圖像信息通過特征提取方法提取為可識別的駕駛員、車輛和道路狀態(tài)的數(shù)字信息，然后對這些提取得到的和其它直接接收得到的行車狀態(tài)數(shù)字信息進行卡爾曼濾波處理以濾除白噪聲，并將去噪后的數(shù)字信息進行多源信息融合，生成標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)，輸出可供阻斷云計算平臺24直接處理的包含設(shè)定屬性的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)，同時將標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)發(fā)送至行車狀態(tài)數(shù)據(jù)存儲模塊22和阻斷專家?guī)?3中。行車狀態(tài)數(shù)據(jù)存儲模塊22對接收的數(shù)據(jù)進行限時保存，行車狀態(tài)數(shù)據(jù)存儲模塊22僅保存至當(dāng)前時刻30s時間窗內(nèi)的行車狀態(tài)數(shù)據(jù)，超過30s時間窗的數(shù)據(jù)將被實時刪除以節(jié)省數(shù)據(jù)存儲空間。同時發(fā)送至阻斷云計算平臺24進行計算；阻斷云計算平臺24將接收到的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)與阻斷專家?guī)?3中存儲的CRTI演化場景狀態(tài)和阻斷方案進行匹配，獲取當(dāng)前行車狀態(tài)下所需的CRTI阻斷方案，并將確定的CRTI阻斷方案發(fā)送至阻斷系統(tǒng)智能車載終端3。

標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21所生成的包含設(shè)定屬性的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)包含條件屬性和事件屬性兩大類屬性數(shù)據(jù)：其中，條件屬性按交通系統(tǒng)中“人-車-路-環(huán)境”四要素分為四大類，其中，

第一類：“人”-駕駛?cè)说娜搜勰暦较颉⒄Ｑ垲l率；

第二類：“車”-本車位置、速度、加速度、方向盤轉(zhuǎn)角、制動和加速踏板力和行程、與同一車道的前后方車輛的距離及相對速度、與鄰近車道車輛的距離及相對速度、轉(zhuǎn)向燈信號、車輛故障信號；

第三類：“路”-路段道路類型、車道線位置、車道曲率、交通流量、交通密度和平均車速；

第四類：“環(huán)境”-路面干、濕、冰狀態(tài)類型、能見度。

事件屬性指當(dāng)前交通事件的類型，用指示變量I表示：

I＝2為事故類，表示發(fā)生了道路交通事故；

I＝1為臨近事故類，表示未發(fā)生道路交通事故但發(fā)生了車輛緊急制動或緊急轉(zhuǎn)向避讓行為；

I＝0為正常類，代表除事故類和臨近事故類之外的所有其他交通事件。

阻斷專家?guī)?3包括演化基礎(chǔ)數(shù)據(jù)庫231、演化狀態(tài)庫232和阻斷方案庫233，各數(shù)據(jù)庫可通過外碼鏈接進行數(shù)據(jù)庫之間的數(shù)據(jù)訪問。其中，演化基礎(chǔ)數(shù)據(jù)庫231存儲不同CRTI演化場景下的行車狀態(tài)變化數(shù)據(jù)。演化狀態(tài)庫232在演化基礎(chǔ)數(shù)據(jù)庫231的基礎(chǔ)上生成、存儲并更新所有可能的CRTI演化狀態(tài)；阻斷方案庫233針對所有可能的CRTI演化狀態(tài)生成、存儲并更新相應(yīng)的CRTI阻斷方案。

演化演化基礎(chǔ)數(shù)據(jù)庫231包括演化數(shù)據(jù)存儲模塊2311和演化數(shù)據(jù)更新模塊2312。演化數(shù)據(jù)存儲模塊2311存儲現(xiàn)有CRTI演化場景下的行車狀態(tài)變化數(shù)據(jù)。其中，演化存儲模塊2311內(nèi)的初始CRTI演化行車數(shù)據(jù)來源于系統(tǒng)開發(fā)階段的自然駕駛數(shù)據(jù)，即在多輛實驗車輛上安裝數(shù)據(jù)采集系統(tǒng)，在一段時間內(nèi)全時監(jiān)測和記錄實際駕駛過程，收集真實的行車狀態(tài)信息，提取交通事故或未造成事故的危險事件(造成緊急制動或轉(zhuǎn)向避讓)發(fā)生前30s內(nèi)的形態(tài)信息，并按標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21的工作流程對提取的信息進行多源信息融合處理，經(jīng)最終獲得包含以上設(shè)定屬性的30s時間窗內(nèi)的標(biāo)準(zhǔn)化行車狀態(tài)變化數(shù)據(jù)。隨著系統(tǒng)服務(wù)上線，演化存儲模塊2311可通過演化數(shù)據(jù)更新模塊2312不斷添加新的CRTI演化行車數(shù)據(jù)，以不斷提高系統(tǒng)對不同CRTI演化場景的適用性。標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21將生成的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)發(fā)送演化數(shù)據(jù)更新模塊2312中，演化數(shù)據(jù)更新模塊2312根據(jù)標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)中的事件屬性數(shù)據(jù)判斷當(dāng)前交通事件類型是否為事故類或臨近事故類，若判定是，即系統(tǒng)認(rèn)為有必要更新現(xiàn)有CRTI數(shù)據(jù)庫，則將行車狀態(tài)數(shù)據(jù)存儲模塊22內(nèi)保存的至當(dāng)前時刻30s時間窗內(nèi)的行車狀態(tài)數(shù)據(jù)添加至演化數(shù)據(jù)存儲模塊2311中，并對演化狀態(tài)庫232發(fā)送更新指令。

演化狀態(tài)庫232包括演化狀態(tài)存儲模塊2321、演化狀態(tài)生成模塊2322、演化狀態(tài)更新模塊2323。其中，演化狀態(tài)生成模塊2322通過外碼訪問演化數(shù)據(jù)存儲模塊2311，并通過對不同CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則進行提取，以定量化描述CRTI狀態(tài)演化規(guī)律，并存儲至演化狀態(tài)存儲模塊2321中，演化狀態(tài)存儲模塊2321存儲現(xiàn)有CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則。演化數(shù)據(jù)更新模塊2312將更新指令發(fā)送至演化狀態(tài)更新模塊2323中，演化狀態(tài)更新模塊2323根據(jù)演化數(shù)據(jù)更新模塊2312發(fā)送的更新指令調(diào)用演化狀態(tài)生成模塊2322生成新的CRTI演化狀態(tài)和狀態(tài)間的演變規(guī)則，并將更新的狀態(tài)和規(guī)則添加至演化狀態(tài)存儲模塊2321，并對阻斷方案庫233發(fā)送更新指令。

所述的演化狀態(tài)生成模塊2322通過外碼訪問演化數(shù)據(jù)存儲模塊2311后，通過對不同CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則進行提取的具體方法如下：

a.CRTI演化場景劃分。為了便于后續(xù)數(shù)據(jù)處理，根據(jù)事故/臨近事故事件發(fā)生時自車的行駛軌跡特征和周圍車輛的分布及行駛狀態(tài)特征，使用分類樹方法對CRTI演化場景進行分類，形成包括三個層級的CRTI演化場景劃分目錄庫：第一層級包含對自車保持車道和變換車道行為劃分，第二層級包含對自車前、后、左、右、前左、前右、后左、后右區(qū)域車輛分布形態(tài)劃分，第三層級包含對各區(qū)域分布車輛行駛狀態(tài)基于模糊算法的劃分。

b.CRTI演化狀態(tài)劃分。對于每一類CRTI演化場景，將事故相關(guān)人員特點、駕駛操作、車輛行駛狀況、事故時間點前周邊車輛及道路環(huán)境等不同來源條件屬性數(shù)據(jù)進行融合，按一定時間間隔及固有頻率采樣產(chǎn)生高維離散時間序列信號，利用特征提取方法降低信號維度，將提取信號按照影響先后順序排列，利用粗糙集屬性約簡算法建立交通事故脆性因子模型，得出交通事故關(guān)鍵因素{U_i1,U_i2,…,U_in}，其中U_ij表示第i個數(shù)據(jù)的第j個因素。采用層次聚類對{U_i1,U_i2,…,U_in}進行分析，將整個數(shù)據(jù)集聚為C類，則每類的中心即為CRTI節(jié)點的狀態(tài)S_c(c＝1,2,…C)，從而得到不同CRTI演化場景的CRTI演化場景-狀態(tài)目錄庫。

c.CRTI狀態(tài)演變規(guī)則。采用馬爾可夫鏈隨機過程方法定義CRTI：L＝{L₁,L₂,L₃,…L_t}，其中L_t表示事故鏈的第t個節(jié)點，t時刻該節(jié)點的狀態(tài)為Y_t，Y_t的可能取值的集合{S₁,S₂,…,S_C}為狀態(tài)空間(即由CRTI狀態(tài)劃分算法獲得的CRTI節(jié)點狀態(tài)集合)，{Y₁,Y₂,Y₃,…Y_t}是一個觀察到的隨機變量(交通事件)序列，并假設(shè)其每個狀態(tài)值只取決于之前的m個狀態(tài)，即m階CRTI馬爾可夫鏈?；跇O大似然估計計算狀態(tài)轉(zhuǎn)移概率P_ij＝P(Y_t+1＝S_j|Y_t＝S_i)，其中0≤i,j≤C-1，并利用粗糙集理論，將CRTI在穩(wěn)定區(qū)和非穩(wěn)定區(qū)域狀態(tài)變化的定量關(guān)系用上近似算子和下近似算子描述成不同的控制參數(shù)對事故危害結(jié)果的影響程度并編入進狀態(tài)轉(zhuǎn)移矩陣中，提高CRTI中隨機波動性數(shù)據(jù)變化趨勢的平穩(wěn)性，從而得到CRTI演化模型(k步狀態(tài)轉(zhuǎn)移矩陣)：P(Y_m+k＝y(tǒng)_m+k|Y₁＝y(tǒng)₁,Y₂＝y(tǒng)₂,…,Y_m＝y(tǒng)_m)，對不同CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則進行提取，以定量化描述CRTI狀態(tài)演化規(guī)律。

阻斷方案庫233包括阻斷方案存儲模塊2331、阻斷方案生成模塊2332、阻斷方案庫更新模塊2333。阻斷方案生成模塊2332通過外碼訪問演化狀態(tài)存儲模塊2321并通過算法針對不同CRTI演化場景狀態(tài)建立相應(yīng)的CRTI阻斷方案，并存儲至阻斷方案存儲模塊2331中，阻斷方案存儲模塊2331存儲現(xiàn)有不同CRTI演化場景狀態(tài)的阻斷方案。演化狀態(tài)更新模塊2323將更新指令發(fā)送至阻斷方案更新模塊2333，阻斷方案更新模塊2333根據(jù)演化狀態(tài)更新模塊2323發(fā)送的更新指令調(diào)用阻斷方案生成模塊2332生成新的CRTI演化場景狀態(tài)下的阻斷方案，并將新的CRTI阻斷方案添加至阻斷方案存儲模塊2331。

所述阻斷方案生成模塊2332通過算法針對不同CRTI演化場景狀態(tài)建立相應(yīng)的CRTI阻斷方案的具體方法如下：根據(jù)演化狀態(tài)存儲模塊2321中的不同CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則，并綜合考慮自車暴露于危險環(huán)境的頻繁程度及交通事故發(fā)生的后果等相關(guān)因素，確定交通狀態(tài)危險度r和危險源e；同時綜合考慮阻斷代價的經(jīng)濟性、阻斷過程的穩(wěn)定性、阻斷技術(shù)的可靠性等方面，運用基于運籌學(xué)最優(yōu)解相關(guān)理論的尋優(yōu)技術(shù)，為CRTI演化場景-狀態(tài)目錄庫中的每一個場景狀態(tài)建立相應(yīng)的最優(yōu)CRTI阻斷方案。具體地，對于目標(biāo)車輛而言，假設(shè)編號為N，任意CRTI演化場景狀態(tài)下的阻斷方案建立滿足如下兩個條件：1)t時刻車輛N與危險度網(wǎng)絡(luò)S不成鏈，t+1時刻車輛N與危險度網(wǎng)絡(luò)S成鏈；2)t+1時刻網(wǎng)絡(luò)的在鏈車輛數(shù)大于t時刻網(wǎng)絡(luò)的在鏈車輛數(shù)，即：L_t+1(S)﹥L_t(S)。阻斷方案建立的基本策略為：不能使t時刻的在鏈車輛數(shù)增加，即在t時刻就要采取措施使得目標(biāo)車輛與S不成鏈，即：1)當(dāng)目標(biāo)車輛在車隊后方時，應(yīng)該提前通知目標(biāo)車輛N減速或者變道措施，與前方車輛保持安全距離；2)當(dāng)目標(biāo)車輛在車隊前方時，提前通知目標(biāo)車輛N加速或者變道措施，與后方車隊保持安全距離。

阻斷云計算平臺24包括演化場景狀態(tài)匹配模塊241、阻斷方案查找模塊242和阻斷指令生成模塊243。演化狀態(tài)存儲模塊2321將存儲的現(xiàn)有CRTI演化場景狀態(tài)和狀態(tài)間的演變規(guī)則發(fā)送到演化場景狀態(tài)匹配模塊241，同時演化場景狀態(tài)匹配模塊241接收標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21發(fā)送的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)，阻斷方案存儲模塊2331將所存儲的CRTI阻斷方案發(fā)送到阻斷方案查找模塊242。

阻斷云計算平臺24對接收到的融合后的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)通過演化場景狀態(tài)匹配模塊241和阻斷方案查找模塊242進行如下處理：第一，通過阻斷方案查找模塊242將標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)與阻斷專家?guī)?3中存儲的CRTI演化場景-狀態(tài)數(shù)據(jù)進行匹配，判斷當(dāng)前是否有進行CRTI阻斷的需求。第二，若匹配成功，即系統(tǒng)認(rèn)定有實施CRTI阻斷的需求，則阻斷方案查找模塊242根據(jù)匹配成功的CRTI演化場景-狀態(tài)目錄ID查找阻斷方案存儲模塊2331中發(fā)送來的存儲方案，最終獲取當(dāng)前車輛所需的CRTI阻斷方案。CRTI阻斷指令生成模塊243將獲取的CRTI阻斷方案編譯為預(yù)警或控制信號指令，通過車聯(lián)網(wǎng)無線通信技術(shù)將指令傳送給智能車載終端3。

演化場景狀態(tài)匹配模塊241所用的搜索匹配算法如下：基于雙重搜索策略和先驗信息約束設(shè)計神經(jīng)網(wǎng)絡(luò)搜索算法，先采用遺傳算法進行全局搜索，再在全局搜索的范圍內(nèi)用改進的蟻群算法進行局部搜索；同時將問題對象所蘊含的先驗信息分別耦合進遺傳算法和蟻群算法中，以確定搜索空間和優(yōu)化適應(yīng)度函數(shù)，并利用先驗信息在局部搜索算法的誤差代價函數(shù)中構(gòu)造網(wǎng)絡(luò)推廣能力的促進子和約束權(quán)值振蕩的矯正項。雙重搜索和先驗信息的約束能夠最大限度使得網(wǎng)絡(luò)權(quán)值的迭代沿著先驗信息的方向前進，加快網(wǎng)絡(luò)的收斂速度，適應(yīng)CRTI阻斷服務(wù)的實時性問題。

智能車載終端3包括險況預(yù)警信息發(fā)布終端31和車輛控制模塊32。險況預(yù)警信息發(fā)布終端31將接收到的險況預(yù)警指令及時推送給駕駛員進行危險預(yù)警。車輛控制模塊32根據(jù)接收到的阻斷操縱控制指令，使用經(jīng)過改進優(yōu)化的PID控制方法，通過控制制動和油門踏板、方向盤等設(shè)備改變車輛的運動狀態(tài)，以保障車輛行駛安全。

如圖2所示，本發(fā)明基于車聯(lián)網(wǎng)的道路交通事故鏈阻斷系統(tǒng)的阻斷流程如下：

步驟一：道路和交通信息采集。數(shù)據(jù)采集系統(tǒng)1實時采集如下道路和交通信息：自車速度和加速度；自車前方、側(cè)方和后方車輛行駛信息，包括自車前方、側(cè)方和后方車輛行駛速度、與本車的相對車速、相對距離和相對方位角信息及視頻與圖像信息；自車前方、側(cè)方和后方道路視頻與圖像信息；自車駕駛?cè)藸顟B(tài)視頻與圖像信息；自車地理位置坐標(biāo)、方向盤轉(zhuǎn)角和角速度、當(dāng)前檔位、制動和油門踏板力和行程；本路段上當(dāng)前所有車輛的車輛編號、行駛速度和地理位置坐標(biāo)；本路段路面干、濕、冰狀態(tài)信息及當(dāng)前環(huán)境下大氣能見度信息。采集得到的所有信息由車聯(lián)網(wǎng)無線通信技術(shù)傳遞至阻斷信息處理中心2。

步驟二：標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成。阻斷信息處理中心2將步驟一中采集到的信息通過標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21進行如下去噪和融合處理：將接收到的視頻和圖像信息通過特征提取方法提取為可識別的駕駛員、車輛和道路狀態(tài)的數(shù)字信息，然后對這些提取得到的和其它直接采集得到的行車狀態(tài)數(shù)字信息進行卡爾曼濾波處理以濾除白噪聲，并將去噪后的數(shù)字信息進行多源信息融合，最后輸出可供阻斷云計算平臺24直接處理的包含設(shè)定屬性的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)，并同時存入行車狀態(tài)數(shù)據(jù)存儲模塊22和發(fā)送至阻斷云計算平臺24。

步驟三：CRTI數(shù)據(jù)庫更新需求判別。演化數(shù)據(jù)更新模塊2312根據(jù)標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)生成模塊21生成的事件屬性數(shù)據(jù)判斷當(dāng)前交通事件類型是否為事故類或臨近事故類，若判定是即系統(tǒng)認(rèn)為有必要更新現(xiàn)有CRTI數(shù)據(jù)庫，則繼續(xù)進行下一步；若不是即系統(tǒng)認(rèn)為沒有必要更新現(xiàn)有CRTI數(shù)據(jù)庫，轉(zhuǎn)至步驟五。

步驟四：CRTI數(shù)據(jù)庫更新。將行車狀態(tài)數(shù)據(jù)存儲模塊22內(nèi)保存的至當(dāng)前時刻30s時間窗內(nèi)的行車狀態(tài)數(shù)據(jù)添加至演化數(shù)據(jù)存儲模塊2311，并對演化狀態(tài)庫232發(fā)送更新指令。演化狀態(tài)更新模塊2323根據(jù)演化數(shù)據(jù)更新模塊2312發(fā)送的更新指令調(diào)用演化狀態(tài)生成模塊2322生成新的演化狀態(tài)和狀態(tài)間的演變規(guī)則，并將更新的狀態(tài)和規(guī)則添加至演化狀態(tài)存儲模塊2321，并對阻斷方案庫233發(fā)送更新指令。阻斷方案更新模塊2333根據(jù)演化狀態(tài)更新模塊2323發(fā)送的更新指令調(diào)用阻斷方案生成模塊2332生成新的演化場景狀態(tài)下的阻斷方案，并將新的阻斷方案添加至阻斷方案存儲模塊2331。

步驟五：CRTI演化場景狀態(tài)匹配。通過演化場景狀態(tài)匹配模塊241將融合后的標(biāo)準(zhǔn)化行車狀態(tài)數(shù)據(jù)與演化狀態(tài)存儲模塊2321中存儲的演化場景-狀態(tài)數(shù)據(jù)進行匹配，以判斷當(dāng)前是否有進行CRTI阻斷的需求。若匹配成功，則系統(tǒng)得到與當(dāng)前行車狀態(tài)對應(yīng)的CRTI演化場景-狀態(tài)目錄ID，認(rèn)為有進行CRTI阻斷的需求，繼續(xù)下一步；若匹配不成功，則系統(tǒng)認(rèn)為無CRTI阻斷的需求，轉(zhuǎn)步驟一。

步驟六：CRTI阻斷方案查找。阻斷方案查找模塊242根據(jù)匹配成功的CRTI演化場景-狀態(tài)目錄ID查找阻斷方案存儲模塊2331中的存儲方案，并最終獲取當(dāng)前車輛所需的CRTI阻斷方案。

步驟七：CRTI阻斷指令生成。阻斷指令生成模塊243將獲取的CRTI阻斷方案編譯為預(yù)警或控制信號指令，通過車聯(lián)網(wǎng)無線通信技術(shù)將指令傳送給智能車載終端3。

步驟八：險況預(yù)警或車輛控制。險況預(yù)警信息發(fā)布終端31將接收到的險況預(yù)警指令及時推送給駕駛員進行危險預(yù)警。車輛控制模塊32根據(jù)接收到的阻斷操縱控制指令，通過控制制動和油門踏板、方向盤等設(shè)備改變車輛的運動狀態(tài)，以保障車輛行駛安全。