基于车联网的道路交通事故链阻断系统的利记博彩app

本发明属于交通智能管理和控制技术领域，具体是一种道路交通事故链的阻断系统，在道路交通事故风险初期就能有效地进行事故链的阻断，以提升道路交通安全性，降低道路交通连环事故发生率。

背景技术：

为防止道路交通事故造成的人员伤害，一般在车辆上安装防碰撞系统，传统的车辆防碰撞系统主要由信息采集终端、信息处理及决策中心和决策执行终端三部分构成，其中，信息采集终端通过传感器设备检测自车的行驶速度、自车与障碍物之间的距离及驾驶员的操控行为等信号信息，并通过无线通信技术传递到信息处理及决策中心，信息处理及决策中心对接收到的信号进行处理，通过一定运算获得自车和周围车辆的相对空间距离、安全空间距离和安全空间距离等关键信息，并根据这些信息提供控制决策，决策执行终端根据接收到的控制决策通过响应执行模块对驾驶员进行预警或控制车辆减速或停车。这种传统的车辆防碰撞系统主要存在以下问题：①防碰撞系统的控制决策均是以基于车速和相对距离的碰撞时间或基于车辆制动运动学分析的最小安全车距为预警参数，通过确定预警参数的阈值建立不同的预警或控制策略，属于基于时间和距离参数的决策机制；而实际上，道路交通事故的整个演化过程分前期危险孕育阶段、危险潜伏阶段和事故触发阶段，从前期危险孕育阶段发展到危险潜伏阶段直至最终事故触发阶段的整个演化过程很难用单一的预警参数进行描述，这种基于简单的时间和距离参数的决策机制，容易造成系统误报和漏报问题。②防碰撞系统主要针对单个交通事故的预防，尚未从阻断诱发连环交通事故的一连串交通事件演化的“链”的角度进行控制决策以消除可致连环交通事故的风险。由此可以看出，传统的车辆防碰撞系统存在较大的局限性，有必要采用新的模型和算法阻断道路连环交通事故发生。

对道路交通事故链(CRTI)进行进一步分析可以看出，CRTI演化过程实质表现了道路交通状态的变化：当交通状态朝着不安全的态势演化时，道路交通事故就有可能发生，当一个不安全的交通状态在时间或空间上诱导出相邻的另一个不安全交通状态时，则形成了CRTI，多起事故可能同时发生。驾驶员自身或外界的作用，使得CRTI可能逐渐增强、减弱或消失，这对应于交通状态在危险与安全之间的变化。若假设H表示若干前期交通事件，R表示当前实时道路交通事件，F表示即将发生的道路交通事件，F’为道路交通事故，则CRTI演化刻画了从若干前期交通事件H和当前实时道路交通事件R，演变成未来的道路交通事件F直至最终导致道路交通事故F’的链式过程，简记为H+R→F。由此看出，CRTI演化过程实质上是满足时间连续(或离散)、状态可列、时间齐次的马尔可夫过程，在时间序列上完全满足马尔可夫链的“无后效性”特征。因此，可以将道路交通连环事故发生的时间序列看作一个马尔可夫过程，通过对事物(交通事件)不同状态的初步概率和状态之间转移概率的研究，形式化描述为CRTI的演化过程。

技术实现要素：

本发明针对现有道路交通连环事故预防技术的不足，提供一种在车联网环境下的道路交通事故链阻断系统，可在道路交通事故发生前阻断事故链的进一步发展，消除可致连环交通事故的因素，实现及时的交通事故预防和疏导。

为达到上述目的，本发明提出的基于车联网的道路交通事故链阻断系统采用的技术方案如下：包括装载在每个车辆上的第一信息采集设备、智能车载终端和布设在车联网服务道路两侧的第二信息采集设备，第一、第二信息采集设备共同实时采集行车状态信息，并形成多源行车状态信息，所述多源行车状态信息传递至阻断信息处理中心，所述阻断信息处理中心包括标准化行车状态数据生成模块、行车状态数据存储模块、阻断专家库和阻断云计算平台，所述标准化行车状态数据生成模块接收多源行车状态信息并进行多源信息融合，生成标准化行车状态数据，输出能供阻断云计算平台直接处理的包含设定属性的标准化行车状态数据并发送至行车状态数据存储模块和阻断专家库中；行车状态数据存储模块对接收的数据进行限时保存并发送至阻断云计算平台，阻断云计算平台确定CRTI阻断方案并发送至阻断系统智能车载终端。

进一步地，所述阻断专家库包括演化基础数据库、演化状态库和阻断方案库，演化基础数据库存储不同CRTI演化场景下的行车状态变化数据，演化状态库在演化基础数据库的基础上生成、存储并更新所有可能的演化状态，阻断方案库针对所有可能的CRTI演化状态生成、存储并更新相应的CRTI阻断方案。

更进一步地，演化基础数据库包括演化数据存储模块和演化数据更新模块，标准化行车状态数据生成模块将生成的标准化行车状态数据发送演化数据更新模块中，演化存储模块通过演化数据更新模块不断添加新的CRTI演化行车数据。

更进一步地，演化状态库包括演化状态存储模块、演化状态生成模块、演化状态更新模块，演化状态生成模块对不同CRTI演化场景状态和状态间的演变规则进行提取并存储至演化状态存储模块中，演化数据更新模块将更新指令发送至演化状态生成模块中，演化状态更新模块调用演化状态生成模块生成新的CRTI演化状态和状态间的演变规则并将添加至演化状态存储模块。

更进一步地，所述阻断方案库包括阻断方案存储模块、阻断方案生成模块、阻断方案库更新模块，演化状态存储模块将存储的现有CRTI演化场景状态和状态间的演变规则发送到阻断方案生成模块，阻断方案生成模块建立CRTI阻断方案并存储至阻断方案存储模块中，演化状态更新模块将更新指令发送至阻断方案更新模块，阻断方案更新模块生成新的CRTI演化场景状态下的阻断方案并添加至阻断方案存储模块。

更进一步地，所述阻断云计算平台包括演化场景状态匹配模块、阻断方案查找模块和阻断指令生成模块，演化状态存储模块将存储的现有CRTI演化场景状态和状态间的演变规则发送到演化场景状态匹配模块，演化场景状态匹配模块接收标准化行车状态数据生成模块发送的标准化行车状态数据，阻断方案存储模块将所存储的CRTI阻断方案发送到阻断方案查找模块。

本发明具有以下有益效果：

1、本发明从整个道路交通事故演化发展的角度对交通事故链的演化规律进行规则提取，并利用该规则实现在道路交通事故发生前就能有效地进行事故链阻断，进而有效防止事故发生。

2、本发明通过阻断可诱发连环交通事故的一连串交通事件演化的“链”，可以消除可致连环交通事故的风险。

3、本发明具有自动感知和自学习功能，可以不断适应新的道路交通事故链演化场景并自动完善系统提供的相应的阻断方案，进而不断提高系统对事故链阻断的有效性，能提升道路交通系统的安全运行和降低道路交通连环事故发生率。

附图说明

以下结合附图和具体实施方式对本发明作进一步详细描述：

图1为本发明所述基于车联网的道路交通事故链阻断系统的硬件连接框架图；

图2为图1所示道路交通事故链阻断系统的工作流程图；

图1中：1.信息采集系统；2.阻断信息处理中心；3.智能车载终端；

11.第一信息采集设备；12.第二信息采集设备；21.标准化行车状态数据生成模块；22.行车状态数据存储模块；23.阻断专家库；24.阻断云计算平台；

111.CAN总线模块；112.非总线模块；121.路段车辆信息采集模块；122.路面状况传感器；123.能见度传感器；231.演化基础数据库；232.演化状态库；233.阻断方案库；241.演化场景状态匹配模块；242.阻断方案查找模块；243.阻断指令生成模块；2311.演化数据存储模块；2312.演化数据更新模块；2321.演化状态存储模块；2322.演化状态生成模块；2323.演化状态更新模块；2331.阻断方案存储模块；2332.阻断方案生成模块；2333.阻断方案库更新模块。

具体实施方式

如图1所示，本发明所述基于车联网的道路交通事故链阻断系统由信息采集系统1、阻断信息处理中心2和智能车载终端3三部分组成。其中，信息采集系统1布置在每辆应用本系统的车辆上和车联网服务道路的两侧，阻断信息处理中心2布置在后台云服务器，智能车载终端3布置在每辆应用本系统的车辆上。运用现有车联网技术，将信息采集系统1、阻断信息处理中心2和智能车载终端3通过无线网进行连接，实现信息交互。

信息采集系统1由装载在每个车辆上的第一信息采集设备11和布设在车联网服务道路两侧的第二信息采集设备12组成，每个车辆上装载一个第一信息采集设备11。

每个第一信息采集设备11均包括CAN总线模块111和非总线模块112，CAN总线模块111通过OBD(由汽车制造商给车辆装备的车载自诊断系统)口获取自车的车速信息(包括速度和加速度)和故障信息；非总线模块112包含摄像头、GPS传感器、雷达传感器、方向盘转角传感器、档位信息传感器、制动和油门踏板传感器。摄像头有5个，分别是安装在自车前侧、后侧和两侧的四个摄像头及安装在驾驶舱内的一个摄像头，分别获取自车前方、侧方和后方车辆和道路及自车驾驶人状态的视频与图像信息；GPS传感器获取自车的地理位置信息；雷达传感器获取自车的前方、侧方和后方车辆的车速信息、与本车的相对车速信息、相对距离信息及相对方位角信息；方向盘转角传感器、档位信息传感器、制动和油门踏板传感器分别获取自车的方向盘转角和角速度、当前档位、制动和油门踏板力和行程。

第二信息采集设备12包括路段车辆信息采集模块121、路面状况传感器122和能见度传感器123：路段车辆信息采集模块121通过DSRC(专用短程无线通信技术)获取本路段上当前所有车辆的车辆编号信息和每个车辆上第一信息采集设备11实时采集的车速与地理位置信息；路面状况传感器122获取当前本路段路面干、湿、冰状态；能见度传感器123获取当前环境下大气能见度状态。

第一信息采集设备11和第二信息采集设备12共同实时采集跟踪CRTI演化趋势所需的行车状态信息，所采集的信息形成多源行车状态信息，并将多源行车状态信息通过车联网无线通信技术传递至阻断信息处理中心2。

阻断信息处理中心2包括标准化行车状态数据生成模块21、行车状态数据存储模块22、阻断专家库23和阻断云计算平台24。所述的多源行车状态信息输入至标准化行车状态数据生成模块21中。标准化行车状态数据生成模块21将接收到的视频和图像信息通过特征提取方法提取为可识别的驾驶员、车辆和道路状态的数字信息，然后对这些提取得到的和其它直接接收得到的行车状态数字信息进行卡尔曼滤波处理以滤除白噪声，并将去噪后的数字信息进行多源信息融合，生成标准化行车状态数据，输出可供阻断云计算平台24直接处理的包含设定属性的标准化行车状态数据，同时将标准化行车状态数据发送至行车状态数据存储模块22和阻断专家库23中。行车状态数据存储模块22对接收的数据进行限时保存，行车状态数据存储模块22仅保存至当前时刻30s时间窗内的行车状态数据，超过30s时间窗的数据将被实时删除以节省数据存储空间。同时发送至阻断云计算平台24进行计算；阻断云计算平台24将接收到的标准化行车状态数据与阻断专家库23中存储的CRTI演化场景状态和阻断方案进行匹配，获取当前行车状态下所需的CRTI阻断方案，并将确定的CRTI阻断方案发送至阻断系统智能车载终端3。

标准化行车状态数据生成模块21所生成的包含设定属性的标准化行车状态数据包含条件属性和事件属性两大类属性数据：其中，条件属性按交通系统中“人-车-路-环境”四要素分为四大类，其中，

第一类：“人”-驾驶人的人眼凝视方向、眨眼频率；

第二类：“车”-本车位置、速度、加速度、方向盘转角、制动和加速踏板力和行程、与同一车道的前后方车辆的距离及相对速度、与邻近车道车辆的距离及相对速度、转向灯信号、车辆故障信号；

第三类：“路”-路段道路类型、车道线位置、车道曲率、交通流量、交通密度和平均车速；

第四类：“环境”-路面干、湿、冰状态类型、能见度。

事件属性指当前交通事件的类型，用指示变量I表示：

I＝2为事故类，表示发生了道路交通事故；

I＝1为临近事故类，表示未发生道路交通事故但发生了车辆紧急制动或紧急转向避让行为；

I＝0为正常类，代表除事故类和临近事故类之外的所有其他交通事件。

阻断专家库23包括演化基础数据库231、演化状态库232和阻断方案库233，各数据库可通过外码链接进行数据库之间的数据访问。其中，演化基础数据库231存储不同CRTI演化场景下的行车状态变化数据。演化状态库232在演化基础数据库231的基础上生成、存储并更新所有可能的CRTI演化状态；阻断方案库233针对所有可能的CRTI演化状态生成、存储并更新相应的CRTI阻断方案。

演化演化基础数据库231包括演化数据存储模块2311和演化数据更新模块2312。演化数据存储模块2311存储现有CRTI演化场景下的行车状态变化数据。其中，演化存储模块2311内的初始CRTI演化行车数据来源于系统开发阶段的自然驾驶数据，即在多辆实验车辆上安装数据采集系统，在一段时间内全时监测和记录实际驾驶过程，收集真实的行车状态信息，提取交通事故或未造成事故的危险事件(造成紧急制动或转向避让)发生前30s内的形态信息，并按标准化行车状态数据生成模块21的工作流程对提取的信息进行多源信息融合处理，经最终获得包含以上设定属性的30s时间窗内的标准化行车状态变化数据。随着系统服务上线，演化存储模块2311可通过演化数据更新模块2312不断添加新的CRTI演化行车数据，以不断提高系统对不同CRTI演化场景的适用性。标准化行车状态数据生成模块21将生成的标准化行车状态数据发送演化数据更新模块2312中，演化数据更新模块2312根据标准化行车状态数据中的事件属性数据判断当前交通事件类型是否为事故类或临近事故类，若判定是，即系统认为有必要更新现有CRTI数据库，则将行车状态数据存储模块22内保存的至当前时刻30s时间窗内的行车状态数据添加至演化数据存储模块2311中，并对演化状态库232发送更新指令。

演化状态库232包括演化状态存储模块2321、演化状态生成模块2322、演化状态更新模块2323。其中，演化状态生成模块2322通过外码访问演化数据存储模块2311，并通过对不同CRTI演化场景状态和状态间的演变规则进行提取，以定量化描述CRTI状态演化规律，并存储至演化状态存储模块2321中，演化状态存储模块2321存储现有CRTI演化场景状态和状态间的演变规则。演化数据更新模块2312将更新指令发送至演化状态更新模块2323中，演化状态更新模块2323根据演化数据更新模块2312发送的更新指令调用演化状态生成模块2322生成新的CRTI演化状态和状态间的演变规则，并将更新的状态和规则添加至演化状态存储模块2321，并对阻断方案库233发送更新指令。

所述的演化状态生成模块2322通过外码访问演化数据存储模块2311后，通过对不同CRTI演化场景状态和状态间的演变规则进行提取的具体方法如下：

a.CRTI演化场景划分。为了便于后续数据处理，根据事故/临近事故事件发生时自车的行驶轨迹特征和周围车辆的分布及行驶状态特征，使用分类树方法对CRTI演化场景进行分类，形成包括三个层级的CRTI演化场景划分目录库：第一层级包含对自车保持车道和变换车道行为划分，第二层级包含对自车前、后、左、右、前左、前右、后左、后右区域车辆分布形态划分，第三层级包含对各区域分布车辆行驶状态基于模糊算法的划分。

b.CRTI演化状态划分。对于每一类CRTI演化场景，将事故相关人员特点、驾驶操作、车辆行驶状况、事故时间点前周边车辆及道路环境等不同来源条件属性数据进行融合，按一定时间间隔及固有频率采样产生高维离散时间序列信号，利用特征提取方法降低信号维度，将提取信号按照影响先后顺序排列，利用粗糙集属性约简算法建立交通事故脆性因子模型，得出交通事故关键因素{U_i1,U_i2,…,U_in}，其中U_ij表示第i个数据的第j个因素。采用层次聚类对{U_i1,U_i2,…,U_in}进行分析，将整个数据集聚为C类，则每类的中心即为CRTI节点的状态S_c(c＝1,2,…C)，从而得到不同CRTI演化场景的CRTI演化场景-状态目录库。

c.CRTI状态演变规则。采用马尔可夫链随机过程方法定义CRTI：L＝{L₁,L₂,L₃,…L_t}，其中L_t表示事故链的第t个节点，t时刻该节点的状态为Y_t，Y_t的可能取值的集合{S₁,S₂,…,S_C}为状态空间(即由CRTI状态划分算法获得的CRTI节点状态集合)，{Y₁,Y₂,Y₃,…Y_t}是一个观察到的随机变量(交通事件)序列，并假设其每个状态值只取决于之前的m个状态，即m阶CRTI马尔可夫链。基于极大似然估计计算状态转移概率P_ij＝P(Y_t+1＝S_j|Y_t＝S_i)，其中0≤i,j≤C-1，并利用粗糙集理论，将CRTI在稳定区和非稳定区域状态变化的定量关系用上近似算子和下近似算子描述成不同的控制参数对事故危害结果的影响程度并编入进状态转移矩阵中，提高CRTI中随机波动性数据变化趋势的平稳性，从而得到CRTI演化模型(k步状态转移矩阵)：P(Y_m+k＝y_m+k|Y₁＝y₁,Y₂＝y₂,…,Y_m＝y_m)，对不同CRTI演化场景状态和状态间的演变规则进行提取，以定量化描述CRTI状态演化规律。

阻断方案库233包括阻断方案存储模块2331、阻断方案生成模块2332、阻断方案库更新模块2333。阻断方案生成模块2332通过外码访问演化状态存储模块2321并通过算法针对不同CRTI演化场景状态建立相应的CRTI阻断方案，并存储至阻断方案存储模块2331中，阻断方案存储模块2331存储现有不同CRTI演化场景状态的阻断方案。演化状态更新模块2323将更新指令发送至阻断方案更新模块2333，阻断方案更新模块2333根据演化状态更新模块2323发送的更新指令调用阻断方案生成模块2332生成新的CRTI演化场景状态下的阻断方案，并将新的CRTI阻断方案添加至阻断方案存储模块2331。

所述阻断方案生成模块2332通过算法针对不同CRTI演化场景状态建立相应的CRTI阻断方案的具体方法如下：根据演化状态存储模块2321中的不同CRTI演化场景状态和状态间的演变规则，并综合考虑自车暴露于危险环境的频繁程度及交通事故发生的后果等相关因素，确定交通状态危险度r和危险源e；同时综合考虑阻断代价的经济性、阻断过程的稳定性、阻断技术的可靠性等方面，运用基于运筹学最优解相关理论的寻优技术，为CRTI演化场景-状态目录库中的每一个场景状态建立相应的最优CRTI阻断方案。具体地，对于目标车辆而言，假设编号为N，任意CRTI演化场景状态下的阻断方案建立满足如下两个条件：1)t时刻车辆N与危险度网络S不成链，t+1时刻车辆N与危险度网络S成链；2)t+1时刻网络的在链车辆数大于t时刻网络的在链车辆数，即：L_t+1(S)﹥L_t(S)。阻断方案建立的基本策略为：不能使t时刻的在链车辆数增加，即在t时刻就要采取措施使得目标车辆与S不成链，即：1)当目标车辆在车队后方时，应该提前通知目标车辆N减速或者变道措施，与前方车辆保持安全距离；2)当目标车辆在车队前方时，提前通知目标车辆N加速或者变道措施，与后方车队保持安全距离。

阻断云计算平台24包括演化场景状态匹配模块241、阻断方案查找模块242和阻断指令生成模块243。演化状态存储模块2321将存储的现有CRTI演化场景状态和状态间的演变规则发送到演化场景状态匹配模块241，同时演化场景状态匹配模块241接收标准化行车状态数据生成模块21发送的标准化行车状态数据，阻断方案存储模块2331将所存储的CRTI阻断方案发送到阻断方案查找模块242。

阻断云计算平台24对接收到的融合后的标准化行车状态数据通过演化场景状态匹配模块241和阻断方案查找模块242进行如下处理：第一，通过阻断方案查找模块242将标准化行车状态数据与阻断专家库23中存储的CRTI演化场景-状态数据进行匹配，判断当前是否有进行CRTI阻断的需求。第二，若匹配成功，即系统认定有实施CRTI阻断的需求，则阻断方案查找模块242根据匹配成功的CRTI演化场景-状态目录ID查找阻断方案存储模块2331中发送来的存储方案，最终获取当前车辆所需的CRTI阻断方案。CRTI阻断指令生成模块243将获取的CRTI阻断方案编译为预警或控制信号指令，通过车联网无线通信技术将指令传送给智能车载终端3。

演化场景状态匹配模块241所用的搜索匹配算法如下：基于双重搜索策略和先验信息约束设计神经网络搜索算法，先采用遗传算法进行全局搜索，再在全局搜索的范围内用改进的蚁群算法进行局部搜索；同时将问题对象所蕴含的先验信息分别耦合进遗传算法和蚁群算法中，以确定搜索空间和优化适应度函数，并利用先验信息在局部搜索算法的误差代价函数中构造网络推广能力的促进子和约束权值振荡的矫正项。双重搜索和先验信息的约束能够最大限度使得网络权值的迭代沿着先验信息的方向前进，加快网络的收敛速度，适应CRTI阻断服务的实时性问题。

智能车载终端3包括险况预警信息发布终端31和车辆控制模块32。险况预警信息发布终端31将接收到的险况预警指令及时推送给驾驶员进行危险预警。车辆控制模块32根据接收到的阻断操纵控制指令，使用经过改进优化的PID控制方法，通过控制制动和油门踏板、方向盘等设备改变车辆的运动状态，以保障车辆行驶安全。

如图2所示，本发明基于车联网的道路交通事故链阻断系统的阻断流程如下：

步骤一：道路和交通信息采集。数据采集系统1实时采集如下道路和交通信息：自车速度和加速度；自车前方、侧方和后方车辆行驶信息，包括自车前方、侧方和后方车辆行驶速度、与本车的相对车速、相对距离和相对方位角信息及视频与图像信息；自车前方、侧方和后方道路视频与图像信息；自车驾驶人状态视频与图像信息；自车地理位置坐标、方向盘转角和角速度、当前档位、制动和油门踏板力和行程；本路段上当前所有车辆的车辆编号、行驶速度和地理位置坐标；本路段路面干、湿、冰状态信息及当前环境下大气能见度信息。采集得到的所有信息由车联网无线通信技术传递至阻断信息处理中心2。

步骤二：标准化行车状态数据生成。阻断信息处理中心2将步骤一中采集到的信息通过标准化行车状态数据生成模块21进行如下去噪和融合处理：将接收到的视频和图像信息通过特征提取方法提取为可识别的驾驶员、车辆和道路状态的数字信息，然后对这些提取得到的和其它直接采集得到的行车状态数字信息进行卡尔曼滤波处理以滤除白噪声，并将去噪后的数字信息进行多源信息融合，最后输出可供阻断云计算平台24直接处理的包含设定属性的标准化行车状态数据，并同时存入行车状态数据存储模块22和发送至阻断云计算平台24。

步骤三：CRTI数据库更新需求判别。演化数据更新模块2312根据标准化行车状态数据生成模块21生成的事件属性数据判断当前交通事件类型是否为事故类或临近事故类，若判定是即系统认为有必要更新现有CRTI数据库，则继续进行下一步；若不是即系统认为没有必要更新现有CRTI数据库，转至步骤五。

步骤四：CRTI数据库更新。将行车状态数据存储模块22内保存的至当前时刻30s时间窗内的行车状态数据添加至演化数据存储模块2311，并对演化状态库232发送更新指令。演化状态更新模块2323根据演化数据更新模块2312发送的更新指令调用演化状态生成模块2322生成新的演化状态和状态间的演变规则，并将更新的状态和规则添加至演化状态存储模块2321，并对阻断方案库233发送更新指令。阻断方案更新模块2333根据演化状态更新模块2323发送的更新指令调用阻断方案生成模块2332生成新的演化场景状态下的阻断方案，并将新的阻断方案添加至阻断方案存储模块2331。

步骤五：CRTI演化场景状态匹配。通过演化场景状态匹配模块241将融合后的标准化行车状态数据与演化状态存储模块2321中存储的演化场景-状态数据进行匹配，以判断当前是否有进行CRTI阻断的需求。若匹配成功，则系统得到与当前行车状态对应的CRTI演化场景-状态目录ID，认为有进行CRTI阻断的需求，继续下一步；若匹配不成功，则系统认为无CRTI阻断的需求，转步骤一。

步骤六：CRTI阻断方案查找。阻断方案查找模块242根据匹配成功的CRTI演化场景-状态目录ID查找阻断方案存储模块2331中的存储方案，并最终获取当前车辆所需的CRTI阻断方案。

步骤七：CRTI阻断指令生成。阻断指令生成模块243将获取的CRTI阻断方案编译为预警或控制信号指令，通过车联网无线通信技术将指令传送给智能车载终端3。

步骤八：险况预警或车辆控制。险况预警信息发布终端31将接收到的险况预警指令及时推送给驾驶员进行危险预警。车辆控制模块32根据接收到的阻断操纵控制指令，通过控制制动和油门踏板、方向盘等设备改变车辆的运动状态，以保障车辆行驶安全。