CN102874188A - 一种基于车辆总线数据的驾驶行为警示方法 - Google Patents

Abstract

一种基于车辆总线数据的驾驶行为警示方法，其特征在于：所述方法包括iOBD终端及iOBD监测平台，iOBD终端根据行驶状态，提供以下数据：急刹车次数（b）、急加速次数（a）、急转次数（t）、转速（r）、平均车速（v）、行驶距离（d）；iOBD终端将上述数据信息发送至iOBD监测平台；iOBD监测平台对上述用户驾驶行为数据进行统计和分析，并确定用户综合驾驶行为得分；iOBD监测平台将上一步所得用户综合驾驶行为评分发送至用户手机，作为长期驾驶行为优劣的判定依据，并根据得分进行提示，同时可根据实时数据触发告警。本发明依据预设的用户驾驶行为统计分析模型，计算用户驾驶行为分值。其优势在于，可以此判断用户驾驶行为的优劣，并形成分析报告回传给用户，极大的提高用户的行车安全。

Description

一种基于车辆总线数据的驾驶行为警示方法

技术领域

本发明涉及一种基于车辆总线数据的驾驶行为警示方法。

背景技术

国内外道路交通事故统计结果显示，由驾驶人直接原因造成的事故占到70%以上。而对事故成因的分析则表明，驾驶行为与交通事故发生有很强的相关性。因此，有必要对驾驶行为展开深入研究，提升交通安全水平。

目前，国内外有许多对驾驶行为的警示方法。如丰田利用转向盘角度传感器和脉冲传感器进行信号采集，通过听觉、视觉和振动座椅的方式向驾驶员报警。奔驰公司在旗下的E级别轿车上安装的防瞌睡系统，将具有较高相关度的动作输入到系统中，一旦系统探测到司机有类似的驾驶行为，就会提醒其提车休息等。目前大多数与驾驶行为相关的警示方法都是通过安装各种传感器，获取相关数据，实时提醒用户注意当前的驾驶，缺乏对用户长期驾驶习惯的评估，不能有效帮助用户纠正自己的不良驾驶行为。

发明内容

本发明的目的，是克服现有技术的缺陷，提供一种基于车辆总线数据的驾驶行为警示方法。可以及时的对用户的驾驶行为进行评估和警示，提高用户的行车安全。

本发明的技术方案如下：

1、一种基于车辆总线数据的驾驶行为警示方法，其特征在于：所述方法包括iOBD终端及iOBD监测平台；所述iOBD终端根据行驶状态，采集以下数据：急刹车次数（b)、急加速次数（a）、急转次数（t）、转速（r）、平均车速（v）、行驶距离（d)；具体包括如下步骤：

（1）iOBD终端采集上述数据信息：

所述急刹车次数（b)定义为：行驶中当加速度小于-1.5g时，iOBD终端记录1次急刹车行为；

所述急加速次数（a）定义为：行驶中当加速度大于1.5g时，iOBD终端记录1次急加速行为。

所述急转次数（t）定义为：行驶中行车速度大于50km/h、单秒内方向盘转动角度大于30°，iOBD终端记录1次急转行为；

所述转速（r）、平均车速（v）、行驶距离（d)由iOBD终端通过车辆总线获取数据；

（2）所述iOBD终端将上述数据信息发送至iOBD监测平台；

（3）所述iOBD监测平台对上述用户驾驶行为数据进行统计和分析，并确定用户综合驾驶行为得分；

（4）根据综合得分P，对用户一个月内驾驶行为的优劣进行判断，得到综合提示报告，对用户进行提示。

进一步的，所述步骤（3）具体如下：

步骤一：计算用户单次驾驶结束后的分值Pn

1）首先选取用户单次驾驶结束后的评分指标：急刹车次数（b)、急加速次数（a）、急转次数（t）、转速（r）、平均车速（v）、行驶距离（d)；

2）为选定的指标打分，P_b、P_a、P_t、P_r、P_v、P_d，评分标准如下表所示：

3）为各选定指标赋权，W_b、W_a、W_t、W_r、W_v、W_d；

我们认为违章次数是最能直观地反应客户驾驶行为优劣的关键指标，因此建立上述各指标得分情况与违章次数的相关性分析模型，得到相关系数ρ，根据ρ值大小为各指标赋权；具体方法如下：

假设用户第i次驾驶结束后各项指标的分值分别为P_bi、P_ai、P_ti、P_ri、P_vi、P_di，一个月内车主通常会发生n次驾驶行为，计算平均得分，

$\stackrel{\‾}{P_b}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{P}_{\mathrm{bi}}}{n}$

同理得到

选取多个用户为数据样本，同时设一个月内的违章次数为q，分别进行

与q、

与q，与q，

与q，

与q，

与q的相关性分析。计算两两变量之间的相关系数ρ_b、ρ_a、ρ_t、ρ_r、ρ_v、ρ_d，

${\mathrm{\ρ}}_b=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}(\stackrel{\‾}{P_{\mathrm{bk}}}\×q_k)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\stackrel{\‾}{P_{\mathrm{bj}}}}{n}\×q_i)}$

权重由各指标与违章次数的相关性决定，相关性越高，权重值越大，相关性越低，权重值越小。

首次赋权按各相关系数所占比例取值，如

$W_b=\frac{{\mathrm{\ρ}}_b}{{\mathrm{\ρ}}_b+{\mathrm{\ρ}}_a+{\mathrm{\ρ}}_t+{\mathrm{\ρ}}_r+{\mathrm{\ρ}}_v+{\mathrm{\ρ}}_d}\×100\%$

同理得到W_a、W_t、W_r、W_v、W_d。

根据分值和权重计算单次驾驶行为得分:

P_n＝P_b×W_b+P_a×W_a+P_t×W_t+P_r×W_r+P_v×W_v+P_d×W_d

步骤二：计算用户多次驾驶后平均分值

对于用户驾驶行为的评判，不能仅仅以单次的评分判定，需要考察多次驾驶行为，得到一个平均值:

$\stackrel{\‾}{P}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{P}_i}{n}$

步骤三：计算用户综合驾驶行为得分P

对于用户长期驾驶行为的综合分析，除了评价终端能实时采集的数据指标外，还要评价一段时间内用户的违章记录、零部件更换次数等，具体如下：

1）设定一个月为一个评价周期，建立模型，评价指标为：用户一个月内n次驾驶记录得分的平均值

一个月内违章次数q、一个月内零部件更换次数l，设定评分标准如下：

2）为各选定指标分别赋予不同的权重，

W_q＝y、W₁＝z，此处不再动态赋权，x、y、z均为常数，根据经验和用户需求得出。根据分值和权重计算综合驾驶行为得分P(0-100分):

$P=\stackrel{\‾}{P}\×W_{\stackrel{\‾}{P}}+P_q\×W_q+P_1\×W_1.$

进一步的，所述各项指标的权重赋值模型采用动态赋权方式，每隔一段时间（如1个月），会基于新的样本按照上述方法重新测算相关系数，并按相关系数大小进行排序，重新调整权重大小。假设第1个月得到权重值（首次赋权）为W_b1、W_a1、W_t1、W_r1、W_v1、W_d1，本月无论发生多少次驾驶行为，权重值不变；一个月后，即第2个月，根据第1个月平台统计的所有用户，重新按照上述方法计算相关系数，并对相关系数进行排序，根据排序结果，在首次权重的基础上提高或减少权重比例。例如第2个月相关系数排序为ρ_a2＞ρ_b2＞ρ_r2＞ρ_t2＞ρ_d2＞ρ_v2，则第二个月的权重为W_a2=W_a1+2％，W_b2=W_b1+1％，W_r2=W_r1，W_r2=W_t1，W_d2=W_d1-1％，W_v2=W_v1-2％，得到新的权重值作为本月用户驾驶行为的评测指标。第三个月再基于第二个月数据调整权重值，以此类推。

进一步的，所述步骤（4）中，由iOBD监测平台向用户发送提示至用户手机上；

1）当分值P≥80时，驾驶行为表现为良好，iOBD监测平台向用户发送“您的驾驶行为良好，请继续保持”的提示；

2）当分值60≤P<80时，驾驶行为表现为一般，iOBD监测平台向用户发送“请注意您的驾驶行为”的提示；并在提示短信中用不同的颜色标识表示各具体参数的触发次数及触发状态；

3）当分值P<60时，驾驶行为表现为较差，iOBD监测平台向用户发送“您的驾驶行为存在严重的安全隐患，请及时纠正您的驾驶行为”的提示；并用不同的颜色标识表示各具体参数的触发次数及触发状态。

进一步的，所述方法中，对于关键指标包括急刹车次数、急加速次数，预先设定阀值，即10分钟内急刹车、急加速次数不能超过3次，超过3次，系统会给客户实时报警提示，注意当前的驾驶行为。

本发明的有益效果在于：提出了一种基于车辆总线数据的驾驶行为警示方法，依据预设的用户驾驶行为统计分析模型，计算用户驾驶行为分值，由此判断用户驾驶行为的优劣，并形成分析报告回传给用户，可以极大的提高用户的行车安全。

附图说明

图1是本发明的方法流程图。

具体实施方式

1）假设有一汪先生，车上装有本发明产品，某次驾驶结束后的分值情况为：P_b=70，P_a=80，P_t=100，P_r=80，P_v=70，P_d=80。

假设经过测算，该时期各项指标的权重为:W_b=15%，W_a=20%，W_t=20%，W_r=15%，W_v=20%，W_d=10%。

则本次驾驶结束后的总分值为：70×15%+80×20%+100×20%+80×15%+70×20%+80×10%=80.5

2）汪先生本月发生多次驾驶行为，确定具体驾驶次数和每次得分情况，如下示例

假设经过计算，汪先生本月平均得分

3）确定本月违章次数得分和零部件更换得分，假设分别为P_q=70,P_l=100；

根据经验和用户需求得到各项权重值分别为：W_q=25%，W_l=15%，则汪先生综合驾驶得分P=80.5×60%+70×25%+100×15%=80.8

4）根据综合驾驶得分，向汪先生手机中发送短信“您的驾驶行为良好，请继续保持”。

Claims (5)

1.一种基于车辆总线数据的驾驶行为警示方法，其特征在于：所述方法包括iOBD终端及iOBD监测平台；所述iOBD终端根据行驶状态，采集以下数据：急刹车次数（b)、急加速次数（a）、急转次数（t）、转速（r）、平均车速（v）、行驶距离(d)；具体包括如下步骤：

（1）iOBD终端采集上述数据信息：

所述急刹车次数（b)定义为：行驶中当加速度小于-1.5g时，iOBD终端记录1次急刹车行为；

所述急加速次数（a）定义为：行驶中当加速度大于1.5g时，iOBD终端记录1次急加速行为；

所述急转次数（t）定义为：行驶中行车速度大于50km/h、单秒内方向盘转动角度大于30°，iOBD终端记录1次急转行为；

所述转速（r）、平均车速（v）、行驶距离(d)由iOBD终端通过车辆总线获取数据；

（2）所述iOBD终端将上述数据信息发送至iOBD监测平台；

（3）所述iOBD监测平台对上述用户驾驶行为数据进行统计和分析，并确定用户综合驾驶行为得分；

（4）根据综合得分P，对用户一个月内驾驶行为的优劣进行判断，得到综合提示报告，对用户进行提示。

2.根据权利要求1所述的方法，其特征在于，所述步骤（3）具体如下：

步骤一：计算用户单次驾驶结束后的分值P_n

1）首先选取用户单次驾驶结束后的评分指标：急刹车次数（b)、急加速次数（a）、急转次数（t）、转速（r）、平均车速（v）、行驶距离（d)；

2）为选定的指标打分，P_b、P_a、P_t、P_r、P_v、P_d，评分标准如下表所示：

3）为各选定指标赋权，W_b、W_a、W_t、W_r、W_v、W_d；

我们认为违章次数是最能直观地反应客户驾驶行为优劣的关键指标，因此建立上述各指标得分情况与违章次数的相关性分析模型，得到相关系数ρ，根据ρ值大小为各指标赋权；具体方法如下：

假设用户第i次驾驶结束后各项指标的分值分别为P_bi、P_ai、P_ti、P_ri、P_vi、P_di，一个月内车主通常会发生n次驾驶行为，计算平均得分，

$\stackrel{\&OverBar;}{P_b}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_{\mathrm{bi}}}{n}$

同理得到

选取多个用户为数据样本，同时设一个月内的违章次数为q，分别进行

与q、

与q，

与q，

与q，

与q，

与q的相关性分析；计算两两变量之间的相关系数ρ_b、ρ_a、ρ_t、ρ_r、ρ_v、ρ_d，

${\mathrm{\&rho;}}_b=\frac{\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}(\stackrel{\&OverBar;}{P_{\mathrm{bk}}}\&times;q_k)}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}(\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\stackrel{\&OverBar;}{P_{\mathrm{bj}}}}{n}\&times;q_i)}$

权重由各指标与违章次数的相关性决定，相关性越高，权重值越大，相关性越低，权重值越小；

首次赋权按各相关系数所占比例取值，如

$W_b=\frac{{\mathrm{\&rho;}}_b}{{\mathrm{\&rho;}}_b+{\mathrm{\&rho;}}_a+{\mathrm{\&rho;}}_t+{\mathrm{\&rho;}}_r+{\mathrm{\&rho;}}_v+{\mathrm{\&rho;}}_d}\&times;100\%$

同理得到W_a、W_t、W_r、W_v、W_d；

根据分值和权重计算单次驾驶行为得分:

P_n＝P_b×W_b+P_a×W_a+P_t×W_t+P_r×W_r+P_v×W_v+P_d×W_d

步骤二：计算用户多次驾驶后平均分值

对于用户驾驶行为的评判，不能仅仅以单次的评分判定，需要考察多次驾驶行为，得到一个平均值:

$\stackrel{\&OverBar;}{P}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i}{n}$

步骤三：计算用户综合驾驶行为得分P

对于用户长期驾驶行为的综合分析，除了评价终端能实时采集的数据指标外，还要评价一段时间内用户的违章记录、零部件更换次数等，具体如下：

1）设定一个月为一个评价周期，建立模型，评价指标为：用户一个月内n次驾驶记录得分的平均值

一个月内违章次数q、一个月内零部件更换次数l，设定评分标准如下：

2）为各选定指标分别赋予不同的权重，

W_q＝y、W_l＝z，此处不再动态赋权，x、y、z均为常数，根据经验和用户需求得出；根据分值和权重计算综合驾驶行为得分P(0-100分):

$P=\stackrel{\&OverBar;}{P}\&times;W_{\stackrel{\&OverBar;}{P}}+P_q\&times;W_q+P_1\&times;W_1.$

3.根据权利要求1所述的方法，其特征在于：所述各项指标的权重赋值模型采用动态赋权方式，每隔一固定时间段，会基于新的样本按照上述方法重新测算相关系数，并按相关系数大小进行排序，重新调整权重大小；

假设第1个固定时间段得到权重值即首次赋权为W_b1、W_a1、W_t1、W_r1、W_v1、W_d1，本月无论发生多少次驾驶行为，权重值不变；下一个固定时间段后，根据第1个固定时间段平台统计的所有用户，重新按照上述方法计算相关系数，并对相关系数进行排序，根据排序结果，在首次权重的基础上提高或减少权重比例。

4.根据权利要求1所述的方法，其特征在于，所述步骤（4）中，由iOBD监测平台向用户发送提示至用户手机上；

1）当分值P≥80时，驾驶行为表现为良好，iOBD监测平台向用户发送“您的驾驶行为良好，请继续保持”的提示；

2）当分值60≤P<80时，驾驶行为表现为一般，iOBD监测平台向用户发送“请注意您的驾驶行为”的提示；并在提示短信中用不同的颜色标识表示各具体参数的触发次数及触发状态；

3）当分值P<60时，驾驶行为表现为较差，iOBD监测平台向用户发送“您的驾驶行为存在严重的安全隐患，请及时纠正您的驾驶行为”的提示；并用不同的颜色标识表示各具体参数的触发次数及触发状态。

5.根据权利要求1所述的方法，其特征在于，所述方法中，对于关键指标包括急刹车次数、急加速次数，预先设定阀值，即10分钟内急刹车、急加速次数不能超过3次，超过3次，系统会给客户实时报警提示，注意当前的驾驶行为。

Images