CN103150677B - 激进驾驶状态识别方法及系统 - Google Patents
激进驾驶状态识别方法及系统 Download PDFInfo
- Publication number
- CN103150677B CN103150677B CN201310062424.6A CN201310062424A CN103150677B CN 103150677 B CN103150677 B CN 103150677B CN 201310062424 A CN201310062424 A CN 201310062424A CN 103150677 B CN103150677 B CN 103150677B
- Authority
- CN
- China
- Prior art keywords
- driving
- radical
- driving model
- model
- index
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims description 51
- 238000005314 correlation function Methods 0.000 claims description 18
- 230000001105 regulatory effect Effects 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 52
- 238000011160 research Methods 0.000 description 7
- 238000005303 weighing Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 238000010009 beating Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种激进驾驶状态识别方法及系统。其中，方法包括以下步骤：获取驾驶行为并将驾驶行为分解为多个驾驶模式；分别获取多个驾驶模式中每个驾驶模式下的行驶信息；通过驾驶信息计算对应驾驶模式的激进指数；通过多个驾驶模式的所有激进指数以得到预设周期内的激进指数；以及当预设周期内的激进指数大于预设值时，则判定为周期内的驾驶为激进驾驶。根据本发明实施例的方法，通过将驾驶行为分成多个驾驶模式，并根据多个驾驶模式下的激进指数识别驾驶是否激进，以对激进驾驶状态进行预警，由此预防意外事故的发生，同时还可以有效的监管约束驾驶员的驾驶行为。
Description
技术领域
本发明涉及驾驶行为识别技术领域，特别涉及一种激进驾驶状态识别方法及系统。
背景技术
随着机动车数量的快速增加交通事故也随之频繁发生，其中激进驾驶是道路交通安全的重要隐患。美国交通部的统计结果显示39%的受访者认为激进驾驶是最大的安全威胁，90%的受访者认为曾被他人激进驾驶所影响，激进驾驶已被认为是现代道路交通安全的最大隐患之一。
激进驾驶识别可用于对营运车辆的监管。研究显示，营运车辆驾驶员（如出租车司机）更易于激进驾驶，其比普通驾驶员引发或者被牵涉进交通事故的概率高约53%，每年20%-65%的营运车辆会卷入交通事故。所以识别出激进驾驶状态并进而给驾驶员适当的预警将有助于减少交通事故，具有一定的社会、经济意义。
国际上对激进驾驶的研究主要集中在其影响因素及各因素与其的相关性上，主要采用问卷、访谈等调研方法。根据资料显示曾有人共同对年龄、性别、交通条件、乘客、技术等主要因素的影响程度进行统计和量化，并对激进驾驶和激进驾驶员的关系，激进驾驶和愤怒、压力的关系进行了研究，激进驾驶并不等同于激进驾驶员的驾驶，激进驾驶员处于激进驾驶状态的概率比普通驾驶员高，两类驾驶员由于某些原因都可能处于激进驾驶状态。另外，激进驾驶定义模糊，缺乏定量定义，给监管和研究带来困难。
现有激进驾驶行为的识别存在如下缺点：
（1）驾驶状态是驾驶行为的在一段时间内综合体现，可以有效反应驾驶员的驾驶安全性，但却少有研究。现有激进驾驶行为识别多基于神经网络或隐马尔科夫模型来判断特定的驾驶行为是否不良，内涵不清物理意义不明确，并且驾驶行为多依赖于交通环境，难以判断优良。
（2）现有激进驾驶状态研究多从驾驶员的性格、教育以及交通拥堵等方面来分析驾驶员的激进驾驶影响因素和预防策略，无有效的方法来量化评价驾驶状态并给与驾驶员适当的预警。
发明内容
本发明的目的旨在至少解决上述的技术缺陷之一。
为达到上述目的，本发明的实施例提出一种激进驾驶状态识别方法，包括以下步骤：获取驾驶行为并将所述驾驶行为分解为多个驾驶模式；分别获取所述多个驾驶模式中每个驾驶模式下的行驶信息；通过所述驾驶信息计算对应驾驶模式的激进指数；通过所述多个驾驶模式的所有激进指数以得到预设周期内的激进指数；以及当所述预设周期内的激进指数大于预设值时，则判定为所述周期内的驾驶为激进驾驶。
根据本发明实施例的方法，通过将驾驶行为分成多个驾驶模式，并根据多个驾驶模式下的激进指数识别驾驶是否激进，以对激进驾驶状态进行预警，由此预防意外事故的发生，同时还可以有效的监管约束驾驶员的驾驶行为。
本发明的一个实施例中，所述多个驾驶模式包括制动模式、加速模式、跟车距离、换线模式和转弯模式。
本发明的一个实施例中，所述多个驾驶模式中每个驾驶模式下的行驶信息通过安装在车辆上的采集设备或传感器获取。
本发明的一个实施例中，所述激进指数通过如下公式获得，其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数。
本发明的一个实施例中，所述加速度刺激的关联函数可表示为，f[ai(t)]＝wi[ai(t)]x，其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数，wi表示权重系数，x表示幂指数。
为达到上述目的，本发明的实施例另一方面提出一种激进驾驶状态识别系统，包括：第一获取模块，用于获取驾驶行为并将所述驾驶行为分解为多个驾驶模式；第二获取模块，用于分别获取所述多个驾驶模式中每个驾驶模式下的行驶信息；计算模块，用于通过所述驾驶信息计算对应驾驶模式的激进指数；第三获取模块，用于通过所述多个驾驶模式的所有激进指数以得到预设周期内的激进指数；以及判定模块，用于所述预设周期内的激进指数大于预设值时，则判定为所述周期内的驾驶为激进驾驶。
根据本发明实施例的系统，通过将驾驶行为分成多个驾驶模式，并根据多个驾驶模式下的激进指数识别驾驶是否激进，以对激进驾驶状态进行预警，由此预防意外事故的发生，同时还可以有效的监管约束驾驶员的驾驶行为。
本发明的一个实施例中，所述多个驾驶模式包括制动模式、加速模式、跟车距离、换线模式和转弯模式。
本发明的一个实施例中，所述多个驾驶模式中每个驾驶模式下的行驶信息通过安装在车辆上的采集设备或传感器获取。
本发明的一个实施例中，所述激进指数通过如下公式获得，其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数。
本发明的一个实施例中，所述加速度刺激的关联函数可表示为，f[ai(t)]＝wi[ai(t)]x，其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数，wi表示权重系数，x表示幂指数。
本发明的一个实施例中，所述紧急处理模式包括急加速、紧急制动、紧急换线和紧急转弯模式。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的激进驾驶状态识别方法的流程图；
图2为根据本发明一个实施例的驾驶行为-模式的结构图；以及
图3为根据本发明一个实施例的激进驾驶状态识别系统的框架图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
在本发明的描述中，需要理解的是，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。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
图1为本发明实施例的激进驾驶状态识别方法的流程图。如图1所示，根据本发明实施例的激进驾驶状态识别方法，包括以下步骤：
步骤S101，获取驾驶行为并将驾驶行为分解为多个驾驶模式。
图2为根据本发明一个实施例的驾驶行为-模式的结构图。如图2所示，一段时间T内的驾驶状态(S)由驾驶行为1~N综合得出。驾驶行为指完成某一驾驶任务而采取的一系列驾驶操作，可以通过油门、制动踏板、方向盘的操作实现。具体操作按其功能可以细分解为5类：实现制动、加速、换线、转弯的操作以及跟车距离的选择。在本发明中将其为基本驾驶模式。其中制动模式可由踩制动或者松油门实现，换线模式仅体现为快速小幅度打方向盘使车辆移线，转弯模式仅体现为方向盘保持某一角度使车辆处于转弯状态。
基本驾驶模式是为实现驾驶行为中的子任务而采取的特定操作，可以更细化的描述驾驶行为。例如，弯道超车行为，驾驶员需要保持方向盘转角过弯—踩油门加速—打方向盘换线—打方向盘再换线—松油门减速，而对应的驾驶模式为转弯模式-加速模式-换线模式-换线模式-制动模式，其中转弯模式和换线模式虽然都是由方向盘操作实现，但其操作方式和实现的功能均不同。任一驾驶行为都可由B（制动）、A（加速）、F（跟车距离）、L（换线）、C（转弯）五类基本驾驶模式复合而得，某些驾驶行为也可以只由一个驾驶模式组成，如加速行为只包含加速模式。
在本发明的一个实施例中，根据上述驾驶状态三层结构可建立其数学描述方法，即任何一驾驶行为Be都可以通过一个由基本驾驶模式构成的5元向量来描述，一段时间T内的驾驶状态S可通过N个驾驶行为的时间序列来描述，最终演化为一个由基本驾驶模式构成的5×N的矩阵，即：Be＝(BAFLC)T，
步骤S102，分别获取多个驾驶模式中每个驾驶模式下的行驶信息。
具体地，通过安装在车辆上的采集设备或传感器等获取多个驾驶模式中每个驾驶模式下的行驶信息。例如行车速度、跟车距离、加速度、方向盘转角等。
步骤S103，通过驾驶信息计算对应驾驶模式的激进指数。
具体地，通过获得的每个驾驶模式下的驾驶信息，利用如下公式进行计算，其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数。
在本发明的一个实施例中，加速度刺激的关联函数可表示为，f[ai(t)]＝wi[ai(t)]x，其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数，wi表示权重系数，x表示幂指数。
在本发明的一个实施例中，驾驶模式i的激进指数Ei为：人对驾驶模式i的敏感方向加速度刺激的主观感受在驾驶模式历时内的累积。激进指数作为衡量驾驶模式激进程度的量化指标，模拟了人的主观感受。ai(t)为各驾驶模式的敏感方向加速度，其中，制动、加速模式对应纵向加速度，换线、转弯模式对应横向加速度，跟车距离模式的激进性体现在跟车距离控制不当造成潜在追尾危险，为此本研究提出跟车模式等效加速度作为跟车模式激进指数的刺激输入，即：其中，vs表示自车车速，vr表示前车车速，D0表示两车相对距离，a2表示预期前车平均制动减速度，取-0.3g，τ表示驾驶员反应时间，取0.5s。上式物理意义为某一跟车时刻，若前车以减速度a2制动，则自车为了避免碰撞需采取的最小平均减速度为af。此等效加速度越大，跟车模式的激进程度越高。
步骤S104，通过多个驾驶模式的所有激进指数以得到预设周期内的激进指数。
具体地，在提出驾驶状态数学描述和驾驶模式激进指数的基础上，驾驶行为的激进程度可由5个基本驾驶模式的激进指数复合值来衡量，即驾驶行为激进指数EBe为，其中，Ei为5个基本驾驶模式的激进指数。由此可得出预设周期内，即一段时间T内驾驶状态的综合激进程度可用这段时间内发生的所有行为的激进指数之和来衡量，即驾驶状态激进指数，其中ES为驾驶状态激进指数，N为时间T内发生的驾驶行为次数。
步骤S105，当预设周期内的激进指数大于预设值时，则判定为周期内的驾驶为激进驾驶。
在本发明的一个实施例中，驾驶状态激进指数是在驾驶模式激进指数的基础上，进一步建立衡量驾驶状态激进程度的定量指标。基于此指标将驾驶员在时间T内的驾驶划分成正常、较激进、激进三种状态，其阈值设置为ES0和ES1，驾驶状态激进指数小于ES0表明其驾驶稳健为正常驾驶；驾驶状态激进指数大于ES1表明其驾驶鲁莽，驾驶状态激进；介于两者之间为较激进驾驶状态，并通过语音或动画预警提醒驾驶员。时间参数T表示驾驶状态评价时间，可根据实际情况而定，本发明中时间T取3分钟。在本发明中，通过实车实验取得驾驶行为数据，利用数值优化方法确定幂指数x，权重wi和阈值ES0、ES1。
在本发明的一个实施例中，将采集和处理的数据存储到存储设备中以便生成统计数据，进而评价一段时间内的驾驶情况。
根据本发明实施例的方法，通过将驾驶行为分成多个驾驶模式，并根据多个驾驶模式下的激进指数识别驾驶是否激进，以对激进驾驶状态进行预警，由此预防意外事故的发生，同时还可以有效的监管约束驾驶员的驾驶行为。
图3为根据本发明一个实施例的激进驾驶状态识别系统的框架图。如图3所示，根据本发明实施例的激进驾驶状态识别系统包括第一获取模块100、第二获取模块200、计算模块300、第三获取模块400和判定模块500。
第一获取模块100用于获取驾驶行为并将驾驶行为分解为多个驾驶模式。
图2为根据本发明一个实施例的驾驶行为-模式的结构图。如图2所示，一段时间T内的驾驶状态(S)由驾驶行为1~N综合得出。驾驶行为指完成某一驾驶任务而采取的一系列驾驶操作，可以通过油门、制动踏板、方向盘的操作实现。具体操作按其功能可以细分解为5类：实现制动、加速、换线、转弯的操作以及跟车距离的选择。在本发明中将其为基本驾驶模式。其中制动模式可由踩制动或者松油门实现，换线模式仅体现为快速小幅度打方向盘使车辆移线，转弯模式仅体现为方向盘保持某一角度使车辆处于转弯状态。
基本驾驶模式是为实现驾驶行为中的子任务而采取的特定操作，可以更细化的描述驾驶行为。例如，弯道超车行为，驾驶员需要保持方向盘转角过弯—踩油门加速—打方向盘换线—打方向盘再换线—松油门减速，而对应的驾驶模式为转弯模式-加速模式-换线模式-换线模式-制动模式，其中转弯模式和换线模式虽然都是由方向盘操作实现，但其操作方式和实现的功能均不同。任一驾驶行为都可由B（制动）、A（加速）、F（跟车距离）、L（换线）、C（转弯）五类基本驾驶模式复合而得，某些驾驶行为也可以只由一个驾驶模式组成，如加速行为只包含加速模式。
在本发明的一个实施例中，根据上述驾驶状态三层结构可建立其数学描述方法，即任何一驾驶行为Be都可以通过一个由基本驾驶模式构成的5元向量来描述，一段时间T内的驾驶状态S可通过N个驾驶行为的时间序列来描述，最终演化为一个由基本驾驶模式构成的5×N的矩阵，即：Be＝(BAFLC)T，
第二获取模块200用于分别获取多个驾驶模式中每个驾驶模式下的行驶信息。
具体地，通过安装在车辆上的采集设备或传感器等获取多个驾驶模式中每个驾驶模式下的行驶信息。例如行车速度、跟车距离、加速度、方向盘转角等。
计算模块300用于通过驾驶信息计算对应驾驶模式的激进指数。
具体地，通过获得的每个驾驶模式下的驾驶信息，利用如下公式进行计算，其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数。
在本发明的一个实施例中，加速度刺激的关联函数可表示为，f[ai(t)]＝wi[ai(t)]x，其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数，wi表示权重系数，x表示幂指数。
在本发明的一个实施例中，驾驶模式i的激进指数Ei为：人对驾驶模式i的敏感方向加速度刺激的主观感受在驾驶模式历时内的累积。激进指数作为衡量驾驶模式激进程度的量化指标，模拟了人的主观感受。ai(t)为各驾驶模式的敏感方向加速度，其中，制动、加速模式对应纵向加速度，换线、转弯模式对应横向加速度，跟车距离模式的激进性体现在跟车距离控制不当造成潜在追尾危险，为此本研究提出跟车模式等效加速度作为跟车模式激进指数的刺激输入，即：其中，vs表示自车车速，vr表示前车车速，D0表示两车相对距离，a2表示预期前车平均制动减速度，取-0.3g，τ表示驾驶员反应时间，取0.5s。上式物理意义为某一跟车时刻，若前车以减速度a2制动，则自车为了避免碰撞需采取的最小平均减速度为af。此等效加速度越大，跟车模式的激进程度越高。
第三获取模块400用于通过多个驾驶模式的所有激进指数以得到预设周期内的激进指数。
具体地，在提出驾驶状态数学描述和驾驶模式激进指数的基础上，驾驶行为的激进程度可由5个基本驾驶模式的激进指数复合值来衡量，即驾驶行为激进指数EBe为，其中，Ei为5个基本驾驶模式的激进指数。由此可得出预设周期内，即一段时间T内驾驶状态的综合激进程度可用这段时间内发生的所有行为的激进指数之和来衡量，即驾驶状态激进指数，其中ES为驾驶状态激进指数，N为时间T内发生的驾驶行为次数。
判定模块500用于预设周期内的激进指数大于预设值时，则判定为周期内的驾驶为激进驾驶。
在本发明的一个实施例中，驾驶状态激进指数是在驾驶模式激进指数的基础上，进一步建立衡量驾驶状态激进程度的定量指标。基于此指标将驾驶员在时间T内的驾驶划分成正常、较激进、激进三种状态，其阈值设置为ES0和ES1，驾驶状态激进指数小于ES0表明其驾驶稳健为正常驾驶；驾驶状态激进指数大于ES1表明其驾驶鲁莽，驾驶状态激进；介于两者之间为较激进驾驶状态，并通过语音或动画预警方式提醒驾驶员。时间参数T表示驾驶状态评价时间，可根据实际情况而定，本发明中时间T取3分钟。在本发明中，通过实车实验取得驾驶行为数据，利用数值优化方法确定幂指数x，权重wi和阈值ES0、ES1。
在本发明的一个实施例中，将采集和处理的数据存储到存储设备中以便生成统计数据，进而评价一段时间内的驾驶情况。
根据本发明实施例的系统，通过将驾驶行为分成多个驾驶模式，并根据多个驾驶模式下的激进指数识别驾驶是否激进，以对激进驾驶状态进行预警，由此预防意外事故的发生，同时还可以有效的监管约束驾驶员的驾驶行为。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种激进驾驶状态识别方法，其特征在于，包括以下步骤：
获取驾驶行为并将所述驾驶行为分解为多个驾驶模式；
分别获取所述多个驾驶模式中每个驾驶模式下的行驶信息；
通过所述驾驶信息计算对应驾驶模式的激进指数；
通过所述多个驾驶模式的所有激进指数以得到预设周期内的激进指数；以及
当所述预设周期内的激进指数大于预设值时，则判定为所述周期内的驾驶为激进驾驶，
所述激进指数通过如下公式获得，
其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数。
2.如权利要求1所述的激进驾驶状态识别方法，其特征在于，所述多个驾驶模式包括制动模式、加速模式、跟车距离、换线模式和转弯模式。
3.如权利要求1所述的激进驾驶状态识别方法，其特征在于，所述多个驾驶模式中每个驾驶模式下的行驶信息通过安装在车辆上的采集设备或传感器获取。
4.如权利要求1所述的激进驾驶状态识别方法，其特征在于，所述加速度刺激的关联函数可表示为，
f[ai(t)]＝wi[ai(t)]x，
其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数，wi表示权重系数，x表示幂指数。
5.一种激进驾驶状态识别系统，其特征在于，包括：
第一获取模块，用于获取驾驶行为并将所述驾驶行为分解为多个驾驶模式；
第二获取模块，用于分别获取所述多个驾驶模式中每个驾驶模式下的行驶信息；
计算模块，用于通过所述驾驶信息计算对应驾驶模式的激进指数；
第三获取模块，用于通过所述多个驾驶模式的所有激进指数以得到预设周期内的激进指数；以及
判定模块，用于所述预设周期内的激进指数大于预设值时，则判定为所述周期内的驾驶为激进驾驶，
所述激进指数通过如下公式获得，
其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数。
6.如权利要求5所述的激进驾驶状态识别系统，其特征在于，所述多个驾驶模式包括制动模式、加速模式、跟车距离、换线模式和转弯模式。
7.如权利要求5所述的激进驾驶状态识别系统，其特征在于，所述多个驾驶模式中每个驾驶模式下的行驶信息通过安装在车辆上的采集设备或传感器获取。
8.如权利要求5所述的激进驾驶状态识别系统，其特征在于，所述加速度刺激的关联函数可表示为，
f[ai(t)]＝wi[ai(t)]x，
其中，Ei表示驾驶模式i的激进指数，Ti表示驾驶模式i历经时间，ai(t)表示驾驶模式i对应的敏感方向加速度，f[ai(t)]表示加速度刺激的关联函数，wi表示权重系数，x表示幂指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310062424.6A CN103150677B (zh) | 2013-02-27 | 2013-02-27 | 激进驾驶状态识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310062424.6A CN103150677B (zh) | 2013-02-27 | 2013-02-27 | 激进驾驶状态识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103150677A CN103150677A (zh) | 2013-06-12 |
| CN103150677B true CN103150677B (zh) | 2016-07-27 |
Family
ID=48548733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310062424.6A Active CN103150677B (zh) | 2013-02-27 | 2013-02-27 | 激进驾驶状态识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103150677B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103818327B (zh) * | 2013-11-22 | 2016-01-06 | 深圳先进技术研究院 | 一种分析驾驶行为的方法和装置 |
| KR20150070881A (ko) * | 2013-12-17 | 2015-06-25 | 현대자동차주식회사 | 고객 특성 정보 및 환경 분석 정보 기반 운전모드 추천 시스템 및 방법 |
| CN104859559B (zh) * | 2014-12-22 | 2018-05-11 | 北京宝沃汽车有限公司 | 车辆内部环境的控制方法及装置 |
| CN106203626A (zh) * | 2016-06-30 | 2016-12-07 | 北京奇虎科技有限公司 | 汽车驾驶行为检测方法及装置、汽车 |
| CN107521501B (zh) * | 2017-07-11 | 2020-06-30 | 上海蔚来汽车有限公司 | 基于博弈论的驾驶员辅助系统决策方法、系统及其他 |
| CN108791300B (zh) * | 2018-05-30 | 2020-08-07 | 上海万位数字技术有限公司 | 一种智能化程度高的驾驶系统 |
| CN108773372B (zh) * | 2018-05-30 | 2020-05-15 | 江苏卫航汽车通信科技有限责任公司 | 一种自适应车辆自动控制系统 |
| CN109334666B (zh) * | 2018-08-09 | 2020-06-05 | 智车优行科技（北京）有限公司 | 变道辅助方法和系统及设有该系统的车辆 |
| CN109543710B (zh) * | 2018-10-12 | 2023-04-07 | 深圳市元征科技股份有限公司 | 一种模型训练方法及相关设备 |
| CN109177982B (zh) * | 2018-10-31 | 2020-05-08 | 吉林大学 | 考虑驾驶风格的车辆行驶危险度评价方法 |
| CN109733303A (zh) * | 2019-01-14 | 2019-05-10 | 长安大学 | 一种营运车驾驶员着急赶路异常驾驶状态识别方法 |
| CN112508054B (zh) * | 2020-11-12 | 2022-04-26 | 东风汽车集团有限公司 | 一种驾驶模型训练方法、装置、设备和介质 |
| CN113635904A (zh) * | 2021-09-10 | 2021-11-12 | 安波福电子(苏州)有限公司 | 用于检测激进驾驶状态的检测方法、检测装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101470951B (zh) * | 2008-01-08 | 2010-09-08 | 徐建荣 | 汽车安全驾驶监控系统 |
| CN101236695A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 基于车载传感器网络的驾驶员状态评估系统 |
| CN102167041B (zh) * | 2011-01-07 | 2014-09-17 | 深圳市航天星网通讯有限公司 | 一种基于加速度传感器的车辆行驶状态的判定方法 |
| CN102254403B (zh) * | 2011-04-07 | 2012-10-24 | 江苏科技大学 | 汽车疲劳驾驶预警方法 |
-
2013
- 2013-02-27 CN CN201310062424.6A patent/CN103150677B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN103150677A (zh) | 2013-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103150677B (zh) | 激进驾驶状态识别方法及系统 | |
| Feng et al. | Can vehicle longitudinal jerk be used to identify aggressive drivers? An examination using naturalistic driving data | |
| CN107161153B (zh) | 一种驾驶行为评分方法及装置 | |
| CN103531042B (zh) | 基于驾驶人类型的车辆追尾预警方法 | |
| JP3593502B2 (ja) | 車両の運転技術診断システム及びその構成用品、運転技術診断方法 | |
| CN105501220A (zh) | 车辆碰撞预警的方法、装置以及车辆 | |
| CN106407563A (zh) | 一种基于驾驶类型和前车加速度信息的跟驰模型生成方法 | |
| US10152061B2 (en) | Drive assist apparatus | |
| Kovaceva et al. | Identification of aggressive driving from naturalistic data in car-following situations | |
| CN106529599A (zh) | 一种面向事件的驾驶员生态驾驶行为评估方法 | |
| CN111038502A (zh) | 一种安全车距预估、修正、预警、驾驶资质评估方法及系统 | |
| CN105930565A (zh) | 基于线性策略的交叉熵算法的交通仿真模型参数标定方法 | |
| WO2024036838A1 (zh) | 增程式车辆智能保养方法、装置、电子设备、存储介质 | |
| CN106585635A (zh) | 驾驶行为评分方法和装置 | |
| CN106240571A (zh) | 驾驶行为分析方法和装置 | |
| US20200055525A1 (en) | Fuel consumption-based driving behavior scoring | |
| CN112937591B (zh) | 驾驶安全监测方法、装置、设备及计算机可读存储介质 | |
| CN106557663A (zh) | 驾驶行为评分方法和装置 | |
| Zhao et al. | Risk perception and the warning strategy based on microscopic driving state | |
| CN106777907A (zh) | 驾驶行为评分方法和装置 | |
| Suzdaleva et al. | Two-layer pointer model of driving style depending on the driving environment | |
| CN113516846A (zh) | 车辆换道行为预测模型构建、预测预警方法及系统 | |
| DE102020001182A1 (de) | Reichweitenprognose | |
| CN110119528B (zh) | 一种基于智能体元胞自动机的桥梁随机车流仿真系统 | |
| CN106064593A (zh) | 基于驾驶员工作负担调度驾驶员接口任务的系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |