CN104462198A - 对象所处车辆确定方法及装置 - Google Patents
对象所处车辆确定方法及装置 Download PDFInfo
- Publication number
- CN104462198A CN104462198A CN201410602127.0A CN201410602127A CN104462198A CN 104462198 A CN104462198 A CN 104462198A CN 201410602127 A CN201410602127 A CN 201410602127A CN 104462198 A CN104462198 A CN 104462198A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fingerprint
- vibration performance
- vibration
- residing
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请实施例提供了一种对象所处车辆确定方法及装置。方法包括:获取一对象的振动特征数据;至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆。本申请实施例提供了一种确定对象所处车辆的方案。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种对象所处车辆确定方法及装置。
背景技术
随着越来越多地使用车辆,如汽车、地铁、公交车等出行,人们每天都有很长的时间在车辆中度过。
发明内容
有鉴于此,本申请实施例的一个目的在于提供一种确定对象所处车辆的方案。
为实现上述目的,根据本申请实施例的第一方面,提供一种对象所处车辆确定方法,包括:
获取一对象的振动特征数据;
至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆。
结合第一方面,在第一方面的第一种可能的实现方式中,所述车辆振动指纹特征库包括:至少一个振动特征指纹;所述至少一个振动特征指纹是根据至少一个车辆的振动特征数据得到的。
结合第一方面的第一种可能的实现方式,在第一方面的第二种可能的实现方式中,所述振动特征数据包括:角加速度数据;所述振动特征指纹包括:角加速度指纹。
结合第一方面的第一种可能的实现方式,在第一方面的第三种可能的实现方式中,所述振动特征数据包括:线加速度数据;所述振动特征指纹包括:线加速度指纹。
结合第一方面的第二种或第三种可能的实现方式,在第一方面的第四种可能的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆识别符;
所述至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,包括:
确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
确定所述用户所处车辆的车辆识别符为匹配的所述振动特征指纹对应的一车辆识别符。
结合第一方面的第二种或第三种可能的实现方式,在第一方面的第五种可能的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆类别;
所述至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,包括:
确定所述车辆振动特征指纹库中一第一车辆类别对应的至少一个振动特征指纹中有超过一第一比例的振动特征指纹与所述振动特征数据的相关度高于一第一值;
确定所述用户所处车辆的车辆类别为所述第一车辆类别。
结合第一方面的第一种可能的实现方式,在第一方面的第六种可能的实现方式中,所述振动特征数据包括:角加速度数据;所述振动特征指纹包括:角加速度指纹模型。
结合第一方面的第一种可能的实现方式,在第一方面的第七种可能的实现方式中,所述振动特征数据包括:线加速度数据;所述振动特征指纹包括:线加速度指纹模型。
结合第一方面的第六种或第七种可能的实现方式,在第一方面的第八种可能的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆类别;
所述至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,包括:
确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
确定所述用户所处车辆的车辆类别为匹配的所述振动特征指纹对应的车辆类别。
为实现上述目的,根据本申请实施例的第二方面,提供一种对象所处车辆确定装置,包括:
获取模块,用于获取一对象的振动特征数据;
确定模块,用于至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆。
结合第二方面,在第二方面的第一种可能的实现方式中,所述车辆振动指纹特征库包括:至少一个振动特征指纹;所述至少一个振动特征指纹是根据至少一个车辆的振动特征数据得到的。
结合第二方面的第一种可能的实现方式,在第二方面的第二种可能的实现方式中,所述振动特征数据包括:角加速度数据;所述振动特征指纹包括:角加速度指纹。
结合第二方面的第一种可能的实现方式,在第二方面的第三种可能的实现方式中,所述振动特征数据包括:线加速度数据;所述振动特征指纹包括:线加速度指纹。
结合第二方面的第二种或第三种可能的实现方式,在第二方面的第四种可能的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆识别符;
所述确定模块包括:
第一单元,用于确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
第二单元,用于确定所述用户所处车辆的车辆识别符为匹配的所述振动特征指纹对应的一车辆识别符。
结合第二方面的第二种或第三种可能的实现方式,在第二方面的第五种可能的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆类别;
所述确定模块包括:
第三单元,用于确定所述车辆振动特征指纹库中一第一车辆类别对应的至少一个振动特征指纹中有超过一第一比例的振动特征指纹与所述振动特征数据的相关度高于一第一值;
第四单元,用于确定所述用户所处车辆的车辆类别为所述第一车辆类别。
结合第二方面的第一种可能的实现方式,在第二方面的第六种可能的实现方式中,所述振动特征数据包括:角加速度数据;所述振动特征指纹包括:角加速度指纹模型。
结合第二方面的第一种可能的实现方式,在第二方面的第七种可能的实现方式中,所述振动特征数据包括:线加速度数据;所述振动特征指纹包括:线加速度指纹模型。
结合第二方面的第六种或第七种可能的实现方式,在第二方面的第八种可能的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆类别;
所述确定模块包括:
第五单元,用于确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
第六单元,用于确定所述用户所处车辆的车辆类别为匹配的所述振动特征指纹对应的车辆类别。
以上多个技术方案中的至少一个技术方案具有如下有益效果:
本申请实施例通过获取一对象的振动特征数据,至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,提供了一种确定对象所处车辆的方案。
附图说明
图1为本申请提供的一种对象所处车辆确定方法实施例的流程示意图;
图2A和图2B分别为一车辆在负载为1200公斤和1600公斤下加速时的角加速度时序曲线的示意图;
图3为五辆型号相同、减震系统参数不同的小汽车在加速时的角加速度时序曲线的示意图;
图4为本申请提供的一种对象所处车辆确定装置实施例一的结构示意图;
图5A~图5C分别为图4所示实施例的一种实现方式的结构示意图;
图6为本申请提供的一种对象所处车辆确定装置实施例二的结构示意图。
具体实施方式
下面结合附图和实施例,对本申请的具体实施方式作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本申请提供的一种对象所处车辆确定方法实施例的流程示意图。如图1所示,本实施例包括:
110、获取一对象的振动特征数据。
举例来说,本申请提供的一种对象所处车辆确定装置实施例一或二所述的对象所处车辆确定装置作为本实施例的执行主体,执行110~120。
本实施例中,所述对象可以是乘坐在车辆上的人,或,被放置在车辆上的物体。
本实施例中,所述振动特征数据为一矢量,且与所述对象的振动相关,对于在车辆上的对象来说,所述对象的振动特征数据与所述对象所处车辆的振动相关。具体地,所述振动特征数据可以通过放置在所述对象上的至少一个传感器来检测,所述对象所处车辆确定装置可选地从所述至少一个传感器或用于收集所述至少一个传感器的检测数据的一服务器获取所述振动特征数据。可选地,所述振动特征数据为所述至少一个传感器检测到的一综合矢量,或者,为所述至少一个传感器检测到的一综合矢量在与振动相关的一方向上的分量,可选地,为实现简单,所述振动特征数据为所述至少一个传感器检测到的一综合矢量在重力方向上的分量。
120、至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆。
本实施例中,所述对象所处车辆具体为带减震系统的车辆,如小汽车、货车、客车、挂车、三轮车、摩托车、自行车等。以小汽车为例,减震系统通常为小汽车的悬挂系统,悬挂系统是汽车的车架与车桥或车轮之间的传力连接装置的总称,通常,车架与前车桥或前车轮之间的悬挂系统称为前轮悬挂系统,车架与后车桥或后车轮之间的悬挂系统称为后轮悬挂系统,典型的悬挂系统主要包括:弹性元件、导向机构以及减震器等。以自行车为例,减震系统通常为安装在车身架上的减震器。当车辆加速时,由于驱动轮的轴承与车辆质心之间的力矩,车辆会发生以穿过车辆整体质心的一条虚拟直线为轴的旋转,该旋转主要体现为与车辆的行驶平面垂直的方向上的振动。
本实施例中,所述车辆振动特征指纹库包括:至少一个振动特征指纹,所述至少一个振动特征指纹是预先根据至少一个车辆的振动特征数据得到的。其中,所述至少一个车辆均为带减震系统的车辆。
本申请发明人在研究过程中发现:带减震系统的车辆在行驶过程中的振动特征数据与该车辆的减震系统的内在特征相关,其中,减震系统的内在特征主要取决于减震系统的结构和参数,以一辆小汽车为例,该小汽车的减震系统的内容特征主要取决于该小汽车的悬挂系统的结构以及参数,进一步地,不同车辆的减震系统的内在特征几乎均不相同,相应地,不同车辆的振动特征数据基本不相同。另外,本申请发明人在研究过程中还发现:带减震系统的车辆上的对象在该车辆的行驶过程中的振动特征数据与该车辆的减震系统的内在特征相关。基于上述发现可知,本实施例中至少根据一车辆振动特征指纹库和所述振动特征数据,能够确定所述对象所处车辆。
本实施例通过获取一对象的振动特征数据,至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,提供了一种确定对象所处车辆的方案。
下面通过一些可选的实现方式进一步描述本实施例的方法。
本实施例中,可选地,所述车辆振动特征指纹库包括:至少一个振动特征指纹和所述至少一个振动特征指纹对应的车辆属性。进一步可选地,所述至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,包括:至少根据所述车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆的车辆属性。
其中,所述车辆属性可以包括但不限于以下至少一种:车辆识别符、车辆类别等。其中,所述车辆识别符用于唯一地标识一车辆。举例来说,所述车辆识别符包括但不限于以下任一种:车牌号、车辆识别号码(Vehicle Identification Number,简称VIN)等。其中,所述车辆类别可以有不同的划分层次,举例来说,所述车辆类别可以按照功能划分为:小汽车、货车、客车、挂车、三轮车、摩托车、自行车等,以小汽车为例,所述车辆类别进一步地还可以按照品牌划分为:大众速腾(Volkswagen SAGITAR)、丰田卡罗拉(TOYOTACOROLLA)、别克君威(BUICK Regal)等。又举例来说,所述车辆类别也可以直接按照品牌划分。
具体地,所述确定所述对象所处车辆的车辆属性可以是,确定所述对象所处车辆的车辆属性是什么,或者,确定所述对象所处车辆的车辆属性不是什么。举例来说,确定所述对象所处车辆的车牌号是123456,或者,确定所述对象所处车辆的车辆类别不是自行车。
在上述发现的基础上,本申请发明人还发现:由于不同类别的车辆的减震系统的结构通常不相同,相同类别的车辆的减震系统的结构通常相近或相同,但其参数通常不相同,因此,通过振动特征数据可以区分不同的车辆个体,相应地,若所述车辆振动特征指纹库包括:至少一个振动特征指纹和所述至少一个振动特征指纹对应的车辆识别符,则至少根据所述车辆振动特征指纹库和所述振动特征数据,有可能确定所述对象所处车辆的车辆识别符。本申请发明人还发现:由于同一类别的不同车辆的减震系统的结构相近甚至相同,因此,同一类别的不同车辆之间虽然减震系统的参数不相同,但振动特征数据存在相似性,因此,通过振动特征数据也可以区分不同的车辆类别,相应地,若所述车辆振动特征指纹库包括:至少一个振动特征指纹和所述至少一个振动特征指纹对应的车辆类别,则至少根据所述车辆振动特征指纹库和所述振动特征数据,有可能确定所述对象所处车辆的车辆类别。
本实施例中,所述振动特征数据可以包括与所述对象的振动相关的角加速度数据和/或线加速度数据。相应地,所述振动特征指纹可以包括与车辆的振动相关的角加速度指纹和/或线加速度指纹,和/或,与车辆的振动相关的角加速度指纹模型和/或线加速度指纹模型。
在一种可选的实现方式中,所述振动特征数据包括:角加速度数据。具体地,由于所述振动特征数据为一矢量,且与所述对象的振动相关,具体地,所述角加速度数据为至少包括与所述对象的行驶平面垂直的方向上的分量的一矢量。
在此实现方式中,一种可能的场景是,所述角加速度数据包括:所述对象的一第一角加速度时序曲线。可选地,所述第一角加速度时序曲线为所述对象的角加速度在重力方向上的投影变化的时序曲线,即所述角加速度数据的矢量方向为重力方向。
具体地,当车辆加速时,由于驱动轮的轴承与车辆质心之间的力矩,车辆会发生以穿过车辆整体质心的一条虚拟直线为轴的旋转。通过角速度传感器,可以测量出这种旋转,考虑到不同车辆的减震系统的结构和参数的不同,不同车辆的这种旋转运动也会体现出不同的角速度时序曲线。然而,对于同一车辆,当车辆负载和引擎产生的驱动轮加速运动的冲量的不同时,上述旋转的角速度的绝对值也会不同,为此,可以通过提取角速度的一阶导数,即获取角加速度,或者,直接通过角加速度传感器获取角加速度,减小车辆负载和引擎产生的加速冲量的差异引起的角速度绝对值的不同,而获得表征车辆减震系统内在特征的角加速度时序曲线。
图2A和图2B分别为一车辆在负载为1200公斤和1600公斤下加速时的角加速度时序曲线的示意图。对比图2A和图2B可以看出,同一车辆在不同负载下的角加速度时序曲线差别很小。
图3为五辆型号相同、减震系统参数不同的小汽车在加速时的角加速度时序曲线的示意图。为描述方便,小汽车前轮悬挂系统的弹性系数用Kf表示,前轮悬挂系统的阻尼系数用Cf表示,前轮悬挂系统的弹性系数用Kr表示,前轮悬挂系统的阻尼系数用Cr表示。图3中,小汽车A~E的Kf均为28000,Cf均为2000,并且,小汽车A的Kr=21000、Cr=2000,小汽车B的Kr=28000、Cr=2000,小汽车C的Kr=28000、Cr=2400,小汽车D的Kr=21000、Cr=2400,小汽车E的Kr=38000、Cr=2000。如图3所示,型号相同、减震系统参数不同的车辆的角加速度时序曲线间存在差异。
在此实现方式中,又一种可能的场景是,所述角加速度数据包括:所述对象的一第一角加速度频域矢量。
具体地,所述第一角加速度频域矢量有多种获取的方式。
可选地,所述获取一对象的振动特征数据,包括:
获取所述对象的一第一角加速度时序曲线;从所述第一角加速度时序曲线中截取一第一时间窗口内的一第一有效波形,所述第一有效波形包括至少一个波峰和至少一个波谷;对所述第一有效波形进行短时傅里叶变换(Short-Time Fourier Transform,简称STFT),得到一第一频谱;从所述第一频谱中提取第一数个第一采样点,所述第一数个第一采样点构成一第一角加速度频域矢量。
其中,所述第一时间窗口的时长可以预先设定,比如设为2秒。
其中,所述第一数可以预先设定,比如设为20。
具体地,当所述对象所处车辆在平坦路面上匀速行进时,所述对象的角加速度几乎为0,当所述对象所处车辆加速、减速或者遇到颠簸路面时,所述对象所处车辆的减震系统起作用,所述对象的角加速度出现波动,而所述第一有效波形正是所述第一角加速度时序曲线中能够体现所述减震系统内在特征的部分。
考虑到有些场景下用于检测所述对象的振动特征数据的至少一个传感器并不与所述对象完全固定,举例来说,车辆上一用户的振动特征数据是从该用户随身携带的一手机中的传感器获取,由于该手机通常是放在该用户的衣服或者裤子口袋中,当车辆加速运动时,手机与用户、车辆之间的运动不是完全同步的,可能引入高频噪声,为了减小误差,可选地,所述从所述第一角加速度时序曲线中截取一第一时间窗口内的一第一有效波形之前还包括:对所述第一角加速度时序曲线进行低通滤波。
在此场景中,可选地,所述第一角加速度时序曲线为所述对象的角加速度在重力方向上的投影的时序曲线,相应地,所述第一角加速度频域矢量为所述对象的角加速度在重力方向上的投影变化的频域矢量,即所述角加速度数据的矢量方向为重力方向。
在此实现方式中,可选地,所述振动特征指纹包括:角加速度指纹。具体地,所述角加速度指纹为一矢量,且与车辆的振动相关,具体地,所述角加速度指纹为至少包括与车辆的行驶平面垂直的方向上的分量的一矢量。
通常,所述角加速度指纹与所述角加速度数据是对应的。举例来说,所述角加速度数据的矢量方向为重力方向,所述角加速度指纹的矢量方向也为重力方向。又举例来说,所述角加速度数据为时域数据,所述角加速度指纹为时域指纹,所述角加速度数据为频域数据,所述角加速度指纹为频域指纹。
进一步可选地,所述角加速度数据包括:所述对象的一第一角加速度时序曲线,所述角加速度指纹包括:一车辆的一第二角加速度时序曲线;或者,所述角加速度数据包括:所述对象的一第一角加速度频域矢量,所述角加速度指纹包括:一车辆的一第二角加速度频域矢量。
可选地,与上述获取所述第一角加速度频域矢量的方式类似地,所述第二角加速度频域矢量通过以下方式得到:
获取一车辆的一第二角加速度时序曲线;从所述第二角加速度时序曲线中截取所述第一时间窗口内的一第二有效波形,所述第二有效波形包括至少一个波峰和至少一个波谷;对所述第二有效波形进行STFT,得到一第二频谱;从所述第二频谱中提取所述第一数个第二采样点,所述第一数个第二采样点构成一第二角加速度频域矢量。
在又一种可选的实现方式中,所述振动特征数据包括:线加速度数据。具体地,所述线加速度数据为一矢量,且与所述对象的振动相关,具体地,所述线加速度数据为至少包括与所述对象的行驶平面垂直的方向上的分量的一矢量。
在此实现方式中,一种可能的场景是,所述线加速度数据包括:所述对象的一第一线加速度时序曲线。可选地,所述第一线加速度时序曲线为所述对象的线加速度在重力方向上的投影变化的时序曲线,即所述线加速度数据的矢量方向为重力方向。
当车辆加速时,由于驱动轮的轴承与车辆质心之间的力矩,车辆会发生以穿过车辆整体质心的一条虚拟直线为轴的旋转。通过线速度传感器,可以测量出这种旋转,考虑到不同车辆的减震系统的结构和参数的不同,不同车辆的这种旋转运动也会体现出不同的线速度时序曲线。然而,对于同一车辆,当车辆负载和引擎产生的驱动轮加速运动的冲量的不同时,上述旋转的线速度的绝对值也会不同,为此,可以通过提取线速度的一阶导数,即获取线加速度,或者,直接通过线加速度传感器获取线加速度,减小车辆负载和引擎产生的加速冲量的差异引起的线速度绝对值的不同,而获得表征车辆减震系统内在特征的线加速度时序曲线。
在此实现方式中,又一种可能的场景是,所述线加速度数据包括:所述对象的一第一线加速度频域矢量。可选地,所述第一线加速度频域矢量为所述对象的线加速度在重力方向上的投影变化的频域矢量,即所述线加速度数据的矢量方向为重力方向。
具体地,所述第一线加速度频域矢量有多种获取的方式,可参照上一实现方式中所述第一角加速度频域矢量的获取方式。
在此实现方式中,可选地,所述振动特征指纹包括:线加速度指纹。具体地,所述线加速度指纹为一矢量,且与车辆的振动相关,具体地,所述线加速度指纹为至少包括与车辆的行驶平面垂直的方向上的分量的一矢量。
通常,所述线加速度指纹与所述线加速度数据是对应的。举例来说,所述线加速度数据的矢量方向为重力方向,所述线加速度指纹的矢量方向也为重力方向。又举例来说,所述线加速度数据为时域数据,所述线加速度指纹为时域指纹,所述线加速度数据为频域数据,所述线加速度指纹为频域指纹。
进一步可选地,所述线加速度数据包括:所述对象的一第一线加速度时序曲线,所述线加速度指纹包括:一车辆的一第二线加速度时序曲线;或者,所述线加速度数据包括:所述对象的一第一线加速度频域矢量,所述线加速度指纹包括:一车辆的一第二线加速度频域矢量。
可选地,与上述获取所述第一线加速度频域矢量的方式类似地,所述第二线加速度频域矢量的获取方式也可参照上一实现方式中所述第二角加速度频域矢量的获取方式。
在上述所述振动特征数据包括角加速度数据且所述振动特征指纹包括角加速度指纹,或者,所述振动特征数据包括线加速度数据且所述振动特征指纹包括线加速度指纹,的任一场景中,考虑到所述车辆振动特征指纹库中所述至少一个振动特征指纹对应的车辆属性,所述确定所述对象所处车辆有多种方式。
在一种可选的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆识别符;
所述至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,包括:
确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
确定所述用户所处车辆的车辆识别符为匹配的所述振动特征指纹对应的一车辆识别符。
以所述振动特征数据包括:所述对象的一第一角加速度频域矢量,所述振动特征指纹包括:一车辆的一第二角加速度频域矢量为例,所述确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹具体为:确定所述车辆振动特征指纹库的至少一个第二角加速度频域矢量中与所述第一角加速度频域矢量匹配的一第二角加速度频域矢量。
进一步地,确定与所述第一角加速度频域矢量匹配的一第二角加速度频域矢量有多种方式。可选地,确定所述第一角加速度频域矢量与所述车辆振动特征指纹库的至少一个第二角加速度频域矢量的互相关系数,确定与所述第一角加速度频域矢量匹配的一第二角加速度频域矢量为与所述第一角加速度频域矢量的互相关系数最大的一第二角加速度频域矢量。或者,从所述车辆振动特征指纹库的至少一个第二角加速度频域矢量中,通过近似最近邻查找算法,比如局部敏感哈希(Locality Sensitive Hash,简称LSH)算法确定所述第一角加速度频域矢量的一第一近似最近邻集合;确定所述第一近似最近邻集合中各所述第二角加速度频域矢量与所述第一角加速度频域矢量的互相关系数;确定与所述第一角加速度频域矢量匹配的一第二角加速度频域矢量为与所述第一特征矢量的互相关系数最大的一第二角加速度频域矢量。
在此实现方式中,可选地,若所述车辆振动特征指纹库还包括:匹配的所述角加速度指纹对应的车辆类别,则还可以确定所述用户所处车辆的车辆类别为匹配的所述角加速度指纹对应的车辆类别。
在又一种可选的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆类别;
所述至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,包括:
确定所述车辆振动特征指纹库中一第一车辆类别对应的至少一个振动特征指纹中有超过一第一比例的振动特征指纹与所述振动特征数据的相关度高于一第一值;
确定所述用户所处车辆的车辆类别为所述第一车辆类别。
其中,所述第一比例可以预先设定,比如设为80%。
其中,所述第一值可以预先设定。对于所述车辆类别的不同层次,进一步地,还可以有不同的第一值。举例来说,第一层次的车辆类别包括:小汽车、货车、客车、挂车、三轮车、摩托车、自行车,第二层次的车辆类别至少包括:大众速腾(Volkswagen SAGITAR)、丰田卡罗拉(TOYOTA COROLLA)、别克君威(BUICK Regal)。相应地,第一层次的车辆类别对应第一值n,第二层次的车辆类别对应第一值m,m>n。
其中,所述相关度可选地为互相关系数,或者,欧式距离。
另外,在所述振动特征数据包括角加速度数据的可选实现方式中,又一种可能的场景是,所述振动特征指纹包括:角加速度指纹模型。具体地,所述角加速度指纹模型为一矢量,且与车辆的振动相关,具体地,所述角加速度指纹模型为至少包括与车辆的行驶平面垂直的方向上的分量的一矢量。
可选地,所述角加速度指纹模型是通过所述角加速度指纹模型对应的车辆类别对应的至少一个车辆的角加速度指纹得到。其中,所述角加速度指纹可以参考本实现方式的其它场景中的相应方式得到。
通常,所述角加速度指纹模型与所述角加速度数据是对应的。举例来说,所述角加速度数据的矢量方向为重力方向,所述角加速度指纹模型的矢量方向也为重力方向。又举例来说,所述角加速度数据为时域数据,所述角加速度指纹模型为时域指纹模型,所述角加速度数据为频域数据,所述角加速度指纹模型为频域指纹模型。
进一步可选地,所述角加速度数据包括:所述对象的一第一角加速度时序曲线,所述角加速度指纹模型包括:一车辆类别对应的一第二角加速度时序曲线模型;或者,所述角加速度数据包括:所述对象的一第一角加速度频域矢量,所述角加速度指纹模型包括:一车辆类别对应的一第二角加速度频域矢量模型。其中,一车辆类别对应的一第二角加速度时序曲线模型可以根据所述车辆类别对应的至少一个车辆的第二角加速度时序曲线得到,一车辆类别对应的一第二角加速度频域矢量模型可以根据所述车辆类别对应的至少一个车辆的第二角加速度频域矢量得到。
另外,在所述振动特征数据包括线加速度数据的可选实现方式中,又一种可能的场景是,所述振动特征指纹包括:线加速度指纹模型。具体地,所述线加速度指纹模型为一矢量,且与车辆的振动相关,所述线加速度指纹模型为至少包括与车辆的行驶平面垂直的方向上的分量的一矢量。
可选地,所述线加速度指纹模型是通过所述线加速度指纹模型对应的车辆类别对应的至少一个车辆的线加速度指纹得到。其中,所述线加速度指纹可以参考本实现方式的其它场景中的相应方式得到。
通常,所述线加速度指纹模型与所述线加速度数据是对应的。举例来说,所述线加速度数据的矢量方向为重力方向,所述线加速度指纹模型的矢量方向也为重力方向。又举例来说,所述线加速度数据为时域数据,所述线加速度指纹模型为时域指纹模型,所述线加速度数据为频域数据,所述线加速度指纹模型为频域指纹模型。
进一步可选地,所述线加速度数据包括:所述对象的一第一线加速度时序曲线,所述线加速度指纹模型包括:一车辆类别对应的一第二线加速度时序曲线模型;或者,所述线加速度数据包括:所述对象的一第一线加速度频域矢量,所述线加速度指纹模型包括:一车辆类别对应的一第二线加速度频域矢量模型。其中,一车辆类别对应的一第二线加速度时序曲线模型可以根据所述车辆类别对应的至少一个车辆的第二线加速度时序曲线得到,一车辆类别对应的一第二线加速度频域矢量模型可以根据所述车辆类别对应的至少一个车辆的第二线加速度频域矢量得到。
在上述所述振动特征数据包括角加速度数据且所述振动特征指纹包括角加速度指纹模型,或者,所述振动特征数据包括线加速度数据且所述振动特征指纹包括线加速度指纹模型,的任一场景中,可选地,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆类别;
所述至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,包括:
确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
确定所述用户所处车辆的车辆类别为匹配的所述振动特征指纹对应的车辆类别。
以所述振动特征数据包括:所述对象的一第一线加速度频域矢量,所述振动特征指纹包括:一车辆类别对应的一第二线加速度频域矢量模型为例,所述确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹具体为:确定所述车辆振动特征指纹库的至少一个第二线加速度频域矢量模型中与所述第一线加速度频域矢量匹配的一第二线加速度频域矢量模型。
本实施例中,所述确定所述对象所处车辆的确定结果可以有多种用途。以确定所述对象所处车辆的不同车辆属性举例,若确定所述对象所处车辆的车辆识别符是123456,即确定所述对象所处车辆具体是哪辆车,可以根据所述对象的位置数据确定所述对象所处车辆的位置,即对所述对象所处车辆进行定位;若确定的是所述对象所处车辆的车辆品牌是ABC,可以向所述对象推送与该车辆品牌有关的信息。
图4为本申请提供的一种对象所处车辆确定装置实施例一的结构示意图。如图4所示,对象所处车辆确定装置(以下简称:装置)400包括:
获取模块41,用于获取一对象的振动特征数据;
确定模块42,用于至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆。
本实施例中,所述对象可以是乘坐在车辆上的人,或,被放置在车辆上的物体。
本实施例中,所述振动特征数据为一矢量,且与所述对象的振动相关,对于在车辆上的对象来说,所述对象的振动特征数据与所述对象所处车辆的振动相关。具体地,所述振动特征数据可以通过放置在所述对象上的至少一个传感器来检测,获取模块41可选地从所述至少一个传感器或用于收集所述至少一个传感器的检测数据的一服务器获取所述振动特征数据。可选地,所述振动特征数据为所述至少一个传感器检测到的一综合矢量,或者,为所述至少一个传感器检测到的一综合矢量在与所述对象的行驶平面垂直的方向上的分量,或者,为实现简单,所述振动特征数据也可以为所述至少一个传感器检测到的一综合矢量在重力方向上的分量。
本实施例中,所述对象所处车辆具体为带减震系统的车辆,如小汽车、货车、客车、挂车、三轮车、摩托车、自行车等。以小汽车为例,减震系统通常为小汽车的悬挂系统,悬挂系统是汽车的车架与车桥或车轮之间的传力连接装置的总称,通常,车架与前车桥或前车轮之间的悬挂系统称为前轮悬挂系统,车架与后车桥或后车轮之间的悬挂系统称为后轮悬挂系统,典型的悬挂系统主要包括:弹性元件、导向机构以及减震器等。以自行车为例,减震系统通常为安装在车身架上的减震器。
本实施例中,所述车辆振动特征指纹库包括:至少一个振动特征指纹,所述至少一个振动特征指纹是预先根据至少一个车辆的振动特征数据得到的。其中,所述至少一个车辆均为带减震系统的车辆。
本申请发明人在研究过程中发现:带减震系统的车辆在行驶过程中的振动特征数据与该车辆的减震系统的内在特征相关,其中,减震系统的内在特征主要取决于减震系统的结构和参数,以一辆小汽车为例,该小汽车的减震系统的内容特征主要取决于该小汽车的悬挂系统的结构以及参数,进一步地,不同车辆的减震系统的内在特征几乎均不相同,相应地,不同车辆的振动特征数据基本不相同。另外,本申请发明人在研究过程中还发现:带减震系统的车辆上的对象在该车辆的行驶过程中的振动特征数据与该车辆的减震系统的内在特征相关。基于上述发现可知,本实施例中的确定模块42至少根据一车辆振动特征指纹库和所述振动特征数据,能够确定所述对象所处车辆。
本实施例的对象所处车辆确定装置通过获取模块获取一对象的振动特征数据,确定模块至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,提供了一种确定对象所处车辆的方案。
下面通过一些可选的实现方式进一步描述本实施例的装置400。
本实施例中,可选地,所述车辆振动特征指纹库包括:至少一个振动特征指纹和所述至少一个振动特征指纹对应的车辆属性。进一步可选地,确定模块42具体用于:至少根据所述车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆的车辆属性。
其中,所述车辆属性可以包括但不限于以下至少一种:车辆识别符、车辆类别等。其中,所述车辆识别符用于唯一地标识一车辆。举例来说,所述车辆识别符包括但不限于以下任一种:车牌号、车辆识别号码(Vehicle Identification Number,简称VIN)等。其中,所述车辆类别可以有不同的划分层次,举例来说,所述车辆类别可以按照功能划分为:小汽车、货车、客车、挂车、三轮车、摩托车、自行车等,以小汽车为例,所述车辆类别进一步地还可以按照品牌划分为车辆品牌包括但不限于以下任一种:大众速腾(Volkswagen SAGITAR)、丰田卡罗拉(TOYOTA COROLLA)、别克君威(BUICK Regal)等。又举例来说,所述车辆类别也可以直接按照品牌划分。
具体地,确定模块42确定所述对象所处车辆的车辆属性可以是,确定所述对象所处车辆的车辆属性是什么,或者,确定所述对象所处车辆的车辆属性不是什么。举例来说,确定模块42确定所述对象所处车辆的车牌号是123456,或者,确定所述对象所处车辆的车辆类别不是自行车。
在上述发现的基础上,本申请发明人还发现:由于不同类别的车辆的减震系统的结构通常不相同,相同类别的车辆的减震系统的结构通常相近或相同,但其参数通常不相同,因此,通过振动特征数据可以区分不同的车辆个体,相应地,若所述车辆振动特征指纹库包括:至少一个振动特征指纹和所述至少一个振动特征指纹对应的车辆识别符,则确定模块42至少根据所述车辆振动特征指纹库和所述振动特征数据,有可能确定所述对象所处车辆的车辆识别符。本申请发明人还发现:由于同一类别的不同车辆的减震系统的结构相近甚至相同,因此,同一类别的不同车辆之间虽然减震系统的参数不相同,但振动特征数据存在相似性,因此,通过振动特征数据也可以区分不同的车辆类别,相应地,若所述车辆振动特征指纹库包括:至少一个振动特征指纹和所述至少一个振动特征指纹对应的车辆类别,则确定模块42至少根据所述车辆振动特征指纹库和所述振动特征数据,有可能确定所述对象所处车辆的车辆类别。
本实施例中,所述振动特征数据可以包括与所述对象的振动相关的角加速度数据和/或线加速度的数据。相应地,所述振动特征指纹可以包括与车辆的振动相关的角加速度指纹和/或线加速度指纹,和/或,与车辆的振动相关的角加速度指纹模型和/或线加速度指纹模型。
在一种可选的实现方式中,所述振动特征数据包括:角加速度数据。
在此实现方式中,一种可能的场景是,所述振动特征指纹包括:角加速度指纹。
本实现方式的具体实现可参照本申请提供的一种对象所处车辆确定方法实施例中的相应描述。
在又一种可选的实现方式中,所述振动特征数据包括:线加速度数据。
在此实现方式中,一种可能的场景是,所述振动特征指纹包括:线加速度指纹。
本实现方式的具体实现可参照本申请提供的一种对象所处车辆确定方法实施例中的相应描述。
在上述所述振动特征数据包括角加速度数据且所述振动特征指纹包括角加速度指纹,或者,所述振动特征数据包括线加速度数据且所述振动特征指纹包括线加速度指纹,的任一场景中,考虑到所述车辆振动特征指纹库中所述至少一个振动特征指纹对应的车辆属性,确定模块42有多种方式。
在一种可选的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆识别符;如图5A所示,确定模块42包括:
第一单元421,用于确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
第二单元422,用于确定所述用户所处车辆的车辆识别符为匹配的所述振动特征指纹对应的一车辆识别符。
本实现方式的具体实现可参照本申请提供的一种对象所处车辆确定方法实施例中的相应描述。
在又一种可选的实现方式中,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆类别;如图5B所示,确定模块42包括:
第三单元423,用于确定所述车辆振动特征指纹库中一第一车辆类别对应的至少一个振动特征指纹中有超过第一比例的振动特征指纹与所述振动特征数据的相关度高于一第一值;
第四单元424,用于确定所述用户所处车辆的车辆类别为所述第一车辆类别。
本实现方式的具体实现可参照本申请提供的一种对象所处车辆确定方法实施例中的相应描述。
在所述振动特征数据包括角加速度数据的可选实现方式中,又一种可能的场景是,所述振动特征指纹包括:角加速度指纹模型。
本场景的具体实现可参照本申请提供的一种对象所处车辆确定方法实施例中的相应描述。
在所述振动特征数据包括线加速度数据的可选实现方式中,又一种可能的场景是,所述振动特征指纹包括:线加速度指纹模型。
本场景的具体实现可参照本申请提供的一种对象所处车辆确定方法实施例中的相应描述。
在上述所述振动特征数据包括角加速度数据且所述振动特征指纹包括角加速度指纹模型,或者,所述振动特征数据包括线加速度数据且所述振动特征指纹包括线加速度特征模型,的任一场景中,可选地,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆类别;如图5C所示,确定模块42包括:
第五单元425,用于确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
第六单元426,用于确定所述用户所处车辆的车辆类别为匹配的所述振动特征指纹对应的车辆类别。
本实现方式的具体实现可参照本申请提供的一种对象所处车辆确定方法实施例中的相应描述。
本实施例中,所述确定所述对象所处车辆的确定结果可以有多种用途。以确定所述对象所处车辆的不同车辆属性举例,若确定模块42确定所述对象所处车辆的车辆识别符是123456,即确定所述对象所处车辆具体是哪辆车,可选地,装置400还包括:定位模块,用于根据所述对象的位置数据确定所述对象所处车辆的位置,即对所述对象所处车辆进行定位;若确定模块42确定的是所述对象所处车辆的车辆品牌是ABC,可选地,装置400还包括:推送模块,用于向所述对象推送与该车辆品牌有关的信息。
图6为本申请提供的一种对象所处车辆确定装置实施例二的结构示意图。如图6所示,对象所处车辆确定装置600包括:
处理器(processor)61、通信接口(Communications Interface)62、存储器(memory)63、以及通信总线64。其中:
处理器61、通信接口62、以及存储器63通过通信总线64完成相互间的通信。
通信接口62,用于与比如传感器、服务器等外部设备的通信。
处理器61,用于执行程序632,具体可以执行上述对象所处车辆确定方法实施例中的相关步骤。
具体地,程序632可以包括程序代码,所述程序代码包括计算机操作指令。
处理器61可能是一个中央处理器CPU,或者是特定集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施对象所处车辆确定方法实施例的一个或多个集成电路。
存储器63,用于存放程序632。存储器63可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。程序632具体可以用于使得对象所处车辆确定装置600执行以下步骤:
获取一对象的振动特征数据;
至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆。
程序632中各步骤的具体实现可以参见上述对象所处车辆确定方法实施例中的相应步骤和单元中对应的描述,在此不赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对原有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种对象所处车辆确定方法,其特征在于,所述方法包括:
获取一对象的振动特征数据;
至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆。
2.根据权利要求1所述的方法,其特征在于,所述车辆振动指纹特征库包括:至少一个振动特征指纹;所述至少一个振动特征指纹是根据至少一个车辆的振动特征数据得到的。
3.根据权利要求2所述的方法,其特征在于,所述振动特征数据包括:角加速度数据;所述振动特征指纹包括:角加速度指纹。
4.根据权利要求2所述的方法,其特征在于,所述振动特征数据包括:线加速度数据;所述振动特征指纹包括:线加速度指纹。
5.根据权利要求3或4所述的方法,其特征在于,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆识别符;
所述至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆,包括:
确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
确定所述用户所处车辆的车辆识别符为匹配的所述振动特征指纹对应的一车辆识别符。
6.一种对象所处车辆确定装置,其特征在于,所述装置包括:
获取模块,用于获取一对象的振动特征数据;
确定模块,用于至少根据一车辆振动特征指纹库和所述振动特征数据,确定所述对象所处车辆。
7.根据权利要求6所述的装置,其特征在于,所述车辆振动指纹特征库包括:至少一个振动特征指纹;所述至少一个振动特征指纹是根据至少一个车辆的振动特征数据得到的。
8.根据权利要求7所述的装置,其特征在于,所述振动特征数据包括:角加速度数据;所述振动特征指纹包括:角加速度指纹。
9.根据权利要求7所述的装置,其特征在于,所述振动特征数据包括:线加速度数据;所述振动特征指纹包括:线加速度指纹。
10.根据权利要求8或9所述的装置,其特征在于,所述车辆振动特征指纹库还包括:所述至少一个振动特征指纹对应的车辆识别符;
所述确定模块包括:
第一单元,用于确定所述车辆振动特征指纹库的至少一个振动特征指纹中与所述振动特征数据匹配的一振动特征指纹;
第二单元,用于确定所述用户所处车辆的车辆识别符为匹配的所述振动特征指纹对应的一车辆识别符。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410602127.0A CN104462198B (zh) | 2014-10-31 | 2014-10-31 | 对象所处车辆确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410602127.0A CN104462198B (zh) | 2014-10-31 | 2014-10-31 | 对象所处车辆确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104462198A true CN104462198A (zh) | 2015-03-25 |
CN104462198B CN104462198B (zh) | 2018-09-04 |
Family
ID=52908234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410602127.0A Active CN104462198B (zh) | 2014-10-31 | 2014-10-31 | 对象所处车辆确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104462198B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110100154A (zh) * | 2016-12-26 | 2019-08-06 | 华为技术有限公司 | 用于启动应用的设备、方法和图形用户界面 |
CN114622954A (zh) * | 2022-05-16 | 2022-06-14 | 合肥派光感知信息技术有限公司 | 照明与监测一体化的隧道安全监测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156204A (zh) * | 2010-02-11 | 2011-08-17 | 希姆通信息技术(上海)有限公司 | 一种手机测量汽车加速度的方法 |
US20110307133A1 (en) * | 2010-06-10 | 2011-12-15 | Dennis Brandon | System for adjusting go-kart speed |
CN102857614A (zh) * | 2012-09-19 | 2013-01-02 | 上海斐讯数据通信技术有限公司 | 具有自动拒接系统的移动终端及自动拒接方法 |
CN103402023A (zh) * | 2013-08-02 | 2013-11-20 | 肖宁 | 一种移动通信终端在民航飞机内自动关机的方法 |
-
2014
- 2014-10-31 CN CN201410602127.0A patent/CN104462198B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156204A (zh) * | 2010-02-11 | 2011-08-17 | 希姆通信息技术(上海)有限公司 | 一种手机测量汽车加速度的方法 |
US20110307133A1 (en) * | 2010-06-10 | 2011-12-15 | Dennis Brandon | System for adjusting go-kart speed |
CN102857614A (zh) * | 2012-09-19 | 2013-01-02 | 上海斐讯数据通信技术有限公司 | 具有自动拒接系统的移动终端及自动拒接方法 |
CN103402023A (zh) * | 2013-08-02 | 2013-11-20 | 肖宁 | 一种移动通信终端在民航飞机内自动关机的方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110100154A (zh) * | 2016-12-26 | 2019-08-06 | 华为技术有限公司 | 用于启动应用的设备、方法和图形用户界面 |
CN114622954A (zh) * | 2022-05-16 | 2022-06-14 | 合肥派光感知信息技术有限公司 | 照明与监测一体化的隧道安全监测系统及方法 |
CN114622954B (zh) * | 2022-05-16 | 2022-08-16 | 合肥派光感知信息技术有限公司 | 照明与监测一体化的隧道安全监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104462198B (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Castignani et al. | Driver behavior profiling using smartphones | |
Ward et al. | Speed-independent vibration-based terrain classification for passenger vehicles | |
Van Ly et al. | Driver classification and driving style recognition using inertial sensors | |
JP7398383B2 (ja) | テレマティクスデータに基づく車両分類 | |
CN103460221A (zh) | 用于在移动装置中使用似然函数值的组合对用户活动进行分类的系统、方法和设备 | |
Xu et al. | Leveraging audio signals for early recognition of inattentive driving with smartphones | |
Ren et al. | Effective assessment of tyre–road friction coefficient using a hybrid estimator | |
CN107901912A (zh) | 基于车辆数据确定道路表面的方法 | |
Zhang et al. | An estimation scheme of road friction coefficient based on novel tyre model and improved SCKF | |
Cho et al. | CPS approach to checking norm operation of a brake-by-wire system | |
Syed et al. | A smart transport application of cyber-physical systems: Road surface monitoring with mobile devices | |
JP6511982B2 (ja) | 運転操作判別装置 | |
CN103473492A (zh) | 权限识别方法和用户终端 | |
CN107277222A (zh) | 基于手机内置传感器的用户行为状态判断方法 | |
CN111731308A (zh) | 坡度估算方法、存储介质及电子设备 | |
CN107545614A (zh) | 具有事件记录的车辆 | |
CN104462198A (zh) | 对象所处车辆确定方法及装置 | |
CN107886727A (zh) | 一种基于地磁传感器的汽车分类方法、系统及电子设备 | |
Zhao et al. | A new terrain classification framework using proprioceptive sensors for mobile robots | |
CN112249025A (zh) | 车辆行驶道路纵向坡度的识别方法、装置、设备及介质 | |
Guo et al. | Crowdsafe: Detecting extreme driving behaviors based on mobile crowdsensing | |
CN107358678B (zh) | 一种驾驶事件检测和识别方法 | |
CN106056150A (zh) | 基于人工智能随机森林方法建立不同车型分零件远程定损系统及方法 | |
US20230350019A1 (en) | Advanced adaptive clustering technique for portable radars | |
CN116092193A (zh) | 一种基于人体运动状态识别的行人航迹推算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |