CN104504531B - 一种车辆驾驶风险评估方法 - Google Patents
一种车辆驾驶风险评估方法 Download PDFInfo
- Publication number
- CN104504531B CN104504531B CN201410854995.8A CN201410854995A CN104504531B CN 104504531 B CN104504531 B CN 104504531B CN 201410854995 A CN201410854995 A CN 201410854995A CN 104504531 B CN104504531 B CN 104504531B
- Authority
- CN
- China
- Prior art keywords
- max
- factor
- vehicle
- assessment
- unit kilometer
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种车辆驾驶风险评估方法,属于车辆领域,技术要点为:S1.选使用车联网设备采集各测试车辆的刹车、转弯、加速以及行驶里程的数据,S2.建立评估因素集合,S3.构造评估因素的隶属函数,S4.给出对象评语,S5.计算单因素的隶属度向量,形成隶属度矩阵,S6.建立评估因素权重矩阵,S7.对隶属度矩阵R和评估因素权重矩阵A做如下运算:B=RοA,得到评估结果。本发明不但对驾驶风险可以进行综合评估,而且还可以针对各单独的风险因素进行评估,有助于分析每个危险驾驶因素对驾驶风险的影响。
Description
技术领域
本发明涉及一种风险评估方法,尤其涉及一种基于模糊综合评价的驾驶风险评估方法。
背景技术
随着UBI车联网保险和大数据的兴起,迫切需要一种科学的方法对驾驶员的驾驶风险进行评估,该评估结果可以作为测试车辆车主的驾驶风险数据的支撑,提醒和督促车主改善行车习惯,从而提高车主的安全意识,也可以为保险公司制定不同等级的保费提供依据,目前在国内外关于UBI的保险评估只是将风险因子分配适当权重后,做简单的拟合和运算即可,但是这些方法获得的评估结果,不能准确的反应实际危险的情况。
发明内容
本发明提供一种车辆驾驶风险评估方法,在驾驶中对各种危险驾驶因素构造隶属函数来反应每个风险因素的实际、综合情况,通过计算风险因素的隶属度矩阵和权重矩阵得出驾驶风险结果。
本发明的技术方案为:一种车辆驾驶风险评估方法,包括如下步骤:
S1.选取n个测试车辆,使用车联网设备采集各测试车辆的刹车、转弯、加速以及行驶里程的数据;
S2.建立评估因素集合,因素集合中的评估因素包括:刹车、转弯和加速的次数以及日均行驶里程,评估因素集合为X={X1,X2,X3,X4};
S3.构造评估因素的隶属函数:
S4.给出对象评语集Y={y1,y2,...ym},其中m等于评估因素的个数,n为测试车辆的个数;
S5.计算单因素的隶属度向量,形成隶属度矩阵,评估因素集X和对象评语集Y是一种模糊映射:
f:x->y
单因素的隶属度向量:
通过一级模糊综合评判确定隶属度矩阵如下:
S6.建立评估因素权重矩阵A=(A1,A2,A3,A4)=(0.35,0.10,0.10,0.45),Ai为第i个因素的重要程度;
S7.对隶属度矩阵R和评估因素权重矩阵A做如下运算:B=RοA,得到评估结果。
进一步的,构造的评估因素的隶属函数为:
评估因素一:刹车,记作X1:
a.子因素集:X1={X11(行驶单位公里轻度刹车的次数),X12(行驶单位公里中度刹车的次数),X13(行驶单位公里急刹车的次数)}
b.权重集:W1=(W11,W12,W13)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
y=(-x)/(Max100+1) (0<=x<Max100)
X11:
y=0 (x>=Max100)
其中Max100为所有测试车辆中,行驶了单位公里,产生轻度刹车次数最多的车辆所产生的轻度刹车的次数;
y=(-x)/(Max300+1) (0<=x<Max300)
X12:
y=0 (x>=Max300)
其中Max300为所有测试车辆中,行驶了单位公里,产生中度刹车次数最多的车辆所产生的中度刹车的次数;
y=(-x)/(Max500+1) (0<=x<Max500)
X13:
y=0 (x>=Max500)
其中Max500为所有测试车辆中,行驶了单位公里,产生急刹车次数最多的车辆所产生的急刹车的次数;
评估因素二:加速,记作X2:
a.子因素集:X2={X21(行驶单位公里轻度加速的次数),X22(行驶单位公里中度加速的次数),X23(行驶单位公里急加速的次数)}
b.权重集:W2=(W21,W22,W23)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
y=(-x)/(Max100+1) (0<=x<Max100)
X21:
y=0 (x>=Max100)
其中Max100为所有测试车辆中,产生轻度加速次数最多的车辆所产生的轻度加速的次数;
y=(-x)/(Max200+1) (0<=x<Max200)
X22:
y=0 (x>=Max200)
其中Max200为所有测试车辆中,产生中度加速次数最多的车辆所产生的中度加速的次数;
y=(-x)/(Max300+1) (0<=x<Max300)
X23:
y=0 (x>=Max300)
其中Max300为所有测试车辆中,产生急加速次数最多的车辆所产生的急加速的次数;;
评估因素三:转弯,记作X3:
a.子因素集:X3={X31(行驶单位公里轻度转弯的次数),X32(行驶单位公里中度转弯的次数),X33(行驶单位公里急转弯的次数)}
b.权重集:W3=(W31,W32,W33)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
y=(-x)/(Max10+1) (0<=x<Max10)
X31:
y=0 (x>=Max10)
其中Max10为所有测试车辆中,行驶了单位公里,产生轻度转弯次数最多的车辆所产生的轻度转弯的次数;
y=(-x)/(Max20+1) (0<=x<Max20)
X32:
y=0 (x>=Max20)
其中Max20为所有测试车辆中行驶了单位公里,产生中度转弯次数最多的车辆所产生的中度转弯的次数;
y=(-x)/(Max30+1) (0<=x<Max30)
X33:
y=0 (x>=Max30)
其中Max30为所有测试车辆中,行驶了单位公里,产生急转弯次数最多的车辆所产生的急转弯的次数;
因素四:日平均行驶里程,记作X4
a.子因素集:X4={X41(日平均行驶里程)}
b.权重集:W4=(W41)=(1.0)
c.各子因素的隶属函数:
y=(-x)/(Max+1) (0<=x<Max)
X41:
y=0 (x>=Max)
其中Max为所有测试车辆中日平均行驶里程最大的车辆的日平均行驶里程。
有益效果:本发明选取所有样本中的最大值做为标杆值,将该标杆值的倒数作为隶属函数的斜率;针对每个危险驾驶因素构造的隶属函数符合因素的动态变化规律,评估结果能比较准确、全面地反映出驾驶员的驾驶风险。本发明不但对驾驶风险可以进行综合评估,而且还可以针对各单独的风险因素进行评估,有助于分析每个危险驾驶因素对驾驶风险的影响。本发明亦可作为保险公司针对不同的客户制定不同的保费提供依据。
附图说明
图1为本发明的流程图。
具体实施方式
实施例:如图1所示,一种车辆驾驶风险评估方法,包括如下步骤:
S1.选取n个测试车辆,使用车联网设备采集各测试车辆的刹车、转弯、加速以及行驶里程的数据;
S2.建立评估因素集合,因素集合中的评估因素包括:刹车、转弯和加速的次数以及日均行驶里程,评估因素集合为X={X1,X2,X3,X4};
S3.构造评估因素的隶属函数:
评估因素一:刹车,记作X1:
a.子因素集:X1={X11(行驶单位公里轻度刹车的次数),X12(行驶单位公里中度刹车的次数),X13(行驶单位公里急刹车的次数)}
b.权重集:W1=(W11,W12,W13)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
y=(-x)/(Max100+1) (0<=x<Max100)
X11:
y=0 (x>=Max100)
其中Max100为所有测试车辆中,行驶了单位公里,产生轻度刹车次数最多的车辆所产生的轻度刹车的次数;
y=(-x)/(Max300+1) (0<=x<Max300)
X12:
y=0 (x>=Max300)
其中Max300为所有测试车辆中,行驶了单位公里,产生中度刹车次数最多的车辆所产生的中度刹车的次数;
y=(-x)/(Max500+1) (0<=x<Max500)
X13:
y=0 (x>=Max500)
其中Max500为所有测试车辆中,行驶了单位公里,产生急刹车次数最多的车辆所产生的急刹车的次数;
评估因素二:加速,记作X2:
a.子因素集:X2={X21(行驶单位公里轻度加速的次数),X22(行驶单位公里中度加速的次数),X23(行驶单位公里急加速的次数)}
b.权重集:W2=(W21,W22,W23)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
y=(-x)/(Max100+1) (0<=x<Max100)
X21:
y=0 (x>=Max100)
其中Max100为所有测试车辆中,产生轻度加速次数最多的车辆所产生的轻度加速的次数;
y=(-x)/(Max200+1) (0<=x<Max200)
X22:
y=0 (x>=Max200)
其中Max200为所有测试车辆中,产生中度加速次数最多的车辆所产生的中度加速的次数;
y=(-x)/(Max300+1) (0<=x<Max300)
X23:
y=0 (x>=Max300)
其中Max300为所有测试车辆中,产生急加速次数最多的车辆所产生的急加速的次数;;
评估因素三:转弯,记作X3:
a.子因素集:X3={X31(行驶单位公里轻度转弯的次数),X32(行驶单位公里中度转弯的次数),X33(行驶单位公里急转弯的次数)}
b.权重集:W3=(W31,W32,W33)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
y=(-x)/(Max10+1) (0<=x<Max10)
X31:
y=0 (x>=Max10)
其中Max10为所有测试车辆中,行驶了单位公里,产生轻度转弯次数最多的车辆所产生的轻度转弯的次数;
y=(-x)/(Max20+1) (0<=x<Max20)
X32:
y=0 (x>=Max20)
其中Max20为所有测试车辆中行驶了单位公里,产生中度转弯次数最多的车辆所产生的中度转弯的次数;
y=(-x)/(Max30+1) (0<=x<Max30)
X33:
y=0 (x>=Max30)
其中Max30为所有测试车辆中,行驶了单位公里,产生急转弯次数最多的车辆所产生的急转弯的次数;
因素四:日平均行驶里程,记作X4
a.子因素集:X4={X41(日平均行驶里程)}
b.权重集:W4=(W41)=(1.0)
c.各子因素的隶属函数:
y=(-x)/(Max+1) (0<=x<Max)
X41:
y=0 (x>=Max)
其中Max为所有测试车辆中日平均行驶里程最大的车辆的日平均行驶里程;
S4.给出对象评语集Y={y1,y2,...ym},其中m等于评估因素的个数,n为测试车辆的个数;
S5.计算单因素的隶属度向量,形成隶属度矩阵,评估因素集X和对象评语集Y是一种模糊映射:
f:x->y
单因素的隶属度向量:
通过一级模糊综合评判确定隶属度矩阵如下:
S6.建立评估因素权重矩阵A=(A1,A2,A3,A4)=(0.35,0.10,0.10,0.45),Ai为第i个因素的重要程度;
S7.对隶属度矩阵R和评估因素权重矩阵A做如下运算:B=RοA,得到评估结果。
具体的,车联网设备由四大模块组成,传感器模块、数据采集模块、数据处理模块以及网络通信模块组成,其中,传感器模块包括加速度传感器、陀螺仪传感器和地磁传感器,在行车过程中首先由传感器模块获得车的加速度和转弯角速度,由数据采集模块获得行车速度,再经过数据处理模块得到刹车、转弯、加速、行驶里程数据,最终经由网络通信模块上传给云平台。
对于刹车、转弯、加速以及行驶里程数据的获取,数据处理模块的工作机制如下:判断加速度传感器的加速度是否大于零,如果大于零,产生的是加速动作,如果小于零则是刹车动作;对于角速度实时积分得到转弯角度并通过角速度值的正负号来判断车辆的转弯方向;行驶里程数据由速度对时间的积分获得。
刹车的定义:100-300mg为轻度刹车,300-500mg为中度刹车,500mg以上为急刹车;
加速的定义:100-200mg为轻度加速,200-300mg为中度加速,300mg以上为急加速;
转弯的定义:转弯角速度在10-20度/秒为轻度转弯,20-30度/秒为中度转弯,角速度大于30度/秒的转弯为急转弯;
日均行驶里程的定义:车联网设备统计汽车每次打火熄火之间的行驶里程,将所有里程相加,再按照天数求平均即为日均行驶里程;
下表所示为统计了18位测试车辆7天的驾驶数据:
将各个评估因素的实际值带入隶属函数进行计算并形成隶属度矩阵R如下:
将隶属度矩阵R和权重矩阵A做B=RοA的运算得到最终评估结果,如下:
根据B的输出值,可获得各车主的驾驶危险的评估结果,此结果显示出车主在7天测试中的危险驾驶的程度,其结果较为接近实际驾驶中的危险趋势,评估结果比较准确、全面地反映出驾驶员的驾驶风险。不但对驾驶风险可以进行综合评估,而且还可以针对各单独的风险因素进行评估,有助于分析每个危险驾驶因素对驾驶风险的影响。
Claims (1)
1.一种车辆驾驶风险评估方法,其特征在于,包括如下步骤:
S1.选取n个测试车辆,使用车联网设备采集各测试车辆的刹车、转弯、加速以及行驶里程的数据;
S2.建立评估因素集合,因素集合中的评估因素,包括:刹车、转弯和加速的次数以及日均行驶里程,评估因素集合为X={X1,X2,X3,X4};
S3.构造评估因素的隶属函数:
S4.给出对象评语集,Y={y1,y2,...ym},其中m等于评估因素的个数,n为测试车辆的个数;
S5.计算单因素的隶属度向量,形成隶属度矩阵,评估因素集X和对象评语集Y是一种模糊映射:
f:x->y
单因素的隶属度向量:
通过一级模糊综合评判确定隶属度矩阵如下:
S6.建立评估因素权重矩阵,A=(A1,A2,A3,A4)=(0.35,0.10,0.10,0.45),Ai为第i个因素的重要程度;
S7.对隶属度矩阵R和评估因素权重矩阵A做如下运算:得到评估结果;
构造的评估因素的隶属函数为:
评估因素一:刹车,记作X1:
a.子因素集:X1={X11(行驶单位公里轻度刹车的次数),X12(行驶单位公里中度刹车的次数),X13(行驶单位公里急刹车的次数)}
b.权重集:W1=(W11,W12,W13)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
其中Max100为所有测试车辆中,行驶了单位公里,产生轻度刹车次数最多的车辆所产生的轻度刹车的次数;
其中Max300为所有测试车辆中,行驶了单位公里,产生中度刹车次数最多的车辆所产生的中度刹车的次数;
其中Max500为所有测试车辆中,行驶了单位公里,产生急刹车次数最多的车辆所产生的急刹车的次数;
评估因素二:加速,记作X2:
a.子因素集:X2={X21(行驶单位公里轻度加速的次数),X22(行驶单位公里中度加速的次数),X23(行驶单位公里急加速的次数)}
b.权重集:W2=(W21,W22,W23)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
其中Max100为所有测试车辆中,产生轻度加速次数最多的车辆所产生的轻度加速的次数;
其中Max200为所有测试车辆中,产生中度加速次数最多的车辆所产生的中度加速的次数;
其中Max300为所有测试车辆中,产生急加速次数最多的车辆所产生的急加速的次数;
评估因素三:转弯,记作X3:
a.子因素集:X3={X31(行驶单位公里轻度转弯的次数),X32(行驶单位公里中度转弯的次数),X33(行驶单位公里急转弯的次数)}
b.权重集:W3=(W31,W32,W33)=(0.15,0.35,0.5)
c.各子因素的隶属函数:
其中Max10为所有测试车辆中,行驶了单位公里,产生轻度转弯次数最多的车辆所产生的轻度转弯的次数;
其中Max20为所有测试车辆中行驶了单位公里,产生中度转弯次数最多的车辆所产生的中度转弯的次数;
其中Max30为所有测试车辆中,行驶了单位公里,产生急转弯次数最多的车辆所产生的急转弯的次数;
因素四:日平均行驶里程,记作X4
a.子因素集:X4={X41(日平均行驶里程)}
b.权重集:W4=(W41)=(1.0)
c.各子因素的隶属函数:
其中Max为所有测试车辆中日平均行驶里程最大的车辆的日平均行驶里程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410854995.8A CN104504531B (zh) | 2014-12-30 | 2014-12-30 | 一种车辆驾驶风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410854995.8A CN104504531B (zh) | 2014-12-30 | 2014-12-30 | 一种车辆驾驶风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104504531A CN104504531A (zh) | 2015-04-08 |
CN104504531B true CN104504531B (zh) | 2018-08-31 |
Family
ID=52945926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410854995.8A Active CN104504531B (zh) | 2014-12-30 | 2014-12-30 | 一种车辆驾驶风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104504531B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709807A (zh) * | 2015-08-11 | 2017-05-24 | 北京骐胜科技有限公司 | 一种车联网ubi车险的保费用量监测方案及返保方法 |
CN106022561A (zh) * | 2016-05-05 | 2016-10-12 | 广州星唯信息科技有限公司 | 驾驶行为综合评价方法 |
CN106095963B (zh) * | 2016-06-17 | 2019-12-06 | 上海经达信息科技股份有限公司 | 互联网+时代下的车辆驾驶行为分析大数据公共服务平台 |
US9666067B1 (en) | 2016-08-30 | 2017-05-30 | Allstate Insurance Company | Vehicle turn detection |
CN108256714A (zh) * | 2016-12-29 | 2018-07-06 | 得道车联网络科技(上海)有限公司 | 一种基于车联网大数据的行车轨迹实时风险评估模型 |
CN106651210B (zh) * | 2016-12-30 | 2020-08-04 | 重庆邮电大学 | 基于can数据的驾驶人综合素质评价方法 |
CN108876165B (zh) * | 2018-06-27 | 2021-08-27 | 上海天方夜谭网络科技有限公司 | 一种驾驶员安全监控学习系统 |
CN108961473A (zh) * | 2018-08-07 | 2018-12-07 | 长安大学 | 一种基于智能网联汽车控制中心的车辆状态评估预警方法 |
CN109542081B (zh) * | 2018-11-14 | 2021-06-22 | 江苏大学 | 一种基于线下车辆减速度曲线的线上行车危险估计方法 |
CN111310562B (zh) * | 2020-01-10 | 2020-11-27 | 中国平安财产保险股份有限公司 | 基于人工智能的车辆驾驶风险管控方法及其相关设备 |
CN111428878B (zh) * | 2020-03-21 | 2023-02-17 | 电子科技大学 | 一种关于车联网安全事件严重程度的确定方法 |
CN112288334B (zh) * | 2020-11-27 | 2024-04-16 | 上海评驾科技有限公司 | 一种基于lightgbm的车联网风险因子的提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7461013B2 (en) * | 2004-09-22 | 2008-12-02 | Sap Ag | Fuzzy evaluation of responses to provide degree of satisfaction |
CN101604479A (zh) * | 2009-07-14 | 2009-12-16 | 北京交通大学 | 混合交通环境下平面信号交叉口服务水平的评价方法 |
US7792750B2 (en) * | 2004-09-22 | 2010-09-07 | Sap Ag | Submitting requests with degrees of satisfaction to be used for fuzzy evaluation of responses |
CN103337043A (zh) * | 2013-06-27 | 2013-10-02 | 广东电网公司电力调度控制中心 | 电力通信设备运行状态的预警方法和系统 |
-
2014
- 2014-12-30 CN CN201410854995.8A patent/CN104504531B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7461013B2 (en) * | 2004-09-22 | 2008-12-02 | Sap Ag | Fuzzy evaluation of responses to provide degree of satisfaction |
US7792750B2 (en) * | 2004-09-22 | 2010-09-07 | Sap Ag | Submitting requests with degrees of satisfaction to be used for fuzzy evaluation of responses |
CN101604479A (zh) * | 2009-07-14 | 2009-12-16 | 北京交通大学 | 混合交通环境下平面信号交叉口服务水平的评价方法 |
CN103337043A (zh) * | 2013-06-27 | 2013-10-02 | 广东电网公司电力调度控制中心 | 电力通信设备运行状态的预警方法和系统 |
Non-Patent Citations (2)
Title |
---|
基于交通冲突的公路平面交叉口模糊安全评价研究;仲媛媛;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20070415;第C034-281页 * |
科技引领未来,专业创造价值-大数据时代下的UBI产品探索;梁小英等;《金融电子化》;20140915;第28-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104504531A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104504531B (zh) | 一种车辆驾驶风险评估方法 | |
CN104484725A (zh) | 一种基于主成分线性加权的驾驶风险评估的方法 | |
US20110172871A1 (en) | System and method for measuring energy efficiency in vehicles | |
Felipe et al. | Energy consumption estimation in electric vehicles considering driving style | |
CN104573343B (zh) | 一种沥青路面平整度舒适性现场评价方法及仿真评价方法 | |
CN104732785A (zh) | 一种驾驶行为分析和提醒的方法及系统 | |
WO2012129069A1 (en) | Apparatuses and methods for improving driving performance | |
EP2965982B1 (de) | Motorisch und/oder mit muskelkraft betreibbares fahrzeug | |
CN108876799A (zh) | 一种基于双目相机的实时台阶检测方法 | |
CN105788251A (zh) | 基于北斗车联网的货车超载实时监控系统及方法 | |
Rettore et al. | A method of eco-driving based on intra-vehicular sensor data | |
CN106989752A (zh) | 对具有有限的车载能量的车辆规划旅程的方法和系统 | |
CN114379559A (zh) | 一种基于车辆信息采集系统的驾驶风险评价特征画像方法 | |
Michael et al. | Estimating the potential of wind energy resources using Weibull parameters: A case study of the coastline region of Dar es Salaam, Tanzania | |
CN104050731A (zh) | 一种车辆异常变道的判断方法及装置 | |
Shaw et al. | Instantaneous fuel consumption estimation using smartphones | |
DE102013019548A1 (de) | Verfahren zur Reichweitenmessung von Hybridfahrzeugen. | |
Ma et al. | The future demand of transportation in China: 2030 scenario based on a hybrid model | |
DE102017005193A1 (de) | Verfahren und Server zum Senken des Kraftstoffverbrauchs von einem Fahrzeug | |
CN103900631A (zh) | 车载追踪器的检测系统及检测方法 | |
CN108268678A (zh) | 驾驶行为分析方法、装置及系统 | |
Alvarez et al. | Evaluation of the electric bicycle as an alternative mobility in the city of Cuenca Ecuador | |
Galvin | How does speed affect the rebound effect in car travel? Conceptual issues explored in case study of 900 Formula 1 Grand Prix speed trials | |
Martins et al. | Methodology for the energy characterization of type-approval and real-world driving cycles for passenger vehicles | |
Mocanu et al. | Dynamic and acoustic behaviour of electric versus combustion vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |