CN104978492A - 一种基于车联网数据流的安全驾驶评价方法 - Google Patents
一种基于车联网数据流的安全驾驶评价方法 Download PDFInfo
- Publication number
- CN104978492A CN104978492A CN201510400656.7A CN201510400656A CN104978492A CN 104978492 A CN104978492 A CN 104978492A CN 201510400656 A CN201510400656 A CN 201510400656A CN 104978492 A CN104978492 A CN 104978492A
- Authority
- CN
- China
- Prior art keywords
- score
- safe driving
- evaluation method
- acceleration
- model
- 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.)
- Pending
Links
Abstract
本发明涉及一种基于车联网数据流的安全驾驶评价方法。所述方法包括:建立安全驾驶评分模型;从车联网获取车辆运行的实时数据;将所述实时数据代入安全驾驶评分模型,得到车辆的安全驾驶分数;根据安全分数评定安全等级。本发明通过数据采集、模型建立与训练和模型验证与调整,建立了安全驾驶评分模型。所述模型充分考虑了平均加速度、平均减速度、平均横向加速度、加速度标准差、最大加速度、典型加速度和疲劳驾驶时长等与安全驾驶有关的多个指标参数的影响,并根据各指标参数对安全驾驶影响的大小分别赋于它们不同的权重。与现有技术相比,本发明所述评价方法更加科学、全面、准确。最终给出的是车辆行驶的安全得分以及安全级别。
Description
技术领域
本发明属于汽车安全驾驶领域,具体涉及一种基于车联网数据流的驾驶员安全驾驶行为的评价方法。
背景技术
汽车物联网(简称车联网)是一种汽车服务,它使用车辆和道路上的传感设备搜集车辆、道路、环境的信息,实现人、车、路互联互通和信息共享,用户可以在信息网络平台上获取、共享和有效利用涉车信息。汽车远程服务提供商TSP在Telematics(远距离通信的电信与信息科学)产业链居于核心地位。Telematics服务集合了位置服务、Gis服务和通信服务等现代计算机技术,可为车主和个人提供导航、娱乐、资讯、安防等强大的服务。
随着车联网应用的逐步加深,后装OBD(On-Board Diagnostic,车载诊断系统)设备和前装集成设备在汽车上的安装,使越来越多的车辆被纳入了信息全程覆盖的范围。汽车作为一个综合的信息服务终端,一方面源源不断地向远程服务器发送车辆各个子系统的运行数据,另一方面从互联网上获取各式各样的信息,包括新闻资讯、音频、视频、基于位置的服务等。
目前通过车联网数据挖掘出驾驶人员的行为是否安全仍然处于探索阶段,现有的一些类似的评价方法相对比较简单,评价的指标参数较少,评价结果的准确性也没有很好地得到验证。专利号为CN102163368B、名称为“不安全驾驶行为的识别与监控系统及方法”的中国专利,公开了一种安全驾驶评价方法,其中阐述的不安全驾驶行为识别方法仅通过纵向加速度、横向加速度、垂直加速度三个参数进行阈值判断,而且阈值提取过程中使用的样本有限,最终给出的评价结论只有安全或者不安全两种,仍然有细化的空间。
发明内容
针对现有技术中存在的上述问题,本发明提出一种基于车联网数据流的驾驶员安全驾驶行为的评价方法。从车联网的数据流中获取驾驶员的驾驶行为,根据建立的安全驾驶评分模型,对道路上驾驶员的驾驶行为进行实时安全评估,引导驾驶员养成良好的驾驶习惯。
为实现上述目的,本发明采用如下技术方案。
一种基于车联网数据流的安全驾驶评价方法,包括以下步骤:
步骤1,建立安全驾驶评分模型:车辆的安全驾驶评分等于指标参数的得分加权后求和。
步骤2,从车联网获取车辆运行的实时数据。
步骤3,根据步骤2得到的数据,应用步骤1建立的所述安全驾驶评分模型进行评分,得到车辆的安全驾驶分数。
进一步地,步骤1所述的指标参数包括:平均加速度,平均减速度,平均横向加速度,加速度标准差,最大加速度,最大减速度,典型加速度,典型减速度,急加速次数,急减速次数,急转弯次数,疲劳驾驶时长。
进一步地,所述安全驾驶评价方法还包括根据所述步骤3得到的安全分数评定安全等级。
进一步地,所述安全等级的评价方法为:80~100分为十分安全;60~79分为安全;40-59分为一般;20~39分为有风险;0~19分为高风险。
进一步地,建立安全驾驶评分模型包括数据采集阶段、模型建立与训练阶段和模型验证与调整阶段。
进一步地,所述数据采集阶段包括:采集不同性别不同年龄的驾驶人员、不同车型、不同时段、不同天气状况、不同交通状况的驾驶行为数据,组织不同评估人员进行主观评估。
进一步地,所述模型建立与训练阶段包括:选取数学模型:安全驾驶评分等于多个指标参数的得分加权后求和。根据数据采集阶段获得的数据,计算所述数学模型中的指标参数及得分,通过对所述数学模型训练,确定各个指标参数得分项的权重,得到初步评分模型。所述权重的取值范围为大于等于零且小于1。
进一步地,所述模型验证与调整阶段包括:选取不同于所述数据采集阶段的数据样本,采用方差分析、拟合度分析方法,对所述初步评分模型进行验证、调整。重复上述验证、调整过程,直至评分模型的得分与验证人员的打分相符为止,得到最终的安全驾驶评分模型。
进一步地,所述指标参数得分的计算公式为:
Mark_A=100-ModelMark(a,"A")
式中,Mark_A为指标参数A的得分,a为指标参数A的值,函数ModelMark(a,"A")的计算方法为:首先在打分矩阵中找到参数A对应的列C,然后将a的值和第C列的每一行的值进行比较,第一个大于a的值对应的分值即为函数ModelMark(a,"A")的值。
进一步地,所述打分矩阵的元素对应指标参数的得分,同一列的元素对应同一个指标参数的得分,同一行的元素对应同一个得分,第一~十一行对应的分值分别为0、10、20、…、100,每一个元素的值均为其对应的指标参数取得相应得分时的临界值。
与现有技术相比,本发明具有以下优点:
本发明通过数据采集、模型建立与训练和模型验证与调整,建立了安全驾驶评分模型。所述模型充分考虑了与安全驾驶有关的多个指标参数的影响,如:平均加速度,平均减速度,平均横向加速度,加速度标准差,最大加速度,最大减速度,典型加速度,典型减速度,急加速次数,急减速次数,急转弯次数,疲劳驾驶时长,并根据各指标参数对安全驾驶影响的大小分别赋于它们不同的权重。与现有技术相比,本发明所述评价方法更加科学、全面、准确。最终评价的结果为安全得分,并能在得分的基础上给出安全级别。
附图说明
图1为本发明实施例所涉及的安全驾驶评分方法流程图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。下面实施例中的具体数值只是为了说明本发明的实现方法,并不形成对本发明保护范围的限制。
一种基于车联网数据流的安全驾驶评价方法,流程图如图1所示,包括以下步骤:
S1、建立安全驾驶评分模型。
第一阶段:数据采集
采集不同驾驶人员、不同车型、不同时段、不同天气状况、不同交通状况的驾驶行为数据,辅以不同评估人员的主观评估结果,作为供训练样本集。
试验样本空间选为:1)相类似车型100辆;2)男女驾乘人员比例60:40,性别分布:18~60岁之间;3)每辆车的标准配置为1主驾+2测评人员;4)总驾乘:4000车次。
试验原则:1)保证样本抽样的随机性。选择不同类型驾驶人员、不同类型车辆,在不同时段、天气、交通状况下进行试验。选择不同类型的人员对于驾驶舒适性和安全性进行评估;2)保证样本的数据量。涵盖各种试验情景的总数据量不小于2000小时;3)保证数据的有效性。采集的数据需连续完整,不能有3分钟以上的传输断续,每段行程的数据都需配备评估人员的评估结果。
对所有的试验情景逐一进行数据采集与评估,并对采集数据及评估结果进行离线分析,检查数据是否有效,评估结果是否合格。采集数据包括开始时间、结束时间、驾驶经验、驾驶时段、驾驶车型、天气状况、交通状况、加速表现、刹车表现、过弯表现、并线表现、舒适性评估、安全性评估等。
第二阶段:模型建立与训练
首先,根据第一阶段采集的基础数据计算影响安全驾驶的指标参数。
基础数据包括车机号、用户名、经纬度、公里数、胎压、门的状态、后备箱的状态、瞬时油耗、长加速、方向盘位置、转向位置状态、车速、发动机转速等;指标参数包括:怠速时间、舒适性评估、加速表现、刹车表现、过弯表现、二氧化碳排放量、加速次数、减速次数、转弯次数、经济时速时间等。由基础数据计算指标参数的方法大部分比较简单,属于现有技术,这里仅给出几个比较典型的指标参数的计算方法。下面各式中速度的单位为米/秒,加速度的单位为米/秒2,角度的单位为度,时间的单位为秒。
横向加速度=车辆速度×车辆速度/3.6/3.6×(Sin(方向盘转过的角度/515×32×3.141593/180)/2.7)。
疲劳驾驶时间=行程总时间–7200。
急加速次数等于加速度大于3且小于20的次数。
急减速次数等于加速度大于-20且小于-2.3的次数。
急转弯次数等于横向加速度大于5且小于20的次数。
计算指标参数得分的方法很多,本实施例只给出一种利用打分矩阵计算指标参数得分的方法。
打分矩阵的元素对应指标参数的得分,同一列的元素对应同一个指标参数的得分,同一行的元素对应同一个得分,第一~十一行对应的分值分别为0、10、20、…、100,每一个元素的值均为其对应的指标参数取得相应得分时的临界值。表1给出了一个只包含5个指标参数的打分矩阵。表中加速度和减速度的单位均为米/秒2。
表1打分矩阵示例
分值 | 加速度标准差 | 典型加速度 | 最大减速度 | 平均加速度 | 平均减速度 |
0 | 1.1825771 | 0.5114679 | -23.71289 | 0.1185536 | -0.760638 |
10 | 1.5237162 | 0.6640677 | -18.11045 | 0.2016186 | -0.571448 |
20 | 1.6955492 | 0.7179265 | -15.58602 | 0.2434888 | -0.507138 |
30 | 1.8168431 | 0.8376126 | -14.16881 | 0.2759044 | -0.466758 |
40 | 1.9229752 | 0.9154086 | -13.19447 | 0.3110213 | -0.417404 |
50 | 2.0644848 | 0.9752517 | -12.13155 | 0.3420863 | -0.378519 |
60 | 2.1958865 | 1.0291104 | -11.11293 | 0.3785539 | -0.341129 |
70 | 2.3323421 | 1.1787181 | -10.13859 | 0.4190734 | -0.308227 |
80 | 2.4940673 | 1.3941531 | -9.031388 | 0.4744501 | -0.272333 |
90 | 2.6911699 | 1.8250232 | -8.05705 | 0.5284761 | -0.22597 |
100 | 3.2799506 | 2.9949552 | -5.333333 | 0.6790737 | -0.139974 |
各个指标参数得分的计算方法相同,计算任意一个指标参数A的得分Mark_A的公式为:
Mark_A=100-ModelMark(a,"A")
式中,a为指标参数A的值,函数ModelMark(a,"A")的计算方法为:首先在打分矩阵中找到参数A对应的列C,然后将a的值和第C列的每一行的值进行比较,第一个大于a的值对应的分值即为函数ModelMark(a,"A")的值。
最后,建立初始评分模型。
选取数学模型的表达式为:
Y=β1X1+β2X2+…+βnXn
式中,Y为安全驾驶评分,X1,X2,…,Xn为各指标参数得分,β1,β2,…,βn分别为X1,X2,…,Xn对应的权重,0≤β1,β2,…,βn<1,在模型验证与调整阶段,权重调整为0表示该权重对应的指标参数对安全驾驶影响很小,从模型中剔除该指标参数的得分项。
利用上述数据对模型进行训练,根据模型训练结果,得到初步的权重β1,β2,…,βn。
第三阶段:模型验证与调整
将第二阶段得到的初步模型应用到实际的驾车过程中,采用方差分析、拟合度分析方法,对初步评分模型进行验证、调整。重复上述验证、调整过程,直至评分模型的得分与验证人员的打分相符为止,得到最终的安全驾驶评分模型。
验证的具体方法包括:1)选取新的即不同于第一阶段的100个实际体验模型样本进行3000车次实测;2)驾乘人员进行打分;3)驾乘人员打分结果与模型打分结果进行对比;4)打分差值在±10分以内的认为相符。
最后得到的安全驾驶评分模型中权重不为0的指标参数为:平均加速度、平均减速度(减速度表示车辆减速时的加速度)、平均横向加速度、加速度标准差、最大加速度、最大减速度、典型加速度、典型减速度、急加速次数、急减速次数、急转弯次数和疲劳驾驶;上述各指标参数得分的权重分别为:0.1、0.1、0.1、0.15、0.05、0.05、0.05、0.05、0.1、0.1、0.1和0.05。
S2、从车联网获取车辆行驶的数据。
车辆数据采集终端(如OBD设备)将获取的CAN总线数据,通过GPRS(General PacketRadio Service,通用分组无线服务技术)网络以二进制数据流方式上传到云端服务器,云端监听服务器在获取到数据后,将二进制数据流转化成明文数据流,进一步从明文数据流中提取安全评估所需的基础数据。
S3、根据步骤S2获取的数据计算指标参数,应用步骤S1建立的评分模型给车辆评分。
S4、根据步骤S3得到的评分评定待评价车辆的安全等级。安全等级评定方法如下:
80~100分为十分安全;60~79分为安全;40-59分为一般;20~39分为有风险;0~19分为高风险。
本发明不限于上述实施方式,本领域技术人员所做出的对上述实施方式任何显而易见的改进或变更,都不会超出本发明的构思和所附权利要求的保护范围。
Claims (10)
1.一种基于车联网数据流的安全驾驶评价方法,其特征在于包括以下步骤:
步骤1,建立安全驾驶评分模型:车辆的安全驾驶评分等于指标参数的得分加权后求和;
步骤2,从车联网获取车辆运行的实时数据;
步骤3,根据步骤2得到的数据,应用步骤1建立的所述安全驾驶评分模型进行评分,得到车辆的安全驾驶分数。
2.根据权利要求1所述的基于车联网数据流的安全驾驶评价方法,其特征在于,步骤1所述的指标参数包括:平均加速度,平均减速度,平均横向加速度,加速度标准差,最大加速度,最大减速度,典型加速度,典型减速度,急加速次数,急减速次数,急转弯次数,疲劳驾驶时长。
3.根据权利要求1所述的基于车联网数据流的安全驾驶评价方法,其特征在于,所述评价方法还包括根据所述步骤3得到的安全分数评定安全等级。
4.根据权利要求3所述的基于车联网数据流的安全驾驶评价方法,其特征在于,所述安全等级的评价方法为:80~100分为十分安全;60~79分为安全;40-59分为一般;20~39分为有风险;0~19分为高风险。
5.根据权利要求1~4任意一项所述的基于车联网数据流的安全驾驶评价方法,其特征在于,所述步骤1建立安全驾驶评分模型的方法包括:数据采集阶段、模型建立与训练阶段和模型验证与调整阶段。
6.根据权利要求5所述的基于车联网数据流的安全驾驶评价方法,其特征在于,所述数据采集阶段包括:采集不同性别不同年龄的驾驶人员、不同车型、不同时段、不同天气状况、不同交通状况的驾驶行为数据,组织不同评估人员进行主观评估。
7.根据权利要求5所述的基于车联网数据流的安全驾驶评价方法,其特征在于,所述模型建立与训练阶段包括:选取数学模型:安全驾驶评分等于多个指标参数的得分加权后求和;根据数据采集阶段获得的数据,计算所述数学模型中的指标参数及得分,通过对所述数学模型训练,确定各个指标参数得分项的权重,得到初步评分模型;所述权重的取值范围为大于等于零且小于1。
8.根据权利要求5所述的基于车联网数据流的安全驾驶评价方法,其特征在于,所述模型验证与调整阶段包括:选取不同于所述数据采集阶段的数据样本,采用方差分析、拟合度分析方法,对所述初步评分模型进行验证、调整;重复上述验证、调整过程,直至评分模型的得分与验证人员的打分相符为止,得到最终的安全驾驶评分模型。
9.根据权利要求7所述的基于车联网数据流的安全驾驶评价方法,其特征在于,所述指标参数得分的计算公式为:
Mark_A=100-ModelMark(a"A")
式中,Mark_A为指标参数A的得分,a为指标参数A的值,函数ModelMark(a,"A")的计算方法为:首先在打分矩阵中找到参数A对应的列C,然后将a的值和第C列的每一行的值进行比较,第一个大于a的值对应的分值即为函数ModelMark(a,"A")的值。
10.根据权利要求9所述的基于车联网数据流的安全驾驶评价方法,其特征在于,所述打分矩阵的元素对应指标参数的得分,同一列的元素对应同一个指标参数的得分,同一行的元素对应同一个得分,第一~十一行对应的分值分别为0、10、20、…、100,每一个元素的值均为其对应的指标参数取得相应得分时的临界值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510400656.7A CN104978492A (zh) | 2015-07-09 | 2015-07-09 | 一种基于车联网数据流的安全驾驶评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510400656.7A CN104978492A (zh) | 2015-07-09 | 2015-07-09 | 一种基于车联网数据流的安全驾驶评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104978492A true CN104978492A (zh) | 2015-10-14 |
Family
ID=54274991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510400656.7A Pending CN104978492A (zh) | 2015-07-09 | 2015-07-09 | 一种基于车联网数据流的安全驾驶评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104978492A (zh) |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105632103A (zh) * | 2016-03-11 | 2016-06-01 | 张海涛 | 一种疲劳驾驶的监测方法及装置 |
CN105677878A (zh) * | 2016-01-12 | 2016-06-15 | 北京中交兴路车联网科技有限公司 | 一种基于bi系统的车辆信息多维展示的方法及系统 |
CN105702068A (zh) * | 2016-03-09 | 2016-06-22 | 深圳市成为智能交通系统有限公司 | 一种基于移动终端的高级驾驶辅助系统 |
CN105761480A (zh) * | 2016-04-29 | 2016-07-13 | 南京人人保网络技术有限公司 | 驾驶行为监控管理方法、装置及服务器 |
CN105975756A (zh) * | 2016-04-28 | 2016-09-28 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急转弯行为识别方法 |
CN106651210A (zh) * | 2016-12-30 | 2017-05-10 | 重庆邮电大学 | 基于can数据的驾驶人综合素质评价方法 |
CN106651133A (zh) * | 2016-11-18 | 2017-05-10 | 杭州好好开车科技有限公司 | 一种使用手机实现基于adas的用户驾驶行为评分方法 |
CN106781450A (zh) * | 2015-11-19 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 一种交通数据处理方法及装置 |
CN106952002A (zh) * | 2017-04-05 | 2017-07-14 | 南京人人保网络技术有限公司 | 基于驾驶行为的驾驶风险评估方法及装置 |
CN106971057A (zh) * | 2017-02-16 | 2017-07-21 | 上海大学 | 一种驾驶习惯数据分析方法 |
CN106980911A (zh) * | 2017-04-05 | 2017-07-25 | 南京人人保网络技术有限公司 | 基于静态因子的驾驶风险评估方法及装置 |
CN107341864A (zh) * | 2017-06-07 | 2017-11-10 | 华东师范大学 | 通过车辆总线记录设备分析驾驶员驾驶行为的评价系统 |
CN107563931A (zh) * | 2017-08-16 | 2018-01-09 | 上海经达信息科技股份有限公司 | 一种基于北斗或者gps数据的车辆实时驾驶行为优劣评估方法 |
CN108171820A (zh) * | 2018-01-10 | 2018-06-15 | 厦门日上运通物联网有限公司 | 一种车队管理系统及车队管理综合评分方法 |
CN108944941A (zh) * | 2018-07-13 | 2018-12-07 | 上海擎感智能科技有限公司 | 一种基于车载终端的驾驶习惯实时反馈方法及系统、车载终端 |
CN108944944A (zh) * | 2018-07-09 | 2018-12-07 | 深圳市易成自动驾驶技术有限公司 | 自动驾驶模型训练方法、终端及可读存储介质 |
CN109147279A (zh) * | 2018-10-19 | 2019-01-04 | 燕山大学 | 一种基于车联网的驾驶员疲劳驾驶监测预警方法及系统 |
CN109840654A (zh) * | 2017-11-28 | 2019-06-04 | 比亚迪股份有限公司 | 车辆驾驶行为的分析方法、装置、系统和计算机设备 |
CN109979198A (zh) * | 2019-04-08 | 2019-07-05 | 东南大学 | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 |
CN110001653A (zh) * | 2019-03-29 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 一种驾驶行为评估方法、服务器及计算机可读介质 |
CN110060370A (zh) * | 2019-04-15 | 2019-07-26 | 上海经达信息科技股份有限公司 | 车辆急加速急减速次数等效统计方法 |
CN110210949A (zh) * | 2019-06-17 | 2019-09-06 | 中国人民解放军陆军特色医学中心 | 一种车辆运营智慧管理平台 |
CN110533261A (zh) * | 2019-09-06 | 2019-12-03 | 江苏物联网研究发展中心 | 一种物流运输车辆的驾驶行为分析优化系统 |
CN110660270A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆碰撞风险评价模型的建立方法和碰撞风险评价方法 |
EP3533681A3 (en) * | 2018-08-03 | 2020-03-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for detecting safety of driving behavior, apparatus and storage medium |
CN111252075A (zh) * | 2020-02-20 | 2020-06-09 | 重庆长安新能源汽车科技有限公司 | 驾驶激烈程度评价系统、方法、存储介质及车辆 |
CN111401690A (zh) * | 2020-02-22 | 2020-07-10 | 中国平安财产保险股份有限公司 | 车队风险识别方法、电子装置及可读存储介质 |
CN111552926A (zh) * | 2020-04-28 | 2020-08-18 | 重庆长安新能源汽车科技有限公司 | 基于车联网的驾驶行为评价方法、系统及存储介质 |
CN112016584A (zh) * | 2019-05-31 | 2020-12-01 | 国际商业机器公司 | 基于异常检测的注意力下降检测 |
CN112346999A (zh) * | 2021-01-11 | 2021-02-09 | 北京赛目科技有限公司 | 一种场景无关的无人驾驶仿真测试评估方法及装置 |
CN112348095A (zh) * | 2020-11-10 | 2021-02-09 | 易显智能科技有限责任公司 | 一种评价驾驶员安全驾驶意识的方法及相关装置 |
CN112700156A (zh) * | 2021-01-07 | 2021-04-23 | 武汉理工大学 | 一种新能源汽车运行安全性能评价体系构建方法 |
CN112937591A (zh) * | 2019-12-11 | 2021-06-11 | 彩虹无线(北京)新技术有限公司 | 驾驶安全监测方法、装置、设备及计算机可读存储介质 |
CN114228723A (zh) * | 2021-12-09 | 2022-03-25 | 华人运通(上海)云计算科技有限公司 | 一种驾驶行为分析方法 |
CN115071725A (zh) * | 2022-08-02 | 2022-09-20 | 广东车卫士信息科技有限公司 | 驾驶行为分析方法及装置 |
CN112016584B (zh) * | 2019-05-31 | 2024-04-26 | 国际商业机器公司 | 基于异常检测的注意力下降检测 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101937421A (zh) * | 2009-07-03 | 2011-01-05 | 上海大潮电子技术有限公司 | 采集车辆实时运行信息而进行运行安全风险评估的方法 |
US20120232741A1 (en) * | 2009-09-18 | 2012-09-13 | The Foundation For The Promotion Of Industrial Science | Driving evaluation system, vehicle-mounted machine, and information processing center |
CN103606206A (zh) * | 2013-09-18 | 2014-02-26 | 武汉理工大学 | 一种汽车行驶状态感知装置及方法 |
CN103895649A (zh) * | 2014-04-10 | 2014-07-02 | 徐州柏瑞高新技术科技有限公司 | 一种驾驶员安全驾驶预警方法 |
CN104331953A (zh) * | 2014-10-29 | 2015-02-04 | 云南大学 | 一种基于物联网技术的汽车行为数据识别与管理方法 |
CN104751664A (zh) * | 2015-03-09 | 2015-07-01 | 南京丰泰通信技术股份有限公司 | 一种基于新概念的公众举报违规驾驶车辆的评价系统及其实现方法 |
-
2015
- 2015-07-09 CN CN201510400656.7A patent/CN104978492A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101937421A (zh) * | 2009-07-03 | 2011-01-05 | 上海大潮电子技术有限公司 | 采集车辆实时运行信息而进行运行安全风险评估的方法 |
US20120232741A1 (en) * | 2009-09-18 | 2012-09-13 | The Foundation For The Promotion Of Industrial Science | Driving evaluation system, vehicle-mounted machine, and information processing center |
CN103606206A (zh) * | 2013-09-18 | 2014-02-26 | 武汉理工大学 | 一种汽车行驶状态感知装置及方法 |
CN103895649A (zh) * | 2014-04-10 | 2014-07-02 | 徐州柏瑞高新技术科技有限公司 | 一种驾驶员安全驾驶预警方法 |
CN104331953A (zh) * | 2014-10-29 | 2015-02-04 | 云南大学 | 一种基于物联网技术的汽车行为数据识别与管理方法 |
CN104751664A (zh) * | 2015-03-09 | 2015-07-01 | 南京丰泰通信技术股份有限公司 | 一种基于新概念的公众举报违规驾驶车辆的评价系统及其实现方法 |
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781450A (zh) * | 2015-11-19 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 一种交通数据处理方法及装置 |
CN105677878A (zh) * | 2016-01-12 | 2016-06-15 | 北京中交兴路车联网科技有限公司 | 一种基于bi系统的车辆信息多维展示的方法及系统 |
CN105677878B (zh) * | 2016-01-12 | 2019-09-10 | 北京中交兴路车联网科技有限公司 | 一种基于bi系统的车辆信息多维展示的方法及系统 |
CN105702068A (zh) * | 2016-03-09 | 2016-06-22 | 深圳市成为智能交通系统有限公司 | 一种基于移动终端的高级驾驶辅助系统 |
CN105632103A (zh) * | 2016-03-11 | 2016-06-01 | 张海涛 | 一种疲劳驾驶的监测方法及装置 |
CN105975756A (zh) * | 2016-04-28 | 2016-09-28 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急转弯行为识别方法 |
CN105975756B (zh) * | 2016-04-28 | 2019-01-29 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急转弯行为识别方法 |
CN105761480A (zh) * | 2016-04-29 | 2016-07-13 | 南京人人保网络技术有限公司 | 驾驶行为监控管理方法、装置及服务器 |
CN106651133A (zh) * | 2016-11-18 | 2017-05-10 | 杭州好好开车科技有限公司 | 一种使用手机实现基于adas的用户驾驶行为评分方法 |
CN106651133B (zh) * | 2016-11-18 | 2020-07-10 | 杭州好好开车科技有限公司 | 一种使用手机实现基于adas的用户驾驶行为评分方法 |
CN106651210A (zh) * | 2016-12-30 | 2017-05-10 | 重庆邮电大学 | 基于can数据的驾驶人综合素质评价方法 |
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 |
CN106971057A (zh) * | 2017-02-16 | 2017-07-21 | 上海大学 | 一种驾驶习惯数据分析方法 |
CN106971057B (zh) * | 2017-02-16 | 2020-08-04 | 上海大学 | 一种驾驶习惯数据分析方法 |
CN106980911A (zh) * | 2017-04-05 | 2017-07-25 | 南京人人保网络技术有限公司 | 基于静态因子的驾驶风险评估方法及装置 |
CN106952002A (zh) * | 2017-04-05 | 2017-07-14 | 南京人人保网络技术有限公司 | 基于驾驶行为的驾驶风险评估方法及装置 |
CN107341864A (zh) * | 2017-06-07 | 2017-11-10 | 华东师范大学 | 通过车辆总线记录设备分析驾驶员驾驶行为的评价系统 |
CN107563931A (zh) * | 2017-08-16 | 2018-01-09 | 上海经达信息科技股份有限公司 | 一种基于北斗或者gps数据的车辆实时驾驶行为优劣评估方法 |
CN109840654A (zh) * | 2017-11-28 | 2019-06-04 | 比亚迪股份有限公司 | 车辆驾驶行为的分析方法、装置、系统和计算机设备 |
CN108171820A (zh) * | 2018-01-10 | 2018-06-15 | 厦门日上运通物联网有限公司 | 一种车队管理系统及车队管理综合评分方法 |
CN110660270A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆碰撞风险评价模型的建立方法和碰撞风险评价方法 |
CN110660270B (zh) * | 2018-06-29 | 2021-09-21 | 比亚迪股份有限公司 | 车辆碰撞风险评价模型的建立方法和碰撞风险评价方法 |
CN108944944A (zh) * | 2018-07-09 | 2018-12-07 | 深圳市易成自动驾驶技术有限公司 | 自动驾驶模型训练方法、终端及可读存储介质 |
CN108944941A (zh) * | 2018-07-13 | 2018-12-07 | 上海擎感智能科技有限公司 | 一种基于车载终端的驾驶习惯实时反馈方法及系统、车载终端 |
US11084494B2 (en) | 2018-08-03 | 2021-08-10 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for detecting safety of driving behavior, apparatus, device and storage medium |
EP3533681A3 (en) * | 2018-08-03 | 2020-03-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for detecting safety of driving behavior, apparatus and storage medium |
CN109147279A (zh) * | 2018-10-19 | 2019-01-04 | 燕山大学 | 一种基于车联网的驾驶员疲劳驾驶监测预警方法及系统 |
CN110001653B (zh) * | 2019-03-29 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种驾驶行为评估方法、服务器及计算机可读介质 |
CN110001653A (zh) * | 2019-03-29 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 一种驾驶行为评估方法、服务器及计算机可读介质 |
CN109979198A (zh) * | 2019-04-08 | 2019-07-05 | 东南大学 | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 |
CN110060370A (zh) * | 2019-04-15 | 2019-07-26 | 上海经达信息科技股份有限公司 | 车辆急加速急减速次数等效统计方法 |
CN112016584A (zh) * | 2019-05-31 | 2020-12-01 | 国际商业机器公司 | 基于异常检测的注意力下降检测 |
CN112016584B (zh) * | 2019-05-31 | 2024-04-26 | 国际商业机器公司 | 基于异常检测的注意力下降检测 |
CN110210949A (zh) * | 2019-06-17 | 2019-09-06 | 中国人民解放军陆军特色医学中心 | 一种车辆运营智慧管理平台 |
CN110533261A (zh) * | 2019-09-06 | 2019-12-03 | 江苏物联网研究发展中心 | 一种物流运输车辆的驾驶行为分析优化系统 |
CN112937591B (zh) * | 2019-12-11 | 2023-04-07 | 彩虹无线(北京)新技术有限公司 | 驾驶安全监测方法、装置、设备及计算机可读存储介质 |
CN112937591A (zh) * | 2019-12-11 | 2021-06-11 | 彩虹无线(北京)新技术有限公司 | 驾驶安全监测方法、装置、设备及计算机可读存储介质 |
CN111252075A (zh) * | 2020-02-20 | 2020-06-09 | 重庆长安新能源汽车科技有限公司 | 驾驶激烈程度评价系统、方法、存储介质及车辆 |
CN111401690A (zh) * | 2020-02-22 | 2020-07-10 | 中国平安财产保险股份有限公司 | 车队风险识别方法、电子装置及可读存储介质 |
CN111552926A (zh) * | 2020-04-28 | 2020-08-18 | 重庆长安新能源汽车科技有限公司 | 基于车联网的驾驶行为评价方法、系统及存储介质 |
CN112348095A (zh) * | 2020-11-10 | 2021-02-09 | 易显智能科技有限责任公司 | 一种评价驾驶员安全驾驶意识的方法及相关装置 |
CN112700156A (zh) * | 2021-01-07 | 2021-04-23 | 武汉理工大学 | 一种新能源汽车运行安全性能评价体系构建方法 |
CN112346999A (zh) * | 2021-01-11 | 2021-02-09 | 北京赛目科技有限公司 | 一种场景无关的无人驾驶仿真测试评估方法及装置 |
CN114228723A (zh) * | 2021-12-09 | 2022-03-25 | 华人运通(上海)云计算科技有限公司 | 一种驾驶行为分析方法 |
CN114228723B (zh) * | 2021-12-09 | 2024-04-12 | 华人运通(上海)云计算科技有限公司 | 一种驾驶行为分析方法 |
CN115071725A (zh) * | 2022-08-02 | 2022-09-20 | 广东车卫士信息科技有限公司 | 驾驶行为分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104978492A (zh) | 一种基于车联网数据流的安全驾驶评价方法 | |
CN104792937B (zh) | 一种基于车载重力加速度传感器的桥头跳车检测评价方法 | |
DE60304264T2 (de) | Schätzung der Fahrerbelastung | |
US9135759B2 (en) | Driver measurement and incentive system for improving fuel-efficiency | |
EP3921752B1 (de) | Überwachung und korrektur der verschleierung fahrzeugbezogener daten | |
Zuriaga et al. | Modeling operating speed and deceleration on two-lane rural roads with global positioning system data | |
US20160110650A1 (en) | Advanced context-based driver scoring | |
CN106920040A (zh) | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 | |
EP2320387A1 (en) | A method and device for evaluating vehicle's fuel consumption efficiency | |
CN104408922A (zh) | 基于北斗导航驾驶行为评分方法 | |
CN103247091A (zh) | 一种驾驶评价系统及方法 | |
WO2016056568A1 (ja) | 路面状態判別システム | |
CN110349427B (zh) | 一种基于大数据的智慧交通管理系统 | |
EP2658291A1 (de) | Verfahren zur automatisierten Ermittlung des Aufenthaltsortes einer Person | |
CN106683227B (zh) | 车辆行程划分方法及装置 | |
CN109872533A (zh) | 一种基于空间数据的车道级实时交通情报处理方法 | |
CN112991685A (zh) | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 | |
CN104205184A (zh) | 用于控制交通信息数据的提供以更新交通信息的方法 | |
DE102015226650B4 (de) | Verfahren und Vorrichtung zum anonymisierten Übermitteln eines ersten Werts zumindest eines Fahrparameters eines Fahrzeugs an eine externe Datenempfangseinheit | |
CN114971268A (zh) | 列车性能评估方法及装置、存储介质及电子设备 | |
CN110889444A (zh) | 一种基于卷积神经网络的驾驶轨迹特征分类方法 | |
CN111680888B (zh) | 基于rfid数据确定路网容量的方法 | |
CN106651133B (zh) | 一种使用手机实现基于adas的用户驾驶行为评分方法 | |
CN106780049B (zh) | 一种车辆金融授信方法及装置 | |
CN115809768A (zh) | 一种智慧城市信息资源展示系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151014 |