CN105206052B - 一种驾驶行为分析方法及设备 - Google Patents
一种驾驶行为分析方法及设备 Download PDFInfo
- Publication number
- CN105206052B CN105206052B CN201510603879.3A CN201510603879A CN105206052B CN 105206052 B CN105206052 B CN 105206052B CN 201510603879 A CN201510603879 A CN 201510603879A CN 105206052 B CN105206052 B CN 105206052B
- Authority
- CN
- China
- Prior art keywords
- violation
- driving behavior
- information
- driving
- traffic
- 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
Abstract
本申请的目的是提供一种驾驶行为分析方法及设备。具体地,获取现场图像,根据所述现场图像识别交通指示信息;获取驾驶行为的行驶信息,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为。与现有技术相比,通过获取现场图像,并有现场图像中识别出交通指示信息,由于通过现场图像识别得到的交通指示信息均为该路段最新的交通指示信息,无需通过定位信息由地图数据中查询对应路段的交通指示信息,同时也不会出现更新不及时的问题,由此保证了违规驾驶行为判断的准确性。
Description
技术领域
本申请涉及车联网技术领域,尤其涉及一种驾驶行为分析方法及设备。
背景技术
随着互联网技术的发展,互联网技术逐步应用到车辆驾驶行为的监控上。目前,一种常用的技术是通过车辆的OBD(On-Board Diagnostic,车载诊断)系统或者ADAS(Advanced Driver Assistance System,高级驾驶者辅助系统)等,获取车辆的一些行驶信息(例如车辆的行驶速度、加速度、GPS定位信息、转向信息、与前车的距离等),通过这些对这些行驶信息进行分析来确定该车辆是否存在违规的驾驶行为,例如超速、跟车过近、违规变道等。
但是在实际场景下,由于道路状况十分复杂,上述方式往往会发生判断结果与实际情况不一致的情形。以超速判断为例,现有技术提供的一种方式为:根据GPS定位信息确定车辆的当前位置,然后由地图数据中获取到该位置的限速,将当前的行驶速度与限速进行比较来确定是否超速。在该场景下,若车辆当前处于隧道、高架下方等定位系统可能无法正常工作的位置,由于缺少必要的定位信息,无法获取准确的判断结果;再如,若某一路段的限速发生变化或者交通管理部门临时调整限速,而地图信息未及时更新,都会导致判断结果发生错误。
因此,现有的驾驶行为分析技术对于违规驾驶行为进行判断的准确性较低。
发明内容
本申请的目的是提供一种驾驶行为分析方法及设备。
为实现上述目的,本申请提供了一种驾驶行为分析方法,该方法包括:
获取现场图像,根据所述现场图像识别交通指示信息;
获取驾驶行为的行驶信息,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为。
进一步地,根据所述现场图像识别交通指示信息,包括:
由所述现场图像识别交通信号的图像,并根据所述交通信号的图像获取所述交通信号所表示的交通指示信息。
进一步地,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为,包括:
根据所述交通指示信息更新违规判定条件,若所述驾驶行为的行驶信息符合违规判定条件,则确定所述驾驶行为违规驾驶行为。
进一步地,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,还包括:
判断所述违规驾驶行为的违规程度;
若所述违规驾驶行为是轻度违规的驾驶行为,则记录所述违规驾驶行为的简要事件信息,其中所述简要事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息和对应的交通指示信息;
若所述违规驾驶行为是重度违规的驾驶行为,则记录所述违规驾驶行为的全面事件信息,其中所述全面事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息、对应的交通指示信息以及所述违规驾驶行为发生时的现场图像。
进一步地,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,还包括:
结合关键信息对所述违规驾驶行为进行进一步确认,其中所述关键信息至少包括以下任意一项或多项:
交通主管部门提供的车辆违章信息;
所述违规驾驶行为的行驶信息中的位置信息;
所述违规驾驶行为的类型;
所述违规驾驶行为发生时的天气信息;
所述违规驾驶行为发生时的路况信息;
所述违规驾驶行为发生时的现场图像。
进一步地,结合关键信息对所述违规驾驶行为进行进一步确认,包括:根据所述违规驾驶行为的违规程度,结合关键信息对重度违规的驾驶行为进行进一步确认。
进一步地,根据所述违规驾驶行为的违规程度,结合关键信息对重度违规的驾驶行为进行进一步确认,包括:
在所述交通主管部门提供的车辆违章信息中查询所述重度违规的驾驶行为,若查询到所述重度违规的驾驶行为,则确认所述违规驾驶行为是重度违规的驾驶行为;
若查询不到所述重度违规的驾驶行为,则根据所述违规驾驶行为的行驶信息中的位置信息、所述违规驾驶行为的类型、所述违规驾驶行为发生时的天气信息以及所述违规驾驶行为发生时的路况信息调整所述驾驶行为的违规程度。
进一步地,在调整所述驾驶行为的违规程度之后,还包括:
根据所述违规驾驶行为发生时的现场图像判断是否需要获取人工确认信息;
若不需要获取人工确认信息,则将调整后的违规程度作为所述驾驶行为的违规程度;
若需要获取人工确认信息,则将获取到的人工确认信息中确认的违规程度作为所述驾驶行为的违规程度。
进一步地,该方法还包括:
根据所述违规驾驶行为对所述违规驾驶行为对应的车辆和/或驾驶者的风险评估数据进行更新。
根据本申请的另一方面,还提供了一种驾驶行为分析设备,该设备包括:
第一装置,用于获取现场图像,根据所述现场图像识别交通指示信息;
第二装置,用于获取驾驶行为的行驶信息,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为。
进一步地,所述第一装置,用于获取现场图像,由所述现场图像识别交通信号的图像,并根据所述交通信号的图像获取所述交通信号所表示的交通指示信息。
进一步地,所述第二装置,用于获取驾驶行为的行驶信息,根据所述交通指示信息更新违规判定条件,若所述驾驶行为的行驶信息符合违规判定条件,则确定所述驾驶行为违规驾驶行为。
进一步地,该设备还包括:
第三装置,用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,判断所述违规驾驶行为的违规程度;
若所述违规驾驶行为是轻度违规的驾驶行为,则记录所述违规驾驶行为的简要事件信息,其中所述简要事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息和对应的交通指示信息;
若所述违规驾驶行为是重度违规的驾驶行为,则记录所述违规驾驶行为的全面事件信息,其中所述全面事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息、对应的交通指示信息以及所述违规驾驶行为发生时的现场图像。
进一步地,该设备还包括:
第四装置,用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,结合关键信息对所述违规驾驶行为进行进一步确认,其中所述关键信息至少包括以下任意一项或多项:
交通主管部门提供的车辆违章信息;
所述违规驾驶行为的行驶信息中的位置信息;
所述违规驾驶行为的类型;
所述违规驾驶行为发生时的天气信息;
所述违规驾驶行为发生时的路况信息;
所述违规驾驶行为发生时的现场图像。
进一步地,所述第四装置,用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,根据所述违规驾驶行为的违规程度,结合关键信息对重度违规的驾驶行为进行进一步确认。
进一步地,所述第四装置,包括:
第四一模块,用于在所述交通主管部门提供的车辆违章信息中查询所述重度违规的驾驶行为,若查询到所述重度违规的驾驶行为,则确认所述违规驾驶行为是重度违规的驾驶行为;
第四二模块,用于若查询不到所述重度违规的驾驶行为,则根据所述违规驾驶行为的行驶信息中的位置信息、所述违规驾驶行为的类型、所述违规驾驶行为发生时的天气信息以及所述违规驾驶行为发生时的路况信息调整所述驾驶行为的违规程度。
进一步地,所述第四装置,还包括:
第四三模块,用于在调整所述驾驶行为的违规程度之后,根据所述违规驾驶行为发生时的现场图像判断是否需要获取人工确认信息;若不需要获取人工确认信息,则将调整后的违规程度作为所述驾驶行为的违规程度;若需要获取人工确认信息,则将获取到的人工确认信息中确认的违规程度作为所述驾驶行为的违规程度。
进一步地,该设备还包括:
第五装置,用于根据所述违规驾驶行为对所述违规驾驶行为对应的车辆和/或驾驶者的风险评估数据进行更新。
与现有技术相比,本申请的技术方案通过获取现场图像,并有现场图像中识别出交通指示信息,例如道路现场的限速标识、交通信号灯的状态或者禁止转向标识等,然后结合行驶信息与交通指示信息对某一驾驶行为是否是违规驾驶行为进行判断,由于通过现场图像识别得到的交通指示信息均为该路段最新的交通指示信息,无需通过定位信息由地图数据中查询对应路段的交通指示信息,同时也不会出现更新不及时的问题,由此保证了违规驾驶行为判断的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请实施例提供的一种驾驶行为分析设备的结构示意图;
图2为本申请实施例提供的驾驶行为分析设备的一种典型实现方式的结构示意图;
图3为本申请实施例提供的另一种驾驶行为分析设备的结构示意图;
图4为本申请实施例提供的驾驶行为分析设备的另一种典型实现方式的结构示意图;
图5为图4所示的实现方式中所述车载终端进行相关处理的流程图;
图6为本申请实施例提供的一种优选的驾驶行为分析设备的结构示意图;
图7为图6所示的驾驶行为分析设备中第四装置的具体结构示意图;
图8为本申请实施例提供的驾驶行为分析设备的一种典型实现方式中网络设备一侧的相关处理的流程图;
图9为本申请实施例提供的一种驾驶行为分析方法的流程图;
图10为本申请实施例提供的一种优选的驾驶行为分析方法的流程图;
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
图1示出了本申请实施例提供的一种驾驶行为分析设备,其中,该设备包括第一装置110和第二装置120。具体地,所述第一装置110于获取现场图像,根据所述现场图像识别交通指示信息;所述第二装置120用于获取驾驶行为的行驶信息,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为。
在此,所述设备可以包括但不限于车载终端、网络设备或车载设备与网络设备通过网络相集成所构成的设备。所述车载终端包括设置于车辆内可以获取现场图片以及行驶信息,并进行相关数据处理的终端设备。所述网络设备包括但不限于如网络主机、单个网络服务器、多个网络服务器集群或基于云计算的计算机集合等实现。在此,云由基于云计算(Cloud Computing)的大量主机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟计算机。
图2示出了车载终端作为上述驾驶行为分析设备的一种典型实现方式,该车载终端包括摄像头210、数据接口220、处理器230和存储器240。其中,所述摄像头210用于获取现场图像,所述数据接口220用于获取驾驶行为的行驶信息,所述处理器230用于根据所述现场图像识别交通指示信息,以及根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为;所述存储器240用于存储处理过程中的产生相关数据。在此,本领域技术人员应能理解车载终端作为上述设备的实现方式仅为举例,其他现有的或今后可能出现的设备的实现方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
所述现场图像是指行车过程中车辆周围的图像信息,例如可以是通过行车记录仪、摄像头等图像采集设备获取到的视频、图片等。具体获取到的现场图像所包含的内容与图像采集设备的设置有关,例如仅设置一个摄像头,且该摄像头位于车辆中间的后视镜上并朝向前方,若该摄像头的摄像角度为135°,那么获取到的现场图像即为该摄像头可以拍摄到的图片或者视频。所述行驶信息是指车辆在行车过程中自身的行为信息,包括但不限于车辆的行驶速度、加速度、位置信息、转向信息、与前车的距离等,实际应用中可以采用能够与车辆总线进行通信的数据接口获取上述信息,例如在ADAS或者OBD系统中获取行驶信息的方式。
相较于现有技术,本实施例提供的方案保证了违规驾驶行为判断的准确性。例如,现有的驾驶行为分析方案中没有结合实际的交通信号灯的状态进行判断,会导致闯红灯也不会被感知记录。而本实施例中的方案可以通过识别交通信号灯是否处于红灯状态来进行准确判断。
再如,若车辆处于高架下方的路面上,现有的方案不能判断是按高架下方路面的限速来判断还是按高架路面的限速来判断,或者在隧道、高架、高楼下方、GPS或北斗的定位方式不能正常工作时,这些区域就成为不能判断超速等违规驾驶行为的盲区。此外,如果地图信息更新不及时或者因道路施工等需要交通部门临时进行交通信号调整都会导致错误判断。而本实施例中的方案是通过实际的路面交通指示信息进行判断,能实时准确获知路面的限速,可以做到和实际道路上的情况完全一致。
此外,现有的驾驶行为分析方案不能判断违规变道或者转弯的驾驶行为等,即使路口树立了禁止左转标识,现有的方法也不能判断车辆左转的违规驾驶行为。而本实施例中的方案由于是通过实际的路面交通信息进行判断,可以做到和道路的实际要求完全一致。
综上所述,本实施例提供的方案通过获取现场图像,并有现场图像中识别出交通指示信息,例如道路现场的限速标识、交通信号灯的状态或者禁止转向标识等,然后结合行驶信息与交通指示信息对某一驾驶行为是否是违规驾驶行为进行判断,由于通过现场图像识别得到的交通指示信息均为该路段最新的交通指示信息,无需通过定位信息由地图数据中查询对应路段的交通指示信息,同时也不会出现更新不及时的问题,由此保证了违规驾驶行为判断的准确性。
具体地,在由现场图像识别交通指示信息时,所述第一装置110具体用于获取现场图像,由所述现场图像识别交通信号的图像,并根据所述交通信号的图像获取所述交通信号所表示的交通指示信息。所述交通指示信息是指实际道路中相关交通信号所表示的具体含义,而所述交通信号包括但不限于交通信号灯(红灯表示禁止通行,绿灯表示可以通行)、车道的标识线(实线表示不可变道,虚线表示可以变道)、车道箭头方向(表示该车道用于直行、左转或者右转等)、限速标识(表示该路段的最高行驶速度)、限行标识(例如某一类型的车辆禁止通行)、禁止转向标识(表示禁止向某个方向转弯)等。例如,在某一应用场景下,车辆在通过某一路段时拍摄到的现场图像中包含了一限速标识,通过预设的限速标识的图像特征,能够由该现场图像中识别出这一限速标识,根据该限速标识可以获取到的交通指示信息为当前路段的最高行驶速度。当然,若该现场图像中同时还包含其它的交通信号,可以同时识别所述其它的交通信号并获取其所表示的交通指示信息。
进一步地,所述第二装置120具体用于获取驾驶行为的行驶信息,根据所述交通指示信息更新违规判定条件,若所述驾驶行为的行驶信息符合违规判定条件,则确定所述驾驶行为违规驾驶行为。在实际应用中,通过设定能够进行更新的违规判定条件与当前驾驶行为的行驶信息进行对比,从而实现违规驾驶行为的判断。
其中,所述违规判定条件更新的依据基于获取到的交通指示信息,以几种常见的违规驾驶行为为例进行详细说明。例如,例如现场图像中交通信号灯当前为红灯,则获取到的交通指示信息为禁止通过该路口,由此更新违规判定条件为在红灯时通过该路口。确定驾驶行为的行驶信息符合违规判定条件的方式可以根据实际场景采用不同的方式,如在该场景下,可以结合当前行驶速度、加速度以及与红灯的距离进行计算,由计算结果判断车辆是否在红灯情况下通过路口,或者由现场图像识别后续时刻的位置信息(是否已经通过该路口)判断是驾驶行为是否符合违规判定条件。由此确定当前的驾驶行为是否属于违规驾驶行为(闯红灯行为)。
再如,由现场图像中的限速标识获取的交通指示信息为该路段的最高行驶速度为80KM/H,由此更新违规判定条件为当前的行驶速度大于80KM/H。若此时获取到的行驶信息中行驶速度大于该限速,则判定为当前的驾驶行为属于违规驾驶行为(超速行为)。
还如,现场图像中当前车道左侧的标识线为实线,由此获取到的交通指示信息为当前车道不可向左侧变道,由此更新违规判定条件为车辆向左侧变道。此时,可以结合当前行驶速度、加速度、转向信息等计算出车辆向左偏移的距离,由此确定是否向左侧变道,或者由现场图像识别后续时刻的位置信息(当前车道是否已经变换为原车道的左侧车道)来判定是否符合违规判定条件。由此确定当前的驾驶行为是否属于违规驾驶行为(实线变道行为)。
作为一种优选的实施方式,本申请实施例还提供了另一种驾驶行为分析设备,该设备的结构如图3所示,除图1所示的第一装置110和第二装置120之外,还包括第三装置130。具体地,所述第三装置130用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,判断所述违规驾驶行为的违规程度;若所述违规驾驶行为是轻度违规的驾驶行为,则记录所述违规驾驶行为的简要事件信息,其中所述简要事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息和对应的交通指示信息;若所述违规驾驶行为是重度违规的驾驶行为,则记录所述违规驾驶行为的全面事件信息,其中所述全面事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息、对应的交通指示信息以及所述违规驾驶行为发生时的现场图像。在此,本领域技术人员应当理解,所述第一装置110和第二装置120分别与图1实施例中对应装置的内容相同或基本相同,为简明起见,故在此不再赘述,并以引用的方式包含于此。
本实施提供的技术方案通过对所述违规驾驶行为的违规程度进行判断,对于轻度违规的驾驶行为仅记录其简要事件信息,而对于重度违规的驾驶行为记录其全面事件信息,与简要事件信息相比,全面事件信息所记录的内容更加详尽。通过对不同违规程度的违规驾驶行为进行不同的处理,以便于更加合理的分配设备的计算资源。
在此,所述违规驾驶行为的违规程度可以根据实际应用场景进行设定,一般可以基于该违规驾驶行为的危险程度进行划分,例如参考现行的交通规则中关于违法行为的扣分标准,将记3分以下的驾驶行为作为轻度违规的驾驶行为,将记3分以上的行为作为重度违规的驾驶行为。此外,对于一些不属于违法行为的不良驾驶习惯,例如跟车过近、频繁变换车道等也可以作为轻度违规的驾驶行为。在此,本领域技术人员应当理解上述划分违规程度的方式仅为举例,实际应用中违规程度的划分也不仅仅局限于划分成重度违规和轻度违规,可以根据实际情况划分为更多的程度,或者对重度违规和轻度违规进行进一步划分。因此,其他现有的或今后可能出现的违规程度的划分实现方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
与简要事件信息相比,全面事件信息所记录的内容还包括了所述违规驾驶行为发生时的现场图像。例如,假设前述提及的实线变道行为属于轻度违规的驾驶行为,则设备至少会记录该实线变道行为对应的违规程度、发生时间、行驶信息和对应的交通指示信息,其中对应的违规程度为轻度违规,发生时间可以是某一时间段,例如2015-9-15 13:00:15~2015-9-15 13:00:20,行驶信息可以是上述时间段内的所有行驶信息或者与该违规驾驶行为相关的行驶信息,对应的交通指示信息即为当前车道左侧为实线,禁止向左变道。对于重度违规的驾驶行为(如闯红灯行为),除了会记录轻度违规的驾驶行为所包含的所有信息之外,还会记录所述违规驾驶行为发生时的现场图像。例如闯红灯行为的发生时间为2015-9-15 09:01:11~2015-9-15 09:01:17,则除了记录该闯红灯行为对应的违规程度、发生时间、行驶信息和对应的交通指示信息,还会记录该时间段内的车载终端的摄像头所拍摄到的现场图像。
在另一种实际应用场景中,若所述驾驶行为分析设备的具体实现方式为车载设备410与网络设备420通过通信网络430相集成所构成的设备,如图4所示。所述车载设备410可以采用如图2实施例中的结构,此外,所述车载设备410还用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,判断所述违规驾驶行为的违规程度;若所述违规驾驶行为是轻度违规的驾驶行为,则记录所述违规驾驶行为的简要事件信息;若所述违规驾驶行为是重度违规的驾驶行为,则记录所述违规驾驶行为的全面事件信息;并且在记录所述简要事件信息或者全面事件信息后,车载设备410会向网络设备420上传简要事件信息或者全面事件信息,由网络设备420进行保存。
在该应用场景下,车载设备410在向网络设备420上传所述简要事件信息或者全面事件信息之后,可以删除这些记录以提高存储器的利用率。此外,由于全面事件信息包含了完整的现场图像,其数据量大于简要事件信息,因此在上传时可以分别采用不同的发送策略,提高通信资源的利用率。例如,对于简要事件信息的上传,由于其数据量相对较小,可以实时上传或者在累积一段时间后定时批量上传。而对于全面事件信息,由于数据量相对较大,可以在车载设备410和网络设备420之间的通信网络较为空闲的时间进行上传。
图5示出了在本实施例中车载终端进行相关处理的流程,在车辆启动后,车载终端随之启动,在车辆的行驶过程中,车载终端的具体处理步骤如下:
步骤S501,拍摄现场图像,由现场图像中识别交通信号。
步骤S502,识别交通信号所表示的交通指示信息。
步骤S503,根据交通指示信息更新违规判定条件,然后返回执行步骤S501,直至车辆熄火。
步骤S504,采集车辆的行驶信息,该步骤可以与拍摄现场图像的同步进行。
步骤S505,将采集到的行驶信息与步骤S503更新得到违规判定条件进行匹配。
步骤S506,根据匹配结果判断是否存在违规驾驶行为,若为否,则返回执行步骤S504;若为是,则执行步骤S507。
步骤S507,判断违规驾驶行为的违规程度,若为轻度违规,则执行步骤S508;若为重度违规,则执行步骤S510。
步骤S508,记录简要事件信息。
步骤S509,上传简要事件信息,然后返回执行步骤S503直至车辆熄火。
步骤S510,记录全面事件信息。
步骤S511,上传全面事件信息,然后返回执行步骤S503直至车辆熄火。
进一步地,本申请实施例还提供了一种优选的驾驶行为分析设备,该设备的结构如图6所示,除图1所示的第一装置110和第二装置120之外,还包括第四装置140。具体地,所述第四装置140用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,结合关键信息对所述违规驾驶行为进行进一步确认,其中所述关键信息至少包括以下任意一项或多项:交通主管部门提供的车辆违章信息;所述违规驾驶行为的行驶信息中的位置信息;所述违规驾驶行为的类型;所述违规驾驶行为发生时的天气信息;所述违规驾驶行为发生时的路况信息;所述违规驾驶行为发生时的现场图像。本领域技术人员应当理解,所述第一装置110和第二装置120分别与图1实施例中对应装置的内容相同或基本相同,为简明起见,故在此不再赘述,并以引用的方式包含于此。
在此,所述关键信息中的交通主管部门提供的车辆违章信息,可以由交通主管部门提供的大数据接口查询得到;所述违规驾驶行为的行驶信息中的位置信息,可以通过例如GPS、北斗等卫星定位系统获取;所述违规驾驶行为的类型,可以通过该违规驾驶行为对应的交通指示信息或者违规判定条件等来判定;所述违规驾驶行为发生时的天气信息和路况信息,可以由气象台、交通信息平台等提供的数据接口获取;所述违规驾驶行为发生时的现场图像可以由车辆上的图像采集设备获取。
通过结合关键信息对第二装置120初步判定的违规驾驶行为进行进一步的确认,使得违规驾驶行为的认定更加准确,使得通过上述方案获得的违规驾驶行为的相关数据可以应用于对于数据准确性要求较高的UBI(Usage Based Insurance,基于驾驶行为确定保费)保险领域。
而本案的方法通过实际路面标识来判断是否有可疑的违规驾驶行为,再通过后台的交通主管部门信息的对接判断是否权威部门认定了违规信息,以及后台结合“更多关键信息”对可疑的违规驾驶行为进行认定和风险评估数据的更新。同时对现场数据和视频图像进行后台存储记录,通过这样的方式可以得到令人信服的驾驶行为判断,这样得到的数据可以有效用于UBI保险等领域。
若所述驾驶行为分析设备采用如图4所示的具体实现方式,由于网络设备能够记录海量的车辆违规驾驶行为的数据,并且方便从其它第三方系统或者平台获取关键信息,因此,可以由网络设备420结合关键信息对所述违规驾驶行为进行进一步确认。通过此种方式,由于车载终端无需进行复杂的处理,降低了车载终端的硬件需求,并且在进行整体的功能升级时,无需频繁对每个车载终端进行升级,降低了实际运营过程中的优化及管理成本。
在此基础上,可以结合图3中的方案,结合第三装置确定的违规驾驶行为的违规程度,对不同违规程度的违规驾驶行为进行不同方式的进一步处理。例如,考虑到重度违规的违规驾驶行为的情形可能相对于轻度违规的违规驾驶行为较为复杂,并且其被确认后对于驾驶者的处罚或影响较大,因此可以仅对重度违规的违规驾驶行为进行进一步确认。当然,也可以不区分违规驾驶行为的违规程度,对所有的违规驾驶行为都进行进一步确认。
具体地,所述驾驶行为分析设备中的第四装置140的具体结构如图7所示,包括第四一模块141和第四二模块142。具体地,所述第四一模块141用于在所述交通主管部门提供的车辆违章信息中查询所述重度违规的驾驶行为,若查询到所述重度违规的驾驶行为,则确认所述违规驾驶行为是重度违规的驾驶行为;所述第四二模块142用于若查询不到所述重度违规的驾驶行为,则根据所述违规驾驶行为的行驶信息中的位置信息、所述违规驾驶行为的类型、所述违规驾驶行为发生时的天气信息以及所述违规驾驶行为发生时的路况信息调整所述驾驶行为的违规程度。
在实际应用中,首先会在交通主管部门提供的车辆违章信息中查询对应的违规驾驶行为。例如,驾驶行为分析设备初步确认车辆存在闯红灯行为之后,在交通主管部门提供的车辆违章信息中查询该车辆是否有闯红灯的违章信息,若有对应的闯红灯记录,则可以最终确认该车辆确实存在重度违规的驾驶行为。由于交通主管部门提供的车辆违章信息准确度高,因此据此来进行进一步确认可以达到很高的准确性。但是由于交通主管部门布置的监管设备有限,往往很多违规驾驶行为不会被交通主管部门的监管设备记录,因此当查询不到所述重度违规的驾驶行为时,还可以根据其它的关键信息来进行进一步确认。
在实际场景下,可能由于某些路段特殊的地理环境、天气原因或者路况,造成车辆在通过该路段无法正常行驶,不可避免地需要采用违规的驾驶行为才能够安全通过。因此在此种情况下,可以对违规驾驶行为的违规程度进行调整(包括在特定情况下可以认定为该驾驶行为不违规)。例如,通过对大量车辆的违规驾驶行为数据进行分析,发现在某一路口存在大量的闯红灯行为,此时可能是由于该路口的交通信号灯出现故障、或者交警现场引导所引起的。此时,该驾驶行为会被确认为不违规。
优选地,为了进一步提高驾驶行为分析的准确性,所述第四装置还包括第四三模块(未标出)。该第四三模块用于在调整所述驾驶行为的违规程度之后,根据所述违规驾驶行为发生时的现场图像判断是否需要获取人工确认信息;若不需要获取人工确认信息,则将调整后的违规程度作为所述驾驶行为的违规程度;若需要获取人工确认信息,则将获取到的人工确认信息中确认的违规程度作为所述驾驶行为的违规程度。
例如在实际驾驶中,可能会因为其它车辆的原因而造成驾驶者必须采取一些违规驾驶行为,若设备根据现场图像判断该次违规驾驶行为可能是由于其它车辆的原因,那么可以引入人工确认信息。通过人工查看现场图像,确认最终结果,并输入人工确认信息。设备在获取到人工确认信息后,即可根据人工确认信息最终确认该驾驶行为是否违规以及其违规程度。
为了更好的应用于UBI保险等领域,在前述任意一种驾驶行为分析设备的基础上,所述设备还可以包括第五装置。该第五装置用于根据所述违规驾驶行为对所述违规驾驶行为对应的车辆和/或驾驶者的风险评估数据进行更新。通过统计某一驾驶者或者某一车辆的所有的违规驾驶行为,可以针对驾驶者或车辆建立风险评估数据,通过风险评估数据来表示其行车过程中发生危险行为的可能性,由此确认保费提供数据支持。在每次获取到违规行为信息后,对所述违规驾驶行为对应的车辆和/或驾驶者的风险评估数据进行更新,从而保证数据的实时性。
若所述驾驶行为分析设备采用如图4所示的具体实现方式,其网络设备420一侧的相关处理的流程如图8所示,具体包括:
步骤S801,接收车载终端发送的数据,并解析该数据。该数据包括车辆的简要事件信息或者全面事件信息,
步骤S802,判断违规驾驶行为的违规等级,对于轻度违规的驾驶行为,执行步骤S803,对于重度违规的驾驶行为,执行步骤S804。
步骤S803,以简要事件信息更新对应车辆ID的事件记录,然后执行步骤S810。所述车辆ID用于识别特定的车辆,可以是车牌号、发动机号等,事件记录内保存有该车辆所有的简要事件信息或者全面事件信息。
步骤S804,以全面事件信息更新对应车辆ID的事件记录。
步骤S805,判断是否能够在交通主管部门的车辆违章信息中查询到该违规驾驶行为,若不能查到,则执行步骤S806,若能查找,则执行步骤S809。
步骤S806,根据位置信息、违规驾驶行为的类型、天气信息以及路况信息调整所述驾驶行为的违规程度。
步骤S807,对是否需要人工介入进行预判,预判依据包括以下条件中的任意一种或者多种:1、识别现场图像的质量和准确度;2、该位置交通指示信息的识别结果与数据库中存储的对应位置的交通指示信息是否冲突;3、是否属于其它车辆的违规驾驶行为所导致的次生事件。其中的任意一项,例如识别现场图像的质量和准确度较低、交通指示信息的识别结果与数据库中不一致或者属于其它车辆的违规驾驶行为所导致的次生事件均会影响实际的结果。此时,需要通过人工介入来获取人工确认信息,达到最优的判断。
步骤S808,根据预判的结果,判断是否需要人工介入,若需要,则获取人工确认信息后,执行步骤S809;若不需要,则直接执行步骤S809。
步骤S809,最终确认违规驾驶行为及其违规程度。
步骤S810,根据本次确认的违规驾驶行为更新驾驶者和/或这两的风险评估数据。
基于本申请的另一方面,本申请实施例还提供了一种驾驶行为分析方法,该方法的处理流程如图9所示,包括以下步骤:
步骤S901,获取现场图像,根据所述现场图像识别交通指示信息;
步骤S902,获取驾驶行为的行驶信息,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为。
在此,该方法的执行主体可以包括但不限于车载终端、网络设备或车载设备与网络设备通过网络相集成所构成的设备。所述车载终端包括设置于车辆内可以获取现场图片以及行驶信息,并进行相关数据处理的终端设备。所述网络设备包括但不限于如网络主机、单个网络服务器、多个网络服务器集群或基于云计算的计算机集合等实现。在此,云由基于云计算(Cloud Computing)的大量主机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟计算机。
所述现场图像是指行车过程中车辆周围的图像信息,例如可以是通过行车记录仪、摄像头等图像采集设备获取到的视频、图片等。具体获取到的现场图像所包含的内容与图像采集设备的设置有关,例如仅设置一个摄像头,且该摄像头位于车辆中间的后视镜上并朝向前方,若该摄像头的摄像角度为135°,那么获取到的现场图像即为该摄像头可以拍摄到的图片或者视频。所述行驶信息是指车辆在行车过程中自身的行为信息,包括但不限于车辆的行驶速度、加速度、位置信息、转向信息、与前车的距离等,实际应用中可以采用能够与车辆总线进行通信的数据接口获取上述信息,例如在ADAS或者OBD系统中获取行驶信息的方式。
相较于现有技术,本实施例提供的方案保证了违规驾驶行为判断的准确性。例如,现有的驾驶行为分析方案中没有结合实际的交通信号灯的状态进行判断,会导致闯红灯也不会被感知记录。而本实施例中的方案可以通过识别交通信号灯是否处于红灯状态来进行准确判断。
再如,若车辆处于高架下方的路面上,现有的方案不能判断是按高架下方路面的限速来判断还是按高架路面的限速来判断,或者在隧道、高架、高楼下方、GPS或北斗的定位方式不能正常工作时,这些区域就成为不能判断超速等违规驾驶行为的盲区。此外,如果地图信息更新不及时或者因道路施工等需要交通部门临时进行交通信号调整都会导致错误判断。而本实施例中的方案是通过实际的路面交通指示信息进行判断,能实时准确获知路面的限速,可以做到和实际道路上的情况完全一致。
此外,现有的驾驶行为分析方案不能判断违规变道或者转弯的驾驶行为等,即使路口树立了禁止左转标识,现有的方法也不能判断车辆左转的违规驾驶行为。而本实施例中的方案由于是通过实际的路面交通信息进行判断,可以做到和道路的实际要求完全一致。
综上所述,本实施例提供的方案通过获取现场图像,并有现场图像中识别出交通指示信息,例如道路现场的限速标识、交通信号灯的状态或者禁止转向标识等,然后结合行驶信息与交通指示信息对某一驾驶行为是否是违规驾驶行为进行判断,由于通过现场图像识别得到的交通指示信息均为该路段最新的交通指示信息,无需通过定位信息由地图数据中查询对应路段的交通指示信息,同时也不会出现更新不及时的问题,由此保证了违规驾驶行为判断的准确性。
具体地,在根据所述现场图像识别交通指示信息时,具体包括:获取现场图像,由所述现场图像识别交通信号的图像,并根据所述交通信号的图像获取所述交通信号所表示的交通指示信息。所述交通指示信息是指实际道路中相关交通信号所表示的具体含义,而所述交通信号包括但不限于交通信号灯(红灯表示禁止通行,绿灯表示可以通行)、车道的标识线(实线表示不可变道,虚线表示可以变道)、车道箭头方向(表示该车道用于直行、左转或者右转等)、限速标识(表示该路段的最高行驶速度)、限行标识(例如某一类型的车辆禁止通行)、禁止转向标识(表示禁止向某个方向转弯)等。例如,在某一应用场景下,车辆在通过某一路段时拍摄到的现场图像中包含了一限速标识,通过预设的限速标识的图像特征,能够由该现场图像中识别出这一限速标识,根据该限速标识可以获取到的交通指示信息为当前路段的最高行驶速度。当然,若该现场图像中同时还包含其它的交通信号,可以同时识别所述其它的交通信号并获取其所表示的交通指示信息。
进一步地,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为,具体包括:根据所述交通指示信息更新违规判定条件,若所述驾驶行为的行驶信息符合违规判定条件,则确定所述驾驶行为违规驾驶行为。在实际应用中,通过设定能够进行更新的违规判定条件与当前驾驶行为的行驶信息进行对比,从而实现违规驾驶行为的判断。
其中,所述违规判定条件更新的依据基于获取到的交通指示信息,以几种常见的违规驾驶行为为例进行详细说明。例如,例如现场图像中交通信号灯当前为红灯,则获取到的交通指示信息为禁止通过该路口,由此更新违规判定条件为在红灯时通过该路口。确定驾驶行为的行驶信息符合违规判定条件的方式可以根据实际场景采用不同的方式,如在该场景下,可以结合当前行驶速度、加速度以及与红灯的距离进行计算,由计算结果判断车辆是否在红灯情况下通过路口,或者由现场图像识别后续时刻的位置信息(是否已经通过该路口)判断是驾驶行为是否符合违规判定条件。由此确定当前的驾驶行为是否属于违规驾驶行为(闯红灯行为)。
再如,由现场图像中的限速标识获取的交通指示信息为该路段的最高行驶速度为80KM/H,由此更新违规判定条件为当前的行驶速度大于80KM/H。若此时获取到的行驶信息中行驶速度大于该限速,则判定为当前的驾驶行为属于违规驾驶行为(超速行为)。
还如,现场图像中当前车道左侧的标识线为实线,由此获取到的交通指示信息为当前车道不可向左侧变道,由此更新违规判定条件为车辆向左侧变道。此时,可以结合当前行驶速度、加速度、转向信息等计算出车辆向左偏移的距离,由此确定是否向左侧变道,或者由现场图像识别后续时刻的位置信息(当前车道是否已经变换为原车道的左侧车道)来判定是否符合违规判定条件。由此确定当前的驾驶行为是否属于违规驾驶行为(实线变道行为)。
作为一种优选的实施方式,上述驾驶行为分析方法中,在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,还包括:
判断所述违规驾驶行为的违规程度;
若所述违规驾驶行为是轻度违规的驾驶行为,则记录所述违规驾驶行为的简要事件信息,其中所述简要事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息和对应的交通指示信息;
若所述违规驾驶行为是重度违规的驾驶行为,则记录所述违规驾驶行为的全面事件信息,其中所述全面事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息、对应的交通指示信息以及所述违规驾驶行为发生时的现场图像。
本实施提供的技术方案通过对所述违规驾驶行为的违规程度进行判断,对于轻度违规的驾驶行为仅记录其简要事件信息,而对于重度违规的驾驶行为记录其全面事件信息,与简要事件信息相比,全面事件信息所记录的内容更加详尽。通过对不同违规程度的违规驾驶行为进行不同的处理,以便于更加合理的分配的计算资源。
在此,所述违规驾驶行为的违规程度可以根据实际应用场景进行设定,一般可以基于该违规驾驶行为的危险程度进行划分,例如参考现行的交通规则中关于违法行为的扣分标准,将记3分以下的驾驶行为作为轻度违规的驾驶行为,将记3分以上的行为作为重度违规的驾驶行为。此外,对于一些不属于违法行为的不良驾驶习惯,例如跟车过近、频繁变换车道等也可以作为轻度违规的驾驶行为。在此,本领域技术人员应当理解上述划分违规程度的方式仅为举例,实际应用中违规程度的划分也不仅仅局限于划分成重度违规和轻度违规,可以根据实际情况划分为更多的程度,或者对重度违规和轻度违规进行进一步划分。因此,其他现有的或今后可能出现的违规程度的划分实现方式如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
与简要事件信息相比,全面事件信息所记录的内容还包括了所述违规驾驶行为发生时的现场图像。例如,假设前述提及的实线变道行为属于轻度违规的驾驶行为,则至少会记录该实线变道行为对应的违规程度、发生时间、行驶信息和对应的交通指示信息,其中对应的违规程度为轻度违规,发生时间可以是某一时间段,例如2015-9-15 13:00:15~2015-9-15 13:00:20,行驶信息可以是上述时间段内的所有行驶信息或者与该违规驾驶行为相关的行驶信息,对应的交通指示信息即为当前车道左侧为实线,禁止向左变道。对于重度违规的驾驶行为(如闯红灯行为),除了会记录轻度违规的驾驶行为所包含的所有信息之外,还会记录所述违规驾驶行为发生时的现场图像。例如闯红灯行为的发生时间为2015-9-1509:01:11~2015-9-15 09:01:17,则除了记录该闯红灯行为对应的违规程度、发生时间、行驶信息和对应的交通指示信息,还会记录该时间段内的像头所拍摄到的现场图像。
进一步地,本申请实施例还提供了一种优选的驾驶行为分析方法,该方法的结构如图10所示,包括以下步骤:
步骤S1001,获取现场图像,根据所述现场图像识别交通指示信息;
步骤S1002,获取驾驶行为的行驶信息,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为
步骤S1003,结合关键信息对所述违规驾驶行为进行进一步确认,其中所述关键信息至少包括以下任意一项或多项:
交通主管部门提供的车辆违章信息;
所述违规驾驶行为的行驶信息中的位置信息;
所述违规驾驶行为的类型;
所述违规驾驶行为发生时的天气信息;
所述违规驾驶行为发生时的路况信息;
所述违规驾驶行为发生时的现场图像。
在此,所述关键信息中的交通主管部门提供的车辆违章信息,可以由交通主管部门提供的大数据接口查询得到;所述违规驾驶行为的行驶信息中的位置信息,可以通过例如GPS、北斗等卫星定位系统获取;所述违规驾驶行为的类型,可以通过该违规驾驶行为对应的交通指示信息或者违规判定条件等来判定;所述违规驾驶行为发生时的天气信息和路况信息,可以由气象台、交通信息平台等提供的数据接口获取;所述违规驾驶行为发生时的现场图像可以由车辆上的图像采集设备获取。
通过结合关键信息对步骤1002初步判定的违规驾驶行为进行进一步的确认,使得违规驾驶行为的认定更加准确,使得通过上述方案获得的违规驾驶行为的相关数据可以应用于对于数据准确性要求较高的UBI(Usage Based Insurance,基于驾驶行为确定保费)保险领域。
而本案的方法通过实际路面标识来判断是否有可疑的违规驾驶行为,再通过后台的交通主管部门信息的对接判断是否权威部门认定了违规信息,以及后台结合“更多关键信息”对可疑的违规驾驶行为进行认定和风险评估数据的更新。同时对现场数据和视频图像进行后台存储记录,通过这样的方式可以得到令人信服的驾驶行为判断,这样得到的数据可以有效用于UBI保险等领域。
在此基础上,可以结合图9中的方案,在进行进一步确认之前确定的违规驾驶行为的违规程度,对不同违规程度的违规驾驶行为进行不同方式的进一步处理。例如,考虑到重度违规的违规驾驶行为的情形可能相对于轻度违规的违规驾驶行为较为复杂,并且其被确认后对于驾驶者的处罚或影响较大,因此可以仅对重度违规的违规驾驶行为进行进一步确认。当然,也可以不区分违规驾驶行为的违规程度,对所有的违规驾驶行为都进行进一步确认。
具体地,步骤S1003根据所述违规驾驶行为的违规程度,结合关键信息对重度违规的驾驶行为进行进一步确认,具体包括:
在所述交通主管部门提供的车辆违章信息中查询所述重度违规的驾驶行为,若查询到所述重度违规的驾驶行为,则确认所述违规驾驶行为是重度违规的驾驶行为;若查询不到所述重度违规的驾驶行为,则根据所述违规驾驶行为的行驶信息中的位置信息、所述违规驾驶行为的类型、所述违规驾驶行为发生时的天气信息以及所述违规驾驶行为发生时的路况信息调整所述驾驶行为的违规程度。
在实际应用中,首先会在交通主管部门提供的车辆违章信息中查询对应的违规驾驶行为。例如,初步确认车辆存在闯红灯行为之后,在交通主管部门提供的车辆违章信息中查询该车辆是否有闯红灯的违章信息,若有对应的闯红灯记录,则可以最终确认该车辆确实存在重度违规的驾驶行为。由于交通主管部门提供的车辆违章信息准确度高,因此据此来进行进一步确认可以达到很高的准确性。但是由于交通主管部门布置的监管设备有限,往往很多违规驾驶行为不会被交通主管部门的监管设备记录,因此当查询不到所述重度违规的驾驶行为时,还可以根据其它的关键信息来进行进一步确认。
在实际场景下,可能由于某些路段特殊的地理环境、天气原因或者路况,造成车辆在通过该路段无法正常行驶,不可避免地需要采用违规的驾驶行为才能够安全通过。因此在此种情况下,可以对违规驾驶行为的违规程度进行调整(包括在特定情况下可以认定为该驾驶行为不违规)。例如,通过对大量车辆的违规驾驶行为数据进行分析,发现在某一路口存在大量的闯红灯行为,此时可能是由于该路口的交通信号灯出现故障、或者交警现场引导所引起的。此时,该驾驶行为会被确认为不违规。
优选地,为了进一步提高驾驶行为分析的准确性,在调整所述驾驶行为的违规程度之后,还包括:根据所述违规驾驶行为发生时的现场图像判断是否需要获取人工确认信息;若不需要获取人工确认信息,则将调整后的违规程度作为所述驾驶行为的违规程度;若需要获取人工确认信息,则将获取到的人工确认信息中确认的违规程度作为所述驾驶行为的违规程度。
例如在实际驾驶中,可能会因为其它车辆的原因而造成驾驶者必须采取一些违规驾驶行为,若根据现场图像判断该次违规驾驶行为可能是由于其它车辆的原因,那么可以引入人工确认信息。通过人工查看现场图像,确认最终结果,并输入人工确认信息。在获取到人工确认信息后,即可根据人工确认信息最终确认该驾驶行为是否违规以及其违规程度。
为了更好的应用于UBI保险等领域,在前述任意一种驾驶行为分析方法的基础上,还可以包括:根据所述违规驾驶行为对所述违规驾驶行为对应的车辆和/或驾驶者的风险评估数据进行更新。通过统计某一驾驶者或者某一车辆的所有的违规驾驶行为,可以针对驾驶者或车辆建立风险评估数据,通过风险评估数据来表示其行车过程中发生危险行为的可能性,由此确认保费提供数据支持。在每次获取到违规行为信息后,对所述违规驾驶行为对应的车辆和/或驾驶者的风险评估数据进行更新,从而保证数据的实时性。
综上所述,本实施例提供的方案通过获取现场图像,并有现场图像中识别出交通指示信息,例如道路现场的限速标识、交通信号灯的状态或者禁止转向标识等,然后结合行驶信息与交通指示信息对某一驾驶行为是否是违规驾驶行为进行判断,由于通过现场图像识别得到的交通指示信息均为该路段最新的交通指示信息,无需通过定位信息由地图数据中查询对应路段的交通指示信息,同时也不会出现更新不及时的问题,由此保证了违规驾驶行为判断的准确性。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (16)
1.一种驾驶行为分析方法,应用于包含车载终端和网络设备的设备,其中,该方法包括:
所述车载终端获取现场图像,根据所述现场图像识别交通指示信息;
所述车载终端获取驾驶行为的行驶信息,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为;
所述车载终端判断所述违规驾驶行为的违规程度;
若所述违规驾驶行为是轻度违规的驾驶行为,则所述车载终端记录所述违规驾驶行为的简要事件信息,实时上传或者在累积一段时间后定时批量上传至所述网络设备,并在完成上传后删除所述简要事件信息,其中所述简要事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息和对应的交通指示信息;
若所述违规驾驶行为是重度违规的驾驶行为,则所述车载终端记录所述违规驾驶行为的全面事件信息,在通信网络空闲时上传至所述网络设备,并在完成上传后删除所述全面事件信息,其中所述全面事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息、对应的交通指示信息以及所述违规驾驶行为发生时的现场图像;
所述网络设备保存所述简要事件信息和全面事件信息。
2.根据权利要求1所述的方法,其中,根据所述现场图像识别交通指示信息,包括:
由所述现场图像识别交通信号的图像,并根据所述交通信号的图像获取所述交通信号所表示的交通指示信息。
3.根据权利要求1所述的方法,其中,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为,包括:
根据所述交通指示信息更新违规判定条件,若所述驾驶行为的行驶信息符合违规判定条件,则确定所述驾驶行为违规驾驶行为。
4.根据权利要求1所述的方法,其中,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,还包括:
所述网络设备结合关键信息对所述违规驾驶行为进行进一步确认,其中所述关键信息至少包括以下任意一项或多项:
交通主管部门提供的车辆违章信息;
所述违规驾驶行为的行驶信息中的位置信息;
所述违规驾驶行为的类型;
所述违规驾驶行为发生时的天气信息;
所述违规驾驶行为发生时的路况信息;
所述违规驾驶行为发生时的现场图像。
5.根据权利要求4所述的方法,其中,结合关键信息对所述违规驾驶行为进行进一步确认,包括:根据所述违规驾驶行为的违规程度,结合关键信息对重度违规的驾驶行为进行进一步确认。
6.根据权利要求5所述的方法,其中,根据所述违规驾驶行为的违规程度,结合关键信息对重度违规的驾驶行为进行进一步确认,包括:
在所述交通主管部门提供的车辆违章信息中查询所述重度违规的驾驶行为,若查询到所述重度违规的驾驶行为,则确认所述违规驾驶行为是重度违规的驾驶行为;
若查询不到所述重度违规的驾驶行为,则根据所述违规驾驶行为的行驶信息中的位置信息、所述违规驾驶行为的类型、所述违规驾驶行为发生时的天气信息以及所述违规驾驶行为发生时的路况信息调整所述驾驶行为的违规程度。
7.根据权利要求6所述的方法,其中,在调整所述驾驶行为的违规程度之后,还包括:
根据所述违规驾驶行为发生时的现场图像判断是否需要获取人工确认信息;
若不需要获取人工确认信息,则将调整后的违规程度作为所述驾驶行为的违规程度;
若需要获取人工确认信息,则将获取到的人工确认信息中确认的违规程度作为所述驾驶行为的违规程度。
8.根据权利要求1至7中任一项所述的方法,其中,该方法还包括:
所述网络设备根据所述违规驾驶行为对所述违规驾驶行为对应的车辆和/或驾驶者的风险评估数据进行更新。
9.一种驾驶行为分析设备,其中,该设备包括车载终端和网络设备,所述车载设备包括:
第一装置,用于获取现场图像,根据所述现场图像识别交通指示信息;
第二装置,用于获取驾驶行为的行驶信息,根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为;
第三装置,用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,判断所述违规驾驶行为的违规程度;
若所述违规驾驶行为是轻度违规的驾驶行为,则记录所述违规驾驶行为的简要事件信息,实时上传或者在累积一段时间后定时批量上传至所述网络设备,并在完成上传后删除所述简要事件信息,其中所述简要事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息和对应的交通指示信息;
若所述违规驾驶行为是重度违规的驾驶行为,则记录所述违规驾驶行为的全面事件信息,在通信网络空闲时上传至所述网络设备,并在完成上传后删除所述全面事件信息,其中所述全面事件信息包括所述违规驾驶行为的违规程度、发生时间、行驶信息、对应的交通指示信息以及所述违规驾驶行为发生时的现场图像;
所述网络设备,用于保存所述简要事件信息和全面事件信息。
10.根据权利要求9所述的设备,其中,所述第一装置,用于获取现场图像,由所述现场图像识别交通信号的图像,并根据所述交通信号的图像获取所述交通信号所表示的交通指示信息。
11.根据权利要求9所述的设备,其中,所述第二装置,用于获取驾驶行为的行驶信息,根据所述交通指示信息更新违规判定条件,若所述驾驶行为的行驶信息符合违规判定条件,则确定所述驾驶行为违规驾驶行为。
12.根据权利要求9所述的设备,其中,该网络设备还包括:
第四装置,用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,结合关键信息对所述违规驾驶行为进行进一步确认,其中所述关键信息至少包括以下任意一项或多项:
交通主管部门提供的车辆违章信息;
所述违规驾驶行为的行驶信息中的位置信息;
所述违规驾驶行为的类型;
所述违规驾驶行为发生时的天气信息;
所述违规驾驶行为发生时的路况信息;
所述违规驾驶行为发生时的现场图像。
13.根据权利要求12所述的设备,其中,所述第四装置,用于在根据所述驾驶行为的行驶信息与交通指示信息将所述驾驶行为确定为违规驾驶行为之后,根据所述违规驾驶行为的违规程度,结合关键信息对重度违规的驾驶行为进行进一步确认。
14.根据权利要求13所述的设备,其中,所述第四装置,包括:
第四一模块,用于在所述交通主管部门提供的车辆违章信息中查询所述重度违规的驾驶行为,若查询到所述重度违规的驾驶行为,则确认所述违规驾驶行为是重度违规的驾驶行为;
第四二模块,用于若查询不到所述重度违规的驾驶行为,则根据所述违规驾驶行为的行驶信息中的位置信息、所述违规驾驶行为的类型、所述违规驾驶行为发生时的天气信息以及所述违规驾驶行为发生时的路况信息调整所述驾驶行为的违规程度。
15.根据权利要求14所述的设备,其中,所述第四装置,还包括:
第四三模块,用于在调整所述驾驶行为的违规程度之后,根据所述违规驾驶行为发生时的现场图像判断是否需要获取人工确认信息;若不需要获取人工确认信息,则将调整后的违规程度作为所述驾驶行为的违规程度;若需要获取人工确认信息,则将获取到的人工确认信息中确认的违规程度作为所述驾驶行为的违规程度。
16.根据权利要求9至15中任一项所述的设备,其中,该网络设备还包括:
第五装置,用于根据所述违规驾驶行为对所述违规驾驶行为对应的车辆和/或驾驶者的风险评估数据进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510603879.3A CN105206052B (zh) | 2015-09-21 | 2015-09-21 | 一种驾驶行为分析方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510603879.3A CN105206052B (zh) | 2015-09-21 | 2015-09-21 | 一种驾驶行为分析方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105206052A CN105206052A (zh) | 2015-12-30 |
CN105206052B true CN105206052B (zh) | 2018-05-11 |
Family
ID=54953694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510603879.3A Active CN105206052B (zh) | 2015-09-21 | 2015-09-21 | 一种驾驶行为分析方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105206052B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105575127B (zh) * | 2015-12-31 | 2019-05-14 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 道路交通违章自动取证处罚系统 |
CN105632183B (zh) * | 2016-01-27 | 2018-08-21 | 福建工程学院 | 一种车辆违规行为举证的方法及其系统 |
EP3425607A4 (en) * | 2016-03-01 | 2019-04-10 | Ricoh Company Ltd. | MOBILE BODY MANAGEMENT DEVICE, MOBILE BODY MANAGEMENT METHOD, AND STORAGE MEDIUM |
CN105946867A (zh) * | 2016-05-06 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆报警方法及装置 |
CN106448265A (zh) * | 2016-10-27 | 2017-02-22 | 广州微牌智能科技有限公司 | 司机驾驶行为数据的采集方法及装置 |
CN106570535A (zh) * | 2016-11-18 | 2017-04-19 | 杭州好好开车科技有限公司 | 一种基于adas和obd数据用户分类方法 |
CN108205784A (zh) * | 2016-12-20 | 2018-06-26 | 邹红星 | 智能交通管控服务方法和平台 |
CN107180219A (zh) * | 2017-01-25 | 2017-09-19 | 问众智能信息科技(北京)有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
CN108288312A (zh) | 2017-03-06 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 驾驶行为确定方法及装置 |
CN107172123B (zh) * | 2017-04-11 | 2020-09-18 | 中国第一汽车股份有限公司 | 用于商用车车队管理系统的车辆信息上传方法 |
CN108305477B (zh) | 2017-04-20 | 2019-08-13 | 腾讯科技(深圳)有限公司 | 一种车道选择方法及终端 |
CN107123286A (zh) * | 2017-06-15 | 2017-09-01 | 宁夏乾元长龙科技发展有限公司 | 路口智能控制方法及系统 |
CN107493315B (zh) * | 2017-06-28 | 2021-04-23 | 武汉斗鱼网络科技有限公司 | 一种行为数据的收集方法、资源服务器及存储介质 |
CN109242227A (zh) * | 2017-07-10 | 2019-01-18 | 卢照敢 | 汽车驾驶行为的行车风险及评估模型 |
CN107564280B (zh) * | 2017-08-22 | 2020-09-29 | 王浩宇 | 基于环境感知的驾驶行为数据采集分析系统和方法 |
CN110796869B (zh) * | 2018-08-03 | 2020-11-27 | 杭州海康威视系统技术有限公司 | 一种检测违法跟车的方法和装置 |
CN109544909B (zh) * | 2018-10-29 | 2021-06-04 | 华蓝设计(集团)有限公司 | 基于航拍视频车辆轨迹的驾驶员换道行为分析方法 |
CN110737688B (zh) * | 2019-09-30 | 2023-04-07 | 上海商汤临港智能科技有限公司 | 驾驶数据分析方法、装置、电子设备和计算机存储介质 |
CN110781834A (zh) * | 2019-10-28 | 2020-02-11 | 上海眼控科技股份有限公司 | 交通异常图像检测方法、装置、计算机设备及存储介质 |
CN111583657A (zh) * | 2020-04-17 | 2020-08-25 | 惠州市德赛西威汽车电子股份有限公司 | 一种闯红灯预警装置 |
CN111586150A (zh) * | 2020-04-30 | 2020-08-25 | 上海华东汽车信息技术有限公司 | 车辆数据上传方法、装置、计算机设备和存储介质 |
CN111854771B (zh) * | 2020-06-09 | 2023-01-24 | 阿波罗智能技术(北京)有限公司 | 地图质量的检测处理方法、装置、电子设备和存储介质 |
CN114758509A (zh) * | 2021-12-30 | 2022-07-15 | 常州星宇车灯股份有限公司 | 车辆行驶状态车载检测装置及报警处理响应系统和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201222302Y (zh) * | 2008-07-11 | 2009-04-15 | 深圳市同洲电子股份有限公司 | 一种鸣笛监测装置及鸣笛监测系统 |
JP4466362B2 (ja) * | 2004-12-24 | 2010-05-26 | アイシン・エィ・ダブリュ株式会社 | 交通状況提供システム及び交通状況提供方法 |
CN101785038A (zh) * | 2007-06-25 | 2010-07-21 | Iwi股份有限公司 | 监控和改进驾驶员行为的系统和方法 |
CN104103100A (zh) * | 2013-04-11 | 2014-10-15 | 大陆汽车投资(上海)有限公司 | 驾驶行为分析系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101021943B1 (ko) * | 2008-11-07 | 2011-03-16 | 고서명 | 교통 안전을 위하여 다양한 형태의 교통 상황을 제공하는 방법 및 시스템 |
-
2015
- 2015-09-21 CN CN201510603879.3A patent/CN105206052B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4466362B2 (ja) * | 2004-12-24 | 2010-05-26 | アイシン・エィ・ダブリュ株式会社 | 交通状況提供システム及び交通状況提供方法 |
CN101785038A (zh) * | 2007-06-25 | 2010-07-21 | Iwi股份有限公司 | 监控和改进驾驶员行为的系统和方法 |
CN201222302Y (zh) * | 2008-07-11 | 2009-04-15 | 深圳市同洲电子股份有限公司 | 一种鸣笛监测装置及鸣笛监测系统 |
CN104103100A (zh) * | 2013-04-11 | 2014-10-15 | 大陆汽车投资(上海)有限公司 | 驾驶行为分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105206052A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105206052B (zh) | 一种驾驶行为分析方法及设备 | |
US9940530B2 (en) | Platform for acquiring driver behavior data | |
EP2943884B1 (en) | Server determined bandwidth saving in transmission of events | |
US11605292B2 (en) | Vehicle turn detection | |
US9533688B1 (en) | Platform for acquiring driver behavior data | |
DE102016224604A1 (de) | System und Verfahren zur Verifizierung von Kartendaten für ein Fahrzeug | |
DE102014114825A1 (de) | Verfahren, Systeme und Vorrichtung zum Bestimmen, ob eines der in Benachrichtigungspräferenzen spezifizierten Fahrzeugereignisse aufgetreten ist | |
US11823564B1 (en) | Adaptive data collection based on fleet-wide intelligence | |
CN112544071B (zh) | 视频拼接的方法、装置及系统 | |
DE102020122757A1 (de) | Systeme und verfahren für mitfahrgelegenheiten unter verwendung von blockchain | |
CN108806272A (zh) | 一种提醒多辆机动车车主违法停车行为的方法及装置 | |
CN108932852A (zh) | 一种记录机动车违法占用应急车道行为的方法及装置 | |
Harris | The Radical Scope of Tesla's Data Hoard: Every Tesla is providing reams of sensitive data about its driver's life | |
WO2002056275A1 (fr) | Processeur d'informations sur la conduite | |
CN105761326A (zh) | 一种管理车辆行驶数据的方法、装置及设备 | |
Alsubaei | Reliability and security analysis of artificial intelligence-based self-driving technologies in Saudi Arabia: A case study of Openpilot | |
JP2019020859A (ja) | 記録画像処理方法、記録画像処理装置、およびデータ処理システム | |
CN109308802A (zh) | 异常车辆管理方法及装置 | |
EP2490183A1 (de) | Fahrzeuggerät, ad-hoc-Netzwerk und Verfahren für ein Strassenmautsystem | |
DE102014002132A1 (de) | Konzept zur positionsabhängigen Bewertung einer Steuerinformation, Verfahren zum Steuern eines bewegten Objekts und Informationssystem | |
CN108230668A (zh) | 第三方数据搜寻方法及车载装置 | |
US11851070B1 (en) | Driver identification using geospatial information | |
Chiang et al. | Vehicle driving video sharing and search framework based on gps data | |
CN109427113A (zh) | 一种行车记录仪 | |
CN112053465A (zh) | 停车行为评估方法及系统 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230711 Address after: 201100 Room 355, Floor 3, Building 2, No. 588, Zixing Road, Minhang District, Shanghai Patentee after: Zhizhi automobile technology (Shanghai) Co.,Ltd. Address before: 200237 room 402, No. 1, Lane 214, Tiandeng Road, Xuhui District, Shanghai Patentee before: Zhang Li Patentee before: Qian Guoping |
|
TR01 | Transfer of patent right |