CN106022561A - 驾驶行为综合评价方法 - Google Patents
驾驶行为综合评价方法 Download PDFInfo
- Publication number
- CN106022561A CN106022561A CN201610294434.6A CN201610294434A CN106022561A CN 106022561 A CN106022561 A CN 106022561A CN 201610294434 A CN201610294434 A CN 201610294434A CN 106022561 A CN106022561 A CN 106022561A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- membership
- driving
- model
- degree
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 claims abstract description 91
- 238000013210 evaluation model Methods 0.000 claims abstract description 36
- 238000013178 mathematical model Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 38
- 230000008569 process Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000001308 synthesis method Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种驾驶行为综合评价方法,其特征在于,包括:基于模糊综合评判法构建安全驾驶评估模型,获取安全驾驶隶属度;基于模糊综合评判法构建经济驾驶评估模型,获取经济驾驶隶属度;基于安全驾驶隶属度和经济驾驶隶属度,构建综合评价数学模型,根据所述综合评价数学模型获取驾驶行为评价结果。通过本发明的方法,可以实现基于安全驾驶隶属度和经济驾驶隶属度对驾驶行为进行综合评价,评价结果更精准更可靠。
Description
技术领域
本发明涉及汽车驾驶安全技术领域,特别涉及一种驾驶行为综合评价方法。
背景技术
目前基于模糊评价的驾驶员自动评价模型仅在一些地区的汽车驾驶考试过程中使用,因为该考试过程相对简单固定,环节易于量化,所以驾驶员评价模型相对简单,容易实现。但其评价指标仅仅考虑到驾驶行为的违规与否,而没有更多的考虑到比较复杂的情况,因而不适用于平时对驾驶员的评价。而现实中不良驾驶危险驾驶是造成违章、安全事故等的重要因素。因而,如何有效地对驾驶员的驾驶行为进行有价值的精准的评价,是改善不良驾驶行为,减少违章和事故率的重要解决途径之一。为此,人们开发出了各种驾驶评价系统,如中国发明专利申请200910206340.9公开的一种安全驾驶评价系统、中国发明专利申请200980152852.X公开的省燃耗驾驶评价系统、中国发明专利201210025770.2公开的一种驾驶评价系统及方法、中国发明专利201210567491.9公开的一种汽车驾驶员危险驾驶行为矫正及评价技术,以及中国发明专利201410128392.X公开的一种驾驶行为综合评价系统及方法。这些驾驶评价系统及方法都各有侧重点,但其分析模型的数据源存在检测项目单一或检测分析仅仅基于视频数据等缺陷,没有致力于对分析模型的研究上,因而无法保证评价分析的高度精确性。
发明内容
根据本发明的一个方面,提供了一种驾驶行为综合评价方法,以基于安全驾驶隶属度和经济驾驶隶属度进行综合评价,解决现有技术中分析模型数据单一,并不能有效确保评价结果的高度精确性的缺陷。该方法包括:
基于模糊综合评判法构建安全驾驶评估模型,获取安全驾驶隶属度;
基于模糊综合评判法构建经济驾驶评估模型,获取经济驾驶隶属度;
基于安全驾驶隶属度和经济驾驶隶属度,构建综合评价数学模型,根据所述综合评价数学模型获取驾驶行为评价结果。
通过本发明的方法,可以实现基于安全驾驶隶属度和经济驾驶隶属度对驾驶行为进行综合评价,相对已有技术评价结果更精准可靠。
在一些实施方式中,所述基于模糊综合评判法构建安全驾驶评估模型,获取安全驾驶隶属度包括:采集车辆行车状态数据,根据安全控制需求,确定安全驾驶评估模型的因素集;根据评估结果区间,确定安全驾驶评估模型的评判集;根据所述评判集对所述因素集进行评判,构建因素集到评判集的隶属度函数,计算各因素的隶属度;构造对比矩阵,根据对比矩阵获取权重系数;根据所述隶属度和权重系数,构建安全驾驶评估模型,计算安全驾驶隶属度。由此,可以基于模糊综合评判法实现对安全驾驶隶属度的精确计算。
在一些实施方式中,所述安全驾驶评估模型的因素集包括速度、角速度和滚动角,所述构建的安全驾驶评估模型为μ=0.5396*μv+0.2969*μw+0.1634*μroll,其中,μv、μw和μroll分别为速度、角速度和滚动角的隶属度函数。由此,就可以采集速度、角速度和滚动角对安全驾驶行为进行综合评判,能够有效的反应评价对象的驾驶行为是否安全。
在一些实施方式中,所述基于模糊综合评判法建立经济驾驶评估模型,获取经济驾驶隶属度包括:计算理想节气门开度,并确定经济驾驶评估模型的因素集和评判集;根据理想节气门、因素集和评判集,构建因素集到评判集的隶属度函数,计算各因素的隶属度;根据各因素的隶属度统计计算各因素的隶属度平均值;设置权重比,根据所述隶属度平均值和权重比,构建经济驾驶评估模型,计算经济驾驶隶属度。由此,可以基于模糊综合评判法实现对经济驾驶隶属度的精确计算。
在一些实施方式中,所述经济驾驶评估模型的因素集包括节气门开度合理性和节气门开度稳定性,所述构建的经济驾驶评估模型为:其中,为节气门开度合理性隶属度的平均值,为节气门开度稳定性隶属度的平均值。由此,就可以通过节气门开度的合理性和稳定性对经济驾驶行为进行评判,评价结果能够更准确的反应评价对象的驾驶行为是否经济。
在一些实施方式中,所述计算理想节气门开度包括:统计一定速度区间的节气门开度,剔除异常数据点,进行平均值计算;进行灰色预测前的数据检验,通过内插处理和平移变换使灰色预测的原始序列的级别在可容覆盖范围内;建立灰色预测GM(1,1)模型,求解模型参数和灰色预测值;对模型求解的参数进行有效性分析,并计算残差进行灰色预测模型的结果检验,根据检验结果确定理想节气门开度。由此,可以准确地计算出各种时速下的理想节气门开度,以计算不同时刻的节气门开度合理性和节气门开度稳定性。
在一些实施方式中,所述基于安全驾驶隶属度和经济驾驶隶属度,构建综合评价数学模型包括:基于安全驾驶和经济驾驶两个维度综合评价驾驶员行为,建立评价指标体系xi=(xi1,xi2),其中xi1为安全驾驶隶属度,xi2为经济驾驶隶属度;确定评价指标的权重系数向量w=(w1,w2),其中,w1为安全驾驶隶属度的权重系数,w2为经济驾驶隶属度的权重系数;根据所述指标体系和权重系数,构建基于安全驾驶隶属度和经济驾驶隶属度的综合评价数学模型。由此,就可以实现基于安全驾驶隶属度和经济驾驶隶属度对驾驶行为进行综合评价,评价结果更精确。
在一些实施方式中,所述确定评价指标的权重系数包括:基于指标功能的赋权方法,确定权重系数向量w1=(0.6,0.4);基于指标差异的赋权方法,确定权重系数向量基于综合集成的赋权方法,对权重向量w1和w2进行乘法运算,并对运算结果进行归一化处理,以得到综合评估的权重向量w。通过指标功能和综合集成的赋权方法分别得到主观权值和客观权值,通过综合集成进行归一化处理将两部分权值进行综合,确定最终的权重系数,可以有效平衡评价者的意志和各指标的客观实际,以提高评价结果的精确性。
在一些实施方式中,所述根据指标体系和权重系数,构建综合评价数学模型包括:根据所述评价指标xi=(xi1,xi2)和权重向量w=(w1,w2),通过线性综合加权法构建评价对象的综合评价数学模型为yi=w1xi1+w2xi2;其中,i为n个评价对象的编号,取值为1到n。通过线性综合加权法构建综合评价模型,可以实现将多个评价指标合成为一个综合评价指标,得到综合的评价结果,且线性综合加权法构建的模型可以有效保证评价指标的公平性。
在一些实施方式中,所述根据指标体系和权重系数,构建综合评价数学模型包括:根据所述评价指标xi=(xi1,xi2)和权重向量w=(w1,w2),通过逼近理想点法构建评价对象的综合评价数学模型为其中,i为n个评价对象的编号,取值为1到n。通过逼近理想点法构建综合评价模型,可以实现将多个评价指标合成为一个综合评价指标,得到综合的评价结果,且逼近理想点法构建的模型可以有效减少权重系数对评价结果的影响。
附图说明
图1为本发明一实施方式的驾驶行为综合评价方法的流程图;
图2为图1所示方法中获取安全隶属度的方法流程图;
图3为图1所示方法中获取经济隶属度的方法流程图;
图4为图3所示方法中的计算理想节气门开度的方法流程图;
图5为不同速度下节气门开度的统计图;
图6为线性拟合的拟合效果图;
图7为构建综合评价数学模型的方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
本发明基于对驾驶行为进行综合评价的目的,确定评价指标,通过模糊综合评判法建立基于模糊隶属度的评价模型,以对评价指标进行综合评判,进而构建综合评价数学模型,根据模糊综合评判的隶属度评判结果对驾驶行为进行综合评价,以通过数据分析提供精准的评价结果,进而指导和改善驾驶行为。
其中,模糊综合评判法是一种基于模糊数学的综合评价方法,该方法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价,其具有结果清晰、系统性强的特点,能够提供更精准的评价结果。通过现有技术可以知道,基于模糊综合评判法进行评价,需要确定因素集和评判集,并确定因素集到评判集隶属度函数,根据模糊映射关系推导出模糊评判矩阵,并确定因素集的权重矩阵,根据模糊评判矩阵和权重矩阵的加权评分运算,得到综合评判结果。
通过对因素集中的各因素进行模糊综合评判,可以根据评估结果判定该因素的表现,通过综合评判结果进一步对驾驶行为进行综合评价,得到的评价结果更加精准可靠。本发明实施例主要通过模糊综合评判对安全驾驶行为和经济驾驶行为进行评判,得到安全驾驶隶属度和经济驾驶隶属度,再根据安全驾驶隶属度和经济驾驶隶属度,构建综合评价数学模型进行综合评价。图1示意性地显示了根据本发明的一种实施方式的驾驶行为综合评价方法。如图1所示,该方法包括:
步骤S101:基于模糊综合评判法构建安全驾驶评估模型,获取安全驾驶隶属度。
首先,根据模糊综合评判方法构建基于模糊隶属度的安全驾驶评估模型。图2示意性地显示了本发明一种实施方式的基于模糊综合评判法构建安全驾驶评估模型的方法,具体为,如图2所示,包括:
步骤S201:采集车辆行车状态数据,确定影响安全驾驶行为的因素集。
通过传感器采集车辆行车状态数据,如速度、加速度、角速度、倾斜程度等。从驾驶员对车辆的安全控制角度来评估安全驾驶行为,即从速度的合理性与稳定性、转弯幅度及倾斜程度等角度来进行评估,从而确定安全驾驶行为的因素集U={速度、角速度、滚动角}。
步骤S202:确定安全驾驶行为的评判集。
评价对象在因素集中的某个因素上的可能表现,构成评判集。其中,为使评估结果确定在区间[0,1]中,需将各因素的评判结果设置在区间[0,1],因而构建的评判集V为因素μi对评判结果区间[0,1]的映射,即μV:U→[0,1],μi→μV(μi)∈[0,1]。
步骤S203:建立用于计算各个因素的隶属度的隶属度函数。
由于安全驾驶的因素集包括速度、角速度、滚动角,则有因素μi分别为μ1=速度(用v表示),μ2=角速度(用w表示),μ3=滚动角(用roll表示)。分别建立速度、角速度和滚动角的隶属度函数μv、μw和μroll如下:
首先,建立速度的隶属度函数。从安全角度来看,车辆运动速度处在合理的范围,既是保证行驶效率和车辆自身的安全,也是保障道路安全的有效方式,因此,速度的合理性和稳定性均十分重要。速度的合理性,跟道路状况密切相关,尤其与道路限速和道路实时的平均车速密切相关,例如当车辆速度小于3km/h时,车辆处于或接近静止状态,对车辆自身和道路的安全隐患均比较小。由此,基于速度的合理性,可把速度的最合理区间确定为[0.8v,1.2v],在此区间之外,隶属度设计为呈指数下降的函数,由此,可构建速度合理性的隶属度函数为:
vi为某一时刻的道路速度,为当前道路的平均速度,vmax为道路允许的最大速度。由于速度的稳定性的衡量标准主要是根据加速度的大小进行衡量,因而可指定加速度的隶属度函数为其中,根据加速度隶属度函数,由紧急加速门限μa(4)=0.1可以确定σ=1.977。
接着,建立角速度的隶属度函数。由于角速度对安全驾驶的影响一般表现为转弯越快,危险性越大,安全表现越低。因此,将角速度的评判结果区间取值为[慢速转弯、正常转弯、快速转弯、紧急转弯]。将慢速转弯、正常转弯、快速转弯、紧急转弯的次数分别标记为k1、k2、k3、k4。设置用于反映不同评判结果对角速度隶属度的影响的权重系数σ1、σ2、σ3、σ4,由转弯越快,危险性越大,安全表现越低,同时设置权重系数满足条件σ1≥σ2≥σ3≥σ4。则,根据角速度对安全驾驶的影响,可将角速度的隶属度函数设置为:
最后,建立滚动角的隶属度函数。由于滚动角对安全驾驶的影响一般表现为倾斜程度越大,危险性越大,安全表现越低。因此,统计滚动角绝对值大小出现在评价区间[10,20]、[20,30]、以及大于30的次数,并分别标记为k1、k2、k3。设置用于反映不同倾斜程度对滚动角隶属度的影响的权重系数σ1、σ2、σ3同时设置权重系数满足条件σ1≥σ2≥σ3。则,根据滚动角对安全驾驶的影响,可将滚动角的隶属度函数设置为:
步骤S204:设置权重矩阵,以根据隶属度函数对因素集进行综合评判,获得安全驾驶隶属度。
为计算综合评估结果,必须要考虑计算出的各因素的隶属度的权重,即μv、μw和μroll的权重。参考层次分析法中权重的设定方法,本发明实施例构造对比矩阵为A=(aij)3*3,其中,aij表示因素i和因素j对结果的影响程度之比,一般按1-9的比例来衡量,而且aij还应满足:aij>0,aij=aji,aii=1。
假设对安全驾驶评估结果影响程度从高到低依次为速度隶属度、加速度隶属度、滚动角隶属度,相邻因素的影响力之差基本相等,构造对比矩阵如下:
该矩阵为三阶正反矩阵,最大特征值为λmax=3.0092,相应的特征微量可归一化为w=(0.5396,0.2969,0.1634),其对应的一致性指标为CI=(λmax-n)/(n-1)=0.0046。而由于随机一致性指标一般是由实际经验给定的,三阶矩阵的随机一致性指标的值为RI=0.58。故,一致性比率为CR=CI/RI=0.0079。由于,当CR<0.1时,矩阵A的一致性可以接受,故归一化得到的特征微量w=(0.5396,0.2969,0.1634)可以作为权重向量。因此,可以得到安全驾驶评估模型为:
μ=w*μ=0.5396*μv+0.2969*μw+0.1634*μroll
由此,即可根据安全驾驶评估模型计算出安全驾驶隶属度。
步骤S102:基于模糊综合评判法构建经济驾驶评估模型,获取经济驾驶隶属度。
接着,根据模糊综合评判方法构建基于模糊隶属度的经济驾驶评估模型。由于,节气门开度是影响经济驾驶行为的关键因素,因而本发明实施例的经济驾驶评估主要是构建基于实际节气门开度与理想节气门开度的经济驾驶隶属度函数,通过经济驾驶隶属度函数计算各个时刻的节气门开度的隶属度(即满意度),并统计整段旅程的隶属度,通过整段旅程的节气门开度的隶属度,根据模糊综合评判法构建经济驾驶评估模型,从而定量评估经济驾驶隶属度。通过图3示意性地显示了本发明一种实施方式的基于模糊综合评判法构建经济驾驶评估模型的方法,具体为,如图3所示,包括:
步骤S301:计算理想节气门开度。
计算理想节气门开度,根据理想节气门开度,构造实际节气门开度与理想节气门开度的经济驾驶隶属度函数,以统计整段旅程的节气门开度隶属度。
由于节气门干净程度不一、机械性能不一样,因而不同车辆在行驶过程中的理想节气门开度变化差别非常大,因此理想节气门开度均是基于单个车辆,通过统计自身车辆的历史数据,计算出不同速度条件下的平均节气门开度,然后通过数学拟合方法或者预测算法,计算出所有可能车速(0km/h-120km/h)下的理想节气门开度。图4示意性地显示了一种实施方式的计算理想节气门开度的方法流程。如图4所示,该方法包括:
步骤S401:将速度区间[5m-2,5m+2]内所有节气门开度统计为速度大小为5m的平均节气门开度,并剔除样本个数极少等原因导致统计结果异常的数据值。
通过节气门位置传感器采集节气开度的大小,并把节气门开度大小信息报告给发动ECU。并基于ECU记录的大数据信息统计节气门开度与速度的关系,计算不同车速下的理想节气门开度。其中,为了减少计算次数,避免对每个时速的节气门开度一一进行计算,这里的不同车速是指速度区间为[5m-2,5m+2]内所有节气门开度统计为速度大小为5m的平均节气门开度,如对车速为[0,4]、[4,8]、[8,12]等区间的节气门开度,只计算速度为2/6/10状态下的平均节气门开度即可,大大简化了计算次数。图5示意性地显示了针对某一车辆的在不同速度下节气门开度的平均值的统计结果。如图5所示,根据图中统计出的不同速度下的平均节气门开度,当速度大于80km/h之后,节气门开度反而急剧减小。这是由于行驶路段内,速度超过80km/h的时间点极少,样本数据太少,因而导致统计值异常,因此,为了保证计算出理想节气门开度不失真,需要从样本统计值中去掉速度大于80km/h的的样本。
步骤S402:对样本统计值进行数据预处理。
从图5的整体趋势来看平均节气门开度随速度增大逐渐增大。因为测试过程中的汽车车速大多保持在40km/h到50km/h左右,导致速度在60km/h到80km/h的样本相对较少,统计出来的平均节气门开度有一定波动,因此,本发明实施例分别使用线性拟合和灰色预测的方法来处理样本统计值,以预测出整个速度区间(0到120km/h)内的理想节气门开度。由于,当速度在70km/h到80km/h中间时,平均节气门开度在60km/h到80km/h中间波动,而速度等于73km/h和75km/h时,统计的平均值数据异常,因而在对样本统计值进行处理前,需要首先对统计数据进行预处理。
由于内插处理适用于与前后数值差别非常大的极个别的数据点,当通过线性拟合方法计算平均节气门开度时,本发明实施例优选通过内插处理对样本统计值进行数据预处理。内插处理主要是通过直线内插的方式实现,内插公式为:x(k)=x(k)+(k-n)d,其中d表示进行直线内插公差值,公差值为:需要说明的是,式中x(n)表示内插起始值,x(m)表示内插终止值,x(k)表示内插处理后的数据,n为内插起始点,m为内插终止点,其满足n<k<m和k-n=m-k。例如,在速度等于73km/h和75km/h的点进行内插处理,可得结果表为:
当通过线性拟合方法计算平均节气门开度时,为保证预测方法的可行性,首先进行灰色预测前数据检验与处理,对样本统计值的数据序列进行级比计算,以判断是否所有的级比都在可容覆盖区间内。当有级比不在可容覆盖区间内时,通过进行数据变换的预处理,以使数据序列的级比都在可容覆盖区间内。当所有的级比都在可容覆盖区间内时,才通过灰色预测模型进行理想节气门开度的计算。其中,可容覆盖区间设置为数据序列的级比根据数据序列计算获得,例如对数据序列x(0)=(x(0)(1),x(0)(2),...,x(0)(n)),计算获取数列的级比为
步骤S403:处理样本统计值,预测出整个速度区间内的理想节气门开度。
通过数据预处理后,对线性拟合法的处理方式,使用MATLAB拟合工具对平均节气门开度序列进行线性拟合,即可得到拟合曲线y=0.507x+28.66。通过该拟合曲线,即可预测出整个速度区间内的理想节气门开度。图6示意性地显示了基于该拟合曲线得到的预测所有速度条件下的理想节气门开度的曲线。
对于通过灰色预测的处理方式,通过建立灰色预测GM(1,1)模型,求解模型参数与灰色预测值。其中,MATLAB拟合工具对平均节气门开度序列进行线性拟合和通过灰色预测GM(1,1)模型求解模型参数与灰色预测值都可参照现有技术实现,故在此不再赘述。
步骤S404:对预测效果进行校验和分析,获得理想节气门开度。
当通过线性拟合预测出理想节气门开度时,其校验分析通过线性拟合优度检验公式实现(其中yi为预测值,为yi的均值)。校验结果R2越接近1,表明拟合效果越好。理论上,节气门开度与速度存在正相关性,但是车辆的节气门开度不完全取决于车辆的行驶速度,还受加减速幅度、车辆机械状态、道路状况、节气门清洁程度等因素的影响,因此线性拟合的准度难以保证。灰色预测方法是一种对含有不确定因素的灰色系统进行预测的方法,因此运用灰色预测法,更合适分析速度与节气门开度的关系。
当通过灰色预测模型进行理想节气门开度预测时,用残差检验方法对预测效果进行检验和分析。残差计算公式为其中,x(0)(k)为原始序列,为灰色预测所得序列。根据检验标准,若ε(k)<0.1则认为预测结果达到较高的要求,若ε(k)<0.1则认为预测结果达到一般要求。
如果检验通过,则预测值即为理想节气门开度。获取理想节气门开度后,即可基于实际节气门开度构建经济驾驶隶属度函数。
步骤S302:确定经济驾驶行为的因素集。
以节气门开度作为经济驾驶的主要评估依据,本发明实施例选定评估指标为节气门开度合理性和节气门开度稳定性(单位时间节气门开度的变化率),即确定经济驾驶的因素集表示为U={节气门开度合理性,节气门开度稳定性}。
步骤S303:建立各个因素的隶属度函数。
由于安全驾驶的因素集包括节气门开度合理性、节气门开度稳定性,则有因素μi分别为μ1=节气门开度合理性(用tp表示),μ2=节气门开度稳定性(用tpd表示)。分别建立节气门开度合理性和节气门开度稳定性的隶属度函数μtp和μtpd如下:
首先,建立节气门开度合理性的隶属度函数为:
tpi为某一时刻车辆的气门开度合理性,ITP(vi)为当前速度下的理想节气门开度。
接着,建立节气门开度稳定性的隶属度函数。由于节气门开度稳定性由相应时间点的节气门开度的变化率决定,节气门开度变化率越小,对车辆行驶的稳定和节能越有利,因而可得出节气门开度稳定性的隶属度函数为分布函数:其中,根据紧急加速门限下μtpd(20)=0.1可以确定σ=13.18。
由此,通过建立的节气门开度合理性和节气门开度稳定性的隶属度函数,就可以计算出此刻节气门开度的满意度(隶属度)。
步骤S304:设置权重矩阵,以根据隶属度函数对因素集进行综合评判,获得经济驾驶隶属度。
根据建立的节气门开度合理性和节气门开度稳定性的隶属度函数计算评价对象的所有样本的节气门开度合理性隶属度和节气门开度稳定性隶属度,并分别统计两种隶属度的平均值,即统计整段旅程的满意度,即可定量评估出驾驶行为经济性的整体满意度。构建经济驾驶评估模型。假设得到的节气门开度合理性隶属度的平均值为得到的节气门开度稳定性隶属度的平均值为则有:
由于根据实际生活经验,节气门开度合理性比节气门开度稳定性对家是经济性的影响要稍微大一些,因此,在此前提下可设置权重比由此,可得到经济驾驶模型为:
建立了经济驾驶模型后,根据计算得到的节气门开度合理性和节气门开度稳定性的隶属度平均值,就可以计算出经济驾驶的整体满意度,即经济驾驶隶属度。
步骤S103:基于安全驾驶隶属度和经济驾驶隶属度,构建综合评价数学模型,根据综合评价数学模型获取驾驶行为评价结果。
通过以上步骤获取安全驾驶隶属度和经济驾驶隶属度后,即可基于安全驾驶隶属度和经济驾驶隶属度构建综合评价数学模型,以计算得到驾驶行为评价结果。图7示意性显示了本发明一种实施方式的构建综合评价数学模型的方法流程。如图7所示,该方法包括:
步骤S701:根据综合评价的目的,建立评价指标体系。
根据综合评价的目的,建立评价指标体系xi=(xi1,xi2,...,xim)。本发明实施例主要从安全驾驶和经济驾驶两个维度综合评估驾驶员行为,因而评价指标确定为两项,分别为安全驾驶隶属度和经济驾驶隶属度,即可建立的评价指标体系为xi=(xi1,xi2)。
步骤S702:评价指标的一致化和无量纲化处理。
安全驾驶隶属度和经济驾驶隶属度均为极大型指标,不必进行指标类型的一致化处理,二者均为无量纲数值,且取值在区间[0,1]。
步骤S703:确定评价指标权重系数。
设定权重系数,将多个评价指标合成为一个综合评价指标,权重系数向量设置为w=(w1,w2,...,wm)。
为平衡评价者的意志和各指标的客观实际,权重系数由主观权值w1和客观权重w2两部分组成。主观权重使用基于指标功能的赋权方法,客观权重由基于指标差异的赋权方法中的突出局部差异法来确定。采用基于综合集成的赋权方法,可以将两种赋权法的权重进行综合,确定最终的权重系数。基于指标功能的赋权方法是指根据评价系统内所有指标的相对重要程度来确定权重系数,相对重要程度多以评价者主观意志为主,又称为主观赋权法。基于指标差异的赋权方法是指突出局部差异的赋权方法,根据被评价对象的同一指标观测值之间的差异程度来确定权重系数,常用均方差法。
本发明实施例综合评估系统中的两个指标,安全隶属度比经济隶属度对综合评估结果的影响程度大,所以设置权重向量w1=(0.6,0.4)。n个对象的2项评价指标为xi=(xi1,xi2),计算第i项评价指标的均方差并对方差做归一化处理,得到的值作为第i项评价指标的权重系数,根据本实施例的指标即有
确定了两个指标的主观权重和客观权重后,基于综合集成的赋权方法计算出综合评估的权重向量,具体为将评价指标的权重系数w1和w2先做乘法,然后归一化处理,得到综合评估的权重向量w。
步骤S704:建立综合评价数学模型。
基于建立的指标体系和权重向量构造综合评价函数,常用的方法有线性加权综合法、逼近理想点方法等。其中,线性加权综合法应用线性模型作为综合评价模型,此模型可以保证评价指标的公平性,但受权重系数影响大,模型的表达式为逼近理想点方法为逼近理想点的排序方法,针对评价对象的指标值设定一个理想点计算指标值xi=(xi1,xi2,...,xim)与理想点的欧式距离,得到第i个评价对象的综合评价值。被评价对象的指标值与理想点的差异程度越小,评价对象的表现越好,模型的表达式为
根据本发明实施例,优选设置两个指标值即安全驾驶隶属度和经济驾驶隶属度。本发明实施例中N个对象的2项评价指标为xi=(xi1,xi2),权重向量w=(w1,w2)由乘积集成法得到。通过线性加权综合法得到基于安全驾驶隶属度和经济驾驶隶属度的综合评价数学模型为yi=w1xi1+w2xi2,线性加权综合法得到的评价模型可以保证评价指标的公平性,但受权重系数的影响较大。为了减小权重系数的影响,可以通过逼近理想点法得到的综合评价数学模型为其中,i为评价对象的编号,x*为设定的理想点,该方法通过计算评价对象与理想点的欧式距离,得到评价对象的综合评价值,评价对象的指标值与理想点的差异程度越小,表明评价对象的表现越好。
本发明实施例的方法,主要通过安全驾驶和经济驾驶两个维度对驾驶员的驾驶行为进行综合评价。其中,对安全驾驶和经济驾驶的评价,主要是基于模糊综合评判法构建基于模糊隶属度的评估模型,以对相应的指标进行评判,从而获取安全驾驶隶属度和经济驾驶隶属度,以最终基于安全驾驶隶属度和经济驾驶隶属度来评价驾驶行为。安全驾驶和经济驾驶是驾驶行为的主要影响因素,也是驾驶员最关心的因素,因而综合安驾驶和经济驾驶构建数据模型进行评价,评价结果更精准,能够为驾驶员带来更有价值的指导参考,意义重大。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.驾驶行为综合评价方法,其特征在于,包括:
基于模糊综合评判法构建安全驾驶评估模型,获取安全驾驶隶属度;
基于模糊综合评判法构建经济驾驶评估模型,获取经济驾驶隶属度;
基于安全驾驶隶属度和经济驾驶隶属度,构建综合评价数学模型,根据所述综合评价数学模型获取驾驶行为评价结果。
2.根据权利要求1所述的方法,其特征在于,所述基于模糊综合评判法构建安全驾驶评估模型,获取安全驾驶隶属度包括:
采集车辆行车状态数据,根据安全控制需求,确定安全驾驶评估模型的因素集;
根据评估结果区间,确定安全驾驶评估模型的评判集;
根据所述评判集对所述因素集进行评判,构建因素集到评判集的隶属度函数,计算各因素的隶属度;
构造对比矩阵,根据对比矩阵获取权重系数;
根据所述隶属度和权重系数,构建安全驾驶评估模型,计算安全驾驶隶属度。
3.根据权利要求2所述的方法,其中,所述安全驾驶评估模型的因素集包括速度、角速度和滚动角,所述构建的安全驾驶评估模型为μ=0.5396*μv+0.2969*μw+0.1634*μroll,其中,μv、μw和μroll分别为速度、角速度和滚动角的隶属度函数。
4.根据权利要求1所述的方法,其特征在于,所述基于模糊综合评判法建立经济驾驶评估模型,获取经济驾驶隶属度包括:
计算理想节气门开度;
确定经济驾驶评估模型的因素集和评判集;
根据理想节气门开度、因素集和评判集,构建因素集到评判集的隶属度函数,计算各因素的隶属度;
根据各因素的隶属度统计计算各因素的隶属度平均值;
设置权重比,根据所述隶属度平均值和权重比,构建经济驾驶评估模型,计算经济驾驶隶属度。
5.根据权利要求4所述的方法,其中,所述经济驾驶评估模型的因素集包括节气门开度合理性和节气门开度稳定性,所述构建的经济驾驶评估模型为:其中,为节气门开度合理性隶属度的平均值,为节气门开度稳定性隶属度的平均值。
6.根据权利要求4所述的方法,其特征在于,所述计算理想节气门开度包括:
统计一定速度区间的节气门开度,剔除异常数据点,进行平均值计算;
进行灰色预测前的数据检验,通过内插处理和平移变换使灰色预测的原始序列的级别在可容覆盖范围内;
建立灰色预测GM(1,1)模型,求解模型参数和灰色预测值;
对模型求解的参数进行有效性分析,并计算残差进行灰色预测模型的结果检验,根据检验结果确定理想节气门开度。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述基于安全驾驶隶属度和经济驾驶隶属度,构建综合评价数学模型包括:
基于安全驾驶和经济驾驶两个维度综合评价驾驶员行为,建立评价指标体系xi=(xi1,xi2),其中xi1为安全驾驶隶属度,xi2为经济驾驶隶属度;
确定评价指标的权重系数向量w=(w1,w2),其中,w1为安全驾驶隶属度的权重系数,w2为经济驾驶隶属度的权重系数;
根据所述指标体系和权重系数,构建基于安全驾驶隶属度和经济驾驶隶属度的综合评价数学模型。
8.根据权利要求7所述的方法,其特征在于,所述确定评价指标的权重系数包括:
基于指标功能的赋权方法,确定权重系数向量w1=(0.6,0.4);
基于指标差异的赋权方法,确定权重系数向量
基于综合集成的赋权方法,对权重向量w1和w2进行乘法运算,并对运算结果进行归一化处理,以得到综合评估的权重向量w。
9.根据权利要求8所述的方法,其特征在于,所述根据指标体系和权重系数,构建综合评价数学模型包括:
根据所述评价指标xi=(xi1,xi2)和权重向量w=(w1,w2),通过线性综合加权法构建评价对象的综合评价数学模型为yi=w1xi1+w2xi2;
其中,i为n个评价对象的编号,取值为1到n。
10.根据权利要求8所述的方法,其特征在于,所述根据指标体系和权重系数,构建综合评价数学模型包括:
根据所述评价指标xi=(xi1,xi2)和权重向量w=(w1,w2),通过逼近理想点法构建评价对象的综合评价数学模型为
其中,i为n个评价对象的编号,取值为1到n。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610294434.6A CN106022561A (zh) | 2016-05-05 | 2016-05-05 | 驾驶行为综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610294434.6A CN106022561A (zh) | 2016-05-05 | 2016-05-05 | 驾驶行为综合评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106022561A true CN106022561A (zh) | 2016-10-12 |
Family
ID=57081761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610294434.6A Pending CN106022561A (zh) | 2016-05-05 | 2016-05-05 | 驾驶行为综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106022561A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108694486A (zh) * | 2017-04-07 | 2018-10-23 | 深圳市体数科科技有限公司 | 一种基于云模型的驾驶行为智能评价方法和装置 |
CN108876165A (zh) * | 2018-06-27 | 2018-11-23 | 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 |
CN109035960A (zh) * | 2018-06-15 | 2018-12-18 | 吉林大学 | 基于模拟驾驶平台的驾驶员驾驶模式分析系统及分析方法 |
CN109102194A (zh) * | 2018-08-20 | 2018-12-28 | 合肥优控科技有限公司 | 一种基于全球定位系统与惯性传感器的驾驶行为评分方法 |
CN109118034A (zh) * | 2018-06-14 | 2019-01-01 | 江苏大学 | 驾驶行为三维定量综合评价方法 |
CN109572706A (zh) * | 2018-12-12 | 2019-04-05 | 西北工业大学 | 一种驾驶安全评价方法及装置 |
CN109858568A (zh) * | 2019-03-06 | 2019-06-07 | 长安大学 | 一种驾驶人弯道操作模式分类方法 |
CN110070245A (zh) * | 2018-01-23 | 2019-07-30 | 吉旗物联科技(上海)有限公司 | 一种基于驾驶数据的司机评分排名方法 |
CN110083858A (zh) * | 2019-03-11 | 2019-08-02 | 青岛科技大学 | 一种驾驶偏好预判方法 |
CN110196994A (zh) * | 2019-04-23 | 2019-09-03 | 同济大学 | 一种自动驾驶汽车交通协调性评测模型及方法 |
CN111489061A (zh) * | 2020-03-23 | 2020-08-04 | 天津大学 | 基于虚拟现实提高汽车产品安全性的交互控制方法 |
CN112793578A (zh) * | 2019-11-14 | 2021-05-14 | 北汽福田汽车股份有限公司 | 驾驶行为处理方法、装置及车辆 |
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 |
CN113011712A (zh) * | 2021-02-25 | 2021-06-22 | 长安大学 | 基于欧氏距离和信息熵的驾驶员驾驶稳定性评估方法 |
CN113077129A (zh) * | 2021-03-19 | 2021-07-06 | 东南大学 | 一种适用于高海拔地区的驾驶员危险感知能力评价方法 |
CN115238424A (zh) * | 2022-06-20 | 2022-10-25 | 深圳大学 | 基于车辆驾驶模拟仿真的道路交通照明评价系统与方法 |
CN116452154A (zh) * | 2023-06-14 | 2023-07-18 | 北京创客创想科技有限公司 | 一种适用于通信运营商的项目管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871242A (zh) * | 2014-04-01 | 2014-06-18 | 北京工业大学 | 一种驾驶行为综合评价系统与方法 |
CN104504531A (zh) * | 2014-12-30 | 2015-04-08 | 大连楼兰科技股份有限公司 | 一种车辆驾驶风险评估方法 |
CN105430085A (zh) * | 2015-11-30 | 2016-03-23 | 华南理工大学 | 一种使用节气门开度评估驾驶行为经济性的系统及方法 |
-
2016
- 2016-05-05 CN CN201610294434.6A patent/CN106022561A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871242A (zh) * | 2014-04-01 | 2014-06-18 | 北京工业大学 | 一种驾驶行为综合评价系统与方法 |
CN104504531A (zh) * | 2014-12-30 | 2015-04-08 | 大连楼兰科技股份有限公司 | 一种车辆驾驶风险评估方法 |
CN105430085A (zh) * | 2015-11-30 | 2016-03-23 | 华南理工大学 | 一种使用节气门开度评估驾驶行为经济性的系统及方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108694486A (zh) * | 2017-04-07 | 2018-10-23 | 深圳市体数科科技有限公司 | 一种基于云模型的驾驶行为智能评价方法和装置 |
CN110070245A (zh) * | 2018-01-23 | 2019-07-30 | 吉旗物联科技(上海)有限公司 | 一种基于驾驶数据的司机评分排名方法 |
CN109118034B (zh) * | 2018-06-14 | 2021-11-23 | 江苏大学 | 驾驶行为三维定量综合评价方法 |
CN109118034A (zh) * | 2018-06-14 | 2019-01-01 | 江苏大学 | 驾驶行为三维定量综合评价方法 |
CN109035960A (zh) * | 2018-06-15 | 2018-12-18 | 吉林大学 | 基于模拟驾驶平台的驾驶员驾驶模式分析系统及分析方法 |
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 |
CN108876165A (zh) * | 2018-06-27 | 2018-11-23 | 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 |
CN109102194A (zh) * | 2018-08-20 | 2018-12-28 | 合肥优控科技有限公司 | 一种基于全球定位系统与惯性传感器的驾驶行为评分方法 |
CN109572706A (zh) * | 2018-12-12 | 2019-04-05 | 西北工业大学 | 一种驾驶安全评价方法及装置 |
CN109858568A (zh) * | 2019-03-06 | 2019-06-07 | 长安大学 | 一种驾驶人弯道操作模式分类方法 |
CN109858568B (zh) * | 2019-03-06 | 2022-11-04 | 长安大学 | 一种驾驶人弯道操作模式分类方法 |
CN110083858A (zh) * | 2019-03-11 | 2019-08-02 | 青岛科技大学 | 一种驾驶偏好预判方法 |
CN110196994A (zh) * | 2019-04-23 | 2019-09-03 | 同济大学 | 一种自动驾驶汽车交通协调性评测模型及方法 |
CN112793578A (zh) * | 2019-11-14 | 2021-05-14 | 北汽福田汽车股份有限公司 | 驾驶行为处理方法、装置及车辆 |
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 |
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 |
CN111489061A (zh) * | 2020-03-23 | 2020-08-04 | 天津大学 | 基于虚拟现实提高汽车产品安全性的交互控制方法 |
CN113011712A (zh) * | 2021-02-25 | 2021-06-22 | 长安大学 | 基于欧氏距离和信息熵的驾驶员驾驶稳定性评估方法 |
CN113011712B (zh) * | 2021-02-25 | 2024-01-19 | 长安大学 | 基于欧氏距离和信息熵的驾驶员驾驶稳定性评估方法 |
CN113077129A (zh) * | 2021-03-19 | 2021-07-06 | 东南大学 | 一种适用于高海拔地区的驾驶员危险感知能力评价方法 |
CN115238424A (zh) * | 2022-06-20 | 2022-10-25 | 深圳大学 | 基于车辆驾驶模拟仿真的道路交通照明评价系统与方法 |
CN116452154A (zh) * | 2023-06-14 | 2023-07-18 | 北京创客创想科技有限公司 | 一种适用于通信运营商的项目管理系统 |
CN116452154B (zh) * | 2023-06-14 | 2023-09-05 | 北京创客创想科技有限公司 | 一种适用于通信运营商的项目管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022561A (zh) | 驾驶行为综合评价方法 | |
CN109871599B (zh) | 一种无人驾驶车辆运行安全指数评价方法 | |
CN112201038B (zh) | 一种基于单车不良驾驶行为风险的路网风险评估方法 | |
WO2020244288A1 (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
CN104134349B (zh) | 一种基于交通多源数据融合的公交路况处理系统及方法 | |
CN110796859A (zh) | 基于交通流的实时交通状态辨识及事故风险预警方法 | |
CN104809878B (zh) | 利用公交车gps数据检测城市道路交通异常状态的方法 | |
CN104050329B (zh) | 一种检测船舶碰撞危险度的方法 | |
Debnath et al. | Navigational traffic conflict technique: a proactive approach to quantitative measurement of collision risks in port waters | |
CN105946860B (zh) | 一种考虑驾驶风格的弯道车速预测方法 | |
CN111785023A (zh) | 一种车辆碰撞风险预警方法及系统 | |
CN109002622B (zh) | 一种随机车流作用下大跨径桥梁总体荷载响应估算方法 | |
CN106971540B (zh) | 高速公路隧道环境下驾驶人的行为风险量化方法 | |
CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
CN108876165B (zh) | 一种驾驶员安全监控学习系统 | |
Peng et al. | Intelligent method for identifying driving risk based on V2V multisource big data | |
CN105799709A (zh) | 车辆急转弯的识别方法及装置 | |
Nikolaev et al. | Fuzzy Algorithm for the Detection of Incidents in the Transport System. | |
CN114970943A (zh) | 一种高速公路事故类型与严重程度预测方法 | |
CN110929224A (zh) | 基于公交行车安全的安全指标体系创建方法 | |
CN116957345B (zh) | 用于无人驾驶系统中的数据处理方法 | |
CN108847025A (zh) | 一种交通拥堵判定方法 | |
CN117238126A (zh) | 一种连续流道路场景下的交通事故风险评估方法 | |
CN112990563A (zh) | 一种高速公路追尾事故风险实时预测方法 | |
CN107169202A (zh) | 一种行进车辆间安全保持距离的计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination |