CN106557792A - 驾培学员有效学时的筛选和验证方法及其系统 - Google Patents
驾培学员有效学时的筛选和验证方法及其系统 Download PDFInfo
- Publication number
- CN106557792A CN106557792A CN201610929483.2A CN201610929483A CN106557792A CN 106557792 A CN106557792 A CN 106557792A CN 201610929483 A CN201610929483 A CN 201610929483A CN 106557792 A CN106557792 A CN 106557792A
- Authority
- CN
- China
- Prior art keywords
- class hour
- training
- time
- student
- vehicle
- 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
- 238000012549 training Methods 0.000 title claims abstract description 145
- 238000012216 screening Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012795 verification Methods 0.000 title claims abstract description 17
- 238000002372 labelling Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 3
- 206010021703 Indifference Diseases 0.000 description 2
- 241000630329 Scomberesox saurus saurus Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及驾培学员有效学时的筛选和验证方法及其系统,方法包括:获取当次学时的开始时间和结束时间;统计学员当次学时的训练时长;计算出训练时长内车辆的平均速度,并判断是否大于预设速度,若是则标记为可疑学时;判断在训练时间段是否与学员自身的其他训练时间段存在交叉,若存在交叉,则标记当次学时为可疑学时;若不存在交叉,则将训练时长内各学时时段获取的学员正脸面部特征值与基础模型特征值进行匹配,若匹配相同,则标记该学时时段为有效学时,否则,为可疑学时;统计匹配相同的学时时段之和,即为当次学时的总有效学时时长。本发明通过各监控技术的交叉配合使用以验证学员的真实性和学时的有效性。
Description
技术领域
本发明涉及一种有效学时的筛选和验证方法及其系统,尤其涉及一种驾培学员有效学时的筛选和验证方法及其系统,属于网络信息监控技术领域。
背景技术
目前,驾培行业内对学员学时计时的终端和驾培管理平台系统技术落后,人为即可对终端和驾培管理平台系统进行破解,导致了存在大量驾校造假学员学时、造假学员培训经历的情况,而行业监管部门无法实现严格的把控,对社会交通造成严重的安全隐患。
发明内容
本发明所要解决的技术问题是,克服现有技术的缺点,提供一种驾培学员有效学时的筛选和验证方法及其系统,通过指纹识别、人脸识别、卫星定位、训练时长计时、速度异常学时筛选及重叠学时筛选技术的交叉应用实现有效学时的判定和筛选,具有实时验证学员的真实性,对学员练车实时有效监控的优点。
为了解决以上技术问题,本发明提供一种驾培学员有效学时的筛选和验证方法,包括:
步骤1、获取学员指纹和基础指纹信息的比对时间,并根据比对时间获取当次学时的开始时间和结束时间;
步骤2、统计开始时间到结束时间的训练时间段内学员当次学时的训练时长;
步骤3、计算出训练时长内车辆的平均速度,并判断是否大于预设速度,若是则标记当次学时为可疑学时;若否,则进入下一步骤;
步骤4、判断训练时间段是否与学员自身的其他训练时间段及教练员训练其他学员的训练时间段存在交叉,若存在交叉,则标记当次学时为可疑学时;若不存在交叉,则将训练时长内各学时时段获取的学员正脸面部特征值与基础模型特征值进行匹配,若匹配相同,则标记该学时时段为有效学时,否则,为可疑学时;
步骤5、计算匹配相同的学时时段之和,即为当次学时的总有效学时时长。
本发明进一步限定的技术方案是:步骤1中包括:
比对初始获取的学员指纹是否和基础指纹信息相同,并记录比对的时间为学时开始时间,若是,则正常开始学时,否则,标记为可疑学时;
比对最后获取的学员指纹是否和基础指纹信息相同,并记录比对的时间为学时结束时间,若是,则正常结束学时,否则,强制登出,并标记当次学时为可疑学时。
进一步的,步骤2包括:
步骤2-1、学时开始时间开始计时;
步骤2-2、获取车辆点火信息、定位信息和速度信息;
步骤2-3、判断车辆是否在有效教学区域内处于点火状态,若车辆未在有效区域内,则停止学时计时,当车辆返回有效区域内时,则循环进入步骤2-2;
若车辆在有效教学区域内处于熄火状态,则停止计时,当车辆重新点火,则循环进入步骤2-2;
若车辆在有效教学区域内处于点火状态,则判断获取的速度信息,当车辆在预设时长内产生速度,则继续计时,当车辆在预设时长内未产生速度,则停止学时计时;当车辆重新产生速度时,则循环进入步骤2-2;
步骤2-4,学时结束时间结束计时。
更进一步的,有效教学区域是将该区域各拐点以经纬度形式标记并存储。
进一步的,学时时段的时长为0-5分钟。
进一步的,计算出训练时长内车辆的平均速度的具体方法为:通过公式X/Y计算训练时长中车辆的平均速度,其中,X为训练时长内的总训练公里数,单位km,Y为训练时长,单位为h。
一种驾培学员有效学时的筛选和验证系统,包括:
获取模块,用于获取学员指纹和基础指纹信息的比对时间,并根据比对时间获取当次学时的开始时间和结束时间;
统计模块,用于在开始时间到结束时间的训练时间段内,统计学员当次学时的训练时长;
速度异常学时筛选模块,用于计算出训练时长内车辆的平均速度;并判断是否大于预设速度,若是则标记当次学时为可疑学时;
重叠学时筛选模块,用于判断训练时间段是否与学员自身的其他训练时间段及教练员训练其他学员的训练时间段存在交叉,若存在交叉,则标记当次学时为可疑学时;若不存在交叉,则将训练时长内各学时时段获取的学员正脸面部特征值与基础模型特征值进行匹配,若匹配相同,则标记该学时时段为有效学时,否则,则为可疑学时;
有效学时统计模块,用于计算重叠学时筛选模块中匹配相同的学时时段之和,即为当次学时的总有效学时时长。
进一步的,还包括:指纹判定单元,用于比对初始获取的学员指纹是否和基础指纹信息相同,并记录比对的时间为学时开始时间,若是,则正常开始学时,否则,标记为可疑学时;
比对最后获取的学员指纹是否和基础指纹信息相同,并记录比对的时间为学时结束时间,若是,则正常结束学时,否则,强制登出,并标记当次学时为可疑学时。
进一步的,统计模块包括:
开始计时单元,用于学时开始时间开始计时;
获取单元,用于获取车辆点火信息、定位信息和速度信息;
计时判断单元,用于判断车辆是否在有效教学区域内处于点火状态,若车辆未在有效区域内,则停止学时计时,当车辆返回有效区域内时,返回获取单元;若车辆在有效教学区域内处于熄火状态,则停止计时,当车辆重新点火并在预设时长内产生速度计时,返回获取单元;若车辆在有效教学区域内处于点火状态,则判断获取的速度信息,当车辆在预设时长内产生速度,则继续计时,当车辆在预设时长内未产生速度,则停止学时计时;当车辆重新产生速度时,返回获取单元;
结束计时单元,用于学时结束时间结束计时。
更进一步的,有效教学区域是将该区域各拐点以经纬度形式标记并存储。
进一步的,统计模块中平均速度的具体计算方法为:通过公式X/Y计算训练时长中车辆的平均速度,其中,X为训练时长内的总训练公里数,单位km,Y为训练时长,单位为h。
进一步的,重叠学时筛选模块中学时时段的时长为0-5分钟。
本发明的有益效果是:通过指纹识别、电子围栏定位、训练时长计时、速度异常学时筛选、重叠学时筛选及人脸识别技术交叉验证学员的真实性和学时的有效性,对学员练车起到实时监控的作用。
准确的定位车辆的位置。配合学时控制可以有效监督学员在正确规划的训练路线上训练,保证了学员自身和其它车辆的安全。
人脸识别系统不仅在培训前和培训后进行验证,同时应用于培训过程中,可以实时的辨认学员真伪,起到全程监管的作用。
附图说明
图1为本发明实施例驾培学员有效学时的筛选和验证方法的流程图;
图2为本发明实施例驾培学员有效学时的筛选和验证系统结构示意图;
图3为本发明实施例的统计训练时长的流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,本发明的一种驾培学员有效学时的筛选和验证方法,包括:
步骤1、获取学员指纹和基础指纹信息的比对时间,并根据比对时间获取当次学时的开始时间和结束时间;
步骤2、统计所述开始时间到所述结束时间的训练时间段内学员当次学时的训练时长;
步骤3、计算出训练时长内车辆的平均速度,并判断是否大于预设速度,若是,则标记当次学时为可疑学时;否则,进入下一步骤;
步骤4、判断训练时间段是否与学员自身的其他训练时间段及教练员训练其他学员的训练时间段存在交叉,若存在交叉,则标记当次学时为可疑学时;若不存在交叉,则将训练时长内各学时时段获取的学员正脸面部特征值与基础模型特征值进行匹配,若匹配相同,则标记该学时时段为有效学时,否则,为可疑学时;
步骤5、计算匹配相同的学时时段之和,即为当次学时的总有效学时时长。
以下将对上述步骤1~5中的操作规则、方式等进行详细说明。
其中、步骤1中:
步骤a、比对初始获取的学员指纹是否和基础指纹信息相同,并记录比对时间为学时开始时间,若是,则正常开始学时;否则,标记为可疑学时;
步骤b、比对最后获取的学员指纹是否和基础指纹信息相同,并记录比对时间为学时结束时间若是,则正常结束学时;否则,强制登出,并标记当次学时为可疑学时。
基础指纹信息是在学员报名时采集,还包括学员的静态信息、照片信息等相关信息。并根据学员的静态信息制作学员卡,用于培训记录使用。
训练时的学员指纹通过生物指纹仪采集,生物指纹仪能够通过辨识被识别体是否携带弱电,从而检测是否为活体,杜绝了指纹造假的问题。
其中、步骤2中训练时间段指学员从学时开始时间到学时结束时间所经过的时间段。
训练时长指训练时间段内车辆在驾培划定的有效区域内进行有效操作的时间长度。
训练时长的具体统计方法如图3所示包括:
步骤2-1、学时开始时间开始计时;
步骤2-2、获取车辆点火信息、定位信息和速度信息;
步骤2-3、判断车辆是否在有效教学区域内处于点火状态,
判断车辆是否在有效教学区域内处于点火状态,若车辆未在有效区域内,则停止学时计时,当车辆返回有效区域内时,则循环进入步骤2-2;
若车辆在有效教学区域内处于熄火状态,则停止计时,当车辆重新点火,则循环进入步骤2-2;
若车辆在有效教学区域内处于点火状态,则判断获取的速度信息,当车辆在预设时长内产生速度,则继续计时,当车辆在预设时长内未产生速度,则停止学时计时;当车辆重新产生速度时,则循环进入步骤2-2;
步骤2-4、学时结束时结束计时。
更具体的,步骤2-2中,车辆点火信息通过ACC点火开关传感线采集,用于判断学员是否处于车辆点火教学的正常状态;通过GPS/北斗卫星定位模块实时的无差别采集车辆定位信息,可以准确获取车辆所处的经纬度,确定车辆的具体位置。速度信息通过脉冲传感线采集,用于判断教学过程中车辆是否正常产生速度。
步骤2-3中,判断车辆是否在有效教学区域的方法具体为:通过GPS/北斗卫星定位模块定位车辆出所处经纬度,再计算所处的经纬度是否处于有效区域内。有效教学区域为通过驾培管理平台规划的区域,以区域的边界各拐点经纬度形式存储于车载终端内。
其中,步骤3中计算出训练时长内车辆的平均速度的具体方法为:通过公式X/Y计算训练时长中车辆的平均速度,其中,X为训练时长内的总训练公里数,单位km,Y为训练时长,单位为h。
训练时长内车辆速度过快不符合驾培管理的训练要求,因此根据驾培管理要求预设一个速度阀值,当训练时段的平均速度大于此阀值时,则存在可疑情况,标记此学时为可疑学时。
其中,步骤4中学时时段的时长为0-5分钟。
其中,在步骤4中通过安装于正驾驶座前方的摄像头实时获取学员照片,实时获取是指训练时长内每间隔0-5分钟获取一次,
方法内的数据通讯传输采用wifi无线方式,wifi无线方式可以满足大数据传输的要求,并且节省通讯费用。
如图2所示,本发明所述的一种驾培学员有效学时的筛选和验证系统,包括,
获取模块21,用于获取学员指纹和基础指纹信息的比对时间,并根据比对时间获取当次学时的开始时间和结束时间;
统计模块22,用于在开始时间到结束时间的训练时间段内统计学员当次学时的训练时长;
速度异常学时筛选模块23,用于计算出训练时长内车辆的平均速度;并判断是否大于预设速度,若是则标记当次学时为可疑学时;
重叠学时筛选模块24,用于判断训练时间段是否与学员自身的其他训练时间段及教练员训练其他学员的训练时间段存在交叉,若存在交叉,则标记当次学时为可疑学时;若不存在交叉,则将训练时长内各学时时段获取的学员正脸面部特征值与基础模型特征值进行匹配,若匹配相同,则标记该学时时段为有效学时,否则,则为可疑学时;
有效学时统计模块25,用于计算重叠学时筛选模块中匹配相同的学时时段之和,即为当次学时的总有效学时时长。
该系统具体为:
系统的获取模块21中包括指纹判定单元26,用于比对初始获取的学员指纹是否和基础指纹信息相同,并记录比对时间为学时开始时间;若是,则正常开始学时;否则,标记为可疑学时;
比对最后获取的学员指纹是否和基础指纹信息相同,并记录比对时间为学时结束时间;若是,则正常结束学时,否则,强制登出,并标记当次学时为可疑学时。
基础指纹信息是在学员报名时采集,还包括学员的静态信息、照片信息等相关信息。并根据学员的静态信息制作学员卡,用于培训记录使用。
训练时的学员指纹通过生物指纹仪采集,生物指纹仪能够通过辨识被识别体是否携带弱电,从而检测是否为活体,杜绝了指纹造假的问题。
统计模块22统计的训练时长指训练时间段内车辆在驾培划定的有效区域内进行有效操作的时间长度。
训练时间段指学员从学时开始时间到学时结束时间所经过的时间段。
统计模块22包括:
开始计时单元27,用于学时开始时间开始计时;
获取单元28,用于获取车辆点火信息、定位信息和速度信息;
计时判断单元29,用于判断车辆是否在有效教学区域内处于点火状态,若车辆未在有效区域内,则停止学时计时,当车辆返回有效区域内时,重新判断;若车辆在有效教学区域内处于熄火状态,则停止计时,当车辆重新点火并在预设时长内产生速度计时,重新判断;若车辆在有效教学区域内处于点火状态,则判断获取的速度信息,当车辆在预设时长内产生速度,则继续计时,当车辆在预设时长内未产生速度,则停止学时计时;当车辆重新产生速度时,重新判断;
结束计时单元210,用于学时结束时间结束计时。
获取单元28中,通过ACC点火开关传感线采集车辆点火信息,判断学员是否处于车辆点火教学的正常状态;通过GPS/北斗卫星模块实时的无差别获取定位信息,可以准确获取车辆所处的经纬度,确定车辆的具体位置。速度信息通过脉冲传感线采集,判断教学过程中车辆是否正常产生速度。
计时判断单元29中,判断车辆是否在有效教学区域的方法具体为:通过GPS/北斗卫星定位车辆出所处经纬度,再计算所处的经纬度是否处于有效区域内。有效教学区域为通过驾培管理平台规划的区域,以区域的边界各拐点经纬度形式存储于车载终端内。
速度异常学时筛选模块23中计算出训练时长内车辆的平均速度的具体方法为:通过公式X/Y计算训练时长中车辆的平均速度,其中,X为训练时长内的总训练公里数,单位km,Y为训练时长,单位为h。训练时长内车辆速度过快不符合驾培管理的训练要求,因此根据驾培管理要求预设一个速度阀值,当训练时段的平均速度大于此阀值时,则存在可疑情况,标记此学时为可疑学时。
重叠学时筛选模块24中学时时段的时长为0-5分钟。
重叠学时筛选模块24通过安装于正驾驶座前方的摄像头实时获取学员照片,实时获取是指训练时长内每间隔0-5分钟获取一次
系统中各模块的数据通讯传输采用wifi无线方式,wifi无线方式可以满足大数据传输的要求,并且节省通讯费用。
本发明的应用如下:
学员在8:44;54上车,插入学员卡,指纹比对成功,正常开始学时,并于10:35:20指纹比对成功下车,结束当次学时。获取模块21判定该学员的学时开始时间为8:44;54,学时结束时间为10:35:20,训练时间段为8:44;54-10:35:20,共111分钟。
统计模块22接收8:44;54-10:35:20训练时间段内训练车辆的训练位置信息、点火信息和速度信息,分析到训练车辆在10:16:35-10:17:35时车辆位于东经:118.87031、北纬:32.147617,ACC传感线采集到车辆处于关闭状态,位于有效学时外,不符合统计条件,故统计训练时间段内的训练时长为110分钟。
速度异常学时筛选模块23获取训练时长内训练车辆的总里程数为55km,计算出教练车的平均速度为30km/h,未超过预设的速度阀值55km/h,满足驾培训练的要求。
重叠学时筛选模块24比对学员8:44;54-10:35:20训练时间段与其自身其他学时的训练时间段及教练员训练其他学员的训练时间段,判定不存在学时重叠,再通过训练时间段内每隔2分钟采集的人脸照片判断出其中85分钟为本人照片,25分钟为非本人照片。
有效学时统计模块25根据上述模块判定结果统计出该学员在8:44;54-10:35:20训练时间段内,训练时长为110分钟,其中85分钟判定为有效学时,25分钟判定为可疑学时。
综上所述,本发明的驾培学员有效学时的筛选和验证方法和系统,通过生物指纹识别,实时人脸识别、电子围栏定位、停车时长计时、速度异常学时筛选及重叠学时筛选的多重监控,实现驾培有效学时的判断和筛选,与现有技术比,监控更加完善合理,可以有效筛选出学时过程中的有效学时,保证学员的练车时间和练习质量。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (12)
1.驾培学员有效学时的筛选和验证方法,其特征在于,包括:
步骤1、获取学员指纹和基础指纹信息的比对时间,并根据所述比对时间获取当次学时的开始时间和结束时间;
步骤2、统计所述开始时间到所述结束时间的训练时间段内学员当次学时的训练时长;
步骤3、计算出所述训练时长内车辆的平均速度,并判断是否大于预设速度,若是,则标记当次学时为可疑学时;否则,进入下一步骤;
步骤4、判断所述训练时间段是否与学员自身的其他训练时间段及教练员训练其他学员的训练时间段存在交叉,若存在交叉,则标记当次学时为可疑学时;若不存在交叉,则将训练时长内各学时时段获取的学员正脸面部特征值与基础模型特征值进行匹配,若匹配相同,则标记该学时时段为有效学时,否则,为可疑学时;
步骤5、计算所述匹配相同的学时时段之和,即为当次学时的总有效学时时长。
2.根据权利要求1所述的驾培学员有效学时的筛选和验证方法,其特征在于,所述步骤1包括:
比对初始获取的学员指纹是否和基础指纹信息相同,并记录比对的时间为学时开始时间,若是,则正常开始学时;否则,标记为可疑学时;
比对最后获取的学员指纹是否和基础指纹信息相同,并记录比对的时间为学时结束时间,若是,则正常结束学时;否则,强制登出,并标记当次学时为可疑学时。
3.根据权利要求1所述的驾培学员有效学时的筛选和验证方法,其特征在于,所述步骤2包括:
步骤2-1、学时开始时间开始计时;
步骤2-2、获取车辆点火信息、定位信息和速度信息;
步骤2-3、判断车辆是否在有效教学区域内处于点火状态,若车辆未在有效区域内,则停止学时计时,当车辆返回有效区域内时,则循环进入步骤2-2;
若车辆在有效教学区域内处于熄火状态,则停止计时,当车辆重新点火,则循环进入步骤2-2;
若车辆在有效教学区域内处于点火状态,则判断获取的速度信息,当车辆在预设时长内产生速度,则继续计时,当车辆在预设时长内未产生速度,则停止学时计时;当车辆重新产生速度时,则循环进入步骤2-2;
步骤2-4,学时结束时间结束计时。
4.根据权利要求3所述的驾培学员有效学时的筛选和验证方法,其特征在于,所述有效教学区域是将该区域各拐点以经纬度形式标记并存储。
5.根据权利要求1所述的驾培学员有效学时的筛选和验证方法,其特征在于,所述计算出训练时长内车辆的平均速度的具体方法为:通过公式X/Y计算训练时长中车辆的平均速度,其中,X为训练时长内的总训练公里数,单位km,Y为训练时长,单位为h。
6.根据权利要求1所述的驾培学员有效学时的筛选和验证方法,其特征在于,所述学时时段的时长为0-5分钟。
7.一种驾培学员有效学时的筛选和验证系统,其特征在于,包括,
获取模块,用于获取学员指纹和基础指纹信息的比对时间,并根据所述比对时间获取当次学时的开始时间和结束时间;
统计模块,用于在所述开始时间到所述结束时间的训练时间段内,统计学员当次学时的训练时长;
速度异常学时筛选模块,用于计算出所述训练时长内车辆的平均速度;并判断是否大于预设速度,若是则标记当次学时为可疑学时;
重叠学时筛选模块,用于判断所述训练时间段内是否与学员自身的其他训练时间段及教练员训练其他学员的训练时间段存在交叉,若存在交叉,则标记当次学时为可疑学时;若不存在交叉,则将训练时长内各学时时段获取的学员正脸面部特征值与基础模型特征值进行匹配,若匹配相同,则标记该学时时段为有效学时,否则,则为可疑学时;
有效学时统计模块,用于计算所述重叠学时筛选模块中匹配相同的学时时段之和,即为当次学时的总有效学时时长。
8.根据权利要求7所述的一种驾培学员有效学时的筛选和验证系统,其特征在于,所述获取模块中包括:
指纹判定单元,用于比对初始获取的学员指纹是否和基础指纹信息相同,并记录比对的时间为学时开始时间,若是,则正常开始学时,否则,标记为可疑学时;
比对最后获取的学员指纹是否和基础指纹信息相同,并记录比对的时间为学时结束时间,若是,则正常结束学时,否则,强制登出,并标记当次学时为可疑学时。
9.根据权利要求7所述的一种驾培学员有效学时的筛选和验证系统,其特征在于,所述统计模块包括
开始计时单元,用于学时开始时间开始计时;
获取单元,用于获取车辆点火信息、定位信息和速度信息;
计时判断单元,用于判断车辆是否在有效教学区域内处于点火状态,若车辆未在有效区域内,则停止学时计时,当车辆返回有效区域内时,返回获取单元;若车辆在有效教学区域内处于熄火状态,则停止计时,当车辆重新点火并在预设时长内产生速度计时,返回获取单元;若车辆在有效教学区域内处于点火状态,则判断获取的速度信息,当车辆在预设时长内产生速度,则继续计时,当车辆在预设时长内未产生速度,则停止学时计时;当车辆重新产生速度时,返回获取单元;
结束计时单元,用于学时结束时间结束计时。
10.根据权利要求9所述的一种驾培学员有效学时的筛选和验证系统,其特征在于,所述有效教学区域是将该区域各拐点以经纬度形式标记并存储。
11.根据权利要求7所述的一种驾培学员有效学时的筛选和验证系统,其特征在于,所述统计模块中平均速度的具体计算方法为:通过公式X/Y计算训练时长中车辆的平均速度,其中,X为训练时长内的总训练公里数,单位km,Y为训练时长,单位为h。
12.根据权利要求7所述的一种驾培学员有效学时的筛选和验证系统,其特征在于,所述重叠学时筛选模块中学时时段的时长为0-5分钟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610929483.2A CN106557792A (zh) | 2016-10-31 | 2016-10-31 | 驾培学员有效学时的筛选和验证方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610929483.2A CN106557792A (zh) | 2016-10-31 | 2016-10-31 | 驾培学员有效学时的筛选和验证方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106557792A true CN106557792A (zh) | 2017-04-05 |
Family
ID=58443146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610929483.2A Pending CN106557792A (zh) | 2016-10-31 | 2016-10-31 | 驾培学员有效学时的筛选和验证方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106557792A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256410A (zh) * | 2017-11-01 | 2018-07-06 | 山东万正网络科技有限公司 | 一种用于教练车的防作弊计时系统和方法 |
CN110852925A (zh) * | 2019-11-20 | 2020-02-28 | 中国联合网络通信集团有限公司 | 异常学习检测方法、装置、设备和存储介质 |
CN114359982A (zh) * | 2022-03-19 | 2022-04-15 | 广州格鲁信息技术有限公司 | 一种基于大数据处理的反欺诈系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202453947U (zh) * | 2011-12-02 | 2012-09-26 | 杭州中正生物认证技术有限公司 | 车载驾培终端及系统 |
US8699995B2 (en) * | 2008-04-09 | 2014-04-15 | 3D Radio Llc | Alternate user interfaces for multi tuner radio device |
CN105590506A (zh) * | 2016-03-07 | 2016-05-18 | 山东大学 | 一种用于教练车的监控系统及其工作方法 |
-
2016
- 2016-10-31 CN CN201610929483.2A patent/CN106557792A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8699995B2 (en) * | 2008-04-09 | 2014-04-15 | 3D Radio Llc | Alternate user interfaces for multi tuner radio device |
CN202453947U (zh) * | 2011-12-02 | 2012-09-26 | 杭州中正生物认证技术有限公司 | 车载驾培终端及系统 |
CN105590506A (zh) * | 2016-03-07 | 2016-05-18 | 山东大学 | 一种用于教练车的监控系统及其工作方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256410A (zh) * | 2017-11-01 | 2018-07-06 | 山东万正网络科技有限公司 | 一种用于教练车的防作弊计时系统和方法 |
CN110852925A (zh) * | 2019-11-20 | 2020-02-28 | 中国联合网络通信集团有限公司 | 异常学习检测方法、装置、设备和存储介质 |
CN114359982A (zh) * | 2022-03-19 | 2022-04-15 | 广州格鲁信息技术有限公司 | 一种基于大数据处理的反欺诈系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373461A (zh) | 驾培管理服务系统及其方法 | |
JP6870038B2 (ja) | 走行挙動の安全性検出方法、走行挙動の安全性検出装置及びコンピュータ読取可能な記憶媒体 | |
CN108549366B (zh) | 智能汽车道路行驶与虚拟测试平行映射实验方法 | |
CN109709956B (zh) | 一种自动驾驶车辆速度控制多目标优化的跟驰算法 | |
US9481373B2 (en) | Behavior based driving record management and rehabilitation | |
CN108645628A (zh) | 基于道路驾驶技能的自动驾驶汽车测试系统 | |
CN106274483A (zh) | 基于分心驾驶行为判别的车辆自动驾驶切换装置及方法 | |
CN110136447A (zh) | 行车变道检测及违法变道识别的方法 | |
CN102376183A (zh) | 机动车驾驶人培训与考试全程监控系统 | |
CN107204114A (zh) | 一种车辆异常行为的识别方法及装置 | |
CN106557792A (zh) | 驾培学员有效学时的筛选和验证方法及其系统 | |
CN106934945A (zh) | 一种共享设备的分享方法 | |
CN105513362B (zh) | 一种公交站台毗邻区公交车运行状态评价验证方法 | |
CN109523787A (zh) | 一种基于车辆通行轨迹的疲劳驾驶分析方法 | |
Moore et al. | Fuzzy logic for improved dilemma zone identification: driving simulator study | |
CN112712714A (zh) | 一种基于卡口监控设备的红绿灯配时优化方法及仿真系统 | |
CN110175654A (zh) | 一种轨迹路标的更新方法及系统 | |
CN111422202B (zh) | 智能驾驶考试评判方法 | |
CN106355329A (zh) | 驾驶员对标能力的测试方法与系统 | |
CN109410584A (zh) | 一种路况检测方法及装置 | |
Belz et al. | Event-based framework for noncompliant driver behavior at single-lane roundabouts | |
CN109572551A (zh) | 汽车安全驾驶系统 | |
CN107341458A (zh) | 一种用于智能驾考的规范行驶判断方法 | |
CN113313051B (zh) | 一种违规使用他人etc行为的检测识别方法及系统 | |
Zhu et al. | Car-following headways in different driving situations: A naturalistic driving study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170405 |