CN106611505A - 基于驾驶行为的行车辅助方法 - Google Patents

Abstract

一种基于驾驶行为的行车辅助方法，包括：获取用户日常驾驶数据以确定用户的驾驶行为偏好；获取车辆当前位置，在根据行车辅助设置确定当前位置需提供行车辅助时，针对用户的不同驾驶行为偏好提供不同类型的行车辅助。所述行车辅助方法使得行车辅助不仅适应不同类型的用户，也进一步提高行车安全。

Description

基于驾驶行为的行车辅助方法

技术领域

本发明涉及行车辅助技术，特别涉及基于驾驶行为的行车辅助方法。

背景技术

目前，随着汽车电子技术的发展及车辆联网功能的实现，市场上推出了各种行车辅助技术，常见的比如：超速提示/违章预警/电子狗、在特定路段提示驾驶员注意限速、行人检测紧急制动、雷达检测到周边障碍物提醒驾驶员，等等。

上述行车辅助技术能够在满足预设条件时给予用户各种警示或干预，但这种警示或干预是否对各个用户都能起到有效效果尚不得而知。因而，提升行车辅助的有效性仍是本领域技术人员关注的重点。

发明内容

本发明解决的问题是提供一种基于驾驶行为的行车辅助方法，以提供更适应驾驶员个人的在线辅助。

为了解决上述问题，本发明基于驾驶行为的行车辅助方法，包括：

获取用户日常驾驶数据以确定用户的驾驶行为偏好；

获取车辆当前位置，在根据行车辅助设置确定当前位置需提供行车辅助时，针对用户的不同驾驶行为偏好提供不同类型的行车辅助。

与现有技术相比，上述方案具有以下优点：对行车辅助的呈现方式按用户的驾驶行为偏好进行区分，结合车辆当前位置所需的行车辅助和用户的驾驶行为偏好，提供相对应的行车辅助。例如，对于一向小心操控的谨慎驾驶类型的用户，提供提示消息即可；而对于喜好激烈驾驶的危险驾驶类型的用户，则提供干预性更强的辅助，以更好地警示或直接干预。从而，使得行车辅助不仅适应不同类型的用户，也进一步提高行车安全。

附图说明

图1是本发明基于驾驶行为的行车辅助方法的一种实施方式流程示意图；

图2是本发明基于驾驶行为的行车辅助方法的基于车载端实现的一种实施例示意图；

图3是本发明基于驾驶行为的行车辅助方法的一种实施例的应用场景示意图。

具体实施方式

在下面的描述中，阐述了许多具体细节以便使所属技术领域的技术人员更全面地了解本发明。但是，对于所属技术领域内的技术人员明显的是，本发明的实现可不具有这些具体细节中的一些。此外，应当理解的是，本发明并不限于所介绍的特定实施例。相反，可以考虑用下面的特征和要素的任意组合来实施本发明，而无论它们是否涉及不同的实施例。因此，下面的方面、特征、实施例和优点仅作说明之用而不应被看作是权利要求的要素或限定，除非在权利要求中明确提出。

考虑到现有技术的行车辅助技术大都基于下述实现手段：检测目前状态是否满足预设条件，若满足预设条件，则执行预设的响应动作。例如，对于“在特定路段提示驾驶员注意限速”，其实现过程简单来说就是：获得车辆当前位置，根据地图信息判断车辆位置是否已处于限速区域，若处于限速区域，则提醒驾驶员(例如显示/报警音提示/语音播报报警)。此时，无论是对哪个驾驶员，提醒的方式都是一样的，因为这些都已预先固定在出厂前的设置中。但事实上，对于不同类型的驾驶员，同样的提醒所能取得的效果会差别很大。对于习惯小心操控的驾驶员，例如显示限速消息可能已足够引起重视；而对于喜好激烈驾驶的驾驶员，例如显示限速消息可能完全并不足够，此时可能需大音量的报警提示或其他提醒手段，方能引起这种类型的驾驶员重视。因此，现有技术的行车辅助技术并未将驾驶员的个人因素考虑在内。而事实上，为了有效保证行车辅助的效果，驾驶员的个人因素也应作为其中重要的一部分。

有鉴于此，本发明提供的行车辅助方法将对驾驶行为的评估也考虑在内。参照图1所示，根据本发明的行车辅助方法的一种实施方式，其包括：

步骤s10，获取用户日常驾驶数据以确定用户的驾驶行为偏好；

步骤s20，获取车辆当前位置；

步骤s30，判断当前位置处是否需提供行车辅助，若是，则转至步骤s40；若否，则返回步骤s20；

步骤s40，针对用户的不同驾驶行为偏好提供不同类型的行车辅助。

根据上述实施方式，将行车辅助从现有技术的仅根据预设条件，转变为结合预设条件和历史的驾驶行为评估，并且将驾驶行为评估的结果作为确定行车辅助呈现方式的决定性因素。从而，使得本发明的行车辅助方法能够更有针对性地向用户提供行车辅助的提示或提醒，以获得更有效的辅助效果。

以下以本发明基于车载端的应用为例，对本发明的实现过程作更详细的说明。

参照图2所示，由于目前汽车电子技术的发展，各类行车数据都会被汇聚起来进行处理，以实现相应的功能。此处车载端中的数据采集模块指能够获取用户行车过程中的驾驶数据的功能单元。其可以作广义的理解，既可以是指某一本身就具备汇总各类行车数据的车载系统(例如，仪表、车载信息系统等)，也可以指专门用于采集某一类型的行车数据的各类模块/系统的集合(例如轮速传感器、GPS、方向盘转角传感器、车身控制模块等)。

通过数据采集，车载端或云端将可从中获得/选择适于分析用户驾驶行为的驾驶数据。这些驾驶数据可以是直接来自于数据采集模块的数据，或者也可以基于数据采集模块的数据计算获得。这些驾驶数据可以包括：车辆行驶轨迹、速度、车辆位置、时间、车载系统/模块的工作状态(如是否鸣喇叭、是否开启转向灯等)、车身姿态等。其中，车身姿态指的是：由于用户踩踏油门/刹车、打方向盘等主动性驾驶操作而产生的车身动态变化的相关数据。例如，由于急刹车而使得车头下沉的幅度；又例如，由于猛打方向盘而使得车身侧倾的幅度，等等。而对于分析用户驾驶行为，并进而确定用户的驾驶行为偏好，可以选择上述任意一种或组合的驾驶数据来进行。

例如，根据GPS和方向盘转角传感器获得车辆行驶轨迹为正处于转弯的状态，以及根据车身控制模块获得转向灯的开启状态，就能获知用户驾驶车辆转弯时是否会开启转向灯。又例如，根据GPS所确定的车辆位置获得车辆是否处于限速路段(这可由地图信息获得)，以及根据轮速传感器获得车辆当前速度，就能获知用户驾驶车辆处于限速路段时是否会违章超速。再例如，根据GPS所确定的车辆位置获得车辆是否处于时段限行的路段(这可由地图信息获得)，以及结合当前时间，就能获知用户是否在时段限行的路段处于禁行时段时，仍在该路段上违章行驶。

凡此种种，当获得足够多的驾驶行为记录时，就可由此确定目前驾驶车辆的用户的驾驶行为偏好。为使得叙述方便，此处以相对简单的方式对驾驶行为偏好进行分类：谨慎驾驶类型和危险驾驶类型。当本发明并不局限于此，根据实际需要，还可对驾驶行为偏好作进一步细分。

在本实施例中，上述获取用户驾驶行为记录并随后确定驾驶行为偏好，可通过下述方式获得：由车载端将数据采集获得的数据直接上传至云端，并有云端进行计算及分析。在其他实施例中，也可由车载端对数据采集获得的数据进行初步处理以获得有关驾驶行为记录的数据，并将有关驾驶行为记录的数据上传至云端，由云端来分析确定驾驶行为偏好。并且，有关目前驾驶车辆的用户的驾驶行为偏好还可以是随驾驶行为记录的改变而动态变化的，无论这种驾驶行为记录的改变源自于同一用户或是不同用户。以上述分类的驾驶行为偏好为例，随着驾驶行为记录的改变，驾驶行为偏好的类型可能由谨慎驾驶类型变为危险驾驶类型，也可能由危险驾驶类型变为谨慎驾驶类型。

另一方面，云端还会采集地图信息，以从中获得一些特定地点的行车辅助信息。例如，学校附近路段限速、医院/居民社区附近路段禁止鸣笛等。

在已有用户的驾驶行为偏好信息后，当用户处于行车途中时，一旦其所驾驶车辆的位置处于上述提及的一些特定地点时，就可由云端依据其驾驶行为偏好而向车载端提供对应的行车辅助信息，并由车载端的消息警示模块和/或车辆控制模块执行相应的行车辅助操作。需要说明的是，此处考虑到目前较常采用的方式而举例车载端和云端配合实现功能的方式，但本发明并不局限于此，在本发明的其他实施例中，上述功能也可完全由车载端自身实现而无需云端介入。

以下以一具体的应用场景举例来进一步说明本发明针对不同的驾驶行为偏好所能提供的针对性行车辅助。

参照图3所示，通过分别收集用户A和用户B的日常驾驶数据以分别确定用户A和用户B的驾驶行为偏好，其具体处理过程可以参考上述说明，此处不再赘述。假定经过云端的分析后，给予用户A的评级为90分，确定用户A的驾驶行为偏好为谨慎驾驶类型；相对的，给予用户B的评级为30分，确定用户B的驾驶行为偏好为危险驾驶类型。当然，需要说明的是，在确定用户的驾驶行为偏好时并不一定要采取评分的方式，也可采用其他适于对用户的驾驶行为偏好进行分类的方式。

并且，如上述提及的，根据实际需要，还可对用户的驾驶行为偏好作进一步的细分或另行划分。此时，对应更细分的驾驶行为偏好或另行划分的驾驶行为偏好，也可对应设置适合的行车辅助方式。

为体现针对不同驾驶行为偏好的针对性行车辅助，图3所示的实施例也假定用户A和用户B均处于在学校附近行车的应用场景下，仍沿用上述举例的学校附近路段限速的行车辅助信息。对于用户A，由于其属于谨慎驾驶类型，可通过显示提示消息或语音输出提示消息，以提醒用户A在所行驶的路段降低车速。该提示消息可以为“学校周边，车速请勿超过30公里/小时”等类似内容。即，对于谨慎驾驶类型的用户，仅需采用提示性行车辅助方式即可。

相对地，对于用户B，由于其属于危险驾驶类型，出于道路安全的考虑，会采用更为强硬的行车辅助方式，以增强提醒效果。例如，对于用户B，仍可采用相同的提示消息内容，但于此同时，还会采用例如方向盘振动、降低实际喷油量、甚至主动制动的方式，以给予用户B强力提醒或迫使用户B将车速降至30公里/小时以下。即，对于危险驾驶类型的用户，提供干预性的行车辅助。

因而，两相对比可以发现，本发明通过对具备不同驾驶行为偏好的用户提供不同方式的行车辅助，使得行车辅助的关键信息(或目的)能够以一种更匹配于用户的方式被传递给用户。从而，用户能更有效地获得并基于该行车辅助采取更安全的驾驶操作。

虽然本发明已以较佳实施例披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内所作的各种更动与修改，均应纳入本发明的保护范围内，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (6)

1.一种基于驾驶行为的行车辅助方法，其特征在于，包括：

获取用户日常驾驶数据以确定用户的驾驶行为偏好；

获取车辆当前位置，在根据行车辅助设置确定当前位置需提供行车辅助时，针对用户的不同驾驶行为偏好提供不同类型的行车辅助。

2.如权利要求1所述的基于驾驶行为的行车辅助方法，其特征在于，获取用户日常驾驶数据以确定用户的驾驶偏好，包括：根据下述任一驾驶数据或组合来确定用户的驾驶偏好：车辆行驶轨迹、速度、车辆位置、时间、车载系统/模块的工况、车身姿态。

3.如权利要求1所述的基于驾驶行为的行车辅助方法，其特征在于，针对用户的不同驾驶行为偏好提供不同类型的行车辅助，包括：针对不同驾驶行为偏好，相应提供提示性行车辅助或干预性行车辅助。

4.如权利要求3所述的基于驾驶行为的行车辅助方法，其特征在于，所述提示性行车辅助，包括下述任意一种或组合：显示提示消息、语音输出提示消息。

5.如权利要求3所述的基于驾驶行为的行车辅助方法，其特征在于，所述干预性行车辅助，包括单独使用下述任意一种或组合，或将信息提示和下述任意一种或组合结合使用：方向盘振动、动力输出干预、或主动制动。

6.如权利要求3所述的基于驾驶行为的行车辅助方法，其特征在于，针对不同驾驶行为偏好，相应提供提示性行车辅助或干预性行车辅助，包括：以评分划分不同驾驶行为偏好，对应不同评分相应提供提示性行车辅助或干预性行车辅助。