CN107539038B - 一种车辆胎压状态监控方法及装置 - Google Patents
一种车辆胎压状态监控方法及装置 Download PDFInfo
- Publication number
- CN107539038B CN107539038B CN201710416834.4A CN201710416834A CN107539038B CN 107539038 B CN107539038 B CN 107539038B CN 201710416834 A CN201710416834 A CN 201710416834A CN 107539038 B CN107539038 B CN 107539038B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- tire pressure
- data
- state information
- pressure state
- 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
Images
Abstract
本发明实施例提供了一种车辆胎压状态监控方法及装置,所述方法包括:获取待分析的车辆行驶时的车辆行驶数据;将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息;其中,所述分类模型是基于预设样本集训练得到的,所述预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息;根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态。应用本发明实施例,可以实现对车辆胎压进行有效的监控。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种车辆胎压状态监控方法及装置。
背景技术
车辆的胎压的高低对车辆的性能和动力有着至关重要的作用,当胎压过低时,胎体变形增大,胎侧容易出现裂口,轮胎接触地面的面积增大,胎肩磨损;当胎压过高时,轮胎与地面的接触面积减小,轮胎所承受的压力相对提高,轮胎的抓地力会受到影响,同时,过高的胎压会加速胎冠磨损,降低轮胎的耐扎性能。并且,从经济角度来考虑,胎压过低时轮胎的接地面积增大,轮胎与地面的摩擦力增加,从而导致油耗增大;从舒适性上说,当车辆经过崎岖不平的道路时,轮胎内因为没有足够的空间吸收震动,从而,影响乘坐人员的舒适性和稳定性。由此可见,车辆的驾驶者需要及时掌握车辆的胎压,在正常行驶时,要保证车辆胎压在一个合理的数值内,不仅可以提高乘车的舒适性,也可以提高车辆行驶的安全性。因此,如何实现对车辆胎压状态的监控,成为一个亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种车辆胎压状态监控方法及装置,以实现对车辆胎压状态的有效监控。具体技术方案如下:
第一方面,本发明实施例提供了一种车辆胎压状态监控方法,包括:
获取待分析的车辆行驶时的车辆行驶数据;
将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息;其中,所述分类模型是基于预设样本集训练得到的,所述预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息;
根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态。
第二方面,本发明实施例提供了一种车辆胎压状态监控装置,包括:
获取单元,用于获取待分析的车辆行驶时的车辆行驶数据;
处理单元,用于将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息;其中,所述分类模型是基于预设样本集训练得到的,所述预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息;
监控单元,用于根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态。
本发明实施例提供的车辆胎压状态监控方法及装置,可以获取待分析的车辆行驶时的车辆行驶数据,并将所获取的车辆行驶数据输入至预先训练的分类模型中,该分类模型可以输出车辆行驶数据对应的车辆胎压状态信息,进一步,可以根据车辆胎压状态信息,监控车辆行驶时的车辆胎压状态。
本发明实施例中,可以预先根据样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息训练得到分类模型,进而在进行监控车辆行驶时的车辆胎压状态时,将车辆行驶时的车辆行驶数据输入分类模型中,即可得到车辆行驶数据对应的车辆胎压状态信息,并可根据车辆胎压状态信息,实现对目标车辆行驶时的车辆胎压状态进行有效监控。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种车辆胎压状态监控方法的流程图;
图2为本发明实施例提供的一种车辆胎压状态监控装置的结构示意图;
图3为本发明实施例提供的一种车辆胎压状态监控设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了有效监控车辆胎压状态,本发明实施例提供了一种车辆胎压状态监控方法,如图1所示,该过程可以包括以下步骤:
S101,获取待分析的车辆行驶时的车辆行驶数据。
本发明实施例提供的方法可以应用于电子设备。具体的,该电子设备可以为车载的计算机、智能移动终端等。
在本发明实施例中,为了对车辆行驶时的车辆胎压状态进行监控,可以在需要进行监控的车辆上安装相关设备以获取待分析的车辆行驶时的车辆行驶数据。
其中,车辆行驶数据至少包括车辆视频数据、车辆行驶速度及车辆定位信息。
本发明实施例中,安装于车辆中的电子设备可以周期性的获取车辆行驶时采集的视频数据,并且在该视频数据中提取关键视频帧数据,进而,可以将关键视频帧数据确定为车辆视频数据。例如,安装于车辆中的电子设备可以每隔预设时间(例如30秒、1分钟、5分钟、10分钟,预设时间不限于此)获取车辆行驶时采集的视频数据,提取预设时间内视频数据中的关键视频帧数据。
其中,车辆行驶时采集的视频数据可以由安装于车辆中的电子设备直接采集的,也可以由其他具有采集视频数据功能的设备采集获得,安装于车辆中的电子设备可以周期性的从其他具有采集视频数据功能的设备中读取采集到的视频数据。
车辆行驶速度可以由车辆行驶时的车辆定位信息确定,或者车辆行驶速度可以由车辆行驶时的车载测速计实时获得,又或者由其他具有测速功能的电子设备获得。
其中,车辆行驶时车辆所处的不同位置对应的不同的车辆定位信息,车辆定位信息可以由车载全球定位系统(Global Positioning System,GPS)获得,或者具有定位功能的其他电子设备获得,但不限于此。
本发明实施例中,可以获取车辆行驶时的至少两个车辆定位信息及各车辆定位信息对应的时间点,进一步,根据至少两个车辆定位信息及各车辆定位信息对应的时间点,确定车辆行驶速度。
本发明实施例中,根据至少两个车辆定位信息及各车辆定位信息对应的时间点,确定车辆行驶速度的具体步骤可以为:可以计算各车辆定位信息之间的距离及各车辆定位信息对应的时间点之间的时间差,进而根据每两个车辆定位信息之间的距离及每两个车辆定位信息对应的时间点之间的时间差,计算车辆通过每两个车辆定位信息之间的各平均速度,进一步,可以将各平均速度的平均值,确定为车辆行驶速度。
例如,获取到车辆定位信息A和车辆定位信息B,以及车辆定位信息A对应的时间点a、车辆定位信息B对应的时间点b,其中,时间点a为车辆驶过车辆定位信息A时的时间,时间点b为车辆驶过车辆定位信息B时的时间,当获取到车辆定位信息A和车辆定位信息B时,可以得到车辆由车辆定位信息A行驶至车辆定位信息B所经过的距离d、以及时间点b与时间点a之间的时间差t,进而可以由距离d除以时间差t,得到车辆由车辆定位信息A行驶至车辆定位信息B时的平均速度v。
又例如,当获取到车辆定位信息包括A1、B1、C1、D1时,可以分别计算车辆由A1行驶至B1的平均速度v1,由B1行驶至C1的平均速度v2,由C1行驶至D1的平均速度v3,将平均速度v1、v2及v3三者的平均值作为车辆由A1到D1的车辆行驶速度。
本发明实施例中,车辆行驶数据还包括车辆音频数据,可以周期性的获取车辆行驶时采集的车辆音频数据。其中,车辆音频数据和车辆视频数据可以由安装于车辆中的具有采集音视频功能的电子设备(例如,行车记录仪)采集得到的,或者车辆音频数据和车辆视频数据可以分别由不同的电子设备采集得到。
S102,将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息。
其中,分类模型是基于预设样本集训练得到的,该预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息。
本发明实施例中的分类模型可以包括:多层反馈神经网络(Recurrent NeuralNetwork,RNN)、卷积神经网络(Convolutional Neural Network,CNN)、自动编码器(AutoEncoder)。
在本发明实施例中,为了得到分类模型,可以预先获取包括车辆视频数据、车辆行驶速度及车辆定位信息的多组车辆行驶数据以及各组车辆行驶数据对应的已知车辆胎压状态信息,通过对多组车辆行驶数据以及各组车辆行驶数据对应的已知车辆胎压状态信息的训练得到分类模型。在使用该分类模型时,当输入一组车辆行驶数据时,该分类模型可以输出该组车辆行驶数据对应的车辆胎压状态信息。可选的,多组车辆行驶数据及各组车辆行驶数据对应的已知车辆胎压状态信息可以为针对一种车辆类型所获得车辆行驶数据及车辆胎压状态信息,或者多组车辆行驶数据可以为针对不同车辆类型所获得车辆行驶数据及车辆胎压状态信息。
在进行分类模型训练时,可以将包括车辆视频数据、车辆行驶速度及车辆定位信息的多组车辆行驶数据以及各组车辆行驶数据对应的已知车辆胎压状态信息作为训练组,提取每组车辆行驶数据中车辆视频数据、车辆行驶速度及车辆定位信息等的特征值,统计具有相同车辆胎压状态信息对应的车辆行驶数据的特征值,进一步,对特征值进行处理,直至获得相同车辆胎压状态信息对应的车辆行驶数据的各特征值的关系。
其中,可以采用监督式学习方式训练CNN或者RNN。具体的,可以对每组车辆行驶数据进行标定,例如,对车辆视频数据中具有抖动画面的车辆视频数据进行标定、以及对该具有抖动画面的车辆视频数据对应的车辆行驶速度、车辆定位信息及车辆胎压状态信息也进行标定,CNN或者RNN通过分析已标定的多组车辆行驶数据以及已标定的各组车辆行驶数据对应的已知车辆胎压状态信息,可以获得车辆视频数据、车辆行驶速度及车辆定位信息及车辆胎压状态信息的对应关系。同时,可以采用无监督学习方式训练AutoEncoder,具体的,可以提取车辆视频数据、车辆行驶速度及车辆定位信息的多组车辆行驶数据的特征值,针对车辆胎压状态信息相同的车辆行驶数据分类,即将车辆胎压正常状态时对应的车辆行驶数据归为一类,将车辆胎压异常状态时对应的车辆行驶数据归为一类,分别获取车辆胎压正常状态时所对应的车辆行驶数据所具有的特征值,及车辆胎压异常状态时所对应的车辆行驶数据所具有的特征值。
在本发明实施例中,在预先训练的分类模型中周期性的输入一组车辆行驶数据,该分类模型会周期性的输出对应的车辆胎压状态信息。
S103,根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态。
其中,分类模型输出的车辆胎压状态信息可以包括:车辆胎压异常的状态信息(例如,“1”)、车辆胎压正常的状态信息(例如,“0”)。
本发明实施例中,可以根据分类模型输出的车辆胎压状态信息,对车辆行驶时的车辆胎压状态进行监控。其中,当监控到车辆胎压状态信息为异常的状态信息时,可以向驾驶车辆的司机发出警报(例如,响铃或者通过相关电子设备的显示器显示该异常的状态信息‘车辆胎压存在异常!’)。当监控到车辆胎压状态信息为正常的状态信息时,可以通过相关电子设备的显示器显示该正常的状态信息‘车辆胎压正常’。
本发明实施例中,可以预先根据样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息训练得到分类模型,进而在进行监控车辆行驶时的车辆胎压状态时,将车辆行驶时的车辆行驶数据输入分类模型中,即可得到车辆行驶数据对应的车辆胎压状态信息,并可根据车辆胎压状态信息,实现对目标车辆行驶时的车辆胎压状态进行有效监控。
相应于上面的方法实施例,本发明实施例还提供了相应的装置实施例。图2为本发明实施例提供的一种车辆胎压状态监控装置,该装置包括:
获取单元210,用于获取待分析的车辆行驶时的车辆行驶数据;
处理单元220,用于将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息;其中,所述分类模型是基于预设样本集训练得到的,所述预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息;
监控单元230,用于根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态。
本发明实施例中,可以预先根据样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息训练得到分类模型,进而在进行监控车辆行驶时的车辆胎压状态时,将车辆行驶时的车辆行驶数据输入分类模型中,即可得到车辆行驶数据对应的车辆胎压状态信息,并可根据车辆胎压状态信息,实现对目标车辆行驶时的车辆胎压状态进行有效监控。
可选的,所述车辆行驶数据至少包括:车辆视频数据、车辆行驶速度及车辆定位信息;
所述获取单元210具体用于:
周期性的获取车辆行驶时采集的视频数据;
提取所述视频数据中的关键视频帧数据,作为车辆视频数据;
获取车辆行驶时的至少两个车辆定位信息及各车辆定位信息对应的时间点;
根据所述至少两个车辆定位信息及所述各车辆定位信息对应的时间点,确定所述车辆行驶速度。
可选的,所述车辆行驶数据还包括车辆音频数据;
所述获取单元具体还用于,周期性的获取车辆行驶时采集的车辆音频数据。
可选的,所述获取单元210具体用于:
计算所述各车辆定位信息之间的距离及各车辆定位信息对应的时间点之间的时间差;
根据每两个车辆定位信息之间的距离及每两个车辆定位信息对应的时间点之间的时间差,计算车辆通过每两个车辆定位信息之间的各平均速度;
将所述各平均速度的平均值,确定为所述车辆行驶速度。
可选的,所述车辆胎压状态信息包括:车辆胎压异常的状态信息和车辆胎压正常的状态信息;
所述监控单元230具体用于:
当监控到所述车辆胎压状态信息为所述车辆胎压异常的状态信息时,发出警报;
当监控到所述车辆胎压状态信息为所述车辆胎压正常的状态信息时,显示所述车辆胎压正常的状态信息。
本发明实施例还提供了一种车辆胎压状态监控设备,包括处理器310、通信接口320、存储器330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信;
存储器330,用于存放计算机程序;
处理器310,用于执行存储器上所存放的程序时,实现如下步骤:
获取待分析的车辆行驶时的车辆行驶数据;
将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息;其中,所述分类模型是基于预设样本集训练得到的,所述预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息;
根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
另外,本发明实施例又提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如下步骤:
获取待分析的车辆行驶时的车辆行驶数据;
将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息;其中,所述分类模型是基于预设样本集训练得到的,所述预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息;
根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态。
对于装置/电子设备/介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种车辆胎压状态监控方法,其特征在于,包括:
获取待分析的车辆行驶时的车辆行驶数据;
将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息;其中,所述分类模型是基于预设样本集训练得到的,所述预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息;
根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态;
所述车辆行驶数据至少包括:车辆视频数据、车辆行驶速度及车辆定位信息,所述车辆视频数据用于表示车辆行驶时的抖动状况;
所述获取待分析的车辆行驶时的车辆行驶数据的步骤包括:
周期性的获取车辆行驶时采集的视频数据;
提取所述视频数据中的关键视频帧数据,作为车辆视频数据;
获取车辆行驶时的至少两个车辆定位信息及各车辆定位信息对应的时间点;
根据所述至少两个车辆定位信息及所述各车辆定位信息对应的时间点,确定所述车辆行驶速度。
2.根据权利要求1所述的方法,其特征在于,所述车辆行驶数据还包括车辆音频数据;
所述方法,还包括:
周期性的获取车辆行驶时采集的车辆音频数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述至少两个车辆定位信息及所述各车辆定位信息对应的时间点,确定所述车辆行驶速度的步骤包括:
计算所述各车辆定位信息之间的距离及各车辆定位信息对应的时间点之间的时间差;
根据每两个车辆定位信息之间的距离及每两个车辆定位信息对应的时间点之间的时间差,计算车辆通过每两个车辆定位信息之间的各平均速度;
将所述各平均速度的平均值,确定为所述车辆行驶速度。
4.根据权利要求1所述的方法,其特征在于,所述车辆胎压状态信息包括:车辆胎压异常的状态信息和车辆胎压正常的状态信息;
所述根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态的步骤包括:
当监控到所述车辆胎压状态信息为所述车辆胎压异常的状态信息时,发出警报;
当监控到所述车辆胎压状态信息为所述车辆胎压正常的状态信息时,显示所述车辆胎压正常的状态信息。
5.一种车辆胎压状态监控装置,其特征在于,包括:
获取单元,用于获取待分析的车辆行驶时的车辆行驶数据;
处理单元,用于将所述车辆行驶数据输入至预先训练的分类模型中,得到所述车辆行驶数据对应的车辆胎压状态信息;其中,所述分类模型是基于预设样本集训练得到的,所述预设样本集包括作为样本数据的多组车辆行驶数据以及各自对应的已知车辆胎压状态信息;
监控单元,用于根据所述车辆胎压状态信息,监控车辆行驶时的车辆胎压状态;
所述车辆行驶数据至少包括:车辆视频数据、车辆行驶速度及车辆定位信息,所述车辆视频数据用于表示车辆行驶时的抖动状况;
所述获取单元具体用于:
周期性的获取车辆行驶时采集的视频数据;
提取所述视频数据中的关键视频帧数据,作为车辆视频数据;
获取车辆行驶时的至少两个车辆定位信息及各车辆定位信息对应的时间点;
根据所述至少两个车辆定位信息及所述各车辆定位信息对应的时间点,确定所述车辆行驶速度。
6.根据权利要求5所述的装置,其特征在于,所述车辆行驶数据还包括车辆音频数据;
所述获取单元具体还用于,周期性的获取车辆行驶时采集的车辆音频数据。
7.根据权利要求5所述的装置,其特征在于,所述获取单元具体用于:
计算所述各车辆定位信息之间的距离及各车辆定位信息对应的时间点之间的时间差;
根据每两个车辆定位信息之间的距离及每两个车辆定位信息对应的时间点之间的时间差,计算车辆通过每两个车辆定位信息之间的各平均速度;
将所述各平均速度的平均值,确定为所述车辆行驶速度。
8.根据权利要求5所述的装置,其特征在于,所述车辆胎压状态信息包括:车辆胎压异常的状态信息和车辆胎压正常的状态信息;
所述监控单元具体用于:
当监控到所述车辆胎压状态信息为所述车辆胎压异常的状态信息时,发出警报;
当监控到所述车辆胎压状态信息为所述车辆胎压正常的状态信息时,显示所述车辆胎压正常的状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710416834.4A CN107539038B (zh) | 2017-06-06 | 2017-06-06 | 一种车辆胎压状态监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710416834.4A CN107539038B (zh) | 2017-06-06 | 2017-06-06 | 一种车辆胎压状态监控方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107539038A CN107539038A (zh) | 2018-01-05 |
CN107539038B true CN107539038B (zh) | 2020-10-13 |
Family
ID=60966858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710416834.4A Active CN107539038B (zh) | 2017-06-06 | 2017-06-06 | 一种车辆胎压状态监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107539038B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110654183B (zh) * | 2018-06-28 | 2022-02-08 | 奥迪股份公司 | 轮胎压力预测方法、装置、计算机设备和存储介质 |
CN111231588B (zh) * | 2020-01-17 | 2022-06-03 | 新石器慧通(北京)科技有限公司 | 胎压监测方法、装置、车载设备和存储介质 |
CN112848816B (zh) * | 2021-03-30 | 2023-04-07 | 武汉飞恩微电子有限公司 | 基于压力传感器的胎压检测方法、设备、存储介质及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710027A (zh) * | 2009-11-24 | 2010-05-19 | 江苏大学 | 车辆轮胎非线性动态特性监测系统和方法 |
CN104044413A (zh) * | 2013-03-14 | 2014-09-17 | 固特异轮胎和橡胶公司 | 预测的基于同等的轮胎健康监测 |
CN105320966A (zh) * | 2015-10-30 | 2016-02-10 | 东软集团股份有限公司 | 一种车辆行驶状态识别方法及装置 |
CN105427407A (zh) * | 2015-12-17 | 2016-03-23 | 成都吉普斯能源科技有限公司 | 一种汽车安全监控方法 |
CN105539026A (zh) * | 2015-12-11 | 2016-05-04 | 西安交通大学 | 一种胎压检测系统和方法 |
CN106406287A (zh) * | 2016-11-08 | 2017-02-15 | 思建科技有限公司 | 一种车辆安全状态监控预警方法及系统 |
-
2017
- 2017-06-06 CN CN201710416834.4A patent/CN107539038B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710027A (zh) * | 2009-11-24 | 2010-05-19 | 江苏大学 | 车辆轮胎非线性动态特性监测系统和方法 |
CN104044413A (zh) * | 2013-03-14 | 2014-09-17 | 固特异轮胎和橡胶公司 | 预测的基于同等的轮胎健康监测 |
CN105320966A (zh) * | 2015-10-30 | 2016-02-10 | 东软集团股份有限公司 | 一种车辆行驶状态识别方法及装置 |
CN105539026A (zh) * | 2015-12-11 | 2016-05-04 | 西安交通大学 | 一种胎压检测系统和方法 |
CN105427407A (zh) * | 2015-12-17 | 2016-03-23 | 成都吉普斯能源科技有限公司 | 一种汽车安全监控方法 |
CN106406287A (zh) * | 2016-11-08 | 2017-02-15 | 思建科技有限公司 | 一种车辆安全状态监控预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107539038A (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11294370B2 (en) | Determining driver engagement with autonomous vehicle | |
Chan et al. | A comprehensive review of driver behavior analysis utilizing smartphones | |
US10198772B2 (en) | Driver assessment and recommendation system in a vehicle | |
US9171409B2 (en) | System and method for vehicle driving style determination | |
Osafune et al. | Analysis of accident risks from driving behaviors | |
Khodairy et al. | Driving behavior classification based on oversampled signals of smartphone embedded sensors using an optimized stacked-LSTM neural networks | |
US8687063B2 (en) | Method for predicting lane line and lane departure warning system using the same | |
Castignani et al. | An evaluation study of driver profiling fuzzy algorithms using smartphones | |
CN107539038B (zh) | 一种车辆胎压状态监控方法及装置 | |
WO2020107894A1 (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
CN101278324A (zh) | 自适应驾驶员工作负荷估计器 | |
WO2019125532A1 (en) | Programmatic ally identifying a personality of an autonomous vehicle | |
JP7413503B2 (ja) | 車両の安全性能を評価すること | |
EP3869369A1 (en) | Incursion location identification device and incursion location identification method | |
CN115376115B (zh) | 鲁莽驾驶行为标记方法、车辆、云端服务器和存储介质 | |
US11654828B2 (en) | Alert output apparatus | |
CN112339767A (zh) | 驾驶行为评价装置、驾驶行为评价方法及存储介质 | |
Aichinger et al. | Using low-cost smartphone sensor data for locating crash risk spots in a road network | |
CN115797403A (zh) | 交通事故预测方法和装置、存储介质及电子设备 | |
Gatteschi et al. | Comparing algorithms for aggressive driving event detection based on vehicle motion data | |
Yarlagadda et al. | Heterogeneity in the driver behavior: an exploratory study using real-time driving data | |
EP3382570A1 (en) | Method for characterizing driving events of a vehicle based on an accelerometer sensor | |
CN116340332A (zh) | 更新车载智能系统的场景库的方法、装置和车辆 | |
CN111341106B (zh) | 交通预警方法、装置和设备 | |
CN106585634B (zh) | 一种对驾驶行为进行分析的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |