CN107564280B - 基于环境感知的驾驶行为数据采集分析系统和方法 - Google Patents
基于环境感知的驾驶行为数据采集分析系统和方法 Download PDFInfo
- Publication number
- CN107564280B CN107564280B CN201710726412.7A CN201710726412A CN107564280B CN 107564280 B CN107564280 B CN 107564280B CN 201710726412 A CN201710726412 A CN 201710726412A CN 107564280 B CN107564280 B CN 107564280B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sensor
- information
- bicycle
- driving behavior
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于环境感知的驾驶行为数据采集分析系统和方法，所述分析系统包括云端服务器、单车、数据融合分析单元、数据存储单元；所述单车包括电子控制单元、车载传感器，所述电子控制单元设有无线通讯模块，单车通过无线通讯模块与云端服务器建立连接关系，电子控制单元与所述车载传感器连接，电子控制单元获取车载传感器的传感信息并通过无线通讯模块上传到云端服务器；所述数据融合分析单元对上传到云端服务器的传感信息进行融合处理获取车辆驾驶行为信息；所述数据存储单元用于存储融合处理后的车辆驾驶行为信息。本发明可实现交通数据的低成本采集，易实施，多维度的数据可信度高，数据分析处理效率高。
Description
技术领域
本发明涉及交通数据处理技术领域，具体涉及一种基于环境感知的驾驶行为数据采集分析系统和方法。
背景技术
随着社会的进步，汽车成为人们出行必不可少的交通工具，车辆堵塞、交通事故等问题也日益显现。汽车数量的快速增长造成了公共交通效率低下、交通事故频发，建立起现代化的智能交通系统便被提到日程上来。
现代化的智能交通系统建立离不开驾驶行为大数据的支撑，驾驶行为大数据分析是基于国家交通运输部发布的标准终端接口数据，即：速度、经纬度、方向为研究对象，研究驾驶行为模式识别过程中的相关算法，实现安全驾驶行为和违规驾驶行为的有效判别。同时，基于分析得出的驾驶行为模式，建立基于Hadoop等大数据分析技术的车辆驾驶行为分析平台，为车辆全程监控、相关管理单位规章制度制定实施、车险费率厘定等提供数据来源。目前，车辆交通安全领域缺乏便捷、低成本的交通事故及驾驶行为的数据采集方式，导致缺乏大量可靠的交通事故及驾驶行为数据，造成大量的人力，金钱及时间资源的浪费。
发明内容
本发明的目的在于提供一种基于环境感知的驾驶行为数据采集分析系统和方法，可以实现通过车辆行驶和环境感知的数据来复现交通事故现场，并且分析交通事故发生的环境结构和原因，通过对所收集的各种交通数据及驾驶行为数据来进行大数据的分析和归纳，应用于各领域的数据支撑。
为实现上述目的，本发明提供一种基于环境感知的驾驶行为数据采集分析系统，所述分析系统包括云端服务器、单车、数据融合分析单元、数据存储单元；所述单车包括电子控制单元、车载传感器，所述电子控制单元设有无线通讯模块，单车通过无线通讯模块与云端服务器建立连接关系，电子控制单元与所述车载传感器连接，电子控制单元获取车载传感器的传感信息并通过无线通讯模块上传到云端服务器；所述数据融合分析单元对上传到云端服务器的传感信息进行融合处理获取车辆驾驶行为信息；所述数据存储单元用于存储融合处理后的车辆驾驶行为信息。
如上所述的基于环境感知的驾驶行为数据采集分析系统，所述车载传感器包括轮速传感器，所述轮速传感器与电子控制单元连接，轮速传感器用于获取单车的速度信息，轮速传感器是用来测量汽车车轮转速的传感器，可采用磁电式轮速传感器、霍尔式轮速传感器，轮速传感器安装在车辆四个车轮处。
所述车载传感器包括转向角传感器，所述转向角传感器与电子控制单元连接，转向角传感器用于获取单车方向盘的转动信息；转向角传感器安装在单车方向盘下方的方向柱内，通过CAN总线和PCM相连。
所述车载传感器包括横摆角角速度传感器，所述横摆角角速度传感器与电子控制单元连接，横摆角角速度传感器用于获取单车的横摆信息；横摆角角速度传感器可以检测汽车沿垂直轴的偏转，该偏转的大小代表汽车的稳定程度。如果偏转角速度达到一个阈值，说明汽车发生测滑或者甩尾的危险工况，则触发ESP控制。当车绕垂直方向轴线偏转时，传感器内的微音叉的振动平面发生变化，通过输出信号的变化计算横摆角速度。实现通过横摆角角速度传感器获取单车的横摆信息。
所述车载传感器包括纵向加速度传感器，所述纵向加速度传感器与电子控制单元连接，纵向加速度传感器用于获取单车的纵向加速度信息；所述车载传感器包括横向加速度传感器，所述横向加速度传感器与电子控制单元连接，横向加速度传感器用于获取单车的横向加速度信息。沿汽车前进方向的纵向加速度传感器和垂直于前进方向的横向加速度传感器，基本原理相同，二者呈90°夹角安装。在传感器内部，一小片致密物质连接在一个可以移动的悬臂上，可以反映出汽车的纵向/横向加速度的大小，其输出在静态时为2.5V左右，正的加速度对应正的电压变化，负的加速度对应负的电压变化，每1.0～1.4V对应1g的加速度变化。通过纵向加速度传感器和横向加速度传感器将获取单车的加速度信息上传到云端服务器，为驾驶行为分析提供数据支撑。
如上所述的基于环境感知的驾驶行为数据采集分析系统，所述车载传感器还包括油门踏板位置传感器，所述油门踏板位置传感器与电子控制单元连接，油门踏板位置传感器用于获取单车油门的踩踏幅度与速度信息。油门踏板位置传感器安装在油门踏板内部，随时监测油门踏板的位置，通过油门踏板位置传感器获取单车油门的踩踏幅度与速度信息上传到云端服务器，为驾驶行为分析提供数据支撑。
如上所述的基于环境感知的驾驶行为数据采集分析系统，所述车载传感器还包括雷达传感器，所述雷达传感器与电子控制单元连接，雷达传感器用于获取单车的周围的环境感知信息。雷达传感器将单车停车或行驶状态下的周围环境感知信息上传到云端服务器，为驾驶行为分析提供数据支撑。
如上所述的基于环境感知的驾驶行为数据采集分析系统，所述无线通讯模块采用3G模块、4G模块。无线通讯模块用于实现单车和云端服务器之间的数据通信。
如上所述的基于环境感知的驾驶行为数据采集分析系统，所述数据融合分析单元对按时序获得的单车数据信息通过数据融合算法进行分析、综合获取驾驶行为信息，从而为其他相关领域如自动驾驶、交通事故处理提供数据支撑。数据融合算法可采用贝叶斯推理算法、决策树算法或D-S证据推理算法等。
贝叶斯推理算法的用途在于通过己知三个概率来推测第四个概率。它的内容是：在B出现的前提下，A出现的概率等于A出现的前提下B出现的概率乘以A出现的概率再除以B出现的概率。通过联系A与B，计算从一个事件发生的情况下另一事件发生的概率，即从结果上溯到源头(也即逆向概率)。通俗地讲就是当你不能确定某一个事件发生的概率时，你可以依靠与该事件本质属性相关的事件发生的概率去推测该事件发生的概率。用数学语言表达就是：支持某项属性的事件发生得愈多，则该事件发生的的可能性就愈大。
决策树算法是一种逼近离散函数值的方法。首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。决策树构造可以分两步进行。第一步，决策树的生成：由训练样本集生成决策树的过程。一般情况下，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集。第二步，决策树的剪枝：决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集(称为测试数据集)中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。
D-S证据推理算法中，由互不相容的基本命题(假定)组成的完备集合称为识别框架，表示对某一问题的所有可能答案，但其中只有一个答案是正确的，该框架的子集称为命题。分配给各命题的信任程度称为基本概率分配(BPA，也称m函数)，m(A)为基本可信数，反映着对A的信度大小。信任函数Bel(A)表示对命题A的信任程度，似然函数Pl(A)表示对命题A非假的信任程度，也即对A似乎可能成立的不确定性度量，实际上，[Bel(A),Pl(A)]表示A的不确定区间，[0,Bel(A)]表示命题A支持证据区间，[0,Pl(A)]表示命题A的拟信区间，[Pl(A),1]表示命题A的拒绝证据区间。设m1和m2是由两个独立的证据源(传感器)导出的基本概率分配函数，则D-S证据推理算法可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数。通过数据融合分析单元对按时序获得的单车数据信息进行分析、综合，获取驾驶行为信息，从而为其他相关领域如无人驾驶、交通事故处理提供数据支撑。
本发明还提供基于环境感知的驾驶行为数据采集分析方法，所述分析方法采用上述的分析系统，所述分析方法包括：
利用车载传感器采集车辆行驶和环境感知的单车数据信息；
车载处理器对车载传感器获取的单车数据信息进行处理，并上传到云端服务器；
通过对采集的单车数据信息进行融合处理分析，获取驾驶行为数据信息；
对获取的驾驶行为数据信息进行分析判断，获取多维度交通数据信息。
基于环境感知的驾驶行为数据采集分析方法中，所述多维度是指选择不同的分析角度对驾驶行为数据信息进行分析处理，不同的分析角度包括交通事故处理角度或无人驾驶角度。
本发明具有如下优点：交通事故数据的采集可实现低成本，易实施，多维度的数据可信度高，数据分析处理效率高，有利于培养良好的驾驶习惯，减少财产损失，有利于全面掌握车辆驾驶情况，及时采取措施防患于未然，提高车队总体管理水平，有利于提升监管效率和监管能力，有效规避交通事故、强化道路安全，构建和谐社会。
附图说明
图1基于环境感知的驾驶行为数据采集分析系统示意图；
图2基于环境感知的驾驶行为数据采集分析方法流程图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，基于环境感知的驾驶行为数据采集分析系统，分析系统包括云端服务器1、单车2、数据融合分析单元3、数据存储单元4；单车2包括电子控制单元5、车载传感器，电子控制单元5设有无线通讯模块6，单车2通过无线通讯模块6与云端服务器1建立连接关系，电子控制单元5与车载传感器连接，电子控制单元5获取车载传感器的传感信息并通过无线通讯模块6上传到云端服务器1；数据融合分析单元3对上传到云端服务器1的传感信息进行融合处理获取车辆驾驶行为信息；数据存储单元4用于存储融合处理后的车辆驾驶行为信息。
基于环境感知的驾驶行为数据采集分析系统一个实施例中，车载传感器包括轮速传感器7，轮速传感器7与电子控制单元5连接，轮速传感器7用于获取单车2的速度信息,轮速传感器7是用来测量汽车车轮转速的传感器，可采用磁电式轮速传感器7、霍尔式轮速传感器7，轮速传感器7安装在车辆四个车轮处。
车载传感器包括转向角传感器8，转向角传感器8与电子控制单元5连接，转向角传感器8用于获取单车2方向盘的转动信息；转向角传感器8安装在单车2方向盘下方的方向柱内，通过CAN总线和PCM相连。
车载传感器包括横摆角角速度传感器9，横摆角角速度传感器9与电子控制单元5连接，横摆角角速度传感器9用于获取单车2的横摆信息；横摆角角速度传感器可以检测汽车沿垂直轴的偏转，该偏转的大小代表汽车的稳定程度。如果偏转角速度达到一个阈值，说明汽车发生测滑或者甩尾的危险工况，则触发ESP控制。当车绕垂直方向轴线偏转时，传感器内的微音叉的振动平面发生变化，通过输出信号的变化计算横摆角速度。实现通过横摆角角速度传感器9获取单车2的横摆信息。
车载传感器包括纵向加速度传感器10，纵向加速度传感器10与电子控制单元5连接，纵向加速度传感器10用于获取单车2的纵向加速度信息；车载传感器包括横向加速度传感器11，横向加速度传感器11与电子控制单元5连接，横向加速度传感器11用于获取单车2的横向加速度信息。沿汽车前进方向的纵向加速度传感器10和垂直于前进方向的横向加速度传感器11，基本原理相同，二者呈90°夹角安装。在传感器内部，一小片致密物质连接在一个可以移动的悬臂上，可以反映出汽车的纵向/横向加速度的大小，其输出在静态时为2.5V左右，正的加速度对应正的电压变化，负的加速度对应负的电压变化，每1.0～1.4V对应1g的加速度变化。通过纵向加速度传感器10和横向加速度传感器11将获取单车2的加速度信息上传到云端服务器1，为驾驶行为分析提供数据支撑。
车载传感器还包括油门踏板位置传感器12，油门踏板位置传感器12与电子控制单元5连接，油门踏板位置传感器12用于获取单车2油门的踩踏幅度与速度信息。油门踏板位置传感器12安装在油门踏板内部，随时监测油门踏板的位置，通过油门踏板位置传感器12获取单车2油门的踩踏幅度与速度信息上传到云端服务器1，为驾驶行为分析提供数据支撑。
基于环境感知的驾驶行为数据采集分析系统一个实施例中，车载传感器还包括雷达传感器13，雷达传感器13与电子控制单元5连接，雷达传感器13用于获取单车2的周围的环境感知信息。雷达传感器13将单车2停车或行驶状态下的周围环境感知信息上传到云端服务器1，为驾驶行为分析提供数据支撑。
基于环境感知的驾驶行为数据采集分析系统一个实施例中，无线通讯模块6采用3G模块、4G模块。无线通讯模块6用于实现单车2和云端服务器1之间的数据通信。
基于环境感知的驾驶行为数据采集分析系统一个实施例中，数据融合分析单元3对按时序获得的单车2数据信息通过数据融合算法进行分析、综合获取驾驶行为信息，从而为其他相关领域如自动驾驶、交通事故处理提供数据支撑。数据融合算法可采用贝叶斯推理算法、决策树算法或D-S证据推理算法等。
贝叶斯推理算法的用途在于通过己知三个概率来推测第四个概率。它的内容是：在B出现的前提下，A出现的概率等于A出现的前提下B出现的概率乘以A出现的概率再除以B出现的概率。通过联系A与B，计算从一个事件发生的情况下另一事件发生的概率，即从结果上溯到源头(也即逆向概率)。通俗地讲就是当你不能确定某一个事件发生的概率时，你可以依靠与该事件本质属性相关的事件发生的概率去推测该事件发生的概率。用数学语言表达就是：支持某项属性的事件发生得愈多，则该事件发生的的可能性就愈大。
决策树算法是一种逼近离散函数值的方法。首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。决策树构造可以分两步进行。第一步，决策树的生成：由训练样本集生成决策树的过程。一般情况下，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集。第二步，决策树的剪枝：决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集(称为测试数据集)中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。
D-S证据推理算法中，由互不相容的基本命题(假定)组成的完备集合称为识别框架，表示对某一问题的所有可能答案，但其中只有一个答案是正确的，该框架的子集称为命题。分配给各命题的信任程度称为基本概率分配(BPA，也称m函数)，m(A)为基本可信数，反映着对A的信度大小。信任函数Bel(A)表示对命题A的信任程度，似然函数Pl(A)表示对命题A非假的信任程度，也即对A似乎可能成立的不确定性度量，实际上，[Bel(A),Pl(A)]表示A的不确定区间，[0,Bel(A)]表示命题A支持证据区间，[0,Pl(A)]表示命题A的拟信区间，[Pl(A),1]表示命题A的拒绝证据区间。设m1和m2是由两个独立的证据源(传感器)导出的基本概率分配函数，则D-S证据推理算法可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数。通过数据融合分析单元3对按时序获得的单车2数据信息进行分析、综合，获取驾驶行为信息，从而为其他相关领域如无人驾驶、交通事故处理提供数据支撑。
如图2所述，采用上述分析系统的基于环境感知的驾驶行为数据采集分析方法，包括：
S1：利用车载传感器采集车辆行驶和环境感知的单车数据信息；
S2：车载处理器对车载传感器获取的单车数据信息进行处理，并上传到云端服务器；
S3：通过对采集的单车数据信息进行融合处理分析，获取驾驶行为数据信息；
S4：对获取的驾驶行为数据信息进行分析判断，获取多维度交通数据信息。
基于环境感知的驾驶行为数据采集分析方法中，多维度是指选择不同的分析角度对驾驶行为数据信息进行分析处理，不同的分析角度包括交通事故处理角度或无人驾驶角度。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (6)
1.基于环境感知的驾驶行为数据采集分析系统，其特征在于：所述分析系统包括云端服务器、单车、数据融合分析单元、数据存储单元；所述单车包括电子控制单元、车载传感器，所述电子控制单元设有无线通讯模块，单车通过无线通讯模块与云端服务器建立连接关系，电子控制单元与所述车载传感器连接，电子控制单元获取车载传感器的传感信息并通过无线通讯模块上传到云端服务器；所述数据融合分析单元对上传到云端服务器的传感信息进行融合处理获取车辆驾驶行为信息；所述数据存储单元用于存储融合处理后的车辆驾驶行为信息；
所述车载传感器包括轮速传感器，所述轮速传感器与电子控制单元连接，轮速传感器用于获取单车的速度信息；所述车载传感器包括转向角传感器，所述转向角传感器与电子控制单元连接，转向角传感器用于获取单车方向盘的转动信息；所述车载传感器包括横摆角角速度传感器，所述横摆角角速度传感器与电子控制单元连接，横摆角角速度传感用于获取单车的横摆信息；所述车载传感器包括纵向加速度传感器，所述纵向加速度传感器与电子控制单元连接，纵向加速度传感器用于获取单车的纵向加速度信息；所述车载传感器包括横向加速度传感器，所述横向加速度传感器与电子控制单元连接，横向加速度传感器用于获取单车的横向加速度信息；
所述数据融合分析单元对按时序获得的单车数据信息通过数据融合算法进行分析、综合获取驾驶行为信息，数据融合算法采用贝叶斯推理算法、决策树算法或D-S证据推理算法；
所述驾驶行为信息应用于无人驾驶或交通事故处理；
利用车载传感器采集车辆行驶和环境感知的单车数据信息；
车载处理器对车载传感器获取的单车数据信息进行处理，并上传到云端服务器；
通过对采集的单车数据信息进行融合处理分析，获取驾驶行为数据信息；
将获取的驾驶行为数据信息进行分析判断，获取多维度交通数据信息。
2.根据权利要求1所述的基于环境感知的驾驶行为数据采集分析系统，其特征在于：所述车载传感器还包括油门踏板位置传感器，所述油门踏板位置传感器与电子控制单元连接，油门踏板位置传感器用于获取单车油门的踩踏幅度与速度信息。
3.根据权利要求1所述的基于环境感知的驾驶行为数据采集分析系统，其特征在于：所述车载传感器还包括雷达传感器，所述雷达传感器与电子控制单元连接，雷达传感器用于获取单车的周围的环境感知信息。
4.根据权利要求1所述的基于环境感知的驾驶行为数据采集分析系统，其特征在于：所述无线通讯模块采用3G模块、4G模块。
5.基于环境感知的驾驶行为数据采集分析方法，所述分析方法采用权利要求1至4任意一项所述的分析系统，其特征在于：所述分析方法包括：
利用车载传感器采集车辆行驶和环境感知的单车数据信息；
车载处理器对车载传感器获取的单车数据信息进行处理，并上传到云端服务器；
通过对采集的单车数据信息进行融合处理分析，获取驾驶行为数据信息；
对获取的驾驶行为数据信息进行分析判断，获取多维度交通数据信息。
6.根据权利要求5所述的基于环境感知的驾驶行为数据采集分析方法，其特征在于：所述多维度是指选择不同的分析角度对驾驶行为数据信息进行分析处理，不同的分析角度包括交通事故处理角度或无人驾驶角度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710726412.7A CN107564280B (zh) | 2017-08-22 | 2017-08-22 | 基于环境感知的驾驶行为数据采集分析系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710726412.7A CN107564280B (zh) | 2017-08-22 | 2017-08-22 | 基于环境感知的驾驶行为数据采集分析系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107564280A CN107564280A (zh) | 2018-01-09 |
| CN107564280B true CN107564280B (zh) | 2020-09-29 |
Family
ID=60975983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710726412.7A Active CN107564280B (zh) | 2017-08-22 | 2017-08-22 | 基于环境感知的驾驶行为数据采集分析系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107564280B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108198421B (zh) * | 2018-01-19 | 2019-06-11 | 同济大学 | 一种区分单车、多车事故的高速公路事故多发路段判别方法 |
| CN108985219A (zh) * | 2018-07-11 | 2018-12-11 | 河海大学常州校区 | 一种基于多源信息融合技术的道路撞击报警系统及其方法 |
| CN109344903B (zh) * | 2018-10-12 | 2021-03-09 | 苏交科华东(浙江)工程设计有限公司 | 基于车载感知数据的城市道路路面故障实时检测方法 |
| CN109410564A (zh) * | 2018-12-10 | 2019-03-01 | 肇庆学院 | 一种基于信息融合技术的车辆队列纵向冗余控制系统 |
| CN109829004B (zh) | 2018-12-26 | 2022-03-01 | 阿波罗智能技术(北京)有限公司 | 基于无人车的数据处理方法、装置、设备以及存储介质 |
| CN110264586A (zh) * | 2019-05-28 | 2019-09-20 | 浙江零跑科技有限公司 | L3级自动驾驶系统道路驾驶数据采集、分析及上传方法 |
| CN111326002A (zh) * | 2020-02-26 | 2020-06-23 | 公安部交通管理科学研究所 | 一种自动驾驶汽车环境感知的预测方法、装置及系统 |
| CN112829747A (zh) * | 2021-02-23 | 2021-05-25 | 国汽(北京)智能网联汽车研究院有限公司 | 一种驾驶行为决策方法、装置及存储介质 |
| CN113903102B (zh) * | 2021-10-29 | 2023-11-17 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103770644A (zh) * | 2014-01-20 | 2014-05-07 | 深圳市元征科技股份有限公司 | 一种驾驶行为的数据获取方法和系统 |
| CN104504903A (zh) * | 2014-12-31 | 2015-04-08 | 北京赛维安讯科技发展有限公司 | 交通事件采集装置及方法、交通事件监测系统及方法 |
| CN104732785A (zh) * | 2015-01-09 | 2015-06-24 | 杭州好好开车科技有限公司 | 一种驾驶行为分析和提醒的方法及系统 |
| CN105489007A (zh) * | 2015-12-16 | 2016-04-13 | 浙江中科正方电子技术有限公司 | 一种车辆管理的方法和系统 |
| EP3009280A1 (en) * | 2014-10-13 | 2016-04-20 | MY E.G. Services Berhad | Method and system for improving road safety |
| JP2016177375A (ja) * | 2015-03-18 | 2016-10-06 | 株式会社リコー | 運転特性評価用情報取得システムおよび取得方法 |
| CN106157614A (zh) * | 2016-06-29 | 2016-11-23 | 北京奇虎科技有限公司 | 汽车事故责任确定方法及系统 |
| CN106790367A (zh) * | 2016-11-15 | 2017-05-31 | 山东省科学院自动化研究所 | 大数据处理的车辆安全隐患预警和事故重现系统及方法 |
| CN106803008A (zh) * | 2017-02-15 | 2017-06-06 | 武汉极目智能技术有限公司 | 一种基于adas系统的实时驾驶行为评分方法与系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102263937B (zh) * | 2011-07-26 | 2013-07-24 | 华南理工大学 | 基于视频检测的驾驶员驾驶行为监控装置及监控方法 |
| CN104750753B (zh) * | 2013-12-31 | 2018-07-24 | 中国移动通信集团公司 | 一种驾驶行为报告生成方法及设备 |
| CN103927895B (zh) * | 2014-04-25 | 2015-11-11 | 清华大学 | 一种基于车路/车车通讯的车辆弯道通行辅助系统 |
| CN104392622B (zh) * | 2014-11-07 | 2016-09-28 | 南京富士通南大软件技术有限公司 | 一种基于车联网的多功能辅助驾驶服务系统 |
| CN104537728B (zh) * | 2014-12-30 | 2017-11-07 | 吉林大学 | 一种汽车运行参数记录仪及其行车参数的计算方法 |
| CN105206052B (zh) * | 2015-09-21 | 2018-05-11 | 张力 | 一种驾驶行为分析方法及设备 |
| CN105711588B (zh) * | 2016-01-20 | 2018-05-11 | 奇瑞汽车股份有限公司 | 一种车道保持辅助系统和车道保持辅助方法 |
| CN106023344B (zh) * | 2016-06-06 | 2019-04-05 | 清华大学 | 基于驾驶模式转换概率的驾驶风格估计方法 |
| CN106411998A (zh) * | 2016-07-15 | 2017-02-15 | 南京邮电大学 | 基于车联网大数据的ubi系统预测方法 |
| CN106571015A (zh) * | 2016-09-09 | 2017-04-19 | 武汉依迅电子信息技术有限公司 | 基于互联网络的驾驶行为数据采集方法 |
| CN106394559A (zh) * | 2016-11-17 | 2017-02-15 | 吉林大学 | 基于环境感知信息的多目标评判驾驶行为分析方法 |
-
2017
- 2017-08-22 CN CN201710726412.7A patent/CN107564280B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103770644A (zh) * | 2014-01-20 | 2014-05-07 | 深圳市元征科技股份有限公司 | 一种驾驶行为的数据获取方法和系统 |
| EP3009280A1 (en) * | 2014-10-13 | 2016-04-20 | MY E.G. Services Berhad | Method and system for improving road safety |
| CN104504903A (zh) * | 2014-12-31 | 2015-04-08 | 北京赛维安讯科技发展有限公司 | 交通事件采集装置及方法、交通事件监测系统及方法 |
| CN104732785A (zh) * | 2015-01-09 | 2015-06-24 | 杭州好好开车科技有限公司 | 一种驾驶行为分析和提醒的方法及系统 |
| JP2016177375A (ja) * | 2015-03-18 | 2016-10-06 | 株式会社リコー | 運転特性評価用情報取得システムおよび取得方法 |
| CN105489007A (zh) * | 2015-12-16 | 2016-04-13 | 浙江中科正方电子技术有限公司 | 一种车辆管理的方法和系统 |
| CN106157614A (zh) * | 2016-06-29 | 2016-11-23 | 北京奇虎科技有限公司 | 汽车事故责任确定方法及系统 |
| CN106790367A (zh) * | 2016-11-15 | 2017-05-31 | 山东省科学院自动化研究所 | 大数据处理的车辆安全隐患预警和事故重现系统及方法 |
| CN106803008A (zh) * | 2017-02-15 | 2017-06-06 | 武汉极目智能技术有限公司 | 一种基于adas系统的实时驾驶行为评分方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107564280A (zh) | 2018-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107564280B (zh) | 基于环境感知的驾驶行为数据采集分析系统和方法 | |
| EP3533681B1 (en) | Method for detecting safety of driving behavior, apparatus and storage medium | |
| EP2710572B1 (en) | Vehicle data analysis method and vehicle data analysis system | |
| CN113609016B (zh) | 车辆自动驾驶测试场景的构建方法、装置、设备及介质 | |
| KR20220047732A (ko) | 차량 감시 방법 및 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램, 클라우드 제어 플랫폼 및 차량 도로 협조 시스템 | |
| CN106816020B (zh) | 基于数据分析的交通事故信息处理方法 | |
| CN107953888B (zh) | 一种道路类型识别方法及系统 | |
| CN110781578B (zh) | 一种基于事故场景的智能网联车算法的测试及评价方法 | |
| CN102881162A (zh) | 大规模交通信息的数据处理及融合方法 | |
| CN100466010C (zh) | 异类交通信息实时融合方法 | |
| CN112749210B (zh) | 基于深度学习的车辆碰撞识别方法和系统 | |
| CN106956680A (zh) | 一种电动汽车驾驶行为识别分析方法 | |
| CN110782670A (zh) | 基于数据融合的场景还原方法、车辆云平台及存储介质 | |
| Chaovalit et al. | A method for driving event detection using SAX on smartphone sensors | |
| CN112356849A (zh) | 一种危险驾驶的预警方法及装置 | |
| CN113511204A (zh) | 一种车辆换道行为识别方法及相关设备 | |
| CN115782905A (zh) | 一种自动驾驶车辆驾驶安全度量化系统 | |
| CN113129602A (zh) | 一种车辆状态监测方法、装置、存储介质及电子设备 | |
| CN105911984B (zh) | 降低学习到错误的车辆行驶直线方向的概率的方法及装置 | |
| CN112466139A (zh) | 基于多传感器的限速融合方法、系统、车辆及存储介质 | |
| CN116753938A (zh) | 车辆测试场景生成方法、装置、存储介质及设备 | |
| CN114756599A (zh) | 一种基于车辆gps数据的驾驶员异常变速辨识方法 | |
| CN114103966A (zh) | 一种辅助驾驶的控制方法、装置和系统 | |
| CN113836111A (zh) | 一种自动驾驶经验数据库的构建方法及系统 | |
| Tian et al. | Understanding scenarios for cooperative V2P safety applications using connected vehicle datasets |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230413 Address after: 215000, Room 108, 109, and 110, Building 1, No. 393 Suhong Middle Road, Industrial Park, Suzhou City, Jiangsu Province 215000 Patentee after: Ontron Technology (Suzhou) Co.,Ltd. Address before: 215000 Jingyuan Apartment 8 # 703, Cross Yang Road, Industrial Park, Wuzhong District, Suzhou City, Jiangsu Province Patentee before: Wang Haoyu Patentee before: Xia Jiajia |
|
| TR01 | Transfer of patent right |