CN107665579A - 一种用户驾驶行为监控方法及装置 - Google Patents
一种用户驾驶行为监控方法及装置 Download PDFInfo
- Publication number
- CN107665579A CN107665579A CN201610601179.5A CN201610601179A CN107665579A CN 107665579 A CN107665579 A CN 107665579A CN 201610601179 A CN201610601179 A CN 201610601179A CN 107665579 A CN107665579 A CN 107665579A
- Authority
- CN
- China
- Prior art keywords
- user
- driving behavior
- behavior data
- data
- classification
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种用户驾驶行为监控方法及装置,所述方法包括:获取多个参考用户的驾驶行为数据;使用多个已知的类别标签对所述多个参考用户的驾驶行为数据进行标注;对标注有所述类别标签的驾驶行为数据进行分类训练,以得到分类模型;获取当前用户的驾驶行为数据,并根据所述分类模型预测当前用户的驾驶行为数据的类别;向所述当前用户发送所述类别对应的提示信息。上述方案可提升行车安全性。
Description
技术领域
本发明涉及车联网技术领域,特别是涉及一种用户驾驶行为监控方法及装置。
背景技术
随着汽车的普及,汽车的行车安全性问题越来越受关注。互联网技术也逐渐应用于汽车行车安全的监控上,通过监控汽车的当前驾驶数据是否在安全范围之内,可以做出是否存在安全性问题的提醒。
然而,目前汽车行车的监控灵活性低,难以通过监控数据有效地做出准确的安全性提醒,从而不能更好地提升行车安全性。
发明内容
本发明解决的技术问题是提升行车监控的灵活性,进而提升行车安全性。
为解决上述技术问题,本发明实施例提供一种用户驾驶行为监控方法,所述方法包括:
获取多个参考用户的驾驶行为数据;使用多个已知的类别标签对所述多个参考用户的驾驶行为数据进行标注;对标注有所述类别标签的驾驶行为数据进行分类训练,以得到分类模型;获取当前用户的驾驶行为数据,并根据所述分类模型预测当前用户的驾驶行为数据的类别;向所述当前用户发送所述类别对应的提示信息。
可选地,所述驾驶行为数据包括:行车轨迹数据和/或驾驶操作数据。
可选地,所述多个参考用户的驾驶行为数据包括:所述多个参考用户在预设历史时间段内的驾驶行为数据。
可选地,根据所述分类模型预测当前用户的驾驶行为数据的类别包括:
使用所述分类模型对所述当前用户的行车轨迹数据进行分析,以得到用户偏好路径;和/或使用所述分类模型对所述当前用户的驾驶操作数据进行分析,以得到用户驾驶习惯类别。
可选地,使用分类算法进行所述分类训练。
本发明实施例还提供一种用户驾驶行为监控装置,所述装置包括:获取单元,适于获取多个参考用户的驾驶行为数据;标注单元,适于使用多个已知的类别标签对所述多个参考用户的驾驶行为数据进行标注;训练单元,适于对标注有所述类别标签的驾驶行为数据进行分类训练,以得到分类模型;预测单元,适于获取当前用户的驾驶行为数据,并根据所述分类模型预测当前用户的驾驶行为数据的类别;发送单元,适于向所述当前用户发送所述类别对应的提示信息。
可选地,所述驾驶行为数据包括:行车轨迹数据和/或驾驶操作数据。
可选地,所述多个参考用户的驾驶行为数据包括:所述多个参考用户在预设历史时间段内的驾驶行为数据。
可选地,所述预测单元包括:预测子单元,适于使用所述分类模型对所述当前用户的行车轨迹数据进行分析,以得到用户偏好路径;和/或适于使用所述分类模型对所述当前用户的驾驶操作数据进行分析,以得到用户驾驶习惯类别。
可选地,所述训练单元使用分类算法进行所述分类训练。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明实施例的技术方案通过获取大量的参考用户的驾驶行为数据作为训练集,并通过预设的类别标签标注不同类型的驾驶行为数据后进行分类训练,并使用分类训练得到的分类模型预测当前用户的驾驶行为数据所属的类别,针对该类别的用户驾驶行为进行相应的提醒。相比现有技术,本方案并非以某一次当前的驾驶行为数据即进行判断和提醒,而是在此之前进行大量的数据分析得到分类模型,再依据分类模型预测当前的用户驾驶行为数据所属的类型,根据类型做出相应的提醒,使得对当前用户发送提示信息具有针对性,该提示信息可有效的针对用户的驾驶行为偏好做出适当的提醒,从而有效地辅助用户调整驾驶行为,提升行车安全性。
附图说明
图1是本发明实施例中的一种用户驾驶行为监控方法的流程图;
图2是本发明实施例中的一种用户驾驶行为监控装置的结构示意图。
具体实施方式
如背景技术所言,目前汽车行车的监控灵活性低,难以通过监控数据有效地做出准确的安全性提醒,从而不能更好地提升行车安全性。
本发明实施例的技术方案通过获取大量的参考用户的驾驶行为数据作为训练集,并通过预设的类别标签标注不同类型的驾驶行为数据后进行分类训练,并使用分类训练得到的分类模型预测当前用户的驾驶行为数据所属的类别,针对该类别的用户驾驶行为进行相应的提醒。相比现有技术,本方案并非以某一次当前的驾驶行为数据即进行判断和提醒,而是在此之前进行大量的数据分析得到分类模型,再依据分类模型预测当前的用户驾驶行为数据所属的类型,根据类型做出相应的提醒,使得对当前用户发送提示信息具有针对性,该提示信息可有效的针对用户的驾驶行为偏好做出适当的提醒,从而有效地辅助用户调整驾驶行为,提升行车安全性。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例中的一种用户驾驶行为监控方法的流程图。下面结合图1进行说明。
步骤S101:获取多个参考用户的驾驶行为数据。
其中,多个参考用户可以包括当前用户以外的其他用户。
在具体实施中,所述驾驶行为数据包括行车轨迹数据和/或驾驶操作数据。所述驾驶行为数据是基于参考用户先前的驾驶行为产生的。
所述行车轨迹数据是车辆在不同时间点行驶于不同地理位置所形成的轨迹数据。所述行车轨迹数据可以结合GPS定位数据分析获得,或者而直接通过导航数据获得。
所述驾驶操作数据为用户在不同时间点的驾驶操作数据。例如,所述驾驶操作数据可以包括行车速度数据、刹车操作数据、换挡数据和打转向灯的数据等。所述驾驶操作数据可以用于反映用户的操作习惯。例如,用户在变道时习惯不打转向灯或打转向灯,又如用户在一次持续驾驶过程中使用的档位数据。
在具体实施中,可以通过建立车载终端与远程服务器的连接,将车载终端获得的全球定位系统(Global Positioning System,GPS)定位数据和导航数据上传至远程服务器,从而使远程服务器获得所述行车轨迹数据,和/或将电子控制单元(ElectronicControl Unit,ECU)获得的驾驶操作数据上传至远程服务器,从而使远程服务器获得所述驾驶操作数据。所述远程服务器可以是云端服务器。
获取多个参考用户的驾驶行为数据,后续可以用于分类训练,从而可以对当前用户的驾驶行为数据进行类别的判定。
在本发明的一具体实施中,所述多个参考用户的驾驶行为数据可以包括所述多个参考用户在预设历史时间段内的驾驶行为数据。所述预设历史时间段的长度可以不同,并不作为限制。例如,可以获取多个参考用户在距离现在的前一个月时间段内的驾驶行为数据。
步骤S102:使用多个已知的类别标签对所述多个参考用户的驾驶行为数据进行标注。
本步骤中对所述多个参考用户的驾驶行为数据进行标注,是为了后续可以进行分类训练。需要说明的是,所述类别标签可以进行预设,对不同驾驶行为数据进行标注的规则也可以进行预设。例如,所述类别标签的可以基于用户的特征进行区分,如用户属于驾驶操作稳健类型或者驾驶操作激进类型;所述类别标签还可以基于驾驶操作的特征进行区分,例如用户驾驶操作违反交通规则频次高或用户驾驶操作违反交通规则频次低。
步骤S103:对标注有所述类别标签的驾驶行为数据进行分类训练,以得到分类模型。
在具体实施中,可以使用分类算法进行所述分类训练。所述分类算法可以是KNN算法、决策树、朴素贝叶斯和Logistic回归等。
通过分类训练得到的分类模型,可以判断何种驾驶行为数据属于何种类别。需要说明的是,每一类别驾驶行为数据的类别都对应一种相应的提示信息。
步骤S104:获取当前用户的驾驶行为数据,并根据所述分类模型预测当前用户的驾驶行为数据的类别。
在具体实施中,可以使用所述分类模型对所述当前用户的行车轨迹数据进行分析,得到当前用户偏好路径,所述偏好路径是用户在相同起点和终点之间不同路径中所偏向选择的路径。例如在一非限定性的例子中,在起点A和终点B之间存在多条路径,根据多个参考用户的行车轨迹数据进行分类训练,得到的分类模型可以根据当前用户的行车轨迹数据预测当前用户偏向选择的路径,也就是当前用户偏好路径。而根据不同的当前用户偏好路径,可以发送不同的提示信息,所述提示信息可以表明该偏好路径相关的一些路况信息。
在具体实施中,还可以使用所述分类模型对所述当前用户的驾驶操作数据进行分析,以得到用户驾驶操作的危险等级。所述驾驶操作数据中包括用户的多种驾驶操作,如用户是否系安全带,用户是否变道不打转向灯,用户是否在人行横道处减速等等。通过对不同的驾驶操作数据进行标注后,根据多个参考用户的这些驾驶操作数据进行训练,以使得训练出的分类模型可以根据当前用户的驾驶操作数据,来判断该用户的驾驶操作数据属于哪一个危险等级。在此基础上,根据不同的用户驾驶操作的危险等级,可以发送不同的提示信息。
步骤S105:向所述当前用户发送所述类别对应的提示信息。
在具体实施中,向当前用户发送提示信息时,可以发送到当前用户的车载设备上,也可以发送到当前用户所使用的移动终端上。所述提示信息可以是语音形式,也可以是文本形式。所述提示信息与所述类别对应。
例如,根据当前用户的用户偏好路径,可以向用户发送有关该条偏好路径的安全驾驶信息。例如,在该条偏好路径行驶时,应注意在哪些路段减速行驶,以及在哪些路段需要鸣笛等。
又如,根据当前用户的用户驾驶习惯类别,得出该类别对应的驾驶习惯的危险程度,从而可以根据该危险程度提示用户应该注意的安全操作。
由此可见,本发明实施例通过获取大量的不同参考用户的驾驶行为数据作为训练集,并通过预设的类别标签标注不同类型的驾驶行为数据后进行分类训练,并使用分类训练得到的分类模型预测当前用户的驾驶行为数据所属的类别,针对该类别的用户驾驶行为进行相应的提醒。
相比现有技术,本方案并非以某一次当前的驾驶行为数据即进行判断和提醒,而是在此之前进行大量的数据分析得到分类模型,再依据分类模型预测当前的用户驾驶行为数据所属的类型,根据类型做出相应的提醒,使得对当前用户发送提示信息具有针对性,该提示信息可有效的针对用户的驾驶行为偏好做出适当的提醒,从而有效地辅助用户调整驾驶行为,提升行车安全性。
图2是本发明实施例中的一种用户驾驶行为监控装置的结构示意图。如图2所示的用户驾驶行为监控装置,可以包括:获取单元201、标注单元202、训练单元203、预测单元204和发送单元205。
所述获取单元201,适于获取多个参考用户的驾驶行为数据。
在具体实施中,所述驾驶行为数据包括:行车轨迹数据和/或驾驶操作数据。
所述标注单元202,适于使用多个已知的类别标签对所述多个参考用户的驾驶行为数据进行标注。
在具体实施中,所述多个参考用户的驾驶行为数据包括:所述多个参考用户在预设历史时间段内的驾驶行为数据。
所述训练单元203,适于对标注有所述类别标签的驾驶行为数据进行分类训练,以得到分类模型。
在具体实施中,使用分类算法进行所述分类训练。所述分类算法可以是所述分类算法可以是KNN算法、决策树、朴素贝叶斯和Logistic回归等。
所述预测单元204,适于获取当前用户的驾驶行为数据,并根据所述分类模型预测当前用户的驾驶行为数据的类别。
在具体实施中,所述预测单元204包括预测子单元,所述预测子单元适于使用所述分类模型对所述当前用户的行车轨迹数据进行分析,以得到用户偏好路径;和/或使用所述分类模型对所述当前用户的驾驶操作数据进行分析,以得到用户驾驶习惯类别。
所述发送单元205,适于向所述当前用户发送所述类别对应的提示信息。
在具体实施中,所述用户驾驶行为监控装置可作为所述远程服务器的一部分。可以通过建立车载终端与远程服务器的连接,将车载终端获得的GPS定位数据和导航数据上传至远程服务器,从而使远程服务器获得所述行车轨迹数据,和/或将ECU获得的驾驶操作数据上传至远程服务器,从而使远程服务器获得所述驾驶操作数据。所述用户驾驶行为监控装置可作为所述远程服务器的一部分。所述远程服务器可以是云端服务器。
本发明实施例的技术方案通过获取大量的参考用户的驾驶行为数据作为训练集,并通过预设的类别标签标注不同类型的驾驶行为数据后进行分类训练,并使用分类训练得到的分类模型预测当前用户的驾驶行为数据所属的类别,针对该类别的用户驾驶行为进行相应的提醒。相比现有技术,本方案并非以某一次当前的驾驶行为数据即进行判断和提醒,而是在此之前进行大量的数据分析得到分类模型,再依据分类模型预测当前的用户驾驶行为数据所属的类型,根据类型做出相应的提醒,使得对当前用户发送提示信息具有针对性,该提示信息可有效的针对用户的驾驶行为偏好做出适当的提醒,从而有效地辅助用户调整驾驶行为,提升行车安全性。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
以上对本发明实施例的方法及系统做了详细的介绍,本发明并不限于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,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 (10)
1.一种用户驾驶行为监控方法,其特征在于,包括:
获取多个参考用户的驾驶行为数据;
使用多个已知的类别标签对所述多个参考用户的驾驶行为数据进行标注;
对标注有所述类别标签的驾驶行为数据进行分类训练,以得到分类模型;
获取当前用户的驾驶行为数据,并根据所述分类模型预测当前用户的驾驶行为数据的类别;
向所述当前用户发送所述类别对应的提示信息。
2.根据权利要求1所述的用户驾驶行为监控方法,其特征在于,所述驾驶行为数据包括:
行车轨迹数据和/或驾驶操作数据。
3.根据权利要求2所述的用户驾驶行为监控方法,其特征在于,所述多个参考用户的驾驶行为数据包括:所述多个参考用户在预设历史时间段内的驾驶行为数据。
4.根据权利要求2所述的用户驾驶行为监控方法,其特征在于,根据所述分类模型预测当前用户的驾驶行为数据的类别包括:
使用所述分类模型对所述当前用户的行车轨迹数据进行分析,以得到用户偏好路径;和/或
使用所述分类模型对所述当前用户的驾驶操作数据进行分析,以得到用户驾驶习惯类别。
5.根据权利要求1所述的用户驾驶行为监控方法,其特征在于,使用分类算法进行所述分类训练。
6.一种用户驾驶行为监控装置,其特征在于,包括:
获取单元,适于获取多个参考用户的驾驶行为数据;
标注单元,适于使用多个已知的类别标签对所述多个参考用户的驾驶行为数据进行标注;
训练单元,适于对标注有所述类别标签的驾驶行为数据进行分类训练,以得到分类模型;
预测单元,适于获取当前用户的驾驶行为数据,并根据所述分类模型预测当前用户的驾驶行为数据的类别;
发送单元,适于向所述当前用户发送所述类别对应的提示信息。
7.根据权利要求6所述的用户驾驶行为监控装置,其特征在于,所述驾驶行为数据包括:
行车轨迹数据和/或驾驶操作数据。
8.根据权利要求7所述的用户驾驶行为监控装置,其特征在于,所述多个参考用户的驾驶行为数据包括:所述多个参考用户在预设历史时间段内的驾驶行为数据。
9.根据权利要求7所述的用户驾驶行为监控装置,其特征在于,所述预测单元包括:
预测子单元,适于使用所述分类模型对所述当前用户的行车轨迹数据进行分析,以得到用户偏好路径;和/或
适于使用所述分类模型对所述当前用户的驾驶操作数据进行分析,以得到用户驾驶习惯类别。
10.根据权利要求6所述的用户驾驶行为监控装置,其特征在于,所述训练单元使用分类算法进行所述分类训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610601179.5A CN107665579A (zh) | 2016-07-27 | 2016-07-27 | 一种用户驾驶行为监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610601179.5A CN107665579A (zh) | 2016-07-27 | 2016-07-27 | 一种用户驾驶行为监控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107665579A true CN107665579A (zh) | 2018-02-06 |
Family
ID=61115183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610601179.5A Pending CN107665579A (zh) | 2016-07-27 | 2016-07-27 | 一种用户驾驶行为监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107665579A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109017795A (zh) * | 2018-07-05 | 2018-12-18 | 合肥移顺信息技术有限公司 | 一种驾驶习惯监测方法 |
CN109447127A (zh) * | 2018-09-29 | 2019-03-08 | 深圳市元征科技股份有限公司 | 数据处理方法及装置 |
CN109459050A (zh) * | 2018-12-17 | 2019-03-12 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN110502895A (zh) * | 2019-08-27 | 2019-11-26 | 中国工商银行股份有限公司 | 接口异常调用确定方法及装置 |
WO2020015526A1 (zh) * | 2018-07-19 | 2020-01-23 | 众安信息技术服务有限公司 | 驾驶行为评分方法及装置 |
CN110751683A (zh) * | 2019-10-28 | 2020-02-04 | 北京地平线机器人技术研发有限公司 | 轨迹预测方法、装置、可读存储介质及电子设备 |
CN110871810A (zh) * | 2018-08-21 | 2020-03-10 | 上海博泰悦臻网络技术服务有限公司 | 车辆、车机设备及其基于驾驶模式的行车信息提示方法 |
CN112129290A (zh) * | 2019-06-24 | 2020-12-25 | 罗伯特·博世有限公司 | 用于监测骑行设备的系统及方法 |
CN112319489A (zh) * | 2020-11-18 | 2021-02-05 | 三一重型装备有限公司 | 驾驶行为监测方法、监测系统、服务器和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101633358A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有集成驾驶风格识别的自适应车辆控制系统 |
CN103201777A (zh) * | 2010-09-27 | 2013-07-10 | 丰田自动车工程及制造北美公司 | 用于估计局部交通流量的系统和方法 |
CN103413359A (zh) * | 2013-07-18 | 2013-11-27 | 江苏中科天安智联科技有限公司 | 不良驾驶行为分析评价系统 |
CN104331953A (zh) * | 2014-10-29 | 2015-02-04 | 云南大学 | 一种基于物联网技术的汽车行为数据识别与管理方法 |
CN104463244A (zh) * | 2014-12-04 | 2015-03-25 | 上海交通大学 | 基于智能移动终端的异常驾驶行为监测和识别方法及系统 |
CN104768130A (zh) * | 2014-01-06 | 2015-07-08 | 哈曼国际工业有限公司 | 车辆内通知呈现调度 |
CN105022777A (zh) * | 2014-04-28 | 2015-11-04 | 福特全球技术公司 | 基于驾驶员行为的车辆应用推荐 |
CN105303829A (zh) * | 2015-09-11 | 2016-02-03 | 深圳市乐驰互联技术有限公司 | 汽车驾驶员情绪识别方法及装置 |
US20160035220A1 (en) * | 2013-03-12 | 2016-02-04 | Inria Institut National De Recherche En Informatique Et En Automatique | Method and System to Assess Abnormal Driving Behaviour of Vehicles Travelling on Road |
CN105966310A (zh) * | 2016-06-29 | 2016-09-28 | 苏州大学 | 一种状态监测方法、终端设备、服务器及状态监测系统 |
CN106128099A (zh) * | 2016-07-01 | 2016-11-16 | 斑马信息科技有限公司 | 驾驶员识别方法和装置 |
-
2016
- 2016-07-27 CN CN201610601179.5A patent/CN107665579A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101633358A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有集成驾驶风格识别的自适应车辆控制系统 |
CN103201777A (zh) * | 2010-09-27 | 2013-07-10 | 丰田自动车工程及制造北美公司 | 用于估计局部交通流量的系统和方法 |
US20160035220A1 (en) * | 2013-03-12 | 2016-02-04 | Inria Institut National De Recherche En Informatique Et En Automatique | Method and System to Assess Abnormal Driving Behaviour of Vehicles Travelling on Road |
CN103413359A (zh) * | 2013-07-18 | 2013-11-27 | 江苏中科天安智联科技有限公司 | 不良驾驶行为分析评价系统 |
CN104768130A (zh) * | 2014-01-06 | 2015-07-08 | 哈曼国际工业有限公司 | 车辆内通知呈现调度 |
CN105022777A (zh) * | 2014-04-28 | 2015-11-04 | 福特全球技术公司 | 基于驾驶员行为的车辆应用推荐 |
CN104331953A (zh) * | 2014-10-29 | 2015-02-04 | 云南大学 | 一种基于物联网技术的汽车行为数据识别与管理方法 |
CN104463244A (zh) * | 2014-12-04 | 2015-03-25 | 上海交通大学 | 基于智能移动终端的异常驾驶行为监测和识别方法及系统 |
CN105303829A (zh) * | 2015-09-11 | 2016-02-03 | 深圳市乐驰互联技术有限公司 | 汽车驾驶员情绪识别方法及装置 |
CN105966310A (zh) * | 2016-06-29 | 2016-09-28 | 苏州大学 | 一种状态监测方法、终端设备、服务器及状态监测系统 |
CN106128099A (zh) * | 2016-07-01 | 2016-11-16 | 斑马信息科技有限公司 | 驾驶员识别方法和装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109017795A (zh) * | 2018-07-05 | 2018-12-18 | 合肥移顺信息技术有限公司 | 一种驾驶习惯监测方法 |
WO2020015526A1 (zh) * | 2018-07-19 | 2020-01-23 | 众安信息技术服务有限公司 | 驾驶行为评分方法及装置 |
CN110871810A (zh) * | 2018-08-21 | 2020-03-10 | 上海博泰悦臻网络技术服务有限公司 | 车辆、车机设备及其基于驾驶模式的行车信息提示方法 |
CN109447127A (zh) * | 2018-09-29 | 2019-03-08 | 深圳市元征科技股份有限公司 | 数据处理方法及装置 |
CN109459050A (zh) * | 2018-12-17 | 2019-03-12 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN109459050B (zh) * | 2018-12-17 | 2020-03-03 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN112129290A (zh) * | 2019-06-24 | 2020-12-25 | 罗伯特·博世有限公司 | 用于监测骑行设备的系统及方法 |
CN110502895A (zh) * | 2019-08-27 | 2019-11-26 | 中国工商银行股份有限公司 | 接口异常调用确定方法及装置 |
CN110751683A (zh) * | 2019-10-28 | 2020-02-04 | 北京地平线机器人技术研发有限公司 | 轨迹预测方法、装置、可读存储介质及电子设备 |
CN112319489A (zh) * | 2020-11-18 | 2021-02-05 | 三一重型装备有限公司 | 驾驶行为监测方法、监测系统、服务器和存储介质 |
CN112319489B (zh) * | 2020-11-18 | 2022-03-04 | 三一重型装备有限公司 | 驾驶行为监测方法、监测系统、服务器和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665579A (zh) | 一种用户驾驶行为监控方法及装置 | |
US11176845B2 (en) | Adaptive analysis of driver behavior | |
RU147525U1 (ru) | Система для тренировки водительских навыков | |
US11597395B2 (en) | Systems and methods to manage vehicles under anomalous driving behavior | |
US9116010B2 (en) | Calculation of energy optimized route | |
CN109690657B (zh) | 用于在车辆中操作智能教程的方法和装置 | |
US20200164882A1 (en) | Method for operating a driver assistance apparatus of a motor vhicle, driver assistance apparatus and motor vehicle | |
US20230050206A1 (en) | Implementing and Optimizing Safety Interventions | |
CN107665520A (zh) | 一种基于车辆行驶数据的行车监控方法及装置 | |
WO2021138320A1 (en) | Real-time verbal harassment detection system | |
US20130338914A1 (en) | System and method for notifying vehicle driver of localized driving conditions | |
JP7190952B2 (ja) | 制御装置、制御方法およびプログラム | |
CN108885836A (zh) | 驾驶辅助方法和利用该驾驶辅助方法的驾驶辅助装置、自动驾驶控制装置、车辆、驾驶辅助系统以及程序 | |
JP5803645B2 (ja) | 評価表示システム、方法およびプログラム | |
JP6703465B2 (ja) | 運転支援装置、センタ装置 | |
US10875544B2 (en) | Information transfer device, electronic control device, information transmission device, and electronic control system | |
US11167775B2 (en) | Auditory assistant module for autonomous vehicles | |
CN109740840A (zh) | 一种基于人、车、路和环境的多元分析驾驶风险评估系统 | |
CN104660679A (zh) | 一种带有语音提示功能的汽车操作系统及其控制方法 | |
CN106611505A (zh) | 基于驾驶行为的行车辅助方法 | |
US20210039664A1 (en) | Machine learning system for modifying adas behavior to provide optimum vehicle trajectory in a region | |
CN108803596A (zh) | 用于机动车辆的通知系统 | |
WO2021138319A1 (en) | Training mechanism of verbal harassment detection systems | |
US11727806B2 (en) | Identifying a parking spot based on congestion-dependent parking navigation preferences | |
WO2021138316A1 (en) | Generation of training data for verbal harassment detection |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180206 |