CN108460992A - 驾驶行为的管控方法及装置 - Google Patents
驾驶行为的管控方法及装置 Download PDFInfo
- Publication number
- CN108460992A CN108460992A CN201710098706.XA CN201710098706A CN108460992A CN 108460992 A CN108460992 A CN 108460992A CN 201710098706 A CN201710098706 A CN 201710098706A CN 108460992 A CN108460992 A CN 108460992A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driver
- current
- distance
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种驾驶行为的管控方法及装置。所述驾驶行为的管控方法包括以下步骤:步骤S1、设置与环境信息对应的司机反应能力数据库;获取车辆所在城市环境信息;获取车辆与其前方障碍物的当前距离;获取车辆当前速度;步骤S2、根据司机反应能力数据库以及车辆所在城市环境信息,获取司机的当前反应时间;再根据司机的当前反应时间以及车辆当前速度计算若车辆当前急刹时车辆的估计滑动距离;步骤S3、判断估计滑动距离是否大于车辆与其前方障碍物的当前距离,若是,则向司机发送示警信号。本发明的驾驶行为的管控方法及装置能对司机的驾驶行为进行及时的管控,可以有效避免车祸的发生。
Description
技术领域
本发明涉及汽车领域,尤其涉及一种驾驶行为的管控方法及装置。
背景技术
随着城市化的不断深入和推进,城市越来越拥挤,越来越多的家庭拥有了自己的车。在这种情况下,司机的驾驶水平对城市交通的畅通程度起到了重要影响作用。若司机的驾驶水平不高时,则很容易导致路段拥堵,更严重地是有可能发生车祸,造成人员财产的损失。专利CN201310724809.4公开了一种驾驶行为管控系统,其通过预设加速度阈值以及速度阈值的方式,对驾驶行为进行评估,以便实现对驾驶行为的管控。然而,这种方法管控驾驶行为较为粗糙;对特殊天气,尤其是大雾、沙尘暴等能见度不高的天气下的驾驶行为的管控会出现较大的偏差,其预设的加速度阈值和速度阈值是无法有效对此情况作出有效管控。
发明内容
本发明针对现有驾驶行为管控方法较为粗糙,对特殊天气下的驾驶行为的管控会出现较大的偏差,其预设的加速度阈值和速度阈值是无法有效对此情况作出有效管控的问题,提出了一种驾驶行为的管控方法及装置。
本发明就该技术问题而提出的技术方案如下:
本发明提出了一种驾驶行为的管控方法,包括以下步骤:
步骤S1、设置与环境信息对应的司机反应能力数据库;获取车辆所在城市环境信息;获取车辆与其前方障碍物的当前距离;获取车辆当前速度;
步骤S2、根据司机反应能力数据库以及车辆所在城市环境信息,获取司机的当前反应时间;再根据司机的当前反应时间以及车辆当前速度计算若车辆当前急刹时车辆的估计滑动距离;
步骤S3、判断估计滑动距离是否大于车辆与其前方障碍物的当前距离,若是,则向司机发送示警信号。
本发明上述的驾驶行为的管控方法中,车辆的估计滑动距离D通过下列公式计算得到:
其中,T为司机的当前反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D为车辆的估计滑动距离。
本发明上述的驾驶行为的管控方法中,步骤S2还包括:
计算车辆的当前预警距离D0,其计算公式如下:
其中,T0为预警反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D0为车辆的当前预警距离;
步骤S3还包括:
累计计算车辆的当前预警距离大于车辆与其前方障碍物的当前距离的次数,记为危险次数;
根据示警信号次数与危险次数之比,计算得到司机的驾驶水平分数;并将该驾驶水平分数发送给司机;其中,示警信号次数为示警信号发出的次数。
本发明上述的驾驶行为的管控方法中,车辆与其前方障碍物的当前距离的获取通过车联网系统、GPS和车载距离传感器中的一个或多个设备完成。
本发明上述的驾驶行为的管控方法中,示警信号为声音提醒信号和/或车载终端上的图像和/或文字的提醒信号。
本发明还提出了一种驾驶行为的管控装置,包括:
输入与获取模块,用于设置与环境信息对应的司机反应能力数据库;还用于获取车辆所在城市环境信息;还用于获取车辆与其前方障碍物的当前距离;还用于获取车辆当前速度;
计算模块,用于根据司机反应能力数据库以及车辆所在城市环境信息,获取司机的当前反应时间;还用于再根据司机的当前反应时间以及车辆当前速度计算若车辆当前急刹时车辆的估计滑动距离;
判断模块,用于判断估计滑动距离是否大于车辆与其前方障碍物的当前距离;
示警模块,在当估计滑动距离是否大于车辆与其前方障碍物的当前距离时,向司机发送示警信号。
本发明上述的驾驶行为的管控装置中,车辆的估计滑动距离D通过下列公式计算得到:
其中,T为司机的当前反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D为车辆的估计滑动距离。
本发明上述的驾驶行为的管控装置中,计算模块还用于计算车辆的当前预警距离D0,其计算公式如下:
其中,T0为预警反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D0为车辆的当前预警距离;
计算模块还用于累计计算车辆的当前预警距离大于车辆与其前方障碍物的当前距离的次数,记为危险次数;并用于根据示警信号次数与危险次数之比,计算得到司机的驾驶水平分数;其中,示警信号次数为示警信号发出的次数;
示警模块,还用于该驾驶水平分数发送给司机。
本发明上述的驾驶行为的管控装置中,输入与获取模块包括车联网系统、GPS和车载距离传感器中的一个或多个设备,用于车辆与其前方障碍物的当前距离的获取。
本发明上述的驾驶行为的管控装置中,示警信号为声音提醒信号和/或车载终端上的图像和/或文字的提醒信号。
本发明的驾驶行为的管控方法及装置通过车辆当前速度计算车辆与其前方障碍物发生接触的可能性,若可能性较大,则对司机发出示警信号的技术方案,对司机的驾驶行为进行及时的管控,可以有效避免车祸的发生。同时,本发明的驾驶行为的管控方法及装置通过计算司机的驾驶水平分数可以对司机的驾驶水平进行评分,从而使司机根据不同的驾驶水平分数能够进行相应的培训,以此提高驾驶能力,从根本上避免交通事故的发生。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1示出了本发明实施例的驾驶行为的管控方法的流程图;
图2示出了本发明实施例的驾驶行为的管控装置的功能模块示意图;
图3示出了本发明另一实施例的驾驶行为的管控装置的示意图。
具体实施方式
本发明所要解决的技术问题是:现有驾驶行为管控方法较为粗糙,对特殊天气下的驾驶行为的管控会出现较大的偏差,其预设的加速度阈值和速度阈值是无法有效对此情况作出有效管控。本发明就该技术问题而提出的技术思路是:本发明根据车辆当前速度计算车辆与其前方障碍物发生接触的可能性,若可能性较大,则对司机发出示警信号。
为了使本发明的技术目的、技术方案以及技术效果更为清楚,以便于本领域技术人员理解和实施本发明,下面将结合附图及具体实施例对本发明做进一步详细的说明。
如图1所示,图1示出了本发明实施例的驾驶行为的管控方法的流程图,该驾驶行为的管控方法包括以下步骤:
步骤100、设置与环境信息对应的司机反应能力数据库;获取车辆所在城市环境信息;获取车辆与其前方障碍物的当前距离;获取车辆当前速度;
本实施例是按照能见度的大小,对环境信息进行分类。而司机反应能力通过司机反应时间来衡量。对于不同能见度水平的环境信息,其对应的司机反应时间不同。在这里,司机反应时间指的是司机获得环境信息,经过大脑加工分析发出指令到运动器官开始执行动作所需的时间。由于人的生理心理因素的限制,人对刺激的反应速度是有限的,而且随着年龄及个体的不同而不同。一般条件下,司机反应时间约为0.1s~0.5s。在复杂的环境下,司机反应时间为1s~5s。
在本实施例中,对于能见度大于1km的环境信息,将司机反应时间确定为0.5s;对于能见度小于或等于1km的环境信息,将司机反应时间确定为5s。可以理解,环境信息与司机反应时间的对应关系并不限于此。司机反应时间还可以根据司机个体的测试数据确定。此外,在其他实施例中,还可以采用天气的种类,对环境信息进行分类,并以此确定司机反应时间。
进一步地,前方障碍物包括车辆、建筑物、天坑或路障等。车辆与其前方障碍物的当前距离的获取可以通过车联网系统、GPS和车载距离传感器等中的一个或多个设备完成。
步骤200、根据司机反应能力数据库以及车辆所在城市环境信息,获取司机的当前反应时间;再根据司机的当前反应时间以及车辆当前速度计算若车辆当前急刹时车辆的估计滑动距离;
在本实施例中,车辆的估计滑动距离D通过下列公式计算得到:
其中,T为司机的当前反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D为车辆的估计滑动距离。
步骤300、判断估计滑动距离是否大于车辆与其前方障碍物的当前距离,若是,则向司机发送示警信号。
在本步骤中,示警信号可以为声音提醒信号和/或车载终端上的图像和/或文字的提醒信号。在当示警信号发出后,司机即可以通过变换车道的方式避免发生车祸。可以理解,在其他实施例中,变换车道的驾驶行为可以通过汽车自动执行。
本发明的驾驶行为的管控方法即通过计算估计滑动距离实现判断,车辆与其前方障碍物发生接触的可能性。若估计滑动距离大于车辆与其前方障碍物的当前距离时,则说明车辆与其前方障碍物发生接触的可能性极大。反之,则说明车辆与其前方障碍物很能发生接触。
进一步地,步骤200还包括:
计算车辆的当前预警距离D0,其计算公式如下:
其中,T0为预警反应时间;其为根据大量试验预设的常数。
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D0为车辆的当前预警距离;
步骤300还包括:
累计计算车辆的当前预警距离大于车辆与其前方障碍物的当前距离的次数,记为危险次数;
根据示警信号次数与危险次数之比,计算得到司机的驾驶水平分数;并将该驾驶水平分数发送给司机。其中,示警信号次数为示警信号发出的次数。
进一步地,本发明还基于驾驶行为的管控方法,提出了一种对应的驾驶行为的管控装置,包括:
输入与获取模块10,用于设置与环境信息对应的司机反应能力数据库;还用于获取车辆所在城市环境信息;还用于获取车辆与其前方障碍物的当前距离;还用于获取车辆当前速度;
本实施例是按照能见度的大小,对环境信息进行分类。而司机反应能力通过司机反应时间来衡量。对于不同能见度水平的环境信息,其对应的司机反应时间不同。在这里,司机反应时间指的是司机获得环境信息,经过大脑加工分析发出指令到运动器官开始执行动作所需的时间。由于人的生理心理因素的限制,人对刺激的反应速度是有限的,而且随着年龄及个体的不同而不同。一般条件下,司机反应时间约为0.1s~0.5s。在复杂的环境下,司机反应时间为1s~5s。
在本实施例中,对于能见度大于1km的环境信息,将司机反应时间确定为0.5s;对于能见度小于或等于1km的环境信息,将司机反应时间确定为5s。可以理解,环境信息与司机反应时间的对应关系并不限于此。司机反应时间还可以根据司机个体的测试数据确定。此外,在其他实施例中,还可以采用天气的种类,对环境信息进行分类,并以此确定司机反应时间。
进一步地,前方障碍物包括车辆、建筑物、天坑或路障等。车辆与其前方障碍物的当前距离的获取可以通过车联网系统、GPS和车载距离传感器等中的一个或多个设备完成。
计算模块20,用于根据司机反应能力数据库以及车辆所在城市环境信息,获取司机的当前反应时间;还用于再根据司机的当前反应时间以及车辆当前速度计算若车辆当前急刹时车辆的估计滑动距离;
在本实施例中,车辆的估计滑动距离D通过下列公式计算得到:
其中,T为司机的当前反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D为车辆的估计滑动距离。
判断模块30,用于判断估计滑动距离是否大于车辆与其前方障碍物的当前距离;
示警模块40,在当估计滑动距离是否大于车辆与其前方障碍物的当前距离时,向司机发送示警信号。
在本步骤中,示警信号可以为声音提醒信号和/或车载终端上的图像和/或文字的提醒信号。在当示警信号发出后,司机即可以通过变换车道的方式避免发生车祸。可以理解,在其他实施例中,变换车道的驾驶行为可以通过汽车自动执行。
进一步地,计算模块20还用于计算车辆的当前预警距离D0,其计算公式如下:
其中,T0为预警反应时间;其为根据大量试验预设的常数。
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D0为车辆的当前预警距离;
计算模块20还用于累计计算车辆的当前预警距离大于车辆与其前方障碍物的当前距离的次数,记为危险次数;并用于根据示警信号次数与危险次数之比,计算得到司机的驾驶水平分数;其中,示警信号次数为示警信号发出的次数。
示警模块40,还用于该驾驶水平分数发送给司机。
在另一实施例中,如图3所示,输入与获取模块10可以包括OBD读取模块和存储模块等。计算模块20和判断模块30组成驾驶行为分析模块,示警模块40包括通知司机模块和导出模块。OBD读取模块可以从汽车CAM总线读取汽车行驶记录(包括里程、油耗、超速时长、怠速时长、急刹车次数、急加速次数、急转弯次数),还可以读取车辆速度、车辆加速度等数据。存储模块用于存储OBD读取模块所读取的数据。驾驶行为分析模块实时计算司机的驾驶水平分数。通知司机模块将驾驶水平分数发送给司机,提醒司机注意。而导出模块用于将驾驶水平分数导出。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种驾驶行为的管控方法,其特征在于,包括以下步骤:
步骤S1、设置与环境信息对应的司机反应能力数据库;获取车辆所在城市环境信息;获取车辆与其前方障碍物的当前距离;获取车辆当前速度;
步骤S2、根据司机反应能力数据库以及车辆所在城市环境信息,获取司机的当前反应时间;再根据司机的当前反应时间以及车辆当前速度计算若车辆当前急刹时车辆的估计滑动距离;
步骤S3、判断估计滑动距离是否大于车辆与其前方障碍物的当前距离,若是,则向司机发送示警信号。
2.根据权利要求1所述的驾驶行为的管控方法,其特征在于,车辆的估计滑动距离D通过下列公式计算得到:
其中,T为司机的当前反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D为车辆的估计滑动距离。
3.根据权利要求2所述的驾驶行为的管控方法,其特征在于,步骤S2还包括:
计算车辆的当前预警距离D0,其计算公式如下:
其中,T0为预警反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D0为车辆的当前预警距离;
步骤S3还包括:
累计计算车辆的当前预警距离大于车辆与其前方障碍物的当前距离的次数,记为危险次数;
根据示警信号次数与危险次数之比,计算得到司机的驾驶水平分数;并将该驾驶水平分数发送给司机;其中,示警信号次数为示警信号发出的次数。
4.根据权利要求1所述的驾驶行为的管控方法,其特征在于,车辆与其前方障碍物的当前距离的获取通过车联网系统、GPS和车载距离传感器中的一个或多个设备完成。
5.根据权利要求1所述的驾驶行为的管控方法,其特征在于,示警信号为声音提醒信号和/或车载终端上的图像和/或文字的提醒信号。
6.一种驾驶行为的管控装置,其特征在于,包括:
输入与获取模块(10),用于设置与环境信息对应的司机反应能力数据库;还用于获取车辆所在城市环境信息;还用于获取车辆与其前方障碍物的当前距离;还用于获取车辆当前速度;
计算模块(20),用于根据司机反应能力数据库以及车辆所在城市环境信息,获取司机的当前反应时间;还用于再根据司机的当前反应时间以及车辆当前速度计算若车辆当前急刹时车辆的估计滑动距离;
判断模块(30),用于判断估计滑动距离是否大于车辆与其前方障碍物的当前距离;
示警模块(40),在当估计滑动距离是否大于车辆与其前方障碍物的当前距离时,向司机发送示警信号。
7.根据权利要求6所述的驾驶行为的管控装置,其特征在于,车辆的估计滑动距离D通过下列公式计算得到:
其中,T为司机的当前反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D为车辆的估计滑动距离。
8.根据权利要求7所述的驾驶行为的管控装置,其特征在于,计算模块(20)还用于计算车辆的当前预警距离D0,其计算公式如下:
其中,T0为预警反应时间;
V为车辆当前速度;
μ为车辆轮胎与路面之间的摩擦系数;
g为重力加速度;
D0为车辆的当前预警距离;
计算模块(20)还用于累计计算车辆的当前预警距离大于车辆与其前方障碍物的当前距离的次数,记为危险次数;并用于根据示警信号次数与危险次数之比,计算得到司机的驾驶水平分数;其中,示警信号次数为示警信号发出的次数;
示警模块(40),还用于该驾驶水平分数发送给司机。
9.根据权利要求6所述的驾驶行为的管控装置,其特征在于,输入与获取模块(10)包括车联网系统、GPS和车载距离传感器中的一个或多个设备,用于车辆与其前方障碍物的当前距离的获取。
10.根据权利要求6所述的驾驶行为的管控装置,其特征在于,示警信号为声音提醒信号和/或车载终端上的图像和/或文字的提醒信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710098706.XA CN108460992A (zh) | 2017-02-22 | 2017-02-22 | 驾驶行为的管控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710098706.XA CN108460992A (zh) | 2017-02-22 | 2017-02-22 | 驾驶行为的管控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108460992A true CN108460992A (zh) | 2018-08-28 |
Family
ID=63220134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710098706.XA Pending CN108460992A (zh) | 2017-02-22 | 2017-02-22 | 驾驶行为的管控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460992A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164273A (zh) * | 2020-10-16 | 2021-01-01 | 兖州煤业股份有限公司 | 一种有轨电车操作技能培训系统 |
CN115240393A (zh) * | 2021-07-15 | 2022-10-25 | 广州汽车集团股份有限公司 | 一种基于驾驶员驾驶经验的碰撞预警方法、装置及汽车 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100209882A1 (en) * | 2009-02-18 | 2010-08-19 | Gm Global Technology Operations, Inc. | Driving skill recognition based on straight-line driving behavior |
CN103208205A (zh) * | 2013-03-20 | 2013-07-17 | 北京航空航天大学 | 一种基于车联网的车辆安全行驶预警方法 |
CN105172598A (zh) * | 2015-08-13 | 2015-12-23 | 杭州纬恩电子科技有限公司 | 一种考虑个体反应时间的智能汽车碰撞预警装置及方法 |
CN105869438A (zh) * | 2016-04-12 | 2016-08-17 | 深圳市中天安驰有限责任公司 | 一种车辆防碰撞预警系统 |
CN106297340A (zh) * | 2016-08-17 | 2017-01-04 | 上海电机学院 | 一种行驶车辆安全监测预警系统与方法 |
-
2017
- 2017-02-22 CN CN201710098706.XA patent/CN108460992A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100209882A1 (en) * | 2009-02-18 | 2010-08-19 | Gm Global Technology Operations, Inc. | Driving skill recognition based on straight-line driving behavior |
CN103208205A (zh) * | 2013-03-20 | 2013-07-17 | 北京航空航天大学 | 一种基于车联网的车辆安全行驶预警方法 |
CN105172598A (zh) * | 2015-08-13 | 2015-12-23 | 杭州纬恩电子科技有限公司 | 一种考虑个体反应时间的智能汽车碰撞预警装置及方法 |
CN105869438A (zh) * | 2016-04-12 | 2016-08-17 | 深圳市中天安驰有限责任公司 | 一种车辆防碰撞预警系统 |
CN106297340A (zh) * | 2016-08-17 | 2017-01-04 | 上海电机学院 | 一种行驶车辆安全监测预警系统与方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164273A (zh) * | 2020-10-16 | 2021-01-01 | 兖州煤业股份有限公司 | 一种有轨电车操作技能培训系统 |
CN115240393A (zh) * | 2021-07-15 | 2022-10-25 | 广州汽车集团股份有限公司 | 一种基于驾驶员驾驶经验的碰撞预警方法、装置及汽车 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12106661B2 (en) | Determining causation of traffic events and encouraging good driving behavior | |
CN102390320B (zh) | 基于车载传感网络的车辆防撞预警系统及用途 | |
CN108428343B (zh) | 一种多车驾驶行为分析和危险预警方法及系统 | |
CN105799512B (zh) | 车辆超速提醒方法及系统 | |
CN102745194B (zh) | 一种高速公路汽车防追尾前车的自适应报警方法 | |
CN104691545B (zh) | 适应性车辆防碰撞方法 | |
JP4469297B2 (ja) | 運転診断方法およびその装置 | |
CN109389824A (zh) | 一种驾驶风险的评估方法及装置 | |
CN105313769A (zh) | 一种基于毫米波雷达的车载主动预警方法、系统及装置 | |
CN104085396A (zh) | 一种全景车道偏离预警方法及系统 | |
CN103700160A (zh) | 基于微传感器的机动车车载终端及驾驶行为判断方法 | |
CN113034952B (zh) | 一种基于车路协同的路段交通安全实时预警系统 | |
CN106228826B (zh) | 行车路段状况的提示方法及装置 | |
CN104205187B (zh) | 意外情况预测灵敏度判断装置 | |
CN110766943B (zh) | 一种基于事故数据的不良驾驶行为判定的监测方法和系统 | |
CN112884288B (zh) | 一种高速公路雨雾场景行车安全评估系统 | |
CN108454633A (zh) | 规范司机驾驶行为的方法和装置 | |
CN108346316A (zh) | 一种基于车道线检测的智能违章防控系统 | |
CN105632203B (zh) | 一种交通安全预警方法及系统 | |
CN110299027A (zh) | 一种基于轨迹数据和地图数据的车辆变道监测与安全预警方法 | |
CN108045370A (zh) | 车道偏离预警系统 | |
CN116052475A (zh) | 一种车辆风险预警方法、系统、存储介质及设备 | |
CN108460992A (zh) | 驾驶行为的管控方法及装置 | |
CN117864121A (zh) | 一种距离动态监测方法、系统、设备和存储介质 | |
CN106781587A (zh) | 一种汽车超速自动汇报系统 |
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: 20180828 |