CN108860162A - 电子装置、基于用户驾驶行为的安全预警方法及存储介质 - Google Patents

电子装置、基于用户驾驶行为的安全预警方法及存储介质 Download PDF

Info

Publication number
CN108860162A
CN108860162A CN201810791179.5A CN201810791179A CN108860162A CN 108860162 A CN108860162 A CN 108860162A CN 201810791179 A CN201810791179 A CN 201810791179A CN 108860162 A CN108860162 A CN 108860162A
Authority
CN
China
Prior art keywords
user
driving behavior
early warning
safe early
information
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.)
Granted
Application number
CN201810791179.5A
Other languages
English (en)
Other versions
CN108860162B (zh
Inventor
吴壮伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201810791179.5A priority Critical patent/CN108860162B/zh
Priority to PCT/CN2018/107677 priority patent/WO2020015165A1/zh
Publication of CN108860162A publication Critical patent/CN108860162A/zh
Application granted granted Critical
Publication of CN108860162B publication Critical patent/CN108860162B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种电子装置、基于用户驾驶行为的安全预警方法及存储介质，所述方法包括：获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。能够全面地了解驾驶员在不同路况下的异常驾驶行为，从而综合评价用户的驾驶行为并根据用户驾驶行为进行安全预警。

Description

电子装置、基于用户驾驶行为的安全预警方法及存储介质
技术领域
本发明涉及安全驾驶领域，尤其涉及一种电子装置、基于用户驾驶行为的安全预警方法及存储介质。
背景技术
随着人们生活水平的日益提高，机动车辆的数量也越来越多，在驾驶车辆过程中，不安全的驾驶行为会带来很多安全隐患，造成巨大的财产损失和人员伤亡。因此，在车险领域，若能准确地确定驾驶员的驾驶行为，并对存在不良驾驶行为的驾驶员进行安全预警已经成为一个不可忽视的问题。
目前，通常借助于传感器，例如加速度传感器和重力传感器来分别采集行车过程中的纵向加速度、横向加速度、及垂直加速度三个参数，并通过设置对应的加速度阈值来判断驾驶行为是否安全，或者通过计算各个加速度的平均值来对驾驶行为进行评分。然而，在车辆行驶过程中，设置的加速度阈值无法及时准确地根据不同的路况状态进行变化，导致无法全面地了解驾驶员在不同路况状态下的异常驾驶行为，从而不能综合评价用户的驾驶行为。
发明内容
有鉴于此，本发明提出一种电子装置、所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的基于用户驾驶行为的安全预警程序，所述基于用户驾驶行为的安全预警程序被所述处理器执行时实现如下步骤：
A、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
B、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
C、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
优选地，所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：
向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基、路面、道路周围建筑以及道路交通情况，所述速度信息包括速度、加速度、角度以及角速度。
优选地，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
所述模型的训练过程包括如下步骤：
E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
优选地，所述模型的测试过程如下步骤：
利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
优选地，所述当前道路安全行驶规则为从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为包括超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道。
此外，为实现上述目的，本发明还提出一种基于用户驾驶行为的安全预警方法，所述方法包括如下步骤：
S1、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
S2、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
S3、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
优选地，所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：
向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基、路面、道路周围建筑以及道路交通情况，所述速度信息包括速度、加速度、角度以及角速度。
优选地，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
所述模型的训练过程包括如下步骤：
E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
优选地，所述模型的测试过程如下步骤：
利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有用户基于用户驾驶行为的安全预警程序，所述用户基于用户驾驶行为的安全预警程序可被至少一个处理器执行，以使所述至少一个处理器执行如上所述基于用户驾驶行为的安全预警方法的步骤。
本发明所提出的电子装置、基于用户驾驶行为的安全预警方法及存储介质，首先通过获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；然后根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；最后若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。能够全面地了解驾驶员在不同路况下的异常驾驶行为，从而综合评价用户的驾驶行为并根据用户驾驶行为进行安全预警。
附图说明
图1是本发明提出的电子装置一可选的硬件架构的示意图；
图2是本发明电子装置一实施例中基于用户驾驶行为的安全预警程序的程序模块示意图；
图3是本发明基于用户驾驶行为的安全预警方法较佳实施例的实施流程图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参阅图1所示，是本发明提出的电子装置一可选的硬件架构示意图。本实施例中，电子装置10可包括，但不仅限于，可通过通信总线14相互通信连接存储器11、处理器12、网络接口13。需要指出的是，图1仅示出了具有组件11-14的电子装置10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
其中，存储器11至少包括一种类型的计算机可读存储介质，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器11可以是电子装置10的内部存储单元，例如电子装置10的硬盘或内存。在另一些实施例中，存储器11也可以是电子装置10的外包存储设备，例如电子装置10上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器11还可以既包括电子装置10的内部存储单元也包括其外包存储设备。本实施例中，存储器11通常用于存储安装于电子装置10的操作系统和各类应用软件，例如基于用户驾驶行为的安全预警程序等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理器12通常用于控制电子装置10的总体操作。本实施例中，处理器12用于运行存储器11中存储的程序代码或者处理数据，例如运行的基于用户驾驶行为的安全预警程序等。
网络接口13可包括无线网络接口或有线网络接口，网络接口13通常用于在电子装置10与其他电子设备之间建立通信连接。
通信总线14用于实现组件11-13之间的通信连接。
图1仅示出了具有组件11-14以及基于用户驾驶行为的安全预警程序的电子装置10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，电子装置10还可以包括用户接口(图1中未示出)，用户接口可以包括显示器、输入单元比如键盘，其中，用户接口还可以包括标准的有线接口、无线接口等。
可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED触摸器等。进一步地，显示器也可称为显示屏或显示单元，用于显示在电子装置10中处理信息以及用于显示可视化的用户界面。
可选地，在一些实施例中，电子装置10还可以包括音频单元(音频单元图1中未示出)，音频单元可以在电子装置10处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将接收的或者存储的音频数据转换为音频信号；进一步地，电子装置10还可以包括音频输出单元，音频输出单元将音频单元转换的音频信号输出，而且音频输出单元还可以提供与电子装置10执行的特定功能相关的音频输出(例如呼叫信号接收声音、消息接收声音等等)，音频输出单元可以包括扬声器、蜂鸣器等等。
可选地，在一些实施例中，电子装置10还可以包括警报单元(图中未示出)，警报单元可以提供输出已将事件的发生通知给电子装置10。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或者视频输出之外，警报单元可以以不同的方式提供输出以通知事件的发生。例如，警报单元可以以震动的形式提供输出，当接收到呼叫、消息或一些其他可以使电子装置10进入通信模式时，警报单元可以提供触觉输出(即，振动)以将其通知给用户。
在一实施例中，存储器11中存储的基于用户驾驶行为的安全预警程序被处理器12执行时，实现如下操作：
A、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
具体地，可以通过向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，也可以通过用户预先在手机或者平板等移动终端上安装的车险应用程序(简称车险APP)上完成注册，以使应用程序对应的服务器可以在用户驾驶的行程中，获取到用户移动终端获取的相应的路况信息。其中，所述路况信息可以记录在图片或者视频文件中，所述路况信息可以包含有在所述车辆行驶范围内的道路路基、路面、道路周围建筑等情况，例如，路基的类型，路面的坑洼程度，道路周围建筑高矮等，也可以包含在所述车辆行驶范围内的道路交通情况，例如，道路上行驶的车辆密集情况，人流密集情况、道路交通堵塞的程度等，还可以包含有在所述车辆行驶过程中的影像及声音。本实施例中获取到的行车记录仪所采集的路况信息是保存在行车记录仪自身的存储器内的，通过具有高清分辨率的摄像头来拍摄得到的图片信息和/或，影像信息。或者，本实施例中获取到用户终端获取的相应路况信息为用户终端通过具有高清分辨率的摄像头来拍摄得到的图片信息和/或，影像信息，并保存在用户终端的自身存储空间内。
优选地，本实施例中提到的行车记录仪为具有红外摄像功能的行车记录仪，所述具有红外摄像功能的行车记录仪还可以清楚地记录夜间的影像，使行车记录仪具备全天候工作的能力。
进一步地，所述速度信息包括速度、加速度、角度、角速度等速度特征数据；所述速度信息还可以从安装在车辆中的各种速度传感器获取的速度信息中获取，也可以从用户终端的定位数据中获取，本实施例并不做限定。
B、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
具体地，所述基于用户驾驶行为的安全预警模型为神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程。
具体地，所述模型的训练过程包括如下步骤：E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
具体地，所述模型的测试过程如下步骤：利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
具体地，所述当前道路安全行驶规则不限定是，从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为可以是，例如超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道等。
C、若确定该用户的基于用户驾驶行为的安全预警小于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
具体地，身份标识信息包括驾驶证号码，手机号码，身份证号码等，车辆标识信息包括车辆的车牌号、车辆的发动机号等。具体地，所述告警信息除上述标识信息外，还可以包括有对行驶状态异常的简要描述，例如，在上报车辆超速的告警信息时，处理上报该车辆的车牌号外，还会上报“超速行驶”的描述信息，甚至是可以将该车的速度信息进行上报，包括该车的行驶速度或是超过限速的速度，还可以是超过限速的百分比，如“超速20％以内”等。所述服务端可以将携带有车辆标识信息的告警信息发送给其他驾驶员，以提示其他车辆的驾驶员注意驾驶安全。
由上述事实施例可知，本发明提出的电子装置，首先通过获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；然后根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；最后若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。能够全面地了解驾驶员在不同路况下的异常驾驶行为，从而综合评价用户的驾驶行为并根据用户驾驶行为进行安全预警。
此外，本发明的基于用户驾驶行为的安全预警程序依据其各部分所实现的功能不同，可用具有相同功能的程序模块进行描述。请参阅图2所示，是本发明电子装置一实施例中基于用户驾驶行为的安全预警程序的程序模块示意图。本实施例中，基于用户驾驶行为的安全预警程序依据其各部分所实现的功能的不同，可以被分割成获取模块201、分析模块202以及发送模块203。由上面的描述可知，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述基于用户驾驶行为的安全预警程序在电子装置10中的执行过程。所述模块201-203所实现的功能或操作步骤均与上文类似，此处不再详述，示例性地，例如其中：
获取模块201用于获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
分析模块202用于根据根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
发送模块203用于在若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
此外，本发明还提出一种用户基于用户驾驶行为的安全预警方法，请参阅图3所示，所述用户基于用户驾驶行为的安全预警方法包括如下步骤：
S301、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
具体地，可以通过向安装在车俩中的行车记录仪发送获取路况信息和速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，也可以通过用户预先在手机或者平板等移动终端上安装的车险应用程序(简称车险APP)上完成注册，以使应用程序对应的服务器可以在用户驾驶的行程中，获取到用户移动终端获取的相应的路况信息。其中，所述路况信息可以记录在图片或者视频文件中，所述路况信息可以包含有在所述车辆行驶范围内的道路路基、路面、道路周围建筑等情况，例如，路基的类型，路面的坑洼程度，道路周围建筑高矮等，也可以包含在所述车辆行驶范围内的道路交通情况，例如，道路上行驶的车辆密集情况，人流密集情况、道路交通堵塞的程度等，还可以包含有在所述车辆行驶过程中的影像及声音。本实施例中获取到的行车记录仪所采集的路况信息是保存在行车记录仪自身的存储器内的，通过具有高清分辨率的摄像头来拍摄得到的图片信息和/或，影像信息。或者，本实施例中获取到用户终端获取的相应路况信息为用户终端通过具有高清分辨率的摄像头来拍摄得到的图片信息和/或，影像信息，并保存在用户终端的自身存储空间内。
优选地，本实施例中提到的行车记录仪为具有红外摄像功能的行车记录仪，所述具有红外摄像功能的行车记录仪还可以清楚地记录夜间的影像，使行车记录仪具备全天候工作的能力。
进一步地，所述速度信息包括速度、加速度、角度、角速度等速度特征数据；所述速度信息可以从安装在车辆中的各种速度传感器获取的速度信息中获取，也可以从用户终端的定位数据中获取，本实施例并不做限定。
S302、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警指；
具体地，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程。
具体地，所述模型的训练过程包括如下步骤：E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G及H。
具体地，所述模型的测试过程如下步骤：利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警；
若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
具体地，所述当前道路安全行驶规则不限定是，从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为可以是，例如超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道等。
S303、若确定该用户的基于用户驾驶行为的安全预警小于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
具体地，身份标识信息包括驾驶证号码，手机号码，身份证号码等，车辆标识信息包括车辆的车牌号、车辆的发动机号等。具体地，所述告警信息除上述标识信息外，还可以包括有对行驶状态异常的简要描述，例如，在上报车辆超速的告警信息时，处理上报该车辆的车牌号外，还会上报“超速行驶”的描述信息，甚至是可以将该车的速度信息进行上报，包括该车的行驶速度或是超过限速的速度，还可以是超过限速的百分比，如“超速20％以内”等。所述服务端可以将携带有车辆标识信息的告警信息发送给其他驾驶员，以提示其他车辆的驾驶员注意驾驶安全并根据用户驾驶行为进行安全预警。
由上述事实施例可知，本发明提出的基于用户驾驶行为的安全预警方法，首先通过获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；然后根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；最后若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。能够全面地了解驾驶员在不同路况下的异常驾驶行为，从而综合评价用户的驾驶行为。
此外，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有用户基于用户驾驶行为的安全预警程序，所述用户基于用户驾驶行为的安全预警程序被处理器执行时实现如下操作：
获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
本发明计算机可读存储介质具体实施方式与上述电子装置以及用户基于用户驾驶行为的安全预警方法各实施例基本相同，在此不作累述。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种电子装置，其特征在于，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的基于用户驾驶行为的安全预警程序，所述基于用户驾驶行为的安全预警程序被所述处理器执行时实现如下步骤：
A、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
B、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
C、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
2.如权利要求1所述的电子装置，其特征在于，所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：
向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基、路面、道路周围建筑以及道路交通情况，所述速度信息包括速度、加速度、角度以及角速度。
3.如权利要求1所述的电子装置，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
所述模型的训练过程包括如下步骤：
E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
4.如权利要求3所述的电子装置，其特征在于，所述模型的测试过程如下步骤：
利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
5.如权利要求4所述的电子装置，其特征在于，所述当前道路安全行驶规则为从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为包括超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道。
6.一种基于用户驾驶行为的安全预警方法，其特征在于，所述方法包括如下步骤：
S1、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
S2、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
S3、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
7.如权利要求6所述的基于用户驾驶行为的安全预警方法，其特征在于，所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：
向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基、路面、道路周围建筑以及道路交通情况，所述速度信息包括速度、加速度、角度以及角速度。
8.如权利要求7所述的基于用户驾驶行为的安全预警方法，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
所述模型的训练过程包括如下步骤：
E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
9.如权利要求8所述的基于用户驾驶行为的安全预警方法，其特征在于，所述模型的测试过程如下步骤：
利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有基于用户驾驶行为的安全预警程序，所述基于用户驾驶行为的安全预警程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求6-9中任一项所述的基于用户驾驶行为的安全预警方法的步骤。
CN201810791179.5A 2018-07-18 2018-07-18 电子装置、基于用户驾驶行为的安全预警方法及存储介质 Active CN108860162B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810791179.5A CN108860162B (zh) 2018-07-18 2018-07-18 电子装置、基于用户驾驶行为的安全预警方法及存储介质
PCT/CN2018/107677 WO2020015165A1 (zh) 2018-07-18 2018-09-26 电子装置、基于用户驾驶行为的安全预警方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810791179.5A CN108860162B (zh) 2018-07-18 2018-07-18 电子装置、基于用户驾驶行为的安全预警方法及存储介质

Publications (2)

Publication Number Publication Date
CN108860162A true CN108860162A (zh) 2018-11-23
CN108860162B CN108860162B (zh) 2022-02-15

Family

ID=64303000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810791179.5A Active CN108860162B (zh) 2018-07-18 2018-07-18 电子装置、基于用户驾驶行为的安全预警方法及存储介质

Country Status (2)

Country Link
CN (1) CN108860162B (zh)
WO (1) WO2020015165A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109624992A (zh) * 2018-12-25 2019-04-16 斑马网络技术有限公司 基于车辆驾驶的处理方法、装置、设备以及存储介质
CN109774840A (zh) * 2018-12-07 2019-05-21 纳恩博（北京）科技有限公司 交通工具的控制方法、控制装置、系统和存储介质
CN110615001A (zh) * 2019-09-27 2019-12-27 汉纳森（厦门）数据股份有限公司 一种基于can数据的驾驶安全提醒方法、装置及介质
CN111231972A (zh) * 2019-09-27 2020-06-05 中国第一汽车股份有限公司 基于驾驶行为习惯的告警方法、系统、车辆及存储介质
CN111274881A (zh) * 2020-01-10 2020-06-12 中国平安财产保险股份有限公司 驾驶安全的监控方法、装置、计算机设备及存储介质
CN111325437A (zh) * 2019-02-18 2020-06-23 北京嘀嘀无限科技发展有限公司 异常行驶行为的识别方法、装置以及电子设备
CN112078591A (zh) * 2019-06-14 2020-12-15 上海博泰悦臻电子设备制造有限公司 车辆、车机设备及其驾驶辅助方法
CN112258837A (zh) * 2020-10-19 2021-01-22 腾讯科技（深圳）有限公司 一种车辆预警的方法、相关装置、设备以及存储介质
CN112937439A (zh) * 2021-03-25 2021-06-11 东风汽车集团股份有限公司 一种公交车驾驶员驾驶行为预警系统及方法
CN113353087A (zh) * 2021-07-23 2021-09-07 上海汽车集团股份有限公司 一种驾驶辅助方法、装置及系统
CN113380048A (zh) * 2021-06-25 2021-09-10 中科路恒工程设计有限公司 基于神经网络的高危路段车辆驾驶行为识别方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7000378B2 (ja) * 2019-04-26 2022-01-19 ファナック株式会社 無人搬送ロボットシステム
CN113859247B (zh) * 2020-06-30 2023-07-11 比亚迪股份有限公司 车辆的用户识别方法、装置、车机和存储介质
CN113044038B (zh) * 2021-04-02 2022-08-05 中国第一汽车股份有限公司 一种车辆控制切换方法、装置、车辆及存储介质
CN113263993B (zh) * 2021-05-17 2023-08-15 深圳市元征科技股份有限公司 故障预警方法、装置、通信设备及存储介质
CN113291313B (zh) * 2021-06-30 2022-11-01 三一专用汽车有限责任公司 驾驶行为预警方法、装置及作业机械
CN114274967B (zh) * 2021-12-30 2024-04-12 上海商汤临港智能科技有限公司 智能驾驶车辆的管理方法、装置、计算机设备及存储介质
CN114148339B (zh) * 2022-01-17 2024-05-17 潍柴动力股份有限公司 一种不良驾驶预警方法和装置
CN114596556A (zh) * 2022-02-10 2022-06-07 深圳智慧车联科技有限公司 一种渣土车驾驶员起步规范操作监管系统及监管方法
CN115437345A (zh) * 2022-08-15 2022-12-06 北京罗克维尔斯科技有限公司 一种测试车机端批量信号处理准确性的方法、装置及系统
CN115496169B (zh) * 2022-11-17 2023-04-07 西安科技大学 基于5g和人工智能的不安全行为识别系统
CN118486130B (zh) * 2024-05-16 2024-10-11 交通运输部公路科学研究所 基于驾驶员适岗状态的分级监测预警方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104882001A (zh) * 2015-06-30 2015-09-02 北京奇虎科技有限公司 基于行车记录仪的驾驶行为监控方法、装置及系统
CN107153916A (zh) * 2017-04-30 2017-09-12 安徽中科美络信息技术有限公司 一种基于fcm聚类和bp神经网络的驾驶行为评价方法
US20170291611A1 (en) * 2016-04-06 2017-10-12 At&T Intellectual Property I, L.P. Methods and apparatus for vehicle operation analysis
CN107784251A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于图像识别技术对驾驶行为评价的方法
CN107818491A (zh) * 2017-09-30 2018-03-20 平安科技（深圳）有限公司 电子装置、基于用户上网数据的产品推荐方法及存储介质
CN107918963A (zh) * 2017-11-16 2018-04-17 百度在线网络技术（北京）有限公司 用于车辆的信息生成方法和装置
CN108242181A (zh) * 2016-12-27 2018-07-03 中国移动通信有限公司研究院 一种信息预警处理方法及服务器

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105405306A (zh) * 2015-12-24 2016-03-16 小米科技有限责任公司 车辆告警方法及装置
CN105608918B (zh) * 2016-03-31 2018-09-04 宇龙计算机通信科技(深圳)有限公司 一种路况信息监控方法和系统
CN107784587B (zh) * 2016-08-25 2021-09-14 大连楼兰科技股份有限公司 一种驾驶行为评价系统
CN108288312A (zh) * 2017-03-06 2018-07-17 腾讯科技（深圳）有限公司 驾驶行为确定方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104882001A (zh) * 2015-06-30 2015-09-02 北京奇虎科技有限公司 基于行车记录仪的驾驶行为监控方法、装置及系统
US20170291611A1 (en) * 2016-04-06 2017-10-12 At&T Intellectual Property I, L.P. Methods and apparatus for vehicle operation analysis
CN107784251A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于图像识别技术对驾驶行为评价的方法
CN108242181A (zh) * 2016-12-27 2018-07-03 中国移动通信有限公司研究院 一种信息预警处理方法及服务器
CN107153916A (zh) * 2017-04-30 2017-09-12 安徽中科美络信息技术有限公司 一种基于fcm聚类和bp神经网络的驾驶行为评价方法
CN107818491A (zh) * 2017-09-30 2018-03-20 平安科技（深圳）有限公司 电子装置、基于用户上网数据的产品推荐方法及存储介质
CN107918963A (zh) * 2017-11-16 2018-04-17 百度在线网络技术（北京）有限公司 用于车辆的信息生成方法和装置

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109774840A (zh) * 2018-12-07 2019-05-21 纳恩博（北京）科技有限公司 交通工具的控制方法、控制装置、系统和存储介质
CN109624992A (zh) * 2018-12-25 2019-04-16 斑马网络技术有限公司 基于车辆驾驶的处理方法、装置、设备以及存储介质
CN111325437A (zh) * 2019-02-18 2020-06-23 北京嘀嘀无限科技发展有限公司 异常行驶行为的识别方法、装置以及电子设备
CN111325437B (zh) * 2019-02-18 2021-09-24 北京嘀嘀无限科技发展有限公司 异常行驶行为的识别方法、装置以及电子设备
CN112078591A (zh) * 2019-06-14 2020-12-15 上海博泰悦臻电子设备制造有限公司 车辆、车机设备及其驾驶辅助方法
CN110615001B (zh) * 2019-09-27 2021-04-27 汉纳森（厦门）数据股份有限公司 一种基于can数据的驾驶安全提醒方法、装置及介质
CN111231972B (zh) * 2019-09-27 2021-12-10 中国第一汽车股份有限公司 基于驾驶行为习惯的告警方法、车辆及存储介质
CN111231972A (zh) * 2019-09-27 2020-06-05 中国第一汽车股份有限公司 基于驾驶行为习惯的告警方法、系统、车辆及存储介质
CN110615001A (zh) * 2019-09-27 2019-12-27 汉纳森（厦门）数据股份有限公司 一种基于can数据的驾驶安全提醒方法、装置及介质
CN111274881A (zh) * 2020-01-10 2020-06-12 中国平安财产保险股份有限公司 驾驶安全的监控方法、装置、计算机设备及存储介质
CN111274881B (zh) * 2020-01-10 2024-05-31 中国平安财产保险股份有限公司 驾驶安全的监控方法、装置、计算机设备及存储介质
CN112258837A (zh) * 2020-10-19 2021-01-22 腾讯科技（深圳）有限公司 一种车辆预警的方法、相关装置、设备以及存储介质
CN112258837B (zh) * 2020-10-19 2024-04-12 腾讯科技（深圳）有限公司 一种车辆预警的方法、相关装置、设备以及存储介质
CN112937439A (zh) * 2021-03-25 2021-06-11 东风汽车集团股份有限公司 一种公交车驾驶员驾驶行为预警系统及方法
CN112937439B (zh) * 2021-03-25 2022-08-26 东风汽车集团股份有限公司 一种公交车驾驶员驾驶行为预警系统及方法
CN113380048B (zh) * 2021-06-25 2022-09-02 中科路恒工程设计有限公司 基于神经网络的高危路段车辆驾驶行为识别方法
CN113380048A (zh) * 2021-06-25 2021-09-10 中科路恒工程设计有限公司 基于神经网络的高危路段车辆驾驶行为识别方法
CN113353087B (zh) * 2021-07-23 2022-08-30 上海汽车集团股份有限公司 一种驾驶辅助方法、装置及系统
CN113353087A (zh) * 2021-07-23 2021-09-07 上海汽车集团股份有限公司 一种驾驶辅助方法、装置及系统

Also Published As

Publication number Publication date
WO2020015165A1 (zh) 2020-01-23
CN108860162B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
CN108860162A (zh) 电子装置、基于用户驾驶行为的安全预警方法及存储介质
US11210873B2 (en) Safety for vehicle users
Fernandes et al. Automatic accident detection with multi-modal alert system implementation for ITS
CN105632182B (zh) 一种车辆违规行为举证的方法及其系统
CN111210620B (zh) 一种驾驶员画像的生成方法、装置、设备及存储介质
CN110366107A (zh) 车辆通信方法及使用该方法的装置
CN105590454A (zh) 一种车辆违规行为举证的方法及其系统
WO2008001125A1 (en) Drive performance monitoring and enhancement
CN107818694A (zh) 报警处理方法、装置及终端
CN104183148B (zh) 一种基于模式识别技术的智能停车系统及方法
CN108986255A (zh) 电子装置、驾驶行为评分方法及存储介质
CN109801487A (zh) 车载终端、货运车辆监控系统及方法
CN110599775A (zh) 基于行车记录仪的车辆违章举报方法、行车记录仪和介质
CN110956835A (zh) 一种车辆通行辅助方法、装置及车载设备
CN112907979B (zh) 一种基于多摄像头的机动车违法行驶轨迹跟踪系统及方法
CN106012886A (zh) 一种行使车辆可识别的地标线及其交通安全智能监管系统
KR101832217B1 (ko) 스마트카 컨버전 시스템
CN107818658A (zh) 汽车驾驶风险提示方法及其装置
JP2005293032A (ja) 車輌運転状況監視システム及びこのシステム用の車輌運転状況監視プログラム。
WO2022157538A1 (en) A method and system for determining a possible road safety violation
CN108860158A (zh) 车辆、车险防欺诈预警及存储介质
CN110417711A (zh) 一种车辆远程监控及自我监测方法、监控系统
CN114212030A (zh) 渣土车监控管理系统
CN114407922A (zh) 智能车辆自动驾驶方法、装置、设备及可读存储介质
CN116432911A (zh) 数据处理方法、装置及存储介质

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