CN109061706A - 一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法 - Google Patents

一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法 Download PDF

Info

Publication number
CN109061706A
CN109061706A CN201810785003.9A CN201810785003A CN109061706A CN 109061706 A CN109061706 A CN 109061706A CN 201810785003 A CN201810785003 A CN 201810785003A CN 109061706 A CN109061706 A CN 109061706A
Authority
CN
China
Prior art keywords
data
box
real
vehicle
time
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
Application number
CN201810785003.9A
Other languages
English (en)
Inventor
黄坚
顾丽军
李孝哲
史飞飞
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.)
JIANGSU XINTONGDA ELECTRONIC TECHNOLOGY Co Ltd
Original Assignee
JIANGSU XINTONGDA ELECTRONIC TECHNOLOGY 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 JIANGSU XINTONGDA ELECTRONIC TECHNOLOGY Co Ltd filed Critical JIANGSU XINTONGDA ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201810785003.9A priority Critical patent/CN109061706A/zh
Publication of CN109061706A publication Critical patent/CN109061706A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/53—Determining attitude
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/18—Stabilised platforms, e.g. by gyroscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本发明提供了一种基于T‑Box和实时路况地图数据的车辆驾驶行为分析的方法。本方法的功能主要在于通过T‑Box回传的各项传感数据，基于人工智能算法进行深度分析，实现包括车辆行驶轨迹精确还原、司机驾驶习惯分类等功能，提取多种有用信息，为UBI（基于使用情况的车险）、车辆事故处理、司机驾驶习惯指导等高附加值的应用提供信息来源。司机驾驶行为主要包括：司机在车内的具体操作，如打灯，方向盘控制，油门和刹车控制，以及车辆行驶轨迹。

Description

一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的 方法
技术领域
本发明属于智能交通领域，特别涉及一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法。
背景技术
随着中国车联网行业的迅速发展，为智能驾驶的发展创造了海量数据，其可以收集车与人、车与车、车与路的属性信息和静、动态信息，从而形成一个极为庞大的数据库，为使用车联网的行业提供其所需要的数据信息。
在车辆行使轨迹还原方面，现有的车辆行驶轨迹还原算法，其精度依赖于高质量的数据，现在还没有结合GPS、陀螺仪和加速度传感数据的高精度（米级）轨迹还原系统。
发明内容
本发明解决的主要问题是通过在车辆上布设的T-Box设备，采集存储车辆在实际道路行驶过程中各种行车场景数据，利用统计分析、数据挖掘等大数据知识，从数据维度、车型维度、时间维度、地域维度等多角度，深入分析、还原出车俩的行驶轨迹，并进行司机驾驶行为分析，提取多种有用信息，为UBI（基于使用情况的车险）、车辆事故处理、司机驾驶习惯指导等高附加值的应用提供信息来源。
本发明技术解决方案：通过采集T-Box回传的各项传感数据，基于人工智能算法进行深度分析，实现包括车辆行驶轨迹精确还原、司机驾驶习惯分类等功能。具体实现如下：
（1）数据预处理：对采集的数据进行解码和分类存储，并进行清洗以剔除不合规、低质量的传感数据。
（2）数据融合：对接收到的T-BOX传感数据进行时间、空间等同步处理，使同一场景下的不同传感数据在语义上达成一致。
（3）行驶轨迹还原：结合T-BOX回传的卫星定位数据、陀螺仪/加速度传感数据和CAN总线数据，实现对车辆行驶轨迹的精确还原（精度达到1米以内）。
（4）司机驾驶行为精确分类：基于精确还原的车辆行驶轨迹，结合城市实时路况地图数据，还原出司机在不同道路环境下的驾驶习惯，包括打灯、方向盘控制、油门和刹车控制，实现更加细致精确的司机驾驶行为习惯分类。
所述步骤（1）具体实现下：
对T-Box收集的传感数据进行解码，转化成不同类型的数据，对这些数据进行分类存储。对于采取的文本数据进行数据清理，使用人工填补缺失值的方法填补一些空缺值，然后使用线性回归的方法筛选出离群点。对于采取的图像数据，采用五元式的方法消除径向畸变和切向畸变，使用直方图均衡化技术增强图像对比度，使用中值滤波对图像进行降噪。
所述步骤（2）具体实现下：
比对T-Box、GPS和陀螺仪传回传感数据的采集频率，以T-Box采集数据的频率对GPS和陀螺仪传回的传感数据进行标定，从而达到时间、空间上的同步性，使同一场景下的不同传感数据在语义上达成一致。
所述步骤（3）具体实现下：
（31）对传感器数据进行数据质量分析，依据数据质量情况完成去噪和修正；
（32）根据陀螺仪的角速度信息，解析车辆坐标系相对参考坐标系之间的方位关系，目前SINS（Strap Inertial Navigation System，SINS）中描述载体运动坐标系相对参考坐标系之间方位关系的方法主要有欧拉角法、方向余弦法、三角函数法、Rodrigues参数法、四元数法和等效旋转矢量法，其中四元数法计算量小，精度高，可避免奇异性，因而为目前最常使用的方法；
（33）将加速度信息按照车辆坐标系相对于参考坐标系的方位关系进行分解，并进行积分，得到载体的速度和位置信息；
（34）同时结合Kalman滤波算法，提高SINS姿态解算的精度和实时性。
所述步骤（4）具体实现下：
（41）基于T-BOX终端获取到的各种行车信息，如速度、油耗、方向盘、转向灯、油门、刹车踏板等，这些数据可以被终端上传到服务器，将每一个具体的操作都标记对应时间；
（42）结合同路段的城市实时路况地图数据，以时间为主键，生成“路况，操作”数据对；
（43）利用统计分析、数据挖掘等大数据知识，从数据维度、车型维度、时间维度、地域维度等多角度，深入分析、比较用户驾驶行为，还原出司机在不同道路环境下的驾驶习惯，从而实现更加细致准确的司机驾驶行为习惯分类。
本发明与现有技术相比的优点在于：
（1）本方法结合T-BOX回传的卫星定位数据、陀螺仪/加速度传感数据和CAN总线数据，实现对车辆行驶轨迹的精确还原（精度达到1米以内）。此项信息可用于车辆事故现场后期处理、GPS盲区定位导航等应用。当前还没有结合GPS、陀螺仪和加速度传感数据的高精度（米级）轨迹还原系统。
（2）基于精确还原的车辆行驶轨迹，结合同路段的城市实时路况地图数据，可以还原出司机在不通道路环境下的驾驶习惯（例如在拥堵路段还通过不断并线实现快速超车的激进型司机，在畅通路段明显开得比均速还慢的保守型司机等），从而实现更加细致准确的司机驾驶行为习惯分类。此类信息可为UBI（基于使用者习惯的车险）等应用提供信息依据。当前有同类的基于T-box数据的司机驾驶行为分类系统，但同类系统只能根据急刹车/急加油频度、车辆每日使用频度等统计数据进行简单分类，它们都没有实现结合实时路况地图的精细分类。
附图说明
图1是本发明方法的原理图。
具体实施方式
下面结合附图对本发明作进一步详细的描述。
如图1，本发明主要是是通过在车辆上布设的T-Box设备，采集存储车辆在实际道路行驶过程中各种行车场景数据，利用统计分析、数据挖掘等大数据知识，从数据维度、车型维度、时间维度、地域维度等多角度，深入分析、还原出车俩的行驶轨迹，并进行司机驾驶行为分析，提取多种有用信息，为UBI（基于使用情况的车险）、车辆事故处理、司机驾驶习惯指导等高附加值的应用提供信息来源。具体实现如下：
（1）数据预处理：对采集的数据进行解码和分类存储，并进行清洗以剔除不合规、低质量的传感数据。
（2）数据融合：对接收到的T-BOX传感数据进行时间、空间等同步处理，使同一场景下的不同传感数据在语义上达成一致。
（3）行驶轨迹还原：结合T-BOX回传的卫星定位数据、陀螺仪/加速度传感数据和CAN总线数据，实现对车辆行驶轨迹的精确还原（精度达到1米以内）。
（4）司机驾驶行为精确分类：基于精确还原的车辆行驶轨迹，结合城市实时路况地图数据，还原出司机在不同道路环境下的驾驶习惯，包括打灯、方向盘控制、油门和刹车控制，实现更加细致精确的司机驾驶行为习惯分类。
所述步骤（1）具体实现下：
对T-Box收集的传感数据进行解码，转化成不同类型的数据，对这些数据进行分类存储。对于采取的文本数据进行数据清理，使用人工填补缺失值的方法填补一些空缺值，然后使用线性回归的方法筛选出离群点。对于采取的图像数据，采用五元式的方法消除径向畸变和切向畸变，使用直方图均衡化技术增强图像对比度，使用中值滤波对图像进行降噪。
所述步骤（2）具体实现下：
比对T-Box、GPS和陀螺仪传回传感数据的采集频率，以T-Box采集数据的频率对GPS和陀螺仪传回的传感数据进行标定，从而达到时间、空间上的同步性，使同一场景下的不同传感数据在语义上达成一致。
所述步骤（3）具体实现下：
（31）对传感器数据进行数据质量分析，依据数据质量情况完成去噪和修正；
（32）根据陀螺仪的角速度信息，解析车辆坐标系相对参考坐标系之间的方位关系，目前SINS（Strap Inertial Navigation System，SINS）中描述载体运动坐标系相对参考坐标系之间方位关系的方法主要有欧拉角法、方向余弦法、三角函数法、Rodrigues参数法、四元数法和等效旋转矢量法，其中四元数法计算量小，精度高，可避免奇异性，因而为目前最常使用的方法；
（33）将加速度信息按照车辆坐标系相对于参考坐标系的方位关系进行分解，并进行积分，得到载体的速度和位置信息；
（34）同时结合Kalman滤波算法，提高SINS姿态解算的精度和实时性。
所述步骤（4）具体实现下：
（41）基于T-BOX终端获取到的各种行车信息，如速度、油耗、方向盘、转向灯、油门、刹车踏板等，这些数据可以被终端上传到服务器，将每一个具体的操作都标记对应时间；
（42）结合同路段的城市实时路况地图数据，以时间为主键，生成“路况，操作”数据对；
（43）利用统计分析、数据挖掘等大数据知识，从数据维度、车型维度、时间维度、地域维度等多角度，深入分析、比较用户驾驶行为，还原出司机在不同道路环境下的驾驶习惯，从而实现更加细致准确的司机驾驶行为习惯分类。

Claims (5)

1.一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法，其特征在于，包括以下步骤：
（1）数据预处理：对采集的数据进行解码和分类存储，并进行清洗以剔除不合规格、低质量的传感数据；
（2）数据融合：对接收到的T-BOX传感数据进行时间、空间同步处理，使同一场景下的不同传感数据在语义上达成一致；
（3）行驶轨迹还原：结合T-BOX回传的卫星定位数据、陀螺仪/加速度传感数据和CAN总线数据，实现对车辆行驶轨迹的精确还原；
（4）司机驾驶行为精确分类：基于精确还原的车辆行驶轨迹，结合城市实时路况地图数据，还原出司机在不同道路环境下的驾驶习惯，包括打灯、方向盘控制、油门和刹车控制，实现更加细致精确的司机驾驶行为习惯分类。
2.根据权利要求1所述的基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法，其特征在于，所述步骤（1）具体实现如下：对T-Box收集的传感数据进行解码，转化成不同类型的数据，对这些数据进行分类存储，对于采取的文本数据进行数据清理，使用人工填补缺失值的方法填补一些空缺值，然后使用线性回归的方法筛选出离群点。
3.根据权利要求1所述的基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法，其特征在于，所述步骤（2）具体实现如下：
比对T-Box、GPS和陀螺仪传回传感数据的采集频率，以T-Box采集数据的频率对GPS和陀螺仪传回的传感数据进行标定，从而达到时间、空间上的同步性，使同一场景下的不同传感数据在语义上达成一致。
4.根据权利要求1所述的基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法，其特征在于，所述步骤（3）具体实现如下：
（31）对传感器数据进行数据质量分析，依据数据质量情况完成去噪和修正；
（32）根据陀螺仪的角速度信息，解析车辆坐标系相对参考坐标系之间的方位关系；
（33）将加速度信息按照车辆坐标系相对于参考坐标系的方位关系进行分解，并进行积分，得到载体的速度和位置信息；
（34）同时结合Kalman滤波算法，提高SINS姿态解算的精度和实时性。
5.根据权利要求1所述的基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法，其特征在于，所述步骤（4）具体实现如下：
（41）基于T-BOX终端获取到的各种行车信息，如速度、油耗、方向盘、转向灯、油门、刹车踏板，这些数据可以被终端上传到服务器，将每一个具体的操作都标记对应时间；
（42）结合同路段的城市实时路况地图数据，以时间为主键，生成“路况，操作”数据对；
（43）利用统计分析、数据挖掘大数据知识，从数据维度、车型维度、时间维度、地域维度多角度，深入分析、比较用户驾驶行为，还原出司机在不同道路环境下的驾驶习惯，从而实现更加细致准确的司机驾驶行为习惯分类。
CN201810785003.9A 2018-07-17 2018-07-17 一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法 Pending CN109061706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810785003.9A CN109061706A (zh) 2018-07-17 2018-07-17 一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810785003.9A CN109061706A (zh) 2018-07-17 2018-07-17 一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法

Publications (1)

Publication Number Publication Date
CN109061706A true CN109061706A (zh) 2018-12-21

Family

ID=64817005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810785003.9A Pending CN109061706A (zh) 2018-07-17 2018-07-17 一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法

Country Status (1)

Country Link
CN (1) CN109061706A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379945A (zh) * 2021-07-26 2021-09-10 陕西天行健车联网信息技术有限公司 一种车辆驾驶行为分析装置、方法及系统
CN114074660A (zh) * 2020-08-13 2022-02-22 陕西重型汽车有限公司 一种预见性巡航节油控制方法、装置及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009168473A (ja) * 2008-01-10 2009-07-30 Nissan Motor Co Ltd 車載用ナビゲーション装置および車載用ナビゲーション装置における運転者の関心度推定方法
CN104103100A (zh) * 2013-04-11 2014-10-15 大陆汽车投资（上海）有限公司 驾驶行为分析系统
US8989914B1 (en) * 2011-12-19 2015-03-24 Lytx, Inc. Driver identification based on driving maneuver signature
WO2015155990A1 (en) * 2014-04-10 2015-10-15 Toyota Jidosha Kabushiki Kaisha Driving action classifying apparatus and driving action classifying method
CN105374211A (zh) * 2015-12-09 2016-03-02 敏驰信息科技（上海）有限公司 基于多源数据计算驾驶风险与辅助车险定价的系统及方法
US9347779B1 (en) * 2014-12-10 2016-05-24 Here Global B.V. Method and apparatus for determining a position of a vehicle based on driving behavior
CN106297283A (zh) * 2016-08-11 2017-01-04 深圳市元征科技股份有限公司 基于车载智能单元的安全驾驶评估方法及系统
CN106441340A (zh) * 2015-08-06 2017-02-22 平安科技（深圳）有限公司 行车轨迹提示方法、车辆及电子设备
CN106530834A (zh) * 2016-12-29 2017-03-22 武汉七环电气股份有限公司 一种车辆行为管理系统及管理方法
CN107235044A (zh) * 2017-05-31 2017-10-10 北京航空航天大学 一种基于多传感数据实现对道路交通场景和司机驾驶行为的还原方法
CN107784587A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 一种驾驶行为评价系统
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
US9925987B1 (en) * 2015-12-11 2018-03-27 Lytx, Inc. Driving abnormality detection
CN108256714A (zh) * 2016-12-29 2018-07-06 得道车联网络科技（上海）有限公司 一种基于车联网大数据的行车轨迹实时风险评估模型
CN108280415A (zh) * 2018-01-17 2018-07-13 武汉理工大学 基于智能移动终端的驾驶行为识别方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009168473A (ja) * 2008-01-10 2009-07-30 Nissan Motor Co Ltd 車載用ナビゲーション装置および車載用ナビゲーション装置における運転者の関心度推定方法
US8989914B1 (en) * 2011-12-19 2015-03-24 Lytx, Inc. Driver identification based on driving maneuver signature
CN104103100A (zh) * 2013-04-11 2014-10-15 大陆汽车投资（上海）有限公司 驾驶行为分析系统
WO2015155990A1 (en) * 2014-04-10 2015-10-15 Toyota Jidosha Kabushiki Kaisha Driving action classifying apparatus and driving action classifying method
US9347779B1 (en) * 2014-12-10 2016-05-24 Here Global B.V. Method and apparatus for determining a position of a vehicle based on driving behavior
CN106441340A (zh) * 2015-08-06 2017-02-22 平安科技（深圳）有限公司 行车轨迹提示方法、车辆及电子设备
CN105374211A (zh) * 2015-12-09 2016-03-02 敏驰信息科技（上海）有限公司 基于多源数据计算驾驶风险与辅助车险定价的系统及方法
US9925987B1 (en) * 2015-12-11 2018-03-27 Lytx, Inc. Driving abnormality detection
CN106297283A (zh) * 2016-08-11 2017-01-04 深圳市元征科技股份有限公司 基于车载智能单元的安全驾驶评估方法及系统
CN107784587A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 一种驾驶行为评价系统
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
CN106530834A (zh) * 2016-12-29 2017-03-22 武汉七环电气股份有限公司 一种车辆行为管理系统及管理方法
CN108256714A (zh) * 2016-12-29 2018-07-06 得道车联网络科技（上海）有限公司 一种基于车联网大数据的行车轨迹实时风险评估模型
CN107235044A (zh) * 2017-05-31 2017-10-10 北京航空航天大学 一种基于多传感数据实现对道路交通场景和司机驾驶行为的还原方法
CN108280415A (zh) * 2018-01-17 2018-07-13 武汉理工大学 基于智能移动终端的驾驶行为识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114074660A (zh) * 2020-08-13 2022-02-22 陕西重型汽车有限公司 一种预见性巡航节油控制方法、装置及存储介质
CN113379945A (zh) * 2021-07-26 2021-09-10 陕西天行健车联网信息技术有限公司 一种车辆驾驶行为分析装置、方法及系统

Similar Documents

Publication Publication Date Title
CN108074414B (zh) 一种基于用户行为的常走路径交通信息提醒方法及系统
US10178430B2 (en) Intelligent processing method and system for video data
CN1831893A (zh) 交通信息系统
JP2020530578A (ja) 運転行為の採点方法及び装置
Warren et al. Clusters of driving behavior from observational smartphone data
CN110874362A (zh) 一种数据关联分析方法及装置
CN112417953A (zh) 道路状况检测和地图数据更新方法、装置、系统及设备
CN111046049B (zh) 一种货车gps轨迹数据压缩方法
CN111523577A (zh) 一种基于改进的lcss算法的海量轨迹相似度计算方法
CN103559745A (zh) 一种逆向复现汽车事故现场的系统
DE112015003263T5 (de) Bildmodifikation
DE102021204765A1 (de) Rendern von Augmented-Reality mit Verdeckung
CN111652072A (zh) 轨迹获取方法、轨迹获取装置、存储介质和电子设备
CN108924461B (zh) 视频图像处理方法及装置
DE112020001255T5 (de) Tiefes neurales netzwerk mit niedrigem leistungsverbrauch zur gleichzeitigen objekterkennung und semantischen segmentation in bildern auf einem mobilen rechengerät
CN109061706A (zh) 一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法
CN112734219A (zh) 一种车辆运输行驶行为分析方法及系统
CN110458214A (zh) 驾驶员更换识别方法和装置
CN112885099A (zh) 用于确定车辆轨迹关键点的方法、装置及设备
CN113487862A (zh) 绿波速度确定方法、装置、电子设备和存储介质
CN115635961A (zh) 样本数据生成方法及应用其的轨迹预测方法、装置
CN105844204A (zh) 人体行为识别方法和装置
CN102201166B (zh) 浮动车数据预处理装置和方法
US11610413B1 (en) Driver identification using updating cluster analysis
Cho et al. Multimedia sensor dataset for the analysis of vehicle movement

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