CN109263648B - 一种驾驶行为的评价方法、装置及设备 - Google Patents
一种驾驶行为的评价方法、装置及设备 Download PDFInfo
- Publication number
- CN109263648B CN109263648B CN201811368651.0A CN201811368651A CN109263648B CN 109263648 B CN109263648 B CN 109263648B CN 201811368651 A CN201811368651 A CN 201811368651A CN 109263648 B CN109263648 B CN 109263648B
- Authority
- CN
- China
- Prior art keywords
- characteristic parameters
- driving behavior
- score
- scores
- characteristic
- 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
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
Abstract
本申请公开了一种驾驶行为的评价方法,包括获取多项用于评价驾驶行为的特征参数;按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;根据各项所述特征参数的分值计算生成综合分值;根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。首先获取多项用于评价驾驶行为的特征参数,其次,由特征参数的数值与预设分值的对应关系,确定出每一项特征参数的数值相应的分值,然后对所有特征参数的分值进行计算,得到一个综合分值,最后由综合分值与预设评价结果对应关系,确定对驾驶行为的评价结果。本申请还提供了具有上述优点的驾驶行为评价装置、设备及计算机可读存储介质。
Description
技术领域
本申请涉及汽车电子技术领域,特别是涉及一种驾驶行为的评价方法、装置、设备及计算机可读存储介质。
背景技术
随着汽车的普及,给人们的日常生活带来极大的便利,同时交通事故也时有发生。驾驶员的驾驶行为是影响交通秩序、车辆的状况以及驾驶员的人身和财产安全的重要因素,良好的驾驶行为可以极大程度的减少交通事故的发生。
目前对驾驶员的驾驶行为进行监测,主要采用智能交通违章监摄管理系统,俗称电子眼,对驾驶员的驾驶行为进行监测。只有在路面上方安装电子眼,才能起到监测的作用,并且电子眼监控范围有限,缺少对驾驶员驾驶行为的整体评价。
发明内容
本申请的目的是提供一种驾驶行为评价方法、装置、设备及计算机可读存储介质,以解决现有技术中缺乏对驾驶员的驾驶行为进行整体评价的问题。
为解决上述技术问题,本申请提供一种驾驶行为的评价方法,包括:
获取多项用于评价驾驶行为的特征参数;
按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;
根据各项所述特征参数的分值计算生成综合分值;
根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
可选的,在所述获取多项用于评价驾驶行为的特征参数之后,还包括:
按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选得到特征字段。
可选的,所述特征字段包括:
平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长。
可选的,在所述获取多项用于评价驾驶行为的特征参数之后,还包括:
当所述特征字段的数值超过预设阈值时,生成对应的提示信息。
可选的,所述根据各项所述特征参数的分值计算生成综合分值包括:
根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
本申请还提供一种驾驶行为的评价装置,包括:
获取模块,用于获取多项用于评价驾驶行为的特征参数;
确定模块,用于按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;
计算模块,用于根据各项所述特征参数的分值计算生成综合分值;
评价模块,用于根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
可选的,所述获取模块具体包括:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选后得到特征字段。
可选的,还包括:
提示模块,用于当特征字段的数值超过预设阈值时,生成对应的提示信息。
可选的,所述计算模块具体包括:根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
可选的,所述获取模块具体用于获取平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长。
本申请还提供一种驾驶行为的评价设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现以下步骤:
获取多项用于评价驾驶行为的特征参数;按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;根据各项所述特征参数的分值计算生成综合分值;根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
可选的,所述处理器执行所述存储器中保存的计算机子程序时,可以具体实现以下步骤:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选后得到特征字段。
可选的,所述处理器执行所述存储器中保存的计算机子程序时,可以具体实现以下步骤:当所述特征字段的数值超过预设阈值时,生成对应的提示信息。
可选的,所述处理器执行所述存储器中保存的计算机子程序时,可以具体实现以下步骤:根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
可选的,所述处理器执行所述存储器中保存的计算机子程序时,可以具体实现以下步骤:获取平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长。
本申请还提供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计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取多项用于评价驾驶行为的特征参数;按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;根据各项所述特征参数的分值计算生成综合分值;根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
可选的,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选后得到特征字段。
可选的,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:当所述特征字段的数值超过预设阈值时,生成对应的提示信息。
可选的,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
可选的,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:获取平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长。
本申请所提供的一种驾驶行为评价方法,包括获取多项用于评价驾驶行为的特征参数;按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;根据各项所述特征参数的分值计算生成综合分值;根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。本申请通过首先获取多项用于评价驾驶员的驾驶行为的特征参数,其次,按照特征参数的数值与预设分值的对应关系,确定出与每一项特征参数的数值相对应的分值,然后对所有特征参数的分值进行计算,得到一个综合分值,最后根据综合分值与预设评价结果的对应关系,确定出对驾驶员的驾驶行为的评价结果。本申请所提供的驾驶行为的评价方法,实现了对驾驶员驾驶行为的评价,并且操作简单,实用性强,易于推广。此外,本申请还提供了具有上述优点的驾驶行为评价装置、设备及计算机可读存储介质。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种驾驶行为的评价方法的流程图;
图2为本申请实施例所提供的另一种驾驶行为的评价方法的流程图;
图3为本申请实施例所提供的另一种驾驶行为的评价方法的流程图;
图4为本申请实施例所提供的另一种驾驶行为的评价方法的流程图;
图5为本申请实施例提供的驾驶行为的评价装置的结构框图;
图6为本申请实施例提供的驾驶行为的评价设备一种结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
驾驶员在驾驶过程中的一些驾驶行为可能会产生严重的后果,例如长时间怠速导致车辆发动机积碳,紧急变速导致交通事故等。现有技术中,缺乏对驾驶员的驾驶行为进行评价的方法,因此,需要在驾驶过程中对驾驶员的驾驶行为进行监测,对驾驶行为进行评价,从而使驾驶员对自己的驾驶行为有一个更好地认识。
请参考图1,图1为本申请实施例所提供的一种驾驶行为的评价方法的流程图。
本实施例所提供的驾驶行为的评价方法,包括:
步骤S101:获取多项用于评价驾驶行为的特征参数。
需要说明的是,本实施例并不对获取特征参数的途径做具体的限定,只要可以获得所需要的特征参数即可。例如,用户可以通过车载电脑、车辆数据采集设备GTBOX或者车辆内部诸多传感器获取驾驶过程中的特征参数;当然也可以通过用户自定义设置,只要达到本申请的目的即可,本申请不再进行设置。特征参数包括某个或者某些参数的名称及具体数值。
具体的,本申请实施例以车辆数据采集设备GTBOX为例,车辆数据采集设备GTBOX采集驾驶行为的特征参数包括里程,里程序号,GPS,默认时区时间,开始经度,开始维度,结束经度,结束维度,入库时间,修改时间,GPS定位模式,仪表盘总里程,设备序列号,油耗,平均油耗,里程开始时间,里程结束时间,运行时长,油耗排名,急变速报警次数,超速报警次数,怠速累计时长,报警统计,里程最大速度和超速时长。
进一步的,本实施例也不对特征参数的项数做具体的限定,只要可以合理的反应驾驶员驾驶行为的特征参数即可。作为一种具体实施方式,本申请采用平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长六项作为特征参数。这六项参数为经过车辆数据采集设备GTBOX采集得到,上述六项特征参数能够较好的反应驾驶员的驾驶水平,并且提高计算速度,进而缩短确定评价驾驶员驾驶水平的评价结果。
步骤S102:按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值。
需要说明的是,本实施例并不对特征参数的数值与预设分值的对应关系做具体的限定,用户可以自行设定。例如,用户可以设定各项特征参数的赋分范围为0~10分,根据特征参数的数值和含义对驾驶员的驾驶技术打分,0分代表驾驶员的驾驶技术最差,10分代表驾驶员的驾驶技术最好;用户还可以设定0分代表驾驶过程中各项特征参数的中等水平,设定小于0的分值代表驾驶过程中各项特征参数高于中等水平,且分值越低表示驾驶员的驾驶技术越好,设定大于0的分值代表驾驶过程中各项特征参数低于中等水平,且分值越高表示驾驶员的驾驶技术越差。
步骤S103:根据各项所述特征参数的分值计算生成综合分值。
需要说明的是,本实施例并不对生成综合分值的计算方法做具体的限定,只要是通过合理的计算得到可以表示驾驶员的驾驶技术水平的综合分值即可。例如,可以将各项特征参数的分值直接相加得到综合分值;还可以根据各项特征参数对评价驾驶技术水平的重要程度进行加权计算,得到综合分值。
步骤S104:根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
具体的,根据具体的特征参数的数值与预设分值的对应关系和具体的生成综合分值的计算方法,对综合分值代表的驾驶技术水平分出等级,根据各项特征参数的分值计算生成的综合分值确定驾驶员驾驶行为的评价结果。进一步的,本实施例中并不对评价驾驶技术的等级进行限定。例如,可以分成很差、一般、中等、良好、优秀五个等级,还可以分成一等、二等、三等三个等级,一等代表驾驶技术比较好,二等代表驾驶技术一般,三等表示驾驶技术需要改进。
本申请实施例所提供的驾驶行为评价方法,包括获取多项用于评价驾驶行为的特征参数;按照所述特征参数的数值与预设分值的对应关系,对各项所述特征参数的数值确定相应的分值;根据各项所述特征参数的分值计算生成综合分值;根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。通过首先获取多项用于评价驾驶员的驾驶行为的特征参数,其次,按照特征参数的数值与预设分值的对应关系,对每一项特征参数的数值确定出相应的分值,然后对所有特征参数的分值进行计算,得到一个综合分值,最后根据综合分值与预设评价结果的对应关系,确定出对驾驶员的驾驶行为的评价结果。本实施例所提供的驾驶行为的评价方法,实现了对驾驶员驾驶行为的评价,并且操作简单,实用性强,易于推广。
下面通过另一具体实施方式对本申请所提供的驾驶行为评价方法进行进一步阐述,参照图2,该过程包括:
步骤S201:获取多项用于评价驾驶行为的特征参数。
步骤S202:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选得到特征字段。
驾驶过程中的特征参数一定程度上均能反应驾驶行为,可以筛选出对驾驶行为影响较大的一些特征字段,快速生成驾驶行为评价结果。例如在高速公路上行驶时,可以筛选里程最大速度、急变速报警次数和超速时长作为特征字段,根据特征字段的数值评价驾驶员的驾驶行为。
作为一种具体实施方式,所述特征字段包括:平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长。
步骤S203:按照所述特征字段的数值与预设分值的对应关系,确定与各项所述特征字段的数值相对应的分值。
步骤S204:根据各项所述特征字段的分值计算生成综合分值。
步骤S205:根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
关于上述步骤S201、S203、S204和S205的具体实施过程可参照前述实施例的内容,在此不再进行赘述。
下面通过另一具体实施方式对本申请所提供的驾驶行为评价方法进行进一步阐述,参照图3,该过程包括:
步骤S301:获取多项用于评价驾驶行为的特征参数。
步骤S302:当所述特征字段的数值超过预设阈值时,生成对应的提示信息。
需要指出的是,本实施例中对提示信息具体提示形式并不做具体限定,例如可以对驾驶员做出与特征参数相对应的语音提示,还可以在仪表盘上显示相应的文字提示,当然还可以将语音提示和文字提示相结合对驾驶员进行提示。
步骤S303:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选得到特征字段,获取多项用于评价驾驶行为的特征字段。
需要说明的是,步骤S302和步骤S303之间的顺序可以互换,不影响本技术方案的实现。
步骤S304:按照所述特征字段的数值与预设分值的对应关系,确定与各项所述特征字段的数值相对应的分值。
步骤S305:根据各项所述特征字段的分值计算生成综合分值。
步骤S306:根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
关于上述步骤S301、S303、S304、S305和S306的具体实施过程可参照前述实施例的内容,在此不再进行赘述。
下面通过另一具体实施方式对本申请所提供的驾驶行为评价方法进行进一步阐述,参照图4,该过程包括:
步骤S401:获取多项用于评价驾驶行为的特征参数。
步骤S402:当所述特征字段的数值超过预设阈值时,生成对应的提示信息。
步骤S403:按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值。
步骤S404:根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
具体的,本实施例中对各项特征参数的权重并不做具体限定,可以根据具体情况对各项特征参数的权重进行分配。
步骤S405:根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
关于上述步骤S401、S402、S403和S405的具体实施过程可参照前述实施例的内容,在此不再进行赘述。
下面以一具体情况对本申请所提供的驾驶行为的评价方法进行进一步阐述。
第一步:通过车辆数据采集设备GTBOX采集驾驶员在驾驶过程中的特征参数,筛选出可以用于评价驾驶员驾驶行为的平均油耗(AF,单位:L/100km)、急变速报警次数(CS)、超速报警次数(BS)、怠速累计时长(DS,单位:h)、里程最大速度(MS,单位:km/h)和超速时长(CT,单位:h)六项特征字段。
第二步:制定对各项特征字段的数值与预设分值的对应关系并确定与各项特征字段的数值相对应的分值。
在对各项特征字段的数值确定分值时,0分代表中等,-1~-3代表稍好,-3~-5代表很好,1~3代表略差,4~6代表不佳,7~10代表很差,11~15代表严重,16~20代表问题很严重。每个档次的得分是根据该项特征字段的含义和该项特征字段的数值对于真实驾驶环境中产生危险的概率得出的,同时也是根据大数据的统计:(1)通过统计数据的正态分布,得到大部分驾驶员的驾驶行为的中位数,令中位数即为0分,其他两侧的分数依次递增或递减;(2)根据专家经验得到经验值,即平均油耗对驾驶行为的危险性影响略低,所以,即使平均油耗比较高也不会在平均油耗这一项特征字段给予太高的分数,但是里程最大速度对驾驶行为的危险性影响较大,所以在赋分时也相应的更加严苛。
1、根据AF数值对AF确定分值,具体特征字段的数值与预设分值的对应关系如下:
(1)0≤AF<5:AF score=-5;
(2)5≤AF<10:AF score=-4;
(3)10≤AF<15:AF score=-3;
(4)15≤AF<20:AF score=-2;
(5)20≤AF<25:AF score=0;
(6)25≤AF<30:AF score=1;
(7)30≤AF<35:AF score=2;
(8)35≤AF<40:AF score=4;
(9)40≤AF<50:AF score=6;
(10)50≤AF<60:AF score=10;
(11)AF≥60:AF score=15。
2、根据CS数值对CS确定分值,具体特征字段的数值与预设分值的对应关系如下:
(1)CS=0:CS score=-5;
(2)CS=1:CS score=0;
(3)CS=2:CS score=1;
(4)CS=3:CS score=3;
(5)CS=4:CS score=5;
(6)CS=5:CS score=8;
(7)CS=6:CS score=12;
(8)CS>6:CS score=15。
3、根据DS数值对DS确定分值,具体特征字段的数值与预设分值的对应关系如下:
(1)0≤DS<0.2:DS score=-3;
(2)0.2≤DS<0.4:DS score=-2;
(3)0.4≤DS<0.6:DS score=-1;
(4)0.6≤DS<0.8:DS score=0;
(5)0.8≤DS<1.0:DS score=1;
(6)1.0≤DS<1.2:DS score=2;
(7)1.2≤DS<1.4:DS score=3;
(8)1.4≤DS<2.0:DS score=6;
(9)2.0≤DS<3.0:DS score=10;
(10)3.0≤DS<5.0:DS score=15;
(11)DS≥5.0:DS score=20。
4、根据BS数值对BS确定分值,具体特征字段的数值与预设分值的对应关系如下:
(1)BS=0:BS score=-5;
(2)BS=1:BS score=2;
(3)BS=2:BS score=4;
(4)BS=3:BS score=6;
(5)BS=4:BS score=10;
(6)BS=5:BS score=15;
(7)BS=6:BS score=18;
(8)BS=7:BS score=20;
(9)BS>7:BS score=25。
5、根据MS数值对MS确定分值,具体特征字段的数值与预设分值的对应关系如下:
(1)0<MS<20:MS score=8;
(2)20≤MS<40:MS score=5;
(3)40≤MS<120:MS score=0;
(4)120≤MS<140:MS score=8;
(5)140≤MS<150:MS score=10;
(6)150≤MS<160:MS score=15;
(7)160≤MS<170:MS score=20;
(8)MS≥170:MS score=30。
6、根据CT数值对CT确定分值,具体特征字段的数值与预设分值的对应关系如下:
(1)CT=0:CT score=0;
(2)0<CT<1:CT score=5;
(3)CT≥1:CT score=10。
第三步:针对单项特征字段的数值,生成对应的提示信息,以提醒驾驶员。
当CS>0:提醒:"您有急变速情况发生,请注意!"
当BS>0:提醒:"您有超速情况发生,请注意!
当DS>0.5:提醒:"您有怠速运行习惯,请改正!"
第四步:将AF的分值、CS的分值、DS的分值、BS的分值、MS的分值和CT的分值直接相加得到综合分值(total score)。
第五步:根据综合分值计算出驾驶员的驾驶行为的总评分(scale),最终根据总评分确定对驾驶员的驾驶行为的评价结果。
根据综合分值计算总评分,具体计算方式如下:
(1)-40≤total score<-20:scale=500;
(2)-20≤total score<-18:scale=480;
(3)-18≤total score<-16:scale=460;
(4)-16≤total score<-14:scale=440;
(5)-14≤total score<-12:scale=420;
(6)-12≤total score<-10:scale=400;
(7)-10≤total score<-8:scale=380;
(8)-8≤total score<-7:scale=360;
(9)-7≤total score<-6:scale=340;
(10)-6≤total score<-5:scale=320;
(11)-5≤total score<-4:scale=300;
(12)-4≤total score<-3:scale=280;
(13)-3≤total score<-2:scale=260;
(14)-2≤total score<0:scale=200;
(15)0≤total score<2:scale=180;
(16)2≤total score<4:scale=160;
(17)4≤total score<6:scale=140;
(18)6≤total score<8:scale=120;
(19)8≤total score<10:scale=100;
(20)10≤total score<12:scale=80;
(21)12≤total score<14:scale=70;
(22)14≤total score<16:scale=60;
(23)16≤total score<18:scale=50;
(24)18≤total score<20:scale=20;
(25)total score≥20:scale=0。
根据总评分,确定出评价结果:
(1)0≤scale<100:很差;
(2)100≤scale<200:一般;
(3)200≤scale<300:中等;
(4)300≤scale<400:良好;
(5)400≤scale≤500:优秀。
下面对本申请实施例提供的驾驶行为的评价装置进行介绍,下文描述的驾驶行为的评价装置与上文描述的驾驶行为的评价方法可相互对应参照。
图3为本申请实施例提供的驾驶行为的评价装置的结构框图,参照图3驾驶行为的评价装置可以包括:
获取模块100,用于获取多项用于评价驾驶行为的特征参数;
确定模块200,用于按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;
计算模块300,用于根据各项所述特征参数的分值计算生成综合分值;
评价模块400,用于根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
在一些具体的实施例中,所述获取模块100,具体包括:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选后得到特征字段。
在一些具体的实施例中,所述驾驶行为的评价装置还包括:筛选模块,具体用于按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选得到特征字段。
在一些具体的实施例中,所述驾驶行为的评价装置还包括:提示模块,具体用于当所述特征字段的数值超过预设阈值时,生成对应的提示信息。
在一些具体的实施例中,所述计算模块300具体用于根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
在一些具体的实施例中,所述获取模块100具体用于获取平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长六项特征字段。
进一步地,本申请实施例还公开了一种驾驶行为的评价设备,参照图6所示,所述驾驶行为的评价设备,包括存储器11和处理器12,其中所述处理器12执行所述存储器11中保存的计算机程序时实现以下步骤:
获取多项用于评价驾驶行为的特征参数;按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;根据各项所述特征参数的分值计算生成综合分值;根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选后得到特征字段。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:当所述特征字段的数值超过预设阈值时,生成对应的提示信息。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
本实施例中,所述处理器12执行所述存储器11中保存的计算机子程序时,可以具体实现以下步骤:获取平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长六项特征字段。
进一步的,本申请实施例还公开了一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现以下步骤:
获取多项用于评价驾驶行为的特征参数;按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;根据各项所述特征参数的分值计算生成综合分值;根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。
可见,本申请通过获取多项用于评价驾驶行为的特征参数,并按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值,然后根据各项所述特征参数的分值计算生成综合分值,最后根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果。本申请实现了对驾驶员驾驶行为的评价,并且操作简单,实用性强,易于推广。
在一些具体的实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选后得到特征字段。
在一些具体的实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:当所述特征字段的数值超过预设阈值时,生成对应的提示信息。在一些具体的实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
在一些具体的实施例中,所述计算机可读存储介质中保存的计算机子程序被处理器执行时,可以具体实现以下步骤:获取平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长六项特征字段。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的驾驶行为的评价方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (7)
1.一种驾驶行为的评价方法,其特征在于,包括:
获取多项用于评价驾驶行为的特征参数;所述特征参数是在驾驶过程中采集的;
按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;
根据各项所述特征参数的分值计算生成综合分值;
根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果;
其中,在所述获取多项用于评价驾驶行为的特征参数之后,还包括:
按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选得到特征字段;
其中,在所述获取多项用于评价驾驶行为的特征参数之后,还包括:
当所述特征字段的数值超过预设阈值时,生成对应的提示信息。
2.如权利要求1所述的驾驶行为的评价方法,其特征在于,所述特征字段包括:
平均油耗、急变速报警次数、超速报警次数、怠速累计时长、里程最大速度、超速时长。
3.如权利要求1或2所述的驾驶行为的评价方法,其特征在于,所述根据各项所述特征参数的分值计算生成综合分值包括:
根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
4.一种驾驶行为的评价装置,其特征在于,包括:
获取模块,用于获取多项用于评价驾驶行为的特征参数;所述特征参数是在驾驶过程中采集的;
确定模块,用于按照所述特征参数的数值与预设分值的对应关系,确定与各项所述特征参数的数值相对应的分值;
计算模块,用于根据各项所述特征参数的分值计算生成综合分值;
评价模块,用于根据所述综合分值与预设评价结果的对应关系,确定对所述驾驶行为的评价结果;
其中,所述获取模块具体包括:按照对评价所述驾驶行为的影响程度,对所述特征参数进行筛选后得到特征字段;
其中,还包括:
提示模块,用于当特征字段的数值超过预设阈值时,生成对应的提示信息。
5.如权利要求4所述的驾驶行为的评价装置,其特征在于,所述计算模块用于根据各项所述特征参数分别对应的权重,将所述特征参数的分值计算生成综合分值。
6.一种驾驶行为的评价设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述的驾驶行为的评价方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的驾驶行为的评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811368651.0A CN109263648B (zh) | 2018-11-16 | 2018-11-16 | 一种驾驶行为的评价方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811368651.0A CN109263648B (zh) | 2018-11-16 | 2018-11-16 | 一种驾驶行为的评价方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109263648A CN109263648A (zh) | 2019-01-25 |
CN109263648B true CN109263648B (zh) | 2021-01-15 |
Family
ID=65189141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811368651.0A Active CN109263648B (zh) | 2018-11-16 | 2018-11-16 | 一种驾驶行为的评价方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109263648B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598367B (zh) * | 2019-02-20 | 2023-04-07 | 杭州海康威视数字技术股份有限公司 | 驾驶行为评价方法、装置、计算设备和存储介质 |
CN111605557B (zh) * | 2019-02-25 | 2021-12-21 | 郑州宇通客车股份有限公司 | 一种基于驾驶安全评价的车辆控制方法及装置 |
CN110481558B (zh) * | 2019-08-19 | 2021-05-25 | 北京汽车股份有限公司 | 车辆及其驾驶行为的分析方法 |
CN112937591B (zh) * | 2019-12-11 | 2023-04-07 | 彩虹无线(北京)新技术有限公司 | 驾驶安全监测方法、装置、设备及计算机可读存储介质 |
CN111891128A (zh) * | 2020-08-13 | 2020-11-06 | 广州小马智行科技有限公司 | 车辆的控制方法及车辆、运载工具 |
CN112215093A (zh) * | 2020-09-23 | 2021-01-12 | 易显智能科技有限责任公司 | 一种车辆驾驶能力水平的评价方法及装置 |
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 |
CN113469458A (zh) * | 2021-07-22 | 2021-10-01 | 南京领行科技股份有限公司 | 驾驶习惯评价方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247091A (zh) * | 2012-02-07 | 2013-08-14 | 厦门金龙联合汽车工业有限公司 | 一种驾驶评价系统及方法 |
CN108340920A (zh) * | 2017-01-23 | 2018-07-31 | 通用汽车环球科技运作有限责任公司 | 用于分类驾驶员技能水平的系统和方法 |
CN108681742A (zh) * | 2018-04-12 | 2018-10-19 | 上海交通大学 | 一种用于分析司机驾驶行为特征敏感性的分析方法 |
JP2018165692A (ja) * | 2017-03-28 | 2018-10-25 | パナソニックIpマネジメント株式会社 | 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム、提示システム |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4797948B2 (ja) * | 2006-11-22 | 2011-10-19 | 株式会社デンソー | 運転行動推定方法および装置 |
CN103871122A (zh) * | 2014-03-11 | 2014-06-18 | 深圳市朗仁科技有限公司 | 驾驶行为分析方法及分析系统 |
US9272658B2 (en) * | 2014-06-24 | 2016-03-01 | Google Inc. | Attention and event management |
US9056616B1 (en) * | 2014-09-23 | 2015-06-16 | State Farm Mutual Automobile Insurance | Student driver feedback system allowing entry of tagged events by instructors during driving tests |
JP2016180633A (ja) * | 2015-03-23 | 2016-10-13 | 独立行政法人交通安全環境研究所 | 内燃機関を動力源として搭載した車両のモード燃費算出装置、およびモード燃費算出方法 |
US9914460B2 (en) * | 2015-09-25 | 2018-03-13 | Mcafee, Llc | Contextual scoring of automobile drivers |
CN105513358B (zh) * | 2016-01-04 | 2018-07-03 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警系统及方法 |
JP6786921B2 (ja) * | 2016-07-12 | 2020-11-18 | 株式会社デンソー | 運転支援システム及び運転支援方法 |
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 |
US9956965B1 (en) * | 2016-11-01 | 2018-05-01 | Michael Hall | Tongue weight determination |
CN107066787B (zh) * | 2016-11-25 | 2018-11-23 | 东软集团股份有限公司 | 车辆行程的评分方法及装置 |
CN107180219A (zh) * | 2017-01-25 | 2017-09-19 | 问众智能信息科技(北京)有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
WO2018146802A1 (en) * | 2017-02-10 | 2018-08-16 | Nec Corporation | Control customization system, control customization method, and control customization program |
CN107124343A (zh) * | 2017-04-27 | 2017-09-01 | 杭州通悟科技有限公司 | 一种obd车联网终端 |
CN107972671A (zh) * | 2017-07-19 | 2018-05-01 | 宁波诺丁汉大学 | 一种驾驶行为分析系统 |
CN108657188B (zh) * | 2018-05-08 | 2020-04-21 | 肇庆学院 | 一种驾驶员驾驶技术在线评估系统 |
-
2018
- 2018-11-16 CN CN201811368651.0A patent/CN109263648B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247091A (zh) * | 2012-02-07 | 2013-08-14 | 厦门金龙联合汽车工业有限公司 | 一种驾驶评价系统及方法 |
CN108340920A (zh) * | 2017-01-23 | 2018-07-31 | 通用汽车环球科技运作有限责任公司 | 用于分类驾驶员技能水平的系统和方法 |
JP2018165692A (ja) * | 2017-03-28 | 2018-10-25 | パナソニックIpマネジメント株式会社 | 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム、提示システム |
CN108681742A (zh) * | 2018-04-12 | 2018-10-19 | 上海交通大学 | 一种用于分析司机驾驶行为特征敏感性的分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109263648A (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109263648B (zh) | 一种驾驶行为的评价方法、装置及设备 | |
CN110615001B (zh) | 一种基于can数据的驾驶安全提醒方法、装置及介质 | |
CN111860561B (zh) | 网约车的异常停留行为识别方法、装置、设备及存储介质 | |
CN109493566B (zh) | 一种基于gps数据的疲劳驾驶预测方法 | |
CN105730450A (zh) | 基于车载数据的驾驶行为分析方法及评价系统 | |
US9494435B2 (en) | Driving evaluation system and method | |
CN104732785A (zh) | 一种驾驶行为分析和提醒的方法及系统 | |
CN102874188A (zh) | 一种基于车辆总线数据的驾驶行为警示方法 | |
CN112937591B (zh) | 驾驶安全监测方法、装置、设备及计算机可读存储介质 | |
CN108001453B (zh) | 一种识别高能耗驾驶行为的方法及系统 | |
CN104590275A (zh) | 一种驾驶行为分析方法 | |
CN109671266A (zh) | 基于加速失效风险模型的驾驶员事故动态预警方法 | |
CN113753059B (zh) | 一种自动驾驶系统下的驾驶人接管能力预测方法 | |
CN113442935A (zh) | 一种商用车不良驾驶行为的判断方法及系统 | |
CN116001800B (zh) | 车辆驾驶风险信息获取方法、装置、电子设备及介质 | |
JP2009288163A (ja) | 運転評価装置、運転評価方法および運転評価プログラム | |
CN111367968B (zh) | 驾驶数据处理方法、装置、设备及存储介质 | |
CN112287300A (zh) | 数据处理方法和装置、服务器及存储介质 | |
CN114155742B (zh) | 一种网联车纵向行车风险评估和预警方法 | |
CN108268678B (zh) | 驾驶行为分析方法、装置及系统 | |
CN116753938A (zh) | 车辆测试场景生成方法、装置、存储介质及设备 | |
CN115871682A (zh) | 驾驶员安全驾驶行为的监测、评价和预警方法及系统 | |
CN114999150A (zh) | 路段拥堵判别方法、装置、车辆及存储介质 | |
JP6677074B2 (ja) | 運転診断装置 | |
CN114742287A (zh) | 一种驾驶行为分析方法与系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |