CN109325705A - 一种基于惯性融合技术的驾驶习惯评分方法及系统 - Google Patents

Abstract

本发明涉及一种基于惯性融合技术的驾驶习惯评分方法及系统，通过对车辆行驶中加速度计与定位终端的数据融合，得到融合后的车辆行驶数据，从中获取七种驾驶行为，并根据七种驾驶行为的出现次数与车辆行驶里程的关系，对驾驶行为进行评分。通过融合数据可以提高数据的准确度，同时，七种驾驶行为的设定，可以准确的对车辆驾驶行为进行评估，然后得到较为客观准确的驾驶行为评分。对于驾驶行为的客观准确评分，可以为多种评估行为提供准确有效的数据，从而规范车辆驾驶行为。

Description

一种基于惯性融合技术的驾驶习惯评分方法及系统

技术领域

本发明涉及一种驾驶习惯评分技术领域，尤其涉及一种基于惯性融合技术的驾驶习惯评分方法及系统。

背景技术

研究表明，驾驶人的驾驶行为是交通事故的重要影响因素之一，但现有的车险费率厘定，更多是根据车辆和驾驶人的自然属性，并没有对驾驶人进行全面的风险评估，尤其缺失是驾驶行为及风险里程，对驾驶人采用基于UBI的车险费率厘定已是大势所趋。

驾驶行为评分模型，已经不是一个新鲜的话题，在美国，私家车车主拿着VeriskAnalytics驾驶评分模型算出的驾驶评分，可以去任何保险公司打折。然而放眼全球，却没有任何一个能够适用于商用车的驾驶行为评分模型。

例如，商用车驾驶行为评分模型通过更多大数据技术和机器学习，对OBD基础数据、维修保养数据、天气路况数据、交通违法数据、保险理赔数据等海量数据，进行数据预处理与数据分析挖掘，在车辆属性识别、驾驶人属性识别、个性化价格、价值参数计算、分类价格对比、反保险欺诈评估等功能中得以应用，更精准地对驾驶人的驾驶行为优劣进行评价，识别其出险风险及风险里程。

先有技术中的驾驶习惯评分，主要是通过GPS和加速度计来采集行车数据，然后根据行车数据计算一定时间内的驾驶习惯。参考驾驶员在驾驶过程中某些可能会导致危险事故发生的不良驾驶习惯，对驾驶员在一定的行驶里程内安全驾驶系数的综合评价。使得驾驶员对自己平时的驾驶习惯有一定的认识，督促驾驶员在以后的驾驶过程中，更加安全平稳的驾驶爱车。但是，在GPS信号弱的道路区域就无法获取相关数据。同时，对于驾驶习惯评分也不够准确。

发明内容

本发明所要解决的技术问题是提供一种基于惯性融合技术的驾驶习惯评分方法及系统，用以解决现有技术中驾驶习惯评分不够准确的问题。

根据本发明的一个方面，提供一种基于惯性融合技术的驾驶习惯评分方法，包括：

根据车辆上设置的加速度计和定位终端的数据，获取车辆行驶数据；

从所述车辆行驶数据中获取七种驾驶行为的数据；所述七种驾驶行为包括：刹车较急、加速较急、左转较急、右转较急、刹车频繁、连续变道和超速；

根据所述七种驾驶行为在车辆行驶过程中出现的次数，进行驾驶习惯评分。

所述根据所述七种驾驶行为在车辆行驶里程中出现的次数，进行驾驶习惯评分，包括：

分别为所述七种驾驶行为设定加权分值；

根据每种驾驶习惯的加权分值与其在车辆行驶过程中出现的次数，确定所述驾驶习惯对驾驶习惯评分的值。

所述方法还包括：

设定驾驶习惯评分参考值；

在驾驶车辆过程中，每出现一次所述七种驾驶行为，则扣除相应的加权分值。

所述方法还包括：

若在车辆驾驶过程中，设定时长内没有出现任一所述七种驾驶行为，则增加相应的加权分值。

所述加速度计和定位终端的数据，通过如下方式获取：

所述加速度计和定位终端的融合数据表示为：

其中，D_x、D_y、D_z为定位终端加速度和加速度计的采集加速度融合后的输出值；W_xo、W_yo、W_zo为加速度计的采集加速度；K_x1、K_y1、K_z1为二阶耦合系数；K_xo、K_yo、K_zo为一阶耦合系数；K为耦合加权；W_x、W_y、W_z为定位终端加速度的输入值；K_xy、K_xz、K_yx、K_yz、K_zx、K_zy为定位终端加速度和加速度计加速度的正交误差系数。

所述加速度计的值根据如下方式获取：

加速度计输出误差数学模型表示为：

其中，D_x，D_y，D_z为加速度的真实值；M_x，M_y，M_z为传感器测量值；B_x，B_y，B_z为传感器的零偏；S_x，S_y，S_z为传感器的比例因子；K_ij为传感器正交误差系数。

根据本发明的另一方面，提供一种基于惯性融合技术的驾驶习惯评分系统，所述系统包括：

数据获取单元，用于根据车辆上设置的加速度计和定位终端的数据，获取车辆行驶数据；

驾驶行为提取单元，用于从所述车辆行驶数据中获取七种驾驶行为的数据；所述其中驾驶行为包括：刹车较急、加速较急、左转较急、右转较急、刹车频繁、连续变道和超速；

驾驶习惯评分单元，用于根据所述七种驾驶行为在车辆行驶过程中出现的次数，进行驾驶习惯评分。

所述驾驶习惯评分单元，还用于：

分别为所述七种驾驶行为设定加权分值；

根据每种驾驶习惯的加权分值与其在车辆行驶过程中出现的次数，确定所述驾驶习惯对驾驶习惯评分的值。

所述驾驶习惯评分单元，还用于：

设定驾驶习惯评分参考值；

在驾驶车辆过程中，每出现一次所述七种驾驶行为，则扣除相应的加权分值。

所述驾驶习惯评分单元，还用于：

若在车辆驾驶过程中，设定时长内没有出现任一所述七种驾驶行为，则增加相应的加权分值。

采用上述方案的有益效果是：

本发明通过对车辆行驶中加速度计与定位终端的数据融合，得到融合后的车辆行驶数据，从中获取七种驾驶行为，并根据七种驾驶行为的出现次数与车辆行驶里程的关系，对驾驶行为进行评分。通过融合数据可以提高数据的准确度，同时，七种驾驶行为的设定，可以准确的对车辆驾驶行为进行评估，然后得到较为客观准确的驾驶行为评分。对于驾驶行为的客观准确评分，可以为多种评估行为提供准确有效的数据，从而规范车辆驾驶行为。

附图说明

图1为本发明实施例提供的基于惯性融合技术的驾驶习惯评分方法原理流程图；

图2为本发明实施例提供的基于惯性融合技术的驾驶习惯评分系统结构示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

本发明各个实施例中，驾驶员评分是参考驾驶员在驾驶过程中某些可能会导致危险事故发生的不良驾驶习惯，对驾驶员在一定的行驶里程内安全驾驶系数的综合评价。通过设备传感器采集的数据和客观的解算方法，给出一个较为合理的分数，使得驾驶员对自己平时的驾驶习惯有一定的认识，督促驾驶员在以后的驾驶过程中，更加安全平稳的驾驶爱车。

本发明提供的驾驶员评分系统，主要由两部分数据构成：一是驾驶员的7种不良习惯的考察分，二是驾驶员的行驶里程。评分的主要依据是二者转换而成的驾驶员不良驾驶习惯的触发频率。通过采集多位驾驶员行驶不同路况的数据，综合分析并拟合出一套算法，有一定的客观性。

如图1所示，本实施例提供的基于惯性融合技术的驾驶习惯评分方法流程图，具体包括：

步骤11，根据车辆上设置的加速度计和定位终端的数据，获取车辆行驶数据。

本实施例中，加速度计、陀螺仪、GPS信息同时对车载姿态的误差和惯性数据产生直接影响，主要误差有GPS丢星，加速度计噪声等。本实施例采用加速度计和定位终端(GPS)的融合数据。

具体的，加速度计和定位终端的融合数据表示为：

其中，D_x、D_y、D_z为定位终端加速度和加速度计的采集加速度融合后的输出值；W_xo、W_yo、W_zo为加速度计的采集加速度；K_x1、K_y1、K_z1为二阶耦合系数；K_xo、K_yo、K_zo为一阶耦合系数；K为耦合加权；W_x、W_y、W_z为定位终端加速度的输入值；K_xy、K_xz、K_yx、K_yz、K_zx、K_zy为定位终端加速度和加速度计加速度的正交误差系数。

加速度计传感器本身也存在精度的问题。根据误差产生机制不同，三轴加速度计误差主要分为零位偏差、标度系数误差、安装误差及轴间非正交误差等。对mems三轴加速度计传感器来说，零位误差和标度系数误差是影响其精度的主要因素，且随时间环境的变化而变化，安装误差及轴间非正交误差在长时间范围内不会产生较大的变化，并可以通过提高安装工艺及制造工艺来减小此类误差的影响。轴间非正交误差造成影响和安装误差相似，可将其统一划归为正交误差。因此，根据上述mems三轴加速度计误差形成的特点，加速度计输出误差数学模型表示为：

其中，D_x，D_y，D_z为加速度的真实值；M_x，M_y，M_z为传感器测量值；B_x，B_y，B_z为传感器的零偏；S_x，S_y，S_z为传感器的比例因子；K_ij为传感器正交误差系数。

加速度计的标定通常是在重力场下采用基于重力的多位置翻滚标法，根据确定位置的理论加速度和传感器的量测值来解算传感器标定系数矩阵中的未知量。

步骤12，从所述车辆行驶数据中获取七种驾驶行为的数据。

七种驾驶行为包括：刹车较急、加速较急、左转较急、右转较急、刹车频繁、连续变道和超速。

刹车较急，当设备的GPS信号判断有效时，采用融合后的加速度值，模块有较大的向后加速度，配合加速计检测的车辆向正后方的加速度值，若检测值大于比较危险的理论值，则会判断并触发一次刹车较急，播报语音提示，并记1分。当设备的GPS信号判断无效时，则采用车载加速度计本身的测量值进行判断。

加速较急，当设备的GPS模块或加速计检测有向正前方较大加速度，判断此加速度数值比较危险时，记为加速较急，播报语音提示并记1分。

左转较急，当设备的加速计检测车辆的向心力，陀螺仪检测车辆拐弯的偏转角速率，配合GPS检测拐弯时速度，当超过比较危险的数值，判定车辆左转较急，播报语音，设备显示屏图标提示，并记1分。

右转较急，同左转较急。

刹车频繁，设备检测到10秒内正常刹车超过4次，判定刹车频繁，播报语音，记1分。

连续并道，设备检测到在10秒内车辆方向调节变化3次以上，判定为连续并道，播报语音并记1分。

超速：考虑到驾驶员在高速路段行驶时，在路况良好路段常有速度大于120的情况，参考计分如下：

车速超过120时，每隔25秒语音播报提示一次，并根据此时的车速进行计分：

车速超过120且小于132，即超速不足10％的情况，记0.1分；

车速超过132且小于144，即超速10％的情况，记1.2分；

车速超过144且小于180，即超速20％的情况，记3.1分；

车速超过180，即超速50％的情况，记12分。

将以上7种情况的不良驾驶习惯的记分累加，得到不良驾驶习惯的考察分，然后通过设备内记录的路程数据，实时解算更新驾驶员的评分，显示在设备屏幕右下角，并后台保存数据到设备。

步骤13，根据所述七种驾驶行为在车辆行驶过程中出现的次数，进行驾驶习惯评分。

如上所述，可以分别为所述七种驾驶行为设定加权分值；

根据每种驾驶习惯的加权分值与其在车辆行驶过程中出现的次数，确定所述驾驶习惯对驾驶习惯评分的值。

进一步设定驾驶习惯评分参考值；

在驾驶车辆过程中，每出现一次所述七种驾驶行为，则扣除相应的加权分值。

若在车辆驾驶过程中，设定时长内没有出现任一所述七种驾驶行为，则增加相应的加权分值。

具体包括：

每台设备的初始分为600，在以后的驾驶过程中，若每10公里的不良驾驶习惯考察分为1，则分数一直为600。若驾驶员在此10公里内不良驾驶习惯的考察分超过1，就会扣除一定的分数。若驾驶员在此10公里内保持了良好的驾驶习惯，设备没有检测到扣分项，则会为驾驶员增加一定的分数。一般情况下，当设备检测到驾驶员触发一次不良驾驶习惯，伴随着语音提示，会看到评分被扣去一定的分数。偶尔一次扣分也不用担心，若驾驶员在以后的行驶过程中，坚持良好的驾驶习惯，分数还会涨回来。若驾驶员一直保持比较危险的驾驶习惯，当分数低于100分时，系统会把您记为1级危险用户，此后您在分数涨扣会比较缓慢，不会在短期内扣去太多的分数。若您继续坚持一贯的危险驾驶习惯，分数在低于50分时，系统会把您记为2级危险用户，以后的分数涨扣会进入一个更为缓慢的阶段，当您的分数低于50分，希望您注意自己的驾驶习惯，珍惜自己的生命，保护自己的爱车。对于习惯良好的驾驶员，若一直文明行车，安全驾驶，保持零扣分，当您的爱车跑到60万公里正常报废时，您的分数会从600陪伴您一点点涨到9171分，您会是我们所有驾驶员的学习模范，社会和人民会感谢您这样的好司机。

本实施例中，通过对车辆行驶中加速度计与定位终端的数据融合，得到融合后的车辆行驶数据，从中获取七种驾驶行为，并根据七种驾驶行为的出现次数与车辆行驶里程的关系，对驾驶行为进行评分。通过融合数据可以提高数据的准确度，同时，七种驾驶行为的设定，可以准确的对车辆驾驶行为进行评估，然后得到较为客观准确的驾驶行为评分。对于驾驶行为的客观准确评分，可以为多种评估行为提供准确有效的数据，从而规范车辆驾驶行为。

图2为本发明实施例提供的基于惯性融合技术的驾驶习惯评分系统结构示意图，其中，

数据获取单元21，用于根据车辆上设置的加速度计和定位终端的数据，获取车辆行驶数据；

驾驶行为提取单元22，用于从所述车辆行驶数据中获取七种驾驶行为的数据；所述其中驾驶行为包括：刹车较急、加速较急、左转较急、右转较急、刹车频繁、连续变道和超速；

驾驶习惯评分单元23，用于根据所述七种驾驶行为在车辆行驶过程中出现的次数，进行驾驶习惯评分。

进一步的，驾驶习惯评分单元23，还用于：

分别为所述七种驾驶行为设定加权分值；

根据每种驾驶习惯的加权分值与其在车辆行驶过程中出现的次数，确定所述驾驶习惯对驾驶习惯评分的值。

进一步的，驾驶习惯评分单元，还用于：

设定驾驶习惯评分参考值；

在驾驶车辆过程中，每出现一次所述七种驾驶行为，则扣除相应的加权分值。

进一步的，驾驶习惯评分单元，还用于：

若在车辆驾驶过程中，设定时长内没有出现任一所述七种驾驶行为，则增加相应的加权分值。

综上所述，本发明提供的基于惯性融合技术的驾驶习惯评分方案，通过对车辆行驶中加速度计与定位终端的数据融合，得到融合后的车辆行驶数据，从中获取七种驾驶行为，并根据七种驾驶行为的出现次数与车辆行驶里程的关系，对驾驶行为进行评分。通过融合数据可以提高数据的准确度，同时，七种驾驶行为的设定，可以准确的对车辆驾驶行为进行评估，然后得到较为客观准确的驾驶行为评分。对于驾驶行为的客观准确评分，可以为多种评估行为提供准确有效的数据，从而规范车辆驾驶行为。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于惯性融合技术的驾驶习惯评分方法，其特征在于，包括：

根据车辆上设置的加速度计和定位终端的数据，获取车辆行驶数据；

从所述车辆行驶数据中获取七种驾驶行为的数据；所述七种驾驶行为包括：刹车较急、加速较急、左转较急、右转较急、刹车频繁、连续变道和超速；

根据所述七种驾驶行为在车辆行驶过程中出现的次数，进行驾驶习惯评分。

2.根据权利要求1所述的基于惯性融合技术的驾驶习惯评分方法，其特征在于，所述根据所述七种驾驶行为在车辆行驶里程中出现的次数，进行驾驶习惯评分，包括：

分别为所述七种驾驶行为设定加权分值；

根据每种驾驶习惯的加权分值与其在车辆行驶过程中出现的次数，确定所述驾驶习惯对驾驶习惯评分的值。

3.根据权利要求2所述的基于惯性融合技术的驾驶习惯评分方法，其特征在于，所述方法还包括：

设定驾驶习惯评分参考值；

在驾驶车辆过程中，每出现一次所述七种驾驶行为，则扣除相应的加权分值。

4.根据权利要求3所述的基于惯性融合技术的驾驶习惯评分方法，其特征在于，所述方法还包括：

若在车辆驾驶过程中，设定时长内没有出现任一所述七种驾驶行为，则增加相应的加权分值。

5.根据权利要求1所述的基于惯性融合技术的驾驶习惯评分方法，其特征在于，所述加速度计和定位终端的数据，通过如下方式获取：

所述加速度计和定位终端的融合数据表示为：

其中，D_x、D_y、D_z为定位终端加速度和加速度计的采集加速度融合后的输出值；W_xo、W_yo、W_zo为加速度计的采集加速度；K_x1、K_y1、K_z1为二阶耦合系数；K_xo、K_yo、K_zo为一阶耦合系数；K为耦合加权；W_x、W_y、W_z为定位终端加速度的输入值；K_xy、K_xz、K_yx、K_yz、K_zx、K_zy为定位终端加速度和加速度计加速度的正交误差系数。

6.根据权利要求5所述的基于惯性融合技术的驾驶习惯评分方法，其特征在于，所述加速度计的值根据如下方式获取：

加速度计输出误差数学模型表示为：

其中，D_x，D_y，D_z为加速度的真实值；M_x，M_y，M_z为传感器测量值；B_x，B_y，B_z为传感器的零偏；S_x，S_y，S_z为传感器的比例因子；K_ij为传感器正交误差系数。

7.一种基于惯性融合技术的驾驶习惯评分系统，其特征在于，所述系统包括：

数据获取单元，用于根据车辆上设置的加速度计和定位终端的数据，获取车辆行驶数据；

驾驶行为提取单元，用于从所述车辆行驶数据中获取七种驾驶行为的数据；所述其中驾驶行为包括：刹车较急、加速较急、左转较急、右转较急、刹车频繁、连续变道和超速；

驾驶习惯评分单元，用于根据所述七种驾驶行为在车辆行驶过程中出现的次数，进行驾驶习惯评分。

8.根据权利要求7所述的基于惯性融合技术的驾驶习惯评分系统，其特征在于，所述驾驶习惯评分单元，还用于：

分别为所述七种驾驶行为设定加权分值；

根据每种驾驶习惯的加权分值与其在车辆行驶过程中出现的次数，确定所述驾驶习惯对驾驶习惯评分的值。

9.根据权利要求8所述的基于惯性融合技术的驾驶习惯评分系统，其特征在于，所述驾驶习惯评分单元，还用于：

设定驾驶习惯评分参考值；

在驾驶车辆过程中，每出现一次所述七种驾驶行为，则扣除相应的加权分值。

10.根据权利要求9所述的基于惯性融合技术的驾驶习惯评分系统，其特征在于，所述驾驶习惯评分单元，还用于：

若在车辆驾驶过程中，设定时长内没有出现任一所述七种驾驶行为，则增加相应的加权分值。