CN109493448A - 行车记录数据处理方法、装置、计算机设备和存储介质 - Google Patents
行车记录数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109493448A CN109493448A CN201811123075.3A CN201811123075A CN109493448A CN 109493448 A CN109493448 A CN 109493448A CN 201811123075 A CN201811123075 A CN 201811123075A CN 109493448 A CN109493448 A CN 109493448A
- Authority
- CN
- China
- Prior art keywords
- tracing point
- preset
- velocity amplitude
- terminal
- machine mould
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims description 50
- 238000004590 computer program Methods 0.000 claims description 19
- 230000001052 transient effect Effects 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000007619 statistical method Methods 0.000 abstract description 3
- 238000010801 machine learning Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000005452 bending Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Abstract
本申请涉及一种基于机器学习的行车记录数据处理方法、装置、计算机设备和存储介质。所述方法包括:获取终端在预设时间内的行车记录数据;从所述行车记录数据中选取预设数量的轨迹点对应的记录数据;将所述预设数量的轨迹点对应的记录数据输入至机器模型中;所述机器模型获取所述预设数量的轨迹点对应的速度值;当所述预设数量的轨迹点对应的速度值达到预设判断条件时,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型。这种对行车记录数据的处理方法,能够有效准确的对用户的行车习惯进行统计分析,还能多次对行车记录数据进行利用分析,避免了对数据的资源浪费。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种行车记录数据处理方法、装置、计算机设备和存储介质。
背景技术
随着社会的发展,人们对于车辆的使用也越来越频繁。在传统技术中,对于车辆的行驶记录方式都是采用的固定流程,或者采取固化的车记录算法计算得出用户行程。然而在实际过程中,车主在行车过程中会遇到很多的路况情形,也会根据不同的路况采取不同的驾驶操作。然而根据传统的行车记录方式只能够记录下用户的行程信息,无法对行程记录进行有效的分析,也无法为车主提供更多的有效信息,以这些行程为基础进行二次开发得到的数据也不够灵活,无法有效的利用这些行车数据,造成数据的资源浪费。
发明内容
基于此,有必要针对上述技术问题,提供一种行车记录数据处理方法、装置、计算机设备和存储介质。
一种行车记录数据处理方法,所述方法包括:
获取终端在预设时间内的行车记录数据;
从所述行车记录数据中选取预设数量的轨迹点对应的记录数据;
将所述预设数量的轨迹点对应的记录数据输入至机器模型中;
所述机器模型获取所述预设数量的轨迹点对应的速度值;
当所述预设数量的轨迹点对应的速度值达到预设判断条件时,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型;
所述机器模型根据所述预设时间内的行驶类型确定所述终端的驾驶行为类型。
在其中一个实施例中,所述预设判断条件包括以下至少一种:连续选取第一数量的轨迹点对应的速度值均达到预设行驶速度值;所述第一数量的轨迹点均满足预设有效条件;按照每个轨迹点的时间顺序,所述第一数量的轨迹点中,相距预设间隔数量的轨迹点之间的时间间隔小于预设时间阈值;所述第一数量的轨迹点对应的瞬间加速度值均在预设的加速度阈值范围内。
在其中一个实施例中,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型,包括:从所述预设数量的轨迹点中选取第一数量的轨迹点;当所述第一数量的轨迹点对应的速度值满足第一预设条件时,所述机器模型判定所述终端在所述预设时间内存在第一行驶因子的数量加一;当所述第一数量的轨迹点对应的速度值满足第二预设条件时,所述机器模型判定所述终端在所述预设时间内内存在第二行驶因子的数量加一;所述机器模型根据所述第一行驶因子的数量和所述第二行驶因子的数量确定所述终端在预设时间内的行驶类型。
在其中一个实施例中,所述第一预设条件包括以下至少一种:所述第一数量的轨迹点对应的速度值均大于预设第一速度值;按照时间顺序,任意一个轨迹点的速度均大于或等于在该轨迹点之前的轨迹点的速度值;根据所述第一数量的轨迹点的记录数据计算得到转弯角度,在所述转弯角度达到第一预设角度阈值且所述第一数量的轨迹点的速度平均值满足第一预设速度平均阈值的同时,所述第一数量的轨迹点的加速度平均值满足第一预设加速度平均阈值。
在其中一个实施例中,所述第二预设条件包括以下至少一种:所述第一数量的轨迹点对应的速度值均大于预设第二速度值;按照时间顺序,任意一个轨迹点以及该轨迹点的前一个轨迹点对应的速度值等于预设第二速度值;按照时间顺序,任意一个轨迹点的速度均小于或等于在该轨迹点之前的轨迹点的速度值;根据所述第一数量的轨迹点的记录数据计算得到转弯角度,在所述转弯角度达到第二预设角度阈值且所述第一数量的轨迹点的速度平均值满足第二预设速度平均阈值的同时,所述第一数量的轨迹点的加速度平均值满足第二预设加速度平均阈值。
在其中一个实施例中,在所述机器模型根据所述预设时间内的行驶类型确定所述终端的驾驶行为类型之后,还包括:从数据库中获取与所述终端对应的历史行驶类型;根据所述历史行驶类型预测所述终端对应的行车出险率。
一种行车记录数据处理装置,所述装置包括:
数据获取模块,用于获取终端在预设时间内的行车记录数据,从所述行车记录数据中选取预设数量的轨迹点对应的记录数据;
数据输入模块,用于将所述预设数量的轨迹点对应的记录数据输入至机器模型中;
行驶类型判定模块,用于所述机器模型获取所述预设数量的轨迹点对应的速度值,当所述预设数量的轨迹点对应的速度值达到预设判断条件时,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取终端在预设时间内的行车记录数据;
从所述行车记录数据中选取预设数量的轨迹点对应的记录数据;
将所述预设数量的轨迹点对应的记录数据输入至机器模型中;
所述机器模型获取所述预设数量的轨迹点对应的速度值;
当所述预设数量的轨迹点对应的速度值达到预设判断条件时,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型;
所述机器模型根据所述预设时间内的行驶类型确定所述终端的驾驶行为类型。
一种计算机可读存储介质,其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:
获取终端在预设时间内的行车记录数据;
从所述行车记录数据中选取预设数量的轨迹点对应的记录数据;
将所述预设数量的轨迹点对应的记录数据输入至机器模型中;
所述机器模型获取所述预设数量的轨迹点对应的速度值;
当所述预设数量的轨迹点对应的速度值达到预设判断条件时,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型;
所述机器模型根据所述预设时间内的行驶类型确定所述终端的驾驶行为类型。
上述行车记录数据处理方法、装置、计算机设备和存储介质,通过获取到终端在预设时间内的行车记录数据,并从行车记录数据中选取预设数量的轨迹点对应的记录数据,在将选取出的预设数量的轨迹点对应的记录数据输入至机器模型中,由机器模型对预设数量的轨迹点对应的速度值进行分析判断,以确定终端的行驶类型,这种对行车记录数据的处理方法,能够有效准确的对用户的行车习惯进行统计分析,还能多次对行车记录数据进行利用分析,避免了对数据的资源浪费。
附图说明
图1为一个实施例中行车记录数据处理方法的应用场景图;
图2为一个实施例中行车记录数据处理方法的流程示意图;
图3为一个实施例中机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型步骤的流程示意图;
图4为一个实施例中在机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型步骤之后的流程示意图;
图5为一个实施例中行车记录数据处理装置的结构框图;
图6为另一个实施例中行车记录数据处理装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的行车记录数据处理方法,可以应用于如图1所示的应用环境中。其中,终端110通过网络与服务器120通过网络进行通信。在终端110上可装有预设应用,用于对终端的行驶轨迹进行记录,终端110可将终端的行车记录数据通过网络发送至服务器120进行保存。机器模型可以在终端110,也可以在服务器120,当机器模型在终端110时,可以通过网络从服务器120中获取到终端的行车记录数据。其中,终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种行车记录数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取终端在预设时间内的行车记录数据。
步骤204,从行车记录数据中选取预设数量的轨迹点对应的记录数据。
行车记录数据是指对终端处于行驶状态时的行程记录的数据。在终端上可以安装有预设应用,用户在使用预设应用时,可以登录用户的账号,每个账号对应一个用户标识。在用户在预设应用上登录了用户账号后,终端则与用户账户所对应,即终端与用户标识所对应。因此可以从数据库中获取到与终端上登录账号的用户标识所对应的在预设时间内的行车记录数据,并从行车记录数据中选取预设数量的轨迹点对应的记录数据。比如,在获取到终端在24小时内的行车记录数据后,可以在获取到的24小时的行车记录数据中选取N个轨迹点。预设数量N可以自定义设置,在获取到N个轨迹点后,可以获取到每个轨迹点对应的记录数据。每个轨迹点的记录数据可以包括每个轨迹点对应的传感器数据和陀螺仪数据,进一步地,记录数据可以是加速度值和/或角速度值。
步骤206,将预设数量的轨迹点对应的记录数据输入至机器模型中。
步骤208,机器模型获取预设数量的轨迹点对应的速度值。
步骤210,当预设数量的轨迹点对应的速度值达到预设判断条件时,机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型。
在获取到预设数量N个轨迹点的记录数据后,可以将每个轨迹点的记录数据输入至机器模型中,由机器模型获取到每个轨迹点的记录数据中包含的速度值,并根据轨迹点的速度值以确定终端在预设时间内的行驶类型。进一步地,机器模型会对每一个轨迹点的速度值进行判断,判断选取出的预设数量的轨迹点的速度值是否达到预设判断条件,从而可以根据轨迹点的速度值满足预设判断条件的数量确定终端在预设时间内的行驶类型。行驶类型是指在行驶状态所发生的状况的类型,至少包括有:急转弯、急加速、急减速等。
在一个实施例中,如图3所示,机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型,包括:
步骤302,从预设数量的轨迹点中选取第一数量的轨迹点。
步骤304,当第一数量的轨迹点对应的速度值满足第一预设条件时,机器模型判定终端在预设时间内存在第一行驶因子的数量加一。
在获取到终端对应的预设时间内的行车记录数据后,可从行车记录数据中选取预设数量的轨迹点对应的记录数据。进一步地,可分别对预设数量的轨迹点的记录数据进行分析。依次从预设数量的轨迹点中选取第一数量的轨迹点,当选取的第一数量的轨迹点对应的速度值满足第一预设条件时,机器模型则会判定终端在预设时间内存在第一行驶因子的数量加一。
在一个实施例中,第一预设条件包括以下至少一种:第一数量的轨迹点对应的速度值均大于预设第一速度值;按照时间顺序,任意一个轨迹点的速度均大于或等于在该轨迹点之前的轨迹点的速度值;根据第一数量的轨迹点的记录数据计算得到转弯角度,在转弯角度达到第一预设角度阈值且第一数量的轨迹点的速度平均值满足第一预设速度平均阈值的同时,第一数量的轨迹点的加速度平均值满足第一预设加速度平均阈值。
第一行驶因子可以是急加速因子,在判断终端在预设时间内是否存在有第一行驶因子以及确定第一行驶因子的数量时,可以判断第一数量的轨迹点对应的速度值是否满足预设第一速度值,若是,则认为第一数量的轨迹点满足急加速因子的条件,且急加速因子的数量加一。预设第一速度值是指预先设置的第一速度值,比如第一数量的轨迹点对应的速度值均要大于零。按照时间顺序,即按照行车记录数据的发生顺序,选取的第一数量的轨迹点中,任意一个轨迹点的速度均要大于或等于在该轨迹点之前的轨迹点的速度值。即若是满足急加速因子的条件时,后一个轨迹点的速度值会大于前一个轨迹点的速度值。在获取到第一数量的轨迹点的记录数据后,可根据第一数量的轨迹点的记录数据计算得到转弯角度,当转弯角度达到第一预设角度阈值、第一数量的轨迹点的速度平均值满足第一预设速度平均阈值,且第一数量的轨迹点的加速度平均值满足第一预设加速度平均阈值时,即同时满足这三个条件时,也可认为第一数量的轨迹点的速度值达到预设第一条件。
步骤306,当第一数量的轨迹点对应的速度值满足第二预设条件时,机器模型判定终端在预设时间内内存在第二行驶因子的数量加一。
在一个实施例中,第二预设条件包括以下至少一种:第一数量的轨迹点对应的速度值均大于预设第二速度值;按照时间顺序,任意一个轨迹点以及该轨迹点的前一个轨迹点对应的速度值等于预设第二速度值;按照时间顺序,任意一个轨迹点的速度均小于或等于在该轨迹点之前的轨迹点的速度值;根据第一数量的轨迹点的记录数据计算得到转弯角度,在转弯角度达到第二预设角度阈值且第一数量的轨迹点的速度平均值满足第二预设速度平均阈值的同时,第一数量的轨迹点的加速度平均值满足第二预设加速度平均阈值。
第二行驶因子可以是急减速因子。在判断终端在预设时间内是否存在有第二行驶因子以及确定第二行驶因子的数量时,可以首先判定第一数量的轨迹点对应的速度值是否全部大于预设第二速度值。或,按照时间顺序,判断第一数量中的任意一个轨迹点以及该轨迹点的前一个轨迹点对应的速度值是否等于预设第二速度值,若是第一数量的轨迹点对应的速度值全部大于预设第二速度值或者任意一个轨迹点以及该轨迹点的前一个轨迹点对应的速度值等于预设第二速度值,均可以判定第一数量的轨迹点满足急减速因子的条件,即第二预设条件,则急减速因子的数量加一。预设第二速度值也是指预先设置的速度值,比如第一数量的轨迹点对应的速度值均要大于零。预设第一速度值和预设第二速度值可以设置为相同,也设置为不同。还可以按照时间顺序,判定任意一个轨迹点的速度是否均小于或等于在该轨迹点之前的轨迹点的速度值。也就是说,若是满足急减速因子的条件时,后一个轨迹点的速度值会小于或等于前一个轨迹点的速度值。在获取到第一数量的轨迹点的记录数据后,可根据第一数量的轨迹点的记录数据计算得到转弯角度,当转弯角度达到第二预设角度阈值、第一数量的轨迹点的速度平均值满足第二预设速度平均阈值,且第一数量的轨迹点的加速度平均值满足第二预设加速度平均阈值时,即同时满足这三个条件时,也可认为第一数量的轨迹点的速度值达到预设第二条件。
步骤308,机器模型根据第一行驶因子的数量和第二行驶因子的数量确定终端在预设时间内的行驶类型。
以上述方式确定了预设时间内的行车记录数据中的第一行驶因子的数量和第二行驶因子的数量后,机器模型可以根据第一行驶因子的数量和第二行驶因子的数量确定终端在预设时间内的行驶类型。行驶类型可以是行驶平稳类型,行驶较为不稳定类型,行驶非常不稳定类型等等,行驶类型可以自定义。
上述行车记录数据处理方法,通过获取到终端在预设时间内的行车记录数据,并从行车记录数据中选取预设数量的轨迹点对应的记录数据,在将选取出的预设数量的轨迹点对应的记录数据输入至机器模型中,由机器模型对预设数量的轨迹点对应的速度值进行分析判断,以确定终端的行驶类型,这种对行车记录数据的处理方法,能够有效准确的对用户的行车习惯进行统计分析,还能多次对行车记录数据进行利用分析,避免了对数据的资源浪费。
在一个实施例中,预设判断条件包括以下至少一种:连续选取第一数量的轨迹点对应的速度值均达到预设行驶速度值;第一数量的轨迹点均满足预设有效条件;按照每个轨迹点的时间顺序,第一数量的轨迹点中,相距预设间隔数量的轨迹点之间的时间间隔小于预设时间阈值;第一数量的轨迹点对应的瞬间加速度值均在预设的加速度阈值范围内。
机器模型在判断选取出的预设数量的轨迹点对应的速度值达到预设判断条件时,可以根据以下至少一种判断条件进行判断。
条件1:连续选取第一数量的轨迹点对应的速度值均达到预设行驶速度值,是指在选取出的预设数量N的轨迹点中,再选取在行程轨迹上连续的第一数量N1个轨迹点,并且选取的N1个轨迹点对应的速度值都要达到预设行驶速度值。预设行驶速度值是指预先设置一个速度值,用于判断是否达到行驶状态时的最低速度。也就是说,当轨迹点的速度值等于或大于预设行驶速度值时,可以认为该轨迹时对应的状态为行驶状态,若是有轨迹点的速度值小于预设行驶速度值,可认为该轨迹点的状态为非行驶状态。
条件2:第一数量的轨迹点均满足预设有效条件,是指选取的第一数量的轨迹点均是有效的。判断轨迹点是否是有效点时,可以根据该轨迹点的经纬度范围,速度,精度,距离上一秒获取到的轨迹点的偏移距离等等进行判断。比如选取的轨迹点A1的经纬度范围已经偏移了轨迹点A1所在的行程轨迹曲线的经纬度时,可以判定轨迹点A1是无效点。又或者轨迹点A1与相邻的轨迹点A2的速度差值过大,则可以判定轨迹点A1是无效点。
条件3:按照每个轨迹点的时间顺序,第一数量的轨迹点中,相距预设间隔数量的轨迹点之间的时间间隔小于预设时间阈值。相隔预设间隔数量是指预先设置的间隔数,假设预设间隔数量为2,那么相距预设间隔数量的轨迹点则是指相隔2个数量的轨迹点。假设第一数量为5,按照时间顺序依次将第一数量的轨迹点排序,分别为A1,A2,A3,A4,A5,那么相隔2个数量的轨迹点有A1和A4,A2和A5,那么可以对A1和A4,以及A2和A5之间的时间间隔进行判断。判断A1和A4,A2和A5之间的时间间隔是否小于预设时间阈值,若是,则判定满足预设判断条件,否则判定为不满足预设判断条件。
条件4:第一数量的轨迹点对应的瞬间加速度值均在预设的加速度阈值范围内。预设的加速度阈值范围是预先设置的一个加速度范围。瞬间加速度=(前一个轨迹点的速度-当前轨迹点的速度)/两个轨迹点的时间差。当轨迹点的瞬间加速度位于预设的加速度阈值范围内时,可认为该轨迹点达到了预设判断条件。在条件4中,需要满足的是选取的第一数量的轨迹点的瞬间加速度值全部都要在预设的加速度阈值范围内,则判定为满足预设判断条件。
在一个实施例中,如图4所示,在机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型之后,还包括:
步骤402,从数据库中获取与终端对应的历史行驶类型。
步骤404,根据历史行驶类型预测用户标识对应的行车出险率。
历史行驶类型是指,根据终端的历史行车记录数据所确定的行车类型。在数据库中存储有与终端对应的行车记录数据,机器模型可定时从数据库中获取到某一段时间内的行车记录数据并进行分析,以获取在该段时间内的终端所对应的行驶类型,即为终端的历史行驶类型。在获取到终端对应的历史行驶类型后,可以用于预测终端对应的行车出险率。行车出险率是指行驶过程中出现事故或意外的概率。可以将终端的历史行驶类型与保险进行结合,则可以根据终端的行车出险率为车主推荐或定制合适的车险方案等。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种行车记录数据处理装置,包括:数据获取模块、数据输入模块和行驶类型判定模块,其中:
数据获取模块502,用于获取终端在预设时间内的行车记录数据,从行车记录数据中选取预设数量的轨迹点对应的记录数据。
数据输入模块504,用于将预设数量的轨迹点对应的记录数据输入至机器模型中。
行驶类型判定模块506,用于机器模型获取预设数量的轨迹点对应的速度值,当预设数量的轨迹点对应的速度值达到预设判断条件时,机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型。
在一个实施例中,预设判断条件包括以下至少一种:连续选取第一数量的轨迹点对应的速度值均达到预设行驶速度值;第一数量的轨迹点均满足预设有效条件;按照每个轨迹点的时间顺序,第一数量的轨迹点中,相距预设间隔数量的轨迹点之间的时间间隔小于预设时间阈值;第一数量的轨迹点对应的瞬间加速度值均在预设的加速度阈值范围内。
在一个实施例中,行驶类型判定模块506还用于从预设数量的轨迹点中选取第一数量的轨迹点;当第一数量的轨迹点对应的速度值满足第一预设条件时,机器模型判定终端在预设时间内存在第一行驶因子的数量加一;当第一数量的轨迹点对应的速度值满足第二预设条件时,机器模型判定终端在预设时间内内存在第二行驶因子的数量加一;机器模型根据第一行驶因子的数量和第二行驶因子的数量确定终端在预设时间内的行驶类型。
在一个实施例中,第一预设条件包括以下至少一种:第一数量的轨迹点对应的速度值均大于预设第一速度值;按照时间顺序,任意一个轨迹点的速度均大于或等于在该轨迹点之前的轨迹点的速度值;根据第一数量的轨迹点的记录数据计算得到转弯角度,在转弯角度达到第一预设角度阈值且第一数量的轨迹点的速度平均值满足第一预设速度平均阈值的同时,第一数量的轨迹点的加速度平均值满足第一预设加速度平均阈值。
在一个实施例中,第二预设条件包括以下至少一种:第一数量的轨迹点对应的速度值均大于预设第二速度值;按照时间顺序,任意一个轨迹点以及该轨迹点的前一个轨迹点对应的速度值等于预设第二速度值;按照时间顺序,任意一个轨迹点的速度均小于或等于在该轨迹点之前的轨迹点的速度值;根据第一数量的轨迹点的记录数据计算得到转弯角度,在转弯角度达到第二预设角度阈值且第一数量的轨迹点的速度平均值满足第二预设速度平均阈值的同时,第一数量的轨迹点的加速度平均值满足第二预设加速度平均阈值。
在一个实施例中,如图6所示,上述装置还包括车险预测模块508,用于从数据库中获取与终端对应的历史行驶类型;根据历史行驶类型预测终端对应的行车出险率。
关于行车记录数据处理装置的具体限定可以参见上文中对于行车记录数据处理方法的限定,在此不再赘述。上述行车记录数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储行车记录数据数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种行车记录数据处理方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取终端在预设时间内的行车记录数据;从行车记录数据中选取预设数量的轨迹点对应的记录数据;将预设数量的轨迹点对应的记录数据输入至机器模型中;机器模型获取预设数量的轨迹点对应的速度值;当预设数量的轨迹点对应的速度值达到预设判断条件时,机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型。
在一个实施例中,预设判断条件包括以下至少一种:连续选取第一数量的轨迹点对应的速度值均达到预设行驶速度值;第一数量的轨迹点均满足预设有效条件;按照每个轨迹点的时间顺序,第一数量的轨迹点中,相距预设间隔数量的轨迹点之间的时间间隔小于预设时间阈值;第一数量的轨迹点对应的瞬间加速度值均在预设的加速度阈值范围内。
在一个实施例中,机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型,包括:从预设数量的轨迹点中选取第一数量的轨迹点;当第一数量的轨迹点对应的速度值满足第一预设条件时,机器模型判定终端在预设时间内存在第一行驶因子的数量加一;当第一数量的轨迹点对应的速度值满足第二预设条件时,机器模型判定终端在预设时间内内存在第二行驶因子的数量加一;机器模型根据第一行驶因子的数量和第二行驶因子的数量确定终端在预设时间内的行驶类型。
在一个实施例中,第一预设条件包括以下至少一种:第一数量的轨迹点对应的速度值均大于预设第一速度值;按照时间顺序,任意一个轨迹点的速度均大于或等于在该轨迹点之前的轨迹点的速度值;根据第一数量的轨迹点的记录数据计算得到转弯角度,在转弯角度达到第一预设角度阈值且第一数量的轨迹点的速度平均值满足第一预设速度平均阈值的同时,第一数量的轨迹点的加速度平均值满足第一预设加速度平均阈值。
在一个实施例中,第二预设条件包括以下至少一种:第一数量的轨迹点对应的速度值均大于预设第二速度值;按照时间顺序,任意一个轨迹点以及该轨迹点的前一个轨迹点对应的速度值等于预设第二速度值;按照时间顺序,任意一个轨迹点的速度均小于或等于在该轨迹点之前的轨迹点的速度值;根据第一数量的轨迹点的记录数据计算得到转弯角度,在转弯角度达到第二预设角度阈值且第一数量的轨迹点的速度平均值满足第二预设速度平均阈值的同时,第一数量的轨迹点的加速度平均值满足第二预设加速度平均阈值。
在一个实施例中,在机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型之后,处理器执行计算机程序时还实现以下步骤:从数据库中获取与终端对应的历史行驶类型;根据历史行驶类型预测终端对应的行车出险率。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取终端在预设时间内的行车记录数据;从行车记录数据中选取预设数量的轨迹点对应的记录数据;将预设数量的轨迹点对应的记录数据输入至机器模型中;机器模型获取预设数量的轨迹点对应的速度值;当预设数量的轨迹点对应的速度值达到预设判断条件时,机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型。
在一个实施例中,预设判断条件包括以下至少一种:连续选取第一数量的轨迹点对应的速度值均达到预设行驶速度值;第一数量的轨迹点均满足预设有效条件;按照每个轨迹点的时间顺序,第一数量的轨迹点中,相距预设间隔数量的轨迹点之间的时间间隔小于预设时间阈值;第一数量的轨迹点对应的瞬间加速度值均在预设的加速度阈值范围内。
在一个实施例中,机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型,包括:从预设数量的轨迹点中选取第一数量的轨迹点;当第一数量的轨迹点对应的速度值满足第一预设条件时,机器模型判定终端在预设时间内存在第一行驶因子的数量加一;当第一数量的轨迹点对应的速度值满足第二预设条件时,机器模型判定终端在预设时间内内存在第二行驶因子的数量加一;机器模型根据第一行驶因子的数量和第二行驶因子的数量确定终端在预设时间内的行驶类型。
在一个实施例中,第一预设条件包括以下至少一种:第一数量的轨迹点对应的速度值均大于预设第一速度值;按照时间顺序,任意一个轨迹点的速度均大于或等于在该轨迹点之前的轨迹点的速度值;根据第一数量的轨迹点的记录数据计算得到转弯角度,在转弯角度达到第一预设角度阈值且第一数量的轨迹点的速度平均值满足第一预设速度平均阈值的同时,第一数量的轨迹点的加速度平均值满足第一预设加速度平均阈值。
在一个实施例中,第二预设条件包括以下至少一种:第一数量的轨迹点对应的速度值均大于预设第二速度值;按照时间顺序,任意一个轨迹点以及该轨迹点的前一个轨迹点对应的速度值等于预设第二速度值;按照时间顺序,任意一个轨迹点的速度均小于或等于在该轨迹点之前的轨迹点的速度值;根据第一数量的轨迹点的记录数据计算得到转弯角度,在转弯角度达到第二预设角度阈值且第一数量的轨迹点的速度平均值满足第二预设速度平均阈值的同时,第一数量的轨迹点的加速度平均值满足第二预设加速度平均阈值。
在一个实施例中,在机器模型根据预设数量的轨迹点的速度值确定终端在预设时间内的行驶类型之后,计算机程序被处理器执行时还实现以下步骤:从数据库中获取与终端对应的历史行驶类型;根据历史行驶类型预测终端对应的行车出险率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种行车记录数据处理方法,所述方法包括:
获取终端在预设时间内的行车记录数据;
从所述行车记录数据中选取预设数量的轨迹点对应的记录数据;
将所述预设数量的轨迹点对应的记录数据输入至机器模型中;
所述机器模型获取所述预设数量的轨迹点对应的速度值;
当所述预设数量的轨迹点对应的速度值达到预设判断条件时,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型。
2.根据权利要求1所述的方法,其特征在于,所述预设判断条件包括以下至少一种:
连续选取第一数量的轨迹点对应的速度值均达到预设行驶速度值;
所述第一数量的轨迹点均满足预设有效条件;
按照每个轨迹点的时间顺序,所述第一数量的轨迹点中,相距预设间隔数量的轨迹点之间的时间间隔小于预设时间阈值;
所述第一数量的轨迹点对应的瞬间加速度值均在预设的加速度阈值范围内。
3.根据权利要求1所述的方法,其特征在于,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型,包括:
从所述预设数量的轨迹点中选取第一数量的轨迹点;
当所述第一数量的轨迹点对应的速度值满足第一预设条件时,所述机器模型判定所述终端在所述预设时间内存在第一行驶因子的数量加一;
当所述第一数量的轨迹点对应的速度值满足第二预设条件时,所述机器模型判定所述终端在所述预设时间内内存在第二行驶因子的数量加一;
所述机器模型根据所述第一行驶因子的数量和所述第二行驶因子的数量确定所述终端在预设时间内的行驶类型。
4.根据权利要求3所述的方法,其特征在于,所述第一预设条件包括以下至少一种:
所述第一数量的轨迹点对应的速度值均大于预设第一速度值;
按照时间顺序,任意一个轨迹点的速度均大于或等于在该轨迹点之前的轨迹点的速度值;
根据所述第一数量的轨迹点的记录数据计算得到转弯角度,在所述转弯角度达到第一预设角度阈值且所述第一数量的轨迹点的速度平均值满足第一预设速度平均阈值的同时,所述第一数量的轨迹点的加速度平均值满足第一预设加速度平均阈值。
5.根据权利要求3所述的方法,其特征在于,所述第二预设条件包括以下至少一种:
所述第一数量的轨迹点对应的速度值均大于预设第二速度值;
按照时间顺序,任意一个轨迹点以及该轨迹点的前一个轨迹点对应的速度值等于预设第二速度值;
按照时间顺序,任意一个轨迹点的速度均小于或等于在该轨迹点之前的轨迹点的速度值;
根据所述第一数量的轨迹点的记录数据计算得到转弯角度,在所述转弯角度达到第二预设角度阈值且所述第一数量的轨迹点的速度平均值满足第二预设速度平均阈值的同时,所述第一数量的轨迹点的加速度平均值满足第二预设加速度平均阈值。
6.根据权利要求1所述的方法,其特征在于,在所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型之后,还包括:
从数据库中获取与所述终端对应的历史行驶类型;
根据所述历史行驶类型预测所述终端对应的行车出险率。
7.一种行车记录数据处理装置,其特征在于,所述装置包括:
数据获取模块,用于获取终端在预设时间内的行车记录数据,从所述行车记录数据中选取预设数量的轨迹点对应的记录数据;
数据输入模块,用于将所述预设数量的轨迹点对应的记录数据输入至机器模型中;
行驶类型判定模块,用于所述机器模型获取所述预设数量的轨迹点对应的速度值,当所述预设数量的轨迹点对应的速度值达到预设判断条件时,所述机器模型根据所述预设数量的轨迹点的速度值确定所述终端在预设时间内的行驶类型。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811123075.3A CN109493448A (zh) | 2018-09-26 | 2018-09-26 | 行车记录数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811123075.3A CN109493448A (zh) | 2018-09-26 | 2018-09-26 | 行车记录数据处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109493448A true CN109493448A (zh) | 2019-03-19 |
Family
ID=65690003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811123075.3A Pending CN109493448A (zh) | 2018-09-26 | 2018-09-26 | 行车记录数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109493448A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389974A (zh) * | 2015-11-19 | 2016-03-09 | 深圳市赛格导航科技股份有限公司 | 基于车辆历史行驶数据追踪车辆的方法及系统 |
CN105654719A (zh) * | 2016-01-13 | 2016-06-08 | 北京中交兴路信息科技有限公司 | 一种疲劳驾驶分析方法和装置 |
CN106781503A (zh) * | 2017-01-22 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 用于监测驾驶行为的方法和装置 |
CN207440847U (zh) * | 2017-07-31 | 2018-06-01 | 北京品智能量科技有限公司 | 行车数据处理装置及系统 |
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 |
CN108492563A (zh) * | 2018-04-12 | 2018-09-04 | 西南交通大学 | 一种基于平均速度的超速事件探测方法 |
-
2018
- 2018-09-26 CN CN201811123075.3A patent/CN109493448A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389974A (zh) * | 2015-11-19 | 2016-03-09 | 深圳市赛格导航科技股份有限公司 | 基于车辆历史行驶数据追踪车辆的方法及系统 |
CN105654719A (zh) * | 2016-01-13 | 2016-06-08 | 北京中交兴路信息科技有限公司 | 一种疲劳驾驶分析方法和装置 |
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 |
CN106781503A (zh) * | 2017-01-22 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 用于监测驾驶行为的方法和装置 |
CN207440847U (zh) * | 2017-07-31 | 2018-06-01 | 北京品智能量科技有限公司 | 行车数据处理装置及系统 |
CN108492563A (zh) * | 2018-04-12 | 2018-09-04 | 西南交通大学 | 一种基于平均速度的超速事件探测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111402580B (zh) | 车辆行驶轨迹预测方法、装置及电子设备 | |
CN113272838A (zh) | 虚拟场景生成方法、装置、计算机设备和存储介质 | |
CN108280995B (zh) | 车联网的路况数据处理方法、装置和计算机设备 | |
CN111091215B (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
CN109753623B (zh) | 一种自动驾驶车辆多测试场景分析与数目化简方法 | |
US20220119009A1 (en) | Method and Monitoring Server for Verifying Operation of Autonomous Vehicle Using Quality Control Verifying Application | |
CN110197119A (zh) | 行车数据分析方法、装置、计算机设备和存储介质 | |
CN112815948B (zh) | 识别偏航模式的方法、装置、计算机设备和存储介质 | |
CN111539087A (zh) | 自动驾驶系统仿真测试平台和自动驾驶系统评价方法 | |
CN105575155A (zh) | 用于确定车辆行驶信息的方法和设备 | |
CN114610961A (zh) | 上车点推荐方法、装置、计算机设备和存储介质 | |
CN109493448A (zh) | 行车记录数据处理方法、装置、计算机设备和存储介质 | |
CN107067042B (zh) | 汽车电子标识分类处理方法及系统 | |
CN113176839A (zh) | 基于地理位置的车辆互动方法、装置、计算机设备和介质 | |
CN105292127B (zh) | 一种急加速检测方法及车载终端 | |
CN116907523A (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
CN115352435A (zh) | 一种记忆泊车方法、装置、电子设备及存储介质 | |
CN115148028A (zh) | 依据历史数据构建车辆路测场景的方法、装置及一种车辆 | |
CN115203823A (zh) | 模拟驾驶测试方法、装置、计算机设备和存储介质 | |
CN114485826A (zh) | 一种车辆里程油耗数据确定方法及装置 | |
CN113674350A (zh) | 一种车位状态检测方法、装置、计算机设备和存储介质 | |
CN109889990B (zh) | 车辆进出围栏触发记录方法、装置、设备及存储介质 | |
CN114212105B (zh) | 一种高泛化能力的交互车辆驾驶意图预测方法和装置 | |
CN113127804B (zh) | 确定车辆故障次数的方法、装置、计算机设备和存储介质 | |
CN116308636A (zh) | 订单调度方法、装置、计算机设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190319 |