CN109800984A - 驾驶水平评估方法、装置、计算机设备和存储介质 - Google Patents
驾驶水平评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109800984A CN109800984A CN201910040283.5A CN201910040283A CN109800984A CN 109800984 A CN109800984 A CN 109800984A CN 201910040283 A CN201910040283 A CN 201910040283A CN 109800984 A CN109800984 A CN 109800984A
- Authority
- CN
- China
- Prior art keywords
- driving
- target user
- roadway
- value
- occurrence
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000006399 behavior Effects 0.000 claims abstract description 99
- 230000001133 acceleration Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 28
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种驾驶水平评估方法、装置、计算机设备和存储介质。所述方法包括:获取目标用户的行车轨迹数据,根据所述行车轨迹数据确定所述目标用户的各行车路段以及各所述行车路段的路段长度值;根据所述行车轨迹数据分析所述目标用户在各所述行车路段内的各类型的目标开车行为的当前出现次数,并获取在各所述行车路段内的各类型的目标开车行为的平均出现次数;根据各所述当前出现次数和各所述平均出现次数确定所述目标用户的各所述行车路段的驾驶分数子值;根据各所述驾驶分数子值以及各所述路段长度值确定所述目标用户的驾驶分数值,根据所述驾驶分数值评估目标用户的驾驶水平。采用本方法能够提升驾驶水平评估结果的准确性。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种驾驶水平评估方法、装置、计算机设备和存储介质。
背景技术
随着人们生活质量的不断提升,汽车已变成人们主要的代步工具,这就造成汽车的数量不断增加,汽车的增加的同时也使得汽车驾驶人员的人数也不断增多。在驾驶汽车时,每个人往往都会有一些不规范或不良的驾驶习惯,这些不规范的操作在没有人提醒时自己不易察觉,但却会提高发生危险的可能,为此,评估用户的驾驶水平非常有必要。传统的用户驾驶水平评估方式是基于检测到的不良驾驶行为采用分数扣取的方式进行评估,这种方式得到的驾驶水平评估结果往往准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种驾驶水平评估方法、装置、计算机设备和存储介质,能够提升驾驶信用分的准确性。
一种驾驶水平评估方法,该方法包括:
获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值;
根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数;
根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值;
根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。
在其中一个实施例中,上述的根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值,包括:
根据各当前出现次数以及预设的行为类型系数因子确定各第一评分参数值,各各第一评分参数值分别为目标用户在各行车路段内的评分参数值;
根据根据各平均出现次数以及预设的行为类型系数因子确定各第二评分参数值,各第二评分参数值分别为各行车路段内的平均评分参数值;
根据各第一评分参数值和各第二评分参数值确定目标用户的各行车路段的驾驶分数子值。
在其中一个实施例中,上述的根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,包括:
对各路段长度值进行求和,得到总路段长度值;
根据各路段长度值和总路段长度值确定各驾驶分数子值的权重值;
根据各权重值对各驾驶分数子值进行加权求和,得到目标用户的驾驶分数值。
在其中一个实施例中,上述的根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,包括:
根据行车轨迹数据确定目标用户在各行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向;
根据行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向,以及预设的各类型的评判阈值,分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数。
在其中一个实施例中,上述的驾驶水平评估方法,还包括:
根据各类型的等级划分阈值分别对各类型的目标开车行为进行等级划分;
根据等级划分结果统计各类型的各等级的目标开车行为的出现次数;
根据该各类型的各等级的目标开车行为的出现次数修正目标用户的各类型的目标开车行为的当前出现次数。
在其中一个实施例中,上述的获取目标用户的行车轨迹数据,包括:
获取原始行车轨迹数据,并获原始行车轨迹数据中各行车路段中的驾驶人脸部图像;
根据各行程中的驾驶人脸部图像以及目标用户的脸部图像对原始行车轨迹数据进行筛选,得到目标用户的行车轨迹数据。
在其中一个实施例中,上述的根据驾驶分数值评估目标用户的驾驶水平,包括:
根据目标用户的驾驶分数值,以及预设的驾驶分数值与驾驶水平等级的对应关系,评估目标用户的驾驶水平等级。
一种驾驶水平评估装置,该装置包括:
路段长度获取模块,用于获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值;
次数获取模块,用于根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数;
分数获取模块,用于根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值,根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值;
水平评估模块,用于根据驾驶分数值评估目标用户的驾驶水平。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值;
根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数;
根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值;
根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。
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:
获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值;
根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数;
根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值;
根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。
上述驾驶水平评估方法、装置、计算机设备和存储介质,是是获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值,根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数,根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值,根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。本方案中,结合不良开车行为的类型,不同行车路段的路段长度值,以及不同行车路段的用户平均水平等多方面因素进行驾驶水平评估,可以提升驾驶水平评估结果的准确性。
附图说明
图1为一个实施例中驾驶水平评估方法的应用场景图;
图2为一个实施例中驾驶水平评估方法的流程示意图;
图3为一个实施例中驾驶分数子值确定步骤的流程示意图;
图4为一个实施例中行车轨迹数据获取步骤的流程示意图;
图5为一个实施例中驾驶水平评估装置的结构框图;
图6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。
本申请提供的驾驶水平评估方法,可以应用于如图1所示的应用环境中。其中,终端102与服务器104通过网络进行通信。其中,终端102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,也可以是车载终端。服务器104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。终端102对目标用户的行车轨迹数据进行采集,并将所采集的行车轨迹数据发送给服务器104。服务器104获取到目标用户的行车轨迹数据后,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值,根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数,根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值,根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。如此,可以提升所获取到的驾驶信用分数的准确性。
在一个实施例中,如图2所示,提供了一种驾驶水平评估方法,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S202:获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值;
这里,行车轨迹数据可以是GPS点(Global Positioning System,全球定位系统)集合,GPS点集合中包括多个时刻的GPS点数据,GPS点数据可以包括精度值和纬度值。行车轨迹数据也可以是其他表征当前用户所驾驶的车辆各个时刻所在位置的数据。
具体地,服务器获取终端所采集的目标用户的行车轨迹数据,在获取到该行车轨迹数据后,可以根据该行车轨迹数据以及当前的道路交通网络信息确定目标用户的各行车路段以及各行车路段的路段长度值。其中,道路交通网络信息主要包括道路路段、路段长度、路段限速和道路等级等表示交通网络基本特征的属性。
步骤S204:根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数;
这里,目标开车行可以是不良开车行为,具体可以包括急刹车、急减速、急加速和急转弯等等。
这里,当前出现次数是针对目标用户而言的,是目标用户在各行车路段内各类型的目标开车行为的出现次数,平均出现次数是针对各个用户而言的,是各个用户在相应的各行车路段内各类型的目标开车行为的出现次数的平均值。
步骤S206:根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值;
具体地,可以根据第i个行车路段各类型的目标开车行为的当前出现次数和第i个行车路段各类型的目标开车行为的平均出现次数确定目标用户的第i个行车路段的驾驶分数子值,其中,i=1,2,3,...,n,n表示行车路段的总个数。
步骤S208:根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。
其中,驾驶分数值可以等于对目标用户的各行车路段的驾驶分数子值进行加权求和得到的加权求和值,加权求和中的各权值分别为各路段长度值与各路段长度值的总和值的比值。
上述驾驶水平评估方法中,是获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值,根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数,根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值,根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。本实施例中,综合了不良开车行为的类型的区别,不同行车路段的路段长度值,以及不同行车路段的用户平均水平等各方面的因素,可以提升驾驶水平评估结果的准确性。
本发明实施例评估出的驾驶水平可以应用到诸多方面。例如,驾驶辅助、车辆推荐以及保费确定等方面。以下以分别应用到辅助驾驶、车辆推荐以及保费确定三方面为例进行举例说明。但需要说明的是,驾驶水平的应用不限于此,且驾驶辅助、车辆推荐以及保费确定的实现方式也不限于以下方式。
对于驾驶水平应用到驾驶辅助中,可以将驾驶水平作为驾驶辅助的执行条件。例如,提供一种驾驶辅助方法,该方法包括:确定车辆驾驶员(目标用户)的驾驶水平,判断该驾驶水平是否满足预设的驾驶辅助的执行条件,若是,执行驾驶辅助。也可以是根据驾驶水平确定驾驶辅助策略,具体地,一种驾驶辅助方法,包括:根据车辆驾驶员的驾驶水平确定车辆驾驶员的驾驶水平等级,根据该驾驶水平等级确定与该驾驶水平等级匹配的驾驶辅助策略。如此,可以提高驾驶辅助的针对性,如可以对不同驾驶水平的车辆驾驶人员提供不同的驾驶辅助策略。
对于驾驶水平应用到车辆推荐中,可以将驾驶水平作为车辆推荐的推荐条件。具体地,提供一种车辆推荐方法,该方法包括:获取终端的车辆推荐请求,该车辆推荐请求携带有所述终端的当前位置信息;根据所述当前位置信息确定目标车辆,该目标车辆为所述终端的预设范围内的车辆;获取该目标车辆的车辆驾驶员的驾驶水平参数;根据该驾驶水平参数确定所述目标车辆中的待推荐车辆,向所述终端推荐所述待推荐车辆,其中,车辆驾驶员驾驶水平参数由车辆驾驶员的驾驶水平确定。该方案中结合驾驶水平参数和距离参数进行车辆推荐,可以使得驾驶水平高的驾驶员有更大的推荐几率,可以利于提升交通安全。同时,将车辆推荐与驾驶员的驾驶行为挂钩,能够使驾驶员(例如,出租车司机)体验到驾驶水平提升带来的推荐率的提升,从而帮助驾驶员改善驾驶行为,提升驾车综合素质,进一步提升交通安全。
对于驾驶水平应用到保费确定中,可以是根据驾驶水平确定折扣比例。具体地,提供一种车险保费折扣参数方法,该方法包括:确定车辆驾驶员(目标用户)的驾驶水平,根据该驾驶水平确定该车辆驾驶员的驾驶水平等级,根据该驾驶水平等级确定该车辆驾驶员的车险保费折扣参数。例如,对于驾驶水平越高的用户可以给一个越高的保费折扣参数。如此,将驾驶员的车险保费折扣参数和驾驶员的驾驶行为(驾驶水平)挂钩,使得驾驶员能够体验到安全驾驶带来的保费的下降,从而帮助驾驶员改善驾驶行为,提升车主驾车综合素质,提升交通安全。
上述的根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值,可以根据需要选择实现方式。以下给出两种具体的实现方式,但驾驶分数子值的获取方式不限于此。
方式一,根据其中,Fis表示目标用户的第i个行车路段的驾驶分数子值,Ff为基础分数值,为一个预设常数。Nij表示目标用户的第i个行车路段的第j个类型的当前出现次数,Naij表示第i个行车路段的第j个类型的平均出现次数,f1ij表示第j个类型的第一扣分参数,j=1,2,3,...,m,m表示总类型数,i=1,2,3,...,n,n表示行车路段的总个数。
方式二。根据其中,Fis表示目标用户的第i个行车路段的驾驶分数子值,Ff为基础分数值,为一个预设常数。kij表示第一调整系数,kij是根据Nij与Naij确定的系数,可以是Nij与Naij的比值,Nij表示目标用户的第i个行车路段的第j个类型的当前出现次数,Naij表示第i个行车路段的第j个类型的平均出现次数,f2ij表示第j个类型的第二扣分参数,j=1,2,3,...,m,m表示总类型数,i=1,2,3,...,n,n表示行车路段的总个数。
在其中一个实施例中,如图3所示,上述的根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值,可以包括:
步骤S302:根据各当前出现次数以及预设的行为类型系数因子确定各第一评分参数值,各各第一评分参数值分别为目标用户在各行车路段内的评分参数值;
具体地,可以根据确定各第一评分参数值,其中,lj表示第j个类型的行为类型系数因子,不同的类型的目标驾驶行为的行为类型系数因子可以是不同的,Pi表示目标用户的第i个行车路段的第一评分参数值。
步骤S304:根据根据各平均出现次数以及预设的行为类型系数因子确定各第二评分参数值,各第二评分参数值分别为各行车路段内的平均评分参数值;
具体地,可以根据确定各第二评分参数值,Pai表示第i个行车路段的第二评分参数值。
步骤S306:根据各第一评分参数值和各第二评分参数值确定目标用户的各行车路段的驾驶分数子值;
具体地,可以根据Fis=Ff-k’i·f·Pi确定目标用户的各行车路段的驾驶分数子值,其中,k’i表示第二调整系数,kij是根据Pi与Pai确定的系数,可以是Pi与Pai的比值,f表示第三扣分参数。
本实施例中,对各个目标开车行为分别设置了行为类型系数因子,在计算驾驶分数值考虑了该行为类型系数因子的影响,可便于进一步提升驾驶水平评估结果的准确性。
在其中一个实施例中,上述的根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,可以包括:对各路段长度值进行求和,得到总路段长度值;根据各路段长度值和总路段长度值确定各驾驶分数子值的权重值;根据各权重值对各驾驶分数子值进行加权求和,得到目标用户的驾驶分数值。
具体地,可以根据其中,F表示目标用户的驾驶分数值,Bi表示第i个行车路段的路段长度值。
本实施例中,基于加权求和的方式得到目标用户的驾驶分数值,且加权求和的权重值根据各路段长度值和总路段长度值确定,如此,可以避免出现用户的行驶距离越长驾驶水平越低的问题,可以提升驾驶水平评估的准确性。
在其中一个实施例中,上述的根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,可以包括:根据行车轨迹数据确定目标用户在各行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向;根据行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向,以及预设的各类型的评判阈值,分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数。
具体地,当加速度值大于第一预设评判阈值且速度值减小时,若速度值在预设时长内未减小到零,判定出现一次急减速;当加速度值大于第一预设评判阈值且速度值减小时,若速度值在预设时长内减小到零,判定出现一次为急刹车;当加速度值大于第一预设评判阈值且速度值增加时,判定出现一次急加速;若在设定时长内速度方向的角度改变值大于第二预设评判阈值,或者在设定时长内加速度方向的角度改变值大于第二预设评判阈值,判定为出现一次急转弯;根据这种方式统计目标用户在各行车路段内的各类型的目标开车行为的当前出现次数。
此外,目标开车行为还可以包括超速行驶。具体地,可以获取各行车路段内的限速信息,根据该限速信息以及各行车路段内的各个时刻的速度值确定目标用户在各行车路段内的超速行驶的出现次数。目标开车行为还可以包括开车中打电话,具体地,可以获取目标用户的通话记录信息,根据该通话记录信息以及行车轨迹数据的各个行车路段对应的行车时段,确定目标用户在在各行车路段内的开车中打电话次数以及开车中打电话时长信息。
传统判断不良开车行为的方式往往是基于单一阈值的,例如,在根据行车轨迹数据确定的加速度值大于预设阈值时,判定为急减速或者急加速,但即便同为急减速或者急加速,减速或者加速的程度不同,危险系数也是不同的。例如,同为急刹车,加速度值大于10米/秒,和加速度值大于20米/秒,可能造成的危害程度是不同,因此,将加速度值大于10米/秒的急刹车,和加速度值大于20米/秒的急刹车均作为一次相同的急刹车,合理性较低。
在其中一个实施例中,本发明的驾驶水平评估方法,还可以包括:根据各类型的等级划分阈值分别对各类型的目标开车行为进行等级划分;根据等级划分结果统计各类型的各等级的目标开车行为的出现次数;根据该各类型的各等级的目标开车行为的出现次数修正目标用户的各类型的目标开车行为的当前出现次数。
例如,上述的第一预设评判阈值和第二预设评判阈值可以分别包括多个不同的阈值,根据这些阈值分别对各类型的目标开车行为进行等级划分,根据等级划分结果统计各类型的各等级的目标开车行为的出现次数。不同类型的目标开车行为所划分出的等级的个数可以是不同的。
具体地,可以根据Nijo表示目标用户的第i个行车路段的第j个类型的第o个等级的出现次数,qjo表示第j个类型的第o个等级的次数调整因子,次数调整因子可以根据实际需要设定,危险系数越大的等级的次数调整因子越大。
本实施例的方案中,对各类型的目标开车行为进行细分,并基于等级划分结果对当前出现次数进行修正,可便于进一步提升评估结果的准确性。
在其中一个实施例中,如图4所示,上述的获取目标用户的行车轨迹数据,可以包括:
步骤S402:获取原始行车轨迹数据,并获原始行车轨迹数据中各行车路段中的驾驶人脸部图像;
其中,终端可以对各行车路段中的驾驶人脸部图像进行采集,将采集的驾驶人脸部图像发送给服务器,
步骤S404:根据各行程中的驾驶人脸部图像以及目标用户的脸部图像对原始行车轨迹数据进行筛选,得到目标用户的行车轨迹数据。
具体地,筛选出各行程中的驾驶人脸部图像与目标用户的脸部图像匹配的原始行车轨迹数据,将筛选出原始行车轨迹数据作为目标用户的行车轨迹数据。
采用本实施例的方案,使得后续用于评估目标用户的驾驶水平的行车轨迹数据均是目标用户的行车轨迹数据,便于进一步提升目标用户的驾驶水平的评估结果的准确性。
在其中一个实施例中,上述的根据驾驶分数值评估目标用户的驾驶水平,可以包括:根据目标用户的驾驶分数值,以及预设的驾驶分数值与驾驶水平等级的对应关系,评估目标用户的驾驶水平等级。
其中,驾驶分数值与驾驶水平等级的对应关系可以参见表1,F1、F2、F3和F4的大小可以根据需要设定。驾驶分数值与驾驶水平等级的对应关系也不限于表1中提供的方式。
表1
驾驶分数值 | 驾驶水平等级 |
F≤F1 | 第I等级 |
F1<F≤F2 | 第II等级 |
F2<F≤F3 | 第III等级 |
F3<F≤F4 | 第Ⅳ等级 |
F4<F | 第Ⅴ等级 |
在一个实施例中,如图5所示,提供了一种驾驶水平评估装置,包括:路段长度获取模块502、次数获取模块504、分数获取模块506和水平评估模块508,其中:
路段长度获取模块502,用于获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值;
次数获取模块504,用于根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数;
分数获取模块506,用于根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值,根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值;
水平评估模块508,用于根据驾驶分数值评估目标用户的驾驶水平。
在其中一个实施例中,分数获取模块506可以根据各当前出现次数以及预设的行为类型系数因子确定各第一评分参数值,各各第一评分参数值分别为目标用户在各行车路段内的评分参数值,根据根据各平均出现次数以及预设的行为类型系数因子确定各第二评分参数值,各第二评分参数值分别为各行车路段内的平均评分参数值,根据各第一评分参数值和各第二评分参数值确定目标用户的各行车路段的驾驶分数子值。
在其中一个实施例中,分数获取模块506可以对各路段长度值进行求和,得到总路段长度值,根据各路段长度值和总路段长度值确定各驾驶分数子值的权重值,根据各权重值对各驾驶分数子值进行加权求和,得到目标用户的驾驶分数值。
在其中一个实施例中,次数获取模块504可以根据行车轨迹数据确定目标用户在各行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向,根据行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向,以及预设的各类型的评判阈值,分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数。
在其中一个实施例中,次数获取模块504还可以用于根据各类型的等级划分阈值分别对各类型的目标开车行为进行等级划分,根据等级划分结果统计各类型的各等级的目标开车行为的出现次数,根据该各类型的各等级的目标开车行为的出现次数修正目标用户的各类型的目标开车行为的当前出现次数。
在其中一个实施例中,路段长度获取模块502可以获取原始行车轨迹数据,并获原始行车轨迹数据中各行车路段中的驾驶人脸部图像,根据各行程中的驾驶人脸部图像以及目标用户的脸部图像对原始行车轨迹数据进行筛选,得到目标用户的行车轨迹数据。
在其中一个实施例中,水平评估模块508可以根据目标用户的驾驶分数值,以及预设的驾驶分数值与驾驶水平等级的对应关系,评估目标用户的驾驶水平等级。
关于驾驶水平评估装置的具体限定可以参见上文中对于驾驶水平评估方法的限定,在此不再赘述。上述驾驶水平评估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6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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驾驶水平评估方法。
本领域技术人员可以理解,图6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:
获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值;
根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数;
根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值;
根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。
在一个实施例中,处理器执行计算机程序实现上述的根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值的步骤时,具体实现以下步骤:
根据各当前出现次数以及预设的行为类型系数因子确定各第一评分参数值,各各第一评分参数值分别为目标用户在各行车路段内的评分参数值;
根据根据各平均出现次数以及预设的行为类型系数因子确定各第二评分参数值,各第二评分参数值分别为各行车路段内的平均评分参数值;
根据各第一评分参数值和各第二评分参数值确定目标用户的各行车路段的驾驶分数子值。
在一个实施例中,处理器执行计算机程序实现上述的根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值的步骤时,具体实现以下步骤:
对各路段长度值进行求和,得到总路段长度值;
根据各路段长度值和总路段长度值确定各驾驶分数子值的权重值;
根据各权重值对各驾驶分数子值进行加权求和,得到目标用户的驾驶分数值。
在一个实施例中,处理器执行计算机程序实现上述的根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数的步骤时,具体实现以下步骤:
根据行车轨迹数据确定目标用户在各行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向;
根据行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向,以及预设的各类型的评判阈值,分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数。
在一个实施例中,处理器执行计算机程序时,还实现以下步骤:
根据各类型的等级划分阈值分别对各类型的目标开车行为进行等级划分;
根据等级划分结果统计各类型的各等级的目标开车行为的出现次数;
根据该各类型的各等级的目标开车行为的出现次数修正目标用户的各类型的目标开车行为的当前出现次数。
在一个实施例中,处理器执行计算机程序实现上述的获取目标用户的行车轨迹数据的步骤时,具体实现以下步骤:
获取原始行车轨迹数据,并获原始行车轨迹数据中各行车路段中的驾驶人脸部图像;
根据各行程中的驾驶人脸部图像以及目标用户的脸部图像对原始行车轨迹数据进行筛选,得到目标用户的行车轨迹数据。
在一个实施例中,处理器执行计算机程序实现上述的根据驾驶分数值评估目标用户的驾驶水平的步骤时,具体实现以下步骤:
根据目标用户的驾驶分数值,以及预设的驾驶分数值与驾驶水平等级的对应关系,评估目标用户的驾驶水平等级。
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:
获取目标用户的行车轨迹数据,根据行车轨迹数据确定目标用户的各行车路段以及各行车路段的路段长度值;
根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数,并获取在各行车路段内的各类型的目标开车行为的平均出现次数;
根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值;
根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值,根据驾驶分数值评估目标用户的驾驶水平。
在一个实施例中,计算机程序被处理器执行实现上述的根据各当前出现次数和各平均出现次数确定目标用户的各行车路段的驾驶分数子值的步骤时,具体实现以下步骤:
根据各当前出现次数以及预设的行为类型系数因子确定各第一评分参数值,各各第一评分参数值分别为目标用户在各行车路段内的评分参数值;
根据根据各平均出现次数以及预设的行为类型系数因子确定各第二评分参数值,各第二评分参数值分别为各行车路段内的平均评分参数值;
根据各第一评分参数值和各第二评分参数值确定目标用户的各行车路段的驾驶分数子值。
在一个实施例中,计算机程序被处理器执行实现上述的根据各驾驶分数子值以及各路段长度值确定目标用户的驾驶分数值的步骤时,具体实现以下步骤:
对各路段长度值进行求和,得到总路段长度值;
根据各路段长度值和总路段长度值确定各驾驶分数子值的权重值;
根据各权重值对各驾驶分数子值进行加权求和,得到目标用户的驾驶分数值。
在一个实施例中,计算机程序被处理器执行实现上述的根据行车轨迹数据分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数的步骤时,具体实现以下步骤:
根据行车轨迹数据确定目标用户在各行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向;
根据行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向,以及预设的各类型的评判阈值,分析目标用户在各行车路段内的各类型的目标开车行为的当前出现次数。
在一个实施例中,计算机程序被处理器执行时,还实现以下步骤:
根据各类型的等级划分阈值分别对各类型的目标开车行为进行等级划分;
根据等级划分结果统计各类型的各等级的目标开车行为的出现次数;
根据该各类型的各等级的目标开车行为的出现次数修正目标用户的各类型的目标开车行为的当前出现次数。
在一个实施例中,计算机程序被处理器执行实现上述的获取目标用户的行车轨迹数据的步骤时,具体实现以下步骤:
获取原始行车轨迹数据,并获原始行车轨迹数据中各行车路段中的驾驶人脸部图像;
根据各行程中的驾驶人脸部图像以及目标用户的脸部图像对原始行车轨迹数据进行筛选,得到目标用户的行车轨迹数据。
在一个实施例中,计算机程序被处理器执行实现上述的根据驾驶分数值评估目标用户的驾驶水平的步骤时,具体实现以下步骤:
根据目标用户的驾驶分数值,以及预设的驾驶分数值与驾驶水平等级的对应关系,评估目标用户的驾驶水平等级。
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 (10)
1.一种驾驶水平评估方法,所述方法包括:
获取目标用户的行车轨迹数据,根据所述行车轨迹数据确定所述目标用户的各行车路段以及各所述行车路段的路段长度值;
根据所述行车轨迹数据分析所述目标用户在各所述行车路段内的各类型的目标开车行为的当前出现次数,并获取在各所述行车路段内的各类型的目标开车行为的平均出现次数;
根据各所述当前出现次数和各所述平均出现次数确定所述目标用户的各所述行车路段的驾驶分数子值;
根据各所述驾驶分数子值以及各所述路段长度值确定所述目标用户的驾驶分数值,根据所述驾驶分数值评估目标用户的驾驶水平。
2.根据权利要求1所述的驾驶水平评估方法,其特征在于,所述根据各所述当前出现次数和各所述平均出现次数确定所述目标用户的各所述行车路段的驾驶分数子值,包括:
根据各所述当前出现次数以及预设的行为类型系数因子确定各第一评分参数值,各所述各第一评分参数值分别为所述目标用户在各所述行车路段内的评分参数值;
根据根据各所述平均出现次数以及预设的行为类型系数因子确定各第二评分参数值,各所述第二评分参数值分别为各所述行车路段内的平均评分参数值;
根据各所述第一评分参数值和各所述第二评分参数值确定所述目标用户的各所述行车路段的驾驶分数子值。
3.根据权利要求1或2所述的驾驶水平评估方法,其特征在于,所述根据各所述驾驶分数子值以及各所述路段长度值确定所述目标用户的驾驶分数值,包括:
对各所述路段长度值进行求和,得到总路段长度值;
根据各所述路段长度值和所述总路段长度值确定各所述驾驶分数子值的权重值;
根据各所述权重值对各所述驾驶分数子值进行加权求和,得到所述目标用户的驾驶分数值。
4.根据权利要求3所述的驾驶水平评估方法,其特征在于,所述根据所述行车轨迹数据分析所述目标用户在各所述行车路段内的各类型的目标开车行为的当前出现次数,包括:
根据所述行车轨迹数据确定所述目标用户在各所述行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向;
根据所述行车路段内的各个时刻的速度值、速度方向、加速度值和加速度方向,以及预设的各所述类型的评判阈值,分析所述目标用户在各所述行车路段内的各类型的目标开车行为的当前出现次数。
5.根据权利要求3所述的驾驶水平评估方法,其特征在于,所述方法还包括:
根据各所述类型的等级划分阈值分别对各所述类型的目标开车行为进行等级划分;
根据等级划分结果统计各类型的各等级的目标开车行为的出现次数;
根据该各类型的各等级的目标开车行为的出现次数修正目标用户的各类型的目标开车行为的当前出现次数。
6.根据权利要求3所述的驾驶水平评估方法,其特征在于,所述获取目标用户的行车轨迹数据,包括:
获取原始行车轨迹数据,并获原始行车轨迹数据中各行车路段中的驾驶人脸部图像;
根据各行程中的驾驶人脸部图像以及所述目标用户的脸部图像对所述原始行车轨迹数据进行筛选,得到所述目标用户的行车轨迹数据。
7.根据权利要求1或2所述的驾驶水平评估方法,其特征在于,所述根据所述驾驶分数值评估目标用户的驾驶水平,包括:
根据所述目标用户的驾驶分数值,以及预设的驾驶分数值与驾驶水平等级的对应关系,评估所述目标用户的驾驶水平等级。
8.一种驾驶水平评估装置,其特征在于,所述装置包括:
路段长度获取模块,用于获取目标用户的行车轨迹数据,根据所述行车轨迹数据确定所述目标用户的各行车路段以及各所述行车路段的路段长度值;
次数获取模块,用于根据所述行车轨迹数据分析所述目标用户在各所述行车路段内的各类型的目标开车行为的当前出现次数,并获取在各所述行车路段内的各类型的目标开车行为的平均出现次数;
分数获取模块,用于根据各所述当前出现次数和各所述平均出现次数确定所述目标用户的各所述行车路段的驾驶分数子值,根据各所述驾驶分数子值以及各所述路段长度值确定所述目标用户的驾驶分数值;
水平评估模块,用于根据所述驾驶分数值评估目标用户的驾驶水平。
9.一种计算机设备,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7中任一项所述方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040283.5A CN109800984B (zh) | 2019-01-16 | 2019-01-16 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
PCT/CN2019/116981 WO2020147391A1 (zh) | 2019-01-16 | 2019-11-11 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040283.5A CN109800984B (zh) | 2019-01-16 | 2019-01-16 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109800984A true CN109800984A (zh) | 2019-05-24 |
CN109800984B CN109800984B (zh) | 2024-03-01 |
Family
ID=66559488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040283.5A Active CN109800984B (zh) | 2019-01-16 | 2019-01-16 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109800984B (zh) |
WO (1) | WO2020147391A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159251A (zh) * | 2019-12-19 | 2020-05-15 | 青岛聚好联科技有限公司 | 一种异常数据的确定方法及装置 |
WO2020147391A1 (zh) * | 2019-01-16 | 2020-07-23 | 平安科技(深圳)有限公司 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
CN112183984A (zh) * | 2020-09-21 | 2021-01-05 | 长城汽车股份有限公司 | 驾驶行为处理方法、装置、存储介质和电子设备 |
CN113859246A (zh) * | 2020-06-30 | 2021-12-31 | 广州汽车集团股份有限公司 | 一种车辆控制方法和装置 |
CN116542830A (zh) * | 2023-07-06 | 2023-08-04 | 广州市德赛西威智慧交通技术有限公司 | 基于多元参数的智能评判方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112185106B (zh) * | 2020-08-25 | 2021-12-21 | 北京北大千方科技有限公司 | 一种不合理限速标志筛查方法、装置、存储介质及终端 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012247854A (ja) * | 2011-05-25 | 2012-12-13 | Shinchosha | 運転評価システム、運転評価用プログラム、及び運転評価方法 |
WO2016088375A1 (en) * | 2014-12-04 | 2016-06-09 | Ricoh Company, Limited | Driving determination device and detection device |
US20160297439A1 (en) * | 2015-04-08 | 2016-10-13 | Toyota Jidosha Kabushiki Kaisha | Driving support control apparatus for vehicle |
US20170132521A1 (en) * | 2015-11-06 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd. | Driving behavior evaluating method and device |
CN106781456A (zh) * | 2016-11-29 | 2017-05-31 | 广东好帮手电子科技股份有限公司 | 一种车辆驾驶安全性的评估数据处理方法及系统 |
WO2017186157A1 (zh) * | 2016-04-29 | 2017-11-02 | 盯盯拍(深圳)技术股份有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送系统 |
CN107918826A (zh) * | 2017-11-13 | 2018-04-17 | 北京航空航天大学 | 一种驾驶环境感知的司机评价与调度方法 |
CN108446824A (zh) * | 2018-02-08 | 2018-08-24 | 深圳市赛格导航科技股份有限公司 | 一种驾驶行为的风险评估方法、装置、设备及存储介质 |
CN109195095A (zh) * | 2018-09-04 | 2019-01-11 | 广东翼卡车联网服务有限公司 | 一种基于车载gps系统的行驶轨迹切分方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10001261C2 (de) * | 2000-01-14 | 2002-11-21 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Fahrweisenbewertung |
CN106780042A (zh) * | 2016-09-05 | 2017-05-31 | 中国人民财产保险股份有限公司 | 基于智能移动设备的驾驶行为数据采集以及评判方法 |
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 |
CN106710144B (zh) * | 2016-12-21 | 2019-10-18 | 东软集团股份有限公司 | 一种驾驶行程评价方法及装置 |
CN107292663A (zh) * | 2017-06-08 | 2017-10-24 | 北京深瞐科技有限公司 | 车险定价方法及装置 |
CN107161153B (zh) * | 2017-06-16 | 2019-11-29 | 重庆途安信息科技有限公司 | 一种驾驶行为评分方法及装置 |
CN107945311A (zh) * | 2017-11-29 | 2018-04-20 | 深圳市轱辘车联数据技术有限公司 | 一种危险驾驶行为的预警方法、装置、存储介质及服务器 |
CN109102194B (zh) * | 2018-08-20 | 2021-06-18 | 安徽佳略信息科技有限公司 | 一种基于全球定位系统与惯性传感器的驾驶行为评分方法 |
CN109800984B (zh) * | 2019-01-16 | 2024-03-01 | 平安科技(深圳)有限公司 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
-
2019
- 2019-01-16 CN CN201910040283.5A patent/CN109800984B/zh active Active
- 2019-11-11 WO PCT/CN2019/116981 patent/WO2020147391A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012247854A (ja) * | 2011-05-25 | 2012-12-13 | Shinchosha | 運転評価システム、運転評価用プログラム、及び運転評価方法 |
WO2016088375A1 (en) * | 2014-12-04 | 2016-06-09 | Ricoh Company, Limited | Driving determination device and detection device |
US20160297439A1 (en) * | 2015-04-08 | 2016-10-13 | Toyota Jidosha Kabushiki Kaisha | Driving support control apparatus for vehicle |
US20170132521A1 (en) * | 2015-11-06 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd. | Driving behavior evaluating method and device |
WO2017186157A1 (zh) * | 2016-04-29 | 2017-11-02 | 盯盯拍(深圳)技术股份有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送系统 |
CN106781456A (zh) * | 2016-11-29 | 2017-05-31 | 广东好帮手电子科技股份有限公司 | 一种车辆驾驶安全性的评估数据处理方法及系统 |
CN107918826A (zh) * | 2017-11-13 | 2018-04-17 | 北京航空航天大学 | 一种驾驶环境感知的司机评价与调度方法 |
CN108446824A (zh) * | 2018-02-08 | 2018-08-24 | 深圳市赛格导航科技股份有限公司 | 一种驾驶行为的风险评估方法、装置、设备及存储介质 |
CN109195095A (zh) * | 2018-09-04 | 2019-01-11 | 广东翼卡车联网服务有限公司 | 一种基于车载gps系统的行驶轨迹切分方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020147391A1 (zh) * | 2019-01-16 | 2020-07-23 | 平安科技(深圳)有限公司 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
CN111159251A (zh) * | 2019-12-19 | 2020-05-15 | 青岛聚好联科技有限公司 | 一种异常数据的确定方法及装置 |
CN113859246A (zh) * | 2020-06-30 | 2021-12-31 | 广州汽车集团股份有限公司 | 一种车辆控制方法和装置 |
CN113859246B (zh) * | 2020-06-30 | 2023-09-08 | 广州汽车集团股份有限公司 | 一种车辆控制方法和装置 |
CN112183984A (zh) * | 2020-09-21 | 2021-01-05 | 长城汽车股份有限公司 | 驾驶行为处理方法、装置、存储介质和电子设备 |
CN116542830A (zh) * | 2023-07-06 | 2023-08-04 | 广州市德赛西威智慧交通技术有限公司 | 基于多元参数的智能评判方法及装置 |
CN116542830B (zh) * | 2023-07-06 | 2024-03-15 | 广州市德赛西威智慧交通技术有限公司 | 基于多元参数的智能评判方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020147391A1 (zh) | 2020-07-23 |
CN109800984B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800984A (zh) | 驾驶水平评估方法、装置、计算机设备和存储介质 | |
US20240119536A1 (en) | Vehicle operation analytics, feedback, and enhancement | |
US10023200B2 (en) | Driver profiling system and method | |
US12012109B2 (en) | System and methods for determining owner's preferences based on vehicle owners telematics data | |
US10262530B2 (en) | Determining customized safe speeds for vehicles | |
DE112009002674B4 (de) | Navigationsvorrichtung | |
US20140081675A1 (en) | Systems, methods, and apparatus for optimizing claim appraisals | |
US20140108058A1 (en) | Method and System to Determine Auto Insurance Risk | |
US20100205012A1 (en) | System and method for providing a user interface for vehicle mentoring system users and insurers | |
CN110849384B (zh) | 导航路线生成方法、装置、可读存储介质和计算机设备 | |
US20140067434A1 (en) | Methods and Systems for Providing Risk Profile Analytics | |
CN108446824A (zh) | 一种驾驶行为的风险评估方法、装置、设备及存储介质 | |
CN111785023A (zh) | 一种车辆碰撞风险预警方法及系统 | |
WO2020107894A1 (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
Razi-Ardakani et al. | What factors results in having a severe crash? a closer look on distraction-related factors | |
CN112530163A (zh) | 交通事故预测方法、装置、电子设备及存储介质 | |
CN112241127B (zh) | 自动驾驶安全评分方法、装置、计算机设备和存储介质 | |
CN109767020A (zh) | 车辆推荐方法、装置、计算机设备和存储介质 | |
CN111368621B (zh) | 判断人员关系的方法、装置、设备及存储介质 | |
CN115204755B (zh) | 服务区入区率测算方法、装置、电子设备及可读存储介质 | |
CN110118553A (zh) | 生成行车参考数据的方法、装置、计算机设备和存储介质 | |
CN110827152A (zh) | 一种保险评估方法、系统及服务器 | |
CN115742758B (zh) | 续航里程计算方法、系统及新能源汽车 | |
EP3238196A1 (de) | Verfahren und system zur förderung umweltfreundlicher verkehrsmittel | |
CN117238141B (zh) | 目标车辆的跨区域出行行为识别方法、装置和电子设备 |
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 |