CN110001653A - 一种驾驶行为评估方法、服务器及计算机可读介质 - Google Patents
一种驾驶行为评估方法、服务器及计算机可读介质 Download PDFInfo
- Publication number
- CN110001653A CN110001653A CN201910256046.2A CN201910256046A CN110001653A CN 110001653 A CN110001653 A CN 110001653A CN 201910256046 A CN201910256046 A CN 201910256046A CN 110001653 A CN110001653 A CN 110001653A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- index item
- assessed
- scoring
- acceleration
- 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 57
- 239000006185 dispersion Substances 0.000 claims abstract description 50
- 230000001133 acceleration Effects 0.000 claims description 187
- 230000006399 behavior Effects 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 10
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 230000002045 lasting effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- IUVCFHHAEHNCFT-INIZCTEOSA-N 2-[(1s)-1-[4-amino-3-(3-fluoro-4-propan-2-yloxyphenyl)pyrazolo[3,4-d]pyrimidin-1-yl]ethyl]-6-fluoro-3-(3-fluorophenyl)chromen-4-one Chemical compound C1=C(F)C(OC(C)C)=CC=C1C(C1=C(N)N=CN=C11)=NN1[C@@H](C)C1=C(C=2C=C(F)C=CC=2)C(=O)C2=CC(F)=CC=C2O1 IUVCFHHAEHNCFT-INIZCTEOSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- B60W2040/0809—Driver authorisation; Driver identity check
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种驾驶行为评估方法、服务器及计算机可读介质,其中方法包括:获取待评估车辆的行驶数据,行驶数据包括至少一个指标项对应的参数值,第一指标项为至少一个指标项中的任意一个指标项;根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算第一指标项的评分;根据至少一个指标项分别对应的评分和至少一个指标项分别对应的权重确定所述待评估车辆的总评分;其中,总评分用于评估待评估车辆的驾驶行为。实施本申请,可以提高对车辆驾驶行为判断依据的准确性,有效帮助驾驶员纠正自己的不良驾驶行为。
Description
技术领域
本申请涉及汽车安全驾驶技术领域,尤其涉及一种驾驶行为评估方法、服务器及计算机可读介质。
背景技术
随着生活水平的不断提高,人们的交通出行方式由简单粗暴的“体力”模式变换到了多元化的“便捷”模式。其中,具有代表性的是从“两个轮子”演变成“四个轮子”。由于机动车辆的数量越来越多,在驾驶车辆过程中,不安全的驾驶行为带来了很多的安全隐患,容易造成巨大的财产和人员的损失,因此,如何改善驾驶员的驾驶行为已经成为一个不可忽视的问题。
现有技术中,通常是通过监控设备(例如,摄像头)监控驾驶员的操作行为是否安全、规范,而这一实现方式,并不能全面的评价驾驶员的驾驶行为,容易带来对驾驶员的驾驶行为的误判。因此,如何针对驾驶员的驾驶行为给出合理的评价,有效帮助驾驶员纠正自己的不良驾驶行为是本领域技术人员的研究热点。
发明内容
本申请实施例提供一种驾驶行为评估方法、服务器及计算机可读介质,可以提高对车辆驾驶行为判断依据的准确性,有效帮助驾驶员纠正自己的不良驾驶行为。
第一方面,本申请实施例提供了一种驾驶行为评估方法,该方法包括:
获取待评估车辆的行驶数据,所述行驶数据包括至少一个指标项对应的参数值,第一指标项为所述至少一个指标项中的任意一个指标项;
根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,其中,所述Q辆车辆与所述待评估车辆属于同一车辆类型,和/或所述Q辆车辆的行驶数据与所述待评估车辆的行驶数据属于同一路段类型的数据评分;其中,所述Q为大于0的正整数;
根据所述至少一个指标项分别对应的评分和所述至少一个指标项分别对应的权重确定所述待评估车辆的总评分;其中,所述总评分用于评估所述待评估车辆的驾驶行为。
在其中一种可能的实现方式中,所述方法还包括:
根据所述待评估车辆的总评分确定所述待评估车辆在预设时间段内行驶的M辆车辆中的排名,并输出所述待评估车辆的排名;其中,所述M为大于等于Q的正整数。
在其中一种可能的实现方式中,所述第一指标项为第一类型指标项时,所述根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,包括:
在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分。
在其中一种可能的实现方式中,所述在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分,包括:
在确定所述第一类型指标项的评分时,根据第一公式进行计算:
Q1=(a1-σ1)×T1
其中,Q1表示所述第一类型指标项的评分;a1表示所述待评估车辆的横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长。
在其中一种可能的实现方式中,所述第一指标项为第二类型指标项,所述第二类型指标项对应的参数值包括横向加速度、急加速状态下的加速度和急减速状态下的加速度;所述根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,包括:
在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分。
在其中一种可能的实现方式中,在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分,包括:
在确定所述第二类型指标项的评分时,根据第二公式进行计算:
Q2=A1(a1-σ1)×T1+A2(a2-σ2)×T2+A3(a3-σ3)×T3
其中,Q2表示所述第二类型指标项的评分;a1表示所述横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长;a2表示所述急加速状态下的加速度;σ2表示所述Q辆车辆的急加速状态下的加速度a2的标准差;T2表示所述待评估车辆驾驶过程中产生所述a2的持续时长;a3表示所述急减速状态下的加速度;σ3表示所述Q辆车辆的急减速状态下的加速度a3的标准差;T3表示所述待评估车辆驾驶过程中产生所述a3的持续时长;A1、A2以及A3表示权重系数。
在其中一种可能的实现方式中,所述车辆类型包括车辆系列、车辆品牌中的至少一种;所述路段类型包括直道、弯道角度介于第一预设阈值与第二预设阈值之间的弯道、弯道角度介于第二预设阈值与90度之间的弯道、直角弯道中的一种。
实施本申请实施例,服务器在计算待评估车辆的总评分的过程中,在同一车辆类型所确定的数据范围和/或同一路段类型所确定的数据范围内根据离散程度确定每个指标项的评分,之后,结合各个指标项的评分和权重计算总评分,继而便于直观地体现驾驶员的驾驶行为,可以提高对车辆驾驶行为判断依据的准确性,有效帮助驾驶员纠正自己的不良驾驶行为。
第二方面,本申请实施例提供了一种驾驶行为评估装置,该驾驶行为评估装置包括用于执行上述第一方面的方法的单元。具体地,该驾驶行为评估装置包括:
获取单元,用于获取待评估车辆的行驶数据,所述行驶数据包括至少一个指标项对应的参数值,第一指标项为所述至少一个指标项中的任意一个指标项;
第一确定单元,用于根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,其中,所述Q辆车辆与所述待评估车辆属于同一车辆类型,和/或所述Q辆车辆的行驶数据与所述待评估车辆的行驶数据属于同一路段类型的数据;其中,所述Q为大于0的正整数;
第二确定单元,用于根据所述至少一个指标项分别对应的评分和所述至少一个指标项分别对应的权重确定所述待评估车辆的总评分;其中,所述总评分用于评估所述待评估车辆的驾驶行为。
在其中一种可能的实现方式中,所述驾驶行为评估装置还包括:
第三确定单元,用于根据所述待评估车辆的总评分确定所述待评估车辆在预设时间段内行驶的M辆车辆中的排名;
输出单元,用于输出所述待评估车辆的排名。
在其中一种可能的实现方式中,所述第一指标项为第一类型指标项时,所述第一确定单元用于:
在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分。
在其中一种可能的实现方式中,所述第一确定单元具体用于:
在确定所述第一类型指标项的评分时,根据第一公式进行计算:
Q1=(a1-σ1)×T1
其中,Q1表示所述第一类型指标项的评分;a1表示所述待评估车辆的横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长。
在其中一种可能的实现方式中,所述第一指标项为第二类型指标项,所述第一确定单元用于:
在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分。
在其中一种可能的实现方式中,所述第一确定单元具体用于:
在确定所述第二类型指标项的评分时,根据第二公式进行计算:
Q2=A1(a1-σ1)×T1+A2(a2-σ2)×T2+A3(a3-σ3)×T3
其中,Q2表示所述第二类型指标项的评分;a1表示所述横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长;a2表示所述急加速状态下的加速度;σ2表示所述Q辆车辆的急加速状态下的加速度a2的标准差;T2表示所述待评估车辆驾驶过程中产生所述a2的持续时长;a3表示所述急减速状态下的加速度;σ3表示所述Q辆车辆的急减速状态下的加速度a3的标准差;T3表示所述待评估车辆驾驶过程中产生所述a3的持续时长;A1、A2以及A3表示权重系数。
在其中一种可能的实现方式中,所述车辆类型包括车辆系列、车辆品牌中的至少一种;所述路段类型包括直道、弯道角度介于第一预设阈值与第二预设阈值之间的弯道、弯道角度介于第二预设阈值与90度之间的弯道、直角弯道中的一种。
第三方面,本申请实施例提供了另一种服务器,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储支持服务器执行上述方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
第五方面,本申请实施例还提供了一种计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
实施本申请实施例,服务器在计算待评估车辆的总评分的过程中,在同一车辆类型所确定的数据范围和/或同一路段类型所确定的数据范围内根据离散程度确定每个指标项的评分,之后,结合各个指标项的评分和权重计算总评分;在确定了待评估车辆的总评分之后,服务器根据该待评估车辆的总评分确定其在预设时间段内行驶的M辆车辆中的排名,并输出显示,可以直观地体现出驾驶员的驾驶行为,可以提高对车辆驾驶行为判断依据的准确性,有效帮助驾驶员纠正自己的不良驾驶行为。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是本申请实施例提供的一种驾驶行为评估方法的示意流程图;
图2A是本申请实施例提供的一种车辆的行驶数据的处理流程图;
图2B是本申请实施例提供的另一种车辆的行驶数据的处理流程图;
图3是本申请实施例提供的一种驾驶行为评分显示界面示意图;
图4是本申请实施例提供的一种驾驶行为评估装置的结构示意图;
图5是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
下面结合图1所示的本申请实施例提供的一种驾驶行为评估方法的流程示意图,具体说明在本申请实施例中是如何实现针对驾驶员的驾驶行为的评估的,可以包括但不限于如下步骤:
步骤S200、获取待评估车辆的行驶数据,所述行驶数据包括至少一个指标项对应的参数值,第一指标项为所述至少一个指标项中的任意一个指标项;
在其中一个可能的实现方式中,可以通过远程信息处理服务器(T-BOX,Telematics Box)来获取驾驶车辆在行驶过程中的基础数据。这里,车载T-BOX是一种车辆网标准服务器设备,通常包含全球定位系统(GPS,Global Positioning System)模块、加速度传感器模块、移动通信模块、CAN通信模块和存储器等。车载T-BOX的主要功能是实时采集车内数据(也即基础数据)发送至汽车远程服务提供商(TSP,Telematics ServiceProvider),这里,基础数据包括但不限于:经纬度、油耗、速度、加速度、方向盘转角等等。可以理解的是,通过车载T-BOX采集到的基础数据相较于单一的摄像头或者零散的传感器来说,采集的数据更全面,且其采集到的数据的精确度更高。
在车载T-BOX获取到驾驶车辆在行驶过程中的基础数据之后,将上述基础数据统一上报给后台服务器,后台服务器推送到卡夫卡(Kafka)队列,统一在火星(Spark)计算引擎的计算模块进行流式计算,以得到多种不同类型的车辆的行驶数据。其具体实现流程请参见图2A所示。举例来说,在本申请实施例中,可以通过Spark计算模块统计车辆的不同维度参数值的累积时间,例如,驾驶员A在某一路段内速度为20km/h的持续时长为20s,速度为35km/h的持续时长为30s,并将上述中间结果存储到数据库中(例如,重申Redis缓存数据库)。可以理解的是,通过Spark计算模块对基础数据处理时,可以提高针对基础数据的处理效率。在其中一个可能的实现方式中,后台服务器在计算得到多种不同类型的车辆的行驶数据之后,将其发送给服务器。继而,本申请实施例中所涉及的服务器可以接收后台服务器发送的车辆的行驶数据。
具体地,在本申请实施例中,车辆的行驶数据(例如,速度、加速度等)均有其对应的时间戳。例如,待评估车辆在2019年2月27日13点10分的速度为65KM/h。
这里,车辆的行驶数据包括多个指标项各自对应的参数值。例如,在本申请实施例中,安全指标项对应的参数值为横向加速度。又例如,效率指标项对应的参数值为平均速度。又例如,节能指标项对应的参数值为速度。又例如,舒适指标项对应的参数值为横向加速度、急加速状态下的加速度和急减速状态下的加速度,等等。
步骤S202、根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,其中,所述Q辆车辆与所述待评估车辆属于同一车辆类型,和/或所述Q辆车辆的行驶数据与所述待评估车辆的行驶数据属于同一路段类型的数据,其中,所述Q为大于0的正整数。
这里,第一指标项的评分用于评估所述待评估车辆的第一指标项的得分。
基于图2A所示的车辆的行驶数据的处理流程图的基础上,如图2B所示,在对基础数据经过卡夫卡队列处理后,可以通过批处理流(Spark streaming)对基础数据进行处理,继而,服务器可以在特定数据范围内确定指标项的评分。例如,这里所涉及的特定数据范围包括同一车辆类型和/或同一路段类型所确定的数据范围。
具体实现中,服务器根据每个指标项各自对应的参数值确定指标项的评分时,可以包括以下三种情形:
(1)、在其中一个可能的实现方式中,服务器在同一车辆类型所确定的数据范围内根据标准差确定指标项的得分。这里,车辆类型包括车辆系列、车辆品牌中的至少一种。例如,车辆类型可以包括车辆系列;又例如,车辆类型可以包括车辆品牌。又例如,车辆类型可以包括车辆品牌下的车辆系列。
本申请实施例中,标准差,在概率统计中通常可以作为统计分布程度(statistical dispersion)上的测量。具体地,标准差的定义为:方差的算术平方根,其用于反映组内个体间的离散程度。
例如,一组样本数据中包括:{x1,x2,x3,.......,xn},在计算该样本数据的标准差时,先计算当前样本数据的平均值然后再计算标准差,其具体计算公式为:
其中,n为数据范围,也即数量的多少。
举例来说,服务器获取了100辆车辆的行驶数据,这100辆车辆的车辆类型的分布情况如表1所示:
表1车辆类型分布情况表
需要说明的是,在实际应用中,表1中所示的每个辆车均有其各自对应的行驶数据,例如,速度、横向加速度等等。
如表1所示,在服务器获取的100辆车辆的行驶数据中,汽车品牌A车辆的数量为35辆,其中,系列A1的数量为4辆,系列A2的数量为6辆,系列A3的数量为7辆,系列A4的数量为8辆;系列A5的数量为10辆;汽车品牌B车辆的数量为21辆,其中,系列B1的数量为5辆,系列B2的数量为6辆,系列B3的数量为5辆,系列B4的数量为3辆,系列B5的数量为2辆;汽车品牌C车辆的数量为9辆,其中,系列C1的数量为6辆,系列C2的数量为2辆,系列C3的数量为1辆;汽车品牌D车辆的数量为14辆,其中,系列D1的数量为9辆,系列D2的数量为5辆;汽车品牌E车辆的数量为21辆,其中,系列E1的数量为3辆,系列E2的数量为2辆,系列E3的数量为5辆,系列E4的数量为7辆,系列E5的数量为4辆。
具体实现中,服务器可以根据表1所示的车辆类型分布情况确定本申请实施例中所涉及的每个指标项的计算数据范围。
具体实现中,当待评估车辆与Q辆车辆属于同一车辆类型时,在当前确定的数据范围内确定每个指标项各自对应的参数值的标准差,继而根据该标准差确定每个指标项的评分。
具体地,所述第一指标项为第一类型指标项时,所述根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,包括:
在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分。
具体实现中,所述在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分,包括:
在确定所述第一类型指标项的评分时,根据第一公式进行计算:
Q1=(a1-σ1)×T1
其中,Q1表示所述第一类型指标项的评分;a1表示所述待评估车辆的横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长。
例如,在实际应用中,第一类型指标项可以为安全指标项,Q辆车辆与所述待评估车辆属于同一车辆类型是指Q辆车辆与所述待评估车辆属于同一车辆品牌。如前所述,安全指标项对应的参数值为横向加速度,待评估车辆的车辆型号为品牌A系列A5,服务器在品牌A车辆所确定的数据范围(35辆)内确定横向加速度的标准差,并获取待评估车辆在驾驶过程中产生上述横向加速度的持续时长,从而可以根据上述第一公式计算得到安全指标项的得分,例如,Q1=-60。这里,负数为安全指标项的绝对分。安全指标项的得分越高,表征越安全。
又例如,第一类型指标项可以为安全指标项,Q辆车辆与所述待评估车辆属于同一车辆类型是指Q辆车辆与所述待评估车辆属于同一车辆品牌下的相同车系。在这种情况下,待评估车辆的车辆型号为品牌A下的系列A5,服务器在品牌A系列A5车系所确定的数据范围(10辆)内确定横向加速度的标准差,并获取待评估车辆在驾驶过程中产生上述横向加速度的持续时长,从而可以根据上述第一公式计算得到安全指标项的得分,例如,Q1=-65。
具体实现中,所述第一指标项为第二类型指标项,所述第二类型指标项对应的参数值包括横向加速度、急加速状态下的加速度和急减速状态下的加速度;所述根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,包括:
在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分。
具体实现中,在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分,包括:
在确定所述第二类型指标项的评分时,根据第二公式进行计算:
Q2=A1(a1-σ1)×T1+A2(a2-σ2)×T2+A3(a3-σ3)×T3
其中,Q2表示所述第二类型指标项的评分;a1表示所述横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长;a2表示所述急加速状态下的加速度;σ2表示所述Q辆车辆的急加速状态下的加速度a2的标准差;T2表示所述待评估车辆驾驶过程中产生所述a2的持续时长;a3表示所述急减速状态下的加速度;σ3表示所述Q辆车辆的急减速状态下的加速度a3的标准差;T3表示所述待评估车辆驾驶过程中产生所述a3的持续时长;A1、A2以及A3表示权重系数。
在其中一个可能的实现方式中,权重系数A1、A2以及A3满足以下公式:
A1+A2+A3=1
例如,A1=0.5,A2=0.3,A3=0.2;又例如,A1=0.4,A2=0.5,A3=0.1,等等,本申请实施例不作具体限定。
例如,在实际应用中,第二类型指标项可以为舒适指标项,Q辆车辆与所述待评估车辆属于同一车辆类型是指Q辆车辆与所述待评估车辆属于同一车辆品牌。如前所述,舒适指标项对应的参数值为横向加速度、急加速状态下的加速度、急加速状态下的加速度,待评估车辆为品牌A系列A5,服务器在品牌A车辆所确定的数据范围(35辆)内确定横向加速度的标准差、急加速状态下的加速度的标准差以及急减速状态下的加速度的标准差,并获取待评估车辆在驾驶过程中产生上述三种类型的加速度各自对应的持续时长,从而可以根据上述第二公式计算得到舒适指标项的得分,例如,Q2=-70。这里,负数为舒适指标项的绝对分。
又例如,第二类型指标为舒适指标项,Q辆车辆与所述待评估车辆属于同一车辆类型是指Q辆车辆与所述待评估车辆属于同一车辆品牌下的相同车系。在这种情况下,待评估车辆的车辆型号为品牌A下的系列A5,服务器在品牌A系列A5车系所确定的数据范围(10辆)内确定横向加速度的标准差、急加速状态下的加速度的标准差以及急减速状态下的加速度的标准差,并获取待评估车辆在驾驶过程中产生上述三种类型的加速度各自对应的持续时长,从而可以根据上述第一公式计算得到舒适指标项的得分,例如,Q2=-80。
(2)、在其中另一个可能的实现方式中,服务器在同一道路类型所确定的数据范围内根据标准差确定指标项的评分。
在本申请实施例中,道路类型可以包括直道、小弯道、大弯道、直角弯道中的一种。
这里,小弯道是指弯道角度介于第一预设阈值与第二预设阈值之间的弯道;大弯道是指弯道角度介于第二预设阈值与90度之间的弯道;直角弯道是指弯道角度为90度的弯道。例如,第一预设阈值可以为5度,第二预设阈值为45度。
举例来说,服务器获取了100辆车辆在不同的道路类型上的行驶数据,具体地,可以如表2所示:
表2车辆在不同道路类型上的分布情况表
道路类型 | 车辆数量 |
直道 | 34 |
小弯道 | 26 |
大弯道 | 27 |
直角弯道 | 13 |
需要说明的是,在实际应用中,表2所示的每个车辆均有其各自对应的行驶数据,此处并没有展开进行说明。
如表2所示,在服务器获取的100辆车辆的行驶数据中,其中,有34辆车辆的行驶数据为直道行驶数据,有26辆车辆的行驶数据为小弯道行驶数据,有27辆车辆的行驶数据为大弯道行驶数据,有13辆车辆的行驶数据为直角弯道行驶数据。这里,服务器可以根据表2所示的不同道路类型上的车辆的行驶数据确定本申请实施例中所涉及的每个指标项的计算数据范围。
具体实现中,当Q辆车辆的行驶数据与所述待评估车辆的行驶数据属于同一路段类型的数据,在当前确定的数据范围内确定每个指标项各自对应的参数值的标准差,继而根据该标准差确定每个指标项的评分。
例如,在实际应用中,第一类型指标项可以为安全指标项,Q辆车辆的行驶数据与所述待评估车辆的行驶数据均为小弯道路段类型下的行驶数据,服务器在小弯道路段类型所确定的数据范围(26辆)内确定横向加速度的标准差,并获取待评估车辆在驾驶过程中产生上述横向加速度的持续时长,从而可以根据上述第一公式计算得到安全指标项的得分,例如,Q1=-75。
又例如,第二类型指标项为舒适指标项,Q辆车辆的行驶数据与所述待评估车辆的行驶数据均为大弯道路段类型下的行驶数据,服务器在大弯道路段类型所确定的数据范围(17辆)内确定横向加速度的标准差、急加速状态下的加速度的标准差以及急减速状态下的加速度的标准差,并获取待评估车辆在驾驶过程中产生上述三种类型的加速度各自对应的持续时长,从而可以根据上述第二公式计算得到舒适指标项的得分,例如,Q2=-60。
(3)、在其中领一个可能的实现方式中,服务器在同一车辆类型以及同一道路类型所确定的数据范围内根据标准差确定指标项的评分。
在本申请实施例中,关于服务器在同一车辆类型以及同一道路类型所确定的数据范围内根据标准差确定指标项的评分的具体实现为上述情形(1)和情形(2)的结合方式,请参考前述描述,此处不多加赘述。
在本申请实施例中,第一指标项还可以包括第三类型指标项,具体地,第三类型指标项可以为节能指标项,其中,节能指标项对应的参数值为油耗。在实际应用中,通过计算百公里油耗确定节能指标项的评分。这里,百公里油耗是指车辆在道路上按一定速度(例如,60km/h)行驶一百公里的油耗。油耗越低,表示越节能。
在本申请实施例中,第一指标项还可以包括第四类型指标项,具体地,第四类型指标项可以为效率指标项,其中,效率指标项对应的参数值为平均速度。在不超过限额速度的情况下,速度越高,表示通行越顺畅。例如,限额速度可以为道路允许的最高驾驶速度。
具体实现中,这里所涉及的几种不同类型的指标项对应的参数值除了上述示例外,还可以包括其他的参数值,本申请不作一一限定。
步骤S204、根据所述至少一个指标项分别对应的评分和所述至少一个指标项分别对应的权重确定所述待评估车辆的总评分;其中,所述总评分用于评估所述待评估车辆的驾驶行为。
例如,在计算得到第一类型指标项、第二类型指标项、第三类型指标项以及第四类型指标项各自对应的评分之后,获取这四个指标项各自对应的权重,在这种情况下,对上述4个指标项进行加权求和,例如,可以根据以下公式对上述4个指标项进行加权求和:
Q=Q1*T1+Q2*T2+Q3*T3+Q4*T4
其中,Q表示待评估车辆的总评分,Q1表示第一类型指标项的评分,Q2表示第二类型指标项的评分,Q3表示第三类型指标项的评分,Q4表示第四类型指标项的评分;T1表示第一类型指标项对应的权重系数,T2表示第二类型指标项对应的权重系数,T3表示第三类型指标项对应的权重系数,T4表示第四类型指标项对应的权重系数。可以理解的是,根据上述公式可以得到加权求和结果,该求和结果即为待评估车辆的总评分。
实施本申请实施例,服务器在计算待评估车辆的总评分的过程中,在同一车辆类型所确定的数据范围和/或同一路段类型所确定的数据范围内根据离散程度确定每个指标项的评分,之后,结合各个指标项的评分和权重计算总评分,继而便于直观地体现驾驶员的驾驶行为,可以提高对车辆驾驶行为判断依据的准确性,有效帮助驾驶员纠正自己的不良驾驶行为。
在本申请的其中一个实施例中,基于图1所示的驾驶行为评估方法的实现过程,在步骤S204之后,还可以执行步骤S206,接下来对其进行具体阐述:
步骤S206、根据所述待评估车辆的总评分确定所述待评估车辆在预设时间段内行驶的M辆车辆中的排名,并输出所述待评估车辆的排名;其中,所述M为大于等于Q的正整数。
在本申请实施例中,可以通过将待评估车辆的总评分进行归一化处理,从而可以实现将待评估车辆的绝对分得到相对分,继而根据该待评估车辆的相对分确定待评估车辆在预设时间段内行驶的M辆车辆中的排名。
这里,预设时间段可以为15分钟(例如,8点30分-8点45分之间的时间段),也可以为30分钟(例如,8点30分-9点00分之间的时间段),还可以为其他的时间段。
在其中一个可能的实现方式中,服务器可以在[50,100]这一区间范围内对待评估车辆的总评分进行归一化处理。在对待评估车辆的总评分进行归一化处理之后,可以将待评估车辆的绝对分和相对分定义为一个键值对,例如,该键值对可以表示为{key,value},其中,key表示绝对分,value表示相对分。这里,多个车辆的键值对构成了分数映射表。那么,在得到待评估车辆的驾驶行为的总评分之后,通过查询分数映射表可以得到其对应的相对分,从而可以确定其相对于15分钟之前所有驾驶车辆的一个排名。
举例来说,以第一类型指标项(安全指标项)为例,在15分钟之内,M辆车辆的驾驶员的得分为-100,-80,-60,-40,-20,0,其对应的排名分别为0,20%,40%,60%,80%,100%。若通过本申请实施例中所描述的方法确定待评估车辆的总评分为-68分,可以认为该待评估车辆最接近15分钟前的-60分,那么,可以确定其排名为60%。这里,采用最接近的方法确定待评估车辆的排名的原因在于:在预设时间段内行驶的车辆的样本数据足够大,可以认为在该预设时间段内存在一个驾驶行为与当前的待评估车辆的驾驶行为一致。
在本申请实施例中,服务器可以输出待评估车辆的驾驶行为评分,具体地,可以如图3所示。如图3所示,该显示界面30中包括驾驶行为综合评分、舒适驾驶评分、安全驾驶评分、节能驾驶评分、通行效率驾驶评分、超过用户百分比。具体地,待评估车辆1当前的驾驶行程中的驾驶行为综合评分为69分,其中,舒适驾驶评分为75分,安全驾驶评分为69分,节能驾驶评分为58分,通行效率驾驶评分为62分,该驾驶行为超过当前预设时间段内50%的驾驶员。这些指标项可以便于驾驶员直观的获悉自己在当前驾驶行程中的驾驶行为是否规范,以及是否存在不合理的驾驶行为。
进一步地,该显示界面30还可以显示一段时间内驾驶行为评分的曲线图,例如,这里所涉及的一段时间可以包括今天、昨天、近7天、近30天等等。
实施本申请实施例,服务器在计算待评估车辆的总评分的过程中,在同一车辆类型所确定的数据范围和/或同一路段类型所确定的数据范围内根据离散程度确定每个指标项的评分,之后,结合各个指标项的评分和权重计算总评分;在确定了待评估车辆的总评分之后,服务器根据该待评估车辆的总评分确定其在预设时间段内行驶的M辆车辆中的排名,并输出显示,可以直观地体现出驾驶员的驾驶行为,可以提高对车辆驾驶行为判断依据的准确性,有效帮助驾驶员纠正自己的不良驾驶行为。
上述详细阐述了本申请实施例的方法,为了便于更好地实施本申请实施例的上述方案,相应地,下面还提供用于配合实施上述方案的相关装置。
参见图4,图4为本申请实施例提供的一种驾驶行为评估装置的结构示意图,该装置40至少可以包括:获取单元400、第一确定单元402、第二确定单元404;其中,
获取单元400,用于获取待评估车辆的行驶数据,所述行驶数据包括至少一个指标项对应的参数值,第一指标项为所述至少一个指标项中的任意一个指标项;
第一确定单元402,用于根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,其中,所述Q辆车辆与所述待评估车辆属于同一车辆类型,和/或所述Q辆车辆的行驶数据与所述待评估车辆的行驶数据属于同一路段类型的数据;其中,所述Q为大于0的正整数;
第二确定单元404,用于根据所述至少一个指标项分别对应的评分和所述至少一个指标项分别对应的权重确定所述待评估车辆的总评分;其中,所述总评分用于评估所述待评估车辆的驾驶行为。
在其中一个可能的实现方式中,所述驾驶行为评估装置40还包括:
第三确定单元406,用于根据所述待评估车辆的总评分确定所述待评估车辆在预设时间段内行驶的M辆车辆中的排名;
输出单元408,用于输出所述待评估车辆的排名。
在其中一种可能的实现方式中,所述第一指标项为第一类型指标项时,所述第一确定单元404用于:
在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分。
在其中一种可能的实现方式中,所述第一确定单元404具体用于:
在确定所述第一类型指标项的评分时,根据第一公式进行计算:
Q1=(a1-σ1)×T1
其中,Q1表示所述第一类型指标项的评分;a1表示所述待评估车辆的横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长。
在其中一种可能的实现方式中,所述第一指标项为第二类型指标项,所述第一确定单元404用于:
在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分。
在其中一种可能的实现方式中,所述第一确定单元404具体用于:
在确定所述第二类型指标项的评分时,根据第二公式进行计算:
Q2=A1(a1-σ1)×T1+A2(a2-σ2)×T2+A3(a3-σ3)×T3
其中,Q2表示所述第二类型指标项的评分;a1表示所述横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长;a2表示所述急加速状态下的加速度;σ2表示所述Q辆车辆的急加速状态下的加速度a2的标准差;T2表示所述待评估车辆驾驶过程中产生所述a2的持续时长;a3表示所述急减速状态下的加速度;σ3表示所述Q辆车辆的急减速状态下的加速度a3的标准差;T3表示所述待评估车辆驾驶过程中产生所述a3的持续时长;A1、A2以及A3表示权重系数。
在其中一种可能的实现方式中,所述车辆类型包括车辆系列、车辆品牌中的至少一种;所述路段类型包括直道、弯道角度介于第一预设阈值与第二预设阈值之间的弯道、弯道角度介于第二预设阈值与90度之间的弯道、直角弯道中的一种。
实施本申请实施例,服务器在计算待评估车辆的总评分的过程中,在同一车辆类型所确定的数据范围和/或同一路段类型所确定的数据范围内根据离散程度确定每个指标项的评分,之后,结合各个指标项的评分和权重计算总评分;在确定了待评估车辆的总评分之后,服务器根据该待评估车辆的总评分确定其在预设时间段内行驶的M辆车辆中的排名,并输出显示,可以直观地体现出驾驶员的驾驶行为,可以提高对车辆驾驶行为判断依据的准确性,有效帮助驾驶员纠正自己的不良驾驶行为。
为了便于更好地实施本发明实施例的上述方案,本发明还对应提供了另一种服务器,下面结合附图来进行详细说明:
如图5示出的本发明实施例提供的服务器的结构示意图,服务器50可以包括处理器501、存储器504和通信模块505,处理器501、存储器504和通信模块505可以通过总线506相互连接。存储器504可以是高速随机存储记忆体(Random Access Memory,RAM)存储器,也可以是非易失性的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器504可选的还可以是至少一个位于远离前述处理器501的存储系统。存储器504用于存储应用程序代码,可以包括操作系统、网络通信模块、用户接口模块以及数据处理程序,通信模块505用于与外部设备进行信息交互;处理器501被配置用于调用该程序代码,执行以下步骤:
获取待评估车辆的行驶数据,所述行驶数据包括至少一个指标项对应的参数值,第一指标项为所述至少一个指标项中的任意一个指标项;
根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,其中,所述Q辆车辆与所述待评估车辆属于同一车辆类型,和/或所述Q辆车辆的行驶数据与所述待评估车辆的行驶数据属于同一路段类型的数据;其中,所述Q为大于0的正整数;
根据所述至少一个指标项分别对应的评分和所述至少一个指标项分别对应的权重确定所述待评估车辆的总评分;其中,所述总评分用于评估所述待评估车辆的驾驶行为。
其中,处理器501还可以用于:
根据所述待评估车辆的总评分确定所述待评估车辆在预设时间段内行驶的M辆车辆中的排名,并输出所述待评估车辆的排名;其中,所述M为大于等于Q的正整数。
其中,所述第一指标项为第一类型指标项时,处理器501根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,可以包括:
在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分。
其中,处理器501在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分,可以包括:
在确定所述第一类型指标项的评分时,根据第一公式进行计算:
Q1=(a1-σ1)×T1
其中,Q1表示所述第一类型指标项的评分;a1表示所述待评估车辆的横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长。
其中,所述第一指标项为第二类型指标项,所述第二类型指标项对应的参数值包括横向加速度、急加速状态下的加速度和急减速状态下的加速度;处理器501根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,可以包括:
在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分。
其中,处理器501在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分,可以包括:
在确定所述第二类型指标项的评分时,根据第二公式进行计算:
Q2=A1(a1-σ1)×T1+A2(a2-σ2)×T2+A3(a3-σ3)×T3
其中,Q2表示所述第二类型指标项的评分;a1表示所述横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长;a2表示所述急加速状态下的加速度;σ2表示所述Q辆车辆的急加速状态下的加速度a2的标准差;T2表示所述待评估车辆驾驶过程中产生所述a2的持续时长;a3表示所述急减速状态下的加速度;σ3表示所述Q辆车辆的急减速状态下的加速度a3的标准差;T3表示所述待评估车辆驾驶过程中产生所述a3的持续时长;A1、A2以及A3表示权重系数。
其中,所述车辆类型包括车辆系列、车辆品牌中的至少一种;所述路段类型包括直道、弯道角度介于第一预设阈值与第二预设阈值之间的弯道、弯道角度介于第二预设阈值与90度之间的弯道、直角弯道中的一种。
需要说明的是,本发明实施例中的服务器50中处理器的执行步骤可参考上述各方法实施例中图1实施例中的服务器运行的具体实现方式,这里不再赘述。
在具体实现中,服务器50可以包括移动手机、平板电脑、个人数字助理(PersonalDigital Assistant,PDA)、移动互联网设备(Mobile Internet Device,MID)等各种用户可以使用的设备,本发明实施例不作具体限定。
应理解,本申请实施例提供的方法可以适用的应用场景只是作为一种示例,实际应用中并不限于此。
还应理解,本申请中涉及的第一、第二、第三以及各种数字编号仅仅为描述方便进行的区分,并不用来限制本申请的范围。
应理解,本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本申请中字符“/”,一般表示前后关联对象是一种“或”的关系。
此外,在本申请的各个实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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。
所属领域的技术人员可以清楚的了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块和单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的单元可以是物理上分开的,也可以不是物理上分开的,作为单元显示的部件可以是物理单元,也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
此外,在本申请各个实施例中所涉及的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现,本申请对此不作限定。
本发明实施例还提供了一种计算机存储介质,该计算机可读存储介质中存储有指令,当其在计算机或处理器上运行时,使得计算机或处理器执行上述任一个实施例所述方法中的一个或多个步骤。上述装置的各组成模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在所述计算机可读取存储介质中,基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机产品存储在计算机可读存储介质中。
上述计算机可读存储介质可以是前述实施例所述的服务器的内部存储单元,例如硬盘或内存。上述计算机可读存储介质也可以是上述服务器的外部存储设备,例如配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,上述计算机可读存储介质还可以既包括上述服务器的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述服务器所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
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,可通过计算机程序来指令相关的硬件来完成,该计算机的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可存储程序代码的介质。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种驾驶行为评估方法,其特征在于,包括:
获取待评估车辆的行驶数据,所述行驶数据包括至少一个指标项对应的参数值,第一指标项为所述至少一个指标项中的任意一个指标项;
根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,其中,所述Q辆车辆与所述待评估车辆属于同一车辆类型,和/或所述Q辆车辆的行驶数据与所述待评估车辆的行驶数据属于同一路段类型的数据;其中,所述Q为大于0的正整数;
根据所述至少一个指标项分别对应的评分和所述至少一个指标项分别对应的权重确定所述待评估车辆的总评分;其中,所述总评分用于评估所述待评估车辆的驾驶行为。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述待评估车辆的总评分确定所述待评估车辆在预设时间段内行驶的M辆车辆中的排名,并输出所述待评估车辆的排名;其中,所述M为大于等于Q的正整数。
3.根据权利要求1所述的方法,其特征在于,所述第一指标项为第一类型指标项时,所述根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,包括:
在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分。
4.根据权利要求3所述的方法,其特征在于,所述在确定所述第一类型指标项的评分时,根据所述待评估车辆的横向加速度、所述Q辆车辆的横向加速度的标准差以及所述待评估车辆驾驶过程中产生所述横向加速度的持续时长,来确定所述第一类型指标项的评分,包括:
在确定所述第一类型指标项的评分时,根据第一公式进行计算:
Q1=(a1-σ1)×T1
其中,Q1表示所述第一类型指标项的评分;a1表示所述待评估车辆的横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长。
5.根据权利要求1所述的方法,其特征在于,所述第一指标项为第二类型指标项,所述第二类型指标项对应的参数值包括横向加速度、急加速状态下的加速度和急减速状态下的加速度;所述根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,包括:
在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分。
6.根据权利要求5所述的方法,其特征在于,在确定所述第二类型指标项的评分时,根据所述横向加速度的离散程度、急加速状态下的加速度的离散程度以及急减速状态下的加速度的离散程度,来确定所述第二类型指标项的评分,包括:
在确定所述第二类型指标项的评分时,根据第二公式进行计算:
Q2=A1(a1-σ1)×T1+A2(a2-σ2)×T2+A3(a3-σ3)×T3
其中,Q2表示所述第二类型指标项的评分;a1表示所述横向加速度;σ1表示所述Q辆车辆的横向加速度a1的标准差;T1表示所述待评估车辆驾驶过程中产生所述横向加速度a1的持续时长;a2表示所述急加速状态下的加速度;σ2表示所述Q辆车辆的急加速状态下的加速度a2的标准差;T2表示所述待评估车辆驾驶过程中产生所述a2的持续时长;a3表示所述急减速状态下的加速度;σ3表示所述Q辆车辆的急减速状态下的加速度a3的标准差;T3表示所述待评估车辆驾驶过程中产生所述a3的持续时长;A1、A2以及A3表示权重系数。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述车辆类型包括车辆系列、车辆品牌中的至少一种;所述路段类型包括直道、弯道角度介于第一预设阈值与第二预设阈值之间的弯道、弯道角度介于第二预设阈值与90度之间的弯道、直角弯道中的一种。
8.一种驾驶行为评估装置,其特征在于,包括:
获取单元,用于获取待评估车辆的行驶数据,所述行驶数据包括至少一个指标项对应的参数值,第一指标项为所述至少一个指标项中的任意一个指标项;
第一确定单元,用于根据第一指标项对应的参数值和Q辆车辆的第一指标项对应的参数值的离散程度计算所述第一指标项的评分,其中,所述Q辆车辆与所述待评估车辆属于同一车辆类型,和/或所述Q辆车辆的行驶数据与所述待评估车辆的行驶数据属于同一路段类型的数据;其中,所述Q为大于0的正整数;
第二确定单元,用于根据所述至少一个指标项分别对应的评分和所述至少一个指标项分别对应的权重确定所述待评估车辆的总评分;其中,所述总评分用于评估所述待评估车辆的驾驶行为。
9.一种服务器,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一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存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910256046.2A CN110001653B (zh) | 2019-03-29 | 2019-03-29 | 一种驾驶行为评估方法、服务器及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910256046.2A CN110001653B (zh) | 2019-03-29 | 2019-03-29 | 一种驾驶行为评估方法、服务器及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110001653A true CN110001653A (zh) | 2019-07-12 |
CN110001653B CN110001653B (zh) | 2021-03-26 |
Family
ID=67169185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910256046.2A Active CN110001653B (zh) | 2019-03-29 | 2019-03-29 | 一种驾驶行为评估方法、服务器及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110001653B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110843799A (zh) * | 2019-11-27 | 2020-02-28 | 星觅(上海)科技有限公司 | 驾驶行为处理方法、装置、设备和介质 |
CN111361568A (zh) * | 2020-03-10 | 2020-07-03 | 广州通达汽车电气股份有限公司 | 一种司机驾驶行为评估方法、装置、设备及存储介质 |
CN111597199A (zh) * | 2020-05-18 | 2020-08-28 | 泰康保险集团股份有限公司 | 车型查询方法、装置、设备及计算机可读存储介质 |
CN111832597A (zh) * | 2019-08-01 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种车辆类型的判定方法及装置 |
CN112346999A (zh) * | 2021-01-11 | 2021-02-09 | 北京赛目科技有限公司 | 一种场景无关的无人驾驶仿真测试评估方法及装置 |
CN112651584A (zh) * | 2019-10-11 | 2021-04-13 | 上海汽车集团股份有限公司 | 一种驾驶环境安全性评估方法及装置 |
CN113918891A (zh) * | 2021-09-16 | 2022-01-11 | 广州文远知行科技有限公司 | 驾驶系统评估方法、装置、计算机设备和存储介质 |
CN114426025A (zh) * | 2022-03-17 | 2022-05-03 | 一汽解放汽车有限公司 | 驾驶辅助方法、装置、计算机设备和存储介质 |
CN114842571A (zh) * | 2021-02-02 | 2022-08-02 | 深圳市易流科技股份有限公司 | 一种驾驶行为数据的确定方法及装置 |
CN111832597B (zh) * | 2019-08-01 | 2024-06-11 | 北京嘀嘀无限科技发展有限公司 | 一种车辆类型的判定方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080255722A1 (en) * | 2006-05-22 | 2008-10-16 | Mcclellan Scott | System and Method for Evaluating Driver Behavior |
CN104978492A (zh) * | 2015-07-09 | 2015-10-14 | 彩虹无线(北京)新技术有限公司 | 一种基于车联网数据流的安全驾驶评价方法 |
CN105654574A (zh) * | 2015-12-31 | 2016-06-08 | 深圳广联赛讯有限公司 | 基于车载设备的驾驶行为评估方法及装置 |
CN108091133A (zh) * | 2017-11-27 | 2018-05-29 | 银江股份有限公司 | 一种基于海量交通数据分析的车辆安全驾驶行为分析方法 |
CN109034589A (zh) * | 2018-07-18 | 2018-12-18 | 南斗六星系统集成有限公司 | 一种基于大数据分析的驾驶行为评价方法及系统 |
-
2019
- 2019-03-29 CN CN201910256046.2A patent/CN110001653B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080255722A1 (en) * | 2006-05-22 | 2008-10-16 | Mcclellan Scott | System and Method for Evaluating Driver Behavior |
CN104978492A (zh) * | 2015-07-09 | 2015-10-14 | 彩虹无线(北京)新技术有限公司 | 一种基于车联网数据流的安全驾驶评价方法 |
CN105654574A (zh) * | 2015-12-31 | 2016-06-08 | 深圳广联赛讯有限公司 | 基于车载设备的驾驶行为评估方法及装置 |
CN108091133A (zh) * | 2017-11-27 | 2018-05-29 | 银江股份有限公司 | 一种基于海量交通数据分析的车辆安全驾驶行为分析方法 |
CN109034589A (zh) * | 2018-07-18 | 2018-12-18 | 南斗六星系统集成有限公司 | 一种基于大数据分析的驾驶行为评价方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832597A (zh) * | 2019-08-01 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 一种车辆类型的判定方法及装置 |
CN111832597B (zh) * | 2019-08-01 | 2024-06-11 | 北京嘀嘀无限科技发展有限公司 | 一种车辆类型的判定方法及装置 |
CN112651584A (zh) * | 2019-10-11 | 2021-04-13 | 上海汽车集团股份有限公司 | 一种驾驶环境安全性评估方法及装置 |
CN110843799A (zh) * | 2019-11-27 | 2020-02-28 | 星觅(上海)科技有限公司 | 驾驶行为处理方法、装置、设备和介质 |
CN111361568A (zh) * | 2020-03-10 | 2020-07-03 | 广州通达汽车电气股份有限公司 | 一种司机驾驶行为评估方法、装置、设备及存储介质 |
CN111597199A (zh) * | 2020-05-18 | 2020-08-28 | 泰康保险集团股份有限公司 | 车型查询方法、装置、设备及计算机可读存储介质 |
CN112346999A (zh) * | 2021-01-11 | 2021-02-09 | 北京赛目科技有限公司 | 一种场景无关的无人驾驶仿真测试评估方法及装置 |
CN114842571A (zh) * | 2021-02-02 | 2022-08-02 | 深圳市易流科技股份有限公司 | 一种驾驶行为数据的确定方法及装置 |
CN113918891A (zh) * | 2021-09-16 | 2022-01-11 | 广州文远知行科技有限公司 | 驾驶系统评估方法、装置、计算机设备和存储介质 |
CN113918891B (zh) * | 2021-09-16 | 2022-08-23 | 广州文远知行科技有限公司 | 驾驶系统评估方法、装置、计算机设备和存储介质 |
CN114426025A (zh) * | 2022-03-17 | 2022-05-03 | 一汽解放汽车有限公司 | 驾驶辅助方法、装置、计算机设备和存储介质 |
CN114426025B (zh) * | 2022-03-17 | 2023-11-14 | 一汽解放汽车有限公司 | 驾驶辅助方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110001653B (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110001653A (zh) | 一种驾驶行为评估方法、服务器及计算机可读介质 | |
WO2021135653A1 (zh) | 一种识别车辆的异常停留的方法和系统 | |
CN110091751B (zh) | 基于深度学习的电动汽车续航里程预测方法、设备及介质 | |
Zhang et al. | Eco‐driving at signalised intersections for electric vehicles | |
JP6918137B2 (ja) | 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 | |
CN105868787A (zh) | 基于工况识别和模糊能耗的电动汽车续驶里程估算方法 | |
CN106427589A (zh) | 基于工况预测和模糊能耗的电动汽车续驶里程估算方法 | |
CN104408924B (zh) | 一种基于耦合隐马尔可夫模型的城市道路异常交通流检测方法 | |
CN109931856A (zh) | 道路平整度的采集方法/系统,评价系统,介质及服务端 | |
Szumska et al. | Parameters influencing on electric vehicle range | |
CN108513676A (zh) | 一种路况识别方法、装置及设备 | |
CN111159533A (zh) | 一种基于用户画像的智能充电服务推荐方法和系统 | |
Guo et al. | A novel energy consumption prediction model with combination of road information and driving style of BEVs | |
CN111724603A (zh) | 基于交通轨迹数据的cav状态判定方法、装置、设备及介质 | |
CN114005297B (zh) | 一种基于车联网的车队协调行驶方法 | |
CN108944941A (zh) | 一种基于车载终端的驾驶习惯实时反馈方法及系统、车载终端 | |
WO2022142064A1 (zh) | 驾驶评估方法、装置及非暂态计算机可读存储介质 | |
CN112966352B (zh) | 交通事故中车辆变形碰撞能量快速计算系统及计算方法 | |
CN114969092A (zh) | 基于虚幻引擎的驾驶仿真系统及仿真实验方法 | |
CN114169247A (zh) | 仿真交通流的生成方法、装置、设备和计算机可读存储介质 | |
CN110474803B (zh) | 车联网系统的处理方法及相关设备 | |
CN113808388A (zh) | 综合考虑小汽车和公共交通运行的交通拥堵分析方法 | |
CN107203561A (zh) | 一种数据处理方法和设备 | |
Weber et al. | Data-driven bev modeling for realistic consumption calculation in traffic simulation | |
Kim et al. | SALT-Viz: Real-Time Visualization for Large-Scale Traffic Simulation |
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 |