CN110120153A - 一种公交驾驶事故风险评估系统及其方法 - Google Patents
一种公交驾驶事故风险评估系统及其方法 Download PDFInfo
- Publication number
- CN110120153A CN110120153A CN201910440233.6A CN201910440233A CN110120153A CN 110120153 A CN110120153 A CN 110120153A CN 201910440233 A CN201910440233 A CN 201910440233A CN 110120153 A CN110120153 A CN 110120153A
- Authority
- CN
- China
- Prior art keywords
- accident risk
- data
- public transport
- vehicle
- activity recognition
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 10
- 206010048232 Yawning Diseases 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Analytical Chemistry (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Chemical & Material Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种公交驾驶事故风险评估系统及其方法,通过设定公交驾驶员在营运过程中的事故风险评价指标,包括行为监管、行为识别以及分路段超速监测,建立公交驾驶事故风险评估模型,将公交驾驶员在营运过程中产生的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据等代入评估模型中,获得公交驾驶事故风险评估值,从而对公交驾驶员的驾驶事故风险做出预测,使得公交企业能够提前对公交驾驶员进行针对性的安全教育。
Description
技术领域
本发明涉及公共交通的技术领域,尤其涉及到一种公交驾驶事故风险评估系统及其方法。
背景技术
安全驾驶与交通行业息息相关。城市公交具有客流疏导的功能,承担着市民的生命财产安全,在城市的交通安全管理上尤为重要。
引发交通事故的因素包括超速、疲劳驾驶、行车打手机等,目前可以通过GPS、CAN总线、驾驶行为识别设备等技术手段对这些不良驾驶行为习惯进行监测。但由于受到驾驶员的思维惯性、心理以及驾驶习惯等外部环境影响,对发生事故风险程度缺乏有效预测。
发明内容
本发明的目的在于克服现有技术的不足,提供一种公交驾驶事故风险评估系统,通过设定公交驾驶员在营运过程中的事故风险评价指标,建立公交驾驶事故风险评估模型。所基于的评价指标包括行为监管、行为识别以及分路段超速监测,确定公交驾驶事故风险评估值表达式,将公交驾驶员在营运过程中产生的行驶记录数据,包括行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据等代入评估模型,则可对公交驾驶事故风险进行量化评估,对事故风险倾向进行预测。
为实现上述目的,本发明所提供的技术方案为:
包括车载信息采集模块、分路段超速规则库、行为监管记录数据库、通讯模块、数据分析模块;
其中,车载信息采集模块包括行为识别单元、车载GPS、CAN总线;
所述行为识别单元、车载GPS、CAN总线分别与通讯模块连接;
所述分路段超速规则库、行为监管记录数据库、通讯模块分别与数据分析模块连接;
所述行为识别单元,用于采集公交驾驶员的行为识别数据;
所述车载GPS,用于采集车辆位置数据和车辆位移速度数据;
所述CAN总线,用于判断天气状态;
所述分路段超速规则库,用于记录路段或路口在不同天气状态时的超速报警阈值数据;
所述行为监管记录数据库,用于记录待评估驾驶员的行为监管数据;
所述通讯模块,通过4G网络方式把实时采集的车载数据传输到数据分析模块;
所述数据分析模块,根据所采集的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据,通过所建立的公交驾驶事故风险评估模型计算得出待评估驾驶员的事故风险值。
进一步地,所述CAN总线采集的数据项为雨刮。
为实现上述目的,本发明另外提供一种用于所述公交驾驶事故风险评估系统的方法,包括以下步骤:
S1:设定公交驾驶员在营运过程的事故风险评价指标,在数据分析模块中建立公交驾驶事故风险评估模型;
所述评价指标包括行为监管、行为识别以及分路段超速监测,所述公交驾驶事故风险评估模型采用如下公式描述:
Q=Qsup+Qrec+Qspe
其中,Q为事故风险分值;Qsup为行为监管分值;Qrec为行为识别分值;Qspe为分路段超速监测分值;
S2:把处于同一条线路的待评估驾驶员归为同一组别;设定统计周期,通过车载信息采集模块采集在统计周期内同一组别的所有驾驶员的行驶记录;
S3:通过通讯模块将行驶记录发送给数据分析模块,数据分析模块采用公交驾驶事故风险评估模型计算待评估驾驶员的事故风险分值;
S4:对同一组别内驾驶员的事故风险分值从高到低进行排名,排名越高说明驾驶员潜在的事故风险越高。
进一步地,所述行为识别的数据通过行为识别单元采集得到;行为识别评价指标包括:打哈欠、疲劳驾驶预警、二级疲劳驾驶预警;行为识别分值Qrec的初始值为0,待评估驾驶员每发生一宗以上行为,Qrec增加相应分值。
进一步地,所述分路段超速监测的步骤包括:
1)预设公交线路通过路段或路口在不同天气状态时的超速报警阈值;
2)通过CAN总线获取车辆状态数据,即雨刮是否开启,判断天气状态是晴天或雨天;判断标准为雨刮开启持续超过三分钟认定为雨天;
3)通过车载GPS获取当前车辆位置和车辆位移速度,对照当前位置的超速报警阈值;
4)如果当前车辆位移速度超过超速报警阈值,则判定驾驶超速;分路段超速监测分值Qspe的初始值为0,待评估驾驶员每发生一宗超速行为,Qspe增加相应分值。
与现有技术相比,本方案原理和优点如下:
本方案通过设定公交驾驶员在营运过程中的事故风险评价指标,包括行为监管、行为识别以及分路段超速监测,建立公交驾驶事故风险评估模型,将公交驾驶员在营运过程中产生的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据等代入评估模型中,获得公交驾驶事故风险评估值,从而对公交驾驶员的驾驶事故风险做出预测,使得公交企业能够提前对公交驾驶员进行针对性的安全教育。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的服务作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明实施例一种公交驾驶事故风险评估系统的示意图;
图2为本发明实施例一种公交驾驶事故风险评估方法的流程图;
图3为本发明实施例一种公交驾驶事故风险评估方法中计算公交驾驶事故风险分值的流程图;
图4为本发明实施例一种公交驾驶事故风险评估方法中分路段超速监测的流程图;
图5为本发明实施例一种公交驾驶事故风险评估方法的实施效果图;(a)分路段超速报警提示;(b)行为监管观察结果;(c)车载行为识别设备识别结果(二级疲劳驾驶预警);(d)公交驾驶事故风险评估模型输出结果。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
如图1所示,本实施例所述的一种公交驾驶事故风险评估系统,包括车载信息采集模块1、分路段超速规则库2、行为监管记录数据库3、通讯模块4、数据分析模块5;
其中,车载信息采集模块1包括行为识别单元1-1、车载GPS1-2、CAN总线1-3;行为识别单元1-1、车载GPS1-2、CAN总线1-3分别与通讯模块4连接;分路段超速规则库2、行为监管记录数据库3、通讯模块4分别与数据分析模块5连接。
各模块的功能如下:
行为识别单元1-1,用于采集公交驾驶员的行为识别数据。
车载GPS1-2,用于采集车辆位置数据和车辆位移速度数据。
CAN总线1-3,用于判断天气状态。
分路段超速规则库2,用于记录路段或路口在不同天气状态时的超速报警阈值数据。
行为监管记录数据库3,用于记录待评估驾驶员的行为监管数据。
通讯模块4,通过4G网络方式把实时采集的车载数据传输到数据分析模块5。
数据分析模块5,根据所采集的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据,通过所建立的公交驾驶事故风险评估模型计算得出待评估驾驶员的事故风险值。
CAN总线1-3采集的数据项为雨刮。
如图2所示,具体的工作流程如下:
S1:设定公交驾驶员在营运过程的事故风险评价指标,在数据分析模块5中建立公交驾驶事故风险评估模型;
评价指标包括行为监管、行为识别以及分路段超速监测,公交驾驶事故风险评估模型采用如下公式描述:
Q=Qsup+Qrec+Qspe
上式中,Q为事故风险分值;Qsup为行为监管分值;Qrec为行为识别分值;Qspe为分路段超速监测分值。
S2:通过车载信息采集模块采集统计周期内待评估驾驶员及其所属组别的所有驾驶员的行驶记录。统计周期为一周。待评估驾驶员有且只有一个组别,所属组别的判断方式为驾驶员属于同一行驶路线的公交线路。行驶记录包括:行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据。
S3:通过通讯模块将行驶记录发送给数据分析模块,数据分析模块将待评估驾驶员的行驶记录代入公交驾驶事故风险评估模型,计算待评估驾驶员的事故风险分值Q。如图3所示,该计算方法包括以下步骤:
S301:计算待评估驾驶员的行为监管分值Qsup,Qsup的初始值为零。行为监管部分数据来源于人为观察,行为监管部分评价指标包括:未使用驻车制动、车辆通过交通路口或人行横道线或转弯时未减速慢行、长时间单手扶方向盘行车、压实线变道行驶、避让非机动车行人意识弱、不按规定车道行驶、行车期间打瞌睡或多次打哈欠、行车时双手离开方向盘。待评估驾驶员每发生一宗以上行为时,Qsup按下表1所示的规则累计得分:
表1
S302:计算待评估驾驶员的行为识别分值Qrec,Qrec的初始值为零。行为识别数据来源于车载行为识别设备,行为识别部分评价指标包括:打哈欠、疲劳驾驶预警、二级疲劳驾驶预警。待评估驾驶员每发生一宗以上行为时,Qrec按下表2规则累计得分:
评价指标项 | 判断规则 | 增加分值 |
打哈欠 | 打哈欠 | 10 |
疲劳驾驶预警 | 在3秒内眼睛闭合状态超过80% | 50 |
二级疲劳驾驶预警 | 在10秒内眼睛闭合状态超过80% | 150 |
表2
S303:计算待评估驾驶员的分路段超速监测部分分值Qspe,Qspe的初始值为零。分路段超速监测数据来源于车载GPS1-2和CAN总线1-3。待评估驾驶员每发生一宗超速行为时,Qspe进行累计得分。如图4所示,分路段超速监测的步骤包括:
S3031:通过GPS坐标预设公交线路通过路段或路口在不同天气状态(晴天或雨天)时的超速报警阈值;
S3032:通过CAN总线1-3获取车辆状态数据(雨刮是否开启),判断天气状态(晴天或雨天)。判断标准为雨刮开启持续超过3分钟认定为雨天。
S3033:通过车载GPS1-2获取当前车辆位置和车辆位移速度,对照当前位置的超速报警阈值。
S3034:如果当前车辆位移速度超过超速报警阈值,则判定驾驶超速。分路段超速监测部分分值Qspe按以下规则累计得分:
评价指标项 | 超速阈值 | 增加分值 |
路段超速 | 晴天45km/h,雨天35km/h | 10 |
路口超速 | 晴天25km/h,雨天20km/h | 20 |
表3
S4:对同一组别内驾驶员的事故风险分值从高到低进行排名,排名越高说明驾驶员潜在的事故风险越高。
本实施例通过设定公交驾驶员在营运过程中的事故风险评价指标,包括行为监管、行为识别以及分路段超速监测,建立公交驾驶事故风险评估模型,将公交驾驶员在营运过程中产生的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据等代入评估模型中,获得公交驾驶事故风险评估值,从而对公交驾驶员的驾驶事故风险做出预测,使得公交企业能够提前对公交驾驶员进行针对性的安全教育。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (5)
1.一种公交驾驶事故风险评估系统,其特征在于,包括车载信息采集模块(1)、分路段超速规则库(2)、行为监管记录数据库(3)、通讯模块(4)、数据分析模块(5);
其中,车载信息采集模块(1)包括行为识别单元(1-1)、车载GPS(1-2)、CAN总线(1-3);
所述行为识别单元(1-1)、车载GPS(1-2)、CAN总线(1-3)分别与通讯模块(4)连接;
所述分路段超速规则库(2)、行为监管记录数据库(3)、通讯模块(4)分别与数据分析模块(5)连接;
所述行为识别单元(1-1),用于采集公交驾驶员的行为识别数据;
所述车载GPS(1-2),用于采集车辆位置数据和车辆位移速度数据;
所述CAN总线(1-3),用于判断天气状态;
所述分路段超速规则库(2),用于记录路段或路口在不同天气状态时的超速报警阈值数据;
所述行为监管记录数据库(3),用于记录待评估驾驶员的行为监管数据;
所述通讯模块(4),通过4G网络方式把实时采集的车载数据传输到数据分析模块(5);
所述数据分析模块(5),根据所采集的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据,通过所建立的公交驾驶事故风险评估模型计算得出待评估驾驶员的事故风险值。
2.根据权利要求1所述的一种公交驾驶事故风险评估系统,其特征在于,所述CAN总线(1-3)采集的数据项为雨刮。
3.一种用于权利要求1所述的公交驾驶事故风险评估系统的方法,其特征在于,包括以下步骤:
S1:设定公交驾驶员在营运过程的事故风险评价指标,在数据分析模块中建立公交驾驶事故风险评估模型;
所述评价指标包括行为监管、行为识别以及分路段超速监测,所述公交驾驶事故风险评估模型采用如下公式描述:
Q=Qsup+Qrec+Qspe
其中,Q为事故风险分值;Qsup为行为监管分值;Qrec为行为识别分值;Qspe为分路段超速监测分值;
S2:把处于同一条线路的待评估驾驶员归为同一组别;设定统计周期,通过车载信息采集模块采集在统计周期内同一组别的所有驾驶员的行驶记录;
S3:通过通讯模块将行驶记录发送给数据分析模块,数据分析模块采用公交驾驶事故风险评估模型计算待评估驾驶员的事故风险分值;
S4:对同一组别内驾驶员的事故风险分值从高到低进行排名,排名越高说明驾驶员潜在的事故风险越高。
4.根据权利要求3所述的一种用于公交驾驶事故风险评估系统的方法,其特征在于,所述行为识别的数据通过行为识别单元采集得到;行为识别评价指标包括:打哈欠、疲劳驾驶预警、二级疲劳驾驶预警;行为识别分值Qrec的初始值为0,待评估驾驶员每发生一宗以上行为,Qrec增加相应分值。
5.根据权利要求3所述的一种用于公交驾驶事故风险评估系统的方法,其特征在于,所述分路段超速监测的步骤包括:
1)预设公交线路通过路段或路口在不同天气状态时的超速报警阈值;
2)通过CAN总线获取车辆状态数据,即雨刮是否开启,判断天气状态是晴天或雨天;判断标准为雨刮开启持续超过三分钟认定为雨天;
3)通过车载GPS获取当前车辆位置和车辆位移速度,对照当前位置的超速报警阈值;
4)如果当前车辆位移速度超过超速报警阈值,则判定驾驶超速;分路段超速监测分值Qspe的初始值为0,待评估驾驶员每发生一宗超速行为,Qspe增加相应分值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440233.6A CN110120153A (zh) | 2019-05-24 | 2019-05-24 | 一种公交驾驶事故风险评估系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440233.6A CN110120153A (zh) | 2019-05-24 | 2019-05-24 | 一种公交驾驶事故风险评估系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110120153A true CN110120153A (zh) | 2019-08-13 |
Family
ID=67523149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910440233.6A Pending CN110120153A (zh) | 2019-05-24 | 2019-05-24 | 一种公交驾驶事故风险评估系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110120153A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110648532A (zh) * | 2019-09-22 | 2020-01-03 | 江苏顺泰交通集团有限公司 | 一种基于智慧交通物联网的交通监测系统 |
CN110648075A (zh) * | 2019-09-27 | 2020-01-03 | 重庆大学 | 驾驶安全评估方法及装置 |
CN110942634A (zh) * | 2019-12-11 | 2020-03-31 | 拉货宝网络科技有限责任公司 | 一种货车运输安全系数评估方法 |
CN111062240A (zh) * | 2019-10-16 | 2020-04-24 | 中国平安财产保险股份有限公司 | 汽车驾驶安全的监控方法、装置、计算机设备及存储介质 |
CN111754757A (zh) * | 2020-06-24 | 2020-10-09 | 广州公交集团第三公共汽车有限公司 | 一种公交竞争线路排班方法 |
CN111845765A (zh) * | 2020-08-28 | 2020-10-30 | 陕西科技大学 | 一种车辆运维企业的监测驾驶员规范驾驶方法及监测平台 |
CN111976734A (zh) * | 2020-08-28 | 2020-11-24 | 陕西科技大学 | 一种监测驾驶员规范驾驶的方法及系统 |
CN112519712A (zh) * | 2020-12-14 | 2021-03-19 | 广东工贸职业技术学院 | 汽车乘员安全预警方法、系统及存储介质 |
CN112561282A (zh) * | 2020-12-07 | 2021-03-26 | 李强 | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 |
CN112572330A (zh) * | 2020-12-30 | 2021-03-30 | 天翼物联科技有限公司 | 一种风险驾驶行为识别系统、方法、装置及存储介质 |
CN112937439A (zh) * | 2021-03-25 | 2021-06-11 | 东风汽车集团股份有限公司 | 一种公交车驾驶员驾驶行为预警系统及方法 |
CN113739796A (zh) * | 2020-05-28 | 2021-12-03 | 阿里巴巴集团控股有限公司 | 信息提示方法、装置、导航服务器、导航终端及存储介质 |
CN114168646A (zh) * | 2021-10-29 | 2022-03-11 | 山东大学 | 基于多数据融合的营运车辆运输监控方法及系统 |
CN115476861A (zh) * | 2022-09-14 | 2022-12-16 | 智能网联汽车(山东)协同创新研究院有限公司 | 智能网联汽车的安全评价系统 |
CN116453345A (zh) * | 2023-06-13 | 2023-07-18 | 吉林大学 | 一种基于驾驶风险反馈的公交行车安全预警方法及系统 |
CN117636591A (zh) * | 2023-11-29 | 2024-03-01 | 武汉市公共交通集团有限责任公司信息中心 | 一种公交驾驶安全预警方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103660942A (zh) * | 2013-12-30 | 2014-03-26 | 长安大学 | 一种公交车驾驶员驾驶行为检测系统及检测方法 |
CN103818258A (zh) * | 2014-02-26 | 2014-05-28 | 厦门金龙联合汽车工业有限公司 | 一种车辆自动限速控制系统及控制方法 |
CN105575115A (zh) * | 2015-12-17 | 2016-05-11 | 福建星海通信科技有限公司 | 一种基于车载监控管理平台的驾驶行为分析方法 |
CN205890703U (zh) * | 2016-08-20 | 2017-01-18 | 东北林业大学 | 公交车驾驶员风险驾驶行为检测装置 |
CN107618512A (zh) * | 2017-08-23 | 2018-01-23 | 清华大学 | 基于人‑车‑环境多数据源的驾驶行为安全评价方法 |
-
2019
- 2019-05-24 CN CN201910440233.6A patent/CN110120153A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103660942A (zh) * | 2013-12-30 | 2014-03-26 | 长安大学 | 一种公交车驾驶员驾驶行为检测系统及检测方法 |
CN103818258A (zh) * | 2014-02-26 | 2014-05-28 | 厦门金龙联合汽车工业有限公司 | 一种车辆自动限速控制系统及控制方法 |
CN105575115A (zh) * | 2015-12-17 | 2016-05-11 | 福建星海通信科技有限公司 | 一种基于车载监控管理平台的驾驶行为分析方法 |
CN205890703U (zh) * | 2016-08-20 | 2017-01-18 | 东北林业大学 | 公交车驾驶员风险驾驶行为检测装置 |
CN107618512A (zh) * | 2017-08-23 | 2018-01-23 | 清华大学 | 基于人‑车‑环境多数据源的驾驶行为安全评价方法 |
Non-Patent Citations (1)
Title |
---|
梁秉毅 等: "基于大数据的公交驾驶员驾驶风险评估研究", 《工业控制计算机》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110648532A (zh) * | 2019-09-22 | 2020-01-03 | 江苏顺泰交通集团有限公司 | 一种基于智慧交通物联网的交通监测系统 |
CN110648075A (zh) * | 2019-09-27 | 2020-01-03 | 重庆大学 | 驾驶安全评估方法及装置 |
CN111062240A (zh) * | 2019-10-16 | 2020-04-24 | 中国平安财产保险股份有限公司 | 汽车驾驶安全的监控方法、装置、计算机设备及存储介质 |
CN111062240B (zh) * | 2019-10-16 | 2024-04-30 | 中国平安财产保险股份有限公司 | 汽车驾驶安全的监控方法、装置、计算机设备及存储介质 |
CN110942634A (zh) * | 2019-12-11 | 2020-03-31 | 拉货宝网络科技有限责任公司 | 一种货车运输安全系数评估方法 |
CN113739796A (zh) * | 2020-05-28 | 2021-12-03 | 阿里巴巴集团控股有限公司 | 信息提示方法、装置、导航服务器、导航终端及存储介质 |
CN111754757A (zh) * | 2020-06-24 | 2020-10-09 | 广州公交集团第三公共汽车有限公司 | 一种公交竞争线路排班方法 |
CN111976734A (zh) * | 2020-08-28 | 2020-11-24 | 陕西科技大学 | 一种监测驾驶员规范驾驶的方法及系统 |
CN111845765A (zh) * | 2020-08-28 | 2020-10-30 | 陕西科技大学 | 一种车辆运维企业的监测驾驶员规范驾驶方法及监测平台 |
CN112561282A (zh) * | 2020-12-07 | 2021-03-26 | 李强 | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 |
CN112561282B (zh) * | 2020-12-07 | 2022-10-21 | 联友智连科技有限公司 | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 |
CN112519712A (zh) * | 2020-12-14 | 2021-03-19 | 广东工贸职业技术学院 | 汽车乘员安全预警方法、系统及存储介质 |
CN112572330A (zh) * | 2020-12-30 | 2021-03-30 | 天翼物联科技有限公司 | 一种风险驾驶行为识别系统、方法、装置及存储介质 |
CN112937439A (zh) * | 2021-03-25 | 2021-06-11 | 东风汽车集团股份有限公司 | 一种公交车驾驶员驾驶行为预警系统及方法 |
CN112937439B (zh) * | 2021-03-25 | 2022-08-26 | 东风汽车集团股份有限公司 | 一种公交车驾驶员驾驶行为预警系统及方法 |
CN114168646A (zh) * | 2021-10-29 | 2022-03-11 | 山东大学 | 基于多数据融合的营运车辆运输监控方法及系统 |
CN115476861A (zh) * | 2022-09-14 | 2022-12-16 | 智能网联汽车(山东)协同创新研究院有限公司 | 智能网联汽车的安全评价系统 |
CN116453345A (zh) * | 2023-06-13 | 2023-07-18 | 吉林大学 | 一种基于驾驶风险反馈的公交行车安全预警方法及系统 |
CN116453345B (zh) * | 2023-06-13 | 2023-08-18 | 吉林大学 | 一种基于驾驶风险反馈的公交行车安全预警方法及系统 |
CN117636591A (zh) * | 2023-11-29 | 2024-03-01 | 武汉市公共交通集团有限责任公司信息中心 | 一种公交驾驶安全预警方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110120153A (zh) | 一种公交驾驶事故风险评估系统及其方法 | |
US20220292956A1 (en) | Method and system for vehicular-related communications | |
CN109559532B (zh) | 高速公路出口分流区车路协同安全预警控制方法 | |
Cunto | Assessing safety performance of transportation systems using microscopic simulation | |
CN108074396A (zh) | 安全行驶评价方法及系统 | |
CN106651162A (zh) | 一种基于大数据的驾驶风险评估方法 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN104103194A (zh) | 高速公路主动交通安全驾驶辅助方法及辅助系统 | |
CN101571996A (zh) | 城市公交智能化应急管理方法 | |
CN102136190A (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
CN116704771B (zh) | 基于拥堵路段交通信息实时定位指挥处理系统 | |
CN113033840B (zh) | 一种公路养护的判断方法和装置 | |
CN110428621A (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
CN111477005A (zh) | 一种基于车辆状态及行车环境的智能感知预警方法及系统 | |
CN112925309A (zh) | 智能网联汽车数据交互方法及交互系统 | |
CN112991685A (zh) | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 | |
Wang et al. | Causation analysis of crashes and near crashes using naturalistic driving data | |
CN112508228A (zh) | 一种驾驶行为风险预测方法及系统 | |
CN113129610A (zh) | 不利天气高速公路自适应可变限速与信息协同控制系统 | |
CN117409583A (zh) | 一种基于智能网联汽车控制中心的车辆状态评估预警方法 | |
CN102324018A (zh) | 综合客运枢纽集散服务网络行人安全状态识别方法及系统 | |
CN112214530B (zh) | 一种社会驾驶行为跟踪评价的方法及相关装置 | |
CN116935641A (zh) | 一种路况风险预警方法、装置及控制设备 | |
CN116030433A (zh) | 一种基于驾驶行为分析的车辆数字化管理及分析方法 | |
CN112053570B (zh) | 一种城市交通路网运行状态监测评价方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190813 |
|
RJ01 | Rejection of invention patent application after publication |