CN110139231A - 一种基于行车数据的车联网社交方法 - Google Patents
一种基于行车数据的车联网社交方法 Download PDFInfo
- Publication number
- CN110139231A CN110139231A CN201910282123.1A CN201910282123A CN110139231A CN 110139231 A CN110139231 A CN 110139231A CN 201910282123 A CN201910282123 A CN 201910282123A CN 110139231 A CN110139231 A CN 110139231A
- Authority
- CN
- China
- Prior art keywords
- travelling data
- vehicle
- label
- data
- social
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/58—Message adaptation for wireless communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
- H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
- H04L9/0618—Block ciphers, i.e. encrypting groups of characters of a plain text message using fixed encryption transformation
- H04L9/0631—Substitution permutation network [SPN], i.e. cipher composed of a number of stages or rounds each involving linear and nonlinear transformations, e.g. AES algorithms
Abstract
本发明涉及一种基于行车数据的车联网社交方法,包括如下步骤:获取行车数据,所述行车数据包括驾驶操作参数和车辆行驶轨迹;分析行车数据,建立至少一个社交标签;根据社交标签选择对应车主建立互动。该车联网社交方法通过对车辆的客观行车数据进行云端建模分析,获取车主的日常开车习惯、兴趣爱好、车辆行驶轨迹、经常出没区域等特征,并根据这些特征建立不同的社交标签,如驾驶习惯标签、兴趣爱好标签等,便于车主根据不同的社交标签快速找到匹配度较高的社交对象,进而为车主提供更高质量的社交服务。
Description
技术领域
本发明涉及车联网社交领域,特别涉及一种基于行车数据的车联网社交方法及系统。
背景技术
车联网是指车与车,车与后台相连的互联网,是新一代信息技术的重要组成部分,也是信息化时代的重要发展阶段。车联网是互联网的延伸,它包括互联网以及互联网上的所有资源,也可以兼容互联网的所有应用,但车联网中的所有元素都是个性化和私有化的。目前为了满足广大车主除出行需求以外的社交需求,越来越多的基于车联网的社交产品也随之产生。现阶段,基于车联网的社交产品大多都是由手机上的社交产品直接演变而来,如设置在手机上的微信、微博、QQ、抖音等,即将手机上的社交产品经过简单的适配处理后服务于车载娱乐系统。两者的本质实际相同,仅宿主发生了改变而已。该类社交产品虽然具有较高的普及度,便于车主熟练使用,但是社交群体相对庞大、繁杂,没有明显的用户群分层。这就导致在全量的用户群中,很难对社交对象产生快速而全面的了解,针对社交对象信息的过滤、筛选、匹配将花费车主大量的时间和精力。最重要的,现有社交产品的数据信息无一例外都是直接来源于人这一特殊个体,亦即人是驱动社交关系产生的主体,缺少来自于行车过程中产生的客观的行车数据。行车数据的缺少导致车主很难对其他车辆的行驶轨迹或驾驶操作参数全面了解,不利于车主快速找到与自身行驶轨迹相同,驾驶习惯相似的车主并与其发生车辆间的信息交互。
发明内容
本发明为了解决上述技术问题,提供了一种基于行车数据的车联网社交方法,基于云端服务平台、多个车载控制系统及手机APP,所述手机APP和多个车载控制系统分别与云端服务平台通信连接,包括如下步骤:
获取行车数据,所述行车数据包括驾驶操作参数和车辆行驶轨迹;
分析行车数据,建立至少一个社交标签;
根据社交标签选择对应车主建立互动。
进一步的,当所述社交标签是驾驶习惯标签,所述驾驶习惯标签的建立包括如下步骤:
分析驾驶操作参数,获取T1时间段内车辆的各项控制特征指标;
计算各项控制特征指标的权重平均值;
利用各项控制特征指标的权重平均值计算驾驶得分,并根据驾驶得分设置驾驶等级;
将驾驶等级设为车主的驾驶习惯标签。
进一步的,所述各项控制特征指标的权重平均值计算包括如下步骤:
利用熵权法计算各项控制特征指标的第一权重值;
利用层次分析法计算各项控制特征指标的第二权重值;
根据各项控制特征指标的第一权重值和第二权重值,获取各项控制特征指标的权重平均值。
进一步的, 所述驾驶得分的计算包括:
计算各控制特征指标与对应权重平均值的乘积之和,并获取满分与乘积之和的差值,将差值作为驾驶得分;
所述控制特征指标包括急刹车次数、急减速次数、急加速次数、急转弯次数,平均速度,最大速度,急踩油门次数。
进一步的,所述计算驾驶得分之后还包括:
判断驾驶得分是否大于等于评分阈值,若驾驶得分大于等于评分阈值,则将T1时间段内车辆的行驶里程计入安全行驶里程S,否则不计入安全行驶里程S;
根据安全行驶里程S形成排行榜。
进一步的,将驾驶等级设为车主的驾驶习惯标签之后,还包括:
分析行车数据,获取车辆行驶轨迹并提取经常出没区域;
比对车辆行驶轨迹和经常出没区域,获取行驶轨迹相同且经常出没区域相近的车辆;
推荐驾驶习惯标签相同、行驶轨迹相同且经常出没区域相近的车辆建立互动。
进一步的,当社交标签是兴趣爱好标签,所述兴趣爱好标签的建立包括如下步骤:
分析行车数据,提取车辆行驶轨迹上的经常出没区域;
获取经常出没区域的兴趣点信息;
对各兴趣点信息进行标签聚类,将前M个标签设为车主的兴趣爱好标签。
进一步的,所述经常出没区域的提取包括如下步骤:
分析行车数据,提取车辆行驶轨迹上停车时间超过第一阈值的坐标点;
将以坐标点为圆心,以r为半径的圆形区域作为单次活动区域;
在T2时间段内,车辆在单次活动区域内出现次数大于等于第二阈值,则该单次活动区域为经常出没区域。
进一步的,获取行车数据之后,分析行车数据之前,还包括有效行车数据获取步骤:
筛选完整的行车数据;
判断行车数据是否为缺失数据;
若行车数据是缺失数据,继续计算缺失率,如果缺失率小于等于50%,则对行车数据的缺失内容进行填充,否则丢弃;
若行车数据不是缺失数据,则检测行车数据是否异常,若无异常,则保留行车数据,否则丢弃行车数据;
检测行车数据是否存在重传,若存在重传,则对行车数据进行去重处理,保留其中一条行车数据,否则不作处理。
一种基于行车数据的车联网社交系统,基于上述一种基于行车数据的车联网社交方法,包括云端服务平台、手机APP以及多个车载控制系统,多个车载控制系统以及手机APP分别与云端服务平台通信连接;
所述车载控制系统包括第一通信模块、定位模块、操作参数采集模块;所述操作参数采集模块用于采集车辆的驾驶操作参数;所述定位模块用于采集车辆坐标,获取车辆行驶轨迹;所述第一通信模块用于将驾驶操作参数与车辆行驶轨迹发送至云端服务平台;
所述云端服务平台包括数据处理模块、存储模块以及第二通信模块,第二通信模块用于接收第一通信模块发出的驾驶操作参数与车辆行驶轨迹,并将其转送至数据处理模块;所述数据处理模块用于对驾驶操作参数、车辆行驶轨迹进行分析,获取社交标签;所述存储模块用于存储驾驶操作参数、车辆行驶轨迹、数据处理模块对各类数据的分析结果;所述手机APP用于读取云端服务平台的信息并通过云端服务平台与车载控制系统实现信息交互。
本发明所起到的有益技术效果如下:
与现有技术相比较,本发明公开了一种基于行车数据的车联网社交方法,该车联网社交方法通过对车辆的客观行车数据进行云端建模分析,获取车主的日常开车习惯、兴趣爱好、车辆行驶轨迹、经常出没区域等特征,并根据这些特征建立不同的社交标签,如驾驶习惯标签、兴趣爱好标签等,便于车主根据不同的社交标签快速找到匹配度较高的社交对象,进而为车主提供更高质量的社交服务。此外,由于社交标签是根据客观的行车数据建立而成,使得车主能够很快了解其他车辆的行驶轨迹或驾驶操作参数,利于车主找到与自身行驶轨迹相同,驾驶习惯相似的车主并与其信息交互。
附图说明
图1为云端服务平台、车载控制系统及手机APP之间的连接关系示意图。
图2为实施例1中基于行车数据的车联网社交方法的实现流程图。
图3为实施例1中有效行车数据的获取流程图。
附图标记:
1-云端服务平台,2-车载控制系统,3-手机APP。
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的;相同或相似的标号对应相同或相似的部件;附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征更易被本领域技术人员理解,从而对本发明的保护范围作出更为清楚的界定。
实施例1:
如图1所示,本实施例提供了一种基于行车数据的车联网社交系统,包括云端服务平台(1)、多个手机APP(3)以及多个车载控制系统(2)。多个车载控制系统(2)以及多个手机APP(3)分别与云端服务平台(1)通信连接。本实施例中,手机APP(3)和车载控制系统(2)分别通过互联网接入云端服务平台(1),形成完成的联网系统,实现信息传输。
所述车载控制系统(2)包括第一通信模块、定位模块、操作参数采集模块。所述操作参数采集模块用于采集车辆的驾驶操作参数。所述定位模块用于采集车辆坐标,获取车辆行驶轨迹。所述第一通信模块用于将驾驶操作参数与车辆行驶轨迹发送至云端服务平台(1)。
所述云端服务平台(1)包括数据处理模块、存储模块以及第二通信模块,第二通信模块用于接收第一通信模块发出的驾驶操作参数与车辆行驶轨迹,并将其转送至数据处理模块。所述数据处理模块用于对驾驶操作参数、车辆行驶轨迹进行分析,获取社交标签。所述存储模块用于存储驾驶操作参数、车辆行驶轨迹、数据处理模块对各类数据的分析过程和结果。所述手机APP(3)用于读取云端服务平台(1)的信息并通过云端服务平台(1)与车载控制系统(2)实现信息交互。
实施例2
如图2所示,本实施例公开了一种基于行车数据的车联网社交方法,基于实施例1中所述的一种基于行车数据的车联网社交系统,该方法包括如下步骤:
101、获取行车数据,所述行车数据包括驾驶操作参数、车辆行驶轨迹以及各类传感器对周围环境的感应数据。
车载控制系统2通过HTTP长连接(HyperText Transfer Protocol,超文本传输协议)与云端服务平台1相连。车载控制系统2通过CAN总线获取驾驶操作参数(如车速、油门开度、刹车开度等)和车辆行驶轨迹,并实时把获取到的行车数据压缩,使用AES(AdvancedEncryption Standard)加密算法加密后上传至云端服务平台1。
102、分析行车数据,建立至少一个社交标签。
云端服务平台1的数据处理模块首先对行车数据进行解压和解密处理,随后通过对行车数据进行分析,提取出不同类型的信息建立不同的社交标签。不同的社交标签用于对车主的行为习惯形成不同的关键词,便于其他车主通过该关键词快速了解车主的驾驶习惯、兴趣爱好、常规路线等信息。
作为本实施例的一个示例,社交标签是驾驶习惯标签,驾驶习惯标签的建立包括如下步骤:
S1、分析驾驶操作参数,获取T1时间段内车辆的各项控制特征指标。
本实施例中,控制特征指标包括急刹车次数、急减速次数、急加速次数、急转弯次数,平均速度,最大速度,急踩油门次数,将这七个特征指标作为研究的统计量,即特征向量。T1为预设值,如T1等于15min,T1选取时长越长,采集到的各项控制特征指标越接近车主的日常操作习惯,驾驶习惯标签的准确度越高。
S2、计算各项控制特征指标的权重平均值。
获取各项控制特征指标的权重平均值,首先需利用熵权法计算各项控制特征指标的第一权重值,同时利用层次分析法计算各项控制特征指标的第二权重值,进而对每个控制特征指标均形成两个权重值。然后根据各项控制特征指标的第一权重值和第二权重值,获取各项控制特征指标的权重平均值,即权重平均值是第一权重值和第二权重值的平均值。如对于急刹车次数这一特征指标,在熵权法下计算的权重值为a,在层次分析法下计算的权重值为b,那么最终确定急刹车次数这一特征指标的权重平均值为(a+b)/2。
S3、利用各项控制特征指标的权重平均值计算驾驶得分,并根据驾驶得分设置驾驶等级。
计算驾驶得分首先需要计算各控制特征指标与对应权重平均值的乘积之和,然后利用设定的满分与乘积之和相减得到两者的差值,差值即为最终的驾驶得分。
即假设衡量驾驶员驾驶习惯的满分为100分,驾驶员最终的驾驶得分用X代表,控制特征指标急刹车次数、急减速次数、急加速次数、急转弯次数,平均速度,最大速度,急踩油门次数分别用A、B、C、D、E、F、G代表,若七个控制特征指标的对应权重平均值分别是a、b、c、d、e、f、g,则驾驶得分X = 100 – A*a - B*b - C*c - D*d - E*e - F*f - G*g。当0≤X<25分,驾驶等级为初级;当25≤X<50分,驾驶等级为中级;当50≤X<75分,驾驶等级为高级;当75≤X<100分,驾驶等级为神级。驾驶等级的设置帮助车主清楚认识自己的驾驶水平,同时便于相同驾驶等级或不同驾驶等级之间的车主进行车技交流。
作为优选的,云端服务平台1还设有评分阈值,评分阈值用于判断此次车辆的行驶里程是否满足安全行驶的要求。若驾驶得分大于等于评分阈值,则将T1时间段内车辆的行驶里程计入安全行驶里程S,否则不计入安全行驶里程S。云端服务平台根据各车辆的安全行驶里程S进行排名,形成排行榜。排行榜的设立用于帮助喜欢技能比拼的车主建立群体社交,具体实现方法类似微信步数社交的实现方法。
S4、将驾驶等级设为车主的驾驶习惯标签,即完成驾驶习惯标签的设置。
作为优选的,在将驾驶等级设为车主的驾驶习惯标签之后,还可以继续对行车数据进行分析,获取车辆行驶轨迹并提取经常出没区域。云端服务平台1通过比对各车辆的行驶轨迹和经常出没区域,获取行驶轨迹相同且经常出没区域相近的车辆。根据驾驶习惯标签、行驶轨迹及经常出没区域向车主推荐最有可能匹配成功的其他车主进行互动。特别是,推荐驾驶习惯标签相同、行驶轨迹相同且经常出没区域相近的车辆建立互动,便于车主之间及时分享道路情况、共享交通事故信息、交流驾驶习惯以及如何改进驾驶技巧等。
作为本实施例的另一个示例,所述社交标签是兴趣爱好标签,建立兴趣爱好标签首先需要对行车数据进行分析,提取车辆行驶轨迹上的经常出没区域。随后,获取经常出没区域的兴趣点信息,兴趣点是指经常出没区域内的商店、餐厅、健身房信息等。兴趣点信息需借助第三方数据服务商(比如高德)进行获取,如云端服务平台1发送经常出没区域的经纬度信息给第三方服务商,第三方服务商返回该经纬度区域内的兴趣点信息列表。最后,对各兴趣点信息通过K-means算法进行标签聚类,将前M个标签设为车主的兴趣爱好标签。在利用K-means算法对各兴趣点信息进行标签聚类时,可将车辆在各经常出没区域的停留时间作为权重因子使用。兴趣爱好标签的建立便于车主之间根据共同或相似的兴趣建立社交,当然也利于车主筛选出车辆行驶轨迹相同、经常出没区域相同或相近、且兴趣爱好标签相同的车主建立互动,如讨论经常出没区域的哪家餐厅味道正宗、哪家健生房环境好等,丰富车主的社交生活。
本实施例中,在建立兴趣爱好标签或驾驶习惯标签过程中,都需要提取车辆在行驶轨迹上的经常出没区域。经常出没区域的获取需先分析行车数据,提取车辆行驶轨迹上停车时间超过第一阈值的坐标点,也就是车辆停车熄火时间超过第一阈值的位置,第一阈值可根据需要自由设定,本实施例第一阈值为10min。随后,将以坐标点为圆心,以设定的r为半径的圆形区域作为单次活动区域。此处的r是指驾驶员停车后的活动半径,单次活动区域的面积为 。最后,检测在T2时间段内,车辆在单次活动区域内出现的次数,若在单次活动区域内出现次数大于等于第二阈值,则将该单次活动区域标记为经常出没区域。
103、根据社交标签选择对应车主建立互动。
车主通过手机APP读取云端服务平台的信息,并自由选择具有不同标签的车主发送社交请求,一旦接收到社交请求的车主通过验证,双方即可进行信息互动。当一方退出时,则信息互动终止。当然,车主也可以开启自动匹配模式,由云端服务平台根据车主自己的社交标签自动为车主匹配信息相吻合的社交对象,自动匹配一定程度利于节省车主的信息筛选时间,改善车主的社交体验。
实施例3
本实施例与实施例2类似,作为优选的,获取行车数据之后,分析行车数据之前,还需要对行车数据进一步解析,得到有效行车数据,只有有效行车数据才有分析的价值。获取有效行车数据,首先需筛选完整的行车数据,该处的完整是指行车数据字符长度的完整性。当行车数据的字符长度是完整的,则继续判断行车数据是否为缺失数据,即是否有部分行车数据被无效字符取代,导致行车数据无法被完整读取出来。若行车数据是缺失数据,则计算缺失率,缺失率小于等于50%,则对行车数据的缺失内容进行填充,填充过程采用该类型数据的前后各10条数据的中位数数据字段进行填充,填充后的行车数据视作有效行车数据。缺失率大于50%,云端服务平台直接对该数据做丢弃处理。缺失率是指缺失字段数与全部字段数的比值。
如果行车数据不是缺失数据,则检测行车数据是否存在异常。如果行车数据存在异常,则云端服务平台1直接丢弃该行车数据。本实施例所说的异常是指游离在正常数据字段取值以及聚类算法K-means范围之外的数值。
如果行车数据无异常,则保留行车数据,同时检测行车数据是否存在重传。如果行车数据存在重传,则对行车数据进行去重处理,保留其中一条行车数据,将保留的行车数据作为有效行车数据。如果行车数据不存在重传,则云端服务平台不作去重处理,直接视作有效行车数据。去重处理是指对时间序列上的数据记录进行数据字段比较,去掉固定时间内完全相同的数据记录,只保留一条。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于行车数据的车联网社交方法,其特征在于,基于云端服务平台、多个车载控制系统及手机APP,所述手机APP和多个车载控制系统分别与云端服务平台通信连接,包括如下步骤:
获取行车数据,所述行车数据包括驾驶操作参数和车辆行驶轨迹;
分析行车数据,建立至少一个社交标签;
根据社交标签选择对应车主建立互动。
2.如权利要求1所述一种基于行车数据的车联网社交方法,其特征在于,当社交标签是驾驶习惯标签,所述驾驶习惯标签的建立包括如下步骤:
分析驾驶操作参数,获取T1时间段内车辆的各项控制特征指标;
计算各项控制特征指标的权重平均值;
利用各项控制特征指标的权重平均值计算驾驶得分,并根据驾驶得分设置驾驶等级;
将驾驶等级设为车主的驾驶习惯标签。
3.如权利要求2所述一种基于行车数据的车联网社交方法,其特征在于,所述各项控制特征指标的权重平均值计算包括如下步骤:
利用熵权法计算各项控制特征指标的第一权重值;
利用层次分析法计算各项控制特征指标的第二权重值;
根据各项控制特征指标的第一权重值和第二权重值,获取各项控制特征指标的权重平均值。
4.如权利要求2所述一种基于行车数据的车联网社交方法,其特征在于,
所述驾驶得分的计算包括:
计算各控制特征指标与对应权重平均值的乘积之和,并获取满分与乘积之和的差值,将差值作为驾驶得分;
所述控制特征指标包括急刹车次数、急减速次数、急加速次数、急转弯次数,平均速度,最大速度,急踩油门次数。
5.如权利要求2所述一种基于行车数据的车联网社交方法,其特征在于,所述计算驾驶得分之后还包括:
判断驾驶得分是否大于等于评分阈值,若驾驶得分大于等于评分阈值,则将T1时间段内车辆的行驶里程计入安全行驶里程S,否则不计入安全行驶里程S;
根据安全行驶里程S形成排行榜。
6.如权利要求2所述一种基于行车数据的车联网社交方法,其特征在于,将驾驶等级设为车主的驾驶习惯标签之后,还包括:
分析行车数据,获取车辆行驶轨迹并提取经常出没区域;
比对车辆行驶轨迹和经常出没区域,获取行驶轨迹相同且经常出没区域相近的车辆;
推荐驾驶习惯标签相同、行驶轨迹相同且经常出没区域相近的车辆建立互动。
7.如权利要求1所述一种基于行车数据的车联网社交方法,其特征在于,当社交标签是兴趣爱好标签,所述兴趣爱好标签的建立包括如下步骤:
分析行车数据,提取车辆行驶轨迹上的经常出没区域;
获取经常出没区域的兴趣点信息;
对各兴趣点信息进行标签聚类,将前M个标签设为车主的兴趣爱好标签。
8.如权利要求6或7任一项所述一种基于行车数据的车联网社交方法,其特征在于,所述经常出没区域的提取包括如下步骤:
分析行车数据,提取车辆行驶轨迹上停车时间超过第一阈值的坐标点;
将以坐标点为圆心,以r为半径的圆形区域作为单次活动区域;
在T2时间段内,车辆在单次活动区域内出现次数大于等于第二阈值,则该单次活动区域为经常出没区域。
9.如权利要求1所述一种基于行车数据的车联网社交方法,其特征在于,获取行车数据之后,分析行车数据之前,还包括有效行车数据获取步骤:
筛选完整的行车数据;
判断行车数据是否为缺失数据;
若行车数据是缺失数据,继续计算缺失率,如果缺失率小于等于50%,则对行车数据的缺失内容进行填充,否则丢弃;
若行车数据不是缺失数据,则检测行车数据是否异常,若无异常,则保留行车数据,否则丢弃行车数据;
检测行车数据是否存在重传,若存在重传,则对行车数据进行去重处理,保留其中一条行车数据,否则不作处理。
10.一种基于行车数据的车联网社交系统,基于权利要求1-7、9任一项所述一种基于行车数据的车联网社交方法,其特征在于,包括云端服务平台(1)、手机APP(3)以及多个车载控制系统(2),多个车载控制系统(2)以及手机APP(3)分别与云端服务平台(1)通信连接;
所述车载控制系统(2)包括第一通信模块、定位模块、操作参数采集模块;所述操作参数采集模块用于采集车辆的驾驶操作参数;所述定位模块用于采集车辆坐标,获取车辆行驶轨迹;所述第一通信模块用于将驾驶操作参数与车辆行驶轨迹发送至云端服务平台(1);
所述云端服务平台(1)包括数据处理模块、存储模块以及第二通信模块,第二通信模块用于接收第一通信模块发出的驾驶操作参数与车辆行驶轨迹,并将其转送至数据处理模块;所述数据处理模块用于对驾驶操作参数、车辆行驶轨迹进行分析,获取社交标签;所述存储模块用于存储驾驶操作参数、车辆行驶轨迹、数据处理模块对各类数据的分析结果;所述手机APP(3)用于读取云端服务平台(1)的信息并通过云端服务平台(1)与车载控制系统(2)实现信息交互。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282123.1A CN110139231A (zh) | 2019-04-09 | 2019-04-09 | 一种基于行车数据的车联网社交方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282123.1A CN110139231A (zh) | 2019-04-09 | 2019-04-09 | 一种基于行车数据的车联网社交方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110139231A true CN110139231A (zh) | 2019-08-16 |
Family
ID=67569486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282123.1A Pending CN110139231A (zh) | 2019-04-09 | 2019-04-09 | 一种基于行车数据的车联网社交方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110139231A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650428A (zh) * | 2019-08-29 | 2020-01-03 | 惠州华阳通用电子有限公司 | 一种基于内容和车辆位置的互动方法及装置 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
CN113060130A (zh) * | 2021-04-13 | 2021-07-02 | 龙岩学院 | 车载驾驶辅助控制系统、控制方法及存储介质 |
CN113674538A (zh) * | 2021-08-09 | 2021-11-19 | 南京美慧软件有限公司 | 一种断面流量监测系统 |
CN114582120A (zh) * | 2022-02-11 | 2022-06-03 | 北京中交兴路信息科技有限公司 | 基于车辆轨迹的隐藏社区发现方法、装置、设备及介质 |
CN114969502A (zh) * | 2021-06-21 | 2022-08-30 | 中移互联网有限公司 | 车用信息交换方法及系统、计算机可读存储介质 |
CN115795554A (zh) * | 2023-01-31 | 2023-03-14 | 北京安录国际技术有限公司 | 一种外籍机动车管理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571945A (zh) * | 2011-12-28 | 2012-07-11 | 四川长虹电器股份有限公司 | 一种基于行车数据的车辆交互的系统及方法 |
CN104994130A (zh) * | 2015-05-19 | 2015-10-21 | 广东好帮手电子科技股份有限公司 | 一种驾驶信息共享系统及其实现方法 |
US20160061625A1 (en) * | 2014-12-02 | 2016-03-03 | Kevin Sunlin Wang | Method and system for avoidance of accidents |
CN106202872A (zh) * | 2016-06-27 | 2016-12-07 | 江苏迪纳数字科技股份有限公司 | 机动车辆驾驶行为评分方法 |
CN108230167A (zh) * | 2016-12-15 | 2018-06-29 | 上海博泰悦臻电子设备制造有限公司 | 一种匹配出行用户的方法、系统及车机 |
CN108319647A (zh) * | 2017-12-27 | 2018-07-24 | 福建工程学院 | 一种基于浮动车技术的社交关系发现方法及终端 |
-
2019
- 2019-04-09 CN CN201910282123.1A patent/CN110139231A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571945A (zh) * | 2011-12-28 | 2012-07-11 | 四川长虹电器股份有限公司 | 一种基于行车数据的车辆交互的系统及方法 |
US20160061625A1 (en) * | 2014-12-02 | 2016-03-03 | Kevin Sunlin Wang | Method and system for avoidance of accidents |
CN104994130A (zh) * | 2015-05-19 | 2015-10-21 | 广东好帮手电子科技股份有限公司 | 一种驾驶信息共享系统及其实现方法 |
CN106202872A (zh) * | 2016-06-27 | 2016-12-07 | 江苏迪纳数字科技股份有限公司 | 机动车辆驾驶行为评分方法 |
CN108230167A (zh) * | 2016-12-15 | 2018-06-29 | 上海博泰悦臻电子设备制造有限公司 | 一种匹配出行用户的方法、系统及车机 |
CN108319647A (zh) * | 2017-12-27 | 2018-07-24 | 福建工程学院 | 一种基于浮动车技术的社交关系发现方法及终端 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650428A (zh) * | 2019-08-29 | 2020-01-03 | 惠州华阳通用电子有限公司 | 一种基于内容和车辆位置的互动方法及装置 |
CN110650428B (zh) * | 2019-08-29 | 2021-06-29 | 惠州华阳通用电子有限公司 | 一种基于内容和车辆位置的互动方法及装置 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
CN113060130A (zh) * | 2021-04-13 | 2021-07-02 | 龙岩学院 | 车载驾驶辅助控制系统、控制方法及存储介质 |
CN113060130B (zh) * | 2021-04-13 | 2022-09-09 | 龙岩学院 | 车载驾驶辅助控制方法及存储介质 |
CN114969502A (zh) * | 2021-06-21 | 2022-08-30 | 中移互联网有限公司 | 车用信息交换方法及系统、计算机可读存储介质 |
CN114969502B (zh) * | 2021-06-21 | 2023-10-27 | 中移互联网有限公司 | 车用信息交换方法及系统、计算机可读存储介质 |
CN113674538A (zh) * | 2021-08-09 | 2021-11-19 | 南京美慧软件有限公司 | 一种断面流量监测系统 |
CN114582120A (zh) * | 2022-02-11 | 2022-06-03 | 北京中交兴路信息科技有限公司 | 基于车辆轨迹的隐藏社区发现方法、装置、设备及介质 |
CN114582120B (zh) * | 2022-02-11 | 2023-01-06 | 北京中交兴路信息科技有限公司 | 基于车辆轨迹的隐藏社区发现方法、装置、设备及介质 |
CN115795554A (zh) * | 2023-01-31 | 2023-03-14 | 北京安录国际技术有限公司 | 一种外籍机动车管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110139231A (zh) | 一种基于行车数据的车联网社交方法 | |
US9586591B1 (en) | Real-time driver observation and progress monitoring | |
CN106251583B (zh) | 基于驾驶行为与眼动特征的疲劳驾驶辨识方法 | |
TWI627084B (zh) | 用於感測器驅動車輛遙測應用與服務之開發及部署的運算平台 | |
CN106485951A (zh) | 异常驾驶员分类和报告 | |
CN106611167A (zh) | 一种跟踪方法及系统 | |
CN104732785A (zh) | 一种驾驶行为分析和提醒的方法及系统 | |
US20220120585A1 (en) | Monitoring and correcting the obfuscation of vehicle related data | |
CN103824449B (zh) | 一种利用众包来寻找及处理道路事故黑点的方法 | |
CN108446824A (zh) | 一种驾驶行为的风险评估方法、装置、设备及存储介质 | |
CN106960613A (zh) | 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 | |
CN110728218A (zh) | 危险驾驶行为的预警方法、装置、电子设备及存储介质 | |
CN105869229A (zh) | 基于车载监控管理平台的司机评分管理方法以及系统 | |
CN108389392A (zh) | 一种基于机器学习的交通事故责任认定系统 | |
CN103942312B (zh) | 公交换乘线路规划方法和装置 | |
US20210118330A1 (en) | Personalized driver coaching | |
CN108803623A (zh) | 一种自动驾驶车辆个性化行车的方法和行车合法化的系统 | |
CN105654574A (zh) | 基于车载设备的驾驶行为评估方法及装置 | |
CN106960189A (zh) | 一种基于隐含马尔可夫模型的驾驶意图判定方法 | |
CN108460685A (zh) | 用于挖掘车险风险因子之间的关联规则的方法和装置 | |
Lopez et al. | Assessment of smartphone positioning data quality in the scope of citizen science contributions | |
CN113920729A (zh) | 一种基于路侧感知系统对交通参与者感知能力的评价方法 | |
CN108735045A (zh) | 一种机动车驾驶人技能培训电子教练系统 | |
Böhm et al. | Driver behavior and user acceptance of cooperative systems based on infrastructure-to-vehicle communication | |
CN110866777B (zh) | 一种旅游大数据商业平台系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190816 |