CN110276953A - 基于北斗定位系统的车辆违规行驶风险分析方法 - Google Patents

基于北斗定位系统的车辆违规行驶风险分析方法 Download PDF

Info

Publication number
CN110276953A
CN110276953A CN201910574565.3A CN201910574565A CN110276953A CN 110276953 A CN110276953 A CN 110276953A CN 201910574565 A CN201910574565 A CN 201910574565A CN 110276953 A CN110276953 A CN 110276953A
Authority
CN
China
Prior art keywords
vehicle
driving
server
information
rule
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
Application number
CN201910574565.3A
Other languages
English (en)
Inventor
王立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Car-Free Service Center Co Ltd
Original Assignee
Qingdao Car-Free Service Center Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Car-Free Service Center Co Ltd filed Critical Qingdao Car-Free Service Center Co Ltd
Priority to CN201910574565.3A priority Critical patent/CN110276953A/zh
Publication of CN110276953A publication Critical patent/CN110276953A/zh
Pending legal-status Critical Current

Links

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G06Q50/40—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • 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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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]

Abstract

本发明涉及一种基于北斗定位系统的车辆违规行驶风险分析方法，包括：获取车辆的基本信息和行驶信息；其中，行驶信息包括行驶轨迹信息和/或运行状态信息；将车辆的基本信息和行驶信息上传至服务器，以使服务器分析车辆的行驶行为，确定车辆的违规行驶情况，并更新车辆违规行驶的风险分值；根据分值的大小判定车辆的违规行驶情况存在风险的级别，并生成车辆违规行驶风险分析报告。通过准确计算出车辆的违规行驶的风险分值，由用户根据该车辆的违规行驶的风险分值生成违规行驶的风险分析报告，使得用户易于发现违规行驶存在于哪些方面，提醒和督促司机改善驾驶行为，对司机本人的驾驶行为起到了预警和考核的作用，便于日常管理。

Description

基于北斗定位系统的车辆违规行驶风险分析方法
技术领域
本发明涉及计算机技术领域，具体涉及一种基于北斗定位系统的车辆违规行驶风险分析方法。
背景技术
我国有1200万台重卡车和3000万重卡司机，每位司机不仅关系到自己的家庭，还关系到父母、岳父母的家庭，年长的师傅还关系到子女家庭。所以，这3000万人直接关系到1亿家庭，3亿人之心。在我国近几年所发生的所有重特大事故中，80％都与公路重型运输车辆有关，在所有公路重型运输车辆事故中，80％又都与超速、疲劳驾驶等违规驾驶行为有关。
车辆在途行驶过程中最重要的问题就是安全问题，并且安全问题的影响因素也是多方面的，驾驶员、车辆、路况、天气等都会对在途安全产生影响，而这些影响因素通常都是不可量化的，因此对在途过程的风险性增加了不确定性，为了增加在途行驶的安全性，需要对这些安全影响因素进行量化并且能够提醒驾驶员调整是迫切需要解决的问题。
发明内容
本发明要解决的技术问题在于克服现有技术中的缺陷，提供一种根据车辆的基本信息和行驶信息能够计算出车辆违规行驶的风险分值的基于北斗定位系统的车辆违规行驶风险分析方法。
为此，采用的技术方案为一种基于北斗定位系统的车辆违规行驶风险分析方法，包括：
获取车辆的基本信息和行驶信息；其中，所述行驶信息包括行驶轨迹信息和/或运行状态信息；
将车辆的基本信息和行驶信息上传至服务器，以使所述服务器分析车辆的行驶行为，确定车辆的违规行驶情况，并更新车辆违规行驶的风险分值；
根据分值的大小判定车辆的违规行驶情况存在风险的级别，并生成车辆违规行驶风险分析报告。
优选的，获取车辆的基本信息和行驶信息包括：
实时获取车辆的行驶轨迹原始数据，通过通信模块上传至服务器，服务器根据实时获取的车辆的轨迹原始数据进行逐个位置点分析，并结合POI数据库生成分析后的轨迹点，存储记录于轨迹数据库；
实时获取车辆的速度，通过通信模块上传至服务器，若行驶速度低于服务器系统预设的速度则判定为安全行驶；若行驶速度高于服务器系统预设的速度则判定为超速驾驶，存储记录于超速驾驶数据库；
实时获取车辆的行驶时长，通过通信模块发送至服务器，若行驶时长低于服务器系统预设的时间则判定为安全行驶；若行驶时长高于服务器系统预设的时间则判定为疲劳驾驶，存储记录于疲劳驾驶数据库；
实时获取恶劣天气的能见度，通过通信模块发送至服务器，与服务器系统预设的能见度等级相匹配，判断出恶劣天气的能见度等级，若能见度等级低于服务器系统预设的等级则判定为安全行驶；若能见度等级高于服务器系统预设的等级则判定为危险驾驶，存储记录于危险驾驶数据库；
通过特征识别判断前方路段是否为弯道，并实时获取车辆经过弯道时的信息，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度，且不超车则判定为安全行驶；若行驶速度高于服务器系统预设的速度，或超车行驶则判定为危险驾驶，存储记录于危险驾驶数据库。
优选的，所述车辆的基本信息包括车龄、车牌号、车辆类型；
车辆的行驶轨迹信息包括经度、纬度、方向、时间和海拔；车辆的运行状态信息包括行驶速度、离线的经度和纬度及时间、上线的经度和纬度及时间、恶劣天气行驶时间和危险路段次数；
根据车辆的行驶轨迹信息和/或运行状态信息对车辆的超速驾驶、疲劳驾驶、危险驾驶和非法位移进行实时分析，形成车辆违规行驶情况，对车辆违规行驶情况向目标车辆发送语音提醒，并由所述服务器记录车辆违规行驶情况，车辆违规行驶情况包括千公里非法位移次数、千公里非法位移里程、超速率、 80-90km/h超速率、90-100km/h超速率、100km/h以上超速率、千公里疲劳驾驶次数、千公里疲劳驾驶时长、千公里疲劳驾驶里程、疲劳驾驶时超速率、千公里危险路段次数、千公里恶劣天气驾驶次数；
将上述各项车辆违规行驶情况设为车辆风险因子。
优选的，所述服务器根据车辆的基本信息和行驶信息确定车辆风险因子，并确定与所述车辆风险因子对应的风险因子分析模型，采用所述风险因子分析模型确定对应的各项车辆的特征值；并对各项所述车辆的特征值设定不同的权重，对全部车辆的特征权重值求和，确定所述车辆违规行驶情况的风险分值。
优选的，所述车辆违规行驶情况的风险因子分析模型的计算公式如下：
其中，x≥0，0≤y≤1；
分别设为系统计算出的每项风险因子的平均值；
x设为风险因子，分别包括千公里非法位移次数、千公里非法位移里程、超速率、80-90km/h超速率、90-100km/h超速率、100km/h以上超速率、千公里疲劳驾驶次数、千公里疲劳驾驶时长、千公里疲劳驾驶里程、疲劳驾驶时超速率、千公里危险路段次数、千公里恶劣天气驾驶次数；
y(x)设为对应的特征值。
优选的，根据车辆行驶情况和车辆违规行驶情况由所述服务器对车辆的日行驶情况进行统计，并进行融合得出车辆日画像，所述服务器对所有车辆日画像进行存储，并计算出所有车辆违规行驶情况的每项风险因子的平均值。
优选的，计算出所有车辆违规行驶情况的每项风险因子的平均值需要划定样本范围：由所述服务器统计所有车辆上线天数，按照降序排列，筛选去除首尾各10％的数据；在此基础上去除异地上线距离大于总里程二分之一的数据；
由所述服务器每月定时统计一次样本数据，及时更新上述平均值。
一种基于北斗定位系统的车辆违规行驶风险分析系统，包括：
车载北斗终端：用于记载车辆的基本信息和获取车辆的行驶信息；其中，所述行驶信息包括行驶轨迹信息和/或运行状态信息；
服务器：根据通信模块上传的车辆的基本信息和行驶信息分析车辆的行驶行为，并更新车辆违规行驶的风险分值；根据分值的大小判定车辆的违规行驶情况存在风险的级别，并生成车辆违规行驶风险分析报告。
优选的，车载北斗终端包括北斗定位模块、速度传感器、驾驶时长记录模块、能见度检测模块和弯道识别模块；
北斗定位模块用于获取实时车辆的轨迹原始数据，按时序采集的所述车辆的位置点的经纬度集合，每一个采集时间对应于一个位置点的定位信息；
速度传感器用于实时获取车辆的速度，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度则判定为安全行驶；若行驶速度高于服务器系统预设的速度则判定为超速驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
驾驶时长记录模块用于实时获取车辆的行驶时长，通过通信模块发送至服务器，若行驶时长低于服务器系统预设的时间则判定为安全行驶；若行驶时长高于服务器系统预设的时间则判定为疲劳驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
能见度检测模块用于实时获取恶劣天气的能见度，通过通信模块发送至服务器，与服务器系统预设的能见度等级相匹配，判断出恶劣天气的能见度等级，若能见度等级低于服务器系统预设的等级则判定为安全行驶；若能见度等级高于服务器系统预设的等级则判定为危险驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
弯道识别模块通过特征识别判断前方路段是否为弯道，并实时获取车辆经过弯道时的信息，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度，且不超车则判定为安全行驶；若行驶速度高于服务器系统预设的速度，或超车行驶则判定为危险驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警。
本发明技术方案，具有如下优点：
通过准确计算出车辆的违规行驶的风险分值，由用户根据该车辆的违规行驶的风险分值生成违规行驶的风险分析报告，使得用户易于发现违规行驶存在于哪些方面，提醒和督促司机改善驾驶行为，对司机本人的习惯性驾驶行为起到了预警和考核的作用，便于日常管理，以及司机家属也可据此及时且准确了解到司机本人的最近驾驶情况；也可为保险公司据此确定下一年的保费提供了可参考的准确依据。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明提供的基于北斗定位系统的车辆违规行驶风险分析方法的流程示意图；
图2为原始数据加工分析方法的流程示意图；
图3为车辆的轨迹完整率分析方法的流程示意图；
图4为服务器更新车辆违规行驶的风险分值方法的流程示意图；
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种车辆违规行驶风险分析方法，包括以下步骤：
步骤100：获取车辆的基本信息和行驶信息；其中，所述行驶信息包括行驶轨迹信息和/或运行状态信息；
步骤200：将车辆的基本信息和行驶信息上传至服务器，以使所述服务器分析车辆的行驶行为，确定车辆的违规行驶情况；
步骤300：并更新车辆违规行驶的风险分值；
步骤400：根据分值的大小判定车辆的违规行驶情况存在风险的级别，并生成车辆违规行驶风险分析报告。
本实施例提供的车辆违规行驶风险分析方法，应用于车辆上安装有车载北斗终端，车载北斗终端与服务器通信连接，车载北斗终端上记载有车辆的基本信息和原始数据，并实时记录车辆的行驶信息；其中，所述行驶信息包括行驶轨迹信息和/或运行状态信息。
获取车辆的基本信息和行驶信息，上传至服务器，以使服务器分析车辆的行驶行为，确定车辆的违规行驶情况包括：
实时获取车辆的行驶轨迹原始数据，通过通信模块上传至服务器，如图2 为原始数据加工分析方法的流程示意图所示，服务器根据实时获取的车辆的轨迹原始数据进行逐个位置点分析，并结合POI数据库生成分析后的轨迹点，存储记录于轨迹数据库；
其中，车辆的轨迹原始数据包括：车牌号、速度、经度、纬度、海拔、时间、方向；
POI数据库设为面积为200㎡、2000㎡的正方形地理画像，字段包括通过经纬度算出的key和此正方形对应的实际位置名称(即道路名称)、道路级别；
位置点分析是对每个位置点进行实时分析，为估计点贴上标签即危险路段 (即弯道)、道路级别、所在地理范围；对危险路段(即弯道)进行分析，并存储记录于危险路段数据库，可供用户查阅，或当其他车辆行驶到该路段时进行预警和提醒。
分析后的轨迹点包括：车牌号、速度、经度、维度、高程、时间、方向，是否危险路段、危险路段ID、道路级别、道路名称、详细地址，存储记录于轨迹数据库。
同时服务器可实时分析车辆的轨迹完整率，如图3为车辆的轨迹完整率分析方法的流程示意图所示，由实时获取的车辆的轨迹原始数据中得到上一轨迹点信息、本轨迹点信息判断车辆的离线情况，并计算离线数据，生成离线记录，以此可以分析出千公里非法位移次数、千公里非法位移里程，并存储记录于离线记录数据库；
其中，车辆的轨迹原始数据包括：车牌号、速度、经度、纬度、海拔、时间、方向；
上一轨迹点信息和本轨迹点信息：在服务器内存中存储的上一个轨迹点的信息和本轨迹点信息；
离线判断：可实时计算两个轨迹点的信息，如两点之间直线距离大于20km、且时长超过30分钟则算为一次离线；
计算离线里程：计算本次离线行驶的时长和直线距离；
离线记录：车牌、离线时间、上线时间、直线距离、离线经纬度、上线经纬度。
实时获取车辆的速度，通过通信模块上传至服务器，若行驶速度低于服务器系统预设的速度则判定为安全行驶；若行驶速度高于服务器系统预设的速度则判定为超速驾驶，存储记录于超速驾驶数据库；
另外服务器也可对超速驾驶进行分析：根据实时获取的车辆的速度和轨迹原始数据，可结合POI数据库分析道路级别，获取道路的限速标准，将连续超速的点串联得出一次超速记录，并计算超速的里程和速度，生成超速记录，如超速率、80-90km/h超速率、90-100km/h超速率、100km/h以上超速率，并存储记录于超速数据库；
实时获取车辆的行驶时长，通过通信模块发送至服务器，若行驶时长低于服务器系统预设的时间则判定为安全行驶；若行驶时长高于服务器系统预设的时间则判定为疲劳驾驶，存储记录于疲劳驾驶数据库；
实时获取恶劣天气的能见度，通过通信模块发送至服务器，与服务器系统预设的能见度等级相匹配，判断出恶劣天气的能见度等级，若能见度等级低于服务器系统预设的等级则判定为安全行驶；若能见度等级高于服务器系统预设的等级则判定为危险驾驶，存储记录于危险驾驶数据库；
通过特征识别判断前方路段是否为弯道，并实时获取车辆经过弯道时的信息，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度，且不超车则判定为安全行驶；若行驶速度高于服务器系统预设的速度，或超车行驶则判定为危险驾驶，存储记录于危险驾驶数据库。服务器也可从危险路段数据库中直接获取危险路段(即弯道)、道路级别、所在地理范围，从而根据是否发生超车来判断安全行驶或危险驾驶。
如图4所示，步骤300服务器更新车辆的违规行驶的风险分值方法包括如下步骤：
步骤301：服务器根据车辆的基本信息和行驶信息确定车辆风险因子；
步骤302：确定与所述车辆风险因子对应的风险因子分析模型；
步骤303：采用所述风险因子分析模型计算得出对应的各项车辆的特征值；
步骤304：并对各项所述车辆的特征值设定不同的权重，对车辆的全部特征的权重值求和，就能准确计算出车辆的违规行驶的风险分值。
通过准确计算出车辆的违规行驶的风险分值，由用户根据该车辆的违规行驶的风险分值生成违规行驶的风险分析报告；由于对违规行驶的各项风险的特征值进行了量化计算，因此在违规行驶的风险分析报告中可对各项风险的特征值进行排序，由此得出哪些因素影响在途行驶的安全性，提醒和督促司机改善驾驶行为，对司机本人的驾驶行为起到了预警和考核的作用，便于日常管理；也可为保险公司据此确定下一年的保费提供了可参考的准确依据。
步骤100中获取车辆的基本信息和行驶信息，具体地包括如下信息：车辆的基本信息包括车龄、车牌号、车辆类型；车辆的行驶轨迹信息包括经度、纬度、方向、时间和海拔；车辆的运行状态信息包括行驶速度、离线的经度和纬度及时间、上线的经度和纬度及时间、恶劣天气行驶时间和危险路段次数。
步骤301：服务器根据车辆的基本信息和行驶信息确定车辆风险因子；根据车辆的行驶轨迹信息和/或运行状态信息对车辆的超速驾驶、疲劳驾驶、危险驾驶和非法位移进行实时分析，形成车辆违规行驶情况，对车辆违规行驶情况向目标车辆发送语音提醒，并由所述服务器记录车辆违规行驶情况，车辆违规行驶情况包括千公里非法位移次数、千公里非法位移里程、超速率、80-90km/h超速率、90-100km/h超速率、100km/h以上超速率、千公里疲劳驾驶次数、千公里疲劳驾驶时长、千公里疲劳驾驶里程、疲劳驾驶时超速率、千公里危险路段次数、千公里恶劣天气驾驶次数；
从而将各项车辆违规行驶情况设为车辆风险因子。
本实施例中对车辆行驶情况和车辆违规行驶情况进行如下定义，但不限于以下的具体统计信息；
车辆违规行驶情况包括车辆的超速驾驶、疲劳驾驶、危险驾驶和非法位移情况进行统计记录；
危险驾驶：当车辆即将通过危险路段(或检测当时为恶劣天气)时，系统向驾驶员发出预警信息，当车辆通过时记录车辆的行驶情况，统计如下信息：
车牌、实际速度、道路ID、危险类型(危险路段、恶劣天气)、驾驶行为类型(安全、危险)、限定速度、限速名称、经纬度、发生时间。
超速记录：系统设定高速路段行驶速度>80km/h、非高速路段行驶速度>60km/h为超速，由此超速记录统计如下信息：
车牌、超速开始时间、超速结束时间、超速地址、速度、超速里程、经纬度(集合)。
疲劳驾驶：以大于15km/h的速度连续行驶超过四小时，定义为疲劳驾驶，当此次疲劳驾驶休息超过20分钟则结束疲劳驾驶，由此疲劳驾驶统计如下信息：
车牌、开始时间、结束时间、超速地址、速度、疲劳里程、疲劳时长、经纬度(集合)。
非法位移：非法位移统计的为行车轨迹缺失记录，用于统计轨迹的完整率，因此非法位移统计如下信息：
车牌、离线时间、上线时间、直线距离、离线经纬度、上线经纬度。
车辆日画像：以天为单位统计综合上述信息统计车辆的行驶日画像，统计信息如下：
车牌号、总里程、总时长、平均速度、非法位移次数、非法位移总距离、超速率、80-90km/h里程、90-100km/h里程、100km/h以上里程、疲劳驾驶次数、疲劳驾驶时长、疲劳驾驶里程、疲劳驾驶时超速里程、恶劣天气危险驾驶次数、恶劣天气行驶均速、危险路段危险驾驶次数、危险路段行驶均速。
步骤302：确定与所述车辆风险因子对应的风险因子分析模型；
步骤303：采用所述风险因子分析模型确定对应的车辆的特征值，具体如下：
车辆违规行驶情况的风险因子分析模型的计算公式如下：
其中，x≥0，0≤y≤1；
分别设为系统计算出的每项风险因子的平均值；
x分别设为千公里非法位移次数、千公里非法位移里程、超速率、80-90km/h 超速率、90-100km/h超速率、100km/h以上超速率、千公里疲劳驾驶次数、千公里疲劳驾驶时长、千公里疲劳驾驶里程、疲劳驾驶时超速率、千公里危险路段次数、千公里恶劣天气驾驶次数；
y(x)设为对应的特征值。
为了准确计算出每项风险因子的平均值，可根据车辆行驶情况和车辆违规行驶情况由所述服务器对车辆的日行驶情况进行统计，并进行融合得出车辆日画像，所述服务器对所有车辆日画像进行存储，并计算出所有车辆违规行驶情况的每项风险因子的平均值。
计算出所有车辆违规行驶情况的每项风险因子的平均值需要划定样本范围：由所述服务器统计所有车辆上线天数，按照降序排列，筛选去除首尾各10％的数据；在此基础上去除异地上线距离大于总里程二分之一的数据；由所述服务器每月定时统计一次样本数据，及时更新上述平均值。
步骤304中，车辆违规行驶的风险分值的模型计算公式如下：
f(x)＝β1×y(x1)+β2×y(x2)+…+βn×y(xn)
其中，x1…xn设为风险因子；y(x1)…y(xn)设为车辆的特征值；
β1…βn设为风险因子的权重，各个权重的和设为100；
设定权重：
1、创建部门时，为本部门设置一个所有车辆类型通用的风险因子权重，即通用的评分标准。
2、部门可以对此标准进行修改，同时可以按车辆类型增加不同的评分标准。
3、用户对车辆进行评级时，系统根据车辆类型选取所属的评分标准。
每月定时更新每项风险因子的平均值，同时对各项车辆的特征值进行更新，从而计算出每月的车辆的违规行驶的风险分值，对每个自然年度的12个月的车辆的违规行驶的风险分值求平均值即可得出年度车辆的违规行驶的风险分值，可为保险公司据此确定下一年度的保费提供了可参考的准确依据。
一种基于北斗定位系统的车辆违规行驶风险分析系统，包括：
车载北斗终端：用于记载车辆的基本信息和获取车辆的行驶信息；其中，所述行驶信息包括行驶轨迹信息和/或运行状态信息；
服务器：根据通信模块上传的车辆的基本信息和行驶信息分析车辆的行驶行为，并更新车辆违规行驶的风险分值；根据分值的大小判定车辆的违规行驶情况存在风险的级别，并生成车辆违规行驶风险分析报告。
车载北斗终端包括北斗定位模块、速度传感器、驾驶时长记录模块、能见度检测模块和弯道识别模块；
北斗定位模块用于实时获取车辆的轨迹原始数据，按时序采集的所述车辆的位置点的经纬度集合，每一个采集时间对应于一个位置点的定位信息；
速度传感器用于实时获取车辆的速度，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度则判定为安全行驶；若行驶速度高于服务器系统预设的速度则判定为超速驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
驾驶时长记录模块用于实时获取车辆的行驶时长，通过通信模块发送至服务器，若行驶时长低于服务器系统预设的时间则判定为安全行驶；若行驶时长高于服务器系统预设的时间则判定为疲劳驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
能见度检测模块用于实时获取恶劣天气的能见度，通过通信模块发送至服务器，与服务器系统预设的能见度等级相匹配，判断出恶劣天气的能见度等级，若能见度等级低于服务器系统预设的等级则判定为安全行驶；若能见度等级高于服务器系统预设的等级则判定为危险驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
弯道识别模块通过特征识别判断前方路段是否为弯道，并实时获取车辆经过弯道时的信息，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度，且不超车则判定为安全行驶；若行驶速度高于服务器系统预设的速度，或超车行驶则判定为危险驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警。服务器也可从危险路段数据库中直接获取危险路段(即弯道)、道路级别、所在地理范围，从而根据是否发生超车来判断安全行驶或危险驾驶。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。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。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (9)

1.一种基于北斗定位系统的车辆违规行驶风险分析方法，其特征在于，包括：
获取车辆的基本信息和行驶信息；其中，所述行驶信息包括行驶轨迹信息和/或运行状态信息；
将车辆的基本信息和行驶信息上传至服务器，以使所述服务器分析车辆的行驶行为，确定车辆的违规行驶情况，并更新车辆违规行驶的风险分值；
根据分值的大小判定车辆的违规行驶情况存在风险的级别，并生成车辆违规行驶风险分析报告。
2.根据权利要求1所述的方法，其特征在于，获取车辆的基本信息和行驶信息包括：
实时获取车辆的行驶轨迹原始数据，通过通信模块上传至服务器，服务器根据实时获取的车辆的轨迹原始数据进行逐个位置点分析，并结合POI数据库生成分析后的轨迹点，存储记录于轨迹数据库；
实时获取车辆的速度，通过通信模块上传至服务器，若行驶速度低于服务器系统预设的速度则判定为安全行驶；若行驶速度高于服务器系统预设的速度则判定为超速驾驶，存储记录于超速驾驶数据库；
实时获取车辆的行驶时长，通过通信模块发送至服务器，若行驶时长低于服务器系统预设的时间则判定为安全行驶；若行驶时长高于服务器系统预设的时间则判定为疲劳驾驶，存储记录于疲劳驾驶数据库；
实时获取恶劣天气的能见度，通过通信模块发送至服务器，与服务器系统预设的能见度等级相匹配，判断出恶劣天气的能见度等级，若能见度等级低于服务器系统预设的等级则判定为安全行驶；若能见度等级高于服务器系统预设的等级则判定为危险驾驶，存储记录于危险驾驶数据库；
通过特征识别判断前方路段是否为弯道，并实时获取车辆经过弯道时的信息，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度，且不超车则判定为安全行驶；若行驶速度高于服务器系统预设的速度，或超车行驶则判定为危险驾驶，存储记录于危险驾驶数据库。
3.根据权利要求2所述的方法，其特征在于，所述车辆的基本信息包括车龄、车牌号、车辆类型；
车辆的行驶轨迹信息包括经度、纬度、方向、时间和海拔；车辆的运行状态信息包括行驶速度、离线的经度和纬度及时间、上线的经度和纬度及时间、恶劣天气行驶时间和危险路段次数；
根据车辆的行驶轨迹信息和/或运行状态信息对车辆的超速驾驶、疲劳驾驶、危险驾驶和非法位移进行实时分析，形成车辆违规行驶情况，对车辆违规行驶情况向目标车辆发送语音提醒，并由所述服务器记录车辆违规行驶情况，车辆违规行驶情况包括千公里非法位移次数、千公里非法位移里程、超速率、80-90km/h超速率、90-100km/h超速率、100km/h以上超速率、千公里疲劳驾驶次数、千公里疲劳驾驶时长、千公里疲劳驾驶里程、疲劳驾驶时超速率、千公里危险路段次数、千公里恶劣天气驾驶次数；
将上述各项车辆违规行驶情况设为车辆风险因子。
4.根据权利要求1所述的方法，其特征在于，所述服务器根据车辆的基本信息和行驶信息确定车辆风险因子，并确定与所述车辆风险因子对应的风险因子分析模型，采用所述风险因子分析模型确定对应的各项车辆的特征值；并对各项所述车辆的特征值设定不同的权重，对全部车辆的特征权重值求和，确定所述车辆违规行驶情况的风险分值。
5.根据权利要求4所述的方法，其特征在于，所述车辆违规行驶情况的风险因子分析模型的计算公式如下：
其中，x≥0，0≤y≤1；
分别设为系统计算出的每项风险因子的平均值；
x设为风险因子，分别包括千公里非法位移次数、千公里非法位移里程、超速率、80-90km/h超速率、90-100km/h超速率、100km/h以上超速率、千公里疲劳驾驶次数、千公里疲劳驾驶时长、千公里疲劳驾驶里程、疲劳驾驶时超速率、千公里危险路段次数、千公里恶劣天气驾驶次数；
y(x)设为对应的特征值。
6.根据权利要求5所述的方法，其特征在于，根据车辆行驶情况和车辆违规行驶情况由所述服务器对车辆的日行驶情况进行统计，并进行融合得出车辆日画像，所述服务器对所有车辆日画像进行存储，并计算出所有车辆违规行驶情况的每项风险因子的平均值。
7.根据权利要求6所述的方法，其特征在于，计算出所有车辆违规行驶情况的每项风险因子的平均值需要划定样本范围：由所述服务器统计所有车辆上线天数，按照降序排列，筛选去除首尾各10％的数据；在此基础上去除异地上线距离大于总里程二分之一的数据；
由所述服务器每月定时统计一次样本数据，及时更新上述平均值。
8.一种基于北斗定位系统的车辆违规行驶风险分析系统，其特征在于，包括：
车载北斗终端：用于记载车辆的基本信息和获取车辆的行驶信息；其中，所述行驶信息包括行驶轨迹信息和/或运行状态信息；
服务器：根据通信模块上传的车辆的基本信息和行驶信息分析车辆的行驶行为，并更新车辆违规行驶的风险分值；根据分值的大小判定车辆的违规行驶情况存在风险的级别，并生成车辆违规行驶风险分析报告。
9.根据权利要求8所述的车辆违规行驶风险分析系统，其特征在于，车载北斗终端包括北斗定位模块、速度传感器、驾驶时长记录模块、能见度检测模块和弯道识别模块；
北斗定位模块用于获取实时车辆的轨迹原始数据，按时序采集的所述车辆的位置点的经纬度集合，每一个采集时间对应于一个位置点的定位信息；
速度传感器用于实时获取车辆的速度，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度则判定为安全行驶；若行驶速度高于服务器系统预设的速度则判定为超速驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
驾驶时长记录模块用于实时获取车辆的行驶时长，通过通信模块发送至服务器，若行驶时长低于服务器系统预设的时间则判定为安全行驶；若行驶时长高于服务器系统预设的时间则判定为疲劳驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
能见度检测模块用于实时获取恶劣天气的能见度，通过通信模块发送至服务器，与服务器系统预设的能见度等级相匹配，判断出恶劣天气的能见度等级，若能见度等级低于服务器系统预设的等级则判定为安全行驶；若能见度等级高于服务器系统预设的等级则判定为危险驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警；
弯道识别模块通过特征识别判断前方路段是否为弯道，并实时获取车辆经过弯道时的信息，通过通信模块发送至服务器，若行驶速度低于服务器系统预设的速度，且不超车则判定为安全行驶；若行驶速度高于服务器系统预设的速度，或超车行驶则判定为危险驾驶，并通过通信模块返回到车载北斗终端的显示屏进行显示，并且做出相应的提醒和预警。
CN201910574565.3A 2019-06-28 2019-06-28 基于北斗定位系统的车辆违规行驶风险分析方法 Pending CN110276953A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910574565.3A CN110276953A (zh) 2019-06-28 2019-06-28 基于北斗定位系统的车辆违规行驶风险分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910574565.3A CN110276953A (zh) 2019-06-28 2019-06-28 基于北斗定位系统的车辆违规行驶风险分析方法

Publications (1)

Publication Number Publication Date
CN110276953A true CN110276953A (zh) 2019-09-24

Family

ID=67963744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910574565.3A Pending CN110276953A (zh) 2019-06-28 2019-06-28 基于北斗定位系统的车辆违规行驶风险分析方法

Country Status (1)

Country Link
CN (1) CN110276953A (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807930A (zh) * 2019-11-07 2020-02-18 中国联合网络通信集团有限公司 危险车辆预警方法及装置
CN111105622A (zh) * 2019-12-23 2020-05-05 北京中交兴路车联网科技有限公司 违规停车纠正方法、装置以及存储介质
CN111143669A (zh) * 2019-12-09 2020-05-12 上海擎感智能科技有限公司 保险服务推荐方法、系统、计算机可读存储介质及终端
CN111353471A (zh) * 2020-03-17 2020-06-30 北京百度网讯科技有限公司 安全驾驶监测方法、装置、设备和可读存储介质
CN111598347A (zh) * 2020-05-20 2020-08-28 上海评驾科技有限公司 一种道路运输车辆超长行程切分优化方法
CN112532698A (zh) * 2020-11-17 2021-03-19 招商新智科技有限公司 高速公路危险驾驶预警与诱导屏联动发布的方法及系统
CN112668956A (zh) * 2020-09-04 2021-04-16 浙江万里学院 一种物流保险数据的智能核保方法
CN113119860A (zh) * 2021-05-18 2021-07-16 刘宇晟 一种基于云计算的司机智能辅助驾驶系统
WO2021189767A1 (zh) * 2020-03-27 2021-09-30 惠州市德赛西威智能交通技术研究院有限公司 一种基于v2x的多目标处理方法
CN113838282A (zh) * 2021-07-16 2021-12-24 北京航空航天大学 基于北斗定位的车辆异常行为检测方法
CN113986100A (zh) * 2021-10-29 2022-01-28 北京开云互动科技有限公司 一种用于虚拟仿真的车辆违规驾驶行为判定方法
CN113990080A (zh) * 2021-09-26 2022-01-28 河北京石高速公路开发有限公司 一种高速公路车辆通行安全全程检测系统
CN113997940A (zh) * 2021-12-20 2022-02-01 镁佳(北京)科技有限公司 一种驾驶行为监测方法及装置
CN114212097A (zh) * 2021-12-16 2022-03-22 东风汽车集团股份有限公司 一种智能驾驶辅助控制系统及控制方法
CN114333309A (zh) * 2021-04-08 2022-04-12 重庆交通职业学院 一种交通事故预警系统和方法
CN114530049A (zh) * 2020-11-06 2022-05-24 上海擎感智能科技有限公司 车辆救援及预警方法、系统和计算机存储介质
CN114724121A (zh) * 2022-03-23 2022-07-08 中交信息技术国家工程实验室有限公司 一种驾驶行为预测方法
CN114822089A (zh) * 2022-06-23 2022-07-29 中国民用航空总局第二研究所 一种航空公司地面运行车辆离线违规告警方法及装置
CN115810272A (zh) * 2023-02-09 2023-03-17 北京华录高诚科技有限公司 一种车辆安全监管方法及系统
WO2023203391A1 (en) * 2022-04-21 2023-10-26 Senjam Nongdrenkhomba Singh A system and a method for monitoring vehicle speed and enforcing an anti-speeding code for minimization of speeding-driven accidents
CN117012032A (zh) * 2023-09-28 2023-11-07 深圳市新城市规划建筑设计股份有限公司 一种基于大数据的智能交通管理系统以及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150015416A1 (en) * 2013-07-11 2015-01-15 Hyundai Motor Company System and method for setting warning reference of advanced driver assistance system
CN105374211A (zh) * 2015-12-09 2016-03-02 敏驰信息科技（上海）有限公司 基于多源数据计算驾驶风险与辅助车险定价的系统及方法
CN107826118A (zh) * 2017-11-01 2018-03-23 南京阿尔特交通科技有限公司 一种判别异常驾驶行为的方法及装置
CN108074396A (zh) * 2016-11-10 2018-05-25 关晓芙 安全行驶评价方法及系统
CN108230616A (zh) * 2018-02-02 2018-06-29 辽宁友邦网络科技有限公司 一种危险驾驶识别警报方法及系统
CN108944946A (zh) * 2018-07-11 2018-12-07 北京航空航天大学 一种基于车车通信的弯道风险预估计算方法
CN109389824A (zh) * 2017-08-04 2019-02-26 华为技术有限公司 一种驾驶风险的评估方法及装置
CN109466474A (zh) * 2018-11-23 2019-03-15 北京车和家信息技术有限公司 行车安全辅助驾驶系统、车载设备及车辆

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150015416A1 (en) * 2013-07-11 2015-01-15 Hyundai Motor Company System and method for setting warning reference of advanced driver assistance system
CN105374211A (zh) * 2015-12-09 2016-03-02 敏驰信息科技（上海）有限公司 基于多源数据计算驾驶风险与辅助车险定价的系统及方法
CN108074396A (zh) * 2016-11-10 2018-05-25 关晓芙 安全行驶评价方法及系统
CN109389824A (zh) * 2017-08-04 2019-02-26 华为技术有限公司 一种驾驶风险的评估方法及装置
CN107826118A (zh) * 2017-11-01 2018-03-23 南京阿尔特交通科技有限公司 一种判别异常驾驶行为的方法及装置
CN108230616A (zh) * 2018-02-02 2018-06-29 辽宁友邦网络科技有限公司 一种危险驾驶识别警报方法及系统
CN108944946A (zh) * 2018-07-11 2018-12-07 北京航空航天大学 一种基于车车通信的弯道风险预估计算方法
CN109466474A (zh) * 2018-11-23 2019-03-15 北京车和家信息技术有限公司 行车安全辅助驾驶系统、车载设备及车辆

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807930A (zh) * 2019-11-07 2020-02-18 中国联合网络通信集团有限公司 危险车辆预警方法及装置
CN111143669A (zh) * 2019-12-09 2020-05-12 上海擎感智能科技有限公司 保险服务推荐方法、系统、计算机可读存储介质及终端
CN111105622A (zh) * 2019-12-23 2020-05-05 北京中交兴路车联网科技有限公司 违规停车纠正方法、装置以及存储介质
CN111105622B (zh) * 2019-12-23 2021-11-02 北京中交兴路车联网科技有限公司 违规停车纠正方法、装置以及存储介质
CN111353471A (zh) * 2020-03-17 2020-06-30 北京百度网讯科技有限公司 安全驾驶监测方法、装置、设备和可读存储介质
WO2021189767A1 (zh) * 2020-03-27 2021-09-30 惠州市德赛西威智能交通技术研究院有限公司 一种基于v2x的多目标处理方法
CN111598347A (zh) * 2020-05-20 2020-08-28 上海评驾科技有限公司 一种道路运输车辆超长行程切分优化方法
CN111598347B (zh) * 2020-05-20 2024-02-09 上海评驾科技有限公司 一种道路运输车辆超长行程切分优化方法
CN112668956A (zh) * 2020-09-04 2021-04-16 浙江万里学院 一种物流保险数据的智能核保方法
CN112668956B (zh) * 2020-09-04 2023-09-22 浙江万里学院 一种物流保险数据的智能核保方法
CN114530049A (zh) * 2020-11-06 2022-05-24 上海擎感智能科技有限公司 车辆救援及预警方法、系统和计算机存储介质
CN112532698A (zh) * 2020-11-17 2021-03-19 招商新智科技有限公司 高速公路危险驾驶预警与诱导屏联动发布的方法及系统
CN114333309A (zh) * 2021-04-08 2022-04-12 重庆交通职业学院 一种交通事故预警系统和方法
CN113119860A (zh) * 2021-05-18 2021-07-16 刘宇晟 一种基于云计算的司机智能辅助驾驶系统
CN113119860B (zh) * 2021-05-18 2022-08-19 刘宇晟 一种基于云计算的司机智能辅助驾驶系统
CN113838282A (zh) * 2021-07-16 2021-12-24 北京航空航天大学 基于北斗定位的车辆异常行为检测方法
CN113990080A (zh) * 2021-09-26 2022-01-28 河北京石高速公路开发有限公司 一种高速公路车辆通行安全全程检测系统
CN113986100A (zh) * 2021-10-29 2022-01-28 北京开云互动科技有限公司 一种用于虚拟仿真的车辆违规驾驶行为判定方法
CN113986100B (zh) * 2021-10-29 2022-10-04 北京开云互动科技有限公司 一种用于虚拟仿真的车辆违规驾驶行为判定方法
CN114212097A (zh) * 2021-12-16 2022-03-22 东风汽车集团股份有限公司 一种智能驾驶辅助控制系统及控制方法
CN114212097B (zh) * 2021-12-16 2023-09-05 东风汽车集团股份有限公司 一种智能驾驶辅助控制系统及控制方法
CN113997940B (zh) * 2021-12-20 2022-12-16 镁佳(北京)科技有限公司 一种驾驶行为监测方法及装置
CN113997940A (zh) * 2021-12-20 2022-02-01 镁佳(北京)科技有限公司 一种驾驶行为监测方法及装置
CN114724121A (zh) * 2022-03-23 2022-07-08 中交信息技术国家工程实验室有限公司 一种驾驶行为预测方法
WO2023203391A1 (en) * 2022-04-21 2023-10-26 Senjam Nongdrenkhomba Singh A system and a method for monitoring vehicle speed and enforcing an anti-speeding code for minimization of speeding-driven accidents
CN114822089A (zh) * 2022-06-23 2022-07-29 中国民用航空总局第二研究所 一种航空公司地面运行车辆离线违规告警方法及装置
CN115810272A (zh) * 2023-02-09 2023-03-17 北京华录高诚科技有限公司 一种车辆安全监管方法及系统
CN117012032A (zh) * 2023-09-28 2023-11-07 深圳市新城市规划建筑设计股份有限公司 一种基于大数据的智能交通管理系统以及方法
CN117012032B (zh) * 2023-09-28 2023-12-19 深圳市新城市规划建筑设计股份有限公司 一种基于大数据的智能交通管理系统以及方法

Similar Documents

Publication Publication Date Title
CN110276953A (zh) 基于北斗定位系统的车辆违规行驶风险分析方法
CN110275934A (zh) 基于北斗定位系统的车辆行驶情况风险分析方法和系统
Ma et al. Real-world driving cycles and energy consumption informed by large-sized vehicle trajectory data
CN110276954A (zh) 基于北斗定位系统的车辆行驶行为综合评分方法
WO2020244288A1 (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
CN110033615B (zh) 一种基于物联网的道路危险货物运输动态风险评估方法
CN104978853B (zh) 一种道路交通安全评估方法及系统
JP4469297B2 (ja) 運転診断方法およびその装置
EP1627370B1 (en) System and method for evaluating vehicle and operator performance
US11348384B2 (en) Method for determining indicators regarding the polluting nature of mobility taking real usage into account
CN112270460A (zh) 一种基于多源数据的超重货车货源站点识别方法
WO2010011806A1 (en) System and method for evaluating and improving driving performance based on statistical feedback
CN102044153B (zh) 一种交通流通畅等级评价的方法与系统
CN110807919A (zh) 基于过车数据的城市路网交通运行态势评价方法
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
CN112735139A (zh) 一种用于普通公路安全隐患排查的装置和方法
Wu et al. Clustering of several typical behavioral characteristics of commercial vehicle drivers based on GPS data mining: Case study of highways in China
CN106530714A (zh) 一种基于交通流数据的二次交通事故时间预测方法
JP3895615B2 (ja) 交通安全支援装置、交通安全支援システム及び交通安全支援プログラム
Cheng et al. Enhanced analysis of work zone safety through integration of statewide crash and lane closure system data
Salihu et al. Effect of road slope on driving cycle parameters of urban roads
Dalgleish Highway traffic monitoring and data quality
US11928962B2 (en) Location risk determination and ranking based on vehicle events and/or an accident database
CN110689131A (zh) 一种基于朴素贝叶斯模型的车辆能耗影响分析方法
CN115497306A (zh) 一种基于gis数据的速度区间权重计算方法

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: 20190924

RJ01 Rejection of invention patent application after publication