CN110533261A - 一种物流运输车辆的驾驶行为分析优化系统 - Google Patents
一种物流运输车辆的驾驶行为分析优化系统 Download PDFInfo
- Publication number
- CN110533261A CN110533261A CN201910842571.2A CN201910842571A CN110533261A CN 110533261 A CN110533261 A CN 110533261A CN 201910842571 A CN201910842571 A CN 201910842571A CN 110533261 A CN110533261 A CN 110533261A
- Authority
- CN
- China
- Prior art keywords
- driving behavior
- driving
- data
- optimization system
- driver
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 238000013499 data model Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 77
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 230000004907 flux Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000005206 flow analysis Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims 1
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 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
- B60W40/09—Driving style or behaviour
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种物流运输车辆的驾驶行为分析优化系统，一方面与司机侧的终端通讯连接，将数据模型估计得到的数据发送至司机侧的终端，以督促司机优化改善驾驶行为习惯，另一方面与客户终端通讯连接，将数据模型估计得到的数据发送至客户终端。本发明涉及的一种物流运输车辆的驾驶行为分析优化系统，能够分析评估司机的驾驶行为习惯，以便于外界甄选及督促司机优化改善驾驶行为习惯，保证交通运输安全。
Description
技术领域
本发明涉及一种驾驶行为分析优化系统，尤其涉及一种物流运输车辆的驾驶行为分析优化系统。
背景技术
物流车辆的行车安全成为了当今社会问题，由于物流运输车辆造成的交通事故、甚至重大交通事故，比比皆是，据不完全统计，目前交通事故中的重大交通事故由75%是由物流车辆造成的。而物流车辆中因驾驶行为问题引起的重大交通事故占60%，由此可见，驾驶行为对于物流的运输安全，乃至整个交通运输安全都有着至关重要的作用。
发明内容
为克服现有技术的缺陷，本发明提供一种物流运输车辆的驾驶行为分析优化系统，其方法包括如下步骤：
（1）通过汽车的OBD系统及传感器采集大量的行车驾驶行为数据。
所述行车驾驶行为数据包括但不限于疲劳驾驶、车门锁关闭状态、系安全带状态、刹车系统故障、单位急加速次数、单位急刹车次数、单位猛踩油门次数、单位急转弯次数、单位急转弯次数、过长怠速、低档位高速行驶里程、高档位低速行驶里程、故障行驶、停车状态踩油门。
其中，所述疲劳驾驶的数据判断方式为，在一个点火和一个熄火之间的单次行程中超过4小时的驾驶行为即判定为疲劳驾驶。
所述车门锁关闭状态为当中控锁闭合时，包括左/右前门、左/右后门、尾箱门在内的车门是否为关闭状态。
所述系安全带状态为检测到车速大于0时安全带的闭合状态。
所述单位急加速次数为每百公里的急加速次数，其中急加速的判断方法为加速度大于4m/s2即判定为急加速。
所述单位急刹车次数为每百公里的急刹车次数，其中急刹车的判断方法为加速度小于-4m/s2即判定为急刹车。
所述单位猛踩油门次数为每百公里猛踩油门的次数，根据瞬时油耗的变化来判断。
所述单位急转弯次数为每百公里的急转弯次数，其中急转弯的判断方法为方向盘摆超过90度的次数。
所述过长怠速是指车辆的发动机转速大于0但车速却为0的情况。
所述低档高速行驶里程、高档低速行驶里程中的低档高速行驶、高档低速行驶的判断方式是由实际速度与档位速度范围的对比得到的。
（2）建模
通过步骤（1）在一段时间内（如一周/一个月/一年）采集来的大量的行车驾驶行为数据，建立驾驶行为分析模型。
（3）动态驾驶行为数据估计
将动态驾驶行为数据进行分类整理，并构造参数向量，逐一与驾驶行为分析优化系统的数据库中存储的动态驾驶行为参数向量进行属性相关度计算，设定一个属性相关度阈值，如果计算结果小于或等于此阈值，则将参数向量与数据库中存储的动态驾驶行为参数向量进行比较得出某项驾驶行为参数的得分情况及其在行车驾驶行为评估中所占权重。
如果计算结果大于此阈值，则判定二者属性不同，无相关性，不予继续计算。
（4）综合数据估计
将车辆的位置数据、静态属性以及步骤（3）得到的驾驶行为参数的得分情况及其在行车驾驶行为评估中所占权重相结合，作为厘定因子，采用广义线性混合模型为厘定模式及方法，通过不断更新与补充真实数据样本对模型进行验证分析，用于评估司机的驾驶行为习惯。
驾驶行为分析优化系统一方面与司机侧的终端通讯连接，将数据模型估计得到的数据发送至司机侧的终端，以督促司机优化改善驾驶行为习惯，该系统另一方面与客户终端通讯连接，将数据模型估计得到的数据发送至客户终端，以便于客户甄选货运司机。
进一步地，本发明涉及的一种物流运输车辆的驾驶行为分析优化系统，还包括路线综合分析决策单元。
所述路线综合分析决策单元，通过网络从气象部门、交通部门等获取的天气实况、天气预测趋势、路况、道路施工情况、交通管制信息，结合实际车况信息，自动规划出合理行车路线，自动生成运输方案，提供给货运司机，以便提高整体运输效率，降低消息不畅而造成的成本代价。
进一步地，所述物流运输车辆的驾驶行为分析优化系统还包括人工智能学习模块，用于记录司机的历史驾驶习惯，并识别司机近期改变的驾驶习惯，动态修正权值，发送至驾驶行为分析优化在线修正模型，使所述物流运输车辆的驾驶行为分析优化系统精确更高。
更进一步地，所述物流运输车辆的驾驶行为分析优化系统的人工智能学习模块还包括路线流量分析预测功能，所述人工智能学习模块实时记录并存储物流车辆位置跟踪信息，利用大数据集群运算能力，在Tensor Flow之上建立一套物流流量深度学习算法，针对全国每个月份不同线路的物流流量进行分析预测。随着数据的不断积累和算法的不断演变，预测准确性也在不断提高。
本发明涉及的一种物流运输车辆的驾驶行为分析优化系统，分析评估司机的驾驶行为习惯，以便于外界甄选及督促司机优化改善驾驶行为习惯，保证交通运输安全。
具体实施方式
下面通过具体实施例，进一步对本发明的技术方案进行具体说明。应该理解，下面的实施例只是作为具体说明，而不限制本发明的范围，同时本领域的技术人员根据本发明所做的显而易见的改变和修饰也包含在本发明范围之内。
实施例1
一种物流运输车辆的驾驶行为分析优化系统，其方法包括如下步骤：
（1）通过汽车的OBD系统及传感器采集大量的行车驾驶行为数据。
所述行车驾驶行为数据包括但不限于疲劳驾驶、车门锁关闭状态、系安全带状态、刹车系统故障、单位急加速次数、单位急刹车次数、单位猛踩油门次数、单位急转弯次数、单位急转弯次数、过长怠速、低档位高速行驶里程、高档位低速行驶里程、故障行驶、停车状态踩油门。
其中，所述疲劳驾驶的数据判断方式为，在一个点火和一个熄火之间的单次行程中超过4小时的驾驶行为即判定为疲劳驾驶。所述车门锁关闭状态为当中控锁闭合时，包括左/右前门、左/右后门、尾箱门在内的车门是否为关闭状态。所述系安全带状态为检测到车速大于0时安全带的闭合状态。所述单位急加速次数为每百公里的急加速次数，其中急加速的判断方法为加速度大于4m/s2即判定为急加速。所述单位急刹车次数为每百公里的急刹车次数，其中急刹车的判断方法为加速度小于-4m/s2即判定为急刹车。所述单位猛踩油门次数为每百公里猛踩油门的次数，根据瞬时油耗的变化来判断。所述单位急转弯次数为每百公里的急转弯次数，其中急转弯的判断方法为方向盘摆超过90度的次数。所述过长怠速是指车辆的发动机转速大于0但车速却为0的情况。所述低档高速行驶里程、高档低速行驶里程中的低档高速行驶、高档低速行驶的判断方式是由实际速度与档位速度范围的对比得到的。
（2）建模
通过步骤（1）在一段时间内（如一周/一个月/一年）采集来的大量的行车驾驶行为数据，建立驾驶行为分析模型。
（3）动态驾驶行为数据估计
将动态驾驶行为数据进行分类整理，并构造参数向量，逐一与驾驶行为分析优化系统的数据库中存储的动态驾驶行为参数向量进行属性相关度计算，设定一个属性相关度阈值，如果计算结果小于或等于此阈值，则将参数向量与数据库中存储的动态驾驶行为参数向量进行比较得出某项驾驶行为参数的得分情况及其在行车驾驶行为评估中所占权重。如果计算结果大于此阈值，则判定二者属性不同，无相关性，不予继续计算。
（4）综合数据估计
将车辆的位置数据、静态属性以及步骤（3）得到的驾驶行为参数的得分情况及其在行车驾驶行为评估中所占权重相结合，作为厘定因子，采用广义线性混合模型为厘定模式及方法，通过不断更新与补充真实数据样本对模型进行验证分析，用于评估司机的驾驶行为习惯。
驾驶行为分析优化系统一方面与司机侧的终端通讯连接，将数据模型估计得到的数据发送至司机侧的终端，以督促司机优化改善驾驶行为习惯，该系统另一方面与客户终端通讯连接，将数据模型估计得到的数据发送至客户终端，以便于客户甄选货运司机。
本发明涉及的一种物流运输车辆的驾驶行为分析优化系统，还包括路线综合分析决策单元。所述路线综合分析决策单元，通过网络从气象部门、交通部门等获取的天气实况、天气预测趋势、路况、道路施工情况、交通管制信息，结合实际车况信息，自动规划出合理行车路线，自动生成运输方案，提供给货运司机，以便提高整体运输效率，降低消息不畅而造成的成本代价。
所述物流运输车辆的驾驶行为分析优化系统还包括人工智能学习模块，用于记录司机的历史驾驶习惯，并识别司机近期改变的驾驶习惯，动态修正权值，发送至驾驶行为分析优化在线修正模型，使所述物流运输车辆的驾驶行为分析优化系统精确更高。所述物流运输车辆的驾驶行为分析优化系统的人工智能学习模块还包括路线流量分析预测功能，所述人工智能学习模块实时记录并存储物流车辆位置跟踪信息，利用大数据集群运算能力，在Tensor Flow之上建立了一套物流流量深度学习算法，针对全国每个月份不同线路的物流流量进行分析预测。随着数据的不断积累和算法的不断演变，预测准确性也在不断提高。
Claims (4)
1.一种物流运输车辆的驾驶行为分析优化系统，其特征在于，其方法包括如下步骤：
（1）通过汽车的OBD系统及传感器采集大量的行车驾驶行为数据；
所述行车驾驶行为数据包括疲劳驾驶、车门锁关闭状态、系安全带状态、刹车系统故障、单位急加速次数、单位急刹车次数、单位猛踩油门次数、单位急转弯次数、单位急转弯次数、过长怠速、低档位高速行驶里程、高档位低速行驶里程、故障行驶、停车状态踩油门；
其中，所述疲劳驾驶的数据判断方式为，在一个点火和一个熄火之间的单次行程中超过4小时的驾驶行为即判定为疲劳驾驶；
所述车门锁关闭状态为当中控锁闭合时，包括左/右前门、左/右后门、尾箱门在内的车门是否为关闭状态；
所述系安全带状态为检测到车速大于0时安全带的闭合状态；
所述单位急加速次数为每百公里的急加速次数，其中急加速的判断方法为加速度大于4m/s2即判定为急加速；
所述单位急刹车次数为每百公里的急刹车次数，其中急刹车的判断方法为加速度小于-4m/s2即判定为急刹车；
所述单位猛踩油门次数为每百公里猛踩油门的次数，根据瞬时油耗的变化来判断；
所述单位急转弯次数为每百公里的急转弯次数，其中急转弯的判断方法为方向盘摆超过90度的次数；
所述过长怠速是指车辆的发动机转速大于0但车速却为0的情况；
所述低档高速行驶里程、高档低速行驶里程中的低档高速行驶、高档低速行驶的判断方式是由实际速度与档位速度范围的对比得到的；
（2）建模
通过步骤（1）在一段时间内（如一周/一个月/一年）采集来的大量的行车驾驶行为数据，建立驾驶行为分析模型；
（3）动态驾驶行为数据估计
将动态驾驶行为数据进行分类整理，并构造参数向量，逐一与驾驶行为分析优化系统的数据库中存储的动态驾驶行为参数向量进行属性相关度计算，设定一个属性相关度阈值，如果计算结果小于或等于此阈值，则将参数向量与数据库中存储的动态驾驶行为参数向量进行比较得出某项驾驶行为参数的得分情况及其在行车驾驶行为评估中所占权重；
如果计算结果大于此阈值，则判定二者属性不同，无相关性，不予继续计算；
（4）综合数据估计
将车辆的位置数据、静态属性以及步骤（3）得到的驾驶行为参数的得分情况及其在行车驾驶行为评估中所占权重相结合，作为厘定因子，采用广义线性混合模型为厘定模式及方法，通过不断更新与补充真实数据样本对模型进行验证分析，用于评估司机的驾驶行为习惯；
所述驾驶行为分析优化系统一方面与司机侧的终端通讯连接，将数据模型估计得到的数据发送至司机侧的终端，另一方面与客户终端通讯连接，将数据模型估计得到的数据发送至客户终端。
2.根据权利要求1所述的一种物流运输车辆的驾驶行为分析优化系统，其特征在于：所述一种物流运输车辆的驾驶行为分析优化系统还包括路线综合分析决策单元；
所述路线综合分析决策单元，通过网络从气象部门、交通部门等获取的天气实况、天气预测趋势、路况、道路施工情况、交通管制信息，结合实际车况信息，自动规划出合理行车路线，自动生成运输方案，提供给货运司机。
3.根据权利要求1所述的一种物流运输车辆的驾驶行为分析优化系统，其特征在于：所述物流运输车辆的驾驶行为分析优化系统还包括人工智能学习模块，用于记录司机的历史驾驶习惯，并识别司机近期改变的驾驶习惯，动态修正权值，发送至驾驶行为分析优化在线修正模型。
4.根据权利要求1所述的一种物流运输车辆的驾驶行为分析优化系统，其特征在于：所述物流运输车辆的驾驶行为分析优化系统的人工智能学习模块还包括路线流量分析预测功能，所述人工智能学习模块实时记录并存储物流车辆位置跟踪信息，在Tensor Flow之上建立一套物流流量深度学习算法，针对全国每个月份不同线路的物流流量进行分析预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910842571.2A CN110533261A (zh) | 2019-09-06 | 2019-09-06 | 一种物流运输车辆的驾驶行为分析优化系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910842571.2A CN110533261A (zh) | 2019-09-06 | 2019-09-06 | 一种物流运输车辆的驾驶行为分析优化系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110533261A true CN110533261A (zh) | 2019-12-03 |
Family
ID=68667551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910842571.2A Pending CN110533261A (zh) | 2019-09-06 | 2019-09-06 | 一种物流运输车辆的驾驶行为分析优化系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110533261A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111080202A (zh) * | 2019-12-13 | 2020-04-28 | 拉货宝网络科技有限责任公司 | 一种面向油量节省的作业车辆的效能管理方法及系统 |
| CN113469458A (zh) * | 2021-07-22 | 2021-10-01 | 南京领行科技股份有限公司 | 驾驶习惯评价方法、装置及电子设备 |
| CN114707915A (zh) * | 2022-06-06 | 2022-07-05 | 苏交科集团股份有限公司 | 一种车辆运输的风险评估系统及方法 |
| CN115071725A (zh) * | 2022-08-02 | 2022-09-20 | 广东车卫士信息科技有限公司 | 驾驶行为分析方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20160187880A1 (en) * | 2014-12-25 | 2016-06-30 | Automotive Research & Testing Center | Driving control system and dynamic decision control method thereof |
| CN107784587A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 一种驾驶行为评价系统 |
| CN108407816A (zh) * | 2018-01-19 | 2018-08-17 | 杭州砺玛物联网科技有限公司 | 一种汽车驾驶员驾驶评估方法及系统 |
| CN109229108A (zh) * | 2018-08-07 | 2019-01-18 | 武汉理工大学 | 一种基于驾驶指纹的驾驶行为安全评价方法 |
-
2019
- 2019-09-06 CN CN201910842571.2A patent/CN110533261A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160187880A1 (en) * | 2014-12-25 | 2016-06-30 | Automotive Research & Testing Center | Driving control system and dynamic decision control method thereof |
| 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 |
| CN107784587A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 一种驾驶行为评价系统 |
| CN108407816A (zh) * | 2018-01-19 | 2018-08-17 | 杭州砺玛物联网科技有限公司 | 一种汽车驾驶员驾驶评估方法及系统 |
| CN109229108A (zh) * | 2018-08-07 | 2019-01-18 | 武汉理工大学 | 一种基于驾驶指纹的驾驶行为安全评价方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111080202A (zh) * | 2019-12-13 | 2020-04-28 | 拉货宝网络科技有限责任公司 | 一种面向油量节省的作业车辆的效能管理方法及系统 |
| CN113469458A (zh) * | 2021-07-22 | 2021-10-01 | 南京领行科技股份有限公司 | 驾驶习惯评价方法、装置及电子设备 |
| CN114707915A (zh) * | 2022-06-06 | 2022-07-05 | 苏交科集团股份有限公司 | 一种车辆运输的风险评估系统及方法 |
| CN114707915B (zh) * | 2022-06-06 | 2022-08-12 | 苏交科集团股份有限公司 | 一种车辆运输的风险评估系统及方法 |
| CN115071725A (zh) * | 2022-08-02 | 2022-09-20 | 广东车卫士信息科技有限公司 | 驾驶行为分析方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110533261A (zh) | 一种物流运输车辆的驾驶行为分析优化系统 | |
| CN104875731B (zh) | 一种使用卫星定位数据实时辨识车辆急加速或急减速的方法 | |
| CN102770888B (zh) | 燃料管理系统和方法 | |
| KR100871913B1 (ko) | 운전자의 운전지수를 이용하는 운전 유형 분석 시스템 및그 운전 유형 분석 방법 | |
| US20070005404A1 (en) | System and method for providing driving insurance | |
| CN102136190A (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
| US20210334865A1 (en) | Used Car Pricing Based on Telematics Information | |
| CN109767597A (zh) | 一种车辆事故预警方法及系统 | |
| CN106453623A (zh) | 一种带激励功能的车联网系统 | |
| CN117132183B (zh) | 基于大数据分析的物流供应链配送智能化监测系统 | |
| CN109448372A (zh) | 一种乘车安全监测与报警方法 | |
| Fan et al. | Analysis of taxi driving behavior and driving risk based on trajectory data | |
| Lammert et al. | Exploring telematics big data for truck platooning opportunities | |
| CN112967497A (zh) | 共享汽车监管系统及监管方法 | |
| Han et al. | Characteristic analysis for cognition of dangerous driving using automobile black boxes | |
| CN112836917A (zh) | 一种由两套风险评级模型组成的风险评级系统 | |
| Stokic | Evaluation of driver’s eco-driving skills based on fuzzy logic model–A realistic example of vehicle operation in real-world conditions | |
| CN114997756B (zh) | 基于座舱数据的车辆残值评估系统及方法 | |
| CN111080202B (zh) | 一种面向油量节省的作业车辆的效能管理方法及系统 | |
| Magana et al. | A method for making a fair evaluation of driving styles in different scenarios with recommendations for their improvement | |
| US20230260342A1 (en) | Method and computer programmes for the management of vehicle fleets | |
| Jain et al. | Review of computational techniques for modelling eco-safe driving behavior | |
| Dehkordi et al. | Benefit assessment of new ecological and safe driving algorithm using naturalistic driving data | |
| Pang et al. | Safety evaluation of commercial vehicle driving behavior using the AHP—CRITIC algorithm | |
| Jungblut et al. | Fuel-saving opportunities for automated vehicles: A driving cycle analysis |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230707 Address after: 214135 Building C, Weina Sensor Network International Innovation Park, No. 200, Linghu Avenue, the Taihu Lake International Science Park, Wuxi New District, Jiangsu Province Applicant after: JIANGSU CAS INTERNET-OF-THINGS TECHNOLOGY VENTURE CAPITAL CO.,LTD. Address before: Block C, China Micro-Nano Sensor Network International Innovation Park, No. 200, Linghu Avenue, Taihu International Science and Technology Park, Xinwu District, Wuxi City, Jiangsu Province, 214000 Applicant before: JIANGSU R & D CENTER FOR INTERNET OF THINGS |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191203 |