CN110610326A - 一种基于驾驶数据的驾驶管理系统 - Google Patents

Abstract

本发明提供了一种基于驾驶数据的驾驶管理系统，包括环境信息获取模块、模型匹配模块、驾驶数据获取模块、驾驶排名模块，根据驾驶环境信息、修正车辆行驶数据、身体操作行为数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，并根据司机的驾驶评分对所述司机进行排名，进行驾驶管理操作。本发明可以针对司机驾驶行为的得分对司机提出改善建议，从而逐渐完善司机的各项驾驶行为，从而提高驾驶管理的效率。

Description

一种基于驾驶数据的驾驶管理系统

技术领域

本发明涉及驾驶考核技术领域，具体而言，涉及一种基于驾驶数据的驾驶管理系统。

背景技术

随着经济水平的提高，汽车也逐渐成为了人们生活中不可替代的重要组成部分，而驾驶员也成为控制驾驶汽车的主要人员。在以往的汽车运营管理过程中，多是通过公司的规章制度作为评价标准对驾驶员进行考核，同时也因只是针对单侧面的驾驶员水平进行考核，并不能很好的综合评价驾驶员的水平，导致考核评定在一定程度上缺乏客观性，比如管理者如果想知道所管辖的车队里哪个司机的驾驶行为最为经济，或是驾驶过程中处理危机问题时所采取的驾驶行为效果最好，那么通过传统的考核方式是很难得到想要的结果的，因此研究出一种新的考核方式就成为了本行业中亟待解决的问题。

经过大量检索发现一些典型的现有技术，如专利CN110070245A，提供了一种涉及对司机驾驶行为的考核技术领域。或如专利CN105539448B着眼于通过监测获取驾驶员的驾驶行为数据，帮助驾驶员改善驾驶行为，改善车辆行驶动态工况可以实现油耗的优化。又如一种典型的案例CN105730450B公开了一种基于车载数据的驾驶行为评价系统，通过群决策的层次分析法获得驾驶数据的权重，通过从众原则获得驾驶数据的评分，能够对用户的驾驶行为进行准确的分析和评价。

可见，如何完善对驾驶员水平的考核评定，其实际应用中的亟待处理的实际问题还有很多未提出具体的解决方案。

发明内容

为了克服现有技术的不足提供了一种基于驾驶数据的驾驶管理系统，本发明的具体技术方案如下：

一种基于驾驶数据的驾驶管理系统，包括：

环境信息获取模块，用于获取车辆当前周围驾驶环境信息，并提取得到风险驾驶环境特征信息和相似驾驶环境特征信息；

模型匹配模块，用于根据所述风险驾驶环境特征信息和相似驾驶环境特征信息，匹配得到最优驾驶数据模型；

驾驶数据获取模块，用于根据所述最优驾驶数据模型中包括的各个驾驶行为影响比重值大小，解析提取得到驾驶行为属性信息和驾驶行为数据指标信息，并根据驾驶行为属性信息获取驾驶员驾驶车辆时的身体行为数据和车辆行驶数据，并对所述车辆行驶数据进行预处理得到修正车辆行驶数据；

驾驶排名模块，用于根据所述修正车辆行驶数据、身体操作行为数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，并根据司机的驾驶评分对所述司机进行排名；

其中，所述身体行为数据包括：手部行为数据、腿部行为数据、头部行为数据、躯干行为数据中的一种或多种；所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的一种或多种。

可选的，所述根据所述当前风险驾驶环境特征信息和相似驾驶环境特征信息，匹配得到最优驾驶数据模型，包括：

对所述当前风险驾驶环境特征信息和相似驾驶环境特征信息进行环境特征信息提取，并根据所述环境特征信息获取得到最近似驾驶环境信息和基于所述最近似驾驶环境信息的最优驾驶策略，及基于所述最近似驾驶环境信息和所述最优驾驶策略构建的最优驾驶数据模型；同时根据所述相似驾驶环境特征信息，得到应用所述最优驾驶数据模型的车辆行驶评分环境区间。

可选的，所述根据所述最优驾驶数据模型中包括的各个驾驶行为影响比重值大小，解析提取得到驾驶行为属性信息和驾驶行为数据指标信息，并根据驾驶行为属性信息获取驾驶员驾驶车辆时的身体操作行为数据和车辆行驶数据，包括：

根据所述最优驾驶数据模型中包括各个最优驾驶行为的属性信息和与各个最优驾驶行为对应的数据指标驾驶数据区间，根据所述各个最优驾驶行为的属性信息，一一对应获取当前驾驶环境中驾驶员的车辆行驶数据，并根据所述各个最优驾驶行为的属性信息和驾驶数据区间与所述最优驾驶数据模型进行分类存储；同时根据所述车辆行驶数据，获取驾驶员驾驶车辆时的手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置。

可选的，所述根据所述修正车辆行驶数据、身体操作行为数据驾驶操作数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，包括：

根据所述修正车辆行驶数据和最优驾驶数据模型，获取得到与当前驾驶环境相对应的评分规则；

且根据所述修正车辆行驶数据与所述各个最优驾驶行为的属性信息对应的数据指标驾驶数据区间进行匹配操作，得到待评价区间修正车辆行驶数据；

根据所述评分规则和所述待评价区间修正车辆行驶数据，得到所述修正车辆行驶数据中各个驾驶行为的评分值，并对所述驾驶操作数据中各个驾驶行为的评分值进行加权运算，得到当前环境信息对应所述司机的驾驶行为评分值；

根据所述身体行为数据和最优驾驶数据模型，获取得到驾驶身体行为规范规则，并对手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置中的一种或多种进行驾驶影响评分，得到影响评分值；

根据所述驾驶评分值和影响评分值，计算得到所述司机的驾驶评分。

可选的，所述对所述驾驶操作数据中各个驾驶行为的评分值进行加权运算，得到当前环境信息对应所述司机的驾驶评分，包括：

根据所述最优驾驶数据模型中的各个最优驾驶行为的权重大小顺序对各个驾驶行为的修正车辆行驶数据进行加权运算，且统计已进行运算的驾驶行为的个数，当已进行运算的驾驶行为的个数达到预设加权运算的驾驶行为个数时，将计算得到的司机驾驶评分与预排名司机驾驶评分进行差运算，并将得到差运算值与期望排名评分差值进行大小比较，

若所述差运算值小于期望排名评分差值，则继续根据所述各个最优驾驶行为的权重大小顺序对各个驾驶行为的修正车辆行驶数据进行加权运算，得到当前环境信息对应所述司机的驾驶评分，并生成预驾驶行为报告；

若所述差运算值大于或等于期望排名评分差值，则停止对各个驾驶行为的修正车辆行驶数据进行加权运算，且将停止加权运算时的驾驶评分作为司机的驾驶评分，并将所述驾驶行为对应的司机置入预排名序列，并生成预驾驶行为报告。

可选的，所述根据司机的驾驶评分对所述司机进行排名，包括：

将当前环境信息中所述司机的驾驶评分上传至排名终端，比较当前环境信息中各个司机的驾驶评分大小，并将比较结果作为当前环境信息中的司机最终驾驶排名；

若存在至少两个司机的驾驶评分大小相等时，还获取驾驶评分大小相等的司机的事故数据，并根据各个司机的所述事故数据和待评价区间驾驶操作数据，对驾驶评分大小相等的司机的驾驶排名进行调整，得到当前环境信息中的司机最终驾驶排名。

本发明所取得的有益效果包括：1、通过量化指标对司机的驾驶行为进行评分，从而明确司机驾驶行为的好坏，同时可以针对司机驾驶行为的得分对司机提出改善建议，从而逐渐完善司机的各项驾驶行为；2、可以此判断用户驾驶行为的优劣，并形成分析报告回传给用户，极大的提高用户的行车安全；3、通过采集实时驾驶数据，实时通过最优驾驶数据模型为驾驶员提供建议，从而优化驾驶操作车辆能够达到的最佳油耗，从而帮助驾驶员改善驾驶行为，达到降低油耗，并达到节能减排的目的。

附图说明

从以下结合附图的描述可以进一步理解本发明，将重点放在示出实施例的原理上。

图1是本发明实施例之一中基于驾驶数据的驾驶管理系统的结构示意图；

图2是本发明实施例之一中基于驾驶数据的驾驶管理系统的管理过程示意图；

图3是本发明实施例之一中计算得到司机驾驶评分的流程示意图；

图4是现有技术CN105730450B中评价系统的结构示意图。

具体实施方式

为了使得本发明的目的、技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统、方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内、包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作，因此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，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明为一种基于驾驶数据的驾驶管理系统，根据附图所示讲述以下实施例：

实施例一：

本实施例提供了一种基于驾驶数据的驾驶管理系统，包括：S101：环境信息获取模块，用于获取车辆当前周围驾驶环境信息，并提取得到风险驾驶环境特征信息和相似驾驶环境特征信息；S102:模型匹配模块，用于根据所述风险驾驶环境特征信息和相似驾驶环境特征信息，匹配得到最优驾驶数据模型；S103:驾驶数据获取模块，用于根据所述最优驾驶数据模型中包括的各个驾驶行为影响比重值大小，解析提取得到驾驶行为属性信息和驾驶行为数据指标信息，并根据驾驶行为属性信息获取驾驶员驾驶车辆时的身体行为数据和车辆行驶数据，并对所述车辆行驶数据进行预处理得到修正车辆行驶数据；S104:驾驶排名模块，用于根据所述修正车辆行驶数据、身体操作行为数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，并根据司机的驾驶评分对所述司机进行排名；其中，所述身体行为数据包括：手部行为数据、腿部行为数据、头部行为数据、躯干行为数据中的一种或多种；所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的一种或多种。

具体的，所述根据所述当前风险驾驶环境特征信息和相似驾驶环境特征信息，匹配得到最优驾驶数据模型，包括：对所述当前风险驾驶环境特征信息和相似驾驶环境特征信息进行环境特征信息提取，并根据所述环境特征信息获取得到最近似驾驶环境信息和基于所述最近似驾驶环境信息的最优驾驶策略，及基于所述最近似驾驶环境信息和所述最优驾驶策略构建的最优驾驶数据模型；同时根据所述相似驾驶环境特征信息，得到应用所述最优驾驶数据模型的车辆行驶评分环境区间。

具体的，所述根据所述最优驾驶数据模型中包括的各个驾驶行为影响比重值大小，解析提取得到驾驶行为属性信息和驾驶行为数据指标信息，并根据驾驶行为属性信息获取驾驶员驾驶车辆时的身体操作行为数据和车辆行驶数据，包括：

根据所述最优驾驶数据模型中包括各个最优驾驶行为的属性信息和与各个最优驾驶行为对应的数据指标驾驶数据区间，根据所述各个最优驾驶行为的属性信息，一一对应获取当前驾驶环境中驾驶员的车辆行驶数据，并根据所述各个最优驾驶行为的属性信息和驾驶数据区间与所述最优驾驶数据模型进行分类存储；同时根据所述车辆行驶数据，获取驾驶员驾驶车辆时的手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置中的一种或多种信息。

具体的，所述根据所述修正车辆行驶数据、身体操作行为数据驾驶操作数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，包括：根据所述修正车辆行驶数据和最优驾驶数据模型，获取得到与当前驾驶环境相对应的评分规则；且根据所述修正车辆行驶数据与所述各个最优驾驶行为的属性信息对应的数据指标驾驶数据区间进行匹配操作，得到待评价区间修正车辆行驶数据；根据所述评分规则和所述待评价区间修正车辆行驶数据，得到所述修正车辆行驶数据中各个驾驶行为的评分值，并对所述驾驶操作数据中各个驾驶行为的评分值进行加权运算，得到当前环境信息对应所述司机的驾驶行为评分值；根据所述身体行为数据和最优驾驶数据模型，获取得到驾驶身体行为规范规则，并对手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置中的一种或多种进行驾驶影响评分，得到影响评分值；根据所述驾驶评分值和影响评分值，计算得到所述司机的驾驶评分。

具体的，所述对所述驾驶操作数据中各个驾驶行为的评分值进行加权运算，得到当前环境信息对应所述司机的驾驶评分，包括：

根据所述最优驾驶数据模型中的各个最优驾驶行为的权重大小顺序对各个驾驶行为的修正车辆行驶数据进行加权运算，且统计已进行运算的驾驶行为的个数，当已进行运算的驾驶行为的个数达到预设加权运算的驾驶行为个数时，将计算得到的司机驾驶评分与预排名司机驾驶评分进行差运算，并将得到差运算值与期望排名评分差值进行大小比较，

若所述差运算值小于期望排名评分差值，则继续根据所述各个最优驾驶行为的权重大小顺序对各个驾驶行为的修正车辆行驶数据进行加权运算，得到当前环境信息对应所述司机的驾驶评分，并生成预驾驶行为报告；

若所述差运算值大于或等于期望排名评分差值，则停止对各个驾驶行为的修正车辆行驶数据进行加权运算，且将停止加权运算时的驾驶评分作为司机的驾驶评分，并将所述驾驶行为对应的司机置入预排名序列，并生成预驾驶行为报告。

具体的，所述根据司机的驾驶评分对所述司机进行排名，包括：

将当前环境信息中所述司机的驾驶评分上传至排名终端，比较当前环境信息中各个司机的驾驶评分大小，并将比较结果作为当前环境信息中的司机最终驾驶排名；

若存在至少两个司机的驾驶评分大小相等时，还获取驾驶评分大小相等的司机的事故数据，并根据各个司机的所述事故数据和待评价区间驾驶操作数据，对驾驶评分大小相等的司机的驾驶排名进行调整，得到当前环境信息中的司机最终驾驶排名。

实施例二：

本实施例提供了一种基于驾驶数据的驾驶管理系统，包括：

S101:环境信息获取模块，用于获取车辆当前周围驾驶环境信息，并提取得到风险驾驶环境特征信息和相似驾驶环境特征信息；所述驾驶环境包括：道路环境、交通流环境和事件环境，所述的事件环境为非常规突发状况，包括雾霾、恐怖袭击、爆炸、化学品泄漏或大雨状况，所述的驾驶行为类别包括自由驾驶、紧急刹车和跟驰驾驶。道路环境还包括道路平面、横断面、纵断面、交通道路设施、路基、桥梁、隧道、道路填挖方及边坡。所述风险驾驶环境特征信息包括道路的拥堵情况、路边泥土的滑动、急转弯、路面有油等等，所述相似驾驶环境特征信息包括车辆行驶的路道、大雨、雾天、施工、多人等环境情况。

S102:模型匹配模块，用于根据所述风险驾驶环境特征信息和相似驾驶环境特征信息，匹配得到最优驾驶数据模型；所述最优驾驶数据模型，对应不同的驾驶环境，驾驶数据模型针对各个最优驾驶行为的属性信息都会不同，如根据当前驾驶环境及各个最优驾驶行为所应当测量的数据包括驾驶行为变量数据、道路属性数据、本车数据、其他车辆数据和车辆间相互作用数据，所述的道路属性数据包括道路每一点的X、Y、Z坐标、道路的半径、道路的曲率和道路的坡度，所述的本车数据包括本车位置的X、Y、Z坐标、本车所在的车道、本车的横向偏移量、本车的行驶距离、本车的线速度、本车的角速度、本车的线加速度、本车的角加速度、本车的油门板受力、本车的刹车板受力和本车方向盘的转动角度，所述的其他车辆数据包括车辆位置的X、Y、Z坐标、车辆所在的车道、车辆的横向偏移量、车辆的行驶距离、车辆的线速度、车辆的角速度、车辆的线加速度和车辆的角加速度，所述的车辆间相互作用数据包括本车与其他车辆的笛卡尔距离以及本车与其他车辆沿路面轴线的距离。

S103:驾驶数据获取模块，用于根据所述最优驾驶数据模型中包括的各个驾驶行为影响比重值大小，解析提取得到驾驶行为属性信息和驾驶行为数据指标信息，并根据驾驶行为属性信息获取驾驶员驾驶车辆时的身体行为数据和车辆行驶数据，并对所述车辆行驶数据进行预处理得到修正车辆行驶数据；其中，根据所述环境信息的影响力函数计算得到车辆行驶数据的偏差值，并与所述车辆行驶数据进行预处理校正。

S104:驾驶排名模块，用于根据所述修正车辆行驶数据、身体操作行为数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，并根据司机的驾驶评分对所述司机进行排名。其中，所述身体行为数据包括：手部行为数据、腿部行为数据、头部行为数据、躯干行为数据中的一种或多种；所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的一种或多种。

具体的，所述根据所述当前风险驾驶环境特征信息和相似驾驶环境特征信息，匹配得到最优驾驶数据模型，包括：对所述当前风险驾驶环境特征信息和相似驾驶环境特征信息进行环境特征信息提取，并根据所述环境特征信息获取得到最近似驾驶环境信息和基于所述最近似驾驶环境信息的最优驾驶策略，及基于所述最近似驾驶环境信息和所述最优驾驶策略构建的最优驾驶数据模型；同时根据所述相似驾驶环境特征信息，得到应用所述最优驾驶数据模型的车辆行驶评分环境区间。所述环境特征信息包括道路属性数据、道路周边自然环境属性数据、道路周边社会环境属性数据中的一种或多种。

具体的，所述根据所述最优驾驶数据模型中包括的各个驾驶行为影响比重值大小，解析提取得到驾驶行为属性信息和驾驶行为数据指标信息，并根据驾驶行为属性信息获取驾驶员驾驶车辆时的身体操作行为数据和车辆行驶数据，包括：根据所述最优驾驶数据模型中包括各个最优驾驶行为的属性信息和与各个最优驾驶行为对应的数据指标驾驶数据区间，根据所述各个最优驾驶行为的属性信息，一一对应获取当前驾驶环境中驾驶员的车辆行驶数据，并根据所述各个最优驾驶行为的属性信息和驾驶数据区间与所述最优驾驶数据模型进行分类存储；同时根据所述车辆行驶数据，获取驾驶员驾驶车辆时的手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置中的一种或多种信息。

其中，各个驾驶行为的属性信息包括数据的名称、类型，所需要参与检测获取数据的车辆部件的名称。具体的，驾驶行为相关的数据，包括轨迹数据、速度数据、加速度数据、操作数据，比如，操作数据中，本车油门受力、刹车板受力、车辆过弯时的倾斜度、车辆离心值等。另外，获取当前环境对应的事故数据、与事故数据对应的危险驾驶行为数据及根据所述危险驾驶行为量化为数值对应的危险程度，并将所述危险程度作为所述各个最优驾驶行为对应的驾驶数据区间的驾驶行为数据评价的补充评价区间，用于当检测获取当前驾驶环境中驾驶员的驾驶行为数据时。所述危险程度指的是根据驾驶行为数据与数据区间的比较，进而得到不符合最优驾驶行为数据的阀值的预测的危险程度，也称预测危险程度，并作为司机排名时的参考。具体的，根据预测危险程度和实际危险程度之间的差值，判断用户的实际驾驶行为是否是危险的；例如某些过快的车速情况下，实际危险程度与预测危险程度之间的差值较小，如果某一汽车的用户从未发生碰撞，那么其实际危险程度的量化数值较小，此时，并不意味该用户的驾驶行为危险程度高；而对于某一些用户在比较慢的行车时速情况下，可能由于加速过猛或拐弯过猛等原因，即加速度大小或加速度异常等原因，实际产生可交通事故，这种情况下，所述预测危险程度和实际危险程度之间的差值可能会比较大等。同时，因为预测危险程度与实际危险程度之间必定存在差值，这个差值根据每一个用户的用户驾驶行为、汽车实际状况、驾驶路况以及用户的紧急事件处理能力等实际情况会各所不同，也就是说，所述预测危险程度与实际危险程度之间的差值会根据用户的不同而有所区别，也即在引用驾驶员的驾驶行为的危险程度来作为驾驶评分考量指标时，会有所不同。

另外，针对驾驶行为数据和分析，还可以将其分为疲劳驾驶分类、超速驾驶分类、紧急拐弯或转向分类以及其他不良驾驶行为分类等，将各种数据根据不良驾驶行为进行分类，便于同一分类以及不同分类之间的数据比对和筛选，也便于基于同一驾驶环境下时，不同司机之间的驾驶排名参考，也为车辆驾驶管理人员根据驾驶数据信息对司机进行管理，极大地提高了管理的便利性、透明性。

具体的，所述根据所述修正车辆行驶数据、身体操作行为数据驾驶操作数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，包括：

根据所述修正车辆行驶数据和最优驾驶数据模型，获取得到与当前驾驶环境相对应的评分规则；且根据所述修正车辆行驶数据与所述各个最优驾驶行为的属性信息对应的数据指标驾驶数据区间进行匹配操作，得到待评价区间修正车辆行驶数据；根据所述评分规则和所述待评价区间修正车辆行驶数据，得到所述修正车辆行驶数据中各个驾驶行为的评分值，并对所述驾驶操作数据中各个驾驶行为的评分值进行加权运算，得到当前环境信息对应所述司机的驾驶行为评分值；根据所述身体行为数据和最优驾驶数据模型，获取得到驾驶身体行为规范规则，并对手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置中的一种或多种进行驾驶影响评分，得到影响评分值；根据所述驾驶评分值和影响评分值，计算得到所述司机的驾驶评分。其中，根据手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置的信息，结合驾驶身体行为规范规则和最优驾驶数据模型，对手部、脚部、头部、躯干等方面的驾驶员的信息进行评价，比如手部握持方向盘的位置为方向盘的下部，而根据驾驶身体行为规范将方向盘分为若干个握持评分区，根据手部握持的位置与握持评分区进行位置匹配，计算评分。脚部的摆放位置，根据油门、离合、刹车的位置划分为若干脚部评分区，以及人体左右脚的位置放置，将脚部评分区与脚部的摆放位置与评分区进行匹配，计算得到评分。另外，根据脚部踩踏力度信息、车辆驾驶数据和最优驾驶数据模型，对脚部踩踏力度信息进行评分，以获知根据当前车辆驾驶数据和最优驾驶数据模块，脚部对油门、刹车的踩踏力度是否合适，从而导致的油耗是否会提高，从而为司机的驾驶提供指导，从而保持合适的驾驶操作。再如根据头部的行为情况，可以判定对驾驶车辆视线的影响，进行当前驾驶环境的评分操作，从而为车辆管理公司对驾驶员进行良好的管理。

具体的，所述对所述驾驶操作数据中各个驾驶行为的评分值进行加权运算，得到当前环境信息对应所述司机的驾驶评分，包括：

根据所述最优驾驶数据模型中的各个最优驾驶行为的权重大小顺序对各个驾驶行为的修正车辆行驶数据进行加权运算，且统计已进行运算的驾驶行为的个数，当已进行运算的驾驶行为的个数达到预设加权运算的驾驶行为个数时，将计算得到的司机驾驶评分与预排名司机驾驶评分进行差运算，并将得到差运算值与期望排名评分差值进行大小比较，若所述差运算值小于期望排名评分差值，则继续根据所述各个最优驾驶行为的权重大小顺序对各个驾驶行为的修正车辆行驶数据进行加权运算，得到当前环境信息对应所述司机的驾驶评分，并生成预驾驶行为报告；若所述差运算值大于或等于期望排名评分差值，则停止对各个驾驶行为的修正车辆行驶数据进行加权运算，且将停止加权运算时的驾驶评分作为司机的驾驶评分，并将所述驾驶行为对应的司机置入预排名序列，并生成预驾驶行为报告。

通过上述技术方案，可以极大地提高驾驶管理的效率，可以准确获知驾驶车辆的司机的操作情况，需要补强的地方，比如，针对同样的驾驶环境，司机在那些方面有所不足，可以通过预驾驶行为报告的形式进行汇总或是由系统发送至司机可接收驾驶管理系统信息的终端，以便于司机进行驾驶行为的改进，从而节省由不当驾驶行为而浪费的油量，比如，通过驾驶行为报告，司机便可以知道在该驾驶环境下，当驾驶行为是怠速时长时，改善意见为建议缩短怠速时长；当驾驶行为是平均速度时，改善意见为建议提升平均速度；当驾驶行为是非经济转速时长占比时，改善意见为建议改进换挡时机，提高经济转速时长占比；当驾驶行为是千公里刹车次数时，改善意见为建议提前预判，减少刹车次数；当驾驶行为是刹车里程时，改善意见为建议提前预判，减少刹车里程；当驾驶行为是千公里急加速次数时，改善意见为建议减少急加速次数；当驾驶行为是千公里超转速次数时，改善意见为建议控制车辆转速在经济转速区间内运行。

具体的，所述根据司机的驾驶评分对所述司机进行排名，包括：

将当前环境信息中所述司机的驾驶评分上传至排名终端，比较当前环境信息中各个司机的驾驶评分大小，并将比较结果作为当前环境信息中的司机最终驾驶排名。其中，所述比较当前环境信息中各个司机的驾驶评分大小，并将比较结果作为当前环境信息中的司机最终驾驶排名，还包括：当各个司机的驾驶评分大小相等时，还获取驾驶评分大小相等的司机的事故数据，并根据各个司机的所述事故数据和待评价区间驾驶操作数据，对驾驶评分大小相等的司机的驾驶排名进行调整，得到当前环境信息中的司机最终驾驶排名。也即在进行驾驶评分排名时，至少存在两个司机的驾驶评分相同，则获取各个司机的过往事故数据，且获取得到对应当前驾驶环境信息时，发生过的事故数据，根据事故的次数，对应的驾驶行为数据，对各个司机的排名进行调整。另外，若驾驶评分相同的各个司机的待评价区间内的驾驶操作数据，其中一个司机的驾驶操作数据在同数据区间内更接近最优驾驶行为数据，则可以该不同进行排名参考，进而调整驾驶评分相同的各个司机的排名。

综上所述，本发明公开的一种基于驾驶数据的驾驶管理系统，所产生的有益技术效果包括：1、通过量化指标对司机的驾驶行为进行评分，从而明确司机驾驶行为的好坏，同时可以针对司机驾驶行为的得分对司机提出改善建议，从而逐渐完善司机的各项驾驶行为；2、可以此判断用户驾驶行为的优劣，并形成分析报告回传给用户，极大的提高用户的行车安全；3、通过采集实时驾驶数据，实时通过最优驾驶数据模型为驾驶员提供建议，从而优化驾驶操作车辆能够达到的最佳油耗，从而帮助驾驶员改善驾驶行为，达到降低油耗，并达到节能减排的目的。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法、系统和设备是示例，各种配置可以适当地省略、替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法和/或可以添加、省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本发明公开或权利要求的范围。

在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置,例如已经示出了众所周知的电路、过程、算法、结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本发明公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。

综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (6)

1.一种基于驾驶数据的驾驶管理系统，其特征在于，包括：

环境信息获取模块，用于获取车辆当前周围驾驶环境信息，并提取得到风险驾驶环境特征信息和相似驾驶环境特征信息；

模型匹配模块，用于根据所述风险驾驶环境特征信息和相似驾驶环境特征信息，匹配得到最优驾驶数据模型；

驾驶数据获取模块，用于根据所述最优驾驶数据模型中包括的各个驾驶行为影响比重值大小，解析提取得到驾驶行为属性信息和驾驶行为数据指标信息，并根据驾驶行为属性信息获取驾驶员驾驶车辆时的身体行为数据和车辆行驶数据，并对所述车辆行驶数据进行预处理得到修正车辆行驶数据；

驾驶排名模块，用于根据所述修正车辆行驶数据、身体操作行为数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，并根据司机的驾驶评分对所述司机进行排名；

其中，所述身体行为数据包括：手部行为数据、腿部行为数据、头部行为数据、躯干行为数据中的一种或多种；所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的一种或多种。

2.如权利要求1所述的基于驾驶数据的驾驶管理系统，其特征在于，所述根据所述当前风险驾驶环境特征信息和相似驾驶环境特征信息，匹配得到最优驾驶数据模型，包括：

对所述当前风险驾驶环境特征信息和相似驾驶环境特征信息进行环境特征信息提取，并根据所述环境特征信息获取得到最近似驾驶环境信息和基于所述最近似驾驶环境信息的最优驾驶策略，及基于所述最近似驾驶环境信息和所述最优驾驶策略构建的最优驾驶数据模型；同时根据所述相似驾驶环境特征信息，得到应用所述最优驾驶数据模型的车辆行驶评分环境区间。

3.如权利要求2所述的基于驾驶数据的驾驶管理系统，其特征在于，所述根据所述最优驾驶数据模型中包括的各个驾驶行为影响比重值大小，解析提取得到驾驶行为属性信息和驾驶行为数据指标信息，并根据驾驶行为属性信息获取驾驶员驾驶车辆时的身体操作行为数据和车辆行驶数据，包括：

根据所述最优驾驶数据模型中包括各个最优驾驶行为的属性信息和与各个最优驾驶行为对应的数据指标驾驶数据区间，根据所述各个最优驾驶行为的属性信息，一一对应获取当前驾驶环境中驾驶员的车辆行驶数据，并根据所述各个最优驾驶行为的属性信息和驾驶数据区间与所述最优驾驶数据模型进行分类存储；同时根据所述车辆行驶数据，获取驾驶员驾驶车辆时的手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置中的一种或多种信息。

4.如权利要求3所述的基于驾驶数据的驾驶管理系统，其特征在于，所述根据所述修正车辆行驶数据、身体操作行为数据驾驶操作数据和最优驾驶数据模型，计算得到所述司机的驾驶评分，包括：

根据所述修正车辆行驶数据和最优驾驶数据模型，获取得到与当前驾驶环境相对应的评分规则；

且根据所述修正车辆行驶数据与所述各个最优驾驶行为的属性信息对应的数据指标驾驶数据区间进行匹配操作，得到待评价区间修正车辆行驶数据；

根据所述评分规则和所述待评价区间修正车辆行驶数据，得到所述修正车辆行驶数据中各个驾驶行为的评分值，并对所述驾驶操作数据中各个驾驶行为的评分值进行加权运算，得到当前环境信息对应所述司机的驾驶行为评分值；

根据所述身体行为数据和最优驾驶数据模型，获取得到驾驶身体行为规范规则，并对手部摆放位置信息、手部握持方向盘的力度、手部握持方向盘的位置信息、腿部的摆放位置、脚部踩踏位置、脚部踩踏力度信息、头部侧向角度、头部垂下角、驾驶员脸部情绪信息、驾驶专注度信息、躯干的侧向位置中的一种或多种进行驾驶影响评分，得到影响评分值；

根据所述驾驶评分值和影响评分值，计算得到所述司机的驾驶评分。

5.如权利要求4所述的基于驾驶数据的驾驶管理系统，其特征在于，所述对所述驾驶操作数据中各个驾驶行为的评分值进行加权运算，得到当前环境信息对应所述司机的驾驶评分，包括：

根据所述最优驾驶数据模型中的各个最优驾驶行为的权重大小顺序对各个驾驶行为的修正车辆行驶数据进行加权运算，且统计已进行运算的驾驶行为的个数，当已进行运算的驾驶行为的个数达到预设加权运算的驾驶行为个数时，将计算得到的司机驾驶评分与预排名司机驾驶评分进行差运算，并将得到差运算值与期望排名评分差值进行大小比较，

若所述差运算值小于期望排名评分差值，则继续根据所述各个最优驾驶行为的权重大小顺序对各个驾驶行为的修正车辆行驶数据进行加权运算，得到当前环境信息对应所述司机的驾驶评分，并生成预驾驶行为报告；

若所述差运算值大于或等于期望排名评分差值，则停止对各个驾驶行为的修正车辆行驶数据进行加权运算，且将停止加权运算时的驾驶评分作为司机的驾驶评分，并将所述驾驶行为对应的司机置入预排名序列，并生成预驾驶行为报告。

6.如权利要求5所述的基于驾驶数据的驾驶管理系统，其特征在于，所述根据司机的驾驶评分对所述司机进行排名，包括：

将当前环境信息中所述司机的驾驶评分上传至排名终端，比较当前环境信息中各个司机的驾驶评分大小，并将比较结果作为当前环境信息中的司机最终驾驶排名；

若存在至少两个司机的驾驶评分大小相等时，还获取驾驶评分大小相等的司机的事故数据，并根据各个司机的所述事故数据和待评价区间驾驶操作数据，对驾驶评分大小相等的司机的驾驶排名进行调整，得到当前环境信息中的司机最终驾驶排名。