CN110712648B - 行车状态的确定方法、装置、车辆及存储介质 - Google Patents
行车状态的确定方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN110712648B CN110712648B CN201910869587.2A CN201910869587A CN110712648B CN 110712648 B CN110712648 B CN 110712648B CN 201910869587 A CN201910869587 A CN 201910869587A CN 110712648 B CN110712648 B CN 110712648B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- acceleration
- rapid
- state
- vehicle speed
- 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.)
- Active
Links
Images
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
-
- 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
- B60W40/10—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 vehicle motion
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—Speed
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种行车状态的确定方法、装置、车辆及存储介质。该方法包括：获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度，根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值，所述车速阈值关系表根据所述车辆的型号和车速确定，当所述车辆加速度大于或等于所述加速度阈值时，确定所述车辆当前处于急速状态。与现有技术相比，本发明实施例的车速阈值关系表根据车辆的型号和车速确定，当车辆的型号或车速变化时，车速阈值关系表相应的变化，得到的加速度阈值也相应的变化，使得该加速度阈值可以满足车辆实际的变化情况，提高了行车状态判定的准确度。
Description
技术领域
本发明实施例涉及安全驾驶技术领域，尤其涉及行车状态的确定方法、装置、车辆及存储介质。
背景技术
基于用户行为的保险(Usage Based Insurance，简称UBI保险)是一种根据用户驾驶习惯来定价的车险险种。在评估车辆所缴纳的险种时，保险公司通常对车辆所对应用户的驾驶习惯进行分析，根据分析结果确定合适的险种。用户的驾驶习惯在一定程度上可以根据行车状态确定，因此，行车状态判定的准确度直接影响用户驾驶习惯的判断，进而影响车险险种的确定，其中，急加速和急减速是行车状态的重要表现，是评价用户驾驶习惯好坏的重要指标。
现阶段判定急加速、急减速的方法比较固定，其灵活性差，尤其是车辆的性能和受到的阻力不同时，车辆急加速或急减速状态判定的准确度较低。
发明内容
本发明实施例提供一种行车状态的确定方法、装置、车辆及存储介质，以提高行车状态判定的准确度。
第一方面，本发明实施例提供一种行车状态的确定方法，包括：
获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度；
根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值，所述车速阈值关系表根据所述车辆的型号和车速确定；
当所述车辆加速度大于或等于所述加速度阈值时，确定所述车辆当前处于急速状态。
第二方面，本发明实施例还提供一种行车状态的确定装置，包括：
信息获取模块，用于获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度；
加速度阈值确定模块，用于根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值，所述车速阈值关系表根据所述车辆的型号和车速确定；
急速状态确定模块，用于当所述车辆加速度大于或等于所述加速度阈值时，确定所述车辆当前处于急速状态。
第三方面，本发明实施例还提供一种车辆，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
速度传感器，用于实时测量车辆的车速；
通信终端，与车联网云平台进行通信，将所述处理器确定的急速状态和持续时间给所述车联网云平台，以使所述车联网云平台根据接收的急速状态和持续时间辅助确定对应所述车辆的车险险种；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的行车状态的确定方法。
第四方面，本发明实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的行车状态的确定方法。
本发明实施例提供一种行车状态的确定方法、装置、车辆及存储介质，根据车辆的当前车速和历史车速确定当前车速对应的车辆加速度，并将该车辆加速度与基于当前车速和车速阈值关系表确定的加速度阈值进行比较，根据比较结果确定该型号的车辆当前是否处于急速状态。由于车速阈值关系表根据车辆的型号和车速确定，当车辆的型号或车速变化时，车速阈值关系表相应的变化，得到的加速度阈值也相应的变化，使得该加速度阈值可以满足车辆实际的变化情况，提高行车状态判定的准确度。
附图说明
图1为本发明实施例一提供的一种行车状态的确定方法的流程图；
图2为本发明实施例二提供的一种行车状态的确定方法的流程图；
图3为本发明实施例二提供的一种行车状态确定的实现流程图；
图4为本发明实施例三提供的一种行车状态的确定方法的流程图；
图5为本发明实施例三提供的一种确定车速阈值关系表的过程示意图；
图6为本发明实施例三提供的一种动态阈值方程的曲线示意图；
图7为本发明实施例四提供的一种行车状态的确定装置的结构图；
图8为本发明实施例五提供的一种车辆的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本发明实施例一提供的一种行车状态的确定方法的流程图，本实施例可适用于确定车辆行车状态的情况，该方法可以由行车状态的确定装置来执行，该装置可以采用软件和/或硬件的方式实现，该装置可配置于车辆中。参考图1，该方法可以包括如下步骤：
S110、获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度。
车辆的型号是不同类型的车辆的标识，例如本实施例的车辆可以是乘用车、载货车或客车等，在确定车辆的行车状态时，不同型号的车辆所对应的判断依据不同，本实施例可以根据车辆的型号选择对应的判断依据，从而提高行车状态判定的准确度。当前车速是车辆当前时刻的速度，可以通过安装在车辆上的速度传感器实时获取，历史车速是当前时刻之前的时刻对应的速度。
实际应用时，速度传感器与车辆上的处理器通过总线或其他方式进行通讯，处理器每隔一定的时间获取一次车辆的车速，例如每隔10ms获取一次车速，由于时间较短，在确定车速对应的车辆加速度时，实施例以有限个上述时间间隔作为一个周期，例如可以以10个间隔，即100ms为一个周期，每个周期获取10次车速。在确定当前车速对应的车辆加速度时，可以根据当前车速以及当前时刻之前的一个周期的历史车速确定。可选的，可以通过如下公式确定当前车速对应的车辆加速度：
其中，a(t)为车辆当前车速对应的车辆加速度，v(t)为车辆的当前车速，v(t-N*Δt)为车辆的历史车速，Δt为获取两次车速的时间间隔，实施例以10ms为例，N为Δt的个数，N的大小可以根据实际需要选择。为了提高车辆加速度的准确度，可选的，实施例以N＝5为例，分别计算设定周期内每5个时间间隔对应的车辆加速度，即
去掉其中的最大值和最小值，对其余的三个加速度取平均值，作为当前车速对应的车辆加速度。可选的，在计算车辆加速度之前还可以对获取的车速进行滤波等预处理，进一步提高车辆行车状态判定的准确度，其中，车辆的行车状态包括急速状态和非急速状态，急速状态是加速度大于或等于某加速度阈值对应的状态。
需要说明的是，实施例在确定车辆当前是否处于急速状态时，是将车辆加速度的绝对值和加速度阈值的绝对值进行比较，即如果车辆加速度的绝对值大于或等于加速度阈值的绝对值，则确定车辆当前处于急速状态，否则，确定车辆当前处于非急速状态。
S120、根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值。
其中，所述车速阈值关系表根据所述车辆的型号和车速确定。车速阈值关系表用于存储车速和加速度阈值的动态关系，不同的车型同一车速对应的加速度阈值不同，同一车型不同的车速对应的加速度阈值也不同，动态加速度阈值的设置可以满足不同的需求和车辆实际的变化情况。可选的，可以根据车辆的实际行驶情况，筛选车辆处于急速状态的车速，并根据车速确定对应的加速度，根据车辆的信号、车速、对应的加速度以及对应的行车状态对预先设定的机器学习方法进行训练，得到不同型号的车速和加速度阈值的动态关系，形成车速阈值关系表，实施例对机器学习方法的具体形式不进行限定，例如考虑到行车状态的确定涉及二分类，可以采用支持向量机(Support Vector Machine，SVM)。车速和加速度阈值的动态关系确定之后，根据型号和当前车速即可确定当前车辆当前车速对应的加速度阈值，为后续行车状态的判定提供依据。
S130、当所述车辆加速度大于或等于所述加速度阈值时，确定所述车辆当前处于急速状态。
可选的，实施例所述的急速状态包括急加速状态和急减速状态，急加速状态是当前车速对应的车辆加速度大于或等于急加速阈值的状态，急减速状态是当前车速对应的车辆加速度大于或等于急减速阈值的状态。考虑到急加速状态时车辆的速度急速增加，急减速状态时车辆的速度急速降低，为便于区分，实施例在急加速阈值和急减速阈值之前增加相应的正负，即急加速阈值为正，急减速阈值为负。实际应用时，当当前车辆对应的车辆加速度为正时，将该车辆加速度与急加速阈值进行比较，确定车辆当前是否处于急加速状态，当当前车速对应的车辆加速度为负时，将该车辆加速度与急减速阈值进行比较，确定车辆当前是否处于急减速状态。考虑到车辆处于急减速状态时，其对应的急减速阈值为负，实际在比较时，是将车辆加速度的绝对值与急减速阈值的绝对值进行比较，从而确定车辆当前是否处于急减速状态，例如当车辆加速度的绝对值大于或等于急减速阈值的绝对值时，确定车辆当前处于急减速状态。
为了防止加速度出现小幅度波动，造成急速状态的误退出，可选的，可以在加速度阈值的基础上增加或减小一定的阈值带宽，例如，在确定急加速状态时，可以将车辆加速度与急加速阈值和阈值带宽的差值进行比较，在确定急减速状态时，可以将车辆加速度与急减速阈值和阈值带宽的和进行比较，急加速状态和急减速状态对应的阈值带宽可以相同，也可以不同，实施例不进行限定。可选的，以急加速状态为例，当车辆加速度大于或等于急加速阈值与阈值带宽的差值时，确定车辆当前处于急加速状态，否则，处于非急加速状态，其中，非急加速状态为正常加速或匀速状态。需要说明的是，与阈值带宽进行加减的急加速阈值和急减速阈值为急加速阈值和急减速阈值的绝对值。
本发明实施例一提供一种行车状态的确定方法，根据车辆的当前车速和历史车速确定当前车速对应的车辆加速度，并将该车辆加速度与基于当前车速和车速阈值关系表确定的加速度阈值进行比较，根据比较结果确定该型号的车辆当前是否处于急速状态。由于车速阈值关系表根据车辆的型号和车速确定，当车辆的型号或车速变化时，车速阈值关系表相应的变化，得到的加速度阈值也相应的变化，使得该加速度阈值可以满足车辆实际的变化情况，提高行车状态判定的准确度。
实施例二
图2为本发明实施例二提供的一种行车状态的确定方法的流程图，本实施例是在上述实施例的基础上进行优化，参考图2，该方法可以包括如下步骤：
S210、获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度。
S220、根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值。
S230、所述车辆加速度是否大于或等于所述加速度阈值，若是，执行S240，否则，执行S260。
当前车速对应的车辆加速度以及对应的加速度阈值确定后，将车辆加速度和对应的加速度阈值进行比较，根据比较结果确定车辆当前是否处于急速状态。
S240、确定所述车辆当前处于急速状态。
具体的，当车辆加速度大于或等于急加速阈值时，确定车辆当前处于急加速状态，当车辆加速度的绝对值大于或等于急减速阈值的绝对值时，确定车辆当前处于急减速状态。
S250、统计所述车辆处于急速状态的持续时间，并将所述持续时间和对应的急速状态上报给车联网云平台，以使所述车联网云平台根据接收的持续时间和对应的急速状态辅助确定对应所述车辆的车险险种。
车辆行驶过程中所对应的急速状态出现的频率以及持续的时间越长，在一定程度上反映出驾驶员的驾驶习惯越差，对应的车险险种的级别越高，根据车辆出现的急速状态以及持续的时间可以辅助确定车险险种。具体的，当确定车辆处于急加速或急减速等急速状态时，进一步统计车辆处于急速状态的持续时间，并将持续时间以及对应的急速状态通过车辆上的通信终端上报给车联网云平台，以使车联网云平台根据接收的急速状态和对应的持续时间辅助确定该车辆的车险险种。其中，急速状态的持续时间是急速状态开始到结束的时间，实际行驶时，由于车辆所处的路况和驾驶员自身的原因，车辆退出急速状态后，在短时间内又进入急速状态，为此，可以将这多个急速状态的时间累加，作为车辆处于急速状态的持续时间。也有的车辆在退出急速状态后，短时间内未再次进入急速状态，为此，可以将急速状态开始到结束的时间作为急速状态的持续时间。
示例性的，可以通过如下方式统计所述车辆处于急速状态的持续时间：
若检测到所述车辆加速度小于对应的加速度阈值，且在所述车辆加速度小于对应的加速度阈值的设定时间段内，检测到所述车辆加速度大于或等于对应的加速度阈值，则累加急速状态的时间，直至所述设定时间段内所述车辆加速度小于对应的加速度阈值；
将累加后的时间作为所述车辆处于急速状态的持续时间；
若检测到所述车辆加速度小于对应的加速度阈值，且在所述车辆加速度小于对应的加速度阈值的设定时间段内，检测到所述车辆加速度小于对应的加速度阈值，则将所述车辆加速度大于或等于所述加速度阈值至设定时间段之前所述车辆加速度小于对应的加速度阈值的时间作为所述车辆处于急速状态的持续时间。
具体的，当检测到所述车辆加速度的绝对值大于或等于对应的加速度阈值的绝对值时，表示急速状态开始，行驶过程中，当检测到车辆加速度的绝对值小于对应的加速度阈值的绝对值时，表示该阶段的急速状态结束，在急速状态结束的设定时间段内若再次检测到车辆加速度的绝对值大于或等于对应的加速度阈值的绝对值，表示急速状态结束的设定时间段内再次进入急速状态，则累加急速状态的时间，直至在急速状态结束的设定时间段内未检测到车辆再次进入急速状态，则将累加后的时间作为车辆处于急速状态的持续时间，其中，设定时间段可以根据需要设置，例如可以为2s。如果车辆急速状态结束的设定时间段内未检测到车辆再次进入同样的急速状态，则将车辆急速状态开始到结束所对应的时间作为车辆处于急速状态的持续时间。
示例性的，车辆处于急加速状态的第一时间段为30s，该时间段内车辆一直处于连续的急加速状态，第一时间段结束后的2s内车辆再次进入急加速状态，记为第二时间段，第二时间段的持续时间为15s，第二时间段结束后的2s内车辆未进入急加速状态，则该车辆处于急加速状态的持续时间为30+2+15＝47s。如果第一时间段结束后的2s内车辆未进入急加速状态，则该车辆处于急加速状态的持续时间为30s。
示例性的，以全局变量STATE为状态标志位，当车辆处于急加速状态时，STATE＝1，当车辆处于急减速状态时，STATE＝-1，当车辆处于正常状态时，STATE＝0，全局变量STATE的初始值为0，其中，正常状态为非急速状态。以全局变量JUDGE为状态标志位，当存在“预判急加速事件”未上报状态时，JUDGE＝1，当存在“预判急减速事件”未上报状态时，JUDGE＝-1，无预判事件状态时，JUDGE＝0，全局变量JUDGE的初始值为0，其中，预判急加速事件是在确定车辆的急加速状态结束后的设定时间段内车辆是否又进入急加速状态，预判急减速事件是在确定车辆的急减速状态结束后的设定时间段内车辆是否又进入急减速状态。参考图3，图3为本发明实施例二提供的一种行车状态确定的实现流程图。
可选的，车辆处于急加速状态时，对应的车辆加速度为正，车辆处于急减速状态时，对应的车辆加速度为负。具体的，先确定当前车速对应的车辆加速度以及当前车速对应的急加速阈值和急减速阈值，然后判断STATE的值，当STATE＝1时，表明车辆正处于急加速状态，随着车辆的行驶，判断车辆加速度是否小于对应的急加速阈值，若是，急加速状态结束，STATE＝0，并记录急加速状态结束的时间，然后确定是否产生预判急加速事件，若JUDGE＝1，表示产生预判急加速事件，则累加急加速状态的持续时间，若JUDGE＝0或-1，则急加速状态结束，将急加速状态的持续时间以及延迟上报的时间上报给车联网云平台，其中，延迟上报的时间为急加速状态结束至JUDGE＝0或-1的时间。若否，记录急加速状态的持续时间，并继续根据当前车速对应的车辆加速度，继续后续的流程。
当STATE＝0时，表明车辆正处于非急速状态，随着车辆的行驶，判断车辆加速度是否大于或等于对应的急加速阈值，若是，STATE＝1，急加速开始，如果当前存在预判急减速事件未上报，则将急减速事件以及急减速状态的持续时间上报，如果当前不存在预判急减速事件未上报，记录急加速状态持续的时间，并继续根据当前车速确定对应的车辆加速度。如果随着车辆的行驶，车辆加速度不满足大于或等于对应的急加速阈值这一条件，继续判断其车辆加速度是否大于或等于对应的急减速阈值，若是，急减速开始，STATE＝-1，如果当前存在预判急加速事件未上报，则将急加速事件以及急加速状态的持续时间上报，如果当前不存在预判急加速事件未上报，记录急减速状态持续的时间，并继续根据当前车速确定对应的车辆加速度。若随着车辆的行驶，STATE的值始终为0，则统计STATE＝0的持续时间。
当STATE＝-1时，表明车辆正处于急减速状态，随着车辆的行驶，判断车辆加速度的绝对值是否小于对应的急减速阈值的绝对值，若是，急减速状态结束，STATE＝0，并记录急减速状态结束的时间，在此基础上，若在车辆加速度小于对应的急加速阈值的设定时间段内JUDGE＝-1，表示产生预判急减速事件，则累加急减速状态的持续时间，若JUDGE＝0或1，则急减速状态结束，将急减速状态的持续时间以及延迟上报的时间上报给车联网云平台，其中，延迟上报的时间为急减速状态结束至JUDGE＝0或1的时间。若否，记录急减速状态的持续时间，并继续根据当前车速确定对应的车辆加速度。根据图3可以确定车辆处于急速状态的持续时间，为车险险种的确定提供依据。
S260、确定所述车辆当前处于非急速状态。
以急加速状态和急减速状态为例，当车辆加速度小于急加速阈值时，确定车辆当前处于非急加速状态，当车辆加速度的绝对值小于急减速阈值的绝对值时，确定车辆当前处于非急减速状态。
实施例三
图4为本发明实施例三提供的一种行车状态的确定方法的流程图，本实施例是在上述实施例的基础上进行优化，参考图4，该方法可以包括如下步骤：
S310、获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度。
S320、根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值。
可选的，可以通过如下方式确定车速阈值关系表：
S3201、获取所述车辆的型号、所述车辆处于急速状态所对应的车速和所述车速对应的车辆加速度。
针对某一车型，可以获取车辆在历史行驶状态下的行驶数据，包括车辆处于急速状态的车速和车速对应的车辆加速度，作为车速阈值关系表的确定依据。
S3202、根据所述车辆的型号、车速和对应的车辆加速度，形成特征向量集。
根据车辆的行驶数据，筛选车辆处于急加速状态对应的车速和车辆加速度以及车辆处于急减速状态对应的车速和车辆加速度，并根据车辆处于急加速状态时车辆的型号、车速和对应的车辆加速度，形成第一特征向量，存储在第一特征向量集，根据车辆处于急减速状态时车辆的型号、车速和对应的车辆加速度，形成第二特征向量，存储在第二特征向量集。第一特征向量和第二特征向量的数量可以根据实际需要设置，实施例不进行限定。为了提高行车状态判定的准确度，还可以筛选车辆处于非急加速状态以及非急减速状态的行驶数据，分别形成第三特征向量和第四特征向量，并分别存储在第三特征向量集和第四特征向量集，以验证后续确定的车速阈值关系表是否正确。
S3203、确定所述特征向量集中各特征向量到分割超平面的距离。
其中，所述分割超平面用于分割所述车辆的急速状态和非急速状态。考虑到急速状态和非急速状态是一个二分类问题，实施例以支持向量机为例。对于急加速状态，分割超平面用于分割车辆的急加速状态和非急加速状态，对于急减速状态，分割超平面用于分割车辆的急减速状态和非急减速状态。分割超平面所对应的超平面方程可以通过下面的公式确定：
ωTx+b＝0 (2)
其中，ω＝(ω1,ω2)表示分割超平面的法向量，x＝(x1,x2)为特征向量，x1为车速，x2为车速对应的车辆加速度，b为位移项，分割超平面与坐标原点之间的距离不同，b的大小不同，可以根据特征向量到分割超平面的距离确定b的大小。具体的，可以通过如下公式确定特征向量到分割超平面的距离：
其中，d为特征向量到分割超平面的距离。需要说明的是，实际应用时，可以根据车辆的型号将同一型号车辆所对应的车速以及车辆加速度形成特征向量，计算该特征向量到分割超平面的距离。
S3204、当所述特征向量到所述分割超平面的距离的最小值大于或等于设定阈值时，根据所述分割超平面对应的超平面方程形成车速阈值关系表。
针对急加速状态，当急加速状态所对应的特征向量到分割超平面的距离的最小值小于设定阈值时，更新公式(2)中的ω和b，直至特征向量到急加速状态和非急加速状态所对应分割超平面的距离的最小值大于或等于设定阈值，并将该分割超平面对应的超平面方程作为急加速阈值方程，存储在车速阈值关系表中。急减速状态所对应的急减速阈值方程的确定过程类似，此处不再赘述。由此可以得到急加速阈值方程和急减速阈值方程。急加速阈值方程和急减速阈值方程确定后，分别通过第三特征向量集和第四特征向量集进行验证，将验证后的急加速阈值方程和急减速阈值方程存储在车速阈值关系表。
示例性的，参考图5，图5为本发明实施例三提供的一种确定车速阈值关系表的过程示意图。首先根据型号获取对应车辆行驶时的行驶数据，该行驶数据包括车速和对应的车辆加速度，根据车辆的实际运行状态，将车速以及对应的车辆加速度分类，确定急速状态对应的车速和车辆加速度以及非急速状态对应的车速和车辆加速度，并以急速状态对应的车速和车辆加速度作为训练样本，以非急速状态对应的车速和车辆加速度作为测试样本，利用支持向量机进行训练，得到对应的分割超平面方程，然后通过测试样本进行测试，最终得到对应的动态阈值方程，存储在车速阈值关系表。
S330、根据所述当前车速和急加速阈值关系表，确定所述当前车速对应的急加速阈值。
急加速阈值关系表用于存储不同型号的车辆所对应的急加速阈值方程，急减速阈值关系表用于存储不同型号的车辆所对应的急减速阈值方程，当车辆的型号确定后，其对应的急加速阈值方程和急减速阈值方程确定，根据当前车速即可得到对应的急加速阈值和急减速阈值。示例性的，参考图6，图6为本发明实施例三提供的一种动态阈值方程的曲线示意图。横轴以上为加速状态，横轴以下为减速状态，曲线1为急加速阈值方程对应的曲线，曲线2为急减速阈值方程对应的曲线，曲线1用于分割急加速状态11和非急加速状态12，曲线2用于分割急减速状态21和非急减速状态22，图6中非急加速状态12以正常加速状态为例，非急减速状态22以正常减速状态为例。根据曲线1和曲线2可以看出急加速阈值和急减速阈值随车速动态变化，动态急加速阈值和急减速阈值的确定可以提高行车状态判定的准确度。
S340、根据所述当前车速和急减速阈值关系表，确定所述当前车速对应的急减速阈值。
急减速阈值的确定过程与急加速阈值的确定过程类似，此处不再赘述。需要说明的是，S340和S350的执行过程不分先后，根据当前车速，可以先确定对应的急加速阈值，再确定对应的急减速阈值，也可以先确定对应的急减速阈值，再确定对应的急加速阈值，实施例对此不进行限定。
S350、所述车辆加速度是否大于或等于所述急加速阈值，若是，执行S360，否则，执行S370。
车辆加速度的正负是确定的，根据车辆加速度的正负可以选择对应的急加速阈值或者急减速阈值。例如，当车辆加速度为正时，表明车辆处于加速状态，此时执行S350，进一步判断车辆加速度是否大于或等于急加速阈值，当车辆加速度大于或等于急加速阈值，表示车辆当前处于急加速状态，否则处于非急加速状态。
S360、确定所述车辆当前处于急加速状态。
S370、确定所述车辆当前处于非急加速状态。
S380、所述车辆加速度是否大于或等于所述急减速阈值，若是，执行S390，否则，执行S3100。
如果车辆加速度为负，表明车辆当前处于减速状态，此时执行S380，进一步判断车辆加速度的绝对值是否大于或等于急减速阈值，当车辆加速度的绝对值大于或等于急减速阈值，表示车辆当前处于急减速状态，否则处于非急减速状态。需要说明的是，S360和S380择一执行，即车辆加速度确定以后，要么执行S360，判断车辆当前是否处于急加速状态，要么执行S380，判断车辆当前是否处于急减速状态。
S390、确定所述车辆当前处于急减速状态。
S3100、确定所述车辆当前处于非急减速状态。
本发明实施例三提供一种行车状态的确定方法，在上述实施例的基础上，根据车辆不同行车状态下的历史数据对支持向量机进行训练，得到动态的急加速阈值方程和急减速阈值方程，使得急加速阈值和急减速阈值根据车速和车型动态确定，提高了行车状态判定的准确度。
实施例四
图7为本发明实施例四提供的一种行车状态的确定装置的结构图，该装置可以执行上述实施例所述的行车状态的确定方法，参考图7，该装置可以包括：
信息获取模块410，用于获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度；
加速度阈值确定模块420，用于根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值，所述车速阈值关系表根据所述车辆的型号和车速确定；
急速状态确定模块430，用于当所述车辆加速度大于或等于所述加速度阈值时，确定所述车辆当前处于急速状态。
本发明实施例四提供一种行车状态的确定装置，根据车辆的当前车速和历史车速确定当前车速对应的车辆加速度，并将该车辆加速度与基于当前车速和车速阈值关系表确定的加速度阈值进行比较，根据比较结果确定该型号的车辆当前是否处于急速状态。由于车速阈值关系表根据车辆的型号和车速确定，当车辆的型号或车速变化时，车速阈值关系表相应的变化，得到的加速度阈值也相应的变化，使得该加速度阈值可以满足车辆实际的变化情况，提高行车状态判定的准确度。
在上述实施例的基础上，该装置还可以包括：
统计模块，用于在确定所述车辆当前处于急速状态之后，统计所述车辆处于急速状态的持续时间，并将所述持续时间和对应的急速状态上报给车联网云平台，以使所述车联网云平台根据接收的持续时间和对应的急速状态辅助确定对应所述车辆的车险险种。
在上述实施例的基础上，所述统计模块，具体用于若检测到所述车辆加速度小于对应的加速度阈值，且在所述车辆加速度小于对应的加速度阈值的设定时间段内，检测到所述车辆加速度大于或等于对应的加速度阈值，则累加急速状态的时间，直至所述设定时间段内所述车辆加速度小于对应的加速度阈值；
将累加后的时间作为所述车辆处于急速状态的持续时间；
若检测到所述车辆加速度小于对应的加速度阈值，且在所述车辆加速度小于对应的加速度阈值的设定时间段内，检测到所述车辆加速度小于对应的加速度阈值，则将所述车辆加速度大于或等于所述加速度阈值至设定时间段之前所述车辆加速度小于对应的加速度阈值的时间作为所述车辆处于急速状态的持续时间。
在上述实施例的基础上，所述车速阈值关系表可以通过如下方式确定：
获取所述车辆的型号、所述车辆处于急速状态所对应的车速和所述车速对应的车辆加速度；
根据所述车辆的型号、车速和对应的车辆加速度，形成特征向量集；
确定所述特征向量集中各特征向量到分割超平面的距离，所述分割超平面用于分割所述车辆的急速状态和非急速状态；
当所述特征向量到所述分割超平面的距离的最小值大于或等于设定阈值时，根据所述分割超平面对应的超平面方程形成车速阈值关系表。
在上述实施例的基础上，所述车速阈值关系表包括所述车辆处于急加速状态的急加速阈值关系表和所述车辆处于急减速状态的急减速阈值关系表。
在上述实施例的基础上，加速度阈值确定模块420，包括：
急加速阈值确定单元，用于根据所述当前车速和急加速阈值关系表，确定所述当前车速对应的急加速阈值；
减速阈值确定单元，用于根据所述当前车速和急减速阈值关系表，确定所述当前车速对应的急减速阈值。
在上述实施例的基础上，急速状态确定模块430，包括：
急加速状态确定单元，用于当所述车辆加速度大于或等于所述急加速阈值时，确定所述车辆当前处于急加速状态；
急减速状态确定单元，用于当所述车辆加速度大于或等于所述急减速阈值时，确定所述车辆当前处于急减速状态。
本发明实施例所提供的行车状态的确定装置可执行本发明上述实施例所提供的行车状态的确定方法，具备执行方法相应的功能模块和有益效果。
实施例五
图8为本发明实施例五提供的一种车辆的结构图，参考图8，该车辆包括：处理器510、存储器520、速度传感器530、通信终端540、输入装置550和输出装置560。速度传感器530用于实时测量车辆的车速，通信终端540用于与车联网云平台进行通信，将处理器510生成的急转弯结果发送给车联网云平台，以使车联网云平台根据接收的急转弯结果辅助确定对应所述车辆的车险险种。处理器510的数量可以是一个也可以是多个，图8以一个处理器510为例。车辆中处理器510、存储器520、速度传感器530、通信终端540、输入装置550和输出装置560可以通过总线或其他方式连接，图8中以通过总线连接为例。
存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中行车状态的确定方法对应的程序指令/模块。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行车辆的各种功能应用以及数据处理，即实现上述实施例的行车状态的确定方法。
存储器520主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至车辆。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置550可用于接收输入的数字或字符信息，以及产生与车辆的用户设置以及功能控制有关的键信号输入。输出装置560可包括显示屏等显示设备、扬声器以及蜂鸣器等音频设备。
本发明实施例五提供的车辆与上述实施例提供的行车状态的确定方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例具备执行行车状态的确定方法相同的有益效果。
实施例六
本发明实施例六还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明上述实施例所述的行车状态的确定方法。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的行车状态的确定方法中的操作，还可以执行本发明任意实施例所提供的行车状态的确定方法中的相关操作，且具备相应的功能和有益效果。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的行车状态的确定方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种行车状态的确定方法，其特征在于，包括：
获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度；
根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值，所述车速阈值关系表根据所述车辆的型号和车速确定；
当所述车辆加速度大于或等于所述加速度阈值时，确定所述车辆当前处于急速状态；
所述确定所述车辆当前处于急速状态之后，还包括：
统计所述车辆处于急速状态的持续时间，并将所述持续时间和对应的急速状态上报给车联网云平台，以使所述车联网云平台根据接收的持续时间和对应的急速状态辅助确定对应所述车辆的车险险种；
所述统计所述车辆处于急速状态的时间，包括：
若检测到所述车辆加速度小于对应的加速度阈值，且在所述车辆加速度小于对应的加速度阈值的设定时间段内，检测到所述车辆加速度大于或等于对应的加速度阈值，则累加急速状态的时间，直至所述设定时间段内所述车辆加速度小于对应的加速度阈值；
将累加后的时间作为所述车辆处于急速状态的持续时间；
若检测到所述车辆加速度小于对应的加速度阈值，且在所述车辆加速度小于对应的加速度阈值的设定时间段内，检测到所述车辆加速度小于对应的加速度阈值，则将所述车辆加速度大于或等于所述加速度阈值至设定时间段之前所述车辆加速度小于对应的加速度阈值的时间作为所述车辆处于急速状态的持续时间。
2.根据权利要求1所述的方法，其特征在于，所述车速阈值关系表根据所述车辆的型号和车速确定，包括：
获取所述车辆的型号、所述车辆处于急速状态所对应的车速和所述车速对应的车辆加速度；
根据所述车辆的型号、车速和对应的车辆加速度，形成特征向量集；
确定所述特征向量集中各特征向量到分割超平面的距离，所述分割超平面用于分割所述车辆的急速状态和非急速状态；
当所述特征向量到所述分割超平面的距离的最小值大于或等于设定阈值时，根据所述分割超平面对应的超平面方程形成车速阈值关系表。
3.根据权利要求2所述的方法，其特征在于，所述车速阈值关系表包括所述车辆处于急加速状态的急加速阈值关系表和所述车辆处于急减速状态的急减速阈值关系表。
4.根据权利要求3所述的方法，其特征在于，根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值，包括：
根据所述当前车速和急加速阈值关系表，确定所述当前车速对应的急加速阈值；
根据所述当前车速和急减速阈值关系表，确定所述当前车速对应的急减速阈值。
5.根据权利要求4所述的方法，其特征在于，当所述车辆加速度大于或等于所述加速度阈值时，确定所述车辆当前处于急速状态，包括：
当所述车辆加速度大于或等于所述急加速阈值时，确定所述车辆当前处于急加速状态；
当所述车辆加速度大于或等于所述急减速阈值时，确定所述车辆当前处于急减速状态。
6.一种行车状态的确定装置，其特征在于，包括：
信息获取模块，用于获取车辆的型号、当前车速和历史车速，并根据所述当前车速和历史车速确定当前的车辆加速度；
加速度阈值确定模块，用于根据所述当前车速，结合车速阈值关系表，确定所述当前车速对应的加速度阈值，所述车速阈值关系表根据所述车辆的型号和车速确定；
急速状态确定模块，用于当所述车辆加速度大于或等于所述加速度阈值时，确定所述车辆当前处于急速状态；
统计模块，用于在确定所述车辆当前处于急速状态之后，统计所述车辆处于急速状态的持续时间，并将所述持续时间和对应的急速状态上报给车联网云平台，以使所述车联网云平台根据接收的持续时间和对应的急速状态辅助确定对应所述车辆的车险险种；
所述统计模块用于统计所述车辆处于急速状态的时间，包括：
若检测到所述车辆加速度小于对应的加速度阈值，且在所述车辆加速度小于对应的加速度阈值的设定时间段内，检测到所述车辆加速度大于或等于对应的加速度阈值，则累加急速状态的时间，直至所述设定时间段内所述车辆加速度小于对应的加速度阈值；
将累加后的时间作为所述车辆处于急速状态的持续时间；
若检测到所述车辆加速度小于对应的加速度阈值，且在所述车辆加速度小于对应的加速度阈值的设定时间段内，检测到所述车辆加速度小于对应的加速度阈值，则将所述车辆加速度大于或等于所述加速度阈值至设定时间段之前所述车辆加速度小于对应的加速度阈值的时间作为所述车辆处于急速状态的持续时间。
7.一种车辆，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
速度传感器，用于实时测量车辆的车速；
通信终端，与车联网云平台进行通信，将所述处理器确定的急速状态和持续时间给所述车联网云平台，以使所述车联网云平台根据接收的急速状态和持续时间辅助确定对应所述车辆的车险险种；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一项所述的行车状态的确定方法。
8.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的行车状态的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910869587.2A CN110712648B (zh) | 2019-09-16 | 2019-09-16 | 行车状态的确定方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910869587.2A CN110712648B (zh) | 2019-09-16 | 2019-09-16 | 行车状态的确定方法、装置、车辆及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110712648A CN110712648A (zh) | 2020-01-21 |
| CN110712648B true CN110712648B (zh) | 2020-12-11 |
Family
ID=69210512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910869587.2A Active CN110712648B (zh) | 2019-09-16 | 2019-09-16 | 行车状态的确定方法、装置、车辆及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110712648B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112731837B (zh) * | 2020-12-23 | 2022-11-25 | 阿波罗智联(北京)科技有限公司 | 确定车辆状态的方法、装置、设备、介质、产品和车辆 |
| CN113269907A (zh) * | 2021-04-27 | 2021-08-17 | 远峰科技股份有限公司 | 汽车安全事件数据记录方法及系统 |
| CN113844427B (zh) * | 2021-09-29 | 2024-01-23 | 广西玉柴机器股份有限公司 | 基于加速度控制的发动机扭矩管理方法 |
| CN115424440B (zh) * | 2022-08-26 | 2024-06-04 | 上海移为通信技术股份有限公司 | 驾驶行为预警方法、装置、设备及存储介质 |
| CN117633489B (zh) * | 2023-12-13 | 2024-06-21 | 智车信安(苏州)信息安全科技有限公司 | 一种基于ai的车辆安全分析方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013074867A2 (en) * | 2011-11-16 | 2013-05-23 | Flextronics Ap, Llc | Insurance tracking |
| US20130179198A1 (en) * | 2011-06-29 | 2013-07-11 | State Farm Mutual Automobile Insurance Company | Methods to Determine a Vehicle Insurance Premium Based on Vehicle Operation Data Collected Via a Mobile Device |
| CN103700160A (zh) * | 2013-12-31 | 2014-04-02 | 江苏中寰卫星导航通信有限公司 | 基于微传感器的机动车车载终端及驾驶行为判断方法 |
| CN104093618A (zh) * | 2012-01-13 | 2014-10-08 | 脉冲函数F6有限公司 | 驾驶行为风险指标计算的设备、系统和方法 |
| CN104494601A (zh) * | 2014-12-18 | 2015-04-08 | 清华大学苏州汽车研究院（吴江） | 基于obd的驾驶行为分析及驾驶辅助系统 |
| US20160129914A1 (en) * | 2005-06-01 | 2016-05-12 | Allstate Insurance Company | Motor Vehicle Operating Data Collection and Analysis |
| CN106394559A (zh) * | 2016-11-17 | 2017-02-15 | 吉林大学 | 基于环境感知信息的多目标评判驾驶行为分析方法 |
| 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 |
| CN109791645A (zh) * | 2016-07-01 | 2019-05-21 | 奥克托信息技术股份公司 | 用于动态车辆保险开单的计算机系统 |
-
2019
- 2019-09-16 CN CN201910869587.2A patent/CN110712648B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160129914A1 (en) * | 2005-06-01 | 2016-05-12 | Allstate Insurance Company | Motor Vehicle Operating Data Collection and Analysis |
| US20130179198A1 (en) * | 2011-06-29 | 2013-07-11 | State Farm Mutual Automobile Insurance Company | Methods to Determine a Vehicle Insurance Premium Based on Vehicle Operation Data Collected Via a Mobile Device |
| WO2013074867A2 (en) * | 2011-11-16 | 2013-05-23 | Flextronics Ap, Llc | Insurance tracking |
| CN104093618A (zh) * | 2012-01-13 | 2014-10-08 | 脉冲函数F6有限公司 | 驾驶行为风险指标计算的设备、系统和方法 |
| CN103700160A (zh) * | 2013-12-31 | 2014-04-02 | 江苏中寰卫星导航通信有限公司 | 基于微传感器的机动车车载终端及驾驶行为判断方法 |
| CN104494601A (zh) * | 2014-12-18 | 2015-04-08 | 清华大学苏州汽车研究院（吴江） | 基于obd的驾驶行为分析及驾驶辅助系统 |
| CN109791645A (zh) * | 2016-07-01 | 2019-05-21 | 奥克托信息技术股份公司 | 用于动态车辆保险开单的计算机系统 |
| CN106394559A (zh) * | 2016-11-17 | 2017-02-15 | 吉林大学 | 基于环境感知信息的多目标评判驾驶行为分析方法 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110712648A (zh) | 2020-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110712648B (zh) | 行车状态的确定方法、装置、车辆及存储介质 | |
| CN106230940B (zh) | 一种基于车载智能终端的车辆碰撞检测方法及系统 | |
| RU2017114379A (ru) | Транспортное средство, способ управления транспортным средством и компьютерно-читаемый носитель | |
| JP2019083534A5 (zh) | ||
| JP2018182724A5 (zh) | ||
| WO2021248301A1 (zh) | 自动驾驶系统的自学习方法、装置、设备及存储介质 | |
| CN111311914A (zh) | 车辆行驶事故监控方法、装置和车辆 | |
| CN110606092B (zh) | 行车状态的确定方法、装置、车辆及存储介质 | |
| CN111182503A (zh) | 一种基于多数据融合分析的智能车险评估方法及系统 | |
| CN110672336A (zh) | 一种车辆的异响测试方法、装置、设备及存储介质 | |
| CN112466118A (zh) | 车辆驾驶行为识别方法、系统、电子设备及存储介质 | |
| CN107914705A (zh) | 车辆减速控制方法、装置、车载后视镜及存储介质 | |
| CN111860568A (zh) | 数据样本的均衡分布方法、装置及存储介质 | |
| CN112346046B (zh) | 基于车载毫米波雷达的单目标跟踪方法及其系统 | |
| CN107111757B (zh) | 车道线检测方法及装置 | |
| JP7013722B2 (ja) | 運転支援装置 | |
| CN115484561A (zh) | 车载无线网络信号状态的提醒方法、装置、车辆及介质 | |
| CN115329866A (zh) | 碰撞事件检测方法、装置、设备及存储介质 | |
| JP7000130B2 (ja) | 接近防止装置、及び接近防止方法 | |
| CN114646476A (zh) | 一种aeb车辆的隧道通行测试方法、装置及车辆 | |
| CN112561932A (zh) | 航迹线去噪方法、装置、电子设备和存储介质 | |
| CN106415603A (zh) | 一种成对车道线的高效检测方法和装置 | |
| CN108263371A (zh) | 车辆控制装置以及车辆 | |
| CN115447616B (zh) | 车辆驾驶客观指标的生成方法及装置 | |
| CN113715834B (zh) | 车辆行驶行为识别方法、装置、电子设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |