CN110765122B - 基于sdk实现数据采集和驾驶评测的方法、装置及系统 - Google Patents

基于sdk实现数据采集和驾驶评测的方法、装置及系统 Download PDF

Info

Publication number
CN110765122B
CN110765122B CN201911084262.XA CN201911084262A CN110765122B CN 110765122 B CN110765122 B CN 110765122B CN 201911084262 A CN201911084262 A CN 201911084262A CN 110765122 B CN110765122 B CN 110765122B
Authority
CN
China
Prior art keywords
data
sdk
noise
server
terminal
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
Application number
CN201911084262.XA
Other languages
English (en)
Other versions
CN110765122A (zh
Inventor
郭学提
代小朋
于忠华
邹家伟
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.)
Shenzhen Dingran Information Technology Co ltd
Original Assignee
Shenzhen Dingran Information Technology 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 Shenzhen Dingran Information Technology Co ltd filed Critical Shenzhen Dingran Information Technology Co ltd
Priority to CN201911084262.XA priority Critical patent/CN110765122B/zh
Priority to CN202210765520.6A priority patent/CN115269569A/zh
Publication of CN110765122A publication Critical patent/CN110765122A/zh
Application granted granted Critical
Publication of CN110765122B publication Critical patent/CN110765122B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/606—Protecting data by securing the transmission between two devices or processes
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Abstract

本发明公开了一种基于SDK实现数据采集和驾驶评测的方法、装置及系统。该方法包括：在终端和/或服务器加载SDK；将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据，存储于所述SDK的有效数据包括：驾驶行为采集数据、驾驶行为分析数据、从车辆自身传感器获取的数据、从车载终端采集的数据；输出有效数据至服务器或终端处理以实现驾驶评测。本发明可最大限度的保证数据的安全和完整，也能非常有效的为数据分析、驾驶评测模块提供精准的数据源，从而使得驾驶评测结果更加精确。

Description

基于SDK实现数据采集和驾驶评测的方法、装置及系统
技术领域
本发明涉及智能驾驶技术领域，尤其涉及一种基于SDK实现数据采集和驾驶评测的方法、装置及系统。
背景技术
随着社会发展、科技进步，智能网联技术的发展，尤其物联网、车联网技术的应用趋于成熟以及车联网的数据越来越丰富多样化。如何能将海量大数据进行分析与应用，像用户驾驶行为数据、驾驶车辆数据、驾驶环境相关数据等相关数据的分析及融合应用严重缺乏；鉴于目前现有的车载终端(一种能将人车数据回传至服务器的装置，例如TBOX)所采集的数据格式及其通信协议、数据精度、采集频率等都各不相同，这使得数据标准化非常困难。数据接入开销因此而会很大并且易出问题，为了把这些问题和风险解决、预防、规避，我们引用SDK的方案。通过SDK方案来实现数据采集、驾驶评测的方法可以快速将数据提供方(车厂、第三方数据公司、其它数据提供方)的数据加以处理与分析来获取该车及相应驾驶员的评测结果。
不用SDK方案也能实现这一功能，但其开发周期漫长且容易泄漏源代码和核心算法。而且面对不同的数据提供方可能会有多套代码，需要多次开发和对接。由于使用源代码直接切入很容易导致出现问题时相互推诿扯皮，责任界定非常困难。使用SDK后就变得非常清晰和模块化，调试和使用时非常容易界定双方的责任。
现有技术中传统的驾驶评测方法主要分为两类：即数据处理公司将软件(或代码)直接嵌入数据提供方、数据提供方将数据按某种规则发送至数据处理公司。这两类都可能涉及到多方核心技术或数据外泄的问题，不仅如此，这两种方法还需要占用大量的研发和测试时间。
发明内容
有鉴于此，本发明的主要目的在于提出一种基于SDK实现数据采集和驾驶评测的方法、装置及系统。
作为本发明实施例的第一方面，本发明提供一种基于SDK实现数据采集和驾驶评测的方法，其中，包括：
在终端和/或服务器加载SDK；
将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据，存储于所述SDK的有效数据包括：驾驶行为采集数据、驾驶行为分析数据、从车辆自身传感器获取的数据、从车载终端采集的数据；
输出有效数据至服务器或终端处理以实现驾驶评测，其中，去除噪声数据的算法包括：点火信息滤波算法，所述点火信息滤波算法包括：
判断车辆的点火消息后，将所述SDK的算法结合加速度传感器采集的数据和电池电压数据、位置信息数据综合判断该点火是否真实；
在SDK收到点火消息后，设此时开始往前跳跃一段时间取一段时间的电压数据为U1，此时开始往后等待一段时间的电压数据为U2；
计算EU1、EU2、DU1、DU2，计R1＝(EU2>EU1)||(DU2>DU1)；
在SDK收到点火消息后，设从这个点开始往前跳跃一段时间取一段时间的加速度数据计为A1，从这个点开始往后等待一段时间的加速度值数据A2；
计算EA1、EA2、DA1、DA2，计R2＝(EA2>EA1)||(DA2>DA1)；
若R1*R2>0则确认系统点火；
若R1*R2<1且R1+R2>0，则认为系统可能点火，此时继续从这个点开始往前跳跃一段时间取一段时间的位置数据计为G1，从这个点开始往后等待一段时间的位置数据G2；
计算DG1、DG2，计R3＝DG2>DG1，若R3>0则确认系统点火；其中，EU1为U1的期望，DU1为U1的方差；EU2为U2的期望，DU2为U2的方差；EA1为A1的期望，DA1为A1的方差；EA2为A2的期望，DA2为A2的方差；DG1为G1的方差，DG2为G2的方差。
优选地，在所述服务器加载SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
所述SDK获取所述服务器从终端接收到的原始采集数据；
所述SDK将所述原始采集数据转换成指定数据格式的数据；
所述SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理，噪声去除后进行分析处理得到所述有效数据；
若不需要，则对指定数据格式的数据进行分析处理后获得所述有效数据。
优选地，在终端加载SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
接收车辆发送的原始采集数据；
按照数据分析所需采集精度和频率对所述原始采集数据进行预处理；
所述SDK将预处理后的所述原始采集数据转换成指定数据格式的数据；
所述SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理，噪声去除后进行分析处理得到所述有效数据；
若不需要，则对指定数据格式的数据进行分析处理后获得所述有效数据。
优选地，在终端加载第一SDK，服务器加载第二SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
所述终端加载第一SDK；
所述服务器加载第二SDK，所述终端为多个，所有所述第一SDK与所述第二SDK组合构成所述SDK；
所述第一SDK接收车辆发送的原始采集数据；
按照数据分析所需采集精度和频率对所述原始采集数据进行预处理；
所述第一SDK将预处理后的所述原始采集数据转换成指定数据格式的数据；
所述第一SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理；
若不需要，则将指定数据格式的数据输入所述第二SDK；
所述第二SDK对指定数据格式的数据进行分析处理后获得所述有效数据；
输出有效数据至服务器或终端处理以实现驾驶评测包括：
所述第二SDK输出有效数据至服务器或终端处理以实现驾驶评测。
优选地，所述去除噪声数据的处理方法，记为第一滤波算法，包括：噪声数据修正步骤，具体包括：
将新的原始采集数据与指定历史时间内的原始采集数据做差运算，若差值高于第一预设值则判定所述新的原始采集数据为异常数据的概率；
对指定历史时间内的原始采集数据求其方差DX，若DX高于第二预设值则判定指定历史时间内的原始采集数据含有异常数据；
依据所述异常数据的概率或所述脏数据舍弃或修正噪音数据使得所述DX满足预设条件；
其中，修正噪音数据的方法是给该噪音数据赋期望值EX；
期望值的计算方法为：
Figure GDA0003569487540000041
方差计算方法为：
Figure GDA0003569487540000042
其中，xi表示噪音数据个数，pi表示这个噪音数据出现的概率。
优选地，所述去除噪声数据的处理方法包括第二滤波算法，所述第二滤波算法包括以下步骤：
获取来自各类传感器采集的数据，定义为A1；
将所述A1先使用噪声数据滤波得到滤波后的数据A2；
将所述A2使用卡尔曼滤波算法得到A3；所述第二滤波算法包括以下步骤：
计算最优值阶段
上一时刻T0对当前时刻T1的预测值为
Figure GDA0003569487540000043
高斯噪声的偏差是Gs1，A2的偏差是Gs2，对Gs1和Gs2求均方差
Figure GDA0003569487540000044
当前时刻T1的最优值为
Figure GDA0003569487540000045
上一时刻的最优值记为A3t0，上一时刻的A1使用噪声数据滤波得到的数据A2t0，则
Figure GDA0003569487540000046
Gs2＝A2-A3t0；当前时刻的最优值A3，A1使用噪声数据滤波得到的数据A2，则
Figure GDA0003569487540000051
Gs4＝A2-A3；
预测下一时刻值阶段
Figure GDA0003569487540000052
下一时刻的预测值
Figure GDA0003569487540000053
Figure GDA0003569487540000054
优选地，所述去除噪声数据的处理方法包括位置信息滤波算法，所述位置信息滤波算法包括以下步骤：
从位置信息传感器获取到的原始位置数据G1经过噪音数据处理步骤后得到第一滤波后的位置数据G2；其中，所述位置信息的原始数据G1包含：经度、纬度、速度、航向角、海拔、精度因子；
将所述位置数据G2再经过卡尔曼滤波后得到数据第二次滤波后的位置数据G3。
优选地，所述去除噪声数据的处理方法包括：速度信息滤波算法；所述速度信息滤波算法包括：
从速度传感器获取到的数据S1经过噪音数据处理后得到S2；
将所述S2再经过卡尔曼滤波后得到数据S3。
优选地，所述去除噪声数据的处理方法包括：熄火信息滤波算法；
所述熄火信息滤波算法包括：
第三方系统判断熄火消息后，将SDK算法结合加速度传感器采集的数据和电池电压数据、位置信息数据综合判断该熄火是否真实；
在SDK收到熄火消息后，从这个点开始往前跳跃一段时间取一段时间的电压数据计为U3；从这个点开始往后等待一段时间的电压数据U4；
计算EU3、EU4、DU3、DU4，计R4＝(EU4<EU3)||(DU4<DU3)；
在SDK收到熄火消息后，从这个点开始往前跳跃一段时间取一段时间的加速度数据计为A3，从这个点开始往后等待一段时间的加速度值数据A4；
计算EA3、EA4、DA3、DA4，计R5＝(EA4<EA3)||(DA4<DA3)；
若R4*R5>0，则确认系统熄火；
若R4*R5<1且R4+R5>0，则认为系统可能熄火，此时继续从这个点开始往前跳跃一段时间取一段时间的位置数据计为G3；从这个点开始往后等待一段时间的位置数据G4；
计算DG3、DG4，计R6＝DG3<DG4，若R6>0，则确认系统熄火，其中，EU3为U3的期望，DU3为U3的方差；EU4为U4的期望，DU4为U4的方差；EA3为A3的期望，DA3为A3的方差；EA4为A4的期望，DA4为A4的方差；DG3为G3的方差，DG4为G4的方差。
作为本发明的第二方面，本发明实施例提供一种基于SDK实现数据采集和驾驶评测的装置，所述装置包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使至少一个所述处理器能够执行前面任一项所述的方法。
作为本发明的第三方面，本发明实施例还提供一种基于SDK实现数据采集和驾驶评测的系统，其特征在于，所述系统还包括：服务器、与所述服务器通信连接的终端以及SDK，将所述SDK加载到服务器和/或终端实现前面任一项所述的方法。
综上所述，本发明所提供的基于SDK实现数据采集和驾驶评测的方法、装置及系统，通过在终端和/或服务器加载SDK，并在通过SDK将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据，具有以下有益效果：
(1)数据提供方的数据服务器或是车载终端软件都无须复杂繁琐的开发工作，只需要将SDK对应的接口配置好，并保证数据采集正常，即可使用SDK所提供的各项功能。对于数据提供方来说使用SDK方案可以确保数据不发生外泄的风险且开发简单、功能可拓展性强的特点。对于提供SDK的公司来说，使用SDK可以最大限度的保护其核心算法不被非法窃取以及其业务逻辑等不被非法使用。
(2)本发明既不影响原有的数据采集、上传，也不影响数据服务器的原有功能。
(3)本发明使用SDK后就变得非常清晰和模块化，调试和使用时非常容易界定双方的责任。
(4)本发明能最大限度的保证数据的安全和完整，也能非常有效的为数据分析、驾驶评测模块提供精准的数据源。从而使得驾驶评测结果更加精确。
附图说明
图1为本发明实施方式1中基于SDK实现数据采集和驾驶评测的方法的流程示意图。
图2为在服务器加载SDK的数据流程示意图。
图3为在终端加载SDK的数据流程示意图。
图4为在终端和服务器同时加载SDK的数据流程示意图。
图5为本发明实施方式2中基于SDK实现数据采集和驾驶评测的装置的结构示意图。
图6为本发明实施方式3中基于SDK实现数据采集和驾驶评测的系统的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
实施方式1
请参见图1，本发明实施方式提供一种基于SDK实现数据采集和驾驶评测的方法，其属于一种多维度、多空间的数据采集和驾驶评测方法。该方法通过在车载数据采集终端加载数据预处理SDK、在数据服务器加载数据处理SDK、在车载终端加载数据预处理SDK的同时又在数据处理服务器加载数据处理SDK。该方法既不影响原有的数据采集、上传，也不影响数据服务器的原有功能。
本发明提供一种基于SDK实现数据采集和驾驶评测的方法，其中，包括：
在终端和/或服务器加载SDK；
将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据，存储于所述SDK的有效数据包括：驾驶行为采集数据、驾驶行为分析数据、从车辆自身传感器获取的数据、从车载终端采集的数据；
输出有效数据至服务器或终端处理以实现驾驶评测。
优选地，在所述服务器加载SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
所述SDK获取所述服务器从终端接收到的原始采集数据；
所述SDK将所述原始采集数据转换成指定数据格式的数据；
所述SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理，噪声去除后进行分析处理得到所述有效数据；
若不需要，则对指定数据格式的数据进行分析处理后获得所述有效数据。
优选地，在终端加载SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
接收车辆发送的原始采集数据；
按照数据分析所需采集精度和频率对所述原始采集数据进行预处理；
所述SDK将预处理后的所述原始采集数据转换成指定数据格式的数据；
所述SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理，噪声去除后进行分析处理得到所述有效数据；
若不需要，则对指定数据格式的数据进行分析处理后获得所述有效数据。
优选地，在终端加载第一SDK，服务器加载第二SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
所述终端加载第一SDK；
所述服务器加载第二SDK，所述终端为多个，所有所述第一SDK与所述第二SDK组合构成所述SDK；
所述第一SDK接收车辆发送的原始采集数据；
按照数据分析所需采集精度和频率对所述原始采集数据进行预处理；
所述第一SDK将预处理后的所述原始采集数据转换成指定数据格式的数据；
所述第一SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理；
若不需要，则将指定数据格式的数据输入所述第二SDK；
所述第二SDK对指定数据格式的数据进行分析处理后获得所述有效数据；
输出有效数据至服务器或终端处理以实现驾驶评测包括：
所述第二SDK输出有效数据至服务器或终端处理以实现驾驶评测。
优选地，所述去除噪声数据的处理方法包括：噪声数据修正步骤，具体包括：
将新的原始采集数据与指定历史时间内的原始采集数据做差运算，若差值高于第一预设值则判定所述新的原始采集数据为脏数据的概率；
对指定历史时间内的原始采集数据求DX，若DX高于第二预设值则判定指定历史时间内的原始采集数据含有脏数据；
依据所述脏数据的概率或所述脏数据舍弃或修正噪音数据使得所述DX满足预设条件。
修正噪音数据的方法是给该噪音数据赋EX(除其本身外的这段时间内的其它数据的EX)。
Figure GDA0003569487540000091
Figure GDA0003569487540000092
其中，xi表示噪音数据个数，pi表示这个噪音数据出现的概率。
优选地，所述去除噪声数据的处理方法包括加速度数据滤波算法，所述加速度数据滤波算法包括以下步骤：
获取来自加速度传感器采集的加速度数据，定义为A1；
将所述A1先使用噪声数据滤波得到滤波后的数据A2；
将所述A2使用卡尔曼滤波算法得到A3；所述卡尔曼滤波算法包括以下步骤：
预测阶段
x＝(F*x)+(B*u)
P＝(F*P*FT)+Q
修正阶段
y＝z–(H*x)
S＝(H*P*HT)+R
K＝P*HT*S-1
x＝x+(K*y)
P＝(I–(K*H))*P
其中，y是测量余量，S是测量余量协方差矩阵，x表示系统的状态；P表示误差协方差矩阵为，K表示卡尔曼增益；Q和R是根据实际情况所选择的最优解。
优选地，优选地，所述去除噪声数据的处理方法包括第二滤波算法，所述第二滤波算法包括以下步骤：
获取来自各类传感器采集的数据，定义为A1；
将所述A1先使用噪声数据滤波得到滤波后的数据A2；
将所述A2使用卡尔曼滤波算法得到A3；所述第二滤波算法包括以下步骤：
计算最优值阶段
上一时刻T0对当前时刻T1的预测值为
Figure GDA0003569487540000101
高斯噪声的偏差是Gs1，A2的偏差是Gs2，对Gs1和Gs2求均方差
Figure GDA0003569487540000102
当前时刻T1的最优值为
Figure GDA0003569487540000103
上一时刻的最优值记为A3t0，上一时刻的A1使用噪声数据滤波得到的数据A2t0，则
Figure GDA0003569487540000104
Gs2＝A2-A3t0；当前时刻的最优值A3，A1使用噪声数据滤波得到的数据A2，则
Figure GDA0003569487540000105
Gs4＝A2-A3；
预测下一时刻值阶段
Figure GDA0003569487540000111
下一时刻的预测值
Figure GDA0003569487540000112
Figure GDA0003569487540000113
优选地，所述去除噪声数据的处理方法包括位置信息滤波算法，所述位置信息滤波算法包括以下步骤：
从位置信息传感器获取到的原始位置数据G1经过噪音数据处理步骤后得到第一滤波后的位置数据G2；其中，所述位置信息的原始数据G1主要包含：经度、纬度、速度、航向角、海拔、精度因子；
将所述位置数据G2再经过卡尔曼滤波后得到数据第二次滤波后的位置数据G3。
优选地，所述去除噪声数据的处理方法包括：速度信息滤波算法；所述速度信息滤波算法包括：
从速度传感器获取到的数据S1经过噪音数据处理后得到S2；
将所述S2再经过卡尔曼滤波后得到数据S3。
优选地，所述去除噪声数据的处理方法包括：点熄火信息滤波算法，所述点熄火信息滤波算法包括：点火信息滤波算法和熄火信息滤波算法；所述点火信息滤波算法包括：
判断车辆的点火消息后，将所述SDK的算法结合加速度传感器采集的数据和电池电压数据、位置信息数据综合判断该点火是否真实；
在SDK收到点火消息后，设此时开始往前跳跃一段时间取一段时间的电压数据为U1，此时开始往后等待一段时间的电压数据为U2；
计算EU1、EU2、DU1、DU2，计R1＝(EU2>EU1)||(DU2>DU1)；
在SDK收到点火消息后，设从这个点开始往前跳跃一段时间取一段时间的加速度数据计为A1，从这个点开始往后等待一段时间的加速度值数据A2；
计算EA1、EA2、DA1、DA2，计R2＝(EA2>EA1)||(DA2>DA1)；
若R1*R2>0则确认系统点火；
若R1*R2<1且R1+R2>0，则认为系统可能点火，此时继续从这个点开始往前跳跃一段时间取一段时间的位置数据计为G1，从这个点开始往后等待一段时间的位置数据G2；
计算DG1、DG2，计R3＝DG2>DG1，若R3>0则确认系统点火；其中，EU1为U1的期望，DU1为U1的方差；EU2为U2的期望，DU2为U2的方差；EA1为A1的期望，DA1为A1的方差；EA2为A2的期望，DA2为A2的方差；DG1为G1的方差，DG2为G2的方差。
所述熄火信息滤波算法包括：
第三方系统判断熄火消息后，将SDK算法结合加速度传感器采集的数据和电池电压数据、位置信息数据综合判断该熄火是否真实；
在SDK收到熄火消息后，从这个点开始往前跳跃一段时间取一段时间的电压数据计为U3；从这个点开始往后等待一段时间的电压数据U4；
计算EU3、EU4、DU3、DU4，计R4＝(EU4<EU3)||(DU4<DU3)；
在SDK收到熄火消息后，从这个点开始往前跳跃一段时间取一段时间的加速度数据计为A3，从这个点开始往后等待一段时间的加速度值数据A4；
计算EA3、EA4、DA3、DA4，计R5＝(EA4<EA3)||(DA4<DA3)；
若R4*R5>0，则确认系统熄火；
若R4*R5<1且R4+R5>0，则认为系统可能熄火，此时继续从这个点开始往前跳跃一段时间取一段时间的位置数据计为G3；从这个点开始往后等待一段时间的位置数据G4；
计算DG3、DG4，计R6＝DG3<DG4，若R6>0，则确认系统熄火，其中，EU3为U3的期望，DU3为U3的方差；EU4为U4的期望，DU4为U4的方差；EA3为A3的期望，DA3为A3的方差；EA4为A4的期望，DA4为A4的方差；DG3为G3的方差，DG4为G4的方差。
实施例1
请参见图2，车载终端加载数据预处理SDK的方法，其在结合了车辆终端原本的采集数据后，若仍然有数据不完整或数据精度与采集频率不能满足数据处理功能时，数据预处理SDK包将补充所缺少的数据并会结合算法本身来适应和修改某项、多项数据的采集频率、精度。
终端设备加载SDK方案可以使得终端数据采集变得规范化，因为这个SDK会对底层数据进行预处理，按照数据分析所需要的采集精度和频率进行处理。这样做的优势是无论什么类型的终端、无论什么操作系统的终端、无论什么平台的终端都是使用同一套SDK，这有效的减少了软件集成和多方数据对接时产生的工作量。数据标准化使得数据完整性有了保障。关键是它不会影响到原有终端设备的功能，数据对接也比较简单，并不需要大幅度的修改、调试代码，只需要把数据对接到SDK提供的接口即可。
终端设备使用SDK方案还可以最大限度的保护终端设备原有功能的完整性。另外还能有效的避免数据处理相关的算法外泄的风险，也使得各自的知识产权都能很好的得到保障。
实施例2
请参见图3，数据服务器加载数据处理SDK的方法，其通过对数据服务器原有数据进行分析后，若发现其对驾驶评测所使用的必须项的数据缺少及精度、采集频率不符合要求时，将给出数据采集标准和建议，直至数据提供方提供的数据符合算法要求。
数据处理SDK主要用于处理和分析数据服务器已经采集的数据，并将处理后的数据加载到SDK的驾驶评测功能模块。数据通过该模块后即可得到驾驶评测结果。
实施例3
请参见图4，如果数据提供方由于各种原因不能在其数据服务器上加载数据分析SDK时，选用第二种技术方案是最合适不过的。但由于不在其数据服务器上加载数据分析SDK，因此从终端SDK采集的数据必然会有一部分上传至数据分析服务器，这可能会存在终端数据外泄的风险。若对终端数据并不敏感的情况下这种担忧自然就不存在，若对数据终端的数据非常敏感的情况下必须要在数据服务器加载数据分析SDK。即数据终端加载SDK，数据服务器也加载SDK。这样一来数据的有效利用就会高的多，而且数据提供方的开发工作也将变得比较少。这能最大限度的保证数据的安全和完整，也能非常有效的为数据分析、驾驶评测模块提供精准的数据源。从而使得驾驶评测结果更加精确。
车载终端加载数据预处理SDK并且数据服务器加载数据处理SDK的方法，其能有效的处理数据终端采集数据的不规范与精度和频率不符合的问题。同时通过数据服务器加载数据处理SDK来分析和处理数据。由于数据终端加载了数据预处理SDK所以其数据服务器采集的数据已经进行了初步的处理与规范，因此驾驶评测功能运行时得出的结果比较精确。由于终端和数据服务服务器都加载了相应的SDK，因此数据提供方的开发工作变得更加简单、提高数据的有效利用、降低了无效数据的传递和功能模块的无意义运行，提高了驾驶评测模块的执行效率。
使用SDK方案的优点是：数据提供方的数据服务器或是车载终端软件都无须复杂繁琐的开发工作，只需要将SDK对应的接口配置好，并保证数据采集正常，即可使用SDK所提供的各项功能。对于数据提供方来说使用SDK方案可以确保数据不发生外泄的风险且开发简单、功能可拓展性强的特点。对于提供SDK的公司来说，使用SDK可以最大限度的保护其核心算法不被非法窃取以及其业务逻辑等不被非法使用。
本发明相对于现有技术的有益成果：由于数据存储和数据处理、分析的软件(或代码)是由不同的公司实现的。要对数据提供方的数据进行挖掘、处理、分析、驾驶评测等功能实现，来发挥和利用、发掘数据价值，就必须要通过数据处理。换句话讲就是只有将数据(材料)和数据处理(方法)有机结合才能发掘出其价值。
本发明将核心算法和处理流程以SDK的形式提供给数据提供方，这种方法将细节处理和关键数据的处理算法以及核心业务流程都很好的进行了保护，同时也保护了数据提供方的数据不外泄的安全问题。这是因为数据提供方只需要将对应的数据接口对接上即可而不是像以前那样，还需进行大量的代码整合或是将数据传送至数据分析方的服务器。
实施方式2
请参见图5，本发明对应于上述实施例1的方法还相应提供一种基于SDK实现数据采集和驾驶评测的装置，该装置主要包括：
至少一个处理器401；以及，
与所述至少一个处理器通信连接的存储器402；其中，
所述存储器402存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使至少一个所述处理器能够执行实施方式1所述的方法。
具体请参见图5，本发明实施例的基于SDK实现数据采集和驾驶评测的装置包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在数据处理装置的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种基于SDK实现数据采集和驾驶评测的方法。
在一个示例中，基于SDK实现数据采集和驾驶评测的装置还可包括通信接口403和总线410。其中，如图5所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将基于SDK实现数据采集和驾驶评测的装置的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
另外，结合上述实施例中的基于SDK实现数据采集和驾驶评测的方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于SDK实现数据采集和驾驶评测的方法。
有关该装置的详细描述请参见实施方式1，在此不再赘述。
实施方式3
一种基于SDK实现数据采集和驾驶评测的系统，其特征在于，所述系统还包括：服务器、与所述服务器通信连接的终端以及SDK，将所述SDK加载到服务器和/或终端实现实施例1中所述的方法。有关该系统的详细描述请参见实施方式1，在此不再赘述。
以上是对本发明提供的一种基于SDK实现数据采集和驾驶评测的方法、装置及系统的详细说明。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者打印机小车防撞中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (11)

1.一种基于SDK实现数据采集和驾驶评测的方法，其特征在于，包括：
在终端和/或服务器加载SDK；
将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据，存储于所述SDK的有效数据包括：驾驶行为采集数据、驾驶行为分析数据、从车辆自身传感器获取的数据、从车载终端采集的数据；
输出有效数据至服务器或终端处理以实现驾驶评测，其中，去除噪声数据的算法包括：点火信息滤波算法，所述点火信息滤波算法包括：
判断车辆的点火消息后，将所述SDK的算法结合加速度传感器采集的数据和电池电压数据、位置信息数据综合判断该点火是否真实；
在SDK收到点火消息后，设此时开始往前跳跃一段时间取一段时间的电压数据为U1，此时开始往后等待一段时间的电压数据为U2；
计算EU1、EU2、DU1、DU2，计R1＝(EU2>EU1)||(DU2>DU1)；
在SDK收到点火消息后，设从这个点开始往前跳跃一段时间取一段时间的加速度数据计为A1，从这个点开始往后等待一段时间的加速度值数据A2；
计算EA1、EA2、DA1、DA2，计R2＝(EA2>EA1)||(DA2>DA1)；
若R1*R2>0则确认系统点火；
若R1*R2<1且R1+R2>0，则认为系统可能点火，此时继续从这个点开始往前跳跃一段时间取一段时间的位置数据计为G1，从这个点开始往后等待一段时间的位置数据G2；
计算DG1、DG2，计R3＝DG2>DG1，若R3>0则确认系统点火；其中，EU1为U1的期望，DU1为U1的方差；EU2为U2的期望，DU2为U2的方差；EA1为A1的期望，DA1为A1的方差；EA2为A2的期望，DA2为A2的方差；DG1为G1的方差，DG2为G2的方差。
2.根据权利要求1所述的基于SDK实现数据采集和驾驶评测的方法，其特征在于，在所述服务器加载SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
所述SDK获取所述服务器从终端接收到的原始采集数据；
所述SDK将所述原始采集数据转换成指定数据格式的数据；
所述SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理，噪声去除后进行分析处理得到所述有效数据；
若不需要，则对指定数据格式的数据进行分析处理后获得所述有效数据。
3.根据权利要求1所述的基于SDK实现数据采集和驾驶评测的方法，其特征在于，在终端加载SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
接收车辆发送的原始采集数据；
按照数据分析所需采集精度和频率对所述原始采集数据进行预处理；
所述SDK将预处理后的所述原始采集数据转换成指定数据格式的数据；
所述SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理，噪声去除后进行分析处理得到所述有效数据；
若不需要，则对指定数据格式的数据进行分析处理后获得所述有效数据。
4.根据权利要求1所述的基于SDK实现数据采集和驾驶评测的方法，其特征在于，在终端加载第一SDK，服务器加载第二SDK时，所述将输入SDK的原始采集数据处理后获得终端和/或服务器可识别数据格式且去除噪声数据后的有效数据包括：
所述终端加载第一SDK；
所述服务器加载第二SDK，所述终端为多个，所有所述第一SDK与所述第二SDK组合构成所述SDK；
所述第一SDK接收车辆发送的原始采集数据；
按照数据分析所需采集精度和频率对所述原始采集数据进行预处理；
所述第一SDK将预处理后的所述原始采集数据转换成指定数据格式的数据；
所述第一SDK对指定数据格式的数据判断是否进行去除噪声的处理；
若需要，则对指定数据格式的数据进行去除噪声处理；
若不需要，则将指定数据格式的数据输入所述第二SDK；
所述第二SDK对指定数据格式的数据进行分析处理后获得所述有效数据；
输出有效数据至服务器或终端处理以实现驾驶评测包括：
所述第二SDK输出有效数据至服务器或终端处理以实现驾驶评测。
5.根据权利要求1至4任一项所述的基于SDK实现数据采集和驾驶评测的方法，其特征在于，所述去除噪声数据的处理方法，记为第一滤波算法，包括：噪声数据修正步骤，具体包括：
将新的原始采集数据与指定历史时间内的原始采集数据做差运算，若差值高于第一预设值则判定所述新的原始采集数据为异常数据的概率；
对指定历史时间内的原始采集数据求其方差DX，若DX高于第二预设值则判定指定历史时间内的原始采集数据含有异常数据；
依据所述异常数据的概率或脏数据舍弃或修正噪音数据使得所述DX满足预设条件；
其中，修正噪音数据的方法是给该噪音数据赋期望值EX；
期望值的计算方法为：
Figure FDA0003569487530000031
方差计算方法为：
Figure FDA0003569487530000032
其中，xi表示噪音数据个数，pi表示这个噪音数据出现的概率。
6.根据权利要求5所述的基于SDK实现数据采集和驾驶评测的方法，其特征在于，所述去除噪声数据的处理方法包括第二滤波算法，所述第二滤波算法包括以下步骤：
获取来自各类传感器采集的数据，定义为A1；
将所述A1先使用噪声数据滤波得到滤波后的数据A2；
将所述A2使用卡尔曼滤波算法得到A3；所述第二滤波算法包括以下步骤：
计算最优值阶段
上一时刻T0对当前时刻T1的预测值为
Figure FDA0003569487530000041
高斯噪声的偏差是Gs1，A2的偏差是Gs2，对Gs1和Gs2求均方差
Figure FDA0003569487530000042
当前时刻T1的最优值为
Figure FDA0003569487530000043
上一时刻的最优值记为A3t0，上一时刻的A1使用噪声数据滤波得到的数据A2t0，则
Figure FDA0003569487530000044
Gs2＝A2-A3t0；当前时刻的最优值A3，A1使用噪声数据滤波得到的数据A2，则
Figure FDA0003569487530000045
Gs4＝A2-A3；
预测下一时刻值阶段
Figure FDA0003569487530000046
下一时刻的预测值
Figure FDA0003569487530000047
Figure FDA0003569487530000048
7.根据权利要求6所述的基于SDK实现数据采集和驾驶评测的方法，其特征在于，所述去除噪声数据的处理方法包括位置信息滤波算法，所述位置信息滤波算法包括以下步骤：
从位置信息传感器获取到的原始位置数据经过噪音数据处理步骤后得到第一滤波后的位置数据；其中，所述位置信息的原始数据包含：经度、纬度、速度、航向角、海拔、精度因子；
将所述位置数据再经过卡尔曼滤波后得到数据第二次滤波后的位置数据。
8.根据权利要求7所述的基于SDK实现数据采集和驾驶评测的方法，其特征在于，所述去除噪声数据的处理方法包括：速度信息滤波算法；所述速度信息滤波算法包括：
从速度传感器获取到的数据S1经过噪音数据处理后得到S2；
将所述S2再经过卡尔曼滤波后得到数据S3。
9.根据权利要求8所述的基于SDK实现数据采集和驾驶评测的方法，其特征在于，所述去除噪声数据的处理方法还包括：熄火信息滤波算法；其中，所述熄火信息滤波算法包括：
第三方系统判断熄火消息后，将SDK算法结合加速度传感器采集的数据和电池电压数据、位置信息数据综合判断该熄火是否真实；
在SDK收到熄火消息后，从这个点开始往前跳跃一段时间取一段时间的电压数据计为U3；从这个点开始往后等待一段时间的电压数据U4；
计算EU3、EU4、DU3、DU4，计R4＝(EU4<EU3)||(DU4<DU3)；
在SDK收到熄火消息后，从这个点开始往前跳跃一段时间取一段时间的加速度数据计为A3，从这个点开始往后等待一段时间的加速度值数据A4；
计算EA3、EA4、DA3、DA4，计R5＝(EA4<EA3)||(DA4<DA3)；
若R4*R5>0，则确认系统熄火；
若R4*R5<1且R4+R5>0，则认为系统可能熄火，此时继续从这个点开始往前跳跃一段时间取一段时间的位置数据计为G3；从这个点开始往后等待一段时间的位置数据G4；
计算DG3、DG4，计R6＝DG3<DG4，若R6>0，则确认系统熄火，其中，EU3为U3的期望，DU3为U3的方差；EU4为U4的期望，DU4为U4的方差；EA3为A3的期望，DA3为A3的方差；EA4为A4的期望，DA4为A4的方差；DG3为G3的方差，DG4为G4的方差。
10.一种基于SDK实现数据采集和驾驶评测的装置，其特征在于，所述装置包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使至少一个所述处理器能够执行权利要求1至9任一项所述的方法。
11.一种基于SDK实现数据采集和驾驶评测的系统，其特征在于，所述系统还包括：服务器、与所述服务器通信连接的终端以及SDK，将所述SDK加载到服务器和/或终端实现权利要求1至9任一项所述的方法。
CN201911084262.XA 2019-11-07 2019-11-07 基于sdk实现数据采集和驾驶评测的方法、装置及系统 Active CN110765122B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911084262.XA CN110765122B (zh) 2019-11-07 2019-11-07 基于sdk实现数据采集和驾驶评测的方法、装置及系统
CN202210765520.6A CN115269569A (zh) 2019-11-07 2019-11-07 基于sdk结合多维度数据的车辆驾驶测评方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911084262.XA CN110765122B (zh) 2019-11-07 2019-11-07 基于sdk实现数据采集和驾驶评测的方法、装置及系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210765520.6A Division CN115269569A (zh) 2019-11-07 2019-11-07 基于sdk结合多维度数据的车辆驾驶测评方法及装置

Publications (2)

Publication Number Publication Date
CN110765122A CN110765122A (zh) 2020-02-07
CN110765122B true CN110765122B (zh) 2022-05-24

Family

ID=69336754

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201911084262.XA Active CN110765122B (zh) 2019-11-07 2019-11-07 基于sdk实现数据采集和驾驶评测的方法、装置及系统
CN202210765520.6A Pending CN115269569A (zh) 2019-11-07 2019-11-07 基于sdk结合多维度数据的车辆驾驶测评方法及装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210765520.6A Pending CN115269569A (zh) 2019-11-07 2019-11-07 基于sdk结合多维度数据的车辆驾驶测评方法及装置

Country Status (1)

Country Link
CN (2) CN110765122B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112000653B (zh) * 2020-08-21 2024-03-29 睿驰达新能源汽车科技（北京）有限公司 基于空间和时间的区域网格化驾驶行为数据预处理方法
CN112600944B (zh) * 2021-03-02 2021-05-25 杭州字节信息技术有限公司 一种适用于物联网时序数据的差分云存储方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018028069A1 (zh) * 2016-08-11 2018-02-15 深圳市元征科技股份有限公司 基于车载智能单元的安全驾驶评估方法及系统
CN108694407A (zh) * 2017-04-11 2018-10-23 西安邮电大学 一种基于移动终端的驾驶行为识别方法
CN109118055A (zh) * 2018-07-19 2019-01-01 众安信息技术服务有限公司 一种驾驶行为评分方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8849501B2 (en) * 2009-01-26 2014-09-30 Lytx, Inc. Driver risk assessment system and method employing selectively automatic event scoring
US8854199B2 (en) * 2009-01-26 2014-10-07 Lytx, Inc. Driver risk assessment system and method employing automated driver log

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018028069A1 (zh) * 2016-08-11 2018-02-15 深圳市元征科技股份有限公司 基于车载智能单元的安全驾驶评估方法及系统
CN108694407A (zh) * 2017-04-11 2018-10-23 西安邮电大学 一种基于移动终端的驾驶行为识别方法
CN109118055A (zh) * 2018-07-19 2019-01-01 众安信息技术服务有限公司 一种驾驶行为评分方法及装置

Also Published As

Publication number Publication date
CN115269569A (zh) 2022-11-01
CN110765122A (zh) 2020-02-07

Similar Documents

Publication Publication Date Title
US8781172B2 (en) Methods and systems for enhancing the performance of automated license plate recognition applications utilizing multiple results
CN110765122B (zh) 基于sdk实现数据采集和驾驶评测的方法、装置及系统
CN106828362B (zh) 汽车信息的安全测试方法及装置
CN106569047B (zh) 一种车载can总线的分析装置及方法
CN109688030B (zh) 报文检测方法、装置、设备和存储介质
US20200066062A1 (en) Method and system for vehicle analysis
CN107454118A (zh) 验证码获取方法及装置、登录方法及系统
CN114579427A (zh) 对软件系统进行模糊测试
US20230087540A1 (en) Communication permission list generation device, communication permission list generation method, and non-transitory computer readable-medium
CN110535650A (zh) 用于对通过总线传输的消息进行验证的方法和装置
CN102385551B (zh) 一种筛选测试用例的方法、装置及系统
CN110110320B (zh) 自动合同审查方法、装置、介质以及电子设备
CN113886627A (zh) 一种基于信息同步的移动通信系统
US11922680B2 (en) Image determination device, image determination method, and non-transitory computer readable medium storing program
CN115546736B (zh) 基于图像采集的河道采砂监控处理方法及系统
US20210112062A1 (en) Whitelist generator, whitelist evaluator, whitelist generator/evaluator, whitelist generation method, whitelist evaluation method, and whitelist generation/evaluation method
CN114500009A (zh) 一种应用于大数据智能的网络安全分析方法及系统
CN106844200A (zh) 生成测试用例的方法及系统
CN113723437B (zh) 一种ai模型的自动化训练方法及ai模型训练系统
EP2573694A1 (en) Conversion method and system
CN113536766B (zh) 一种汽车维保记录的解析方法和装置
CN111198774A (zh) 无人车仿真异常追踪方法、装置、设备及计算机可读介质
CN112463578B (zh) 一种基于组件合约的逐级求解的系统测试用例生成方法
CN116842128B (zh) 一种文本关系抽取方法、装置、计算机设备及存储介质
CN115795058B (zh) 一种威胁建模方法、系统、电子设备及存储介质

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