CN110852192B - 噪点数据的确定方法及装置、存储介质、终端、车辆 - Google Patents
噪点数据的确定方法及装置、存储介质、终端、车辆 Download PDFInfo
- Publication number
- CN110852192B CN110852192B CN201911012431.9A CN201911012431A CN110852192B CN 110852192 B CN110852192 B CN 110852192B CN 201911012431 A CN201911012431 A CN 201911012431A CN 110852192 B CN110852192 B CN 110852192B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- road condition
- abnormal
- time range
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
一种噪点数据的确定方法及装置、存储介质、终端、车辆,所述方法包括:获取车辆运行时的全程数据,全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;判断所述全程数据是否包含异常数据,所述异常数据指的是所述车辆动态数据包含特殊动态数据,和/或,所述路况数据包含异常路况数据;如果判断结果表明所述全程数据包含所述异常数据,则从所述全程数据中选取所述异常数据,并确定所述异常数据对应的时间范围;将所述时间范围内的车辆动态数据和/或路况数据确定为噪点数据;其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。本发明提供的技术方案有利于更加准确地评估用户的车辆驾驶体验。
Description
技术领域
本发明涉及智能汽车技术领域,具体地涉及一种噪点数据的确定方法及装置、存储介质、终端、车辆。
背景技术
随着科技的发展和生活水平的提高,汽车越来越多地融入人们的生活。然而,如何评价车辆性能,如何得知车辆使用者的用户满意度,目前仍然主要基于人工打分或主观评价,不利于获得准确的用户驾驶体验。
发明内容
本发明解决的技术问题是如何确定车辆运行时的噪点数据,以更加准确地评估用户的车辆驾驶体验。
为解决上述技术问题,本发明实施例提供一种噪点数据的确定方法,包括:获取车辆运行时的全程数据,所述全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;判断所述全程数据是否包含异常数据,所述异常数据指的是所述车辆动态数据包含特殊动态数据,和/或,所述路况数据包含异常路况数据;如果判断结果表明所述全程数据包含所述异常数据,则从所述全程数据中选取所述异常数据,并确定所述异常数据对应的时间范围;将所述时间范围内的车辆动态数据和/或路况数据确定为噪点数据;其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。
可选的,所述判断所述全程数据是否包含异常数据包括:判断所述路况数据是否包含异常路况数据;如果判断结果表明所述路况数据包含所述异常路况数据,则从所述路况数据中选取所述异常路况数据,并确定所述异常路况数据对应的时间范围;从所述车辆动态数据中截取所述时间范围内的车辆动态数据;判断所述时间范围内的车辆动态数据是否包括所述特殊动态数据。
可选的,所述从所述路况数据中选取所述异常路况数据包括:采用边缘人工智能算法,从所述路况数据中选取所述异常路况数据;所述从所述车辆动态数据中截取所述时间范围内的车辆动态数据包括:采用边缘人工智能算法,从所述车辆动态数据中截取所述时间范围内的车辆动态数据。
可选的,所述判断所述全程数据是否包含异常数据包括:判断所述车辆动态数据是否包括所述特殊动态数据;如果判断结果表明所述车辆动态数据包括所述特殊动态数据,则从所述车辆动态数据中选取所述特殊动态数据,并确定所述特殊动态数据对应的时间范围;从所述路况数据中截取所述时间范围内的路况数据;判断所述时间范围内的路况数据是否包含异常路况数据。
可选的,所述获取车辆运行时的全程数据包括:获取所述车辆外部摄像头拍摄到的路况数据,并获取所述车辆的车辆动态数据,所述车辆动态数据包括所述车辆运行时产生的,由传感器监测得到的数据。
可选的,所述车辆外部摄像头是广角摄像头。
可选的,所述确定方法还包括:上报所述噪点数据。
可选的,所述确定方法还包括:如果判断结果表明所述全程数据不包含所述异常数据,则确定所述全程数据无噪点数据。
为解决上述技术问题,本发明实施例还提供一种噪点数据的确定装置,包括:获取模块,用于获取车辆运行时的全程数据,所述全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;判断模块,用于判断所述全程数据是否包含异常数据,所述异常数据指的是所述车辆动态数据包含特殊动态数据,和/或,所述路况数据包含异常路况数据;选取模块,如果判断结果表明所述全程数据包含所述异常数据,则所述选取模块用于从所述全程数据中选取所述异常数据,并确定所述异常数据对应的时间范围;第一确定模块,用于将所述时间范围内的车辆动态数据和/或路况数据确定为噪点数据;其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。
为解决上述技术问题,本发明实施例还提供一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述方法的步骤。
为解决上述技术问题,本发明实施例还提供一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述方法的步骤。
为解决上述技术问题,本发明实施例还提供一种车辆,包括上述终端。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明实施例提供一种噪点数据的确定方法,包括:获取车辆运行时的全程数据,所述全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;判断所述全程数据是否包含异常数据,所述异常数据指的是所述车辆动态数据包含特殊动态数据,和/或,所述路况数据包含异常路况数据;如果判断结果表明所述全程数据包含所述异常数据,则从所述全程数据中选取所述异常数据,并确定所述异常数据对应的时间范围;将所述时间范围内的车辆动态数据和/或路况数据确定为噪点数据;其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。通过本发明实施例提供的技术方案,车载设备可以基于获取到的车辆运行时的全程数据,找出可能对准确评价用户情绪造成影响的噪点数据,有利于排除因外部环境(例如,路况信息异常)引入的对车辆性能评估和/或车辆驾驶体验评估的干扰。进一步,确定车辆运行时产生的噪点数据,能够为后续采用用户情绪准确分析所述车辆的性能或用户驾驶体验提供帮助。
进一步,所述从所述路况数据中选取所述异常路况数据包括:采用边缘人工智能算法,从所述路况数据中选取所述异常路况数据;所述从所述车辆动态数据中截取所述时间范围内的车辆动态数据包括:采用边缘人工智能算法,从所述车辆动态数据中截取所述时间范围内的车辆动态数据。通过本发明实施例提供的技术方案,可以在车辆具有的车载设备中确定异常路况数据,相对拍摄得到的原始数据,采用边缘人工智能算法可以得到异常路况数据,有利于减少数据上报量,节约服务器端的存储空间。
附图说明
图1是本发明实施例的一种噪点数据的确定方法的流程示意图;
图2是本发明实施例的一种噪点数据的确定装置的结构示意图。
具体实施方式
如背景技术所言,现有技术中,通常采用人工打分方式收集用户驾驶体验,难以得到准确度较高的车辆评价报告和/或用户驾驶体验评估结果。
本发明实施例提供一种噪点数据的确定方法,包括:获取车辆运行时的全程数据,所述全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;判断所述全程数据是否包含异常数据,所述异常数据指的是所述车辆动态数据包含特殊动态数据,和/或,所述路况数据包含异常路况数据;如果判断结果表明所述全程数据包含所述异常数据,则从所述全程数据中选取所述异常数据,并确定所述异常数据对应的时间范围;将所述时间范围内的车辆动态数据和/或路况数据确定为噪点数据;其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。
通过本发明实施例提供的技术方案,车载设备可以基于获取到的车辆运行时的全程数据,找出可能对准确评价用户情绪造成影响的噪点数据,有利于排除因外部环境(例如,路况信息异常)引入的对车辆性能评估和/或车辆驾驶体验评估的干扰。
进一步,确定车辆运行时产生的噪点数据,能够为后续采用用户情绪准确分析所述车辆的性能或用户驾驶体验提供帮助。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例的一种噪点数据的确定方法的流程示意图。所述确定方法可以由终端执行。具体而言,所述确定方法可以由安装于车辆中的车载设备执行。
其中,所述车辆可以是自动驾驶车辆,也可以是除自动驾驶车辆以外的其他车辆。所述车辆可以包含安装于车辆内部的摄像头和安装于车身外部的摄像头。此外,所述车辆还可以包含多个传感器,用于监测或检测车辆的运行数据。
在具体实施中,所述确定方法可以包括以下步骤:
步骤S101,获取车辆运行时的全程数据,所述全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;
步骤S102,判断所述全程数据是否包含异常数据,所述异常数据指的是所述车辆动态数据包含特殊动态数据,和/或,所述路况数据包含异常路况数据;
步骤S103,如果判断结果表明所述全程数据包含所述异常数据,则从所述全程数据中选取所述异常数据,并确定所述异常数据对应的时间范围;
步骤S104,将所述时间范围内的车辆动态数据和/或路况数据确定为噪点数据。
其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。
在具体实施中,所述车辆动态数据可以是车载设备通过车辆安装的传感器检测到的车辆运行数据,可以是按照时间排布的多个数据点,也可以是按照时间先后顺序生成的数据曲线。
所述特殊动态数据指的是受外部环境影响产生的,为避免外部环境影响而执行的不同于常规操作而产生的车辆动态数据,可以包括但不限于以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。所述加速数据可以为急加速数据,所述减速数据可以是急减速数据。
在具体实施中,所述车辆还可以在车辆外部部署摄像头,以拍摄车辆驾驶途中的实时路况,从而获得路况数据。所述路况数据具有时间信息,可以包括道路是否畅通,道路是否平整,是否存在其他车辆超车、抢路等交通路况以及是否发生突发事故或道路施工信息。
所述异常路况数据可以包括但不限于以下一项或多项:行驶的道路不平整,例如有深坑;行驶的道路正在施工;行驶的道路出现交通事故;其他车辆抢路、别车;车距小于预设阈值;人或物闯入行车道。
更具体而言,在步骤S101中,车载设备可以确定车辆运行时的全程数据。在一个实施例中,所述全程数据可以包括路况数据以及车辆动态数据。
在一个具体实施例中,所述车载设备可以获取所述车辆外部摄像头拍摄得到的路况数据,并可以基于传感器获取所述车辆的车辆动态数据。所述车载设备可以将所述路况数据和所述车辆动态数据作为所述全程数据。
在一个变化实施例中,所述车载设备可以获取所述车辆外部摄像头拍摄得到的路况数据,并可以基于传感器获取所述车辆的车辆动态数据。此外,所述车载设备还可以获取所述车辆内部摄像头拍摄到的用户信息。所述车载设备可以将所述用户信息、所述路况数据和车辆动态数据作为所述全程数据。
在具体实施中,所述车辆外部摄像头可以是广角摄像头。
在步骤S102中,可以判断所述全程数据是否包含异常数据。
在一个具体实施例中,所述异常数据可以指的是所述车辆动态数据包含特殊动态数据。
或者,所述异常数据可以指的是所述路况数据包含异常路况数据。
又或者,所述异常数据可以指的是所述车辆动态数据包含特殊动态数据,且所述路况数据包含异常路况数据。
当所述异常数据为所述车辆动态数据包含特殊动态数据,且所述路况数据包含异常路况数据时,所述特殊动态数据对应的时间范围和异常路况数据对应的时间范围将部分重叠。
在一个非限制性的例子中,所述车载设备可以判断所述路况数据是否包含异常路况数据。在具体实施中,可以预先确定异常路况标准数据,当所述路况数据中包含与所述异常路况标准数据相符的路况数据时,可以将该相符的路况数据确定为异常路况。
例如,所述异常路况标准数据可以包括但不限于车辆加塞、别车、车距小于预设阈值,人或物穿入行车道等。
在另一个非限制性的例子中,所述车载设备可以判断所述车辆动态数据是否包括所述特殊动态数据。如果判断结果表明所述车辆动态数据包括所述特殊动态数据,则所述车载设备可以从所述车辆动态数据中选取所述特殊动态数据。
在步骤S103中,如果判断结果表明所述全程数据不包含所述异常数据,则所述车载设备可以确定所述全程数据没有噪点数据。
在具体实施中,如果判断结果表明所述路况数据不包含所述异常路况数据,且所述车辆动态数据不包含所述特殊动态数据,则所述车载设备可以确定所述全程数据没有噪点数据。
进一步,如果判断结果表明所述全程数据包含所述异常数据,则所述车载设备可以确定所述全程数据中选取异常数据,并确定所述异常数据对应的时间范围。
在一个实施例中,如果判断结果表明所述路况数据包含所述异常路况数据,那么所述车载设备可以从所述路况数据中选取异常路况数据,并确定所述异常路况数据对应的起止时间,以得到所述异常路况数据的时间范围。
在具体实施中,所述车载设备可以采用边缘人工智能算法,从所述路况数据中选取所述异常路况数据。
在另一个实施例中,如果判断结果表明所述车辆动态数据包含所述特殊动态数据,那么所述车载设备可以从所述车辆动态数据中选取特殊动态数据,并确定所述特殊动态数据对应的起止时间,以得到所述特殊动态数据的时间范围。
在具体实施中,所述车载设备可以采用边缘人工智能算法,从所述车辆动态数据中截取特殊动态数据。
在另一个实施例中,如果判断结果表明所述路况数据包含所述异常路况数据,那么所述车载设备可以从所述路况数据中选取异常路况数据,并确定所述异常路况数据对应的起止时间,以得到所述异常路况数据的时间范围。
在具体实施中,所述路况数据可以包含多个时间范围的异常路况数据。所述车载设备可以根据所述路况数据确定路况信息异常的各个第一路况信息及各个所述第一路况信息对应的时间范围。
之后,对于每一所述时间范围,所述车载设备可以截取所述时间范围对应的车辆动态数据。如果该时间范围内的车辆动态数据为特殊动态数据,则可以得到包含所述异常路况数据和特殊动态数据的异常数据的时间范围。
在另一个实施例中,如果判断结果表明所述车辆动态数据包含所述特殊动态数据,那么所述车载设备可以从所述车辆动态数据中选取特殊动态数据,并确定所述特殊动态数据对应的时间范围。
之后,可以在所述路况数据中截取该时间范围内的路况数据,如果该时间范围内的路况数据为异常路况数据,则可以得到包含所述异常路况数据和特殊动态数据的时间范围。
在步骤S104中,所述车载设备可以确定所述全程数据中的异常数据作为噪点数据。
进一步,所述车载设备可以上报所述噪点数据至服务器。
进一步,服务器可以在识别用户驾驶车辆时的情绪时,特别留意上报的噪点数据是否对用户情绪造成了不利影响,也可以统计出用户情绪与路况信息等外部环境的关联关系,从而可以尽量排除外部环境带来的影响,更加准确、客观地评估用户的车辆驾驶体验。
由上,通过本发明实施例提供的技术方案,可以在终端侧(例如,车载设备一侧)确定噪点数据,有利于更加准确地评估用户的车辆驾驶体验,进一步,可以减少无关数据的传输,有利于节约资源,减少传输时间。
图2是本发明实施的一种噪点数据的确定装置的结构示意图。所述噪点数据的确定装置2(以下简称为确定装置2)可以实施图1所示方法技术方案,由终端执行,例如,由车载设备执行。
具体而言,所述确定装置2可以包括:获取模块21,用于获取车辆运行时的全程数据,所述全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;判断模块22,用于判断所述全程数据是否包含异常数据,所述异常数据指的是所述车辆动态数据包含特殊动态数据,和/或,所述路况数据包含异常路况数据;选取模块23,如果判断结果表明所述全程数据包含所述异常数据,则所述选取模块用于从所述全程数据中选取所述异常数据,并确定所述异常数据对应的时间范围;第一确定模块24,用于将所述时间范围内的车辆动态数据和/或路况数据确定为噪点数据;其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。
在具体实施中,所述判断模块22可以包括:第一判断子模块(图未示),用于判断所述路况数据是否包含异常路况数据;选取子模块,如果判断结果表明所述路况数据包含所述异常路况数据,则从所述路况数据中选取所述异常路况数据,并确定所述异常路况数据对应的时间范围;第一截取子模块(图未示),用于从所述车辆动态数据中截取所述时间范围内的车辆动态数据;第二判断子模块(图未示),用于判断所述时间范围内的车辆动态数据是否包括所述特殊动态数据。
在具体实施中,所述选取子模块可以包括:选取单元(图未示),用于采用边缘人工智能算法,从所述路况数据中选取所述异常路况数据;所述第一截取子模块可以包括:截取单元(图未示),用于采用边缘人工智能算法,从所述车辆动态数据中截取所述时间范围内的车辆动态数据。
在具体实施中,所述判断模块22可以包括:第三判断子模块(图未示),用于判断所述车辆动态数据是否包括所述特殊动态数据;选取确定子模块(图未示),如果判断结果表明所述车辆动态数据包括所述特殊动态数据,则从所述车辆动态数据中选取所述特殊动态数据,并确定所述特殊动态数据对应的时间范围;第二截取子模块(图未示),用于从所述路况数据中截取所述时间范围内的路况数据;第四判断子模块(图未示),用于判断所述时间范围内的路况数据是否包含异常路况数据。
在具体实施中,所述获取模块21可以包括:获取子模块(图未示),用于获取所述车辆外部摄像头拍摄到的路况数据,并获取所述车辆的车辆动态数据,所述车辆动态数据包括所述车辆运行时产生的,由传感器监测得到的数据。
在具体实施中,所述车辆外部摄像头是广角摄像头。
在具体实施中,所述确定装置2还可以包括:上报模块(图未示),用于上报所述噪点数据。
在具体实施中,所述确定装置2还可以包括:第二确定模块(图未示),如果判断结果表明所述路况数据不包含所述异常路况数据,则所述第二确定模块用于确定所述全程数据无噪点数据。
关于所述确定装置2的工作原理、工作方式的更多内容,可以参照上述图1中的相关描述,这里不再赘述。
本发明实施例还提供了一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述图1所示方法的步骤。所述存储介质可以是计算机可读存储介质,例如可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器,还可以包括光盘、机械硬盘、固态硬盘等。
本发明实施例还提供了一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述图1所示方法的步骤。在一个实施例中,所述终端可以是车载设备。
本发明实施例还提供了一种车辆,所述车辆可以包括所述终端。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种用于车辆性能评估和/或车辆驾驶体验评估的噪点数据的确定方法,其特征在于,包括:
获取车辆运行时的全程数据,所述全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;
判断所述路况数据是否包含异常路况数据;
如果判断结果表明所述路况数据包含所述异常路况数据,那么从所述路况数据中选取所述异常路况数据,并确定所述异常路况数据对应的起止时间,以得到所述异常路况数据的时间范围;
对于每一所述时间范围,截取所述时间范围对应的车辆动态数据,如果该时间范围内的车辆动态数据为特殊动态数据,则得到包含所述异常路况数据和所述特殊动态数据的异常数据的时间范围;
将所述时间范围内的车辆动态数据和所述路况数据确定为噪点数据;
其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。
2.根据权利要求1所述的确定方法,其特征在于,所述从所述路况数据中选取所述异常路况数据包括:
采用边缘人工智能算法,从所述路况数据中选取所述异常路况数据;
所述从所述车辆动态数据中截取所述时间范围内的车辆动态数据包括:
采用边缘人工智能算法,从所述车辆动态数据中截取所述时间范围内的车辆动态数据。
3.根据权利要求1所述的确定方法,其特征在于,所述获取车辆运行时的全程数据包括:
获取所述车辆外部摄像头拍摄到的路况数据,并获取所述车辆的车辆动态数据,所述车辆动态数据包括所述车辆运行时产生的,由传感器监测得到的数据。
4.根据权利要求3所述的确定方法,其特征在于,所述车辆外部摄像头是广角摄像头。
5.根据权利要求1至4任一项所述的确定方法,其特征在于,还包括:
上报所述噪点数据。
6.根据权利要求1至4任一项所述的确定方法,其特征在于,还包括:
如果判断结果表明所述全程数据不包含所述异常数据,则确定所述全程数据无噪点数据。
7.一种用于车辆性能评估和/或车辆驾驶体验评估的噪点数据的确定装置,其特征在于,包括:
获取模块,用于获取车辆运行时的全程数据,所述全程数据包括具有时间信息的车辆动态数据和具有时间信息的路况数据;
判断模块,用于判断所述路况数据是否包含异常路况数据;如果判断结果表明所述路况数据包含所述异常路况数据,那么从所述路况数据中选取所述异常路况数据,并确定所述异常路况数据对应的起止时间,以得到所述异常路况数据的时间范围;
选取模块,用于对于每一所述时间范围,截取所述时间范围对应的车辆动态数据,如果该时间范围内的车辆动态数据为特殊动态数据,则得到包含所述异常路况数据和所述特殊动态数据的异常数据的时间范围;
第一确定模块,用于将所述时间范围内的车辆动态数据和所述路况数据确定为噪点数据;
其中,所述特殊动态数据包括以下一项或多项:加速数据、减速数据、刹车数据、转弯数据。
8.一种存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1至6任一项所述的方法的步骤。
9.一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1至6任一项所述的方法的步骤。
10.一种车辆,其特征在于,包括权利要求9所述的终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911012431.9A CN110852192B (zh) | 2019-10-23 | 2019-10-23 | 噪点数据的确定方法及装置、存储介质、终端、车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911012431.9A CN110852192B (zh) | 2019-10-23 | 2019-10-23 | 噪点数据的确定方法及装置、存储介质、终端、车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852192A CN110852192A (zh) | 2020-02-28 |
CN110852192B true CN110852192B (zh) | 2023-03-17 |
Family
ID=69597944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911012431.9A Active CN110852192B (zh) | 2019-10-23 | 2019-10-23 | 噪点数据的确定方法及装置、存储介质、终端、车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852192B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500503A (zh) * | 2013-09-17 | 2014-01-08 | 北京中广睛彩导航科技有限公司 | 一种基于众包模式的精准路况分析方法及系统 |
CN104535073A (zh) * | 2014-12-31 | 2015-04-22 | 北京赛维安讯科技发展有限公司 | 路况信息显示装置及方法、车辆导航系统及方法 |
CN105416297A (zh) * | 2014-11-11 | 2016-03-23 | 冯春魁 | 车辆运行监控、监视、数据处理、超载监控的方法及系统 |
CN105788321A (zh) * | 2016-03-31 | 2016-07-20 | 腾讯科技(深圳)有限公司 | 车辆通信方法、装置及系统 |
CN106094823A (zh) * | 2016-06-29 | 2016-11-09 | 北京奇虎科技有限公司 | 汽车危险驾驶行为的处理方法及系统 |
CN107316436A (zh) * | 2017-07-31 | 2017-11-03 | 努比亚技术有限公司 | 危险驾驶状态处理方法、电子设备及存储介质 |
CN108062699A (zh) * | 2017-12-04 | 2018-05-22 | 武汉康慧然信息技术咨询有限公司 | 个性化车辆管理方法 |
CN108389072A (zh) * | 2018-01-23 | 2018-08-10 | 武汉康慧然信息技术咨询有限公司 | p2p车辆租用过程中费用管理方法 |
CN108881267A (zh) * | 2018-06-29 | 2018-11-23 | 百度在线网络技术(北京)有限公司 | 车辆异常检测方法、车载终端、服务器及存储介质 |
CN109572705A (zh) * | 2018-12-11 | 2019-04-05 | 武汉格罗夫氢能汽车有限公司 | 一种驾驶员情绪管理方法、设备及存储设备 |
CN110264586A (zh) * | 2019-05-28 | 2019-09-20 | 浙江零跑科技有限公司 | L3级自动驾驶系统道路驾驶数据采集、分析及上传方法 |
-
2019
- 2019-10-23 CN CN201911012431.9A patent/CN110852192B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500503A (zh) * | 2013-09-17 | 2014-01-08 | 北京中广睛彩导航科技有限公司 | 一种基于众包模式的精准路况分析方法及系统 |
CN105416297A (zh) * | 2014-11-11 | 2016-03-23 | 冯春魁 | 车辆运行监控、监视、数据处理、超载监控的方法及系统 |
CN104535073A (zh) * | 2014-12-31 | 2015-04-22 | 北京赛维安讯科技发展有限公司 | 路况信息显示装置及方法、车辆导航系统及方法 |
CN105788321A (zh) * | 2016-03-31 | 2016-07-20 | 腾讯科技(深圳)有限公司 | 车辆通信方法、装置及系统 |
CN106094823A (zh) * | 2016-06-29 | 2016-11-09 | 北京奇虎科技有限公司 | 汽车危险驾驶行为的处理方法及系统 |
CN107316436A (zh) * | 2017-07-31 | 2017-11-03 | 努比亚技术有限公司 | 危险驾驶状态处理方法、电子设备及存储介质 |
CN108062699A (zh) * | 2017-12-04 | 2018-05-22 | 武汉康慧然信息技术咨询有限公司 | 个性化车辆管理方法 |
CN108389072A (zh) * | 2018-01-23 | 2018-08-10 | 武汉康慧然信息技术咨询有限公司 | p2p车辆租用过程中费用管理方法 |
CN108881267A (zh) * | 2018-06-29 | 2018-11-23 | 百度在线网络技术(北京)有限公司 | 车辆异常检测方法、车载终端、服务器及存储介质 |
CN109572705A (zh) * | 2018-12-11 | 2019-04-05 | 武汉格罗夫氢能汽车有限公司 | 一种驾驶员情绪管理方法、设备及存储设备 |
CN110264586A (zh) * | 2019-05-28 | 2019-09-20 | 浙江零跑科技有限公司 | L3级自动驾驶系统道路驾驶数据采集、分析及上传方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110852192A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10372996B2 (en) | Automatic vehicle leak detection | |
US11113903B2 (en) | Vehicle monitoring | |
US11216676B2 (en) | Information processing system and information processing method | |
WO2014003167A1 (ja) | 車両に搭載される画像解析装置 | |
EP3601001B1 (en) | Method and system for real-time estimation of road conditions and vehicle behavior | |
JP2012242214A (ja) | 異音検査方法及び異音検査装置 | |
JP2020126636A (ja) | 自動駐車システム内のセマンティックセグメンテーションを利用した駐車領域を検出するための方法及び装置 | |
KR102053268B1 (ko) | 차량용 블랙박스 및 이를 이용한 충격 이벤트 판정방법 | |
CN109696665B (zh) | 超声波传感器测量数据的处理方法、装置及设备 | |
JP2017090159A (ja) | 車両ピッチ角推定装置 | |
CN110852192B (zh) | 噪点数据的确定方法及装置、存储介质、终端、车辆 | |
JP7058164B2 (ja) | 通行路判定システム | |
CN112560689B (zh) | 一种车位检测方法、装置、电子设备和存储介质 | |
CN113470314A (zh) | 一种疲劳预警控制方法、装置、设备及汽车 | |
US20200257942A1 (en) | Method and device for determining a driving behavior | |
CN111806379B (zh) | 检测施加于车辆的刮蹭和/或碰撞的方法和电子设备 | |
WO2017223108A1 (en) | Machine monitoring | |
CN112549870A (zh) | 一种监控方法、装置和车辆 | |
US10283113B2 (en) | Method for detecting driving noise and improving speech recognition in a vehicle | |
TWI517084B (zh) | 路況通報分析系統 | |
KR101845331B1 (ko) | 음향 분석을 활용한 사고 기록 장치의 기록 시점 확인 방법, 장치 및 컴퓨터 프로그램 | |
WO2016121654A1 (ja) | 情報処理装置、判定方法、及びプログラム | |
CN111775697B (zh) | 汽车速度处理方法、装置、计算机可读存储介质和设备 | |
JP7090983B2 (ja) | 携帯情報端末操作判別装置 | |
US20180336913A1 (en) | Method to improve temporarily impaired speech recognition in a vehicle |
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 |