CN110853358A - 基于驾驶行为处理保险的方法、物联网智能终端 - Google Patents

Abstract

本发明提供一种基于驾驶行为处理保险的方法、物联网智能终端。本发明中，提出一种根据驾驶行为数据评估驾驶行为不良性的方法，所述驾驶行为数据包括：速度、加速度、gps地理位置，通过在指定的道路路段，设定和驾驶行为数据相关的评估标准，并提取车辆通过指定路段时的部分驾驶行为数据，进一步分析部分驾驶行为数据和评估标准的差异性，来判断驾驶行为是否为不良，最后根据不良驾驶的次数来建立保险精算模型。本发明从车道上驾驶行为习惯本身来判断驾驶行为是否为不良，比现有基于面部表情监控等分析不良驾驶的方式更精确、更可靠，同时具有使保险处理更加公平、合理、精确的优点。

Description

基于驾驶行为处理保险的方法、物联网智能终端

技术领域

本发明涉及车辆驾驶安全、车辆保险领域，尤其是一种基于驾驶行为处理保险的方法、物联网智能终端。

背景技术

随着科技的发展，以物联网智能终端为载体的车联网技术的越来越完善，并越来越多的应用到实际生活中，车联网技术有利于实现智能化交通管理、智能动态信息服务，实现每辆车都可联网、每种物联网智能交通信号联网。其中，物联网智能交通信号为，可联网的红绿灯、信号灯、交通警察指挥器等，能够实时将自身状态共享给其他联网设备，如物联网智能终端。同时，随着车辆的越来越多，车辆发生交通事故的情况也越来越多，车辆保险为车主提供了可靠的保障。基于车联网技术、人工智能技术、5g技术，可利用驾驶行为、驾驶习惯来构建车险精算模型，该车险精算模型用于参保车辆的保险费用的确定。其中，车险精算模型采用大数据统计的方法对不同频次不良驾驶行为的车辆分配不同的保险费用，从而使保险费用的确定更加公平合理，有利于降低保险公司的成本。

现有的车险精算模型主要基于车载诊断系统（OBD），或者利用人工智能的技术采集分析驾驶员的面部表情来评估驾驶习惯的优劣性。

然而，ODB方式采集数据有限，不能反应驾驶员的真实驾驶习惯，而采用人工智能技术分析面部表情的方式不能分析到驾驶员在道路上真实的驾驶行为，由此，基于这些方法构建的车险精算模型精度不高。

发明内容

本发明提供一种基于驾驶行为处理保险的方法、物联网智能终端，以至少解决背景技术中提到的现有技术下驾驶行为习惯分析方法不能反应道路上的真实驾驶习惯、基于驾驶行为习惯建立的保险精算模型精度不高的问题。

根据本发明的一个方面，提供一种基于驾驶行为处理保险的方法，包括：

步骤11，获取驾驶员的不良驾驶数据；

步骤12，根据所述不良驾驶数据对车辆保险精算模型进行调整；

其中，所述不良驾驶数据，记录了车辆存在的不良驾驶的驾驶行为类型，以及每种不良驾驶的驾驶行为类型所对应的次数，其中，所述驾驶行为类型包括但不限于：左转弯、右转弯、过人行道、过红绿灯、停车、倒车、超车，所述不良驾驶的驾驶行为类型，包括但不限于：不良左转弯、不良右转弯、不良过人行道、不良过红绿灯、不良停车、不良倒车、不良超车。

其中，所述不良驾驶数据，从所述驾驶行为数据库中获得，所述驾驶行为数据库，保存有驾驶员的所述不良驾驶的驾驶行为类型以及每种所述不良驾驶的驾驶行为类型对应的次数。

需要说明的是，所述保险精算模型，可采取按车辆不良驾驶的次数，利用权重分配方法来分配不同车辆需要投保的费用。例如，可先设定一个起始保险金额基数，根据不同车辆不良驾驶记录的次数，发生不良驾驶次数越多的车辆，在同样基数的基础上的金额增量也越多，需要交的投保费用也会越多。

需要说明的是，驾驶员与车辆一般情况下为一一对应，车险购买时，具体与车辆绑定还是与驾驶员绑定不在本发明讨论范围，因此，本发明中提到的车辆为驾驶员对应的车辆，驾驶员为车辆对应的驾驶员。

需要说明的是，所述物联网智能终端保存有车辆和驾驶员一一对应的唯一标识号信息。

进一步的，所述基于驾驶行为处理保险的方法，还包括一种评估驾驶行为不良性的方法，包括以下步骤：

步骤21，实时采集车辆的驾驶行为数据，所述驾驶行为数据包括：速度、加速度、gps地理位置，并将所述驾驶行为数据上传到驾驶行为数据平台，所述驾驶行为数据平台，包括：驾驶行为数据库，所述驾驶行为数据库，用于保存各个车辆的驾驶行为数据；

步骤22，检测车辆的某一时间段内已发生的驾驶行为的所述驾驶行为类型，同时保存所述已发生的驾驶行为的驾驶行为发生路段信息，用于后续驾驶行为分析，其中，所述检测到的已发生的驾驶行为，为所述驾驶行为类型中的一种；

步骤23，判断所述已发生的驾驶行为是否符合法规；

步骤24，如果否，则将所述已发生的驾驶行为评估为不良驾驶，并结束本次驾驶行为评估，如果是，则进行下一步；

步骤25，判断所述已发生的驾驶行为的所述驾驶行为发生路段是否属于预设驾驶行为判断路段；

步骤26，如果是，则根据评估前提关联信息判断所述已发生的驾驶行为是否满足评估前提；

步骤27，如果是，则根据所述驾驶行为数据提取车辆行驶于所述预设驾驶行为判断路段时的部分驾驶行为数据；

步骤28，根据所述提取到的部分驾驶行为数据来判断驾驶行为是否为不良；

其中，所述预设驾驶行为判断路段，为地图上从位置A到位置B的路段；所述预设驾驶行为判断路段设置有与之关联的所述评估前提，所述评估前提，用于当检测到车辆经过所述预设驾驶行为判断路段AB中位置A时，判断所述评估前提关联信息是否满足所述评估前提，如果是则进行驾驶行为评估，如果否则不进行驾驶行为评估；所述评估前提关联信息，包括但不限于：车辆位于所述预设驾驶行为判断路段AB中位置A时的速度、时间、周围影响车辆数，所述周围影响车辆数为对该驾驶行为产生影响的车辆数；所述评估前提，包括但不限于：速度范围、时间范围、周围影响车辆数范围；所述部分驾驶行为数据，包括：速度范围、加速度范围、时间段、行驶轨迹；其中，所述预设驾驶行为判断路段还设置有与之关联的标准评估范围参数，用于根据所述提取的部分驾驶行为数据分析驾驶行为的不良性，所述标准评估范围参数包括：标准速度范围、标准加速度范围、标准时间范围、标准轨迹范围。

需要说明的是，由于上述步骤21中，所述驾驶行为数据平台保存有各个车辆的实时的驾驶行为数据，通过向所述驾驶行为数据平台获取gps地理位置相邻的车辆的驾驶行为数据，可获得周围影响车辆数和各个车辆的驾驶状态，用于判断所述评估前提是否满足。

需要说明的是，上述步骤22中，通过gps地理位置数据，检测车辆经过某一个路段，可获取并保存驾驶行为发生路段信息；通过gps地理位置数据，可获得车辆的行驶轨迹，通过行驶轨迹结合地图进行分析，可判断车辆某一个时间段于驾驶行为发生路段上已发生的驾驶行为是属于所述驾驶行为类型中的哪一种。

需要说明的是，上述步骤23中，依据交通法则，可分析判断于上述驾驶行为发生路段发生的所述已发生的驾驶行为是否符合相应的法规，例如，路段A到B规定不能左转弯，而发生的驾驶行为类型为左转弯，则判断为不符合法规。

需要说明的是，上述步骤24中，当判断为不符合法规后，将所述的驾驶行为评估为不良驾驶行为，并保存到所述不良驾驶数据库，于所述不良驾驶数据库中，增加所述不良驾驶行为的关联车辆的所述不良驾驶次数，为处理车辆保险提供数据依据，其中，所述不良驾驶行为，为所述不良驾驶的驾驶行为类型中的一种。

需要说明的是，上述步骤25中，所述预设驾驶行为判断路段，可预先于地图上标定合适的路段，即为地图上某一位置A到另一位置B的路段。

例如，可选择事故多发路段，有针对性、选择性的在特定的路段评估驾驶员的驾驶行为。

需要说明的是，上述步骤26中，所述预设驾驶行为判断路段设置有与之关联的评估前提，所述评估前提，包括但不限于：车速范围、时间范围、周围影响车辆数范围；所述评估前提关联信息，包括但不限于：车辆位于所述预设驾驶行为判断路段AB中位置A时的速度、时间、周围影响车辆数。例如，当车辆经过地图上预设驾驶行为判断路段的位置A到位置B时，时间为T0到T1，则判断车辆位于A时，速度、时间、周围影响车辆数是否位于上述评估前提中设置的：车速范围、时间范围、周围影响车辆数范围，如果符合，则判断为满足所述评估前提。

其中，当所述评估前提中周围影响车辆数范围设置为[0,0]时，可排除因为驾驶时周围影响车辆存在对驾驶行为评估的影响。

需要说明的是，上述步骤27中，上述部分驾驶行为数据，为车辆行驶于所述预设驾驶行为判断路段时从位置A到位置B时的数据，例如，假设车辆从A到B时，时间为T0到T1，则上述部分驾驶行为数据为从T0到T1时采集到的驾驶行为数据，包括从T0到T1时的速度、加速度、gps地理位置，进一步的，根据T0到T1之间的gps地理位置可得到行驶轨迹，从而得到所述部分驾驶行为数据：速度范围、加速度范围、时间段、行驶轨迹，其中，上述时间为北京时间。

需要说明的是，上述步骤28中的方法，是根据提取到的部分驾驶行为数据与所述标准评估范围参数来比较分析判断，所述标准评估范围参数包括：标准速度范围、标准加速度范围、标准时间范围、标准轨迹范围，用于设置车辆通过所述预设驾驶行为判断路段时，标准的速度范围、加速度范围、时间范围、轨迹范围，其中，为了更好的评估加速度数据，所述标准加速度范围，可细分设置为：最大加速度的标准范围、最小加速度范围；其中，所述轨迹范围为所述预设驾驶行为判断路段中的某一个区域，所述标准时间范围，可根据物联网智能交通信号实时调整，所述物联网智能交通信号包括但不限于：物联网红绿灯。

其中，所述评估前提、所述标准评估范围参数，可由专家根据交通法则和所述预设驾驶行为判断路段的道路情况来设置。

需要说明的是，所述根据所述提取到的部分驾驶行为数据来判断驾驶行为是否为不良的方法，为分析所述提取到的部分驾驶行为数据与设定好的所述标准范围参数的差异性，当判断为差异性较大时，则认为是不良驾驶，可用一般的数学比较方法，例如，可用以下方法：

判断上述步骤27中提取到的速度范围是否在所述标准速度范围内；

判断上述步骤27中提取到的加速度范围中最大加速度是否在所述标准加速度范围中的最大加速度范围内；

判断上述步骤27中提取到的加速度范围中最小加速度是否在所述标准加速度范围中的最小加速度范围内；

判断上述步骤27中提取到的时间段是否在所述标准时间范围内；

判断上述步骤27中提取到的轨迹是否在所述标准轨迹范围内；

其中，如果上述判断结果一种或者多种为否，则标记为不良驾驶，并将所述不良驾驶行为存入所述不良驾驶数据库，用于为处理车辆保险提供数据依据，其中，为了评估方法实施更方便，上述方法中可只使用其中的一种或者多种方法。

需要说明的是，上述步骤21-24中，为根据车辆行驶轨迹判断车辆的驾驶行为类型，从而根据道路情况和交通法规判断驾驶行为是否符合法规。

上述步骤25-28中，例如，选定一处预设路段作为所述预设驾驶行为判断路段，路段为地图上的位置A到位置B，路段AB为右弯道，由专家预先根据道路情况和交通法规，设置好合理的所述评估前提：速度范围为[v0,v1]、时间范围为[t0,t1]、周围影响车辆数范围为0。

进一步的，当检测到车辆从A行驶到B时，设上述步骤24中的判断结果为：是；进一步的，上述步骤25中的判断结果为是，即处于上述预设驾驶行为判断路段。

进一步的，车辆处于位置A时，若车速位于[v0,v1]，时间位于[t0,t1]，周围影响车辆数为0，则进行驾驶行为评估，并获取车辆从位置A到位置B时的时间为[T0,T1]，进一步得到车辆[T0,T1]之间的驾驶行为数据：速度、加速度、gps地理位置，从而得到所述部分驾驶行为数据，假设其为：速度范围为[V0,V1]、加速度范围为[a0,a1]、时间段为[T0,T1]、行驶轨迹为路线s1。

进一步的，设置的所述标准评估范围参数为：标准速度范围为[v2,v3]、标准加速度范围为[a2,a3]、标准时间范围为[t2,t3]、标准轨迹范围为区域S。

进一步的，最后分别判断上述[V0,V1]、[a0,a1]、[T0,T1]、路线s1是否属于[v2,v3]、[a2,a3]、[t2,t3]、区域S，若有一个或者多个判断结果为否，则认为车辆属于不良驾驶，并将所述不良驾驶行为存入所述不良驾驶数据库，用于为处理车辆保险提供数据依据，其中，所述不良驾驶行为，为所述不良驾驶的驾驶行为类型中的一种。

进一步的，根据本发明的另一方面，包括一种物联网智能终端，其特征在于，包括：

存储介质，用于存储数据；

主控芯片，用于信号处理和运行、存储程序；

加速度传感器，用于实时采集车辆的加速度数据；

通信定位模块，支持FDD LTE，TDD LTE，WCDMA，TDS-CDMA, GPRS全网通网络的通信，可升级为5g网络通信，用于为所述物联网智能终端实现联网和提供精确的定位功能；

其中，通过gps地理位置结合时间，可获得车辆实时的速度以及行驶轨迹。

其中，随着5g技术的商用，使车道级别甚至厘米级别高精度定位成为可能，可采集到精准的定位信息，使上述轨迹范围的分析更加精细、可行。

需要说明的是，各个所述物联网智能终端与所述物联网智能交通信号、所述驾驶行为数据平台可互相通信，从而可实时调整和动态设置上述标准评估范围参数中的标准时间范围，从而可有效评估车辆是否闯红绿灯等情况。

需要说的是，上述步骤26中，所述评估前提中的周围影响车辆数判断，是考虑车辆行驶时，附近其他车辆的存在，以及附近其他车辆的驾驶状态，会影响到车辆本身的驾驶行为，因此应尽量排除。

进一步的，由于各个所述物联网智能终端之间可通过所述驾驶行为数据平台互相通信，车辆可随时根据gps地理位置获取周围影响车辆数的多少，亦可通过人工智能方法，采用图像识别的方式，智能识别周围是否有影响车辆，亦可根据某一路段不同时间段车流量也不同的规律，模糊判断某一时间车辆周围是否有周围车辆影响因素。

需要说明的是，如果判断为不良驾驶状态，则采用语音播报等方式提醒驾驶员专心驾驶，并将该路段可能处于不良驾驶的车辆的地理位置信息、唯一标识号信息、数量信息、驾驶员信息推送给交警协助查处违规驾驶，同时将不良驾驶数据存入不良驾驶数据库，为处理保险提供数据支持。

本发明中，利用交通法规的规定，不同的道路路段，不同的道路类型，如弯道、人行道、限速段、红绿灯，会有不同的速度、加速度、行驶轨迹范围、行驶时间范围的要求，例如，人行道或者弯道时，应减速，即最小加速度为反向，会小于0；限速段中，会有明确的速度范围；弯道时，车辆转弯会有明确的轨迹范围，不能在转弯过程中同时跨越多条车道；红绿灯路口、或者特殊的路段中，也有明确的行驶时间范围。

根据上述思想，在指定路段提前设定驾驶行为的评估标准，即所述标准评估范围参数，以及适用应用该评估标准的评估前提，在满足评估前提后，再判断是否符合评估标准，有利于提高评估标准的应用的准确性，同时可降低评估方法实施的技术难度。采用专家依据交通法规针对不同的路段制定的方式，技术上更容易实现，将评估驾驶行为这个复杂的任务简单化、标准化，后期可采用动态建立所述评估标准范围参数的方式，可增加本发明方法的可适用路段，降低需人工预先设定所述标准评估范围参数的工作量。

因此本发明提出的技术方案，能够从车道上的驾驶行为习惯本身判断驾驶员驾驶行为的优良性，本发明具有比现有技术下通过视频监控司机面部表情等方式更精确、更可靠评估驾驶行为优良性的优点，因此使基于驾驶行为处理保险建立的精算模型建立更加公平、合理、精确。同时由于不用监控车主面部表情，不用侵犯车主隐私，更利于推广普及。

附图说明

图1是根据本发明实施例的周围影响车辆的示意图。

图2是根据本发明实施例的人行道作为预设驾驶行为判断路段的示意图。

图3是根据本发明实施例的T型路口作为预设驾驶行为判断路段的示意图。

图4是根据本发明实施例的红绿灯路口作为预设驾驶行为判断路段的示意图。

图5是根据本发明实施例的物联网智能终端模块示意图。

具体实施例

为了使本发明的目的、技术方案及有益效果更加明白，以下结合附图及实施例，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仅用于解释本发明，并不用于限定本发明。

<方法一实施例>

一种基于驾驶行为处理保险的方法，包括：

步骤31，获取驾驶员的不良驾驶数据；

步骤32，根据所述不良驾驶数据对车辆保险精算模型进行调整；

其中，所述不良驾驶数据，记录了车辆存在的不良驾驶的驾驶行为类型，以及每种不良驾驶的驾驶行为类型所对应的次数，其中，所述驾驶行为类型包括但不限于：左转弯、右转弯、过人行道、过红绿灯、停车、倒车、超车，所述不良驾驶的驾驶行为类型，包括但不限于：不良左转弯、不良右转弯、不良过人行道、不良过红绿灯、不良停车、不良倒车、不良超车。

其中，所述不良驾驶数据，从所述驾驶行为数据库中获得，所述驾驶行为数据库，保存有驾驶员的所述不良驾驶的驾驶行为类型以及每种所述不良驾驶的驾驶行为类型对应的次数。

例如，所述保险精算模型，可采取按车辆不良驾驶的次数，利用权重分配方法来分配不同车辆需要投保的费用。例如，可先设定一个起始保险金额基数，根据不同车辆不良驾驶记录的次数，发生不良驾驶次数越多的车辆，在同样基数的基础上的金额增量也越多，需要交的投保费用也会越多。

<方法二实施例>

一种评估驾驶行为不良性的方法，包括以下步骤：

步骤41，实时采集车辆的驾驶行为数据，所述驾驶行为数据包括：速度、加速度、gps地理位置，并将所述驾驶行为数据上传到驾驶行为数据平台，所述驾驶行为数据平台，包括：驾驶行为数据库，所述驾驶行为数据库，用于保存各个车辆的驾驶行为数据；

步骤42，检测车辆的某一时间段内已发生的驾驶行为的所述驾驶行为类型，同时保存所述已发生的驾驶行为的驾驶行为发生路段信息，用于后续驾驶行为分析，其中，所述检测到的已发生的驾驶行为，为所述驾驶行为类型中的一种；

步骤43，判断所述已发生的驾驶行为是否符合法规；

步骤44，如果否，则将所述已发生的驾驶行为评估为不良驾驶，并结束本次驾驶行为评估，如果是，则进行下一步；

步骤45，判断所述已发生的驾驶行为的所述驾驶行为发生路段是否属于预设驾驶行为判断路段；

步骤46，如果是，则根据评估前提关联信息判断所述已发生的驾驶行为是否满足评估前提；

步骤47，如果是，则根据所述驾驶行为数据提取车辆行驶于所述预设驾驶行为判断路段时的部分驾驶行为数据；

步骤48，根据所述提取到的部分驾驶行为数据来判断驾驶行为是否为不良；

其中，所述预设驾驶行为判断路段，为地图上从位置A到位置B的路段；所述预设驾驶行为判断路段设置有与之关联的所述评估前提，所述评估前提，用于当检测到车辆经过所述预设驾驶行为判断路段AB中位置A时，判断所述评估前提关联信息是否满足所述评估前提，如果是则进行驾驶行为评估，如果否则不进行驾驶行为评估；所述评估前提关联信息，包括但不限于：车辆位于所述预设驾驶行为判断路段AB中位置A时的速度、时间、周围影响车辆数，所述周围影响车辆数为对该驾驶行为产生影响的车辆数；所述评估前提，包括但不限于：速度范围、时间范围、周围影响车辆数范围；所述部分驾驶行为数据，包括：速度范围、加速度范围、时间段、行驶轨迹；其中，所述预设驾驶行为判断路段还设置有与之关联的标准评估范围参数，用于根据所述提取的部分驾驶行为数据分析驾驶行为的不良性，所述标准评估范围参数包括：标准速度范围、标准加速度范围、标准时间范围、标准轨迹范围。

进一步的，所述根据所述提取到的部分驾驶行为数据来判断驾驶行为是否为不良的方法，为：

判断上述步骤47中提取到的速度范围是否在所述标准速度范围内；

判断上述步骤47中提取到的加速度范围中最大加速度是否在所述标准加速度范围中的最大加速度范围内；

判断上述步骤47中提取到的加速度范围中最小加速度是否在所述标准加速度范围中的最小加速度范围内；

判断上述步骤47中提取到的时间段是否在所述标准时间范围内；

判断上述步骤47中提取到的轨迹是否在所述标准轨迹范围内；

其中，如果上述判断结果一种或者多种为否，则标记为不良驾驶，并将所述不良驾驶行为存入所述不良驾驶数据库，用于为处理车辆保险提供数据依据。

其中，上述步骤41-44中，首先根据车辆行驶轨迹判断车辆的驾驶行为类型，其次根据驾驶行为发生路段的道路情况和相关交通法规判断该已发生的驾驶行为是否符合法规，需要说明的是，根据行驶轨迹可检测到停车、转弯、倒车等驾驶行为。

例如，规定某一个路段车辆不能“转弯”，但检测到车辆已发生的驾驶行为类型为：转弯，则判断该驾驶行为不符合法规，并将该不良驾驶行为及其关联车辆录入所述不良驾驶数据库。

其中，上述步骤46中，判断所述评估前提关联信息中的周围影响车辆数，应结合驾驶行为本身来检测。

例如，图1是根据本发明实施例的周围影响车辆的示意图。如图1所示，车辆所处路段为T形路口，其中，Q1、Q2、Q3为T形路口的三个方向，Q21为Q2的一个车道，a为Q1与Q2的交叉点，a到b距离为50m，s为车辆的行驶轨迹，车辆经过所述预设驾驶行为判断路段，即从A到B，检测到车辆已发生驾驶行为为：左转弯，应检测当车辆位于A时，对车辆发生“左转弯”产生影响的周围车辆，即应检测车辆左侧道路路段Q2的内车道Q21中是否存在影响车辆，检测长度为从交叉点a到b路段50米距离内，如果有车辆，则认为存在周围影响车辆。

需要说明的是，上述周围影响车辆数范围，一般设置为0，即尽可能的排周围除影响车辆因素的存在时，才使用上述驾驶行为评估判断方法。

其中，上述步骤45-48中，所述预设驾驶行为判断路段，可设置为人行道路段、十字路口路段、红绿灯路口路段等，以下分别举例说明。

<例子1>

图2是根据本发明实施例的人行道作为预设驾驶行为判断路段的示意图。如图2所示，人行道路段作为所述预设驾驶行为判断路段，其中，R为人行道中的人行道斑马线标识路段，Q1、Q2为人行道的两个方向，a、b分别为斑马线路段R和Q1、Q2的交叉点，a到a1距离为50米，b到b1距离为50米，Q11为车辆所在车道，分别取a1、b1为所述预设驾驶行为判断路段的A、B位置；其中，s为车辆行驶轨迹，即从A到B，通过上述步骤41-44，检测到车辆已发生驾驶行为为：过人行道，为该路段法规内可发生的驾驶行为。

进一步的，根据人行道需减速等交通法规，设置以下参数：

所述评估前提，速度范围为：[40-120]，单位为km/h；周围影响车辆数范围为：0，即排除周围车辆对驾驶行为的影响；时间范围暂不设置，即不考虑时间范围的影响因素。

进一步的，根据上述步骤46，当车辆位于A位置时，车速40km/h-120km/h，周围影响车辆数为0辆时，则进行上述步骤47。

进一步的，所述标准评估范围参数中，标准速度范围为：[0-50]，单位为km/h，即在路段AB中，车速不应过快；标准加速度范围设置为，最小加速度范围为：[-15,0]，最大加速度范围为：[0,1]，单位为m/s²，即在路段AB中，应出现刹车减速操作，即最小加速度会为反向，同时最大加速度不应过大；标准时间范围为不设置，即可为任意时间段通过；标准轨迹范围为区域S，如图中虚线长方形框所示，即行驶过程中不能随意变道。

于是，根据步骤47，提取车辆从A到B的部分驾驶行为数据，设最后提取结果为：速度范围为[10-40]，单位为km/h；加速度范围为[0,1]，单位为m/s²；时间段为北京时间[10:30:02,10:30:11]；行驶轨迹为如图2中s所示。

进一步的，比较可得，所述提取到的部分驾驶行为数据中的最小加速度不在设定的所述标准加速度范围中的最小加速度范围内。

则判断该驾驶行：过人行道，为不良驾驶行为：不良过人行道，并保存到所述不良驾驶数据库，同时于所述不良驾驶数据库中，增加所述不良驾驶行为的关联车辆的所述不良驾驶次数，为处理车辆保险提供数据依据。

<例子2>

图3是根据本发明实施例的T型路口作为预设驾驶行为判断路段的示意图。如图3所示，T形路口路段作为所述预设驾驶行为判断路段，其中，Q1、Q2、Q3为T形路口的三个方向，其中，a为T形路口Q1、Q3两个方向的交叉点，b为T形路口Q1、Q2两个方向的交叉点，a到a1距离为50米，a到a2距离为50米，b到b1距离为50米，Q11为车辆所在车道，Q21为Q2中的内侧车道，分别取T形路口其中两个方向Q1、Q3中，离交叉点a处50米的a1、a2两处，为所述预设驾驶行为判断路段的A、B位置。进一步的，车辆行驶轨迹为从A到B，通过上述步骤41-44，检测到车辆已发生驾驶行为：右转弯，为该路段法规内可发生的驾驶行为。

进一步的，根据转弯需减速等交通法规，设置以下参数：

所述评估前提中，速度范围为：[30-100]，单位为km/h；周围影响车辆数范围为：0，即排除周围车辆对驾驶行为的影响；时间范围暂不设置。

进一步的，根据上述步骤46，当车辆位于A位置时，车速为30km/h-100km/h，同时，当车道Q21中b到b1路段内车辆数为0辆时，则进行上述步骤47。

进一步的，所述标准评估范围参数，标准速度范围为：[0-50]，单位为km/h，即在路段AB中，车速不应过快；标准加速度范围设置为，最小加速度范围为：[-15,0]，最大加速度范围为：[0,1]，单位为m/s²，即在路段AB中，应出现刹车减速操作，即最小加速度会为反向，同时最大加速度不应过大；标准时间范围为不设置，即为任意时间段；其中，为了更简洁的说明，标准轨迹范围暂不设置，需要说明的是，设置标准轨迹范围可增加评估结果的严格性。

于是，根据步骤47，提取车辆从A到B的部分驾驶行为数据，设最后提取结果为：速度范围为[10-40]，单位为km/h；加速度范围为[0,1]，单位为m/s²；时间段为北京时间[10:30:02,10:30:11]；因忽略了标准行驶轨迹范围的评估，行驶轨迹数据此处可暂不使用。

进一步的，比较可得，所述提取到的部分驾驶行为数据中的最小加速度不在设定的所述标准加速度范围中的最小加速度范围内，则判断该驾驶行为：右转弯，为不良驾驶行为：不良右转弯，并保存到所述不良驾驶数据库，同时于所述不良驾驶数据库中，增加所述不良驾驶行为的关联车辆的所述不良驾驶次数，为处理车辆保险提供数据依据。

<例子3>

采用本发明的方法，亦可用于是否闯红绿灯判断，需要说明的是，红绿灯为物联网智能红绿灯，所述物联网智能终端可实时获取红绿灯的状态数据。

图4是根据本发明实施例的红绿灯路口作为预设驾驶行为判断路段的示意图。如图4所示，红绿灯路口路段作为所述预设驾驶行为判断路段，Q1、Q2为红绿灯路口的两个方向，R为斑马线，a、b分别为Q1、Q2与R的交叉点，取a、b为所述预设驾驶行为判断路段中的A、B位置，设车辆行驶轨迹为从A到B。

进一步的，通过上述步骤41-44，检测到车辆已发生驾驶行为为：过红绿灯路口，为该路段法规内可发生的驾驶行为。

进一步的，所述评估前提中，速度范围为：[0-100]，单位为km/h；周围影响车辆数范围为不设置，即过红绿灯时不考虑周围车辆对驾驶行为的影响；时间范围暂不设置。

进一步的，根据上述步骤46，当车辆位于A位置时，车速为0km/h-100km/h则进行上述步骤47。

进一步的，所述标准评估范围参数中，标准速度范围为：[0-50]，单位为km/h，即在路段AB中，车速不应过快；标准加速度范围暂不设置，即暂不考虑加速度数据的评估；标准时间范围，应实时获取红绿灯信号的状态数据动态设定，例如当车辆为于A时，检测到红绿灯的允许通过时间为：15:3:31到15:3:51，则动态设置时间范围为[15:3:31,15:3:51]；其中，为了更简洁的说明，标准轨迹范围暂不设置，需要说明的是，设置标准轨迹范围可增加评估结果的严格性。

于是，根据步骤47，提取车辆从A到B的部分驾驶行为数据，设最后提取结果为：速度范围为[0-40]，单位为km/h；时间段为[15:3:29,15:3:40]；需要说明的是，提取的时间段应为车辆从A位置行驶到B位置的时间段，即车辆在A位置等待的时间不算入内。因忽略了标准加速度范围和标准行驶轨迹范围的评估，故加速度数据、行驶轨迹数据此处可暂不使用。

进一步的，比较可得，所述提取到的部分驾驶行为数据中通过所述预设驾驶行为判断路段的时间段不在所述标准时间范围内，则判断该驾驶行为：过红绿灯，为不良驾驶行为：不良过红绿灯，并保存到所述不良驾驶数据库，同时于所述不良驾驶数据库中，增加所述不良驾驶行为的关联车辆的所述不良驾驶次数，为处理车辆保险提供数据依据。

需要说明的是，通过上述时间段范围比较的方法，可判断车辆是否在限行时间内违规驾车。

需要说明的是，通过上述速度范围比较的方法，可判断车辆是否在限速范围内超速驾车。

<物联网智能终端实施例>

图5是根据本发明实施例的物联网智能终端模块示意图。如图5所示，包括一种物联网智能终端，其特征在于，包括：

存储介质52，用于存储数据；

主控芯片51，用于信号处理和运行、存储程序；

加速度传感器53，用于实时采集车辆的加速度数据；

通信定位模块54，支持FDD LTE，TDD LTE，WCDMA，TDS-CDMA, GPRS全网通网络的通信，可升级为5g网络通信，用于为所述物联网智能终端实现联网和提供精确的定位功能；

其中，通过gps地理位置结合时间，可获得车辆实时的速度以及行驶轨迹；

其中，随着5g技术的商用，使车道级别甚至厘米级别高精度定位成为可能，可采集到精准的定位信息，使上述轨迹范围的分析更加精细。

需要说明的是，所述物联网智能终端与所述智能物联网智能交通信号、所述驾驶行为数据平台可互相通信，从而可实时调整上述标准时间范围，从而可有效评估是否闯红绿灯等情况。

需要说明的是，上述例子中，提到的预设驾驶行为判断路段A、B位置的标定、所述评估前提、所述标准评估范围参数的设定，仅为了更好的解释本发明中的驾驶行为评估方法，实际使用中，应根据预设驾驶行为判断路段的情况和交通法规来设定。

本发明的实施例中，通过在指定路段提前设定驾驶行为的评估标准，以及适用应用该评估标准的评估前提，在满足评估前提后，再判断是否符合评估标准，提高了评估标准的应用的准确性，同时使上述评估驾驶行为的方法易于实施。本发明中，根据交通规则和路段情况，设置专门的标准评估范围参数，并提取有用的部分驾驶行为数据，最后分析标准评估范围参数和部分驾驶行为数据的差异性，从而判断是否为不良驾驶。

因此本发明提出的技术方案，能够从车道上的驾驶行为本身判断驾驶员驾驶行为习惯的优良性，本发明具有比现有技术下通过视频监控司机面部表情等方式更精确、更可靠评估驾驶行为优良性的优点，因此使基于驾驶行为处理保险建立的精算模型建立更加公平、合理、精确。同时由于不用视频监控车主面部表情，不用侵犯车主隐私，更利于推广普及。

以上详细描述了本发明的具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (4)

1.一种基于驾驶行为处理保险的方法，其特征在于，包括：

获取驾驶员不良驾驶数据；

根据所述不良驾驶数据对车辆保险精算模型进行调整；

其中，所述不良驾驶数据，记录了车辆存在的不良驾驶的驾驶行为类型，以及每种不良驾驶的驾驶行为类型所对应的次数，其中，所述驾驶行为类型包括但不限于：左转弯、右转弯、过人行道、过红绿灯、停车、倒车、超车，所述不良驾驶的驾驶行为类型，包括但不限于：不良左转弯、不良右转弯、不良过人行道、不良过红绿灯、不良停车、不良倒车、不良超车。

2.如权利要求1中所述的一种基于驾驶行为处理保险的方法，其特征在于，还包括一种评估驾驶行为不良性的方法，包括以下步骤：

实时采集车辆的驾驶行为数据，所述驾驶行为数据包括：速度、加速度、gps地理位置，并将所述驾驶行为数据上传到驾驶行为数据平台，所述驾驶行为数据平台，包括：驾驶行为数据库，所述驾驶行为数据库，用于保存各个车辆的驾驶行为数据；

检测车辆的某一时间段内已发生的驾驶行为的所述驾驶行为类型，同时保存所述已发生的驾驶行为的驾驶行为发生路段信息，用于后续驾驶行为分析，其中，所述检测到的已发生的驾驶行为，为所述驾驶行为类型中的一种；

判断所述已发生的驾驶行为是否符合法规；

如果否，则将所述已发生的驾驶行为评估为不良驾驶，并结束本次驾驶行为评估，如果是，则进行下一步；

判断所述已发生的驾驶行为的所述驾驶行为发生路段是否属于预设驾驶行为判断路段；

如果是，则根据评估前提关联信息判断所述已发生的驾驶行为是否满足评估前提；

如果是，则根据所述驾驶行为数据提取车辆行驶于所述预设驾驶行为判断路段时的部分驾驶行为数据；

根据所述提取到的部分驾驶行为数据来判断驾驶行为是否为不良；

其中，所述预设驾驶行为判断路段，为地图上从位置A到位置B的路段；所述预设驾驶行为判断路段设置有与之关联的所述评估前提，所述评估前提，用于当检测到车辆经过所述预设驾驶行为判断路段AB中位置A时，判断所述评估前提关联信息是否满足所述评估前提，如果是则进行驾驶行为评估，如果否则不进行驾驶行为评估；所述评估前提关联信息，包括但不限于：车辆位于所述预设驾驶行为判断路段AB中位置A时的速度、时间、周围影响车辆数，所述周围影响车辆数为对该驾驶行为产生影响的车辆数；所述评估前提，包括但不限于：速度范围、时间范围、周围影响车辆数范围；所述部分驾驶行为数据，包括：速度范围、加速度范围、时间段、行驶轨迹；其中，所述预设驾驶行为判断路段还设置有与之关联的标准评估范围参数，用于根据所述提取的部分驾驶行为数据分析驾驶行为的不良性，所述标准评估范围参数包括：标准速度范围、标准加速度范围、标准时间范围、标准轨迹范围。

3.一种物联网智能终端，其特征在于，包括：

存储介质，用于存储数据；

主控芯片，用于信号处理和运行、存储程序；

加速度传感器，用于实时采集车辆的加速度数据；

通信定位模块，支持FDD LTE，TDD LTE，WCDMA，TDS-CDMA, GPRS全网通网络的通信，可升级为5g网络通信，用于为所述物联网智能终端实现联网和提供精确的定位功能；

其中，通过gps地理位置结合时间，可获得车辆实时的速度以及行驶轨迹。

4.如权利要求1中所述的一种基于驾驶行为处理保险的方法，其特征在于，如果判断为不良驾驶状态，则采用语音播报等方式提醒驾驶员专心驾驶，并将该路段可能处于不良驾驶的车辆的地理位置信息、唯一标识号信息、数量信息、驾驶员信息推送给交警协助查处违规驾驶，同时将不良驾驶数据存入不良驾驶数据库，为处理保险提供数据支持。

Images