CN111047142A - 一种基于层次分析法的汽车评分方法及系统 - Google Patents
一种基于层次分析法的汽车评分方法及系统 Download PDFInfo
- Publication number
- CN111047142A CN111047142A CN201911113204.5A CN201911113204A CN111047142A CN 111047142 A CN111047142 A CN 111047142A CN 201911113204 A CN201911113204 A CN 201911113204A CN 111047142 A CN111047142 A CN 111047142A
- Authority
- CN
- China
- Prior art keywords
- automobile
- matrix
- driving
- driving behavior
- bad
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开公开了一种基于层次分析法的汽车评分方法及系统,使用层次分析法AHP算法来处理运输车辆的行为数据,构建出基于车辆不良驾驶行为的行车安全评价模型和基于车辆行为的综合评价模型,从中挖掘出车辆的不良驾驶行为,进而基于其不良驾驶行为构建行车安全的评价模型,并给出相搭配的模型评价结果;建立的模型用因素的相对重要性来划分层次;系统性地分析了车辆的真实状况.对车辆的驾驶行为得分进行分级,能够快速反映出车辆的总体情况.建立了比较完整的车辆综合评价体系。本次建立的模型能够快速地对驾驶人员进行评分与分类.能够精确地对驾驶的不良行为进行分析辨别。
Description
技术领域
本公开涉及汽车评分、智能信息处理技术领域,具体涉及一种基于层次分析法的汽车评分方法及系统。
背景技术
车联网是指借助装载在车辆上的电子标签通过无线射频等识别技术,实现在信息网络平台上对所有车辆的属性信息和静、动态信息进行提取和有效利用,并根据不同的功能需求对所有车辆的运行状态进行有效的监管和提供综合服务的系统。
近年来,随着车联网的迅速发展,其普及的范围越来越广,所采集的行车数据信息也越来越全面。但是如何从这些海量的数据提取并分析出有效的车辆行车信息,并将这些行车信息翻译为相应的驾驶行为,从而建立一套行车安全综合评价体系和有效的数学模型进行计算和评价显得尤为重要。即将车联网所记录的这些杂乱无章的数据转化为驾驶员和运输管理人员可以看懂的驾驶行为分析和评价结果是我们的研究重点。
建立行车安全评价体系是一个基于驾驶行为的综合评判问题,需要综合考虑各种驾驶行为,特别是重点关注和分析不良驾驶行为,但是不同的驾驶行为对行车安全的影响程度不同,所以确定各项因素的权重是建立评价体系的核心问题。层次分析法是一种定性和定量相结合、系统化、层次化的分析方法,是一种能有效处理各项指标对系统评定的重要程度不同的综合评判问题的实用方法,所以建立基于层次分析法的行车安全评价体系和模型,具有很强的实用性和可行性。
由于现在的汽车市场缺少对汽车的评分系统.无法对汽车驾驶行为进行学习与分析,缺少对汽车驾驶员的分类和评分体系.无法对汽车驾驶员进行画像.
发明内容
本公开提供一种基于层次分析法的汽车评分方法及系统,本公开使用层次分析法(AHP)算法来处理运输车辆的行为数据,构建出基于车辆不良驾驶行为的行车安全评价模型和基于车辆行为的综合评价模型,从中挖掘出车辆的不良驾驶行为,进而基于其不良驾驶行为构建行车安全的评价模型,并给出相搭配的模型评价结果。
为了实现上述目的,根据本公开的一方面,提供一种基于层次分析法的汽车评分方法,所述方法包括以下步骤:
步骤1:定义汽车的不良驾驶行为因素;
其中,不良驾驶行为的因素包括:疲劳驾驶、超速、急变道、急加速、急减速、熄火滑行这6项因素。
对于疲劳驾驶,定义为汽车无任何操作2分钟,或根据申请号:CN201410632076.6公开了一种驾驶者驾驶疲劳度的疲劳指数的方法,识别长途旅行中驾驶操作的变化对驾驶员的疲劳程度进行判断;
对于超速,定义为汽车速度超过道路限速,所有的运输路线所处的道路限速为100km/h,则超速的定义为汽车的GPS速度大于100km/h;
对于熄火滑行,定义为发动机状态是停止,且速度不为0km/h;
对于急转弯,定义为车辆速度大于安全转弯速度60km/h和转弯角度变化率大于30°;
对于急变道,定义为发动机状态为启动,汽车的转向状态低于5秒;
对于急加速,定义为发动机状态为启动,汽车的转速表为3000转的状态持续时间大于10秒。
步骤2:根据不良驾驶行为因素构建汽车不良驾驶行为矩阵;
设汽车有k条路线,则构建A为k x 6的矩阵,用ak1、ak2、ak3、ak4、ak5和ak6分别表示车辆在第k条路线的不同的不良驾驶行为因素的得分情况,则汽车的不良驾驶行为矩阵表示为:
用w1、w2、w3、w4、w5、w6分别作为这6项不良驾驶行为因素对行车安全的权重系数,构成权重向量:WA=(w1 w2 w3 w4 w5 w6)T;
对于各不良驾驶行为指标因素的权重,本公开采用层次分析法将各因素权重进行确定;
步骤3:将各个不良驾驶行为因素使用层次分析法(AHP)算法进行分层并构建层次结构模型;
步骤4:构造不良驾驶行为的判别矩阵;
根据这6项不良驾驶行为对行车安全的影响程度,构造判别矩阵ZA:
步骤4.2,归一化得到近似权向量:
步骤4.3,为了进行后面的一致性检验,求最大特征根:
其中,w=(w1 w2 w3 w4 w5 w6)T;
步骤5:对判别矩阵进行一致性检验;
步骤5.1,计算一致性指标CI:
步骤5.2,根据表1确定相应的平均一致性指标RI:
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 |
表1平均随机一致性指标RI表
步骤5.3,计算一致性比例CR并进行判断:
由以上步骤得到各不良驾驶行为的权重WA,则与不良驾驶行为矩阵A相结合,可得到汽车线路的行车安全系数矩阵SA,公式为:
SA=-AWA
本公开还提供了一种基于层次分析法的汽车评分系统,所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
行为因素定义单元,用于定义汽车的不良驾驶行为因素;
行为矩阵构建单元,用于根据不良驾驶行为因素构建汽车不良驾驶行为矩阵;
层次结构构建单元,用于将各个不良驾驶行为因素进行分层并构建层次结构模型;
判别矩阵构建单元,用于构造不良驾驶行为的判别矩阵;
一致性检验单元,用于对判别矩阵进行一致性检验。
本公开的有益效果为:本公开提供一种基于层次分析法的汽车评分方法及系统,建立的模型用因素的相对重要性来划分层次.系统性地分析了车辆的真实状况.对车辆的驾驶行为得分进行分级,能够快速反映出车辆的总体情况.建立了比较完整的车辆综合评价体系。本次建立的模型能够快速地对驾驶人员进行评分与分类.能够精确地对驾驶的不良行为进行分析辨别。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为一种基于层次分析法的汽车评分方法的流程图;
图2所示为汽车评分层次结构模型;
图3所示为一种基于层次分析法的汽车评分系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种基于层次分析法的汽车评分方法的流程图,下面结合图1来阐述根据本公开的实施方式的一种基于层次分析法的汽车评分方法。
本公开提出一种基于层次分析法的汽车评分方法,具体包括以下步骤:
步骤1:定义汽车的不良驾驶行为因素;
其中,不良驾驶行为的因素包括:疲劳驾驶、超速、急变道、急加速、急减速、熄火滑行这6项因素。
对于疲劳驾驶,定义为汽车无任何操作2分钟,或根据申请号:CN201410632076.6公开了一种驾驶者驾驶疲劳度的疲劳指数的方法,识别长途旅行中驾驶操作的变化对驾驶员的疲劳程度进行判断;
对于超速,定义为汽车速度超过道路限速,所有的运输路线所处的道路限速为100km/h,则超速的定义为汽车的GPS速度大于100km/h;
对于熄火滑行,定义为发动机状态是停止,且速度不为0km/h;
对于急转弯,定义为车辆速度大于安全转弯速度60km/h和转弯角度变化率大于30°;
对于急变道,定义为发动机状态为启动,汽车的转向状态低于5秒;
对于急加速,定义为发动机状态为启动,汽车的转速表为3000转的状态持续时间大于10秒。
步骤2:根据不良驾驶行为因素构建汽车不良驾驶行为矩阵;
设汽车有k条路线,则构建A为k x 6的矩阵,用ak1、ak2、ak3、ak4、ak5和ak6分别表示车辆在第k条路线的不同的不良驾驶行为因素的得分情况,则汽车的不良驾驶行为矩阵表示为:
用w1、w2、w3、w4、w5、w6分别作为这6项不良驾驶行为因素对行车安全的权重系数,构成权重向量:WA=(w1 w2 w3 w4 w5 w6)T;
对于各不良驾驶行为指标因素的权重,本公开采用层次分析法将各因素权重进行确定;
步骤3:如图2所示,图2为汽车评分层次结构模型,将各个不良驾驶行为因素使用层次分析法(AHP)算法进行分层并构建层次结构模型;
步骤4:构造不良驾驶行为的判别矩阵;
根据这6项不良驾驶行为对行车安全的影响程度,构造判别矩阵ZA:
步骤4.2,归一化得到近似权向量:
步骤4.3,为了进行后面的一致性检验,求最大特征根:
其中,w=(w1 w2 w3 w4 w5 w6)T;
步骤5:对判别矩阵进行一致性检验;
步骤5.1,计算一致性指标CI:
步骤5.2,根据表1确定相应的平均一致性指标RI:
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 |
表1平均随机一致性指标RI表
步骤5.3,计算一致性比例CR并进行判断:
由以上步骤得到各不良驾驶行为的权重WA,则与不良驾驶行为矩阵A相结合,可得到汽车线路的行车安全系数矩阵SA,公式为:
SA=-AWA
本公开的实施例提供的一种基于层次分析法的汽车评分系统,如图3所示为本公开的一种基于层次分析法的汽车评分系统结构图,该实施例的一种基于层次分析法的汽车评分系统包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种基于层次分析法的汽车评分系统实施例中的步骤。
所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
行为因素定义单元,用于定义汽车的不良驾驶行为因素;
行为矩阵构建单元,用于根据不良驾驶行为因素构建汽车不良驾驶行为矩阵;
层次结构构建单元,用于将各个不良驾驶行为因素进行分层并构建层次结构模型;
判别矩阵构建单元,用于构造不良驾驶行为的判别矩阵;
一致性检验单元,用于对判别矩阵进行一致性检验。
所述一种基于层次分析法的汽车评分系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于层次分析法的汽车评分系统,可运行的系统可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种基于层次分析法的汽车评分系统的示例,并不构成对一种基于层次分析法的汽车评分系统的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种基于层次分析法的汽车评分系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种基于层次分析法的汽车评分系统运行系统的控制中心,利用各种接口和线路连接整个一种基于层次分析法的汽车评分系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种基于层次分析法的汽车评分系统的各种功能。所述存储器可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(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器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,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (6)
1.一种基于层次分析法的汽车评分方法,其特征在于,所述方法包括以下步骤:
步骤1:定义汽车的不良驾驶行为因素;
步骤2:根据不良驾驶行为因素构建汽车不良驾驶行为矩阵;
步骤3:将各个不良驾驶行为因素进行分层并构建层次结构模型;
步骤4:构造不良驾驶行为的判别矩阵;
步骤5:对判别矩阵进行一致性检验。
2.根据权利要求1所述的一种基于层次分析法的汽车评分方法,其特征在于,在步骤1中,汽车的不良驾驶行为因素的因素包括:疲劳驾驶、超速、急变道、急加速、急减速、熄火滑行这6项因素;对于疲劳驾驶,定义为汽车无任何操作2分钟,或根据驾驶者驾驶疲劳度的疲劳指数,识别长途旅行中驾驶操作的变化对驾驶员的疲劳程度进行判断;对于超速,定义为汽车速度超过道路限速,所有的运输路线所处的道路限速为100km/h,则超速的定义为汽车的GPS速度大于100km/h;对于熄火滑行,定义为发动机状态是停止,且速度不为0km/h;对于急转弯,定义为车辆速度大于安全转弯速度60km/h和转弯角度变化率大于30°;对于急变道,定义为发动机状态为启动,汽车的转向状态低于5秒;对于急加速,定义为发动机状态为启动,汽车的转速表为3000转的状态持续时间大于10秒。
6.一种基于层次分析法的汽车评分系统,其特征在于,所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
行为因素定义单元,用于定义汽车的不良驾驶行为因素;
行为矩阵构建单元,用于根据不良驾驶行为因素构建汽车不良驾驶行为矩阵;
层次结构构建单元,用于将各个不良驾驶行为因素进行分层并构建层次结构模型;
判别矩阵构建单元,用于构造不良驾驶行为的判别矩阵;
一致性检验单元,用于对判别矩阵进行一致性检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911113204.5A CN111047142B (zh) | 2019-11-14 | 2019-11-14 | 一种基于层次分析法的汽车评分方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911113204.5A CN111047142B (zh) | 2019-11-14 | 2019-11-14 | 一种基于层次分析法的汽车评分方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047142A true CN111047142A (zh) | 2020-04-21 |
CN111047142B CN111047142B (zh) | 2023-04-28 |
Family
ID=70232085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911113204.5A Active CN111047142B (zh) | 2019-11-14 | 2019-11-14 | 一种基于层次分析法的汽车评分方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047142B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950917A (zh) * | 2020-08-18 | 2020-11-17 | 奇瑞新能源汽车股份有限公司 | 一种多档纯电动汽车驾驶性综合评估方法 |
CN112258830A (zh) * | 2020-10-23 | 2021-01-22 | 上海博泰悦臻电子设备制造有限公司 | 车辆编队行驶的可靠性评估方法及其应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777907A (zh) * | 2016-11-25 | 2017-05-31 | 东软集团股份有限公司 | 驾驶行为评分方法和装置 |
CN108407816A (zh) * | 2018-01-19 | 2018-08-17 | 杭州砺玛物联网科技有限公司 | 一种汽车驾驶员驾驶评估方法及系统 |
CN109118040A (zh) * | 2018-06-27 | 2019-01-01 | 上海经达信息科技股份有限公司 | 一种基于模糊层次分析法的汽车驾驶行为评估方法 |
-
2019
- 2019-11-14 CN CN201911113204.5A patent/CN111047142B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777907A (zh) * | 2016-11-25 | 2017-05-31 | 东软集团股份有限公司 | 驾驶行为评分方法和装置 |
CN108407816A (zh) * | 2018-01-19 | 2018-08-17 | 杭州砺玛物联网科技有限公司 | 一种汽车驾驶员驾驶评估方法及系统 |
CN109118040A (zh) * | 2018-06-27 | 2019-01-01 | 上海经达信息科技股份有限公司 | 一种基于模糊层次分析法的汽车驾驶行为评估方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950917A (zh) * | 2020-08-18 | 2020-11-17 | 奇瑞新能源汽车股份有限公司 | 一种多档纯电动汽车驾驶性综合评估方法 |
CN112258830A (zh) * | 2020-10-23 | 2021-01-22 | 上海博泰悦臻电子设备制造有限公司 | 车辆编队行驶的可靠性评估方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN111047142B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210197851A1 (en) | Method for building virtual scenario library for autonomous vehicle | |
Carfora et al. | A “pay-how-you-drive” car insurance approach through cluster analysis | |
CN106295541A (zh) | 车辆类型识别方法及系统 | |
CN110909419B (zh) | 一种汽车安全完整性能等级计算方法、装置及服务器 | |
CN111461185A (zh) | 一种基于改进K-means的驾驶行为分析方法 | |
Kovaceva et al. | Identification of aggressive driving from naturalistic data in car-following situations | |
CN110304068B (zh) | 汽车行驶环境信息的采集方法、装置、设备和存储介质 | |
US11710082B2 (en) | Systems and methods for utilizing machine learning and feature selection to classify driving behavior | |
CN108009463B (zh) | 一种身份识别的方法及装置 | |
CN111047142A (zh) | 一种基于层次分析法的汽车评分方法及系统 | |
CN109635852B (zh) | 一种基于多维属性的用户画像构建与聚类方法 | |
CN111523932A (zh) | 一种网约车服务的评分方法、装置、系统及存储介质 | |
CN114076631A (zh) | 超载车辆识别方法、系统及设备 | |
CN114446057A (zh) | 一种基于智能网联环境的事故高发点辨识预警方法及系统 | |
CN113060146B (zh) | 一种纵向跟踪控制方法、装置、设备及存储介质 | |
US20170287232A1 (en) | Method and system for providing direct feedback from connected vehicles | |
CN108961680B (zh) | 一种酒后驾驶和疲劳驾驶判别系统的性能检测系统及方法 | |
CN112686294A (zh) | 基于机器学习的驾驶风格辨识模型构建方法、装置、介质和设备 | |
US10807602B2 (en) | Evaluating apparatus | |
CN112660140A (zh) | 基于机器学习的驾驶风格分类方法、装置和电子设备 | |
CN112396118A (zh) | 一种基于gm-hmm的驾驶员加速意图建模方法 | |
CN114426025B (zh) | 驾驶辅助方法、装置、计算机设备和存储介质 | |
CN114162132B (zh) | 一种基于主客观评价的驾驶模式识别方法 | |
CN115482662B (zh) | 一种危险工况下驾驶员避撞行为预测方法及系统 | |
Lo | Expectation-maximization based algorithm for pattern recognition in traffic speed distribution |
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 |