CN111688713A - 驾驶行为分析方法和装置 - Google Patents
驾驶行为分析方法和装置 Download PDFInfo
- Publication number
- CN111688713A CN111688713A CN202010551851.0A CN202010551851A CN111688713A CN 111688713 A CN111688713 A CN 111688713A CN 202010551851 A CN202010551851 A CN 202010551851A CN 111688713 A CN111688713 A CN 111688713A
- Authority
- CN
- China
- Prior art keywords
- driving
- driving behavior
- historical
- result
- preset result
- 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
-
- 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
- B60W40/08—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 drivers or passengers
- B60W40/09—Driving style or behaviour
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Abstract
本发明提供了一种驾驶行为分析方法和装置,涉及车辆驾驶技术领域,包括:确定目标驾驶环境下的多个车辆的历史驾驶行为和历史驾驶结果;将多个车辆的历史驾驶行为,按照车辆的历史驾驶结果所属的预设结果等级聚类为多个集合,每个集合对应一个预设结果等级;针对每个集合进行驾驶行为特征提取,确定每个预设结果等级的驾驶行为特征,并将预设结果等级的驾驶行为特征作为基准驾驶行为,以结果为导向,将同等驾驶环境下的车辆驾驶行为进行分析。
Description
技术领域
本发明涉及车辆驾驶技术领域,尤其是涉及一种驾驶行为分析方法和装置。
背景技术
当前的驾驶行为分析是基于某个特定的行为动作来分析当前车辆的驾驶结果,进而获知当前的驾驶情况。驾驶结果一般可包括多个维度,如驾驶安全性、驾驶速度值、驾驶油耗值、驾驶过程中的乘客舒适性以及车辆的磨损等等。
但是同样车辆基于不同的影响因素,即不同外部驾驶环境,特定驾驶行为动作可能会对车辆产生不同的影响。例如,对于影响因素不同的相同车辆来说,相同的驾驶行为在不同的影响因素作用下,也可能产生两种不同的驾驶结果。因此,仅根据现有技术中驾驶行为的分析方式并不能准确地识别出当前车辆的驾驶结果。
发明内容
有鉴于此,本发明的目的在于提供一种驾驶行为分析方法和装置,以结果为导向,将同等驾驶环境下的车辆驾驶行为进行分析。
第一方面,实施例提供一种驾驶行为分析方法,包括:
确定目标驾驶环境下的多个车辆的历史驾驶行为和历史驾驶结果;
将所述多个车辆的历史驾驶行为,按照所述车辆的历史驾驶结果所属的预设结果等级聚类为多个集合,每个所述集合对应一个预设结果等级;
针对每个所述集合进行驾驶行为特征提取,确定每个所述预设结果等级的驾驶行为特征,并将所述预设结果等级的驾驶行为特征作为基准驾驶行为。
在可选的实施方式中,所述方法还包括:
确定所述目标驾驶环境下的目标车辆的当前驾驶行为以及当前驾驶结果;
基于所述当前驾驶结果确定所述目标车辆所属的目标预设结果等级;
基于所述目标预设结果等级对应的基准驾驶行为对所述当前驾驶行为进行评价。
在可选的实施方式中,所述方法还包括:
确定所述目标驾驶环境下的目标车辆的当前驾驶行为以及当前驾驶结果;
基于所述当前驾驶行为确定所述目标车辆所属的目标预设结果等级;
基于所述目标预设结果等级对所述当前驾驶结果进行等级预测。
在可选的实施方式中,所述方法还包括:
判断所述当前驾驶结果与所述目标预设结果等级是否一致;
若不一致,则将所述当前驾驶行为与所述目标预设结果等级对应的集合进行驾驶行为特征提取,重新确定所述目标预设结果等级对应的集合的基准驾驶行为。
在可选的实施方式中,将所述多个车辆的历史驾驶行为,按照所述车辆的历史驾驶结果所属的预设结果等级聚类为多个集合的步骤,还包括:
按照所述车辆的历史驾驶结果进行排序,并根据顺序确定预设结果等级;
将所述历史驾驶行为按照所述车辆的历史驾驶结果对应的预设结果等级聚类到相应集合中。
在可选的实施方式中,按照所述车辆的历史驾驶结果进行排序,并根据顺序确定出预设结果等级的步骤,包括:
获取所述车辆的历史驾驶结果的数据来源;
根据所述数据来源确定所述历史驾驶结果对应的权重比例;
基于所述历史驾驶结果与所述权重比例将所述历史驾驶结果进行排序,并根据顺序确定预设结果等级。
在可选的实施方式中,针对每个所述集合进行驾驶行为特征提取,确定每个所述预设结果等级的驾驶行为特征的步骤,包括:
可根据特征提取算法确定每个所述集合中历史驾驶行为的单位数据,所述特征提取算法包括平均数计算方法、中位数计算方法和正态分布计算方法。
第二方面,实施例提供一种驾驶行为分析装置,包括:
确定模块,用于确定目标驾驶环境下的多个车辆的历史驾驶行为和历史驾驶结果;
聚类模块,用于将所述多个车辆的历史驾驶行为,按照所述车辆的历史驾驶结果所属的预设结果等级聚类为多个集合,每个所述集合对应一个预设结果等级;
提取模块,用于针对每个所述集合进行驾驶行为特征提取,确定每个所述预设结果等级的驾驶行为特征,并将所述预设结果等级的驾驶行为特征作为基准驾驶行为。
第三方面,实施例提供一种电子设备,包括存储器、处理器,所述存储器中存储有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前述实施方式任一项所述的方法的步骤。
第四方面,实施例提供一种机器可读存储介质,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现前述实施方式任一项所述的方法的步骤。
本发明实施例提供的一种驾驶行为分析方法和装置,通过将目标驾驶环境(同等驾驶环境)下的多个车辆的历史驾驶行为聚类到历史驾驶结果所属预设结果等级对应的集合中,并对每个集合进行驾驶行为特征提取,将预设结果等级集合对应的驾驶行为特征作为基准驾驶行为,并基于该基准驾驶行为对同样处于目标驾驶环境中的车辆的驾驶行为和驾驶结果进行评价和预测,本发明实施例中提供的驾驶行为分析方式更加科学,预测得到的驾驶结果更加准确。基于客户端用户的根本诉求,分析其驾驶行为对目标维度驾驶结果的影响,才是驾驶行为分析的价值体现。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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。
图1为本发明实施例提供的一种驾驶行为分析方法流程图;
图2为本发明实施例提供的一种驾驶结果预测方法流程图;
图3为本发明实施例提供的一种驾驶行为分析装置的功能模块图;
图4为本发明实施例提供的一种电子设备的硬件架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
驾驶结果一般可包括多个维度,如驾驶安全性、驾驶速度值、驾驶油耗值、驾驶过程中的乘客舒适性以及车辆的磨损等等。其中,速度值、油耗值等结果可从车端获得,但此类车端数据可能存在并不准确的情况,因此,往往通过分析驾驶行为来获得准确的驾驶结果。
一般来说,用户期望通过驾驶行为分析手段获得当前驾驶安全性、驾驶速度、驾驶油耗、乘客舒适性、车辆磨损等维度的情况,进而能够采取相应措施对上述情况进行改善。
而当前的驾驶行为分析一般包括两方面,一方面基于客户端生成的驾驶报告来对驾驶行为进行分析,另一方面基于车端采集的驾驶数据对驾驶行为进行分析。
对于第一方面来说,用户C端可根据车辆的行驶公里数、行驶时速以及行驶目的地对用户的驾驶行为进行分析,或者可根据浏览器B端根据大数据场景下各个用户的C段驾驶行为,分析出当前热门的驾驶目的地、驾驶路线等信息。然而此类信息涉及用户隐私,且对于用户本身各个维度的驾驶情况改进并无意义。
对于第二方面来说,车辆行驶是否安全是以驾驶结果为导向的,即通过是否产生了驾驶事故来判断车辆行驶是否安全。对于用户来说,所有转向动作都是果断的,驾驶速度是快速匀速才是一种优秀的驾驶行为。车辆数据反映的驾驶行为并不一定产生固定的驾驶结果。
如,现有技术中一般将急刹车、急加速、速度较快等驾驶行为认定为不安全,即认为急刹车、急加速等驾驶行为会对车辆产生磨损和费油等负面效果,然而此种说法并不科学。若此时的道路处于陡峭下坡,则相较于产生急刹车的操作,车辆此时无法急刹车对车辆的磨损更大。此外,若进行分析的各个车辆并没有处于同样的驾驶情况下,则该车辆速度较快或较慢是否更加费油或不安全也是不能确定的,如冬天行驶在A道路的1号车与夏天行驶在D道路的2号车不具备共同的分析可比性。因此,现有技术无法通过驾驶行为准确识别出驾驶结果,进而获得对各个驾驶维度的影响情况。
基于此,本发明实施例提供的一种驾驶行为分析方法和装置,以结果为导向,将同等驾驶环境下的车辆驾驶行为进行分析。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种驾驶行为分析方法进行详细介绍,该方法可应用于服务器、PC端等电子设备中。
图1为本发明实施例提供的一种驾驶行为分析方法流程图。
如图1所示,该驾驶行为分析方法,包括以下步骤:
步骤S102,确定目标驾驶环境下的多个车辆的历史驾驶行为和历史驾驶结果;
步骤S104,将多个车辆的历史驾驶行为,按照车辆的历史驾驶结果所属的预设结果等级聚类为多个集合,每个集合对应一个预设结果等级;
步骤S106,针对每个集合进行驾驶行为特征提取,确定每个预设结果等级的驾驶行为特征,并将预设结果等级的驾驶行为特征作为基准驾驶行为。
在实际应用的优选实施例中,通过将目标驾驶环境(同等驾驶环境)下的多个车辆的历史驾驶行为聚类到历史驾驶结果所属预设结果等级对应的集合中,并对每个集合进行驾驶行为特征提取,将预设结果等级集合对应的驾驶行为特征作为基准驾驶行为,并基于该基准驾驶行为对同样处于目标驾驶环境中的车辆的驾驶行为和驾驶结果进行评价和预测,本发明实施例中提供的驾驶行为分析方式更加科学,预测得到的驾驶结果更加准确。基于客户端用户的根本诉求,分析其驾驶行为对目标维度驾驶结果的影响,才是驾驶行为分析的价值体现。
其中,目标驾驶环境为历史车辆都处于同种驾驶环境中,具有相同的影响因素条件,可包括温度、湿度、雾霾可见度、行驶地区、路况、行驶路线,行驶里程等等影响因素条件。如,历史车辆均为在10月1日,Q大街行驶100公里的型号为W的车辆,则可认为具有相同的驾驶环境。这里,影响因素条件的细化程度可决定驾驶行为分析的精细度。
需要说明的是,影响因素条件可通过车端获取或者外部采集数据,如车辆型号、车辆年限、更换部件次数以及外部温度、外部环境等等。这里,外部采集数据同样是影响驾驶分析结果的关键,但外部采集数据的多样化,及以获取难度,只能根据实际条件参与计算。
这里的历史驾驶行为可为一个,也可为多个,可理解为车辆在过去某个时间点、时间段或路程进行的驾驶行为,包括急转弯次数、急加速次数、急刹车次数、急加速次数等行为。如,车辆A在10月1日,每100公里踩刹车的次数。
这里,历史驾驶结果可包括多个维度,如驾驶安全性、驾驶速度值、驾驶油耗值、驾驶过程中的乘客舒适性以及车辆的磨损等等。如,10月1日,在Q大街行驶100公里的型号为W的车辆A的油耗值、速度值等。
在可选的实施方式中,该方法还包括以下步骤:
步骤1.1),确定所述目标驾驶环境下的目标车辆的当前驾驶行为以及当前驾驶结果;
步骤1.2),基于所述当前驾驶结果确定所述目标车辆所属的目标预设结果等级;
步骤1.3),基于所述目标预设结果等级对应的基准驾驶行为对所述当前驾驶行为进行评价。
这里,可通过上述步骤实现对目标车辆当前驾驶行为的评价,确定当前驾驶结果对应的预设结果等级,得知当前驾驶结果等级对应的基准驾驶行为,并利用该基准驾驶行为评价当前车辆的当前驾驶行为存在何种差异,是否还存在哪些弊端,以便用户在驾驶过程中可进行改善。如,目标车辆为10月1日,在Q大街行驶100公里的型号为W的车辆A,与历史车辆属于同种驾驶环境和影响因素,当前驾驶结果为油耗值a,属于第b个预设结果等级中,则将第b个预设结果等级对应的历史驾驶行为作为基准驾驶行为,来评价当前车辆的当前驾驶行为。
作为一种可选的实施例,用户可根据预设结果等级较优集合中对应的基准驾驶行为进行学习,进而改善自身的驾驶行为习惯。
在可选的实施方式中,步骤S104,还包括:
步骤2.1),按照所述车辆的历史驾驶结果进行排序,并根据顺序确定预设结果等级;
步骤2.2),将所述历史驾驶行为按照所述车辆的历史驾驶结果对应的预设结果等级聚类到相应集合中。
其中,预设结果等级为预先设置的驾驶结果的等级划分数量,可根据实际情况进行更改,如,当预设结果等级为10时,则将历史驾驶结果分成10个等级,其中的第一预设结果等级可在驾驶结果中占比前百分之十,第十预设结果等级可在驾驶结果中占比后百分之十。
在可选的实施方式中,上述方法还包括以下步骤,如图2所示:
步骤S202,确定目标驾驶环境下的目标车辆的当前驾驶行为以及当前驾驶结果;
步骤S204,基于当前驾驶行为确定目标车辆所属的目标预设结果等级;
步骤S206,基于目标预设结果等级对当前驾驶结果进行等级预测。
这里,作为本发明实施例的一种根据用户驾驶行为对驾驶结果进行预测的应用。如,目标车辆为10月1日,在Q大街行驶100公里的型号为W的车辆A,与历史车辆属于同种驾驶环境和影响因素,当前驾驶行为可为每百里急转弯次数为d次、速度值为c、驾驶时长为f等,将这些当前驾驶行为与各个预设结果等级对应的历史驾驶行为进行匹配,进而确定出当前车辆对应的预设结果等级,以预测出当前车辆的驾驶结果对应的预设结果等级,即可知晓当前车辆驾驶结果如油耗值a属于哪个等级,大概在历史用户中何种排名。本发明实施例通过将同等影响因素下的当前车辆与历史车辆进行分析,得到准确的行为分析结果,进而获得驾驶行为对各个维度驾驶结果的影响情况。
作为一种可选的实施例,用户可通过预测知晓,当前的驾驶结果在众多用户中属于哪类级别,自身的驾驶行为是否属于优秀,并将预测结果进行社交分享。
在可选的实施方式中,为了保证基准驾驶行为的准确性,以便能够对用户驾驶行为进行精确评价,上述方法还可通过以下步骤实现:
步骤3.1),判断所述当前驾驶结果与所述目标预设结果等级是否一致;
步骤3.2),若不一致,则将所述当前驾驶行为与所述目标预设结果等级对应的集合进行驾驶行为特征提取,重新确定所述目标预设结果等级对应的集合的基准驾驶行为。
需要说明的是,当前车辆的当前驾驶结果具有多种来源,例如,可从车端获得驾驶结果的量化数据,如可采集的方向盘旋转角度、刹车踏板角度和油耗值等等。但此类采集的车端数据可能并不准确,故而需要通过当前驾驶行为对当前驾驶结果进行预测,以获得准确的驾驶结果。
这里,若当前驾驶结果(可从车端采集得到)并不属于通过当前驾驶行为确定的预设结果等级中,此时的基准驾驶行为可能存在误差,故将当前用户的当前驾驶行为对该预设结果等级对应的集合进行干预,重新进行特征提取,以确定新的基准驾驶行为。
在可选的实施方式中,步骤2.1还可用以下步骤进行实现:
步骤2.1.1),获取所述车辆的历史驾驶结果的数据来源;
步骤2.1.2),根据所述数据来源确定所述历史驾驶结果对应的权重比例;
步骤2.1.3),基于所述历史驾驶结果与所述权重比例将所述历史驾驶结果进行排序,并根据顺序确定预设结果等级。
由前述实施例可知,通过采集获取的驾驶结果可能并不准确,这里不同驾驶结果来源的可信度并不相同。因此,将不同来源的驾驶结果与相应来源的权重比例结合,进而对各个历史驾驶结果重新排序,能够确定更加准确的预设结果等级,提高历史驾驶结果预设结果等级的可信度。
在一些优选的实施例中,由于车辆数据本身对于结果的判断不足,所以需要更多的数据来源调整结果的准确度,一般将用户主动填写上报的数据来源认定为可信度最高的。对于安全维度来说,驾驶结果可能包括车端采集的碰撞信号、保险理赔情况、同步4S维保记录以及用户上报事故,其中,用户上报事故(作为准确数据)最为可信,其次是同步4S维保记录(作为有效数据)、保险理赔情况(作为参考数据),最不可信的是车端采集的碰撞信号(作为基础数据)。可根据驾驶结果相应的来源可靠性分配权重比例,如准确数据的权重比例为百分之百,基础数据的权重比例为百分之二十五等等,具体的权重比例可根据实际情况进行调整。
这里,驾驶结果可来自车端采集,也可通过云平台获取。
在可选的实施方式中,步骤S106,包括:
步骤4.1),可根据特征提取算法确定每个所述集合中历史驾驶行为的单位数据,该特征提取算法包括平均数计算方法、中位数计算方法和正态分布计算方法。
这里,历史驾驶行为的单位数据为将集合中各个历史驾驶行为经过特征提取算法后得到的数值,如此时特征提取算法采用平均数计算方法,则此时的历史驾驶行为的单位数据为历史驾驶行为的均值,如每100公里急转弯p次。
需要说明的是,特征提取算法的选择可根据执行本发明实施例的电子设备的运行资源、参与计算的车辆、驾驶行为的数量、复杂度、计算量以及准确度要求来决定。较为丰富的驾驶行为计算项、较为复杂的特征提取算法如正态分布计算方法会使得特征提取的计算精度更高,但受电子设备运行资源的限制,可根据实际情况选择合适的特征提取方法。
作为一种可选的实施例,本发明实施例提供的驾驶分析方法除了前述车端用户视角的应用外,还可应用于生产车辆的车厂,即车厂可根据预设得到的用户驾驶结果,知晓哪类人具有哪些不良驾驶行为,并对车辆进行相应改进,当此类用户选购该车,可产生较为优良的驾驶结果。此外,还可根据不同用户客群的驾驶风格生成相应类型的车辆。
作为另一种可选的实施例,本发明实施例提供的驾驶分析方法还可用于保险公司视角的应用,即保险公司可根据用户驾驶结果中出险情况识别风险用户或者,根据用户的驾驶行为识别哪类用户属于高风险用户,提高相应高风险、容易出险用户的保费,以保证保险公司的利益。
如图3所示,本发明实施例还提供一种驾驶行为分析装置300,包括:
确定模块301,用于确定目标驾驶环境下的多个车辆的历史驾驶行为和历史驾驶结果;
聚类模块302,用于将所述多个车辆的历史驾驶行为,按照所述车辆的历史驾驶结果所属的预设结果等级聚类为多个集合,每个所述集合对应一个预设结果等级;
提取模块303,用于针对每个所述集合进行驾驶行为特征提取,确定每个所述预设结果等级的驾驶行为特征,并将所述预设结果等级的驾驶行为特征作为基准驾驶行为。
在可选的实施方式中,所述装置还包括评价模块,用于确定所述目标驾驶环境下的目标车辆的当前驾驶行为以及当前驾驶结果;基于所述当前驾驶结果确定所述目标车辆所属的目标预设结果等级;基于所述目标预设结果等级对应的基准驾驶行为对所述当前驾驶行为进行评价。
在可选的实施方式中,所述装置还包括预测模块,用于确定所述目标驾驶环境下的目标车辆的当前驾驶行为以及当前驾驶结果;基于所述当前驾驶行为确定所述目标车辆所属的目标预设结果等级;基于所述目标预设结果等级对所述当前驾驶结果进行等级预测。
在可选的实施方式中,所述装置还包括更新模块,用于判断所述当前驾驶结果与所述目标预设结果等级是否一致;若不一致,则将所述当前驾驶行为与所述目标预设结果等级对应的集合进行驾驶行为特征提取,重新确定所述目标预设结果等级对应的集合的基准驾驶行为。
在可选的实施方式中,该聚类模块还具体用于按照所述车辆的历史驾驶结果进行排序,并根据顺序确定预设结果等级;将所述历史驾驶行为按照所述车辆的历史驾驶结果对应的预设结果等级聚类到相应集合中。
在可选的实施方式中,该聚类模块还具体用于获取所述车辆的历史驾驶结果的数据来源;根据所述数据来源确定所述历史驾驶结果对应的权重比例;基于所述历史驾驶结果与所述权重比例将所述历史驾驶结果进行排序,并根据顺序确定预设结果等级。
在可选的实施方式中,该提取模块还具体用于可根据特征提取算法确定每个所述集合中历史驾驶行为的单位数据,所述特征提取算法包括平均数计算方法、中位数计算方法和正态分布计算方法。
图4为本发明实施例提供的电子设备400的硬件架构示意图。参见图4所示,该电子设备包括:机器可读存储介质401和处理器402,还可以包括非易失性存储介质403、通信接口404和总线405;其中,机器可读存储介质401、处理器402、非易失性存储介质403和通信接口404通过总线405完成相互间的通信。处理器402通过读取并执行机器可读存储介质401中驾驶行为分析的机器可执行指令,可执行上文实施例描述驾驶行为分析方法。
本文中提到的机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
非易失性介质可以是非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、dvd等),或者类似的非易失性存储介质,或者它们的组合。
可以理解的是,本实施例中的各功能模块的具体操作方法可参照上述方法实施例中相应步骤的详细描述,在此不再重复赘述。
本发明实施例所提供计算机可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序代码被执行时可实现上述任一实施例所述的驾驶行为分析方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种驾驶行为分析方法,其特征在于,包括:
确定目标驾驶环境下的多个车辆的历史驾驶行为和历史驾驶结果;
将所述多个车辆的历史驾驶行为,按照所述车辆的历史驾驶结果所属的预设结果等级聚类为多个集合,每个所述集合对应一个预设结果等级;
针对每个所述集合进行驾驶行为特征提取,确定每个所述预设结果等级的驾驶行为特征,并将所述预设结果等级的驾驶行为特征作为基准驾驶行为。
2.根据权利要求1所述的方法,其特征在于,还包括:
确定所述目标驾驶环境下的目标车辆的当前驾驶行为以及当前驾驶结果;
基于所述当前驾驶结果确定所述目标车辆所属的目标预设结果等级;
基于所述目标预设结果等级对应的基准驾驶行为对所述当前驾驶行为进行评价。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述目标驾驶环境下的目标车辆的当前驾驶行为以及当前驾驶结果;
基于所述当前驾驶行为确定所述目标车辆所属的目标预设结果等级;
基于所述目标预设结果等级对所述当前驾驶结果进行等级预测。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
判断所述当前驾驶结果与所述目标预设结果等级是否一致;
若不一致,则将所述当前驾驶行为与所述目标预设结果等级对应的集合进行驾驶行为特征提取,重新确定所述目标预设结果等级对应的集合的基准驾驶行为。
5.根据权利要求1所述的方法,其特征在于,将所述多个车辆的历史驾驶行为,按照所述车辆的历史驾驶结果所属的预设结果等级聚类为多个集合的步骤,还包括:
按照所述车辆的历史驾驶结果进行排序,并根据顺序确定预设结果等级;
将所述历史驾驶行为按照所述车辆的历史驾驶结果对应的预设结果等级聚类到相应集合中。
6.根据权利要求5所述的方法,其特征在于,按照所述车辆的历史驾驶结果进行排序,并根据顺序确定出预设结果等级的步骤,包括:
获取所述车辆的历史驾驶结果的数据来源;
根据所述数据来源确定所述历史驾驶结果对应的权重比例;
基于所述历史驾驶结果与所述权重比例将所述历史驾驶结果进行排序,并根据顺序确定预设结果等级。
7.根据权利要求1所述的方法,其特征在于,针对每个所述集合进行驾驶行为特征提取,确定每个所述预设结果等级的驾驶行为特征的步骤,包括:
可根据特征提取算法确定每个所述集合中历史驾驶行为的单位数据,所述特征提取算法包括平均数计算方法、中位数计算方法和正态分布计算方法。
8.一种驾驶行为分析装置,其特征在于,包括:
确定模块,用于确定目标驾驶环境下的多个车辆的历史驾驶行为和历史驾驶结果;
聚类模块,用于将所述多个车辆的历史驾驶行为,按照所述车辆的历史驾驶结果所属的预设结果等级聚类为多个集合,每个所述集合对应一个预设结果等级;
提取模块,用于针对每个所述集合进行驾驶行为特征提取,确定每个所述预设结果等级的驾驶行为特征,并将所述预设结果等级的驾驶行为特征作为基准驾驶行为。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010551851.0A CN111688713B (zh) | 2020-06-16 | 2020-06-16 | 驾驶行为分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010551851.0A CN111688713B (zh) | 2020-06-16 | 2020-06-16 | 驾驶行为分析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111688713A true CN111688713A (zh) | 2020-09-22 |
CN111688713B CN111688713B (zh) | 2021-10-22 |
Family
ID=72481374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010551851.0A Active CN111688713B (zh) | 2020-06-16 | 2020-06-16 | 驾驶行为分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111688713B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668523A (zh) * | 2020-12-31 | 2021-04-16 | 深圳云天励飞技术股份有限公司 | 车辆行驶异常检测方法、装置、电子设备及存储介质 |
CN113428164A (zh) * | 2021-07-21 | 2021-09-24 | 上汽通用五菱汽车股份有限公司 | 驾驶习惯学习方法、装置及计算机可读存储介质 |
CN113460061A (zh) * | 2021-07-08 | 2021-10-01 | 武汉光庭信息技术股份有限公司 | 一种驾驶行为分析方法及系统 |
CN113487882A (zh) * | 2021-06-16 | 2021-10-08 | 东风柳州汽车有限公司 | 行车警示方法、装置、设备及存储介质 |
CN114426025A (zh) * | 2022-03-17 | 2022-05-03 | 一汽解放汽车有限公司 | 驾驶辅助方法、装置、计算机设备和存储介质 |
CN114842571A (zh) * | 2021-02-02 | 2022-08-02 | 深圳市易流科技股份有限公司 | 一种驾驶行为数据的确定方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103562978A (zh) * | 2011-05-16 | 2014-02-05 | 丰田自动车株式会社 | 车辆数据分析方法和车辆数据分析系统 |
CN105774810A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 车辆驾驶行为处理方法和装置 |
US20180129204A1 (en) * | 2016-11-07 | 2018-05-10 | NextEv USA, Inc. | Method and system for behavioral sharing in autonomous vehicles |
CN108431837A (zh) * | 2015-12-15 | 2018-08-21 | 格瑞特坦有限责任公司 | 用于评价驾驶员的行程性能的方法和系统 |
US20200130826A1 (en) * | 2018-10-24 | 2020-04-30 | Here Global B.V. | Traffic control system, controller and method for directing vehicle behavior at a defined spatial location |
-
2020
- 2020-06-16 CN CN202010551851.0A patent/CN111688713B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103562978A (zh) * | 2011-05-16 | 2014-02-05 | 丰田自动车株式会社 | 车辆数据分析方法和车辆数据分析系统 |
CN105774810A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 车辆驾驶行为处理方法和装置 |
CN108431837A (zh) * | 2015-12-15 | 2018-08-21 | 格瑞特坦有限责任公司 | 用于评价驾驶员的行程性能的方法和系统 |
US20180129204A1 (en) * | 2016-11-07 | 2018-05-10 | NextEv USA, Inc. | Method and system for behavioral sharing in autonomous vehicles |
US20200130826A1 (en) * | 2018-10-24 | 2020-04-30 | Here Global B.V. | Traffic control system, controller and method for directing vehicle behavior at a defined spatial location |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668523A (zh) * | 2020-12-31 | 2021-04-16 | 深圳云天励飞技术股份有限公司 | 车辆行驶异常检测方法、装置、电子设备及存储介质 |
CN114842571A (zh) * | 2021-02-02 | 2022-08-02 | 深圳市易流科技股份有限公司 | 一种驾驶行为数据的确定方法及装置 |
CN113487882A (zh) * | 2021-06-16 | 2021-10-08 | 东风柳州汽车有限公司 | 行车警示方法、装置、设备及存储介质 |
CN113460061A (zh) * | 2021-07-08 | 2021-10-01 | 武汉光庭信息技术股份有限公司 | 一种驾驶行为分析方法及系统 |
CN113460061B (zh) * | 2021-07-08 | 2022-05-31 | 武汉光庭信息技术股份有限公司 | 一种驾驶行为分析方法及系统 |
CN113428164A (zh) * | 2021-07-21 | 2021-09-24 | 上汽通用五菱汽车股份有限公司 | 驾驶习惯学习方法、装置及计算机可读存储介质 |
CN113428164B (zh) * | 2021-07-21 | 2023-01-03 | 上汽通用五菱汽车股份有限公司 | 驾驶习惯学习方法、装置及计算机可读存储介质 |
CN114426025A (zh) * | 2022-03-17 | 2022-05-03 | 一汽解放汽车有限公司 | 驾驶辅助方法、装置、计算机设备和存储介质 |
CN114426025B (zh) * | 2022-03-17 | 2023-11-14 | 一汽解放汽车有限公司 | 驾驶辅助方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111688713B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111688713B (zh) | 驾驶行为分析方法和装置 | |
CN109118055B (zh) | 一种驾驶行为评分方法及装置 | |
Chen et al. | A graphical modeling method for individual driving behavior and its application in driving safety analysis using GPS data | |
US9650052B2 (en) | Driving diagnosis method and driving diagnosis apparatus | |
US11407410B2 (en) | Method and system for estimating an accident risk of an autonomous vehicle | |
CN109117869B (zh) | 用户画像方法、介质及系统 | |
WO2020107894A1 (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
CN111461185A (zh) | 一种基于改进K-means的驾驶行为分析方法 | |
CN106650157B (zh) | 车辆零部件故障发生概率估算方法、装置及系统 | |
CN109635852B (zh) | 一种基于多维属性的用户画像构建与聚类方法 | |
KR20140031435A (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
JP7377154B2 (ja) | 路面性状判定装置 | |
CN110969844A (zh) | 一种基于行车数据计算驾驶行为相似度的方法及应用 | |
EP3578433B1 (en) | Method for estimating an accident risk of an autonomous vehicle | |
CN110909907A (zh) | 卡车的油耗预测方法、装置及存储介质 | |
Suzdaleva et al. | Two-layer pointer model of driving style depending on the driving environment | |
CN115423035A (zh) | 基于特征变量评分的用户画像生成方法,设备、汽车及存储介质 | |
CN111723835A (zh) | 车辆移动轨迹区分方法、装置和电子设备 | |
CN113657432A (zh) | 一种基于车联网数据的商用车驾驶行为风险等级辨识方法 | |
CN111027859B (zh) | 基于机动车状态监控数据挖掘的驾驶风险防范方法及系统 | |
Yarlagadda et al. | Heterogeneity in the driver behavior: an exploratory study using real-time driving data | |
Watanabe et al. | A method for the estimation of coexisting risk-inducing factors in traffic scenarios | |
CN113761715B (zh) | 一种基于高斯混合和隐马尔可夫的个性化车辆跟驰模型的建立方法 | |
CN116386316A (zh) | 交通风险的预测方法和装置、电子设备及存储介质 | |
CN108459996B (zh) | 一种基于有监督学习的用户行程挖掘方法和装置 |
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 |