CN111724599A - 安全驾驶行为评价数据的获取方法、装置、设备和介质 - Google Patents
安全驾驶行为评价数据的获取方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111724599A CN111724599A CN202010610152.9A CN202010610152A CN111724599A CN 111724599 A CN111724599 A CN 111724599A CN 202010610152 A CN202010610152 A CN 202010610152A CN 111724599 A CN111724599 A CN 111724599A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- acceleration
- data
- coordinate
- coordinate data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000011156 evaluation Methods 0.000 title claims abstract description 51
- 230000001133 acceleration Effects 0.000 claims abstract description 116
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000002203 pretreatment Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种安全驾驶行为评价数据的获取方法、装置、设备及介质,其中,该安全驾驶行为评价数据的获取方法包括:获取驾驶过程的车辆行驶状态信息;将车辆行驶状态信息输入预设地图中,生成车辆线路图;在车辆线路图中跟踪车辆,获得车辆的至少一个第一行驶路径;在每一个第一行驶路径中测量车辆的速度信息,从速度信息中提取用于评价安全驾驶行为的评价数据;解决了相关技术中车辆安全驾驶评判检测不够全面,易产生安全事故的问题,实现了通过对车辆行驶过程中的加速度进行分析,得到车辆加速度集中段的分布情况,进而获知车辆行驶是否存在安全事故的风险。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及安全驾驶行为评价数据的获取方法、装置、计算机设备和计算机可读存储介质。
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。当前道路运输行业等相关部门利用车联网等系统数据,开展道路运输过程安全管理的数据分析,以提高运输安全管理水平和运输效率。
车辆在进行运输过程,往往会因驾驶人员的不同驾驶行为而对行车安全、运输效率产生影响,例如:因为疲劳驾驶、超速、酒驾而造成的行车事故。如何对行车安全作为安全指引,是现有车辆网系统和道路运输相关部分长期以来着重考虑的问题。现有车联网通过电子侦测车辆在运输过程中是否存在违法行为、行驶的车辆的车况来研判车辆是否安全驾驶。
上述技术手段虽然在一定程度上能检测出驾驶安全的问题,但是上述技术方案在检测是否安全驾驶时未考虑车辆行驶路况、气候以及驾驶员生理状况的变化对驾驶员驾驶操作的影响,使的判断为安全驾驶的车辆依然存在驾驶安全的隐患。
目前针对相关技术中车辆安全驾驶评判检测不够全面,易产生安全事故的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种安全驾驶行为评价数据的获取方法、计算机设备和介质,以至少解决相关技术中车辆安全驾驶评判检测不够全面,易产生安全事故的问题。
第一方面,本申请实施例提供了一种安全驾驶行为评价数据的获取方法,包括:获取驾驶过程的车辆行驶状态信息;将所述车辆行驶状态信息输入预设地图中,生成车辆线路图;在所述车辆线路图中跟踪所述车辆,获得所述车辆的至少一个第一行驶路径; 在每一个所述第一行驶路径中测量所述车辆的速度信息,从所述速度信息中提取用于评价安全驾驶行为的评价数据。
在其中一些实施例中,所述车辆行驶状态信息至少包括车辆位置经纬度,将所述车辆行驶状态信息输入预设地图中,生成车辆线路图包括:
对所述车辆位置经纬度进行预处理,将预处理后的所述车辆位置经纬度转换为第一坐标数据并输入所述预设地图中,得到所述车辆线路图;其中,所述预处理包括以下至少之一:数据清理、数据集成、数据规约,所述第一坐标数据为所述预设地图对应的坐标体系内的坐标点。
在其中一些实施例中,所述坐标数据包括多个坐标点的第一经纬度,在将预处理后的所述车辆位置经纬度转换为坐标数据之后,所述方法还包括:
获取预设时间内相邻两个坐标点的所述第一经纬度,得到所述相邻两个坐标点的经纬度变化值;
判断所述经纬度变化值是否大于预设阈值,并在判断到所述经纬度变化值大于预设阈值的情况下,删除所述相邻两个坐标点。
在其中一些实施例中,在所述车辆线路图中跟踪所述车辆,获得所述车辆的至少一个第一行驶路径包括:
在所述车辆线路图中以第一预设时长为间隔对所述车辆进行跟踪,并得到至少一组第二坐标数据,其中,每一组所述第二坐标数据包括每一所述第一预设时长内的所述第一坐标数据;
根据所述至少一组第二坐标数据确定所述至少一个第一行驶路径。
在其中一些实施例中,所述第一行驶路径包括第一行驶时间,所述速度信息包括平均速度、加速度信息,在每一个所述第一行驶路径中测量所述车辆的速度信息:
将第三坐标数据和第四坐标数据进行直角坐标数据转换,并根据转换后的直角坐标数据确定所述第一行驶路径对应的行驶里程,其中,所述第三坐标数据和所述第四坐标数据分别为每一个所述第一行驶路径的起始位置和终点位置对应的所述第一坐标数据;
根据所述行驶里程和所述第一行驶时间计算所述车辆在所述第一行驶路径内的所述平均速度,并确定所述车辆在每一所述第一坐标数据对应的所述坐标点处的所述加速度信息。
在其中一些实施例中,所述加速度信息包括第一加速度和坐标点时间,从所述速度信息中提取用于评价安全驾驶行为的评价数据包括:
提取每一个所述第一行驶路径内的所述第一加速度;
利用密度聚类算法对所述第一加速度进行聚类,得到多个预选加速度簇;
在每一个所述预选加速度簇对应的所述第一加速度中检测出大于预设加速度阈值的第二加速度,其中,所述预设加速度阈值为每一个所述预选加速度簇的中心的所述第一加速度;
判断每一个所述预选加速度簇内所述第二加速度的数目是否大于预设阈值并在判断所述第二加速度的数目大于预设阈值的情况下,确定所述预选加速簇对应的所述第一行驶路径为所述车辆的加速度集中段,其中,所述评价数据包括所述加速度集中段。
在其中一些实施例中,利用密度聚类算法对所述第一加速度进行聚类,得到多个预选加速度簇包括:利用DBSCAN算法对所述第一加速度进行聚类,得到所述多个预选加速度簇。
第二方面,本申请实施例提供了一种安全驾驶行为评价数据的获取装置,包括:
获取模块,用于获取驾驶过程的车辆行驶状态信息;
生成模块,用于将所述车辆行驶状态信息输入预设地图中,生成车辆线路图;
跟踪模块,用于在所述车辆线路图中跟踪所述车辆,获得所述车辆的至少一个第一行驶路径;
处理模块,用于在每一个所述第一行驶路径中测量所述车辆的速度信息,从所述速度信息中提取用于评价安全驾驶行为的评价数据。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上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如上述第一方面所述的安全驾驶行为评价数据的获取方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的安全驾驶行为评价数据的获取方法。
相比于相关技术,本申请实施例提供的安全驾驶行为评价数据的获取方法、装置、计算机设备和计算机可读存储介质,通过获取驾驶过程的车辆行驶状态信息;将车辆行驶状态信息输入预设地图中,生成车辆线路图;在车辆线路图中跟踪车辆,获得车辆的至少一个第一行驶路径;在每一个第一行驶路径中测量车辆的速度信息,从速度信息中提取用于评价安全驾驶行为的评价数据,解决了相关技术中车辆安全驾驶评判检测不够全面,易产生安全事故的问题,实现了通过对车辆行驶过程中的加速度进行分析,得到车辆加速度集中段的分布情况,进而获知车辆行驶是否存在安全事故的风险。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的安全驾驶行为评价数据的获取方法的流程图;
图2是根据本申请实施例的安全驾驶行为评价数据的获取装置的结构图;
图3是本实施例的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本实施例提供了一种安全驾驶行为评价数据的获取方法。图1是根据本申请实施例的安全驾驶行为评价数据的获取方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,获取驾驶过程的车辆行驶状态信息。
在本实施例中,采用连接车辆网的传感器对行驶车辆的各种行驶状态信息进行采集,其中,行驶状态信息包括方向角、经纬度、点火/熄火状态,手刹脚刹情况、GPS速度和GPS里程。
步骤S102,将车辆行驶状态信息输入预设地图中,生成车辆线路图。
在本实施例中,先将上述车辆行驶状态信息进行预处理,然后导入预选定的预设地图的应用程序包(APK)中,在预设地图中生成车辆线路图,同时,生成车辆线路图主要为车辆行驶过程中的行经的点转换为预设地图坐标体系上的点(经纬度数据)而构造出的线路图。
步骤S103,在车辆线路图中跟踪车辆,获得车辆的至少一个第一行驶路径。
本实施例中,第一行驶路径使用每隔预设时长实时跟踪的方法表示,通过将车辆线路图按预设时长的方式分割为多个第一车辆线路图,也就是第一行驶路径,每一个第一行驶路径的跟踪时间是一样的,但车辆在每一第一行驶路径中的行驶时间是不一样的,也就是每一第一行驶路径的长度也不一样。同时,因为每一个第一行驶路径的长度不一样,表明车辆在行驶过程中的速度、加/减速,加速度不一样,对应的车辆行驶状态也不一样,不同第一行驶路径表征速度信息和驾驶行为不同,并通过不同的速度信息反应车辆是否安全驾驶。
步骤S104,在每一个第一行驶路径中测量车辆的速度信息,从速度信息中提取用于评价安全驾驶行为的评价数据。
在本实施例中,提取的用于评价安全驾驶行为的评价数据包括加速度集中时间段,通过加速度集中段描述车辆的速度和加速度情况,进而知晓车辆行驶存在安全事故的风险和危险系数是否很高。
通过上述步骤S101至步骤S104,采用获取驾驶过程的车辆行驶状态信息;其次,将车辆行驶状态信息输入预设地图中,生成车辆线路图;在车辆线路图中跟踪车辆,获得车辆的至少一个第一行驶路径;最后,在每一个第一行驶路径中测量车辆的速度信息,从速度信息中提取用于评价安全驾驶行为的评价数据,解决了相关技术中车辆安全驾驶评判检测不够全面,易产生安全事故的问题,实现了通过对车辆行驶过程中的加速度进行分析,得到车辆加速度集中段的分布情况,进而获知车辆行驶是否存在安全事故的风险。
在其中一些实施例中,车辆行驶状态信息至少包括车辆位置经纬度,将车辆行驶状态信息输入预设地图中,生成车辆线路图包括如下步骤:
对车辆位置经纬度进行预处理,将预处理后的车辆位置经纬度转换为第一坐标数据并输入预设地图中,得到车辆线路图;其中,预处理包括以下至少之一:数据清理、数据集成、数据规约,第一坐标数据为预设地图对应的坐标体系内的坐标点。
需要说明的是,预处理的数据清理、数据集成和数据规律包括以下处理:对车辆行驶的缺失值数据进行预测、对超范围的数据进行删除、对预测数据的合理性校验以及用平均值或中位数替换异常坐标点。
在其中一些实施例中,坐标数据包括多个坐标点的第一经纬度,在将预处理后的车辆位置经纬度转换为坐标数据之后,还实施如下步骤:
步骤S21,获取预设时间内相邻两个坐标点的第一经纬度,得到相邻两个坐标点的经纬度变化值。
在本实施例中,经纬度变化值是车辆行驶状态信息采集间隔时间(设定为1秒)内,车辆行驶的位置对于的地球经纬度信息转换对于预设地图的经纬度后的经度和纬度的变化值。
步骤S22,判断经纬度变化值是否大于预设阈值,并在判断到经纬度变化值大于预设阈值的情况下,删除相邻两个坐标点。
在本实施例中,判断经纬度变化值大小的预设阀值设置为0.2,如此设置的目的在于,当其中一些相邻的坐标点的经纬度变化超过了0.2,车辆行驶过程中属于不可能发生的行为,故需要将这些点剔除,从而使生成的车辆线路图更精准。
在其中一些实施例中,在车辆线路图中跟踪车辆,获得车辆的至少一个第一行驶路径包括如下步骤:
步骤31,在车辆线路图中以第一预设时长为间隔对车辆进行跟踪,并得到至少一组第二坐标数据,其中,每一组第二坐标数据包括每一第一预设时长内的第一坐标数据。
在本实施例中,基于疲劳驾驶的时间限度,第一预设时长可设定为2至4小时,但当将第一预设时长设置为2至4小时之间时,当车辆有一部分时间处于停止行驶状态,车辆的平均速度也处于一定的范围内,该一定的范围是指车辆一直处于行驶状态和有一部分时间处于停止行驶状态的平均速度差值较小,计算的速度信息误差较大,描述车辆加减速情况的效果也会被稀释;故,为了剔除车辆停滞的时间,第一预设时长设定为一小时,也就是以一小时为时间间隔而对车辆进行跟踪,并获取该一小时内的一组第二坐标数据;当然,第一预设时长还可以根据需求设置为半小时、15min。
步骤S32,根据至少一组第二坐标数据确定至少一个第一行驶路径。
在本实施例中,根据一组第二坐标数据确定一个第一行驶路径,可以通过一组第二坐标数据在预设地图中生成线路图的方式生成一个第一行驶路径,或者根据一组第二坐标数据中的与第一预设时长起始时刻和结束时刻的第二坐标数据在车辆线路图中确定出第一行驶路径,确定出的第一行驶路径用于描述车辆的速度和加速度情况。
通过步骤S31至步骤S32,实现了按预设时长对车辆的行驶时间进行分段并得到多个与分段时间对于的第一行驶路径,每一个第一行驶路径能用于对车辆的速度和加速度的情况进行描述。
在其中一些实施例中,第一行驶路径包括第一行驶时间,速度信息包括平均速度、加速度信息,在每一个第一行驶路径中测量车辆的速度信息包括如下步骤:
步骤S41,将第三坐标数据和第四坐标数据进行直角坐标数据转换,并根据转换后的直角坐标数据确定第一行驶路径对应的行驶里程,其中,第三坐标数据和第四坐标数据分别为每一个第一行驶路径的起始位置和终点位置对应的第一坐标数据。
在本实施例中,通过第一行驶路径的起始位置和终点位置而确定每一第一行驶路径对应的车辆的行驶里程,根据该行驶里程,可计算出车辆在每一个第一行驶路径内的平均速度。
步骤S42,根据行驶里程和第一行驶时间计算车辆在第一行驶路径内的平均速度,并确定车辆在每一第一坐标数据对应的坐标点处的加速度信息。
在本实施例中,计算平均速度时,通过将第三坐标数据和第四坐标数据进行直角坐标数据转换并确定出行驶里程后,通过位移公式计算车辆的速度,也就是根据行驶里程与第一行驶时间求得的速度,第一行驶时间是每一个第一行驶路径的起始位置和终点位置对应的第一坐标数据的时间点差值,每一第一坐标数据均携带有时间点,而且,每一时间点和采集与第一坐标数据对应的车辆状态信息的时间点对应,例如:采集与起始位置对应的车辆状态信息的时间点为10点5分50秒,在将车辆状态信息转换为坐标数据并输入至预设地图后,该车辆状态信息对应于预设地图中的第一坐标数据的时间点依旧为10点5分50秒;在计算出平均速度后,利用运动学公式计算每一第一坐标数据对应的坐标点处的加速度信息,该加速度信息为瞬时加速度。
需要说明的是,车辆状态信息中有GPS速度,且车辆状态信息采集的间隔预设为1秒,理论上来说,车辆状态信息中的GPS速度与通过经纬度换算的车辆的速度是一致的,但由于车载传感器存在误差,因此,GPS速度与通过经纬度换算的车辆的速度存在一定误差,为减少该误差,通过将GPS速度与上述计算的车辆速度进行加权得到每一第一行驶路径的平均速度,同时,通过该平均速度并利用运动学公式计算出加速度。
在其中一些实施例中,加速度信息包括第一加速度和坐标点时间,从速度信息中提取用于评价安全驾驶行为的评价数据包括如下步骤:
步骤S51,提取每一个所述第一行驶路径内的所述第一加速度。
步骤S52,利用密度聚类算法对第一加速度进行聚类,得到多个预选加速度簇。
步骤S53,在每一个预选加速度簇对应的第一加速度中检测出大于预设加速度阈值的第二加速度,其中,预设加速度阈值为每一个预选加速度簇的中心的第一加速度。
步骤S54,判断每一个预选加速度簇内第二加速度的数目是否大于预设阈值并在判断第二加速度的数目大于预设阈值的情况下,确定预选加速簇对应的第一行驶路径为车辆的加速度集中段,其中,评价数据包括所述加速度集中段。
在本实施例中,加速度集中段中有较大部分的加速度和速度均大于预设阈值,通过该加速度集中段来衡量和判断运算车辆的加减速情况。
通过上述步骤S51至步骤S54,实现了在第一行驶路径中筛选出车辆行驶的加速度集中段,进而完成对评价安全驾驶行驶的评价数据的获取。
在其中一些实施例中,步骤S52中的利用密度聚类算法对所述第一加速度进行聚类,得到多个预选加速度簇通过如下步骤实现:利用DBSCAN算法对所述第一加速度进行聚类,得到所述多个预选加速度簇。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种安全驾驶行为评价数据的获取装置,该获取装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的获取装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图2是根据本申请实施例的安全驾驶行为评价数据的获取装置的结构图,如图2所示,该获取装置包括:
获取模块21,用于获取驾驶过程的车辆行驶状态信息。
生成模块22,与获取模块22耦合连接,用于将车辆行驶状态信息输入预设地图中,生成车辆线路图。
跟踪模块23,与生成模块22耦合连接,用于在车辆线路图中跟踪车辆,获得车辆的至少一个第一行驶路径。
处理模块24,与跟踪模块23耦合连接,用于在每一个所述第一行驶路径中测量所述车辆的速度信息,从所述速度信息中提取用于评价安全驾驶行为的评价数据。
在其中一些实施例中,车辆行驶状态信息至少包括车辆位置经纬度,目标检测模块52用于从图像帧序列的每一个图像帧中分割出与听课区域对应的第一图像区域和与授课区域对应的第二图像区域;从第一图像区域和第二图像区域中分别检测并跟踪人物目标,并确定从第一图像区域中检测并跟踪的人物目标为学生目标,确定从第二图像区域中检测并跟踪到的人物目标为教师目标。
在其中一些实施例中,跟踪信息包括位置信息,生成模块22用于对车辆位置经纬度进行预处理,将预处理后的车辆位置经纬度转换为第一坐标数据并输入预设地图中,得到车辆线路图;其中,预处理包括以下至少之一:数据清理、数据集成、数据规约,第一坐标数据为预设地图对应的坐标体系内的坐标点。
在其中一些实施例中,坐标数据包括多个坐标点的第一经纬度,生成模块22在将预处理后的车辆位置经纬度转换为坐标数据之后还用于获取预设时间内相邻两个坐标点的所述第一经纬度,得到相邻两个坐标点的经纬度变化值;判断经纬度变化值是否大于预设阈值,并在判断到经纬度变化值大于预设阈值的情况下,删除相邻两个坐标点。
在其中一些实施例中,跟踪模块23用于在车辆线路图中以第一预设时长为间隔对车辆进行跟踪,并得到至少一组第二坐标数据,其中,每一组第二坐标数据包括每一第一预设时长内的第一坐标数据; 根据至少一组第二坐标数据确定至少一个第一行驶路径。
在其中一些实施例中,第一行驶路径包括第一行驶时间,速度信息包括平均速度、加速度信息,处理模块24用于将第三坐标数据和第四坐标数据进行直角坐标数据转换,并根据转换后的直角坐标数据确定第一行驶路径对应的行驶里程,其中,第三坐标数据和第四坐标数据分别为每一个第一行驶路径的起始位置和终点位置对应的第一坐标数据;根据行驶里程和第一行驶时间计算车辆在第一行驶路径内的平均速度,并确定车辆在每一第一坐标数据对应的坐标点处的加速度信息。
在其中一些实施例中,加速度信息包括第一加速度和坐标点时间,处理模块24还用于提取每一个第一行驶路径内的第一加速度;利用密度聚类算法对第一加速度进行聚类,得到多个预选加速度簇;在每一个预选加速度簇对应的第一加速度中检测出大于预设加速度阈值的第二加速度,其中,预设加速度阈值为每一个预选加速度簇的中心的第一加速度;判断每一个预选加速度簇内第二加速度的数目是否大于预设阈值并在判断第二加速度的数目大于预设阈值的情况下,确定预选加速簇对应的第一行驶路径为车辆的加速度集中段,其中,评价数据包括加速度集中段。
在其中一些实施例中,处理模块24还用于利用DBSCAN算法对第一加速度进行聚类,得到多个预选加速度簇。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外,结合图1描述的本申请实施例安全驾驶行为评价数据的获取方法可以由计算机设备来实现。图3为根据本申请实施例的计算机设备的硬件结构示意图。
计算机设备可以包括处理器31以及存储有计算机程序指令的存储器32。
具体地,上述处理器31可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器32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32可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为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32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32可在数据处理装置的内部或外部。在特定实施例中,存储器32是非易失性(Non-Volatile)存储器。在特定实施例中,存储器32包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器32可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器31所执行的可能的计算机程序指令。
处理器31通过读取并执行存储器32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安全驾驶行为评价数据的获取方法。
在其中一些实施例中,计算机设备还可包括通信接口33和总线30。其中,如图3所示,处理器31、存储器32、通信接口33通过总线30连接并完成相互间的通信。
通信接口33用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口33还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线30包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线30包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线30可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为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30可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到的车辆行驶状态信息,执行本申请实施例中的安全驾驶行为评价数据的获取方法,从而实现结合图1描述的安全驾驶行为评价数据的获取方法。
另外,结合上述实施例中的安全驾驶行为评价数据的获取方法,本申请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安全驾驶行为评价数据的获取方法。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种安全驾驶行为评价数据的获取方法,其特征在于,包括:
获取驾驶过程的车辆行驶状态信息;
将所述车辆行驶状态信息输入预设地图中,生成车辆线路图;
在所述车辆线路图中跟踪所述车辆,获得所述车辆的至少一个第一行驶路径;
在每一个所述第一行驶路径中测量所述车辆的速度信息,从所述速度信息中提取用于评价安全驾驶行为的评价数据。
2.根据权利要求1所述的安全驾驶行为评价数据的获取方法,其特征在于,所述车辆行驶状态信息至少包括车辆位置经纬度,将所述车辆行驶状态信息输入预设地图中,生成车辆线路图包括:
对所述车辆位置经纬度进行预处理,将预处理后的所述车辆位置经纬度转换为第一坐标数据并输入所述预设地图中,得到所述车辆线路图;其中,所述预处理包括以下至少之一:数据清理、数据集成、数据规约,所述第一坐标数据为所述预设地图对应的坐标体系内的坐标点。
3.根据权利要求2所述的安全驾驶行为评价数据的获取方法,其特征在于,所述坐标数据包括多个坐标点的第一经纬度,在将预处理后的所述车辆位置经纬度转换为坐标数据之后,所述方法还包括:
获取预设时间内相邻两个坐标点的所述第一经纬度,得到所述相邻两个坐标点的经纬度变化值;
判断所述经纬度变化值是否大于预设阈值,并在判断到所述经纬度变化值大于预设阈值的情况下,删除所述相邻两个坐标点。
4.根据权利要求2所述的安全驾驶行为评价数据的获取方法,其特征在于,在所述车辆线路图中跟踪所述车辆,获得所述车辆的至少一个第一行驶路径包括:
在所述车辆线路图中以第一预设时长为间隔对所述车辆进行跟踪,并得到至少一组第二坐标数据,其中,每一组所述第二坐标数据包括每一所述第一预设时长内的所述第一坐标数据;
根据所述至少一组第二坐标数据确定所述至少一个第一行驶路径。
5.根据权利要求2所述的安全驾驶行为评价数据的获取方法,其特征在于,所述第一行驶路径包括第一行驶时间,所述速度信息包括平均速度、加速度信息,在每一个所述第一行驶路径中测量所述车辆的速度信息:
将第三坐标数据和第四坐标数据进行直角坐标数据转换,并根据转换后的直角坐标数据确定所述第一行驶路径对应的行驶里程,其中,所述第三坐标数据和所述第四坐标数据分别为每一个所述第一行驶路径的起始位置和终点位置对应的所述第一坐标数据;
根据所述行驶里程和所述第一行驶时间计算所述车辆在所述第一行驶路径内的所述平均速度,并确定所述车辆在每一所述第一坐标数据对应的所述坐标点处的所述加速度信息。
6.根据权利要求5所述的安全驾驶行为评价数据的获取方法,其特征在于,所述加速度信息包括第一加速度和坐标点时间,从所述速度信息中提取用于评价安全驾驶行为的评价数据包括:
提取每一个所述第一行驶路径内的所述第一加速度;
利用密度聚类算法对所述第一加速度进行聚类,得到多个预选加速度簇;
在每一个所述预选加速度簇对应的所述第一加速度中检测出大于预设加速度阈值的第二加速度,其中,所述预设加速度阈值为每一个所述预选加速度簇的中心的所述第一加速度;
判断每一个所述预选加速度簇内所述第二加速度的数目是否大于预设阈值并在判断所述第二加速度的数目大于预设阈值的情况下,确定所述预选加速簇对应的所述第一行驶路径为所述车辆的加速度集中段,其中,所述评价数据包括所述加速度集中段。
7.根据权利要求6所述的安全驾驶行为评价数据的获取方法,其特征在于,利用密度聚类算法对所述第一加速度进行聚类,得到多个预选加速度簇包括:利用DBSCAN算法对所述第一加速度进行聚类,得到所述多个预选加速度簇。
8.一种安全驾驶行为评价数据的获取装置,其特征在于,包括:
获取模块,用于获取驾驶过程的车辆行驶状态信息;
生成模块,用于将所述车辆行驶状态信息输入预设地图中,生成车辆线路图;
跟踪模块,用于在所述车辆线路图中跟踪所述车辆,获得所述车辆的至少一个第一行驶路径;
处理模块,用于在每一个所述第一行驶路径中测量所述车辆的速度信息,从所述速度信息中提取用于评价安全驾驶行为的评价数据。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并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如权利要求1至7中任一项所述的安全驾驶行为评价数据的获取方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一项所述的安全驾驶行为评价数据的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010610152.9A CN111724599B (zh) | 2020-06-30 | 2020-06-30 | 安全驾驶行为评价数据的获取方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010610152.9A CN111724599B (zh) | 2020-06-30 | 2020-06-30 | 安全驾驶行为评价数据的获取方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111724599A true CN111724599A (zh) | 2020-09-29 |
CN111724599B CN111724599B (zh) | 2021-07-16 |
Family
ID=72571911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010610152.9A Active CN111724599B (zh) | 2020-06-30 | 2020-06-30 | 安全驾驶行为评价数据的获取方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724599B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270114A (zh) * | 2020-11-24 | 2021-01-26 | 武汉理工大学 | 一种车辆个性化风险行为识别方法 |
CN113068130A (zh) * | 2021-03-29 | 2021-07-02 | 宁波趣行智能科技有限公司 | 智能车载设备的行车轨迹数据接收及处理方法 |
CN113205683A (zh) * | 2021-04-26 | 2021-08-03 | 青岛海信网络科技股份有限公司 | 一种告警数据处理方法、装置、设备及介质 |
CN113380048A (zh) * | 2021-06-25 | 2021-09-10 | 中科路恒工程设计有限公司 | 基于神经网络的高危路段车辆驾驶行为识别方法 |
CN113435732A (zh) * | 2021-06-23 | 2021-09-24 | 奇瑞新能源汽车股份有限公司 | 自动驾驶车辆对交通桩桶识别与响应的评价方法及装置 |
CN114291111A (zh) * | 2021-12-30 | 2022-04-08 | 广州小鹏自动驾驶科技有限公司 | 目标路径的确定方法、装置、车辆及存储介质 |
CN117130263A (zh) * | 2023-10-26 | 2023-11-28 | 博创联动科技股份有限公司 | 一种基于车联网大数据的整车智能控制方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4084241A (en) * | 1974-10-19 | 1978-04-11 | Toshihiro Tsumura | System for processing movement information of vehicle |
CN104765969A (zh) * | 2015-04-22 | 2015-07-08 | 北京交通大学 | 驾驶行为分析方法 |
CN104786967A (zh) * | 2015-04-22 | 2015-07-22 | 北京九五智驾信息技术股份有限公司 | 驾驶行为分析系统 |
CN204895347U (zh) * | 2015-04-22 | 2015-12-23 | 北京九五智驾信息技术股份有限公司 | 驾驶行为分析系统 |
CN105730450A (zh) * | 2016-01-29 | 2016-07-06 | 北京荣之联科技股份有限公司 | 基于车载数据的驾驶行为分析方法及评价系统 |
CN106407563A (zh) * | 2016-09-20 | 2017-02-15 | 北京工业大学 | 一种基于驾驶类型和前车加速度信息的跟驰模型生成方法 |
US20170147935A1 (en) * | 2015-11-19 | 2017-05-25 | GM Global Technology Operations LLC | Method and apparatus of differentiating drivers based on driving behaviors |
CN106740829A (zh) * | 2017-03-23 | 2017-05-31 | 吉林大学 | 基于聚类分析双半挂汽车行驶稳定性自动识别与预警系统 |
CN108091133A (zh) * | 2017-11-27 | 2018-05-29 | 银江股份有限公司 | 一种基于海量交通数据分析的车辆安全驾驶行为分析方法 |
CN108229304A (zh) * | 2017-11-17 | 2018-06-29 | 清华大学 | 一种系统化的基于聚类思想的驾驶行为识别方法 |
US20180312156A1 (en) * | 2017-05-01 | 2018-11-01 | Hyundai Motor Company | Shift control method for hybrid vehicle with dct |
CN108764111A (zh) * | 2018-05-23 | 2018-11-06 | 长安大学 | 一种车辆异常驾驶行为的检测方法 |
CN110146910A (zh) * | 2019-05-15 | 2019-08-20 | 重庆大学 | 一种基于gps与激光雷达数据融合的定位方法及装置 |
CN110197588A (zh) * | 2019-06-03 | 2019-09-03 | 长安大学 | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 |
CN110570658A (zh) * | 2019-10-23 | 2019-12-13 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
-
2020
- 2020-06-30 CN CN202010610152.9A patent/CN111724599B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4084241A (en) * | 1974-10-19 | 1978-04-11 | Toshihiro Tsumura | System for processing movement information of vehicle |
CN104765969A (zh) * | 2015-04-22 | 2015-07-08 | 北京交通大学 | 驾驶行为分析方法 |
CN104786967A (zh) * | 2015-04-22 | 2015-07-22 | 北京九五智驾信息技术股份有限公司 | 驾驶行为分析系统 |
CN204895347U (zh) * | 2015-04-22 | 2015-12-23 | 北京九五智驾信息技术股份有限公司 | 驾驶行为分析系统 |
US20170147935A1 (en) * | 2015-11-19 | 2017-05-25 | GM Global Technology Operations LLC | Method and apparatus of differentiating drivers based on driving behaviors |
CN105730450A (zh) * | 2016-01-29 | 2016-07-06 | 北京荣之联科技股份有限公司 | 基于车载数据的驾驶行为分析方法及评价系统 |
CN106407563A (zh) * | 2016-09-20 | 2017-02-15 | 北京工业大学 | 一种基于驾驶类型和前车加速度信息的跟驰模型生成方法 |
CN106740829A (zh) * | 2017-03-23 | 2017-05-31 | 吉林大学 | 基于聚类分析双半挂汽车行驶稳定性自动识别与预警系统 |
US20180312156A1 (en) * | 2017-05-01 | 2018-11-01 | Hyundai Motor Company | Shift control method for hybrid vehicle with dct |
CN108229304A (zh) * | 2017-11-17 | 2018-06-29 | 清华大学 | 一种系统化的基于聚类思想的驾驶行为识别方法 |
CN108091133A (zh) * | 2017-11-27 | 2018-05-29 | 银江股份有限公司 | 一种基于海量交通数据分析的车辆安全驾驶行为分析方法 |
CN108764111A (zh) * | 2018-05-23 | 2018-11-06 | 长安大学 | 一种车辆异常驾驶行为的检测方法 |
CN110146910A (zh) * | 2019-05-15 | 2019-08-20 | 重庆大学 | 一种基于gps与激光雷达数据融合的定位方法及装置 |
CN110197588A (zh) * | 2019-06-03 | 2019-09-03 | 长安大学 | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 |
CN110197588B (zh) * | 2019-06-03 | 2020-07-28 | 长安大学 | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 |
CN110570658A (zh) * | 2019-10-23 | 2019-12-13 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
Non-Patent Citations (2)
Title |
---|
罗沂: "基于GPS数据的高速公路驾驶行为识别", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
蔡晓禹 等: "基于驾驶行为和信息熵的道路交通安全风险预估", 《中国公路学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270114A (zh) * | 2020-11-24 | 2021-01-26 | 武汉理工大学 | 一种车辆个性化风险行为识别方法 |
CN112270114B (zh) * | 2020-11-24 | 2022-04-29 | 武汉理工大学 | 一种车辆个性化风险行为识别方法 |
CN113068130A (zh) * | 2021-03-29 | 2021-07-02 | 宁波趣行智能科技有限公司 | 智能车载设备的行车轨迹数据接收及处理方法 |
CN113068130B (zh) * | 2021-03-29 | 2022-09-27 | 宁波趣行智能科技有限公司 | 智能车载设备的行车轨迹数据接收及处理方法 |
CN113205683A (zh) * | 2021-04-26 | 2021-08-03 | 青岛海信网络科技股份有限公司 | 一种告警数据处理方法、装置、设备及介质 |
CN113435732A (zh) * | 2021-06-23 | 2021-09-24 | 奇瑞新能源汽车股份有限公司 | 自动驾驶车辆对交通桩桶识别与响应的评价方法及装置 |
CN113380048A (zh) * | 2021-06-25 | 2021-09-10 | 中科路恒工程设计有限公司 | 基于神经网络的高危路段车辆驾驶行为识别方法 |
CN113380048B (zh) * | 2021-06-25 | 2022-09-02 | 中科路恒工程设计有限公司 | 基于神经网络的高危路段车辆驾驶行为识别方法 |
CN114291111A (zh) * | 2021-12-30 | 2022-04-08 | 广州小鹏自动驾驶科技有限公司 | 目标路径的确定方法、装置、车辆及存储介质 |
CN114291111B (zh) * | 2021-12-30 | 2024-03-08 | 广州小鹏自动驾驶科技有限公司 | 目标路径的确定方法、装置、车辆及存储介质 |
CN117130263A (zh) * | 2023-10-26 | 2023-11-28 | 博创联动科技股份有限公司 | 一种基于车联网大数据的整车智能控制方法及系统 |
CN117130263B (zh) * | 2023-10-26 | 2024-01-16 | 博创联动科技股份有限公司 | 一种基于车联网大数据的整车智能控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111724599B (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724599B (zh) | 安全驾驶行为评价数据的获取方法、装置、设备和介质 | |
CN111506980B (zh) | 对虚拟驾驶环境生成交通场景的方法及装置 | |
CN106314438A (zh) | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 | |
Wang et al. | A road quality detection method based on the mahalanobis-taguchi system | |
CN106980113A (zh) | 物体检测装置和物体检测方法 | |
CN106952303A (zh) | 车距检测方法、装置和系统 | |
CN105448103A (zh) | 车辆套牌检测方法与系统 | |
US11180154B2 (en) | Fingerprinting drivers based on vehicle turns | |
US11756431B2 (en) | Systems and methods for utilizing models to identify a vehicle accident based on vehicle sensor data and video data captured by a vehicle device | |
CN102622885B (zh) | 检测交通事件的方法和装置 | |
CN113762406B (zh) | 数据的挖掘方法、装置和电子设备 | |
JP2010132056A (ja) | 検知装置、検知方法および車両制御装置 | |
CN110648539A (zh) | 车载装置以及控制方法 | |
CN111832665B (zh) | 栅栏检测方法、装置、计算机设备和存储介质 | |
Cojocaru et al. | Building a Driving Behaviour Dataset. | |
CN111967451B (zh) | 一种道路拥堵检测方法及装置 | |
CN115270381A (zh) | 仿真场景生成方法、装置、自动驾驶设备及可读存储介质 | |
CN116800504A (zh) | 一种终端物理指纹提取及非法接入动态认证方法和装置 | |
CN113192340B (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 | |
CN112729862B (zh) | 无人驾驶的驾驶行为安全评估方法、装置及电子设备 | |
CN113658426A (zh) | 一种车辆事故识别方法及装置 | |
Chen et al. | Transportation mode recognition algorithm based on multiple support vector machine classifiers | |
CN106781539A (zh) | 车辆违章智能检测系统 | |
Sabor et al. | CMNN-RADC: A crowdsensing convolutional-based mixer neural network road anomalies detector and classifier | |
CN114093155A (zh) | 交通事故责任溯源方法、装置、计算机设备和存储介质 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231110 Address after: 014000 Baotou rare earth high tech Industrial Development Zone, Inner Mongolia Autonomous Region Patentee after: INNER MONGOLIA NORTH HAULER JOINT STOCK Co.,Ltd. Address before: No.206 Qianshan Road, Xiangzhou District, Zhuhai, Guangdong 519000 Patentee before: Jinan University |