CN111833480B - 驾驶行为检测方法、装置和车辆 - Google Patents
驾驶行为检测方法、装置和车辆 Download PDFInfo
- Publication number
- CN111833480B CN111833480B CN201910295566.4A CN201910295566A CN111833480B CN 111833480 B CN111833480 B CN 111833480B CN 201910295566 A CN201910295566 A CN 201910295566A CN 111833480 B CN111833480 B CN 111833480B
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- data
- index
- detection
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- 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
- B60W40/02—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 ambient conditions
-
- 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
-
- 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
- B60W40/10—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 vehicle motion
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种驾驶行为检测方法、装置和车辆,涉及车辆的数据分析领域,该方法包括:获取车辆的多组驾驶数据,多组驾驶数据包括在预设时间段内的每个采集时刻采集的车辆的一组驾驶数据,每一组驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据,根据多组驾驶数据,按照预设的提取规则提取车辆在预设时间段内的驾驶特征,驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征,按照预设的检测模型对驾驶特征进行处理,以获取车辆在预设时间段内驾驶行为的检测结果。在用户驾驶车辆行驶的过程中,能够综合车辆多方面的驾驶数据,在车辆本地实时对驾驶行为进行检测,以提高检测结果的准确度。
Description
技术领域
本公开涉及车辆的数据处理领域,具体地,涉及一种驾驶行为检测方法、装置和车辆。
背景技术
在相关技术领域中,随着我国汽车保有量不断升高,人们在日常生活使用汽车的机会中也越来越多。在车辆的行驶过程中,为了减少能耗、提高行驶的安全度,经常需要对驾驶员的驾驶行为进行检测,以评价驾驶行为,从而帮助驾驶员改善驾驶习惯,降低车辆的使用损耗。现有技术中,车辆需要将采集到的驾驶数据上传至服务器,由服务器对驾驶数据进行检测,占用带宽和存储空间,很难满足检测的实时要求,并且增加了车辆的通信成本,进一步的,车辆通常采集的驾驶数据种类少,对驾驶行为的检测不够准确。
发明内容
本公开的目的是提供一种驾驶行为检测方法、装置和车辆,用以解决现有技术中驾驶行为的检测实时性差和准确度低的问题。
为了实现上述目的,根据本公开实施例的第一方面,提供一种驾驶行为检测方法,应用于车辆,所述方法包括:
获取所述车辆的多组驾驶数据,所述多组驾驶数据包括在预设时间段内的每个采集时刻采集的所述车辆的一组驾驶数据,每一组所述驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据;
根据所述多组驾驶数据,按照预设的提取规则提取所述车辆在所述预设时间段内的驾驶特征,所述驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征;
按照预设的检测模型对所述驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果。
可选地,所述按照预设的检测模型对所述驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果,包括:
对所述驾驶特征进行聚类,以获取驾驶指标,所述驾驶指标包括:安全指标、节能指标、文明指标和平稳指标;
将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的所述检测结果。
可选地,所述方法还包括:
将所述多组驾驶数据、所述驾驶特征、所述驾驶指标中的至少一种发送至服务器,以便所述服务器根据所述多组驾驶数据、所述驾驶特征、所述驾驶指标中的至少一种,更新所述检测模型;
接收所述服务器发送的更新后的所述检测模型。
可选地,所述将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的所述检测结果,包括:
将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的安全评分、节能评分、文明评分和平稳评分;
根据所述安全评分、所述节能评分、所述文明评分和所述平稳评分,确定所述检测结果。
可选地,所述获取所述车辆的多组驾驶数据,包括:
通过所述车辆的总线,和/或预设的应用程序编程接口获取所述多组驾驶数据。
根据本公开实施例的第二方面,提供一种驾驶行为检测方法,应用于服务器,所述方法包括:
接收车辆发送的驾驶数据,和/或驾驶特征,所述驾驶数据包括所述车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,所述驾驶特征包括所述车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征;
根据用户信息、所述车辆的维修信息、所述驾驶数据、和/或驾驶特征,更新检测模型;
按照更新后的所述检测模型对所述驾驶数据、和/或驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果。
可选地,所述方法还包括:
将更新后的所述检测模型发送至所述车辆。
可选地,在所述按照更新后的所述检测模型对所述驾驶数据、和/或驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果之后,所述方法还包括:
将所述检测结果发送至所述车辆,和/或目标终端,所述目标终端为与所述车辆绑定的终端。
根据本公开实施例的第三方面,提供一种驾驶行为检测装置,应用于车辆,所述装置包括:
获取模块,用于获取所述车辆的多组驾驶数据,所述多组驾驶数据包括在预设时间段内的每个采集时刻采集的所述车辆的一组驾驶数据,每一组所述驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据;
提取模块,用于根据所述多组驾驶数据,按照预设的提取规则提取所述车辆在所述预设时间段内的驾驶特征,所述驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征;
检测模块,用于按照预设的检测模型对所述驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果。
可选地,所述检测模块包括:
聚类子模块,用于对所述驾驶特征进行聚类,以获取驾驶指标,所述驾驶指标包括:安全指标、节能指标、文明指标和平稳指标;
检测子模块,用于将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的所述检测结果。
可选地,所述装置还包括:
发送模块,用于将所述多组驾驶数据、所述驾驶特征、所述驾驶指标中的至少一种发送至服务器,以便所述服务器根据所述多组驾驶数据、所述驾驶特征、所述驾驶指标中的至少一种,更新所述检测模型;
接收模块,用于接收所述服务器发送的更新后的所述检测模型。
可选地,所述检测子模块用于:
将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的安全评分、节能评分、文明评分和平稳评分;
根据所述安全评分、所述节能评分、所述文明评分和所述平稳评分,确定所述检测结果。
可选地,所述获取模块用于:
通过所述车辆的总线,和/或预设的应用程序编程接口获取所述多组驾驶数据。
根据本公开实施例的第四方面,提供一种驾驶行为检测装置,应用于服务器,所述装置包括:
接收模块,用于接收车辆发送的驾驶数据,和/或驾驶特征,所述驾驶数据包括所述车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,所述驾驶特征包括所述车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征;
更新模块,用于根据用户信息、所述车辆的维修信息、所述驾驶数据、和/或驾驶特征,更新检测模型;
检测模块,用于按照更新后的所述检测模型对所述驾驶数据、和/或驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果。
可选地,所述装置还包括:
第一发送模块,用于将更新后的所述检测模型发送至所述车辆。
可选地,所述装置还包括:
第二发送模块,用于在所述按照更新后的所述检测模型对所述驾驶数据、和/或驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果之后,将所述检测结果发送至所述车辆,和/或目标终端,所述目标终端为与所述车辆绑定的终端。
根据本公开实施例的第五方面,提供一种车辆,所述车辆上设置有本公开实施例第三方面提供的任一种驾驶行为检测装置。
通过上述技术方案,本公开中车辆首先获取预设时间段内的每个采集时刻采集到的车辆的多组驾驶数据,在根据多组驾驶数据,按照预设的提取规则提取车辆在预设时间段内的驾驶特征,最后按照预设的检测模型对驾驶特征进行处理,以得到车辆在预设时间段内驾驶行为的检测结果。其中,驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征。在用户驾驶车辆行驶的过程中,能够综合车辆多方面的驾驶数据,在车辆本地实时对驾驶行为进行检测,降低了车辆的通信成本,提高了检测结果的准确度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种驾驶行为检测方法的流程图;
图2是根据一示例性实施例示出的另一种驾驶行为检测方法的流程图;
图3是根据一示例性实施例示出的另一种驾驶行为检测方法的流程图;
图4是根据一示例性实施例示出的一种驾驶行为检测方法的流程图;
图5是根据一示例性实施例示出的另一种驾驶行为检测方法的流程图;
图6是根据一示例性实施例示出的另一种驾驶行为检测方法的流程图;
图7是根据一示例性实施例示出的一种驾驶行为检测装置的框图;
图8是根据一示例性实施例示出的另一种驾驶行为检测装置的框图;
图9是根据一示例性实施例示出的另一种驾驶行为检测装置的框图;
图10是根据一示例性实施例示出的一种驾驶行为检测装置的框图;
图11是根据一示例性实施例示出的另一种驾驶行为检测装置的框图;
图12是根据一示例性实施例示出的另一种驾驶行为检测装置的框图;
图13是根据一示例性实施例示出的一种车辆的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在介绍本公开提供的驾驶行为检测方法、装置和车辆之前,首先对本公开各个实施例所涉及应用场景进行介绍。该应用场景包括车辆和服务器,还可以包括与车辆绑定的目标终端。其中,车辆、服务器和目标终端之间能够通过互联网、WLAN(英文:WirelessLocal Area Networks,中文:无线局域网)、Telematics或V2X(英文:Vehicle toEverything,中文:车联网)进行通信,以实现数据传输。其中服务器可以包括但不限于:实体服务器,服务器集群或云端服务器等,例如:TSP(英文:Telematics Service Provider,中文:汽车远程服务提供商)。车辆可以是汽车,该汽车不限于传统汽车、纯电动汽车或是混动汽车,除此之外还可以适用于其他类型包含电子设备的机动车。车辆上例如可以设置有PAD(英文:Portable Android Device,中文:平板电脑),或者T-BOX(英文:TelematicsBOX,中文:车载通信模块),用以和服务器进行数据传输,并进行数据处理。目标终端可以是智能手机、平板电脑、智能手表、PDA(英文:Personal Digital Assistant,中文:个人数字助理)、便携计算机等移动终端,还可以是台式计算机等具有通信功能的固定终端。
图1是根据一示例性实施例示出的一种驾驶行为检测方法的流程图,如图1所示,该方法应用于车辆,包括以下步骤:
步骤101,获取车辆的多组驾驶数据,多组驾驶数据包括在预设时间段内的每个采集时刻采集的车辆的一组驾驶数据,每一组驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据。
举例来说,车辆在一次完整行程中(即从车辆启动开始一直到熄火的过程),车辆上设置的各种数据采集装置(例如:各种传感器、摄像头、雷达等装置)可以按照预设的采集频率实时采集驾驶数据,以针对这些驾驶数据对驾驶行为进行检测。其中,可以按照用户的实际需求,设置对应的预设时间段,相应的,获取预设时间段内的多组驾驶数据。当用户需要实时获取驾驶行为的检测结果时,预设时间段可以设置为从车辆启动到当前时刻,当用户只关注一次完整行程结束后驾驶行为的检测结果时,预设时间段可以设置为从车辆启动到熄火的时间。在预设时间段内,包括多个采集时刻(每个采集时刻之间的时间间隔为1/f,其中f为数据采集装置的采集频率),每个采集时刻采集一组驾驶数据,一组驾驶数据中可以包括多种驾驶数据,可以分为:车辆状态数据、用户状态数据、行程数据和环境数据四类,这四类驾驶数据能够充分反映用户、车辆和环境之间的交互影响。
车辆状态数据用于描述在驾驶过程中车辆当前的状态,例如可以包括:工作状态(充电、放电)、工作模式(经济模式、运动模式、电动模式、发动机模式、混动模式等)、车速、加速度、制动深度、油门深度、方向盘角度、方向盘转向角速度、车门车窗状态、挡位状态、车灯状态、故障数据等。用户状态数据用于描述驾驶员在驾驶过程中当前的行为,例如可以包括:坐垫压力、坐姿、接打电话等。行程数据用于描述此次行程当前的状态,例如可以包括:动力类型、行驶时间、当前里程、当前电动里程、耗电量、耗油量等。环境数据用于描述车辆所处周围环境当前的状态,例如可以包括:车辆四周的障碍物、与周围车辆的车距、车外温度、车外天气、车外亮度等。其中,环境数据还可以包括车辆通过摄像头采集到的,或者通过与交通信息系统进行数据通信获取到的信号灯时间、信号灯位置、减速带位置、限速路段、路段限速值、禁止鸣笛路段位置等能够反映路况的环境数据。
步骤102,根据多组驾驶数据,按照预设的提取规则提取车辆在预设时间段内的驾驶特征,驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征。
示例的,由于步骤101中获取的多组驾驶数据中包含的数据量很大,包括了预设时间段内每个采集时刻采集的多种数据,很难直接对驾驶数据进行检测。因此,可以按照预设的提取规则,结合多组驾驶数据中每一组驾驶数据中的多种驾驶数据进行特征提取,以得到多组驾驶数据在预设时间段内反映出的驾驶特征。驾驶特征可以理解为是驾驶数据在时间维度上的体现,例如某一驾驶特征可以是N组驾驶数据中包含的N个某种车辆状态数据的平均值,另一驾驶特征可以是N组驾驶数据中包含的N个某种用户状态数据的最值(最大值或最小值),另一驾驶特征还可以是N组驾驶数据中包含的N个某种环境数据的总和,另一驾驶特征还可以是N组驾驶数据中包含的N个某种行程数据的标准差。驾驶特征可以分为四个方面:车辆状态特征、用户状态特征、行程特征和操作特征。
其中,车辆状态特征例如可以包括:各种工作模式下的平均车速、各种工作状态下的平均车速、加速度变化率、故障指数、车门安全指数、急加速次数、急减速次数等。用户状态特征例如可以包括:坐姿变更次数、接打电话次数、接打电话时长等。行程特征例如可以包括:行程时长、总里程、总电动里程、平均耗电量、平均耗油量等。操作特征例如可以包括:安全带使用时长、转向次数、换道次数、急转弯次数、转向不打转向灯次数、夜间行驶开启远光灯次数等。
步骤103,按照预设的检测模型对驾驶特征进行处理,以获取车辆在预设时间段内驾驶行为的检测结果。
示例的,将步骤102得到的驾驶特征作为预设的检测模型的输入,以获取检测模型输出的,车辆在预设时间段内驾驶行为的检测结果。检测模型可以是预先存储在车辆上的检测函数,也可以是经过训练的机器学习模型,能够根据驾驶特征确定对应的检测结果。无需将大量的驾驶数据传输至服务器,而是在本地实时对驾驶行为进行检测。进一步的,相比于现有技术,车辆需要按照较高的采样频率采集驾驶数据,以保证服务器能够识别车辆驾驶行为中的瞬时特征,而本公开提供的驾驶行为检测方法由于是在车辆本地实现对驾驶行为的检测,因此对驾驶数据的采样频率要求更低,可以根据不同驾驶数据本身的特征,灵活选取不同的采集频率来采集不同的驾驶数据。例如,对于加速度(可以包括横向加速度、纵向加速度)、车速、制动深度、油门深度、方向盘角度、方向盘转向角速度等驾驶数据的采集频率不低于10Hz,其它驾驶数据项采集频率不低于5Hz。
其中,检测结果例如可以是对驾驶行为的驾驶评分(例如:60分、80分),也可以是对驾驶行为的评价(例如:不合格、合格、良好、优秀等),还可以是对驾驶行为的分析(例如:耗电量过大、危险驾驶行为过多等)。其中,检测模型可以是车辆上存储的,由服务器定期发送给车辆的最新的检测模型。
需要说明的是,本公开中的检测结果可以通过车辆的中控显示屏以文字或图像的形式进行显示,也可以通过车辆的扬声器以语音的形式进行播放,同时,在与车辆绑定的目标终端请求检测结果的前提下,车辆还可以将检测结果发送至服务器,再由服务器将检测结果进行存储,并发送至终端,以便用户可以通过目标终端获取检测结果,从而通过检测结果改善驾驶习惯、降低车辆的使用损耗。
综上所述,本公开中车辆首先获取预设时间段内的每个采集时刻采集到的车辆的多组驾驶数据,在根据多组驾驶数据,按照预设的提取规则提取车辆在预设时间段内的驾驶特征,最后按照预设的检测模型对驾驶特征进行处理,以得到车辆在预设时间段内驾驶行为的检测结果。其中,驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征。在用户驾驶车辆行驶的过程中,能够综合车辆多方面的驾驶数据,在车辆本地实时对驾驶行为进行检测,降低了车辆的通信成本,提高了检测结果的准确度。
进一步的,在现有技术中,数据采集装置通常是车辆在交付使用之后由用户添加上的,可用的数据种类较少,导致对驾驶行为描述的不够全面。本公开所提供的驾驶行为检测方法中步骤101的实现,可以通过以下方式:
通过车辆的总线,和/或预设的API(英文:Application Programming Interface,中文:应用程序编程接口)获取多组驾驶数据。通过总线或者开放使用的API来获取驾驶数据,能够同时结合用户的信息(例如:用户状态数据)和车辆的配置信息(例如:车辆状态数据、行程数据和环境数据。能够更加全面细致地反映驾驶行为,从而对驾驶行为进行准确地检测。并且,对于用户后期扩展的其他外置设备,也能够获取相应的驾驶数据,以适应各种场景下的驾驶行为。其中,车辆的总线可以包括:CAN(英文:Controller Area Network,中文:控制器局域网络)总线,或者LIN总线(英文:Local Interconnect Network,中文:局域互联网络)。
图2是根据一示例性实施例示出的另一种驾驶行为检测方法的流程图,如图2,步骤103可以包括以下步骤:
步骤1031,对驾驶特征进行聚类,以获取驾驶指标,驾驶指标包括:安全指标、节能指标、文明指标和平稳指标。
步骤1032,将驾驶指标作为检测模型的输入,以获取检测模型输出的检测结果。
举例来说,由于驾驶特征包含的数据量大,并且都属于底层特征,可以理解为车辆上某个具体部件或驾驶过程中某个具体行为的特征,对于用户来说,不容易理解,实用性不高。因此,可以对驾驶特征进行聚类,以获取便于用户理解的驾驶指标,可以理解为车辆的高层特征。其中,驾驶指标可以分为:安全指标、节能指标、文明指标和平稳指标,可以从多个层面反映用户的驾驶习惯和对车辆的使用损耗。其中,安全指标用于描述驾驶行为的安全程度,节能指标用于描述驾驶行为的能耗水平,文明指标用于描述驾驶行为的文明程度,平稳指标用于描述驾驶行为的平稳程度。之后将驾驶指标作为检测模型的输入,以获取检测模型输出的检测结果。
其中,安全指标可以包括:疲劳驾驶指数、急加速指数、急减速指数、急转弯指数、超速指数、安全带使用指数、灯光使用指数、频繁变道指数、车况健康指数。具体的,疲劳驾驶指数与车辆行驶时长和驾驶员的有关状态相关。急加速指数与急加速频度和急加速强度相关,急加速频度主要由行程中前后两次急加速时间间隔、急加速次数、加速次数决定,急加速强度主要由行程中每次急加速时长、急加速幅值决定。同样的,急减速指数与急减速频度和急减速强度相关,急减速频度主要由行程中前后两次急减速时间间隔、急减速次数、减速次数决定,急减速强度主要由行程中每次急减速时长、急减速幅值确定。急转弯指数与急转弯频度和急转弯强度相关,急转弯频度主要由行程中急转弯次数、转弯次数决定,急转弯强度主要由行程中每次急转弯时转向角速度、转向角度、转向时长决定。超速指数与超速频度和超速强度相关,超速频度主要由超速次数、超速时间间隔决定,超速强度主要由超速比例、超速时长决定。安全带使用指数由行驶过程中主驾驶安全带、副驾驶安全带、后排安全带行程有效时长比决定。灯光使用指数与转向不打灯次数、换道不打灯次数、远光灯使用次数相关。频繁换道指数与换道时间间隔、换道次数相关。车况健康指数与轮胎健康指数、车门安全指数、车辆故障指数相关,轮胎安全指数由轮胎漏气、胎压、轮胎系统状态决定,车门安全指数与行车中车门开启状态相关,车辆故障指数与故障等级、故障发生次数、故障发生种类相关。
节能指标可以包括:行程总能耗指数、空调能耗指数、耗油量指数,耗电量指数等,其中,行程总能耗指数与行程时长、总里程、平均能耗相关。空调能耗指数与空调工作模式、空调工作时长相关。耗油量指数与行程时长、总里程、平均耗油量相关。耗电量指数与行程时长、总里程、平均耗电量相关。
文明指标可以包括:灯光使用指数、车速控制指数、噪声指数。其中灯光使用指数与车灯状态、环境数据和交通规则中安全驾驶灯光的规则相关。车速控制指数与频繁变道指数和公共区域高速行驶指数相关,公共区域高速行驶指数由公共区域或减速带慢速行驶次数比例决定。噪声指数与整车噪声指数、鸣笛指数相关,整车噪声指数主要由车辆的工况决定,鸣笛指数主要由鸣笛次数、违规鸣笛次数决定。
平稳指标可以包括:加速指数、减速指数、转向指数、急加速指数、急转弯指数、超速指数、制动操作指数、油门操作指数。其中加速指数与急加速频度/强度、加速频度/强度相关,加速度频度主要由行程中前后两次加速时间间隔、加速次数决定,加速强度主要由行程中每次加速时长、加速幅值决定。同样的,减速指数与急减速频度/强度、减速频度/强度相关。转向指数与急转向频度/强度、转向频度/强度相关。制动操作指数与制动频度和制动强度相关,制动频度由行程中前后两次制动时间间隔、制动次数、制动期间车速等决定,动强度由行程中每次制动时长、制动深度、制动深度变化率决定。油门操作指数与加油频度和加油强度相关,加油频度由行程中前后两次加油时间间隔、加油次数、加油期间车速等决定,加油强度由行程中每次加油时长、油门深度、油门深度变化率决定。加减速指数反映的是连续加减速行为,与加减速频度和加减速强度有关,加减速频度主要由行程中连续加减速次数、加减速次数总次数、前后两次加减速时间间隔决定,加减速强度主要由加减速时长、加减速峰峰值、加减速峰峰值时间差、加减速中加速减速时间比决定。
图3是根据一示例性实施例示出的另一种驾驶行为检测方法的流程图,如图3所示,该方法还包括:
步骤104,将多组驾驶数据、驾驶特征、驾驶指标中的至少一种发送至服务器,以便服务器根据多组驾驶数据、驾驶特征、驾驶指标中的至少一种,更新检测模型。
步骤105,接收服务器发送的更新后的检测模型。
举例来说,车辆可以在空闲时段,定时将多组驾驶数据、驾驶特征、驾驶指标中的至少一种发送给服务器。服务器上存储有预设的检测模型,例如可以是根据车辆在当前时刻之前发送的历史数据(即当前时刻之前的驾驶数据、驾驶特征或驾驶指标)确定的检测模型,服务器在接收到多组驾驶数据、驾驶特征或驾驶指标之后,再结合预先存储的用户信息、维修信息更新存储在服务器上的检测模型,使得检测模型能够更适用于当前车辆的状态和车辆所处的环境。服务器更新检测模型之后,可以将更新后的检测模型发送至车辆,车辆接收更新后的检测模型,以便根据更新后的检测模型对驾驶特征进行处理,得到检测结果。由于更新检测模型对实时性要求不高,为了进一步减少车辆与服务器之间数据传输的压力,还可以将多组驾驶数据、驾驶特征、驾驶指标分成多个数据包,按序依次发送。
需要说明的是,步骤104可以在步骤102或步骤103之后执行(即车辆发送当前获取的多组驾驶数据、驾驶特征、驾驶指标),也可以在步骤102或步骤103之前执行(即车辆发送上一次获取的多组驾驶数据、驾驶特征、驾驶指标),图3中的执行顺序是对一种实现方式的举例,本公开对执行顺序不做限定。
进一步的,步骤1032的实现可以通过以下方式:
1)将驾驶指标作为检测模型的输入,以获取检测模型输出的安全评分、节能评分、文明评分和平稳评分。
2)根据安全评分、节能评分、文明评分和平稳评分,确定检测结果。
示例的,可以将安全指标、节能指标、文明指标和平稳指标,分别作为检测模型的输入,以获得检测模型分别输出的安全评分、节能评分、文明评分和平稳评分,再按照预设的算法,根据安全评分、节能评分、文明评分和平稳评分确定检测结果。其中,预设的算法,可以是加权平均,即为安全评分、节能评分、文明评分和平稳评分分配不同的权重,再进行求和,还可以是根据用户的需求,选择安全评分、节能评分、文明评分和平稳评分中的某个评分作为检测结果。
具体的,以车辆在一次行程过程中,步骤101可能获取到的驾驶数据可以包括:车辆状态数据、用户状态数据、行程数据和环境数据。其中,车辆状态数据,例如可以包括:工作状态(充电、放电)、工作模式(经济模式、运动模式、电动模式、发动机模式、混动模式等)、车速、加速度、车门状态、车窗(包括天窗)状态、电源档位、方向盘角度、方向盘角速度、空调档位/开启状态/风量/设定温度、车速、横向加速度、侧向加速度、垂直加速度、发动机转速/功率、充放电状态、四轮胎压力/温度/漏气状态、主驾驶安全带状态、副驾驶乘客状态和安全带状态、后排乘客状态和安全带状态、油门深度、制动深度、远光灯状态、近光灯状态、转向灯状态、雾灯状态、鸣笛状态、车辆故障数据等。用户状态数据,例如可以包括:坐垫压力、坐姿、接打电话、四肢伸出窗外等。行程数据,例如可以包括:动力类型、行驶时间、当前里程、当前电动里程、耗电量、耗油量、车架号、百公里耗电量、百公里耗油量、累计平均耗油量、累计平均耗电量等。环境数据例如可以包括:车辆四周的障碍物、与周围车辆的车距、车外温度、车外天气、车外亮度等。
步骤102中提取到的驾驶特征可以包括:车辆状态特征、用户状态特征、行程特征和操作特征。其中,车辆状态特征例如可以包括:各种工作模式下的平均车速、各种工作状态下的平均车速、加速度变化率、故障指数、车门安全指数、急加速次数、急减速次数、轮胎系统健康指数、发动机平均转速、发电时平均功率、放电时平均功率等。用户状态特征例如可以包括:坐姿变更次数、接打电话次数、接打电话时长、行驶中头部探出窗外次数、主驾驶安全带使用时长、副驾驶乘客有效状态时长、副驾驶安全带使用时长、后排乘客有效状态、后排安全带使用时长、转向不打灯次数、换道不打灯次数、急转次数、夜间行车开启远光灯次数、夜间行车长时间开启远光灯次数、频繁变道次数、电动模式时长、混动模式时长、运动模式时长、经济模式时长、鸣笛时长、违规鸣笛时长、整车噪声水平等。行程特征例如可以包括:行程时长、总里程、总电动里程、平均耗电量、平均耗油量、行驶时长、行程最大车速、行程平均车速、行程中平均最近百公里耗油量、行程中平均最近百公里耗电量、行程中累计平均油耗、行程中累计平均电耗。操作特征例如可以包括:安全带使用时长、转向次数、换道次数、急转次数、制动次数、转弯角度速度平均值/标准差/最大值、急转弯角速度平均值/标准差/最大值、转弯时长平均值/最大值/标准差、制动深度/制动深度变化率/制动时长/制动时间间隔平均值/最大值/标准差、制动总时长、行驶制动时长、静止制动时长、怠速制动时长、油门深度/油门深度变化率/油门深度时长/油门深度时间间隔平均值/最大值/标准差、油门次数、油门总时长等。
综上所述,本公开中车辆首先获取预设时间段内的每个采集时刻采集到的车辆的多组驾驶数据,在根据多组驾驶数据,按照预设的提取规则提取车辆在预设时间段内的驾驶特征,最后按照预设的检测模型对驾驶特征进行处理,以得到车辆在预设时间段内驾驶行为的检测结果。其中,驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征。在用户驾驶车辆行驶的过程中,能够综合车辆多方面的驾驶数据,在车辆本地实时对驾驶行为进行检测,降低了车辆的通信成本,提高了检测结果的准确度。
图4是根据一示例性实施例示出的一种驾驶行为检测方法的流程图,如图4所示,该方法应用于服务器,包括以下步骤:
步骤201,接收车辆发送的驾驶数据,和/或驾驶特征,驾驶数据包括车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征。
步骤202,根据用户信息、车辆的维修信息、驾驶数据、和/或驾驶特征,更新检测模型。
步骤203,按照更新后的检测模型对驾驶数据、和/或驾驶特征进行处理,以获取车辆在预设时间段内驾驶行为的检测结果。
举例来说,服务器上预先存储有检测模型,例如可以是根据车辆在当前时刻之前发送的历史数据确定的检测模型,也可以根据车辆在研发阶段获取的大量经验数据来确定的检测模型,能够适用于车辆的普遍状态。为了使检测模型能够适用于当前车辆的状态和车辆所处的环境,服务器可以按照预设周期接收由车辆发送的驾驶数据,和/或驾驶特征。其中,驾驶数据包括车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征。之后,再根据用户信息(例如:用户的驾照编号、性别、年龄、车型、车辆出厂年份、车辆配置等)、车辆的维修信息(例如:维修信息、保养信息、出险信息等)、驾驶数据、和/或驾驶特征,更新检测模型。最后将车辆发送的驾驶数据,和/或驾驶特征作为更新后的检测模型的输入,以获取更新后的检测模型输出的车辆在预设时间段内驾驶行为的检测结果。更新后的检测模型能够适用于车辆当前的驾驶行为,从而提高了检测结果的准确度。
图5是根据一示例性实施例示出的另一种驾驶行为检测方法的流程图,如图5所示,该方法还包括:
步骤204,将更新后的检测模型发送至车辆。
示例的,当服务器对检测模型完成更新后,可以将更新后的检测模型发送至车辆。需要说明的是,服务器上存储的检测模型和车辆本地存储的检测模型可以保持一致,也可以不一致。例如,服务器上对检测模型更新后,可以立即将更新后的检测模型发送至车辆,也可以按照预设的周期将更新后的检测模型发送至车辆,还可以在预设的空闲时段将更新后的检测模型发送至车辆。
进一步的,为了提高驾驶行为检测的灵活度,服务器上存储的检测模型和车辆本地存储的检测模型对应的检测结果也可以不同。例如,服务器上存储的检测模型输出的检测结果可以用以反映车辆的底层特征,即车辆上某个具体部件或驾驶过程中某个具体行为的特征,能够更加准确地反映驾驶行为,而车辆上存储的检测模型输出的检测结果可以用以反映车辆的高层特征,即便于用户理解的特征(对底层特征进行聚类后的特征),使得用户能够更好的通过检测结果改善驾驶习惯、降低车辆的使用损耗。
图6是根据一示例性实施例示出的另一种驾驶行为检测方法的流程图,如图6所示,该方法在步骤203之后,还包括:
步骤205,将检测结果发送至车辆,和/或目标终端,目标终端为与车辆绑定的终端。
举例来说,在步骤203中确定检测结果之后,服务器可以将检测结果进行保存,进一步的,还可以将检测结果发送至车辆,和/或与车辆绑定的目标终端。车辆或目标终端可以向服务器发送请求指令,服务器在接收到请求指令后将检测结果发送给车辆或目标终端。或者,服务器也可以按照预设的周期将检测结果推送给车辆或目标终端。
需要说明的是,服务器还可以为目标终端提供数据查询服务,例如目标终端可以向服务器发送数据查询请求(例如可以按月、按季度、按年、按里程查询),以查询服务器上存储的当前时刻之前的历史数据(可以包括:检测结果、驾驶数据、驾驶特征等),服务器在接收到数据查询请求后,将符合数据查询请求的历史数据发送给目标终端。进一步的,服务器还可以将目标终端发送的设置指令转发给车辆,例如,目标终端可以向服务器发送设置指令,以调节车辆上某一参数(可以包括:危险驾驶预警提醒参数、低电量提醒参数等),服务器在接收到设置指令后,将设置指令转发给车辆,使得车辆能够根据设置指令调节车辆上的参数。
综上所述,本公开中的服务器首先接收车辆发送端驾驶数据,和/或驾驶特征,再根据用户信息、维修信息、驾驶数据,和/或驾驶特征来更新检测模型,最后按照更新后的检测模型对驾驶数据,和/或驾驶特征进行处理,以得到车辆在预设时间段内驾驶行为的检测结果。其中,驾驶数据包括车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征。在用户驾驶车辆行驶的过程中,能够综合车辆多方面的驾驶数据,及时更新检测模型,提高了检测结果的准确度。
图7是根据一示例性实施例示出的一种驾驶行为检测装置的框图,如图7所示,该装置300应用于车辆,包括:
获取模块301,用于获取车辆的多组驾驶数据,多组驾驶数据包括在预设时间段内的每个采集时刻采集的车辆的一组驾驶数据,每一组驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据。
提取模块302,用于根据多组驾驶数据,按照预设的提取规则提取车辆在预设时间段内的驾驶特征,驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征。
检测模块303,用于按照预设的检测模型对驾驶特征进行处理,以获取车辆在预设时间段内驾驶行为的检测结果。
其中,获取模块302可以通过以下方式来实现:
通过车辆的总线,和/或预设的应用程序编程接口获取多组驾驶数据。
图8是根据一示例性实施例示出的另一种驾驶行为检测装置的框图,如图8所示,检测模块303可以包括:
聚类子模块3031,用于对驾驶特征进行聚类,以获取驾驶指标,驾驶指标包括:安全指标、节能指标、文明指标和平稳指标。
检测子模块3032,用于将驾驶指标作为检测模型的输入,以获取检测模型输出的检测结果。
图9是根据一示例性实施例示出的另一种驾驶行为检测装置的框图,如图9所示,该装置300还包括:
发送模块304,用于将多组驾驶数据、驾驶特征、驾驶指标中的至少一种发送至服务器,以便服务器根据多组驾驶数据、驾驶特征、驾驶指标中的至少一种,更新检测模型。
接收模块305,用于接收服务器发送的更新后的检测模型。
可选地,检测子模块3032可以用于执行以下步骤:
1)将驾驶指标作为检测模型的输入,以获取检测模型输出的安全评分、节能评分、文明评分和平稳评分。
2)根据安全评分、节能评分、文明评分和平稳评分,确定检测结果。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,本公开中车辆首先获取预设时间段内的每个采集时刻采集到的车辆的多组驾驶数据,在根据多组驾驶数据,按照预设的提取规则提取车辆在预设时间段内的驾驶特征,最后按照预设的检测模型对驾驶特征进行处理,以得到车辆在预设时间段内驾驶行为的检测结果。其中,驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征。在用户驾驶车辆行驶的过程中,能够综合车辆多方面的驾驶数据,在车辆本地实时对驾驶行为进行检测,降低了车辆的通信成本,提高了检测结果的准确度。
图10是根据一示例性实施例示出的一种驾驶行为检测装置的框图,如图10所示,该装置400应用于服务器,包括:
接收模块401,用于接收车辆发送的驾驶数据,和/或驾驶特征,驾驶数据包括车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征。
更新模块402,用于根据用户信息、车辆的维修信息、驾驶数据、和/或驾驶特征,更新检测模型。
检测模块403,用于按照更新后的检测模型对驾驶数据、和/或驾驶特征进行处理,以获取车辆在预设时间段内驾驶行为的检测结果。
图11是根据一示例性实施例示出的另一种驾驶行为检测装置的框图,如图11所示,该装置400还包括:
第一发送模块404,用于将更新后的检测模型发送至车辆。
图12是根据一示例性实施例示出的另一种驾驶行为检测装置的框图,如图12所示,该装置400还包括:
第二发送模块405,用于在按照更新后的检测模型对驾驶数据、和/或驾驶特征进行处理,以获取车辆在预设时间段内驾驶行为的检测结果之后,将检测结果发送至车辆,和/或目标终端,目标终端为与车辆绑定的终端。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,本公开中的服务器首先接收车辆发送端驾驶数据,和/或驾驶特征,再根据用户信息、维修信息、驾驶数据,和/或驾驶特征来更新检测模型,最后按照更新后的检测模型对驾驶数据,和/或驾驶特征进行处理,以得到车辆在预设时间段内驾驶行为的检测结果。其中,驶数据包括车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,驾驶特征包括车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征。在用户驾驶车辆行驶的过程中,能够综合车辆多方面的驾驶数据,及时更新检测模型,提高了检测结果的准确度。
图13是根据一示例性实施例示出的一种车辆的框图,如图13所示,该车辆500上可以设置有图7-9所示的任一种驾驶行为检测装置。
关于上述实施方案中驾驶行为检测装置所实现功能的具体说明已经在上述方法实施例中进行了详细描述,此处不再赘述。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,本领域技术人员在考虑说明书及实践本公开后,容易想到本公开的其它实施方案,均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。同时本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。本公开并不局限于上面已经描述出的精确结构,本公开的范围仅由所附的权利要求来限制。
Claims (15)
1.一种驾驶行为检测方法,其特征在于,应用于车辆,所述方法包括:
获取所述车辆的多组驾驶数据,所述多组驾驶数据包括在预设时间段内的每个采集时刻采集的所述车辆的一组驾驶数据,每一组所述驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据,所述预设时间段为车辆启动到当前时刻的时间,或者车辆启动到熄火的时间,所述车辆状态数据、所述用户状态数据、所述行程数据和所述环境数据分别对应不同的采集频率;
根据所述多组驾驶数据,按照预设的提取规则提取所述车辆在所述预设时间段内的驾驶特征,所述驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征;
对所述驾驶特征进行聚类,以获取驾驶指标,所述驾驶指标包括:安全指标、节能指标、文明指标和平稳指标;
将所述驾驶指标作为检测模型的输入,以获取所述检测模型输出的检测结果,所述检测结果包括:驾驶评分、驾驶行为的评价、驾驶行为的分析中的至少一种。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述多组驾驶数据、所述驾驶特征、所述驾驶指标中的至少一种发送至服务器,以便所述服务器根据所述多组驾驶数据、所述驾驶特征、所述驾驶指标中的至少一种,更新所述检测模型;
接收所述服务器发送的更新后的所述检测模型。
3.根据权利要求1所述的方法,其特征在于,所述将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的所述检测结果,包括:
将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的安全评分、节能评分、文明评分和平稳评分;
根据所述安全评分、所述节能评分、所述文明评分和所述平稳评分,确定所述检测结果。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述获取所述车辆的多组驾驶数据,包括:
通过所述车辆的总线,和/或预设的应用程序编程接口获取所述多组驾驶数据。
5.一种驾驶行为检测方法,其特征在于,应用于服务器,所述方法包括:
接收车辆发送的驾驶数据,和/或驾驶特征,所述驾驶数据包括所述车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,所述驾驶特征包括所述车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征,所述预设时间段为车辆启动到当前时刻的时间,或者车辆启动到熄火的时间,所述车辆状态数据、所述用户状态数据、所述行程数据和所述环境数据分别对应不同的采集频率;
根据用户信息、所述车辆的维修信息、所述驾驶数据、和/或驾驶特征,更新检测模型;
按照更新后的所述检测模型对所述驾驶数据、和/或驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果,所述检测结果包括:驾驶评分、驾驶行为的评价、驾驶行为的分析中的至少一种。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
将更新后的所述检测模型发送至所述车辆。
7.根据权利要求5或6所述的方法,其特征在于,在所述按照更新后的所述检测模型对所述驾驶数据、和/或驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果之后,所述方法还包括:
将所述检测结果发送至所述车辆,和/或目标终端,所述目标终端为与所述车辆绑定的终端。
8.一种驾驶行为检测装置,其特征在于,应用于车辆,所述装置包括:
获取模块,用于获取所述车辆的多组驾驶数据,所述多组驾驶数据包括在预设时间段内的每个采集时刻采集的所述车辆的一组驾驶数据,每一组所述驾驶数据包括:车辆状态数据、用户状态数据、行程数据和环境数据,所述预设时间段为车辆启动到当前时刻的时间,或者车辆启动到熄火的时间,所述车辆状态数据、所述用户状态数据、所述行程数据和所述环境数据分别对应不同的采集频率;
提取模块,用于根据所述多组驾驶数据,按照预设的提取规则提取所述车辆在所述预设时间段内的驾驶特征,所述驾驶特征包括:车辆状态特征、用户状态特征、行程特征和操作特征;
检测模块,用于按照预设的检测模型对所述驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果;
所述检测模块包括:
聚类子模块,用于对所述驾驶特征进行聚类,以获取驾驶指标,所述驾驶指标包括:安全指标、节能指标、文明指标和平稳指标;
检测子模块,用于将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的所述检测结果,所述检测结果包括:驾驶评分、驾驶行为的评价、驾驶行为的分析中的至少一种。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
发送模块,用于将所述多组驾驶数据、所述驾驶特征、所述驾驶指标中的至少一种发送至服务器,以便所述服务器根据所述多组驾驶数据、所述驾驶特征、所述驾驶指标中的至少一种,更新所述检测模型;
接收模块,用于接收所述服务器发送的更新后的所述检测模型。
10.根据权利要求8所述的装置,其特征在于,所述检测子模块用于:
将所述驾驶指标作为所述检测模型的输入,以获取所述检测模型输出的安全评分、节能评分、文明评分和平稳评分;
根据所述安全评分、所述节能评分、所述文明评分和所述平稳评分,确定所述检测结果。
11.根据权利要求8-10中任一项所述的装置,其特征在于,所述获取模块用于:
通过所述车辆的总线,和/或预设的应用程序编程接口获取所述多组驾驶数据。
12.一种驾驶行为检测装置,其特征在于,应用于服务器,所述装置包括:
接收模块,用于接收车辆发送的驾驶数据,和/或驾驶特征,所述驾驶数据包括所述车辆在预设时间段内采集的车辆状态数据、用户状态数据、行程数据和环境数据,所述驾驶特征包括所述车辆按照预设的提取规则提取的车辆状态特征、用户状态特征、行程特征和操作特征,所述预设时间段为车辆启动到当前时刻的时间,或者车辆启动到熄火的时间,所述车辆状态数据、所述用户状态数据、所述行程数据和所述环境数据分别对应不同的采集频率;
更新模块,用于根据用户信息、所述车辆的维修信息、所述驾驶数据、和/或驾驶特征,更新检测模型;
检测模块,用于按照更新后的所述检测模型对所述驾驶数据、和/或驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果,所述检测结果包括:驾驶评分、驾驶行为的评价、驾驶行为的分析中的至少一种。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第一发送模块,用于将更新后的所述检测模型发送至所述车辆。
14.根据权利要求12或13所述的装置,其特征在于,所述装置还包括:
第二发送模块,用于在所述按照更新后的所述检测模型对所述驾驶数据、和/或驾驶特征进行处理,以获取所述车辆在所述预设时间段内驾驶行为的检测结果之后,将所述检测结果发送至所述车辆,和/或目标终端,所述目标终端为与所述车辆绑定的终端。
15.一种车辆,其特征在于,所述车辆上设置有权利要求8-11中任一项所述的驾驶行为检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910295566.4A CN111833480B (zh) | 2019-04-12 | 2019-04-12 | 驾驶行为检测方法、装置和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910295566.4A CN111833480B (zh) | 2019-04-12 | 2019-04-12 | 驾驶行为检测方法、装置和车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111833480A CN111833480A (zh) | 2020-10-27 |
CN111833480B true CN111833480B (zh) | 2022-04-15 |
Family
ID=72915348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910295566.4A Active CN111833480B (zh) | 2019-04-12 | 2019-04-12 | 驾驶行为检测方法、装置和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833480B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112863175B (zh) * | 2020-12-31 | 2022-11-22 | 平安科技(深圳)有限公司 | 汽车道路监测数据处理方法、装置、设备及存储介质 |
CN114842571B (zh) * | 2021-02-02 | 2024-06-18 | 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 |
CN113033651A (zh) * | 2021-03-22 | 2021-06-25 | 上海仙塔智能科技有限公司 | 一种提高驾驶安全性的方法和装置 |
CN113205683B (zh) * | 2021-04-26 | 2022-10-18 | 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 |
CN113569674A (zh) * | 2021-07-16 | 2021-10-29 | 深圳昌恩智能股份有限公司 | 一种基于智能车载终端的驾驶行为识别方法 |
CN113320535B (zh) * | 2021-07-20 | 2022-08-19 | 文思海辉智科科技有限公司 | 一种驾驶行为监控方法、装置、电子设备及存储介质 |
CN114093143A (zh) * | 2021-10-27 | 2022-02-25 | 广州通达汽车电气股份有限公司 | 一种车辆驾驶风险感知预警方法及装置 |
CN113997940B (zh) * | 2021-12-20 | 2022-12-16 | 镁佳(北京)科技有限公司 | 一种驾驶行为监测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046765A (zh) * | 2015-08-19 | 2015-11-11 | 莆田市云驰新能源汽车研究院有限公司 | 行车记录仪及基于行车记录仪改善驾驶行为的方法 |
WO2015195275A2 (en) * | 2014-05-23 | 2015-12-23 | Michael Thurston | Method for optimizing asset value based on driver acceleration and braking behavior |
CN108986255A (zh) * | 2018-07-13 | 2018-12-11 | 平安科技(深圳)有限公司 | 电子装置、驾驶行为评分方法及存储介质 |
CN109118055A (zh) * | 2018-07-19 | 2019-01-01 | 众安信息技术服务有限公司 | 一种驾驶行为评分方法及装置 |
CN109242251A (zh) * | 2018-08-03 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 行车行为安全性检测方法、装置、设备及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104978777A (zh) * | 2014-04-11 | 2015-10-14 | 比亚迪股份有限公司 | 对驾驶行为进行分析的系统、装置及方法 |
JP6519434B2 (ja) * | 2015-10-08 | 2019-05-29 | 株式会社デンソー | 運転支援装置 |
CN107784251A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 基于图像识别技术对驾驶行为评价的方法 |
CN106372817A (zh) * | 2016-10-25 | 2017-02-01 | 先锋智道(北京)科技有限公司 | 一种司机驾驶行为生成方法、装置及系统 |
CN107066787B (zh) * | 2016-11-25 | 2018-11-23 | 东软集团股份有限公司 | 车辆行程的评分方法及装置 |
CN106557663A (zh) * | 2016-11-25 | 2017-04-05 | 东软集团股份有限公司 | 驾驶行为评分方法和装置 |
CN106781454B (zh) * | 2016-11-25 | 2019-07-19 | 东软集团股份有限公司 | 驾驶行为的评估方法和装置 |
CN106740863A (zh) * | 2016-11-30 | 2017-05-31 | 武汉长江通信智联技术有限公司 | 驾驶行为分析方法 |
CN108269325A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信有限公司研究院 | 一种驾驶行为油耗经济性的分析方法及装置 |
CN107972671A (zh) * | 2017-07-19 | 2018-05-01 | 宁波诺丁汉大学 | 一种驾驶行为分析系统 |
CN107729951B (zh) * | 2017-11-14 | 2024-02-09 | 吉林大学 | 一种考虑道路与环境特征的驾驶员行为分析装置及方法 |
CN108407816B (zh) * | 2018-01-19 | 2020-07-10 | 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 |
-
2019
- 2019-04-12 CN CN201910295566.4A patent/CN111833480B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015195275A2 (en) * | 2014-05-23 | 2015-12-23 | Michael Thurston | Method for optimizing asset value based on driver acceleration and braking behavior |
CN105046765A (zh) * | 2015-08-19 | 2015-11-11 | 莆田市云驰新能源汽车研究院有限公司 | 行车记录仪及基于行车记录仪改善驾驶行为的方法 |
CN108986255A (zh) * | 2018-07-13 | 2018-12-11 | 平安科技(深圳)有限公司 | 电子装置、驾驶行为评分方法及存储介质 |
CN109118055A (zh) * | 2018-07-19 | 2019-01-01 | 众安信息技术服务有限公司 | 一种驾驶行为评分方法及装置 |
CN109242251A (zh) * | 2018-08-03 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 行车行为安全性检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111833480A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111833480B (zh) | 驾驶行为检测方法、装置和车辆 | |
US9747730B2 (en) | Driver measurement and incentive system for improving fuel-efficiency | |
US11891071B2 (en) | Vehicle to vehicle telematics | |
CN107180288B (zh) | 驾驶行为能耗测算方法、装置、存储介质及电子设备 | |
Araújo et al. | Driving coach: A smartphone application to evaluate driving efficient patterns | |
CN107368069B (zh) | 基于车联网的自动驾驶控制策略的生成方法与生成装置 | |
CN110615001B (zh) | 一种基于can数据的驾驶安全提醒方法、装置及介质 | |
Chen et al. | Driver’s Eco‐Driving Behavior Evaluation Modeling Based on Driving Events | |
CN103221665B (zh) | 驾驶支持系统和驾驶支持管理设备 | |
CN103247091B (zh) | 一种驾驶评价系统及方法 | |
US9728015B2 (en) | Fuel savings scoring system with remote real-time vehicle OBD monitoring | |
CN108074396A (zh) | 安全行驶评价方法及系统 | |
CN111565361A (zh) | 基于v2v的车辆紧急制动预警系统的测试方法及测试系统 | |
CN110853179A (zh) | 车联网服务器、车辆及基于行驶数据的车辆油耗提示方法 | |
CN104240326A (zh) | 车辆经济驾驶评价服务器及车辆驾驶管理方法 | |
US20210118330A1 (en) | Personalized driver coaching | |
CN104978777A (zh) | 对驾驶行为进行分析的系统、装置及方法 | |
CN110576808B (zh) | 车辆、车机设备及其基于人工智能的场景信息推送方法 | |
CN109115997A (zh) | 油品质量监控方法及服务器 | |
CN104570850B (zh) | 基于车联网的行车数据分析系统 | |
CN113781781A (zh) | 道路交通风险指数的计算方法和道路交通风险预警方法 | |
CN108268678B (zh) | 驾驶行为分析方法、装置及系统 | |
Walcott-Bryant et al. | Harsh brakes at potholes in Nairobi: Context-based driver behavior in developing cities | |
US11975712B2 (en) | Adaptive cruise control activation | |
CN114771539A (zh) | 车辆变道决策方法、装置、存储介质及车辆 |
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 |