CN111881808B - 基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法 - Google Patents
基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法 Download PDFInfo
- Publication number
- CN111881808B CN111881808B CN202010717472.4A CN202010717472A CN111881808B CN 111881808 B CN111881808 B CN 111881808B CN 202010717472 A CN202010717472 A CN 202010717472A CN 111881808 B CN111881808 B CN 111881808B
- Authority
- CN
- China
- Prior art keywords
- driver
- accelerator pedal
- starting
- data
- steering wheel
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
Abstract
本发明公开了一种基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,该识别方法主要针对公交车起步阶段,通过起步参数,并以历史数据作为基础,分析判断出起步阶段加速踏板踩到底的情况是驾驶人的主观急加速需求,还是驾驶员的踩踏失误,并以此确定驾驶员起步异常操作行为的识别条件;最后通过该识别条件对当前时刻某驾驶员的起步操作是否异常进行判断识别。该方法利用每个驾驶员的历史操作数据制定适合于各个驾驶员的异常起步行为判定规则和阈值,使得识别更加准确,更贴近每个驾驶员的驾驶习惯,可有效提高识别的准确度。
Description
技术领域
本发明涉及驾驶员异常行为识别技术领域,尤其涉及一种基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法。
背景技术
随着国家及社会对绿色环保城市的重视度不断提高,电动汽车开始在城市中大力推广,特别是应用于城市公交车。近年来,公交车电动化比例逐步增加,在公交公司中,驾驶员数量往往多于公交车数量,这就会出现一辆公交车由多名驾驶员驾驶的情况,但是由于传统公交车和电动公交车的能源转换方式及结构上略有不同,因此,一般而言,即使更换驾驶车辆,均为同一车型的公交车辆。在公交起步阶段,常有驾驶员出现误将加速踏板当成制动踏板一踩到底的现象,这在公交起步阶段是一种异常且具有危险性的行为。但是往往一辆电动车由多个不同的驾驶员操作,因此对驾驶员进行识别,并通过起步阶段相关驾驶参数分析,准确识别出当前异常行为属于哪个驾驶员的操作,并予以教育改正,将对公交车的运行安全具有重要意义。
发明内容
针对现有技术中存在的问题,本发明的目的在于提供一种基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,该识别方法主要针对公交车起步阶段,通过多种起步参数,并以历史数据作为基础,可分析判断出起步阶段加速踏板踩到底的情况是驾驶人的主观急加速需求,还是驾驶员的踩踏失误,并以此确定驾驶员起步异常操作行为的识别条件;最后通过该识别条件对当前时刻某驾驶员的起步操作是否异常进行判断识别。该方法利用每个驾驶员的历史操作数据制定适合于各个驾驶员的异常起步行为判定规则和阈值,对驾驶员的异常操作行为识别更加准确,更贴近每个驾驶员的驾驶习惯,可有效提高识别的准确度。
为达到上述目的,本发明采用以下技术方案予以实现。
基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,包括以下步骤:
步骤1,采集每个驾驶员的身份信息和面部图像信息;
步骤2,获取电动公交的历史数据,并根据驾驶员的身份信息和面部图像信息,将历史数据与驾驶员进行匹配,并将每个驾驶员所对应的个人历史数据存入数据库中;
步骤3,从每个驾驶员的个人历史数据中挑选出所有起步阶段的起步数据,每组起步数据为1组,并依次编号;所述起步数据包含加速踏板开度和方向盘转动角速度;
步骤4,筛选出起步数据中加速踏板开度超过加速踏板开度阈值的组别及对应的数据,并统计起步数据中加速踏板开度超过加速踏板开度阈值的组别总数及每组起步数据中加速踏板开度超过加速踏板开度阈值的持续时间;
步骤5,根据每组起步数据中加速踏板开度超过加速踏板开度阈值的持续时间,判断该驾驶员是否存在起步踩踏加速踏板的行为;
步骤6,根据起步数据中的方向盘转动角速度,进一步判断该驾驶员踩踏加速踏板的行为是主观急加速起步还是起步异常操作,并确定该驾驶员起步异常操作行为的识别条件;
步骤7,根据依据历史数据所确定的驾驶员起步异常操作行为的识别条件,确定当前时刻某驾驶员的起步操作是否异常。
本发明技术方案的特点和进一步的改进在于:
(1)步骤5中,所述判断该驾驶员是否存在起步踩踏加速踏板的行为,具体为,当加速踏板开度超过加速踏板开度阈值,持续时间超过时间阈值时,则认为驾驶员存在起步踩踏加速踏板的行为。
(2)步骤6包含以下子步骤:
子步骤6.1,预先设定方向盘转动角速度阈值区间R=[a,b]rad/s;
子步骤6.2,当加速踏板开度超过加速踏板开度阈值,且方向盘转动角速度位于方向盘转动角速度阈值区间R=[a,b]rad/s内,则认为驾驶员踩踏加速踏板的行为是主观急加速起步;
当加速踏板开度超过加速踏板开度阈值,且方向盘转动角速度位于方向盘转动角速度阈值区间R=[a,b]rad/s外,则认为驾驶员踩踏加速踏板的行为是起步异常操作。
子步骤6.3,确定驾驶员起步异常操作行为的识别条件为:
加速踏板开度超过加速踏板开度阈值,持续时间大于时间阈值,且方向盘转动角速度为方向盘转动角速度阈值区间R的最小值a,且持续时间大于阈值;或,加速踏板开度超过加速踏板开度阈值,持续时间大于时间阈值,且方向盘转动角速度大于方向盘转动角速度阈值区间R的最大值b。
进一步的,子步骤6.1中,所述预先设定方向盘转动角速度阈值区间R=[a,b]rad/s,具体为:
6.1a,确定方向盘转动角速度阈值区间R的最小值a,a取0;
6.1b,确定方向盘转动角速度阈值区间R的最大值b:统计步骤4筛选出的数据中,加速踏板开度超过加速踏板开度阈值且持续时间超过时间阈值的数据,并取统计出的数据中方向盘转动角速度的75%分位数,即为方向盘转动角速度阈值区间R的最大值b。
步骤7包括以下子步骤:
子步骤7.1,判断当前状态是否为起步状态,若是,继续下一步骤;
子步骤7.2,采集当前起步状态的数据,根据步骤1所采集的每个驾驶员的身份信息和面部图像信息,与其历史数据对应,提取其由历史数据确定的该驾驶员起步异常操作行为的识别条件;
子步骤7.3,并根据所述识别条件,判断该驾驶员是否存在起步异常操作。
与现有技术相比,本发明的有益效果为:
本发明提供的基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,通过利用每个驾驶员的历史操作数据制定针对每个驾驶员异常起步行为判定规则和阈值,更加准确,更贴近每个驾驶员的驾驶习惯,而不会出现因通用一个阈值区间去判定异常操作行为而引起由于驾驶员驾驶习惯和驾驶风格不同引起的阈值不准确,判定不准确的现象,使用本发明的方法具有实际应用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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。
图1为本发明的基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法的一种实施例的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
本发明实施例提供一种基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,包括以下步骤:
步骤1,采集每个驾驶员的身份信息和面部图像信息。
具体的,电动公交上安装图像识别装置和ID卡刷卡装置,每个驾驶员持有具有特定编号的ID卡,要求上车后刷卡采集身份信息,并正对图像识别装置采集面部图像,由此采集每个驾驶员的身份信息和面部图像信息。
步骤2,获取电动公交的历史数据,并根据驾驶员的身份信息和面部图像信息,将历史数据与驾驶员进行匹配,并将每个驾驶员所对应的个人历史数据存入数据库中。
具体的,从电动公交的OBD接口导出历史三个自然月的所有运行数据,结合ID卡刷卡信息和图像识别信息,区分每组数据对应的驾驶员,并将每个驾驶员的所有数据按每趟公交行程进行编号,分别存入以驾驶员编号为命名的数据库中。
步骤3,从每个驾驶员的个人历史数据中挑选出所有起步阶段的起步数据,每组起步数据为1组,并依次编号;所述起步数据包含加速踏板开度和方向盘转动角速度。
其中,本发明实施例定义电动公交起步阶段为车速从0开始逐步增加到一个稳定值的过程。例如车速变化是从0开始,逐步波动性或线性增加至15km/h,并在15km/h附近波动,持续时间超过3s,则车速从0-15km/h的过程为一个起步过程,从0至15km/h所耗时间为起步时间。
步骤4,学习历史起步数据,筛选出起步数据中加速踏板开度超过加速踏板开度阈值的组别及对应的数据,并统计起步数据中加速踏板开度超过加速踏板开度阈值的组别总数及每组起步数据中加速踏板开度超过加速踏板开度阈值的持续时间。
本实施例中,加速踏板开度阈值设定为98%。
步骤5,根据每组起步数据中加速踏板开度超过加速踏板开度阈值的持续时间,判断该驾驶员是否存在起步踩踏加速踏板的行为。
具体为,当加速踏板开度超过加速踏板开度阈值的持续时间超过时间阈值时,则认为驾驶员存在起步踩踏加速踏板的行为。
本实施例中,时间阈值设定为3s。
本发明实施例分三种情况进行讨论:①某个驾驶员的历史数据中加速踏板开度超过98%,且持续时间超过3s的次数为0,认为此驾驶员驾驶谨慎,几乎不会出现起步误踩加速踏板的行为;②某个驾驶员的历史数据中加速踏板开度超过98%,且持续时间超过3s的次数为1-20次,认为此驾驶员偶尔会出现起步误踩加速踏板的行为;③某个驾驶员的历史数据中加速踏板开度超过98%,且持续时间超过3s的次数大于20次,认为此驾驶员经常会出现起步误踩加速踏板的行为。
加速踏板开度大于98%一个指标并不能直接说明驾驶员是误踩了加速踏板,也有可能是主观上的急加速行为,为了判定驾驶员到底是误踩加速踏板的异常行为还是主观急加速行为,继续进行下一步骤。
步骤6,根据起步数据中的方向盘转动角速度,进一步判断该驾驶员踩踏加速踏板的行为是主观急加速起步还是起步异常操作,并确定该驾驶员起步异常操作行为的识别条件。
方向盘转角变化即相邻采样时间内方向盘角度的差值,而方向盘转动角速度是指单位时间内方向盘角度的变化,这两个指标的变化情况本质上是一样的,区别在于两者的时间不一样,假设相邻采样时间间隔为1s,则两者数值和含义上没有区分。本发明主要以方向盘转动角速度作为指标判定起步操作是否异常。
车辆在正常起步时,如果驾驶员一切操作正常,即使是突然的猛踩加速踏板起步,方向盘转角及转动角速度均会是轻微波动,不会出现大幅度的突变,相反在异常操作时,由于心里慌乱,方向盘转角及角速度会出现极端情况,要么保持不动,要么有大幅度波动。
步骤6具体包含以下子步骤:
子步骤6.1,预先设定方向盘转动角速度阈值区间R=[a,b]rad/s;
具体为:
6.1a,确定方向盘转动角速度阈值区间R的最小值a,a取0;
6.1b,确定方向盘转动角速度阈值区间R的最大值b:统计步骤4筛选出的数据中,加速踏板开度超过加速踏板开度阈值且持续时间超过时间阈值的数据,并取统计出的数据中方向盘转动角速度的75%分位数,即为方向盘转动角速度阈值区间R的最大值b。
子步骤6.2,当加速踏板开度超过加速踏板开度阈值,且方向盘转动角速度位于方向盘转动角速度阈值区间R=[a,b]rad/s内,则认为驾驶员踩踏加速踏板的行为是主观急加速起步;
当加速踏板开度超过加速踏板开度阈值,且方向盘转动角速度位于方向盘转动角速度阈值区间R=[a,b]rad/s外,则认为驾驶员踩踏加速踏板的行为是起步异常操作。
子步骤6.3,确定驾驶员起步异常操作行为的识别条件为:
加速踏板开度超过加速踏板开度阈值,持续时间大于时间阈值,且方向盘转动角速度为方向盘转动角速度阈值区间R的最小值a,且持续时间大于阈值;或,加速踏板开度超过加速踏板开度阈值,持续时间大于时间阈值,且方向盘转动角速度大于方向盘转动角速度阈值区间R的最大值b。
显然,方向盘转动角速度的最小值为0,但是方向盘转动角速度为0的状态也不能完全判定为异常起步操作,需要附加持续时间一起作为起步异常操作的判定条件。因此,本实施例的起步异常操作的判定条件之一为:加速踏板开度大于98%,持续时间超过3s,且方向盘角速度为0,持续时间超过4s。
本实施例的起步异常操作的判定条件之二为,加速踏板开度大于98%,持续时间超过3s,且方向盘转动角速度大于方向盘转动角速度阈值区间R的最大值b。
步骤7,根据依据历史数据所确定的驾驶员起步异常操作行为的识别条件,确定当前时刻某驾驶员的起步操作是否异常。
具体的,包括以下子步骤:
子步骤7.1,判断当前状态是否为起步状态,若是,继续下一步骤;
按照上述步骤3提到的起步阶段的定义,判断电动公交的当前状态是否为起步状态。
子步骤7.2,采集当前起步状态的数据,根据步骤1所采集的每个驾驶员的身份信息和面部图像信息,与其历史数据对应,提取其由历史数据确定的该驾驶员起步异常操作行为的识别条件;
子步骤7.3,并根据所述识别条件,判断该驾驶员是否存在起步异常操作。
需要说明的是,方向盘转动角速度阈值区间R=[a,b]rad/s并不是一个固定的值,是根据每个驾驶员的历史数据确定的一个区间,对每个驾驶员是不一致的。因此,本发明提供的方法才更加准确,更贴近每个驾驶员的驾驶习惯,识别准确度更高。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,其特征在于,包括以下步骤:
步骤1,采集每个驾驶员的身份信息和面部图像信息;
步骤2,获取电动公交的历史数据,并根据驾驶员的身份信息和面部图像信息,将历史数据与驾驶员进行匹配,并将每个驾驶员所对应的个人历史数据存入数据库中;
步骤3,从每个驾驶员的个人历史数据中挑选出所有起步阶段的起步数据,每组起步数据为1组,并依次编号;所述起步数据包含加速踏板开度和方向盘转动角速度;
步骤4,筛选出起步数据中加速踏板开度超过加速踏板开度阈值的组别及对应的数据,并统计起步数据中加速踏板开度超过加速踏板开度阈值的组别总数及每组起步数据中加速踏板开度超过加速踏板开度阈值的持续时间;
步骤5,根据每组起步数据中加速踏板开度超过加速踏板开度阈值的持续时间,判断该驾驶员是否存在起步踩踏加速踏板的行为;
步骤6,根据起步数据中的方向盘转动角速度,进一步判断该驾驶员踩踏加速踏板的行为是主观急加速起步还是起步异常操作,并确定该驾驶员起步异常操作行为的识别条件;
其包含以下子步骤:
子步骤6.1,预先设定方向盘转动角速度阈值区间R=[a,b]rad/s;所述预先设定方向盘转动角速度阈值区间R=[a,b]rad/s,具体为:
6.1a,确定方向盘转动角速度阈值区间R的最小值a,a取0;
6.1b,确定方向盘转动角速度阈值区间R的最大值b:统计步骤4筛选出的数据中,加速踏板开度超过加速踏板开度阈值且持续时间超过时间阈值的数据,并取统计出的数据中方向盘转动角速度的75%分位数,即为方向盘转动角速度阈值区间R的最大值b;
子步骤6.2,当加速踏板开度超过加速踏板开度阈值,且方向盘转动角速度位于方向盘转动角速度阈值区间R=[a,b]rad/s内,则认为驾驶员踩踏加速踏板的行为是主观急加速起步;
当加速踏板开度超过加速踏板开度阈值,且方向盘转动角速度位于方向盘转动角速度阈值区间R=[a,b]rad/s外,则认为驾驶员踩踏加速踏板的行为是起步异常操作;
子步骤6.3,确定驾驶员起步异常操作行为的识别条件为:
加速踏板开度超过加速踏板开度阈值,持续时间大于时间阈值,且方向盘转动角速度为方向盘转动角速度阈值区间R的最小值a,且持续时间大于阈值;
或,
加速踏板开度超过加速踏板开度阈值,持续时间大于时间阈值,且方向盘转动角速度大于方向盘转动角速度阈值区间R的最大值b;
步骤7,根据依据历史数据所确定的驾驶员起步异常操作行为的识别条件,确定当前时刻某驾驶员的起步操作是否异常。
2.根据权利要求1所述的基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,其特征在于,步骤5中,所述判断该驾驶员是否存在起步踩踏加速踏板的行为,具体为,当加速踏板开度超过加速踏板开度阈值,持续时间超过时间阈值时,则认为驾驶员存在起步踩踏加速踏板的行为。
3.根据权利要求1所述的基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,其特征在于,步骤7包括以下子步骤:
子步骤7.1,判断当前状态是否为起步状态,若是,继续下一步骤;
子步骤7.2,采集当前起步状态的数据,根据步骤1所采集的每个驾驶员的身份信息和面部图像信息,与其历史数据对应,提取其由历史数据确定的该驾驶员起步异常操作行为的识别条件;
子步骤7.3,并根据所述识别条件,判断该驾驶员是否存在起步异常操作。
4.根据权利要求1所述的基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,其特征在于,所述加速踏板开度阈值为98%。
5.根据权利要求1所述的基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,其特征在于,所述时间阈值为3s。
6.根据权利要求3所述的基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法,其特征在于,子步骤7.1中,所述起步阶段为电动公交的车速从0开始增加到稳定值的过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010717472.4A CN111881808B (zh) | 2020-07-23 | 2020-07-23 | 基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010717472.4A CN111881808B (zh) | 2020-07-23 | 2020-07-23 | 基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881808A CN111881808A (zh) | 2020-11-03 |
CN111881808B true CN111881808B (zh) | 2023-09-15 |
Family
ID=73154883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010717472.4A Active CN111881808B (zh) | 2020-07-23 | 2020-07-23 | 基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881808B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469458A (zh) * | 2021-07-22 | 2021-10-01 | 南京领行科技股份有限公司 | 驾驶习惯评价方法、装置及电子设备 |
CN114103966A (zh) * | 2021-11-17 | 2022-03-01 | 东风汽车集团股份有限公司 | 一种辅助驾驶的控制方法、装置和系统 |
CN115195757B (zh) * | 2022-09-07 | 2023-08-04 | 郑州轻工业大学 | 电动公交起步驾驶行为建模及识别训练方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016091056A (ja) * | 2014-10-29 | 2016-05-23 | 株式会社デンソー | ドライバ状態診断装置 |
CN106828502A (zh) * | 2016-12-30 | 2017-06-13 | 中国第汽车股份有限公司 | 汽车驾驶员踩踏油门发生不良驾驶行为的识别方法 |
CN106853830A (zh) * | 2016-06-24 | 2017-06-16 | 乐视控股(北京)有限公司 | 异常驾驶行为识别方法、装置及终端设备 |
CN110615001A (zh) * | 2019-09-27 | 2019-12-27 | 汉纳森(厦门)数据股份有限公司 | 一种基于can数据的驾驶安全提醒方法、装置及介质 |
CN110689642A (zh) * | 2019-09-18 | 2020-01-14 | 山东大学 | 基于车载obd数据及概率统计的异常驾驶判别方法及系统 |
-
2020
- 2020-07-23 CN CN202010717472.4A patent/CN111881808B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016091056A (ja) * | 2014-10-29 | 2016-05-23 | 株式会社デンソー | ドライバ状態診断装置 |
CN106853830A (zh) * | 2016-06-24 | 2017-06-16 | 乐视控股(北京)有限公司 | 异常驾驶行为识别方法、装置及终端设备 |
CN106828502A (zh) * | 2016-12-30 | 2017-06-13 | 中国第汽车股份有限公司 | 汽车驾驶员踩踏油门发生不良驾驶行为的识别方法 |
CN110689642A (zh) * | 2019-09-18 | 2020-01-14 | 山东大学 | 基于车载obd数据及概率统计的异常驾驶判别方法及系统 |
CN110615001A (zh) * | 2019-09-27 | 2019-12-27 | 汉纳森(厦门)数据股份有限公司 | 一种基于can数据的驾驶安全提醒方法、装置及介质 |
Non-Patent Citations (2)
Title |
---|
张永超 ; 赵录怀 ; 贾晨 ; 张俊乐 ; .基于驾驶员特性的油门误踩检测策略与实车验证.单片机与嵌入式系统应用.2019,(第12期),全文. * |
王姝 ; 赵轩 ; 余强 ; .基于驾驶员意图识别电动汽车平路起步控制策略研究.西南大学学报(自然科学版).2016,(第12期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111881808A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111881808B (zh) | 基于连续追踪数据的电动公交起步阶段驾驶员异常操作行为识别方法 | |
CN108995653B (zh) | 一种驾驶员驾驶风格识别方法及系统 | |
EP2690423B1 (en) | Vehicle data analysis apparatus, vehicle data analysis method, and defect diagnosis apparatus | |
CN103042922B (zh) | 确定基于车辆驾驶状态信息的驾驶集中度的系统和方法 | |
US20190308619A1 (en) | Method and system for estimating an accident risk of an autonomous vehicle | |
CN108701229B (zh) | 驾驶行为分析方法及驾驶行为分析装置 | |
CN108466616B (zh) | 一种自动识别碰撞事件的方法、存储介质及车载终端 | |
EP3960576A1 (en) | Method and system for analysing the control of a vehicle | |
CN109606255B (zh) | 用于车辆的监测方法及车辆 | |
EP3578433B1 (en) | Method for estimating an accident risk of an autonomous vehicle | |
CN112215497A (zh) | 一种纯电动汽车运行风险预警方法 | |
CN115563503A (zh) | 基于车辆历史数据的故障预测方法、系统和存储介质 | |
CN112748343A (zh) | 一种动力电池功率边界的检测方法、装置及电动汽车 | |
CN116552542A (zh) | 车辆控制方法、装置、电子设备和存储介质 | |
CN112634650B (zh) | 基于音视频监控的停车场管理方法和系统 | |
CN113815631A (zh) | 基于历史驾驶行为的驾驶提醒方法、装置、设备及介质 | |
CN112580736A (zh) | 一种基于svm算法的醉酒驾驶车辆识别方法 | |
CN114644012A (zh) | 车辆及其控制方法、存储介质和电子设备 | |
CN114872676B (zh) | 一种制动系统异常的自动检测方法 | |
CN112581760B (zh) | 一种智慧交通的交通数据匹配方法以及装置 | |
CN111912632B (zh) | 转向系统耐久试验控制方法、装置、存储介质及系统 | |
CN113722677B (zh) | 一种基于车辆驾驶统计数据的交通信息可信辨识方法 | |
CN115402325A (zh) | 车辆控制的方法、装置和车辆 | |
KR20210146097A (ko) | 차량 운전 가이드 장치 및 이를 이용한 가이드 제공 방법 | |
CN114492654A (zh) | 用于检测加速踏板误踩的方法及系统 |
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 |