CN112026781A - 一种驾驶员行为数据的分析方法及系统 - Google Patents
一种驾驶员行为数据的分析方法及系统 Download PDFInfo
- Publication number
- CN112026781A CN112026781A CN202010575026.4A CN202010575026A CN112026781A CN 112026781 A CN112026781 A CN 112026781A CN 202010575026 A CN202010575026 A CN 202010575026A CN 112026781 A CN112026781 A CN 112026781A
- Authority
- CN
- China
- Prior art keywords
- driver
- speed
- values
- data
- speed values
- 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.)
- Pending
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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种驾驶员行为数据分析方法及系统。驾驶员行为数据的分析方法包括:获取行驶记录数据中多个连续离散时间点的速度值。驾驶员行为数据包括行驶记录数据。通过离散傅里叶变换获取多类型道路对应的速度值。根据所述各采集点分析得到的当前驾驶员行为特征向量比对所述标准特征向量,获取驾驶员警示信息。从而本方法可对驾驶员的行为整体评估,通过对驾驶员行驶速度的多点采集,通过离散傅里叶变化获取不同驾驶员的速度变化特征等行为数据,提高对驾驶员行为数据预测的准确性,可有效预测危险驾驶行为,保证行驶安全。
Description
技术领域
本发明涉及数据分析领域。应用于行驶安全数据分析中,本发明具体涉及一种驾驶员行为数据分析方法及系统。
背景技术
现有的驾驶员行为数据分析多是基于GPS数据或车载终端数据获得。基于GPS的行驶记录多为位置且离散数据,其分析结果连贯性差,无法获取连续数据。且其分析时,通过车辆行驶数据推断驾驶员行为数据,当不用类型道路限定驾驶情况时,无法分辨其行驶记录中的数据结果是基于道路限定条件产生的还是由于驾驶员本人产生的。由此可知,现有的驾驶员行为数据分析局限。
发明内容
本发明的目的是提供一种驾驶员行为数据分析方法,其通过多类别道路驾驶数据的采集及离散傅里叶变换获取线性、综合数据,提高了驾驶员行为数据分析的可靠性及精准性。
本发明的另一目的是提供一种驾驶员行为数据分析系统,其通过对多类型道路驾驶数据的分析,提高了数据分析结果的有效性及可靠性。
本发明的一方面公开了一种驾驶员行为数据的分析方法,其包括:
一种驾驶员行为数据的分析方法,其包括:
步骤S101,采集多组速度值。每组速度值为以一个采集时间频率所连续采集的多个速度值。多个速度值为在一个时间区间内的多个速度值。
步骤S102,根据多组速度值及多个速度值的数量值,通过离散傅里叶变换获取多个时间频率所对应的速度分量值。
步骤S103,根据多个时间频率所对应的速度分量值获取时间频率幅值曲线。
步骤S104,根据时间频率幅值曲线获取当前驾驶员行为特征向量。
步骤S105,根据当前驾驶员行为特征向量比对历史标准特征向量,获取驾驶员警示信息。
在本发明一种驾驶员行为数据的分析方法的一种实施方式中,步骤S101前还包括:
步骤S100,通过一段行程的车载终端数据获取行驶记录数据。车载终端数据为符合JT/T 808协议的车载定位终端数据:
步骤S101,还包括以一个采集时间频率连续采集行驶记录数据中的速度信息,以获取多个速度值。
在本发明一种驾驶员行为数据的分析方法的一种实施方式中,步骤S100中还包括:根据行驶记录数据获取记录中的驾驶员身份识别信息。
步骤S105中还包括:根据当前驾驶员行为特征向量及驾驶员行为特征向量与驾驶员身份识别信息对应关系,获取当前驾驶员身份标识信息。
判断当前驾驶员身份标识信息是否与记录中的驾驶员身份识别信息匹配,若匹配,则生成驾驶员身份验证成功信息,若否,则生成驾驶员身份验证失败信息。
在本发明一种驾驶员行为数据的分析方法的一种实施方式中,行驶记录数据中包括道路类型信息。
步骤S101中还包括:步骤S1011,根据行驶记录数据,获取多个速度值的道路类型信息。
步骤S105中还包括:根据多个速度值的道路类型信息及各道路类型信息与标准特征向量的对应关系获取多个速度值的历史标准特征向量。
在本发明一种驾驶员行为数据的分析方法的一种实施方式中,步骤S101中还包括:
判断每组速度值中的多个速度值是否包括空数据,若是,则根据与空数据相邻的速度值进行不同阶次的插值运算获取空数据的速度值。
在本发明一种驾驶员行为数据的分析方法的一种实施方式中,步骤S102中包括:根据多组速度值X(n)及多个速度值的数量值N,通过离散傅里叶变换公式1-1获取多个时间频率所对应的速度分量值X(k):
同时,本发明提供了一种驾驶员行为数据的分析系统,其包括:一个速度采集单元、一个速度分量值获取单元、一个时间频率幅值曲线获取单元、一个行为特征向量获取单元和一个驾驶员警示信息生成单元。其中:
速度采集单元,其配置为采集多组速度值。每组速度值为以一个采集时间频率所连续采集的多个速度值。多个速度值为在一个时间区间内的多个速度值。
速度分量值获取单元,其配置为根据多组速度值及多个速度值的数量值,通过离散傅里叶变换获取多个时间频率所对应的速度分量值。
时间频率幅值曲线获取单元,其配置为根据多个时间频率所对应的速度分量值获取时间频率幅值曲线。
行为特征向量获取单元,其配置为根据时间频率幅值曲线获取当前驾驶员行为特征向量。
驾驶员警示信息生成单元,其配置为根据当前驾驶员行为特征向量比对历史标准特征向量,获取驾驶员警示信息。
在本发明一种驾驶员行为数据的分析系统的一种实施方式中,还包括:一个行驶记录数据获取单元。行驶记录数据获取单元,其配置为通过一段行程的车载终端数据获取行驶记录数据。车载终端数据为符合JT/T 808协议的车载定位终端数据。
在本发明一种驾驶员行为数据的分析系统的一种实施方式中,行驶记录数据获取单元,还配置为根据行驶记录数据获取记录中的驾驶员身份识别信息。
行为特征向量获取单元还配置为,根据当前驾驶员行为特征向量及驾驶员行为特征向量与驾驶员身份识别信息对应关系,获取当前驾驶员身份标识信息。
判断当前驾驶员身份标识信息是否与记录中的驾驶员身份识别信息匹配,若匹配,则生成驾驶员身份验证成功信息,若否,则生成驾驶员身份验证失败信息。
在本发明一种驾驶员行为数据的分析系统的一种实施方式中,速度采集单元还配置为:判断每组速度值中的多个速度值是否包括空数据,若是,则根据与空数据相邻的速度值进行不同阶次的插值运算获取空数据的速度值。
下文将以明确易懂的方式,结合附图对上述种驾驶员行为数据分析方法及系统的特性、技术特征、优点及其实现方式予以进一步说明。
附图说明
图1是用于说明本发明一种实施方式中,驾驶员行为数据的分析方法的步骤示意图。
图2是用于说明本发明另一种实施方式中,全频域(X(0)-X(127))的幅值曲线。
图3是用于说明本发明再一种实施方式中,部分频域X(5)-X(68)的幅值曲线。
图4是用于说明本发明一种实施方式中,驾全频域的幅角曲线。
图5是用于说明本发明一种实施方式中,驾驶员行为数据分析系统的组成示意图。
图6是用于说明本发明另一种实施方式中,驾驶员行为数据分析系统的组成示意图
具体实施方式
为了对发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式,在各图中相同的标号表示结构相同或结构相似但功能相同的部件。
在本文中,“示意性”表示“充当实例、例子或说明”,不应将在本文中被描述为“示意性”的任何图示、实施方式解释为一种更优选的或更具优点的技术方案。为使图面简洁,各图中只示意性地表示出了与本示例性实施例相关的部分,它们并不代表其作为产品的实际结构及真实比例。
本发明的一方面公开了一种驾驶员行为数据的分析方法,如图1所示,其包括:
步骤S101,采集多组速度值。
本步骤中,采集多组速度值。每组速度值为以一个采集时间频率所连续采集的多个速度值。多个速度值为在一个时间区间内的多个速度值。
如,以1s作为采集时间频率,连续接收128秒,即128个速度数据。该128个速度数据为一组速度值。以上述一组速度值的采集方法,连续采集多组速度值。每组速度值具有128个频点的速度值。
如图2所示,采集的国道等级道路上的输入速度序列为左边列项(为国道上的连续速度数值,频率1Hz,为方便进行FFT计算,取值数量为128=2^7个),经过离散傅里叶变换后卫中间列项(中间列项为变换结果),右边列项为复数取模。
步骤S102,获取速度分量值。
本步骤中,根据多组速度值及多个速度值的数量值,通过离散傅里叶变换获取多个时间频率所对应的速度分量值。
步骤S103,获取时间频率幅值曲线。
本步骤中,根据多个时间频率所对应的速度分量值获取时间频率幅值曲线。
如图3所示,图3为部分采集点X(5)-X(68)的幅值曲线。根据多个连续频点对应的速度分量值获取当前速度幅值曲线。
步骤S104,获取当前驾驶员行为特征向量。
本步骤中,根据时间频率幅值曲线获取当前驾驶员行为特征向量。如图4所示,求步骤S103中的当前速度幅值曲线的幅角,即所有采集点速度的变化幅度;如是否出现急加速或急减速的情况。
对于驾驶员的行为特征,将最右侧的向量视为驾驶员在国道上的驾驶变速行为的速度分量的一个向量。通过对大量数据处理,将这些向量放到一个128维空间中,通过-(聚类分析)等方法,获取能表征其国道上行为特征的向量,通过跟标准向量比较,可以看出驾驶员的不良行为,而且可以具体在某段频率上。
步骤S105,获取驾驶员警示信息。
本步骤中,根据当前驾驶员行为特征向量比对历史标准特征向量,获取驾驶员警示信息。上述标准特征向量为该驾驶员在正常且规范驾驶时的特征向量。将当前驾驶员行为特征向量比对历史标准特征向量,若匹配,一方面,可得到当前驾驶员正常行驶的行为信息。另一方面,可核实当前驾驶员的身份信息,即得到当前驾驶员身份为登记驾驶员的身份匹配信息。若不匹配,一方面,可获取驾驶员的驾驶行为异常的警示信息。另一方面,可得到,当前驾驶员与登记驾驶员身份不符的警示信息。
从而本方法一方面可对驾驶员的行为整体评估,通过对驾驶员行驶速度的多点采集,通过傅里叶变化获取速度变化特征等行为数据,提高对驾驶员行为数据预测的准确性,可有效干预危险驾驶行为,保证行驶安全。另一方面,可验证驾驶员身份。
在本发明一种驾驶员行为数据的分析方法的一种实施方式中,步骤S101前还包括:
步骤S100,通过一段行程的车载终端数据获取行驶记录数据。车载终端数据为符合JT/T 808协议的车载定位终端数据。
在步骤S101,还包括以一个采集时间频率连续采集行驶记录数据中的速度信息,以获取多个速度值。在采集速度值的过程中,可通过符合JT/T 808协议的行驶记录数据的采集,获取上述速度值。如表1所示,JT/T 808协议的数据文件中包括多种驾驶过程中的相关数据。以使采集点速度值的获取更为便利且能保证其实时性及可靠性。
接收符合JT/T 808协议的行驶记录数据,从行驶记录数据中以1s作为采集时间频率,连续采集128秒,即将128个速度数据作为一组速度值。
读取行驶记录数据中的速度信息,单位:0.1km/h;
更多详细信息可以参见:《JT/T 808-2019道路运输车辆卫星定位系统终端通讯协议及数据格式》。
表1
在本发明一种驾驶员行为数据的分析方法的另一种实施方式中,步骤S100中还包括:根据行驶记录数据获取记录中的驾驶员身份识别信息,即驾驶员的ID编号信息。驾驶员的ID1编号信息是通过当前驾驶员刷卡录入的。
步骤S105中还包括:根据当前驾驶员行为特征向量及驾驶员行为特征向量与驾驶员身份识别信息对应关系,获取当前驾驶员身份标识信息,即获得与当前驾驶行为匹配的验证驾驶员ID2编号。
判断当前驾驶员身份标识信息是否与记录中的驾驶员身份识别信息匹配,若匹配,则生成驾驶员身份验证成功信息,若否,则生成驾驶员身份验证失败信息。
对比驾驶员的ID1编号信息、与当前驾驶行为匹配的验证驾驶员ID2编号从而验证当前驾驶员的身份。
在本发明一种驾驶员行为数据的分析方法的再一种实施方式中,步骤S101中,时间区间内的速度值为驾驶员通过多类型道路时所获取的速度值。
步骤S101中还包括:
步骤S1011,根据行驶记录数据,将时间区间划分为多类型道路时间区间。
步骤S1012,对多类型道路时间区间内的采集点增加道路类型标识信息。道路类型标识信息与多类型道路时间区间相对应。
步骤S105中还包括:
根据各采集点的道路类型标识信息、道路类型标识信息与标准特征向量的对应关系获取各采集点的标准特征向量。从而可根据道路的实际情况对标准特征向量的动态和调整。如道路为高速、国道等道路类型。
根据各采集带点的当前驾驶员行为特征向量比对标准特征向量,获取各采集点的差值。判断差值是否在设定区间内,若否,则生成驾驶员警示信息。驾驶员警示信息中包括差值超出区间的采集点信息。
本发明一种驾驶员行为数据的分析方法的再一种实施方式中,步骤S101中还包括:判断多个连续采集点的速度值是否大于设定可合并速度值,若是则将当前的两个连续采集点合并为一个采集点。从而简化采集点的数量,提高运算速度。
本发明一种驾驶员行为数据的分析方法的再一种实施方式中,判断每组速度值中的多个速度值是否包括空数据,若是,则根据与空数据相邻的速度值进行不同阶次的插值运算获取空数据的速度值。如每组中的128中速度值中,存在无效或状态为空的数据时,则通过相邻速度点的插值计算补缺该“无效”或“空”数据。从而保证数据采集的精度。
本发明一种驾驶员行为数据的分析方法的再一种实施方式中,步骤S102中包括:以多类型道路时间区间内的多个采集点的速度值X(n)及多个采集点的数量值N为变量,通过以下离散傅里叶变换公式1-1获取多类型道路对应的速度分量值X(k):
本发明的一方面公开了一种驾驶员行为数据的分析系统,如图5所示,分析系统包括:一个速度采集单元101、一个速度分量值获取单元201、一个时间频率幅值曲线获取单元301、一个行为特征向量获取单元401和一个驾驶员警示信息生成单元501。其中:
速度采集单元101,其配置为其配置为采集多组速度值。每组速度值为以一个采集时间频率所连续采集的多个速度值。多个速度值为在一个时间区间内的多个速度值。
速度分量值获取单元201,其配置为其配置为根据多组速度值及多个速度值的数量值,通过离散傅里叶变换获取多个时间频率所对应的速度分量值。
时间频率幅值曲线获取单元301,其配置为为根据多个时间频率所对应的速度分量值获取时间频率幅值曲线。
行为特征向量获取单元401,其配置为根据时间频率幅值曲线获取当前驾驶员行为特征向量。
驾驶员警示信息生成单元501其配置为根据当前驾驶员行为特征向量比对历史标准特征向量,获取驾驶员警示信息。
本发明一种驾驶员行为数据的分析系统的再一种实施方式中,如图6所示,还包括:一个行驶记录数据获取单元601。
行驶记录数据获取单元601,其配置为通过一段行程的车载终端数据获取行驶记录数据。车载终端数据为符合JT/T 808协议的车载定位终端数据。
在本发明一种驾驶员行为数据的分析系统的一种实施方式中,行驶记录数据获取单元,还配置为根据行驶记录数据获取记录中的驾驶员身份识别信息。
行为特征向量获取单元还配置为,根据当前驾驶员行为特征向量及驾驶员行为特征向量与驾驶员身份识别信息对应关系,获取当前驾驶员身份标识信息。
判断当前驾驶员身份标识信息是否与记录中的驾驶员身份识别信息匹配,若匹配,则生成驾驶员身份验证成功信息,若否,则生成驾驶员身份验证失败信息。
在本发明一种驾驶员行为数据的分析系统的一种实施方式中,速度采集单元还配置为:判断每组速度值中的多个速度值是否包括空数据,若是,则根据与空数据相邻的速度值进行不同阶次的插值运算获取空数据的速度值。
应当理解,虽然本说明书是按照各个实施方式中描述的,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (10)
1.一种驾驶员行为数据的分析方法,其包括:
步骤S101,采集多组速度值;每组速度值为以一个采集时间频率所连续采集的多个速度值;所述多个速度值为在一个时间区间内的多个速度值;
步骤S102,根据所述多组速度值及所述多个速度值的数量值,通过离散傅里叶变换获取多个时间频率所对应的速度分量值;
步骤S103,根据所述多个时间频率所对应的速度分量值获取时间频率幅值曲线;
步骤S104,根据时间频率幅值曲线获取当前驾驶员行为特征向量;
步骤S105,根据所述当前驾驶员行为特征向量比对历史标准特征向量,获取驾驶员警示信息。
2.根据权利要求1所述的分析方法,其中,所述步骤S101前还包括:
步骤S100,通过一段行程的车载终端数据获取行驶记录数据;所述车载终端数据为符合JT/T 808协议的车载定位终端数据:
所述步骤S101,还包括以一个采集时间频率连续采集所述行驶记录数据中的速度信息,以获取多个速度值。
3.根据权利要求2所述的分析方法,其中,所述步骤S100中还包括:根据所述行驶记录数据获取记录中的驾驶员身份识别信息;
所述步骤S105中还包括:
根据所述当前驾驶员行为特征向量及驾驶员行为特征向量与驾驶员身份识别信息对应关系,获取当前驾驶员身份标识信息;
判断所述当前驾驶员身份标识信息是否与记录中的驾驶员身份识别信息匹配,若匹配,则生成驾驶员身份验证成功信息,若否,则生成驾驶员身份验证失败信息。
4.根据权利要求2所述的分析方法,其中,所述行驶记录数据中包括道路类型信息;
所述步骤S101中还包括:
步骤S1011,根据所述行驶记录数据,获取所述多个速度值的道路类型信息;
所述步骤S105中还包括:
根据所述多个速度值的道路类型信息及各道路类型信息与标准特征向量的对应关系获取多个速度值的历史标准特征向量。
5.根据权利要求1所述的分析方法,其中,所述步骤S101中还包括:
判断所述每组速度值中的多个速度值是否包括空数据,若是,则根据与所述空数据相邻的速度值进行不同阶次的插值运算获取所述空数据的速度值。
7.一种驾驶员行为数据的分析系统,其包括:一个速度采集单元、一个速度分量值获取单元、一个时间频率幅值曲线获取单元、一个行为特征向量获取单元和一个驾驶员警示信息生成单元;其中:
所述速度采集单元,其配置为采集多组速度值;每组速度值为以一个采集时间频率所连续采集的多个速度值;所述多个速度值为在一个时间区间内的多个速度值;
所述速度分量值获取单元,其配置为根据所述多组速度值及所述多个速度值的数量值,通过离散傅里叶变换获取多个时间频率所对应的速度分量值;
所述时间频率幅值曲线获取单元,其配置为根据所述多个时间频率所对应的速度分量值获取时间频率幅值曲线;
所述行为特征向量获取单元,其配置为根据时间频率幅值曲线获取当前驾驶员行为特征向量;
所述驾驶员警示信息生成单元,其配置为根据所述当前驾驶员行为特征向量比对历史标准特征向量,获取驾驶员警示信息。
8.根据权利要求7所述的分析系统,其中,还包括:一个行驶记录数据获取单元;
所述行驶记录数据获取单元,其配置为通过一段行程的车载终端数据获取所述行驶记录数据;所述车载终端数据为符合JT/T 808协议的车载定位终端数据。
9.根据权利要求8所述的分析系统,其中,所述行驶记录数据获取单元,还配置为根据所述行驶记录数据获取记录中的驾驶员身份识别信息;
所述行为特征向量获取单元还配置为,根据所述当前驾驶员行为特征向量及驾驶员行为特征向量与驾驶员身份识别信息对应关系,获取当前驾驶员身份标识信息;
判断所述当前驾驶员身份标识信息是否与记录中的驾驶员身份识别信息匹配,若匹配,则生成驾驶员身份验证成功信息,若否,则生成驾驶员身份验证失败信息。
10.根据权利要求8或9所述的分析系统,其中,所述速度采集单元还配置为:判断所述每组速度值中的多个速度值是否包括空数据,若是,则根据与所述空数据相邻的速度值进行不同阶次的插值运算获取所述空数据的速度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010575026.4A CN112026781A (zh) | 2020-06-22 | 2020-06-22 | 一种驾驶员行为数据的分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010575026.4A CN112026781A (zh) | 2020-06-22 | 2020-06-22 | 一种驾驶员行为数据的分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112026781A true CN112026781A (zh) | 2020-12-04 |
Family
ID=73579712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010575026.4A Pending CN112026781A (zh) | 2020-06-22 | 2020-06-22 | 一种驾驶员行为数据的分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112026781A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113232669A (zh) * | 2021-05-21 | 2021-08-10 | 中国第一汽车股份有限公司 | 一种基于机器学习的驾驶风格辨识方法 |
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 |
CN114724121A (zh) * | 2022-03-23 | 2022-07-08 | 中交信息技术国家工程实验室有限公司 | 一种驾驶行为预测方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008250406A (ja) * | 2007-03-29 | 2008-10-16 | Hokkaido Univ | 高齢ドライバサポートシステム、運転年齢判定方法及び運転年齢判定プログラム |
CN103890822A (zh) * | 2011-09-26 | 2014-06-25 | 丰田自动车株式会社 | 驾驶支援装置及方法 |
CN104590275A (zh) * | 2014-11-27 | 2015-05-06 | 厦门雅迅网络股份有限公司 | 一种驾驶行为分析方法 |
CN104616495A (zh) * | 2015-01-04 | 2015-05-13 | 杨宏业 | 一种基于公交gps探测车的城市交通状态识别方法 |
CN106415688A (zh) * | 2014-05-20 | 2017-02-15 | 本田技研工业株式会社 | 驾驶特性评估方法、程序和驾驶特性评估装置 |
CN106529599A (zh) * | 2016-11-11 | 2017-03-22 | 北京工业大学 | 一种面向事件的驾驶员生态驾驶行为评估方法 |
CN107953888A (zh) * | 2017-11-29 | 2018-04-24 | 北京经纬恒润科技有限公司 | 一种道路类型识别方法及系统 |
CN108806021A (zh) * | 2018-06-12 | 2018-11-13 | 重庆大学 | 基于物理模型和道路特征参数的电动汽车目标路段能耗预测方法 |
CN109649399A (zh) * | 2019-01-11 | 2019-04-19 | 合肥工业大学 | 一种基于横向行车速度的驾驶员分心判别方法 |
US20190182638A1 (en) * | 2012-12-26 | 2019-06-13 | Truemotion, Inc. | Methods and systems for driver identification |
US20190270457A1 (en) * | 2018-03-01 | 2019-09-05 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for identifying risky driving behavior |
CN110533909A (zh) * | 2019-09-10 | 2019-12-03 | 重庆大学 | 一种基于交通环境的驾驶行为分析方法及系统 |
-
2020
- 2020-06-22 CN CN202010575026.4A patent/CN112026781A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008250406A (ja) * | 2007-03-29 | 2008-10-16 | Hokkaido Univ | 高齢ドライバサポートシステム、運転年齢判定方法及び運転年齢判定プログラム |
CN103890822A (zh) * | 2011-09-26 | 2014-06-25 | 丰田自动车株式会社 | 驾驶支援装置及方法 |
US20140212849A1 (en) * | 2011-09-26 | 2014-07-31 | Toyota Jidosha Kabushiki Kaisha | Driving assistance device and method |
US20190182638A1 (en) * | 2012-12-26 | 2019-06-13 | Truemotion, Inc. | Methods and systems for driver identification |
CN106415688A (zh) * | 2014-05-20 | 2017-02-15 | 本田技研工业株式会社 | 驾驶特性评估方法、程序和驾驶特性评估装置 |
CN104590275A (zh) * | 2014-11-27 | 2015-05-06 | 厦门雅迅网络股份有限公司 | 一种驾驶行为分析方法 |
CN104616495A (zh) * | 2015-01-04 | 2015-05-13 | 杨宏业 | 一种基于公交gps探测车的城市交通状态识别方法 |
CN106529599A (zh) * | 2016-11-11 | 2017-03-22 | 北京工业大学 | 一种面向事件的驾驶员生态驾驶行为评估方法 |
CN107953888A (zh) * | 2017-11-29 | 2018-04-24 | 北京经纬恒润科技有限公司 | 一种道路类型识别方法及系统 |
US20190270457A1 (en) * | 2018-03-01 | 2019-09-05 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for identifying risky driving behavior |
CN108806021A (zh) * | 2018-06-12 | 2018-11-13 | 重庆大学 | 基于物理模型和道路特征参数的电动汽车目标路段能耗预测方法 |
CN109649399A (zh) * | 2019-01-11 | 2019-04-19 | 合肥工业大学 | 一种基于横向行车速度的驾驶员分心判别方法 |
CN110533909A (zh) * | 2019-09-10 | 2019-12-03 | 重庆大学 | 一种基于交通环境的驾驶行为分析方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113232669A (zh) * | 2021-05-21 | 2021-08-10 | 中国第一汽车股份有限公司 | 一种基于机器学习的驾驶风格辨识方法 |
CN113232669B (zh) * | 2021-05-21 | 2022-05-17 | 中国第一汽车股份有限公司 | 一种基于机器学习的驾驶风格辨识方法 |
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 |
CN114724121A (zh) * | 2022-03-23 | 2022-07-08 | 中交信息技术国家工程实验室有限公司 | 一种驾驶行为预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112026781A (zh) | 一种驾驶员行为数据的分析方法及系统 | |
EP2710572B1 (en) | Vehicle data analysis method and vehicle data analysis system | |
US9170115B2 (en) | Method and system for generating road map using data of position sensor of vehicle | |
CN102774382B (zh) | 用于车辆驾驶风格确定的系统和方法 | |
US10493998B2 (en) | Method and system for providing driving guidance | |
EP3578433A1 (en) | Method for estimating an accident risk of an autonomous vehicle | |
KR101601034B1 (ko) | Dtg 빅데이터 처리 및 분석 시스템 | |
US20210206382A1 (en) | Information processing apparatus, information processing system, information processing method, and program | |
WO2019125532A1 (en) | Programmatic ally identifying a personality of an autonomous vehicle | |
Langner et al. | Logical Scenario Derivation by Clustering Dynamic-Length-Segments Extracted from Real-World-Driving-Data. | |
CN113642893A (zh) | 一种新能源汽车运行风险的评估方法 | |
CN111354155B (zh) | 一种车辆行驶过程进行安全提醒的方法和装置及设备 | |
CN112348039B (zh) | 驾驶行为分析模型的训练方法、驾驶行为分析方法和设备 | |
CN116383678B (zh) | 一种营运客车异常变速行为常发性路段识别方法 | |
CN108268678A (zh) | 驾驶行为分析方法、装置及系统 | |
CN113335286B (zh) | 车辆的扭矩图生成方法、装置、电子设备和存储介质 | |
US10618524B2 (en) | Method for determining a reference driving class | |
CN112959859B (zh) | 驾驶提醒方法、装置、电子设备和存储介质 | |
CN110660217B (zh) | 用于检测信息安全的方法及装置 | |
CN113799715A (zh) | 车辆异常原因的确定方法、装置、通信设备及存储介质 | |
CN114199594A (zh) | 车辆转向异响识别方法及系统 | |
CN113838304A (zh) | 信息处理装置、信息处理系统、信息处理方法和存储介质 | |
Ivanov et al. | Development of the external indirect pressure control system in pneumatic tires | |
KR20160100264A (ko) | Dtg 빅데이터를 이용하는 연비 예측 모델 생성 방법 | |
CN112418315B (zh) | 基于制动特征和svm算法的驾驶员身份识别建模方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |
|
RJ01 | Rejection of invention patent application after publication |