CN112214530B - 一种社会驾驶行为跟踪评价的方法及相关装置 - Google Patents
一种社会驾驶行为跟踪评价的方法及相关装置 Download PDFInfo
- Publication number
- CN112214530B CN112214530B CN202011057521.2A CN202011057521A CN112214530B CN 112214530 B CN112214530 B CN 112214530B CN 202011057521 A CN202011057521 A CN 202011057521A CN 112214530 B CN112214530 B CN 112214530B
- Authority
- CN
- China
- Prior art keywords
- data
- driving
- vehicle
- platform
- behavior
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Abstract
本申请实施例公开了一种社会驾驶行为跟踪评价的方法及相关装置,用于对大量驾驶过程数据进行跟踪获取并发送,增加驾驶过程数据的利用率。本申请实施例方法包括:获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;根据所述驾驶状态信息生成实时驾驶行为数据;将所述实时驾驶行为数据上传至云端数据库;使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据;将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包;将所述驾驶数据包发送至对应的赋能平台。
Description
技术领域
本申请实施例涉及车辆驾驶数据领域,尤其涉及一种社会驾驶行为跟踪评价的方法及相关装置。
背景技术
随着人民生活水平的日益提高,车辆出行成为了人们出行的首选交通方式,随着车辆的增多,车辆出行衍生的各种车辆驾驶数据也越来越多,车辆驾驶数据的整理并利用成为相关部门的工作。
现有的车辆驾驶数据通常只是针对某一辆车的车辆驾驶数据进行独立分析,例如仅采集某一车辆在某一时刻的车速、油箱油量信息和水箱的水量信息等,发送到驾驶员的用户终端上,仅作用于该车辆本身或者该驾驶员本身,无法做到对大量驾驶过程数据进行跟踪获取并发送,降低了驾驶过程数据的利用率。
发明内容
本申请实施例提供了一种社会驾驶行为跟踪评价的方法及相关装置,使得可以对大量驾驶过程数据进行跟踪获取并发送,增加驾驶过程数据的利用率。
本申请实施例第一方面提供了一种社会驾驶行为跟踪评价的方法,包括:
获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
可选地,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述驾驶员行为分析数据发送至用户终端,以使得用户可通过所述用户终端了解自身驾驶行为问题。
可选地,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述车辆部件老化数据发送至车辆维护平台,以使得所述车辆维护平台为所述目标车辆进行部件检修维护计划。
可选地,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将车辆油箱水箱数据发送至车辆服务区平台,以使得所述车辆服务区平台为所述目标车辆进行补充油箱水量的准备。
可选地,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述车辆行驶路段数据发送至道路监管平台,以使得所述道路监管平台为道路交通状况作出应对措施。
可选地,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述驾驶员行为分析数据发送至征信平台,以使得所述征信平台将驾驶员的不良驾驶行为信息和事故信息等纳入个人征信信息。
可选地,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述车辆行驶路段数据发送至救援监管平台,以使得所述救援监管平台为医护救援规划路线。
可选地,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述驾驶员行为分析数据发送至云端服务监控平台,以使得所述云端服务监控平台可向全体赋能平台通过统一接口传递实时数据。
可选地,所述根据所述驾驶状态信息生成实时驾驶行为数据,包括:
通过目标安全模型分析所述驾驶状态信息以生成实时驾驶行为数据。
本申请实施例第二方面提供了一种社会驾驶行为跟踪评价的装置,包括:
获取单元,用于获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
第一生成单元,用于根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
上传单元,用于将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
第二生成单元,用于使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
第三生成单元,用于将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
第一发送单元,用于将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
可选地,第一发送单元,包括:
第二发送模块,用于将所述驾驶员行为分析数据发送至用户终端,以使得用户可通过所述用户终端了解自身驾驶行为问题。
可选地,第一发送单元,包括:
第三发送模块,用于将所述车辆部件老化数据发送至车辆维护平台,以使得所述车辆维护平台为所述目标车辆进行部件检修维护计划。
可选地,第一发送单元,包括:
第四发送模块,用于将车辆油箱水箱数据发送至车辆服务区平台,以使得所述车辆服务区平台为所述目标车辆进行补充油箱水量的准备。
可选地,第一发送单元,包括:
第五发送模块,用于将所述车辆行驶路段数据发送至道路监管平台,以使得所述道路监管平台为道路交通状况作出应对措施。
可选地,第一发送单元,包括:
第六发送模块,用于将所述驾驶员行为分析数据发送至征信平台,以使得所述征信平台将驾驶员的不良驾驶行为信息和事故信息等纳入个人征信信息。
可选地,第一发送单元,所述将所述驾驶数据包发送至对应的赋能平台,包括:
第七发送模块,用于将所述车辆行驶路段数据发送至救援监管平台,以使得所述救援监管平台为医护救援规划路线。
可选地,第一发送单元,所述将所述驾驶数据包发送至对应的赋能平台,包括:
第八发送模块,用于将所述驾驶员行为分析数据发送至云端服务监控平台,以使得所述云端服务监控平台可向全体赋能平台通过统一接口传递实时数据。
可选地,所述第一生成单元,包括:
第四生成模块,用于通过目标安全模型分析所述驾驶状态信息以生成实时驾驶行为数据。
本申请实施例第三方面提供了一种基于车联网云协同的驾驶能力评价的装置,包括:
处理器、存储器、输入输出单元、总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述处理器具体执行如下操作:
获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
可选的,所述处理器还用于执行第一方面中的任意可选方案的操作。
一种计算机可读存储介质,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时执行如前述第一方面以及第一方面的任意可选的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
首先获取目标车辆的驾驶状态信息,分析驾驶状态信息生成实时的驾驶行为数据。将实时驾驶行为数据上传至云端数据库,再使用人工智能模型对云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据。将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作。得到众多车辆的车辆驾驶数据,通过人工智能模型对驾驶的大数据进行分析,对其结果进行赋能平台的发送,以使得各个赋能平台可以根据分析出的结果进行对应的处理,增加驾驶过程数据的利用率。
附图说明
图1为本申请实施例中基于社会驾驶行为跟踪评价的方法一个实施例流程示意图;
图2为本申请实施例中基于社会驾驶行为跟踪评价的方法另一个实施例流程示意图;
图3为本申请实施例中基于社会驾驶行为跟踪评价的装置一个实施例结构示意图;
图4为本申请实施例中基于社会驾驶行为跟踪评价的装置另一个实施例结构示意图;
图5为本申请实施例中基于社会驾驶行为跟踪评价的装置另一个实施例结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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、完整的阐述,显然阐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的前提下所获得的所有其他实施例,都应当属于本发明保护范围。
本申请实施例公开了一种社会驾驶行为跟踪评价的方法及相关装置,用于对大量驾驶过程数据进行跟踪获取并发送,增加驾驶过程数据的利用率。
在本实施例中,基于社会驾驶行为跟踪评价的方法可在系统实现,可以在服务器实现,也可以在终端实现,具体不做明确限定。为方便描述,本申请实施例使用系统为执行主体举例描述。
请参阅图1,本申请实施例中基于社会驾驶行为跟踪评价的方法的一个实施例包括:
101、系统获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
系统获取车辆在驾驶过程中产生的驾驶状态信息,以此来得到车辆驾驶员驾驶车辆的操作行为,以及车辆对驾驶员的操作行为产生的动作。驾驶状态信息可以包含多种,可以是驾驶员开车时的操作视频图像信息,也可以是车辆在运行时的各个车辆数据信息,还可以是周围环境的图像信息等,此处不做限定。需要说明的是,采集的信息包括但不限于方向盘操作信息、离合器踏板操作信息、脚制动器踏板操作信息、手制动器操作信息、转向灯操作信息、加速踏板操作信息,以及驾驶人头部位姿、视线、双手动作、上肢与躯干动作、上下车动作、系安全带动作、开车门动作等与安全驾驶行为习惯相关的信息。
获取驾驶状态信息的方式有多种,可以是根据内置摄像头拍摄车内驾驶员的操作,也可以是通过热成像系统扫描驾驶员的操作,可以是通过传感器测量车辆的油门刹车的松紧程度,还可以是通过GPS系统确定当前环境的环境信息等,此处不做限定。
可选地,本实施例中,系统通过一个车辆智能采集装置实时收集车辆GPS、探头、速度、行驶角度、车辆转速、水温、油量、离合制动、档位手刹,还获取车辆各部件运行状态和车辆内外音视频信息。通过该方法获取多辆车的驾驶状态信息。
102、系统根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
系统根据驾驶员的驾驶状态信息,确定驾驶员的操作内容。
可选地,本实施例中,通过驾驶员的操作视频、该时间段车辆的运行路线和当前周围环境的信息进行分析,当前正在进行倒车入库的操作,本次倒车入库操作使得车辆准确进入库中,未存在压线,但在重新起步时,手刹未完全解除。在倒车入库时,驾驶员存在单手控制方向盘的操作,该操作不是在起步或停车的准确时间段进行,为危险行为。
本实施例中,可以根据通常的采集系统或是传感器采集多个车辆的各类数据,目的是为了根据车辆产生的数据进行计算。
103、系统将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
系统将本次驾驶的数据上传到云端,以此将数据得以进行联网后的其他操作,例如其他系统调用,查询等,此处不做限定。在系统通过目标安全模型生成实时驾驶行为数据之后,需要将实时驾驶行为数据进行历史对比,需要将这类实时驾驶行为数据上传至云端数据库,以使得多分数据进行对比,得到准确的分析数据。
云端数据库是一个存储类型的数据库,本实施例中,主要用来存储所有车辆的实时驾驶行为数据,在日积月累的过程中,实现实时驾驶行为数据的累计,可针对个人或者全部驾驶员的驾驶能力进行分析与存储。
104、系统使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
系统使用人工智能模型分析云端数据库中所有的数据,在可得到全局数据分析结果,例如:本日下午13时至15时某一地段车辆平均速度仅有5公里每小时,可以确定该路段产生了堵车;在某一路段驾驶员产生危险动作过多,可以判断该路段存在某一特殊因素导致危险。
人工智能计算模型可以通过自身强大的运算能力,将元数据按不同数据纬度分析计算形成一个庞大的数据中台,万亿级数据处理毫秒级计算响应,提供近时实的数据支持。例如:分析不同地区车辆的速度,以此分析是否存在车辆通行受到影响的信息。
105、系统将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
系统将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包。系统将数据进行分类,以使得分类出不同赋能平台所需的车辆的驾驶数据。
可选地,本实施例中,可以是将车辆部件运行数据有关的数据组合,即油量,水箱的水量,车内的供给品情况,打包成一类数据包,目的是给以服务区。
106、系统将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
将不同的数据包发给不同的腹内平台中,使得所述赋能平台根据所述驾驶过程数据进行判断与操作,赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
本实施例中,首先获取目标车辆的驾驶状态信息,分析驾驶状态信息生成实时的驾驶行为数据。将实时驾驶行为数据上传至云端数据库,再使用人工智能模型对云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据。将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作。得到众多车辆的车辆驾驶数据,通过人工智能模型对驾驶的大数据进行分析,对其结果进行赋能平台的发送,以使得各个赋能平台可以根据分析出的结果进行对应的处理,增加驾驶过程数据的利用率。
上述实施例中基于社会驾驶行为跟踪评价的方法所生成的驾驶数据包,可以发送到不同赋能平台进行进一步的处理。下面进行说明:
请参阅图2,本申请实施例中基于社会驾驶行为跟踪评价的方法的一个实施例包括:
201、系统获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
本实施例中的步骤201与前述实施例中步骤101类似,此处不再赘述。
202、系统通过目标安全模型分析所述驾驶状态信息以生成实时驾驶行为数据;
系统根据驾驶员的驾驶状态信息,通过一个目标安全模型进行分析,确定驾驶员的操作内容。
目标安全模型是带有数据分析计算功能的一个或多个模型的组合,可以实时根据现场采集到的数据进行分析,并且输出结果。目标安全模型可以是车辆安全模型、GPS模型、车辆控制(离合、制动)模型和音视频采集等模型中一个或多个组成,根据需求设置目标安全模型。在本实施例中目标安全模型包含在软件服务层,用于提前对数据进行分析,得出具有实时性的数据,软件服务层可以设置在车辆上,以此达到最快分析数据的效果。
系统通过目标安全模型进行数据实时计算,分析出驾驶员的操作与车辆的运行存在的关联性与独立性。
可选地,本实施例中,通过驾驶员的操作视频、该时间段车辆的运行路线和当前周围环境的信息进行分析,当前正在进行倒车入库的操作,本次倒车入库操作使得车辆准确进入库中,未存在压线,但在重新起步时,手刹未完全解除。在倒车入库时,驾驶员存在单手控制方向盘的操作,该操作不是在起步或停车的准确时间段进行,为危险行为。
203、系统将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
204、系统使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
205、系统将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
本实施例中的步骤203至205与前述实施例中步骤103至105类似,此处不再赘述。
206、系统将所述驾驶员行为分析数据发送至用户终端,以使得用户可通过所述用户终端了解自身驾驶行为问题;
系统将驾驶员行为分析数据发送至用户终端,即将驾驶员的驾驶操作以及驾驶行为结合驾驶风险评价模型进行评价,用户通过驾驶行为模型可以查看自已的驾驶行为记录、车辆实时状态记录、车辆GPS定位、车辆运行轨迹,鹰眼回放,车辆防套牌、车辆违章、车辆故障、车辆保险、车辆保养、驾驶评分和行为纠错等详细记录。主要是针对某一驾驶员的驾驶行为进行分析再发送,目的是为了使得驾驶员能够正确衡量自身驾驶水平进行再学习。
207、系统将所述车辆部件老化数据发送至车辆维护平台,以使得所述车辆维护平台为所述目标车辆进行部件检修维护计划;
系统将所述车辆部件老化数据发送至车辆维护平台,不同的车辆分类打包好这类数据包之后,将他们发送到对应的维护直线的维护平台上。以使得维护店实时掌握车辆的部件运行情况及生命周期,预测指定期间内需要修车保养车辆数,零部件更换数量、保养高发期、保证部件及时供应、保养人员及时安排到位,保养记录存储。并且维护平台可实时获知最近的事故发生地,预测修车的数量。
208、系统将车辆油箱水箱数据发送至车辆服务区平台,以使得所述车辆服务区平台为所述目标车辆进行补充油箱水量的准备;
系统将车辆油箱水箱数据发送至车辆服务区平台,例如:服务区、加油站等。在车辆服务区平台上展示车辆当前的油量、水量、车载人数,预测出需要加油的车辆及加油的升数,确保加油站能及时供油及加油端的车辆及疏通。服务区可根据上传数据准备车位、服务区商品供应、食品供应,可多纬度统计分析出相关明细。
209、系统将所述车辆行驶路段数据发送至道路监管平台,以使得所述道路监管平台为道路交通状况作出应对措施;
系统将所述车辆行驶路段数据发送至道路监管平台,在道路监管平台上所辖区域道路实时监控,可查看拥堵路段,车辆实时速度,若有拥堵可及时到现场疏通。
210、系统将所述驾驶员行为分析数据发送至征信平台,以使得所述征信平台将驾驶员的不良驾驶行为信息和事故信息等纳入个人征信信息;
系统将所述驾驶员行为分析数据发送至征信平台,以使得为征信平台开放接口,提供驾驶人的驾驶行为规范情况信息,有不良驾驶行为或严重不良驾驶行为导致出现事故或重大事故的驾驶人,将数据信息纳入征信平台,车辆及车主也将记录进征信系统。
211、系统将所述车辆行驶路段数据发送至救援监管平台,以使得所述救援监管平台为医护救援规划路线;
系统将所述车辆行驶路段数据发送至救援监管平台,例如:医院平台、消防平台、交通平台、警察平台等。相关平台能够实时掌握所辖区域车辆、道路、事故发生情况(包括但不限于塌方、水淹、路桥断裂,山洪、泥石流等),若有事故发生,无论医护、消防还是在外出勤的交警、警察均可通过该平台和移动端推送的消息,而第一时间赶赴现场或第一时间派遣消防救援、医护救援,交通相关方可协助安排最佳消防救援路线。
212、系统将所述驾驶员行为分析数据发送至云端服务监控平台,以使得所述云端服务监控平台可向全体赋能平台通过统一接口传递实时数据。
系统将所述驾驶员行为分析数据发送至云端服务监控平台,云端服务监控平台是数据、图形图像、系统管理、计算分析、统计等为一体的综合性服务平台,该平台是数据采集单元收集、各种赋能平台的数据集散中心,对内收集各车辆实时车况及零部件信息,驾驶人驾驶行为信息,评价驾驶行为、跟踪驾驶等基础信息。对外为各赋能平台提供开放接口,保证各赋能平台数据近实时性。
本实施例中,首先获取目标车辆的驾驶状态信息,分析驾驶状态信息生成实时的驾驶行为数据。将实时驾驶行为数据上传至云端数据库,再使用人工智能模型对云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据。将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作。得到众多车辆的车辆驾驶数据,通过人工智能模型对驾驶的大数据进行分析,对其结果进行赋能平台的发送,以使得各个赋能平台可以根据分析出的结果进行对应的处理,增加驾驶过程数据的利用率。
其次通过将不同的信息发送到赋能的平台上,使得各类社会系统平台可以根据这类信息来进行进一步利用,达到了高利用率。
请参阅图3,本申请实施例中基于社会驾驶行为跟踪评价的装置的一个实施例包括:
获取单元301,用于获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
第一生成单元302,用于根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
上传单元303,用于将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
第二生成单元304,用于使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
第三生成单元305,用于将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
第一发送单元306,用于将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
请参阅图4,本申请实施例中基于社会驾驶行为跟踪评价的装置的一个实施例包括:
获取单元401,用于获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
第一生成单元402,用于根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
可选地本实施例中,第一生成单元302包括第四生成模块4021。
第四生成模块4021,用于通过目标安全模型分析所述驾驶状态信息以生成实时驾驶行为数据。
上传单元403,用于将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
第二生成单元404,用于使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
第三生成单元405,用于将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
第一发送单元406,用于将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
本实施例中,所述第一发送单元406包括第二发送模块4061、第三发送模块4062、第四发送模块4063、第五发送模块4064、第六发送模块4065、第七发送模块4066和第八发送模块4067。
第二发送模块4061,用于将所述驾驶员行为分析数据发送至用户终端,以使得用户可通过所述用户终端了解自身驾驶行为问题;
第三发送模块4062,用于将所述车辆部件老化数据发送至车辆维护平台,以使得所述车辆维护平台为所述目标车辆进行部件检修维护计划;
第四发送模块4063,用于将车辆油箱水箱数据发送至车辆服务区平台,以使得所述车辆服务区平台为所述目标车辆进行补充油箱水量的准备;
第五发送模块4064,用于将所述车辆行驶路段数据发送至道路监管平台,以使得所述道路监管平台为道路交通状况作出应对措施;
第六发送模块4065,用于将所述驾驶员行为分析数据发送至征信平台,以使得所述征信平台将驾驶员的不良驾驶行为信息和事故信息等纳入个人征信信息;
第七发送模块4066,用于将所述车辆行驶路段数据发送至救援监管平台,以使得所述救援监管平台为医护救援规划路线;
第八发送模块4067,用于将所述驾驶员行为分析数据发送至云端服务监控平台,以使得所述云端服务监控平台可向全体赋能平台通过统一接口传递实时数据。
请参阅图5,本申请实施例中基于车联网云协同的驾驶能力评价的装置的另一个实施例包括:
处理器501、存储器502、输入输出单元503、总线504;
处理器501与存储器502、输入输出单元503以及总线504相连;
处理器501具体执行如下操作:
获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
本实施例中,处理器501的功能与前述图1至图2所示实施例中的步骤对应,此处不做赘述。
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,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种社会驾驶行为跟踪评价的方法,其特征在于,包括:
获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
2.根据权利要求1所述的方法,其特征在于,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述驾驶员行为分析数据发送至用户终端,以使得用户可通过所述用户终端了解自身驾驶行为问题。
3.根据权利要求1所述的方法,其特征在于,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述车辆部件老化数据发送至车辆维护平台,以使得所述车辆维护平台为所述目标车辆进行部件检修维护计划。
4.根据权利要求1所述的方法,其特征在于,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将车辆油箱水箱数据发送至车辆服务区平台,以使得所述车辆服务区平台为所述目标车辆进行补充油箱水量的准备。
5.根据权利要求1所述的方法,其特征在于,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述车辆行驶路段数据发送至道路监管平台,以使得所述道路监管平台为道路交通状况作出应对措施。
6.根据权利要求1所述的方法,其特征在于,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述驾驶员行为分析数据发送至征信平台,以使得所述征信平台将驾驶员的不良驾驶行为信息和事故信息纳入个人征信信息。
7.根据权利要求1所述的方法,其特征在于,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述车辆行驶路段数据发送至救援监管平台,以使得所述救援监管平台为医护救援规划路线。
8.根据权利要求1所述的方法,其特征在于,所述将所述驾驶数据包发送至对应的赋能平台,包括:
将所述驾驶员行为分析数据发送至云端服务监控平台,以使得所述云端服务监控平台可向全体赋能平台通过统一接口传递实时数据。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述根据所述驾驶状态信息生成实时驾驶行为数据,包括:
通过目标安全模型分析所述驾驶状态信息以生成实时驾驶行为数据。
10.一种社会驾驶行为跟踪评价的装置,其特征在于,包括:
获取单元,用于获取至少一辆目标车辆的驾驶状态信息,所述驾驶状态信息包含但不限于所述目标车辆的各部件的运行状态信息与驾驶员的操作行为信息;
第一生成单元,用于根据所述驾驶状态信息生成实时驾驶行为数据,所述实时驾驶行为数据表示所述目标车辆的各部件的运行状态与所述驾驶员的操作行为信息之间的关联性细节与独立性细节;
上传单元,用于将所述实时驾驶行为数据上传至云端数据库,所述云端数据库用于存储所述实时驾驶行为数据,所述云端数据库为驾驶能力数据中心;
第二生成单元,用于使用人工智能模型对所述云端数据库中的实时驾驶行为数据进行多维度的大数据学习与分析,以生成驾驶过程数据,所述驾驶过程数据表示所述目标车辆或所述驾驶员在驾驶过程中的数据分析结果;
第三生成单元,用于将所述驾驶过程数据进行数据分类,以生成不同赋能平台所需求的驾驶数据包,所述驾驶数据包包含但不限于驾驶员行为分析数据、车辆部件运行数据、车辆行驶路段数据和车辆部件老化数据中至少一个;
第一发送单元,用于将所述驾驶数据包发送至对应的赋能平台,以使得所述赋能平台根据所述驾驶过程数据进行判断与操作,所述赋能平台为可根据所述驾驶过程数据获取必要处理信息的相关平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011057521.2A CN112214530B (zh) | 2020-09-30 | 2020-09-30 | 一种社会驾驶行为跟踪评价的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011057521.2A CN112214530B (zh) | 2020-09-30 | 2020-09-30 | 一种社会驾驶行为跟踪评价的方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112214530A CN112214530A (zh) | 2021-01-12 |
CN112214530B true CN112214530B (zh) | 2023-01-31 |
Family
ID=74051609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011057521.2A Active CN112214530B (zh) | 2020-09-30 | 2020-09-30 | 一种社会驾驶行为跟踪评价的方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112214530B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067557B (zh) * | 2021-08-21 | 2022-12-02 | 山东科技大学 | 一种驾驶信用测定方法、系统、信息数据处理终端 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4176056B2 (ja) * | 2004-06-24 | 2008-11-05 | 株式会社東芝 | 走行評価装置、走行評価方法及び走行評価プログラム |
CN104494601A (zh) * | 2014-12-18 | 2015-04-08 | 清华大学苏州汽车研究院(吴江) | 基于obd的驾驶行为分析及驾驶辅助系统 |
CN109872413B (zh) * | 2017-12-01 | 2020-12-25 | 比亚迪股份有限公司 | 驾驶行为记录及分析系统、方法 |
-
2020
- 2020-09-30 CN CN202011057521.2A patent/CN112214530B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112214530A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108860165B (zh) | 车辆辅助驾驶方法和系统 | |
US11727495B1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
JP4469297B2 (ja) | 運転診断方法およびその装置 | |
CN107782564A (zh) | 一种自动驾驶车辆测评系统及方法 | |
CN111524362B (zh) | 基于多数据融合的车辆安全行驶保障系统与方法 | |
CN112183245A (zh) | 一种监测网约车司机异常行为并告警的方法、装置及电子设备 | |
CN104754011A (zh) | 一种车联网多方协同控制方法以及车联网协同平台 | |
CN105139648B (zh) | 驾驶习惯数据生成方法及系统 | |
CN110120153A (zh) | 一种公交驾驶事故风险评估系统及其方法 | |
CN1826604A (zh) | 在交通信号控制器中整合个体车辆资料采集、交通违章的探测和记录的方法 | |
Kim et al. | Exploring the association of rear-end crash propensity and micro-scale driver behavior | |
CN107067730B (zh) | 基于卡口设备的网约车人车不一致监测方法 | |
CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN110341594B (zh) | 一种客车乘员安全态势监控系统及方法 | |
CN106448267B (zh) | 基于车联网的道路交通事故链阻断系统 | |
CN112214530B (zh) | 一种社会驾驶行为跟踪评价的方法及相关装置 | |
CN112669598A (zh) | 一种基于车流量的智慧交通管理系统 | |
CN109448372A (zh) | 一种乘车安全监测与报警方法 | |
CN117436821B (zh) | 交通事故诊断报告的生成方法、设备及存储介质 | |
CN112216106A (zh) | 基于bim技术的智能交通管理系统 | |
CN112116508A (zh) | 一种判断驾驶训练薄弱项的方法及相关装置 | |
CN109035480B (zh) | 一种报表数据生成方法 | |
Ebner et al. | Identifying and analyzing reference scenarios for the development and evaluation of active safety: application to preventive pedestrian safety | |
CN114359003A (zh) | 一种基于云计算的轨道交通网信息化运营管理系统 | |
CN107895485A (zh) | 一种高速公路监控系统 |
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 |