CN112373481A - 一种驾驶行为状态分析方法及装置 - Google Patents
一种驾驶行为状态分析方法及装置 Download PDFInfo
- Publication number
- CN112373481A CN112373481A CN202011213257.7A CN202011213257A CN112373481A CN 112373481 A CN112373481 A CN 112373481A CN 202011213257 A CN202011213257 A CN 202011213257A CN 112373481 A CN112373481 A CN 112373481A
- Authority
- CN
- China
- Prior art keywords
- driving behavior
- driving
- index data
- driver
- analysis
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000006399 behavior Effects 0.000 claims description 246
- 230000008569 process Effects 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 18
- 241001282135 Poromitra oscitans Species 0.000 claims description 7
- 206010048232 Yawning Diseases 0.000 claims description 7
- 230000000391 smoking effect Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 11
- 239000000446 fuel Substances 0.000 description 7
- 238000012417 linear regression Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000009897 systematic effect Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 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
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
-
- 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
-
- 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
- B60W2040/0809—Driver authorisation; Driver identity check
Abstract
本发明公开了一种驾驶行为状态分析方法及装置,方法包括获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;为各个维度的驾驶行为分析指标配置权重;基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。本发明通过对多个维度的驾驶行为分析指标数据的处理分析,更加全面、系统地对驾驶员预设行程中的驾驶行为状态进行分析评估,有效提高分析结果的准确性和可靠性。
Description
技术领域
本发明涉及驾驶行为分析技术领域,尤其涉及一种驾驶行为状态分析方法及装置。
背景技术
随着汽车保有量的逐年增加,机动车驾驶人也在逐年增加,汽车消费已成为日常消费中不可忽视的一部分。汽车持有量的增加导致交通事故的频繁发生,并带来大量人员伤亡和财产损失。这是由于汽车驾驶员的驾驶技术参差不齐,有些驾驶员在车辆驾驶过程中有很多不安全或者不合理的操作,驾驶员的不良驾驶行为容易导致交通事故的发生。但是,很多情况下,驾驶员很可能并未能意识到自己的不安全或者不合理的操作。现有技术通常是采集反映驾驶员的驾驶行为的车辆运行数据(如急加速、急减速等),将这些车辆运行数据上传至服务器进行驾驶员驾驶行为的分析,分析过程所依据的数据维度较少,分析不够系统和全面,从而导致分析结果准确性较低。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种驾驶行为状态分析方法及装置,通过对多个维度的驾驶行为分析指标数据的处理分析,更加全面、系统地对驾驶员预设行程中的驾驶行为状态进行分析评估,有效提高分析结果的准确性和可靠性。
为了实现上述目的,根据本发明的第一个方面,本发明提供了一种驾驶行为状态分析方法,所述方法包括如下步骤:
获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,所述驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;
为各个维度的驾驶行为分析指标配置权重;
基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;
对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。
优选地,所述方法还包括:
基于所述多个维度的驾驶行为分析指标数据和所述驾驶员驾驶行为状态得分生成驾驶行为分析报告。
优选地,所述方法还包括:
将所述驾驶员驾驶行为状态得分和/或所述驾驶行为分析报告发送至对应的驾驶员终端。
优选地,所述驾驶行为相关指标数据包括预设行程的驾驶过程中连续行驶时间、平均油耗、急刹车次数、急加速次数、急转弯次数、前车距离数据、车道偏离数据和安全车距数据;
所述驾驶状态相关指标数据包括预设行程的驾驶过程中是否存存在打电话、打哈欠、未系安全带、视角未看前方、闭眼和抽烟的不良驾驶状态,以及各不良驾驶状态出现的次数;
所述驾驶习惯相关指标数据包括预设行程结束并停车后,手刹、档位、车窗、车门以及车灯的当前状态。
优选地,所述方法还包括:
对获取到的多个维度的驾驶行为分析指标数据与预设的指标数据阈值进行比较;
当所述驾驶行为分析指标数据超过预设的指标数据阈值时,通过显示和/或自动语音提示的方式实时对驾驶员进行提醒。
根据本发明的第二个方面,本发明提供了一种驾驶行为状态分析装置,其特征在于,所述装置包括:
数据获取模块,用于获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,所述驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;
权重配置模块,用于为各个维度的驾驶行为分析指标配置权重;
第一得分计算模块,用于基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;
第二得分计算模块,用于对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。
优选地,所述装置还包括:
报告生成模块,用于基于所述多个维度的驾驶行为分析指标数据和所述驾驶员驾驶行为状态得分生成驾驶行为分析报告。
优选地,所述装置还包括:
结果发送模块,用于将所述驾驶员驾驶行为状态得分和/或所述驾驶行为分析报告发送至对应的驾驶员终端。
优选地,所述驾驶行为相关指标数据包括预设行程的驾驶过程中连续行驶时间、平均油耗、急刹车次数、急加速次数、急转弯次数、前车距离数据、车道偏离数据和安全车距数据;
所述驾驶状态相关指标数据包括预设行程的驾驶过程中是否存存在打电话、打哈欠、未系安全带、视角未看前方、闭眼和抽烟的不良驾驶状态,以及各不良驾驶状态出现的次数;
所述驾驶习惯相关指标数据包括预设行程结束并停车后,手刹、档位、车窗、车门以及车灯的当前状态。
优选地,所述装置还包括:
数据处理模块,用于对获取到的多个维度的驾驶行为分析指标数据与预设的指标数据阈值进行比较;
报警提示模块,当所述驾驶行为分析指标数据超过预设的指标数据阈值时,通过显示和/或自动语音提示的方式实时对驾驶员进行提醒。
由以上方案可知,本发明提供了一种驾驶行为状态分析方法及装置,方法包括获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,所述驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;为各个维度的驾驶行为分析指标配置权重;基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。本发明通过对驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据多个维度的驾驶行为分析指标数据的处理分析,并为各个分析指标配置对应的权重,更加全面、系统地对驾驶员预设行程中的驾驶行为状态进行分析评估,有效提高分析结果的准确性和可靠性,有效解决了现有技术中驾驶行为分析过程所依据的数据维度较少,分析不够系统和全面,从而导致分析结果准确性较低的问题。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一个实施例中驾驶行为状态分析方法的流程图;
图2是本发明一个实施例中驾驶行为分析指标数据分析系统的框架图;
图3是本发明一个实施例中整车质量与油耗的关系的线性回归图;
图4是本发明一个实施例中速度与油耗的关系的线性回归图;
图5是本发明一个实施例中加速度与油耗的关系的线性回归图;
图6是本发明一个实施例中行程列表图;
图7是本发明一个实施例中行程轨迹详情图;
图8是本发明一个实施例中驾驶行为状态分析装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非被特定定义,否则不会用理想化或过于正式的含义来解释。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
根据本发明的第一个方面,本发明提供了一种驾驶行为状态分析方法,如图1所示,所述方法可以包括如下步骤:
S101,获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;
为了能够更加准确的对驾驶员的驾驶行为状态进行分析,需要采集驾驶员在预设行程中的驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据等各个维度的驾驶行为分析指标数据,以便更加全面、系统地了解和刻画驾驶员的驾驶行为状态。因此,当需要对驾驶员的驾驶行为状态进行量化分析时,首先需要获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据。具体地,如图2所示,上述多个维度的驾驶行为分析指标数据具体可以从车载终端中获取,车载终端通过速度传感器、加速度传感器、毫米波雷达、摄像头等各种传感与检测元件,以及通过OBD接口与车辆OBD系统连接,实时获取各项能够反映驾驶员的驾驶行为、驾驶状态和驾驶习惯的驾驶行为分析指标数据。采集到的数据可以通过与车载终端通信连接的4G网络传输至云端进行存储,为了提高系统吞吐量、快速响应,可以在云端通过MQ(Message Queue消息队列)存储,通过与云端通信连接的服务器异步消费采集数据,实时分析计算,生成驾驶行为数据,分析结果推送驾驶员终端和安装在车辆上的车机屏。
S102,为各个维度的驾驶行为分析指标配置权重;
为了能够更加科学、准确地对驾驶员的驾驶行为状态进行打分,可以为各个维度的驾驶行为分析指标配置权重,具体权重的配置可以通过相关专家库内专家的经验值进行设定。在给驾驶行为分析指标中的各个维度的指标(如驾驶行为相关指标、驾驶状态相关指标和驾驶习惯相关指标)配置权重的同时,还可以为驾驶行为相关指标、驾驶状态相关指标和驾驶习惯相关指标各个指标所包含的各个维度的分指标配置权重,以便更加精确地计算驾驶行为相关指标、驾驶状态相关指标和驾驶习惯相关指标等指标的各自得分。
S103,基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;
获取到各个维度的驾驶行为分析指标数据以及为各维度的指标配置好对应的权重后,需要利用预先构建的计算模型根据各个维度的驾驶行为分析指标数据和对应的权重值计算各项驾驶行为分析指标的得分。具体地,不同的分析指标采用不同的模型进行分析计算,计算模型具体为反映某个分析指标中该分析指标对应的驾驶行为状态对安全、油耗等方面的影响,各个分析指标的分析模型可以采用现有技术中的相关模型。
S104,对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。
最后,将各项驾驶行为分析指标的得分进行累加,即可得到预设行程的驾驶员驾驶行为状态得分。该驾驶员驾驶行为状态得分能够比较全面、准确、客观地反映对应驾驶员的驾驶行为状态的好坏。
在一个实施方式中,驾驶行为相关指标数据包括预设行程的驾驶过程中连续行驶时间、平均油耗、急刹车次数、急加速次数、急转弯次数、前车距离数据、车道偏离数据和安全车距数据;
驾驶状态相关指标数据包括预设行程的驾驶过程中是否存存在打电话、打哈欠、未系安全带、视角未看前方、闭眼和抽烟的不良驾驶状态,以及各不良驾驶状态出现的次数;
驾驶习惯相关指标数据包括预设行程结束并停车后,手刹、档位、车窗、车门以及车灯的当前状态。
在一个实施方式中,所述方法还可以包括如下步骤:
基于多个维度的驾驶行为分析指标数据和驾驶员驾驶行为状态得分生成驾驶行为分析报告。通过对多个维度的驾驶行为分析指标数据和驾驶员驾驶行为状态得分进行统计分析,可以得到更加详细的驾驶行为分析报告。
在一个实施方式中,所述方法还可包括如下步骤:
将驾驶员驾驶行为状态得分和/或驾驶行为分析报告发送至对应的驾驶员终端。通过驾驶员驾驶行为状态得分和驾驶行为分析报告发送至对应的驾驶员终端,可以使驾驶员方便地了解得到自身的驾驶行为状态的好坏,从而有利于驾驶员对自身的不良驾驶习惯进行改进,降低安全事故风险。驾驶员终端具体可以是驾驶员自带的移动智能终端(如手机、平板电脑、智能穿戴设备等),也可以是安装在车辆上的车机屏。
在一个实施方式中,所述方法还可以包括如下步骤:
对获取到的多个维度的驾驶行为分析指标数据与预设的指标数据阈值进行比较;
当驾驶行为分析指标数据超过预设的指标数据阈值时,通过显示和/或自动语音提示的方式实时对驾驶员进行提醒。
这样,可以在驾驶员的驾驶行为分析指标超过预设值,可能产生安全问题时,及时对驾驶员进行提示,帮助驾驶员及时纠正不良驾驶习惯,降低安全事故发生的概率。
具体地,还可以把驾驶员的每次行程的驾驶行为分析指标数据进行汇总,生成相应的行程列表,绘制行程轨迹,得到包含多次行程的驾驶行为分析报告,更加精确、全面地刻画出驾驶员的驾驶行为状态。如图6、图7所示,分别为具体实施例中行程列表图和行程轨迹详情图,其中,图6所示的行程列表图中以列表形式展示了多次行程的基本信息,如时间、起点、终点、对应行程的驾驶行为状态得分;图7所示的行程轨迹详情图中,展示了某次具体行程中驾驶员的驾驶行为状态详情(即驾驶行为分析报告),如驾驶行为状态综合评分,驾驶数据、行程数据、停车后的车辆状态数据等,通过该分析报告,驾驶员可以很好地了解自身的驾驶习惯,对于不规范的驾驶习惯,及时纠正,能够很好地帮助驾驶员改善驾驶习惯,提高安全驾驶的能力,还可以帮助驾驶员降低油耗。
具体地,对于上述驾驶行为相关指标数据的获取与处理说明如下:
关于连续行驶时间:
由于连续行驶时间过长会在一定程度上影响从车的安全性,因此获取连续行驶时间是很有必要的,根据相关交通法规,连续开车不要超过4小时,休息时间不少于20分钟。连续行驶时间的计算具体可以采用如下方法:从行驶开始累计行驶时间,直到休息为止,然后重新累计,记录行程中每段行驶时间与休息时间。为了提高行车的安全性,系统默认从连续行驶3.5小时开始,每隔一预设时间(例如15分钟)提示驾驶员,在车机屏自动语音提醒驾驶员休息。
关于平均油耗:
针对不同车型,分别构建不同因素对油耗影响的模型,这里描述其中一款车型影响汽车油耗的模型建立。这里,主要选择了影响汽车油耗最主要的三个因子进行构建模型:汽车的载重、汽车行驶的速度和汽车行驶的加速度。分别对单一因子构建模型时,可以假设其他影响相同的情况下进行构建的,这样保证单一因子的影响模型做到尽量准确。针对三种因子,通过分别采集大量真实数据,构建出汽车的载重、汽车行驶的速度和汽车行驶的加速度三种因子对油耗影响的线性回归图。在本实施中,三种因子分别对油耗影响的线性回归图如图3-5所示。根据上述线性回归图,可以构建对应的计算模型,再根据计算模型计算行驶过程中驾驶习惯对油耗的影响。
关于急加速次数、急刹车次数、急转弯次数:
急加速、急刹车、急转弯在行驶过程中,特别在湿滑路面容易导致侧滑引发行车安全的问题,也会对油耗有影响,因此检测急加速、急刹车、急转弯对驾驶行为分析至关重要。具体可以根据前后位置采样点计算瞬时加速度是否超过或小于急加速阈值,来分析急加速或急刹车;根据前后位置采样点方向角计算得到的运行方向变化是否超过运行方向变化阈值来分析急转弯。
关于前车距离数据、车道偏离数据、安全车距数据:
由于毫米波雷达技术相对成熟,成本较低,测距较远,并且在不良天气下表现良好,这里选择毫米波雷达感知车距、车道、方位等。毫米波雷达对方位的探测,原理就是使用较窄的波束,因为目标出现在大范围波束中无法精确判断方位,手段就是利用毫米波雷达波长短的特性,大量使用阵列天线来构成窄波束,车载雷达在3~5°,有效提高了方位精度。毫米波雷达通过发射电磁波并通过检测回波来探测目标的有无、距离、速度和方位。基于此,分析前车距离、车道偏离和安全车距。
具体地,关于驾驶习惯相关指标数据的获取与处理说明如下:
行程结束,停车后,通过检测车辆的手刹、档位、车窗、车门、车灯状态来给驾驶员的驾驶习惯计算相应的分数,出现不良习惯,及时采用短信或APP等形式通过移动智能终端通知驾驶员。
具体地,关于驾驶状态相关指标数据的获取与处理说明如下:
通过摄像头获取驾驶员驾驶过程中的视频图像,通过人脸识别等图像处理技术识别和提取如打电话、打哈欠、未系安全带、视角未看前方、闭眼、抽烟等行为的数据,通过车机屏等提示装置自动语音提醒车主驾驶员。
综上所述可知,本实施例提供了一种驾驶行为状态分析方法,首先获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;然后为各个维度的驾驶行为分析指标配置权重;接着基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;最后对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。本发明通过对驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据多个维度的驾驶行为分析指标数据的处理分析,并为各个分析指标配置对应的权重,更加全面、系统地对驾驶员预设行程中的驾驶行为状态进行分析评估,有效提高分析结果的准确性和可靠性;通过综合分析,给驾驶员的每次行程打分,驾驶员可以通过终端设备查看行程的驾驶行为分析具体详情,帮助驾驶员了解自身的驾驶行为,改善驾驶习惯,提高安全驾驶的能力,还可以帮助驾驶员降低油耗。本发明有效解决了现有技术中驾驶行为分析过程所依据的数据维度较少,分析不够系统和全面,从而导致分析结果准确性较低的问题。
根据本发明的第二个方面,本发明还提供了一种驾驶行为状态分析装置,如图8所示,所述装置可以包括:
数据获取模块201,用于获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;
为了能够更加准确的对驾驶员的驾驶行为状态进行分析,需要采集驾驶员在预设行程中的驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据等各个维度的驾驶行为分析指标数据,以便更加全面、系统地了解和刻画驾驶员的驾驶行为状态。因此,当需要对驾驶员的驾驶行为状态进行量化分析时,首先需要获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据。具体地,如图2所示,上述多个维度的驾驶行为分析指标数据具体可以从车载终端中获取,车载终端通过速度传感器、加速度传感器、毫米波雷达、摄像头等各种传感与检测元件,以及通过OBD接口与车辆OBD系统连接,实时获取各项能够反映驾驶员的驾驶行为、驾驶状态和驾驶习惯的驾驶行为分析指标数据。采集到的数据可以通过与车载终端通信连接的4G网络传输至云端进行存储,为了提高系统吞吐量、快速响应,可以在云端通过MQ(Message Queue消息队列)存储,通过与云端通信连接的服务器异步消费采集数据,实时分析计算,生成驾驶行为数据,分析结果推送驾驶员终端和安装在车辆上的车机屏。
权重配置模块202,用于为各个维度的驾驶行为分析指标配置权重;
为了能够更加科学、准确地对驾驶员的驾驶行为状态进行打分,可以为各个维度的驾驶行为分析指标配置权重,具体权重的配置可以通过相关专家库内专家的经验值进行设定。在给驾驶行为分析指标中的各个维度的指标(如驾驶行为相关指标、驾驶状态相关指标和驾驶习惯相关指标)配置权重的同时,还可以为驾驶行为相关指标、驾驶状态相关指标和驾驶习惯相关指标各个指标所包含的各个维度的分指标配置权重,以便更加精确地计算驾驶行为相关指标、驾驶状态相关指标和驾驶习惯相关指标等指标的各自得分。
第一得分计算模块203,用于基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;
获取到各个维度的驾驶行为分析指标数据以及为各维度的指标配置好对应的权重后,需要利用预先构建的计算模型根据各个维度的驾驶行为分析指标数据和对应的权重值计算各项驾驶行为分析指标的得分。具体地,不同的分析指标采用不同的模型进行分析计算,计算模型具体为反映某个分析指标中该分析指标对应的驾驶行为状态对安全、油耗等方面的影响,各个分析指标的分析模型可以采用现有技术中的相关模型。
第二得分计算模块204,用于对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。
最后,将各项驾驶行为分析指标的得分进行累加,即可得到预设行程的驾驶员驾驶行为状态得分。该驾驶员驾驶行为状态得分能够比较全面、准确、客观地反映对应驾驶员的驾驶行为状态的好坏。
在一个实施方式中,驾驶行为相关指标数据包括预设行程的驾驶过程中连续行驶时间、平均油耗、急刹车次数、急加速次数、急转弯次数、前车距离数据、车道偏离数据和安全车距数据;
驾驶状态相关指标数据包括预设行程的驾驶过程中是否存存在打电话、打哈欠、未系安全带、视角未看前方、闭眼和抽烟的不良驾驶状态,以及各不良驾驶状态出现的次数;
驾驶习惯相关指标数据包括预设行程结束并停车后,手刹、档位、车窗、车门以及车灯的当前状态。
在一个实施方式中,所述装置还可以包括:
报告生成模块,用于基于多个维度的驾驶行为分析指标数据和驾驶员驾驶行为状态得分生成驾驶行为分析报告。通过对多个维度的驾驶行为分析指标数据和驾驶员驾驶行为状态得分进行统计分析,可以得到更加详细的驾驶行为分析报告。
在一个实施方式中,所述装置还可以包括:
结果发送模块,用于将驾驶员驾驶行为状态得分和/或驾驶行为分析报告发送至对应的驾驶员终端。通过驾驶员驾驶行为状态得分和驾驶行为分析报告发送至对应的驾驶员终端,可以使驾驶员方便地了解得到自身的驾驶行为状态的好坏,从而有利于驾驶员对自身的不良驾驶习惯进行改进,降低安全事故风险。驾驶员终端具体可以是驾驶员自带的移动智能终端(如手机、平板电脑、智能穿戴设备等),也可以是安装在车辆上的车机屏。
在一个实施方式中,所述装置还可以包括:
数据处理模块,用于对获取到的多个维度的驾驶行为分析指标数据与预设的指标数据阈值进行比较;
报警提示模块,当驾驶行为分析指标数据超过预设的指标数据阈值时,通过显示和/或自动语音提示的方式实时对驾驶员进行提醒。
这样,可以在驾驶员的驾驶行为分析指标超过预设值,可能产生安全问题时,及时对驾驶员进行提示,帮助驾驶员及时纠正不良驾驶习惯,降低安全事故发生的概率。
具体地,还可以把驾驶员的每次行程的驾驶行为分析指标数据进行汇总,生成相应的行程列表,绘制行程轨迹,得到包含多次行程的驾驶行为分析报告,更加精确、全面地刻画出驾驶员的驾驶行为状态。如图6、图7所示,分别为具体实施例中行程列表图和行程轨迹详情图,其中,图6所示的行程列表图中以列表形式展示了多次行程的基本信息,如时间、起点、终点、对应行程的驾驶行为状态得分;图7所示的行程轨迹详情图中,展示了某次具体行程中驾驶员的驾驶行为状态详情(即驾驶行为分析报告),如驾驶行为状态综合评分,驾驶数据、行程数据、停车后的车辆状态数据等,通过该分析报告,驾驶员可以很好地了解自身的驾驶习惯,对于不规范的驾驶习惯,及时纠正,能够很好地帮助驾驶员改善驾驶习惯,提高安全驾驶的能力,还可以帮助驾驶员降低油耗。
具体地,对于上述驾驶行为相关指标数据、驾驶习惯相关指标数据以及驾驶状态相关指标数据的获取与处理说明与上述方式实施例中采用的方案相同,在此不再赘述。
由以上方案可知,本发明提供了一种驾驶行为状态分析装置,通过数据获取模块获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;通过权重配置模块为各个维度的驾驶行为分析指标配置权重;通过第一得分计算模块基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;通过第二得分计算模块对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。本发明通过对驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据多个维度的驾驶行为分析指标数据的处理分析,并为各个分析指标配置对应的权重,更加全面、系统地对驾驶员预设行程中的驾驶行为状态进行分析评估,有效提高分析结果的准确性和可靠性;通过综合分析,给驾驶员的每次行程打分,驾驶员可以通过终端设备查看行程的驾驶行为分析具体详情,帮助驾驶员了解自身的驾驶行为,改善驾驶习惯,提高安全驾驶的能力,还可以帮助驾驶员降低油耗。本发明有效解决了现有技术中驾驶行为分析过程所依据的数据维度较少,分析不够系统和全面,从而导致分析结果准确性较低的问题。
本实施例中,所述驾驶行为状态分析装置集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种驾驶行为状态分析方法,其特征在于,所述方法包括:
获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,所述驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;
为各个维度的驾驶行为分析指标配置权重;
基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;
对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。
2.根据权利要求1所述的驾驶行为状态分析方法,其特征在于,所述方法还包括:
基于所述多个维度的驾驶行为分析指标数据和所述驾驶员驾驶行为状态得分生成驾驶行为分析报告。
3.根据权利要求2所述的驾驶行为状态分析方法,其特征在于,所述方法还包括:
将所述驾驶员驾驶行为状态得分和/或所述驾驶行为分析报告发送至对应的驾驶员终端。
4.根据权利要求1-3任意一项所述的驾驶行为状态分析方法,其特征在于:
所述驾驶行为相关指标数据包括预设行程的驾驶过程中连续行驶时间、平均油耗、急刹车次数、急加速次数、急转弯次数、前车距离数据、车道偏离数据和安全车距数据;
所述驾驶状态相关指标数据包括预设行程的驾驶过程中是否存存在打电话、打哈欠、未系安全带、视角未看前方、闭眼和抽烟的不良驾驶状态,以及各不良驾驶状态出现的次数;
所述驾驶习惯相关指标数据包括预设行程结束并停车后,手刹、档位、车窗、车门以及车灯的当前状态。
5.根据权利要求4所述的驾驶行为状态分析方法,其特征在于,所述方法还包括:
对获取到的多个维度的驾驶行为分析指标数据与预设的指标数据阈值进行比较;
当所述驾驶行为分析指标数据超过预设的指标数据阈值时,通过显示和/或自动语音提示的方式实时对驾驶员进行提醒。
6.一种驾驶行为状态分析装置,其特征在于,所述装置包括:
数据获取模块,用于获取预设行程中驾驶员的多个维度的驾驶行为分析指标数据,其中,所述驾驶行为分析指标数据包括驾驶行为相关指标数据、驾驶状态相关指标数据和驾驶习惯相关指标数据;
权重配置模块,用于为各个维度的驾驶行为分析指标配置权重;
第一得分计算模块,用于基于各个维度的驾驶行为分析指标数据和对应的权重值,利用预先构建的计算模型计算各项驾驶行为分析指标的得分;
第二得分计算模块,用于对各项驾驶行为分析指标的得分进行累加得到预设行程的驾驶员驾驶行为状态得分。
7.根据权利要求6所述的驾驶行为状态分析装置,其特征在于,所述装置还包括:
报告生成模块,用于基于所述多个维度的驾驶行为分析指标数据和所述驾驶员驾驶行为状态得分生成驾驶行为分析报告。
8.根据权利要求7所述的驾驶行为状态分析装置,其特征在于,所述装置还包括:
结果发送模块,用于将所述驾驶员驾驶行为状态得分和/或所述驾驶行为分析报告发送至对应的驾驶员终端。
9.根据权利要求6-8任意一项所述的驾驶行为状态分析装置,其特征在于:
所述驾驶行为相关指标数据包括预设行程的驾驶过程中连续行驶时间、平均油耗、急刹车次数、急加速次数、急转弯次数、前车距离数据、车道偏离数据和安全车距数据;
所述驾驶状态相关指标数据包括预设行程的驾驶过程中是否存存在打电话、打哈欠、未系安全带、视角未看前方、闭眼和抽烟的不良驾驶状态,以及各不良驾驶状态出现的次数;
所述驾驶习惯相关指标数据包括预设行程结束并停车后,手刹、档位、车窗、车门以及车灯的当前状态。
10.根据权利要求9所述的驾驶行为状态分析装置,其特征在于,所述装置还包括:
数据处理模块,用于对获取到的多个维度的驾驶行为分析指标数据与预设的指标数据阈值进行比较;
报警提示模块,当所述驾驶行为分析指标数据超过预设的指标数据阈值时,通过显示和/或自动语音提示的方式实时对驾驶员进行提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011213257.7A CN112373481A (zh) | 2020-11-04 | 2020-11-04 | 一种驾驶行为状态分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011213257.7A CN112373481A (zh) | 2020-11-04 | 2020-11-04 | 一种驾驶行为状态分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112373481A true CN112373481A (zh) | 2021-02-19 |
Family
ID=74578744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011213257.7A Pending CN112373481A (zh) | 2020-11-04 | 2020-11-04 | 一种驾驶行为状态分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112373481A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191244A (zh) * | 2021-04-25 | 2021-07-30 | 上海夏数网络科技有限公司 | 一种驾驶员不规范行为检测方法 |
CN113762755A (zh) * | 2021-08-30 | 2021-12-07 | 一汽解放汽车有限公司 | 驾驶员分析报告推送方法、装置、计算机设备和存储介质 |
WO2022142064A1 (zh) * | 2021-01-04 | 2022-07-07 | 广州汽车集团股份有限公司 | 驾驶评估方法、装置及非暂态计算机可读存储介质 |
CN114742287A (zh) * | 2022-03-29 | 2022-07-12 | 东风汽车集团股份有限公司 | 一种驾驶行为分析方法与系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140163848A1 (en) * | 2003-07-07 | 2014-06-12 | Insurance Services Office, Inc. | Traffic Information System |
US20140309849A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Driver facts behavior information storage system |
CN104580373A (zh) * | 2014-12-15 | 2015-04-29 | 北京九五智驾信息技术股份有限公司 | 基于车联网的驾驶分析系统 |
CN107618512A (zh) * | 2017-08-23 | 2018-01-23 | 清华大学 | 基于人‑车‑环境多数据源的驾驶行为安全评价方法 |
-
2020
- 2020-11-04 CN CN202011213257.7A patent/CN112373481A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140163848A1 (en) * | 2003-07-07 | 2014-06-12 | Insurance Services Office, Inc. | Traffic Information System |
US20140309849A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Driver facts behavior information storage system |
CN104580373A (zh) * | 2014-12-15 | 2015-04-29 | 北京九五智驾信息技术股份有限公司 | 基于车联网的驾驶分析系统 |
CN107618512A (zh) * | 2017-08-23 | 2018-01-23 | 清华大学 | 基于人‑车‑环境多数据源的驾驶行为安全评价方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022142064A1 (zh) * | 2021-01-04 | 2022-07-07 | 广州汽车集团股份有限公司 | 驾驶评估方法、装置及非暂态计算机可读存储介质 |
CN113191244A (zh) * | 2021-04-25 | 2021-07-30 | 上海夏数网络科技有限公司 | 一种驾驶员不规范行为检测方法 |
CN113762755A (zh) * | 2021-08-30 | 2021-12-07 | 一汽解放汽车有限公司 | 驾驶员分析报告推送方法、装置、计算机设备和存储介质 |
CN114742287A (zh) * | 2022-03-29 | 2022-07-12 | 东风汽车集团股份有限公司 | 一种驾驶行为分析方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112373481A (zh) | 一种驾驶行为状态分析方法及装置 | |
US10545499B2 (en) | Determining driver engagement with autonomous vehicle | |
CN107832748B (zh) | 一种共享汽车驾驶员更换系统及方法 | |
CN108357497B (zh) | 一种用于共享汽车的驾驶员身份授权系统 | |
CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN111860561A (zh) | 网约车的异常停留行为识别方法、装置、设备及存储介质 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
KR20200078274A (ko) | 차량 운행정보 수집장치를 이용한 안전운전지수 평가 방법 및 시스템 | |
CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN110827542A (zh) | 一种高速公路安全车距预警系统 | |
CN110901385B (zh) | 一种基于驾驶员疲劳状态的主动限速方法 | |
JP2016071492A (ja) | 要因分析装置および要因分析方法 | |
CN110995771A (zh) | 一种基于物联网的货车陆运监控管理系统 | |
CN113165615A (zh) | 车辆控制方法及装置 | |
CN114419892A (zh) | 一种判定有疲劳驾驶交通违法风险的车辆的方法 | |
CN114148321A (zh) | 一种考虑碰撞风险的自动紧急制动及安全评价方法 | |
CN110992709A (zh) | 一种基于驾驶员疲劳状态的主动限速系统 | |
CN113283548B (zh) | 一种车辆安全评分方法、装置、设备和存储介质 | |
CN213601264U (zh) | 一种驾驶行为分析评价系统 | |
CN116453345B (zh) | 一种基于驾驶风险反馈的公交行车安全预警方法及系统 | |
CN116001800B (zh) | 车辆驾驶风险信息获取方法、装置、电子设备及介质 | |
CN110782200A (zh) | 一种物流车的智能管理系统及方法 | |
US20220379900A1 (en) | Online Driver Delay and Frequency Response Model | |
CN113022557A (zh) | 一种基于主动安全预警的车载监控系统及方法 | |
WO2018022069A1 (en) | Determining driver engagement with autonomous vehicle |
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: 20210219 |
|
RJ01 | Rejection of invention patent application after publication |