CN112396913A - 一种机动车驾驶员训练时长记录认证的方法及相关装置 - Google Patents
一种机动车驾驶员训练时长记录认证的方法及相关装置 Download PDFInfo
- Publication number
- CN112396913A CN112396913A CN202011084895.3A CN202011084895A CN112396913A CN 112396913 A CN112396913 A CN 112396913A CN 202011084895 A CN202011084895 A CN 202011084895A CN 112396913 A CN112396913 A CN 112396913A
- Authority
- CN
- China
- Prior art keywords
- information
- driver
- training
- driving
- target
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
-
- 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/042—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles providing simulation in a real vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种机动车驾驶员训练时长记录认证的方法，用于降低当前在驾驶训练中代训、假训的情况。本申请实施例方法包括：获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；将所述驾驶训练信息上传至云端数据库；使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息；将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
Description
技术领域
本申请实施例涉及车辆驾驶认证领域，尤其涉及一种机动车驾驶员训练时长记录认证的方法及相关装置。
背景技术
在驾驶培训过程中，为了保证驾驶训练的质量，每一位训练驾驶员需要进行一定程度的驾驶训练，以使得对驾驶有一定的考核水平。为加强机动车驾驶培训市场管理，维护培训市场秩序，提高培训质量，预防和减少道路交通事故，并且在培训过程中，要对驾驶学员和驾驶教练员的身份进行核实，杜绝代训、假训，保障驾驶员的培训时长、上车里程和培训质量，保障驾驶训练的公平性。
传统的驾驶培训计时认证系统往往采用在训练车辆上安装计时设备，学员及教练上车开始训练时，通过身份卡等身份标识介质登录计时系统，开始连续记录训练时间，并在结束训练时登出系统，结束计时。此方法容易出现虚假登录系统、冒用身份介质进行虚假登录等漏洞。为此，近年来，计时系统又增加了人脸识别、指纹识别等生物特征识别技术以及连续视频录像等技术来增加学时造假的难度。
但上述方法仍然可以通过盗用、非法仿冒生物特征的作弊漏洞。增加了当前在驾驶训练中代训、假训的情况。
发明内容
本申请实施例公开了一种机动车驾驶员训练时长记录认证的方法及相关装置，用于降低当前在驾驶训练中，确定当前驾驶员认证的难度。
本申请实施例第一方面提供了一种机动车驾驶员训练时长记录认证的方法，包括：
获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
可选地，所述将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性，包括：
根据所述驾驶训练信息确认当前预约所述目标车辆进行训练的驾驶员身份信息；
根据所述驾驶员身份信息获取所述目标驾驶员的历史驾驶风格画像信息；
将所述历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
可选地，在所述将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性之后，所述方法还包括：
若所述目标驾驶员的认证未通过，则生成认证未通过信息，所述认证未通过信息表示当前在所述目标车辆训练的驾驶员与所述驾驶员身份信息不匹配；
将所述认证未通过信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
可选地，在所述将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性之后，所述方法还包括：
若所述目标驾驶员的认证通过，则确定所述目标车辆本次训练的驾驶训练时长信息；
将所述驾驶训练时长信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
可选地，在所述获取目标车辆的驾驶训练信息之前，所述方法还包括：
接收目标车辆的训练结束信息。
本申请实施例第二方面提供了一种机动车驾驶员训练时长记录认证的装置，包括：
第一获取单元，用于获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
上传单元，用于将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
第一生成单元，用于使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
第一确定单元，用于将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
可选地，所述第一确定单元，包括：
第二确定模块，用于根据所述驾驶训练信息确定当前预约所述目标车辆进行训练的驾驶员身份信息；
第二获取模块，用于根据所述驾驶员身份信息获取所述目标驾驶员的历史驾驶风格画像信息；
第三确定模块，用于将所述历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
可选地，所述装置还包括：
第二生成单元，用于若所述目标驾驶员的认证未通过，则生成认证未通过信息，所述认证未通过信息表示当前在所述目标车辆训练的驾驶员与所述驾驶员身份信息不匹配；
第一发送单元，用于将所述认证未通过信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
可选地，在所述将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性之后，所述方法还包括：
第四确定单元，用于若所述目标驾驶员的认证通过，则确定所述目标车辆本次训练的驾驶训练时长信息；
第二发送模块，用于将所述驾驶训练时长信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
可选地，所述装置还包括：
接收单元，用于接收目标车辆的训练结束信息。
本申请实施例第三方面提供了一种机动车驾驶员训练时长记录认证的装置，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：
获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
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训练信息，再将驾驶训练信息上传至云端数据库，再使用人工智能模型对云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息。将目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定目标驾驶员的认证准确性。
通过人工智能模型对驾驶训练信息进行分析，得到驾驶员在本次驶训练过程中实时驾驶风格画像信息，最后通过对比实时驾驶风格画像信息与历史驾驶风格画像信息来确定在目标车辆上进行训练的驾驶员认证是否符合。由于驾驶风格是无法根据外部因素进行复制，具有个性化的特点，降低了当前在驾驶训练中代训、假训的情况。
附图说明
图1为本申请实施例中一种机动车驾驶员训练时长记录认证的方法一个实施例流程示意图；
图2为本申请实施例中一种机动车驾驶员训练时长记录认证的方法另一个实施例流程示意图；
图3为本申请实施例中一种机动车驾驶员训练时长记录认证的装置一个实施例结构示意图；
图4为本申请实施例中一种机动车驾驶员训练时长记录认证的装置另一个实施例结构示意图；
图5为本申请实施例中一种机动车驾驶员训练时长记录认证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机动车驾驶员训练时长记录认证的方法，用于降低当前在驾驶训练中代训、假训的情况。
在本实施例中，机动车驾驶员训练时长记录认证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，本申请实施例中机动车驾驶员训练时长记录认证的方法的一个实施例包括：
101、系统获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
系统获取车辆在驾驶过程中产生的驾驶训练信息，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。
可选地，本实施例中学员训练过程中，通过安装在训练车辆上的传感器，对方向盘角度、方向盘角速度、离合踏板深度、加速踏板深度、脚制动器踏板深度、手制动器状态、车辆位姿GPS坐标、车辆速度、发动机转速、转向灯状态、驾驶人员头部位姿、手部动作、开关车门动作等驾驶行为数据按照10Hz的采样频率进行时序采样并上传云端存储。
102、系统将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
系统将本次驾驶的训练数据上传到云端，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。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。
103、系统使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
使用人工智能模型对驾驶训练数据进行分析，以得到对当前目标车辆上训练的驾驶员的驾驶风格画像信息，实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格。本实施例中，通过训练数据在人工智能模型中进行大量的分析与学习，得到驾驶员的驾驶风格，以此确定当前在目标车辆上训练的驾驶员的真实身份是否为登记本次训练的身份信息。
104、系统将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
系统将目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，目的是为了将本次产生的风格学习与以往的发个信息进行匹配，当这两者的重合率相差到一定的水平时，即可确定当前的驾驶训练认证不通过，即当前目标车辆上认证的驾驶员身份信息与真实训练的驾驶员不匹配。
首先获取目标车辆的驾驶训练信息，再将驾驶训练信息上传至云端数据库，再使用人工智能模型对云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息。将目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定目标驾驶员的认证准确性。
通过人工智能模型对驾驶训练信息进行分析，得到驾驶员在本次驶训练过程中实时驾驶风格画像信息，最后通过对比实时驾驶风格画像信息与历史驾驶风格画像信息来确定在目标车辆上进行训练的驾驶员认证是否符合。由于驾驶风格是无法根据外部因素进行复制，具有个性化的特点，降低了当前在驾驶训练中代训、假训的情况。
请参阅图2，本申请实施例中机动车驾驶员训练时长记录认证的方法的另一个实施例包括：
201、系统接收目标车辆的训练结束信息；
当系统接收到训练结束的信息时，表示当前驾驶员的训练已结束，可对本次训练数据进行提取与上传。
202、系统获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
203、系统将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
204、系统使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
本实施例中的步骤202与204与前述实施例中步骤101与103类似，此处不再赘述。
205、系统根据所述驾驶训练信息确定当前预约所述目标车辆进行训练的驾驶员身份信息；
系统首先提取训练信息中的驾驶员身份信息，每一次驾驶训练开始前都会进行对应的训练打卡，即信息登记，保证训练人员进行了身份登录的操作。
206、系统根据所述驾驶员身份信息获取所述目标驾驶员的历史驾驶风格画像信息；
系统通过该身份信息调取对应的历史驾驶风格画像信息，该历史驾驶风格画像信息是每一次训练过程中保留的数据，并且对应每一次打卡登录的驾驶员。
207、系统将所述历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性；
系统将历史驾驶风格画像信息与实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。通过对比可以将风格信息进行一对一比对，以确定当前驾驶员与训练登录的驾驶员信息是否匹配。需要说明的是，实时驾驶风格画像信息与历史驾驶风格画像信息的对比是在一定的成长范围内的，即驾驶员在多次训练过程中必然会产生一定的成长，人工智能模型会根据这一成长属性确定当前的两组数据的对比误差与范围。
208、系统若所述目标驾驶员的认证未通过，则生成认证未通过信息，所述认证未通过信息表示当前在所述目标车辆训练的驾驶员与所述驾驶员身份信息不匹配；
系统若所述目标驾驶员的认证未通过，则生成认证未通过信息，认证未通过信息表示当前在目标车辆训练的驾驶员与所述驾驶员身份信息不匹配，当不匹配时，需要进行生成认证未通过信息的操作。
209、系统将所述认证未通过信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作；
系统将认证未通过信息发送到经过赋能的相关平台，以使得相关平台可根据认证未通过信息进行相关操作。将不通过的认证信息发送到其他相关平台上，例如交通管理部门，确定当前的行为为替训或假训时，会进行其他操作。
本实施例中，在接收到认证未通过的信息时，会进一步提高其他的信息确定当前的情况是否为替训或假训，以确保该对比的结果的真实性。
210、系统若所述目标驾驶员的认证通过，则确定所述目标车辆本次训练的驾驶训练时长信息；
系统若目标驾驶员的认证通过，则确定目标车辆本次训练的驾驶训练时长信息。
211、系统将所述驾驶训练时长信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
系统将所述驾驶训练时长信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
本实施例中，会将时长上报相关部门，进行正常的训练时长登记。
请参阅图3，本申请实施例中机动车驾驶员训练时长记录认证的装置的一个实施例包括：
第一获取单元301，用于获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
上传单元302，用于将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
第一生成单元303，用于使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
第一确定单元304，用于将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
请参阅图4，本申请实施例中机动车驾驶员训练时长记录认证的装置的一个实施例包括：
接收单元401，用于接收目标车辆的训练结束信息；
第一获取单元402，用于获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
上传单元403，用于将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
第一生成单元404，用于使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
第一确定单元405，用于将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
本实施例中，所述第一确定单元405包括第二确定模块4051、第二获取模块4052和第三确定模块4053。
第二确定模块4051，用于根据所述驾驶训练信息确定当前预约所述目标车辆进行训练的驾驶员身份信息；
第二获取模块4052，用于根据所述驾驶员身份信息获取所述目标驾驶员的历史驾驶风格画像信息；
第三确定模块4053，用于将所述历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性；
第二生成单元406，用于若所述目标驾驶员的认证未通过，则生成认证未通过信息，所述认证未通过信息表示当前在所述目标车辆训练的驾驶员与所述驾驶员身份信息不匹配；
第一发送单元407，用于将所述认证未通过信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作；
第四确定单元408，用于若所述目标驾驶员的认证通过，则确定所述目标车辆本次训练的驾驶训练时长信息；
第二发送单元409，用于将所述驾驶训练时长信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
请参阅图5，本申请实施例中机动车驾驶员训练时长记录认证的装置的一个实施例包括：
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：
获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
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)
1.一种机动车驾驶员训练时长记录认证的方法，其特征在于，包括：
获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
2.根据权利要求1所述的方法，其特征在于，所述将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性，包括：
根据所述驾驶训练信息确认当前预约所述目标车辆进行训练的驾驶员身份信息；
根据所述驾驶员身份信息获取所述目标驾驶员的历史驾驶风格画像信息；
将所述历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
3.根据权利要求1所述的方法，其特征在于，在所述将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性之后，所述方法还包括：
若所述目标驾驶员的认证未通过，则生成认证未通过信息，所述认证未通过信息表示当前在所述目标车辆训练的驾驶员与所述驾驶员身份信息不匹配；
将所述认证未通过信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
4.根据权利要求1所述的方法，其特征在于，在所述将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性之后，所述方法还包括：
若所述目标驾驶员的认证通过，则确定所述目标车辆本次训练的驾驶训练时长信息；
将所述驾驶训练时长信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
5.根据权利要求1至4中任一项所述的方法，其特征在于，在所述获取目标车辆的驾驶训练信息之前，所述方法还包括：
接收目标车辆的训练结束信息。
6.一种机动车驾驶员训练时长记录认证的装置，其特征在于，包括：
第一获取单元，用于获取目标车辆的驾驶训练信息，所述驾驶训练信息包含但不限于当前驾驶过程中所述目标车辆的各部件的运行状态、驾驶员的操作行为和驾驶员身份信息；
上传单元，用于将所述驾驶训练信息上传至云端数据库，所述云端数据库用于存储所述驾驶训练信息，所述云端数据库为驾驶训练数据中心；
第一生成单元，用于使用人工智能模型对所述云端数据库中的驾驶训练信息进行多维度的大数据学习与分析，以生成对应的目标车辆的驾驶员的实时驾驶风格画像信息，所述实时驾驶风格画像信息表示目标车辆对应的的目标驾驶员在驾驶过程中的个性化驾驶风格；
第一确定单元，用于将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
7.根据权利要求6所述的装置，其特征在于，所述第一确定单元，包括：
第二确定模块，用于根据所述驾驶训练信息确定当前预约所述目标车辆进行训练的驾驶员身份信息；
第二获取模块，用于根据所述驾驶员身份信息获取所述目标驾驶员的历史驾驶风格画像信息；
第三确定模块，用于将所述历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
第二生成单元，用于若所述目标驾驶员的认证未通过，则生成认证未通过信息，所述认证未通过信息表示当前在所述目标车辆训练的驾驶员与所述驾驶员身份信息不匹配；
第一发送单元，用于将所述认证未通过信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
9.根据权利要求6所述的装置，其特征在于，在所述将所述目标驾驶员的历史训练过程中产生的历史驾驶风格画像信息与所述实时驾驶风格画像信息进行比对，以确定所述目标驾驶员的认证准确性之后，所述方法还包括：
第四确定单元，用于若所述目标驾驶员的认证通过，则确定所述目标车辆本次训练的驾驶训练时长信息；
第二发送模块，用于将所述驾驶训练时长信息发送到经过赋能的相关平台，以使得所述相关平台可根据所述认证未通过信息进行相关操作。
10.根据权利要求6至9中任一项所述的装置，其特征在于，所述装置还包括：
接收单元，用于接收目标车辆的训练结束信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011084895.3A CN112396913B (zh) | 2020-10-12 | 2020-10-12 | 一种机动车驾驶员训练时长记录认证的方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011084895.3A CN112396913B (zh) | 2020-10-12 | 2020-10-12 | 一种机动车驾驶员训练时长记录认证的方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112396913A true CN112396913A (zh) | 2021-02-23 |
| CN112396913B CN112396913B (zh) | 2022-11-01 |
Family
ID=74596400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011084895.3A Active CN112396913B (zh) | 2020-10-12 | 2020-10-12 | 一种机动车驾驶员训练时长记录认证的方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112396913B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114359982A (zh) * | 2022-03-19 | 2022-04-15 | 广州格鲁信息技术有限公司 | 一种基于大数据处理的反欺诈系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1372221A (zh) * | 2002-03-14 | 2002-10-02 | 山连根 | 保障驾驶学员培训质量的方法和车载驾驶信息记录器 |
| US20160352715A1 (en) * | 2015-05-27 | 2016-12-01 | Hcl Technologies Limited | System and method for authenticating a driver |
| US20170039890A1 (en) * | 2015-08-05 | 2017-02-09 | Uber Technologies, Inc. | Augmenting transport services using driver profiling |
| CN107067706A (zh) * | 2017-03-05 | 2017-08-18 | 赵莉莉 | 基于智能交通全面实时指挥管控系统的交通工具监管系统 |
| CN107170331A (zh) * | 2017-04-25 | 2017-09-15 | 虞永辉 | 一种基于人脸识别技术的驾驶员学习系统 |
| CN107895527A (zh) * | 2017-11-23 | 2018-04-10 | 重庆蓝索创引智能科技有限公司 | 一种机动车驾驶员模拟考试培训系统 |
| CN110060538A (zh) * | 2019-04-08 | 2019-07-26 | 上海云之驾科技股份有限公司 | 基于历史数据建模的个性化人工智能驾培训练系统及方法 |
| CN110648075A (zh) * | 2019-09-27 | 2020-01-03 | 重庆大学 | 驾驶安全评估方法及装置 |
| WO2020078463A1 (zh) * | 2018-10-19 | 2020-04-23 | 上海商汤智能科技有限公司 | 驾驶环境智能调整及驾驶员注册方法和装置、车辆、设备 |
-
2020
- 2020-10-12 CN CN202011084895.3A patent/CN112396913B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1372221A (zh) * | 2002-03-14 | 2002-10-02 | 山连根 | 保障驾驶学员培训质量的方法和车载驾驶信息记录器 |
| US20160352715A1 (en) * | 2015-05-27 | 2016-12-01 | Hcl Technologies Limited | System and method for authenticating a driver |
| US20170039890A1 (en) * | 2015-08-05 | 2017-02-09 | Uber Technologies, Inc. | Augmenting transport services using driver profiling |
| CN107067706A (zh) * | 2017-03-05 | 2017-08-18 | 赵莉莉 | 基于智能交通全面实时指挥管控系统的交通工具监管系统 |
| CN107170331A (zh) * | 2017-04-25 | 2017-09-15 | 虞永辉 | 一种基于人脸识别技术的驾驶员学习系统 |
| CN107895527A (zh) * | 2017-11-23 | 2018-04-10 | 重庆蓝索创引智能科技有限公司 | 一种机动车驾驶员模拟考试培训系统 |
| WO2020078463A1 (zh) * | 2018-10-19 | 2020-04-23 | 上海商汤智能科技有限公司 | 驾驶环境智能调整及驾驶员注册方法和装置、车辆、设备 |
| CN110060538A (zh) * | 2019-04-08 | 2019-07-26 | 上海云之驾科技股份有限公司 | 基于历史数据建模的个性化人工智能驾培训练系统及方法 |
| CN110648075A (zh) * | 2019-09-27 | 2020-01-03 | 重庆大学 | 驾驶安全评估方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114359982A (zh) * | 2022-03-19 | 2022-04-15 | 广州格鲁信息技术有限公司 | 一种基于大数据处理的反欺诈系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112396913B (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108791299B (zh) | 一种基于视觉的驾驶疲劳检测及预警系统及方法 | |
| US20130250108A1 (en) | Access Control System by Face Recognition in An Automobile | |
| CN103384234A (zh) | 人脸身份认证方法和系统 | |
| CN109271810A (zh) | 一种基于区块链的考试信息记录系统及考试信息记录方法 | |
| CN103824037B (zh) | 车用防跟踪报警装置 | |
| CN103106703A (zh) | 防作弊驾驶员培训记录仪 | |
| Derman et al. | Continuous real-time vehicle driver authentication using convolutional neural network based face recognition | |
| JP2001063400A (ja) | ドライバー認証装置 | |
| CN108009463B (zh) | 一种身份识别的方法及装置 | |
| CN110808053B (zh) | 一种驾驶员身份验证方法、装置及电子设备 | |
| CN107444337A (zh) | 具有双重认证的汽车防盗系统 | |
| CN112396913B (zh) | 一种机动车驾驶员训练时长记录认证的方法及相关装置 | |
| CN105590506A (zh) | 一种用于教练车的监控系统及其工作方法 | |
| CN112215093A (zh) | 一种车辆驾驶能力水平的评价方法及装置 | |
| CN110852191A (zh) | 基于身份验证的预约取车方法及装置、存储介质、终端 | |
| CN108446591A (zh) | 驾驶员身份识别方法、装置、存储介质及车辆 | |
| CN109286499B (zh) | 一种基于行为特征的在场认证方法 | |
| CN107330389A (zh) | 一种用于智能驾考的规范上车起步判断方法 | |
| CN112652174B (zh) | 基于人脸验证的停车服务控制方法和系统 | |
| CN106033506A (zh) | 一种驾照考试练车课时监控系统及其方法 | |
| CN110443221A (zh) | 一种车牌识别方法及系统 | |
| CN108674367A (zh) | 一种汽车驾驶人员用车控制方法及实现该方法的系统 | |
| CN112116508A (zh) | 一种判断驾驶训练薄弱项的方法及相关装置 | |
| CN203276361U (zh) | 防作弊驾驶员培训记录装置 | |
| CN111241918A (zh) | 一种基于人脸识别的车用防跟踪方法及系统 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230811 Address after: 610, Floor 6, Block A, No. 2, Lize Middle Second Road, Chaoyang District, Beijing 100102 Patentee after: Zhongguancun Technology Leasing Co.,Ltd. Address before: 100191 046, 2 / F, 17 Zhichun Road, Haidian District, Beijing Patentee before: Yixian Intelligent Technology Co.,Ltd. |