CN112597835A - 驾驶行为的评估方法、装置、电子设备及可读存储介质 - Google Patents
驾驶行为的评估方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112597835A CN112597835A CN202011460395.5A CN202011460395A CN112597835A CN 112597835 A CN112597835 A CN 112597835A CN 202011460395 A CN202011460395 A CN 202011460395A CN 112597835 A CN112597835 A CN 112597835A
- Authority
- CN
- China
- Prior art keywords
- driving behavior
- behavior data
- evaluation
- target vehicle
- determining
- 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
-
- 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
Abstract
本发明涉及车联网技术领域,公开了一种驾驶行为的评估方法、装置、电子设备及可读存储介质,其中,该驾驶行为的评估方法包括:获取目标车辆的至少一种类型的驾驶行为数据;基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,驾驶行为特征包括驾驶行为安全以及驾驶行为危险;利用各个互信息量,确定各个驾驶行为数据对应的权重;根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。通过实施本发明,避免了无意识的驾驶行为影响评估效果,实现了对驾驶行为进行安全评估的客观性,进而提高了驾驶行为的安全评估准确性。
Description
技术领域
本发明涉及车联网技术领域,具体涉及一种驾驶行为的评估方法、装置、电子设备及可读存储介质。
背景技术
伴随着交通车辆的普及,交通环境的安全问题日益严重,而危险的交通环境不仅会导致财产损失,还会威胁驾驶员的生命安全,因此,交通环境的安全问题愈发重要。然而,在交通环境的安全问题中,某些不良驾驶行为与攻击性驾驶行为是有区别的,如超速行驶、闯红灯、随意频繁变道、紧迫性驾驶等不良驾驶行为属于无意识的驾驶行为。目前,对无意识的驾驶行为主要是基于驾驶员的心理状态以及驾驶员的适应性等方面进行分析的,即主要是通过对驾驶员的外在状态评估驾驶行为的安全性,缺少对驾驶员无意识的驾驶行为的衡量。然而,驾驶员的无意识驾驶行为是通过车辆的驾驶行为表征的,若只是通过驾驶员的外在状态对驾驶行为的安全性进行评估,则导致驾驶行为的评估效果不佳,进而导致驾驶行为的安全评估的准确性低。
发明内容
有鉴于此,本发明实施例提供了一种驾驶行为的评估方法、装置、电子设备及可读存储介质,以解决现有技术驾驶行为的评估效果不佳、安全评估的准确性低的问题。
根据第一方面,本发明实施例提供了一种驾驶行为的评估方法,包括如下步骤:获取目标车辆的至少一种类型的驾驶行为数据;基于所述驾驶行为数据以及驾驶行为特征,确定各个所述驾驶行为数据与各个所述驾驶行为特征的互信息量,所述驾驶行为特征包括驾驶行为安全以及驾驶行为危险;利用各个所述互信息量,确定各个所述驾驶行为数据对应的权重;根据各个所述驾驶行为数据对应的权重以及所述驾驶行为数据,确定所述目标车辆的驾驶行为的评估结果。
本发明实施例提供的驾驶行为的评估方法,通过获取目标车辆的至少一种类型的驾驶行为数据,基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,其中,驾驶行为特征包括驾驶行为安全以及驾驶行为危险,利用各个互信息量,确定各个驾驶行为数据对应的权重,根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。该方法基于目标车辆的驾驶行为数据对驾驶行为进行表征,而驾驶行为数据为驾驶员的驾驶行为产生的,根据该驾驶行为数据确定目标车辆的驾驶行为的评估结果,并非只是通过驾驶员的外在状态对驾驶行为的安全性进行评估,避免了无意识的驾驶行为影响评估效果。同时,基于驾驶行为数据对目标车辆的驾驶行为进行评估,实现了对驾驶行为进行安全评估的客观性,进而提高了驾驶行为的安全评估准确性。
结合第一方面,在第一方面的第一实施方式中,所述根据各个所述驾驶行为数据对应的权重以及所述驾驶行为数据,确定所述目标车辆的驾驶行为的评估结果,包括:对各个所述互信息量进行拟合,得到与各个所述驾驶行为数据对应的拟合结果;利用各个所述驾驶行为数据对应的权重以及所述拟合结果,确定所述目标车辆的驾驶行为的评估结果。
本发明实施例提供的驾驶行为的评估方法,通过拟合各个互信息量,得到驾驶行为数据对应的拟合结果,根据该拟合结果以及驾驶行为数据对应的权重,确定目标车辆的驾驶行为的评估结果,提高了对驾驶行为的评估准确性。
结合第一方面第一实施方式,在第一方面的第二实施方式中,所述对各个所述互信息量进行拟合,得到与各个所述驾驶行为数据对应的拟合结果,包括:生成各个所述互信息量对应的图像;对所述图像进行拟合得到与各个所述驾驶行为数据对应的拟合结果。
本发明实施例提供的驾驶行为的评估方法,在对互信息量进行拟合时,生成与各个互信息量对应的图像,根据该图像进行拟合,得到与驾驶行为数据对应的拟合结果,以该拟合结果对目标车辆的驾驶行为的安全性进行评估,进一步提高了驾驶行为安全性评估的准确性。
结合第一方面第一实施方式或第二实施方式,在第一方面的第三实施方式中,所述利用各个所述驾驶行为数据对应的权重以及所述拟合结果,确定所述目标车辆的驾驶行为的评估结果,包括:计算所有所述驾驶行为数据对应的权重与拟合结果的加权和,得到所述目标车辆的驾驶行为的评估结果。
本发明实施例提供的驾驶行为的评估方法,将驾驶行为数据对应的权重与拟合结果进行加权求和,得到目标车辆的最终评估结果,能够分析不同类型的驾驶行为与目标车辆之间的安全相关性,实现了基于驾驶行为进行驾驶安全性评估,提高了驾驶行为安全性评估的准确性。
结合第一方面,在第一方面的第四实施方式中,所述利用各个所述互信息量,确定各个所述驾驶行为数据对应的权重,包括:利用各个所述驾驶行为数据与所述驾驶行为特征的互信息量,计算各个所述驾驶行为数据与所有所述驾驶行为特征的平均互信息量;对各个所述驾驶行为数据对应的平均互信息量进行归一化处理,得到各个所述驾驶行为数据对应的权重。
本发明实施例提供的驾驶行为的评估方法,利用各个驾驶行为数据与驾驶行为特征的互信息量,计算各个驾驶行为数据与所有驾驶行为特征的平均互信息量,通过各个驾驶行为数据与驾驶行为特征的互信息量,能够分析不同类型的驾驶行为与驾驶行为特征之间的相关性。基于该平均互信息量确定各个驾驶行为数据对应的权重,能够确定各个驾驶行为与目标车辆之间的安全相关性,进而实现了基于驾驶行为进行驾驶安全性评估。
结合第一方面,在第一方面的第五实施方式中,所述方法还包括:利用所述目标车辆的驾驶行为的评估结果,确定所述目标车辆的车险调整系数;基于所述车险调整系数以及预设车险定价,确定所述目标车辆的车险定价。
本发明实施例提供的驾驶行为的评估方法,通过目标车辆的驾驶行为的评估结果,确定目标车辆的车险调整系数,再基于车险调整系数以及预设车险定价,确定目标车辆的车险定价。该方法实现了根据驾驶行为数据确定车险定价,保证车险定价更为合理。
结合第一方面第五实施方式,在第一方面的第六实施方式中,所述利用所述目标车辆的驾驶行为的评估结果,确定所述目标车辆的车险调整系数,包括:将所述评估结果与预设的多个评估范围进行匹配,确定与所述评估结果对应的评估范围;其中,不同的评估范围对应不同的车险调整系数;基于所述评估范围,确定与所述评估范围对应的所述车险调整系数。
本发明实施例提供的驾驶行为的评估方法,基于不同的评估范围对应有不同的车险调整系数,根据评估结果可以匹配与其对应的评估范围,继而根据评估范围确定与当前评估结果对应的车险调整系数。通过根据驾驶行为的评估结果确定车险调整系数,保证了车险定价的合理性以及准确性。
根据第二方面,本发明实施例提供了一种驾驶行为的评估装置,包括:获取模块,用于目标车辆的至少一种类型的驾驶行为数据;第一确定模块,用于基于所述驾驶行为数据以及驾驶行为特征,确定各个所述驾驶行为数据与各个所述驾驶行为特征的互信息量,所述驾驶行为特征包括驾驶行为安全以及驾驶行为危险;第二确定模块,用于利用各个所述互信息量,确定各个所述驾驶行为数据对应的权重;第三确定模块,用于根据各个所述驾驶行为数据对应的权重以及所述驾驶行为数据,确定所述目标车辆的驾驶行为的评估结果。
本发明实施例提供的驾驶行为的评估装置,通过获取目标车辆的至少一种类型的驾驶行为数据,基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,其中,驾驶行为特征包括驾驶行为安全以及驾驶行为危险,利用各个互信息量,确定各个驾驶行为数据对应的权重,根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。该装置基于目标车辆的驾驶行为数据对驾驶行为进行表征,而驾驶行为数据为驾驶员的驾驶行为产生的,根据该驾驶行为数据确定目标车辆的驾驶行为的评估结果,并非只是通过驾驶员的外在状态对驾驶行为的安全性进行评估,避免了无意识的驾驶行为影响评估效果。同时,基于驾驶行为数据对目标车辆的驾驶行为进行评估,实现了对驾驶行为进行安全评估的客观性,进而提高了驾驶行为的安全评估准确性。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或第一方面任一实施方式所述的驾驶行为的评估方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使计算机执行第一方面或第一方面任一实施方式所述的驾驶行为的评估方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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是根据本发明实施例的驾驶行为的评估方法的流程图;
图2是根据本发明实施例的驾驶行为的评估方法的另一流程图;
图3是根据本发明实施例的驾驶行为的评估方法的另一流程图;
图4是根据本发明实施例的驾驶行为的评估方法的另一流程图;
图5是根据本发明实施例的驾驶行为的评估装置的结构框图;
图6是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
通常导致交通环境的安全问题的驾驶行为包括不良驾驶行为与攻击性驾驶行为,而某些不良驾驶行为与攻击性驾驶行为是有区别的,如超速行驶、闯红灯、随意频繁变道、紧迫性驾驶等不良驾驶行为属于无意识的驾驶行为。目前,对无意识驾驶行为的分析主要基于驾驶员的心理状态以及驾驶员的适应性等,即主要是通过对驾驶人的外在状态对驾驶行为的安全性进行评估,缺少对无意识驾驶行为的衡量。然而,无意识驾驶行为主要是通过车辆的驾驶行为表征的,若仅通过驾驶员的外在状态对驾驶行为的安全性进行评估,则会导致驾驶行为安全评估的准确性较低。
基于通过驾驶员的外在状态评估驾驶行为的安全性无法全面反映驾驶行为安全评估的准确性,本发明实施例通过车辆的驾驶行为数据表征驾驶行为,根据获取的驾驶行为数据对车辆的驾驶行为进行安全评估,避免了无意识的驾驶行为影响评估效果,提高了驾驶行为的安全评估准确性。
根据本发明实施例,提供了一种驾驶行为的评估方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种驾驶行为的评估方法,可用于电子设备,如电脑、手机、平板电脑等,图1是根据本发明实施例的驾驶行为的评估方法的流程图,如图1所示,该流程包括如下步骤:
S11,获取目标车辆的至少一种类型的驾驶行为数据。
驾驶行为数据可以包括:月总行驶里程、工作日早晚高峰行车时间、夜间行车时间、时速高于120km/h的行驶时间占总行驶时间的比例、急加速和急减速的次数及违章次数等等。具体采用上述驾驶行为数据中的一种或多种,可以根据实际情况进行相应的设置,在此并不做任何限制。
驾驶行为数据可以从车联网数据信息库中随机抽样获取,也可以根据多个车辆上安装的行车记录仪获取,本申请对驾驶行为数据的获取方式不作具体限定,本领域技术人员可以根据实际需要确定。具体地,根据获取的n种类型的驾驶行为数据x1至xn,构建第一集合X={x1,...,xn},其中,n为大于1的正整数。
S12,基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,驾驶行为特征包括驾驶行为安全以及驾驶行为危险。
驾驶行为特征用于表征驾驶行为数据所对应驾驶行为的安全与危险。具体地,可以为各类驾驶行为设定对应的安全阈值,将获取的各类驾驶行为数据与各类驾驶行为对应的安全阈值进行比较,确定驾驶行为特征,以c1表征驾驶行为安全,以c2表征驾驶行为危险,并根据驾驶行为特征构建第二集合C={c1,c2}。
基于驾驶行为数据构建的第一集合X={x1,...,xn}以及驾驶行为特征构建第二集合C={c1,c2},根据互信息量的计算公式计算各个驾驶行为数据与各个驾驶行为特征之间的互信息量I(xi,cj)。具体地,互信息量I(xi,cj)的计算公式如下:
其中,p(xi,cj)为驾驶行为数据xi与驾驶行为特征cj的联合概率,p(xi)为驾驶行为数据xi的边缘概率,p(cj)为驾驶行为特征cj的边缘概率,i=1,2...,n,j=1,2。
当然本发明实施例中所述的互信息量的计算方式并不限于上述公式的描述,也可以采用其他方式计算得到,在此对互信息量的具体计算方式并不做任何限定,只需保证其是利用驾驶行为数据与驾驶行为特征确定出的即可。
S13,利用各个互信息量,确定各个驾驶行为数据对应的权重。
权重为各个驾驶行为数据对应的权重系数,表征各个驾驶行为数据对驾驶行为的评估影响。权重可以根据各个驾驶行为的互信息量进行确定。其中,可以直接对各个互信息量进行归一化处理后得到该权重,也可以根据各个互信息量确定平均互信息量,对平均互信息量进行归一化处理得到各个驾驶行为数据对应的权重,当然也可以采用其他方式确定各个驾驶行为数据对应的权重,在此对各个驾驶行为数据对应的权重的具体计算方式并不做任何限定。
S14,根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。
评估结果用于表征驾驶行为的安全性,基于获取的目标车辆的各个驾驶行为数据以及与各个驾驶行为数据对应的权重,可以构建确定评估结果的计算公式,根据该计算公式可以得到评估安全系数,以该评估安全系数作为表征驾驶行为的安全性的评估结果。
其中,可以计算各个驾驶行为数据以及与各个驾驶行为数据对应的权重之间的加权和,得到目标车辆的驾驶行为的评估结果;也可以在各个驾驶行为数据的基础上计算与各个驾驶行为数据对应的安全相关性以及与各个驾驶行为数据对应权重,将各个驾驶行为数据对应的安全相关性以及与各个驾驶行为数据对应权重进行加权求和,得到所述的目标车辆的驾驶行为的评估结果,在此对评估结果的具体确定方式并不做任何限定。
以驾驶行为数据x1、x2、x3为例,若驾驶行为数据x1、x2、x3对应的安全相关性为y1、y2、y3,与各个驾驶行为数据对应的权重为ω1、ω2、ω3,则评估结果T的计算公式可以表示为:
T=y1ω1+y2ω2+y3ω3
计算得到的T值越大,表征目标车辆的驾驶行为的安全性越高。
本实施例提供的驾驶行为的评估方法,通过获取目标车辆的至少一种类型的驾驶行为数据,基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,其中,驾驶行为特征包括驾驶行为安全以及驾驶行为危险,利用各个互信息量,确定各个驾驶行为数据对应的权重,根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。该方法基于目标车辆的驾驶行为数据对驾驶行为进行表征,而驾驶行为数据为驾驶员的驾驶行为产生的,根据该驾驶行为数据确定目标车辆的驾驶行为的评估结果,并非只是通过驾驶员的外在状态对驾驶行为的安全性进行评估,避免了无意识的驾驶行为影响评估效果。同时,基于驾驶行为数据对目标车辆的驾驶行为进行评估,实现了对驾驶行为进行安全评估的客观性,进而提高了驾驶行为的安全评估准确性。
在本实施例中提供了一种驾驶行为的评估方法,可用于电子设备,如电脑、手机、平板电脑等,图2是根据本发明实施例的驾驶行为的评估方法的流程图,如图2所示,该流程包括如下步骤:
S21,获取目标车辆的至少一种类型的驾驶行为数据。详细内容参见上述实施例对应步骤S11的相关描述,此处不再赘述。
S22,基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,驾驶行为特征包括驾驶行为安全以及驾驶行为危险。详细内容参见上述实施例对应步骤S12的相关描述,此处不再赘述。
S23,利用各个互信息量,确定各个驾驶行为数据对应的权重。
具体地,上述S23可以包括如下步骤:
S231,利用各个驾驶行为数据与驾驶行为特征的互信息量,计算各个驾驶行为数据与所有驾驶行为特征的平均互信息量。
对互信息量I(xi,cj)的具体计算方式参见上述实施例对应的相关描述,此处不再赘述。平均互信息量是对不同类型的驾驶行为数据对评估结果影响程度的反映,平均互信息量的值越小说明该类型的驾驶行为数据对评估结果的影响越小,即相关性越小。根据平均互信息量的计算公式计算各个驾驶行为数据与所有驾驶行为特征之间的平均互信息量I(X,C)。具体地,平均互信息量I(X,C)的计算公式如下:
其中,p(xi,cj)为驾驶行为数据xi与驾驶行为特征cj的联合概率,I(xi,cj)为互信息量。
当然本发明实施例中所述的平均互信息量的计算方式并不限于上述公式的描述,也可以采用其他方式计算得到,在此对平均互信息量的具体计算方式并不做任何限定,只需保证其是利用互信息量确定出的即可。
S232,对各个驾驶行为数据对应的平均互信息量进行归一化处理,得到各个驾驶行为数据对应的权重。
基于上述平均互信息量的计算结果,可以根据平均互信息量I(X,C)构造平均互信息量向量(|(x1,C)|,|(x2,C)|,...|(xn,C)|),并根据驾驶行为数据的类型对平均互信息量向量进行归一化处理,得到类型权重向量(ω1,ω2,...,ωn),其中,ωi为与各个驾驶行为数据xi对应的权重,i=1,2...,n。在上述计算结果的基础上还可以结合其他参数以提高目标车辆的驾驶行为的评估结果的准确性。
S24,根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。
具体地,上述S24可以包括如下步骤:
S241,对各个互信息量进行拟合,得到与各个驾驶行为数据对应的拟合结果。
拟合结果为对应与各个驾驶行为数据的安全相关性数据。对计算得到的各个互信息量I(xi,cj)进行拟合,得到与各个驾驶行为数据所对应的拟合结果。具体地,可以结合其他计算机软件对各个互信息量进行拟合,例如MATLAB软件,将计算得到的各个互信息量输入至MATLAB软件,由MATLAB软件对各个互信息量I(xi,cj)进行拟合,进而得到与各个驾驶行为数据对应的拟合结果。
S242,利用各个驾驶行为数据对应的权重以及拟合结果,确定目标车辆的驾驶行为的评估结果。
基于获取的各个驾驶行为数据xi对应的权重ωi以及拟合结果yi,生成目标车辆的驾驶行为的评估结果T的计算公式。具体地,评估结果可以将各个驾驶行为数据对应的拟合结果以及与各个驾驶行为数据对应权重进行加权求和确定。评估结果的计算公式可以表示如下:
T=y1ω1+y2ω2+...+ynωn
其中,yi为各个驾驶行为数据对应的安全相关性数据,即与各个驾驶行为数据对应的拟合结果,ωi为各个驾驶行为数据对应的权重,i=1,2...,n。
具体地,上述S241可以包括如下步骤:
(1)生成各个互信息量对应的图像。
以各个驾驶行为数据对应的互信息量结合拟合软件生成与各个互信息量对应的图像。以MATLAB软件为例,将各个互信息量输入至MATLAB软件进行分析处理,得到与各个互信息量对应的图像,以图像表征各个驾驶行为数据对应的互信息量。
(2)对图像进行拟合得到与各个驾驶行为数据对应的拟合结果。
将各个驾驶行为数据依次输入至MATLAB软件,可以得到与各个驾驶行为数据对应的拟合结果。
具体地,以驾驶行为数据为月总行驶里程、工作日早晚高峰行车时间、夜间行车时间、时速高于120km/h的行驶时间占总行驶时间的比例、急加速和急减速的次数及违章次数为例。
由MATLAB软件对月总行驶里程数进行拟合,可以得到与月总行驶里程数对应的拟合结果的计算公式为:
y1=-1.831×10-13x1 4-2.428×10-10x1 3+1.56×10-6x1 2-1.926×10-3x1+0.8624
其中,x1表示目标车辆的月总行驶里程数。目标车辆的月总行驶里程与其安全状况具有很强的相关性,相同的目标车辆在一定时期内,其月总行驶里程数越大,其驾驶安全风险越高。
工作日早晚高峰行车时间能够侧面反映交通流量对驾驶风险的影响。其中,交通流量是指某段时间内通过某一地点、某一断面或某一车道的交通实体数。工作日早晚高峰时段行车时间为目标车辆在工作日(周一至周五)早晚高峰时段(7:00至10:00和17:00至20:00)的行驶时间。由MATLAB软件对工作日早晚高峰行车时间进行拟合,可以得到与工作日早晚高峰行车时间对应的拟合结果的计算公式为:
y2=-2.831×10-6x2 3-1.27×10-3x2 2-7.525×10-2x2+0.6457
其中,x2表示目标车辆的早晚高峰行车时间。目标车辆在早晚高峰行车时间所处时段内行驶的时间越长,驾驶安全风险越高。
夜间行车是引发驾驶疲劳的主要原因。夜间行车时间是车辆每天夜间时段(20:00至次日4:00)的行驶时间。由MATLAB软件对夜间行车时间进行拟合,可以得到与夜间行车时间对应的拟合结果的计算公式为:
y3=-1.046×10-2x3 2-0.1647x3+0.5814
其中,x3表示目标车辆的夜间行车时间。夜间行驶时间越长,驾驶安全风险越高。
超速行驶是引发交通事故的最主要原因之一。此处可以选取时速高于120km/h的行驶时间占总行驶时间的比例,由MATLAB软件对时速高于120km/h的行驶时间占总行驶时间的比例进行拟合,可以得到与时速高于120km/h的行驶时间占总行驶时间的比例对应的拟合结果的计算公式为:
y4=-5.493×10-2x4 2-5.471×10-2x4+0.1369
其中,x4表示目标车辆的时速高于120km/h的行驶时间占总行驶时间的比例。目标车辆的时速越高,驾驶安全风险越高。
急加速和急减速的次数为目标车辆进行急加速和急减速的次数之和。由MATLAB软件对急加速和急减速的次数进行拟合,可以得到与急加速和急减速的次数对应的拟合结果的计算公式为:
y5=-1.286×10-5x5 3+1.123×10-4x5 2-1.358×10-2x5+0.453
其中,x5表示目标车辆的急加速和急减速的次数。目标车辆的急加速和急减速的次数越多,驾驶安全风险越高。
违章主要指违章停车、闯红灯以及违法超车等违法驾驶行为,违章次数为目标车辆的违法驾驶行为次数之和。由MATLAB软件对违章次数进行拟合,可以得到与违章次数对应的拟合结果的计算公式为:
y6=-7.727×10-2x6 3+0.5135x6 2-1.126x6+0.3152
其中,x6表示目标车辆的违章次数。目标车辆的违章次数越多,驾驶安全风险越高。
具体地,上述S242可以包括:计算所有驾驶行为数据对应的权重与拟合结果的加权和,得到目标车辆的驾驶行为的评估结果。
将所有驾驶行为数据对应的权重与拟合结果的进行加权和,得到目标车辆的驾驶行为的评估结果的计算公式。
以所有驾驶行为数据为x1、x2、x3、x4、x5、x6为例,与所有驾驶行为数据x1、x2、x3、x4、x5、x6对应的权重为ω1、ω2、ω3、ω4、ω5、ω6,与所有驾驶行为数据x1、x2、x3、x4、x5、x6对应的拟合结果为y1、y2、y3、y4、y5、y6,则所有驾驶行为数据对应的权重与拟合结果的进行加权和的公式为:
T=y1ω1+y2ω2+y3ω3+y4ω4+y5ω5+y6ω6
根据该加权和可以计算得到目标车辆的驾驶行为的评估结果,根据该评估结果对目标车辆的驾驶行为进行安全性评估。
本发明实施例提供的驾驶行为的评估方法,通过利用各个驾驶行为数据与驾驶行为特征的互信息量,计算各个驾驶行为数据与所有驾驶行为特征的平均互信息量,通过各个驾驶行为数据与驾驶行为特征的互信息量,能够分析不同类型的驾驶行为与驾驶行为特征之间的相关性。基于该平均互信息量确定各个驾驶行为数据对应的权重,能够确定各个驾驶行为与目标车辆之间的安全相关性。通过拟合各个互信息量,得到驾驶行为数据对应的拟合结果,根据该拟合结果以及驾驶行为数据对应的权重,确定目标车辆的驾驶行为的评估结果。在对互信息量进行拟合时,生成与各个互信息量对应的图像,根据该图像进行拟合,得到与驾驶行为数据对应的拟合结果,以该拟合结果对目标车辆的驾驶行为的安全性进行评估。将驾驶行为数据对应的权重与拟合结果进行加权求和,得到目标车辆的最终评估结果,能够分析不同类型的驾驶行为与目标车辆之间的安全相关性,进而实现了基于驾驶行为进行驾驶安全性评估,提高了驾驶行为安全性评估的准确性。
在本实施例中提供了一种驾驶行为的评估方法,可用于电子设备,如电脑、手机、平板电脑等,图3是根据本发明实施例的驾驶行为的评估方法的流程图,如图3所示,该流程包括如下步骤:
S31,获取目标车辆的至少一种类型的驾驶行为数据。详细内容参见上述实施例对应步骤S21的相关描述,此处不再赘述。
S32,基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,驾驶行为特征包括驾驶行为安全以及驾驶行为危险。详细内容参见上述实施例对应步骤S22的相关描述,此处不再赘述。
S33,利用各个互信息量,确定各个驾驶行为数据对应的权重。详细内容参见上述实施例对应步骤S23的相关描述,此处不再赘述。
S34,根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。详细内容参见上述实施例对应步骤S24的相关描述,此处不再赘述。
可选地,该驾驶行为的评估方法还可以包括如下步骤:
S35,利用目标车辆的驾驶行为的评估结果,确定目标车辆的车险调整系数。
车险调整系数为以当前车险定价为基础确定的调整倍数。根据目标车辆的驾驶行为的评估结果对当前目标车辆对应的车险定价进行调整,以保证车险定价的合理性。具体地,目标车辆的驾驶行为的评估结果值越大,表征目标车辆的驾驶行为的安全性越高,则车险调整系数越低。
S36,基于车险调整系数以及预设车险定价,确定目标车辆的车险定价。
预设车险定价为目标车辆的当前车险定价。根据车险调整系数与当前车险定价计算目标车辆的车险定价。将车险调整系数和当前车险定价进行相乘,得到两者相乘的乘积结果,以该乘积结果作为调整后的目标车辆的车险定价。
具体地,以α表示预设车险定价,θ表示车险调整系数,Λ表示调整后的车险定价,则调整后的车险定价Λ=α*θ。
在本实施例的一些可选实施方式中,如图4所示的驾驶行为的评估方法的流程图,其中上述S35可以包括如下步骤:
S351,将评估结果与预设的多个评估范围进行匹配,确定与评估结果对应的评估范围;其中,不同的评估范围对应不同的车险调整系数。
不同的评估结果可以对应不同的评估范围,而不同的评估范围对应不同的车险调整系数。具体地,可以将评估结果对应的安全评估系数与评估范围之间的对应关系生成为评估结果--评估范围表。电子设备可以对评估结果--评估范围表进行存储,进而可以根据确定的评估结果对该评估结果--评估范围表进行遍历,确定与评估结果对应的评估范围。本申请对确定评估结果所对应评估范围的具体方式不作限定,本领域技术人员可以根据实际需要确定。
S352,基于评估范围,确定与评估范围对应的车险调整系数。
基于评估范围与车险调整系数之间的对应关系可以生成为评估范围--车险调整系数表,电子设备可以对该评估范围--车险调整系数表进行存储,进而根据评估范围确定与其对应的车险调整系数。本申请对确定评估范围所对应车险调整系数的具体方式不作限定,本领域技术人员可以根据实际需要确定。
本实施例提供的驾驶行为的评估方法,通过目标车辆的驾驶行为的评估结果,确定目标车辆的车险调整系数,再基于车险调整系数以及预设车险定价,确定目标车辆的车险定价。该方法实现了根据驾驶行为数据确定车险定价,保证车险定价更为合理。同时,基于不同的评估范围对应有不同的车险调整系数,根据评估结果可以匹配与其对应的评估范围,继而根据评估范围确定与当前评估结果对应的车险调整系数。通过根据驾驶行为的评估结果确定车险调整系数,保证了车险定价的合理性以及准确性。
在本实施例中还提供了一种驾驶行为的评估装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种驾驶行为的评估装置,如图5所示,包括:
获取模块41,用于目标车辆的至少一种类型的驾驶行为数据。详细内容参见上述方法实施例对应步骤S11的相关描述,此处不再赘述。
第一确定模块42,用于基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,驾驶行为特征包括驾驶行为安全以及驾驶行为危险。详细内容参见上述方法实施例对应步骤S12的相关描述,此处不再赘述。
第二确定模块43,用于利用各个互信息量,确定各个驾驶行为数据对应的权重。详细内容参见上述方法实施例对应步骤S13的相关描述,此处不再赘述。
第三确定模块44,用于根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。详细内容参见上述方法实施例对应步骤S14的相关描述,此处不再赘述。
本发明实施例提供的驾驶行为的评估装置,通过获取目标车辆的至少一种类型的驾驶行为数据,基于驾驶行为数据以及驾驶行为特征,确定各个驾驶行为数据与各个驾驶行为特征的互信息量,其中,驾驶行为特征包括驾驶行为安全以及驾驶行为危险,利用各个互信息量,确定各个驾驶行为数据对应的权重,根据各个驾驶行为数据对应的权重以及驾驶行为数据,确定目标车辆的驾驶行为的评估结果。该装置基于目标车辆的驾驶行为数据对驾驶行为进行表征,而驾驶行为数据为驾驶员的驾驶行为产生的,根据该驾驶行为数据确定目标车辆的驾驶行为的评估结果,并非只是通过驾驶员的外在状态对驾驶行为的安全性进行评估,避免了无意识的驾驶行为影响评估效果。同时,基于驾驶行为数据对目标车辆的驾驶行为进行评估,实现了对驾驶行为进行安全评估的客观性,进而提高了驾驶行为的安全评估准确性。
本实施例中的驾驶行为的评估装置是以功能模块的形式来呈现,这里的模块是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种电子设备,具有上述图5所示的驾驶行为的评估装置。
请参阅图6,图6是本发明可选实施例提供的一种电子设备的结构示意图,如图6所示,该电子设备可以包括:至少一个处理器501,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口503,存储器504,至少一个通信总线502。其中,通信总线502用于实现这些组件之间的连接通信。其中,通信接口503可以包括显示屏(Display)、键盘(Keyboard),可选通信接口503还可以包括标准的有线接口、无线接口。存储器504可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器504可选的还可以是至少一个位于远离前述处理器501的存储装置。其中处理器501可以结合图5所描述的装置,存储器504中存储应用程序,且处理器501调用存储器504中存储的程序代码,以用于执行上述任一方法步骤。
其中,通信总线502可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线502可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器504可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器504还可以包括上述种类的存储器的组合。
其中,处理器501可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器501还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器504还用于存储程序指令。处理器501可以调用程序指令,实现如本申请图1-4实施例中所示的驾驶行为的评估方法。
本发明实施例还提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的驾驶行为的评估方法的处理方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种驾驶行为的评估方法,其特征在于,包括如下步骤:
获取目标车辆的至少一种类型的驾驶行为数据;
基于所述驾驶行为数据以及驾驶行为特征,确定各个所述驾驶行为数据与各个所述驾驶行为特征的互信息量,所述驾驶行为特征包括驾驶行为安全以及驾驶行为危险;
利用各个所述互信息量,确定各个所述驾驶行为数据对应的权重;
根据各个所述驾驶行为数据对应的权重以及所述驾驶行为数据,确定所述目标车辆的驾驶行为的评估结果。
2.根据权利要求1所述的方法,其特征在于,所述根据各个所述驾驶行为数据对应的权重以及所述驾驶行为数据,确定所述目标车辆的驾驶行为的评估结果,包括:
对各个所述互信息量进行拟合,得到与各个所述驾驶行为数据对应的拟合结果;
利用各个所述驾驶行为数据对应的权重以及所述拟合结果,确定所述目标车辆的驾驶行为的评估结果。
3.根据权利要求2所述的方法,其特征在于,所述对各个所述互信息量进行拟合,得到与各个所述驾驶行为数据对应的拟合结果,包括:
生成各个所述互信息量对应的图像;
对所述图像进行拟合得到与各个所述驾驶行为数据对应的拟合结果。
4.根据权利要求2或3所述的方法,其特征在于,所述利用各个所述驾驶行为数据对应的权重以及所述拟合结果,确定所述目标车辆的驾驶行为的评估结果,包括:
计算所有所述驾驶行为数据对应的权重与拟合结果的加权和,得到所述目标车辆的驾驶行为的评估结果。
5.根据权利要求1所述的方法,其特征在于,所述利用各个所述互信息量,确定各个所述驾驶行为数据对应的权重,包括:
利用各个所述驾驶行为数据与所述驾驶行为特征的互信息量,计算各个所述驾驶行为数据与所有所述驾驶行为特征的平均互信息量;
对各个所述驾驶行为数据对应的平均互信息量进行归一化处理,得到各个所述驾驶行为数据对应的权重。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用所述目标车辆的驾驶行为的评估结果,确定所述目标车辆的车险调整系数;
基于所述车险调整系数以及预设车险定价,确定所述目标车辆的车险定价。
7.根据权利要求6所述的方法,其特征在于,所述利用所述目标车辆的驾驶行为的评估结果,确定所述目标车辆的车险调整系数,包括:
将所述评估结果与预设的多个评估范围进行匹配,确定与所述评估结果对应的评估范围;其中,不同的评估范围对应不同的车险调整系数;
基于所述评估范围,确定与所述评估范围对应的所述车险调整系数。
8.一种驾驶行为的评估装置,其特征在于,包括:
获取模块,用于目标车辆的至少一种类型的驾驶行为数据;
第一确定模块,用于基于所述驾驶行为数据以及驾驶行为特征,确定各个所述驾驶行为数据与各个所述驾驶行为特征的互信息量,所述驾驶行为特征包括驾驶行为安全以及驾驶行为危险;
第二确定模块,用于利用各个所述互信息量,确定各个所述驾驶行为数据对应的权重;
第三确定模块,用于根据各个所述驾驶行为数据对应的权重以及所述驾驶行为数据,确定所述目标车辆的驾驶行为的评估结果。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-7任一项所述的驾驶行为的评估方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使计算机执行权利要求1-7任一项所述的驾驶行为的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460395.5A CN112597835A (zh) | 2020-12-11 | 2020-12-11 | 驾驶行为的评估方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460395.5A CN112597835A (zh) | 2020-12-11 | 2020-12-11 | 驾驶行为的评估方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112597835A true CN112597835A (zh) | 2021-04-02 |
Family
ID=75192879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011460395.5A Pending CN112597835A (zh) | 2020-12-11 | 2020-12-11 | 驾驶行为的评估方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597835A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563069A (zh) * | 2023-07-07 | 2023-08-08 | 广州市德赛西威智慧交通技术有限公司 | 应用于驾培驾考的智能化评判方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609472A (zh) * | 2009-08-13 | 2009-12-23 | 腾讯科技(深圳)有限公司 | 一种基于问答平台的关键词评价方法和装置 |
CN107292663A (zh) * | 2017-06-08 | 2017-10-24 | 北京深瞐科技有限公司 | 车险定价方法及装置 |
CN108446824A (zh) * | 2018-02-08 | 2018-08-24 | 深圳市赛格导航科技股份有限公司 | 一种驾驶行为的风险评估方法、装置、设备及存储介质 |
CN108686363A (zh) * | 2017-04-11 | 2018-10-23 | 富士通株式会社 | 动作评价的方法和装置 |
CN109658272A (zh) * | 2018-12-26 | 2019-04-19 | 江苏数慧信息科技有限公司 | 驾驶行为评价系统及基于驾驶行为的保险定价系统 |
CN110968839A (zh) * | 2019-12-05 | 2020-04-07 | 深圳鼎然信息科技有限公司 | 驾驶风险评估方法、装置、设备及存储介质 |
CN110995692A (zh) * | 2019-11-28 | 2020-04-10 | 江苏电力信息技术有限公司 | 基于因子分析与子空间协同表示的网络安全入侵检测方法 |
CN111310968A (zh) * | 2019-12-20 | 2020-06-19 | 西安电子科技大学 | 一种基于互信息的lstm神经网络循环水文预报方法 |
CN111616682A (zh) * | 2020-05-31 | 2020-09-04 | 天津大学 | 基于便携式脑电采集设备的癫痫发作预警系统及应用 |
-
2020
- 2020-12-11 CN CN202011460395.5A patent/CN112597835A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609472A (zh) * | 2009-08-13 | 2009-12-23 | 腾讯科技(深圳)有限公司 | 一种基于问答平台的关键词评价方法和装置 |
CN108686363A (zh) * | 2017-04-11 | 2018-10-23 | 富士通株式会社 | 动作评价的方法和装置 |
CN107292663A (zh) * | 2017-06-08 | 2017-10-24 | 北京深瞐科技有限公司 | 车险定价方法及装置 |
CN108446824A (zh) * | 2018-02-08 | 2018-08-24 | 深圳市赛格导航科技股份有限公司 | 一种驾驶行为的风险评估方法、装置、设备及存储介质 |
CN109658272A (zh) * | 2018-12-26 | 2019-04-19 | 江苏数慧信息科技有限公司 | 驾驶行为评价系统及基于驾驶行为的保险定价系统 |
CN110995692A (zh) * | 2019-11-28 | 2020-04-10 | 江苏电力信息技术有限公司 | 基于因子分析与子空间协同表示的网络安全入侵检测方法 |
CN110968839A (zh) * | 2019-12-05 | 2020-04-07 | 深圳鼎然信息科技有限公司 | 驾驶风险评估方法、装置、设备及存储介质 |
CN111310968A (zh) * | 2019-12-20 | 2020-06-19 | 西安电子科技大学 | 一种基于互信息的lstm神经网络循环水文预报方法 |
CN111616682A (zh) * | 2020-05-31 | 2020-09-04 | 天津大学 | 基于便携式脑电采集设备的癫痫发作预警系统及应用 |
Non-Patent Citations (1)
Title |
---|
施柯宇;付东翔;金涛;项华中;武杰;陈家璧;: "基于多频段区域互信息的光学成像系统性能评价", 光学技术, no. 03 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563069A (zh) * | 2023-07-07 | 2023-08-08 | 广州市德赛西威智慧交通技术有限公司 | 应用于驾培驾考的智能化评判方法及装置 |
CN116563069B (zh) * | 2023-07-07 | 2024-03-29 | 广州市德赛西威智慧交通技术有限公司 | 应用于驾培驾考的智能化评判方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11954651B2 (en) | Sensor-based digital twin system for vehicular analysis | |
CN108986465B (zh) | 一种车流量检测的方法、系统及终端设备 | |
JP6918137B2 (ja) | 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 | |
CN110001653B (zh) | 一种驾驶行为评估方法、服务器及计算机可读介质 | |
CN111666971A (zh) | 基于位置定位的事件识别方法、装置、设备及存储介质 | |
CN107993001B (zh) | 一种风险评估的可视化方法、装置及存储介质 | |
CN110132293B (zh) | 一种路线推荐方法及装置 | |
AU2021202991B2 (en) | Method and system for vehicle speed profile generation | |
EP3605490A1 (en) | Method and device for predicting vehicle emergence point | |
CN113423063B (zh) | 基于车载t-box的车辆监控方法、装置、车辆及介质 | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
CN112150046A (zh) | 一种道路交叉口安全风险指数计算方法 | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
CN113888860A (zh) | 车辆异常行驶的检测方法、装置、服务器及可读存储介质 | |
WO2023034141A1 (en) | System and method for monitoring a vehicle | |
CN112597835A (zh) | 驾驶行为的评估方法、装置、电子设备及可读存储介质 | |
CN110807493A (zh) | 一种车辆分类模型的优化方法及设备 | |
CN114103987A (zh) | 车辆续航预警方法、装置及电子设备 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN116311946B (zh) | 用于展示实时交通态势的方法、系统、终端及存储介质 | |
CN112729862B (zh) | 无人驾驶的驾驶行为安全评估方法、装置及电子设备 | |
CN110473398B (zh) | 一种城市道路拥堵分析方法及装置 | |
CN111121803A (zh) | 获取道路常用停靠点的方法及装置 | |
CN113961653A (zh) | 一种异常路面信息提示方法、电子设备和存储介质 | |
CN115762127A (zh) | 交通事件感知方法、系统、电子设备和介质 |
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 |