CN112660142A - 一种基于大数据的机场电动摆渡车驾驶行为分析方法 - Google Patents
一种基于大数据的机场电动摆渡车驾驶行为分析方法 Download PDFInfo
- Publication number
- CN112660142A CN112660142A CN202011493711.9A CN202011493711A CN112660142A CN 112660142 A CN112660142 A CN 112660142A CN 202011493711 A CN202011493711 A CN 202011493711A CN 112660142 A CN112660142 A CN 112660142A
- Authority
- CN
- China
- Prior art keywords
- value
- vehicle
- danger
- driving
- driver
- 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
Landscapes
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种基于大数据的机场电动摆渡车驾驶行为分析方法,其解决了如何提升电动摆渡车运行效率以及保证乘客安全的技术问题,其通过人脸识别设备识别驾驶员身份,识别驾驶员的驾驶行为,结合车辆车速、车辆GPS位置、油门刹车状态等的上传,通过车联网系统进行记录和存储数据。驾驶行为的分析主要依附于加装的各种传感器,通过传感器采集的各种信息综合判断车辆状态。主要包括感知车辆加速还是减速、上坡还是下坡、车辆行的驶里程、速度、路面等指标,也包括不同的驾驶员身份,驾驶过程中驾驶员的行为等,通过实验数据统计计算其权值,对机场电动摆渡车在场内的运行数据进行加权平均修正,得到经过驾驶员行为习惯、趋势以及某些固定路段出现的相似的驾驶行为。本发明可广泛应用于机场电动摆渡车。
Description
技术领域
本发明涉及空港地面服务设备技术领域,具体而言,涉及一种基于大数据的机场电动摆渡车驾驶行为分析方法。
背景技术
机场的电动摆渡车是连接机场内候机厅和远机位飞机的交通工具。机场飞机数量多,而机位少,建设一个机位所需要的资金大,故有多数的飞机停留在了远机位,需要通过摆渡车运送乘客。
如何提升电动摆渡车运行效率以及保证乘客安全是本领域技术人员亟待解决的技术问题。
发明内容
本发明就是要解决如何提升电动摆渡车运行效率以及保证乘客安全,提供一种对电动摆渡车的驾驶员进行驾驶行为分析,优化和规范驾驶行为,保证乘客安全,提升摆渡车运行效率的基于大数据的机场电动摆渡车驾驶行为分析方法。
一种基于大数据的机场电动摆渡车驾驶行为分析方法,所述机场电动摆渡车上安装人脸识别设备、车辆信息采集模块、车辆信息发送模块,所述车辆信息采集模块包括GPS模块、车速检测装置、油门状态传感器、刹车状态传感器、车辆转向传感器;
所述车速检测装置发送车速给车辆信息发送模块,油门状态传感器发送油门值给车辆信息发送模块,刹车状态传感器发送刹车值给车辆信息发送模块,车辆转向传感器发送转向角度给车辆信息发送模块;GPS 模块发送车辆在机场内的GPS位置给车辆信息发送模块;人脸识别设备发送驾驶员ID和驾驶员状态给车辆信息发送模块;
所述车辆信息发送模块将车速、油门值、刹车值、转向角度、GPS 位置、驾驶员ID、驾驶员状态通过车联网平台发送至数据库,数据分析服务器对这些数据进行计算分析;
所述驾驶行为分析方法包括以下步骤:
第一步,统计固定路段在标准情况下驾驶员驾驶的车速、油门值、刹车值、转向角度,以此为驾驶行为基准,画出基准曲线,以上传GPS 点位在函数曲线中对应的值作为参考标准;
第二步,驾驶员驾驶行为危险程度的加权计算公式如下:
上述公式中,f表示驾驶行为危险程度,n表示GPS位置点,Vbasic_n表示第n个GPS点车辆速度基准值,表示固定路段车辆速度基准值的平均值,Vn表示实际驾驶中第n个GPS点车辆速度值,gV表示车速差异对驾驶危险程度影响所占的权重值,Tbasic_n表示第n个GPS点车辆油门基准值,表示固定路段车辆油门基准值的平均值,Tn表示实际驾驶中第n个GPS点车辆油门值,gT表示油门差异对驾驶危险程度影响所占的权重值,Bbasic_n表示第n个GPS点车辆刹车基准值,表示固定路段车辆刹车基准值的平均值,Bn表示实际驾驶中第n个GPS点车辆刹车值,gB表示刹车差异对驾驶危险程度影响所占的权重值,θbasic_n表示第n个GPS点车辆转向角度基准值,表示固定路段车辆转向角度基准值的平均值,θn表示实际驾驶中第n个GPS点车辆转向角度值,gθ表示转向差异对驾驶危险程度影响所占的权重值。gmouth_n表示如果驾驶员当前GPS点存在打哈欠的情况所对应的危险值,可以根据实际需求设置为固定的权重值。geye_n表示如果驾驶员当前GPS点存在长时间闭眼驾驶的情况所对应的危险值,可以根据实际需求设置为固定的权重值。 gtrun_n表示如果驾驶员当前GPS点存在长时间转头注意力不集中的情况所对应的危险值,可以根据实际需求设置为固定的权重值;
∑gmouth_n表示累计在区间内驾驶员打哈欠所对应的危险值;
∑geye_n表示累计在区间内驾驶员长时间闭眼所对应的危险值;
∑gtrun_n表示累计在区间内驾驶员长时间转头所对应的危险值;
如果实际车速Vn快于基准车速Vbasic_n,则认为驾驶行为相对激进,存在驾驶的风险,差距越大则危险值越高;参考图8,如果实际油门值Tn大于基准油门值Tbasic_n,则认为驾驶行为相对激进,存在驾驶的风险,差距越大则危险值越高;参考图9,如果实际刹车值Bn大于或小于基准刹车值Bbasic_n,则认为驾驶行为存在风险,差距越大则危险值越高;参考图10,如果实际转向角度值θn大于或小于基准转向角度值θbasic_n,则认为驾驶行为存在风险,差距越大则危险值越高。如果行驶过程中存在打哈欠、长时间闭眼或长时间转头动作,则认为驾驶行为存在风险。
优选地,根据驾驶行为危险程度f对危险驾驶的司机进行警告,通过报警装置发出报警信号。
优选地,对驾驶员实际驾驶的危险程度f分为几个档:正常、激进、危险。
本发明的有益效果是,统计大量数据,分析危险驾驶行为,对比同一路段不同驾驶员的驾驶行为异同点,对驾驶员的不良习惯进行提醒,对驾驶员的驾驶风格进行评定,对机场摆渡车行驶路线进行优化,还有对不同驾驶时间段的违规驾驶行为进行统计,分析驾驶操作对驾驶行为的影响,最后对不同驾驶员的驾驶行为得出综合的评分。优化和规范驾驶行为,保证乘客安全,提升摆渡车运行效率。
本发明进一步的特征和方面,将在以下参考附图的具体实施方式的描述中,得以清楚地记载。
附图说明
图1是基于大数据的机场电动摆渡车驾驶行为分析方法的原理图;
图2是电动摆渡车在机场行驶的固定路段示意图;
图3是速度基准曲线;
图4是油门值基准曲线;
图5是刹车值基准曲线;
图6是转向角度基准曲线;
图7是实际速度与速度基准的对比曲线;
图8是实际油门值与油门基准的对比曲线;
图9是实际刹车值与刹车值基准的对比曲线;
图10是实际转向角度与转向角度基准的对比曲线。
具体实施方式
以下参照附图,以具体实施例对本发明作进一步详细说明。
在机场电动摆渡车上安装人脸识别设备、车辆信息采集模块、车辆信息发送模块。
车辆信息采集模块包括GPS模块、车速检测装置、油门状态传感器、刹车状态传感器、车辆转向传感器等。
人脸识别设备能够对驾驶员进行人脸识别,识别驾驶员ID,区分不同的驾驶员。
人脸识别设备能够检测驾驶员的面部状态,比如是打哈欠、长时间转头、长时间闭眼等。
参考图1,车速检测装置发送车速V给车辆信息发送模块,油门状态传感器发送油门值T给车辆信息发送模块,刹车状态传感器发送刹车值B给车辆信息发送模块,车辆转向传感器发送转向角度θ给车辆信息发送模块。GPS模块发送车辆在机场内的GPS位置n给车辆信息发送模块。人脸识别设备发送驾驶员ID给车辆信息发送模块。驾驶员状态g发送给车辆信息发送模块。
车辆信息发送模块将车速V、油门值T、刹车值B、转向角度θ、 GPS位置n、驾驶员ID、驾驶员状态g通过车联网平台发送至数据库,数据分析服务器对这些数据进行计算、分析。
第一步,参考图2,固定路段是电动摆渡车从起点行驶到终点的唯一地、固定的行驶线路。
统计固定路段在标准情况下驾驶员驾驶的车速、油门值、刹车值、转向角度,如表1,以此为驾驶行为基准,画出基准曲线,以上传GPS 点位在函数曲线中对应的值作为参考标准。
速度基准曲线如图3所示,横坐标是路段GPS位置点,纵坐标是车速V。
油门值基准曲线如图4所示,横坐标是路段GPS位置点,纵坐标是油门值T。
刹车值基准曲线如图5所示,横坐标是路段GPS位置点,纵坐标是刹车值B。
转向角度基准曲线如图6所示,横坐标是路段GPS位置点,纵坐标是转向角度θ。
表1:
第二步,驾驶员驾驶行为危险程度的加权计算公式如下:
上面公式中,f表示驾驶行为危险程度,n表示GPS位置点,Vbasic_n表示第n个GPS点车辆速度基准值,表示固定路段车辆速度基准值的平均值,Vn表示实际驾驶中第n个GPS点车辆速度值,gV表示车速差异对驾驶危险程度影响所占的权重值,Tbasic_n表示第n个GPS点车辆油门基准值,表示固定路段车辆油门基准值的平均值,Tn表示实际驾驶中第n个GPS点车辆油门值,gT表示油门差异对驾驶危险程度影响所占的权重值,Bbasic_n表示第n个GPS点车辆刹车基准值,表示固定路段车辆刹车基准值的平均值,Bn表示实际驾驶中第n个GPS点车辆刹车值,gB表示刹车差异对驾驶危险程度影响所占的权重值,θbasic_n表示第n个GPS点车辆转向角度基准值,表示固定路段车辆转向角度基准值的平均值,θn表示实际驾驶中第n个GPS点车辆转向角度值, gθ表示转向差异对驾驶危险程度影响所占的权重值。gmouth_n表示如果驾驶员当前GPS点存在打哈欠的情况所对应的危险值,可以根据实际需求设置为固定的权重值。geye_n表示如果驾驶员当前GPS点存在长时间闭眼驾驶的情况所对应的危险值,可以根据实际需求设置为固定的权重值。 gtrun_n表示如果驾驶员当前GPS点存在长时间转头注意力不集中的情况所对应的危险值,可以根据实际需求设置为固定的权重值。
∑gmouth_n表示累计在区间内驾驶员打哈欠所对应的危险值。
∑geye_n表示累计在区间内驾驶员长时间闭眼所对应的危险值。
∑gtrun_n表示累计在区间内驾驶员长时间转头所对应的危险值。
摆渡车行驶在固定路段中,参考图7,如果实际车速Vn快于基准车速Vbasic_n,则认为驾驶行为相对激进,存在驾驶的风险,差距越大则危险值越高;参考图8,如果实际油门值Tn大于基准油门值Tbasic_n,则认为驾驶行为相对激进,存在驾驶的风险,差距越大则危险值越高;参考图9,如果实际刹车值Bn大于或小于基准刹车值Bbasic_n,则认为驾驶行为存在风险,差距越大则危险值越高;参考图10,如果实际转向角度值θn大于或小于基准转向角度值θbasic_n,则认为驾驶行为存在风险,差距越大则危险值越高。如果行驶过程中存在打哈欠、长时间闭眼或长时间转头动作,则认为驾驶行为存在风险。
根据驾驶行为危险程度f对危险驾驶的司机进行警告,通过报警装置发出报警信号,保证驾驶过程的安全性,确保乘客安全。
进一步地,可以对驾驶员实际驾驶的危险程度f分为几个档:正常、激进、危险。
针对上述分析方法举例,驾驶过程中3次打哈欠,2次闭眼驾驶,将打哈欠对应的危险值gmouth_n设置为100,闭眼对应的危险值geye_n设置为100。速度权重系数gV设置为1,油门权重系数gT设置为1,刹车权重系统gB设置为1,速度权重系数gθ设置为1。则:
f=max(0,9.1-9.1)·15.03671·1+max(0,21.9-20)·18.8405063·1+|0- 0|·3.7392405·1+|0-0|·3.45822785·1+……+max(0,11.7-14.1)·15.03671· 1+max(0,22.2-23.6)·18.8405063·1+|0-0|·3.7392405·1+|0-0|· 3.45822785·1+100*3+100*2 =2,533.69+2,390.86+642.40+75.74+300+200=6,142.69
根据统计的实际驾驶数据,加上确定好的权重参数,可以得出本次驾驶员驾驶过程中危险值为6,142.69。我们可以根据不同的固定路段设定一个阈值来标定危险值的程度,比如超过6000可以认定为驾驶危险程度较高,超过7000可以认定为非常危险。
以上所述仅对本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡是在本发明的权利要求限定范围内,所做的任何修改、等同替换、改进等,均应在本发明的保护范围之内。
Claims (3)
1.一种基于大数据的机场电动摆渡车驾驶行为分析方法,其特征是,所述机场电动摆渡车上安装人脸识别设备、车辆信息采集模块、车辆信息发送模块,所述车辆信息采集模块包括GPS模块、车速检测装置、油门状态传感器、刹车状态传感器、车辆转向传感器;
所述车速检测装置发送车速给车辆信息发送模块,油门状态传感器发送油门值给车辆信息发送模块,刹车状态传感器发送刹车值给车辆信息发送模块,车辆转向传感器发送转向角度给车辆信息发送模块;GPS模块发送车辆在机场内的GPS位置给车辆信息发送模块;人脸识别设备发送驾驶员ID和驾驶员状态给车辆信息发送模块;
所述车辆信息发送模块将车速、油门值、刹车值、转向角度、GPS位置、驾驶员ID、驾驶员状态通过车联网平台发送至数据库,数据分析服务器对这些数据进行计算分析;
所述驾驶行为分析方法包括以下步骤:
第一步,统计固定路段在标准情况下驾驶员驾驶的车速、油门值、刹车值、转向角度,以此为驾驶行为基准,画出基准曲线,以上传GPS点位在函数曲线中对应的值作为参考标准;
第二步,驾驶员驾驶行为危险程度的加权计算公式如下:
上述公式中,f表示驾驶行为危险程度,n表示GPS位置点,Vbasic_n表示第n个GPS点车辆速度基准值,表示固定路段车辆速度基准值的平均值,Vn表示实际驾驶中第n个GPS点车辆速度值,gv表示车速差异对驾驶危险程度影响所占的权重值,Tbasic_n表示第n个GPS点车辆油门基准值,表示固定路段车辆油门基准值的平均值,Tn表示实际驾驶中第n个GPS点车辆油门值,gT表示油门差异对驾驶危险程度影响所占的权重值,Bbasic_n表示第n个GPS点车辆刹车基准值,表示固定路段车辆刹车基准值的平均值,Bn表示实际驾驶中第n个GPS点车辆刹车值,gB表示刹车差异对驾驶危险程度影响所占的权重值,θbasic_n表示第n个GPS点车辆转向角度基准值,表示固定路段车辆转向角度基准值的平均值,θn表示实际驾驶中第n个GPS点车辆转向角度值,gθ表示转向差异对驾驶危险程度影响所占的权重值。gmouth_n表示如果驾驶员当前GPS点存在打哈欠的情况所对应的危险值,可以根据实际需求设置为固定的权重值。geye_n表示如果驾驶员当前GPS点存在长时间闭眼驾驶的情况所对应的危险值,可以根据实际需求设置为固定的权重值。gtrun_n表示如果驾驶员当前GPS点存在长时间转头注意力不集中的情况所对应的危险值,可以根据实际需求设置为固定的权重值;
∑gmouth_n表示累计在区间内驾驶员打哈欠所对应的危险值;
∑geye_n表示累计在区间内驾驶员长时间闭眼所对应的危险值;
∑gtrun_n表示累计在区间内驾驶员长时间转头所对应的危险值;
如果实际车速Vn快于基准车速Vbasic_n,则认为驾驶行为相对激进,存在驾驶的风险,差距越大则危险值越高;参考图8,如果实际油门值Tn大于基准油门值Tbasic_n,则认为驾驶行为相对激进,存在驾驶的风险,差距越大则危险值越高;参考图9,如果实际刹车值Bn大于或小于基准刹车值Bbasic_n,则认为驾驶行为存在风险,差距越大则危险值越高;参考图10,如果实际转向角度值θn大于或小于基准转向角度值θbasic_n,则认为驾驶行为存在风险,差距越大则危险值越高。如果行驶过程中存在打哈欠、长时间闭眼或长时间转头动作,则认为驾驶行为存在风险。
2.根据权利要求1所述的基于大数据的机场电动摆渡车驾驶行为分析方法,其特征在于,根据驾驶行为危险程度f对危险驾驶的司机进行警告,通过报警装置发出报警信号。
3.根据权利要求2所述的基于大数据的机场电动摆渡车驾驶行为分析方法,其特征在于,对驾驶员实际驾驶的危险程度f分为几个档:正常、激进、危险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011493711.9A CN112660142B (zh) | 2020-12-17 | 2020-12-17 | 一种基于大数据的机场电动摆渡车驾驶行为分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011493711.9A CN112660142B (zh) | 2020-12-17 | 2020-12-17 | 一种基于大数据的机场电动摆渡车驾驶行为分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112660142A true CN112660142A (zh) | 2021-04-16 |
CN112660142B CN112660142B (zh) | 2021-07-13 |
Family
ID=75404593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011493711.9A Active CN112660142B (zh) | 2020-12-17 | 2020-12-17 | 一种基于大数据的机场电动摆渡车驾驶行为分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112660142B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113911128A (zh) * | 2021-11-05 | 2022-01-11 | 深圳依时货拉拉科技有限公司 | 货车驾驶状态的监测警报方法、计算机设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013114668A (ja) * | 2011-11-25 | 2013-06-10 | Jiaotong Univ | 運転行為分析警告システム及び方法 |
US8989914B1 (en) * | 2011-12-19 | 2015-03-24 | Lytx, Inc. | Driver identification based on driving maneuver signature |
CN105590466A (zh) * | 2016-03-14 | 2016-05-18 | 重庆邮电大学 | 一种云平台下的驾驶员危险操作行为监测系统及方法 |
CN106114515A (zh) * | 2016-06-29 | 2016-11-16 | 北京奇虎科技有限公司 | 汽车驾驶行为提醒方法及系统 |
CN106240571A (zh) * | 2016-08-03 | 2016-12-21 | 东软集团股份有限公司 | 驾驶行为分析方法和装置 |
CN106875677A (zh) * | 2015-12-14 | 2017-06-20 | 中国电信股份有限公司 | 用于分析驾驶行为的方法、分析平台和系统 |
CN107054375A (zh) * | 2017-04-28 | 2017-08-18 | 深圳市车元素实业有限公司 | 一种车队驾驶员驾驶行为安全性管理评价装置及方法 |
CN109543710A (zh) * | 2018-10-12 | 2019-03-29 | 深圳市元征科技股份有限公司 | 一种模型训练方法及相关设备 |
US20190139449A1 (en) * | 2017-11-03 | 2019-05-09 | Neusoft Corporation | Method, computer readable storage medium and electronic equipment for analyzing driving behavior |
CN111950901A (zh) * | 2020-08-12 | 2020-11-17 | 广州立信电子科技有限公司 | 一种基于远程监控的物流运输行驶安全监测管理系统 |
-
2020
- 2020-12-17 CN CN202011493711.9A patent/CN112660142B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013114668A (ja) * | 2011-11-25 | 2013-06-10 | Jiaotong Univ | 運転行為分析警告システム及び方法 |
US8989914B1 (en) * | 2011-12-19 | 2015-03-24 | Lytx, Inc. | Driver identification based on driving maneuver signature |
CN106875677A (zh) * | 2015-12-14 | 2017-06-20 | 中国电信股份有限公司 | 用于分析驾驶行为的方法、分析平台和系统 |
CN105590466A (zh) * | 2016-03-14 | 2016-05-18 | 重庆邮电大学 | 一种云平台下的驾驶员危险操作行为监测系统及方法 |
CN106114515A (zh) * | 2016-06-29 | 2016-11-16 | 北京奇虎科技有限公司 | 汽车驾驶行为提醒方法及系统 |
CN106240571A (zh) * | 2016-08-03 | 2016-12-21 | 东软集团股份有限公司 | 驾驶行为分析方法和装置 |
CN107054375A (zh) * | 2017-04-28 | 2017-08-18 | 深圳市车元素实业有限公司 | 一种车队驾驶员驾驶行为安全性管理评价装置及方法 |
US20190139449A1 (en) * | 2017-11-03 | 2019-05-09 | Neusoft Corporation | Method, computer readable storage medium and electronic equipment for analyzing driving behavior |
CN109543710A (zh) * | 2018-10-12 | 2019-03-29 | 深圳市元征科技股份有限公司 | 一种模型训练方法及相关设备 |
CN111950901A (zh) * | 2020-08-12 | 2020-11-17 | 广州立信电子科技有限公司 | 一种基于远程监控的物流运输行驶安全监测管理系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113911128A (zh) * | 2021-11-05 | 2022-01-11 | 深圳依时货拉拉科技有限公司 | 货车驾驶状态的监测警报方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112660142B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107618512B (zh) | 基于人-车-环境多数据源的驾驶行为安全评价方法 | |
CN108428343B (zh) | 一种多车驾驶行为分析和危险预警方法及系统 | |
US10037711B2 (en) | System and method for in-vehicle operator training | |
CN104691545B (zh) | 适应性车辆防碰撞方法 | |
CN109000935B (zh) | 新能源汽车制动系统性能的判定方法 | |
CN110316198A (zh) | 一种用于高速公路提速的安全保障系统及运行方法 | |
US20120109418A1 (en) | Driver profiling | |
CN111477005B (zh) | 一种基于车辆状态及行车环境的智能感知预警方法及系统 | |
WO2016056568A1 (ja) | 路面状態判別システム | |
US9812014B2 (en) | Driving assistance system for identifying stopping points | |
KR101308994B1 (ko) | 차륜 회전속도 및 차량 속도를 이용한 노면 미끄럼 판단 장치 및 그 방법 | |
CN111667695B (zh) | 一种基于高音喇叭队列的交通风险预警系统和方法 | |
US20180059677A1 (en) | Vision-based on-board real-time estimation of water film thickness | |
CN110517522B (zh) | 用于远程控制的车辆限速系统及方法 | |
CN113386778A (zh) | 一种基于车辆行驶轨迹数据的急减速驾驶行为判定方法 | |
CN112660142B (zh) | 一种基于大数据的机场电动摆渡车驾驶行为分析方法 | |
CN105632203B (zh) | 一种交通安全预警方法及系统 | |
CN116246229A (zh) | 一种基于车联网的骑行状态监控系统及方法 | |
CN107399314A (zh) | 一种基于机动车刹车系统的远程监测系统 | |
CN114613131B (zh) | 一种基于安全裕度的个性化前向碰撞预警方法 | |
CN116001800A (zh) | 车辆驾驶风险信息获取方法、装置、电子设备及介质 | |
TWI461322B (zh) | 駕駛習慣的判斷方法 | |
CN112131279A (zh) | 基于大数据的汽车数据管理方法、计算机设备及存储介质 | |
CN115966100B (zh) | 一种行车安全控制方法及系统 | |
CN111583638B (zh) | 主动触发式多模态风险自助矫正和差异化干预方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |