CN112967497A - 共享汽车监管系统及监管方法 - Google Patents
共享汽车监管系统及监管方法 Download PDFInfo
- Publication number
- CN112967497A CN112967497A CN202110137002.5A CN202110137002A CN112967497A CN 112967497 A CN112967497 A CN 112967497A CN 202110137002 A CN202110137002 A CN 202110137002A CN 112967497 A CN112967497 A CN 112967497A
- Authority
- CN
- China
- Prior art keywords
- behavior
- driving
- module
- information
- improper
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000006399 behavior Effects 0.000 claims abstract description 359
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 230000001133 acceleration Effects 0.000 claims description 93
- 230000009471 action Effects 0.000 claims description 32
- 230000036544 posture Effects 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 17
- 210000003128 head Anatomy 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 230000028838 turning behavior Effects 0.000 claims description 12
- 239000012530 fluid Substances 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000002411 adverse Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- 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
- 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
- G06F16/29—Geographical information 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/0042—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects
- G07F17/0057—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects for the hiring or rent of vehicles, e.g. cars, bicycles or wheelchairs
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2540/00—Input parameters relating to occupants
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/223—Posture, e.g. hand, foot, or seat position, turned or inclined
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及共享汽车监管系统及监管方法,该监管系统包括数据采集模块、第一图像处理模块、第二图像处理模块、GIS电子地图、驾驶行为识别模块、驾驶行为评估模块、赏罚模块;其中,所述数据采集模块用于采集共享汽车用户在驾驶期间的各项数据,所述驾驶行为识别模块用于根据驾驶数据分析获取用户的不当操作记录,所述驾驶行为评估模块根据识别驾驶行为识别模块所获得的情况对驾驶情况进行综合打分,所述赏罚模块根据打分情况实行赏罚措施。该监管系统既能帮助驾驶人认识到自身可能忽略的不当驾驶行为,还能减少人为因素对车辆设备造成的损伤,扫除一些可能存在的事故隐患,建设更加诚信、安全的共享汽车环境。
Description
技术领域
本发明属于共享汽车领域,具体涉及一种共享汽车监管系统及监管方法。
背景技术
汽车共享可以减少交通流量,减少大气污染,提高交通时效。随着交通领域缓堵减排工作的开展,和“互联网+”国家战略的施行,国内汽车共享行业发展正躬逢其盛。国外共享汽车行业自上世纪80年代在瑞士出现后经过多年发展,在如何培育市场、引导消费者消费理念转变、如何进行相关政策的配套方面积累了众多经验,而国内目前正面临着市场规模小、政策不完善、技术不成熟等方面问题。
目前共享汽车主要以B2C形式运行即企业向用户提供分时租赁汽车的服务,同时得益于我国电子商务的蓬勃发展,通过O2O运营平台和移动互联网的信息技术实现以用户为中心的O2O线上与线下相结合和“社交本地移动”三位一体的新型共享经济商业模式也应运而生。一般共享汽车的使用有注册、网上预约、用车、付费四个步骤,注册时只要求驾照人拥有驾照、过实习期、交少量押金即可,对用户审核并不严格。然而,在共享经济初具规模的今天,公民的“共享意识”并未上升到理想高度,共享汽车作为公共财产的特殊性,导致部分用户在使用这类非私家车时驾驶态度和习惯较差,在驾驶时肆意磨损车体或对交通法规表现出轻视态度,在使用过程中采取一些不当的操作(如猛踩踏板、随意变道等),不但对汽车硬件设备造成了损害,也会干扰道路上其他行人的出行,影响共享汽车平台的品牌形象,同时也存在着极大的安全隐患,一旦因此发生事故,将严重危害公共安全。
另外,目前除了部分对车体外观造成直接损伤的行为,大部分的不当操作难以直观反映,而这些行为对硬件磨损确实会影响汽车的使用寿命,这类损失往往只能由运营商承担,并造成了严重的不良社会影响。虽然可以考虑通过提高押金来规范驾驶人的驾驶的行为,能够减少事故的发生,但高额的押金不利于促进共享汽车的普及,因此需要针对共享汽车需要一套新的监管系统,来规驾驶人的驾驶的行为,以保证共享汽车的全面推广。
发明内容
本发明的目的在于提供一种共享汽车监管系统,该监管系统实时采集驾驶数据,通过分析共享汽车用户使用期间的驾驶数据,获取并记录用户的不良行为,并根据记录的数据实行奖惩,以此敦促驾驶员以端正态度驾驶共享汽车,减少人为因素对车辆设备造成的损伤,降低部分共享汽车驾驶人的不当驾驶行为对社会和当前共享经济产生的负面效应。
为实现上述目的,本发明是采用如下技术方案实现的:
一种共享汽车监管系统,包括:数据采集模块、第一图像处理模块、第二图像处理模块、GIS电子地图、驾驶行为识别模块、驾驶行为评估模块、赏罚模块;
其中,所述数据采集模块包括安装在共享汽车节气门处的节气门开度传感器、安装在共享汽车制动主缸处的液压传感器、安装在共享汽车刹车踏板处的压力传感器、安装在共享汽车制动系统中的轮速传感器、安装在共享汽车方向盘上的定位传感器、安装在共享汽车左右轮轮毂处的三轴加速度传感器、安装在共享汽车车顶的视频采集设备、安装在共享汽车内且对准驾驶员的机器视觉监测仪、安装在共享汽车后轮的轮锁处的GPS定位模块、安装在共享汽车顶部的车载毫米波雷达装置;
所述节气门开度传感器用于采集油门力度信息;所述液压传感器用于采集制动液液压信息;所述压力传感器用于采集刹车力度信息;所述轮速传感器用于采集车速信息;所述定位传感器用于采集方向盘转角、转角方向与角速度信息并通过共享汽车CAN总线输出;
所述三轴加速度传感器用于检测左右轮加速度信息,包括车轮纵向加速度、车轮横向加速度;
所述视频采集设备用于提取共享汽车所行使的路面限速信息、左右车道线的信息;
所述机器视觉监测仪用于获取驾驶员驾驶时的姿势、驾驶状态信息;
所述GPS定位模块实时定位共享汽车,获取共享汽车所处位置信息;
所述车载毫米波雷达装置用于测得与前车的距离;
所述第一图像处理模块用于根据机器视觉监测仪所监测的图像数据获取驾驶人眼睛和嘴的状态、头部姿势、手部姿势;
所述第二图像处理模块用于对车顶的视频采集设备的视频数据进行图像处理,拟合车道线参数、提取车道线线型与颜色信息;
所述驾驶行为识别模块包括第一识别模块、第二识别模块、第三识别模块、第四识别模块、第五识别模块、第六识别模块、第七识别模块、第八识别模块、第九识别模块、第十识别模块;
其中,所述第一识别模块用于根据节气门开度传感器采集的油门力度信息、液压传感器采集的制动液液压信息、压力传感器采集的刹车力度信息、轮速传感器采集的车速信息及三轴加速度传感器采集的左右轮纵向加速度信息来识别是否存在急加速或急制动的不安全驾驶行为;
所述第二识别模块用于根据定位传感器采集的方向盘转角、转角方向与角速度信息及三轴加速度传感器采集的左右轮横向加速度信息来识别是否存在急转弯的不安全驾驶行为;
所述第三识别模块用于根据视频采集设备提取的路面限速信息及轮速传感器采集的车速信息来识别是否存在超速的不安全驾驶行为;
所述第四识别模块用于根据车载毫米波雷达测得的与前车的距离来识别是否存在车距不当的不安全驾驶行为;
所述第五识别模块用于根据视频采集设备获取的左右车道线信息,结合GPS定位模块和GIS电子地图综合计算出行驶路段中共享汽车距离左右车道线的距离信息,来识别是否存在车道偏离或长时间骑线行驶的不安全驾驶行为;当共享汽车距离左右车道线的距离为负开始计时,如超过规定值视为长时间骑线行驶;
所述第六识别模块用于根据GPS定位模块与GIS电子地图信息确定共享汽车是否处于可超车路段,再通过车载毫米波雷达装置测得的与前车的距离,判断是否为合理超车距离,同时结合三轴加速度传感器采集的左右轮横向加速度信息来识别是否存在不恰当超车的不安全驾驶行为;
所述第七识别模块用于根据轮速传感器采集的车速信息、GPS定位模块及GIS电子地图信息,判定车速为零的位置是否为GIS电子地图中的指定停车点,从而识别是否存在不恰当停车的不安全驾驶行为;
所述第八识别模块用于根据GPS定位模块与GIS电子地图判断行驶路段的车灯应用规范,结合共享汽车CAN总线输出的实际车灯信号信息来识别是否存在不恰当打灯的不安全驾驶行为,并且将输出信号的时间与白天夜晚的规定时间阈值进行比较,判断不恰当打灯行为的发生时间是白天还是夜晚;
所述第九识别模块用于根据第一图像处理模块输出的驾驶员面部图像数据分析人眼与人嘴状态,判断驾驶员是否存在驾驶疲劳行为,同时从驾驶员正面图像信息中对头部姿势、手部姿势进行特征提取,根据特征提取判断手部图像与耳部图像的距离,进一步判断驾驶员是否存在接听电话的分心行为;
所述第十识别模块用于从交通违章查询系统采集驾驶人闯红灯、不避让行人的违规情况,根据获取的信息来识别是否存在违规行为;
所述驾驶行为评估模块用于根据驾驶行为识别模块获取的信息对驾驶行为进行综合评估打分,评估时采取模糊综合评判的方法从整体上对驾驶员的不良驾驶行为状态进行综合评估;
所述赏罚模块用于根据驾驶行为评估模块获取的评估结果对驾驶员进行赏罚措施。
作为本发明的优选,该监管系统还包括报告生成模块,所述报告生成模块用于根据驾驶行为识别模块、驾驶行为评估模块、赏罚模块的结果形成驾驶行为分析报告,并通过信息收发模块将分析报告发送给驾驶员。
作为本发明的优选,该监管系统还包括意见反馈模块,所述意见反馈模块用于客户对共享汽车的驾驶行为评估结果进行反馈。
作为本发明的优选,该监管系统还包括恢复模块,所述恢复模块用于对赏罚模块拉入失信名单的用户进行恢复。
作为本发明的进一步优选,所述驾驶行为评估模块进行综合评估时,首先建立确定因素集U={急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为};
针对急加速行为,急制动行为,急转弯行为,车道偏离行为的共同特征选取反S型隶属度函数,超速行为选择高斯型隶属函数,车距不当行为选取了S形隶属度函数;针对违规行为,不恰当超车行为,不恰当停车行为、骑线行驶行为选择了矩阵型隶属度函数;
其中,b为一次行程中车轮外边缘与车道线的最大相对距离,单位为m;
其中,s为一次行程中的最小车距,单位为m;
违规行为,不恰当超车行为,不恰当停车行为、长时间骑线行驶行为隶属度函数为
之后对各个指标赋予相应的权重系数,急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为构成的权重向量为所以某次驾驶过程的综合隶属度由公式得到;
确定正常驾驶的综合隶属度xs,方法和计算xa时相同,先得到每项因素正常驾驶的隶属度再由公式求出综合隶属度,以此为标准,某次驾驶过程的综合隶属度和正常驾驶时的综合隶属度的差值越大,则说明最后的综合得分越低,综合得分若以百分制计算,则G=100×(1-xs+xa)。
作为本发明的进一步优选,所述赏罚模块分为A+、A、B、C、D、F共6个等级,分别对应100、90~99、80~89、70~79、60~69及60分以下的评分,根据评分等级给予相应奖励或惩罚;例如:在较低分用户实施罚金、加价措施,并相应地在高分段给与用户一定的奖励,及时对多次平均分或单次评分过低的用户实行暂停使用的限制措施。
本发明的另一目的在于提供上述共享汽车监管系统的监管方法,该方法包括以下步骤:
步骤S1、不安全驾驶行为识别
步骤S1.1、通过安装在共享汽车节气门处的节气门开度传感器采集油门力度信息,通过安装在共享汽车制动主缸处的液压传感器采集制动液液压信息,通过安装在共享汽车刹车踏板处的压力传感器采集刹车力度信息,通过安装在共享汽车制动系统中的轮速传感器采集车速信息,通过安装在共享汽车左右轮轮毂处的三轴加速度传感器采集左右轮纵向加速度信息,根据采集的信息来识别是否存在急加速或急制动的不安全驾驶行为;
步骤S1.2、通过安装在共享汽车方向盘上的定位传感器采集方向盘转角、转角方向与角速度信息,同时结合三轴加速度传感器采集的左右轮横向加速度信息来识别是否存在急转弯的不安全驾驶行为;
步骤S1.3、通过安装在共享汽车车顶的视频采集设备提取的路面限速信息,同时结合轮速传感器采集的车速信息来识别是否存在超速的不安全驾驶行为;
步骤S1.4、通过安装在共享汽车顶部的车载毫米波雷达装置测得的与前车的距离,从而识别是否存在车距不当的不安全驾驶行为;
步骤S1.5、视频采集设备获取的左右车道线信息经过第二图像处理模块进行图像处理,拟合车道线参数、提取车道线线型与颜色信息,同时结合GPS定位模块、GIS电子地图综合计算出行驶路段中共享汽车距离左右车道线的距离信息,来识别是否存在车道偏离或长时间骑线行驶的不安全驾驶行为;当共享汽车距离左右车道线的距离为负开始计时,如超过规定值视为长时间骑线行驶;
步骤S1.6、通过安装在共享汽车后轮的轮锁处的GPS定位模块与GIS电子地图信息确定共享汽车是否处于可超车路段,再通过车载毫米波雷达装置测得的与前车的距离,判断是否为合理超车距离,同时结合三轴加速度传感器采集的左右轮横向加速度信息来识别是否存在不恰当超车的不安全驾驶行为;
步骤S1.7、根据轮速传感器采集的车速信息、GPS定位模块及GIS电子地图信息,判定车速为零的位置是否为GIS电子地图中的指定停车点,从而识别是否存在不恰当停车的不安全驾驶行为;
步骤S1.8、根据GPS定位模块与GIS电子地图判断行驶路段的车灯应用规范,结合共享汽车CAN总线输出的实际车灯信号信息来识别是否存在不恰当打灯的不安全驾驶行为,并且将输出信号的时间与白天夜晚的规定时间阈值进行比较,判断不恰当打灯行为的发生时间是白天还是夜晚;
步骤S1.9、通过安装在共享汽车内且对准驾驶员的机器视觉监测仪获取驾驶员驾驶时的姿势、驾驶状态信息,机器视觉监测仪所监测的图像数据通过第一图像处理模块处理后便可获取驾驶人眼睛和嘴的状态、头部姿势、手部姿势;根据驾驶员面部图像数据分析人眼与人嘴状态,判断驾驶员是否存在驾驶疲劳行为,同时从驾驶员正面图像信息中对头部姿势、手部姿势进行特征提取,根据特征提取判断手部图像与耳部图像的距离,进一步判断驾驶员是否存在接听电话等分心行为;
步骤S1.10、从交通违章查询系统采集驾驶人闯红灯、不避让行人的违规情况,根据获取的信息来识别是否存在违规行为;
步骤S2、根据步骤S1.1-S1.10获取的信息对驾驶行为进行综合评估打分;
评估时,首先建立确定因素集U={急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为};
针对急加速行为,急制动行为,急转弯行为,车道偏离行为的共同特征选取反S型隶属度函数,超速行为选择高斯型隶属函数,车距不当行为选取了S形隶属度函数;针对违规行为,不恰当超车行为,不恰当停车行为、骑线行驶行为选择了矩阵型隶属度函数;
其中,b为一次行程中车轮外边缘与车道线的最大相对距离,单位为m;
其中,s为一次行程中的最小车距,单位为m;
违规行为,不恰当超车行为,不恰当停车行为、长时间骑线行驶行为隶属度函数为
之后对各个指标赋予相应的权重系数,急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为构成的权重向量为所以某次驾驶过程的综合隶属度由公式得到;
确定正常驾驶的综合隶属度xs,方法和计算xa时相同,先得到每项因素正常驾驶的隶属度再由公式求出综合隶属度,以此为标准,某次驾驶过程的综合隶属度和正常驾驶时的综合隶属度的差值越大,则说明最后的综合得分越低,综合得分若以百分制计算,则G=100×(1-xs+xa);
步骤S3、根据步骤S2的评分结果对驾驶员进行赏罚措施。
作为本发明的优选,该监管方法还包括以下步骤:
步骤S4、将步骤S1-S3获取的信息综合汇总后形成分析报告,并通过信息收发模块将分析报告发送给驾驶员;
步骤S5、如果用户认为分析报告中的评估判定有误,在收到分析报告一周内通过意见反馈模块向客服提出申诉;
步骤S6、如赏罚模块中的失信用户表现良好,则通过恢复模块将其移出失信名单。
本发明的优点和有益效果:
(1)本发明提供的监管系统能够采集并分析共享汽车用户在驾驶期间的各项数据,依据数据分析获取用户的不当操作记录,并通过建成的评估办法实行奖惩,有效监测和管理共享汽车用户行为,促进共享汽车用户自觉安全驾驶;另外,该监管系统的推行后能够使广大驾驶员通过使用共享汽车自觉规范驾驶,尊重公共财产,对社会安全负责。
(2)本发明提供了一套较为细致的监管方法,通过分析共享汽车用户使用期间的驾驶数据,获取并记录用户的不良行为,基于每项驾驶数据的隶属度进行相应加减分,从而给出客观分数,之后对得分情况进行等级划分,根据等级情况实行奖惩,向得分较高的文明驾驶员给予奖励,同时适度提高不合格驾驶员的租用押金,情节严重者考虑取消其共享汽车使用资格,以此敦促驾驶员以端正态度驾驶共享汽车,减少人为因素对车辆设备造成的损伤,扫除一些可能存在的事故隐患,建设更加诚信、安全的共享汽车环境。
(3)本发明提供的监管系统能够实现对每一次出行的驾驶行为的评估,根据在驾驶过程中的重要程度,为不同类别驾驶行为赋予权值,经过实时数据的采集与分析,百分制前提下针对不当、不熟练甚至违规的驾驶行为进行合理的扣分,最后得到加权平均的分数结果,以此将驾驶人分至不同级别,以便于对驾驶人实施对应的赏罚,分析报告亦将发送给驾驶人,既帮助驾驶人认识到自身可能忽略的不当驾驶行径,同时也警示驾驶人其使用共享汽车的过程处于不侵犯隐私前提下的监督之中。
附图说明
图1为本发明监管系统的结构框图;
图2为本发明监管方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通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,都属于本申请保护的范围。
实施例1
一种共享汽车监管系统,包括:数据采集模块1、第一图像处理模块2、第二图像处理模块3、GIS电子地图4、驾驶行为识别模块5、驾驶行为评估模块6、赏罚模块7、报告生成模块8、意见反馈模块9、信息收发模块10、恢复模块11;
其中,所述数据采集模块1包括安装在共享汽车节气门处的节气门开度传感器101、安装在共享汽车制动主缸处的液压传感器102、安装在共享汽车刹车踏板处的压力传感器103、安装在共享汽车制动系统中的轮速传感器104、安装在共享汽车方向盘上的定位传感器105、安装在共享汽车左右轮轮毂处的三轴加速度传感器106、安装在共享汽车车顶的视频采集设备107、安装在共享汽车内且对准驾驶员的机器视觉监测仪108、安装在共享汽车后轮的轮锁处的GPS定位模块109、安装在共享汽车顶部的车载毫米波雷达装置110;
所述节气门开度传感器101用于采集油门力度信息;所述液压传感器102用于采集制动液液压信息;所述压力传感器103用于采集刹车力度信息;所述轮速传感器104用于采集车速信息;所述定位传感器105用于采集方向盘转角、转角方向与角速度信息并通过共享汽车CAN总线输出;
所述三轴加速度传感器106用于检测左右轮加速度信息,包括车轮纵向加速度、车轮横向加速度;
所述视频采集设备107用于提取共享汽车所行使的路面限速信息、左右车道线的信息;
所述机器视觉监测仪108用于获取驾驶员驾驶时的姿势、驾驶状态信息;
所述GPS定位模块109实时定位共享汽车,获取共享汽车所处位置信息;
所述车载毫米波雷达装置110用于测得与前车的距离;
所述第一图像处理模块2用于根据机器视觉监测仪108所监测的图像数据获取驾驶人眼睛和嘴的状态、头部姿势、手部姿势等驾驶人行为动作;
所述第二图像处理模块3用于对车顶的视频采集设备107的视频数据进行图像处理,拟合车道线参数、提取车道线线型与颜色信息;
所述驾驶行为识别模块5包括第一识别模块501、第二识别模块502、第三识别模块503、第四识别模块504、第五识别模块505、第六识别模块506、第七识别模块507、第八识别模块508、第九识别模块509、第十识别模块510;
其中,所述第一识别模块501用于根据节气门开度传感器101采集的油门力度信息、液压传感器102采集的制动液液压信息、压力传感器103采集的刹车力度信息、轮速传感器104采集的车速信息及三轴加速度传感器106采集的左右轮纵向加速度信息来识别是否存在急加速或急制动的不安全驾驶行为;
所述第二识别模块502用于根据定位传感器105采集的方向盘转角、转角方向与角速度信息及三轴加速度传感器106采集的左右轮横向加速度信息来识别是否存在急转弯的不安全驾驶行为;
所述第三识别模块503用于根据视频采集设备107提取的路面限速信息及轮速传感器104采集的车速信息来识别是否存在超速的不安全驾驶行为;
所述第四识别模块504用于根据车载毫米波雷达装置110测得的与前车的距离来识别是否存在车距不当的不安全驾驶行为;
所述第五识别模块505用于根据视频采集设备107获取的左右车道线信息,结合GPS定位模块109和GIS电子地图4综合计算出行驶路段中共享汽车距离左右车道线的距离信息,来识别是否存在车道偏离或长时间骑线行驶的不安全驾驶行为;当共享汽车距离左右车道线的距离为负开始计时,如超过规定值视为长时间骑线行驶;
所述第六识别模块506用于根据GPS定位模块109与GIS电子地图4信息确定共享汽车是否处于可超车路段,再通过车载毫米波雷达装置110测得的与前车的距离,判断是否为合理超车距离,同时结合三轴加速度传感器106采集的左右轮横向加速度信息来识别是否存在不恰当超车的不安全驾驶行为;
所述第七识别模块507用于根据轮速传感器104采集的车速信息、GPS定位模块109及GIS电子地图4信息,判定车速为零的位置是否为GIS电子地图4中的指定停车点,从而识别是否存在不恰当停车的不安全驾驶行为;
所述第八识别模块508用于根据GPS定位模块109与GIS电子地图4判断行驶路段的车灯应用规范,结合共享汽车CAN总线输出的实际车灯信号信息来识别是否存在不恰当打灯的不安全驾驶行为,并且将输出信号的时间与白天夜晚的规定时间阈值进行比较,判断不恰当打灯行为的发生时间是白天还是夜晚;
所述第九识别模块509用于根据第一图像处理模块2输出的驾驶员面部图像数据分析人眼与人嘴状态,判断驾驶员是否存在驾驶疲劳行为,同时从驾驶员正面图像信息中对头部姿势、手部姿势进行特征提取,根据特征提取判断手部图像与耳部图像的距离,进一步判断驾驶员是否存在接听电话等分心行为;
所述第十识别模块510用于从交通违章查询系统12采集驾驶人闯红灯、不避让行人等违规情况,根据获取的信息来识别是否存在违规行为;
所述驾驶行为评估模块6用于根据驾驶行为识别模块4获取的信息对驾驶行为进行综合评估打分;评估时,首先建立确定因素集U={急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为};
针对急加速行为,急制动行为,急转弯行为,车道偏离行为的共同特征选取反S型隶属度函数,超速行为选择高斯型隶属函数,车距不当行为选取了S形隶属度函数;针对违规行为,不恰当超车行为,不恰当停车行为、骑线行驶行为选择了矩阵型隶属度函数;
其中,b为一次行程中车轮外边缘与车道线的最大相对距离,单位为m;
其中,s为一次行程中的最小车距,单位为m;
违规行为,不恰当超车行为,不恰当停车行为、长时间骑线行驶行为隶属度函数为
之后对各个指标赋予相应的权重系数,急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为构成的权重向量为所以某次驾驶过程的综合隶属度由公式得到;
确定正常驾驶(不产生任何不良驾驶行为)的综合隶属度xs,方法和计算xa时相同,先得到每项因素正常驾驶的隶属度再由公式求出综合隶属度,以此为标准,某次驾驶过程的综合隶属度和正常驾驶时的综合隶属度的差值越大,则说明最后的综合得分越低,综合得分若以百分制计算,则G=100×(1-xs+xa);
所述赏罚模块7用于根据驾驶行为评估模块6获取的评估结果对驾驶员进行赏罚措施;赏罚模块分为A+、A、B、C、D、F共6个等级,分别对应100、90~99、80~89、70~79、60~69及60分以下的评分,根据评分等级给予相应奖励或惩罚;例如:在较低分用户实施罚金、加价等措施,并相应地在高分段给与用户一定的奖励,如可享受更多优惠和便捷服务,避免一味的处罚打击用户使用共享汽车的积极性;及时对多次平均分或单次评分过低的用户实行暂停使用、拉入失信名单的限制措施,避免造成更为严重的后果;
所述报告生成模块8用于根据驾驶行为识别模块5、驾驶行为评估模块6、赏罚模块7的结果形成驾驶行为分析报告,并通过信息收发模块10将分析报告发送给驾驶员,便于驾驶员及时了解驾驶情况,帮助驾驶人认识到自身可能忽略的不当驾驶行径;
所述意见反馈模块9用于客户对共享汽车的驾驶行为评估结果(扣分情况)进行反馈,如果用户认为评估(扣分)判定有误,可在收到报告一周内提出申诉,共享汽车方结合客观情况对驾驶过程进行最终分析,确认判定有误后,撤销评级结果并退还额外收取金额;
所述恢复模块11用于对赏罚模块7拉入失信名单的用户进行恢复。
进一步,所述赏罚模块针7对单次评分为A+或连续三次评分达A等级的用户,将享有本次(连续获评A级为第三次)费用折扣的优惠,单次评分达A级用户可获得随机金额的代金券(限等级B及以上时使用);对长期保持A等级的用户,可提供优先客服接入、优先处理报障等更多权益;
针对驾驶评分为B等级,则用户在驾驶结束后不会受到任何形式的奖励或惩罚,但可以使用此前已经获得的代金券抵扣消费金额;
针对C、D等级,在这两个等级的用户,除了无法使用代金券之外,单次驾驶还将被收取分别占本次费用2%和5%的额外附加费用;
针对用户的最终评分低于60,即F等级,需支付占本次消费金额10%的额外费用,并在使用后三日内通过制定途经对共享汽车受到的损坏进行赔偿,期间暂停使用共享汽车;
针对单次评分低于40分或两次评为F级的用户暂停使用期限将延长7日;
针对三个月内累计F评级次数超过五次的用户将被加入失信名单;此外,若用户未能及时缴纳赔偿金,则在补齐费用前均不允许使用共享汽车,超过三次同样将被纳入失信名单,失信名单内的用户若再次获评F将被封禁账号,不能再被允许使用共享汽车服务;
如果一季度内失信用户没有再次收到C及以下等级的评级和欠缴罚金的失信行为,则可通过恢复模块11将其移出失信名单。
实施例2
参阅图1、图2,本发明提供的共享汽车监管系统的监管方法,包括以下步骤:
步骤S1、不安全驾驶行为识别
步骤S1.1、通过安装在共享汽车节气门处的节气门开度传感器101采集油门力度信息,通过安装在共享汽车制动主缸处的液压传感器102采集制动液液压信息,通过安装在共享汽车刹车踏板处的压力传感器103采集刹车力度信息,通过安装在共享汽车制动系统中的轮速传感器104采集车速信息,通过安装在共享汽车左右轮轮毂处的三轴加速度传感器106采集左右轮纵向加速度信息,根据采集的信息来识别是否存在急加速或急制动的不安全驾驶行为;
步骤S1.2、通过安装在共享汽车方向盘上的定位传感器105采集方向盘转角、转角方向与角速度信息,同时结合三轴加速度传感器106采集的左右轮横向加速度信息来识别是否存在急转弯的不安全驾驶行为;
步骤S1.3、通过安装在共享汽车车顶的视频采集设备107提取的路面限速信息,同时结合轮速传感器104采集的车速信息来识别是否存在超速的不安全驾驶行为;
步骤S1.4、通过安装在共享汽车顶部的车载毫米波雷达装置110测得的与前车的距离,从而识别是否存在车距不当的不安全驾驶行为;
步骤S1.5、视频采集设备107获取的左右车道线信息经过第二图像处理模块3进行图像处理后,拟合车道线参数、提取车道线线型与颜色信息,同时结合GPS定位模块109、GIS电子地图4综合计算出行驶路段中共享汽车距离左右车道线的距离信息,来识别是否存在车道偏离或长时间骑线行驶的不安全驾驶行为;当共享汽车距离左右车道线的距离为负开始计时,如超过规定值视为长时间骑线行驶;
步骤S1.6、通过安装在共享汽车后轮的轮锁处的GPS定位模块109与GIS电子地图4信息确定共享汽车是否处于可超车路段,再通过车载毫米波雷达装置110测得的与前车的距离,判断是否为合理超车距离,同时结合三轴加速度传感器106采集的左右轮横向加速度信息来识别是否存在不恰当超车的不安全驾驶行为;
步骤S1.7、根据轮速传感器104采集的车速信息、GPS定位模块109及GIS电子地图4信息,判定车速为零的位置是否为GIS电子地图4中的指定停车点,从而识别是否存在不恰当停车的不安全驾驶行为;
步骤S1.8、根据GPS定位模块109与GIS电子地图4判断行驶路段的车灯应用规范,结合共享汽车CAN总线输出的实际车灯信号信息来识别是否存在不恰当打灯的不安全驾驶行为,并且将输出信号的时间与白天夜晚的规定时间阈值进行比较,判断不恰当打灯行为的发生时间是白天还是夜晚;
步骤S1.9、通过安装在共享汽车内且对准驾驶员的机器视觉监测仪108获取驾驶员驾驶时的姿势、驾驶状态信息,机器视觉监测仪108所监测的图像数据通过第一图像处理模块2处理后便可获取驾驶人眼睛和嘴的状态、头部姿势、手部姿势等驾驶人行为动作;根据驾驶员面部图像数据分析人眼与人嘴状态,判断驾驶员是否存在驾驶疲劳行为,同时从驾驶员正面图像信息中对头部姿势、手部姿势进行特征提取,根据特征提取判断手部图像与耳部图像的距离,进一步判断驾驶员是否存在接听电话等分心行为;
步骤S1.10、从交通违章查询系统12采集驾驶人闯红灯、不避让行人等违规情况,根据获取的信息来识别是否存在违规行为;
步骤S2、根据步骤S1.1-S1.10获取的信息对驾驶行为进行综合评估打分;
评估时,首先建立确定因素集U={急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为};
针对急加速行为,急制动行为,急转弯行为,车道偏离行为的共同特征选取反S型隶属度函数,超速行为选择高斯型隶属函数,车距不当行为选取了S形隶属度函数;针对违规行为,不恰当超车行为,不恰当停车行为、骑线行驶行为选择了矩阵型隶属度函数;
其中,b为一次行程中车轮外边缘与车道线的最大相对距离,单位为m;
其中,s为一次行程中的最小车距,单位为m;
违规行为,不恰当超车行为,不恰当停车行为、长时间骑线行驶行为隶属度函数为
之后对各个指标赋予相应的权重系数,急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为构成的权重向量为所以某次驾驶过程的综合隶属度由公式得到;
确定正常驾驶(不产生任何不良驾驶行为)的综合隶属度xs,方法和计算xa时相同,先得到每项因素正常驾驶的隶属度再由公式求出综合隶属度,以此为标准,某次驾驶过程的综合隶属度和正常驾驶时的综合隶属度的差值越大,则说明最后的综合得分越低,综合得分若以百分制计算,则G=100×(1-xs+xa);
步骤S3、根据步骤S2的评分结果对驾驶员进行赏罚措施;
步骤S4、将步骤S1至S3获取的信息综合汇总后形成分析报告,并通过信息收发模块将分析报告发送给驾驶员,便于驾驶员及时了解驾驶情况,帮助驾驶人认识到自身可能忽略的不当驾驶行径;
步骤S5、如果用户认为分析报告中的评估(扣分)判定有误,可在收到报告一周内通过意见反馈模块9向客服提出申诉,共享汽车方结合客观情况对驾驶过程进行最终分析,确认判定有误后,撤销评级结果并退还额外收取金额;
步骤S6、如失信用户表现良好,则可通过恢复模块11将其移出失信名单。
Claims (8)
1.一种共享汽车监管系统,其特征在于,包括:数据采集模块、第一图像处理模块、第二图像处理模块、GIS电子地图、驾驶行为识别模块、驾驶行为评估模块、赏罚模块;
其中,所述数据采集模块包括安装在共享汽车节气门处的节气门开度传感器、安装在共享汽车制动主缸处的液压传感器、安装在共享汽车刹车踏板处的压力传感器、安装在共享汽车制动系统中的轮速传感器、安装在共享汽车方向盘上的定位传感器、安装在共享汽车左右轮轮毂处的三轴加速度传感器、安装在共享汽车车顶的视频采集设备、安装在共享汽车内且对准驾驶员的机器视觉监测仪、安装在共享汽车后轮的轮锁处的GPS定位模块、安装在共享汽车顶部的车载毫米波雷达装置;
所述节气门开度传感器用于采集油门力度信息;所述液压传感器用于采集制动液液压信息;所述压力传感器用于采集刹车力度信息;所述轮速传感器用于采集车速信息;所述定位传感器用于采集方向盘转角、转角方向与角速度信息并通过共享汽车CAN总线输出;
所述三轴加速度传感器用于检测左右轮加速度信息,包括车轮纵向加速度、车轮横向加速度;
所述视频采集设备用于提取共享汽车所行使的路面限速信息、左右车道线的信息;
所述机器视觉监测仪用于获取驾驶员驾驶时的姿势、驾驶状态信息;
所述GPS定位模块实时定位共享汽车,获取共享汽车所处位置信息;
所述车载毫米波雷达装置用于测得与前车的距离;
所述第一图像处理模块用于根据机器视觉监测仪所监测的图像数据获取驾驶人眼睛和嘴的状态、头部姿势、手部姿势;
所述第二图像处理模块用于对车顶的视频采集设备的视频数据进行图像处理,拟合车道线参数、提取车道线线型与颜色信息;
所述驾驶行为识别模块包括第一识别模块、第二识别模块、第三识别模块、第四识别模块、第五识别模块、第六识别模块、第七识别模块、第八识别模块、第九识别模块、第十识别模块;
其中,所述第一识别模块用于根据节气门开度传感器采集的油门力度信息、液压传感器采集的制动液液压信息、压力传感器采集的刹车力度信息、轮速传感器采集的车速信息及三轴加速度传感器采集的左右轮纵向加速度信息来识别是否存在急加速或急制动的不安全驾驶行为;
所述第二识别模块用于根据定位传感器采集的方向盘转角、转角方向与角速度信息及三轴加速度传感器采集的左右轮横向加速度信息来识别是否存在急转弯的不安全驾驶行为;
所述第三识别模块用于根据视频采集设备提取的路面限速信息及轮速传感器采集的车速信息来识别是否存在超速的不安全驾驶行为;
所述第四识别模块用于根据车载毫米波雷达测得的与前车的距离来识别是否存在车距不当的不安全驾驶行为;
所述第五识别模块用于根据视频采集设备获取的左右车道线信息,结合GPS定位模块和GIS电子地图综合计算出行驶路段中共享汽车距离左右车道线的距离信息,来识别是否存在车道偏离或长时间骑线行驶的不安全驾驶行为;当共享汽车距离左右车道线的距离为负开始计时,如超过规定值视为长时间骑线行驶;
所述第六识别模块用于根据GPS定位模块与GIS电子地图信息确定共享汽车是否处于可超车路段,再通过车载毫米波雷达装置测得的与前车的距离,判断是否为合理超车距离,同时结合三轴加速度传感器采集的左右轮横向加速度信息来识别是否存在不恰当超车的不安全驾驶行为;
所述第七识别模块用于根据轮速传感器采集的车速信息、GPS定位模块及GIS电子地图信息,判定车速为零的位置是否为GIS电子地图中的指定停车点,从而识别是否存在不恰当停车的不安全驾驶行为;
所述第八识别模块用于根据GPS定位模块与GIS电子地图判断行驶路段的车灯应用规范,结合共享汽车CAN总线输出的实际车灯信号信息来识别是否存在不恰当打灯的不安全驾驶行为,并且将输出信号的时间与白天夜晚的规定时间阈值进行比较,判断不恰当打灯行为的发生时间是白天还是夜晚;
所述第九识别模块用于根据第一图像处理模块输出的驾驶员面部图像数据分析人眼与人嘴状态,判断驾驶员是否存在驾驶疲劳行为,同时从驾驶员正面图像信息中对头部姿势、手部姿势进行特征提取,根据特征提取判断手部图像与耳部图像的距离,进一步判断驾驶员是否存在接听电话的分心行为;
所述第十识别模块用于从交通违章查询系统采集驾驶人闯红灯、不避让行人的违规情况,根据获取的信息来识别是否存在违规行为;
所述驾驶行为评估模块用于根据驾驶行为识别模块获取的信息对驾驶行为进行综合评估打分,评估时采取模糊综合评判的方法从整体上对驾驶员的不良驾驶行为状态进行综合评估;
所述赏罚模块用于根据驾驶行为评估模块获取的评估结果对驾驶员进行赏罚措施。
2.根据权利要求1所述的共享汽车监管系统,其特征在于,该监管系统还包括报告生成模块,所述报告生成模块用于根据驾驶行为识别模块、驾驶行为评估模块、赏罚模块的结果形成驾驶行为分析报告,并通过信息收发模块将分析报告发送给驾驶员。
3.根据权利要求1所述的共享汽车监管系统,其特征在于,该监管系统还包括意见反馈模块,所述意见反馈模块用于客户对共享汽车的驾驶行为评估结果进行反馈。
4.根据权利要求1所述的共享汽车监管系统,其特征在于,该监管系统还包括恢复模块,所述恢复模块用于对赏罚模块拉入失信名单的用户进行恢复。
5.根据权利要求1至4任意一项所述的共享汽车监管系统,其特征在于,所述驾驶行为评估模块进行综合评估时,首先建立确定因素集U={急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为};
针对急加速行为,急制动行为,急转弯行为,车道偏离行为的共同特征选取反S型隶属度函数,超速行为选择高斯型隶属函数,车距不当行为选取了S形隶属度函数;针对违规行为,不恰当超车行为,不恰当停车行为、骑线行驶行为选择了矩阵型隶属度函数;
其中,b为一次行程中车轮外边缘与车道线的最大相对距离,单位为m;
其中,s为一次行程中的最小车距,单位为m;
违规行为,不恰当超车行为,不恰当停车行为、长时间骑线行驶行为隶属度函数为
之后对各个指标赋予相应的权重系数,急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为构成的权重向量为所以某次驾驶过程的综合隶属度由公式得到;
确定正常驾驶的综合隶属度xs,方法和计算xa时相同,先得到每项因素正常驾驶的隶属度再由公式求出综合隶属度,以此为标准,某次驾驶过程的综合隶属度和正常驾驶时的综合隶属度的差值越大,则说明最后的综合得分越低,综合得分若以百分制计算,则G=100×(1-xs+xa)。
6.根据权利要求1至4任意一项所述的共享汽车监管系统,其特征在于,所述赏罚模块分为A+、A、B、C、D、F共6个等级,分别对应100、90~99、80~89、70~79、60~69及60分以下的评分,根据评分等级给予相应奖励或惩罚。
7.权利要求1所述的共享汽车监管系统的监管方法,其特征在于,该方法包括以下步骤:
步骤S1、不安全驾驶行为识别
步骤S1.1、通过安装在共享汽车节气门处的节气门开度传感器采集油门力度信息,通过安装在共享汽车制动主缸处的液压传感器采集制动液液压信息,通过安装在共享汽车刹车踏板处的压力传感器采集刹车力度信息,通过安装在共享汽车制动系统中的轮速传感器采集车速信息,通过安装在共享汽车左右轮轮毂处的三轴加速度传感器采集左右轮纵向加速度信息,根据采集的信息来识别是否存在急加速或急制动的不安全驾驶行为;
步骤S1.2、通过安装在共享汽车方向盘上的定位传感器采集方向盘转角、转角方向与角速度信息,同时结合三轴加速度传感器采集的左右轮横向加速度信息来识别是否存在急转弯的不安全驾驶行为;
步骤S1.3、通过安装在共享汽车车顶的视频采集设备提取的路面限速信息,同时结合轮速传感器采集的车速信息来识别是否存在超速的不安全驾驶行为;
步骤S1.4、通过安装在共享汽车顶部的车载毫米波雷达装置测得的与前车的距离,从而识别是否存在车距不当的不安全驾驶行为;
步骤S1.5、视频采集设备获取的左右车道线信息经过第二图像处理模块进行图像处理,拟合车道线参数、提取车道线线型与颜色信息,同时结合GPS定位模块、GIS电子地图综合计算出行驶路段中共享汽车距离左右车道线的距离信息,来识别是否存在车道偏离或长时间骑线行驶的不安全驾驶行为;当共享汽车距离左右车道线的距离为负开始计时,如超过规定值视为长时间骑线行驶;
步骤S1.6、通过安装在共享汽车后轮的轮锁处的GPS定位模块与GIS电子地图信息确定共享汽车是否处于可超车路段,再通过车载毫米波雷达装置测得的与前车的距离,判断是否为合理超车距离,同时结合三轴加速度传感器采集的左右轮横向加速度信息来识别是否存在不恰当超车的不安全驾驶行为;
步骤S1.7、根据轮速传感器采集的车速信息、GPS定位模块及GIS电子地图信息,判定车速为零的位置是否为GIS电子地图中的指定停车点,从而识别是否存在不恰当停车的不安全驾驶行为;
步骤S1.8、根据GPS定位模块与GIS电子地图判断行驶路段的车灯应用规范,结合共享汽车CAN总线输出的实际车灯信号信息来识别是否存在不恰当打灯的不安全驾驶行为,并且将输出信号的时间与白天夜晚的规定时间阈值进行比较,判断不恰当打灯行为的发生时间是白天还是夜晚;
步骤S1.9、通过安装在共享汽车内且对准驾驶员的机器视觉监测仪获取驾驶员驾驶时的姿势、驾驶状态信息,机器视觉监测仪所监测的图像数据通过第一图像处理模块处理后便可获取驾驶人眼睛和嘴的状态、头部姿势、手部姿势;根据驾驶员面部图像数据分析人眼与人嘴状态,判断驾驶员是否存在驾驶疲劳行为,同时从驾驶员正面图像信息中对头部姿势、手部姿势进行特征提取,根据特征提取判断手部图像与耳部图像的距离,进一步判断驾驶员是否存在接听电话等分心行为;
步骤S1.10、从交通违章查询系统采集驾驶人闯红灯、不避让行人的违规情况,根据获取的信息来识别是否存在违规行为;
步骤S2、根据步骤S1.1-S1.10获取的信息对驾驶行为进行综合评估打分;
评估时,首先建立确定因素集U={急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为};
针对急加速行为,急制动行为,急转弯行为,车道偏离行为的共同特征选取反S型隶属度函数,超速行为选择高斯型隶属函数,车距不当行为选取了S形隶属度函数;针对违规行为,不恰当超车行为,不恰当停车行为、骑线行驶行为选择了矩阵型隶属度函数;
其中,b为一次行程中车轮外边缘与车道线的最大相对距离,单位为m;
其中,s为一次行程中的最小车距,单位为m;
之后对各个指标赋予相应的权重系数,急加速行为,急制动行为,急转弯行为,车道偏离行为,超速行为,车距不当行为,违规行为,不恰当超车行为,不恰当停车行为,长时间骑线行驶行为,不恰当打灯行为,疲劳分心行为构成的权重向量为所以某次驾驶过程的综合隶属度由公式得到;
确定正常驾驶的综合隶属度xs,方法和计算xa时相同,先得到每项因素正常驾驶的隶属度再由公式求出综合隶属度,以此为标准,某次驾驶过程的综合隶属度和正常驾驶时的综合隶属度的差值越大,则说明最后的综合得分越低,综合得分若以百分制计算,则G=100×(1-xs+xa);
步骤S3、根据步骤S2的评分结果对驾驶员进行赏罚措施。
8.根据权利要求1所述的监管方法,其特征在于,该监管方法还包括以下步骤:
步骤S4、将步骤S1-S3获取的信息综合汇总后形成分析报告,并通过信息收发模块将分析报告发送给驾驶员;
步骤S5、如果用户认为分析报告中的评估判定有误,在收到分析报告一周内通过意见反馈模块向客服提出申诉;
步骤S6、如赏罚模块中的失信用户表现良好,则通过恢复模块将其移出失信名单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110137002.5A CN112967497B (zh) | 2021-02-01 | 2021-02-01 | 共享汽车监管系统及监管方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110137002.5A CN112967497B (zh) | 2021-02-01 | 2021-02-01 | 共享汽车监管系统及监管方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112967497A true CN112967497A (zh) | 2021-06-15 |
CN112967497B CN112967497B (zh) | 2022-02-01 |
Family
ID=76272764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110137002.5A Expired - Fee Related CN112967497B (zh) | 2021-02-01 | 2021-02-01 | 共享汽车监管系统及监管方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112967497B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435404A (zh) * | 2021-07-14 | 2021-09-24 | 深圳市比一比网络科技有限公司 | 基于雷达及图像检测的电客车调车安全辅助驾驶方法与系统 |
CN113743815A (zh) * | 2021-09-13 | 2021-12-03 | 一汽出行科技有限公司 | 运营车辆的风险监控方法、装置、存储介质及计算机设备 |
CN115170248A (zh) * | 2022-08-04 | 2022-10-11 | 朗沃格科技(上海)有限公司 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236695A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 基于车载传感器网络的驾驶员状态评估系统 |
CN102874188A (zh) * | 2012-09-01 | 2013-01-16 | 北京车网互联科技股份有限公司 | 一种基于车辆总线数据的驾驶行为警示方法 |
CN106803008A (zh) * | 2017-02-15 | 2017-06-06 | 武汉极目智能技术有限公司 | 一种基于adas系统的实时驾驶行为评分方法与系统 |
CN107031653A (zh) * | 2017-04-18 | 2017-08-11 | 黄海虹 | 一种用于共享汽车的驾驶员身份授权系统 |
CN107618461A (zh) * | 2017-09-27 | 2018-01-23 | 福州大学 | 一种共享汽车服务和监管系统及方法 |
CN107972671A (zh) * | 2017-07-19 | 2018-05-01 | 宁波诺丁汉大学 | 一种驾驶行为分析系统 |
CN108830477A (zh) * | 2017-04-18 | 2018-11-16 | 陈玉玲 | 一种共享汽车 |
CN108877233A (zh) * | 2018-07-13 | 2018-11-23 | 上海擎感智能科技有限公司 | 一种基于车载终端的违章驾驶记录方法及系统、车载终端 |
CN109774471A (zh) * | 2017-05-15 | 2019-05-21 | 成都中技智慧企业管理咨询有限公司 | 一种适用于安全驾驶的车载设备 |
CN110533916A (zh) * | 2018-05-23 | 2019-12-03 | 上海擎感智能科技有限公司 | 基于车载终端的驾驶行为实时监测方法及系统、车载终端 |
CN111532281A (zh) * | 2020-05-08 | 2020-08-14 | 奇瑞汽车股份有限公司 | 驾驶行为的监测方法、装置、终端及存储介质 |
-
2021
- 2021-02-01 CN CN202110137002.5A patent/CN112967497B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236695A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 基于车载传感器网络的驾驶员状态评估系统 |
CN102874188A (zh) * | 2012-09-01 | 2013-01-16 | 北京车网互联科技股份有限公司 | 一种基于车辆总线数据的驾驶行为警示方法 |
CN106803008A (zh) * | 2017-02-15 | 2017-06-06 | 武汉极目智能技术有限公司 | 一种基于adas系统的实时驾驶行为评分方法与系统 |
CN107031653A (zh) * | 2017-04-18 | 2017-08-11 | 黄海虹 | 一种用于共享汽车的驾驶员身份授权系统 |
CN108830477A (zh) * | 2017-04-18 | 2018-11-16 | 陈玉玲 | 一种共享汽车 |
CN109774471A (zh) * | 2017-05-15 | 2019-05-21 | 成都中技智慧企业管理咨询有限公司 | 一种适用于安全驾驶的车载设备 |
CN107972671A (zh) * | 2017-07-19 | 2018-05-01 | 宁波诺丁汉大学 | 一种驾驶行为分析系统 |
CN107618461A (zh) * | 2017-09-27 | 2018-01-23 | 福州大学 | 一种共享汽车服务和监管系统及方法 |
CN110533916A (zh) * | 2018-05-23 | 2019-12-03 | 上海擎感智能科技有限公司 | 基于车载终端的驾驶行为实时监测方法及系统、车载终端 |
CN108877233A (zh) * | 2018-07-13 | 2018-11-23 | 上海擎感智能科技有限公司 | 一种基于车载终端的违章驾驶记录方法及系统、车载终端 |
CN111532281A (zh) * | 2020-05-08 | 2020-08-14 | 奇瑞汽车股份有限公司 | 驾驶行为的监测方法、装置、终端及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435404A (zh) * | 2021-07-14 | 2021-09-24 | 深圳市比一比网络科技有限公司 | 基于雷达及图像检测的电客车调车安全辅助驾驶方法与系统 |
CN113743815A (zh) * | 2021-09-13 | 2021-12-03 | 一汽出行科技有限公司 | 运营车辆的风险监控方法、装置、存储介质及计算机设备 |
CN115170248A (zh) * | 2022-08-04 | 2022-10-11 | 朗沃格科技(上海)有限公司 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
CN115170248B (zh) * | 2022-08-04 | 2024-05-24 | 朗沃格科技(上海)有限公司 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112967497B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112967497B (zh) | 共享汽车监管系统及监管方法 | |
EP3533681B1 (en) | Method for detecting safety of driving behavior, apparatus and storage medium | |
US10636291B1 (en) | Driving event data analysis | |
US11355031B2 (en) | Traffic information system | |
US9934627B1 (en) | Driving event data analysis | |
JP4995046B2 (ja) | 自動車保険料設定システム | |
CN107784587A (zh) | 一种驾驶行为评价系统 | |
CN104754011A (zh) | 一种车联网多方协同控制方法以及车联网协同平台 | |
CN112071061A (zh) | 基于云计算和数据分析的车辆服务系统 | |
CN101661532A (zh) | 从总量数据计算车况指数的系统和方法 | |
CN110276954A (zh) | 基于北斗定位系统的车辆行驶行为综合评分方法 | |
CN102717765A (zh) | 疲劳驾驶检测方法及防疲劳驾驶辅助装置 | |
CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
Chen et al. | Lane-based Distance-Velocity model for evaluating pedestrian-vehicle interaction at non-signalized locations | |
CN109448372A (zh) | 一种乘车安全监测与报警方法 | |
CN110766943A (zh) | 一种基于事故数据的不良驾驶行为判定的监测方法和系统 | |
CN112687099A (zh) | 一种超载嫌疑车辆判定方法和装置 | |
CN110723148A (zh) | 不良驾驶行为的识别方法与识别装置 | |
CN106383918A (zh) | 一种辨别紧急制动行为是否合理的系统及辨别方法 | |
CN111474565A (zh) | 道路运输车辆卫星定位系统终端违规插拔情况的判断方法 | |
CN114331181A (zh) | 基于大数据的车辆驾驶行为风险分析方法 | |
CN117831307A (zh) | 一种道路车辆识别系统及方法 | |
CN113335293A (zh) | 一种线控底盘的高速公路路面探测系统 | |
Walcott-Bryant et al. | Harsh brakes at potholes in Nairobi: Context-based driver behavior in developing cities | |
US20230055238A1 (en) | System and method of vehicle risk analysis |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220201 |