CN113033651A - 一种提高驾驶安全性的方法和装置 - Google Patents
一种提高驾驶安全性的方法和装置 Download PDFInfo
- Publication number
- CN113033651A CN113033651A CN202110305521.8A CN202110305521A CN113033651A CN 113033651 A CN113033651 A CN 113033651A CN 202110305521 A CN202110305521 A CN 202110305521A CN 113033651 A CN113033651 A CN 113033651A
- Authority
- CN
- China
- Prior art keywords
- score
- parameter
- behavior data
- driving
- driving behavior
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000001133 acceleration Effects 0.000 claims description 22
- 239000000446 fuel Substances 0.000 claims description 9
- 206010062519 Poor quality sleep Diseases 0.000 claims description 8
- 230000002618 waking effect Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 description 117
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G07C5/0841—Registering performance data
Abstract
本申请实施例提供一种提高驾驶安全性的方法和装置,该方法包括:通过车载智能终端TBox获取驾驶员的驾驶行为数据;对驾驶员的驾驶行为数据进行排名,以获得驾驶行为数据的排名结果;对驾驶行为数据的排名结果进行聚类,以获得驾驶行为数据对应的多个聚类结果,并获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分;根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像,其中,驾驶员的画像用于确定驾驶员的驾驶习惯,以提高驾驶安全性。借助于上述技术方案,本申请实施例能够根据画像来发现驾驶员的不良驾驶习惯,从而能够提高驾驶安全性。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种提高驾驶安全性的方法和装置。
背景技术
在车辆驾驶过程中,驾驶员的驾驶习惯通常是通过长期的驾驶行为养成的,所以自身存在的不良的驾驶习惯驾驶员本人常常难以察觉。而不良的驾驶习惯往往是各种交通事故的重大诱因。
因此,急需一种能够提高驾驶安全性的方法。
发明内容
本申请实施例的目的在于提供一种提高驾驶安全性的方法和装置,以解决现有技术中存在着难以发现驾驶员的不良习惯的问题。
第一方面,本申请实施例提供了一种提高驾驶安全性的方法,该方法包括:通过车载智能终端TBox获取驾驶员的驾驶行为数据;对驾驶员的驾驶行为数据进行排名,以获得驾驶行为数据的排名结果;对驾驶行为数据的排名结果进行聚类,以获得驾驶行为数据对应的多个聚类结果,并获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分;根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像,其中,驾驶员的画像用于确定驾驶员的驾驶习惯,以提高驾驶安全性。
因此,本申请实施例通过车载智能终端TBox获取驾驶员的驾驶行为数据,随后对驾驶员的驾驶行为数据进行排名,以获得驾驶行为数据的排名结果,随后对驾驶行为数据的排名结果进行聚类,以获得驾驶行为数据对应的多个聚类结果,并获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,最后根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像,从而能够根据画像来发现驾驶员的不良驾驶习惯,进而能够提高驾驶安全性。
在一个可能的实施例中,根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像,包括:根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,其中,画像参数包括清醒参数、平稳参数、文明参数、节能参数、操控参数、安全参数和驾驶评分参数中的至少一种参数;根据画像参数的得分,生成驾驶员的画像。
在一个可能的实施例中,驾驶行为数据包括疲劳驾驶次数和夜间驾驶时长;
其中,在画像参数包括清醒参数的情况下,根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:对疲劳驾驶次数对应的目标聚类结果的评分和夜间驾驶时长对应目标聚类结果的评分进行加权求和,以获得清醒参数的得分。
在一个可能的实施例中,驾驶行为数据包括速度波动值和平均速度;
其中,在驾驶评分参数包括平稳参数的情况下,根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:对速度波动值对应的目标聚类结果的评分和平均速度对应的目标聚类结果的评分进行加权求和,以获得平稳参数的得分。
在一个可能的实施例中,驾驶行为数据包括转向时未打开转向灯的事件的事件个数、鸣笛次数和使用远光灯的次数;
其中,在驾驶评分参数包括文明参数的情况下,根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:对事件个数对应的目标聚类结果的评分、鸣笛次数对应的目标聚类结果的评分和使用远光灯的次数对应的目标聚类结果的评分进行加权求和,以获得文明参数的得分。
在一个可能的实施例中,驾驶行为数据包括油耗数据、怠速时长和空调开启时长;
其中,在驾驶评分参数包括节能参数的情况下,根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:对油耗数据对应的目标聚类结果的评分、怠速时长对应的目标聚类结果的评分和空调开启时长对应的目标聚类结果的评分进行加权求和,以获得节能参数的得分。
在一个可能的实施例中,驾驶行为数据包括满足预设转弯条件的转弯次数、满足预设下坡条件的下坡时长占比、满足油门开合条件的油门开合时长和满足刹车开合条件的刹车开合时长;
其中,在驾驶评分参数包括操控参数的情况下,根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:对转弯次数对应的目标聚类结果的评分、下坡时长占比对应的目标聚类结果的评分、油门开合时长对应的目标聚类结果的评分和刹车开合时长对应的目标聚类结果的评分进行加权求和,以获得操控参数的得分。
在一个可能的实施例中,驾驶行为数据包括打滑次数、违章次数、急刹车次数、急加速次数和急转弯次数;
其中,在驾驶评分参数包括安全参数的情况下,根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:对打滑次数对应的目标聚类结果的评分、违章次数对应的目标聚类结果的评分、急刹车次数对应的目标聚类结果的评分、急加速次数对应的目标聚类结果的评分和急转弯次数对应的目标聚类结果的评分进行加权求和,以获得安全参数的得分。
在一个可能的实施例中,驾驶评分参数是根据清醒参数、平稳参数、文明参数、节能参数、操控参数和安全参数获得的。
第二方面,本申请实施例提供了一种提高驾驶安全性的装置,该装置包括:获取模块,用于通过车载智能终端TBox获取驾驶员的驾驶行为数据;排名模块,用于对驾驶员的驾驶行为数据进行排名,以获得驾驶行为数据的排名结果;聚类评分模块,用于对驾驶行为数据的排名结果进行聚类,以获得驾驶行为数据对应的多个聚类结果,并获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分;生成模块,用于根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像,其中,驾驶员的画像用于确定驾驶员的驾驶习惯,以提高驾驶安全性。
第三方面,本申请实施例提供了一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第四方面,本申请实施例提供了一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当所述电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第五方面,本申请提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例提供的一种应用场景的示意图;
图2示出了本申请实施例提供的一种提高驾驶安全性的方法的流程图;
图3示出了本申请实施例提供的一种提高驾驶安全性的装置的结构框图;
图4示出了本申请实施例提供的一种电子设备的结构框图。
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描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
目前,由于用户画像能够帮助企业深入理解用户、快速找到精准用户群体、指导策略以及作出符合用户需求的产品,所以,用户画像是十分必要的。
以及,虽然各行业的用户画像的方法有很多,但是,结合车辆专属信号和用户驾驶行为的驾驶员的画像方法目前还是空缺的。
基于此,本申请实施例提供了一种提高驾驶安全性的方案,通过车载智能终端TBox获取驾驶员的驾驶行为数据,随后对驾驶员的驾驶行为数据进行排名,以获得驾驶行为数据的排名结果,随后对驾驶行为数据的排名结果进行聚类,以获得驾驶行为数据对应的多个聚类结果,并获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,最后根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像,其中,驾驶员的画像用于确定驾驶员的驾驶习惯,从而能够根据画像来发现驾驶员的不良驾驶习惯,进而能够提高驾驶安全性。
为了便于理解本申请实施例,下面对本申请实施例涉及的一些术语进行解释:
“清醒参数”:它用于表示驾驶员的清醒程度,以判断用户是否能够足够清醒地应对路况。
应理解,清醒参数的确定方式可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,清醒参数可以是根据疲劳驾驶次数和夜间驾驶时长来确定的。其中,疲劳驾驶次数是指行程时长超过第一预设时长的行程的次数;夜间驾驶时长是指在夜间驾驶的时长。
还应理解,第一预设时长的具体时长可根据实际需求来进行设置,本申请实施例并不局限于此。
“平稳参数”:它用于表示驾驶员的驾驶稳定程度。
应理解,平稳参数的确定方式可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,平稳参数可以是根据速度波动值和平均速度来确定的。其中,速度波动值可以是速度方差;平均速度可以是一行程表中所有行程的平均速度。
“文明参数”:它用于表示驾驶员的驾驶文明程度。
应理解,文明参数的确定方式可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,文明参数可以是根据转向时未打开转向灯的事件的事件个数、鸣笛次数和使用远光灯的次数确定的。其中,转向时未打开转向灯的事件的事件个数可以用于表示在汽车转向时未开启转向灯的次数;鸣笛次数可以是指汽车在居民区和夜间鸣喇叭的次数;使用远光灯的次数是指夜间开启远关灯的次数。
“节能参数”:它用于表示用户的驾驶习惯是否节能。
应理解,节能参数的确定方式可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,节能参数可以是根据油耗数据、怠速时长和空调开启时长确定的。其中,油耗数据可以是指一行程表中所有行程的油耗总和;怠速时长可以是指速度为0但发动机的转速大于0的时长;空调开启时长可以是指一行程表中所有行程中开启空调的总时长。
“操控参数”:它用于判断驾驶员的驾驶能力(例如,判断驾驶员是新手还是老司机)。
应理解,操控参数的确定方式可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,操控参数可以是根据满足预设转弯条件的转弯次数、满足预设下坡条件的下坡时长占比、满足油门开合条件的油门开合时长和满足刹车开合条件的刹车开合时长确定的。其中,满足预设转弯条件的转弯次数可以是指转弯时的车速处于预设车速区间范围内的转弯次数,并且此时的满足预设转弯条件的转弯次数可以称为熟练转弯次数;满足油门开合条件的油门开合时长可以是指油门开合度大于等于第一预设度数小于第二预设度数的时长;满足刹车开合条件的刹车开合时长可以是指油门开合度大于等于第三预设度数小于第四预设度数的时长。
还应理解,预设车速区间的具体车速区间、第一预设度数的具体度数、第二预设度数的具体度数、第三预设度数的具体度数和第四预设度数的具体度数均可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,预设车速区间可以是从20km/h到30km/h。
再例如,第一预设度数可以是0度,第二预设度数可以是10度。
再例如,第三预设度数可以是0度,第四预设度数可以是10度。
“安全参数”:它用于判断用户是否有危险驾驶行为。
应理解,安全参数的确定方式可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,安全参数可以是根据打滑次数、违章次数、急刹车次数、急加速次数和急转弯次数确定的。其中,打滑次数可以是指车轮转速和车轮行驶速度相差超过预设阈值的次数;违章次数可以是指一行程表中所有行程过程中的违章总次数;急刹车次数可以是指在预设时间内车速变化值小于等于第一预设车速的次数;急加速次数可以是指在预设时间内车速变化值大于等于第二预设车速的次数;急转弯次数可以是指转弯时的车速大于等于第三预设车速的次数。
还应理解,预设阈值的具体值、预设时间的具体时间、第一预设车速的具体车速、第二预设车速的具体车速和第三预设车速的具体车速均可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,预设时间可以是2秒等。
再例如,第一预设车速可以为8.7km/h,第二预设车速可以是8.6km/h,第三预设车速可以是30km/h。
“驾驶评分参数”:它用于表示驾驶员的驾驶评分。
应理解,驾驶评分参数的确定方式可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,驾驶评分参数可以是根据清醒参数、平稳参数、文明参数、节能参数、操控参数和安全参数获得的。
请参见图1,图1示出了本申请实施例提供的一种应用场景的示意图。如图1所示的应用场景包括车载智能终端(Telematics BOX,TBox)和服务器。其中,TBox和服务器通信连接。
应理解,与其他电子设备进行连接的TBox还可以称为车联网终端,其相当于汽车上的主机等。
还应理解,服务器的具体行驶可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,服务器可以是独立的服务器,也可以是由多个服务器构成的远程通信服务提供商(Telematics Service Provider,TSP)平台等。其中,TSP平台也可称为车联网平台。
需要说明的是,本发明实施例提供的提高驾驶安全性的方案还可以进一步拓展到其他合适的应用场景中,而不限于图1所示的应用场景。
例如,虽然图1中仅示出了1个TBox,但本领域的技术人员应当理解,该应用场景可包括更多的TBox。
请参见图2,图2示出了本申请实施例提供的一种提高驾驶安全性的方法的流程图。如图2所示的方法包括:
步骤S210,服务器通过TBox获取驾驶员的驾驶行为数据。
应理解,本申请中需要进行画像的驾驶员可以是多个(例如,2个、100个、1500个等)。
还应理解,驾驶行为数据所包含的数据可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,驾驶行为数据可以是疲劳驾驶次数、夜间驾驶时长、速度波动值、平均速度、转向时未打开转向灯的事件的事件个数、鸣笛次数、使用远光灯的次数、油耗数据、怠速时长、空调开启时长、满足预设转弯条件的转弯次数、满足预设下坡条件的下坡时长占比、满足油门开合条件的油门开合时长、满足刹车开合条件的刹车开合时长打滑次数、违章次数、急刹车次数、急加速次数和急转弯次数中的至少一种数据。
为了便于理解本申请实施例,下面通过具体的实施例来进行描述。
具体地,服务器可获取TBox上传的数据,随后可对TBox上传的数据进行预处理,以获得驾驶员的驾驶行为数据。
应理解,预处理的具体过程可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,由于TBox是一秒产生一条数据,且该产生的数据可携带有当前汽车相关的驾驶行为数据(例如,某条数据可携带有此时的油耗数据等),故TBox上传的数据的数据量是比较大的。其中,TBox产生的数据除了携带有驾驶行为数据之外,还可携带有其他信息(例如,信号生成时间等)。
若服务器直接按照TBox上传的数据来进行处理,其存在着计算量比较大的问题。所以,本申请实施例可对TBox上传的数据按照行程进行统计,从而既不影响后续画像参数的准确性,又能减少数据量,进而提高了驾驶员画像的效率。
从而,考虑到汽车在行驶过程中,TBox产生的两条相邻数据的信号生成时间差为1秒,从而服务器可依次计算TBox产生的任何两条相邻数据的信号时间差。在两条相邻数据的信号时间差大于第二预设时长的情况下,则可确定此时的两条相邻数据是分别属于两个行程的,故可对两条相邻数据进行切分;在两条相邻数据的信号时间差小于等于第二预设时长且大于第三预设时长的情况下,则可确定汽车可能是过隧道等场景,此时服务器可通过确定这两条相邻数据中的点火状态,若这两条相邻数据的点火状态不全为点火的情况下,则服务器可确定这两条相邻数据是属于两个行程的,故可对两条相邻数据进行切分。
应理解,第二预设时长的具体时长和第三预设时长的具体时长均可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,第二预设时长可以为300秒。
再例如,第三预设时长可以为60秒。
这里需要说的是,虽然上述是以两条相邻数据的信号生成时间差为例来进行描述的,但本领域的技术人员应当理解,还可通过其他的方式来进行切分,本申请实施例并不局限于此。
例如,由于TBox产生的两条相邻数据中每条数据中均可携带有当前油箱的液位值,从而服务器可确定两条相邻数据对应的油箱的液位差值。在两条数据对应的油箱的液位差值大于预设液位值的情况下,则服务器可确定这两条相邻数据属于两个行程,故服务器可对两条相邻数据进行切分。
随后,服务器可按照上述流程,将TBox上传的多条数据划分成多个行程。随后,服务器可按照不同的汽车,将同一汽车对应的多个行程划分为一个用于以驾驶行程为基本统计单位的数据表的行程表。其中,该行程表可包括目标汽车的多个行程以及多个行程中每个行程对应的驾驶行为数据。
这里需要说明的是,考虑到驾驶员的画像是以驾驶员的多个行程数据为参考获取的比较精准,故本申请实施例可根据多个行程中每个行程对应的驾驶行为数据来统计最终的驾驶行为数据。
例如,在N个行程的驾驶行为数据都包括急刹车次数的情况下,可将这N个行程对应的急刹车次数全部相加,以获得最终的急刹车次数。其中,N个行程为同一个行程表中的N个行程。
还应理解,由于不同厂商的Tbox上传的数据的单位是不一样或者存在异常等情况,故在统计最终的驾驶行为数据之前,服务器可对行程表中的多个行程的驾驶行为数据进行归一化和去除异常值。其中,归一化是指将有量纲的表达式,经过变换,化为无量纲的表达式,成为标量。
例如,归一化过程可包括:将某驾驶员的急加速次数除以总里程,以获得百公里急加速次数。
再例如,去除异常值的过程可包括:在行程时长小于第四预设时长的情况下,则服务器可确定该行程可能为临时有事暂开油门的情况,从而服务器可将对应的行程去除;在怠速时长大于第五预设时长或者怠速时长小于第六时长的情况下,则服务器可将对应的行程去除。
应理解,第四预设时长的具体时长、第五预设时长的具体时长和第六预设时长的具体时长均可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,第五预设时长为3小时,第六预设时长为0。
步骤S220,服务器对驾驶员的驾驶行为数据进行排名,以获得驾驶行为数据的排名结果。
应理解,对于某一驾驶员对应的排名结果来说,该排名结果即为该驾驶员的排名行为数据的排名。
例如,在驾驶行为数据包括疲劳驾驶次数的情况下,第一驾驶员的疲劳驾驶次数在所有驾驶员的疲劳驾驶次数中排名18,则第一驾驶员的疲劳驾驶次数的排名结果为18。
再例如,在驾驶行为数据包括急刹车次数的情况下,第一驾驶员的急刹车次数在所有驾驶员的急刹车次数中排名17800,则第一驾驶员的急刹车次数的排名结果为17800。
为了便于理解本申请实施例,下面通过具体的实施例来进行描述。
具体地,在驾驶行为数据包括多种数据的情况下,服务器可对所有驾驶员的每种数据进行排名,并获取每种数据对应的排名结果。
例如,在驾驶行为数据包括疲劳驾驶次数和夜间驾驶时长的情况下,服务器可先对所有待画像的驾驶员的疲劳驾驶次数按照从大到小的顺序进行排名,以获得每个驾驶员的疲劳驾驶次数的排名结果。随后,服务器可对所有待画像的驾驶员的夜间驾驶时长按照从长到短的顺序进行排名,以获得每个驾驶员的夜间驾驶时长的排名结果。
步骤S230,服务器对驾驶行为数据的排名结果进行聚类,以获得驾驶行为数据对应的多个聚类结果,并获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分。
应理解,在驾驶行为数据包括多种数据的情况下,驾驶行为数据对应的多个聚类结果是指多种数据中每种数据对应的多个聚类结果。
例如,在驾驶行为数据包括疲劳驾驶次数和夜间驾驶时长的情况下,服务器可对疲劳驾驶次数的排名结果进行聚类,以获得疲劳驾驶次数对应的多个聚类结果。以及,服务器可对夜间驾驶时长的排名结果进行聚类,以获得夜间驾驶时长对应的多个聚类结果。
还应理解,每个聚类结果对应的评分可以是预设评分,并且评分的具体值可根据实际需求来进行设置,本申请实施例并不局限于此。
例如,在多个聚类结果包括第一聚类结果和第二聚类结果的情况下,可将第一聚类结果的评分设置成50,并可将第二聚类结果对应的评分设置成70。
为了便于理解本申请实施例,下面通过具体的实施例来进行描述。
具体地,在获取到驾驶行为数据的排名结果的情况下,服务器可对驾驶行为数据中每种数据的排名结果进行聚类,并且聚类可采用调参原则,从而可获得驾驶行为数据中每种数据的聚类结果。随后,服务器可为驾驶行为数据中每种数据的聚类结果进行打分。
例如,在驾驶行为数据包括急加速次数的情况下,服务器可对急加速次数的排名结果进行聚类,以获得第一聚类结果、第二聚类结果、第三聚类结果、第四聚类结果和第五聚类结果。其中,第一聚类结果表示急加速次数少的聚类簇的聚类情况(例如,第一聚类结果对应有100辆汽车);第二聚类结果表示急加速次数较少的聚类簇的聚类情况(例如,第二聚类结果对应有112辆汽车);第三聚类结果表示急加速次数一般的聚类簇的聚类情况(例如,第三聚类结果对应有99辆汽车);第四聚类结果表示急加速次数较多的聚类簇的聚类情况(例如,第四聚类结果对应有75辆汽车);第五聚类结果表示急加速次数多的聚类簇的聚类情况(例如,第五聚类结果对应有60辆汽车)。随后,服务器可为第一聚类结果打0分,以及还为第二聚类结果打25分,以及还为第三聚类结果打50分,以及第四聚类结果打75分,最后为第五聚类结果打100分。
这里需要说明的是,在服务器对驾驶行为数据中每种数据的排名结果进行聚类之后,服务器可确定各个聚类结果对应的聚类情况是否是均匀分布的(具体可参见上述服务器对急加速次数的排名结果进行聚类的相关描述),若是比较均匀的,则服务器可认为聚类结果是比较好的。
这里还需要说明的是,对于当前聚类结果来说,属于当前聚类结果的相关驾驶行为数据的评分与当前聚类结果的评分是一样的。
例如,在当前聚类结果包含第一驾驶员的急刹车次数且当前聚类结果的评分为50的情况下,则第一急刹车次数的评分也为50。
步骤S240,服务器根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像。其中,驾驶员的画像用于确定驾驶员的驾驶习惯,以提高驾驶安全性(例如,可通过驾驶员的画像,确定驾驶员的不良驾驶习惯,从而能够避免交通事故,进而能够提高驾驶安全性)。
应理解,驾驶员的画像对应的标签可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,在服务器获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分之后,服务器可将根据驾驶行为数据的评分作为驾驶员画像的标签。
例如,在服务器获取到第一驾驶员的急刹车次数的评分为50和疲劳驾驶次数的评分为80分的情况下,则第一驾驶员的画像的标签包括第一标签和第二标签。其中,第一标签表示急刹车次数的评分为50,以及第二标签表示疲劳驾驶次数的评分为80分。
可选地,考虑到利用驾驶行为次数作为驾驶员的画像可能会出现比较不直观的问题(例如,疲劳驾驶次数和夜间驾驶时长均是表示清醒参数的,若将其单独展示,则会引起标签比较多而且不直观的问题),故服务器可根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,随后服务器根据画像参数的得分,生成驾驶员的画像。其中,画像参数包括清醒参数、平稳参数、文明参数、节能参数、操控参数、安全参数和驾驶评分参数中的至少一种参数。
这里需要说明的是,在驾驶员的画像中,画像参数中的每个参数均可用对应的标签来表示。
应理解,服务器可根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分的具体过程可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,在驾驶行为数据包括疲劳驾驶次数和夜间驾驶时长且画像参数包括清醒参数的情况下,服务器对疲劳驾驶次数对应的目标聚类结果的评分和夜间驾驶时长对应目标聚类结果的评分进行加权求和,以获得清醒参数的得分。
例如,服务器可利用下述公式计算清醒参数的得分,具体地:
q1=l1*a1+y1*b1
其中,q1为清醒参数的得分,l1为疲劳驾驶次数,a1为疲劳驾驶次数对应的权重,y1为夜间驾驶时长,b1为夜间驾驶时长对应的权重。以及,a1的具体权重和b1的具体权重均可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,在驾驶行为数据包括速度波动值和平均速度且画像参数包括平稳参数的情况下,服务器对速度波动值对应的目标聚类结果的评分和平均速度对应的目标聚类结果的评分进行加权求和,以获得平稳参数的得分。
例如,服务器可利用下述公式计算平稳参数的得分,具体地:
q2=l2*a2+y2*b2
其中,q2为平稳参数的得分,l2为速度波动值,a2为速度波动值对应的权重,y2为平均速度,b2为平均速度对应的权重。以及,a2的具体权重和b2的具体权重均可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,在驾驶行为数据包括转向时未打开转向灯的事件的事件个数、鸣笛次数和使用远光灯的次数且画像参数包括文明参数的情况下,服务器对事件个数对应的目标聚类结果的评分、鸣笛次数对应的目标聚类结果的评分和使用远光灯的次数对应的目标聚类结果的评分进行加权求和,以获得文明参数的得分。
例如,服务器可利用下述公式计算文明参数的得分,具体地:
q3=l3*a3+y3*b3+f1*c1
其中,q3为文明参数的得分,l3为转向时未打开转向灯的事件的事件个数,a3为转向时未打开转向灯的事件的事件个数对应的权重,y3为鸣笛次数,b3为鸣笛次数对应的权重,f1为使用远光灯的次数,c1为使用远光灯的次数对应的权重。以及,a3的具体权重、b3的具体权重和c1的具体权重均可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,在驾驶行为数据包括油耗数据、怠速时长和空调开启时长且画像参数包括节能参数的情况下,服务器对油耗数据对应的目标聚类结果的评分、怠速时长对应的目标聚类结果的评分和空调开启时长对应的目标聚类结果的评分进行加权求和,以获得节能参数的得分。
例如,服务器可利用下述公式计算节能参数的得分,具体地:
q4=l4*a4+y4*b4+f2*c2
其中,q4为节能参数的得分,l4为油耗数据,a4为油耗数据对应的权重,y4为怠速时长,b4为怠速时长对应的权重,f2为空调开启时长,c2为空调开启时长对应的权重。以及,a4的具体权重、b4的具体权重和c2的具体权重均可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,在驾驶行为数据包括满足预设转弯条件的转弯次数、满足预设下坡条件的下坡时长占比、满足油门开合条件的油门开合时长和满足刹车开合条件的刹车开合时长且画像参数包括操控参数的情况下,服务器对转弯次数对应的目标聚类结果的评分、下坡时长占比对应的目标聚类结果的评分、油门开合时长对应的目标聚类结果的评分和刹车开合时长对应的目标聚类结果的评分进行加权求和,以获得操控参数的得分。
例如,服务器可利用下述公式计算操控参数的得分,具体地:
q5=l5*a5+y5*b5+f3*c3+r1*d1
其中,q5为操控参数的得分,l5为满足预设转弯条件的转弯次数,a5为满足预设转弯条件的转弯次数对应的权重,y5为满足预设下坡条件的下坡时长占比,b5为满足预设下坡条件的下坡时长占比对应的权重,f3为满足油门开合条件的油门开合时长,c3为满足油门开合条件的油门开合时长对应的权重,r1为满足刹车开合条件的刹车开合时长,d1为满足刹车开合条件的刹车开合时长对应的权重。以及,a5的具体权重、b5的具体权重、c3的具体权重和d1的具体权重均可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,在驾驶行为数据包括打滑次数、违章次数、急刹车次数、急加速次数和急转弯次数且画像参数包括平稳参数的情况下,服务器对打滑次数对应的目标聚类结果的评分、违章次数对应的目标聚类结果的评分、急刹车次数对应的目标聚类结果的评分、急加速次数对应的目标聚类结果的评分和急转弯次数对应的目标聚类结果的评分进行加权求和,以获得安全参数的得分。
例如,服务器可利用下述公式计算安全参数的得分,具体地:
q6=l6*a6+y6*b6+f4*c4+r2*d2+g*w
其中,q6为安全参数的得分,l6为打滑次数,a6为打滑次数对应的权重,y6为违章次数,b6为违章次数对应的权重,f4为急刹车次数,c4为急刹车次数对应的权重,r2为急加速次数,d2为急加速次数对应的权重,g为急转弯次数,w为急转弯次数对应的权重。以及,a6的具体权重、b6的具体权重、c4的具体权重、d2的具体权重和w的具体权重均可根据实际需求来进行设置,本申请实施例并不局限于此。
可选地,在驾驶评分参数是根据清醒参数、平稳参数、文明参数、节能参数、操控参数和安全参数获得的情况下,服务器可对清醒参数的评分、平稳参数的评分、文明参数的评分、节能参数的评分、操控参数的评分和安全参数的评分进行加权求和,以获得驾驶评分参数。
例如,服务器可利用下述公式计算驾驶评分参数的得分,具体地:
q7=q1*z+q2*x+q3*v+q4*m+q5*n+q6*t
其中,q7为驾驶评分参数的得分,z为清醒参数的得分对应的权重,x为平稳参数的得分对应的权重,v为文明参数的得分对应的权重,m为节能参数的得分对应的权重,n为操控参数的得分对应的权重,t为安全参数的得分对应的权重。以及,z的具体权重、x的具体权重、v的具体权重、m的具体权重、n的具体权重和t的具体权重均可根据实际需求来进行设置,本申请实施例并不局限于此。
综上,通过车载智能终端TBox获取驾驶员的驾驶行为数据,随后对驾驶员的驾驶行为数据进行排名,以获得驾驶行为数据的排名结果,随后对驾驶行为数据的排名结果进行聚类,以获得驾驶行为数据对应的多个聚类结果,并获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,最后根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像,从而能够根据画像来发现驾驶员的不良驾驶习惯,进而能够提高驾驶安全性。
这里需要说明的是,虽然上面是以驾驶员的画像来确定不良驾驶习惯为例来进行描述的,但本领域的技术人员应当理解,该驾驶员的画像还可用于其他的用途。
可选地,可通过驾驶员的画像来提高维保的依据。
例如,通过当前驾驶员的画像可以确定当前驾驶员的操控参数的得分大于第一预设得分,则可认为当前驾驶员的操控参数得分较高。以及,考虑到空调滤清器的维保里程是100km,可将其适当延长到120km。
可选地,可通过驾驶员的画像来提供保险依据。
例如,通过当前驾驶员的画像可以确定当前驾驶员的安全参数的得分大于第二预设得分,则可认为当前驾驶员的安全参数得分较高,从而可以作为适当减少车险金额的依据。
可选地,可通过驾驶员的画像来训练深度学习模型。
例如,可获取各种不同环境的环境参数(例如,温度、海拔和湿度等),并可利用环境参数和驾驶员的环境来训练深度学习模型。
应理解,上述提高驾驶安全性的方法仅是示例性的,本领域技术人员根据上述的方法可以进行各种变形。
请参见图3,图3示出了本申请实施例提供的一种提高驾驶安全性的装置300的结构框图,应理解,该装置300与上述图2方法实施例对应,能够执行上述方法实施例的各个步骤,该装置300具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。装置300包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置300的操作系统(operating system,OS)中的软件功能模块。具体地,该装置300包括:
获取模块310,用于通过车载智能终端TBox获取驾驶员的驾驶行为数据;
排名模块320,用于对驾驶员的驾驶行为数据进行排名,以获得驾驶行为数据的排名结果;
聚类评分模块330,用于对驾驶行为数据的排名结果进行聚类,以获得驾驶行为数据对应的多个聚类结果,并获取驾驶行为数据对应的多个聚类结果中每个聚类结果的评分;
生成模块340,用于根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成驾驶员的画像,其中,驾驶员的画像用于确定驾驶员的驾驶习惯,以提高驾驶安全性。
在一个可能的实施例中,生成模块340,具体用于:根据驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,其中,画像参数包括清醒参数、平稳参数、文明参数、节能参数、操控参数、安全参数和驾驶评分参数中的至少一种参数;根据画像参数的得分,生成驾驶员的画像。
在一个可能的实施例中,驾驶行为数据包括疲劳驾驶次数和夜间驾驶时长;
生成模块340,具体用于:对疲劳驾驶次数对应的目标聚类结果的评分和夜间驾驶时长对应目标聚类结果的评分进行加权求和,以获得清醒参数的得分。
在一个可能的实施例中,驾驶行为数据包括速度波动值和平均速度;
生成模块340,具体用于:对速度波动值对应的目标聚类结果的评分和平均速度对应的目标聚类结果的评分进行加权求和,以获得平稳参数的得分。
在一个可能的实施例中,驾驶行为数据包括转向时未打开转向灯的事件的事件个数、鸣笛次数和使用远光灯的次数;
生成模块340,具体用于:对事件个数对应的目标聚类结果的评分、鸣笛次数对应的目标聚类结果的评分和使用远光灯的次数对应的目标聚类结果的评分进行加权求和,以获得文明参数的得分。
在一个可能的实施例中,驾驶行为数据包括油耗数据、怠速时长和空调开启时长;
生成模块340,具体用于:对油耗数据对应的目标聚类结果的评分、怠速时长对应的目标聚类结果的评分和空调开启时长对应的目标聚类结果的评分进行加权求和,以获得节能参数的得分。
在一个可能的实施例中,驾驶行为数据包括满足预设转弯条件的转弯次数、满足预设下坡条件的下坡时长占比、满足油门开合条件的油门开合时长和满足刹车开合条件的刹车开合时长;
生成模块340,具体用于:对转弯次数对应的目标聚类结果的评分、下坡时长占比对应的目标聚类结果的评分、油门开合时长对应的目标聚类结果的评分和刹车开合时长对应的目标聚类结果的评分进行加权求和,以获得操控参数的得分。
在一个可能的实施例中,驾驶行为数据包括打滑次数、违章次数、急刹车次数、急加速次数和急转弯次数;
生成模块340,具体用于:对打滑次数对应的目标聚类结果的评分、违章次数对应的目标聚类结果的评分、急刹车次数对应的目标聚类结果的评分、急加速次数对应的目标聚类结果的评分和急转弯次数对应的目标聚类结果的评分进行加权求和,以获得安全参数的得分。
在一个可能的实施例中,驾驶评分参数是根据清醒参数、平稳参数、文明参数、节能参数、操控参数和安全参数获得的。
应理解,上述提高驾驶安全性的方法仅是示例性的,本领域技术人员根据上述的方法可以进行各种变形,该变形之后的方案也属于本申请的保护范围。
请参见图4,图4示出了本申请实施例提供的一种电子设备400的结构框图。如图4所示,电子设备400可以包括处理器410、通信接口420、存储器430和至少一个通信总线440。其中,通信总线440用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口420用于与其他节点设备进行信令或数据的通信。处理器410可以是一种集成电路芯片,具有信号的处理能力。上述的处理器410可以是通用处理器,包括中央处理器(CentralProcessing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,简称ASIC)、现场可编程逻辑门阵列(Field ProgrammableGate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器410也可以是任何常规的处理器等。
存储器430可以是,但不限于,随机存取存储器(Random Access Memory,简称RAM),只读存储器(Read Only Memory,简称ROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,简称EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,简称EEPROM)等。存储器430中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器410执行时,电子设备400可以执行如下步骤:通过车载智能终端TBox获取所述驾驶员的驾驶行为数据;对所述驾驶员的驾驶行为数据进行排名,以获得所述驾驶行为数据的排名结果;对所述驾驶行为数据的排名结果进行聚类,以获得所述驾驶行为数据对应的多个聚类结果,并获取所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分;根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成所述驾驶员的画像,其中,驾驶员的画像用于确定驾驶员的驾驶习惯,以提高驾驶安全性。
电子设备400还可以包括存储控制器、输入输出单元、音频单元、显示单元。
所述存储器430、存储控制器、处理器410、外设接口、输入输出单元、音频单元、显示单元各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通信总线440实现电性连接。所述处理器410用于执行存储器430中存储的可执行模块,例如电子设备400包括的软件功能模块或计算机程序。
输入输出单元用于提供给用户输入数据实现用户与其他设备的交互。所述输入输出单元可以是,但不限于,鼠标和键盘等。
音频单元向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元在所述电子设备与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器进行计算和处理。
可以理解,图4所示的结构仅为示意,所述电子设备400还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
本申请提供一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行实施例所述的方法。
本申请还提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行方法实施例所述的方法。
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,上述描述的系统的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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-Only Memory)、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。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种提高驾驶安全性的方法,其特征在于,包括:
通过车载智能终端TBox获取驾驶员的驾驶行为数据;
对所述驾驶员的驾驶行为数据进行排名,以获得所述驾驶行为数据的排名结果;
对所述驾驶行为数据的排名结果进行聚类,以获得所述驾驶行为数据对应的多个聚类结果,并获取所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分;
根据所述驾驶行为数据对应的多个聚类结果中每个所述聚类结果的评分,生成所述驾驶员的画像,其中,所述驾驶员的画像用于确定驾驶员的驾驶习惯,以提高驾驶安全性。
2.根据权利要求1所述的方法,其特征在于,所述根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成所述驾驶员的画像,包括:
根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,其中,所述画像参数包括清醒参数、平稳参数、文明参数、节能参数、操控参数、安全参数和驾驶评分参数中的至少一种参数;
根据所述画像参数的得分,生成所述驾驶员的画像。
3.根据权利要求2所述的方法,其特征在于,所述驾驶行为数据包括疲劳驾驶次数和夜间驾驶时长;
其中,在所述画像参数包括清醒参数的情况下,所述根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:
对所述疲劳驾驶次数对应的目标聚类结果的评分和夜间驾驶时长对应目标聚类结果的评分进行加权求和,以获得所述清醒参数的得分。
4.根据权利要求2所述的方法,其特征在于,所述驾驶行为数据包括速度波动值和平均速度;
其中,在所述驾驶评分参数包括平稳参数的情况下,根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:
对所述速度波动值对应的目标聚类结果的评分和所述平均速度对应的目标聚类结果的评分进行加权求和,以获得所述平稳参数的得分。
5.根据权利要求2所述的方法,其特征在于,所述驾驶行为数据包括转向时未打开转向灯的事件的事件个数、鸣笛次数和使用远光灯的次数;
其中,在所述驾驶评分参数包括文明参数的情况下,根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:
对所述事件个数对应的目标聚类结果的评分、所述鸣笛次数对应的目标聚类结果的评分和所述使用远光灯的次数对应的目标聚类结果的评分进行加权求和,以获得所述文明参数的得分。
6.根据权利要求2所述的方法,其特征在于,所述驾驶行为数据包括油耗数据、怠速时长和空调开启时长;
其中,在所述驾驶评分参数包括节能参数的情况下,根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:
对所述油耗数据对应的目标聚类结果的评分、所述怠速时长对应的目标聚类结果的评分和所述空调开启时长对应的目标聚类结果的评分进行加权求和,以获得所述节能参数的得分。
7.根据权利要求2所述的方法,其特征在于,所述驾驶行为数据包括满足预设转弯条件的转弯次数、满足预设下坡条件的下坡时长占比、满足油门开合条件的油门开合时长和满足刹车开合条件的刹车开合时长;
其中,在所述驾驶评分参数包括操控参数的情况下,根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:
对所述转弯次数对应的目标聚类结果的评分、所述下坡时长占比对应的目标聚类结果的评分、所述油门开合时长对应的目标聚类结果的评分和所述刹车开合时长对应的目标聚类结果的评分进行加权求和,以获得所述操控参数的得分。
8.根据权利要求2所述的方法,其特征在于,所述驾驶行为数据包括打滑次数、违章次数、急刹车次数、急加速次数和急转弯次数;
其中,在所述驾驶评分参数包括安全参数的情况下,根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,确定画像参数的得分,包括:
对所述打滑次数对应的目标聚类结果的评分、所述违章次数对应的目标聚类结果的评分、所述急刹车次数对应的目标聚类结果的评分、所述急加速次数对应的目标聚类结果的评分和所述急转弯次数对应的目标聚类结果的评分进行加权求和,以获得所述安全参数的得分。
9.根据权利要求2所述的方法,其特征在于,所述驾驶评分参数是根据所述清醒参数、所述平稳参数、所述文明参数、所述节能参数、所述操控参数和所述安全参数获得的。
10.一种提高驾驶安全性的装置,其特征在于,包括:
获取模块,用于通过车载智能终端TBox获取驾驶员的驾驶行为数据;
排名模块,用于对所述驾驶员的驾驶行为数据进行排名,以获得所述驾驶行为数据的排名结果;
聚类评分模块,用于对所述驾驶行为数据的排名结果进行聚类,以获得所述驾驶行为数据对应的多个聚类结果,并获取所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分;
生成模块,用于根据所述驾驶行为数据对应的多个聚类结果中每个聚类结果的评分,生成所述驾驶员的画像,其中,所述驾驶员的画像用于确定驾驶员的驾驶习惯,以提高驾驶安全性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110305521.8A CN113033651A (zh) | 2021-03-22 | 2021-03-22 | 一种提高驾驶安全性的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110305521.8A CN113033651A (zh) | 2021-03-22 | 2021-03-22 | 一种提高驾驶安全性的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113033651A true CN113033651A (zh) | 2021-06-25 |
Family
ID=76473266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110305521.8A Pending CN113033651A (zh) | 2021-03-22 | 2021-03-22 | 一种提高驾驶安全性的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033651A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257039A (zh) * | 2021-06-28 | 2021-08-13 | 武汉依迅北斗时空技术股份有限公司 | 基于大数据分析的驾驶预警方法及装置 |
CN113561987A (zh) * | 2021-09-24 | 2021-10-29 | 江苏嘉胜汽车制造有限公司 | 一种汽车驾驶辅助方法、系统、电子设备及存储介质 |
CN114610433A (zh) * | 2022-03-23 | 2022-06-10 | 中国第一汽车股份有限公司 | 车辆仪表参数化动态显示方法及系统 |
CN115100855A (zh) * | 2022-06-20 | 2022-09-23 | 公安部交通管理科学研究所 | 一种高速公路隐患车辆预警方法及其系统 |
CN115221234A (zh) * | 2021-08-16 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种基于动力总成数据对用户进行画像的方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180237026A1 (en) * | 2017-02-23 | 2018-08-23 | Tata Consultancy Services Limited | System and method for driver profiling corresponding to automobile trip |
CN109033332A (zh) * | 2018-07-20 | 2018-12-18 | 汉纳森(厦门)数据股份有限公司 | 驾驶行为分析方法、介质及系统 |
CN109117869A (zh) * | 2018-07-20 | 2019-01-01 | 汉纳森(厦门)数据股份有限公司 | 用户画像方法、介质及系统 |
CN111210620A (zh) * | 2019-12-19 | 2020-05-29 | 广州航天海特系统工程有限公司 | 一种驾驶员画像的生成方法、装置、设备及存储介质 |
KR20200078274A (ko) * | 2018-12-23 | 2020-07-01 | 주식회사 카로그 | 차량 운행정보 수집장치를 이용한 안전운전지수 평가 방법 및 시스템 |
CN111552926A (zh) * | 2020-04-28 | 2020-08-18 | 重庆长安新能源汽车科技有限公司 | 基于车联网的驾驶行为评价方法、系统及存储介质 |
CN111833480A (zh) * | 2019-04-12 | 2020-10-27 | 比亚迪股份有限公司 | 驾驶行为检测方法、装置和车辆 |
CN112200235A (zh) * | 2020-09-30 | 2021-01-08 | 蜂巢能源科技有限公司 | 电动汽车驾驶行为习惯的分类方法、装置、介质和设备 |
CN115545119B (zh) * | 2022-11-24 | 2023-05-02 | 国网天津市电力公司城南供电分公司 | 一种用电数据的识别方法、系统及应用 |
-
2021
- 2021-03-22 CN CN202110305521.8A patent/CN113033651A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180237026A1 (en) * | 2017-02-23 | 2018-08-23 | Tata Consultancy Services Limited | System and method for driver profiling corresponding to automobile trip |
CN109033332A (zh) * | 2018-07-20 | 2018-12-18 | 汉纳森(厦门)数据股份有限公司 | 驾驶行为分析方法、介质及系统 |
CN109117869A (zh) * | 2018-07-20 | 2019-01-01 | 汉纳森(厦门)数据股份有限公司 | 用户画像方法、介质及系统 |
KR20200078274A (ko) * | 2018-12-23 | 2020-07-01 | 주식회사 카로그 | 차량 운행정보 수집장치를 이용한 안전운전지수 평가 방법 및 시스템 |
CN111833480A (zh) * | 2019-04-12 | 2020-10-27 | 比亚迪股份有限公司 | 驾驶行为检测方法、装置和车辆 |
CN111210620A (zh) * | 2019-12-19 | 2020-05-29 | 广州航天海特系统工程有限公司 | 一种驾驶员画像的生成方法、装置、设备及存储介质 |
CN111552926A (zh) * | 2020-04-28 | 2020-08-18 | 重庆长安新能源汽车科技有限公司 | 基于车联网的驾驶行为评价方法、系统及存储介质 |
CN112200235A (zh) * | 2020-09-30 | 2021-01-08 | 蜂巢能源科技有限公司 | 电动汽车驾驶行为习惯的分类方法、装置、介质和设备 |
CN115545119B (zh) * | 2022-11-24 | 2023-05-02 | 国网天津市电力公司城南供电分公司 | 一种用电数据的识别方法、系统及应用 |
Non-Patent Citations (1)
Title |
---|
刘通;付锐;张名芳;田顺;: "融合K-means与高斯混合模型的驾驶风格聚类研究", 中国安全科学学报, no. 12 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257039A (zh) * | 2021-06-28 | 2021-08-13 | 武汉依迅北斗时空技术股份有限公司 | 基于大数据分析的驾驶预警方法及装置 |
CN115221234A (zh) * | 2021-08-16 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种基于动力总成数据对用户进行画像的方法及系统 |
CN113561987A (zh) * | 2021-09-24 | 2021-10-29 | 江苏嘉胜汽车制造有限公司 | 一种汽车驾驶辅助方法、系统、电子设备及存储介质 |
CN113561987B (zh) * | 2021-09-24 | 2021-12-07 | 江苏嘉胜汽车制造有限公司 | 一种汽车驾驶辅助方法、系统、电子设备及存储介质 |
CN114610433A (zh) * | 2022-03-23 | 2022-06-10 | 中国第一汽车股份有限公司 | 车辆仪表参数化动态显示方法及系统 |
CN115100855A (zh) * | 2022-06-20 | 2022-09-23 | 公安部交通管理科学研究所 | 一种高速公路隐患车辆预警方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113033651A (zh) | 一种提高驾驶安全性的方法和装置 | |
US11727168B2 (en) | Proactive vehicle maintenance scheduling based on digital twin simulations | |
US11954651B2 (en) | Sensor-based digital twin system for vehicular analysis | |
US9747730B2 (en) | Driver measurement and incentive system for improving fuel-efficiency | |
JP5521893B2 (ja) | 運転支援システム、車載装置 | |
CN111325230B (zh) | 车辆换道决策模型的在线学习方法和在线学习装置 | |
JP4469297B2 (ja) | 運転診断方法およびその装置 | |
CN110615001B (zh) | 一种基于can数据的驾驶安全提醒方法、装置及介质 | |
US20170103101A1 (en) | System for database data quality processing | |
CN104875731B (zh) | 一种使用卫星定位数据实时辨识车辆急加速或急减速的方法 | |
JP5434912B2 (ja) | 運転状態判定方法、運転状態判定システム及びプログラム | |
CN109263648B (zh) | 一种驾驶行为的评价方法、装置及设备 | |
JP2014081947A (ja) | 情報配信装置 | |
Kim et al. | Use of digital tachograph data to provide traffic safety education and evaluate effects on bus driver behavior | |
CN111310125A (zh) | 一种车辆急加速急减速和急转弯的判断装置及其判断方法 | |
JP2009288163A (ja) | 運転評価装置、運転評価方法および運転評価プログラム | |
WO2024036838A1 (zh) | 增程式车辆智能保养方法、装置、电子设备、存储介质 | |
CN114613131B (zh) | 一种基于安全裕度的个性化前向碰撞预警方法 | |
US11881064B2 (en) | Technologies for determining driver efficiency | |
CN115871682A (zh) | 驾驶员安全驾驶行为的监测、评价和预警方法及系统 | |
CN114999150A (zh) | 路段拥堵判别方法、装置、车辆及存储介质 | |
JP2018169828A (ja) | 情報処理装置、情報処理システム、情報処理方法、及び、プログラム | |
US20160086394A1 (en) | Driving behavior analysis method and system thereof | |
Yay et al. | Detecting the adherence of driving rules in an energy-efficient, safe and adaptive driving system | |
Ma et al. | A Scoping Review of Energy-Efficient Driving Behaviors and Applied State-of-the-Art AI Methods |
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 |