CN113222448A - 一种基于驾驶行为的网约车辆推荐方法及其推荐系统 - Google Patents
一种基于驾驶行为的网约车辆推荐方法及其推荐系统 Download PDFInfo
- Publication number
- CN113222448A CN113222448A CN202110585351.3A CN202110585351A CN113222448A CN 113222448 A CN113222448 A CN 113222448A CN 202110585351 A CN202110585351 A CN 202110585351A CN 113222448 A CN113222448 A CN 113222448A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- terminal
- information
- evaluation
- platform
- 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
- 230000006399 behavior Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 93
- 238000012549 training Methods 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 11
- 210000001503 joint Anatomy 0.000 claims description 9
- 238000012545 processing Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 21
- 238000001514 detection method Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001214538 Hoya kerrii Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于驾驶行为的网约车辆推荐方法及其推荐系统,方法包括:车载终端获取车辆行驶过程中驾驶员的驾驶行为数据信息,对驾驶行为进行分析判断是否存在交通违规行为;企业平台获取交通违规行为数据;根据登记的驾驶员信息对交通违规行为数据进行处理后发送至交警监管平台,获取处罚数据信息和获取乘客终端的订单信息,根据处罚数据信息向乘客终端推荐网约车辆。本发明将交通违规行为发送至交警监管平台,通过处罚数据信息向乘客终端推荐网约车辆,规范了驾驶员行为,将驾驶员的驾驶行为作为评价指标向乘客终端合理推荐符合且安全的网约车辆,使得推荐更加公平合理,降低了乘客的危险系数,起到约束驾驶员规范驾驶的效果,形成良性循环。
Description
技术领域
本发明涉及汽车管理技术领域,具体是一种基于驾驶行为的网约车辆推荐方法及其推荐系统。
背景技术
近年来,由于交通事故数量日益增加,引起越来越多相关部门的重视。安全带作为保障司机生命安全和降低死亡的重要手段,交管部门严格要求司机在车辆行驶过程中佩戴安全带,我国交规也明确规定,未佩戴安全带最高处罚50元,扣2分。针对以上交规需求,也主要是以交通系统抓拍为主,许多司机抱着侥幸的心里和抓拍困难的想法,经常不佩戴安全带,给自身安全带来了很大的风险,也提高了乘客的危险系数,而且针对以上抓拍困难的情况,一直是政府部门无法彻底解决的痛点。
发明内容
本发明的目的在于提供一种基于驾驶行为的网约车辆推荐方法及其推荐系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于驾驶行为的网约车辆推荐方法,所述方法包括:
车载终端获取车辆行驶过程中驾驶员的驾驶行为数据信息,对驾驶行为进行分析判断是否存在交通违规行为;
企业平台与车载终端对接,从车载终端获取交通违规行为数据;
企业平台根据登记的驾驶员信息对交通违规行为数据进行处理后发送至交警监管平台,并获取交警监管平台的处罚数据信息;
企业平台获取乘客终端的订单信息,根据交警监管平台的处罚数据信息向乘客终端推荐网约车辆。
进一步的,所述企业平台获取评价终端对网约车辆的评价信息,根据交警监管平台的处罚数据以及评价终端对网约车辆的评价信息向乘客终端推荐网约车辆。
进一步的,采用神经网络模型对网约车辆推荐模型进行训练。
进一步的,所述采用神经网络模型对网约车辆推荐模型进行训练的训练方法包括:
获取乘客终端的订单信息;
获取交警监管平台的处罚数据信息;
获取评价终端对网约车辆的评价信息;
根据获取的乘客终端的订单信息、交警监管平台的处罚数据信息和评价终端对网约车辆的评价信息使用神经网络模型进行训练,训练后得到网约车辆推荐模型,所述训练后的网约车辆推荐模型以乘客终端的订单信息、交警监管平台的处罚数据信息和评价终端对网约车辆的评价信息作为输入,以符合乘客且安全的网约车信息作为输出。
进一步的,企业平台对驾驶行为进行分析,将存在的交通违规行为向对应的用户终端发出提醒。
一种基于驾驶行为的网约车辆推荐系统,所述系统包括车载终端、企业平台、交警监管平台、乘客终端,所述
车载终端,用于获取车辆行驶过程中驾驶员的驾驶行为数据信息;
企业平台,与车载终端对接,从车载终端获取数据,用于对驾驶行为进行分析判断是否存在交通违规行为,根据登记的驾驶员信息对交通违规行为数据进行处理后发送至交警监管平台,并获取交警监管平台的处罚数据信息,与乘客终端对接,获取乘客终端的订单信息,并根据交警监管平台的处罚数据信息向乘客终端推荐网约车辆。
进一步的,所述系统还包括评价终端,所述企业平台获取评价终端对网约车辆的评价信息,根据交警监管平台的处罚数据以及评价终端对网约车辆的评价信息向乘客终端推荐网约车辆。
进一步的,所述企业平台包括学习模块,训练好的网约车辆推荐模型写入学习模块中,用于根据获取的乘客终端的订单信息、交警监管平台的处罚数据信息和评价终端对网约车辆的评价信息使用神经网络模型进行训练,训练后得到网约车辆推荐模型,所述训练后的网约车辆推荐模型以乘客终端的订单信息、交警监管平台的处罚数据信息和评价终端对网约车辆的评价信息作为输入,以符合乘客且安全的网约车信息作为输出。
进一步的,所述企业平台包括提醒模块,所述提醒模块用于将存在的交通违规行为向对应的用户终端发出提醒。
与现有技术相比,本发明的有益效果是:
1、本发明通过车载终端获取驾驶员的驾驶行为,并进行分析,当存在交通违规行为时发送至企业平台,企业平台将交通违规行为进行处理后发送至交警监管平台,再通过交警监管平台的处罚数据信息向乘客终端推荐网约车辆,不仅解决了交通违规检测方式单一,无法检测到车辆内部状态,规范了驾驶员行为且起到了警示作用,同时,减少了人工成本,提高了交通违规检测的智能度,有效地减少了不良操作引起的交通事故,而且,将驾驶员的驾驶行为作为评价指标向乘客终端合理推荐符合且安全的网约车辆,使得推荐更加公平合理,降低了乘客的危险系数,起到约束驾驶员规范驾驶的效果,形成良性循环;
2、企业平台获取评价终端对网约车辆的评价信息,再根据交警监管平台的处罚数据以及评价终端对网约车辆的评价信息向乘客终端推荐网约车辆,通过不同维度的数据,能够有效形成对驾驶员的综合评价,派送令乘客满意的、安全的、服务好的网约车辆,提高了用户的使用体验,同时保证了网约车交易的成功率,提高了网约车服务的总体效率;
3、企业平台设置提醒模块,对存在的交通违规行为向对应的用户终端发出提醒,及时提醒驾驶员注意规范驾驶行为,从而达到引导及规范驾驶行为的目的。
附图说明
图1为本发明具体实施例一基于驾驶行为的网约车辆推荐系统结构框图;
图2为本发明具体实施例一基于驾驶行为的网约车辆推荐方法流程图;
图3为本发明具体实施例二基于驾驶行为的网约车辆推荐系统结构框图;
图4为本发明具体实施例二基于驾驶行为的网约车辆推荐方法流程图;
图中:1-车载终端、11-图像采集模块、12-图像识别模块、13-车载通讯模块、2-企业平台、21-提醒模块、22-学习模块、3-交警监管平台、4-乘客终端、5-用户终端、6-评价终端。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
如图1所示,本实施例提供一种基于驾驶行为的网约车辆推荐系统,所述系统包括车载终端1、企业平台2、交警监管平台3、乘客终端4、用户终端5,采用全网通NB-IOT模块或全网通4G模块、3G模块、GPRS模块接入物联网建立所述车载终端1、企业平台2、交警监管平台3、乘客终端4、用户终端5之间的无线通讯关系;
所述车载终端1获取车辆行驶过程中驾驶员的驾驶行为数据信息,驾驶员的驾驶行为可以包括是否佩戴安全带、是否在车内吸烟、打电话等,在本实施例中,以驾驶员是否佩戴安全带为例进行说明,车载终端1为摄像头装置系统,该装置可拍摄主驾驶座相关的区域,与整车CAN网络连接,实现整车CAN通讯,该装置包括图像采集模块11、图像识别模块12和车载通讯模块13,含有图像采集、图像识别、数据传送功能,图像采集模块11主要负责图像采集,拍摄驾驶座区域图像并把图像传输到图像处理模块,图像处理模块12预先存储了车辆安全带的图片信息,在收到图像采集模块发来的图像后通过图像技术,如,灰度化,图片特征提取,库图片对比等识别出驾驶员是否佩戴安全带,车载通讯模块13负责把发送图像处理模块识别结果转换成CAN信号,通过CAN通讯把信号发送到CAN网络上,一方面实现对仪表未佩戴安全带图标的控制,另一方面通过整车CAN网络发送信号给车载通讯模块,车载通讯模块13通过移动网络(GPRS)实现车辆与企业平台2的数据交互,当发生未佩戴安全带的情况时,即存在交通违规行为时发送数据到企业平台2;摄像头装置系统由整车状态实现开启,当车辆启动时,图像采集模块11开始工作,拍摄主驾区域图片,图像识别模块12接收到图像采集模块传输的图像后,通过与预存储安全带图片信息进行比对,识别出驾驶员是否佩戴安全带,图像识别后向通过车载通讯模块13发送安全带佩戴情况信息的CAN信号,若未佩戴安全带,仪表在收到CAN信息后点亮未佩戴安全带图标,反之,则不点量图标,同时,对安全带佩戴情况做判定后通过整车CAN网络发送信号给车载通讯模块13,车载通讯模块13将未佩戴安全带数据发送至企业平台2,并可存储数据在本地端,未佩戴安全带信息可被车辆自身记录下来,无需政府搭建抓拍设施设备,减少政府费用支出,当然车载通讯模块13也可以将数据上传至云端服务器保存;
企业平台2录入登记有整车信息,如车牌、驾驶员信息等,其与车载终端1对接,从车载终端1获取交通违规行为数据,根据登记的驾驶员信息对交通违规行为数据进行处理,例如,根据驾驶员信息按照交通违规行为次数进行排序,处理后发送至交警监管平台3,企业平台2包括提醒模块21,提醒模块用21将存在的交通违规行为向对应的用户终端5发出提醒,及时提醒对应的驾驶员注意规范驾驶行为,从而达到引导及规范驾驶行为的目的,交警监管平台3可根据未佩戴安全带行为对驾驶员进行处罚,不仅解决了交通违规检测方式单一,无法检测到车辆内部状态,规范了驾驶员行为且起到了警示作用,同时,减少了人工成本,提高了交通违规检测的智能度,有效地减少了不良操作引起的交通事故,企业平台2分别与交警监管平台3和乘客终端4对接,获取交警监管平台3的处罚数据信息,并获取乘客终端4的订单信息,并根据交警监管平台3的处罚数据信息向乘客终端推荐网约车辆,当企业平台2接收到订单信息时,获取乘客的起始地址信息和目的地地址信息,根据当前网约车与乘客的起始地址的距离和交警监管平台3的处罚数据信息进行推荐,例如,先根据当前网约车与乘客的起始地址的距离筛选出若干辆网约车辆,再根据交警监管平台3的处罚数据信息对若干辆网约车辆进行排序,将处罚数据信息最少的网约车辆推荐给乘客终端4,将驾驶员的驾驶行为作为评价指标向乘客终端合理推荐符合且安全的网约车辆,使得推荐更加公平合理,降低了乘客的危险系数,起到约束驾驶员规范驾驶的效果,形成良性循环。
如图2所示,本实施例提供一种基于驾驶行为的网约车辆推荐方法,所述方法包括以下步骤:
S101:车载终端获取车辆行驶过程中驾驶员的驾驶行为数据信息,对驾驶行为进行分析判断是否存在交通违规行为;
S102:企业平台与车载终端对接,从车载终端获取交通违规行为数据;
S103:企业平台根据登记的驾驶员信息对交通违规行为数据进行处理后发送至交警监管平台,并获取交警监管平台的处罚数据信息;
S104:企业平台获取乘客终端的订单信息,根据交警监管平台的处罚数据信息向乘客终端推荐网约车辆。
具体的,采用全网通NB-IOT模块或全网通4G模块、3G模块、GPRS模块接入物联网建立所述车载终端1、企业平台2、交警监管平台3、乘客终端4、用户终端5、评价终端6之间的无线通讯关系,当车辆启动时,车载终端1获取车辆行驶过程中驾驶员的驾驶行为数据信息,图像采集模块11开始工作,拍摄主驾区域图片,图像识别模块12接收到图像采集模块传输的图像后,通过与预存储安全带图片信息进行比对,识别出驾驶员是否佩戴安全带,图像识别后向通过车载通讯模块13发送安全带佩戴情况信息的CAN信号,若未佩戴安全带,仪表在收到CAN信息后点亮未佩戴安全带图标,反之,则不点量图标,同时,对安全带佩戴情况做判定后通过整车CAN网络发送信号给车载通讯模块13,车载通讯模块13将未佩戴安全带数据发送至企业平台2,企业平台2从车载终端1获取交通违规行为数据,根据驾驶员信息按照交通违规行为次数进行排序,处理后发送至交警监管平台3,并将存在的交通违规行为向对应的用户终端5发出提醒,及时提醒对应的驾驶员注意规范驾驶行为,交警监管平台3可根据未佩戴安全带行为对驾驶员进行处罚,企业平台2获取交警监管平台3的处罚数据信息,并获取乘客终端4的订单信息,当企业平台2接收到订单信息时,先根据当前网约车与乘客的起始地址的距离筛选出若干辆网约车辆,再根据交警监管平台3的处罚数据信息对若干辆网约车辆进行排序,将处罚数据信息最少的网约车辆推荐给乘客终端4。
如图3所示,本实施例的一种基于驾驶行为的网约车辆推荐系统与具体实施例一具有相同的车载终端1、企业平台2、交警监管平台3、乘客终端4、用户终端5,与具体实施例一不同的,所述系统还包括评价终端6,所述企业平台2获取评价终端6对网约车辆的评价信息,根据交警监管平台3的处罚数据以及评价终端6对网约车辆的评价信息向乘客终端4推荐网约车辆,对于评价信息可以通过以下方式获得,采集乘客对网约服务的评价信息,例如对网约车辆内部环境、驾驶员服务态度、驾驶员驾车技术进行评价,通过三种评价信息的占比进行加权计算,例如,驾驶员驾车技术评价信息占60%,驾驶员服务态度评价信息占20%,网约车辆内部环境评价信息占20%,对每一项的评价总分为10分,当乘客在评价终端6上作出评价,例如,某一乘客对驾驶员驾车技术评价评价为10分,对驾驶员服务态度评价为10分,对网约车辆内部环境评价为9分,则该客户的评分为10*0.6+10*0.20+9*0.20=9.8分,对所有乘客的评价取平均分,作为该网约车的评价信息,所述企业平台2还包括学习模块22,用于根据获取的乘客终端4的订单信息、交警监管平台3的处罚数据信息和评价终端6对网约车辆的评价信息使用神经网络模型进行训练,训练后得到网约车辆推荐模型,所述训练后的网约车辆推荐模型以乘客终端3的订单信息、交警监管平台3的处罚数据信息和评价终端6对网约车辆的评价信息作为输入,以符合乘客且安全的网约车信息作为输出,训练好的网约车辆推荐模型写入学习模块中,当企业平台2接收到订单信息时,获取乘客的起始地址信息和目的地地址信息,根据当前网约车与乘客的起始地址的距离、交警监管平台3的处罚数据信息和评价终端6对网约车辆的评价信息进行推荐,例如,先根据当前网约车与乘客的起始地址的距离筛选出若干辆网约车辆,再根据评价终端6对网约车辆的评价分数对上述网约车进行排序,再根据交警监管平台3的处罚数据信息对上述网约车辆进行排序,将处罚数据信息最少的网约车辆推荐给乘客终端4,将驾驶员的驾驶行为作为评价指标向乘客终端合理推荐符合且安全的网约车辆,使得推荐更加公平合理,降低了乘客的危险系数,起到约束驾驶员规范驾驶的效果,形成良性循环,通过不同维度的数据,能够有效形成对驾驶员的综合评价,派送令乘客满意的、安全的、服务好的网约车辆,提高了用户的使用体验,同时保证了网约车交易的成功率,提高了网约车服务的总体效率。
如图4所示,本实施例一种基于驾驶行为的网约车辆推荐方法,所述方法包括:
S201:车载终端获取车辆行驶过程中驾驶员的驾驶行为数据信息,对驾驶行为进行分析判断是否存在交通违规行为;
S202:企业平台与车载终端对接,从车载终端获取交通违规行为数据;
S203:企业平台根据登记的驾驶员信息对交通违规行为数据进行处理后发送至交警监管平台,并获取交警监管平台的处罚数据信息;
S204:企业平台获取评价终端对网约车辆的评价信息;
S205:企业平台获取乘客终端的订单信息,根据交警监管平台的处罚数据以及评价终端对网约车辆的评价信息向乘客终端推荐网约车辆。
具体的,采用全网通NB-IOT模块或全网通4G模块、3G模块、GPRS模块接入物联网建立所述车载终端1、企业平台2、交警监管平台3、乘客终端4、用户终端5之间的无线通讯关系,当车辆启动时,车载终端1获取车辆行驶过程中驾驶员的驾驶行为数据信息,图像采集模块11开始工作,拍摄主驾区域图片,图像识别模块12接收到图像采集模块传输的图像后,通过与预存储安全带图片信息进行比对,识别出驾驶员是否佩戴安全带,图像识别后向通过车载通讯模块13发送安全带佩戴情况信息的CAN信号,若未佩戴安全带,仪表在收到CAN信息后点亮未佩戴安全带图标,反之,则不点量图标,同时,对安全带佩戴情况做判定后通过整车CAN网络发送信号给车载通讯模块13,车载通讯模块13将未佩戴安全带数据发送至企业平台2,企业平台2从车载终端1获取交通违规行为数据,根据驾驶员信息按照交通违规行为次数进行排序,处理后发送至交警监管平台3,并将存在的交通违规行为向对应的用户终端5发出提醒,及时提醒对应的驾驶员注意规范驾驶行为,交警监管平台3可根据未佩戴安全带行为对驾驶员进行处罚,企业平台2获取乘客终端4的订单信息、交警监管平台3的处罚数据信息以及评价终端6对网约车辆的评价信息,采用神经网络模型对网约车辆推荐模型进行训练,根据获取的乘客终端4的订单信息、交警监管平台3的处罚数据信息和评价终端6对网约车辆的评价信息使用神经网络模型进行训练,训练后得到网约车辆推荐模型,所述训练后的网约车辆推荐模型以乘客终端4的订单信息、交警监管平台3的处罚数据信息和评价终端6对网约车辆的评价信息作为输入,以符合乘客且安全的网约车信息作为输出,例如,当企业平台2接收到订单信息时,先根据当前网约车与乘客的起始地址的距离筛选出若干辆网约车辆,再根据评价终端6对网约车辆的评价分数对上述网约车进行排序,再根据交警监管平台3的处罚数据信息对上述网约车辆进行排序,将处罚数据信息最少的网约车辆推荐给乘客终端4。
本发明通过车载终端获取驾驶员的驾驶行为,并进行分析,当存在交通违规行为时发送至企业平台,企业平台将交通违规行为进行处理后发送至交警监管平台,再通过交警监管平台的处罚数据信息向乘客终端推荐网约车辆,不仅解决了交通违规检测方式单一,无法检测到车辆内部状态,规范了驾驶员行为且起到了警示作用,同时,减少了人工成本,提高了交通违规检测的智能度,有效地减少了不良操作引起的交通事故,而且,将驾驶员的驾驶行为作为评价指标向乘客终端合理推荐符合且安全的网约车辆,使得推荐更加公平合理,降低了乘客的危险系数,起到约束驾驶员规范驾驶的效果,形成良性循环;企业平台获取评价终端对网约车辆的评价信息,再根据交警监管平台的处罚数据以及评价终端对网约车辆的评价信息向乘客终端推荐网约车辆,通过不同维度的数据,能够有效形成对驾驶员的综合评价,派送令乘客满意的、安全的、服务好的网约车辆,提高了用户的使用体验,同时保证了网约车交易的成功率,提高了网约车服务的总体效率;企业平台设置提醒模块,对存在的交通违规行为向对应的用户终端发出提醒,及时提醒驾驶员注意规范驾驶行为,从而达到引导及规范驾驶行为的目的。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于驾驶行为的网约车辆推荐方法,其特征在于,所述方法包括:
车载终端获取车辆行驶过程中驾驶员的驾驶行为数据信息,对驾驶行为进行分析判断是否存在交通违规行为;
企业平台与车载终端对接,从车载终端获取交通违规行为数据;
企业平台根据登记的驾驶员信息对交通违规行为数据进行处理后发送至交警监管平台,并获取交警监管平台的处罚数据信息;
企业平台获取乘客终端的订单信息,根据交警监管平台的处罚数据信息向乘客终端推荐网约车辆。
2.根据权利要求1所述的基于驾驶行为的网约车辆推荐方法,其特征在于:所述企业平台获取评价终端对网约车辆的评价信息,根据交警监管平台的处罚数据以及评价终端对网约车辆的评价信息向乘客终端推荐网约车辆。
3.根据权利要求2所述的基于驾驶行为的网约车辆推荐方法,其特征在于:采用神经网络模型对网约车辆推荐模型进行训练。
4.根据权利要求3所述的基于驾驶行为的网约车辆推荐方法,其特征在于:所述采用神经网络模型对网约车辆推荐模型进行训练的训练方法包括:
获取乘客终端的订单信息;
获取交警监管平台的处罚数据信息;
获取评价终端对网约车辆的评价信息;
根据获取的乘客终端的订单信息、交警监管平台的处罚数据信息和评价终端对网约车辆的评价信息使用神经网络模型进行训练,训练后得到网约车辆推荐模型,所述训练后的网约车辆推荐模型以乘客终端的订单信息、交警监管平台的处罚数据信息和评价终端对网约车辆的评价信息作为输入,以符合乘客且安全的网约车信息作为输出。
5.根据权利要求1所述的基于驾驶行为的网约车辆推荐方法,其特征在于:企业平台对驾驶行为进行分析,将存在的交通违规行为向对应的用户终端发出提醒。
6.一种基于驾驶行为的网约车辆推荐系统,其特征在于:所述系统包括车载终端、企业平台、交警监管平台、乘客终端,所述
车载终端,用于获取车辆行驶过程中驾驶员的驾驶行为数据信息;
企业平台,与车载终端对接,从车载终端获取数据,用于对驾驶行为进行分析判断是否存在交通违规行为,根据登记的驾驶员信息对交通违规行为数据进行处理后发送至交警监管平台,并获取交警监管平台的处罚数据信息,与乘客终端对接,获取乘客终端的订单信息,并根据交警监管平台的处罚数据信息向乘客终端推荐网约车辆。
7.根据权利要求6所述的基于驾驶行为的网约车辆推荐系统,其特征在于:所述系统还包括评价终端,所述企业平台获取评价终端对网约车辆的评价信息,根据交警监管平台的处罚数据以及评价终端对网约车辆的评价信息向乘客终端推荐网约车辆。
8.根据权利要求7所述的基于驾驶行为的网约车辆推荐系统,其特征在于:所述企业平台包括学习模块,训练好的网约车辆推荐模型写入学习模块中,用于根据获取的乘客终端的订单信息、交警监管平台的处罚数据信息和评价终端对网约车辆的评价信息使用神经网络模型进行训练,训练后得到网约车辆推荐模型,所述训练后的网约车辆推荐模型以乘客终端的订单信息、交警监管平台的处罚数据信息和评价终端对网约车辆的评价信息作为输入,以符合乘客且安全的网约车信息作为输出。
9.根据权利要求6所述的基于驾驶行为的网约车辆推荐系统,其特征在于:所述企业平台包括提醒模块,所述提醒模块用于将存在的交通违规行为向对应的用户终端发出提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110585351.3A CN113222448A (zh) | 2021-05-27 | 2021-05-27 | 一种基于驾驶行为的网约车辆推荐方法及其推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110585351.3A CN113222448A (zh) | 2021-05-27 | 2021-05-27 | 一种基于驾驶行为的网约车辆推荐方法及其推荐系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113222448A true CN113222448A (zh) | 2021-08-06 |
Family
ID=77098848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110585351.3A Pending CN113222448A (zh) | 2021-05-27 | 2021-05-27 | 一种基于驾驶行为的网约车辆推荐方法及其推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113222448A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999023A (zh) * | 2022-05-25 | 2022-09-02 | 北京畅行信息技术有限公司 | 行为检测方法、行为检测装置、存储介质和车载终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150302744A1 (en) * | 2013-09-18 | 2015-10-22 | Shihao Lin | Real time notification and confirmation system and method for vehicle traffic violation technical field |
CN107742430A (zh) * | 2017-11-08 | 2018-02-27 | 广东翼卡车联网服务有限公司 | 一种驾驶行为监控方法、存储介质及车载终端 |
CN109829621A (zh) * | 2018-12-28 | 2019-05-31 | 深圳市元征科技股份有限公司 | 一种网约车派单方法及装置 |
CN111784088A (zh) * | 2019-04-03 | 2020-10-16 | 北京嘀嘀无限科技发展有限公司 | 派单匹配方法、派单匹配装置、服务器和存储介质 |
CN112036361A (zh) * | 2020-09-11 | 2020-12-04 | 任燕文 | 基于监管平台对营运车辆行车安全的智能管理方法和装置 |
CN112700049A (zh) * | 2020-12-30 | 2021-04-23 | 北京邮电大学 | 一种订单派发方法及装置 |
-
2021
- 2021-05-27 CN CN202110585351.3A patent/CN113222448A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150302744A1 (en) * | 2013-09-18 | 2015-10-22 | Shihao Lin | Real time notification and confirmation system and method for vehicle traffic violation technical field |
CN107742430A (zh) * | 2017-11-08 | 2018-02-27 | 广东翼卡车联网服务有限公司 | 一种驾驶行为监控方法、存储介质及车载终端 |
CN109829621A (zh) * | 2018-12-28 | 2019-05-31 | 深圳市元征科技股份有限公司 | 一种网约车派单方法及装置 |
CN111784088A (zh) * | 2019-04-03 | 2020-10-16 | 北京嘀嘀无限科技发展有限公司 | 派单匹配方法、派单匹配装置、服务器和存储介质 |
CN112036361A (zh) * | 2020-09-11 | 2020-12-04 | 任燕文 | 基于监管平台对营运车辆行车安全的智能管理方法和装置 |
CN112700049A (zh) * | 2020-12-30 | 2021-04-23 | 北京邮电大学 | 一种订单派发方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999023A (zh) * | 2022-05-25 | 2022-09-02 | 北京畅行信息技术有限公司 | 行为检测方法、行为检测装置、存储介质和车载终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10891808B1 (en) | Crowd-sourced driver grading | |
CN108242149B (zh) | 一种基于交通数据的大数据分析方法 | |
US10915964B1 (en) | System and method for providing vehicle services based on driving behaviors | |
US11295312B1 (en) | System and method for accumulation and maintenance of money in a vehicle maintenance savings account | |
CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN109189019B (zh) | 一种机车乘务员值乘标准化监控系统 | |
US20090132294A1 (en) | Method for ranking driver's relative risk based on reported driving incidents | |
CN110070722B (zh) | 车辆违章判断执法系统、方法及装置 | |
CN105894359A (zh) | 订单推送方法、装置及系统 | |
US20070282519A1 (en) | System and method for analyzing traffic disturbances reported by vehicles | |
CN104123834A (zh) | 出租车叫车管理结算系统与方法 | |
CN111523932A (zh) | 一种网约车服务的评分方法、装置、系统及存储介质 | |
US11983938B2 (en) | Virtual safety manager | |
CN115861983A (zh) | 用于机械设备的智能化管理系统及其方法 | |
CN106157133A (zh) | 车辆金融风险控制系统以及方法 | |
CN114140300A (zh) | 基于gps数据识别车辆停靠点方法、装置、存储介质及终端 | |
US10529046B1 (en) | Vehicle rating system | |
CN113222448A (zh) | 一种基于驾驶行为的网约车辆推荐方法及其推荐系统 | |
CN114926824A (zh) | 一种不良驾驶行为判别方法 | |
US10528989B1 (en) | Vehicle rating system | |
CN116935659B (zh) | 一种高速服务区卡口车辆稽核系统及其方法 | |
CN116011800A (zh) | 一种交通事件预警的方法及设备 | |
CN113781781A (zh) | 道路交通风险指数的计算方法和道路交通风险预警方法 | |
CN113610258A (zh) | 一种可接入多个运营平台的网约车车机系统 | |
WO2019133970A2 (en) | Controlling vehicles using contextual driver and/or rider data based on automatic passenger detection and mobility status |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210806 |
|
RJ01 | Rejection of invention patent application after publication |