CN113298361A - 一种危险驾驶行为的评价方法、装置、电子设备及系统 - Google Patents
一种危险驾驶行为的评价方法、装置、电子设备及系统 Download PDFInfo
- Publication number
- CN113298361A CN113298361A CN202110490283.2A CN202110490283A CN113298361A CN 113298361 A CN113298361 A CN 113298361A CN 202110490283 A CN202110490283 A CN 202110490283A CN 113298361 A CN113298361 A CN 113298361A
- Authority
- CN
- China
- Prior art keywords
- driving behavior
- dangerous driving
- evaluation
- traffic conflict
- preset
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000006399 behavior Effects 0.000 claims description 180
- 230000006870 function Effects 0.000 claims description 69
- 230000014509 gene expression Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 17
- 230000001960 triggered effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于汽车安全驾驶研究领域,涉及一种危险驾驶行为的评价方法、装置、电子设备及系统。该方法包括:获取当前报警事件前后的第一传感数据;根据第一传感数据得到当前危险驾驶行为的等级;根据当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。本申请根据综合驾驶表现可以综合分析驾驶人员在报警事件中的表现,对驾驶人员在报警事件中的危险驾驶行为进行更全面的评价;且报警事件发生前后的第一传感数据易于获取,使确定的综合驾驶表现更加可靠。
Description
技术领域
本申请属于汽车安全驾驶研究领域,尤其涉及一种危险驾驶行为的评价方法、装置、电子设备及系统。
背景技术
驾驶人在驾驶过程中对环境中存在的危险因素的感知能力大小不同,会导致他们在应对危险场景时表现出不同的驾驶行为。通过分析代表这些不同的驾驶行为的指标,就能够判断不同驾驶人的危险感知能力,对他们的危险驾驶行为进行合理的评价。
危险感知是指驾驶人对影响自身驾驶安全的各种外显和隐藏的危险信息的辨识并做出反应的过程。包含了驾驶人在应对危险时的全部过程,强调的是能够提前对环境中存在的危险进行识别并采取一定的规避行动。驾驶人识别到危险时会有不同的驾驶动作产生,规避危险时也会产生不同的驾驶动作。他们在一系列的信息感知、信息决策、操作反应上的差异构成了危险驾驶行为的差异。
然而,当前关于驾驶人危险驾驶行为的评价方法往往集中于分析他们在危险发生时或危险发生后的一些评价指标,这些仅仅评价了驾驶人在操作反应上的能力,忽略了更为重要、更能反映驾驶能力的信息感知和信息决策指标,也即在危险发生前提前感知危险并采取一定的预防动作。这就导致仅仅依靠危险发生时或危险发生后的一些评价指标分析得到的危险驾驶行为结果偏于片面,难以真正反映驾驶人的危险驾驶行为,也就难以对危险等级高的驾驶人做到有针对性的干预和培训。
发明内容
本申请实施例提供一种危险驾驶行为的评价方法、装置、电子设备及系统,可以解决现有技术中的危险驾驶行为的评价方法仅仅依靠危险发生时或危险发生后的一些评价指标分析得到的危险驾驶行为结果偏于片面,难以真正反映驾驶人的危险驾驶行为的技术问题。
第一方面,本申请实施例提供一种危险驾驶行为的评价方法,包括:
获取当前报警事件前后的第一传感数据;所述当前报警事件由当前危险驾驶行为触发;
根据所述第一传感数据得到所述当前危险驾驶行为的等级;
根据所述当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。
在第一方面一种可实现的方式中,所述根据所述第一传感数据得到所述当前危险驾驶行为的等级,包括:
根据所述第一传感数据,得到第一评价指标;
将所述第一评价指标输入判别模型,输出第一交通冲突指标;
根据所述第一交通冲突指标,确定所述当前危险驾驶行为的等级。
其中,所述判别模型的训练过程包括:
获取多组历史报警事件前后的第二传感数据;
根据每组所述第二传感数据得到每组所述第二传感数据对应的第二评价指标和第二交通冲突指标;
确定每组所属第二交通冲突指标数据所属的预设数值范围;
将处于同一预设数值范围的多组所述第二交通冲突指标和与处于同一预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入判别函数关系式,计算得到多个所述判别函数关系式中各系数的系数值。
示例性的,所述将处于同一预设数值范围的多组所述第二交通冲突指标和与处于同一预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入判别函数关系式,计算得到多个所述判别函数关系式中各系数的系数值,包括:
将处于第一预设数值范围的多组所述第二交通冲突指标和与处于第一预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入第一判别函数关系式,计算得到所述第一判别函数关系式中各系数的系数值;其中所述第一判别函数关系式为:
Y1=a1x1+b1x2+...+c1xn+d1
其中,Y1代表处于第一预设数值范围的所述第二交通冲突指标,x1,x2...xn代表与处于第一预设数值范围的所述第二交通冲突指标对应的所述第二评价指标数据,n代表所述第二评价指标数据的个数,a1,b1...c1代表第一判别函数关系式的系数,d1代表第一判别函数关系式的常量;
将处于第二预设数值范围的多组所述第二交通冲突指标和与处于第二预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入第二判别函数关系式,计算得到所述第二判别函数关系式中各系数的系数值;其中所述第二判别函数关系式为:
Y2=a2x1+b2x2+...+c2xn+d2
其中,Y2代表处于第二预设数值范围的所述第二交通冲突指标,x1,x2...xn代表与处于第二预设数值范围的所述第二交通冲突指标对应的所述第二评价指标数据,n代表所述第二评价指标数据的个数,a2,b2...c2代表第二判别函数关系式的系数,d2代表第二判别函数关系式的常量;
将处于第三预设数值范围的多组所述第二交通冲突指标和与处于第三预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入第三判别函数关系式,计算得到所述第三判别函数关系式中各系数的系数值;其中所述第三判别函数关系式为:
Y3=a3x1+b3x2+...+c3xn+d3
其中,Y3代表处于第三预设数值范围的所述第二交通冲突指标,x1,x2...xn代表与处于第三预设数值范围的所述第二交通冲突指标对应的所述第二评价指标数据,n代表所述第二评价指标数据的个数,a3,b3...c3代表第三判别函数关系式的系数,d3代表第三判别函数关系式的常量。
其中,所述将所述第一评价指标输入判别模型,输出第一交通冲突指标,包括:
将所述第一评价指标分别输入多个所述判别函数关系式,输出多个所述第一交通冲突指标;
将多个所述第一交通冲突指标中的最小值作为最优的第一交通冲突指标。
示例性的,所述将所述第一评价指标输入判别模型,输出第一交通冲突指标,包括:
将所述第一评价指标分别输入三个所述判别函数关系式,输出三个所述第一交通冲突指标;
将三个所述第一交通冲突指标中的最小值作为最优的第一交通冲突指标。
其中,所述根据所述第一交通冲突指标,确定所述当前危险驾驶行为的等级包括:
根据第一预设对应关系,确定与所述最优的第一交通冲突指标对应的所述当前危险驾驶行为的等级。
示例性的,所述第一预设对应关系包括所述预设数值范围与预设等级之间的对应关系,所述根据第一预设对应关系,确定与所述最优的第一交通冲突指标对应的所述当前危险驾驶行为的等级,包括:
确定所述最优的第一交通冲突指标所属的所述预设数值范围,将所属的所述预设数值范围对应的所述预设等级作为所述当前危险驾驶行为的等级。
其中,所述根据所述当前危险驾驶行为的等级和历史危险驾驶行为,得到综合驾驶表现包括:
确定所述当前危险驾驶行为的等级对应的目标数值;
统计所述历史危险驾驶行为的次数;
结合所述目标数值和所述次数,计算得到综合驾驶表现的评价值。
其中,所述确定所述当前危险驾驶行为的等级对应的目标数值,包括:
根据第二预设对应关系,确定与所述当前危险驾驶行为的等级对应的所述目标数值,所述第二预设对应关系包括预设的等级与预设的目标数值的对应关系。
示例性的,所述根据所述第二预设对应关系,确定与所述当前危险驾驶行为的等级对应的目标数值,包括:
所述当前危险驾驶行为的等级为第一预设等级时,确定所述当前危险驾驶行为的目标数值为第一数值;
所述当前危险驾驶行为的等级为第二预设等级时,确定所述当前危险驾驶行为的目标数值为第二数值;
所述当前危险驾驶行为的等级为第三预设等级时,确定所述当前危险驾驶行为的目标数值为第三数值。
其中,所述结合所述目标数值和所述次数,计算得到综合驾驶表现的评价值,包括:
获取所述当前危险驾驶行为的目标数值的第一权重和所述历史危险驾驶行为的次数的第二权重;
根据所述目标数值、所述次数、所述第一权重和第二权重,得到所述综合驾驶表现的评价值。
示例性的,所述根据所述目标数值、所述次数、所述第一权重和第二权重,得到所述综合驾驶表现的评价值,包括:
将所述目标数值、所述次数、所述第一权重和第二权重,代入综合驾驶表现的评价值公式,得到所述综合驾驶表现的评价值;所述综合驾驶表现的评价值公式为:
综合驾驶表现的评价值=αY-βm-γn-...-ρl
其中,Y表示所述目标数值,m,n……,l分别表示所述历史危险驾驶行为的次数,α表示第一权重,β、γ…ρ表示第二权重。
第二方面,本申请师实施例提供一种危险驾驶行为的评价装置,包括:
获取模块,用于获取当前报警事件前后的第一传感数据;所述当前报警事件由当前危险驾驶行为触发;
处理模块,用于根据所述第一传感数据得到所述当前危险驾驶行为的等级;
评价模块,用于根据所述当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。
第三方面,本申请实施例提供一种电子设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如第一方面所述的一种危险驾驶行为的评价方法。
第四方面,本申请实施例提供一种危险驾驶行为的评价系统,包括如第二方面所述的危险驾驶行为的评价装置或如第三方面所述的一种电子设备,所述评价系统还包括传感器、报警器,所述传感器用于收集车辆内外的环境数据,所述报警器用于在事件触发时进行报警。
本申请实施例与现有技术相比存在的有益效果是:
本申请通过获取当前报警事件前后的第一传感数据;根据第一传感数据得到当前危险驾驶行为的等级;根据当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。根据综合驾驶表现可以综合分析驾驶人员在报警事件中的表现,对驾驶人员在报警事件中的危险驾驶行为进行更全面的评价;且报警事件发生前后的第一传感数据易于获取,使确定的综合驾驶表现更加可靠。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种危险驾驶行为的评价系统的结构示意图;
图2是本申请一实施例提供的训练判别模型的方法流程图;
图3是本申请一实施例提供的危险驾驶行为评价方法的步骤流程图;
图4是本申请一实施例提供的根据第一传感数据得到当前危险驾驶行为的等级的方法步骤流程图;
图5是本申请一实施例提供的确定综合驾驶表现的步骤流程图;
图6是本申请一实施例提供的一种危险驾驶行为的评价装置。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在本申请说明书中描述的参考“本申请实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在另一些实施例中”、“本申请一实施例”、“本申请其他实施例”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
另外,在本申请说明书和所附权利要求书的描述中,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。
为了说明本申请的技术方案,下面通过具体实施例来进行说明。
请参考图1,图1是本申请实施例提供的一种危险驾驶行为的评价系统的结构示意图,包括传感器110、报警器120和电子设备130。传感器110、报警器120和电子设备130之间通过控制器局域网络(controller area network,CAN)总线相互连接。
传感器110包括有摄像头、雷达、激光和超声波等中的一种或多种,传感器持续采集车内外的第一传感数据,并将第一传感数据通过CAN总线以一定的数据格式存储在电子设备130的存储器中。数据格式包括但不限于数据帧、远程帧、错误帧、过载帧、帧间隔等。
第一传感数据包括但不限于速度、刹车时间、刹车深度、油门深度、方向盘旋转角度、转向灯信号、相对距离、相对速度、图像和视频等一种或多种;图像、视频包括包含危险驾驶行为的图像、视频,或包含报警事件的图像、视频等。传感器通常安装在车辆的前后保险杠、侧视镜或者挡风玻璃上。本申请实施例不对传感器的类型作出限制。在一些实施例中,传感器110用于识别驾驶人在驾驶过程中的危险驾驶行为,当危险驾驶行为触发报警事件发生时,会触发报警器报警。示例性的,传感器持续采集车内外的图像或视频,当传感器识别出采集的图像或视频中包含危险驾驶行为的图像或视频,同时识别出包含报警事件的图像或视频,则会触发报警器报警。
报警器120可以包括磁控开关报警器、震动报警器、超声波报警器等中的一种或多种,也可以包括主动式报警器和被动式报警器,用于发出警报,有效防止事故发生。本申请实施例不对报警器的类型作出限制。
电子设备130可以是行车计算机(electronic control unit,ECU)、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该电子设备可包括,但不仅限于,处理器131、存储器132以及存储在存储器132中并可在处理器131上运行的计算机程序。处理器131执行计算机程序时,一方面可以识别驾驶人在驾驶过程中的危险驾驶行为,当危险驾驶行为触发报警事件发生时,就会触发报警器报警,示例性的,传感器持续采集车内外的图像或视频,并将采集的图像或视频存储在存储器132中,当处理器识别出存储在存储器132中的图像或视频中包含危险驾驶行为的图像或视频,同时识别出包含报警事件的图像或视频,则会触发报警器报警。另一方面可以实现下述实施例中危险驾驶行为的评价方法实施例中的步骤。本领域技术人员可以理解,图1仅仅是电子设备130的举例,并不构成对电子设备130的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器131可以是中央处理单元(central processing unit,CPU),该处理器131还可以是其他通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器132在一些实施例中可以是电子设备130的内部存储单元,例如电子设备130的硬盘或内存。存储器132在另一些实施例中也可以是电子设备130的外部存储设备,例如电子设备130上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card,FC)等。进一步地,存储器132还可以既包括电子设备130的内部存储单元也包括外部存储设备。存储器132用于存储操作系统、应用程序、引导装载程序(bootloader,BL)、数据以及其他程序等,例如计算机程序的程序代码等。存储器132还可以用于暂时地存储已经输出或者将要输出的数据,例如,存储传感器采集的车内外的第一传感数据,存储报警信息,存储报警信息的报警类型、报警产生时间、报警持续时间、报警证据等。
本申请文件不限定危险驾驶行为的评价系统的具体构成,危险驾驶行为的评价系统可以包括比图1所示示例更多或更少的部件,或者组合某些部件,或者不同的部件。图1仅为示例性描述,不能解释为对本申请的具体限制。
本申请实施例的评价系统通过传感器采集车辆内外的第一传感数据,并将第一传感器数据存储在电子设备的存储器中,当传感器或电子设备识别出第一传感数据包含危险驾驶行为,触发报警事件发生时,电子设备获取传感器采集的报警事件发生前后的第一传感数据,根据第一传感数据得到当前危险驾驶行为的等级;根据当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。根据综合驾驶表现可以综合分析驾驶人员在报警事件中的表现,对驾驶人员在报警事件中的危险驾驶行为进行更全面的评价。并且报警事件发生前后的第一传感数据易于获取,使确定的综合驾驶表现更加可靠。
本申请实施例的危险驾驶行为的评价方法可以被图1中的电子设备执行。本申请实施例的危险驾驶行为的评价方法,需要训练判别模型,并将训练完毕的判别模型存储在电子设备中。请参考图2,图2是本申请一实施例提供的训练判别模型的方法流程图。该方法包括步骤S201至步骤S204。
S201,获取多组历史报警事件前后的第二传感数据。
具体的,本申请实施例中的历史报警事件是由历史危险驾驶行为触发的,历史报警事件是已经发生过的报警事件,包括当前车辆已经发生过的报警事件和其他车辆已经发生过的报警事件。历史危险驾驶行为是在历史报警事件中驾驶人的危险驾驶行为。危险驾驶行为包括开车打电话、开车玩手机、开车抽烟、开车吃东西、驾驶疲劳、驾驶分心等。报警事件包括车道偏离、车距过近、前车碰撞、行人碰撞等。当驾驶人具有开车电话、开车玩手机、开车抽烟、开车吃东西、驾驶疲劳、驾驶分心等一种或多种行为时,会导致车道偏离,或车距过近,或前车碰撞,或行人碰撞等报警事件的发生。
当历史报警事件发生时,电子设备获取传感器采集的历史报警事件前后的第二传感数据,第二传感数据包括,但不限于速度、刹车时间、刹车深度、油门深度、方向盘旋转角度、转向灯信号、相对距离、相对速度中的一种或多种。
示例性的,在一件历史报警事件中,驾驶人员由于开车分心导致车辆与冲突车辆发生碰撞,电子设备获取传感器采集的驾驶人员进行刹车时的前后一段时间的车辆的速度、刹车时间、刹车深度、油门深度等,将这一组数据作为第二传感数据。
示例性的,在另一件历史报警事件中,驾驶人员由于开车抽烟导致车辆与行人发生碰撞,电子设备获取传感器采集驾驶人员急转方向盘时的前后一段时间的车辆的速度、刹车时间、方向盘旋转角度等,将这一组数据作为第二传感数据。如此便可获取多组第二传感数据。
S202,根据每组第二传感数据得到每组第二传感数据对应的第二评价指标和第二交通冲突指标。
具体的,对步骤S201获取的多组第二传感数据中的每组第二传感数据进行计算,即可得到每组第二传感数据对应的第二评价指标和第二交通冲突指标。
其中,第二评价指标是指当历史报警事件发生时,车辆的平均速度、刹车持续时间、平均刹车深度、平均油门深度、方向盘旋转率、转向灯信号闪烁次数等。
在一些实施例中,车辆的平均速度为当前车辆与冲突车辆的位移差与当前车辆与冲突车辆时间差的比值。
刹车持续时间是依据刹车时间计算而来的,刹车时间是指刹车时刻,是一个时间点,例如12点40。刹车持续时间是一个时间段,例如5分钟。
平均油门深度是依据油门深度计算而来的,油门深度是指一个时间点的油门深度,平均油门深度是指一个时间段内的油门深度的平均值。
方向盘旋转率是指一个时间段内方向盘的旋转角度。
转向灯信号闪烁次数是指一个时间段内转向灯闪烁的次数。
其中,第二交通冲突指标数据(time to collision,TTC)为当前车辆与冲突车辆的相对距离和相对速度的比值。
S203,确定每组第二交通冲突指标数据所属的预设数值范围。
具体的,在处理器中预先设置有TTC的数值范围。
作为一种实现方式,预设数值范围包括第一预设数值范围、第二预设数值范围和第三预设数值范围;第一预设数值范围为TTC<3s;第二预设数值范围为3≤TTC<5.5s;第三预设数值范围为TTC≥5.5。
作为另一种实现方式,预设数值范围包括第一预设数值范围、第二预设数值范围、第三预设数值范围和第四预设数值范围;第一预设数值范围为TTC<3s;第二预设数值范围为3≤TTC<4.5s;第三预设数值范围为4.5≤TTC<5.5s;第四预设数值范围为TTC≥5.5。
当然,预设数值范围不止包括上述列举的两种情况,还可以包括2个预设预设数值范围、5个预设数值范围等。本申请实施例对此不作限制。
利用步骤S202中的方法计算出每组第二交通冲突指标数据,即可根据预设数据范围确定每组第二交通冲突指标数据的数据范围。
S204,将处于同一预设数值范围的多组第二交通冲突指标和与处于同一预设数值范围的多组第二交通冲突指标对应的多组第二评价指标代入判别函数关系式,计算得到多个判别函数关系式中各系数的系数值。
具体的,判别函数关系式预先设置在处理器中。本申请实施例以预设数值范围包括第一预设数值范围、第二预设数值范围和第三预设数值范围进行举例说明。
将处于第一预设数值范围TTC<3s的多组TTC作为第一判别函数关系式中的应变量Y1,将处于第一预设数值范围TTC<3s的多组TTC对应的多组第二评价指标作为第一判别函数关系式中的自变量x1,代入第一判别函数关系式,计算得到第一判别函数关系式中各系数的系数值;其中第一判别函数关系式为:
Y1=a1x1+b1x2+...+c1xn+d1。
其中,Y1代表处于第一预设数值范围的第二交通冲突指标,x1,x2...xn代表与处于第一预设数值范围的第二交通冲突指标对应的第二评价指标数据,n代表第二评价指标数据的个数,a1,b1...c1代表第一判别函数关系式的系数,d1代表第一判别函数关系式的常量。
将处于第二预设数值范围3≤TTC<5.5s的多组TTC作为二判别函数关系式中的应变量Y2,将处于第二预设数值范围3≤TTC<5.5s的多组TTC对应的多组第二评价指标作为第二判别函数关系式中的自变量x2,代入第二判别函数关系式,计算得到第二判别函数关系式中各系数的系数值;其中第二判别函数关系式为:
Y2=a2x1+b2x2+...+c2xn+d2。
其中,Y2代表处于第二预设数值范围的第二交通冲突指标,x1,x2...xn代表与处于第二预设数值范围的第二交通冲突指标对应的第二评价指标数据,n代表第二评价指标数据的个数,a2,b2...c2代表第二判别函数关系式的系数,d2代表第二判别函数关系式的常量。
将处于第三预设数值范围TTC≥5.5的多组TTC作为第三判别函数关系式中的应变量Y3,将处于第三预设数值范围TTC≥5.5的多组TTC对应的多组第二评价指标作为第三判别函数关系式中的自变量x3,代入第三判别函数关系式,计算得到第三判别函数关系式中各系数的系数值;其中第三判别函数关系式为:
Y3=a3x1+b3x2+...+c3xn+d3。
其中,Y3代表处于第三预设数值范围的第二交通冲突指标,x1,x2...xn代表与处于第三预设数值范围的第二交通冲突指标对应的第二评价指标数据,n代表第二评价指标数据的个数,a3,b3...c3代表第三判别函数关系式的系数,d3代表第三判别函数关系式的常量。
确定的判别模型为:
Y1=a1x1+b1x2+...+c1xn+d1
Y2=a2x1+b2x2+...+c2xn+d2。
Y3=a3x1+b3x2+...+c3xn+d3
训练完判别模型之后,利用判别模型对危险驾驶行为进行评价。请参考图3,图3是本申请一实施例提供的危险驾驶行为评价方法的步骤流程图。本申请实施例的危险驾驶行为的评价方法可以被图1中的电子设备执行。该方法包括:步骤S301至步骤S303。
S301,获取当前报警事件前后的第一传感数据。
具体的,本申请实施例中的当前报警事件是由当前危险驾驶行为触发的,当前报警事件是正在发生的报警事件,当前危险驾驶行为是在正在发生的报警事件中驾驶人的危险驾驶行为。危险驾驶行为以及报警事件包括的类型在S201中已经进行说明,此处不在赘述。
当当前报警事件发生时,电子设备获取传感器采集的当前报警事件前后的第一传感数据,第一传感数据包括,但不限于速度、刹车时间、刹车深度、油门深度、方向盘旋转角度、转向灯信号、相对距离、相对速度中的一种或多种。
S302,根据第一传感数据得到当前危险驾驶行为的等级。
具体的,根据第一传感数据得到当前危险驾驶行为的等级的方法步骤请参考图4,图4是本申请一实施例提供的根据第一传感数据得到当前危险驾驶行为的等级的方法步骤流程图。本申请实施例的根据第一传感数据得到当前危险驾驶行为的等级的方法可以被图1中的电子设备执行。包括:步骤S401至步骤S403。
S401:根据第一传感数据,得到第一评价指标。
具体的,第一评价指标是指当前报警事件发生时,车辆的平均速度、刹车持续时间、平均刹车深度、平均油门深度、方向盘旋转率、和转向灯信号闪烁次数中的一种或多种。
其中平均速度、刹车持续时间、平均刹车深度、平均油门深度、方向盘旋转率、和转向灯信号闪烁次数的具体计算方法在S202中已叙述,此处不再赘述。
S402,将第一评价指标输入判别模型,输出第一交通冲突指标。
具体的,作为一种实现方式:将第一评价指标分别输入多个判别函数关系式,输出多个第一交通冲突指标TTC。
将多个第一交通冲突指标TTC中的最小值作为最优的第一交通冲突指标。
作为另一种实现方式:将第一评价指标分别输入S204中所确定的三个判别函数关系式,输出三个第一交通冲突指标TTC。
将三个第一交通冲突指标TTC中的最小值作为最优的第一交通冲突指标。
S403,根据第一交通冲突指标,确定当前危险驾驶行为的等级。
具体的,在处理器中预先设置有第一预设对应关系。
在一些实施例中,第一预设对应关系为:第一预设数值范围TTC<3s对应第一预设等级A;第二预设数值范围为3≤TTC<5.5s对应第二预设等级B;第三预设数值范围为TTC≥5.5对应第三预设等级C。
在另一些实施例中,第一预设对应关系为:第一预设数值范围TTC<3s对应第一预设等级A;第二预设数值范围3≤TTC<4.5s对应第二预设等级B;第三预设数值范围为4.5≤TTC<5.5s对应第三预设等级C;第四预设数值范围TTC≥5.5对应第四预设等级D。
当然,本申请实施例的第一预设对应关系不止包含上述两种情况,还可以包含其他对应关系,本申请实施例对此不作限制。
根据第一预设对应关系,确定三个或多个第一交通冲突指标TTC中的最小值对应的当前危险驾驶行为的等级。
S303,根据当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。
具体的,本申请一实施例根据当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现请参考图5,图5是本申请一实施例提供的确定综合驾驶表现的步骤流程图,包括步骤S501至步骤S503。
S501,确定当前危险驾驶行为的等级对应的目标数值。
具体的,在电子设备中预先设置第二预设对应关系,根据第二预设对应关系,确定与危险驾驶行为的等级对应的危险驾驶行为的目标数值,第二预设对应关系包括危险驾驶行为的等级与危险驾驶行为的得分值的对应关系。
示例性的,第二预设对应关系为:第一预设等级A与第一数值60分对应,第二预设等级B与第二数值80分对应,第三预设等级C与第三数值100分对应。
示例性的,第二预设对应关系为:第一预设等级A与第一数值40分对应,第二预设等级B与第二数值60分对应,第三预设等级C与第三数值80分对应,第四预设等级D与第四数值100分对应。
当然,本申请实施例的第二预设对应关系不止包含上述两种情形,本申请实施例对此不作限制。
S502,统计历史危险驾驶行为的次数。
具体的,历史危险驾驶行为的次数,即驾驶人员在一段时间内危险驾驶行为的次数。本申请实施例中,电子设备通过统计存储在存储器中一段时间内的包含危险驾驶行为的图像或视频,即可得到历史危险驾驶行为的次数。
示例性的,电子设备通过统计存储在存储器中一周内的包含开车打电话、或开车玩手机、或开车抽烟、或开车吃东西、或驾驶疲劳、或驾驶分心等的图像,即可得到历史危险驾驶行为的次数。
S503,结合目标数值和次数,计算得到综合驾驶表现的评价值。
具体的,获取当前危险驾驶行为的目标数值的第一权重和历史危险驾驶行为的次数的第二权重。
在一些实施例中,将根据对安全驾驶影响的严重程度定义的第一权重和第二权重预先存储在处理器中。处理器确定当前危险驾驶行为的目标数值之后,获取当前危险驾驶行为的目标数值的第一权重,统计历史危险驾驶行为的次数之后,历史危险驾驶行为的次数的第二权重。
示例性的,当前危险驾驶行为的目标数值的第一权重为45%;历史疲劳驾驶次数的第二权重为15%;历史分心驾驶次数的第二权重为10%;历史打电话驾驶次数的第二权重为10%;历史抽烟驾驶次数的第二权重为5%;历史其他危险驾驶行为次数的第二权重为15%。
将危险驾驶行为的目标数值、历史危险驾驶行为的次数、第一权重、第二权重,代入下述公式,即可得到综合驾驶表现的评价值。
综合驾驶表现的评价值=αY-βm-γn-…-ρl
其中,α表示第一权重,β……ρ表示第二权重,Y表示危险驾驶行为的目标数值,m,n……,l分别表示开车打电话,开车抽烟,疲劳驾驶,分心驾驶等历史危险驾驶行为的次数。
综上,本申请实施例通过获取报警事件前后的传感数据,根据传感数据即可得到对危险驾驶行为进行评价的评价指标,传感数据为速度、刹车时间等,此传感数据易于获取,进而易于得到对危险驾驶行为进行评价的评价指标,将评价指标输入预先训练好的判别模型中,即可输出第一交通冲突指标,根据第一预设对应关系,即可确定当前危险驾驶行为的等级,根据当前危险驾驶行为的等级和历史危险驾驶行为即可确定综合驾驶表现。根据综合驾驶表现可以综合分析驾驶人员在报警事件中的表现,对驾驶人员在报警事件中的危险驾驶行为进行更全面的评价。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
请参考图6,图6是本申请一实施例提供的一种危险驾驶行为的评价装置,包括:
获取模块601,用于获取当前报警事件前后的第一传感数据;当前报警事件由当前危险驾驶行为触发。
处理模块602,用于根据第一传感数据得到当前危险驾驶行为的等级。
评价模块603,用于根据当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。
本申请实施例的评价装置通过获取模块获取当前报警事件前后的第一传感数据;通过处理模块得到当前危险驾驶行为的等级;通过评价模块确定综合驾驶表现。根据综合驾驶表现可以综合分析驾驶人员在报警事件中的表现,对驾驶人员在报警事件中的危险驾驶行为进行更全面的评价。并且报警事件发生前后的第一传感数据易于获取,使确定的综合驾驶表现更加可靠。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现可实现上述危险驾驶行为的评价方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时实现可实现上述危险驾驶行为的评价方法实施例中的步骤。
集成的单元如果以软件功能单元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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (16)
1.一种危险驾驶行为的评价方法,其特征在于,包括:
获取当前报警事件前后的第一传感数据;所述当前报警事件由当前危险驾驶行为触发;
根据所述第一传感数据得到所述当前危险驾驶行为的等级;
根据所述当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。
2.根据权利要求1所述的危险驾驶行为的评价方法,其特征在于,所述根据所述第一传感数据得到所述当前危险驾驶行为的等级,包括:
根据所述第一传感数据,得到第一评价指标;
将所述第一评价指标输入判别模型,输出第一交通冲突指标;
根据所述第一交通冲突指标,确定所述当前危险驾驶行为的等级。
3.根据权利要求2所述的危险驾驶行为的评价方法,其特征在于,所述判别模型的训练过程包括:
获取多组历史报警事件前后的第二传感数据;
根据每组所述第二传感数据得到每组所述第二传感数据对应的第二评价指标和第二交通冲突指标;
确定每组所属第二交通冲突指标数据所属的预设数值范围;
将处于同一预设数值范围的多组所述第二交通冲突指标和与处于同一预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入判别函数关系式,计算得到多个所述判别函数关系式中各系数的系数值。
4.根据权利要求3所述的危险驾驶行为的评价方法,其特征在于,所述将处于同一预设数值范围的多组所述第二交通冲突指标和与处于同一预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入判别函数关系式,计算得到多个所述判别函数关系式中各系数的系数值,包括:
将处于第一预设数值范围的多组所述第二交通冲突指标和与处于第一预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入第一判别函数关系式,计算得到所述第一判别函数关系式中各系数的系数值;其中所述第一判别函数关系式为:
Y1=a1x1+b1x2+...+c1xn+d1
其中,Y1代表处于第一预设数值范围的所述第二交通冲突指标,x1,x2...xn代表与处于第一预设数值范围的所述第二交通冲突指标对应的所述第二评价指标数据,n代表所述第二评价指标数据的个数,a1,b1...c1代表第一判别函数关系式的系数,d1代表第一判别函数关系式的常量;
将处于第二预设数值范围的多组所述第二交通冲突指标和与处于第二预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入第二判别函数关系式,计算得到所述第二判别函数关系式中各系数的系数值;其中所述第二判别函数关系式为:
Y2=a2x1+b2x2+...+c2xn+d2
其中,Y2代表处于第二预设数值范围的所述第二交通冲突指标,x1,x2...xn代表与处于第二预设数值范围的所述第二交通冲突指标对应的所述第二评价指标数据,n代表所述第二评价指标数据的个数,a2,b2...c2代表第二判别函数关系式的系数,d2代表第二判别函数关系式的常量;
将处于第三预设数值范围的多组所述第二交通冲突指标和与处于第三预设数值范围的多组所述第二交通冲突指标对应的多组所述第二评价指标代入第三判别函数关系式,计算得到所述第三判别函数关系式中各系数的系数值;其中所述第三判别函数关系式为:
Y3=a3x1+b3x2+...+c3xn+d3
其中,Y3代表处于第三预设数值范围的所述第二交通冲突指标,x1,x2...xn代表与处于第三预设数值范围的所述第二交通冲突指标对应的所述第二评价指标数据,n代表所述第二评价指标数据的个数,a3,b3...c3代表第三判别函数关系式的系数,d3代表第三判别函数关系式的常量。
5.根据权利要求3所述的危险驾驶行为的评价方法,其特征在于,所述将所述第一评价指标输入判别模型,输出第一交通冲突指标,包括:
将所述第一评价指标分别输入多个所述判别函数关系式,输出多个所述第一交通冲突指标;
将多个所述第一交通冲突指标中的最小值作为最优的第一交通冲突指标。
6.根据权利要求4所述的危险驾驶行为的评价方法,其特征在于,所述将所述第一评价指标输入判别模型,输出第一交通冲突指标,包括:
将所述第一评价指标分别输入三个所述判别函数关系式,输出三个所述第一交通冲突指标;
将三个所述第一交通冲突指标中的最小值作为最优的第一交通冲突指标。
7.根据权利要求5至6任一项所述的危险驾驶行为的评价方法,其特征在于,所述根据所述第一交通冲突指标,确定所述当前危险驾驶行为的等级包括:
根据第一预设对应关系,确定与所述最优的第一交通冲突指标对应的所述当前危险驾驶行为的等级。
8.根据权利要求7所述的危险驾驶行为的评价方法,其特征在于,所述第一预设对应关系包括所述预设数值范围与预设等级之间的对应关系,所述根据第一预设对应关系,确定与所述最优的第一交通冲突指标对应的所述当前危险驾驶行为的等级,包括:
确定所述最优的第一交通冲突指标所属的所述预设数值范围,将所属的所述预设数值范围对应的所述预设等级作为所述当前危险驾驶行为的等级。
9.根据权利要求1所述的危险驾驶行为的评价方法,其特征在于,所述根据所述当前危险驾驶行为的等级和历史危险驾驶行为,得到综合驾驶表现包括:
确定所述当前危险驾驶行为的等级对应的目标数值;
统计所述历史危险驾驶行为的次数;
结合所述目标数值和所述次数,计算得到综合驾驶表现的评价值。
10.根据权利要求9所述的危险驾驶行为的评价方法,其特征在于,所述确定所述当前危险驾驶行为的等级对应的目标数值,包括:
根据第二预设对应关系,确定与所述当前危险驾驶行为的等级对应的所述目标数值,所述第二预设对应关系包括预设的等级与预设的目标数值的对应关系。
11.根据权利要求10所述的危险驾驶行为的评价方法,其特征在于,所述根据所述第二预设对应关系,确定与所述当前危险驾驶行为的等级对应的目标数值,包括:
所述当前危险驾驶行为的等级为第一预设等级时,确定所述当前危险驾驶行为的目标数值为第一数值;
所述当前危险驾驶行为的等级为第二预设等级时,确定所述当前危险驾驶行为的目标数值为第二数值;
所述当前危险驾驶行为的等级为第三预设等级时,确定所述当前危险驾驶行为的目标数值为第三数值。
12.根据权利要求9所述的危险驾驶行为的评价方法,其特征在于,所述结合所述目标数值和所述次数,计算得到综合驾驶表现的评价值,包括:
获取所述当前危险驾驶行为的目标数值的第一权重和所述历史危险驾驶行为的次数的第二权重;
根据所述目标数值、所述次数、所述第一权重和第二权重,得到所述综合驾驶表现的评价值。
13.根据权利要求12所述的危险驾驶行为的评价方法,其特征在于,所述根据所述目标数值、所述次数、所述第一权重和第二权重,得到所述综合驾驶表现的评价值,包括:
将所述目标数值、所述次数、所述第一权重和第二权重,代入综合驾驶表现的评价值公式,得到所述综合驾驶表现的评价值;所述综合驾驶表现的评价值公式为:
综合驾驶表现的评价值=αY-βm-γn-...-ρl
其中,Y表示所述目标数值,m,n……,l分别表示所述历史危险驾驶行为的次数,α表示第一权重,β、γ…ρ表示第二权重。
14.一种危险驾驶行为的评价装置,其特征在于,包括:
获取模块,用于获取当前报警事件前后的第一传感数据;所述当前报警事件由当前危险驾驶行为触发;
处理模块,用于根据所述第一传感数据得到所述当前危险驾驶行为的等级;
评价模块,用于根据所述当前危险驾驶行为的等级和历史危险驾驶行为,确定综合驾驶表现。
15.一种电子设备,其特征在于,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至13任一项所述的一种危险驾驶行为的评价方法。
16.一种危险驾驶行为的评价系统,其特征在于,包括如权利要求14所述的危险驾驶行为的评价装置或如权利要求15所述的一种电子设备,所述评价系统还包括传感器、报警器,所述传感器用于收集车辆内外的环境数据,所述报警器用于在事件触发时进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490283.2A CN113298361A (zh) | 2021-05-06 | 2021-05-06 | 一种危险驾驶行为的评价方法、装置、电子设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490283.2A CN113298361A (zh) | 2021-05-06 | 2021-05-06 | 一种危险驾驶行为的评价方法、装置、电子设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113298361A true CN113298361A (zh) | 2021-08-24 |
Family
ID=77320814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110490283.2A Pending CN113298361A (zh) | 2021-05-06 | 2021-05-06 | 一种危险驾驶行为的评价方法、装置、电子设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298361A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758480A (zh) * | 2022-03-29 | 2022-07-15 | 成都亿盟恒信科技有限公司 | 一种基于实时驾驶数据的驾驶风险判断方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930943A (zh) * | 2016-07-11 | 2016-09-07 | 上海安吉星信息服务有限公司 | 一种驾驶风险预测方法及装置 |
CN106534366A (zh) * | 2016-12-19 | 2017-03-22 | 北京经纬恒润科技有限公司 | 驾驶行为分析方法、装置及系统 |
CN107826118A (zh) * | 2017-11-01 | 2018-03-23 | 南京阿尔特交通科技有限公司 | 一种判别异常驾驶行为的方法及装置 |
WO2020107894A1 (zh) * | 2018-11-28 | 2020-06-04 | 众安信息技术服务有限公司 | 一种驾驶行为评分方法、装置及计算机可读存储介质 |
CN111627251A (zh) * | 2020-04-14 | 2020-09-04 | 浙江吉利汽车研究院有限公司 | 一种危险驾驶行为的预警方法及装置 |
CN112508054A (zh) * | 2020-11-12 | 2021-03-16 | 东风汽车集团有限公司 | 一种驾驶模型训练方法、装置、设备和介质 |
-
2021
- 2021-05-06 CN CN202110490283.2A patent/CN113298361A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930943A (zh) * | 2016-07-11 | 2016-09-07 | 上海安吉星信息服务有限公司 | 一种驾驶风险预测方法及装置 |
CN106534366A (zh) * | 2016-12-19 | 2017-03-22 | 北京经纬恒润科技有限公司 | 驾驶行为分析方法、装置及系统 |
CN107826118A (zh) * | 2017-11-01 | 2018-03-23 | 南京阿尔特交通科技有限公司 | 一种判别异常驾驶行为的方法及装置 |
WO2020107894A1 (zh) * | 2018-11-28 | 2020-06-04 | 众安信息技术服务有限公司 | 一种驾驶行为评分方法、装置及计算机可读存储介质 |
CN111627251A (zh) * | 2020-04-14 | 2020-09-04 | 浙江吉利汽车研究院有限公司 | 一种危险驾驶行为的预警方法及装置 |
CN112508054A (zh) * | 2020-11-12 | 2021-03-16 | 东风汽车集团有限公司 | 一种驾驶模型训练方法、装置、设备和介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758480A (zh) * | 2022-03-29 | 2022-07-15 | 成都亿盟恒信科技有限公司 | 一种基于实时驾驶数据的驾驶风险判断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110733501B (zh) | 用于自动避免碰撞的方法 | |
EP3006297B1 (en) | Driving characteristics diagnosis device, driving characteristics diagnosis system, driving characteristics diagnosis method, information output device, and information output method | |
CN108860162B (zh) | 电子装置、基于用户驾驶行为的安全预警方法及存储介质 | |
CN111731284B (zh) | 一种辅助驾驶方法、装置、车载终端设备和存储介质 | |
CN109720348B (zh) | 车载装置、信息处理系统和信息处理方法 | |
CN110889351A (zh) | 视频检测方法、装置、终端设备及可读存储介质 | |
EP3372465B1 (en) | Method and system for vehicle status based advanced driver assistance | |
CN108482382B (zh) | 驾驶技术评分方法、设备、存储介质及车辆 | |
US20210244326A1 (en) | System, information processing apparatus, and information processing method | |
CN110949381A (zh) | 一种驾驶行为危险度的监测方法及装置 | |
US20210086773A1 (en) | Driving behavior evaluation device, method, and computer-readable storage medium | |
CN114872713A (zh) | 一种驾驶员异常驾驶状态监测装置和方法 | |
CN113298361A (zh) | 一种危险驾驶行为的评价方法、装置、电子设备及系统 | |
CN113487912B (zh) | 一种交通事故预警及保护方法、汽车及可读存储介质 | |
CN114104000A (zh) | 一种危险场景的评估与处理系统、方法及存储介质 | |
JP6914827B2 (ja) | 見落し検知装置、見落し検知方法、およびプログラム | |
CN117416375A (zh) | 车辆避让方法、装置、设备及存储介质 | |
CN117104256A (zh) | 车辆风险事件监控方法、装置、计算机设备和存储介质 | |
CN116872840A (zh) | 车辆防撞预警方法、装置、车辆和存储介质 | |
JP2021099720A (ja) | 危険運転判定装置、危険運転判定方法、および危険運転判定プログラム | |
CN111038518A (zh) | 行车控制方法及装置、电子设备及存储介质 | |
JP6992493B2 (ja) | 運転状態判定装置及び運転状態判定方法 | |
CN113276765B (zh) | 行车警示方法及系统与计算机程序产品 | |
WO2024087207A1 (zh) | 汽车安全驾驶事件的评估方法、设备及存储介质 | |
CN115497295B (zh) | 安全预警方法和装置 |
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 |