CN113793509A - 基于运动传感器的路况分析方法、装置、设备及介质 - Google Patents
基于运动传感器的路况分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113793509A CN113793509A CN202111034121.4A CN202111034121A CN113793509A CN 113793509 A CN113793509 A CN 113793509A CN 202111034121 A CN202111034121 A CN 202111034121A CN 113793509 A CN113793509 A CN 113793509A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving behavior
- road surface
- motion sensor
- value
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 65
- 230000001133 acceleration Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000013507 mapping Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 115
- 238000001514 detection method Methods 0.000 claims description 29
- 230000003068 static effect Effects 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
Abstract
本发明实施例公开基于运动传感器的路况分析方法、装置、设备及介质。该方法包括：将驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系；获取设于所述驾驶行为采集器的运动传感器采集所述交通工具的加速度值；通过运动传感器进行姿态计算，将运动传感器的实际坐标转换为交通工具所在的坐标；依据所述加速度值对应分解到交通工具所在的坐标上的投影分量，所述驾驶行为采集器检测出所述交通工具所行驶路面的状况，获取路面状况数据；对路面状况数据进行分析，判断交通工具的驾驶行为。本发明获得了准确实时的路面状况数据，为后续UBI车险的驾驶行为分析或者交管部门分析交通事故提供了准确的辅助数据。
Description
本发明申请是对申请日为2018.03.12，申请号为2018102028207，发明名称为“基于运动传感器的路况检测方法、装置、设备及介质”的分案申请。
技术领域
本发明涉及交通技术领域，尤其涉及一种基于运动传感器的路况分析方法、装置、设备及介质。
背景技术
目前，随着车联网技术、无人驾驶、半自动驾驶、ADAS(Advance DriverAssistance System，即高级驾驶辅助系统)的发展、UBI车险行业的兴起以及道路养护频率要求，对交通工具行驶的道路路面状况信息的采集变得非常重要。同时，在汽车行驶过程中实时感应周围环境并准确分析车辆的行驶的路面状况是车辆安全行驶的关键。
在雨、雪、雾等不利天气下，会出现诸如能见度低、路面结冰(积水)打滑等恶劣路况，蕴藏着交通事故隐患，并常常引发重大安全事故。因此对交通工具行驶的路面状况进行准确检测是非常有必要的。目前市面上对路面状况的分析还没有比较有效的方法，有些产品使用图像采集装置来进行路面状况分析，但这种方式极易受到因天气原因导致环境光线变化的影响。尤其是在暴雨或者光线弱(黑夜)情况下几乎无法分析路面状况。使用图像采集装置的产品成本昂贵，且通过图像来识别路面状况所以对产品安装也有严格的要求。
现有技术中常用的道路交通路况分析方法一般是人工或者运用传感器仪器设备检测。人工检测误差大，且容易漏检；路面传感器使用与维护不便利且价格偏高。而且这些需要在道路路面上安装很多传感器来实现，有些道路比如很长时间没有车辆行驶，则较为耗费能源。另外，这个检测并不能兼顾到道路的整个路面，很多情况是间隔一定距离设置路面传感器。此外，国内高速公路普遍存在沿线路况检测设施不完备，监测密度和要素达不到要求等问题。许多路口和事故多发地段虽然逐渐安装了视频摄像装置，也基本依靠人机交互；危险天气条件下，高速公路通行管理中还多采用传统的人工监测。由于不能及时掌握高速公路上的天气状况信息、向驾驶员提供实时天气及路况信息，经常是在管理部门采取措施之前就已经有严重事故发生。大部分气象检测设备价格昂贵，技术水平较高，但因管理使用不当，缺乏必要的维护和计量，致使相当数量的设备长期处于闲置状态。
综上所述，现有技术的路况检测还是依靠道路管理部门本身的在道路上安装的设备来监测路面情况，而随着UBI车险(驾驶行为车险)逐渐在国内兴起，目前业界对UBI车险方面的数据采集主要还是采集驾驶人员的驾驶行为数据，在考虑收集驾驶行为时，没有较好地考虑路面情况，有些不良驾驶行为的主因可能是因为路面状况不良，或者处于某种危险而被迫驾驶某一不良驾驶行为，比如突然遇到公路旁边山上的泥石流或者洪水在路面上，驾驶员为脱离危险被迫急转弯或者加速驶离。这些如果判断为不良驾驶行为，估计会导致驾驶人员的抵触，引起不必要纠纷。此外现有的路况检测的电路结构复杂，而采用图像采集装置的成本又比较高昂。
发明内容
有鉴于此，本发明实施例提供了一种基于运动传感器的路况分析方法、装置、设备及介质，以解决现有技术中路况检测电路复杂，采集的路况信息不准确，成本高昂等技术问题。
第一方面，本发明实施例提供一种基于运动传感器的路况分析方法，所述方法包括：
将驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系，所述驾驶行为采集器设于所述交通工具上；
获取设于所述驾驶行为采集器的运动传感器采集所述交通工具的加速度值；
通过所述运动传感器进行姿态计算，将所述运动传感器的实际坐标转换为所述交通工具所在的坐标，所述姿态计算包括静态初始化、动态初始化以及动态纠正静态初始化带来的姿态计算误差；
依据所述加速度值对应分解到所述交通工具所在的坐标上的投影分量，所述驾驶行为采集器检测出所述交通工具所行驶路面的状况，获取路面状况数据；
对所述路面状况数据进行分析，判断所述交通工具的驾驶行为。
优选地，在所述将驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系之后，所述方法还包括：
每隔一预定时间，检测所述驾驶行为采集器是否安装位置有发生变化，若发生变化，则重新建立所述驾驶行为采集器的立体坐标系与所述交通工具的立体坐标系之间的映射关系。
优选地，在所述对所述路面状况数据进行分析，判断所述交通工具的驾驶行为之前，所述方法还包括：
每隔预定周期，将检测出所述交通工具所行驶路面的路面状况数据发送至 UBI车险分析服务器。
优选地，所述运动传感器为惯性测量器件，所述惯性测量器件包括：重力加速度传感器和角速度传感器，所述获取设于所述驾驶行为采集器的运动传感器采集所述交通工具的加速度值包括：
通过所述重力加速度传感器采集交通工具的重力加速度值；
通过所述角速度传感器采集所述交通工具的角速度值；
通过所述磁场强度传感器检测磁场强度；
依据所述角速度值、所述重力加速度值和所述磁场强度，校正所述交通工具的所述加速度值。
优选地，所述静态初始化包括：
将驾驶行为分析系统的惯性器件的真实坐标通过重力在其各轴上的分量来计算驾驶行为分析系统的各坐标轴与车平面之间的角度；
将驾驶行为分析系统分布在各坐标轴的惯性值转换到车平面；
根据转换后的Z轴上的加速度分量值在一段时间内的振幅和频率来分析路面状况；
所述动态初始化包括：
使用GNSS速度和GNSS角度计算转换后的Y轴与车辆行驶方向之间的夹角；
使转换后的Y轴与行驶方向重合，使转换后的X轴与行驶方向垂直；
所述动态纠正静态时计算的姿态误差包括：
使用GNSS速度和GNSS角度纠正静态初始化时所带来的误差。
优选地，所述惯性测量器件还用于驾驶行为分析，所述驾驶行为分析包括：
姿态计算完成后，通过检测一段时间的惯性值大于或小于预设数值对驾驶行为进行分析。
优选地，所述惯性测量器件还用于路面状况分析，所述路面状况分析包括：
在预定时间段内，依据所述加速度分量值变化幅度，判断所述交通工具行驶的路面情况；
当所述加速度分量值的变化幅度在第一区间范围时，则判定所述路面状况为优良；
当所述加速度分量值的变化幅度在第二区间范围时，则判定所述路面状况为一般；
当所述加速度分量值的变化幅度在第三区间范围时，则判定所述路面状况为差；
所述加速度分量值的变化幅度在第四区间范围时，则判定所述路面状况为较差；
其中，所述第一区间范围的最大绝对值小于第二区间范围的最小绝对值，所述第二区间范围的最大绝对值小于第三区间范围的最小绝对值，所述第三区间范围的最大绝对值小于第四区间范围的最小绝对值。
第二方面，本发明还提供一种基于运动传感器的路况分析装置，所述装置包括：
映射关系建立模块，用于将驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系，所述驾驶行为采集器设于所述交通工具上；
加速度值获取模块，用于获取设于所述驾驶行为采集器的运动传感器采集所述交通工具的加速度值；
主控芯片,用于通过所述运动传感器进行姿态计算，将所述运动传感器的实际坐标转换为所述交通工具所在的坐标，所述姿态计算包括静态初始化、动态初始化以及动态纠正静态初始化带来的姿态计算误差；
路面状况检测模块，用于依据所述加速度值对应分解到所述交通工具所在的坐标上的投影分量，所述驾驶行为采集器检测出所述交通工具所行驶路面的状况，获取路面状况数据；
UBI车险分析服务器，对所述路面状况数据进行分析，判断所述交通工具的驾驶行为。
第三方面，本发明实施例还提供一种基于运动传感器的路况分析设备，其中，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如前面任一项所述的方法。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序指令，其中，当所述计算机程序指令被处理器执行时实现如前面任一项所述的方法。
本发明的基于运动传感器的路况分析方法、装置、设备及介质，通过将路况检测设置在安装于交通工具上的驾驶行为采集器上，通过实时检测路面状况，获得了准确实时的路面状况数据，这个数据作为UBI车险分析服务器判断交通工具驾驶行为的辅助分析数据之一，能很好地为后续UBI车险的驾驶行为分析或者交管部门分析交通事故提供准确的辅助数据，减少了UBI车险方面的纠纷，提升了用户体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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示出了本发明基于运动传感器的路况分析方法的流程示意图。
图2示出了图1中采用惯性传感器实现路况分析的简单流程图。
图3示出了本发明实施例的基于运动传感器的路况分析装置的结构示意图。
图4示出了本发明实施例的基于运动传感器的路况分析设备的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
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……”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。
如图1所示，本发明实施例提供一种基于运动传感器的路况检测方法，所述方法包括：
S10、将驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系，所述驾驶行为采集器设于所述交通工具上；这里的交通工具优选为汽车，包括有人驾驶汽车、无人驾驶汽车。当然并不局限于汽车，还可以是日常中叉车、其它陆上移动工具，如儿童玩具车等。这里驾驶行为采集器为一个交通工具配件，主要是用来采集驾驶交通工具时的驾驶行为信息，为后续交通管理部门进行交通驾驶行为处理和UBI的数据采集提供数据支持。该驾驶行为采集器当应用在汽车领域中时，可以是收集驾驶行为的车载盒子，车载充电器、或者是收集驾驶行数据的车机中控台、或者是收集驾驶行为数据的仪表盘。此外，上述驾驶行为采集器还可以一个独立的装置，固定在汽车上，如中控车机、汽车智能仪表盘中，或者为可拆卸式固定到车载充电器、车载T-BOX(Telematics BOX)中，根据需要随时拆卸或者调整位置。这里无需专业人员来安装，驾驶员依据自己喜好随意安装即可准确收集到驾驶行为数据。还有驾驶行为采集器本身有一个立体坐标系，这个立体坐标系依据驾驶行为采集器的在交通工具上的安装位置，与交通工具的立体坐标系多数情况下是不相同的，因此，要获得准确的加速度数据及其分量，则需要建立二者明确的映射关系。依据映射关系，将在驾驶行为采集器的某个数值在驾驶行为采集器的立体坐标轴的坐标投影到交通工具的立体坐标轴上，产生对应的X轴分量值和Y轴分量值以及Z轴分量值。此外，还可以将交通工具上的立体坐标轴的数据投影到驾驶行为采集器的立体坐标轴上，生成相应的分量值。
S20、获取设于所述驾驶行为采集器的运动传感器采集所述交通工具的加速度值；运动传感器可以是惯性传感器，该惯性传感器可以设于驾驶行为采集器内部，或者设于其外部，或者集成于驾驶行为采集器的电路板上。惯性传感器包括重力加速度传感器、角速度传感器或者磁传感器。惯性传感器主要是检测惯性量，如速度、加速度、角速度等参数。
S30、依据所述加速度值对应分解到所述交通工具的立体坐标系的Z轴上的第三投影分量，所述驾驶行为采集器检测出所述交通工具所行驶路面的状况。
本发明的基于运动传感器的路况检测方法，通过将路况检测设置在安装于交通工具上的驾驶行为采集器上，通过实时检测路面状况，获得了准确实时的路面状况数据，这个数据作为UBI车险分析服务器判断交通工具驾驶行为的辅助分析数据之一，能很好地为后续UBI车险的驾驶行为分析或者交管部门分析交通事故提供一种准确的辅助数据，使得对驾驶行为分析更佳全面，减少了UBI 车险方面的纠纷，提升了用户体验。
本发明的基于运动传感器的路况检测方法主要采用作为运动传感器的惯性传感器(也叫惯性测量器件)在安装后使用捷联惯性导航相关算法将其实际坐标转换为车平面所在的坐标(姿态计算)，然后根据转换后的Z轴上的加速度分量值在一段时间内的振幅和频率来分析路面状况。此外还可以将这些振幅和频率数据输入到人工神经网络，经过CNN和RNN等卷积处理，得出路面状况分析结果。
在一个较佳实施例中，所述惯性传感器包括：重力加速度传感器和角速度传感器。上述步骤S2中的所述获取设于所述驾驶行为采集器的惯性传感器采集所述交通工具的加速度值包括：
通过所述重力加速度传感器采集交通工具的重力加速度值；
通过所述角速度传感器采集所述交通工具的角速度值；
依据所述角速度值和所述重力加速度值，校正所述交通工具的所述加速度值。对于UBI业务领域，对驾驶行为的收集尽量做到精算，可完全量化，因此对路况检测的结果尽量做到准确。
此外，在一个实施例中，所述惯性传感器还包括磁场强度传感器，检测磁场强度，并与所述角速度值和所述重力加速度值一道，校正所述交通工具的加速值。
在一个具体实施例中，所述依据所述加速度值对应分解到所述交通工具的立体坐标系的Z轴上的第三投影分量，所述驾驶行为采集器检测出所述交通工具所行驶路面的状况，包括：
将所述加速度值分解到所述交通工具的立体坐标系的X轴、Y轴以及Z轴上生成第一投影分量、第二投影分量以及所述第三投影分量；
依据所述驾驶行为采集器的立体坐标系与交通工具的立体坐标系的映射关系，通过所述第三投影分量获得所述驾驶行为采集器的坐标系中Z轴上的加速度分量值；
所述驾驶行为采集器依据所述加速度分量值检测出所述交通工具所行驶路面的状况。
在一个具体实施例中，所述依据所述驾驶行为采集器的立体坐标系与交通工具的立体坐标系的映射关系，通过所述第三投影分量获得所述驾驶行为采集器的坐标系中Z轴上的加速度分量值，包括：
依据所述第一投影分量和第二投影分量校正所述加速度分量值，实现辅助判断所述交通工具行驶的路面状况。
在一个具体实施例中，如图2所示，图2示出了图1中采用惯性传感器实现路况分析的简单流程图。所述方法进一步包括：在预定时间段内，依据所述加速度值变化幅度，判断所述交通工具行驶的路面情况。图2中，当所述加速度分量值的变化幅度在第一区间范围时，则判定所述路面状况为优良；当所述加速度分量值的变化幅度在第二区间范围时，则判定所述路面状况为一般；当所述加速度分量值的变化幅度在第三区间范围时，则判定所述路面状况为差，当所述加速度分量值的变化幅度在第四区间范围时，则判定所述路面状况为较差，其中，所述第一区间范围的最大绝对值小于第二区间范围的最小绝对值，所述第二区间范围的最大绝对值小于第三区间范围的最小绝对值，所述第三区间范围的最大绝对值小于第四区间范围的最小绝对值。
在一个具体实施例中，每隔一预定时间，检测所述驾驶行为采集器是否安装位置有发生变化，若发生变化，则重新建立所述驾驶行为采集器的立体坐标系与所述交通工具的立体坐标系之间的映射关系。
在一个具体实施例中，所述方法还包括：每隔预定周期，将检测出所述交通工具所行驶路面的状况发送至UBI车险分析服务器。
此外，本发明实施例中，对于驾驶行为采集器采集的数据通过移动通信终端如手机作为通信接口与服务器进行交互，同时通过移动通信终端实现对驾驶行为采集器的固件更新。
本发明实施例的驾驶行为采集器每隔一个时间周期向手机发送路面状况数据以确保数据的时效性。驾驶行为采集器的系统在姿态初始化完成后不再需要从手机获取GNSS信息因而可以工作在低功耗模式。本发明的系统供电模块为系统提供稳定可靠的工作电源；状态指示反映了系统当前的工作状态(初始化状态、工作状态)；蓝牙低功耗模块为系统与手机之间提供了数据交互的通道；主控芯片负责整个系统的任务调试及功能实现；惯性传感器除用于采集驾驶行为数据，还用于提供路面状况判断的原始数据。
本发明驾驶行为采集器的系统硬件主要包括：惯性测量器件、主控芯片、蓝牙低功耗、状态指示器件、以及系统电源几部分。其中，系统电源为系统提供稳定可靠的工作电源；状态指示器件反映了系统当前的工作状态(初始化状态、工作状态)；蓝牙低功耗模块为系统与手机之间提供了数据交互的通道，本系统采用蓝牙低功耗芯片以及结合软件算法在实现了正确、全面的驾驶行为分析后还实现了低功耗，这优于市面上现有的不能工作在低功耗的产品。在节省能源的同时也为客户节省了产品使用成本。蓝牙低功耗芯片主要是实现本系统与外界的数据交互的功能，这个功能也可以选用GPRS、NFC、RF2.4G、315MHz、 433MHz等无线通信方式。另外还可以使用串口、SPI、I2C等有线通信方式来完成和外界进行数据交互。主控芯片负责整个系统的任务调试及功能实现；惯性测量器件主要完成驾驶行为分析的功能，本发明选用的惯性测量器件是输出3 轴加速度值的芯片，也可以选用6轴、9轴或多轴的惯性器件。本系统采用民用惯性测量器件使用数学算法来完成姿态初始化、驾驶行为分析以及路面状况检测。相比市面上现在的判断驾驶行为不全面、不精准的产品来说，其在功能上变得更丰富，充分利用了系统资源，更有助于UBI车险业务的数据精准分析。
惯性测量器件或者惯性传感器主要用于姿态计算、驾驶行为分析以及路面状况分析，真正起到了充分利用。其中姿态计算包括：静态初始化、动态初始化以及动态纠正静态初始化带来的姿态计算误差。静态初始化是使用重力加速度进行姿态计算的，即将驾驶行为分析系统的惯性器件的真实坐标通过重力在其各轴上的分量来计算驾驶行为分析系统的各坐标轴与车平面之间的角度。进而将其分布在各坐标轴的惯性值转换到车平面。动态初始化是使用GNSS速度和 GNSS角度计算转换后的Y轴与车辆行驶方向之间的夹角以完成转换后的Y轴与行驶方向重合，转换后的X轴与行驶方向垂直的效果。动态纠正静态时计算的姿态误差是在动态初始化完成后继续使用GNSS速度和GNSS角度来纠正静态初始化时所带来的误差以提供系统的精度。而驾驶行为分析主要包括：急加速、急减速、急刹车、左急转弯、右急转弯、急变道、短期内频繁变道、轻微碰撞以及严重碰撞等。驾驶行为分析是依据姿态初始化完成的情形下通过检测一段时间的惯性值大于或小于某个阈值进行的分析的。急转弯(左、右)的驾驶行为主要由X轴分析。驾驶员的急加速、急减速、急刹车的驾驶行为主要由Y轴分析。急变道、短时间内频繁变产、碰撞及轻微碰撞由X轴和Y轴组合起来分析的。
本发明在开始安装在车辆或其它装置上时首先使用重力加速度进行姿态静态初始化(将惯性器件的真实坐标转换到车平面)。然后借助蓝牙低功耗芯片从手机获取GNSS信息进行动态初始化，即使用GNSS速度和GNSS角度计算转换后的Y轴与车辆行驶方向之间的夹角以完成转换后的Y轴与行驶方向重合，转换后的X轴与行驶方向垂直的效果。在动态初始化完成后还会继续利用GNSS速度和GNSS角度来纠正静态初始化时所带来的误差以提供系统的精度。
请参见图3，本发明实施例还提供一种基于运动传感器的路况检测装置，所述装置包括：
映射关系建立模块10，用于对驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系，所述驾驶行为采集器设于所述交通工具上；
加速度值获取模块20，用于获取设于所述驾驶行为采集器的惯性传感器采集所述交通工具的加速度值；
路面状况检测模块30，用于依据所述加速度值对应分解到所述交通工具的立体坐标系的Z轴上的第三投影分量，所述驾驶行为采集器检测出所述交通工具所行驶路面的状况。
所述惯性传感器包括：重力加速度传感器和角速度传感器，所述加速度值获取模块20包括：
第一采集单元，用于通过所述重力加速度传感器采集交通工具的重力加速度值；
第二采集单元，用于通过所述角速度传感器采集所述交通工具的角速度值；
校正单元，用于依据所述角速度值和所述重力加速度值，校正所述交通工具的所述加速度值。
所述路面状况检测模块30包括：
用于将所述加速度值分解到所述交通工具的立体坐标系的X轴、Y轴以及Z 轴上生成第一投影分量、第二投影分量以及所述第三投影分量的单元；
用于依据所述驾驶行为采集器的立体坐标系与交通工具的立体坐标系的映射关系，通过所述第三投影分量获得所述驾驶行为采集器的坐标系中Z轴上的加速度分量值的单元；
用于所述驾驶行为采集器依据所述加速度分量值检测出所述交通工具所行驶路面的状况的单元。
进一步地，所述路面状况检测模块30还包括：
用于依据所述第一投影分量和第二投影分量校正所述加速度分量值，实现辅助判断所述交通工具行驶的路面状况的单元。
所述装置包括：路面情况判断模块，用于在预定时间段内，依据所述加速度分量值变化幅度，判断所述交通工具行驶的路面情况，当所述加速度分量值的变化幅度在第一区间范围时，则判定所述路面状况为优良；当所述加速度分量值的变化幅度在第二区间范围时，则判定所述路面状况为一般；当所述加速度分量值的变化幅度在第三区间范围时，则判定所述路面状况为差，当所述加速度分量值的变化幅度在第四区间范围时，则判定所述路面状况为较差，其中，所述第一区间范围的最大绝对值小于第二区间范围的最小绝对值，所述第二区间范围的最大绝对值小于第三区间范围的最小绝对值，所述第三区间范围的最大绝对值小于第四区间范围的最小绝对值。
进一步地，所述装置包括：检测驾驶行为采集器位置模块，用于每隔一预定时间，检测所述驾驶行为采集器是否安装位置有发生变化，若发生变化，则重新建立所述驾驶行为采集器的立体坐标系与所述交通工具的立体坐标系之间的映射关系。
进一步地，所述装置还包括：发送模块，用于每隔预定周期，将检测出所述交通工具所行驶路面的状况发送至UBI车险分析服务器。
另外，结合图1和图2描述的本发明实施例的基于运动传感器的路况检测方法可以由基于运动传感器的路况检测设备来实现。图4示出了本发明实施例提供的基于运动传感器的路况检测设备的硬件结构示意图。
基于运动传感器的路况检测设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在数据处理装置的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM (EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种基于运动传感器的路况检测方法。
在一个示例中，基于运动传感器的路况检测设备还可包括通信接口403和总线410。其中，如图4所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将基于运动传感器的路况检测设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT) 互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express (PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB) 总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
另外，结合上述实施例中的基于运动传感器的驾驶行为分析方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于运动传感器的路况检测方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于运动传感器的路况分析方法，其特征在于，所述方法包括：
将驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系，所述驾驶行为采集器设于所述交通工具上；
获取设于所述驾驶行为采集器的运动传感器采集所述交通工具的加速度值；
通过所述运动传感器进行姿态计算，将所述运动传感器的实际坐标转换为所述交通工具所在的坐标，所述姿态计算包括静态初始化、动态初始化以及动态纠正静态初始化带来的姿态计算误差；
依据所述加速度值对应分解到所述交通工具所在的坐标上的投影分量，所述驾驶行为采集器检测出所述交通工具所行驶路面的状况，获取路面状况数据；
对所述路面状况数据进行分析，判断所述交通工具的驾驶行为。
2.根据权利要求1所述的基于运动传感器的路况分析方法，其特征在于，在所述将驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系之后，所述方法还包括：
每隔一预定时间，检测所述驾驶行为采集器是否安装位置有发生变化，若发生变化，则重新建立所述驾驶行为采集器的立体坐标系与所述交通工具的立体坐标系之间的映射关系。
3.根据权利要求2所述的基于运动传感器的路况分析方法，其特征在于，在所述对所述路面状况数据进行分析，判断所述交通工具的驾驶行为之前，所述方法还包括：
每隔预定周期，将检测出所述交通工具所行驶路面的路面状况数据发送至UBI车险分析服务器。
4.根据权利要求1-3任一项所述的基于运动传感器的路况分析方法，其特征在于，所述运动传感器为惯性测量器件，所述惯性测量器件包括：重力加速度传感器和角速度传感器，所述获取设于所述驾驶行为采集器的运动传感器采集所述交通工具的加速度值包括：
通过所述重力加速度传感器采集交通工具的重力加速度值；
通过所述角速度传感器采集所述交通工具的角速度值；
通过所述磁场强度传感器检测磁场强度；
依据所述角速度值、所述重力加速度值和所述磁场强度，校正所述交通工具的所述加速度值。
5.根据权利要求4所述的基于运动传感器的路况分析方法，其特征在于，
所述静态初始化包括：
将驾驶行为分析系统的惯性器件的真实坐标通过重力在其各轴上的分量来计算驾驶行为分析系统的各坐标轴与车平面之间的角度；
将驾驶行为分析系统分布在各坐标轴的惯性值转换到车平面；
根据转换后的Z轴上的加速度分量值在一段时间内的振幅和频率来分析路面状况；
所述动态初始化包括：
使用GNSS速度和GNSS角度计算转换后的Y轴与车辆行驶方向之间的夹角；
使转换后的Y轴与行驶方向重合，使转换后的X轴与行驶方向垂直；
所述动态纠正静态时计算的姿态误差包括：
使用GNSS速度和GNSS角度纠正静态初始化时所带来的误差。
6.根据权利要求5所述的基于运动传感器的路况分析方法，其特征在于，所述惯性测量器件还用于驾驶行为分析，所述驾驶行为分析包括：
姿态计算完成后，通过检测一段时间的惯性值大于或小于预设数值对驾驶行为进行分析。
7.根据权利要求6所述的基于运动传感器的路况分析方法，其特征在于，所述惯性测量器件还用于路面状况分析，所述路面状况分析包括：
在预定时间段内，依据所述加速度分量值变化幅度，判断所述交通工具行驶的路面情况；
当所述加速度分量值的变化幅度在第一区间范围时，则判定所述路面状况为优良；
当所述加速度分量值的变化幅度在第二区间范围时，则判定所述路面状况为一般；
当所述加速度分量值的变化幅度在第三区间范围时，则判定所述路面状况为差；
所述加速度分量值的变化幅度在第四区间范围时，则判定所述路面状况为较差；
其中，所述第一区间范围的最大绝对值小于第二区间范围的最小绝对值，所述第二区间范围的最大绝对值小于第三区间范围的最小绝对值，所述第三区间范围的最大绝对值小于第四区间范围的最小绝对值。
8.一种基于运动传感器的路况分析装置，其特征在于，所述装置包括：
映射关系建立模块，用于将驾驶行为采集器的立体坐标系与交通工具的立体坐标系建立映射关系，所述驾驶行为采集器设于所述交通工具上；
加速度值获取模块，用于获取设于所述驾驶行为采集器的运动传感器采集所述交通工具的加速度值；
主控芯片,用于通过所述运动传感器进行姿态计算，将所述运动传感器的实际坐标转换为所述交通工具所在的坐标，所述姿态计算包括静态初始化、动态初始化以及动态纠正静态初始化带来的姿态计算误差；
路面状况检测模块，用于依据所述加速度值对应分解到所述交通工具所在的坐标上的投影分量，所述驾驶行为采集器检测出所述交通工具所行驶路面的状况，获取路面状况数据；
UBI车险分析服务器，对所述路面状况数据进行分析，判断所述交通工具的驾驶行为。
9.一种基于运动传感器的路况分析设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111034121.4A CN113793509B (zh) | 2018-03-12 | 基于运动传感器的路况分析方法、装置、设备及介质 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810202820.7A CN110264741B (zh) | 2018-03-12 | 2018-03-12 | 基于运动传感器的路况检测方法、装置、设备及介质 |
| CN202111034121.4A CN113793509B (zh) | 2018-03-12 | 基于运动传感器的路况分析方法、装置、设备及介质 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810202820.7A Division CN110264741B (zh) | 2018-03-12 | 2018-03-12 | 基于运动传感器的路况检测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113793509A true CN113793509A (zh) | 2021-12-14 |
| CN113793509B CN113793509B (zh) | 2024-04-16 |
Family
ID=
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102167041A (zh) * | 2011-01-07 | 2011-08-31 | 深圳市航天星网通讯有限公司 | 一种基于加速度传感器的车辆行驶状态的判定方法 |
| CN102519577A (zh) * | 2011-12-05 | 2012-06-27 | 中国科学院深圳先进技术研究院 | 道路中路面的识别方法及系统 |
| JP2012154769A (ja) * | 2011-01-26 | 2012-08-16 | Seiko Epson Corp | 加速度検出方法、位置算出方法及び加速度検出装置 |
| US20120245839A1 (en) * | 2011-03-23 | 2012-09-27 | Trusted Positioning Inc. | Methods of attitude and misalignment estimation for constraint free portable navigation |
| CN103235328A (zh) * | 2013-04-19 | 2013-08-07 | 黎湧 | 一种gnss与mems组合导航的方法 |
| US20130338915A1 (en) * | 2011-03-02 | 2013-12-19 | Seiko Epson Corporation | Attitude determination method, position calculation method, and attitude determination device |
| CN104154916A (zh) * | 2013-08-30 | 2014-11-19 | 北京航天发射技术研究所 | 一种基于激光陀螺捷联惯组的车载定位设备 |
| US20140379385A1 (en) * | 2013-06-24 | 2014-12-25 | Elwha, Llc | System and method for monitoring driving to determine an insurance property |
| CN104442827A (zh) * | 2014-11-12 | 2015-03-25 | 上海交通大学 | 基于智能手机的路面坑洞探测方法 |
| US20150193885A1 (en) * | 2014-01-06 | 2015-07-09 | Harman International Industries, Incorporated | Continuous identity monitoring for classifying driving data for driving performance analysis |
| CN105270411A (zh) * | 2015-08-25 | 2016-01-27 | 南京联创科技集团股份有限公司 | 一种驾驶行为的分析方法及装置 |
| CN105371846A (zh) * | 2015-11-13 | 2016-03-02 | 广州周立功单片机科技有限公司 | 载体姿态检测方法及其系统 |
| CN106104277A (zh) * | 2014-03-25 | 2016-11-09 | 精工爱普生株式会社 | 相关系数校正方法、运动解析方法、相关系数校正装置及程序 |
| CN106530696A (zh) * | 2016-11-17 | 2017-03-22 | 捷开通讯(深圳)有限公司 | 一种驾驶行为监控方法及路况监控方法 |
| CN106643749A (zh) * | 2016-09-14 | 2017-05-10 | 北京航空航天大学 | 一种基于智能手机的危险驾驶行为检测方法 |
| CN106864461A (zh) * | 2017-02-15 | 2017-06-20 | 武汉极目智能技术有限公司 | 一种基于加速度传感器判断车辆运动行为的方法 |
| CN107036630A (zh) * | 2017-04-27 | 2017-08-11 | 深圳市思拓通信系统有限公司 | 一种车辆驾驶预警装置安装角度的自动识别系统及方法 |
| CN107734457A (zh) * | 2017-09-29 | 2018-02-23 | 桂林电子科技大学 | 智慧停车场导航系统及方法 |
| US20180060970A1 (en) * | 2016-09-01 | 2018-03-01 | International Business Machines Corporation | System and method for context-based driver monitoring |
| CN107784708A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 一种基于不同路况来判断驾驶风险的方法 |
| CN109629379A (zh) * | 2018-11-27 | 2019-04-16 | 上海炬宏信息技术有限公司 | 一种基于手机传感器数据的路面检测方法 |
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102167041A (zh) * | 2011-01-07 | 2011-08-31 | 深圳市航天星网通讯有限公司 | 一种基于加速度传感器的车辆行驶状态的判定方法 |
| JP2012154769A (ja) * | 2011-01-26 | 2012-08-16 | Seiko Epson Corp | 加速度検出方法、位置算出方法及び加速度検出装置 |
| US20130338915A1 (en) * | 2011-03-02 | 2013-12-19 | Seiko Epson Corporation | Attitude determination method, position calculation method, and attitude determination device |
| US20120245839A1 (en) * | 2011-03-23 | 2012-09-27 | Trusted Positioning Inc. | Methods of attitude and misalignment estimation for constraint free portable navigation |
| CN102519577A (zh) * | 2011-12-05 | 2012-06-27 | 中国科学院深圳先进技术研究院 | 道路中路面的识别方法及系统 |
| CN103235328A (zh) * | 2013-04-19 | 2013-08-07 | 黎湧 | 一种gnss与mems组合导航的方法 |
| US20140379385A1 (en) * | 2013-06-24 | 2014-12-25 | Elwha, Llc | System and method for monitoring driving to determine an insurance property |
| CN104154916A (zh) * | 2013-08-30 | 2014-11-19 | 北京航天发射技术研究所 | 一种基于激光陀螺捷联惯组的车载定位设备 |
| US20150193885A1 (en) * | 2014-01-06 | 2015-07-09 | Harman International Industries, Incorporated | Continuous identity monitoring for classifying driving data for driving performance analysis |
| CN106104277A (zh) * | 2014-03-25 | 2016-11-09 | 精工爱普生株式会社 | 相关系数校正方法、运动解析方法、相关系数校正装置及程序 |
| CN104442827A (zh) * | 2014-11-12 | 2015-03-25 | 上海交通大学 | 基于智能手机的路面坑洞探测方法 |
| CN105270411A (zh) * | 2015-08-25 | 2016-01-27 | 南京联创科技集团股份有限公司 | 一种驾驶行为的分析方法及装置 |
| CN105371846A (zh) * | 2015-11-13 | 2016-03-02 | 广州周立功单片机科技有限公司 | 载体姿态检测方法及其系统 |
| CN107784708A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 一种基于不同路况来判断驾驶风险的方法 |
| US20180060970A1 (en) * | 2016-09-01 | 2018-03-01 | International Business Machines Corporation | System and method for context-based driver monitoring |
| CN106643749A (zh) * | 2016-09-14 | 2017-05-10 | 北京航空航天大学 | 一种基于智能手机的危险驾驶行为检测方法 |
| CN106530696A (zh) * | 2016-11-17 | 2017-03-22 | 捷开通讯(深圳)有限公司 | 一种驾驶行为监控方法及路况监控方法 |
| CN106864461A (zh) * | 2017-02-15 | 2017-06-20 | 武汉极目智能技术有限公司 | 一种基于加速度传感器判断车辆运动行为的方法 |
| CN107036630A (zh) * | 2017-04-27 | 2017-08-11 | 深圳市思拓通信系统有限公司 | 一种车辆驾驶预警装置安装角度的自动识别系统及方法 |
| CN107734457A (zh) * | 2017-09-29 | 2018-02-23 | 桂林电子科技大学 | 智慧停车场导航系统及方法 |
| CN109629379A (zh) * | 2018-11-27 | 2019-04-16 | 上海炬宏信息技术有限公司 | 一种基于手机传感器数据的路面检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 黄卫权 等: "惯性导航、卫星定位及其组合的基本原理", 国防工业出版社, pages: 122 - 125 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110264741A (zh) | 2019-09-20 |
| CN110264741B (zh) | 2021-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9604648B2 (en) | Driver performance determination based on geolocation | |
| CN104276080B (zh) | 客车驾驶员手离方向盘检测预警系统及预警方法 | |
| CN105573325B (zh) | 无人驾驶自行车的控制方法及系统 | |
| CN105564436A (zh) | 一种高级驾驶辅助系统 | |
| CN110264741B (zh) | 基于运动传感器的路况检测方法、装置、设备及介质 | |
| KR101696821B1 (ko) | 차량의 주행 특성을 이용한 노면의 미끄럼 상태 검출 장치 및 방법 | |
| CN113370982B (zh) | 路面颠簸区域的检测方法、装置、电子设备及存储介质 | |
| Liu et al. | Bigroad: Scaling road data acquisition for dependable self-driving | |
| US20130325284A1 (en) | Traffic congestion detection apparatus and vehicle control apparatus | |
| CN112581633A (zh) | 一种自动驾驶功能车辆在环虚拟仿真测试方法及系统 | |
| KR101446546B1 (ko) | 위치기반 실시간 차량정보 표시시스템 | |
| CN113340325B (zh) | 一种验证车路协同路侧感知融合精度的系统、方法及介质 | |
| CN110428663B (zh) | 一种车辆碰撞预警方法、车载终端及服务器 | |
| CN102663352A (zh) | 一种轨道识别方法 | |
| CN104827963A (zh) | 一种用于车辆防撞智能预警的方法、控制系统以及控制装置 | |
| CN105109490A (zh) | 一种基于三轴加速度传感器判断车辆急转弯的方法 | |
| CN106379321A (zh) | 一种车辆急转弯识别的方法、装置及系统 | |
| CN105096620B (zh) | 一种高速公路机动车气态污染物排放的测定、评估与警示装置及方法 | |
| CN106898157A (zh) | 用于传输、接收和处理数据值的方法以及传输与接收设备 | |
| CN107680396A (zh) | 一种驾驶行为的监控方法及其装置 | |
| CN111081023A (zh) | 车辆弯道安全行驶预警系统及方法 | |
| CN110458080A (zh) | 一种汽车行驶中前方坑洞的预判方法及系统 | |
| CN112863177A (zh) | 一种基于数据分析的导航时长预测方法 | |
| CN115805924B (zh) | 一种矿用车辆制动控制系统 | |
| CN113793509B (zh) | 基于运动传感器的路况分析方法、装置、设备及介质 |
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 |