CN113836790A - 电动单车智能化等级的测评方法、装置及计算机设备 - Google Patents
电动单车智能化等级的测评方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN113836790A CN113836790A CN202110983915.9A CN202110983915A CN113836790A CN 113836790 A CN113836790 A CN 113836790A CN 202110983915 A CN202110983915 A CN 202110983915A CN 113836790 A CN113836790 A CN 113836790A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- electric bicycle
- preset
- scoring
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 183
- 230000006870 function Effects 0.000 claims description 78
- 230000008859 change Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Abstract
本发明公开了一种电动单车智能化等级的测评方法、装置及计算机设备，涉及信息技术领域，主要在于能够从多个维度对电动单车的智能化水平进行测评，进而能够保证电动单车智能化等级测评的准确度。其中方法包括：获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；基于所述智能化评分，确定所述电动单车对应的智能化等级。本发明适用于对电动单车的智能化等级进行测评。
Description
技术领域
本发明涉及信息技术领域，尤其是涉及一种电动单车智能化等级的测评方法、装置及计算机设备。
背景技术
电动单车由于其方便、快捷的特性，已经成为市民出行最常用的交通工具之一，同时，如共享电动单车、外卖电动单车需求也逐步增加，有数据显示，2019年中国电动单车产量为3609.3万辆，同比增长10.1％。电动单车新国标实施后，行业由高速发展转向高质量发展，整个电动单车领域正在蓬勃发展，随之电动单车的功能也日益增加。
目前，在评测电动单车的过程中，通常根据电动单车的续航能力来对电动单车进行评测。然而，随着电动单车不断地智能化，影响用户骑行体验的更多的是整车的智能化水平，这种仅根据单一维度续航能力对车辆进行测评的方式，无法准确地反应电动单车的智能化水平，进而无法为用户对电动单车的选择提供有力依据。
发明内容
本发明提供了一种电动单车智能化等级的测评方法、装置及计算机设备，主要在于能够从多个维度对电动单车的智能化水平进行测评，进而能够保证电动单车智能化等级测评的准确度。
根据本发明的第一个方面，提供一种电动单车智能化等级测评方法，包括：
获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；
基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；
基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
根据本发明的第二个方面，提供一种电动单车智能化等级测评装置，包括：
获取单元，用于获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；
计算单元，用于基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；
确定单元，用于基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
根据本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；
基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；
基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
根据本发明的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；
基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；
基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
本发明提供的一种电动单车智能化等级的测评方法、装置及计算机设备，与目前根据电动单车的续航能力来对电动单车进行测评的方式相比，本发明能够获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；与此同时，基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；最终基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级，由此通过从多个维度对电动单车进行测评，能够确定电动单车对应的智能化等级，从而能够避免用户仅根据续航能力来对电动单车进行测评，保证了电动单车智能化等级测评的准确度，为用户对电动单车的选择提供有力的依据。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了本发明实施例提供的一种电动单车智能化等级的测评方法流程图；
图2示出了本发明实施例提供的另一种电动单车智能化等级的测评方法流程图；
图3示出了本发明实施例提供的一种电动单车智能化等级的测评装置的结构示意图；
图4示出了本发明实施例提供的另一种电动单车智能化等级的测评装置的结构示意图；
图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
目前，在测评电动单车的过程中，通常根据电动单车的续航能力来对电动单车进行测评，然而，这种仅根据单一维度续航能力对车辆进行测评的方式，无法准确地反应电动单车的智能化水平，进而无法为用户对电动单车的选择提供有力依据。
为了解决上述问题，本发明实施例提供了一种电动单车智能化等级的测评方法，如图1所示，所述方法包括：
101、获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据。
其中，电动单车包括共享电动单车、外卖电动单车和用户自己购买使用的电动单车等，多个智能系统包括智能化基础中的车辆状态采集与管理硬件系统和车辆交互传输系统，还包括智能化场景中的驾驶辅助系统、能源系统、防盗系统、乘坐系统和智慧娱乐系统，不同智能系统对应的参数维度不同，每个智能系统对应多个参数维度，例如，能源系统对应的多个参数维度包括：充电器是否具备安全设计，车辆充满电速度，是否具有能量回收系统，能量回收转化率，是否具备放电安全设计，电池是否具备BMS管理系统，以及车辆是否具备外沿能力等，通过收集能源系统在上述参数维度下的参数数据，对能源系统进行智能化测评。
对于本发明实施例，为了克服现有技术中无法准确地反应电动单车的智能化水平，进而无法为用户对电动单车的选择提供有力依据的缺陷，本发明实施例通过从多个维度对电动单车进行测评，能够确定电动单车对应的智能化等级，从而能够避免用户仅根据续航能力来对电动单车进行测评，保证了电动单车智能化等级测评的准确度，为用户对电动单车的选择提供有力的依据，本发明实施例主要适用于对电动单车的智能化等级进行测评的场景，本发明实施例的执行主体为能够对电动单车的智能化等级进行测评的装置或者设备，具体可以设置在客户端或者服务器一侧。
具体地，当需要对电动单车的智能化等级进行测评时，可以根据电动单车的出厂信息，获取电动单车的智能系统在不同参数维度下的参数数据，例如，根据电动单车的出厂信息，能够确定电动单车的驾驶辅助系统是否具备上车辅助功能，以及车辆是否支持定速巡航功能等，此外，还可以通过传感器实时测量和采集，获取电动单车的智能系统在不同参数维度下的参数数据，例如，用户通过测量能够获取电动单车的定位系统的精度度，以及定位系统信号的覆盖范围等，由此通常上述方式，能够确定多个智能系统在不同参数维度下的参数数据，以便根据该参数数据，计算多个智能系统分别对应的智能化评分。
102、基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分。
其中，参数权重可以为系统评分回归模型中不同参数数据对应的参数权重，对于本发明实施例，为了计算多个智能系统分别对应的智能化评分，首先需要根据所述参数数据，获取电动单车的多个智能系统分别在不同参数维度下的测评分值，然后可以将不同参数维度下的测评分值输入至多个智能系统分别对应的预设系统评分模型进行智能化评分，得到多个智能系统分别对应的智能化评分，其中，预设系统评分模型具体可以为预设系统评分回归模型，该预设系统评分回归模型中为不同参数维度下的测评分值分配了相应的参数权重，基于不同参数维度下的测评分值对应的参数权重，将不同参数维度下的测评分值相加，得到多个智能系统分别对应的智能化评分。
以计算电动单车的防盗系统对应的智能化评分为例，针对防盗系统的上锁功能，如果车辆具备自动锁车功能，确定其对应的测评分值为10分；如果车辆具备手机APP智能锁车功能，确定其对应的测评分值为10分；如果车辆具备NFC锁车功能，确定其对应的测评分值为5分；如果车辆还支持其他上锁方式，确定其对应的测评分值为0-15分。进一步地，针对防盗系统的解锁功能，如果车辆具备自动解锁功能，确定其对应的测评分值为10分；如果车辆具备手机APP智能解锁功能，确定其对应的测评分值为10分；如果车辆具备NFC解锁功能，确定其对应的测评分值为5分；如果车辆还支持其他解锁方式，确定其对应的测量分值为0-15分。进一步地，针对防盗系统的定位功能，如果车辆具备电子围栏功能，确定其对应的测评分值为10分；如果车辆具备鞍座锁功能，确定其对应的测评分值为5分；如果车辆具备其他定位防盗功能，确定其对应的测评分值为5分。进一步地，针对防盗系统的防盗功能，如果车辆具备智能龙头锁，确定其对应的测评分值为10分；如果车辆具备远程APP报警功能，确定其对应的测评分值为5分；如果车辆还具备其他防盗功能，确定其对应的测评分值为5分。由此按照上述方式，能够确定电动单车的防盗系统在不同参数维度下的测评分值。
进一步地，将防盗系统在不同参数维度下的测评分值输入至防盗系统对应的预设系统评分回归模型中，根据防盗系统对应的预设系统评分回归模型中不同参数维度下的测评分值对应的参数权重，将不同参数维度下的测评分值加权求和，得到防盗系统对应的智能化评分。按照上述方法能够计算电动单车多个智能系统分别对应的智能化评分，并基于电动单车的多个智能系统分别对应的智能化评分，确定电动单车对应的智能化等级，由此通过从多个维度对电动单车的智能化等级进行测评，保证了电动单车智能化等级测评的准确度，为用户对电动单车的选择提供有力的依据。
103、基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
其中，电动单车对应的智能化等级可以分为B0级、B1级、B2级、B3级和B4，其中，B0级表示用户通过设备了解了车辆的信息，即电动单车具备行车基础信息沟通能力，B1级表示用户可感知车辆状态，即电动单车具备三方设备连接能力，用户可实时了解电动单车基础状态信息，B2级表示电动单车可处理环境信息，合理反馈于用户，即电动单车具备环境感知能力，如电动电车能够感知路况、负重、车速、温度等信息，提供多维的电动单车状态信息，B3级表示电动单车具备AI学习能力，可持续学习用户习惯提供改善方案，提升驾驶舒服度，即电动电车具备算法处理控制器，可持续学习用户驾驶习惯，B4级表示电动单车能够自行完成驾驶行为，即电动单车具备辅助驾驶能力、半自动驾驶能力、全自动驾驶能力等。其中，预设智能化等级预测模型可以为预设多层感知器。
对于本发明实施例，为了确定电动单车的智能化等级，步骤103具体包括：将所述多个智能系统分别对应的智能化评分输入至所述预设多层感知器中进行等级预测，得到所述电动单车对应的智能化等级。
具体地，在利用预设多层感知器对电动单车的智能化等级进行预测的过程中，预设多层感知器的输入数据为电动单车的多个智能系统分别对应的智能化评分，输出数据为电动单车对应的智能化等级，进一步地，利用预设多层感知器对电动单车的智能化等级进行预测的具体方法为：将所述多个智能系统分别对应的智能化评分输入至所述预设多层感知器中进行等级预测，得到所述电动单车属于不同智能化等级的概率值；确定所述电动单车属于不同智能化等级的概率值中的最大概率值，并将所述最大概率值对应的智能化等级确定为所述电动单车对应的智能化等级。
其中，该多层感知器包括输入层、隐藏层和输出层，具体地，在预测电动单车对应的智能化等级的过程中，首先将多个智能系统分别对应的智能化评分通过预设多层感知器的输入层输入至隐藏层，通过该隐藏层输出的结果为：
f(W1x+b1)
其中，x为多个智能系统分别对应的智能化评分，W1为隐藏层的权重，也是预设多层感知器的连接系数，b1为隐藏层的偏置系数，f函数通常可以采用sigmoid函数或者tanh函数，如下所示：
sigmoid(x)＝1/(1+e-x)
tanh(x)＝(ex-e-x)/(ex+e-x)
进一步地，再将该隐藏层输出的结果输入至输出层，通过该输出层进行分类，得到的分类结果为：
softmax(W2f(W1x+b1)+b2)
其中，W2为输出层的权重系数，b2为输出层的偏置系数，通过预设多层感知器的输出层能够输出电动电车对应的分类结果，该分类结果实质上为电动单车属于不同智能化等级的概率值，将最大概率值对应的智能化等级，确定为未电动单车对应的智能化等级。由此能够利用多层感知器，预测电动单车对应的智能化等级。
进一步地，在对多层感知器进行训练的过程中，可以收集样本电动单车的多个智能系统对应的样本智能化评分及样本电动单车对应的智能化等级，并根据样本电动单车的智能化等级对样本智能化评分进行标记，将标记后的样本智能化评分作为训练集，利用预设神经网络算法对该训练集进行训练，构建多层感知器。
本发明实施例提供的一种电动单车智能化等级的测评方法，与目前根据电动单车的续航能力来对电动单车进行测评的方式相比，本发明能够获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；与此同时，基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；最终基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级，由此通过从多个维度对电动单车进行测评，能够确定电动单车对应的智能化等级，从而能够避免用户仅根据续航能力来对电动单车进行测评，保证了电动单车智能化等级测评的准确度，为用户对电动单车的选择提供有力的依据。
进一步的，为了更好的说明上述对电动单车智能化等级测评的过程，作为对上述实施例的细化和扩展，本发明实施例提供了另一种电动单车智能化等级的测评方法，如图2所示，所述方法包括：
201、获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据。
对于本发明实施例，为了计算多个智能系统分别对应的智能化评分，需要获取电动电车的多个智能系统分别在不同参数维度下的参数数据，例如，需要获取车辆状态采集与管理硬件系统的主机链接能力数据、传感器数据和定位系统数据等，需要获取驾驶辅助系统的停车辅助数据、推行辅助数据和巡航辅助数据等。针对该参数数据的具体获取过程与步骤101完全相同，再此不在赘述。
202、基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值。
对于本发明实施例，为了确定多个智能系统分别在不同参数维度下的测评分值，步骤202具体包括：若所述电动单车的防盗系统具有自动锁车功能，则确定所述防盗系统在上锁维度下的测评分值为第一预设分值；若所述电动单车的防盗系统具有自动解锁功能，则确定所述防盗系统在解锁维度下的测评分值为第二预设分值；若所述电动单车的驾驶辅助系统具有停车辅助功能，则确定所述驾驶辅助系统在停车辅助维度下的测评分值为第三预设分值；若所述电动单车的驾驶辅助系统具有推行辅助功能，则确定所述驾驶辅助系统在推行辅助维度下的测评分值为第四预设分值；若所述电动单车的车辆乘坐系统具有乘坐姿态变化功能，则确定所述车辆乘坐系统在乘坐姿态维度下的测评分值为第五预设分值；若所述电动单车的车辆乘坐系统具有车身姿态变化功能，则确定所述车辆乘坐系统在车身姿态维度下的测评分值为第六预设分值。其中，预设分值可以根据实际的业务需求进行设定。
具体地，电动单车的智能化等级的测评涵盖了对电动单车的车辆状态采集与管理硬件系统、车辆交互传输系统、驾驶辅助系统、能源系统、防盗系统、乘坐系统和智慧娱乐系统等多个智能系统的测评，通过获取的参数数据，能够确定多个智能系统分别在不同参数维度下的测评分值，进而根据不同参数维度下的测评分值，确定多个智能系统分别对应的智能化评分。
例如，车辆状态采集与智能硬件系统涉及主机链接能力、数据处理能力、传感器、定位系统等，针对主机链接能力，可以根据车辆是否支持OTA(空间下载技术)功能以及所支持的OTA部件类型，确定其对应的测评分值，如支持OTA的部件类型如果是ECU(车载电脑)，确定其对应的测评分值为20分；支持OTA的部件类型如果是灯光，确定其对应的测评分值为10分；支持OTA的部件类型如果是仪表，确定其对应的测评分值为10分；支持OTA的部件类型如果是GPS定位系统，确定其对应的测评分值为10分；支持OTA的部件类型如果是电池管理系统，确定其对应的测评分值为20分；支持OTA的部件类型如果是传感器，确定其对应的测评分值为10分。进一步地，针对数据处理能力，如果车辆ECU绝壁电池温度检测、传感器数据收集、MCU速度限制等基础功能，确定其对应的测评分值为20分，此外，车辆每具备实时定位、震动轮动整车位移报警、音频提醒、智能锁控、远程控制、远程保修中的一项智能体验功能，测评分值增加10分。进一步地，针对传感器，如果车辆具备姿态传感器，确定其对应的测评分值为10分；如果车辆具备边撑传感器，确定其对应的测评分值为5分；如果车辆具备光传感器，确定其对应的测评分值为5分；如果车辆具备坐垫压力传感器，确定其对应的测评分值为5分；如果车辆还具备其他感器，确定其对应的测评分值为10分。进一步地，针对定位系统，可以根据定位系统的类型、数量、定位精度、信号覆盖范围等因素，确定其对应的测评分值，如定位系统如果是GPS/北斗，确定其对应的测评分值为10分；定位系统如果是GLONASS/基站，确定其对应的测评分值为8分；定位系统如果是wifi，确定其对应的测评分值为5分。
再比如，车辆交互传输系统涉及三方设备链接能力和交互设备等，针对主机链接能力，可以根据车辆连接设备的方式、数量、有效通信范围、通信带宽等综合因素，确定其对应的测评分值，如车辆通过Wifi与第三方设备连接，确定其对应的测评分值为10分；车辆通过蓝牙与第三方设备连接，确定其对应的测评分值为8分；车辆通过NFC(近距离无线通信)与第三方设备连接，确定其对应的测评分值为2分。进一步地，针对交互设备，可以根据车辆的显示设备是否具备基本的显示功能，确定其对应的测评分值，如车辆具备显示电量、速度、里程和续航等能力，确定其对应的测评分值为5分；车辆的显示设备具备交互能力，如支持触控、麦克风语音操作等交互能力，确定其对应的测评分值为15分。
再比如，驾驶辅助系统涉及停车辅助功能、推行辅助功能、巡航辅助功能、导航系统、制动辅助功能和灯光系统等，针对驾驶辅助系统，如果车辆具备驻车档位，确定其对应的测评分值为5分；如果车辆具备边撑断电判定驻车状态功能，确定其对应的测评分值为5分；如果车辆具备坐垫压力判定驻车状态能力，确定其对应的测评分值为10分；如果车辆具有其他方式判定驻车状态的能力，确定其对应的测评分值为0-10分；如果车辆摔倒后，具备向第三方发送摔车信息的能力，确定其对应的测评分值为10分；如果车辆摔倒后具备其他保护措施，确定其对应的测评分值为0-10分；如果车辆具备防溜车设计，确定其对应的测评分值为10分；如果车辆具备其他等同于防溜车功能设计，确定其对应的测评分值为0-20分。进一步地，针对推行辅助功能，如果车辆具备防窜车设计，确定其对应的测评分值为20分；如果车辆具备其他等同于防窜车功能设计，确定其对应的测评分值为0-10分；如果车辆具备上坡辅助功能，确定其对应的测评分值为20分；如果车辆具备其他等同于上坡辅助功能设计，确定其对应的测评分值为0-10分。进一步地，针对巡航辅助功能，如果车辆支持定速巡航功能，确定其对应的测评分值为20分；如果车辆支持根据路况改变的自适应巡航功能，确定其对应的测评分值为10分；如果车辆具备无人驾驶的功能，确定其对应的测评分值为100分；如果车辆具备感知到周围路面、环境、车辆状态的功能，确定其对应的测评分值为20分；如果车辆具备够根据周围路况自适应调整车辆本身运动状态的功能，确定其对应的测评分值为60分。进一步地，针对导航系统，如果车辆的仪表盘具备视觉导航功能，确定其对应的测评分值为20分；如果车辆具备语音导航功能，确定其对应的测评分值为20分。进一步地，针对制动辅助功能，如果车辆具有前碟刹后鼓刹、前后鼓刹、前后碟刹和其他等制动方式，确定其分别对应的测评分值为40分、30分、50分和0-10分；如果车辆的刹车制动力大小支持智能化调试，确定其对应的测评分值为40分；如果车辆具备自动识别路面情况的能力，如遇到行人或者障碍能够自动制动减速或停车，确定其对应的测评分值为100分。进一步地，针对灯光系统，如果车辆具备常规照明系统，确定其对应的测评分值为10分；如果车辆支持个性化灯光调整，确定其对应的测评分值为5分；如果车辆电动单车具有灯光控制系统自动化功能，确定其对应的测评分值为25分。
再比如，能源系统涉及充电功能、放电功能和拓展功能，针对充电功能，如果车辆的充电器具备安全设计，如充电器上标有最大允许电流、温度等，确定其对应的测评分值为5分；如果车辆充满电速度为1小时、2小时、3小时、4小时、5小时、6小时、7小时和8小时及以上，确定其对应的测评分值分别为：45分、40分、35分、30分、25分、20分、15分和10分；如果车辆具备能量回收系统，确定其对应的测评分值为15分；如果车辆的能量回收转化效率高，确定其对应的测评分值为15分。进一步地，针对放电功能，如果车辆具备放电安全设计，确定其对应的测评分值为5分；如果车辆的电池具备电池管理系统，确定其对应的测评分值为5分；进一步地，针对拓展能力，如果车辆具备USB、type-C、lighting等外接充电口，确定其对应的测评分值为5分。
再比如，车辆乘坐系统涉及乘坐姿态变化功能，车身姿态控制功能和环境提示功能，针对乘坐姿态变化功能，如果车辆的车身姿态能够调整，如车身长度、高度、宽度、姿态舒适度等可调整，确定其对应的测评分值为10分；如果车身姿态可根据人身材以及特定的需求自动调整，确定其对应的测评分值为10分。进一步地，针对车身姿态控制功能，如果车辆具备减震系统支持调整，确定其对应的测评分值为5分；如果车辆的轮胎状态支持调整，确定其对应的测评分值为5分；如果车辆的把手转向幅度以及阻尼大小支持调整，确定其对应的测评分值为10分。进一步地，针对环境提示功能，如果车辆能感知并反馈天气信息，如温度、湿度、空气质量等信息，确定其对应的测评分值为10分；如果车辆能感知并反馈道路信息，如道路拥堵何路障情况等，确定其对应的测评分值为10分。
再比如，智慧娱乐系统涉及媒体交互功能和通讯能力，针对媒体交互功能，如果车辆支持音频播放，确定其对应的测评分值为5分；如果车辆支持视频播放，确定其对应的测评分值为5分；如果车辆支持游戏娱乐，确定其对应的测评分值为25分。针对通讯能力，如果车辆支持数据流量、WIFI等功能，确定其对应的测评分值为5分；如果车辆支持语音通信功能，确定其对应的测评分值为10分；如果车辆支持视频通信功能，确定其对应的测评分值为25分。
203、将所述不同参数维度下的测评分值输入至所述多个智能系统分别对应的预设系统评分模型进行智能化评分，得到所述多个智能系统分别对应的智能化评分。
对于本发明实施例，所述预设系统评分模型具体可以为预设系统评分回归模型，不同智能系统对应的预设系统评分模型不同，步骤203具体包括：确定所述预设系统评分回归模型中不同参数维度下的测评分值对应的参数权重；基于所述参数权重，将所述不同参数维度下的测评分值相加，得到所述多个智能系统分别对应的智能化评分。
具体地，不同智能系统对应的预设系统评分回归模型中设置有相应的参数权重，如能源系统对应的预设系统评分回归模型中设置有充电测评分值、放电测评分值、拓展测评分值等对应的参数权重，当预设系统评分回归模型具体为线性回归模型时，将不同参数维度下的测评分值及其对应的参数权重相乘，并将不同参数维度下的相乘结果相加，得到多个智能系统分别对应的智能化评分，进一步地，根据多个智能系统分别对应的智能化评分，确定电动单车对应的智能化等级。
204、将所述多个智能系统分别对应的智能化评分输入至预设电动单车评分模型中进行智能化评分，得到所述电动单车对应的智能化评分，并基于所述电动单车对应的智能化评分，确定所述电动单车对应的智能化等级。
对于本发明实施例，预设电动单车评分模型具体可以为预设电动单车评分回归模型，将电动单车的车辆状态采集与管理硬件系统、车辆交互传输系统、驾驶辅助系统、能源系统、防盗系统、乘坐系统和智慧娱乐系统分别对应的智能化评分输入至预设电动单车评分回归模型进行智能化评分，能够能到电动单车对应的智能化评分，进而根据电动单车对应的智能评分，确定电动单车对应的智能化等级。
进一步地，为了得到电动单车对应的智能化评分，所述方法包括：确定所述预设电动单车评分回归模型中所述多个智能系统分别对应的系统权重；基于所述系统权重，将所述多个智能系统对应的智能化评分相加，得到所述电动单车对应的智能化评分。
具体地，预设电动单车评分回归模型中设置有车辆状态采集与管理硬件系统、车辆交互传输系统、驾驶辅助系统、能源系统、防盗系统、乘坐系统和智慧娱乐系统等对应的系统权重，当预设电动单车评分回归模型具体为线性回归模型时，将多个智能系统分别对应的智能化评分与多个智能系统分别对应的系统权重相乘，并将多个智能系统下的相乘结果相加，得到电动单车对应的智能化评分，例如，电动单车的车辆状态采集与管理硬件系统、车辆交互传输系统、驾驶辅助系统、能源系统、防盗系统、乘坐系统和智慧娱乐系统分别对应的智能化评分为160分、30分、410分、80分、100分、40分和40分，同时车辆状态采集与管理硬件系统、车辆交互传输系统、驾驶辅助系统、能源系统、防盗系统、乘坐系统和智慧娱乐系统分别对应的系统权重为0.2、0.1、0.1、0.3、0.1、0.1和0.1，根据多个智能系统分别对应的智能化评分及其多个智能系统分别对应的系统权重，能够计算出电动单车的智能化评分为118分，之后基于电动单车的智能化评分，确定电动单车对应的智能化等级。
进一步地，电动单车对应的智能化等级具体可以分为B0-B4级，每个智能化等级都对应一个电动单车的智能化评分区间，如B0级对应的电动单车的智能化评分区间为0-10分，B1级对应的电动单车的智能化评分区间为10-30分，B2级对应的电动单车的智能化评分区间为30-60分，B3级对应的电动单车的智能化评分区间为60-100分，B4级对应的电动单车的智能化评分区间为100-200分，若所述电动单车对应的智能化评分为118分，则确定所述电动单车对应的智能化等级为B4级。
本发明实施例提供的另一种电动单车智能化等级的测评方法，与目前根据电动单车的续航能力来对电动单车进行测评的方式相比，本发明能够获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；与此同时，基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；最终基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级，由此通过从多个维度对电动单车进行测评，能够确定电动单车对应的智能化等级，从而能够避免用户仅根据续航能力来对电动单车进行测评，保证了电动单车智能化等级测评的准确度，为用户对电动单车的选择提供有力的依据。
进一步地，作为图1的具体实现，本发明实施例提供了一种电动单车智能化等级的测评装置，如图3所示，所述装置包括：获取单元31、计算单元32和确定单元33。
所述获取单元31，可以用于获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据。
所述计算单元32，可以用于基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分。
所述确定单元33，可以用于基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
在具体应用场景中，为了计算多个智能系统分别对应的智能化评分，所述计算单元32，具体可以用于若所述电动单车的防盗系统具有自动锁车功能，则确定所述防盗系统在上锁维度下的测评分值为第一预设分值；若所述电动单车的防盗系统具有自动解锁功能，则确定所述防盗系统在解锁维度下的测评分值为第二预设分值；若所述电动单车的驾驶辅助系统具有停车辅助功能，则确定所述驾驶辅助系统在停车辅助维度下的测评分值为第三预设分值；若所述电动单车的驾驶辅助系统具有推行辅助功能，则确定所述驾驶辅助系统在推行辅助维度下的测评分值为第四预设分值；若所述电动单车的车辆乘坐系统具有乘坐姿态变化功能，则确定所述车辆乘坐系统在乘坐姿态维度下的测评分值为第五预设分值；若所述电动单车的车辆乘坐系统具有车身姿态变化功能，则确定所述车辆乘坐系统在车身姿态维度下的测评分值为第六预设分值；将所述不同参数维度下的测评分值输入至所述多个智能系统分别对应的预设系统评分模型进行智能化评分，得到所述多个智能系统分别对应的智能化评分。
进一步地，所述计算单元32，如图4所示，包括第一确定模块321和第一相加模块322。
所述第一确定模块321，可以用于确定所述预设系统评分回归模型中不同参数维度下的测评分值对应的参数权重。
所述第一相加模块322，可以用于基于所述参数权重，将所述不同参数维度下的测评分值相加，得到所述多个智能系统分别对应的智能化评分。
在具体应用场景中，为了确定电动单车的智能化等级，所述装置还包括：评分单元34。
所述评分单元34，可以用于将所述多个智能系统分别对应的智能化评分输入至预设电动单车评分模型中进行智能化评分，得到所述电动单车对应的智能化评分。
所述确定单元33，还可以用于基于所述电动单车对应的智能化评分，确定所述电动单车对应的智能化等级。
进一步地，所述预设电动单车评分模型为预设电动单车评分回归模型，所述评分单元34，包括：第二确定模块341和第二相加模块342。
所述第二确定模块341，可以用于确定所述预设电动单车评分回归模型中所述多个智能系统分别对应的系统权重。
所述第二相加模块342，可以用于基于所述系统权重，将所述多个智能系统对应的智能化评分相加，得到所述电动单车对应的智能化评分。
进一步地，所述确定单元33，具体可以用于将所述多个智能系统分别对应的智能化评分输入至所述预设多层感知器中进行等级预测，得到所述电动单车对应的智能化等级。
进一步地，所述确定单元33，包括预测模块331和第三确定模块332。
所述预测模块331，可以用于将所述多个智能系统分别对应的智能化评分输入至所述预设多层感知器中进行等级预测，得到所述电动单车属于不同智能化等级的概率值。
所述第三确定模块332，可以用于确定所述电动单车属于不同智能化等级的概率值中的最大概率值，并将所述最大概率值对应的智能化等级确定为所述电动单车对应的智能化等级。
需要说明的是，本发明实施例提供的一种电动单车智能化等级的测评装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。
基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
基于上述如图1所示方法和如图3所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图5所示，该计算机设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
通过本发明的技术方案，本发明能够获取获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；与此同时，基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；最终基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级，由此通过从多个维度对电动单车进行测评，能够确定电动单车对应的智能化等级，从而能够避免用户仅根据续航能力来对电动单车进行测评，保证了电动单车智能化等级测评的准确度，为用户对电动单车的选择提供有力的依据。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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，均应包括在本发明的保护范围之内。
Claims (10)
1.一种电动单车智能化等级的测评方法，其特征在于，应用于服务端，包括：
获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；
基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；
基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
2.根据权利要求1所述的方法，其特征在于，所述基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，包括：
若所述电动单车的防盗系统具有自动锁车功能，则确定所述防盗系统在上锁维度下的测评分值为第一预设分值；
若所述电动单车的防盗系统具有自动解锁功能，则确定所述防盗系统在解锁维度下的测评分值为第二预设分值；
若所述电动单车的驾驶辅助系统具有停车辅助功能，则确定所述驾驶辅助系统在停车辅助维度下的测评分值为第三预设分值；
若所述电动单车的驾驶辅助系统具有推行辅助功能，则确定所述驾驶辅助系统在推行辅助维度下的测评分值为第四预设分值；
若所述电动单车的车辆乘坐系统具有乘坐姿态变化功能，则确定所述车辆乘坐系统在乘坐姿态维度下的测评分值为第五预设分值；
若所述电动单车的车辆乘坐系统具有车身姿态变化功能，则确定所述车辆乘坐系统在车身姿态维度下的测评分值为第六预设分值；
所述基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分，包括：
将所述不同参数维度下的测评分值输入至所述多个智能系统分别对应的预设系统评分模型进行智能化评分，得到所述多个智能系统分别对应的智能化评分。
3.根据权利要求2所述的方法，其特征在于，所述预设系统评分模型为预设系统评分回归模型，所述将所述不同参数维度下的测评分值输入至所述多个智能系统分别对应的预设系统评分模型进行智能化评分，得到所述多个智能系统分别对应的智能化评分，包括：
确定所述预设系统评分回归模型中不同参数维度下的测评分值对应的参数权重；
基于所述参数权重，将所述不同参数维度下的测评分值相加，得到所述多个智能系统分别对应的智能化评分。
4.根据权利要求1所述的方法，其特征在于，在所述基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分之后，所述方法还包括：
将所述多个智能系统分别对应的智能化评分输入至预设电动单车评分模型中进行智能化评分，得到所述电动单车对应的智能化评分；
基于所述电动单车对应的智能化评分，确定所述电动单车对应的智能化等级。
5.根据权利要求4所述的方法，其特征在于，所述预设电动单车评分模型为预设电动单车评分回归模型，所述将所述多个智能系统分别对应的智能化评分输入至预设电动单车评分模型中进行智能化评分，得到所述电动单车对应的智能化评分，包括：
确定所述预设电动单车评分回归模型中所述多个智能系统分别对应的系统权重；
基于所述系统权重，将所述多个智能系统对应的智能化评分相加，得到所述电动单车对应的智能化评分。
6.根据权利要求1所述的方法，其特征在于，所述预设智能化等级预测模型为预设多层感知器，所述基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级，包括：
将所述多个智能系统分别对应的智能化评分输入至所述预设多层感知器中进行等级预测，得到所述电动单车对应的智能化等级。
7.根据权利要求6所述的方法，其特征在于，所述将所述多个智能系统分别对应的智能化评分输入至所述预设多层感知器中进行等级预测，得到所述电动单车对应的智能化等级，包括：
将所述多个智能系统分别对应的智能化评分输入至所述预设多层感知器中进行等级预测，得到所述电动单车属于不同智能化等级的概率值；
确定所述电动单车属于不同智能化等级的概率值中的最大概率值，并将所述最大概率值对应的智能化等级确定为所述电动单车对应的智能化等级。
8.一种电动单车智能化等级测评装置，其特征在于，包括：
获取单元，用于获取传感器采集的电动单车的多个智能系统分别在不同参数维度下的参数数据；
计算单元，用于基于所述服务端中所述参数数据对应的预设评分规则，对所述多个智能系统进行评分，得到所述多个智能系统分别在不同参数维度下的测评分值，并基于所述测评分值及其对应的参数权重，计算所述多个智能系统分别对应的智能化评分；
确定单元，用于基于所述多个智能系统分别对应的智能化评分输入至预设智能化等级预测模型中进行等级预测，确定所述电动单车对应的智能化等级。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110983915.9A CN113836790B (zh) | 2021-08-25 | 2021-08-25 | 电动单车智能化等级的测评方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110983915.9A CN113836790B (zh) | 2021-08-25 | 2021-08-25 | 电动单车智能化等级的测评方法、装置及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113836790A true CN113836790A (zh) | 2021-12-24 |
| CN113836790B CN113836790B (zh) | 2024-02-02 |
Family
ID=78961280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110983915.9A Active CN113836790B (zh) | 2021-08-25 | 2021-08-25 | 电动单车智能化等级的测评方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113836790B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105551150A (zh) * | 2016-02-03 | 2016-05-04 | 江西师范大学 | 互联网+智能公共自行车交通管理系统及预约调度方法 |
| US20190114564A1 (en) * | 2017-10-18 | 2019-04-18 | United Parcel Service Of America, Inc. | Enriched Logistics System for Unmanned Vehicle Delivery of Parcels |
| US10599155B1 (en) * | 2014-05-20 | 2020-03-24 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
| CN111309628A (zh) * | 2020-03-10 | 2020-06-19 | 湖北亿咖通科技有限公司 | 一种车辆人机界面对标评价方法 |
| CN111753667A (zh) * | 2020-05-27 | 2020-10-09 | 江苏大学 | 一种基于孪生网络的智能汽车单目标跟踪方法 |
| US20200334762A1 (en) * | 2014-04-15 | 2020-10-22 | Speedgauge,Inc | Vehicle operation analytics, feedback, and enhancement |
| CN111861128A (zh) * | 2020-06-20 | 2020-10-30 | 清华大学 | 自动驾驶车辆人机协同操纵过程的接管舒适性评价方法、系统及存储介质 |
| US10831207B1 (en) * | 2018-08-22 | 2020-11-10 | BlueOwl, LLC | System and method for evaluating the performance of a vehicle operated by a driving automation system |
| CN112235741A (zh) * | 2020-09-04 | 2021-01-15 | 苏州香农智能科技有限公司 | 一种基于深度学习的巡检机器人车间状态检测系统 |
| CN112446398A (zh) * | 2019-09-02 | 2021-03-05 | 华为技术有限公司 | 图像分类方法以及装置 |
| CN112487695A (zh) * | 2020-11-30 | 2021-03-12 | 中南大学 | 一种复杂环境铁路多目标智能综合选线方法 |
| CN112862276A (zh) * | 2021-01-26 | 2021-05-28 | 电子科技大学 | 一种纵向和横向相结合的驾驶员风险偏好界定的车联网平台及方法 |
| CN112896879A (zh) * | 2021-02-24 | 2021-06-04 | 同济大学 | 一种用于智能环卫车的环境感知系统 |
| CN113188807A (zh) * | 2021-02-05 | 2021-07-30 | 深圳大雷汽车检测股份有限公司 | 一种abs结果自动判定算法 |
| CN113190921A (zh) * | 2021-05-14 | 2021-07-30 | 上海交通大学 | 用于智能汽车驾乘性能测试的自动评价方法及系统 |
-
2021
- 2021-08-25 CN CN202110983915.9A patent/CN113836790B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200334762A1 (en) * | 2014-04-15 | 2020-10-22 | Speedgauge,Inc | Vehicle operation analytics, feedback, and enhancement |
| US10599155B1 (en) * | 2014-05-20 | 2020-03-24 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
| CN105551150A (zh) * | 2016-02-03 | 2016-05-04 | 江西师范大学 | 互联网+智能公共自行车交通管理系统及预约调度方法 |
| US20190114564A1 (en) * | 2017-10-18 | 2019-04-18 | United Parcel Service Of America, Inc. | Enriched Logistics System for Unmanned Vehicle Delivery of Parcels |
| US10831207B1 (en) * | 2018-08-22 | 2020-11-10 | BlueOwl, LLC | System and method for evaluating the performance of a vehicle operated by a driving automation system |
| CN112446398A (zh) * | 2019-09-02 | 2021-03-05 | 华为技术有限公司 | 图像分类方法以及装置 |
| CN111309628A (zh) * | 2020-03-10 | 2020-06-19 | 湖北亿咖通科技有限公司 | 一种车辆人机界面对标评价方法 |
| CN111753667A (zh) * | 2020-05-27 | 2020-10-09 | 江苏大学 | 一种基于孪生网络的智能汽车单目标跟踪方法 |
| CN111861128A (zh) * | 2020-06-20 | 2020-10-30 | 清华大学 | 自动驾驶车辆人机协同操纵过程的接管舒适性评价方法、系统及存储介质 |
| CN112235741A (zh) * | 2020-09-04 | 2021-01-15 | 苏州香农智能科技有限公司 | 一种基于深度学习的巡检机器人车间状态检测系统 |
| CN112487695A (zh) * | 2020-11-30 | 2021-03-12 | 中南大学 | 一种复杂环境铁路多目标智能综合选线方法 |
| CN112862276A (zh) * | 2021-01-26 | 2021-05-28 | 电子科技大学 | 一种纵向和横向相结合的驾驶员风险偏好界定的车联网平台及方法 |
| CN113188807A (zh) * | 2021-02-05 | 2021-07-30 | 深圳大雷汽车检测股份有限公司 | 一种abs结果自动判定算法 |
| CN112896879A (zh) * | 2021-02-24 | 2021-06-04 | 同济大学 | 一种用于智能环卫车的环境感知系统 |
| CN113190921A (zh) * | 2021-05-14 | 2021-07-30 | 上海交通大学 | 用于智能汽车驾乘性能测试的自动评价方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 孙扬: "无人驾驶车辆智能水平的定量评价", 《中国博士学位论文全文数据库（电子期刊）》, pages 035 - 12 * |
| 李国法等: "智能汽车决策中的驾驶行为语义解析关键技术", 《汽车安全与节能学报》, vol. 10, no. 4, pages 391 - 412 * |
| 王庞伟等: "城市车路协同系统下实时交通状态评价方法", 《中国公路学报》, vol. 32, no. 6, pages 176 - 187 * |
| 董汉;舒伟;陈超;孙灿;尤超;: "危险驾驶工况场景的复杂度评估方法研究", 汽车工程, no. 06, pages 808 - 814 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113836790B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10562536B1 (en) | Apparatuses, systems and methods for determining distractions associated with vehicle driving routes | |
| US20210334420A1 (en) | Driving simulation method and apparatus, electronic device, and computer storage medium | |
| CN109416873B (zh) | 具有自动化风险控制系统的自主或部分自主机动车辆及其相应方法 | |
| US11003932B1 (en) | Apparatuses, systems, and methods for inferring a driving environment based on vehicle occupant actions | |
| CN101278324B (zh) | 自适应驾驶员工作负荷估计器 | |
| JP2021168193A (ja) | テレマティックス接続サーチエンジンを使用する動的なスコアベースの危険性測定及び集約のためのインテリジェントな自己適応型車両用装置及びその対応する方法 | |
| JP6918137B2 (ja) | 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 | |
| US20180370537A1 (en) | System providing remaining driving information of vehicle based on user behavior and method thereof | |
| JP6593798B2 (ja) | 車両、車両の通信モジュールと通信するシステム、および１組の車両と通信するシステム | |
| US11897483B2 (en) | Apparatuses, systems and methods for determining distracted drivers associated with vehicle driving routes | |
| CN107428244A (zh) | 用于使用户界面适应用户注意力和驾驶条件的系统和方法 | |
| CN109785611B (zh) | 无人驾驶车辆控制方法、装置、服务器及存储介质 | |
| CN113614505B (zh) | 感官评价系统、悬架装置、悬架控制系统 | |
| US10891502B1 (en) | Apparatuses, systems and methods for alleviating driver distractions | |
| CN113487863A (zh) | 一种多因素交通风险实时定量评估系统及方法 | |
| CN112258837A (zh) | 一种车辆预警的方法、相关装置、设备以及存储介质 | |
| US20150321604A1 (en) | In-vehicle micro-interactions | |
| US20230331222A1 (en) | Vehicle surface impact detection | |
| CN113836790B (zh) | 电动单车智能化等级的测评方法、装置及计算机设备 | |
| US20220172494A1 (en) | Apparatuses, systems and methods for generating a vehicle driver signature | |
| CN114841514A (zh) | 模型训练和车辆舒适性评价方法、装置、设备及存储介质 | |
| CN114792185A (zh) | 车辆调配辅助系统、车辆调配辅助方法以及存储介质 | |
| US20240116515A1 (en) | Driver scoring platform | |
| US20230133248A1 (en) | Utilization-specific vehicle selection and parameter adjustment | |
| CN117705137A (zh) | 一种全地形车续航管理方法、系统及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |