CN115080683B - 车辆行程处理方法、设备和存储介质 - Google Patents

车辆行程处理方法、设备和存储介质 Download PDF

Info

Publication number
CN115080683B
CN115080683B CN202211015382.6A CN202211015382A CN115080683B CN 115080683 B CN115080683 B CN 115080683B CN 202211015382 A CN202211015382 A CN 202211015382A CN 115080683 B CN115080683 B CN 115080683B
Authority
CN
China
Prior art keywords
data
sub
vehicle
trip
stroke
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.)
Active
Application number
CN202211015382.6A
Other languages
English (en)
Other versions
CN115080683A (zh
Inventor
徐显杰
金彪
潘明
李正宾
胡敏智
徐建波
刘之秀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suoto Hangzhou Automotive Intelligent Equipment Co Ltd
Tianjin Soterea Automotive Technology Co Ltd
Original Assignee
Suoto Hangzhou Automotive Intelligent Equipment Co Ltd
Tianjin Soterea Automotive Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suoto Hangzhou Automotive Intelligent Equipment Co Ltd, Tianjin Soterea Automotive Technology Co Ltd filed Critical Suoto Hangzhou Automotive Intelligent Equipment Co Ltd
Priority to CN202211015382.6A priority Critical patent/CN115080683B/zh
Publication of CN115080683A publication Critical patent/CN115080683A/zh
Application granted granted Critical
Publication of CN115080683B publication Critical patent/CN115080683B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及数据处理领域，公开了一种车辆行程处理方法、设备和存储介质。该方法包括：对行驶轨迹的原始数据进行过滤处理，获得行驶轨迹的目标数据；对所述行驶轨迹的目标数据进行切分处理，获得多段第一子行程的数据；针对所述多段第一子行程中的当前段第一子行程的数据进行异常处理，获得各第一子行程一一对应的第二子行程的数据；对所述第二子行程的数据进行过滤处理，获得第三子行程的数据；基于预设规则对相邻的两个第三子行程的数据进行合并，获得母行程的数据。本实施例实现了对车辆连续行驶行程的识别与分割，为UBI车险的实施提供了参考数据，方便后续基于车辆行程进行风险字段开发、量化风险评估。

Description

车辆行程处理方法、设备和存储介质
技术领域
本发明涉及数据处理领域，尤其涉及一种车辆行程处理方法、设备和存储介质。
背景技术
UBI（Usage Based Insurance，基于使用量的保险）车险是一种根据实际驾驶时间、地点、里程以及具体的驾驶行为确定应缴多少车险的险种。驾驶方式更安全的车主所缴的车险更少，是一种个性化的新型车险。
在UBI保险产品的开发过程中，需要尽量准确、细化地衡量车辆在驾驶过程中存在的风险，以个性化地为车主生成合理的保险费用。
有鉴于此，特提出本发明。
发明内容
为了解决上述技术问题，本发明提供了一种车辆行程处理方法、设备和存储介质，实现了对车辆连续行驶行程的识别与分割，为UBI车险的实施提供了参考数据，方便后续基于车辆行程进行风险字段开发、量化风险评估，依据行程维度进行量化的风险横向、纵向对比。
本发明实施例提供了一种车辆行程处理方法，该方法包括：
获取车辆行驶轨迹的原始数据；
对所述行驶轨迹的原始数据进行过滤处理，以去除所述行驶轨迹的原始数据中的异常数据，获得行驶轨迹的目标数据；
对所述行驶轨迹的目标数据进行切分处理，获得多段第一子行程的数据；
针对所述多段第一子行程中的当前段第一子行程的数据进行异常处理，以去除或者修正当前段第一子行程的数据中的异常数据，获得各第一子行程一一对应的第二子行程的数据；
对所述第二子行程的数据进行过滤处理，以去除异常的第二子行程的数据，将剩余的第二子行程的数据确定为第三子行程的数据；
基于预设规则对相邻的两个第三子行程的数据进行合并，获得母行程的数据。
本发明实施例提供了一种电子设备，所述电子设备包括：
处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行任一实施例所述的车辆行程处理方法的步骤。
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一实施例所述的车辆行程处理方法的步骤。
本发明实施例具有以下技术效果：
通过对车辆行驶轨迹的原始数据进行过滤处理，去除其中的异常数据，获得车辆行驶轨迹的目标数据，进一步对目标数据进行切分处理，获得多段第一子行程的数据，接着针对每个第一子行程的数据进行异常处理，去除或者修正第一子行程的数据中的异常数据，获得第二子行程的数据，而后对第二子行程的数据进行过滤处理，去除异常的第二子行程的数据，将剩余的第二子行程的数据确定为第三子行程的数据，最后基于预设规则对相邻的两个第三子行程的数据进行合并，获得母行程的数据。实现了对车辆连续行驶行程的识别与分割，为UBI车险的实施提供了参考数据，方便后续基于车辆行程进行风险字段开发、量化风险评估，依据行程维度进行量化的风险横向、纵向对比。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是本发明实施例提供的一种车辆行程处理方法的流程图；
图2为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例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的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
图1是本发明实施例提供的一种车辆行程处理方法的流程图。参见图1，该车辆行程处理方法具体包括如下步骤：
步骤110、获取车辆行驶轨迹的原始数据。
其中，可从各种类型的车载传感器直接获取车辆行驶轨迹的原始数据，例如从速度传感器获取车辆的速度数据，从GPS（Global Position System，全球定位系统）获取车辆的经纬度数据等。也可以专门设置数据处理单元，数据处理单元负责从各种类型的车载传感器直接获取数据，并对获取的数据进行拼装整理，例如将同一时刻的不同类数据组装在一起构成一个信息条目，多个信息条目按照时间戳从早到晚的顺序依次排列构成行驶轨迹的原始数据。车辆可以是任意类型车辆，可以是乘用车也可以是商用车，例如客车、货车、渣土车等。
示例性的，一个信息条目可以包括日期数据、时间戳、高级驾驶辅助系统的开机时长、本车车速数据、经纬度数据以及车辆部件的工作状态标识等。其中，车辆部件的工作状态标识具体可以是表征车辆部件是否正常工作的字段，例如若aeb_state=2，则表示AEB（Autonomous Emergency Braking，自动紧急制动）异常；若algo_exception_state=1，表示电量异常等。
示例性的，获取车辆行驶轨迹的原始数据，包括：
按照设定频率（例如每一秒获取一次）获取车辆行驶轨迹的原始数据。
步骤120、对所述行驶轨迹的原始数据进行过滤处理，以去除所述行驶轨迹的原始数据中的异常数据，获得行驶轨迹的目标数据。
示例性的，所述对所述行驶轨迹的原始数据进行过滤处理，以去除所述行驶轨迹的原始数据中的异常数据，获得行驶轨迹的目标数据，包括：
确定所述行驶轨迹的原始数据中不符合日期规范的目标日期数据；将包括所述目标日期数据的信息条目作为异常数据从所述行驶轨迹的原始数据中删除；其中，所述行驶轨迹的原始数据包括多个所述信息条目，每个所述信息条目至少包括日期数据和时间戳，各所述信息条目基于各自的日期数据和时间戳按照从早到晚的顺序依次排列。
例如，每个月最多有31天，假如出现了*年*月32日，则认为该日期数据是不符合日期规范的目标日期，将包括该目标日期的信息条目删除。
步骤130、对所述行驶轨迹的目标数据进行切分处理，获得多段第一子行程的数据。
示例性的，所述对所述行驶轨迹的目标数据进行切分处理，获得多段第一子行程的数据，包括：
若当前信息条目所包括的高级驾驶辅助系统的开机时长小于与所述当前信息条目相邻的前一个信息条目所包括的高级驾驶辅助系统的开机时长，和/或，所述当前信息条目所包括的时间戳与所述前一个信息条目所包括的时间戳之间的时间间隔大于或等于间隔阈值，则将所述当前信息条目作为子行程的分割点，其中，所述当前信息条目所包括的时间戳晚于所述前一个信息条目所包括的时间戳；
根据所述分割点对所述行驶轨迹的原始数据中的多个信息条目进行分割，获得多个信息条目组；将每个信息条目组确定为一段第一子行程的数据。
可以理解的是，根据信息条目包括的高级驾驶辅助系统的开机时长、日期数据以及时间戳可以将各信息条目按照时间先后顺序进行严格排序。
步骤140、针对所述多段第一子行程中的当前段第一子行程的数据进行异常处理，以去除或者修正当前段第一子行程的数据中的异常数据，获得各第一子行程一一对应的第二子行程的数据。
在通过步骤130对行驶轨迹的目标数据进行切分处理，获得多段第一子行程的数据之后，基于大数据平台的全量车辆轨迹数据，分析总体车辆启动后的最低行驶车速，确定最低车速的阈值为第一速度阈值，以确保每一个第一子行程都代表车辆正常行驶的轨迹。
具体的，所述针对所述多段第一子行程中的当前段第一子行程的数据进行异常处理，包括下述中的一种或多种：
将第一个本车车速大于或等于第一速度阈值的信息条目确定为当前段第一子行程的起点，将最后一个本车车速大于或等于第一速度阈值的信息条目确定为当前段第一子行程的终点，将所述起点之前的信息条目以及所述终点之后的信息条目删除。
将车辆部件的工作状态标识为设定值的信息条目删除，例如，algo_exception_stat=(1,2,3,7,14,15,16,17,21,22,23,24,25,26,27,31,32)中的任意一个时，将该信息条目删除。
将本车车速大于第二速度阈值的信息条目删除。
若当前信息条目中的本车车速相比于与当前信息条目相邻的前一个信息条目中的本车车速，单位时间内的车速变化量大于变化阈值，则将所述当前信息条目删除。以变化阈值是20km/h为例，若当前信息条目中的本车车速为60km/h，相邻的前一个信息条目中的本车车速为81km/h，或者，当前信息条目中的本车车速为60km/h，相邻的前一个信息条目中的本车车速为39km/h，则确定单位时间内的车速变化量（21km/h）大于20km/h。通过数据分析，确定了正常驾驶过程中速度变化的范围，基于数据分析结果设定了速度变化异常的阈值：若当前信息条目中的本车车速与相邻的上一条信息条目中的本车车速相比，单位时间内的变化量>变化阈值或本车车速大于第二速度阈值，则定义为速度异常，则剔除这些轨迹。
确定当前信息条目中的经纬度数据是否异常，若确定当前信息条目中的经纬度数据异常，则利用与当前信息条目相邻的前一个信息条目中的经纬度数据替换当前信息条目中的经纬度数据。通过数据分析，联立对比经纬度变化与本车车速变化，发现本车车速数据的质量优于经纬度数据的质量(可能是由于连接卫星定位系统的信号不稳定所导致的)，因此，将基于相邻两条信息条目中的经纬度数据确定的车辆速度（记作v1），与本车车速（记作v2）进行对比。通过大量数据的比较，发现如下规律，如果(v1-v2)的绝对值大于变化阈值，则认为经纬度数据出现了异常。另外，若某条子行程中的经纬度点出现异常(经度不在经度阈值范围内，和/或纬度不在)纬度阈值范围内)，也认为当前经纬度出现异常。对于经纬度异常的数据点，以该行程内离该条信息条目时间最近的一个正常经纬度数据进行替换，其它维度的数据不变。
概括性的，所述确定当前信息条目中的经纬度数据是否异常，包括：
基于当前信息条目以及与当前信息条目相邻的前一个信息条目中的经纬度数据确定车辆的第一平均车速；基于当前信息条目以及与当前信息条目相邻的前一个信息条目中的本车车速数据确定车辆的第二平均车速；若所述第一平均车速较所述第二平均车速的变化量大于变化阈值，则确定当前信息条目中的经纬度数据异常；或者，若当前信息条目中的经度数据不在设定经度阈值范围内，则确定经度数据异常，若纬度数据不在设定纬度阈值范围内，则确定纬度数据异常。
步骤150、对所述第二子行程的数据进行过滤处理，以去除异常的第二子行程的数据，将剩余的第二子行程的数据确定为第三子行程的数据。
示例性的，所述对所述第二子行程的数据进行过滤处理，包括：
若所述第二子行程的数据满足预设条件，则将所述第二子行程的数据删除，其中，所述预设条件包括下述一种或者多种：
所述第二子行程的数据中信息条目的总数量小于数量阈值。
所述第二子行程的总时长小于第一时长阈值；其中，第二子行程的总时长的计算方式为：利用第二子行程中最后一个信息条目中记录的时间戳-第二子行程中第一个信息条目中记录的时间戳。例如第二子行程中最后一个信息条目中记录的时间戳8:00，第二子行程中第一个信息条目中记录的时间戳是7:45，则第二子行程的总时长为15分钟。
所述第二子行程的总里程小于第一里程阈值或者大于第二里程阈值；其中，第二子行程的总里程的计算方式为：总里程=平均车速×总时长，总时长=第二子行程中最后一个信息条目中记录的时间戳-第二子行程中第一个信息条目中记录的时间戳。可选的，第二子行程的总里程的计算方式还可以为：基于相邻两个信息条目所确定的间隔距离之和，所述间隔距离的计算方式为：相邻两个信息条目分别记录的本车车速的平均值×相邻两个信息条目之间的时间差，如果相邻两个信息条目之间的时间差大于一定值，则确定间隔时长过大，此种情况下基于相邻两个信息条目分别记录的经纬度数据确定所述间隔距离。
所述第二子行程的数据中第一个信息条目中的经纬度数据为空，或者最后一个信息条目中的经纬度数据为空。
所述第二子行程的平均速度小于第一速度阈值，第二子行程的平均速度=不同时间点对应的本车车速的算数平均值。例如第二子行程包括1000个信息条目，将第一个信息条目中记录的本车车速记为v1，第二个信息条目中记录的本车车速记为v2……第999个信息条目中记录的本车车速记为v999，第1000个信息条目中记录的本车车速记为v1000，则平均速度=（v1+v2+……+v999+v1000）/1000。
所述第二子行程的轨迹完整度小于完整度阈值，所述轨迹完整度等于所述第二子行程的数据中信息条目的总数量与第二子行程的总时长的比值；通过限定第二子行程的轨迹完整度大于或者等于完整度阈值，可保证行程数据内轨迹信号的连续性。
所述第二子行程的加权均速与算术均速的比值小于第一比值阈值或者大于第二比值阈值，其中，所述加权均速为所述第二子行程的总里程与总时长的比值，所述算术均速为所述第二子行程的数据中各信息条目中本车车速的平均值。通过基于加权均速与算术均速的比值对子行程进行筛选过滤，可保证本车车速数据的质量，确保行程数据中的车速信息不失真。
所述第二子行程中拥堵时长占总时长的比值超过第三比值阈值。可选的，所述第三比值阈值小于所述第一比值阈值。通过基于拥堵时长对子行程进行过滤，可保证子行程的有效性。
进一步的，若基于车载设备（例如摄像头）识别到本车前方的目标车辆的数量大于或等于所述数量阈值，且本车以及所述目标车辆的车速均小于第三速度阈值，则确定当前时间的道路状态为潜在拥堵状态，并为当前时间的信息条目设置拥堵标签；可选的，所述第三速度阈值大于所述第一速度阈值，第三速度阈值小于所述第二速度阈值；若检测到连续出现拥堵标签的信息条目的时长大于或等于第二时长阈值，则对所述第二时长阈值之内目标刹车信号的出现频率进行检测；若在所述第二时长阈值之内检测到目标刹车信号的出现频率大于或等于频率阈值，则确定在所述第二时长阈值之内的道路状态为拥堵状态，将所述第二时长阈值确定为拥堵时长。所述目标刹车信号为主动刹车信号。
步骤160、基于预设规则对相邻的两个第三子行程的数据进行合并，获得母行程的数据。
示例性的，所述基于预设规则对相邻的两个第三子行程的数据进行合并，获得母行程的数据，包括：
若相邻的两个第三子行程之间的间隔时长小于间隔阈值，则将所述相邻的两个第三子行程的数据进行合并，获得母行程数据。
其中，相邻的两个第三子行程之间的间隔时长可基于如下方式确定：利用当前第三子行程中的第一个信息条目记录的时间戳减与当前第三子行程相邻的上一个第三子行程中最后一个信息条目记录的时间戳。
若相邻的两个第三子行程之间的间隔时长小于间隔阈值，则将所述相邻的两个第三子行程的数据进行合并的理由是：如果司机在一次行程中有长时间的休息，则休息前后司机的驾驶行为不具有连续性，故希望通过某种规则排除司机休息的过程，经过数据分析(车辆的静止时长、静止时的经纬度对应的真实地址)，确定了司机休息、吃饭、进服务区等一系列行为的持续时长分布，最终设定了时间阈值、行程分割规则：剔除无效子行程之后，如果连续两个子行程之间的间隔时长<间隔阈值，则将这两个子行程合并。
本实施例提供的车辆行程处理方法，基于云平台数据分析确定各种司机驾驶行为、休息时间、速度跳变、数据传输时间、经纬度跳变等维度的分布情况。通过分析上述维度的数据分布，确定判别各种数据异常的阈值。基于特有的车辆状态信息，确定数据的断点情况、设备异常情况、车辆异常情况，并通过上述信息，对有效驾驶轨迹进行切割划分。基于车载设备回传的交通拥堵标签，基于标签的连续性和司机的踩刹动作变化判断前方道路拥堵情况，并剔除对应的无效子行程。实现了对任何车辆行驶轨迹数据进行数据清洗，行程划分，以满足不同的数据分析、建模需求。
应用上述方案中的特色维度，可以更加有效地提高数据的质量，过滤掉原始轨迹数据中的噪声。
方便尽量准确、细化地衡量车辆驾驶过程中存在的风险以及后续进行行程中的风险字段开发、量化风险评估。按照本发明实施例的方案，也可以规避不同车辆每天运行时长不同的差异，依据行程维度进行量化的风险横向/纵向对比。
实现了对车辆连续行驶行程的识别与分割，为UBI车险的实施提供了参考数据，方便后续基于车辆行程进行风险字段开发、量化风险评估，依据行程维度进行量化的风险横向、纵向对比。
图2为本发明实施例提供的一种电子设备的结构示意图。如图2所示，电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器401可以运行所述程序指令，以实现上文所说明的本发明任意实施例的车辆行程处理方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中，电子设备400还可以包括：输入装置403和输出装置404，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息，包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图2中仅示出了该电子设备400中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的车辆行程处理方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的车辆行程处理方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本申请范围。如本发明说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。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、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案。

Claims (9)

1.一种车辆行程处理方法，其特征在于，包括：
获取车辆行驶轨迹的原始数据；
对所述行驶轨迹的原始数据进行过滤处理，以去除所述行驶轨迹的原始数据中的异常数据，获得行驶轨迹的目标数据；
对所述行驶轨迹的目标数据进行切分处理，获得多段第一子行程的数据；
针对所述多段第一子行程中的当前段第一子行程的数据进行异常处理，以去除或者修正当前段第一子行程的数据中的异常数据，获得各第一子行程一一对应的第二子行程的数据；
对所述第二子行程的数据进行过滤处理，以去除异常的第二子行程的数据，将剩余的第二子行程的数据确定为第三子行程的数据；
基于预设规则对相邻的两个第三子行程的数据进行合并，获得母行程的数据；
其中，所述行驶轨迹的原始数据包括多个信息条目，每个所述信息条目包括本车车速数据、经纬度数据以及车辆部件的工作状态标识；
所述针对所述多段第一子行程中的当前段第一子行程的数据进行异常处理，包括：
将第一个本车车速大于或等于第一速度阈值的信息条目确定为当前段第一子行程的起点，将最后一个本车车速大于或等于第一速度阈值的信息条目确定为当前段第一子行程的终点，将所述起点之前的信息条目以及所述终点之后的信息条目删除；
将车辆部件的工作状态标识为设定值的信息条目删除；
将本车车速大于第二速度阈值的信息条目删除，所述第二速度阈值大于所述第一速度阈值；
若当前信息条目中的本车车速相比于与当前信息条目相邻的前一个信息条目中的本车车速，单位时间内的车速变化量大于变化阈值，则将所述当前信息条目删除；
确定当前信息条目中的经纬度数据是否异常，若确定当前信息条目中的经纬度数据异常，则利用与当前信息条目相邻的前一个信息条目中的经纬度数据替换当前信息条目中的经纬度数据。
2.根据权利要求1所述的车辆行程处理方法，其特征在于，所述对所述行驶轨迹的原始数据进行过滤处理，以去除所述行驶轨迹的原始数据中的异常数据，获得行驶轨迹的目标数据，包括：
确定所述行驶轨迹的原始数据中不符合日期规范的目标日期数据；
将包括所述目标日期数据的信息条目作为异常数据从所述行驶轨迹的原始数据中删除；
其中，每个所述信息条目还包括日期数据和时间戳，各所述信息条目基于各自的日期数据和时间戳按照从早到晚的顺序依次排列。
3.根据权利要求2所述的车辆行程处理方法，其特征在于，每个所述信息条目还包括高级驾驶辅助系统的开机时长；
所述对所述行驶轨迹的目标数据进行切分处理，获得多段第一子行程的数据，包括：
若当前信息条目所包括的高级驾驶辅助系统的开机时长小于与所述当前信息条目相邻的前一个信息条目所包括的高级驾驶辅助系统的开机时长，和/或，所述当前信息条目所包括的时间戳与所述前一个信息条目所包括的时间戳之间的时间间隔大于或等于间隔阈值，则将所述当前信息条目作为子行程的分割点，其中，所述当前信息条目所包括的时间戳晚于所述前一个信息条目所包括的时间戳；
根据所述分割点对所述行驶轨迹的原始数据中的多个信息条目进行分割，获得多个信息条目组；
将每个信息条目组确定为一段第一子行程的数据。
4.根据权利要求1所述的车辆行程处理方法，其特征在于，所述确定当前信息条目中的经纬度数据是否异常，包括：
基于当前信息条目以及与当前信息条目相邻的前一个信息条目中的经纬度数据确定车辆的第一平均车速；
基于当前信息条目以及与当前信息条目相邻的前一个信息条目中的本车车速数据确定车辆的第二平均车速；
若所述第一平均车速较所述第二平均车速的变化量大于变化阈值，则确定当前信息条目中的经纬度数据异常；
或者，若当前信息条目中的经度数据不在设定经度阈值范围内，则确定经度数据异常，若纬度数据不在设定纬度阈值范围内，则确定纬度数据异常。
5.根据权利要求2所述的车辆行程处理方法，其特征在于，所述对所述第二子行程的数据进行过滤处理，包括：
若所述第二子行程的数据满足预设条件，则将所述第二子行程的数据删除，其中，所述预设条件包括下述一种或者多种：
所述第二子行程的数据中信息条目的总数量小于数量阈值；
所述第二子行程的总时长小于第一时长阈值；
所述第二子行程的总里程小于第一里程阈值或者大于第二里程阈值；
所述第二子行程的数据中第一个信息条目中的经纬度数据为空，或者最后一个信息条目中的经纬度数据为空；
所述第二子行程的平均速度小于第一速度阈值；
所述第二子行程的轨迹完整度小于完整度阈值，所述轨迹完整度等于所述第二子行程的数据中信息条目的总数量与第二子行程的总时长的比值；
所述第二子行程的加权均速与算术均速的比值小于第一比值阈值或者大于第二比值阈值，其中，所述加权均速为所述第二子行程的总里程与总时长的比值，所述算术均速为所述第二子行程的数据中各信息条目中本车车速的平均值；
所述第二子行程中拥堵时长占总时长的比值超过第三比值阈值。
6.根据权利要求5所述的车辆行程处理方法，其特征在于，还包括：
若基于车载设备识别到本车前方的目标车辆的数量大于或等于所述数量阈值，且本车以及所述目标车辆的车速均小于第三速度阈值，则确定当前时间的道路状态为潜在拥堵状态，并为当前时间的信息条目设置拥堵标签，所述第三速度阈值大于所述第一速度阈值；
若检测到连续出现拥堵标签的信息条目的时长大于或等于第二时长阈值，则对所述第二时长阈值之内目标刹车信号的出现频率进行检测，所述第一时长阈值大于所述第二时长阈值；
若在所述第二时长阈值之内检测到目标刹车信号的出现频率大于或等于频率阈值，则确定在所述第二时长阈值之内的道路状态为拥堵状态，将所述第二时长阈值确定为拥堵时长。
7.根据权利要求1所述的车辆行程处理方法，其特征在于，所述基于预设规则对相邻的两个第三子行程的数据进行合并，获得母行程的数据，包括：
若相邻的两个第三子行程之间的间隔时长小于间隔阈值，则将所述相邻的两个第三子行程的数据进行合并，获得母行程数据。
8.一种电子设备，其特征在于，所述电子设备包括：
处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至7任一项所述的车辆行程处理方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至7任一项所述的车辆行程处理方法的步骤。
CN202211015382.6A 2022-08-24 2022-08-24 车辆行程处理方法、设备和存储介质 Active CN115080683B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211015382.6A CN115080683B (zh) 2022-08-24 2022-08-24 车辆行程处理方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211015382.6A CN115080683B (zh) 2022-08-24 2022-08-24 车辆行程处理方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN115080683A CN115080683A (zh) 2022-09-20
CN115080683B true CN115080683B (zh) 2022-11-25

Family

ID=83244701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211015382.6A Active CN115080683B (zh) 2022-08-24 2022-08-24 车辆行程处理方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN115080683B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116481560B (zh) * 2023-06-21 2023-10-03 天津所托瑞安汽车科技有限公司 车辆行驶里程的计算方法、装置、终端及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403482A (zh) * 2017-06-28 2017-11-28 北汽福田汽车股份有限公司 一种确定车辆行驶里程数的方法、装置及系统
CN107992579A (zh) * 2017-12-06 2018-05-04 上海评驾科技有限公司 一种车联网数据的过滤方法
CN109840966A (zh) * 2018-07-24 2019-06-04 上海赢科信息技术有限公司 基于车辆行驶数据清洗的行程划分方法和系统
CN111190891A (zh) * 2019-12-27 2020-05-22 武汉长江通信产业集团股份有限公司 一种多语义轨迹数据分段存储方法
CN111598347A (zh) * 2020-05-20 2020-08-28 上海评驾科技有限公司 一种道路运输车辆超长行程切分优化方法
CN111735461A (zh) * 2020-06-10 2020-10-02 腾讯科技（深圳）有限公司 行驶轨迹的处理方法、装置及电子设备
CN111966729A (zh) * 2020-08-27 2020-11-20 平安国际智慧城市科技股份有限公司 一种车辆轨迹数据处理方法、装置、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110927755B (zh) * 2019-11-14 2021-10-15 深圳市麦谷科技有限公司 车辆漂移点的过滤方法和装置
CN111859778B (zh) * 2020-06-04 2021-12-28 阿波罗智能技术(北京)有限公司 泊车模型的生成方法和装置、电子设备和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403482A (zh) * 2017-06-28 2017-11-28 北汽福田汽车股份有限公司 一种确定车辆行驶里程数的方法、装置及系统
CN107992579A (zh) * 2017-12-06 2018-05-04 上海评驾科技有限公司 一种车联网数据的过滤方法
CN109840966A (zh) * 2018-07-24 2019-06-04 上海赢科信息技术有限公司 基于车辆行驶数据清洗的行程划分方法和系统
CN111190891A (zh) * 2019-12-27 2020-05-22 武汉长江通信产业集团股份有限公司 一种多语义轨迹数据分段存储方法
CN111598347A (zh) * 2020-05-20 2020-08-28 上海评驾科技有限公司 一种道路运输车辆超长行程切分优化方法
CN111735461A (zh) * 2020-06-10 2020-10-02 腾讯科技（深圳）有限公司 行驶轨迹的处理方法、装置及电子设备
CN111966729A (zh) * 2020-08-27 2020-11-20 平安国际智慧城市科技股份有限公司 一种车辆轨迹数据处理方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于web的轨迹数据可视化研究与实现;第01期;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑（月刊）》;20190115(第01期);全文 *

Also Published As

Publication number Publication date
CN115080683A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN109520744B (zh) 自动驾驶车辆的驾驶性能测试方法和装置
CN110288096B (zh) 预测模型训练及预测方法、装置、电子设备、存储介质
JP6925796B2 (ja) 車両を運転する際に当該車両の運転者を支援する方法及びシステム、車両、並びにコンピュータプログラム
CN110751828B (zh) 一种路段拥堵测量方法、装置、计算机设备及存储介质
CN106935039A (zh) 用于获取驾驶员行为数据的平台
CN113362602A (zh) 一种基于门架通行数据的拥堵分析方法及设备
JP6501258B2 (ja) 評価方法、評価プログラムおよび情報処理装置
JP2000171267A (ja) 運転傾向性の分析が可能な運行管理システム及びその構成装置
Jo et al. Estimation of heavy vehicle-involved rear-end crash potential using WIM data
CN115080683B (zh) 车辆行程处理方法、设备和存储介质
KR20140031435A (ko) 운전 습관 분석 진단 시스템 및 방법
Ryder et al. Spatial prediction of traffic accidents with critical driving events–Insights from a nationwide field study
CN112700640B (zh) 道路状态监测方法、服务器、车载设备及路侧设备
US10745010B2 (en) Detecting anomalous vehicle behavior through automatic voting
CN111231972B (zh) 基于驾驶行为习惯的告警方法、车辆及存储介质
US12013703B2 (en) Systems and methods for evaluating autonomous vehicle software interactions for proposed trips
Caleffi et al. A multivariate-based conflict prediction model for a Brazilian freeway
CN111985749A (zh) 一种道路风险的评估方法及装置
US20150116101A1 (en) Method and device for determining surroundings
JP6447269B2 (ja) トリガ条件決定プログラム、トリガ条件決定方法、およびトリガ条件決定装置
CN115630572A (zh) 车辆维保定价方法、设备和存储介质
CN111862589A (zh) 一种高容量车道确定方法及装置
CN111341106B (zh) 交通预警方法、装置和设备
US20240037296A1 (en) Comparison of digital representations of driving situations of a vehicle
DE112018006674T5 (de) Fahrassistenzvorrichtung, Fahrassistenzsystem, Fahrassistenzverfahren und Aufzeichnungsmedium, in dem ein Fahrassistenzprogramm gespeichert ist

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