CN116542830A - 基于多元参数的智能评判方法及装置 - Google Patents
基于多元参数的智能评判方法及装置 Download PDFInfo
- Publication number
- CN116542830A CN116542830A CN202310824211.6A CN202310824211A CN116542830A CN 116542830 A CN116542830 A CN 116542830A CN 202310824211 A CN202310824211 A CN 202310824211A CN 116542830 A CN116542830 A CN 116542830A
- Authority
- CN
- China
- Prior art keywords
- road
- driver
- parameter
- parameters
- information
- 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 57
- 238000011156 evaluation Methods 0.000 claims description 129
- 238000012937 correction Methods 0.000 claims description 78
- 230000009471 action Effects 0.000 claims description 74
- 230000007613 environmental effect Effects 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 29
- 230000006399 behavior Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 210000003128 head Anatomy 0.000 description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 description 5
- 210000001747 pupil Anatomy 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 206010005908 Body temperature conditions Diseases 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 239000011384 asphalt concrete Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000011161 development 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
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多元参数的智能评判方法及装置，该方法包括：根据车辆行驶的道路的道路信息，构建道路对应的道路模型，根据道路信息和道路模型，确定道路对应的道路参数，根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数，根据道路参数和目标参数，评判驾驶员的驾驶操作等级。可见，实施本发明能够提高了确定出的道路模型的准确性，能够评判驾驶员在不同道路参数下的驾驶操作等级，且根据道路参数和驾驶员的目标参数对驾驶员的驾驶操作等级进行评判，提高了评判出的驾驶员的驾驶操作等级的准确性和可靠性，能够真实反映驾驶员的驾驶操作水平，进而能够辅助提高驾驶员驾驶操作能力。
Description
技术领域
本发明涉及智能化技术领域，尤其涉及一种基于多元参数的智能评判方法及装置。
背景技术
随着国内经济的快速发展，汽车已经逐渐走进千家万户，成为人们日常生活中重要的代步工具之一。因此，需要学习汽车驾驶技术并考取驾驶证的人员也日益增多，那么，对于驾驶人员驾驶熟练程度的评判变得十分重要。
在传统的驾驶训练过程中，驾驶人员的驾驶熟练程度往往由教练等更加有驾驶经验的人员基于驾驶人员对车辆周围行人情况作出的反应进行评判。然而，实践发现，这种评判方式主观性强，会导致对驾驶人员的驾驶熟练程度的评判准确性较低。因此，提出一种提高对驾驶人员的驾驶操作优劣的评判准确性的技术方案显得尤为重要。
发明内容
本发明提供了一种基于多元参数的智能评判方法及装置，能够有利于提高对驾驶人员的驾驶操作优劣的评判准确性和可靠性。
为了解决上述技术问题，本发明第一方面公开了一种基于多元参数的智能评判方法，所述方法包括：
根据车辆行驶的道路的道路信息，构建所述道路对应的道路模型，所述道路信息包括所述道路的三维扫描数据信息；
根据所述道路信息和所述道路模型，确定所述道路对应的道路参数；
根据所述道路参数和采集到的驾驶所述车辆的驾驶员的目标信息确定所述驾驶员驾驶所述车辆时的目标参数，所述目标参数包括所述驾驶员在所述道路参数下驾驶所述车辆的生理参数和/或心理参数；
根据所述道路参数和所述目标参数，评判所述驾驶员的驾驶操作等级。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述道路信息和所述道路模型，确定所述道路对应的道路参数，包括：
根据所述道路的三维扫描数据信息和所述道路模型，确定所述道路的道路类型，所述道路类型包括城市道路、乡村道路和高速道路中的一种，所述道路参数至少包括所述道路类型；和/或，
根据所述道路的三维扫描数据信息和预先确定出的道路类型，确定所述道路类型对应的道路行驶参数，所述道路参数至少包括所述道路行驶参数，所述道路行驶参数包括道路属性参数和/或驾驶行为参数。
作为一种可选的实施方式，在本发明第一方面中，在所述根据所述道路参数和采集到的驾驶所述车辆的驾驶员的目标信息确定所述驾驶员驾驶所述车辆时的目标参数之前，所述方法还包括：
通过设置在所述车辆上的第一采集装置采集驾驶员的第一子生理信息，所述第一子生理信息包括所述驾驶员的第一目标身体部位的动作信息；
通过所述驾驶员身上的第二采集装置采集所述驾驶员的第二子生理信息和心理信息，所述第二子生理信息包括所述驾驶员的第二目标身体部位的动作信息；
根据所述第一子生理信息、所述第二子生理信息和所述心理信息，确定所述驾驶员的目标信息。
作为一种可选的实施方式，在本发明第一方面中，所述目标参数包括至少一个子参数；
所述根据所述道路参数和所述目标参数，评判所述驾驶员的驾驶操作等级，包括：
根据预设的评判标准和所述道路参数，确定所述道路参数在所述驾驶员驾驶所述车辆过程中对所述驾驶员的驾驶操作的驾驶操作影响系数；
根据所述评判标准和所述目标参数的每个所述子参数，确定每个所述子参数对应的权重系数；
根据所述目标参数的每个所述子参数的值以及每个所述子参数对应的权重系数，计算所述驾驶员的目标参数评判值；
根据所述驾驶操作影响系数和所述驾驶员的目标参数评判值，计算所述驾驶员的驾驶操作评判值；
根据所述驾驶员的驾驶操作评判值，评判所述驾驶员的驾驶操作等级。
作为一种可选的实施方式，在本发明第一方面中，所述驾驶员的驾驶操作评判值的计算公式为：
其中，Sum表示所述驾驶员的驾驶操作评判值，表示所述驾驶操作影响系数，表示所述驾驶员的目标参数评判值，其中，a，b，...，n表示所述目标参数的每个所述子参数对应的权重系数，A，B，...，N表示所述目标参数的每个所述子参数的值。
作为一种可选的实施方式，在本发明第一方面中，在所述根据所述驾驶操作影响系数和所述驾驶员的目标参数评判值，计算所述驾驶员的驾驶操作评判值之后，所述方法还包括：
确定针对所述驾驶员的驾驶操作评判值的校正因子；
根据所述校正因子，对所述驾驶员的驾驶操作评判值进行校正，以更新所述驾驶员的驾驶操作评判值，并触发执行所述的根据所述驾驶员的驾驶操作评判值，评判所述驾驶员的驾驶操作等级的操作。
作为一种可选的实施方式，在本发明第一方面中，所述确定针对所述驾驶员的驾驶操作评判值的校正因子，包括：
采集所述驾驶员驾驶所述车辆的过程中对应的环境数据，并根据所述环境数据，确定所述驾驶员驾驶所述车辆的过程中的环境参数，所述环境参数包括气象参数；
根据所述环境参数，确定所述环境参数对应的第一校正因子，所述校正因子至少包括所述第一校正因子；和/或
确定所述第一子生理信息对应的动作特征，所述动作特征包括动作幅度、动作频率、动作持续时长中的至少一种；
根据所述第一子生理信息对应的动作特征和所述心理信息，确定所述驾驶员的驾驶状态参数；
根据所述驾驶员的驾驶状态参数，确定所述驾驶状态参数对应的第二校正因子，所述校正因子至少包括所述第二校正因子。
本发明第二方面公开了一种基于多元参数的智能评判装置，所述装置包括：
构建模块，用于根据车辆行驶的道路的道路信息，构建所述道路对应的道路模型，所述道路信息包括所述道路的三维扫描数据信息；
第一确定模块，用于根据所述道路信息和所述道路模型，确定所述道路对应的道路参数；
所述第一确定模块，还用于根据所述道路参数和采集到的驾驶所述车辆的驾驶员的目标信息确定所述驾驶员驾驶所述车辆时的目标参数，所述目标参数包括所述驾驶员在所述道路参数下驾驶所述车辆的生理参数和/或心理参数；
评判模块，用于根据所述道路参数和所述目标参数，评判所述驾驶员的驾驶操作等级。
作为一种可选的实施方式，在本发明第二方面中，所述第一确定模块根据所述道路信息和所述道路模型，确定所述道路对应的道路参数的方式具体包括：
根据所述道路的三维扫描数据信息和所述道路模型，确定所述道路的道路类型，所述道路类型包括城市道路、乡村道路和高速道路中的一种，所述道路参数至少包括所述道路类型；和/或，
根据所述道路的三维扫描数据信息和预先确定出的道路类型，确定所述道路类型对应的道路行驶参数，所述道路参数至少包括所述道路行驶参数，所述道路行驶参数包括道路属性参数和/或驾驶行为参数。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
采集模块，用于在所述第一确定模块根据所述道路参数和采集到的驾驶所述车辆的驾驶员的目标信息确定所述驾驶员驾驶所述车辆时的目标参数之前，通过设置在所述车辆上的第一采集装置采集驾驶员的第一子生理信息，所述第一子生理信息包括所述驾驶员的第一目标身体部位的动作信息；
所述采集模块，还用于通过所述驾驶员身上的第二采集装置采集所述驾驶员的第二子生理信息和心理信息，所述第二子生理信息包括所述驾驶员的第二目标身体部位的动作信息；
所述第一确定模块，还用于根据所述第一子生理信息、所述第二子生理信息和所述心理信息，确定所述驾驶员的目标信息。
作为一种可选的实施方式，在本发明第二方面中，所述目标参数包括至少一个子参数；
所述评判模块根据所述道路参数和所述目标参数，评判所述驾驶员的驾驶操作等级的方式具体包括：
根据预设的评判标准和所述道路参数，确定所述道路参数在所述驾驶员驾驶所述车辆过程中对所述驾驶员的驾驶操作的驾驶操作影响系数；
根据所述评判标准和所述目标参数的每个所述子参数，确定每个所述子参数对应的权重系数；
根据所述目标参数的每个所述子参数的值以及每个所述子参数对应的权重系数，计算所述驾驶员的目标参数评判值；
根据所述驾驶操作影响系数和所述驾驶员的目标参数评判值，计算所述驾驶员的驾驶操作评判值；
根据所述驾驶员的驾驶操作评判值，评判所述驾驶员的驾驶操作等级。
作为一种可选的实施方式，在本发明第二方面中，所述驾驶员的驾驶操作评判值的计算公式为：
其中，Sum表示所述驾驶员的驾驶操作评判值，表示所述驾驶操作影响系数，表示所述驾驶员的目标参数评判值，其中，a，b，...，n表示所述目标参数的每个所述子参数对应的权重系数，A，B，...，N表示所述目标参数的每个所述子参数的值。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
第二确定模块，用于在所述评判模块根据所述驾驶操作影响系数和所述驾驶员的目标参数评判值，计算所述驾驶员的驾驶操作评判值之后，确定针对所述驾驶员的驾驶操作评判值的校正因子；
更新模块，用于根据所述校正因子，对所述驾驶员的驾驶操作评判值进行校正，以更新所述驾驶员的驾驶操作评判值，并触发所述评判模块执行所述的根据所述驾驶员的驾驶操作评判值，评判所述驾驶员的驾驶操作等级的操作。
作为一种可选的实施方式，在本发明第二方面中，所述第二确定模块确定针对所述驾驶员的驾驶操作评判值的校正因子的方式具体包括：
采集所述驾驶员驾驶所述车辆的过程中对应的环境数据，并根据所述环境数据，确定所述驾驶员驾驶所述车辆的过程中的环境参数，所述环境参数包括气象参数；
根据所述环境参数，确定所述环境参数对应的第一校正因子，所述校正因子至少包括所述第一校正因子；和/或
确定所述第一子生理信息对应的动作特征，所述动作特征包括动作幅度、动作频率、动作持续时长中的至少一种；
根据所述第一子生理信息对应的动作特征和所述心理信息，确定所述驾驶员的驾驶状态参数；
根据所述驾驶员的驾驶状态参数，确定所述驾驶状态参数对应的第二校正因子，所述校正因子至少包括所述第二校正因子。
本发明第三方面公开了另一种基于多元参数的智能评判装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于多元参数的智能评判方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于多元参数的智能评判方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，根据车辆行驶的道路的道路信息，构建道路对应的道路模型，根据道路信息和道路模型，确定道路对应的道路参数，根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数，根据道路参数和目标参数，评判驾驶员的驾驶操作等级。可见，实施本发明能够提高了确定出的道路模型的准确性，也提高了道路参数与道路的实际情况的匹配程度，能够评判驾驶员在不同道路参数下的驾驶操作等级，且根据道路参数和驾驶员的目标参数对驾驶员的驾驶操作等级进行评判，提高了评判出的驾驶员的驾驶操作等级的准确性和可靠性，能够真实反映驾驶员的驾驶操作水平，进而能够辅助提高驾驶员驾驶操作能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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是本发明实施例公开的一种基于多元参数的智能评判方法的流程示意图；
图2是本发明实施例公开的另一种基于多元参数的智能评判方法的流程示意图；
图3是本发明实施例公开的一种驾驶员目标参数与道路参数对照表；
图4是本发明实施例公开的一种驾驶员的目标参数记录表；
图5是本发明实施例公开的一种基于多元参数的智能评判装置的结构示意图；
图6是本发明实施例公开的另一种基于多元参数的智能评判装置的结构示意图；
图7是本发明实施例公开的又一种基于多元参数的智能评判装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于多元参数的智能评判方法及装置，能够根据车辆行驶的道路的道路信息，构建道路对应的道路模型，根据道路信息和道路模型，确定道路对应的道路参数，提高了确定出的道路模型的准确性，也提高了道路参数与道路的实际情况的匹配程度，根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数，目标参数是驾驶员在道路参数下驾驶车辆的参数，能够反映驾驶员的驾驶操作水平，根据道路参数和目标参数，评判驾驶员的驾驶操作等级，能够评判驾驶员在不同道路参数下的驾驶操作等级，能够根据道路参数和驾驶员的目标参数对驾驶员的驾驶操作等级进行评判，提高了评判出的驾驶员的驾驶操作等级的准确性和可靠性，能够真实反映驾驶员的驾驶操作水平，进而能够辅助提高驾驶员驾驶操作能力。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于多元参数的智能评判方法的流程示意图。其中，图1所描述的基于多元参数的智能评判方法可以应用于基于多元参数的智能评判装置中，其中，基于多元参数的智能评判装置可以包括数据处理器，数据处理器可以为本地处理器或云端处理器，本发明实施例不做限定。如图1所示，该基于多元参数的智能评判方法可以包括以下操作：
101、根据车辆行驶的道路的道路信息，构建道路对应的道路模型。
本发明实施例中，可选的，可以通过三维激光扫描仪对道路进行扫描以得到道路的三维扫描数据信息，还可以通过预装在车辆周围的传感器或雷达对道路进行扫描以得到道路的道路信息；道路信息可以包括道路的三维扫描数据信息，其中，道路的三维扫描数据信息可以包括路面信息和/或道路周围的信息，其中，道路的路面信息可以包括车道线、道路变化情况、道路材质类型以及道路障碍物（如裂缝、坑洞、石块等）等中的至少一种，还可以包括道路上的车辆信息、行人信息、指示灯/指示牌信息等中的至少一种，本发明不做限定。
本发明实施例中，可选的，道路对应的道路模型可以是在对道路的道路信息进行三维处理后得到的三维道路模型，且道路模型可以接入交通信息网，以实现实时更新交通信息，如交通信号灯信息、实时路段拥堵信息等，道路模型还可以接入气象网站，以实时获取并更新当前路段的气象信息，本发明不做限定。
102、根据道路信息和道路模型，确定道路对应的道路参数。
本发明实施例中，可选的，道路对应的道路参数可以包括固定参数和动态参数，其中，固定参数可以包括道路类型，还可以包括道路材质、道路指引参数、道路延伸情况等中的至少一种；动态参数可以包括道路行驶参数，还可以包括道路拥堵情况、道路障碍物情况等中的至少一种，本发明不做限定。
103、根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数。
本发明实施例中，可选的，驾驶员的目标信息可以包括驾驶员的生理信息和/或心理信息，驾驶员的目标参数可以包括生理参数和/或心理参数，其中，驾驶员的生理信息可以包括驾驶员的目标身体部位的动作信息，驾驶员的生理信息可以包括驾驶员的心率情况、呼吸情况、血压情况、脉搏情况、体温情况、反应时长等中的至少一种，目标参数可以包括驾驶员的目标身体部位的动作参数，还可以包括心率参数、呼吸参数、血压参数、脉搏参数以及体温参数等中的至少一种，本发明不做限定。
104、根据道路参数和目标参数，评判驾驶员的驾驶操作等级。
本发明实施例中，可选的，可以通过对道路参数和目标参数进行评级，再根据道路参数和目标参数的评级评判驾驶员的驾驶操作等级，还可以计算与道路参数以及目标参数相对应的系数，进而评判驾驶员的驾驶操作等级。可选的，驾驶员的驾驶操作等级可以体现为具体的驾驶操作评判值的大小，还可以体现为相应的驾驶操作区间，例如，驾驶员的驾驶操作等级可以分为优秀、良好、及格以及不及格这四个等级，也可以分为A+、A、A-、B+、B、B-、...、C-等多个等级，本发明不做限定。
可见，实施图1所描述的基于多元参数的智能评判方法能够根据车辆行驶的道路的道路信息，构建道路对应的道路模型，根据道路信息和道路模型，确定道路对应的道路参数，提高了确定出的道路模型的准确性，也提高了道路参数与道路的实际情况的匹配程度，根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数，目标参数是驾驶员在道路参数下驾驶车辆的参数，能够反映驾驶员的驾驶操作水平，根据道路参数和目标参数，评判驾驶员的驾驶操作等级，能够评判驾驶员在不同道路参数下的驾驶操作等级，能够根据道路参数和驾驶员的目标参数对驾驶员的驾驶操作等级进行评判，提高了评判出的驾驶员的驾驶操作等级的准确性和可靠性，能够真实反映驾驶员的驾驶操作水平，进而能够辅助提高驾驶员驾驶操作能力。
在一个可选的实施例中，根据道路信息和道路模型，确定道路对应的道路参数可以包括以下操作：
根据道路的三维扫描数据信息和道路模型，确定道路的道路类型，道路类型包括城市道路、乡村道路和高速道路中的一种，道路参数至少包括道路类型；和/或，
根据道路的三维扫描数据信息和预先确定出的道路类型，确定道路类型对应的道路行驶参数，道路参数至少包括道路行驶参数，道路行驶参数包括道路属性参数和/或驾驶行为参数。
该可选的实施例中，可选的，三维扫描数据信息可以是通过三维激光扫描仪扫描道路得到的三维点云数据，三维扫描数据信息中可以包括路面信息和/或道路周围的信息，道路类型可以包括城市道路、乡村道路和高速道路中的一种，还可以包括城市道路过度到乡村道路、城市道路过度到高速道路、乡村道路过度到高速道路、乡村道路过度到城市道路、高速道路过度到城市道路以及高速道路过度到乡村道路中的一种；可选的，道路类型还可以包括沥青混净土道路、水泥混凝土道路碎石基层道路以及土工格栅道路中的一种，还可以包括高级路面道路、次高级路面道路、中间路面道路以及低级路面道路中的一种，又可以包括柔性路面道路、刚性路面道路以及半刚性路面道路中的一种，本实施例不做限定。
该可选的实施例中，可选的，道路行驶参数包括道路属性参数和/或驾驶行为参数，道路类型对应的道路行驶参数包括该道路类型下的道路的道路行驶参数，例如，当道路的道路类型为城市道路时，道路行驶参数可以包括城市道路中的道路属性参数和/或驾驶行为参数，本实施例不做限定。
可选的，道路属性参数可以包括道路的固有属性，例如直线道路、弯道道路以及坡道道路等中的一种，还可以包括道路的随机属性，例如道路湿滑程度、道路能见度程度等中的一种；驾驶行为参数可以是驾驶员在该道路类型下需要对车辆进行相关的操作的行为，例如控制车辆直线行驶的行为、控制车辆转弯行驶的行为、控制车辆起步的行为、控制车辆停车的行为、控制车辆避让障碍物的行为以及控制车辆停靠加油站或高速检票口的行为等中的一种或多种，本实施例不做限定。
可见，实施该可选的实施例能够根据道路的三维扫描数据信息和道路模型，确定道路的道路类型，道路类型包括城市道路、乡村道路和高速道路中的一种，道路参数至少包括道路类型，提高确定出的道路类型的准确性，同时结合道路的道路类型评判驾驶员的驾驶操作等级，能够提高对驾驶员在不同道路类型下驾驶车辆的驾驶操作等级的评判准确性和可靠性；和/或，根据道路的三维扫描数据信息和预先确定出的道路类型，确定道路类型对应的道路行驶参数，道路参数至少包括道路行驶参数，道路行驶参数包括道路属性参数和/或驾驶行为参数，提高确定出的道路行驶参数的准确性，同时结合道路的道路行驶参数，评判驾驶员的驾驶操作等级，能够综合评判驾驶员在不同的道路行驶参数下的驾驶操作等级，进而提高了对驾驶员的驾驶操作等级的评判准确性和可靠性。
实施例二
请参阅图2，图2是本发明实施例公开的一种基于多元参数的智能评判方法的流程示意图。其中，图2所描述的基于多元参数的智能评判方法可以应用于基于多元参数的智能评判装置中，其中，基于多元参数的智能评判装置可以包括数据处理器，数据处理器可以为本地处理器或云端处理器，本发明实施例不做限定。如图2所示，该基于多元参数的智能评判方法可以包括以下操作：
201、根据车辆行驶的道路的道路信息，构建道路对应的道路模型。
202、通过设置在车辆上的第一采集装置采集驾驶员的第一子生理信息，第一子生理信息包括驾驶员的第一目标身体部位的动作信息。
本发明实施例中，可选的，设置在车辆上的第一采集装置可以包括动作采集传感器和/或用于分析采集到的动作信息的分析装置，驾驶员的第一子生理信息可以包括驾驶员的第一目标身体部位的动作信息，例如驾驶员的头部动作信息、手部动作信息、脚部动作信息、躯干工作信息，其中，头部动作信息可以包括眼部动作信息、颈部动作信息等中的至少一种，眼部动作信息可以包括眨眼次数、眨眼频率、瞳孔大小等中的至少一种，手部动作信息可以包括手臂动作信息、手掌动作信息以及手指动作信息等中的至少一种，脚部动作信息可以包括脚掌动作信息以及腿部动作信息中的至少一种；进一步可选的，驾驶员的第一目标身体部位的动作信息可以包括动作频率、动作幅度、动作类型、动作的方向等中的一种或多种，其中，可选的，以手部动作为例，动作类型可以包括转动方向盘动作、换挡动作以及按键动作等中的至少一种，动作方向可以包括转动方向盘的方向，本发明不做限定。
203、通过驾驶员身上的第二采集装置采集驾驶员的第二子生理信息和心理信息，第二子生理信息包括驾驶员的第二目标身体部位的动作信息。
本发明实施例中，可选的，驾驶员身上的第二采集装置可以是穿戴在驾驶员身上的可穿戴-可脱卸式采集装置，第二采集装置可以包括动作采集装置、心率检测装置、呼吸检测装置、脉搏检测装置、体温检测装置以及血压检测装置等中的一种或多种，此外，第二采集装置还可以包括用于检测驾驶员眼部信息的眼部检测装置、用于检测驾驶员情绪波动情况的情绪检测装置以及用于分析驾驶员第二子生理信息和心理信息的分析装置等中的一种或多种，本发明不做限定。可选的，第二采集装置可以是分离式的可穿戴式的采集装置，也可以是集成在一件可穿戴式的检测衣物上的采集装置，且第一采集装置和第二采集装置采集到的信息可以是由采集装置本身进行信息处理，也可以传输到预设的数据处理器进行统一的处理，本发明不做限定。
本发明实施例中，可选的，驾驶员的第二子生理信息可以包括驾驶员的第一目标身体部位的动作信息，例如驾驶员的头部动作信息、手部动作信息、脚部动作信息、躯干工作信息，其中，头部动作信息可以包括眼部动作信息、颈部动作信息等中的至少一种，手部动作信息可以包括手臂动作信息、手掌动作信息以及手指动作信息中的至少一种，脚部动作信息可以包括脚掌动作信息以及腿部动作信息中的至少一种；进一步可选的，驾驶员的第二目标身体部位的动作信息可以包括动作频率、动作幅度、动作持续时长、动作类型、动作的方向等中的一种或多种，其中，可选的，以手部动作为例，动作类型可以包括转动方向盘动作、换挡动作以及按键动作等中的至少一种，动作方向可以包括转动方向盘的方向。可选的，驾驶员的第一子生理信息的内容与驾驶员的第二子生理信息的内容可以是完全相同的，也可以是部分相同的，还可以是完全不同的，本发明不做限定。
本发明实施例中，可选的，驾驶员的心理信息可以包括驾驶员的心率情况、呼吸情况、血压情况、脉搏情况、体温情况、反应时长等中的至少一种，还可以包括驾驶员的情绪波动情况、脑电波情况等中的至少一种，本发明不做限定。
204、根据第一子生理信息、第二子生理信息和心理信息，确定驾驶员的目标信息。
205、根据道路信息和道路模型，确定道路对应的道路参数。
206、根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数。
207、根据道路参数和目标参数，评判驾驶员的驾驶操作等级。
需要说明的是，步骤201与步骤202-步骤204的发生顺序没有先后关系，即可以同时发生，也可以前后位置发生。需要说明的是，同时执行步骤201与步骤202-步骤204，可以提高构建道路模型和确定目标信息的效率。
本发明实施例中，针对步骤201和步骤205-步骤207的其他描述，请参照实施例一中针对步骤101-步骤104的详细描述，本发明实施例不再赘述。
可见，实施图2所描述的基于多元参数的智能评判方法能够根据车辆行驶的道路的道路信息，构建道路对应的道路模型，提高了确定出的道路模型的准确性，通过设置在车辆上的第一采集装置采集驾驶员的第一子生理信息，第一子生理信息包括驾驶员的第一目标身体部位的动作信息，通过驾驶员身上的第二采集装置采集驾驶员的第二子生理信息和心理信息，第二子生理信息包括驾驶员的第二目标身体部位的动作信息，能够结合车辆上的采集装置和驾驶员身上的采集装置采集驾驶员的生理信息，并利用驾驶员身上的采集装置采集驾驶员的心理信息，提高了采集到的驾驶员的生理信息和心理信息的准确性和可靠性，也提高了驾驶员驾驶车辆过程中采集驾驶员相关信息的便捷性，根据第一子生理信息、第二子生理信息和心理信息，确定驾驶员的目标信息，提高了确定出的目标信息的准确性，使其更加能反应驾驶员在当前情况下的驾驶状态，根据道路信息和道路模型，确定道路对应的道路参数，提高了道路参数与道路的实际情况的匹配程度，根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数，目标参数是驾驶员在道路参数下驾驶车辆的参数，能够反映驾驶员的驾驶操作水平，根据道路参数和目标参数，评判驾驶员的驾驶操作等级，能够提高确定出的驾驶员的驾驶操作等级的准确性和可靠性，同时能够评判驾驶员在不同道路参数下的驾驶操作等级，提高了对驾驶员的驾驶水平进行评判的全面性和准确性。
在一个可选的实施例中，目标参数包括至少一个子参数，根据道路参数和目标参数，评判驾驶员的驾驶操作等级可以包括以下操作：
根据预设的评判标准和道路参数，确定道路参数在驾驶员驾驶车辆过程中对驾驶员的驾驶操作的驾驶操作影响系数；
根据评判标准和目标参数的每个子参数，确定每个子参数对应的权重系数；
根据目标参数的每个子参数的值以及每个子参数对应的权重系数，计算驾驶员的目标参数评判值；
根据驾驶操作影响系数和驾驶员的目标参数评判值，计算驾驶员的驾驶操作评判值；
根据驾驶员的驾驶操作评判值，评判驾驶员的驾驶操作等级。
该可选的实施例中，可选的，驾驶员驾驶车辆时的目标参数可以包括驾驶员在道路参数下驾驶车辆的生理参数和/或心理参数，即目标参数可以包括至少一个子参数，如驾驶员目标部位的动作参数、心率参数、温度参数、脉搏参数等中的至少一个，本实施例不做限定。
该可选的实施例中，进一步可选的，根据预设的评判标准和道路参数，确定道路参数在驾驶员驾驶车辆过程中对驾驶员的驾驶操作的驾驶操作影响系数可以包括以下操作：
根据预设的评判标准，确定道路参数对应的道路参数权重系数；
根据道路参数的值以及道路参数对应的道路参数权重系数，计算道路参数对应的道路参数标准差，作为道路参数在驾驶员驾驶车辆过程中对驾驶员的驾驶操作的驾驶操作影响系数。
该可选的实施例中，可选的，预设的评判标准可以包括对于道路参数的评判标准，其中，对于道路参数的评判标准可以是人工设定的，也可以是根据历史记录自动生成的，还可以是在根据历史记录自动生成的基础上，人工进行调整后得到的，本实施例不做限定。
该可选的实施例中，可选的，道路参数在驾驶员驾驶车辆过程中对驾驶员的驾驶操作的驾驶操作影响系数可以是对道路参数的值以及道路参数对应的道路参数权重系数进行计算得到的标准差，还可以是对道路参数的值以及道路参数对应的道路参数权重系数进行计算得到的方差，又可以是对道路参数的值以及道路参数对应的道路参数权重系数进行计算得到的道路参数评判值，本实施例不做限定。
可见，实施该可选的实施例能够根据预设的评判标准，确定道路参数对应的道路参数权重系数；根据道路参数的值以及道路参数对应的道路参数权重系数，计算道路参数对应的道路参数标准差，作为道路参数在驾驶员驾驶车辆过程中对驾驶员的驾驶操作的驾驶操作影响系数，提高了驾驶操作影响系数的确定准确性，同时能够提高后续计算驾驶员的驾驶操作评判值的准确性和可靠性。
该可选的实施例中，可选的，预设的评判标准可以包括对于目标参数的评判标准，其中，对于目标参数的评判标准可以是人工设定的，也可以是根据历史记录自动生成的，还可以是在根据历史记录自动生成的基础上，人工进行调整后得到的，本实施例不做限定。
该可选的实施例中，可选的，驾驶员的目标参数评判值可以是根据目标参数的每个子参数的值以及每个子参数对应的权重系数计算得到的标准差，还可以是根据目标参数的每个子参数的值以及每个子参数对应的权重系数计算得到的方差，又可以是根据目标参数的每个子参数的值以及每个子参数对应的权重系数计算得到的其他可用于反应目标参数对驾驶员的驾驶操作的影响的值，本实施例不做限定。可选的，每个子参数对应的权重系数可以根据道路参数确定，还可以根据当前道路参数下对应的道路情况确定，例如，如图3所示，图3是本实施例公开的一种驾驶员目标参数与道路参数对照表，其中，车辆在城市道路上行驶对应的每个子参数对应的权重系数可以与在乡村道路上行驶对应的每个子参数对应的权重系数不同，且车辆在城市道路上行驶时，晴天时对应的每个子参数对应的权重系数可以与雨天时对应的每个子参数对应的权重系数不同，具体的权重系数的确定可以根据具体的道路参数而变化，本实施例不做限定。
该可选的实施例中，可选的，驾驶员的驾驶操作等级可以体现为具体的驾驶操作评判值的大小，还可以体现为相应的驾驶操作区间，例如，驾驶员的驾驶操作等级可以分为优秀、良好、及格以及不及格这四个等级，本发明不做限定。
可见，实施该可选的实施例能够根据预设的评判标准和道路参数，确定道路参数在驾驶员驾驶车辆过程中对驾驶员的驾驶操作的驾驶操作影响系数，提高了确定出的驾驶操作影响系数的准确性，根据评判标准和目标参数的每个子参数，确定每个子参数对应的权重系数，根据目标参数的每个子参数的值以及每个子参数对应的权重系数，计算驾驶员的目标参数评判值，提高了确定出的目标参数评判值的准确性，同时提高了驾驶员的目标参数对于驾驶员的驾驶操作评判值的确定进行支持的可靠性，根据驾驶操作影响系数和驾驶员的目标参数评判值，计算驾驶员的驾驶操作评判值，根据驾驶员的驾驶操作评判值，评判驾驶员的驾驶操作等级，能够根据道路参数和驾驶员的目标参数对驾驶员的驾驶操作等级进行评判，提高了评判出的驾驶员的驾驶操作等级的准确性和可靠性，能够真实反映驾驶员的驾驶操作水平，进而能够辅助提高驾驶员驾驶操作能力。
在另一个可选的实施例中，驾驶员的驾驶操作评判值的计算公式为：
其中，Sum表示驾驶员的驾驶操作评判值，表示驾驶操作影响系数，表示驾驶员的目标参数评判值，其中，a，b，...，n表示目标参数的每个子参数对应的权重系数，A，B，...，N表示目标参数的每个子参数的值。
该可选的实施例中，可选的，驾驶操作影响系数可以包括多个与道路参数相对应的子系数，或者，驾驶操作影响系数可以是根据多个与道路参数相对应的子系数计算得到的，如图4所示，图4是本实施例公开的一种驾驶员的目标参数记录表，其中，以学员1在城市道路驾驶车辆为例，学员1的反应时间在城市道路中占权重为0.3，因此学员1的反应时间得分为：250*0.3=75，学员1的手部动作幅度在城市道路中占权重为0.1，学员1的平均心率在城市道路中占权重为0.2，学员1的呼吸频率在城市道路中占权重为0.05，学员1的瞳孔大小在城市道路中占权重为0.1，学员1的平均血压在城市道路中占权重为0.25，依次计算学员1的手部动作幅度得分、平均心率得分、呼吸频率得分、瞳孔大小得分、平均血压得分、平均血压得分为0.5、14、0.6、0.4、30以及0.6，因此学员1的目标参数评判值为75 + 0.5 + 14 +0.6 + 0.4 + 30 = 120.5，本实施例不做限定。
可见，实施该可选的实施例能够通过公式对驾驶员的驾驶操作评判值进行量化计算，提高了计算出的驾驶员的驾驶操作评判值的准确性和可靠性，进而能够提高对驾驶员的驾驶操作等级的评判准确性。
在又一个可选的实施例中，在根据驾驶操作影响系数和驾驶员的目标参数评判值，计算驾驶员的驾驶操作评判值之后，该基于多元参数的智能评判方法还可以包括以下操作：
确定针对驾驶员的驾驶操作评判值的校正因子；
根据校正因子，对驾驶员的驾驶操作评判值进行校正，以更新驾驶员的驾驶操作评判值，并触发执行根据驾驶员的驾驶操作评判值，评判驾驶员的驾驶操作等级的操作。
该可选的实施例中，可选的，针对驾驶员的驾驶操作评判值的校正因子可以是根据驾驶员驾驶车辆的过程中对应的环境数据确定的，还可以是根据驾驶员自身的状态确定的，其中，驾驶员驾驶车辆的过程中对应的环境数据可以包括气象数据，驾驶员自身的状态可以包括驾驶员是否疲劳驾驶、驾驶员的性别、年龄等中的至少一种，本实施例不做限定。
该可选的实施例中，可选的，对驾驶员的驾驶操作评判值进行校正可以是结合校正因子与驾驶操作评判值相乘得到新的驾驶操作评判值，也可以是结合校正因子与驾驶操作评判值，并利用其他计算手段计算得到的新的驾驶操作评判值，本实施例不做限定。
可见，实施该可选的实施例能够确定针对驾驶员的驾驶操作评判值的校正因子，根据校正因子，对驾驶员的驾驶操作评判值进行校正，以更新驾驶员的驾驶操作评判值，并触发执行根据驾驶员的驾驶操作评判值，评判驾驶员的驾驶操作等级的操作，能够通过校正因子对驾驶员的驾驶操作评判值进行校正，提高后续评判驾驶员的驾驶操作等级的操作的准确性和可靠性，使得评判得到的驾驶员的驾驶操作等级能够更加真实的反映驾驶员的驾驶操作水平。
在又一个可选的实施例中，确定针对驾驶员的驾驶操作评判值的校正因子可以包括以下操作：
采集驾驶员驾驶车辆的过程中对应的环境数据，并根据环境数据，确定驾驶员驾驶车辆的过程中的环境参数，环境参数包括气象参数；
根据环境参数，确定环境参数对应的第一校正因子，校正因子至少包括第一校正因子；和/或
确定第一子生理信息对应的动作特征，动作特征包括动作幅度、动作频率、动作持续时长中的至少一种；
根据第一子生理信息对应的动作特征和心理信息，确定驾驶员的驾驶状态参数；
根据驾驶员的驾驶状态参数，确定驾驶状态参数对应的第二校正因子，校正因子至少包括第二校正因子。
该可选的实施例中，可选的，驾驶员驾驶车辆的过程中对应的环境数据可以包括气象数据，还可以包括当前道路下的能见度、光照强度以及空气湿度等数据，驾驶员驾驶车辆的过程中的环境参数包括气象参数，例如驾驶员驾驶车辆的过程中的天气情况，且进一步可选的，天气情况可以包括晴天、雨天以及雾天等中的至少一种，其中，当天气情况为晴天时，驾驶员驾驶车辆的过程中的环境参数还可以包括与晴天对应的光照强度、环境温度以及车辆状态（如胎压、轮胎温度等）等中的至少一种，当天气情况为雨天时，驾驶员驾驶车辆的过程中的环境参数还可以包括与雨天对应的能见度、道路湿滑程度等中的至少一种，当天气情况为雾天时，驾驶员驾驶车辆的过程中的环境参数还可以包括与雾天对应的能见度，本实施例不做限定。
该可选的实施例中，可选的，第一子生理信息对应的动作特征可以包括动作幅度、动作频率、动作持续时长、动作类型、动作的方向等中的一种或多种，其中，可选的，以手部动作为例，动作类型可以包括转动方向盘动作、换挡动作以及按键动作等中的至少一种，动作方向可以包括转动方向盘的方向，心理信息可以包括驾驶员的心率情况、呼吸情况、血压情况、脉搏情况、体温情况、反应时长等中的至少一种，还可以包括驾驶员的情绪波动情况、脑电波情况等中的至少一种。举例来说，可以根据驾驶员执行动作的反应时间、完成动作的时长、执行动作时的心率、血压等确定驾驶员的驾驶状态参数，还可以根据驾驶员一段时间内的眨眼次数、眨眼频率、瞳孔大小、低头次数以及揉眼睛等动作的次数和频率确定驾驶员的驾驶状态参数，本实施例不做限定。
该可选的实施例中，可选的，驾驶员的驾驶状态参数可以用于反映驾驶员的驾驶状态，驾驶状态可以定义为正常驾驶或疲劳驾驶，也可以定义为对应的驾驶状态评分，分数越低，代表驾驶员的疲劳程度越高，当分数下降到某个预设的阈值时，表示驾驶员疲劳驾驶，或者，根据分数所处的阈值区间，定义驾驶员的疲劳驾驶等级，本实施例不做限定。
可见，实施该可选的实施例能够采集驾驶员驾驶车辆的过程中对应的环境数据，并根据环境数据，确定驾驶员驾驶车辆的过程中的环境参数，环境参数包括气象参数，根据环境参数，确定环境参数对应的第一校正因子，校正因子至少包括第一校正因子，能够提高确定出的环境参数对应的第一校正因子的准确性，进而能够使得校正后的驾驶操作评判值更加接近真是的驾驶环境，进而提高对驾驶员的驾驶操作等级的评判准确性；确定第一子生理信息对应的动作特征，动作特征包括动作幅度、动作频率、动作持续时长中的至少一种；根据第一子生理信息对应的动作特征和心理信息，确定驾驶员的驾驶状态参数；根据驾驶员的驾驶状态参数，确定驾驶状态参数对应的第二校正因子，校正因子至少包括第二校正因子，能够结合驾驶员的驾驶状态确定驾驶状态参数对应的第二校正因子，能够使校正后的驾驶操作评判值更加真实的反映驾驶员的驾驶能力和驾驶水平，进而提高对驾驶员的驾驶操作等级的评判准确性和可靠性。
在又一个可选的实施例中，确定针对驾驶员的驾驶操作评判值的校正因子可以包括以下操作：
获取车辆行驶过程中的车辆轨迹；
根据车辆轨迹，结合道路模型，在道路模型中生成车辆与预设位置的关系，其中，预设位置包括预设车道线和/或预设点位；
根据车辆与预设位置的关系，生成第三校正因子，校正因子至少包括第三校正因子。
该可选的实施例中，可选的，车辆轨迹可以包括根据车载卫星设备定位得到的车辆行驶轨迹，还可以包括由车辆四周安装的传感器或采集装置得到的车辆上的目标部位的移动轨迹，车辆上的目标部位可以包括车辆的四个角、车辆的前部、车辆的后部以及车辆的轮胎等中的至少一种，本实施例不做限定。
该可选的实施例中，可选的，预设位置可以包括道路上的车道线、边线以及预设的点位等中的至少一种，车辆与预设位置的关系包括车辆上的目标部位与预设位置的关系，例如，车辆的前轮与道路模型中的道路边线的距离，或者车辆的车身在行驶过程中与道路边线的平均距离等，又例如车辆在行驶过程中经过预设的点位时的车辆位姿，与标准位姿的差距等，本实施例不做限定。
可见，实施该可选的实施例能够获取车辆行驶过程中的车辆轨迹；根据车辆轨迹，结合道路模型，在道路模型中生成车辆与预设位置的关系，其中，预设位置包括预设车道线和/或预设点位；根据车辆与预设位置的关系，生成第三校正因子，校正因子至少包括第三校正因子，能够结合车辆的行车轨迹与预设位置的关系，确定车辆行驶过程中是否压线或与标准定位的差距，进而能够更加真实的反映驾驶员的驾驶能力和驾驶水平，进而提高对驾驶员的驾驶操作等级的评判准确性和可靠性。
实施例三
请参阅图5，图5是本发明实施例公开的一种基于多元参数的智能评判装置的结构示意图。其中，图5所描述的基于多元参数的智能评判装置可以包括数据处理器，数据处理器可以为本地处理器或云端处理器，本发明实施例不做限定。如图5所示，该基于多元参数的智能评判装置可以包括：
构建模块301，用于根据车辆行驶的道路的道路信息，构建道路对应的道路模型，道路信息包括道路的三维扫描数据信息；
第一确定模块302，用于根据道路信息和道路模型，确定道路对应的道路参数；
第一确定模块302，还用于根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数，目标参数包括驾驶员在道路参数下驾驶车辆的生理参数和/或心理参数；
评判模块303，用于根据道路参数和目标参数，评判驾驶员的驾驶操作等级。
可见，实施图5所描述的基于多元参数的智能评判装置能够根据车辆行驶的道路的道路信息，构建道路对应的道路模型，根据道路信息和道路模型，确定道路对应的道路参数，提高了确定出的道路模型的准确性，也提高了道路参数与道路的实际情况的匹配程度，根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数，目标参数是驾驶员在道路参数下驾驶车辆的参数，能够反映驾驶员的驾驶操作水平，根据道路参数和目标参数，评判驾驶员的驾驶操作等级，能够评判驾驶员在不同道路参数下的驾驶操作等级，能够根据道路参数和驾驶员的目标参数对驾驶员的驾驶操作等级进行评判，提高了评判出的驾驶员的驾驶操作等级的准确性和可靠性，能够真实反映驾驶员的驾驶操作水平，进而能够辅助提高驾驶员驾驶操作能力。
在一个可选的实施例中，如图6所示，第一确定模块302根据道路信息和道路模型，确定道路对应的道路参数的具体方式包括：
根据道路的三维扫描数据信息和道路模型，确定道路的道路类型，道路类型包括城市道路、乡村道路和高速道路中的一种，道路参数至少包括道路类型；和/或，
根据道路的三维扫描数据信息和预先确定出的道路类型，确定道路类型对应的道路行驶参数，道路参数至少包括道路行驶参数，道路行驶参数包括道路属性参数和/或驾驶行为参数。
可见，实施图6所描述的基于多元参数的智能评判装置能够根据道路的三维扫描数据信息和道路模型，确定道路的道路类型，道路类型包括城市道路、乡村道路和高速道路中的一种，道路参数至少包括道路类型，提高确定出的道路类型的准确性，同时结合道路的道路类型评判驾驶员的驾驶操作等级，能够提高对驾驶员在不同道路类型下驾驶车辆的驾驶操作等级的评判准确性和可靠性；和/或，根据道路的三维扫描数据信息和预先确定出的道路类型，确定道路类型对应的道路行驶参数，道路参数至少包括道路行驶参数，道路行驶参数包括道路属性参数和/或驾驶行为参数，提高确定出的道路行驶参数的准确性，同时结合道路的道路行驶参数，评判驾驶员的驾驶操作等级，能够综合评判驾驶员在不同的道路行驶参数下的驾驶操作等级，进而提高了对驾驶员的驾驶操作等级的评判准确性和可靠性。
在另一个可选的实施例中，如图6所示，该基于多元参数的智能评判装置还可以包括：
采集模块304，用于在第一确定模块根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数之前，通过设置在车辆上的第一采集装置采集驾驶员的第一子生理信息，第一子生理信息包括驾驶员的第一目标身体部位的动作信息；
采集模块304，还用于通过驾驶员身上的第二采集装置采集驾驶员的第二子生理信息和心理信息，第二子生理信息包括驾驶员的第二目标身体部位的动作信息；
第一确定模块302，还用于根据第一子生理信息、第二子生理信息和心理信息，确定驾驶员的目标信息。
可见，实施图6所描述的基于多元参数的智能评判装置能够根据车辆行驶的道路的道路信息，构建道路对应的道路模型，提高了确定出的道路模型的准确性，通过设置在车辆上的第一采集装置采集驾驶员的第一子生理信息，第一子生理信息包括驾驶员的第一目标身体部位的动作信息，通过驾驶员身上的第二采集装置采集驾驶员的第二子生理信息和心理信息，第二子生理信息包括驾驶员的第二目标身体部位的动作信息，能够结合车辆上的采集装置和驾驶员身上的采集装置采集驾驶员的生理信息，并利用驾驶员身上的采集装置采集驾驶员的心理信息，提高了采集到的驾驶员的生理信息和心理信息的准确性和可靠性，也提高了驾驶员驾驶车辆过程中采集驾驶员相关信息的便捷性，根据第一子生理信息、第二子生理信息和心理信息，确定驾驶员的目标信息，提高了确定出的目标信息的准确性，使其更加能反应驾驶员在当前情况下的驾驶状态，根据道路信息和道路模型，确定道路对应的道路参数，提高了道路参数与道路的实际情况的匹配程度，根据道路参数和采集到的驾驶车辆的驾驶员的目标信息确定驾驶员驾驶车辆时的目标参数，目标参数是驾驶员在道路参数下驾驶车辆的参数，能够反映驾驶员的驾驶操作水平，根据道路参数和目标参数，评判驾驶员的驾驶操作等级，能够提高确定出的驾驶员的驾驶操作等级的准确性和可靠性，同时能够评判驾驶员在不同道路参数下的驾驶操作等级，提高了对驾驶员的驾驶水平进行评判的全面性和准确性。
在又一个可选的实施例中，如图6所示，目标参数包括至少一个子参数；
评判模块303根据道路参数和目标参数，评判驾驶员的驾驶操作等级的具体方式包括：
根据预设的评判标准和道路参数，确定道路参数在驾驶员驾驶车辆过程中对驾驶员的驾驶操作的驾驶操作影响系数；
根据评判标准和目标参数的每个子参数，确定每个子参数对应的权重系数；
根据目标参数的每个子参数的值以及每个子参数对应的权重系数，计算驾驶员的目标参数评判值；
根据驾驶操作影响系数和驾驶员的目标参数评判值，计算驾驶员的驾驶操作评判值；
根据驾驶员的驾驶操作评判值，评判驾驶员的驾驶操作等级。
可见，实施图6所描述的基于多元参数的智能评判装置能够根据预设的评判标准和道路参数，确定道路参数在驾驶员驾驶车辆过程中对驾驶员的驾驶操作的驾驶操作影响系数，提高了确定出的驾驶操作影响系数的准确性，根据评判标准和目标参数的每个子参数，确定每个子参数对应的权重系数，根据目标参数的每个子参数的值以及每个子参数对应的权重系数，计算驾驶员的目标参数评判值，提高了确定出的目标参数评判值的准确性，同时提高了驾驶员的目标参数对于驾驶员的驾驶操作评判值的确定进行支持的可靠性，根据驾驶操作影响系数和驾驶员的目标参数评判值，计算驾驶员的驾驶操作评判值，根据驾驶员的驾驶操作评判值，评判驾驶员的驾驶操作等级，能够根据道路参数和驾驶员的目标参数对驾驶员的驾驶操作等级进行评判，提高了评判出的驾驶员的驾驶操作等级的准确性和可靠性，能够真实反映驾驶员的驾驶操作水平，进而能够辅助提高驾驶员驾驶操作能力。
在又一个可选的实施例中，如图6所示，驾驶员的驾驶操作评判值的计算公式为：
其中，Sum表示驾驶员的驾驶操作评判值，表示驾驶操作影响系数，表示驾驶员的目标参数评判值，其中，a，b，...，n表示目标参数的每个子参数对应的权重系数，A，B，...，N表示目标参数的每个子参数的值。
可见，实施图6所描述的基于多元参数的智能评判装置能够通过公式对驾驶员的驾驶操作评判值进行量化计算，提高了计算出的驾驶员的驾驶操作评判值的准确性和可靠性，进而能够提高对驾驶员的驾驶操作等级的评判准确性。
在又一个可选的实施例中，如图6所示，该基于多元参数的智能评判装置还可以包括：
第二确定模块305，用于在评判模块303根据驾驶操作影响系数和驾驶员的目标参数评判值，计算驾驶员的驾驶操作评判值之后，确定针对驾驶员的驾驶操作评判值的校正因子；
更新模块306，用于根据校正因子，对驾驶员的驾驶操作评判值进行校正，以更新驾驶员的驾驶操作评判值，并触发评判模块303执行根据驾驶员的驾驶操作评判值，评判驾驶员的驾驶操作等级的操作。
可见，实施图6所描述的基于多元参数的智能评判装置能够确定针对驾驶员的驾驶操作评判值的校正因子，根据校正因子，对驾驶员的驾驶操作评判值进行校正，以更新驾驶员的驾驶操作评判值，并触发执行根据驾驶员的驾驶操作评判值，评判驾驶员的驾驶操作等级的操作，能够通过校正因子对驾驶员的驾驶操作评判值进行校正，提高后续评判驾驶员的驾驶操作等级的操作的准确性和可靠性，使得评判得到的驾驶员的驾驶操作等级能够更加真实的反映驾驶员的驾驶操作水平。
在又一个可选的实施例中，如图6所示，第二确定模块305确定针对驾驶员的驾驶操作评判值的校正因子的具体方式包括：
采集驾驶员驾驶车辆的过程中对应的环境数据，并根据环境数据，确定驾驶员驾驶车辆的过程中的环境参数，环境参数包括气象参数；
根据环境参数，确定环境参数对应的第一校正因子，校正因子至少包括第一校正因子；和/或
确定第一子生理信息对应的动作特征，动作特征包括动作幅度、动作频率、动作持续时长中的至少一种；
根据第一子生理信息对应的动作特征和心理信息，确定驾驶员的驾驶状态参数；
根据驾驶员的驾驶状态参数，确定驾驶状态参数对应的第二校正因子，校正因子至少包括第二校正因子。
可见，实施图6所描述的基于多元参数的智能评判装置能够采集驾驶员驾驶车辆的过程中对应的环境数据，并根据环境数据，确定驾驶员驾驶车辆的过程中的环境参数，环境参数包括气象参数，根据环境参数，确定环境参数对应的第一校正因子，校正因子至少包括第一校正因子，能够提高确定出的环境参数对应的第一校正因子的准确性，进而能够使得校正后的驾驶操作评判值更加接近真是的驾驶环境，进而提高对驾驶员的驾驶操作等级的评判准确性；确定第一子生理信息对应的动作特征，动作特征包括动作幅度、动作频率、动作持续时长中的至少一种；根据第一子生理信息对应的动作特征和心理信息，确定驾驶员的驾驶状态参数；根据驾驶员的驾驶状态参数，确定驾驶状态参数对应的第二校正因子，校正因子至少包括第二校正因子，能够结合驾驶员的驾驶状态确定驾驶状态参数对应的第二校正因子，能够使校正后的驾驶操作评判值更加真实的反映驾驶员的驾驶能力和驾驶水平，进而提高对驾驶员的驾驶操作等级的评判准确性和可靠性。
实施例四
请参阅图7，图7是本发明实施例公开的又一种基于多元参数的智能评判装置的结构示意图。如图7所示，该基于多元参数的智能评判装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的基于多元参数的智能评判方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的基于多元参数的智能评判方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于多元参数的智能评判方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，EPROM）、一次可编程只读存储器（One-timeProgrammable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于多元参数的智能评判方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述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项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于多元参数的智能评判方法，其特征在于，所述方法包括：
根据车辆行驶的道路的道路信息，构建所述道路对应的道路模型，所述道路信息包括所述道路的三维扫描数据信息；
根据所述道路信息和所述道路模型，确定所述道路对应的道路参数；
根据所述道路参数和采集到的驾驶所述车辆的驾驶员的目标信息确定所述驾驶员驾驶所述车辆时的目标参数，所述目标参数包括所述驾驶员在所述道路参数下驾驶所述车辆的生理参数和/或心理参数；
根据所述道路参数和所述目标参数，评判所述驾驶员的驾驶操作等级。
2.根据权利要求1所述的基于多元参数的智能评判方法，其特征在于，所述根据所述道路信息和所述道路模型，确定所述道路对应的道路参数，包括：
根据所述道路的三维扫描数据信息和所述道路模型，确定所述道路的道路类型，所述道路类型包括城市道路、乡村道路和高速道路中的一种，所述道路参数至少包括所述道路类型；和/或，
根据所述道路的三维扫描数据信息和预先确定出的道路类型，确定所述道路类型对应的道路行驶参数，所述道路参数至少包括所述道路行驶参数，所述道路行驶参数包括道路属性参数和/或驾驶行为参数。
3.根据权利要求1或2所述的基于多元参数的智能评判方法，其特征在于，在所述根据所述道路参数和采集到的驾驶所述车辆的驾驶员的目标信息确定所述驾驶员驾驶所述车辆时的目标参数之前，所述方法还包括：
通过设置在所述车辆上的第一采集装置采集驾驶员的第一子生理信息，所述第一子生理信息包括所述驾驶员的第一目标身体部位的动作信息；
通过所述驾驶员身上的第二采集装置采集所述驾驶员的第二子生理信息和心理信息，所述第二子生理信息包括所述驾驶员的第二目标身体部位的动作信息；
根据所述第一子生理信息、所述第二子生理信息和所述心理信息，确定所述驾驶员的目标信息。
4.根据权利要求3所述的基于多元参数的智能评判方法，其特征在于，所述目标参数包括至少一个子参数；
所述根据所述道路参数和所述目标参数，评判所述驾驶员的驾驶操作等级，包括：
根据预设的评判标准和所述道路参数，确定所述道路参数在所述驾驶员驾驶所述车辆过程中对所述驾驶员的驾驶操作的驾驶操作影响系数；
根据所述评判标准和所述目标参数的每个所述子参数，确定每个所述子参数对应的权重系数；
根据所述目标参数的每个所述子参数的值以及每个所述子参数对应的权重系数，计算所述驾驶员的目标参数评判值；
根据所述驾驶操作影响系数和所述驾驶员的目标参数评判值，计算所述驾驶员的驾驶操作评判值；
根据所述驾驶员的驾驶操作评判值，评判所述驾驶员的驾驶操作等级。
5.根据权利要求4所述的基于多元参数的智能评判方法，其特征在于，所述驾驶员的驾驶操作评判值的计算公式为：
其中，Sum表示所述驾驶员的驾驶操作评判值，表示所述驾驶操作影响系数，表示所述驾驶员的目标参数评判值，其中，a，b，...，n表示所述目标参数的每个所述子参数对应的权重系数，A，B，...，N表示所述目标参数的每个所述子参数的值。
6.根据权利要求4或5所述的基于多元参数的智能评判方法，其特征在于，在所述根据所述驾驶操作影响系数和所述驾驶员的目标参数评判值，计算所述驾驶员的驾驶操作评判值之后，所述方法还包括：
确定针对所述驾驶员的驾驶操作评判值的校正因子；
根据所述校正因子，对所述驾驶员的驾驶操作评判值进行校正，以更新所述驾驶员的驾驶操作评判值，并触发执行所述的根据所述驾驶员的驾驶操作评判值，评判所述驾驶员的驾驶操作等级的操作。
7.根据权利要求6所述的基于多元参数的智能评判方法，其特征在于，所述确定针对所述驾驶员的驾驶操作评判值的校正因子，包括：
采集所述驾驶员驾驶所述车辆的过程中对应的环境数据，并根据所述环境数据，确定所述驾驶员驾驶所述车辆的过程中的环境参数，所述环境参数包括气象参数；
根据所述环境参数，确定所述环境参数对应的第一校正因子，所述校正因子至少包括所述第一校正因子；和/或
确定所述第一子生理信息对应的动作特征，所述动作特征包括动作幅度、动作频率、动作持续时长中的至少一种；
根据所述第一子生理信息对应的动作特征和所述心理信息，确定所述驾驶员的驾驶状态参数；
根据所述驾驶员的驾驶状态参数，确定所述驾驶状态参数对应的第二校正因子，所述校正因子至少包括所述第二校正因子。
8.一种基于多元参数的智能评判装置，其特征在于，所述装置包括：
构建模块，用于根据车辆行驶的道路的道路信息，构建所述道路对应的道路模型，所述道路信息包括所述道路的三维扫描数据信息；
第一确定模块，用于根据所述道路信息和所述道路模型，确定所述道路对应的道路参数；
所述第一确定模块，还用于根据所述道路参数和采集到的驾驶所述车辆的驾驶员的目标信息确定所述驾驶员驾驶所述车辆时的目标参数，所述目标参数包括所述驾驶员在所述道路参数下驾驶所述车辆的生理参数和/或心理参数；
评判模块，用于根据所述道路参数和所述目标参数，评判所述驾驶员的驾驶操作等级。
9.一种基于多元参数的智能评判装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于多元参数的智能评判方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于多元参数的智能评判方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310824211.6A CN116542830B (zh) | 2023-07-06 | 2023-07-06 | 基于多元参数的智能评判方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310824211.6A CN116542830B (zh) | 2023-07-06 | 2023-07-06 | 基于多元参数的智能评判方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116542830A true CN116542830A (zh) | 2023-08-04 |
| CN116542830B CN116542830B (zh) | 2024-03-15 |
Family
ID=87454615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310824211.6A Active CN116542830B (zh) | 2023-07-06 | 2023-07-06 | 基于多元参数的智能评判方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116542830B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104133720A (zh) * | 2014-07-08 | 2014-11-05 | 公安部交通管理科学研究所 | 机动车驾驶人驾驶安全度评测系统 |
| CN105788250A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 车辆驾驶行为处理方法和装置 |
| CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
| CN106710144A (zh) * | 2016-12-21 | 2017-05-24 | 东软集团股份有限公司 | 一种驾驶行程评价方法及装置 |
| CN108909718A (zh) * | 2018-07-11 | 2018-11-30 | 中国医学科学院生物医学工程研究所 | 疲劳驾驶预警方法、装置、设备及存储介质 |
| CN109800984A (zh) * | 2019-01-16 | 2019-05-24 | 平安科技（深圳）有限公司 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
| CN111950398A (zh) * | 2020-07-27 | 2020-11-17 | 上海仙豆智能机器人有限公司 | 一种疲劳驾驶处理方法、装置及计算机存储介质 |
| CN112224211A (zh) * | 2020-10-19 | 2021-01-15 | 中交第一公路勘察设计研究院有限公司 | 基于多自主体交通流的驾驶模拟仿真系统 |
| CN112655006A (zh) * | 2020-11-24 | 2021-04-13 | 曹庆恒 | 一种驾驶教学系统及其使用方法、驾驶设备、计算机可读存储介质 |
| CN114897312A (zh) * | 2022-04-18 | 2022-08-12 | 中国第一汽车股份有限公司 | 驾驶行为评分方法、装置、设备及存储介质 |
| CN115416673A (zh) * | 2022-10-09 | 2022-12-02 | 集度科技有限公司 | 一种驾驶状态检测装置、方法、电子设备及车辆 |
| CN116350190A (zh) * | 2023-05-29 | 2023-06-30 | 中国第一汽车股份有限公司 | 一种驾驶能力确定方法、电子设备及存储介质 |
-
2023
- 2023-07-06 CN CN202310824211.6A patent/CN116542830B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104133720A (zh) * | 2014-07-08 | 2014-11-05 | 公安部交通管理科学研究所 | 机动车驾驶人驾驶安全度评测系统 |
| CN105788250A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 车辆驾驶行为处理方法和装置 |
| CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
| CN106710144A (zh) * | 2016-12-21 | 2017-05-24 | 东软集团股份有限公司 | 一种驾驶行程评价方法及装置 |
| CN108909718A (zh) * | 2018-07-11 | 2018-11-30 | 中国医学科学院生物医学工程研究所 | 疲劳驾驶预警方法、装置、设备及存储介质 |
| CN109800984A (zh) * | 2019-01-16 | 2019-05-24 | 平安科技（深圳）有限公司 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
| CN111950398A (zh) * | 2020-07-27 | 2020-11-17 | 上海仙豆智能机器人有限公司 | 一种疲劳驾驶处理方法、装置及计算机存储介质 |
| CN112224211A (zh) * | 2020-10-19 | 2021-01-15 | 中交第一公路勘察设计研究院有限公司 | 基于多自主体交通流的驾驶模拟仿真系统 |
| CN112655006A (zh) * | 2020-11-24 | 2021-04-13 | 曹庆恒 | 一种驾驶教学系统及其使用方法、驾驶设备、计算机可读存储介质 |
| CN114897312A (zh) * | 2022-04-18 | 2022-08-12 | 中国第一汽车股份有限公司 | 驾驶行为评分方法、装置、设备及存储介质 |
| CN115416673A (zh) * | 2022-10-09 | 2022-12-02 | 集度科技有限公司 | 一种驾驶状态检测装置、方法、电子设备及车辆 |
| CN116350190A (zh) * | 2023-05-29 | 2023-06-30 | 中国第一汽车股份有限公司 | 一种驾驶能力确定方法、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116542830B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105374211B (zh) | 基于多源数据计算驾驶风险与辅助车险定价的系统及方法 | |
| Carlos et al. | Evaluation of detection approaches for road anomalies based on accelerometer readings—Addressing who’s who | |
| CN110395258A (zh) | 路面状态推断装置以及路面状态推断方法 | |
| CN106651162A (zh) | 一种基于大数据的驾驶风险评估方法 | |
| CN106347359A (zh) | 用于操作自动驾驶车辆的方法和装置 | |
| CN107924625A (zh) | 车道识别装置以及车道识别方法 | |
| CN111179300A (zh) | 障碍物检测的方法、装置、系统、设备以及存储介质 | |
| CN103895649A (zh) | 一种驾驶员安全驾驶预警方法 | |
| US20220301069A1 (en) | Systems and methods for allocating fault to autonomous vehicles | |
| JP6977887B2 (ja) | レーン推定装置、方法およびプログラム | |
| CN107816998A (zh) | 信息处理方法及装置 | |
| CN112163285B (zh) | 一种用于模拟驾驶系统的路面类型预测模型的建模方法 | |
| CN115398062A (zh) | 已学习模型的生成方法及路面特征判定装置 | |
| CN111599182B (zh) | 一种基于自然驾驶数据的换道行为自动提取方法 | |
| CN106780042A (zh) | 基于智能移动设备的驾驶行为数据采集以及评判方法 | |
| CN114140903A (zh) | 一种基于决策树生成规则的道路类型识别车载装置 | |
| CN116542830B (zh) | 基于多元参数的智能评判方法及装置 | |
| WO2021104833A1 (en) | Method and device for promoting driving safety of vehicle | |
| CN116067677A (zh) | 一种自动驾驶道路测试系统及分析方法 | |
| CN111422202A (zh) | 智能驾驶考试评判方法 | |
| CN112109715B (zh) | 车辆动力输出策略的生成方法、装置、介质及系统 | |
| CN112990563B (zh) | 一种高速公路追尾事故风险实时预测方法 | |
| CN116563069B (zh) | 应用于驾培驾考的智能化评判方法及装置 | |
| CN115439263A (zh) | 一种基于自动驾驶行为资产的精准车险保费评估方法 | |
| CN112706776B (zh) | 道路标定数据的确定方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant |