CN116615772A - 生成驾驶建议的方法、装置、设备和存储介质 - Google Patents

生成驾驶建议的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN116615772A
CN116615772A CN202280006138.5A CN202280006138A CN116615772A CN 116615772 A CN116615772 A CN 116615772A CN 202280006138 A CN202280006138 A CN 202280006138A CN 116615772 A CN116615772 A CN 116615772A
Authority
CN
China
Prior art keywords
acceleration
value
driving
metric
values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280006138.5A
Other languages
English (en)
Inventor
郭怡雯
杨文奇
林容宾
许永刚
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.)
Guangzhou Automobile Group Co Ltd
Original Assignee
Guangzhou Automobile Group 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 Guangzhou Automobile Group Co Ltd filed Critical Guangzhou Automobile Group Co Ltd
Publication of CN116615772A publication Critical patent/CN116615772A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

提供一种生成驾驶建议的方法，包括：获取N个驾驶记录，其中N个驾驶记录来自至少两辆车，每个驾驶记录包括驾驶期和加速度值之间的映射关系，N是大于1的整数(310)；基于N个驾驶记录中的加速度值确定多个加速度度量值，其中每辆车对应于至少一个加速度度量值，并且加速度度量值与加速度值正相关(320)；根据多个加速度度量值确定度量阈值(330)；以及基于度量阈值和与至少两辆车中的任一辆车对应的驾驶记录生成驾驶建议(340)。还提供了一种用于生成驾驶建议的装置、设备和一种计算机可读存储介质。

Description

生成驾驶建议的方法、装置、设备和存储介质 技术领域
本申请总体涉及汽车领域，并且将具体涉及一种生成驾驶建议的方法、装置、设备和计算机可读存储介质。
背景技术
随着新能源汽车的普及，由于驾驶员距离焦虑，汽车的能耗成为一个更重要的问题。驾驶员的驾驶技能和行为是影响车辆能耗的重要因素。
驾驶员通常会根据主观意见获得驾驶技能和行为方面的建议，例如教练的指导或车辆销售人员的建议。
然而，这些提示只能给出常规原则，很难针对特定驾驶员的具体情况。驾驶员需要根据自己的驾驶经验提高驾驶技能和驾驶行为，以保持现有的车辆行驶里程。
发明内容
根据本申请的实施例，提供了一种生成驾驶建议的方法、设备和存储介质。技术方案如下：
根据本申请的第一个方面，提供了一种生成驾驶建议的方法。
获取N个驾驶记录，其中所述N个驾驶记录来自至少两辆车，每个驾驶记录包括驾驶期和加速度值之间的映射关系，所述N是大于1的整数；
基于所述N个驾驶记录中的加速度值确定多个加速度度量值，其中每辆车对应于至少一个加速度度量值，并且所述加速度度量值与所述加速度值正相关；
根据所述多个加速度度量值确定度量阈值；和
基于所述度量阈值和与所述至少两辆车中的任一辆车对应的驾驶记录生成驾驶建议。
根据本申请的第二个方面，提供了一种用于生成驾驶建议装置，包括：
记录获取模块，配置成获取N个驾驶记录，其中所述N个驾驶记录来自至少两辆车，每个驾驶记录包括驾驶期和加速度值之间的映射关系，所述N是大于1的整数；
度量确定模块，配置成基于所述N个驾驶记录中的加速度值确定多个加速度度量值，其中每辆车对应于至少一个加速度度量值，并且所述加速度度量值与所述加速度值正相关。
阈值确定模块，配置成根据所述多个加速度度量值确定度量阈值。
建议生成模块，配置成基于所述度量阈值和与所述至少两辆车中的任一辆车对应的驾 驶记录生成驾驶建议。
根据本申请实施例的第三方面，提供了一种电子设备，包括：存储器，用于存储计算机可读指令；以及处理器，用于读取存储在所述存储器中的计算机可读指令以执行以上所述的生成驾驶建议方法。
根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时执行以上所述的生成驾驶建议方法。
通过上述的方案，由于根据驾驶员自身的驾驶数据来生成针对性的驾驶建议，从而能够使得驾驶建议符合驾驶员的具体状况，提高驾驶建议的准确性，而有助于验证车辆的行驶里程。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
附图并入本说明书并构成本说明书一部分，附图说明了与本申请一致的实施例，并与说明书一起用于解释本申请的原理。显然，以下描述中的附图只是本申请的一些实施例。对于本领域技术人员，可以在这些附图的基础上获得其他附图，而无需进行创造性工作。
图1是根据示例性实施例的用于驾驶建议的系统的结构。
图2是图1中用于驾驶建议的系统的数据流示意图。
图3是本申请实施例中用于生成驾驶建议的方法的流程图。
图4是根据示例性实施例的纵向加速度度量的示例分布。
图5是根据示例性实施例的横向加速度度量的示例分布。
图6是示出根据示例性实施例的用于生成驾驶建议的设备的框图。
图7为本申请的一个实施例中的电子设备的示意图。
具体实施方式
现在将参考附图更全面地描述示例性实施例。然而，示例性实施例可以以各种形式实现，并且不应被理解为限于本文所述的示例；相反，提供这些示例性实施例使得本申请的描述更加全面和完整，并向本领域技术人员充分传达示例性实施例的概念。附图仅为本申请的示意图，不一定按比例绘制。图中相同的附图标记表示相同或相似的部分，因此将省略对它们的重复描述。
此外，所描述的特征、结构或特征可以以任何合适的方式并入一个或多个示例实施例中。在以下描述中，提供了许多具体细节，以充分理解本申请的示例性实施例。然而，本领域技术人员将认识到，通过实施本申请的技术方案，可以省略一个或多个具体细节，或 者可以采用其他方法、组件、步骤等。在其他情况下，未详细示出或描述众所周知的结构、方法、实现或操作，以避免混淆本公开的方面。
图中所示的一些方框图是功能实体，不一定对应于物理或逻辑上独立的实体。这些功能实体可以以软件的形式实现，或者以一个或多个硬件模块或集成电路的形式实现，或者以不同的网络和/或处理器设备和/或微控制器设备的形式实现。
首先，总体方法是开发一个系统，该系统根据驾驶员的车辆操纵向其提供建议。为了便于解释，请参考图1。图1是根据示例性实施例的用于驾驶建议的系统的结构。车辆101的机动数据将被传输到业务服务器102，并存储在数据库中。业务服务器102在预定义的时间段(例如一个月或一年)内计算关于所收集的机动数据的度量的加权平均值。基于加权平均值生成每辆车的驾驶建议，并可由用户终端103访问。例如，驾驶员可以通过计算机在网站上查看驾驶建议，或将驾驶建议以短信形式发送到驾驶员的手机。
可以理解，图1中的系统结构是示例性体系结构，并且实际的系统体系结构可能不同且更复杂。图1所示的服务器实际上可以是单个服务器、多个服务器的集群或云服务器。本领域技术人员可以根据实际需求采用合适的系统架构，本申请并不限制这一点。
现在请参考图2。图2是根据示例性实施例的图1中用于驾驶建议的系统的数据流示意图。车辆操纵数据可能来自车载系统等车辆，也可能来自驾驶员携带的移动设备，如手机。收集的数据可以存储在服务器上的数据库中，并进行分析，以根据每辆车生成驾驶建议。然后，司机可以通过服务器提供的API访问生成的驾驶建议，例如通过web浏览器、文本消息、电子邮件和移动应用程序。
图3是根据示例性实施例的用于生成驾驶建议的方法的流程图。参考图3，图3是在本申请的一个实施例中用于生成驾驶建议的方法的流程图，该方法包括以下步骤。
在步骤310中，获取N个驾驶记录，其中所述N个驾驶记录来自至少两辆车，每个驾驶记录包括驾驶期和加速度值之间的映射关系，所述N是大于1的整数；
在该实施例中，该方法可以由服务器执行。服务器从数据库中获取N条驾驶记录。服务器可以周期性地执行该步骤，或者响应用户的命令。驾驶记录可以由与服务器通信的车辆发送，并存储在数据库中。获取的N个驾驶记录可以是在适当的时间段(例如一年)内收到的所有驾驶记录。在一个实施例中，用户可以为驾驶记录指定过滤条件，服务器将基于过滤条件生成查询，并从数据库中获取满足过滤条件的驾驶记录。过滤条件可以包括车辆品牌、车型和记录时间。例如，服务器可以获取去年记录的传祺GS8的驾驶记录。
驾驶记录以天为单位进行管理。通常，车辆在熄火前会向服务器发送驾驶记录。因 此，一天的驾驶记录通常包括至少一次行程的数据。行程包括车辆发动机启动和车辆发动机关闭之间的过程。在一次行程中，车辆通常会多次启动和停止。驾驶期是指车辆开始移动和停止之间的过程。也就是说，驾驶记录包括至少一次行程，并且一次行程包括至少一个驾驶期。驾驶记录包括对应于每个驾驶期的加速度值。在本实施例中，加速度值指每分钟的加速度。然而，在其他实施例中，加速度值可以是每秒的加速度、5分钟内的加速度或其他合适的值。由于加速度值是以分钟为单位计数的，因此每个驾驶记录中的加速度值的数量是基于驾驶期的持续时间来确定的。例如，如果一个驾驶期的持续时间为10分钟50秒，那么该驾驶期的驾驶记录中应该有11个加速度值。
在步骤320中，基于所述N个驾驶记录中的加速度值确定多个加速度度量值，其中每辆车对应于至少一个加速度度量值，并且所述加速度度量值与所述加速度值正相关。
在本实施例中，相对于驾驶期计算加速度度量值。具体来说，在N个驾驶记录中，每辆车通常有多个驾驶期，加速度度量值将根据每个驾驶期计算。例如，如果20个驾驶记录中包含200个驾驶期，则将确定200个加速度度量值。加速度度量值与加速度值正相关，这意味着加速度值越大，加速度度量值越大。加速度度量值用于测量车辆在行驶期间的总加速度。较大的加速度度量值意味着车辆的速度变化相对剧烈。相反，较小的加速度度量值意味着车辆的速度变化相对平稳。
在步骤330中，根据所述多个加速度度量值确定度量阈值。
在该实施例中，度量阈值可以从多个加速度度量值中选择，或者可以基于多个加速度度量值来计算。例如，度量阈值可以是多个加速度度量值的平均值或中间值。还可以基于多个加速度度量值执行数学建模或函数拟合，以获得分布情况或分布函数。然后，根据分布，确定有助于区分特定情况和区分少数特殊情况的值作为度量阈值。
在步骤340中，基于所述度量阈值和与所述至少两辆车中的任一辆车对应的驾驶记录生成驾驶建议。
在本实施例中，驾驶建议可以由一些驾驶建议项组成，这些驾驶建议项可以是预设的并存储在服务器中。在生成驾驶建议时，服务器将分析车辆的驾驶记录，并确定车辆的加速度度量值。根据车辆的加速度度量值和度量阈值，服务器将选择合适的驾驶建议项，并将它们组合起来生成驾驶建议。例如，驾驶建议项可以包括：A请轻踩加速踏板；请更平稳地转弯；C请轻踩制动踏板。如果服务器认为车辆加速和减速过快，则驾驶建议将包括项目A和项目C。
在本申请实施例的技术方案中，在每次生成驾驶建议的过程中动态生成用于生成驾驶 建议的度量阈值，以提高驾驶建议的准确性。此外，从多辆车收集驾驶记录；因此，在判断驾驶员的驾驶行为时，会考虑其他驾驶员的驾驶行为和驾驶技能，这将使驾驶建议更加合理，因为驾驶行为的判断是基于所有驾驶员的实际驾驶行为，而不是纯粹的静态信息。
在本申请的一个实施例中，基于N个驱动记录中的加速度值确定多个加速度度量值的步骤320还可以包括以下步骤：
步骤321，对于每个驾驶记录，基于加速度值和预设基本加速度值计算加速度权重值；
步骤322，根据加速度值、驾驶期的持续时间和加速度权重值进行积分计算，以获得加速度度量值。
在本实施例中，基于加速度值和预设基本加速度值来计算加速度权重值。具体而言，预设基本加速度值用于表示根据大多数驾驶员的行为确定的正常加速度值。对于不同类型或型号的车辆，该值可能不同。例如，汽车的加速度值通常大于卡车或公共汽车的加速度值，因此汽车的预设基本加速度值可能大于卡车的加速度值。预设基本加速度值可用于归一化加速度值。例如，预设基本加速度值设置为比例值，用于将加速度值缩放到相同的大小，以评估不同类型车辆之间驾驶员的技能。
加速度度量值的计算方法如下：
其中T是以分钟为单位的驾驶持续时间，a(t)是加速度值，f(a(t))是加速度重量值。可以看出，加速度权重值对整个驾驶期间的加权加速度值进行积分，并通过驾驶期间的持续时间进行归一化，这将反映整个驾驶期间的驾驶行为。
在本申请的一个实施例中，对于每个驾驶记录，步骤321根据加速度值和预设基本加速度值计算加速度权重值：
从加速度值中减去预设基本加速度值，得到差值；
如果差值大于零，则基于差值和预设斜率系数计算加速度权重值；
如果差值小于或等于零，则将加速度权重值设置为零。
加速度权重值用于惩罚较大的加速度值。具体来说，加速度权重值的计算方法如下：
其中x是行驶期间每分钟的加速度值，a 0是预设的基本加速度值，是确定罚款增长速度的斜率系数。是可配置参数，通常设置为1.5。预设基本加速度值的目的是忽略较小的加速度值。从加速度权值的计算方法可以看出，差值由x-a 0,0计算，差值与0之间的较 大值用于计算加速度权值。因此，如果差值大于零，则基于差值和预设斜率系数计算加速度权重值；如果加速度值x小于或等于预设的基本加速度值a0，这意味着差值小于或等于零，那么加速度权重值将为0，这将使加速度度量值为0，意味着驾驶员在一分钟内的行为被认为是适当的。
在本申请的一个实施例中，步骤322，根据加速度值、驾驶期的持续时间和加速度权重值进行积分计算，以获得加速度度量值，包括以下步骤：
基于车辆的纵向加速度值和行驶期的持续时间进行积分计算，以获得纵向度量值，其中纵向加速度值是行驶方向上的加速度值；
基于车辆的横向加速度值和行驶期的持续时间进行积分计算，以获得横向度量值，其中横向加速度值是垂直于行驶方向的横向加速度值；
在本实施例中，加速度值分为两个分量，纵向加速度值和横向加速度值。纵向加速度值是车辆移动方向上的加速度值，横向加速度值是垂直于车辆移动方向上的加速度值。例如，当车辆沿道路笔直行驶时，驾驶记录中将只记录纵向加速度值，当车辆转弯或变道时，横向加速度值将记录在驾驶记录中。纵向度量值和横向度量值的计算方法与上述加速度度量值的计算方法相同，唯一的区别是，计算方法的输入是纵向加速度值或横向加速度值，而不是整体加速度值。
纵向度量值和横向度量值分别计算，可用于生成驾驶建议。在一个实施例中，每天计算纵向度量值和横向度量值，并且我们可以总结纵向加速度度量和横向加速度度量的分布。图4是根据示例性实施例的纵向加速度度量的示例分布，图5是根据示例性实施例的横向加速度度量的示例分布。从图4和图5可以看出，纵向加速度度量和横向加速度度量的分布可以清楚地显示大多数驾驶员的驾驶方式。根据分布，可以识别激进驾驶车辆。
在本申请的个实施例中，在步骤340中，基于所述度量阈值和与所述至少两辆车中的任一辆车对应的驾驶记录生成驾驶建议，包括以下步骤：
计算与至少两辆车辆中的任一辆相对应的驾驶期间的纵向度量值的纵向平均值和横向度量值的横向平均值；
根据纵向平均值和纵向度量阈值确定加速建议；
根据横向平均值和横向度量阈值确定转弯建议；
根据加速建议和转弯建议生成驾驶建议。
在该实施例中，度量阈值包括两个值，纵向度量阈值和横向度量阈值，分别用于与纵向平均值和横向平均值进行比较。计算与至少两辆车中任一辆车对应的每个行驶期的纵向 平均值和横向平均值。可以理解的是，每辆车通常有多个驾驶记录，并且在为该车获取的所有驾驶记录的所有驾驶期中计算纵向平均值和横向平均值，以便给出更总体的驾驶建议，这有助于改善驾驶员的驾驶行为。
根据纵向平均值和纵向度量阈值，服务器可以决定驾驶员是加速过快还是减速过快。如果纵向平均值大于纵向度量阈值，这意味着驾驶员加速过快或减速过快，则服务器可以选择相应的加速建议，例如更轻地踩下加速踏板。相应地，基于横向平均值和横向度量阈值，服务器可以决定驾驶员是否转弯过快或换道过快，并可以选择转弯建议，例如更稳定地转弯。
生成加速建议和转弯建议后，服务器可以将这些建议组合在一起生成驾驶建议。
在本申请的一个实施例中，步骤330，根据多个加速度度量值确定度量阈值的步骤包括以下步骤：
基于对应于每辆车的至少一个加速度度量值计算每辆车的度量平均值，以获得至少两个度量平均值；
以降序排列至少两个度量平均值以获得度量值序列；
基于车辆数量和预设比率确定目标序列位置；
确定度量值序列中目标序列位置处的度量平均值作为度量值阈值。
在该实施例中，服务器基于至少一个加速度度量值计算每辆车的度量平均值。可以理解的是，度量平均值的数量将与车辆的数量相同，因为至少有两辆车，所以应该至少有两个度量平均值。随后，以降序排列至少两个度量平均值以获得度量值序列。之后，服务器基于车辆数量和预设比率确定目标序列位置。预设比率通常设置为95％，这意味着度量值序列中前5％的车辆将被视为激进驾驶，并为其驾驶员生成驾驶建议。在度量值序列中，度量值序列中目标序列位置处的度量平均值被确定为度量值阈值。例如，度量值序列中有100个度量值，则度量值序列中第5个值将成为度量值阈值。
可以理解，在将加速度值划分为纵向加速度值和横向加速度值的实施例中，也使用上述相同的方法分别为纵向加速度值和横向加速度值生成度量值阈值。唯一的区别是，输入数据将是纵向加速度值或横向加速度值。
以下描述本申请的设备实施例，其可被配置为实现本申请上述实施例中用于生成驾驶建议的方法。图6是示出根据示例性实施例的用于生成驾驶建议的设备的框图。参考图6，本申请实施例提供的用于驾驶建议的设备包括：
记录获取模块510，配置成获取N个驾驶记录，其中所述N个驾驶记录来自至少两辆 车，每个驾驶记录包括驾驶期和加速度值之间的映射关系，所述N是大于1的整数；
度量确定模块520，配置成基于所述N个驾驶记录中的加速度值确定多个加速度度量值，其中每辆车对应于至少一个加速度度量值，并且所述加速度度量值与所述加速度值正相关。
阈值确定模块530，配置成根据所述多个加速度度量值确定度量阈值。
建议生成模块540，配置成基于所述度量阈值和与所述至少两辆车中的任一辆车对应的驾驶记录生成驾驶建议。
在本申请的实施例中，度量确定模块520包括：
权重计算单元，配置成对于每个驾驶记录，基于加速度值和预设基本加速度值计算加速度权重值；
积分计算执行单元，配置成根据加速度值、驾驶期的持续时间和加速度权重值进行积分计算，以获得加速度度量值。
在本申请的实施例中，权重计算单元包括：
减法子单元，配置成从加速度值中减去预设基本加速度值，得到差值；
加速度权重值计算子单元，配置成如果差值大于零，则基于差值和预设斜率系数计算加速度权重值；
加速度权重值设置子单元，配置成如果差值小于或等于零，则将加速度权重值设置为零。
在本申请的实施例中，积分计算执行单元包括：
纵向度量值获得子单元，配置成基于车辆的纵向加速度值和行驶期的持续时间进行积分计算，以获得纵向度量值，其中纵向加速度值是行驶方向上的加速度值；
横向度量值获得子单元，配置成基于车辆的横向加速度值和行驶期的持续时间进行积分计算，以获得横向度量值，其中横向加速度值是垂直于行驶方向的横向加速度值；
在本申请的实施例中，建议生成模块540包括：
平均计算单元，配置成计算与至少两辆车辆中的任一辆相对应的驾驶期间的纵向度量值的纵向平均值和横向度量值的横向平均值；
加速建议确定单元，配置成根据纵向平均值和纵向度量阈值确定加速建议；
转弯建议确定单元，配置成加速建议确定单元，配置成根据纵向平均值和纵向度量阈值确定加速建议；
建议生成单元，配置成根据加速建议和转弯建议生成驾驶建议。
在本申请的实施例中，阈值确定模块530包括：
度量平均值计算单元，配置成基于对应于每辆车的至少一个加速度度量值计算每辆车的度量平均值，以获得至少两个度量平均值；
序列排列单元，配置成以降序排列至少两个度量平均值以获得度量值序列；
位置确定单元，配置成基于车辆数量和预设比率确定目标序列位置；
度量值阈值确定单元，配置成确定度量值序列中目标序列位置处的度量平均值作为度量值阈值。
可以理解，这些模块或单元可以通过硬件、软件或两者的组合来实现。当在硬件中实现时，这些模块或单元可以是一个或多个硬件模块，例如一个或多个特定于本申请的集成电路。当在软件中实现时，这些模块或单元可以是在一个或多个处理器上执行的一个或多个软件程序。
参考图7，下文描述了本申请的一个实施例中的电子设备800的结构示意图。需要说明的是，图7示出的电子设备的计算机系统800仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，电子设备800包括中央处理单元(Central Processing Unit，CPU)，其可以根据存储在只读存储器(Read-Only Memory，ROM)802中的程序或者从储存部分808加载到随机访问存储器(Random Access Memory，RAM)803中的程序而执行各种适当的动作和处理。在随机访问存储器803中，还存储有系统操作所需的各种程序和数据。CPU801、只读存储器802以及随机访问存储器803通过总线804彼此相连。输入/输出接口(I/O接口)接口805也连接至总线804。
以下部件连接至输入/输出接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分807；包括硬盘等的储存部分808；以及包括诸如局域网(Local Area Network，LAN)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至输入/输出接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入储存部分808。
特别地，根据本申请的实施例，各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的 实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本申请的系统中限定的各种功能。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中，还提供了一种计算机可读存储介质，计算机可读指令存储在该存储介质上。当计算机的处理器执行计算机可读指令时，使计算机执行上述方法实施例中描述的方法。
根据本申请的一个实施例，还提供了一种用于实现上述方法实施例中的方法的程序产品，该程序产品可以采用便携式光盘只读存储器(CD-ROM)并包括程序代码，并且可以在诸如个人计算机之类的终端设备上运行。然而，本申请的程序产品不限于此。在本文档中，可读存储介质可以是包含或存储程序的任何有形介质，该程序可以由指令执行系统、设备或装置使用或与之结合使用。
程序产品可以是一种或多种可读介质的任意组合。可读介质可以是可读信号介质或可读存储介质。计算机可读存储介质例如可以是，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示例(非详尽列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、 有线等等，或者上述的任意合适的组合。
用于执行本申请的操作的程序代码可以用一种或多种编程语言的任意组合来编写。编程语言包括诸如Java、C++的面向对象的编程语言，以及诸如“C”或类似的编程语言的常规过程编程语言。程序代码可以完全在用户计算设备上执行、部分在用户设备上执行、作为独立软件包执行、部分在用户计算设备上执行、部分在远程计算设备上执行、或完全在远程计算上执行设备或服务器。在涉及远程计算设备的情况下，远程计算设备可以通过任何类型的网络连接到用户计算设备，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算设备(例如，使用英特网服务提供商通过英特网连接)。
需要说明的是，虽然上述详细描述中提到了动作执行装置的几个模块或单元，但这种划分并非强制性的。事实上，根据本申请的实施例，上述两个或多个模块或单元的特征和功能可以在一个模块或单元中体现。相反，上述一个模块或单元的特征和功能可以进一步划分为多个模块或单元来体现。
此外，虽然在附图中以特定顺序描述了本公开中的方法的步骤，但并不要求或暗示这些步骤必须以特定顺序执行，或者所示出的所有步骤必须按顺序执行以达到预期的结果。附加或替代地，可以省略一些步骤，可以将多个步骤合并为一个步骤执行，和/或可以将一个步骤分解为多个步骤执行等。
通过以上实施例的描述，本领域的技术人员很容易理解。这里描述的示例实施例可以通过软件或者通过软件与必要的硬件相结合来实现。因此，本申请实施方式的技术方案可以以软件产品的形式体现，该软件产品可以存储在非易失性存储介质(可以是CD-ROM、U盘、移动硬盘)中。磁盘等)或网络上，包括若干指令，以便计算设备(可以是个人计算机、服务器、终端设备、或网络设备等)执行根据本申请实施例。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。申请旨在涵盖本申请的任何变型、用途或者适应性变化。这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。描述和实施例仅被认为是示例性的，并且本公开的真实范围和精神由所附权利要求指示。

Claims (9)

  1. 一种用于生成驾驶建议的方法，包括：
    获取N个驾驶记录，其中所述N个驾驶记录来自至少两辆车，每个驾驶记录包括驾驶期和加速度值之间的映射关系，所述N是大于1的整数；
    基于所述N个驾驶记录中的加速度值确定多个加速度度量值，其中每辆车对应于至少一个加速度度量值，并且所述加速度度量值与所述加速度值正相关；
    根据所述多个加速度度量值确定度量阈值；和
    基于所述度量阈值和与所述至少两辆车中的任一辆车对应的驾驶记录生成驾驶建议。
  2. 根据权利要求1所述的方法，其特征在于，所述基于所述N个驾驶记录中的加速度值确定多个加速度度量值，包括：
    对于每个驾驶记录，基于所述加速度值和预设基本加速度值计算加速度权重值；
    根据所述加速度值、所述驾驶期的持续时间和所述加速度权重值进行积分计算，以获得加速度度量值。
  3. 根据权利要求2所述的方法，其特征在于，所述对于每个驾驶记录，基于所述加速度值和预设基本加速度值计算加速度权重值，包括：
    从所述加速度值中减去所述预设基本加速度值，得到差值；
    如果所述差值大于零，则基于所述差值和预设斜率系数计算所述加速度权重值；
    如果所述差值小于或等于零，则将所述加速度权重值设置为零。
  4. 根据权利要求2所述的方法，其特征在于，所述根据所述加速度值、所述驾驶期的持续时间和所述加速度权重值进行积分计算，以获得加速度度量值，包括：
    基于所述车辆的纵向加速度值和所述行驶期的持续时间进行积分计算，以获得纵向度量值，其中所述纵向加速度值是行驶方向上的加速度值；
    基于所述车辆的横向加速度值和所述行驶期的持续时间进行积分计算，以获得横向度量值，其中所述横向加速度值是垂直于行驶方向的横向加速度值；
  5. 根据权利要求4所述的方法，其特征在于，基于所述度量阈值和与所述至少两辆车中的任一辆车对应的驾驶记录生成驾驶建议，包括：
    计算与所述至少两辆车辆中的任一辆相对应的驾驶期间的所述纵向度量值的纵向平均值和所述横向度量值的横向平均值；
    根据所述纵向平均值和纵向度量阈值确定加速建议；
    根据所述横向平均值和横向度量阈值确定转弯建议；
    根据所述加速建议和所述转弯建议生成驾驶建议。
  6. 根据权利要求1所述的方法，其特征在于，根据所述多个加速度度量值确定度量 阈值，包括：
    基于对应于每辆车的所述至少一个加速度度量值计算每辆车的度量平均值，以获得至少两个度量平均值；
    以降序排列所述至少两个度量平均值以获得度量值序列；
    基于车辆数量和预设比率确定目标序列位置；
    确定所述度量值序列中目标序列位置处的度量平均值作为度量值阈值。
  7. 一种用于生成驾驶建议装置，其特征在于，包括：
    记录获取模块，配置成获取N个驾驶记录，其中所述N个驾驶记录来自至少两辆车，每个驾驶记录包括驾驶期和加速度值之间的映射关系，所述N是大于1的整数；
    度量确定模块，配置成基于所述N个驾驶记录中的加速度值确定多个加速度度量值，其中每辆车对应于至少一个加速度度量值，并且所述加速度度量值与所述加速度值正相关。
    阈值确定模块，配置成根据所述多个加速度度量值确定度量阈值。
    建议生成模块，配置成基于所述度量阈值和与所述至少两辆车中的任一辆车对应的驾驶记录生成驾驶建议。
  8. 一种用于生成驾驶建议设备，其特征在于，包括：
    处理器；
    存储器，用于存储所述处理器的可执行指令；
    其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6中任意一项所述的用于生成驾驶建议方法。
  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如权利要求1至6中任一项所述的用于生成驾驶建议方法。
CN202280006138.5A 2021-06-02 2022-04-27 生成驾驶建议的方法、装置、设备和存储介质 Pending CN116615772A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/336,646 US11798412B2 (en) 2021-06-02 2021-06-02 Method and device for generating driving suggestion, and computer-readable storage medium
US17/336,646 2021-06-02
PCT/CN2022/089443 WO2022252884A1 (zh) 2021-06-02 2022-04-27 生成驾驶建议的方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN116615772A true CN116615772A (zh) 2023-08-18

Family

ID=84284289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280006138.5A Pending CN116615772A (zh) 2021-06-02 2022-04-27 生成驾驶建议的方法、装置、设备和存储介质

Country Status (3)

Country Link
US (1) US11798412B2 (zh)
CN (1) CN116615772A (zh)
WO (1) WO2022252884A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11798412B2 (en) * 2021-06-02 2023-10-24 Guangzhou Automobile Group Co., Ltd. Method and device for generating driving suggestion, and computer-readable storage medium

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5151619B2 (ja) 2007-10-01 2013-02-27 株式会社デンソー ハイブリッド車両用の走行計画作成装置および走行計画作成装置用のプログラム
DE102008047143B4 (de) 2008-09-12 2010-09-09 Technische Universität Carolo-Wilhelmina Zu Braunschweig Verfahren und Vorrichtung zur Ermittlung einer Fahrstrategie
JP4954173B2 (ja) * 2008-09-30 2012-06-13 本田技研工業株式会社 燃費向上のための運転操作を運転者に指導するための装置
US20110307188A1 (en) * 2011-06-29 2011-12-15 State Farm Insurance Systems and methods for providing driver feedback using a handheld mobile device
US20160198306A1 (en) * 2011-06-29 2016-07-07 State Farm Mutual Automobile Insurance Company Systems And Methods For Providing Vehicle And Equipment Suggestions Using A Mobile Device
US20130006674A1 (en) * 2011-06-29 2013-01-03 State Farm Insurance Systems and Methods Using a Mobile Device to Collect Data for Insurance Premiums
US10977601B2 (en) * 2011-06-29 2021-04-13 State Farm Mutual Automobile Insurance Company Systems and methods for controlling the collection of vehicle use data using a mobile device
US20160195406A1 (en) * 2011-06-29 2016-07-07 State Farm Mutual Automobile Insurance Company Systems And Methods For Providing Route Information Using A Mobile Device
US8880290B2 (en) * 2011-12-30 2014-11-04 Ford Global Technologies, Llc Driving behavior feedback interface
US8876535B2 (en) * 2013-03-15 2014-11-04 State Farm Mutual Automobile Insurance Company Real-time driver observation and scoring for driver's education
US10198772B2 (en) * 2015-01-14 2019-02-05 Tata Consultancy Services Limited Driver assessment and recommendation system in a vehicle
CN105046765B (zh) 2015-08-19 2016-05-04 福建省汽车工业集团云度新能源汽车股份有限公司 基于行车记录仪改善驾驶行为的方法
CN105160883B (zh) 2015-10-20 2017-08-25 重庆邮电大学 一种基于大数据的节能驾驶行为分析方法
CN106297290A (zh) 2016-08-27 2017-01-04 时空链（北京）科技有限公司 一种驾驶行为处理方法、车载设备和云端服务器
US20190351914A1 (en) * 2018-05-15 2019-11-21 Pony.ai, Inc. System and method for identifying suspicious points in driving records and improving driving
US11577734B2 (en) * 2018-12-20 2023-02-14 Nauto, Inc. System and method for analysis of driver behavior
US10696306B1 (en) * 2019-09-25 2020-06-30 Lyft Inc. Evaluating driving control systems for elegant driving
US11407413B2 (en) * 2020-06-04 2022-08-09 Fca Us Llc Techniques for monitoring powertrain cruise control propulsive torque in electrified vehicles
US11798412B2 (en) * 2021-06-02 2023-10-24 Guangzhou Automobile Group Co., Ltd. Method and device for generating driving suggestion, and computer-readable storage medium

Also Published As

Publication number Publication date
US20220392339A1 (en) 2022-12-08
US11798412B2 (en) 2023-10-24
WO2022252884A1 (zh) 2022-12-08

Similar Documents

Publication Publication Date Title
US20160253924A1 (en) Fuel Savings Training Needs Prediction and Alert System
BR112017001574B1 (pt) Método para capturar informação de quilometragem de veículo, dispositivo eletrônico portátil e meio de armazenamento legível por computador
US20200057941A1 (en) Neural network optimizer search
US20150073692A1 (en) Driver feedback for fuel efficiency
US9513151B2 (en) Fuel waste variable identification and analysis system
US20200126175A1 (en) Optimizing engagement of transportation providers
CN111859173A (zh) 一种上车点推荐方法和系统
CN110599353A (zh) 一种车辆出险和赔付率预测方法、装置、设备及介质
US20180253988A1 (en) Learning of policy for selection of associative topic in dialog system
CN111861618A (zh) 一种上车点推荐方法和系统
US20190186934A1 (en) Providing stop recommendations based on a travel path and transaction data
CN116615772A (zh) 生成驾驶建议的方法、装置、设备和存储介质
CN113324555A (zh) 一种车辆导航路径的生成方法、装置及电子设备
CN110837979A (zh) 基于随机森林的安全驾驶风险预测方法及装置
US20240089325A1 (en) Using contextual information for vehicle trip loss risk assessment scoring
CN113837383A (zh) 模型训练方法、装置、电子设备及存储介质
CN111860929B (zh) 一种拼车订单拼成率预估方法及系统
WO2023246391A1 (zh) 风险特征描述的提取
US11644326B2 (en) Machine learning platform for dynamic device and sensor quality evaluation
CN114005195B (zh) 一种续驶里程的显示方法、装置、车辆及存储介质
CN111260384A (zh) 服务订单处理方法、装置、电子设备及存储介质
CN112284407A (zh) 一种行车信息推荐方法及装置
CN110858366A (zh) 一种下单转化率预测方法和装置
CN110875836A (zh) 基于网络预测的应用缓存方法、系统、设备及存储介质
CN111959518A (zh) 数据处理方法、装置及设备

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