TW202409958A - 行駛記錄認證方法、電子設備、儲存介質、交通工具 - Google Patents
行駛記錄認證方法、電子設備、儲存介質、交通工具 Download PDFInfo
- Publication number
- TW202409958A TW202409958A TW111131337A TW111131337A TW202409958A TW 202409958 A TW202409958 A TW 202409958A TW 111131337 A TW111131337 A TW 111131337A TW 111131337 A TW111131337 A TW 111131337A TW 202409958 A TW202409958 A TW 202409958A
- Authority
- TW
- Taiwan
- Prior art keywords
- driver
- record
- driving
- image
- records
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 31
- 230000006399 behavior Effects 0.000 claims description 27
- 238000005266 casting Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 13
- 235000006679 Mentha X verticillata Nutrition 0.000 claims 1
- 235000002899 Mentha suaveolens Nutrition 0.000 claims 1
- 235000001636 Mentha x rotundifolia Nutrition 0.000 claims 1
- 238000004590 computer program Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 11
- 238000012549 training Methods 0.000 description 6
- 238000012552 review Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000006996 mental state Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
Images
Landscapes
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Traffic Control Systems (AREA)
Abstract
本申請提供一種行駛記錄認證方法、電子設備、儲存介質及交通工具，所述方法包括：獲取駕駛員的歷史行駛記錄，以及獲取所述駕駛員的關聯記錄；基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像；回應於針對所述駕駛員的查詢請求，將所述駕駛員的NFT圖像傳送到發送所述查詢請求的使用者端。本申請可利用NFT圖像展示駕駛員的過往行駛記錄的整體分析結果，提升查核時效與資訊的準確性。
Description
本申請涉及區塊鏈技術領域，尤其涉及一種行駛記錄認證方法、電子設備、儲存介質、交通工具。
隨著網路約車的盛行，使用者（如打車的乘客）為乘車安全考量，如欲提前瞭解交通工具的駕駛員過往行駛狀況如違規肇事記錄等，需到警政機關申請調閱才能獲得，流程費時費力，難以應用於現實生活場景。如果沒有記錄可查，乘客難以瞭解駕駛員的行駛記錄。
有鑑於此，有必要提供一種基於區塊鏈的行駛記錄認證方法、電子設備、儲存介質、交通工具，可基於區塊鏈公開且無法篡改的特性，利用NFT圖像展示駕駛員的過往行駛記錄的整體分析結果，降低查詢者查核時效與資訊的落差，增加駕駛員記錄的可信度。
本申請的第一方面提供一種行駛記錄認證方法，應用於作為區塊鏈的節點的電子設備，所述方法包括：獲取駕駛員的歷史行駛記錄，以及獲取所述駕駛員的關聯記錄；基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像；回應於針對所述駕駛員的查詢請求，將所述駕駛員的NFT圖像傳送到發送所述查詢請求的使用者端。
在一個實施例中，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像包括：分析所獲取的歷史行駛記錄和關聯記錄獲得所述歷史行駛記錄和關聯記錄中的每項記錄的分析結果，基於所述每項記錄的分析結果獲得所述駕駛員的多項行為記錄；針對所述多項行為記錄分別創建對應的圖像標章，獲得多個圖像標章；及基於所述多個圖像標章鑄造所述駕駛員的NFT圖像。
在一個實施例中，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像包括：分析所獲取的歷史行駛記錄和關聯記錄獲得所述歷史行駛記錄和關聯記錄中的每項記錄的分析結果，基於所述每項記錄的分析結果獲得所述駕駛員的多項行為記錄；針對所述多項行為記錄分別創建對應的NFT圖像標章，獲得多個NFT圖像標章；及將所述多個NFT圖像標章作為所述駕駛員的NFT圖像。
在一個實施例中，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像包括：基於所述歷史行駛記錄和關聯記錄，確定所述駕駛員的級別；及 為所述駕駛員生成與所述級別對應的非同質化代幣NFT圖像。
在一個實施例中，所述歷史行駛記錄包括所述駕駛員的歷史位置軌跡資訊，所述關聯記錄包括所述駕駛員的駕照狀態資訊；所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像包括：
基於所述駕駛員的歷史位置軌跡資訊與其他駕駛員中的每個駕駛員的歷史位置軌跡資訊，獲得所述駕駛員的里程記錄的百分比排名，所述駕駛員的里程記錄的百分比排名包括所述駕駛員的總里程的百分比排名、所述駕駛員的第一行駛區域分佈的百分比排名、所述駕駛員的第二行駛區域分佈的百分比排名；
鑄造與所述駕駛員的總里程的百分比排名對應的NFT圖像，並在該NFT圖像顯示所述駕駛員的里程記錄的百分比排名，以及所述駕駛員的駕照狀態資訊。
在一個實施例中，所述駕駛員的第一行駛區域分佈的百分比排名包括：市區的總里程的百分比排名、郊區的總里程的百分比排名、山區的總里程的百分比排名；所述駕駛員的第二行駛區域分佈的百分比排名包括：各個市級行政區域分別所對應的總里程的百分比排名。
在一個實施例中，在獲取駕駛員的歷史行駛記錄之前，所述方法還包括：接收與所述駕駛員關聯的註冊請求，所述註冊請求攜帶了所述駕駛員的個人資訊，所述個人資訊包括所述駕駛員的電子錢包位址和身份資訊以及所述駕駛員所駕駛的交通工具的識別資訊；回應所述註冊請求，為所述駕駛員分配使用者帳號並儲存所述駕駛員的個人資訊，所述使用者帳號為所述電子錢包位址 。
在一個實施例中，在獲取駕駛員的歷史行駛記錄之前，所述方法還包括：接收與所述駕駛員關聯的登入請求；於確定所述登入請求為有效請求時，接收所述交通工具發送過來的行駛記錄，並將所述行駛記錄與當前時間關聯，以及根據所述駕駛員的個人資訊儲存所述行駛記錄；於確定所述登入請求為無效請求時，不接收所述行駛記錄，並發出回饋資訊。
本申請還提供一種電子設備，包括：處理器；以及儲存器，所述儲存器中儲存有多個程式模組，所述多個程式模組由所述處理器載入並執行所述的行駛記錄認證方法。
本申請還提供一種電腦可讀的儲存介質，其上儲存有至少一條電腦指令，其中，所述指令由處理器並載入執行所述的行駛記錄認證方法。
本申請還提供一種交通工具，所述交通工具包括：處理器； 在席偵測設備；無線通訊設備；所述處理器於所述在席偵測設備偵測到駕駛員在駕駛位置時，通過所述無線通訊設備向電子設備發送登入請求；所述處理器還於接收到所述電子設備基於所述登入請求所發送的回饋資訊時，將所述交通工具的行駛記錄發送到所述電子設備，使得所述電子設備基於所述駕駛員的預設時間段內的行駛記錄以及所述駕駛員的關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像。
本申請的實施方式可基於區塊鏈公開且無法篡改的特性，利用NFT圖像展示駕駛員的過往行駛記錄的整體分析結果，降低查詢者查核時效與資訊的落差，增加駕駛員記錄的可信度。
為了能夠更清楚地理解本申請的上述目的、特徵和優點，下面結合附圖和具體實施例對本申請進行詳細描述。需要說明的是，在不衝突的情況下，本申請的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本申請，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本申請保護的範圍。
除非另有定義，本文所使用的所有的技術和科學術語與屬於本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本申請。
請參閱圖1所示，為本申請較佳實施方式提供的行駛記錄認證方法所應用的區塊鏈的架構示意圖。
本申請中的行駛記錄認證方法應用在電子設備1中，所述電子設備1通過網路與其他多個電子設備1建立通信連接。所述多個電子設備1之間形成一區塊鏈2，每個電子設備1為所述區塊鏈2上的節點。所述網路可以是有線網路，也可以是無線網路，例如無線電、無線保真（Wireless Fidelity, WIFI）、蜂窩等。
每個電子設備1可以為安裝有行駛記錄認證系統的設備，例如個人電腦、伺服器等，其中，所述伺服器可以是單一的伺服器、伺服器集群或雲端伺服器等。
請參閱圖2所示，是本申請行駛記錄認證較佳實施方式的應用環境圖。在本實施例中，交通工具3的駕駛員4可以通過交通工具3或者使用者端5先到區塊鏈2註冊獲得使用者帳號，由此實現使用者帳號與交通工具3的識別資訊（例如車牌號及/或引擎號）關聯綁定。所述交通工具3可以為車輛、船舶、飛行器等設備。所述使用者端5可以為手機、平板電腦、伺服器等設備。所述交通工具3可以將該交通工具3在行駛過程中的即時的行駛記錄上載到電子設備1，由此利用區塊鏈儲存交通工具3的行駛記錄，實現行駛記錄無法篡改，保證行駛記錄的真實性。此外，電子設備1中的智慧合約程式（例如本申請上下文提及的行駛記錄認證系統）可以基於預設時間段內的行駛記錄獲得所述駕駛員4的級別，並為所述駕駛員4鑄造與該級別對應非同質化代幣（non fungible token，NFT）圖像，以及在接收到所述使用者端的查詢請求時，將所述駕駛員的NFT圖像發送給該使用者端。具體細節後面介紹。
請參閱圖3所示，為本申請較佳實施方式提供的交通工具的結構示意圖。
所述交通工具3包括，但不限於：處理器401，與所述處理器401分別通訊連接的車速偵測設備402、距離偵測設備403、車內攝像設備404、在席偵測設備405、定位設備406、安全帶偵測設備407、加速度偵測設備408、車外攝像設備409、無線通訊設備414。所述交通工具3還包括訊號燈辨識模組410、人臉辨識模組411、電子地圖模組412、駕駛員狀態分析模組413。
在一個實施例中，所述車速偵測設備402可以是車速感測器，用於感測所述交通工具3的車速。所述距離偵測設備403可以用於偵測所述交通工具3與周邊的交通工具及/或物體之間的距離。所述車內攝像設備404可以為攝像頭，用於對所述交通工具3的車內進行拍攝，由此所述交通工具3可以獲得所述交通工具3的駕駛員4及乘客的影像。所述在席偵測設備405可以用於偵測所述交通工具3的駕駛員4是否在駕駛位置。
在一個實施例中，所述定位設備406可以定位所述交通工具3的即時位置，該定位設備406可以為全球定位系統(Global Positioning System, 簡稱：GPS)、輔助全球衛星定位系統（Assisted Global Positioning System，簡稱：AGPS）、北斗衛星導航系統（BeiDou Navigation Satellite System，BDS）、格洛納斯衛星導航系統（ GLOBAL NAVIGATION SATELLITE SYSTEM，GLONASS）以及其他無線通訊設備中的一者或者多者的組合。
在一個實施例中，所述安全帶偵測設備407用於偵測安全帶的使用狀態，例如可以偵測所述交通工具3的駕駛員4是否佩戴了安全帶。所述加速度偵測設備408用於偵測所述交通工具3的加速度。所述車外攝像設備409可以為攝像頭，用於對所述交通工具3的行駛方向的前方或四周的場景進行拍攝。所述訊號燈辨識模組410、人臉辨識模組411、電子地圖模組412以及駕駛員狀態分析模組413可以為軟體模組，儲存在所述交通工具3的儲存器415中。所述訊號燈辨識模組410可以根據所述車外攝像設備409所拍攝的影像識別所述交通工具3的行駛方向的前方的交通訊號燈（例如為紅燈、黃燈或者綠燈）、交通標誌（例如前行標誌、轉彎標誌、掉頭標誌、限速標誌等）、路面的交通標線。所述人臉辨識模組411可以根據所述車內攝像設備404所拍攝的駕駛員的影像識別所述駕駛員的人臉資訊。所述電子地圖模組412可以是預設的電子地圖例如為谷歌地圖、百度地圖等。所述處理器401可以基於所述定位設備406和所述電子地圖模組412獲得所述交通工具3當前所在位置的交通規則（例如為直行、轉彎，或者掉頭等）、交通資訊(例如，交通是否擁擠、平均車速、附近是否有交通事故等)。所述駕駛員狀態分析模組413可以根據所述車內攝像設備404所拍攝的駕駛員4的影像分析所述駕駛員4的精神狀態，例如識別所述駕駛員4當前是否為疲勞駕駛狀態、是否有打手機、抽煙等不規範行為等。
在一個實施例中，所述處理器401可以將所述車速偵測設備402、距離偵測設備403、車內攝像設備404、在席偵測設備405、定位設備406、安全帶偵測設備407、加速度偵測設備408、車外攝像設備409、訊號燈辨識模組410、人臉辨識模組411、電子地圖模組412以及駕駛員狀態分析模組413的資料通過所述無線通訊設備414傳遞到所述電子設備1。
請參閱圖4所示，為本申請電子設備較佳實施方式的結構示意圖。
所述電子設備1包括，但不僅限於，處理器10、儲存器20以及儲存在所述儲存器20中並可在所述處理器10上運行的電腦程式30（例如圖5所示的行駛記錄認證系統100）。所述處理器10執行所述電腦程式30時實現行駛記錄認證方法中的步驟，例如圖6、圖7、圖8所示的每個方法步驟。或者，所述處理器10執行所述電腦程式30時實現行駛記錄認證系統中各模組/單元的功能，例如圖5中的模組101-103。
示例性的，所述電腦程式30可以被分割成一個或多個模組/單元，所述一個或者多個模組/單元被儲存在所述儲存器20中，並由所述處理器10執行，以完成本申請。所述一個或多個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段，所述指令段用於描述所述電腦程式30在所述電子設備1中的執行過程。例如，所述電腦程式30可以被分割成圖5中的註冊模組101、回應模組102、執行模組103。各模組具體功能參見行駛記錄認證系統實施例中各模組的功能。
本領域技術人員可以理解，所述示意圖僅僅是電子設備1的示例，並不構成對電子設備1的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電子設備1還可以包括輸入輸出設備、網路接入設備、匯流排等。
所稱處理器10可以是中央處理單元(Central Processing Unit，CPU)，還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor，DSP)、專用積體電路(Application Specific Integrated Circuit，ASIC)、現場可程式化邏輯閘陣列(Field-Programmable Gate Array，FPGA)或者其他可程式設計邏輯器件、分立元器件門電路、電晶體組件、分立硬體組件等。通用處理器可以是微處理器或者所述處理器10也可以是任何常規的處理器等，所述處理器10是所述電子設備1的控制中心，利用各種介面和線路連接整個電子設備1的各個部分。
所述儲存器20可用於儲存所述電腦程式30和/或模組/單元，所述處理器10通過運行或執行儲存在所述儲存器20內的電腦程式和/或模組/單元，以及調用儲存在儲存器20內的資料，實現所述電子設備1的各種功能。所述儲存器20可主要包括儲存程式區和儲存資料區，其中，儲存程式區可儲存操作裝置、至少一個功能所需的應用程式（比如聲音播放功能、圖像播放功能等）等；儲存資料區可儲存根據電子設備1的使用所創建的資料（比如音訊資料、電話本等）等。此外，儲存器20可以包括高速隨機存取儲存器，還可以包括非易失性儲存器，例如硬碟、儲存器、插接式硬碟，智慧儲存卡（Smart Media Card, SMC），安全數位（Secure Digital, SD）卡，快閃儲存器卡（Flash Card）、至少一個磁碟儲存器件、快閃儲存器器件、或其他易失性固態儲存器件。
請參閱圖5所示，是本申請行駛記錄認證系統較佳實施方式的功能模組圖。
在一些實施方式中，行駛記錄認證系統100運行於所述電子設備1中。所述行駛記錄認證系統100可以包括多個由程式碼段所組成的功能模組。所述行駛記錄認證系統100中的各個程式段的程式碼可以儲存於電子設備1的儲存器20中，並由所述至少一個處理器10所執行，以實現行駛記錄認證功能。
本實施方式中，行駛記錄認證系統100根據其所執行的功能，可以被劃分為多個功能模組。參閱圖5所示，所述功能模組可以包括註冊模組101、回應模組102、執行模組103。本申請所稱的模組是指一種能夠被至少一個處理器所執行並且能夠完成固定功能的一系列電腦程式段，其儲存在儲存器20中。可以理解的是，在其他實施例中，上述模組也可為固化於所述處理器10中的程式指令或固件（firmware）。
下面結合圖6、圖7、圖8來介紹各個模組的功能。
請參閱圖6所示，是本申請提供的行駛記錄認證方法之使用者帳號註冊的流程圖。根據不同的需求，所述流程圖中步驟的順序可以改變，某些步驟可以省略。
步驟S601，所述註冊模組101接收與駕駛員4關聯的註冊請求，所述註冊請求攜帶了所述駕駛員4的個人資訊，所述個人資訊包括所述駕駛員4的電子錢包位址、身份資訊以及交通工具3的識別資訊。
在一個實施例中，所述駕駛員4可通過使用者端3發送所述註冊請求。所述駕駛員4的身份資訊可以為能夠用於唯一認證所述駕駛員4的生物特徵資訊例如人臉、指紋等資訊。所述駕駛員4的身份資訊還可以包括所述駕駛員4的姓名、身份證號碼、電話號碼等。
在一個實施例中，所述交通工具3的識別資訊可以為能夠用於唯一認證所述交通工具3的識別號碼例如所述交通工具3的車牌號、引擎號。
步驟S602，所述註冊模組101回應所述註冊請求，為所述駕駛員4分配使用者帳號並儲存所述駕駛員4的個人資訊。
在一個實施例中，所述註冊模組101將所述駕駛員4的電子錢包位址作為使用者帳號 。
在一個實施例中，所述註冊模組101將所述駕駛員4的電子錢包位址、身份資訊以及交通工具3的識別資訊進行關聯綁定，並將作了該關聯後的所述駕駛員4的電子錢包位址、身份資訊以及交通工具3的識別資訊儲存到所述電子設備1的儲存器20中。
請參閱圖7所示，是本申請提供的行駛記錄認證方法之使用者登入的流程圖。根據不同的需求，所述流程圖中步驟的順序可以改變，某些步驟可以省略。
步驟S701，所述接收模組102接收與所述駕駛員4關聯的登入請求。
在一個實施例中，所述交通工具3的處理器401可以於所述在席偵測設備405偵測到所述駕駛員3在駕駛位置時，通過所述交通工具3的無線通訊設備414向所述電子設備發送所述登入請求。所述登入請求攜帶了所述駕駛員4的所述個人資訊。
在一個實施例中，所述交通工具3的處理器401可以於檢測到所述駕駛員4在駕駛位置時，通過所述無線通訊設備414向所述使用者端5發出提示資訊。所述使用者端5可以回應所述駕駛員4的輸入將所述駕駛員4的所述個人資訊發送到所述交通工具3。由此所述處理器401可以基於所述駕駛員4的個人資訊生成所述登入請求，並將所述登入請求通過所述無線通訊設備414發送到所述電子設備1。
在一個實施例中，當所述駕駛員4的身份資訊為所述駕駛員4的人臉資訊時，所述處理器401可以於所述在席偵測設備405偵測到所述駕駛員4在駕駛位置時，控制所述車內攝像設備 404對所述駕駛員4進行拍攝獲得所述駕駛員4的影像。所述處理器401可以執行所述人臉辨識模組 411識別所述駕駛員4的影像，獲得所述駕駛員4的人臉資訊。在其他實施例中，所述處理器401可以接收所述駕駛員4的輸入獲得所述駕駛員的所述個人資訊。
步驟S702，所述執行模組103確定所述登入請求是否為有效請求。當確定所述登入請求為無效請求，執行步驟S703。當確定所述登入請求為有效請求，執行步驟S704。
在一個實施例中，當所述登入請求所攜帶的所述個人資訊與預先儲存的所述駕駛員4的個人資訊一致時，所述執行模組103確定所述登入請求為有效請求。
步驟S703，當確定所述登入請求為無效請求時，所述執行模組103不接收所述交通工具3發送過來的行駛記錄，並向所述交通工具3回饋登入失敗的消息，例如提示此次登入無效等。
步驟S704，當確定所述登入請求為有效請求時，所述接收模組102接收所述交通工具3發送過來的行駛記錄，並將所述行駛記錄與當前時間關聯，以及根據所述駕駛員4的個人資訊儲存所述行駛記錄。
在一個實施例中，所述接收模組102可以於確定所述登入請求為有效請求時，向所述交通工具3回饋登入成功的資訊。所述交通工具3的處理器401可以在接收到該登入成功的資訊後，將所述車速偵測設備402、距離偵測設備403、車內攝像設備404、在席偵測設備405、定位設備406、安全帶偵測設備407、加速度偵測設備408、車外攝像設備409、訊號燈辨識模組410、人臉辨識模組411、電子地圖模組412、駕駛員狀態分析模組413的即時資料通過所述無線通訊模組414發送到所述電子設備1。也即所述處理器401可以在接收到所述登入成功的資訊後，將所述交通工具3的即時的行駛記錄發送到所述電子設備1，由此所述回應模組102可以接收到所述交通工具3發送過來的該交通工具3的行駛記錄。
在一個實施例中，所述交通工具3的行駛記錄包括，但不限於：所述交通工具3的車速、加速度、位置、該位置對應的交通規則、所述交通工具3與周邊的交通工具及/或物體之間的距離、所述交通工具3的駕駛員4的安全帶的使用狀態、所述駕駛員4的精神狀態、所述交通工具3的前方的交通訊號燈。
在一個實施例中，所述接收模組102根據所述駕駛員4的個人資訊儲存所述交通工具3的行駛記錄，也即所述接收模組102將所述行駛記錄與所述駕駛員4的個人資訊關聯後進行儲存。
請參閱圖8所示，是本申請較佳實施例提供的行駛記錄認證方法之流程圖。根據不同的需求，所述流程圖中步驟的順序可以改變，某些步驟可以省略。
步驟S801，所述執行模組103定期（例如每個月的10日或者每兩週一次）獲取所述駕駛員4的歷史行駛記錄，以及獲取所述駕駛員4的關聯記錄。
可以理解，本步驟的執行可以是在步驟S701-S704之後的任意時間進行。
在一個實施例中，所述駕駛員4的歷史行駛記錄包括所述駕駛員4在預設時間段內的行駛記錄，所述行駛記錄包括，但限於：所述交通工具3的車速、加速度、位置、該位置對應的交通規則、所述交通工具3與周邊的交通工具及/或物體之間的距離、所述交通工具3的駕駛員4的安全帶的使用狀態、所述駕駛員4的精神狀態、所述交通工具3的前方的交通訊號燈。
在一個實施例中，所述預設時間段內的行駛記錄可以為最近一年或者一個月內的所述駕駛員4的行駛記錄。在其他實施例中，所述預設時間段內的行駛記錄可以包括所述駕駛員4的所有行駛記錄。
所述駕駛員4的關聯記錄包括，但不限於：事故記錄（交通肇事記錄、刑事記錄）、駕照的領取時間、駕照的當前狀態（即駕照是否處於有效狀態）、行駛里程記錄、在預設平臺（例如uber、滴滴出行、美團打車等)乘客對所述駕駛員4的評價記錄（包括好評、差評）、推薦打賞記錄。
在一個實施例中，所述執行模組103可以從政府機構的網路平臺例如公眾號、網址等獲得所述駕駛員的關聯記錄。
步驟S802，所述執行模組103基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員4的非同質化代幣NFT圖像。
本實施例中，NFT的協議 (也與區塊鏈的連接方式)可以採用ERC-721協定或者ERC-1155協定。需要說明的是，ERC-721協定和ERC-1155協定是乙太坊區塊鏈上使用的智慧合約協定。
在第一實施例中，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員4的非同質化代幣NFT圖像包括：分析所獲取的歷史行駛記錄和關聯記錄獲得所述歷史行駛記錄和關聯記錄中的每項記錄的分析結果，基於所述每項記錄的分析結果獲得所述駕駛員4的多項行為記錄；針對所述多項行為記錄分別創建對應的圖像標章，獲得多個圖像標章；及基於所述多個圖像標章鑄造所述駕駛員4的NFT圖像。
在一個實施例中，所述多項行為記錄包括，但不限於，無肇事行為記錄、無違規駕駛行為記錄、無危險駕駛行為記錄、好評率、推薦打賞記錄。
在一個實施例中，所述分析所獲取的歷史行駛記錄和關聯記錄獲得所述歷史行駛記錄和關聯記錄中的每項記錄的分析結果包括：從所述歷史行駛記錄中，確定加速度是否在預設的門檻值內；
從所述歷史行駛記錄中，確定所述駕駛員4是否使用安全帶；
從所述歷史行駛記錄中，確定所述交通工具3與周邊的交通工具及/或物體之間的距離是否在預設的距離內；
從所述歷史行駛記錄中，根據所述車速與位置資訊判斷所述交通工具3是否超速；
從所述歷史行駛記錄中，根據所述車速與連續的位置資訊判斷所述交通工具3是否違規轉向；
從所述歷史行駛記錄中，根據所述車速與連續的位置資訊判斷所述交通工具3是否違規停車；
從所述歷史行駛記錄中，根據所述車速與位置資訊以及交通訊號燈判斷所述交通工具3是否違規；
從所述歷史行駛記錄中，根據所述駕駛員4的影像判斷所述駕駛員4是否執行了違反交通安全的行為；
從所述關聯記錄中，確定所述駕駛員4的駕照是否為有效狀態；
從所述關聯記錄中，確定所述駕駛員4是否有肇事記錄；
從所述關聯記錄中，確定所述駕駛員4的好評率（即好評占所有評論的比率）；及
從所述關聯記錄中，確定所述駕駛員4是否有推薦打賞記錄。
在一個實施例中，所述執行模組103還根據所述駕駛員4的駕照領取時間統計所述駕駛員4達成所述多項行為記錄中的每項行為記錄的年數。例如，所述執行模組103統計獲得所述駕駛員4達成無肇事記錄滿1年，達成無違規駕駛行為記錄滿1年，達成無危險駕駛行為記錄滿1年，達成80%好評率滿1年，存在推薦打賞記錄滿1年。
在一個實施例中，所述圖像標章可以是指包括圖形的圖像。在一個實施例中，所述執行模組103為每項行為記錄所創建的圖像標章的尺寸相同或不同。
舉例而言，參見圖9所示，所述執行模組103根據所述駕駛員4達成所述多項行為記錄（即無肇事行為記錄、無違規駕駛行為記錄、無危險駕駛行為記錄、好評率、推薦打賞記錄）中的每項行為記錄的年數分別對應生成圖像標章91-95。參見圖10所示，所述執行模組103基於所述多個圖像標章鑄造所述駕駛員4的NFT圖像900。在一個實施例中，所述執行模組103基於所述多個圖像標章以及當前時間、所述駕駛員4的個人資訊鑄造所述駕駛員4的NFT圖像
在一個實施例中，所述駕駛員4的NFT圖像包括了生成所述NFT圖像的時間（例如圖10所示的20220714）、所述駕駛員4的姓名（例如圖10所示的JOHN DOE）和人臉、所述駕駛員4的所駕駛的交通工具3的識別資訊（例如圖10所示的ABC-1234）以及所述多項行為記錄。在第二實施例中，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員4的非同質化代幣NFT圖像包括：分析所獲取的歷史行駛記錄和關聯記錄獲得所述歷史行駛記錄和關聯記錄中的每項記錄的分析結果，基於所述每項記錄的分析結果獲得所述駕駛員的多項行為記錄；針對所述多項行為記錄分別創建對應的NFT圖像標章，獲得多個NFT圖像標章；及將所述多個NFT圖像標章作為所述駕駛員的NFT圖像。
在第三實施例中，以所述歷史行駛記錄包括所述駕駛員的歷史位置軌跡資訊，所述關聯記錄包括所述駕駛員的駕照狀態資訊、行駛里程記錄為例，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像包括：基於所述駕駛員的歷史位置軌跡資訊與其他駕駛員中的每個駕駛員的歷史位置軌跡資訊，獲得所述駕駛員的里程記錄的百分比排名，所述駕駛員的里程記錄的百分比排名包括所述駕駛員的總里程的百分比排名、所述駕駛員的第一行駛區域分佈的百分比排名、所述駕駛員的第二行駛區域分佈的百分比排名；及鑄造與所述駕駛員的總里程的百分比排名對應的NFT圖像，並在該NFT圖像顯示所述駕駛員的里程記錄的百分比排名，以及所述駕駛員的駕照狀態資訊。
在一個實施例中，所述駕駛員的駕照狀態資訊包括所述駕駛員的各個駕照的領證時間以及有效區間。例如，所述駕駛員的駕照狀態資訊包括:小客車的駕照自2001.10.10至今一直有效，大客車的駕照自2005.11.11至2010.6.29有效，自2010.6.30至2018.10.10無效，自2018.10.11至今有效。
在一個實施例中，所述駕駛員的第一行駛區域分佈的百分比排名包括：市區的里程的百分比排名、郊區的里程的百分比排名、山區的里程的百分比排名；所述駕駛員的第二行駛區域分佈的百分比排名包括：各個市級行政區域分別所對應的里程的百分比排名。
舉例而言，基於所述駕駛員的歷史位置軌跡資訊與其他駕駛員中的每個駕駛員的歷史位置軌跡資訊，分析獲得所述駕駛員的總里程83000km，對應的百分比排名為80%。分析獲得所述駕駛員的市區的里程為30000km，百分比排名為90%，郊區的里程為50000km，百分比排名為50%，山區的里程為3000km，百分比排名為10%。所述駕駛員在各個市級行政區域分別所對應的里程記錄包括：臺北的里程為50000km，桃園的里程為30000km，台中的里程為3000km。所述駕駛員在各個市級行政區域分別所對應的里程的百分比排名包括：臺北的里程的百分比排名為80%，桃園的里程的百分比排名為40%，台中的里程的百分比排名為10%。
當總里程的百分比排名大於等於80%時，所述執行模組103則鑄造出第一NFT圖像，並在該第一NFT圖像顯示所述駕駛員的里程記錄的百分比排名，以及所述駕駛員的駕照狀態資訊。
以此類推，當總里程的百分比排名在60%至80%時，所述執行模組103則鑄造出第二NFT圖像，並在該第二NFT圖像顯示所述駕駛員的里程記錄的百分比排名，以及所述駕駛員的駕照狀態資訊。當總里程的百分比排名在40%至60%時，所述執行模組103則鑄造出第三NFT圖像，並在該第三NFT圖像顯示所述駕駛員的里程記錄的百分比排名，以及所述駕駛員的駕照狀態資訊。當總里程的百分比排名在20%至40%時，所述執行模組103則鑄造出第四NFT圖像，並在該第四NFT圖像顯示所述駕駛員的里程記錄的百分比排名，以及所述駕駛員的駕照狀態資訊。當總里程的百分比排名在0%至20%時，所述執行模組103則鑄造出第五NFT圖像，並在該第五NFT圖像顯示所述駕駛員的里程記錄的百分比排名，以及所述駕駛員的駕照狀態資訊。
在第四實施例中，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員4的非同質化代幣NFT圖像包括：基於所述歷史行駛記錄和關聯記錄，確定所述駕駛員4的級別；及為所述駕駛員4生成與所述級別對應的非同質化代幣NFT圖像。
在一個實施例中，所述執行模組103可以預先定義所述駕駛員4的級別包括：一級、二級、三級，並定義一級為最高級別，二級次之，三級最低。 當然，在其他實施例中，也可以按照其他方式來分級。
在一個實施例中，所述基於所獲取的歷史行駛記錄和關聯記錄，確定所述駕駛員4的級別包括：
調用預先訓練生成的駕駛員4級別識別模型，根據所獲取的歷史行駛記錄和關聯記錄識別所述駕駛員4的級別。
在一個實施例中，所述執行模組103獲得所述駕駛員級別識別模型的方法包括：
獲取預設數量的與不同級別分別對應的樣本資料，每份樣本資料包括行駛記錄和關聯記錄，對與每種級別所對應的樣本資料標注類別，使得與每個級別所對應的樣本資料攜帶類別標籤，將作了類別標注後的所述預設數量的與不同級別分別對應的樣本資料作為訓練樣本；
將所述訓練樣本隨機分成第一預設比例的訓練集和第二預設比例的驗證集，利用所述訓練集訓練深度神經網路獲得所述駕駛員級別識別模型，並利用所述驗證集驗證所述駕駛員級別識別模型的準確率；及
若所述準確率大於或者等於預設的準確率時，則結束訓練；若所述準確率小於所述預設的準確率時，則增加訓練樣本的樣本數量重新訓練深度神經網路直至重新獲得的所述駕駛員級別識別模型的所述準確率大於或者等於所述預設的準確率。
在一個實施例中，所述為所述駕駛員4鑄造與所述級別對應的NFT圖像包括：為不同的級別分別鑄造對應的NFT圖像範本；於確定所述駕駛員4的級別時，調用與所述駕駛員4的級別對應的NFT圖像範本，基於當前時間、所述駕駛員4的個人資訊鑄造所述駕駛員4的NFT圖像。
如圖11所示，在一個實施例中，所述NFT圖像可以包括，但不限於：所述駕駛員4的姓名、級別、駕照的有效截止時間、所述駕駛員4所駕駛的所述交通工具3的識別資訊、乘客在預設的平臺（例如uber、滴滴出行、美團打車）給該駕駛員4的評價記錄、推薦打賞記錄等。
在其他實施例中，所述基於所獲取的行駛記錄和關聯記錄確定所述駕駛員4的級別包括：分析所獲取的歷史行駛記錄和關聯記錄，獲得每項記錄的分析結果；及量化所述每項記錄的分析結果獲得量化資料；及基於所述量化資料確定所述駕駛員的級別。
在一個實施例中，所述執行模組103量化每項記錄的分析結果可以是對不同的分析結果給定不同的分值。例如，對加速度超門檻值設定一個第一分值，對加速度沒有超過門檻值設置高於該第一分值的第二分值。類似地，對使用了安全帶設定一個第三分值，對沒有使用安全帶設定一個低於該第三分值的第四分值。依次方式，所述執行模組103可以對其他各項分析結果分別設定分值，由此達成資料量化。
在一個實施例中，所述執行模組103可以預先確定不同的級別對應不同的分值。所述執行模組103計算量化資料的平均值，基於該平均值即可確定所述駕駛員4的級別。
在一個實施例中，所述執行模組103還儲存所述NFT圖像，並獲得所述NFT圖像的連結。所述NFT圖像的連結也即是所述NFT圖像在所述區塊鏈2中的儲存位置。所述執行模組103還可以生成與所述NFT圖像的連結所對應的二維碼。
步驟S803，所述執行模組103回應於針對所述駕駛員4的查詢請求，將所述NFT圖像及所述NFT圖像的連結傳送到發送所述查詢請求的使用者端5。
在其他實施例中，所述執行模組103也可以回應於所述交通工具3所發送的針對所述駕駛員4的查詢請求，將所述NFT圖像及所述NFT圖像的連結傳送到發送所述查詢請求的所述交通工具3。
舉例而言，當本申請應用於打車平臺，乘客需提前瞭解所述駕駛員4時，則可以要求駕駛員4提供NFT圖像。那麼所述駕駛員4可以利用使用者端向電子設備1發送查詢請求，該查詢請求可以包括所述駕駛員4的身份資訊、交通工具3識別資訊、使用者帳號等。所述執行模組103在接收到該查詢請求時即可將體現了該駕駛員4的駕駛該交通工具3時的整體情況的NFT圖像發送給使用者端5或交通工具3。
在其他實施例中，所述使用者端也可以是指其他使用者的終端。例如，乘客可以通過個人終端例如手機發送所述查詢請求，並獲得該駕駛員4的NFT圖像、該NFT圖像對應的連結、及/或該NFT圖像對應的連結的二維碼（Quick Response Code，QR code）。
需要說明的是，本實施例中，所述執行模組103同時還將NFT圖像的連結發送給查詢端如所述使用者端5或者交通工具3，使得所述查詢端或者其他終端可以通過該連結訪問所述區塊鏈2獲得所述駕駛員4的NFT圖像，並可基於從區塊鏈2獲得的所述駕駛員4的NFT圖像與所述駕駛員4通過所述使用者端5/交通工具3所提供的NFT圖像進行比對，以確定所述駕駛員4提供的NFT圖像是否真實等。
為清楚理解本申請，圖12舉例說明執行行駛記錄認證的流程。從圖12可以看出，交通工具3將駕駛員4駕駛交通工具3時的即時的行駛記錄上載到區塊鏈，區塊鏈的智慧合約定期基於歷史行駛記錄生成駕駛員4的NFT圖像。使用者/駕駛員4可以通過終端例如手機查詢駕駛員4的NFT圖像。
在其他實施例中，所述執行模組103還可以基於所述駕駛員4的NFT圖像對所述駕駛員4執行相應的限制措施。
在一個實施例中，所述限制措施包括，但不限於，限制或限縮所述駕駛員4的可行使區域、行駛方式。
在一個實施例中，所述執行模組103可以根據駕駛員4所駕駛的交通工具4的型態（例如，所述交通工具4是兩輪還是四輪，該交通工具4的驅動方式是兩驅還是四驅）、所述駕駛員4的駕照的當前狀態（例如，是有效狀態且包括肇事記錄）、所述歷史行駛記錄，以及從電子地圖（例如百度地圖、谷歌地圖等）上所獲取的路況資訊，來限制或限縮所述駕駛員4的可行使區域及/或行駛方式，從而實現車流管理。
舉例而言，若所述駕駛員4的山區的行駛里程記錄的百分比排名小於或等於20%，則限制所述駕駛員4行駛到山區。
再如，限制駕駛員4僅能駕駛四輪的交通工具到高速公路，以及限制行駛里程超過1000km以下的駕駛員4駕駛交通工具到高速公路路段。
再如，限制駕駛員4僅能駕駛四輪的交通工具到高速公路，及若駕駛員4的行駛里程未超過5000km，則限速80km/h。所述電子設備1集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以儲存在一個電腦可讀取儲存介質中。基於這樣的理解，本申請實現上述實施例方法中的全部或部分流程，也可以通過電腦程式來指令相關的硬體來完成，所述的電腦程式可儲存於一電腦可讀儲存介質中，所述電腦程式在被處理器執行時，可實現上述各個方法實施例的步驟。其中，所述電腦程式包括電腦程式代碼，所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀儲存介質可以包括：能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、U盤、移動硬碟、磁碟、光碟、電腦儲存器、唯讀儲存器（ROM，Read-Only Memory）、隨機存取儲存器（RAM，Random Access Memory）、電載波訊號、電信訊號以及軟體分發介質等。需要說明的是，所述電腦可讀介質包含的內容可以根據司法管轄區內立法和專利實踐的要求進行適當的增減，例如在某些司法管轄區，根據立法和專利實踐，電腦可讀介質不包括電載波訊號和電信訊號。
對於本領域技術人員而言，顯然本申請不限於上述示範性實施例的細節，而且在不背離本申請的精神或基本特徵的情況下，能夠以其他的具體形式實現本申請。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本申請的範圍由所附請求項而不是上述說明限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附圖標記視為限制所涉及的請求項。此外，顯然“包括”一詞不排除其他單元或步驟，單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由同一個單元或裝置通過軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。
最後應說明的是，以上實施例僅用以說明本申請的技術方案而非限制，儘管參照較佳實施例對本申請進行了詳細說明，本領域的普通技術人員應當理解，可以對本申請的技術方案進行修改或等同替換，而不脫離本申請技術方案的精神和範圍。
1:電子設備
2:區塊鏈
3:交通工具
4:駕駛員
5:使用者端
401、10:處理器
402:車速偵測設備
403:距離偵測設備
404:車內攝像設備
405:在席偵測設備
406:定位設備
407:安全帶偵測設備
408:加速度偵測設備
409:車外攝像設備
414:無線通訊設備
410:訊號燈辨識模組
411:人臉辨識模組
412:電子地圖模組
413:駕駛員狀態分析模組
415、20:儲存器
30:電腦程式
100:行駛記錄認證系統
101:註冊模組
102:回應模組
103:執行模組
S601~S602、S701~S704、S801~S803:步驟
91~95:圖像標章
900:NFT圖像
為了更清楚地說明本申請實施例或習知技術中的技術方案，下面將對實施例或習知技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。
圖1所示為本申請較佳實施方式提供的行駛記錄認證方法所應用的區塊鏈的架構示意圖。
圖2所示為本申請較佳實施方式提供的行駛記錄認證的應用環境圖。
圖3所示為本申請較佳實施方式提供的交通工具的結構示意圖。
圖4所示為本申請較佳實施方式提供的電子設備的結構示意圖。
圖5所示是本申請較佳實施方式提供的行駛記錄認證系統的功能模組圖。
圖6所示是本申請較佳實施方式提供的行駛記錄認證方法之使用者帳號註冊的流程圖。
圖7所示是本申請較佳實施方式提供的行駛記錄認證方法之使用者登入的流程圖。
圖8所示是本申請較佳實施方式提供的行駛記錄認證方法的流程圖。
圖9舉例說明多種圖像標章。
圖10舉例說明一種NFT圖像。
圖11舉例說明另一種NFT圖像。
圖12舉例說明執行行駛記錄認證的流程。
如下具體實施方式將結合上述附圖進一步說明本申請。
無
S801~S803:步驟
Claims (10)
- 一種行駛記錄認證方法，應用於作為區塊鏈的節點的電子設備，其中，所述方法包括： 獲取駕駛員的歷史行駛記錄，以及獲取所述駕駛員的關聯記錄； 基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像； 回應於針對所述駕駛員的查詢請求，將所述駕駛員的NFT圖像傳送到發送所述查詢請求的使用者端。
- 如請求項1所述的行駛記錄認證方法，其中，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像包括： 分析所獲取的歷史行駛記錄和關聯記錄獲得所述歷史行駛記錄和關聯記錄中的每項記錄的分析結果，基於所述每項記錄的分析結果獲得所述駕駛員的多項行為記錄； 針對所述多項行為記錄分別創建對應的圖像標章，獲得多個圖像標章；及 基於所述多個圖像標章鑄造所述駕駛員的NFT圖像。
- 如請求項1所述的行駛記錄認證方法，其中，所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像包括： 分析所獲取的歷史行駛記錄和關聯記錄獲得所述歷史行駛記錄和關聯記錄中的每項記錄的分析結果，基於所述每項記錄的分析結果獲得所述駕駛員的多項行為記錄； 針對所述多項行為記錄分別創建對應的NFT圖像標章，獲得多個NFT圖像標章；及 將所述多個NFT圖像標章作為所述駕駛員的NFT圖像。
- 如請求項1所述的行駛記錄認證方法，其中，所述歷史行駛記錄包括所述駕駛員的歷史位置軌跡資訊，所述關聯記錄包括所述駕駛員的駕照狀態資訊；所述基於所述歷史行駛記錄和關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像包括： 基於所述駕駛員的歷史位置軌跡資訊與其他駕駛員中的每個駕駛員的歷史位置軌跡資訊，獲得所述駕駛員的里程記錄的百分比排名，所述駕駛員的里程記錄的百分比排名包括所述駕駛員的總里程的百分比排名、所述駕駛員的第一行駛區域分佈的百分比排名、所述駕駛員的第二行駛區域分佈的百分比排名； 鑄造與所述駕駛員的總里程的百分比排名對應的NFT圖像，並在該NFT圖像顯示所述駕駛員的里程記錄的百分比排名，以及所述駕駛員的駕照狀態資訊。
- 如請求項4所述的行駛記錄認證方法，其中，所述駕駛員的第一行駛區域分佈的百分比排名包括：市區的里程的百分比排名、郊區的里程的百分比排名、山區的里程的百分比排名；所述駕駛員的第二行駛區域分佈的百分比排名包括：各個市級行政區域分別所對應的里程的百分比排名。
- 如請求項1所述的行駛記錄認證方法，其中，在獲取駕駛員的歷史行駛記錄之前，所述方法還包括： 接收與所述駕駛員關聯的註冊請求，所述註冊請求攜帶了所述駕駛員的個人資訊，所述個人資訊包括所述駕駛員的電子錢包位址和身份資訊以及所述駕駛員所駕駛的交通工具的識別資訊； 回應所述註冊請求，為所述駕駛員分配使用者帳號並儲存所述駕駛員的個人資訊，所述使用者帳號為所述電子錢包位址 。
- 如請求項1所述的行駛記錄認證方法，其中，該方法還包括： 基於所述駕駛員的NFT圖像限制或限縮所述駕駛員的可行使區域、行駛方式。
- 一種電子設備，其中，所述電子設備包括： 處理器；以及 儲存器，所述儲存器中儲存有多個程式模組，所述多個程式模組由所述處理器載入並執行如請求項1至7中任意一項所述的行駛記錄認證方法。
- 一種電腦可讀的儲存介質，其上儲存有至少一條電腦指令，其中，所述指令由處理器並載入執行如請求項1至7中任意一項所述的行駛記錄認證方法。
- 一種交通工具，其中，所述交通工具包括： 處理器； 在席偵測設備； 無線通訊設備； 所述處理器於所述在席偵測設備偵測到駕駛員在駕駛位置時，通過所述無線通訊設備向電子設備發送登入請求； 所述處理器還於接收到所述電子設備基於所述登入請求所發送的回饋資訊時，將所述交通工具的行駛記錄發送到所述電子設備，使得所述電子設備基於所述駕駛員的歷史行駛記錄以及所述駕駛員的關聯記錄鑄造所述駕駛員的非同質化代幣NFT圖像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111131337A TWI831336B (zh) | 2022-08-19 | 2022-08-19 | 行駛記錄認證方法、電子設備、儲存介質、交通工具 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111131337A TWI831336B (zh) | 2022-08-19 | 2022-08-19 | 行駛記錄認證方法、電子設備、儲存介質、交通工具 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI831336B TWI831336B (zh) | 2024-02-01 |
| TW202409958A true TW202409958A (zh) | 2024-03-01 |
Family
ID=90824530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111131337A TWI831336B (zh) | 2022-08-19 | 2022-08-19 | 行駛記錄認證方法、電子設備、儲存介質、交通工具 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI831336B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10997251B2 (en) * | 2018-10-15 | 2021-05-04 | Bao Tran | Smart device |
| US11658830B2 (en) * | 2019-09-05 | 2023-05-23 | Ford Global Technologies, Llc | Systems and method for ridesharing using blockchain |
| US20210304595A1 (en) * | 2020-03-31 | 2021-09-30 | Toyota Motor North America, Inc. | Traffic manager transports |
| US20220067848A1 (en) * | 2020-08-28 | 2022-03-03 | Toyota Motor North America, Inc. | Dynamic transport energy control |
| CN113505907B (zh) * | 2021-07-23 | 2023-04-18 | 电子科技大学 | 一种适用于决策选择的激励机制方法 |
-
2022
- 2022-08-19 TW TW111131337A patent/TWI831336B/zh active
Also Published As
| Publication number | Publication date |
|---|---|
| TWI831336B (zh) | 2024-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12094007B2 (en) | Evidence oracles | |
| US10891694B1 (en) | Using vehicle mode for subrogation on a distributed ledger | |
| US11734770B2 (en) | Using a distributed ledger to determine fault in subrogation | |
| US20220299324A1 (en) | Accident fault detection based on multiple sensor devices | |
| CN108701406B (zh) | 用于操作交通监控设备的方法和装置、交通监控设备和交通监控系统 | |
| US20210342946A1 (en) | Using a Distributed Ledger for Line Item Determination | |
| US12100054B2 (en) | Using historical data for subrogation on a distributed ledger | |
| US9481373B2 (en) | Behavior based driving record management and rehabilitation | |
| US10703379B1 (en) | System and methods for determining owner's preferences based on vehicle owner's telematics data | |
| US20160232785A1 (en) | Systems and methods for traffic violation avoidance | |
| CN103986687B (zh) | 一种实现车联网设备授权管理的方法、设备及系统 | |
| US10679300B1 (en) | Roadside reporter system | |
| CN110599774B (zh) | 基于区块链的交通违章处理方法及系统 | |
| WO2008001125A1 (en) | Drive performance monitoring and enhancement | |
| CN112802355B (zh) | 一种实时获取实景路况的方法、系统及存储介质 | |
| TWM478859U (zh) | 人車路交通事故影音自動分析系統 | |
| CN107154151B (zh) | 一种车辆认证方法及装置 | |
| US20240061917A1 (en) | Driving record authentication method, electronic device, storage medium | |
| CN111832774B (zh) | 网约车的轨迹追踪方法、云平台和网约车obu | |
| TWI831336B (zh) | 行駛記錄認證方法、電子設備、儲存介質、交通工具 | |
| US20230243663A1 (en) | Methods for determining an emission savings value | |
| CN117612395A (zh) | 交通指示灯的状态提示方法、装置及计算机设备 | |
| CN118212786A (zh) | 车辆违章举报的方法、车载终端及计算机存储介质 | |
| CN116416799A (zh) | 基于v2x的交通违章检测及处理方法、存储介质 | |
| CN116368506A (zh) | 运输工具使用确定 |