[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN105654719B - 一种疲劳驾驶分析方法和装置 - Google Patents

一种疲劳驾驶分析方法和装置 Download PDF

Info

Publication number
CN105654719B
CN105654719B CN201610021252.1A CN201610021252A CN105654719B CN 105654719 B CN105654719 B CN 105654719B CN 201610021252 A CN201610021252 A CN 201610021252A CN 105654719 B CN105654719 B CN 105654719B
Authority
CN
China
Prior art keywords
track
vehicle
point
time
data
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
CN201610021252.1A
Other languages
English (en)
Other versions
CN105654719A (zh
Inventor
李宁
杜雄
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.)
BEIJING ZHONGJIAO TRAFFIC GUIDE INFORMATION TECHNOLOGY Co Ltd
Original Assignee
BEIJING ZHONGJIAO TRAFFIC GUIDE INFORMATION 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 BEIJING ZHONGJIAO TRAFFIC GUIDE INFORMATION TECHNOLOGY Co Ltd filed Critical BEIJING ZHONGJIAO TRAFFIC GUIDE INFORMATION TECHNOLOGY Co Ltd
Priority to CN201610021252.1A priority Critical patent/CN105654719B/zh
Publication of CN105654719A publication Critical patent/CN105654719A/zh
Application granted granted Critical
Publication of CN105654719B publication Critical patent/CN105654719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及车载设备技术领域，尤其涉及一种疲劳驾驶分析方法和装置。本方法包括：汇总待分析车辆的车辆轨迹数据；根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶。这种疲劳驾驶分析方法对于车载移动设备出现的各种故障兼容能力强，增加了对驾驶员疲劳驾驶行为判定的准确性。

Description

一种疲劳驾驶分析方法和装置
技术领域
本发明涉及车载设备技术领域，尤其涉及一种疲劳驾驶分析方法和装置。
背景技术
按照《中华人民共和国道路交通安全法实施条例》第六十二条第七项规定，“连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟”将受到处罚。疲劳驾驶是货车发生事故的重要原因之一，如何精准判断货车的疲劳驾驶行为并进行及时提醒和纠正对于道路安全监管有着重要意义。目前对于疲劳驾驶行为的判断主要依赖于车载终端设备的疲劳报警提示信息，该设备内置计时器，当判断车辆连续行驶超过4小时未按要求停车休息时会对司机发出疲劳驾驶的提醒，并在上报的车辆轨迹信息中增加报警内容字段。
根据对车辆轨迹信息中报警内容字段的统计分析发现，这种方法产生的报警信息是不准确的，存在误报、漏报及错报的现象。在抽样结果中发现有些车辆每天疲劳次数竟然达到12.5次。这些严重背离常识的数据的产生与终端设备的质量、通信质量等有密切关系。因此，终端设备直接上报的疲劳报警信息不足以用来判定货车的疲劳驾驶行为。
发明内容
针对以上所述现有技术中存在的问题，本发明提供了一种疲劳驾驶分析方法和装置，本发明对于车载移动设备出现的各种故障兼容能力强，增加了对驾驶员疲劳驾驶行为判定的准确性。
第一方面，本发明提供了一种疲劳驾驶分析方法，包括：
汇总待分析车辆的车辆轨迹数据；
根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；
若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶。
进一步的，在所述确定驾驶员为疲劳驾驶之后还包括：根据与驾驶员疲劳驾驶有关的车辆轨迹数据确定疲劳驾驶数据，并输出所述疲劳驾驶数据。
进一步的，对多辆车的疲劳驾驶数据进行分析，并展示疲劳驾驶数据的分布规律。
进一步的，所述汇总待分析车辆的车辆轨迹数据，包括：
获取待分析车辆多次上报的车辆轨迹数据；
针对每一次上报的车辆轨迹数据，根据其中的车辆轨迹点，和/或车辆速度判断该车辆轨迹数据是否存在错误数据，并在判断为是时，删除该次上报的车辆轨迹数据。
进一步的，针对每一次上报的车辆轨迹数据，根据其中的车辆轨迹点判断该车辆轨迹数据是否存在错误数据，包括：
当该车辆轨迹数据包含的车辆轨迹点为漂移车辆轨迹点时，判定该车辆轨迹数据存在错误数据；
针对每一次上报的车辆轨迹数据，根据其中的车辆速度判断该车辆轨迹数据是否存在错误数据包括：
当该车辆轨迹数据包含的车辆速度大于预设速度阈值时，判定该车辆轨迹数据存在错误数据。
进一步的，所述汇总待分析车辆的车辆轨迹数据，还包括：
按照车辆轨迹点的上报时间先后顺序对车辆轨迹点进行排序；
合并重复车辆轨迹点，将第一个被合并的车辆轨迹点的上报时间设为合并后的车辆轨迹点的上报时间的开始时间，将最后一个被合并的车辆轨迹点的上报时间设为合并后的车辆轨迹点的上报时间的结束时间，将合并后的车辆轨迹点的上报时间的结束时间与上报时间的开始时间的差值设为车辆在该车辆轨迹点的停留时间，将各个被合并的重复车辆轨迹点处车辆速度的平均值设为合并后的车辆轨迹点处的车辆速度；
所述合并重复车辆轨迹点，具体包括：将车辆速度小于或等于第一预设速度、与相邻车辆轨迹点的距离小于或等于第一预设距离的车辆轨迹点合并为第一类合并点，将车辆速度大于第一预设速度、与相邻车辆轨迹点的距离小于或等于第一预设距离，且与相邻车辆轨迹点的上报时间间隔小于或等于第一预设时间间隔ΔT1的车辆轨迹点合并为第二类合并点；
所述根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点上报时间确定驾驶员持续驾驶时间，具体包括：根据经过合并后的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间。
进一步的，所述根据经过合并后的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间的步骤，具体包括：
S121读取一条待分析车辆轨迹数据及相邻的车辆轨迹数据；
S122若所述待分析车辆轨迹数据对应于第一类合并点，且车辆在该车辆轨迹数据的车辆轨迹点停留时间大于第二预设时间间隔ΔT2，则确定车辆有过停留，转至S126，否则转至S123；
S123若所述待分析车辆轨迹数据中车辆轨迹点的上报时间与上一个车辆轨迹点的上报时间的差值ΔT大于ΔT1，转至S126，否则转至S124；
S124若ΔT大于第三预设时间间隔ΔT3，且所述待分析车辆轨迹数据和所述上一条车辆轨迹数据都对应于合并后的车辆轨迹点，转至S125，否则转至S127；
S125若所述待分析车辆轨迹数据的车辆轨迹点与上一个车辆轨迹点间车辆的平均速度V小于上两个车辆轨迹点间车辆的平均速度V1，且V小于所述待分析车辆轨迹数据的车辆轨迹点与下一个车辆轨迹点间车辆的平均速度V2，则转至S126，否则转至S127；
S126将疲劳统计起始时间设为所述待分析车辆轨迹数据中车辆轨迹点的上报时间的结束时间；
S127计算当前时间与疲劳统计起始时间的差值，所述差值为驾驶员持续驾驶时间。
第二方面，本发明提供了一种疲劳驾驶分析装置，包括：汇总模块、确定模块和判断模块；
所述汇总模块，用于汇总待分析车辆的车辆轨迹数据；
所述确定模块，用于根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；
所述判断模块，用于若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶。
进一步的，还包括输出模块；
所述输出模块，用于根据与驾驶员疲劳驾驶有关的车辆轨迹数据确定疲劳驾驶数据，并输出所述疲劳驾驶数据。
进一步的，还包括分析模块；
所述分析模块，用于对多辆车的疲劳驾驶数据进行分析，并展示疲劳驾驶数据的分布规律。
本发明提供的疲劳驾驶分析方法，包括：汇总待分析车辆的车辆轨迹数据；根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶。这种疲劳驾驶分析方法对于车载移动设备出现的各种故障兼容能力强，增加了对驾驶员疲劳驾驶行为判定的准确性。
附图说明
图1为本发明实施例一提供的疲劳驾驶分析方法的流程示意图；
图2为本发明实施例一提供的疲劳驾驶分析方法中确定驾驶员持续驾驶时间的流程示意图；
图3为本发明实施例二提供的疲劳驾驶分析装置的结构示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明的第一实施例中提供了一种疲劳驾驶分析方法，参见图1，该方法包括如下步骤：
S110汇总待分析车辆的车辆轨迹数据；
S120根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；
S130若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶。
本发明提供的疲劳驾驶分析方法，通过汇总待分析车辆的车辆轨迹数据；根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶。这种疲劳驾驶分析方法对于车载移动设备出现的各种故障兼容能力强，增加了对驾驶员疲劳驾驶行为判定的准确性。此外，通过改变设定的阈值，可以挖掘出不同程度的疲劳驾驶行为。
可以理解的，当判断出驾驶员出现疲劳驾驶行为时，向驾驶员发出报警提示，提醒驾驶员停车休息。
在具体实施时，在步骤S130之后包括：根据与驾驶员疲劳驾驶有关的车辆轨迹数据确定疲劳驾驶数据，并输出所述疲劳驾驶数据。可以理解的，所述疲劳驾驶数据包括：根据车辆轨迹点、车辆速度和车辆轨迹点的上报时间分析出的疲劳驾驶开始时间、疲劳驾驶结束时间、疲劳驾驶的里程、疲劳驾驶期间的最大速度、疲劳驾驶期间的平均速度、疲劳驾驶期间经过的省份和疲劳驾驶期间经过的路段等数据。可以理解的，输出所述疲劳驾驶数据的方法有很多种，例如，将所述疲劳驾驶数据以列表的形式在车载设备上进行展示。
如此，驾驶员可以了解自己在疲劳驾驶期间的详细驾驶情况。
在具体实施时，对多辆车的疲劳驾驶数据进行分析，并展示疲劳驾驶数据的分布规律。可以理解的，疲劳驾驶数据的分布规律包括：疲劳驾驶时段的分布规律、疲劳驾驶时长和里程的分布规律、疲劳驾驶高发区域以及疲劳驾驶高发路段分布规律等。
这些疲劳驾驶数据的分布规律可以为交通管理部门对于道路运行车辆的监管提供强有力的技术支撑。
在具体实施时，步骤S110，包括：
获取待分析车辆多次上报的车辆轨迹数据；
针对每一次上报的车辆轨迹数据，根据其中的车辆轨迹点，和/或车辆速度判断该车辆轨迹数据是否存在错误数据，并在判断为是时，删除该次上报的车辆轨迹数据。
如此，可以提高对疲劳驾驶行为判定的准确性，以及提高所确定的疲劳驾驶数据的正确性。
在具体实施时，针对每一次上报的车辆轨迹数据，根据其中的车辆轨迹点判断该车辆轨迹数据是否存在错误数据，包括：
当该车辆轨迹数据包含的车辆轨迹点为漂移车辆轨迹点时，判定该车辆轨迹数据存在错误数据；
针对每一次上报的车辆轨迹数据，根据其中的车辆速度判断该车辆轨迹数据是否存在错误数据包括：
当该车辆轨迹数据包含的车辆速度大于预设速度阈值时，判定该车辆轨迹数据存在错误数据。
确定所述漂移车辆轨迹点的方法可以为：若任意相邻的三个车辆轨迹点组成的三角形中存在角度小于15度的角，且该角的任意一边大于10千米时，则认为距离该角顶点最近的所述三角形的顶点处的车辆轨迹点为所述漂移车辆轨迹点。
如此，可以更加准确地判定疲劳驾驶行为，提高输出的疲劳驾驶数据的正确性。
在具体实施时，步骤S110，还包括：按照车辆轨迹点的上报时间先后顺序对车辆轨迹点进行排序；合并重复车辆轨迹点，将第一个被合并的车辆轨迹点的上报时间设为合并后的车辆轨迹点的上报时间的开始时间，将最后一个被合并的车辆轨迹点的上报时间设为合并后的车辆轨迹点的上报时间的结束时间，将合并后的车辆轨迹点的上报时间的结束时间与上报时间的开始时间的差值设为车辆在该车辆轨迹点的停留时间，将被合并的重复车辆轨迹点处车辆速度的平均值设为合并后的车辆轨迹点处的车辆速度；
所述合并重复的车辆轨迹点，具体包括：将车辆速度小于或等于第一预设速度、与相邻车辆轨迹点的距离小于或等于第一预设距离的车辆轨迹点合并为第一类合并点，将车辆速度大于第一预设速度、与相邻车辆轨迹点的距离小于或等于第一预设距离，且与相邻车辆轨迹点上报时间间隔小于或等于第一预设时间间隔ΔT1的车辆轨迹点合并为第二类合并点。所述根据汇总的车辆轨迹数据包含的车辆轨迹点和车辆轨迹点上报时间确定驾驶员持续驾驶时间，具体包括：根据经过合并后的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间。例如，可以将第一预设速度设为1千米/小时，将第一预设距离设为5米，将ΔT1设为20分钟。
如此，可以简化确定驾驶员持续驾驶时间的步骤，还可以通过改变预设的速度和距离等数值进一步提高确定驾驶员持续驾驶时间的准确性。
此时，参见图2，步骤S120具体包括：
S121读取一条待分析车辆轨迹数据及相邻的车辆轨迹数据；
S122若所述待分析车辆轨迹数据对应于第一类合并点，且车辆在该车辆轨迹数据的车辆轨迹点的停留时间大于第二预设时间间隔ΔT2，则确定车辆有过停留，转至S126，否则转至S123；
S123若所述待分析车辆轨迹数据中车辆轨迹点的上报时间与上一个车辆轨迹点的上报时间的差值ΔT大于ΔT1，转至S126，否则转至S124；
S124若ΔT大于第三预设时间间隔ΔT3，且所述待分析车辆轨迹数据和所述上一条车辆轨迹数据都对应于合并后的车辆轨迹点，转至S125，否则转至S127；
S125若所述待分析车辆轨迹数据的车辆轨迹点与上一个车辆轨迹点间车辆的平均速度V小于上两个车辆轨迹点间车辆的平均速度V1，且V小于所述待分析车辆轨迹数据的车辆轨迹点与下一个车辆轨迹点间车辆的平均速度V2，则转至S126，否则转至S127；
S126将疲劳统计起始时间设为所述待分析车辆轨迹数据的车辆轨迹点的上报时间的结束时间；
S127计算当前时间与疲劳统计起始时间的差值，所述差值为持续驾驶时间。
例如，可将ΔT2设为15秒，可将ΔT3设为1分钟。
如此，通过车辆轨迹点、车辆速度和车辆轨迹点上报时间多角度信息建立模型综合判断车辆的行驶状态，从而计算出驾驶员持续驾驶时间，进而判断驾驶员的驾驶行为是否为疲劳驾驶，相对于以往单纯依赖车载移动设备上报的疲劳报警信息来说，容错能力更强。此外，通过调整预设参数或对模型稍加修改，可挖掘出不同程度的疲劳驾驶行为数据，扩展性更好，实现起来更加方便灵活。
基于相同的构思，本发明的第二实施例提供了一种疲劳驾驶分析装置，参见图3，包括：汇总模块201、确定模块202和判断模块203；
所述汇总模块201，用于汇总待分析车辆的车辆轨迹数据；
所述确定模块202，用于根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；
所述判断模块203，用于若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶。
在具体实施时，该装置还包括输出模块；
所述输出模块，用于根据与驾驶员疲劳驾驶有关的车辆轨迹数据确定疲劳驾驶数据，并输出所述疲劳驾驶数据。
在具体实施时，该装置还包括分析模块；
所述分析模块，用于对多辆车的疲劳驾驶数据进行分析，并展示疲劳驾驶数据的分布规律。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种疲劳驾驶分析方法，其特征在于，包括：
汇总待分析车辆的车辆轨迹数据；
根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；
若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶；
所述汇总待分析车辆的车辆轨迹数据，具体为，
按照车辆轨迹点的上报时间先后顺序对车辆轨迹点进行排序；
合并重复车辆轨迹点，将第一个被合并的车辆轨迹点的上报时间设为合并后的车辆轨迹点的上报时间的开始时间，将最后一个被合并的车辆轨迹点的上报时间设为合并后的车辆轨迹点的上报时间的结束时间，将合并后的车辆轨迹点的上报时间的结束时间与上报时间的开始时间的差值设为车辆在该车辆轨迹点的停留时间，将各个被合并的重复车辆轨迹点处车辆速度的平均值设为合并后的车辆轨迹点处的车辆速度；
所述合并重复车辆轨迹点，具体包括：将车辆速度小于或等于第一预设速度、与相邻车辆轨迹点的距离小于或等于第一预设距离的车辆轨迹点合并为第一类合并点；将车辆速度大于第一预设速度、与相邻车辆轨迹点的距离小于或等于第一预设距离，且与相邻车辆轨迹点的上报时间间隔小于或等于第一预设时间间隔ΔT1的车辆轨迹点合并为第二类合并点。
2.根据权利要求1所述的方法，其特征在于，在所述确定驾驶员为疲劳驾驶之后还包括：根据与驾驶员疲劳驾驶有关的车辆轨迹数据确定疲劳驾驶数据，并输出所述疲劳驾驶数据。
3.根据权利要求2所述的方法，其特征在于，还包括：对多辆车的疲劳驾驶数据进行分析，并展示疲劳驾驶数据的分布规律。
4.根据权利要求1所述的方法，其特征在于，所述汇总待分析车辆的车辆轨迹数据，还包括：
获取待分析车辆多次上报的车辆轨迹数据；
针对每一次上报的车辆轨迹数据，根据其中的车辆轨迹点，和/或车辆速度判断该车辆轨迹数据是否存在错误数据，并在判断为是时，删除该次上报的车辆轨迹数据。
5.根据权利要求4所述的方法，其特征在于，针对每一次上报的车辆轨迹数据，根据其中的车辆轨迹点判断该车辆轨迹数据是否存在错误数据，包括：
当该车辆轨迹数据包含的车辆轨迹点为漂移车辆轨迹点时，判定该车辆轨迹数据存在错误数据；
针对每一次上报的车辆轨迹数据，根据其中的车辆速度判断该车辆轨迹数据是否存在错误数据包括：
当该车辆轨迹数据包含的车辆速度大于预设速度阈值时，判定该车辆轨迹数据存在错误数据。
6.根据权利要求1所述的方法，其特征在于，所述根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点上报时间确定驾驶员持续驾驶时间，具体包括：根据经过合并后的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间。
7.根据权利要求6所述的方法，其特征在于，根据经过合并后的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间的步骤，具体包括：
S121读取一条待分析车辆轨迹数据及相邻的车辆轨迹数据；
S122若所述待分析车辆轨迹数据对应于第一类合并点，且车辆在该车辆轨迹数据的车辆轨迹点停留时间大于第二预设时间间隔ΔT2，则确定车辆有过停留，转至S126，否则转至S123；
S123若所述待分析车辆轨迹数据中车辆轨迹点的上报时间与上一个车辆轨迹点的上报时间的差值ΔT大于ΔT1，转至S126，否则转至S124；
S124若ΔT大于第三预设时间间隔ΔT3，且所述待分析车辆轨迹数据和上一条车辆轨迹数据都对应于合并后的车辆轨迹点，转至
S125，否则转至S127；
S125若所述待分析车辆轨迹数据的车辆轨迹点与上一个车辆轨迹点间的车辆的平均速度V小于上两个车辆轨迹点间车辆的平均速度V1，且V小于所述待分析车辆轨迹数据的车辆轨迹点与下一个车辆轨迹点间车辆的平均速度V2，转至S126，否则转至S127；
S126将疲劳统计起始时间设为所述待分析车辆轨迹数据中车辆轨迹点的上报时间的结束时间；
S127计算当前时间与疲劳统计起始时间的差值，所述差值为驾驶员持续驾驶时间。
8.一种疲劳驾驶分析装置，其特征在于，包括：汇总模块、确定模块和判断模块；
所述汇总模块，用于汇总待分析车辆的车辆轨迹数据；
所述确定模块，用于根据汇总的车辆轨迹数据包含的车辆轨迹点、车辆速度和车辆轨迹点的上报时间确定驾驶员持续驾驶时间；
所述判断模块，用于若所述持续驾驶时间大于设定的阈值，则确定驾驶员为疲劳驾驶；
所述汇总待分析车辆的车辆轨迹数据，具体为，
按照车辆轨迹点的上报时间先后顺序对车辆轨迹点进行排序；
合并重复车辆轨迹点，将第一个被合并的车辆轨迹点的上报时间设为合并后的车辆轨迹点的上报时间的开始时间，将最后一个被合并的车辆轨迹点的上报时间设为合并后的车辆轨迹点的上报时间的结束时间，将合并后的车辆轨迹点的上报时间的结束时间与上报时间的开始时间的差值设为车辆在该车辆轨迹点的停留时间，将各个被合并的重复车辆轨迹点处车辆速度的平均值设为合并后的车辆轨迹点处的车辆速度；
所述合并重复车辆轨迹点，具体包括：将车辆速度小于或等于第一预设速度、与相邻车辆轨迹点的距离小于或等于第一预设距离的车辆轨迹点合并为第一类合并点；将车辆速度大于第一预设速度、与相邻车辆轨迹点的距离小于或等于第一预设距离，且与相邻车辆轨迹点的上报时间间隔小于或等于第一预设时间间隔ΔT1的车辆轨迹点合并为第二类合并点。
9.根据权利要求8所述的装置，其特征在于，还包括输出模块；
所述输出模块，用于根据与驾驶员疲劳驾驶有关的车辆轨迹数据确定疲劳驾驶数据，并输出所述疲劳驾驶数据。
10.根据权利要求9所述的装置，其特征在于，还包括分析模块；
所述分析模块，用于对多辆车的疲劳驾驶数据进行分析，并展示疲劳驾驶数据的分布规律。
CN201610021252.1A 2016-01-13 2016-01-13 一种疲劳驾驶分析方法和装置 Active CN105654719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610021252.1A CN105654719B (zh) 2016-01-13 2016-01-13 一种疲劳驾驶分析方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610021252.1A CN105654719B (zh) 2016-01-13 2016-01-13 一种疲劳驾驶分析方法和装置

Publications (2)

Publication Number Publication Date
CN105654719A CN105654719A (zh) 2016-06-08
CN105654719B true CN105654719B (zh) 2018-04-27

Family

ID=56487225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610021252.1A Active CN105654719B (zh) 2016-01-13 2016-01-13 一种疲劳驾驶分析方法和装置

Country Status (1)

Country Link
CN (1) CN105654719B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622655A (zh) * 2017-09-14 2018-01-23 王淑芳 一种重点营运车辆疲劳驾驶监控方法和系统
CN107633674A (zh) * 2017-09-14 2018-01-26 王淑芳 一种重点营运车辆异常轨迹点剔除方法和系统
CN109938706A (zh) * 2017-12-20 2019-06-28 北京中盈安信技术服务股份有限公司 一种巡检人员工作状态实时监测装置及监测方法
CN109493448A (zh) * 2018-09-26 2019-03-19 平安科技（深圳）有限公司 行车记录数据处理方法、装置、计算机设备和存储介质
CN111152794B (zh) * 2018-11-06 2023-03-21 阿里巴巴集团控股有限公司 一种疲劳驾驶的确定方法及装置
CN109523787B (zh) * 2018-11-30 2021-06-29 公安部交通管理科学研究所 一种基于车辆通行轨迹的疲劳驾驶分析方法
CN109927729B (zh) * 2019-03-07 2020-06-23 南京微达电子科技有限公司 持续高速驾驶安全车距估算及稳定性评价控制方法与装置
CN115512550A (zh) * 2022-09-22 2022-12-23 青海省公安交通警察总队高速公路支队 一种货运车辆超时驾驶稽查辅助系统及方法
CN116342008B (zh) * 2023-03-26 2024-01-12 广州智卡物流科技有限公司 物流道路运输管理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103500504A (zh) * 2013-09-30 2014-01-08 同济大学 基于rfid数据的城市道路交通参数估计与路况判别方法及应用系统
CN104050817A (zh) * 2014-05-23 2014-09-17 北京中交兴路信息科技有限公司 限速信息库生成、限速信息检测的方法和系统
CN104408941A (zh) * 2014-11-11 2015-03-11 四川北斗导航应用技术有限公司 基于北斗卫星导航的车辆管理系统及方法
CN104680719A (zh) * 2015-03-26 2015-06-03 交通运输部公路科学研究所 疲劳驾驶时间指标监测系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69808522T2 (de) * 1998-08-25 2003-08-07 Holding B.E.V. S.A., Luxemburg/Luxembourg Gerät zur bildverarbeitung

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103500504A (zh) * 2013-09-30 2014-01-08 同济大学 基于rfid数据的城市道路交通参数估计与路况判别方法及应用系统
CN104050817A (zh) * 2014-05-23 2014-09-17 北京中交兴路信息科技有限公司 限速信息库生成、限速信息检测的方法和系统
CN104408941A (zh) * 2014-11-11 2015-03-11 四川北斗导航应用技术有限公司 基于北斗卫星导航的车辆管理系统及方法
CN104680719A (zh) * 2015-03-26 2015-06-03 交通运输部公路科学研究所 疲劳驾驶时间指标监测系统及方法

Also Published As

Publication number Publication date
CN105654719A (zh) 2016-06-08

Similar Documents

Publication Publication Date Title
CN105654719B (zh) 一种疲劳驾驶分析方法和装置
CN102874188B (zh) 一种基于车辆总线数据的驾驶行为警示方法
CN105799512B (zh) 车辆超速提醒方法及系统
CN105679020B (zh) 一种驾驶行为分析装置和方法
CN102542823B (zh) 一种基于交通流运行状态的快速道路可变限速控制方法
CN103680184B (zh) 基于车载无线终端的车辆分时限速方法
CN104112334B (zh) 疲劳驾驶预警方法及系统
CN105139648B (zh) 驾驶习惯数据生成方法及系统
CN109859500A (zh) 一种基于车路协同的高速合流区安全预警方法
CN203020082U (zh) 一种车载酒精监控装置
CN104103194A (zh) 高速公路主动交通安全驾驶辅助方法及辅助系统
CN106373331A (zh) 乘车预警方法和装置
CN102922999B (zh) 用于山区公路的车辆危险行驶状态识别装置及其识别方法
JP2006243856A (ja) 運転診断方法およびその装置
CN102101438B (zh) 一种疲劳驾驶的判断方法及装置
CN106952473A (zh) 道路故障检测方法及装置
CN103692969A (zh) 一种长时间驾驶监控方法
CN110276954A (zh) 基于北斗定位系统的车辆行驶行为综合评分方法
CN103198713A (zh) 基于交通数据和天气数据的减少交通事故的车辆调控方法
CN108010269A (zh) 一种基于车联网的驾驶分心监测、预警系统及方法
CN109448372B (zh) 一种乘车安全监测与报警方法
CN103680153A (zh) 基于车载无线终端的车辆分段限速方法
CN106408935A (zh) 一种基于导航的机动车连续变道行为监控系统及方法
CN205573936U (zh) 一种危险驻车状态手刹报警装置
CN109584560A (zh) 一种基于高速公路交通检测的交通控制调节方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant