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

CN108407816B - 一种汽车驾驶员驾驶评估方法及系统 - Google Patents

一种汽车驾驶员驾驶评估方法及系统 Download PDF

Info

Publication number
CN108407816B
CN108407816B CN201810054465.3A CN201810054465A CN108407816B CN 108407816 B CN108407816 B CN 108407816B CN 201810054465 A CN201810054465 A CN 201810054465A CN 108407816 B CN108407816 B CN 108407816B
Authority
CN
China
Prior art keywords
data
driving
driver
information data
server
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
CN201810054465.3A
Other languages
English (en)
Other versions
CN108407816A (zh
Inventor
张慧
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.)
Hangzhou Lima Iot Technology Co ltd
Original Assignee
Hangzhou Lima Iot 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 Hangzhou Lima Iot Technology Co ltd filed Critical Hangzhou Lima Iot Technology Co ltd
Priority to CN201810054465.3A priority Critical patent/CN108407816B/zh
Publication of CN108407816A publication Critical patent/CN108407816A/zh
Application granted granted Critical
Publication of CN108407816B publication Critical patent/CN108407816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Transportation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种汽车驾驶员驾驶评估方法及系统，属于驾驶信息技术领域。本发明的方法包括如下步骤：步骤1，采集车辆某段行程的行车数据、环境数据和司机信息数据；步骤2，将采集的行车数据、环境数据和司机信息数据发送至服务器；步骤3，服务器根据接收到的信息数据进行分析并给出司机驾驶评分。本发明的系统包括：包括车辆及服务器，车辆包括采集模块、发送模块，采集模块用于采集车辆某段行程的行车数据、环境数据和司机信息数据；发送模块用于将采集的行车数据、环境数据和司机信息数据发送至服务器；服务器用于根据接收到的信息数据进行分析并给出司机驾驶评分。本发明能够准确有效地给出驾驶评分，以改善驾驶员的驾驶行为。

Description

一种汽车驾驶员驾驶评估方法及系统
技术领域
本发明涉及驾驶信息技术领域，尤其涉及一种汽车驾驶员驾驶评估方法及系统。
背景技术
驾驶行为是指驾驶员在车辆行驶中进行的操控行为，例如行车速度、加速、刹车、转弯等。不同的驾驶行为会对安全行驶造成影响，不良的驾驶行为对安全及汽车油耗的造成不良影响。
随着车联网技术和深度学习算法的日趋强大，高效驾驶技术在各行各业中的应用也越来越广泛。我们知道，百度导航、高德导航等会在驾驶到达目的地时会给出一个驾驶评分，用以评价司机的驾驶行为。但是这类软件仅仅使用到的是手机陀螺仪数据、手机定位数据和一些交通部门的测速限速数据，并未真正结合车辆本身的行车数据以及司机本身的数据来做出评分。
又如申请号为201310676419.4的中国发明申请公开了一种驾驶行为评估方法，及装置，其中方法的实现包括：周期性获取地理位置并记录各地理位置对应的时间点；依据评估时间段内记录的各地理位置以及各地理位置对应的时间点，确定所述评估动时间段内的驾驶行为；使用预置的驾驶评估标准对评估时间段内的驾驶行为进行评估，得到并输出评估结果。只要具有定位功能、数据处理功能以及输出功能的各种设备都可以实现，不需要定制设备，因此该方案是低成本的实现方案。
但是上述方案得出评价结果所依据的数据仅仅是车辆的数据，并未考虑到环境因素和司机本身的因素，故该方案所得出的评价结果依旧过于片面，无法较真实地反映驾驶技术。
发明内容
本发明的目的是为了解决上述现有技术存在的问题，提供一种汽车驾驶员驾驶评估方法，其能够准确有效地给出驾驶评分，以改善驾驶员的驾驶行为。
本发明的目的是通过以下技术方案实现的：
一种汽车驾驶员驾驶评估方法，包括如下步骤：
步骤1，采集车辆某段行程的行车数据、环境数据和司机信息数据；
步骤2，将采集的所述行车数据、环境数据和司机信息数据发送至服务器；
步骤3，所述服务器根据接收到的信息数据进行分析并给出司机驾驶评分。
作为本发明优选，所述步骤3具体包括：
步骤3.1，将所述行车数据、环境数据和司机信息数据组成一个样本矩阵；
步骤3.2，定义神经网络的参数矩阵和偏置向量，其中参数矩阵和偏置向量由样本数据训练得到，并且初始数据均为0；
步骤3.3，将所述样本矩阵和参数矩阵相乘，再加上所述偏置向量做一次激活函数，得出第一神经网络输出矩阵；
步骤3.4，将所述第一神经网络输出矩阵作为输入矩阵，和所述参数矩阵相乘，再加上所述偏置向量，得出第二神经网络输出矩阵；
步骤3.5，将所述第二神经网络输出矩阵与真实结果做反向传播，得出算法模型；
步骤3.6，所述服务器根据所述算法模型分析并给出司机驾驶评分。
作为本发明优选，所述行车数据包括：发动机转速、变速箱档位、总油耗、瞬时油耗、油门踏板位置、离合器踏板位置、制动踏板位置、车桥载重。
作为本发明优选，所述环境数据包括：地面湿滑度、地面坡度。
作为本发明优选，所述司机信息数据包括：司机眼皮闭合度、眨眼频率、目光专注度、转弯加速度。
本发明还提供一种汽车驾驶员驾驶评估系统，包括车辆及服务器，
所述车辆包括采集模块、发送模块，所述采集模块用于采集车辆某段行程的行车数据、环境数据和司机信息数据；所述发送模块用于将采集的所述行车数据、环境数据和司机信息数据发送至所述服务器；
所述服务器用于根据接收到的信息数据进行分析并给出司机驾驶评分。
作为本发明优选，所述采集模块包括：
CDT设备，用于采集车辆的行车数据；连接所述CDT设备的
传感器组件，用于采集环境数据和司机信息数据。
作为本发明优选，所述行车数据包括：发动机转速、变速箱档位、总油耗、瞬时油耗、油门踏板位置、离合器踏板位置、制动踏板位置、车桥载重。
作为本发明优选，所述环境数据包括：地面湿滑度、地面坡度。
作为本发明优选，所述司机信息数据包括：司机眼皮闭合度、眨眼频率、目光专注度、转弯加速度。
本发明的优点是：通过对行车数据、环境数据及司机信息数据的综合分析，以给出司机驾驶行为的评分，该评分结果能够准确有效地反映出司机的驾驶习惯和驾驶技术。
附图说明
图1为本发明方法实施例1的流程图；
图2为本发明系统一种实施方式的原理图。
具体实施方式
下面将结合附图和具体实施方式对本发明做进一步的详细说明。
实施例1
一种汽车驾驶员驾驶评估方法，包括如下步骤：
步骤1，采集车辆某段行程的行车数据、环境数据和司机信息数据；
步骤2，将采集的所述行车数据、环境数据和司机信息数据发送至服务器；
步骤3，所述服务器根据接收到的信息数据进行分析并给出司机驾驶评分。
我们知道，行车数据是最直接能够反映车辆行驶状态的数据，而车辆的行驶状态也能较高程度地反映驾驶员的驾驶行为。但是，仅仅依据车辆的行驶状态或者行车数据来评价司机的驾驶行为是不够全面的，因为环境因素也会在一定程度上影响车辆的行驶状态，比如地面的湿滑度、地面的坡度或者平整度等，甚至天气、温度等，都会不同程度地影响车辆的行驶状态，或者通过影响司机来影响车辆的行驶状态。另外，该方法的目的是在于改善司机的驾驶习惯，所以即使在某次测试中，根据车辆的行车数据以及环境数据得出较高的评分，还是无法说明该司机的驾驶习惯很好，因为该司机在本次驾驶中可能目光并未一直专注于路面，可能在车辆行驶时查看了几次手机，而他查看手机并未直接对本次驾驶造成影响，但是我们不能认定该行为习惯是好的，该行为习惯对于长期的驾驶行为来说必然是有危害的，所以我们还需要将司机信息数据加入到评分依据中。通过对行车数据、环境数据及司机信息数据的综合分析，以给出最为准确的驾驶评分。
而将采集到的信息数据发送至服务器，并通过服务器来分析得出评分，一方面降低了集成于车辆上的装置的成本，另一方面便于评分系统的更新和维护。所述服务器可以是云服务器，该服务器服务于多辆车，并给予车辆每段行程的驾驶评分以及存储采集到的信息数据和评分数据。并且，该服务器可以根据积累的信息数据和评分数据来不断完善评分标准，以提高评分的准确性和有效性。
另外，具体的分析和评分方法可以有很多。比如，我们可以给每个参数或者每组参数设置相应的权值及运算方法，最终结合所有参数权值的运算结果来得出评分。也可以是根据多次测试出的样本数据来归纳出一套评分标准，并依照该评分标准进行评分。而制定评分方法的原则必须是综合考虑到行车数据、环境数据以及司机信息数据，并合理权衡各项数据或参数的评分比重。
实施例2
所述步骤3具体包括：
步骤3.1，将所述行车数据、环境数据和司机信息数据组成一个样本矩阵；
步骤3.2，定义神经网络的参数矩阵和偏置向量，其中参数矩阵和偏置向量由样本数据训练得到，并且初始数据均为0；所述的样本数据为通过大量测试得出的数据，以保证所述参数矩阵和偏置向量的代表性。
步骤3.3，将所述样本矩阵和参数矩阵相乘，再加上所述偏置向量做一次激活函数，得出第一神经网络输出矩阵；
步骤3.4，将所述第一神经网络输出矩阵作为输入矩阵，和所述参数矩阵相乘，再加上所述偏置向量，得出第二神经网络输出矩阵；
步骤3.5，将所述第二神经网络输出矩阵与真实结果做反向传播，得出算法模型；
步骤3.6，所述服务器根据所述算法模型分析并给出司机驾驶评分。
以上给出一套具体的分析和评分方法，由于是针对三组不同类型的数据进行分析，故至少需要用到两层神经网络，并且通过反向传播来调整整个算法模型，最终得出一个合理的算法模型。同时，该方法可以将每一次的测试数据加入到评分标准的基础中，以不断完善分析评分的算法模型，使得评分结果更加准确有效。
具体的，所述行车数据包括：发动机转速、变速箱档位、总油耗、瞬时油耗、油门踏板位置、离合器踏板位置、制动踏板位置、车桥载重等。
所述环境数据包括：地面湿滑度、地面坡度等。
所述司机信息数据包括：司机眼皮闭合度、眨眼频率、目光专注度、转弯加速度等。
以上列举了最能够影响车辆行驶状态的一些数据，但是并不局限于上述的信息数据。当然，为了同时兼顾评分准确性及简化评分过程，主要针对以上数据进行分析。
本发明还提供一种汽车驾驶员驾驶评估系统，包括车辆及服务器，
所述车辆包括采集模块、发送模块，所述采集模块用于采集车辆某段行程的行车数据、环境数据和司机信息数据；所述发送模块用于将采集的所述行车数据、环境数据和司机信息数据发送至所述服务器；
所述服务器用于根据接收到的信息数据进行分析并给出司机驾驶评分。
所述采集模块包括：
CDT设备，用于采集车辆的行车数据；连接所述CDT设备的
传感器组件，用于采集环境数据和司机信息数据。
所述行车数据包括：发动机转速、变速箱档位、总油耗、瞬时油耗、油门踏板位置、离合器踏板位置、制动踏板位置、车桥载重。
所述环境数据包括：地面湿滑度、地面坡度。
所述司机信息数据包括：司机眼皮闭合度、眨眼频率、目光专注度、转弯加速度。
以上所述，仅为本发明较佳的具体实施方式，该具体实施方式是基于本发明整体构思下的一种实现方式，而且本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (3)

1.一种汽车驾驶员驾驶评估方法，其特征在于，包括如下步骤：
步骤1，采集车辆某段行程的行车数据、环境数据和司机信息数据；所述行车数据包括：发动机转速、变速箱档位、总油耗、瞬时油耗、油门踏板位置、离合器踏板位置、制动踏板位置、车桥载重；所述环境数据包括：地面湿滑度、地面坡度；所述司机信息数据包括：司机眼皮闭合度、眨眼频率、目光专注度、转弯加速度；
步骤2，将采集的所述行车数据、环境数据和司机信息数据发送至服务器；
步骤3.1，将所述行车数据、环境数据和司机信息数据分配相应的权值，并组成一个样本矩阵；
步骤3.2，定义神经网络的参数矩阵和偏置向量，其中参数矩阵和偏置向量由样本数据训练得到，并且初始数据均为0；
步骤3.3，将所述样本矩阵和参数矩阵相乘，再加上所述偏置向量做一次激活函数，得出第一神经网络输出矩阵；
步骤3.4，将所述第一神经网络输出矩阵作为输入矩阵，和所述参数矩阵相乘，再加上所述偏置向量，得出第二神经网络输出矩阵；
步骤3.5，将所述第二神经网络输出矩阵与真实结果做反向传播，得出算法模型；
步骤3.6，所述服务器根据所述算法模型分析并给出司机驾驶评分；
步骤3.7，所述服务器将每次评分的数据加入到所述算法模型构建的基础数据库中。
2.一种汽车驾驶员驾驶评估系统，采用如权利要求1所述的汽车驾驶员驾驶评估方法，所述系统包括车辆及服务器，其特征在于，
所述车辆包括采集模块、发送模块；
所述采集模块用于采集车辆某段行程的行车数据、环境数据和司机信息数据；所述行车数据包括：发动机转速、变速箱档位、总油耗、瞬时油耗、油门踏板位置、离合器踏板位置、制动踏板位置、车桥载重；所述环境数据包括：地面湿滑度、地面坡度；所述司机信息数据包括：司机眼皮闭合度、眨眼频率、目光专注度、转弯加速度；
所述发送模块用于将采集的所述行车数据、环境数据和司机信息数据发送至所述服务器；
所述服务器用于根据接收到的信息数据进行分析并给出司机驾驶评分，同时将每次评分的数据加入到所述算法模型构建的基础数据库中。
3.根据权利要求2所述的汽车驾驶员驾驶评估系统，其特征在于，所述采集模块包括：
CDT设备，用于采集车辆的行车数据；连接所述CDT设备的
传感器组件，用于采集环境数据和司机信息数据。
CN201810054465.3A 2018-01-19 2018-01-19 一种汽车驾驶员驾驶评估方法及系统 Active CN108407816B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810054465.3A CN108407816B (zh) 2018-01-19 2018-01-19 一种汽车驾驶员驾驶评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810054465.3A CN108407816B (zh) 2018-01-19 2018-01-19 一种汽车驾驶员驾驶评估方法及系统

Publications (2)

Publication Number Publication Date
CN108407816A CN108407816A (zh) 2018-08-17
CN108407816B true CN108407816B (zh) 2020-07-10

Family

ID=63125887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810054465.3A Active CN108407816B (zh) 2018-01-19 2018-01-19 一种汽车驾驶员驾驶评估方法及系统

Country Status (1)

Country Link
CN (1) CN108407816B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110853179A (zh) * 2018-08-21 2020-02-28 上海博泰悦臻网络技术服务有限公司 车联网服务器、车辆及基于行驶数据的车辆油耗提示方法
CN111080047A (zh) * 2018-10-22 2020-04-28 北京嘀嘀无限科技发展有限公司 一种判定驾驶任务完成情况的方法、装置及计算机可读介质
CN109404045A (zh) * 2018-11-19 2019-03-01 华能伊敏煤电有限责任公司 采矿车辆的违规操作识别方法及系统
CN110782110B (zh) * 2019-01-29 2023-07-18 长城汽车股份有限公司 评价驾驶员驾驶情况的方法和装置及机器可读存储介质
CN109726771B (zh) * 2019-02-27 2023-05-02 锦图计算技术(深圳)有限公司 异常驾驶检测模型建立方法、装置及存储介质
CN109872075B (zh) * 2019-03-05 2021-02-02 北京经纬恒润科技股份有限公司 一种油耗相关驾驶行为的评估方法及系统
CN111833480B (zh) * 2019-04-12 2022-04-15 比亚迪股份有限公司 驾驶行为检测方法、装置和车辆
CN110533261A (zh) * 2019-09-06 2019-12-03 江苏物联网研究发展中心 一种物流运输车辆的驾驶行为分析优化系统
CN111047142B (zh) * 2019-11-14 2023-04-28 佛山科学技术学院 一种基于层次分析法的汽车评分方法及系统
CN111452799B (zh) * 2020-05-11 2022-04-12 名商科技有限公司 驾驶行为评价方法及系统
CN118119543A (zh) * 2022-10-28 2024-05-31 深圳市锐明技术股份有限公司 司机状态评估方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1802273A (zh) * 2003-06-06 2006-07-12 沃尔沃技术公司 根据被解释的驾驶员活动控制车辆子系统的方法和装置
CN105139070A (zh) * 2015-08-27 2015-12-09 南京信息工程大学 基于人工神经网络和证据理论的疲劳驾驶评价方法
CN107341864A (zh) * 2017-06-07 2017-11-10 华东师范大学 通过车辆总线记录设备分析驾驶员驾驶行为的评价系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6879969B2 (en) * 2001-01-21 2005-04-12 Volvo Technological Development Corporation System and method for real-time recognition of driving patterns
CN101746269B (zh) * 2010-01-08 2013-04-03 东南大学 基于软计算的疲劳驾驶融合检测方法
CN104207791B (zh) * 2014-08-26 2017-02-15 江南大学 一种疲劳驾驶检测方法
CN104648283B (zh) * 2015-01-12 2017-03-22 重庆嗨驾科技有限公司 车辆驾驶行为分析评价系统
CN107153916A (zh) * 2017-04-30 2017-09-12 安徽中科美络信息技术有限公司 一种基于fcm聚类和bp神经网络的驾驶行为评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1802273A (zh) * 2003-06-06 2006-07-12 沃尔沃技术公司 根据被解释的驾驶员活动控制车辆子系统的方法和装置
CN105139070A (zh) * 2015-08-27 2015-12-09 南京信息工程大学 基于人工神经网络和证据理论的疲劳驾驶评价方法
CN107341864A (zh) * 2017-06-07 2017-11-10 华东师范大学 通过车辆总线记录设备分析驾驶员驾驶行为的评价系统

Also Published As

Publication number Publication date
CN108407816A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
CN108407816B (zh) 一种汽车驾驶员驾驶评估方法及系统
Liu et al. Large-scale pavement roughness measurements with vehicle crowdsourced data using semi-supervised learning
Sun et al. Modeling carbon emissions from urban traffic system using mobile monitoring
US9747730B2 (en) Driver measurement and incentive system for improving fuel-efficiency
Wang et al. Study of the factors affecting road roughness measurement using smartphones
US8886418B2 (en) Fuel optimization display
CN101228546A (zh) 机动车行驶数据收集和分析
CN111428960B (zh) 一种融合多源车载传感器信息的智能车辆驾驶性自动化评价方法
US20130046526A1 (en) Selecting a Vehicle to Optimize Fuel Efficiency for a Given Route and a Given Driver
CN106536315A (zh) 用于评价和/或优化车辆的运行特性的系统
US20210118330A1 (en) Personalized driver coaching
Ulil et al. The vehicle as a mobile sensor network base IoT and big data for pothole detection caused by flood disaster
Liu et al. A response-type road anomaly detection and evaluation method for steady driving of automated vehicles
Wu et al. Clustering of several typical behavioral characteristics of commercial vehicle drivers based on GPS data mining: Case study of highways in China
Na et al. Quantifying fuel-saving benefit of low-rolling-resistance tyres from heavy goods vehicle in-service operations
Clark et al. A predictive tool for emissions from heavy-duty diesel vehicles
LU100760B1 (en) Vehicular motion assessment method
CN108198420B (zh) 一种基于obd数据的道路养护监测管理信息系统
CN106651133B (zh) 一种使用手机实现基于adas的用户驾驶行为评分方法
Trindade et al. Driver Rating: a mobile application to evaluate driver behavior
KR20160063652A (ko) 경제 운전 분석시스템
Michelarakia et al. Correlation of driver behaviour and fuel consumption using data from smartphones
Ren et al. An SVM based algorithm for road disease detection using accelerometer
Abas et al. Simulation of fuel economy for Malaysian urban driving
CN112466004A (zh) 车辆使用信息获取方法、装置、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