CN105930771A - 一种驾驶行为评分方法及装置 - Google Patents
一种驾驶行为评分方法及装置 Download PDFInfo
- Publication number
- CN105930771A CN105930771A CN201610228071.6A CN201610228071A CN105930771A CN 105930771 A CN105930771 A CN 105930771A CN 201610228071 A CN201610228071 A CN 201610228071A CN 105930771 A CN105930771 A CN 105930771A
- Authority
- CN
- China
- Prior art keywords
- driver
- marked
- vehicle
- face
- driving behavior
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000003542 behavioural effect Effects 0.000 claims description 92
- 230000001815 facial effect Effects 0.000 claims description 43
- 238000004891 communication Methods 0.000 claims description 14
- 230000002996 emotional effect Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000004321 preservation Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 153
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种驾驶行为评分方法及装置，属于车辆驾驶行为分析技术领域。所述方法包括：根据待评分驾驶员的标识获取对应该驾驶员的车辆行驶数据；根据待评分驾驶员的标识获取所述待评分驾驶员驾驶车辆时的面部行为数据；根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分。本发明实施例提供的驾驶行为评分方法，通过根据待评分驾驶员的标识获取车辆行驶数据和面部行为数据，得到专属于所述待评分驾驶员的车辆行驶数据以及相应的面部行为数据，然后根据所述车辆行驶数据和面部行为数据对所述待评分驾驶员进行评分。实现了当同一车辆被不同驾驶员驾驶过时，针对不同驾驶员的驾驶行为评分。
Description
技术领域
本发明实施例涉及车辆驾驶行为分析技术领域，尤其涉及一种驾驶行为评分方法及装置。
背景技术
随着生活水平的提高，机动车辆的数量也越来越多，家家户户基本都有了私家车，同时，近年来车联网飞速发展，因此，与车联网技术结合的基于车主驾驶行为进行定价的车险产品越来越多，并且对整个车险行业来讲，基于车主驾驶行为进行定价的车险产品的推出也更有利于提升车险行业对社会的价值贡献，这主要体现在基于车主驾驶行为进行定价的车险产品具有积极的安全驾驶消费观和驾驶员的安全驾驶自我筛选、自我改造功能，从而实现社会交通事故率的下降，进而达到社会、客户、保险商三方面共赢。
在实现本发明过程中，发明人发现现实生活中至少存在如下问题：车主如果想享受优惠的车辆保险政策，需要对车主的驾驶行为基于车辆数据进行驾驶行为评分，然而同一辆车极易出现不同驾驶员驾驶的情况，而每个驾驶员的驾驶行为***的情况，例如车主日常开车驾驶行为非常好，偶尔借给朋友或其他家人使用时，如果出现不良驾驶习惯者，该车辆的驾驶行为评分必定受到影响，如此一来车主即使一直都保持良好的驾驶习惯，但却得不到优惠的保险政策。
因此，需要对现有的基于车辆数据的驾驶行为评分方法进行改进，以实现针对不同驾驶员的驾驶行为评分。
发明内容
本发明实施例提供了一种驾驶行为评分方法及装置，以实现针对不同驾驶员的驾驶行为评分。
第一方面，本发明实施例提供了一种驾驶行为评分方法，该方法包括：
根据待评分驾驶员的标识获取对应该驾驶员的车辆行驶数据；
根据待评分驾驶员的标识获取所述待评分驾驶员驾驶车辆时的面部行为数据；
根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分。
示例性地，根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分，还包括：
根据所述车辆行驶数据确定所述待评分驾驶员的驾驶行为得分；
根据所述面部行为数据确定所述待评分驾驶员的面部行为得分；
根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分。
进一步地，根据所述面部行为数据确定所述待评分驾驶员的面部行为得分，包括：
采用公式STF＝∑NiSi计算得到所述待评分驾驶员的面部行为得分，其中，STF为所述待评分驾驶员的面部行为得分，Ni为加权因子，Si为第i个驾驶周期中面部行为由初始值达到目标值的累计时间占驾驶周期的百分比，i为大于等于1的整数；
相应地，根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分，包括：
采用公式STOT＝NTSTF+(1-NT)STV计算得到所述待评分驾驶员的驾驶行为评分，其中，STOT为所述待评分驾驶员的驾驶行为评分，NT为动态加权因子，STF为面部行为得分，STV为驾驶行为得分。
进一步地，当所述待评分驾驶员对应的车辆行驶数据和面部行为数据来自多个车辆时，所述根据所述面部行为数据确定所述待评分驾驶员的面部行为得分，包括：
采用公式S＝[∑(STOT)j*tj]/T计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，tj为待评分驾驶员驾驶j车辆的时间，T为待评分驾驶员的驾驶总时间，j为大于1的整数；或
采用公式S＝[∑(STOT)j*sj]/D计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，sj为待评分驾驶员驾驶j车辆的里程，D为待评分驾驶员的驾驶总里程，j为大于1的整数。
优选的，所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的一项或多项；
所述面部行为数据包括驾驶员情绪信息、驾驶专注度信息，以及不良驾驶习惯信息中的任意一项或任意多项。
进一步地，所述方法还包括：
根据驾驶员标识和车辆的识别码对车辆行驶数据进行分类，得到各驾驶员对应的特定车辆的车辆行驶数据。
根据驾驶员标识和车辆的识别码对驾驶员的面部行为数据进行分类，得到各驾驶员驾驶特定车辆时对应的面部行为数据。
进一步地，所述方法还包括：将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中。
优选的，将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中，包括：
通过远程通信模块将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台；
或者通过近程通信设备将各驾驶员对应的车辆行驶数据和面部行为数据上传至移动终端，以使所述移动终端将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台。第二方面，本发明实施例还提供了一种驾驶行为评分装置，该装置包括：
第一获取模块，用于根据待评分驾驶员的标识获取对应该驾驶员的车辆行驶数据；
第二获取模块，用于根据待评分驾驶员的标识获取所述待评分驾驶员驾驶车辆时的面部行为数据；
评分模块，用于根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分。
进一步地，所述评分模块包括：
第一确定单元，用于根据所述车辆行驶数据确定所述待评分驾驶员的驾驶行为得分；
第二确定单元，用于根据所述面部行为数据确定所述待评分驾驶员的面部行为得分；
评分单元，用于根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分。
示例性地，所述第二确定单元具体用于：
采用公式STF＝∑NiSi计算得到所述待评分驾驶员的面部行为得分，其中，STF为所述待评分驾驶员的面部行为得分，Ni为加权因子，Si为第i个驾驶周期中面部行为由初始值达到目标值的累计时间占驾驶周期的百分比，i为大于等于1的整数；
相应地，评分单元具体用于：
采用公式STOT＝NTSTF+(1-NT)STV计算得到所述待评分驾驶员的驾驶行为评分，其中，STOT为所述待评分驾驶员的驾驶行为评分，NT为动态加权因子，STF为面部行为得分，STV为驾驶行为得分。
示例性地，当所述待评分驾驶员对应的车辆行驶数据和面部行为数据来自多个车辆时，所述第二确定单元具体用于：
采用公式S＝[∑(STOT)j*tj]/T计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，tj为待评分驾驶员驾驶j车辆的时间，T为待评分驾驶员的驾驶总时间，j为大于1的整数；或
采用公式S＝[∑(STOT)j*sj]/D计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，sj为待评分驾驶员驾驶j车辆的里程，D为待评分驾驶员的驾驶总里程，j为大于1的整数。
优选的，所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的一项或多项；所述面部行为数据包括驾驶员情绪信息、驾驶专注度信息，以及不良驾驶习惯信息中的任意一项或任意多项。
进一步地，所述装置还包括：
第一分类模块，用于根据驾驶员标识和车辆的识别码对车辆行驶数据进行分类，得到各驾驶员对应的特定车辆的车辆行驶数据。
第二分类模块，用于根据驾驶员标识和车辆的识别码对驾驶员的面部行为数据进行分类，得到各驾驶员驾驶特定车辆时对应的面部行为数据。
进一步地，所述装置还包括：
保存模块，用于将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中。
示例性地，所述保存模块包括：
第一上传单元，用于通过远程通信模块将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台；或者
第二上传单元，用于通过近程通信设备将各驾驶员对应的车辆行驶数据和面部行为数据上传至移动终端，以使所述移动终端将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台。
本发明实施例提供的驾驶行为评分方法，通过根据待评分驾驶员的标识获取车辆行驶数据和面部行为数据，得到专属于所述待评分驾驶员的车辆行驶数据以及相应的面部行为数据，然后根据所述车辆行驶数据和面部行为数据对所述待评分驾驶员进行评分。实现了当同一车辆被不同驾驶员驾驶过时，针对不同驾驶员的驾驶行为评分。
附图说明
图1是本发明实施例一提供的一种驾驶行为评分方法流程示意图；
图2是本发明实施例二提供的一种驾驶行为评分方法流程示意图；
图3是本发明实施例三提供的一种驾驶行为评分方法流程示意图；
图4是本发明实施例四提供的一种驾驶行为评分方法流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各项步骤的顺序可以被重新安排。当其步骤完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种驾驶行为评分方法的流程图，本实施例可适用于根据专属于每一个待评分驾驶员的车辆行驶数据进行针对不同驾驶员的驾驶行为评分的情况，该方法可以由驾驶行为评分装置来执行。该装置可通过硬件和/或软件的方式实现。该方法具体包括：
S110、根据待评分驾驶员的标识获取对应该驾驶员的车辆行驶数据。
其中，所述待评分驾驶员的标识包括以下至少一种：待评分驾驶员的人脸、待评分驾驶员的指纹和待评分驾驶员的身份标识。所述身份标识具体可为所述待评分驾驶员的注册信息、编码或身份证号等，所述身份标识可以通过交管局获取；所述待评分驾驶员的人脸可以通过车载摄像头或摄像机获得，进而还可以通过已有人脸识别模型识别每个驾驶员特有的身份识别号，以区分不同的驾驶员。
优选的，所述车辆行驶数据可以包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的一项或多项，例如车辆急加速次数、急减速次数、超速次数、急转弯次数、急刹车次数；还可以包括跟车距离、车辆故障、驾驶时段、驾驶里程、故障码、违章类别和次数、历史维修保养记录等信息，如上所述信息可以通过车载诊断***或者车载总线或者全球定位模块等方式采集得到并保存在云平台以备调用，有些信息可能存储在本地数据库中，例如急加速次数或者急减速次数等，那么这些信息可以通过远程通信模块上传到云平台，或者通过近程通信设备传送给移动终端，再由移动终端上传到互联网云平台；所述移动终端设备包括但不限于智能手机和平板电脑。
需要说明的是，因为每一辆车很可能会被不同的驾驶员驾驶，同样的，每一个驾驶员也很可能会驾驶不同的车辆，因此，在对待评分驾驶员进行评分之前，需要根据待评分驾驶员的标识获取属于所述待评分驾驶员的车辆行驶数据，不能单纯地以某一辆车的所有行驶数据为评分依据，基于某一车辆的所有行驶数据对待评分驾驶员进行评分的结果是不准确的。
本发明实施例中所述的车辆可以为自驾车或出租车等。
S120、根据待评分驾驶员的标识获取所述待评分驾驶员驾驶车辆时的面部行为数据。
优选的，所述面部行为数据可以包括驾驶员情绪信息和/或驾驶专注度信息，所述驾驶员情绪信息具体可以是愤怒、悲伤、高兴、厌恶、疲倦等，所述驾驶专注度信息具体可以表现在驾驶员的眼睛开度、面部朝向的三维向量或者视线朝向的三维向量等；所述的面部行为数据可以通过现有的人脸识别模型进行识别，模型的输入为驾驶员的面部图像数据，输出可以为表征驾驶员情绪的数值，或者表征驾驶员专注度的数据。
示例性地，所述面部行为数据还可以包括驾驶员的不良驾驶习惯类别和次数，例如驾驶过程中打哈欠的次数，疲劳驾驶的次数等。
S130、根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分。
根据所述车辆行驶数据对所述待评分驾驶员进行评分的规则有很多种，例如可以是通过分析每一项车辆行驶数据对安全驾驶的影响，基于每一项车辆行驶数据对驾驶行为进行评分，例如每个驾驶周期内驾驶员的评分初始值为100分，当出现一次跟车很近不注意保持车距的行为时，扣除1分，当出现一次超速行驶行为时扣除5分等，最终的得分为该驾驶周期内所述驾驶员的评分，其中一个驾驶周期可以是指从车辆启动到车辆熄火。对于对应多个驾驶周期的多个评分结果可以进行求平均值作为该驾驶员的最终评分分数，当然还可以是其他的评分规则，本发明实施例不对其进行限定。因为驾驶员的面部行为数据一定程度地反映了驾驶员在驾驶过程中的精神状态，如果驾驶员的精神状态良好，比如专注度高，不疲劳，情绪没有大波动等则可以认为驾驶员的驾驶行为好，此时的评分应当高一些，反之，则评分应当低一些。因此通过结合所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分，使得评分结果更加精确。
本发明实施例提供的驾驶行为评分方法，通过根据待评分驾驶员的标识获取车辆行驶数据和面部行为数据，得到专属于所述待评分驾驶员的车辆行驶数据以及相应的面部行为数据，然后根据所述车辆行驶数据和面部行为数据对所述待评分驾驶员进行评分。实现了当同一车辆被不同驾驶员驾驶过时，针对不同驾驶员的驾驶行为评分。
实施例二
图2为本发明实施例二提供的一种驾驶行为评分方法的流程示意图，在上述实施例的基础上，本实施例对S130根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分进行了进一步优化，这样优化的好处是可以准确地对待评分驾驶员进行评分
具体参见图2所示，该方法具体包括：
S310、根据待评分驾驶员的标识获取对应该驾驶员的车辆行驶数据。
S320、根据待评分驾驶员的标识获取所述待评分驾驶员驾驶车辆时的面部行为数据。
S330、根据所述车辆行驶数据确定所述待评分驾驶员的驾驶行为得分。
优选的，所述驾驶行为得分大于等于0且小于等于100。根据所述车辆行驶数据确定所述待评分驾驶员的驾驶行为得分的具体规则可以参考本发明实施例一中的S120的解释说明，本发明实施例不对其进行限定。
S340、根据所述面部行为数据确定所述待评分驾驶员的面部行为得分。
示例性地，上述步骤具体可以采用公式STF＝∑NiSi计算得到所述待评分驾驶员的面部行为得分，其中，STF为所述待评分驾驶员的面部行为得分，Ni为加权因子，可以根据面部行为对安全驾驶的影响进行调整，典型的，Ni为0到1之间的小数；每个参与评分的面部行为都有一个初始设定的目标值，在一个驾驶周期中面部行为识别模型实时地输出一定的数值，不断地去接近所述初始设定的目标值，Si为第i个驾驶周期中面部行为由初始值达到目标值的累计时间占驾驶周期的百分比，都输出i为大于等于1的整数。
S350、根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分。
与步骤S340相应地，根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分，包括：
采用公式STOT＝NTSTF+(1-NT)STV计算得到所述待评分驾驶员的驾驶行为评分，其中，STOT为所述待评分驾驶员的驾驶行为评分，NT为动态加权因子，STF为面部行为得分，STV为驾驶行为得分。
需要说明的是，上述评分STOT为基于同一个驾驶员驾驶同一辆车的车辆行驶数据和面部行为数据进行评分得到的，但是同一个驾驶员可能驾驶过很多辆车，同时同一辆车也可能被多个驾驶员驾驶过，所以对于同一个待评分的驾驶员来说，会得到很多个评分STδT，因此，示例性地，当所述待评分驾驶员对应的车辆行驶数据和面部行为数据来自多个车辆时，所述根据所述面部行为数据确定所述待评分驾驶员的面部行为得分，包括：
采用公式S＝[∑(STOT)j*tj]/T计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，tj为待评分驾驶员驾驶j车辆的时间，T为待评分驾驶员的驾驶总时间，j为大于1的整数；或
采用公式S＝[∑(STOT)j*sj]/D计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，sj为待评分驾驶员驾驶j车辆的里程，D为待评分驾驶员的驾驶总里程，j为大于1的整数。
同样的道理，当同一辆车被多个驾驶员驾驶过时，若想得到这一辆车的一个驾驶行为评分的时候，也可以采用上述算法进行计算，对应的，采用公式S＝[∑(STOT)j*tj]/T计算时，S为所述车辆的总驾驶行为评分，(STOT)j为驾驶员j驾驶所述车辆时对应的驾驶行为评分，tj为驾驶员j驾驶所述车辆的时间，T为所述车辆被驾驶的总时间；或采用公式S＝[∑(STOT)j*sj]/D计算时，S为所述车辆的总驾驶行为评分，(STOT)j为驾驶员j驾驶所述车辆时对应的驾驶行为评分，sj为驾驶员j驾驶所述车辆的里程，D为所述车辆被驾驶的总里程。
本实施例提供的驾驶行为评分方法，在上述实施例的基础上，通过获取所述待评分驾驶员驾驶车辆时的面部行为数据，进而根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分，实现了从多方面对待评分驾驶员的驾驶行为进行评分，进而使得最终的评分结果更加精确，更加具有针对性。
实施例三
图3为本发明实施例三提供的一种驾驶行为评分方法的流程示意图，本实施例可适用于同一车辆被多个驾驶员驾驶的情况，在上述实施例的基础上，本实施例增加了对来自多个驾驶员的车辆行驶数据和面部行为数据的分类，这样优化的好处是可以快速地得到每个驾驶员对应的车辆行驶数据和面部行为数据，具体参见图3所示，该方法具体包括：
S410a、根据驾驶员标识和车辆的识别码对车辆行驶数据进行分类，得到各驾驶员对应的特定车辆的车辆行驶数据。
S410b、根据驾驶员标识和车辆的识别码对驾驶员的面部行为数据进行分类，得到各驾驶员驾驶特定车辆时对应的面部行为数据。
S420a、根据所述车辆行驶数据确定所述待评分驾驶员的驾驶行为得分。
S420b、根据所述面部行为数据确定所述待评分驾驶员的面部行为得分。
S430、根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分。本实施例提供的驾驶行为评分方法，在上述实施例的基础上，通过对来自多个驾驶员的车辆行驶数据和面部行为数据进行分类，得到了各驾驶员对应的车辆行驶数据和面部行为数据，进而分别对所述待评分驾驶员对应的车辆行驶数据和面部行为数据进行打分，得到驾驶行为得分和面部行为得分，最后根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分，实现了从多方面对待评分驾驶员的驾驶行为进行评分，进而使得最终的评分结果更加精确，更加具有针对性。
进一步地，在上述各实施例的技术方案的基础上，所述方法还可以包括：将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中。
优选的，将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中，可以包括：
通过远程通信模块将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台；
或者通过近程通信设备将各驾驶员对应的车辆行驶数据和面部行为数据上传至移动终端，以使所述移动终端将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台。
实施例四
在上述实施例的基础上，图4为本发明实施例四提供的一种驾驶行为评分装置的结构示意图。参见图4所示，该装置具体包括：第一获取模块510、第二获取模块520和评分模块530，其中，第一获取模块510用于根据待评分驾驶员的标识获取对应该驾驶员的车辆行驶数据；第二获取模块520用于根据待评分驾驶员的标识获取所述待评分驾驶员驾驶车辆时的面部行为数据；评分模块530用于根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分。
示例性地，评分模块530可以包括：
第一确定单元，用于根据所述车辆行驶数据确定所述待评分驾驶员的驾驶行为得分；第二确定单元，用于根据所述面部行为数据确定所述待评分驾驶员的面部行为得分；评分单元，用于根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分。
优选的，所述驾驶行为得分大于等于0且小于等于100。
进一步地，所述第二确定单元具体可以用于：
采用公式STF＝∑NiSi计算得到所述待评分驾驶员的面部行为得分，其中，STF为所述待评分驾驶员的面部行为得分，Ni为加权因子，Si为第i个驾驶周期中面部行为由初始值达到目标值的累计时间占驾驶周期的百分比，i为大于等于1的整数；
相应地，评分单元具体可以用于：
采用公式STOT＝NTSTF＋(1-NT)STV计算得到所述待评分驾驶员的驾驶行为评分，其中，STOT为所述待评分驾驶员的驾驶行为评分，NT为动态加权因子，STF为面部行为得分，STV为驾驶行为得分。
进一步地，当所述待评分驾驶员对应的车辆行驶数据和面部行为数据来自多个车辆时，所述第二确定单元具体可以用于：
采用公式S＝[∑(STOT)j*tj]/T计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，tj为待评分驾驶员驾驶j车辆的时间，T为待评分驾驶员的驾驶总时间，j为大于1的整数；或
采用公式S＝[∑(STOT)j*sj]/D计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，sj为待评分驾驶员驾驶j车辆的里程，D为待评分驾驶员的驾驶总里程，j为大于1的整数。
优选的，所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的一项或多项；所述面部行为数据包括驾驶员情绪信息和/或驾驶专注度信息。
进一步地，所述装置还可以包括：
第一分类模块，用于根据驾驶员标识和车辆的识别码对车辆行驶数据进行分类，得到各驾驶员对应的特定车辆的车辆行驶数据。进一步地，所述装置还可以包括：
第二分类模块，用于根据驾驶员标识和车辆的识别码对驾驶员的面部行为数据进行分类，得到各驾驶员驾驶特定车辆时对应的面部行为数据。
进一步地，所述装置还可以包括：
保存模块，用于将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中。
示例性地，所述保存模块可以包括：
第一上传单元，用于通过远程通信模块将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台；或者
第二上传单元，用于通过近程通信设备将各驾驶员对应的车辆行驶数据和面部行为数据上传至移动终端，以使所述移动终端将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台。
本发明实施例提供的驾驶行为评分装置，通过根据待评分驾驶员的标识获取车辆行驶数据和面部行为数据，得到专属于所述待评分驾驶员的车辆行驶数据以及相应的面部行为数据，然后根据所述车辆行驶数据和面部行为数据对所述待评分驾驶员进行评分。实现了当同一车辆被不同驾驶员驾驶过时，针对不同驾驶员的驾驶行为评分。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (18)
1.一种驾驶行为评分方法，其特征在于，包括：
根据待评分驾驶员的标识获取对应该驾驶员的车辆行驶数据；
根据待评分驾驶员的标识获取所述待评分驾驶员驾驶车辆时的面部行为数据；
根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分。
2.根据权利要求1所述的方法，其特征在于，根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分，还包括：
根据所述车辆行驶数据确定所述待评分驾驶员的驾驶行为得分；
根据所述面部行为数据确定所述待评分驾驶员的面部行为得分；
根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分。
3.根据权利要求2所述的方法，其特征在于，根据所述面部行为数据确定所述待评分驾驶员的面部行为得分，包括：
采用公式STF＝∑NiSi计算得到所述待评分驾驶员的面部行为得分，其中，STF为所述待评分驾驶员的面部行为得分，Ni为加权因子，Si为第i个驾驶周期中面部行为由初始值达到目标值的累计时间占驾驶周期的百分比，i为大于等于1的整数；
相应的，根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分，包括：
采用公式STOT＝NTSTF+(1-NT)STV计算得到所述待评分驾驶员的驾驶行为评分，其中，STOT为所述待评分驾驶员的驾驶行为评分，NT为动态加权因子，STF为面部行为得分，STV为驾驶行为得分。
4.根据权利要求3所述的方法，其特征在于，当所述待评分驾驶员对应的车辆行驶数据和面部行为数据来自多个车辆时，所述根据所述面部行为数据确定所述待评分驾驶员的面部行为得分，包括：
采用公式S＝[∑(STOT)j*tj]/T计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，tj为待评分驾驶员驾驶j车辆的时间，T为待评分驾驶员的驾驶总时间，j为大于1的整数；或
采用公式S＝[∑(STOT)j*sj]/D计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，sj为待评分驾驶员驾驶j车辆的里程，D为待评分驾驶员的驾驶总里程，j为大于1的整数。
5.根据权利要求1～4任一项所述的方法，其特征在于：
所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的任意一项或任意多项；
所述面部行为数据包括驾驶员情绪信息、驾驶专注度信息，以及不良驾驶习惯信息中的任意一项或任意多项。
6.根据权利要求1～4任一项所述的方法，其特征在于，还包括：
根据驾驶员标识和车辆的识别码对车辆行驶数据进行分类，得到各驾驶员对应的特定车辆的车辆行驶数据。
7.根据权利要求1～4任一项所述的方法，其特征在于，还包括：
根据驾驶员标识和车辆的识别码对驾驶员的面部行为数据进行分类，得到各驾驶员驾驶特定车辆时对应的面部行为数据。
8.根据权利要求1～4任一项所述的方法，其特征在于，还包括：
将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中。
9.根据权利要求8所述的方法，其特征在于，将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中，包括：
通过远程通信模块将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台；
或者通过近程通信设备将各驾驶员对应的车辆行驶数据和面部行为数据上传至移动终端，以使所述移动终端将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台。
10.一种驾驶行为评分装置，其特征在于，包括：
第一获取模块，用于根据待评分驾驶员的标识获取对应该驾驶员的车辆行驶数据；
第二获取模块，用于根据待评分驾驶员的标识获取所述待评分驾驶员驾驶车辆时的面部行为数据；
评分模块，用于根据所述车辆行驶数据和所述面部行为数据对所述待评分驾驶员进行评分。
11.根据权利要求10所述的装置，其特征在于，所述评分模块包括：
第一确定单元，用于根据所述车辆行驶数据确定所述待评分驾驶员的驾驶行为得分；
第二确定单元，用于根据所述面部行为数据确定所述待评分驾驶员的面部行为得分；
评分单元，用于根据所述驾驶行为得分和面部行为得分确定所述待评分驾驶员的驾驶行为评分。
12.根据权利要求11所述的装置，其特征在于，所述第二确定单元具体用于：
采用公式STF＝∑NiSi计算得到所述待评分驾驶员的面部行为得分，其中，STF为所述待评分驾驶员的面部行为得分，Ni为加权因子，Si为第i个驾驶周期中面部行为由初始值达到目标值的累计时间占驾驶周期的百分比，i为大于等于1的整数；
相应地，评分单元具体用于：
采用公式STOT＝NTSTF+(1-NT)STV计算得到所述待评分驾驶员的驾驶行为评分，其中，STOT为所述待评分驾驶员的驾驶行为评分，NT为动态加权因子，STF为面部行为得分，STV为驾驶行为得分。
13.根据权利要求12所述的装置，其特征在于，当所述待评分驾驶员对应的车辆行驶数据和面部行为数据来自多个车辆时，所述第二确定单元具体用于：
采用公式S＝[∑(STOT)j*tj]/T计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，tj为待评分驾驶员驾驶j车辆的时间，T为待评分驾驶员的驾驶总时间，j为大于1的整数；或
采用公式S＝[∑(STOT)j*sj]/D计算得到所述待评分驾驶员的驾驶行为评分，其中，S为所述待评分驾驶员的总驾驶行为评分，(STOT)j为待评分驾驶员驾驶j车辆时对应的驾驶行为评分，sj为待评分驾驶员驾驶j车辆的里程，D为待评分驾驶员的驾驶总里程，j为大于1的整数。
14.根据权利要求10-13任一项所述的装置，其特征在于，
所述车辆行驶数据包括车辆速度信息、车辆转向信息、车辆位置信息和车辆制动信息中的任意一项或任意多项；
所述面部行为数据包括驾驶员情绪信息、驾驶专注度信息以及不良驾驶习惯信息中的任意一项或任意多项。
15.根据权利要求10-13任一项所述的装置，其特征在于，还包括：
第一分类模块，用于根据驾驶员标识和车辆的识别码对车辆行驶数据进行分类，得到各驾驶员对应的特定车辆的车辆行驶数据。
16.根据权利要求10-13任一项所述的装置，其特征在于，还包括：
第二分类模块，用于根据驾驶员标识和车辆的识别码对驾驶员的面部行为数据进行分类，得到各驾驶员驾驶特定车辆时对应的面部行为数据。
17.根据权利要求10～13任一项所述的装置，其特征在于，还包括：
保存模块，用于将各驾驶员对应的车辆行驶数据和面部行为数据保存在云平台中。
18.根据权利要求17所述的装置，其特征在于，所述保存模块包括：
第一上传单元，用于通过远程通信模块将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台；或者
第二上传单元，用于通过近程通信设备将各驾驶员对应的车辆行驶数据和面部行为数据上传至移动终端，以使所述移动终端将各驾驶员对应的车辆行驶数据和面部行为数据上传至云平台。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610228071.6A CN105930771A (zh) | 2016-04-13 | 2016-04-13 | 一种驾驶行为评分方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610228071.6A CN105930771A (zh) | 2016-04-13 | 2016-04-13 | 一种驾驶行为评分方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105930771A true CN105930771A (zh) | 2016-09-07 |
Family
ID=56837961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610228071.6A Pending CN105930771A (zh) | 2016-04-13 | 2016-04-13 | 一种驾驶行为评分方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105930771A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107038860A (zh) * | 2016-11-18 | 2017-08-11 | 杭州好好开车科技有限公司 | 一种基于adas技术及回归模型的用户驾驶行为评分方法 |
| CN107749008A (zh) * | 2017-11-08 | 2018-03-02 | 广东翼卡车联网服务有限公司 | 基于驾驶行为评分领取奖励的方法、存储设备及车载终端 |
| CN108009475A (zh) * | 2017-11-03 | 2018-05-08 | 东软集团股份有限公司 | 驾驶行为分析方法、装置、计算机可读存储介质及电子设备 |
| CN108492469A (zh) * | 2018-02-09 | 2018-09-04 | 中云开源数据技术（上海）有限公司 | 一种机动车分时租赁***及其控制方法 |
| CN109033332A (zh) * | 2018-07-20 | 2018-12-18 | 汉纳森（厦门）数据股份有限公司 | 驾驶行为分析方法、介质及*** |
| CN109767020A (zh) * | 2018-12-17 | 2019-05-17 | 中国平安财产保险股份有限公司 | 车辆推荐方法、装置、计算机设备和存储介质 |
| WO2020015526A1 (zh) * | 2018-07-19 | 2020-01-23 | 众安信息技术服务有限公司 | 驾驶行为评分方法及装置 |
| CN110992193A (zh) * | 2019-11-25 | 2020-04-10 | 泰康保险集团股份有限公司 | 一种车辆保费计算*** |
| CN111144706A (zh) * | 2019-12-05 | 2020-05-12 | 东南大学 | 一种网约车驾驶员评分和类别划分方法 |
| CN111260482A (zh) * | 2018-12-03 | 2020-06-09 | 丰田自动车株式会社 | 信息处理***、程序和控制方法 |
| CN111332313A (zh) * | 2020-02-24 | 2020-06-26 | 重庆众鸿科技有限公司 | 一种车辆驾驶安全预警控制方法及*** |
| WO2021063005A1 (zh) * | 2019-09-30 | 2021-04-08 | 上海商汤临港智能科技有限公司 | 驾驶数据分析方法、装置、电子设备和计算机存储介质 |
| CN113415286A (zh) * | 2021-07-14 | 2021-09-21 | 重庆金康赛力斯新能源汽车设计院有限公司 | 路怒检测方法和设备 |
| CN109767020B (zh) * | 2018-12-17 | 2024-07-02 | 中国平安财产保险股份有限公司 | 车辆推荐方法、装置、计算机设备和存储介质 |
-
2016
- 2016-04-13 CN CN201610228071.6A patent/CN105930771A/zh active Pending
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107038860A (zh) * | 2016-11-18 | 2017-08-11 | 杭州好好开车科技有限公司 | 一种基于adas技术及回归模型的用户驾驶行为评分方法 |
| CN107038860B (zh) * | 2016-11-18 | 2019-07-23 | 杭州好好开车科技有限公司 | 一种基于adas技术及回归模型的用户驾驶行为评分方法 |
| CN108009475A (zh) * | 2017-11-03 | 2018-05-08 | 东软集团股份有限公司 | 驾驶行为分析方法、装置、计算机可读存储介质及电子设备 |
| US10896626B2 (en) | 2017-11-03 | 2021-01-19 | Neusoft Corporation | Method, computer readable storage medium and electronic equipment for analyzing driving behavior |
| CN107749008A (zh) * | 2017-11-08 | 2018-03-02 | 广东翼卡车联网服务有限公司 | 基于驾驶行为评分领取奖励的方法、存储设备及车载终端 |
| CN108492469A (zh) * | 2018-02-09 | 2018-09-04 | 中云开源数据技术（上海）有限公司 | 一种机动车分时租赁***及其控制方法 |
| WO2020015526A1 (zh) * | 2018-07-19 | 2020-01-23 | 众安信息技术服务有限公司 | 驾驶行为评分方法及装置 |
| CN109033332A (zh) * | 2018-07-20 | 2018-12-18 | 汉纳森（厦门）数据股份有限公司 | 驾驶行为分析方法、介质及*** |
| CN111260482A (zh) * | 2018-12-03 | 2020-06-09 | 丰田自动车株式会社 | 信息处理***、程序和控制方法 |
| CN111260482B (zh) * | 2018-12-03 | 2023-09-22 | 丰田自动车株式会社 | 信息处理终端、计算机可读存储介质和控制方法 |
| CN109767020A (zh) * | 2018-12-17 | 2019-05-17 | 中国平安财产保险股份有限公司 | 车辆推荐方法、装置、计算机设备和存储介质 |
| CN109767020B (zh) * | 2018-12-17 | 2024-07-02 | 中国平安财产保险股份有限公司 | 车辆推荐方法、装置、计算机设备和存储介质 |
| WO2021063005A1 (zh) * | 2019-09-30 | 2021-04-08 | 上海商汤临港智能科技有限公司 | 驾驶数据分析方法、装置、电子设备和计算机存储介质 |
| CN110992193A (zh) * | 2019-11-25 | 2020-04-10 | 泰康保险集团股份有限公司 | 一种车辆保费计算*** |
| CN110992193B (zh) * | 2019-11-25 | 2023-05-16 | 泰康保险集团股份有限公司 | 一种车辆保费计算*** |
| CN111144706A (zh) * | 2019-12-05 | 2020-05-12 | 东南大学 | 一种网约车驾驶员评分和类别划分方法 |
| CN111332313A (zh) * | 2020-02-24 | 2020-06-26 | 重庆众鸿科技有限公司 | 一种车辆驾驶安全预警控制方法及*** |
| CN113415286A (zh) * | 2021-07-14 | 2021-09-21 | 重庆金康赛力斯新能源汽车设计院有限公司 | 路怒检测方法和设备 |
| CN113415286B (zh) * | 2021-07-14 | 2022-09-16 | 重庆金康赛力斯新能源汽车设计院有限公司 | 路怒检测方法和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105930771A (zh) | 一种驾驶行为评分方法及装置 | |
| CN104599545B (zh) | 用于行车过程中的行车状态监测方法、装置和导航设备 | |
| CN109118055A (zh) | 一种驾驶行为评分方法及装置 | |
| CN108446824A (zh) | 一种驾驶行为的风险评估方法、装置、设备及存储介质 | |
| US9477989B2 (en) | Method and apparatus of determining relative driving characteristics using vehicular participative sensing systems | |
| US11645518B2 (en) | Multi-agent simulations | |
| CN109670970A (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
| CN110143202A (zh) | 一种危险驾驶识别与预警方法及*** | |
| CN108305524A (zh) | 基于驾驶模拟平台的沉浸式驾驶行为矫正方法和*** | |
| WO2017021318A1 (de) | Vorrichtung, fahrzeug, verfahren und computerprogramm zur berechnung zumindest eines video- oder steuersignals | |
| Alamri et al. | An effective bio-signal-based driver behavior monitoring system using a generalized deep learning approach | |
| CN111105110A (zh) | 驾驶风险确定方法、装置、介质和计算设备 | |
| CN109583781A (zh) | 评估方法、无人机管理方法及电子设备 | |
| Vilaca et al. | Systematic literature review on driving behavior | |
| CN106203296A (zh) | 一种属性辅助的视频动作识别方法 | |
| WO2020058006A1 (de) | Verfahren zum klassifizieren einer fahraufgabenfremden aktivität eines fahrers hinsichtlich einer unterbrechbarkeit der fahraufgabenfremden aktivität bei einer übernahmeaufforderung der fahraufgabe und verfahren zur wiederfreigabe einer fahraufgabenfremden aktivität nach einer unterbrechung der fahraufgabenfremden aktivität aufgrund einer übernahmeaufforderung der fahraufgabe | |
| Wang et al. | SafeDrive: A new model for driving risk analysis based on crash avoidance | |
| CN109515315A (zh) | 一种无人驾驶车辆内物体识别方法、***、终端和存储介质 | |
| CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
| Dia et al. | Artificial intelligence tests for certification of autonomous vehicles | |
| CN115114786B (zh) | 一种用于交通流仿真模型的评估方法、***和存储介质 | |
| CN113095584B (zh) | 一种基于交通流特征的交叉口安全水平短时预测方法、***、终端及可读存储介质 | |
| DE102018113518A1 (de) | Fahrzeugfahrer-Arbeitsbelastungsmanagement | |
| CN113415292A (zh) | 一种驾驶接管能力评估方法及电子装置 | |
| Jones | When AI Rules the World: China, the US, and the Race to Control a Smart Planet |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180129 Address after: 100025 Beijing city Chaoyang District Yaojieyuan Road No. 105, No. 3 Building 8 layer 909 Applicant after: Music Automotive (Beijing) Co., Ltd. Address before: 100025 Beijing city Chaoyang District Yaojieyuan Road No. 105, No. 3 Building 10 layer 1102 Applicant before: Music Holdings (Beijing) Limited Applicant before: Smart car technology (Beijing) Co., Ltd. |
|
| TA01 | Transfer of patent application right |
Effective date of registration: 20180727 Address after: 511458 9, Nansha District Beach Road, Guangzhou, Guangdong, 9 Applicant after: Rui Chi intelligent automobile (Guangzhou) Co., Ltd. Address before: 100025 8 floor 909, 105 building 3, Yao Yuan Road, Chaoyang District, Beijing. Applicant before: Music Automotive (Beijing) Co., Ltd. |
|
| TA01 | Transfer of patent application right | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 511458 9, Nansha District Beach Road, Guangzhou, Guangdong, 9 Applicant after: Hengda Faraday future intelligent vehicle (Guangdong) Co., Ltd. Address before: 511458 9, Nansha District Beach Road, Guangzhou, Guangdong, 9 Applicant before: Rui Chi intelligent automobile (Guangzhou) Co., Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190327 Address after: 100015 Building No. 7, 74, Jiuxianqiao North Road, Chaoyang District, Beijing, 001 Applicant after: FAFA Automobile (China) Co., Ltd. Address before: 511458 9, Nansha District Beach Road, Guangzhou, Guangdong, 9 Applicant before: Hengda Faraday future intelligent vehicle (Guangdong) Co., Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160907 |