CN106126960A - 驾驶安全评估方法及装置 - Google Patents
驾驶安全评估方法及装置 Download PDFInfo
- Publication number
- CN106126960A CN106126960A CN201610586266.8A CN201610586266A CN106126960A CN 106126960 A CN106126960 A CN 106126960A CN 201610586266 A CN201610586266 A CN 201610586266A CN 106126960 A CN106126960 A CN 106126960A
- Authority
- CN
- China
- Prior art keywords
- driving
- data
- driver
- current
- score
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提出一种驾驶安全评估方法及装置,其中,驾驶安全评估方法包括:获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。通过本申请提供的驾驶安全评估方法及装置,实现了根据驾驶员的各种个人信息,对驾驶员当前的驾驶安全进行可靠评估,使得评估结果更准确,从而为驾驶员的安全驾驶提供了参考和指导,可以有效的改善交通安全。
Description
技术领域
本申请涉及交通技术领域,尤其涉及一种驾驶安全评估方法及装置。
背景技术
随着经济的发展和社会的进步,车辆保有量也在逐渐递增,与之同步递增还包括人们的亚健康情况。
通常,驾驶员的个人健康不仅关系个人及家庭的幸福,同样影响着社会公共安全。实际驾驶过程中,驾驶员的驾驶技术及身体状况、心理状态对驾驶安全都有重大的影响。因此如何根据驾驶员的个体因素,对驾驶安全性进行准确评估,已成为当今研究的热点。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种驾驶安全评估方法,该方法实现了根据驾驶员的各种个人信息,对驾驶员当前的驾驶安全进行可靠评估,使得评估结果更准确,从而为驾驶员的安全驾驶提供了参考和指导,可以有效的改善交通安全。
本申请的第二个目的在于提出一种驾驶安全评估装置。
为达上述目的,本申请第一方面实施例提出了一种驾驶安全评估方法,包括:
获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;
根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;
根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。
本申请实施例的驾驶安全评估方法,首先获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;然后根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;再根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。由此,实现了根据驾驶员的各种个人信息,对驾驶员当前的驾驶安全进行可靠评估,使得评估结果更准确,从而为驾驶员的安全驾驶提供了参考和指导,可以有效的改善交通安全。
为达上述目的,本申请第二方面实施例提出了一种驾驶安全评估装置,包括:
获取模块,用于获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;
第一确定模块,用于根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;
第二确定模块,用于根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。
本申请实施例的驾驶安全评估装置,首先获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;然后根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;再根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。由此,实现了根据驾驶员的各种个人信息,对驾驶员当前的驾驶安全进行可靠评估,使得评估结果更准确,从而为驾驶员的安全驾驶提供了参考和指导,可以有效的改善交通安全。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请一个实施例的驾驶安全评估方法的流程图;
图2是本申请另一个实施例的驾驶安全评估方法的流程图;
图3是本申请一个实施例的驾驶安全评估装置的结构示意图;
图4是本申请另一个实施例的驾驶安全评估装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的驾驶安全评估方法及装置。
图1是本申请一个实施例的驾驶安全评估方法的流程图。
如图1所示,该驾驶安全评估方法包括:
步骤101,获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据。
具体的,本申请实施例提供的驾驶安全评估方法的执行主体为驾驶安全评估装置,该装置可以被配置在任何可与车辆通信的终端设备中,或者直接设置在车辆的控制***中。
其中,基本数据主要包括:驾驶员的性别、年龄、身高、体重、视力等;健康数据主要包括:血压、血糖、近期患病情况、近期服药情况,其中,“近期”对应的时间可以根据需要选择,比如选择一周、10天、半个月或一个月等;情绪数据主要用于表征驾驶员的情绪状态,比如紧张、愤怒、抑郁、精力、疲劳、慌乱等;驾驶数据主要包括:驾龄、驾驶里程等,其中,驾驶里程可以是驾驶员总的驾驶里程,也可以指驾驶员每天的驾驶里程,本实施例对此不作限定。
另外,驾驶数据中,还可以包括驾驶员违章行驶或出现交通事故的次数,比如驾驶员闯红灯的次数、驾驶员超速行驶的次数等。
具体而言,驾驶安全评估装置,可以通过多种方式获取驾驶员的个人信息数据。即上述步骤101,包括:通过手动录入、物联网采集、应用追踪或者车辆网采集中的至少一种方式,获取驾驶员最新的个人信息数据,从而使得获得的驾驶员的个人信息更全面,使得根据获得的信息对驾驶员进行分析后的结果更准确。
举例来说,可以通过车辆网获取驾驶员的驾龄、总驾驶里程、平均每天的驾驶里程等驾驶数据;或者通过物联网,获取驾驶员最近的医疗信息,比如驾驶员的血压、血糖、最近一周、10天或者1个月内的患病信息、最近一周、10天或者1个月内的用药情况等健康数据;由驾驶员主动录入、或通过对驾驶员使用的应用进行追踪,获取驾驶员的性别、年龄、身高、体重、视力等基本数据;通过对驾驶员参与的情绪问卷调查或者测试等,获取驾驶员的情绪数据,比如驾驶员是否紧张、愤怒、抑郁、疲劳或者慌乱等。
步骤102,根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格。
在实际驾驶过程中,驾驶员的年龄、性别、血压、是否患病、情绪及驾龄等都会影响驾驶的安全性,因此,本申请实施例中,根据驾驶员的基本数据、健康数据、情绪数据及驾驶数据确定驾驶员当前的驾驶情况。
具体的,可以根据C=l×B+m×H+n×P+k×D,确定所述驾驶员当前的驾驶风险得分。
其中,C为驾驶风险得分,B为基本数据对应的分值,H为健康数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,l、m、n、k分别为比例常数。
需要说明的是,由于每种数据中包括多项指标,每项指标对该类数据的分值影响不同,因此各个数据对应的分值,需要根据该类数据中包括的各个指标的大小及对应的权重确定。
举例来说,基本数据对应的分值B,可以由下式确定:
B=a1×b1+a2×b2+……+an×bn
其中,ai表示基本数据指标中第i个指标bi的权重系数,各个权重系数可以在0到1之间取值,且根据bi对驾驶安全的影响大小确定,举例来说,对于年龄这一指标,年龄值太小或者太大,可能都会影响驾驶的安全性,相应的不同的年龄值则可对应不同的值;而对于性别而言,则可以是不同的性别对应不同的权重系数,且对于性别这项指标而言,可以设置不同的性别对应的b的大小不同,比如若性别为第1个指标,性别为女时,b1=4、5、6或7等,性别为男时,b1=5、6、7、或8等等,本实施例对此不作限定。
比如,若性别对应的权重系数为0.3,年龄对应的权重系数为0.5,身高对应的权重系数为0.1、体重对应的权重系数为0.2,视力对应的权重系数为0.7,且驾驶员年龄在18-40岁时,对应的b值为10,驾驶员年龄在16-18岁时,对应的b值为8,驾驶员年龄在41-50岁时,对应的b值为7,驾驶员年龄在50-55岁时,对应的b值为6;驾驶员性别为女时,对应的b值为4,驾驶员性别为男时,对应的b值为6;驾驶员身高低于1.5米时,对应的b值为4,驾驶员身高高于1.5米且低于1.6米时,对应的b值为6,驾驶员身高高于1.6米且低于1.7米时,对应的b值为7,驾驶员身高高于1.7米且低于1.8米时,对应的b值为7;驾驶员体重低于50公斤(Kg)时,对应的b值为4,驾驶员体重高于50公斤(Kg),低于75kg时,对应的b值为7;驾驶员视力正常时,对应的b值为9,驾驶员视力在1.2-1.5之间时,对应的b值为7,驾驶员视力在1.0-1.2之间时,对应的b值为6,驾驶员视力小于1.0时,对应的b值为4。
那么在收到一个驾驶员的基本数据包括:36岁、男、体重70kg,身高1.75m,视力1.2时,即可根据上述公式,确定该驾驶员的基本数据分为:
B=0.5×10+0.3×6+0.2×7+0.1×7+0.7×7=13.8
其他类数据对应的分值,也可以采用与上述基本数据对应的分值相似的方式确定。
需要说明的是,可以为驾驶风险得分划分不同的区间,对应不同的驾驶状态区间,比如,驾驶风险得分在81分~100分时,表示驾驶状态区间为:适宜驾驶;驾驶风险得分在61分~80分时,表示驾驶状态区间为:需要改善;驾驶风险得分在31分~60分时,表示驾驶状态区间为:危险驾驶;驾驶风险得分在0分~30分时,表示驾驶状态区间为:不适宜驾驶等。
另外,驾驶风格可以通过以下方式确定:
获取预设的N种驾驶风格分别对应的N组比例常数的集合;
根据Si=ji×B+fi×P+ti×D,依次确定N种驾驶风格下,所述驾驶员当前的N个得分,其中,Si为第i种驾驶风格的得分,B为基本数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,ji、fi、ti分别为第i组比例常数集合中的元素,i为大于等于1,且小于等于N的整数;
根据所述N种驾驶风格下,所述驾驶员当前的得分,,确定所述驾驶员当前的驾驶风格。
其中,驾驶风格主要包括:冒险型、愤怒性、焦虑型、稳妥型等等,对每种驾驶风格而言,影响其的因素不同,且每种因素对该类风格的影响大小也不同,因此本实施例中,可以预先设置各种因素对每种驾驶风的影响系数,即预先设置各种驾驶风格分别对应的比例常数集合,从而采用不同的比例常数集合,即可确定驾驶员不同驾驶风格的得分。
举例来说,冒险型驾驶风格对应的比例常数的集合可以为{0.6、0.5、0.4}、愤怒型驾驶风格对应的比例常数的集合可以为{0.6、0.7、0.2}、稳妥型驾驶风格对应的比例常数的集合可以为{0.6、0.3、0.7}等等,从而在确定驾驶员当前的基本数据对应的分值B、情绪数据对应的分值P及驾驶数据对应的分值D后,再选择各种驾驶风格对应的比例常数的集合,即可得到各种驾驶风格下,驾驶员的得分。
另外,需要说明的是,情绪数据中的不同指标,可能对不同的驾驶风格影响较大,比如,对于冒险型驾驶风格而言,其情绪中的“精力”指标对该类型的驾驶风格影响可能较大,从而在确定冒险型驾驶风格中的情绪得分时,可以为“精力”指标分配较大的权重系数,而对于愤怒型驾驶风格而言,其情绪中的“愤怒”指标对该类型的驾驶风格影响可能较大,从而在确定愤怒型驾驶风格中的情绪得分时,可以为“愤怒”指标分配较大的权重系数。即对于不同的驾驶风格,其中的情绪数据的得分可以采用不同的比例常数得到。
通过上述分析可知,在确定驾驶员的驾驶风险得分及各驾驶风格下的得分时,可以为不同的数据指标,分配不同的比例常数,不仅使得对驾驶员评估的角度多元化,而且根据各个角度对驾驶员影响的大小,采用不同的系数来对驾驶员进行评估,进一步提高了评估结果的准确性和可靠性。
进一步地,在确定各类驾驶风格的得分后,即可根据各类驾驶风格的得分,确定驾驶员当前偏向的驾驶风格。比如,将所述N种驾驶风格下,所述驾驶员当前的得分中最高得分对应的驾驶风格,确定为所述驾驶员当前的驾驶风格。
举例来说,若通过计算确定,驾驶员当前的愤怒型驾驶风格得分为60分,冒险型驾驶风格得分为40分,焦虑型驾驶风格得分为50分,稳妥型驾驶风格得分为20分,则可以确定得分最高的驾驶风格为驾驶员当前的驾驶风格。由于得分最高的驾驶风格,更能反映驾驶员当前最倾向的状态,从而使对驾驶员的评估更准确。
步骤103,根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。
具体的,驾驶安全评估装置中可以提前预置驾驶风险得分及驾驶风格与驾驶安全等级的映射关系,之后,在确定了当前的驾驶风险得分及驾驶风格后,即可通过查询预设的映射关系,即可确定当前的驾驶安全等级,进而为驾驶员的安全驾驶提供指导。
举例来说,驾驶风险得分为81分~100分、且驾驶风格为稳妥型时,对应的驾驶安全等级为安全;驾驶风险得分为81分~100分、且驾驶风格为焦虑型时,对应的驾驶安全等级为一般安全;驾驶风险得分为61分~80分、且驾驶风格为焦虑型时,对应的驾驶安全等级为有一定安全隐患;驾驶风险得分为61分~80分、且驾驶风格为冒险型时,对应的驾驶安全等级为不安全;驾驶风险得分为31分~60分、且驾驶风格为冒险型时,对应的驾驶安全等级为非常不安全;驾驶风险得分为31分~60分、且驾驶风格为愤怒型时,对应的驾驶安全等级为危险等。那么若驾驶安全评估装置根据驾驶员的个人信息,确定驾驶员的驾驶风险得分为61分~80分、且驾驶风格为焦虑型时,即可通过查询预设的映射关系,确定该驾驶员当前的驾驶安全等级为有一定安全隐患。进而可为用户提供一定的驾驶安全改善建议。
本申请实施例的驾驶安全评估方法,首先获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;然后根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;再根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。由此,实现了根据驾驶员的各种个人信息,对驾驶员当前的驾驶安全进行可靠评估,使得评估结果更准确,从而为驾驶员的安全驾驶提供了参考和指导,可以有效的改善交通安全。
图2是本申请另一个实施例的驾驶安全评估方法的流程图。
如图2所示,该驾驶安全评估方法可以包括以下步骤:
步骤201,通过手动录入、物联网采集、应用追踪或者车辆网采集中的至少一种方式,获取驾驶员最新的个人信息数据。
步骤202,根据C=l×B+m×H+n×P+k×D,确定所述驾驶员当前的驾驶风险得分。
其中,C为驾驶风险得分,B为基本数据对应的分值,H为健康数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,l、m、n、k分别为比例常数。
步骤203,获取预设的N种驾驶风格分别对应的N组比例常数的集合。
步骤204,根据Si=ji×B+fi×P+ti×D,依次确定N种驾驶风格下,所述驾驶员的N个得分。
其中,Si为第i种驾驶风格的得分,B为基本数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,ji、fi、ti为第i组比例常数集合中的元素,i为大于等于1,且小于等于N的整数;
步骤205,将所述N种驾驶风格下,所述驾驶员当前的得分中最高得分对应的驾驶风格,确定为所述驾驶员当前的驾驶风格。
步骤206,根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。
步骤207,根据预设的规则,向驾驶员发送与所述当前的驾驶风险得分及驾驶风格对应的驾驶提醒消息。
具体的,驾驶安全评估装置中,可以提前预置驾驶提醒消息与驾驶风险得分及驾驶风格的映射关系,从而在根据驾驶员的个人信息,确定驾驶员当前的驾驶安全等级后,即可根据驾驶员当前的驾驶安全等级,为驾驶员推送不同的提醒消息。
举例来说,若确定驾驶员的驾驶风格为“抑郁型”,且根据驾驶风险得分确定风险较大,则可以提醒驾驶员近期要注意放松、多运动、参加朋友聚会或者多观看喜剧节目等,来适当调节心情;或者,若确定驾驶员的驾驶风格为“冒险型”,则可以提醒驾驶员增加与家人相处的时间等。
需要说明的是,驾驶安全评估装置也可以根据驾驶员的性别、年龄、驾龄、BMI指数(体重(kg)÷身高^2(m))差异,为驾驶员推送不同的注意事项,比如,确定驾驶员近期有患病或用药记录,则可以为驾驶员推送患病、用药期间注意事项;或者确定驾驶员近期情绪数据较差,则可以为驾驶员推送负面情绪改善建议;或者,确定驾驶员驾驶风格有问题,则可以为驾驶员推送驾驶改善建议等。
本申请实施例的驾驶安全评估方法,首先通过手动录入、物联网采集、应用追踪或者车辆网采集中的至少一种方式,获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;然后根据预设的运算方式,根据所述基本数据、健康数据、情绪数据及驾驶数据分别确定所述驾驶员当前的驾驶风险得分及驾驶风格;再根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级,然后向驾驶员发送驾驶提醒消息。由此,通过多种方式获取驾驶员的个人信息,并根据驾驶员的各种个人信息,采用不同的角度、对驾驶员当前的驾驶安全进行可靠评估,使得评估结果更准确,从而为驾驶员的安全驾驶提供了参考和指导,可以有效的改善交通安全。
为了实现上述实施例,本申请还提出一种驾驶安全评估装置。
图3是本申请一个实施例的驾驶安全评估装置的结构示意图。
如图3所示,该驾驶安全评估装置,包括:
获取模块31,用于获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;
第一确定模块32,用于根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;
第二确定模块33,用于根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。
具体的,本申请实施例提供的驾驶安全评估装置,用于执行上述实施例提供的驾驶安全评估方法。
其中,所述获取模块31,具体用于:
通过手动录入、物联网采集、应用追踪或者车辆网采集中的至少一种方式,获取驾驶员最新的个人信息数据。
进一步地,所述第一确定模块32,具体用于:
根据C=l×B+m×H+n×P+k×D,确定所述驾驶员当前的驾驶风险得分;
其中,C为驾驶风险得分,B为基本数据对应的分值,H为健康数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,l、m、n、k分别为比例常数。
在本实施例一种可能的实现形式中,所述第一确定模块32,还具体用于:
获取预设的N种驾驶风格分别对应的N组比例常数的集合;
根据Si=ji×B+fi×P+ti×D,依次确定N种驾驶风格下,所述驾驶员的N个得分,其中,Si为第i种驾驶风格的得分,B为基本数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,ji、fi、ti分别为第i组比例常数集合中的元素,i为大于等于1,且小于等于N的整数;
根据所述驾驶员当前的各种驾驶风格的得分,确定所述驾驶员当前的驾驶风格。
进一步地,上述第一确定模块,具体用于:
将所述N种驾驶风格下,所述驾驶员当前的得分中最高得分对应的驾驶风格,确定为所述驾驶员当前的驾驶风格。
需要说明的是,上述实施例提供的驾驶安全评估方法的说明,也适用于该实施例提供的驾驶安全评估装置,此处不再赘述。
本申请实施例的驾驶安全评估装置,首先获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;然后根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;再根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。由此,实现了根据驾驶员的各种个人信息,对驾驶员当前的驾驶安全进行可靠评估,使得评估结果更准确,从而为驾驶员的安全驾驶提供了参考和指导,可以有效的改善交通安全。
图4是本申请另一个实施例的驾驶安全评估装置的结构图。
如图4所示,在上述图3所示的基础上,该驾驶安全评估装置,还包括:
发送模块41,用于根据预设的规则,向驾驶员发送与所述当前的驾驶风险得分及驾驶风格对应的驾驶提醒消息。
具体的,驾驶安全评估装置中,可以提前预置驾驶提醒消息与驾驶风险得分及驾驶风格的映射关系,从而在根据驾驶员的个人信息,确定驾驶员当前的驾驶安全等级后,即可根据驾驶员当前的驾驶安全等级,为驾驶员推送不同的提醒消息。
举例来说,若确定驾驶员的驾驶风格为“抑郁型”,且根据驾驶风险得分确定风险较大,则可以提醒驾驶员近期要注意放松、多运动、参加朋友聚会或者多观看喜剧节目等,来适当调节心情;或者,若确定驾驶员的驾驶风格为“冒险型”,则可以提醒驾驶员增加与家人相处的时间等。
需要说明的是,驾驶安全评估装置也可以根据驾驶员的性别、年龄、驾龄、BMI指数(体重(kg)÷身高^2(m))差异,为驾驶员推送不同的注意事项,比如,确定驾驶员近期有患病或用药记录,则可以为驾驶员推送患病、用药期间注意事项;或者确定驾驶员近期情绪数据较差,则可以为驾驶员推送负面情绪改善建议;或者,确定驾驶员驾驶风格有问题,则可以为驾驶员推送驾驶改善建议等。
本申请实施例的驾驶安全评估方法,首先通过手动录入、物联网采集、应用追踪或者车辆网采集中的至少一种方式,获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;然后根据预设的运算方式,根据所述基本数据、健康数据、情绪数据及驾驶数据分别确定所述驾驶员当前的驾驶风险得分及驾驶风格;再根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级,然后向驾驶员发送驾驶提醒消息。由此,通过多种方式获取驾驶员的个人信息,并根据驾驶员的各种个人信息,采用不同角度、对驾驶员当前的驾驶安全进行可靠评估,使得评估结果更准确,从而为驾驶员的安全驾驶提供了参考和指导,可以有效的改善交通安全。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种驾驶安全评估方法,其特征在于,包括以下步骤:
获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;
根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;
根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。
2.如权利要求1所述的方法,其特征在于,所述根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分,包括:
根据C=l×B+m×H+n×P+k×D,确定所述驾驶员当前的驾驶风险得分;
其中,C为驾驶风险得分,B为基本数据对应的分值,H为健康数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,l、m、n、k分别为比例常数。
3.如权利要求1所述的方法,其特征在于,所述根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风格,包括:
获取预设的N种驾驶风格分别对应的N组比例常数的集合;
根据Si=ji×B+fi×P+ti×D,依次确定N种驾驶风格下,所述驾驶员当前的N个得分,其中,Si为第i种驾驶风格的得分,B为基本数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,ji、fi、ti为第i组比例常数集合中的元素,i为大于等于1,且小于等于N的整数;
根据所述N种驾驶风格下,所述驾驶员当前的得分,确定所述驾驶员当前的驾驶风格。
4.如权利要求3所述的方法,其特征在于,所述根据所述N种驾驶风格下,所述驾驶员当前的得分,确定所述驾驶员当前的驾驶风格,包括:
将所述N种驾驶风格下,所述驾驶员当前的得分中最高得分对应的驾驶风格,确定为所述驾驶员当前的驾驶风格。
5.如权利要求1-4任一所述的方法,其特征在于,所述根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级之后,还包括:
根据预设的规则,向驾驶员发送与所述当前的驾驶风险得分及驾驶风格对应的驾驶提醒消息。
6.如权利要求1-4任一所述的方法,其特征在于,所述获取驾驶员最新的个人信息数据,包括:
通过手动录入、物联网采集、应用追踪或者车辆网采集中的至少一种方式,获取驾驶员最新的个人信息数据。
7.一种驾驶安全评估装置,其特征在于,包括:
获取模块,用于获取驾驶员最新的个人信息数据,所述个人信息数据包括:基本数据、健康数据、情绪数据及驾驶数据;
第一确定模块,用于根据所述基本数据、健康数据、情绪数据及驾驶数据确定所述驾驶员当前的驾驶风险得分及驾驶风格;
第二确定模块,用于根据所述当前的驾驶风险得分及驾驶风格,确定所述驾驶员当前的驾驶安全等级。
8.如权利要求7所述的装置,其特征在于,所述第一确定模块,具体用于:
根据C=l×B+m×H+n×P+k×D,确定所述驾驶员当前的驾驶风险得分;
其中,C为驾驶风险得分,B为基本数据对应的分值,H为健康数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,l、m、n、k分别为比例常数。
9.如权利要求7所述的装置,其特征在于,所述第一确定模块,具体用于:
获取预设的N种驾驶风格分别对应的N组比例常数的集合;
根据Si=ji×B+fi×P+ti×D,依次确定N种驾驶风格下,所述驾驶员当前的N个得分,其中,Si为第i种驾驶风格的得分,B为基本数据对应的分值,P为情绪数据对应的分值,D为驾驶数据对应的分值,ji、fi、ti分别为第i组比例常数集合中的元素,i为大于等于1,且小于等于N的整数;
根据所述N种驾驶风格下,所述驾驶员当前的得分,确定所述驾驶员当前的驾驶风格。
10.如权利要求9所述的方法,其特征在于,所述第一确定模块,具体用于:
将所述N种驾驶风格下,所述驾驶员当前的得分中最高得分对应的驾驶风格,确定为所述驾驶员当前的驾驶风格。
11.如权利要求7-10任一所述的装置,其特征在于,还包括:
发送模块,用于根据预设的规则,向驾驶员发送与所述当前的驾驶风险得分及驾驶风格对应的驾驶提醒消息。
12.如权利要求7-10任一所述的装置,其特征在于,所述获取模块,具体用于:
通过手动录入、物联网采集、应用追踪或者车辆网采集中的至少一种方式,获取驾驶员最新的个人信息数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610586266.8A CN106126960A (zh) | 2016-07-25 | 2016-07-25 | 驾驶安全评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610586266.8A CN106126960A (zh) | 2016-07-25 | 2016-07-25 | 驾驶安全评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106126960A true CN106126960A (zh) | 2016-11-16 |
Family
ID=57289394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610586266.8A Pending CN106126960A (zh) | 2016-07-25 | 2016-07-25 | 驾驶安全评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126960A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530712A (zh) * | 2016-12-16 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 通过大数据预估行车伤亡事故率的***及方法 |
CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
CN106952002A (zh) * | 2017-04-05 | 2017-07-14 | 南京人人保网络技术有限公司 | 基于驾驶行为的驾驶风险评估方法及装置 |
CN109784188A (zh) * | 2018-12-18 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 驾驶疲劳度评价方法、装置、计算机设备和存储介质 |
WO2019137373A1 (zh) * | 2018-01-10 | 2019-07-18 | 华为技术有限公司 | 自动驾驶轨迹获取方法及装置 |
CN110816542A (zh) * | 2018-07-23 | 2020-02-21 | 罗伯特·博世有限公司 | 提供驾驶员帮助的方法 |
CN110875937A (zh) * | 2018-08-31 | 2020-03-10 | 北京嘀嘀无限科技发展有限公司 | 一种信息推送方法和*** |
WO2020108219A1 (zh) * | 2018-11-30 | 2020-06-04 | 江苏智通交通科技有限公司 | 基于交通安全风险的群体划分与差异性分析方法及*** |
CN113222458A (zh) * | 2021-05-31 | 2021-08-06 | 上海工程技术大学 | 一种城市轨道交通驾驶员安全风险测评模型及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1873722A (zh) * | 2006-04-07 | 2006-12-06 | 中山大学 | 一种汽车驾驶安全警示*** |
CN101030316A (zh) * | 2007-04-17 | 2007-09-05 | 北京中星微电子有限公司 | 一种汽车安全驾驶监控***和方法 |
CN101236695A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微***所分中心 | 基于车载传感器网络的驾驶员状态评估*** |
CN101593425A (zh) * | 2009-05-06 | 2009-12-02 | 深圳市汉华安道科技有限责任公司 | 一种基于机器视觉的疲劳驾驶监控方法及*** |
CN101756705A (zh) * | 2008-11-14 | 2010-06-30 | 北京宣爱智能模拟技术有限公司 | 一种驾驶事故倾向性测试***及方法 |
US9183176B2 (en) * | 2012-04-25 | 2015-11-10 | Electronics And Telecommunications Research Institute | Method and apparatus for providing driver-customized vehicle service |
-
2016
- 2016-07-25 CN CN201610586266.8A patent/CN106126960A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1873722A (zh) * | 2006-04-07 | 2006-12-06 | 中山大学 | 一种汽车驾驶安全警示*** |
CN101030316A (zh) * | 2007-04-17 | 2007-09-05 | 北京中星微电子有限公司 | 一种汽车安全驾驶监控***和方法 |
CN101236695A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微***所分中心 | 基于车载传感器网络的驾驶员状态评估*** |
CN101756705A (zh) * | 2008-11-14 | 2010-06-30 | 北京宣爱智能模拟技术有限公司 | 一种驾驶事故倾向性测试***及方法 |
CN101593425A (zh) * | 2009-05-06 | 2009-12-02 | 深圳市汉华安道科技有限责任公司 | 一种基于机器视觉的疲劳驾驶监控方法及*** |
US9183176B2 (en) * | 2012-04-25 | 2015-11-10 | Electronics And Telecommunications Research Institute | Method and apparatus for providing driver-customized vehicle service |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
CN106530712A (zh) * | 2016-12-16 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 通过大数据预估行车伤亡事故率的***及方法 |
CN106530712B (zh) * | 2016-12-16 | 2019-09-13 | 上海斐讯数据通信技术有限公司 | 通过大数据预估行车伤亡事故率的***及方法 |
CN106952002A (zh) * | 2017-04-05 | 2017-07-14 | 南京人人保网络技术有限公司 | 基于驾驶行为的驾驶风险评估方法及装置 |
WO2019137373A1 (zh) * | 2018-01-10 | 2019-07-18 | 华为技术有限公司 | 自动驾驶轨迹获取方法及装置 |
CN110816542A (zh) * | 2018-07-23 | 2020-02-21 | 罗伯特·博世有限公司 | 提供驾驶员帮助的方法 |
CN110875937A (zh) * | 2018-08-31 | 2020-03-10 | 北京嘀嘀无限科技发展有限公司 | 一种信息推送方法和*** |
WO2020108219A1 (zh) * | 2018-11-30 | 2020-06-04 | 江苏智通交通科技有限公司 | 基于交通安全风险的群体划分与差异性分析方法及*** |
CN109784188A (zh) * | 2018-12-18 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 驾驶疲劳度评价方法、装置、计算机设备和存储介质 |
CN113222458A (zh) * | 2021-05-31 | 2021-08-06 | 上海工程技术大学 | 一种城市轨道交通驾驶员安全风险测评模型及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106126960A (zh) | 驾驶安全评估方法及装置 | |
Hudson et al. | Foreign policy analysis: classic and contemporary theory | |
Bitkina et al. | Identifying traffic context using driving stress: A longitudinal preliminary case study | |
Lyu et al. | Driver’s cognitive workload and driving performance under traffic sign information exposure in complex environments: A case study of the highways in China | |
Li et al. | Estimating driver’s lane-change intent considering driving style and contextual traffic | |
Rauh et al. | Understanding the impact of electric vehicle driving experience on range anxiety | |
McCosker et al. | How performance analysis of elite long jumping can inform representative training design through identification of key constraints on competitive behaviours | |
Cao et al. | Framing effect in the trolley problem and footbridge dilemma: Number of saved lives matters | |
Wang et al. | Human-like lane change decision model for autonomous vehicles that considers the risk perception of drivers in mixed traffic | |
Barrett et al. | Can the ABILHAND handle manual ability in MS? | |
Xu et al. | An overview of eco-driving theory, capability evaluation, and training applications | |
Osborne et al. | Bloodstain pattern classification: Accuracy, effect of contextual information and the role of analyst characteristics | |
Feldstein | Impending collision judgment from an egocentric perspective in real and virtual environments: a review | |
Sysoev et al. | Estimation of the driving style based on the users’ activity and environment influence | |
Qin et al. | Influence of vehicle speed on the characteristics of driver’s eye movement at a highway tunnel entrance during day and night conditions: A pilot study | |
Almadi et al. | A fuzzy-logic approach based on driver decision-making behavior modeling and simulation | |
Liu et al. | Differences in driving intention transitions caused by driver’s emotion evolutions | |
Zontone et al. | Stress evaluation in simulated autonomous and manual driving through the analysis of skin potential response and electrocardiogram signals | |
Sannino et al. | A wellness mobile application for smart health: Pilot study design and results | |
Philipsen et al. | Under pressure—Users’ perception of range stress in the context of charging and traditional refueling | |
Poliak et al. | Driver response time and age impact on the reaction time of drivers: a driving simulator study among professional-truck drivers | |
Campos-Ferreira et al. | Vehicle and driver monitoring system using on-board and remote sensors | |
Hamidi Rad et al. | SmartSwim, a novel IMU-based coaching assistance | |
Xue et al. | Young novice drivers’ cognitive distraction detection: Comparing support vector machines and random forest model of vehicle control behavior | |
Lea | Digitizing Diagnosis: Medicine, Minds, and Machines in Twentieth-century America |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |
|
RJ01 | Rejection of invention patent application after publication |