CN106249619B - 一种基于LabVIEW-Matlab驾驶员风格识别与反馈***及方法 - Google Patents
一种基于LabVIEW-Matlab驾驶员风格识别与反馈***及方法 Download PDFInfo
- Publication number
- CN106249619B CN106249619B CN201610852480.3A CN201610852480A CN106249619B CN 106249619 B CN106249619 B CN 106249619B CN 201610852480 A CN201610852480 A CN 201610852480A CN 106249619 B CN106249619 B CN 106249619B
- Authority
- CN
- China
- Prior art keywords
- labview
- pedal
- speed
- matlab
- driver
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于LabVIEW‑Matlab驾驶员风格识别与反馈***及方法,包括传感器模块、信号输入电路、信号调理电路、单片机MCU***、串行接口模块、LabVIEW数据采集与处理***、通讯模块、Matlab数据分析***。本发明可以对驾驶员的驾驶风格进行精确识别和反馈。
Description
技术领域
本发明涉及驾驶员行为分析领域,特别是一种基于LabVIEW-Matlab驾驶员风格识别与反馈***及方法。
背景技术
驾驶风格指一个人选择驾驶车辆的方式或***,对驾驶速度、行车间距的选择等;驾驶风格受到同驾驶有关的态度和信念的影响,也受到驾驶员的一般需要水平和价值观的影响。因此驾驶员的驾驶风格对于车辆的燃油经济性会产生很大的影响,驾驶员的驾驶风格大体上可以划分为三个类型:激进型、标准型、保守型。激进型的驾驶员对加速踏板和制动踏板的幅度大;标准型风格的驾驶员对于制动踏板和加速踏板的使用更为合理;保守型的驾驶员对于加速踏板和制动踏板的使用较小,速度较慢。驾驶员的驾驶风格不是固定不变的,会受到诸多因素的影响,如情绪、天气、身体状态等。同时这种影响会决定驾驶员在某段时间内倾向于某种驾驶风格。由此可把驾驶员的驾驶风格看为一种瞬态行为,分析发现不同的驾驶风格均存在与之相对应的最佳的能量分配策略,最佳的能量分配下的功率分配方式为当前驾驶风格下的最优功率分配方式,按照该分配方式可使得电动汽车达到提高燃油经济性的目的。综上所述,需要一种可以对驾驶员的驾驶风格进行精确快速识别和反馈的***。
发明内容
有鉴于此,本发明的目的是提出一种基于LabVIEW-Matlab驾驶员风格识别与反馈***及方法,可以对驾驶员的驾驶风格进行精确识别和反馈。
本发明的***采用以下方案实现:一种基于LabVIEW-Matlab驾驶员风格识别与反馈***,包括传感器模块、信号输入电路、信号调理电路、单片机MCU***、串行接口模块、LabVIEW数据采集与处理***、通讯模块、Matlab数据分析***;所述传感器模块采集对车辆的车速和踏板信号进行采集,采集结果一次经过所述信号输入电路、信号调理电路处理后进入所述单片机MCU***,所述单片机MCU***将采集结果转为数字量并通过所述串行接口模块传递至所述LabVIEW数据采集与处理***进行处理,所述LabVIEW数据采集与处理***对接收的数据进行计算与显示,得到8个工况识别特征参数值:平均车速车速标准差Sv、最高车速vmax、平均加速度加速度标准差Sa、最大加速度amax、踏板平均开度踏板开度标准差Sλ,并将8个特征参数值通过所述通讯模块传递至所述Matlab数据分析***,所述Matlab数据分析***以BP神经网络作为核心对工况识别特征参数值进行工况识别,进而实时判断出当前工况下驾驶员的驾驶风格,并将分析判断的结果传递回所述LabVIEW数据采集与处理***进行显示。
进一步地,所述车况采集模块包括车速传感器、转速传感器、加速踏板位置传感器、制动踏板位置传感器、档位开关、刹车开关、启动开关。
进一步地,所述信号输入电路包括模拟信号输入电路与开关信号输入电路,所述模拟信号输入电路与车速传感器、转速传感器、加速踏板位置传感器、制动踏板位置传感器电性相连,所述开关信号输入电路与档位开关、刹车开关、启动开关电性相连。
进一步地,所述LabVIEW数据采集与处理***包括主程序界面模块、实时监视模块、数据分析模块;所述实时监视模块包括通讯子模块、故障显示子模块、文件储存子模块、显示子模块;所述数据分析模块包括车速分析子模块、踏板位置分析子模块、文件检索子模块、文件读取子模块、数据回显子模块。
本发明还提供了一种基于上文所述的基于LabVIEW-Matlab驾驶员风格识别与反馈***的方法,具体包括以下步骤:
步骤S1:传感器模块实时获取车速和踏板信号,并将采集回来的车速、加速踏板和制动踏板的位置信号经过信号调理电路调理后传递给单片机MCU***;
步骤S2:所述单片机MCU***把经过放大调理后的模拟量转化为数字量,并通过所述串行接口模块将数字量数据传送到PC机,使用LabVIEW数据采集与处理***进行数据的接收与处理;
步骤S3:LabVIEW数据采集与处理***的实时监视模块对车速信号以及加速踏板和制动踏板的位置信号进行提取、分类、计算,然后通过数据分析模块对车速和踏板信号进行初步的分析处理,计算出当前时刻ti进行工况识别的8个特征参数值:平均车速车速标准差Sv、最高车速vmax、平均加速度加速度标准差Sa、最大加速度amax、踏板平均开度踏板开度标准差Sλ;在主界面显示的同时,将上述8个特征参数值通过通讯模块传递到Matlab数据分析***;
步骤S4:所述Matlab数据分析***首先以拥堵工况、城市工况、郊区工况、高速工况四种工况作为样本对BP神经网络进行训练,同时确定在四种不同工况下标准型驾驶风格识别系数的上下临界值,然后运用训练好的BP神经网络对特征参数值进行工况识别,识别出该时刻车辆所处的工况类别,根据驾驶风格识别系数计算公式得到该时刻的驾驶风格识别系数,与该时刻所处工况的标准型驾驶风格系数进行比较,大于其上界值得为激进型,小于其下界值得为保守型;
其中,所述驾驶风格识别系数计算公式为:
其中,Kdrive为驾驶风格识别系数,w1与w2表示权重,Sa表示驾驶员风格识别周期内加速度的标准差;表示驾驶员风格识别周期内驾驶员所在的工况类别的平均加速度;Sλ表示驾驶员风格识别周期内踏板踏板变化率的标准差;表示驾驶员风格识别周期内驾驶员所在的工况类别踏板的平均开度;
步骤S5:所述Matlab数据分析***将结果通过通讯模块返回给LabVIEW数据采集与处理***,在主界面进行显示。
与现有技术相比,本发明有以下有益效果:本发明通过传感器实时获取车辆状态信息和踏板状态信息,然后通过调理电路对传感器信号进行调理,并在单片机的MCU***,通过AD信号采集器将模拟信号转化为数字信号,运用基于labview-Matlab所设计的驾驶员风格识别与反馈***对车辆信号进行实时的传递、处理、分析、显示。本发明综合运用labview和Matlab使得信号的传递和处理效率更高更准确,从而能够方便、快速、准确的识别实时的工况信息,进而判断驾驶员的驾驶风格信息。以便可以根据不同驾驶风格制定不同的能量分配方式,按照该分配方式达到提高燃油经济性的目的。同时该***在通过MATLAB进行信号分析和处理时运用了BP神经网络算法,该算法的特点是具有自学功能,联想储存功能以及高速寻优能力。这使得本发明在进行驾驶员的风格识别时的效率和准确性大大提升。
附图说明
图1为本发明实施例中的***原理框图。
图2为本发明实施例中LabVIEW数据采集与处理***结构示意图。
图3为本发明实施例中的方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1、图2以及图3所示,本实施例提供了一种基于LabVIEW-Matlab驾驶员风格识别与反馈***,包括传感器模块、信号输入电路、信号调理电路、单片机MCU***、串行接口模块、LabVIEW数据采集与处理***、通讯模块、Matlab数据分析***;所述传感器模块采集对车辆的车速和踏板信号进行采集,采集结果一次经过所述信号输入电路、信号调理电路处理后进入所述单片机MCU***,所述单片机MCU***将采集结果转为数字量并通过所述串行接口模块传递至所述LabVIEW数据采集与处理***进行处理,所述LabVIEW数据采集与处理***对接收的数据进行计算与显示,得到8个工况识别特征参数值:平均车速车速标准差Sv、最高车速vmax、平均加速度加速度标准差Sa、最大加速度amax、踏板平均开度踏板开度标准差Sλ,并将8个特征参数值通过所述通讯模块传递至所述Matlab数据分析***,所述Matlab数据分析***以BP神经网络作为核心对工况识别特征参数值进行工况识别,进而实时判断出当前工况下驾驶员的驾驶风格,并将分析判断的结果传递回所述LabVIEW数据采集与处理***进行显示。
在本实施例中,所述车况采集模块包括车速传感器、转速传感器、加速踏板位置传感器、制动踏板位置传感器、档位开关、刹车开关、启动开关。
在本实施例中,所述信号输入电路包括模拟信号输入电路与开关信号输入电路,所述模拟信号输入电路与车速传感器、转速传感器、加速踏板位置传感器、制动踏板位置传感器电性相连,所述开关信号输入电路与档位开关、刹车开关、启动开关电性相连。
在本实施例中,所述LabVIEW数据采集与处理***包括主程序界面模块、实时监视模块、数据分析模块;所述实时监视模块包括通讯子模块、故障显示子模块、文件储存子模块、显示子模块;所述数据分析模块包括车速分析子模块、踏板位置分析子模块、文件检索子模块、文件读取子模块、数据回显子模块。
本实施例还提供了一种基于上文所述的基于LabVIEW-Matlab驾驶员风格识别与反馈***的方法,具体包括以下步骤:
步骤S1:传感器模块实时获取车速和踏板信号,并将采集回来的车速、加速踏板和制动踏板的位置信号经过信号调理电路调理后传递给单片机MCU***;
步骤S2:所述单片机MCU***把经过放大调理后的模拟量转化为数字量,并通过所述串行接口模块将数字量数据传送到PC机,使用LabVIEW数据采集与处理***进行数据的接收与处理;
步骤S3:LabVIEW数据采集与处理***的实时监视模块对车速信号以及加速踏板和制动踏板的位置信号进行提取、分类、计算,然后通过数据分析模块对车速和踏板信号进行初步的分析处理,计算出当前时刻ti进行工况识别的8个特征参数值:平均车速车速标准差Sv、最高车速vmax、平均加速度加速度标准差Sa、最大加速度amax、踏板平均开度踏板开度标准差Sλ;在主界面显示的同时,将上述8个特征参数值通过通讯模块传递到Matlab数据分析***;
步骤S4:所述Matlab数据分析***首先以拥堵工况、城市工况、郊区工况、高速工况四种工况作为样本对BP神经网络进行训练,同时确定在四种不同工况下标准型驾驶风格识别系数的上下临界值,然后运用训练好的BP神经网络对特征参数值进行工况识别,识别出该时刻车辆所处的工况类别,根据驾驶风格识别系数计算公式得到该时刻的驾驶风格识别系数,与该时刻所处工况的标准型驾驶风格系数进行比较,大于其上界值得为激进型,小于其下界值得为保守型;
其中,所述驾驶风格识别系数计算公式为:
其中,Kdrive为驾驶风格识别系数,w1与w2表示权重,Sa表示驾驶员风格识别周期内加速度的标准差;表示驾驶员风格识别周期内驾驶员所在的工况类别的平均加速度;Sλ表示驾驶员风格识别周期内踏板踏板变化率的标准差;表示驾驶员风格识别周期内驾驶员所在的工况类别踏板的平均开度;
步骤S5:所述Matlab数据分析***将结果通过通讯模块返回给LabVIEW数据采集与处理***,在主界面进行显示。
在本实施例中,数据分析模块是labview数据采集与处理***的核心,主要对车速和踏板信息进行计算、处理、分析,主要包括数据回显子模块、文件读取子模块、文件检索子模块以及车速和踏板位置分析子模块;主界面其功能主要用于动态调用监视模块和数据分析模块并且可以终止和退labview数据采集与处理***。
在本实施例中,所述Matlab数据分析***是以BP神经网络作为核心用于对labview数据采集与处理***传输过来的工况识别特征参数数据进行工况识别,进而能够实时判断出该工况下驾驶员的驾驶风格,并将分析判断的结果传递回labview***进行显示。所述的BP神经网络是用于对驾驶员风格进行精确识别的算法。驾驶员对加速踏板及制动踏板的使用主要受到当前的行驶工况所影响,因此在进行驾驶员的驾驶风格识别时需要与工况识别相结合才更切合实际。根据行驶工况数据分析车辆行驶状况,将行驶工况分为四种类型:拥堵工况、城市工况、郊区工况、高速工况。所述的BP神经网络以上述四种工况为训练样本,并同时确定驾驶风格识别系数。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (4)
1.一种基于LabVIEW-Matlab驾驶员风格识别与反馈***,其特征在于:包括传感器模块、信号输入电路、信号调理电路、单片机MCU***、串行接口模块、LabVIEW数据采集与处理***、通讯模块、Matlab数据分析***;所述传感器模块采集对车辆的车速和踏板信号进行采集,采集结果一次经过所述信号输入电路、信号调理电路处理后进入所述单片机MCU***,所述单片机MCU***将采集结果转为数字量并通过所述串行接口模块传递至所述LabVIEW数据采集与处理***进行处理,所述LabVIEW数据采集与处理***对接收的数据进行计算与显示,得到8个工况识别特征参数值:平均车速车速标准差Sv、最高车速vmax、平均加速度加速度标准差Sa、最大加速度amax、踏板平均开度踏板开度标准差Sλ,并将8个特征参数值通过所述通讯模块传递至所述Matlab数据分析***,所述Matlab数据分析***以BP神经网络作为核心对工况识别特征参数值进行工况识别,进而实时判断出当前工况下驾驶员的驾驶风格,并将分析判断的结果传递回所述LabVIEW数据采集与处理***进行显示;
其中,所述基于LabVIEW-Matlab驾驶员风格识别与反馈***包括以下步骤:
步骤S1:传感器模块实时获取车速和踏板信号,并将采集回来的车速、加速踏板和制动踏板的位置信号经过信号调理电路调理后传递给单片机MCU***;
步骤S2:所述单片机MCU***把经过放大调理后的模拟量转化为数字量,并通过所述串行接口模块将数字量数据传送到PC机,使用LabVIEW数据采集与处理***进行数据的接收与处理;
步骤S3:LabVIEW数据采集与处理***的实时监视模块对车速信号以及加速踏板和制动踏板的位置信号进行提取、分类、计算,然后通过数据分析模块对车速和踏板信号进行初步的分析处理,计算出当前时刻ti进行工况识别的8个特征参数值:平均车速车速标准差Sv、最高车速vmax、平均加速度加速度标准差Sa、最大加速度amax、踏板平均开度踏板开度标准差Sλ;在主界面显示的同时,将上述8个特征参数值通过通讯模块传递到Matlab数据分析***;
步骤S4:所述Matlab数据分析***首先以拥堵工况、城市工况、郊区工况、高速工况四种工况作为样本对BP神经网络进行训练,同时确定在四种不同工况下标准型驾驶风格识别系数的上下临界值,然后运用训练好的BP神经网络对特征参数值进行工况识别,识别出该时刻车辆所处的工况类别,根据驾驶风格识别系数计算公式得到该时刻的驾驶风格识别系数,与该时刻所处工况的标准型驾驶风格系数进行比较,大于其上界值得为激进型,小于其下界值得为保守型;
其中,所述驾驶风格识别系数计算公式为:
其中,Kdrive为驾驶风格识别系数,w1与w2表示权重,Sa表示驾驶员风格识别周期内加速度的标准差;表示驾驶员风格识别周期内驾驶员所在的工况类别的平均加速度;Sλ表示驾驶员风格识别周期内踏板踏板变化率的标准差;表示驾驶员风格识别周期内驾驶员所在的工况类别踏板的平均开度;
步骤S5:所述Matlab数据分析***将结果通过通讯模块返回给LabVIEW数据采集与处理***,在主界面进行显示。
2.根据权利要求1所述的一种基于LabVIEW-Matlab驾驶员风格识别与反馈***,其特征在于:所述传感器模块包括车速传感器、转速传感器、加速踏板位置传感器、制动踏板位置传感器、档位开关、刹车开关、启动开关。
3.根据权利要求1所述的一种基于LabVIEW-Matlab驾驶员风格识别与反馈***,其特征在于:所述信号输入电路包括模拟信号输入电路与开关信号输入电路,所述模拟信号输入电路与车速传感器、转速传感器、加速踏板位置传感器、制动踏板位置传感器电性相连,所述开关信号输入电路与档位开关、刹车开关、启动开关电性相连。
4.根据权利要求1所述的一种基于LabVIEW-Matlab驾驶员风格识别与反馈***,其特征在于:所述LabVIEW数据采集与处理***包括主程序界面模块、实时监视模块、数据分析模块;所述实时监视模块包括通讯子模块、故障显示子模块、文件储存子模块、显示子模块;所述数据分析模块包括车速分析子模块、踏板位置分析子模块、文件检索子模块、文件读取子模块、数据回显子模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610852480.3A CN106249619B (zh) | 2016-09-27 | 2016-09-27 | 一种基于LabVIEW-Matlab驾驶员风格识别与反馈***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610852480.3A CN106249619B (zh) | 2016-09-27 | 2016-09-27 | 一种基于LabVIEW-Matlab驾驶员风格识别与反馈***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106249619A CN106249619A (zh) | 2016-12-21 |
CN106249619B true CN106249619B (zh) | 2019-02-22 |
Family
ID=57611939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610852480.3A Active CN106249619B (zh) | 2016-09-27 | 2016-09-27 | 一种基于LabVIEW-Matlab驾驶员风格识别与反馈***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106249619B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970279A (zh) * | 2017-03-29 | 2017-07-21 | 福州大学 | 可实现多种行驶工况的纯电动汽车试验***及其试验方法 |
CN107526906A (zh) * | 2017-10-11 | 2017-12-29 | 吉林大学 | 一种基于数据采集的驾驶风格辨识装置及方法 |
CN108629372A (zh) * | 2018-05-07 | 2018-10-09 | 福州大学 | 获取驾驶风格特征参数的实验***及驾驶风格识别方法 |
CN109436085B (zh) * | 2018-11-13 | 2020-08-11 | 常熟理工学院 | 一种基于驾驶风格的线控转向***传动比控制方法 |
CN109634185A (zh) * | 2018-12-25 | 2019-04-16 | 福州大学 | 一种驾驶员风格识别数据采集*** |
CN111731095B (zh) * | 2019-03-25 | 2021-11-23 | 广州汽车集团股份有限公司 | 加速踏板输出电压调整方法及其***、计算机设备、车辆 |
CN110239558B (zh) * | 2019-05-07 | 2021-02-12 | 江苏大学 | 一种基于识别系数的驾驶风格分层模糊识别*** |
CN110254417A (zh) * | 2019-06-27 | 2019-09-20 | 清华大学苏州汽车研究院(吴江) | 基于实际工况与驾驶风格双识别的混合动力汽车控制方法 |
CN110641397B (zh) * | 2019-10-18 | 2022-10-04 | 福州大学 | 基于行驶数据与地图预测相结合的电动汽车驾驶反馈*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101633359A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有驾驶风格识别的自适应车辆控制*** |
CN103201148A (zh) * | 2010-09-28 | 2013-07-10 | 罗伯特·博世有限公司 | 基于驾驶员行为的车辆的制动控制 |
CN105426638A (zh) * | 2015-12-24 | 2016-03-23 | 吉林大学 | 一种驾驶员行为特性辨识装置 |
-
2016
- 2016-09-27 CN CN201610852480.3A patent/CN106249619B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101633359A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有驾驶风格识别的自适应车辆控制*** |
CN103201148A (zh) * | 2010-09-28 | 2013-07-10 | 罗伯特·博世有限公司 | 基于驾驶员行为的车辆的制动控制 |
CN105426638A (zh) * | 2015-12-24 | 2016-03-23 | 吉林大学 | 一种驾驶员行为特性辨识装置 |
Non-Patent Citations (1)
Title |
---|
基于高斯混合模型的驾驶员个人特质辨识;吴坚,等;《吉林大学学报(工学版)》;20150131;第45卷(第1期);第38-43页 |
Also Published As
Publication number | Publication date |
---|---|
CN106249619A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106249619B (zh) | 一种基于LabVIEW-Matlab驾驶员风格识别与反馈***及方法 | |
CN104176058B (zh) | 一种基于多信息融合的纯电动汽车驱动工况识别方法 | |
CN104665849B (zh) | 一种基于多生理信号多模型交互的高铁调度员应激检测方法 | |
CN103235891B (zh) | 基于车辆垂向振动***辨识的路面识别***及方法 | |
CN108995653A (zh) | 一种驾驶员驾驶风格识别方法及*** | |
CN111038485A (zh) | 基于驾驶风格识别的混合动力汽车控制方法及*** | |
CN110377465A (zh) | 一种车载can总线的异常检测方法 | |
CN105539450A (zh) | 一种驾驶行程的自动识别方法和装置 | |
CN106971057B (zh) | 一种驾驶习惯数据分析方法 | |
CN103345842A (zh) | 一种道路车辆分型***及方法 | |
CN108647836A (zh) | 一种驾驶员节能评价方法和*** | |
CN106441929A (zh) | 电动汽车电附件性能测试采集***及采集方法 | |
CN114526930B (zh) | 一种智能网联汽车故障检测方法及*** | |
CN101323304A (zh) | 一种混合动力电动汽车的行驶状态智能识别*** | |
CN103761870A (zh) | 一种公交车负载计量*** | |
CN114074660A (zh) | 一种预见性巡航节油控制方法、装置及存储介质 | |
CN114186617B (zh) | 一种基于分布式深度学习的机械故障诊断方法 | |
CN109408955A (zh) | 一种电动汽车的能耗分析方法及*** | |
CN104809160B (zh) | 一种基于换档行为的高油耗分析方法及设备 | |
CN106776801A (zh) | 一种基于深度学习的图片搜索方法 | |
CN110850789A (zh) | 一种基于边缘计算的机器人能效优化方法 | |
CN103400159A (zh) | 快速移动场景中的目标分类识别方法及分类器获取方法 | |
CN112937639B (zh) | 一种基于物联网的铁路机车自动控制*** | |
KR20200072268A (ko) | 차량 운행 패턴 결정 방법 | |
CN109635863A (zh) | 智能判断用户乘车的方法和装置 |
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 |