CN107563931A - 一种基于北斗或者gps数据的车辆实时驾驶行为优劣评估方法 - Google Patents

Abstract

本发明涉及一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法，将车载北斗或者GPS设备得到的车辆定位实时数据，包括时间戳、车速和方向角，利用六种单项驾驶行为优劣评价模型，计算得出当前车辆的六种单项驾驶行为分值：超速行为分值、急转弯行为分值、急加速行为分值、急减速行为分值、夜间驾驶行为分值和疲劳驾驶行为分值；然后，将这六种单项驾驶行为分值代入车辆驾驶行为实时综合评分模型中，即可得出反映车辆当前驾驶行为优劣的实时分值。

Description

一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估 方法

技术领域:

本发明涉及物理领域，尤其涉及测量技术，特别是一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法。

背景技术：

交通事故往往都是由各类违规驾驶行为导致的，所以车辆驾驶行为分析是交通监控领域的一项重要研究内容。目前，随着智慧城市、车联网等新兴信息技术的不断发展，越来越多的车辆安装了北斗或者GPS定位***，这些车载定位***产生的数据被源源不断的发送到车辆监控平台，为车辆的监控和风险预防发挥着重要的作用。从车载北斗或者GPS数据可以分析出的常见违规驾驶行为主要有：超速行为、急转弯行为、急加速行为和急减速行为、夜间驾驶行为和疲劳驾驶行为等。如何科学地利用这些违规驾驶行为信息，从而客观的评估车辆驾驶行为的优劣，具有广阔的应用前景。

发明内容：

本发明的目的是提供一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法，所述的这种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法要解决现有技术中未能利用这些违规驾驶行为数据来评估汽车驾驶行为优劣的技术问题。

本发明提供了一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法，包括以下步骤：

1)一个采集车辆行驶实时数据的步骤：

通过解析车载的北斗或者GPS定位数据，得到车辆行驶过程中的时间戳、车速和方向角；数据采集的周期为25～35秒；

2)一个计算超速驾驶行为分值的步骤：

设当前采集北斗或者GPS数据中的车速为v，则当前车辆的超速驾驶行为分值x₁可以由下述分段函数计算得到：

3)一个计算急转弯驾驶行为分值的步骤：

设当前采集北斗或者GPS数据中的方向角为r_t，前一周期中采集到的北斗或者GPS数据中的方向角为r_t-1，则当前车辆的急转弯驾驶行为分值x₂可以由下述分段函数计算得到：

4)一个计算急加速驾驶行为分值的步骤：

设当前采集北斗或者GPS数据中的车速为v_t，前一周期中采集到的北斗或者GPS数据中的车速为v_t-1，则当前车辆的急加速驾驶行为分值x₃可以由下述分段函数计算得到：

5)一个计算急减速驾驶行为分值的步骤：

设当前采集北斗或者GPS数据中的车速为v_t，前一周期中采集到的北斗或者GPS数据中的车速为v_t-1，则当前车辆的急减速驾驶行为分值x₄可以由下述分段函数计算得到：

6)一个计算夜间行驶驾驶行为分值的步骤：

设车辆在20点到次日6点之间的驾驶行为是夜间驾驶行为；当前采集北斗或者GPS数据中的夜间行驶时间累计为t_y，则当前车辆的夜间行驶驾驶行为分值x₅可以由下述公式计算得到：

x₅＝10t_y

7)一个计算疲劳驾驶行为分值的步骤：

设车辆连续驾驶超过4个小时的行为是疲劳驾驶行为；当前采集北斗或者GPS数据中的连续行驶时间累计为t_p，则当前车辆的疲劳驾驶行为分值x₆可以由下述公式计算得到：

8)一个计算车辆实时驾驶行为优劣综合评分的步骤：

设D为车辆驾驶行为得分；车辆初始驾驶得分为满分100分，若发生上述六种单项驾驶行为则减去相应的分值，则最后就得到当前车辆驾驶行为的实时综合评分，该评分模型具体如下：

D＝100-(0.135x₁+0.168x₂+0.205x₃+0.191x₄+0.06x₅+0.24x₆)。

进一步的，使用t_y表示夜间行驶时间是为了和下面的疲劳时间t_p做区别，因为这两个时间不同，t_y表示夜间行驶时间是从20点开始计算的累计时间，而t_p表示疲劳驾驶时间，开始时间是任意时刻。

进一步的，步骤1)中数据采集的周期为30秒。

进一步的，步骤3)、步骤4)、步骤5)中的前一个周期为25～35秒之前采集的数据。

进一步的，步骤3)、步骤4)、步骤5)中的前一个周期为30秒之前采集的数据。

前一周期是指，车载GPS数据是周期性的采集车辆的实时数据，数据采集的周期一般为30秒，例如：14:00:00接收到一次GPS数据，则14:00:30会再接收到一次GPS数据，则前一周期是指14:00:00那次接收到的数据。

基于车载北斗或者GPS设备数据可以分析出六种常见违规驾驶行为：超速行为、急转弯行为、急加速行为、急减速行为、夜间驾驶行为和疲劳驾驶行为。因为这六种常见的违规驾驶行为不同程度的影响了车辆整体驾驶行为的优劣，所以给这六种违规驾驶行为分配不同的权重，并将这六种单项驾驶行为分值代入车辆驾驶行为实时综合评分模型中，即可得出反映车辆当前驾驶行为优劣的实时分值。

本发明与现有技术相比较，其效果是积极和明显的。本发明的提出可以有效的评估出具备车载北斗或者GPS设备的车辆的实时驾驶行为优劣情况，为驾驶员、运输公司和交通监管部门提高管理水平提供了科学的依据。而且，本发明中的车辆驾驶行为优劣评估结果是基于车载北斗或者GPS设备的数据。车载北斗或者GPS设备具有成本低、技术成熟、数据准确等优点。

具体实施方式：

实施例1

本发明提出的一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法结合实施例详细说明如下：

本发明主要根据车辆的车载北斗或者GPS设备所采集的数据，对车辆实时的驾驶行为优劣进行评估；该方法包括以下步骤：

1)车辆行驶实时数据采集：

采集的车辆行驶过程中的数据包括时间戳、车速和方向角；数据采集的周期为30秒；时间戳、车速和方向角通过解析车载的北斗或者GPS定位数据得到；

2)六种单项驾驶行为优劣评价模型：

根据车辆行驶过程中的北斗或者GPS定位数据分别计算得到六种单项驾驶行为分值(超速行为分值、急转弯行为分值、急加速行为分值、急减速行为分值、夜间行驶行为分值和疲劳驾驶行为分值)，计算模型具体如下：

21)超速驾驶行为分值计算模型

设当前采集北斗或者GPS数据中的车速为v，则当前车辆的超速驾驶行为分值x₁可以由下述分段函数计算得到：

22)急转弯驾驶行为分值计算模型

设当前采集北斗或者GPS数据中的方向角为r_t，前一周期中采集到的北斗或者GPS数据中的方向角为r_t-1，则当前车辆的急转弯驾驶行为分值x₂可以由下述分段函数计算得到：

23)急加速驾驶行为分值计算模型

设当前采集北斗或者GPS数据中的车速为v_t，前一周期中采集到的北斗或者GPS数据中的车速为v_t-1，则当前车辆的急加速驾驶行为分值x₃可以由下述分段函数计算得到：

24)急减速驾驶行为分值计算模型

设当前采集北斗或者GPS数据中的车速为v_t，前一周期中采集到的北斗或者GPS数据中的车速为v_t-1，则当前车辆的急减速驾驶行为分值x₄可以由下述分段函数计算得到：

25)夜间行驶驾驶行为分值计算模型

设车辆在20点到次日6点之间的驾驶行为是夜间驾驶行为；当前采集北斗或者GPS数据中的夜间行驶时间累计为t_y，则当前车辆的夜间行驶驾驶行为分值x₅可以由下述公式计算得到：

x₅＝10t_y (1.5)

26)疲劳驾驶行为分值计算模型

设车辆连续驾驶超过4个小时的行为是疲劳驾驶行为；当前采集北斗或者GPS数据中的连续行驶时间累计为t_p，则当前车辆的疲劳驾驶行为分值x₆可以由下述公式计算得到：

3)车辆实时驾驶行为优劣综合评分模型：

设D为车辆驾驶行为得分；车辆初始驾驶得分为满分100分，若发生上述六种单项驾驶行为则减去相应的分值，则最后就得到当前车辆驾驶行为的实时综合评分，该评分模型具体如下：

D＝100-(0.135x₁+0.168x₂+0.205x₃+0.191x₄+0.06x₅+0.24x₆)。 (1.7)

本发明的方法通过一个具体实施例进行说明如下：本实施例方法包括以下步骤：

1)车辆行驶实时数据采集：

设实施例中的车辆车载的数据为时间戳、车速和方向角，采集的周期为30秒，其中时间戳、车速和方向角通过解析车载的北斗或者GPS定位数据得到。

设实施例中车辆车载北斗或者GPS设备采集的原始数据值如下：

时刻	车速	方向角
			170201000000	0056	0004
170201000030	005D	002a

上述原始北斗或者GPS数据根据国家交通运输部2013年制定的《道路运输车辆卫星定位***北斗兼容车载终端通讯协议技术规范》解析为标准数据如下：

时刻	车速	方向角
			2017-02-01 00:00:00	86公里/小时	4度
2017-02-01 00:00:30	93公里/小时	42度

从上表中可以得出：当前车速为93公里/小时，当前车辆方向角之差为38度，当前车辆车速之差为7公里/小时；另外，根据其长期的GPS数据序列可得，其夜间行驶持续时长为2小时，疲劳驾驶持续时长为1小时。

2)六种单项驾驶行为优劣评价模型计算过程及结果：

根据车辆北斗或者GPS数据分别计算得到六种单项驾驶行为(超速、急转弯、急加速、急减速、夜间行驶和疲劳驾驶)的评分分值，具体过程如下：

21)超速驾驶行为分值

根据公式(1.1)和当前车速值93公里/小时，可得：

x₁＝2×(93-70)＝46；

22)急转弯驾驶行为分值

根据公式(1.2)和当前车辆方向角差为38度，可得：

x₂＝38-30＝8；

23)急加速驾驶行为分值

根据公式(1.3)和当前车辆车速差为7公里/小时，可得：

x₃＝10×(7-5)＝20；

24)急减速驾驶行为分值

根据公式(1.4)和当前车辆车速差为正值，可得：

x₄＝0；

25)夜间行驶驾驶行为分值

根据公式(1.5)和当前夜间行驶持续时长为2小时，可得：

x₅＝10×2＝20；

26)疲劳驾驶行为分值

根据公式(1.6)和当前疲劳驾驶持续时长为1小时，可得：

x₆＝25×1＝25；

3)车辆实时驾驶行为优劣综合评分分值：

根据公式(1.7)可得：

D＝100-(0.135×46+0.168×8+0.205×20+0.191×0+0.06×20+0.24×25)

＝100-18.854＝81.146。

所以，车辆当前的实时驾驶行为综合评分结果为81.146。

综合评分结果这个分数的意义是通过多个车辆的驾驶分数实时比较，确定一个车队中的重点监控对象。

综合评分的意义是通过多个车辆的驾驶分数实时比较，确定一个车队中的重点监控对象。该实时驾驶行为综合评分比其他驾驶员的评分低的驾驶员，说明其当前驾驶过程中的违规驾驶行为比同车队的其他驾驶员要多，需要***人员重点监控。例如：A车当前分数为60分，B车当前分数为70分，则车队管理员应该重点监控A车。

Claims (4)

1.一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法，其特征在于包括以下步骤：

1)一个采集车辆行驶实时数据的步骤：

通过解析车载的北斗或者GPS定位数据，得到车辆行驶过程中的时间戳、车速和方向角；数据采集的周期为25～35秒；

2)一个计算超速驾驶行为分值的步骤：

设当前采集北斗或者GPS数据中的车速为v，则当前车辆的超速驾驶行为分值x₁可以由下述分段函数计算得到：

3)一个计算急转弯驾驶行为分值的步骤：

设当前采集北斗或者GPS数据中的方向角为r_t，前一周期中采集到的北斗或者GPS数据中的方向角为r_t-1，则当前车辆的急转弯驾驶行为分值x₂可以由下述分段函数计算得到：

4)一个计算急加速驾驶行为分值的步骤：

设当前采集北斗或者GPS数据中的车速为v_t，前一周期中采集到的北斗或者GPS数据中的车速为v_t-1，则当前车辆的急加速驾驶行为分值x₃可以由下述分段函数计算得到：

5)一个计算急减速驾驶行为分值的步骤：

设当前采集北斗或者GPS数据中的车速为v_t，前一周期中采集到的北斗或者GPS数据中的车速为v_t-1，则当前车辆的急减速驾驶行为分值x₄可以由下述分段函数计算得到：

6)一个计算夜间行驶驾驶行为分值的步骤：

设车辆在20点到次日6点之间的驾驶行为是夜间驾驶行为；当前采集北斗或者GPS数据中的夜间行驶时间累计为t_y，则当前车辆的夜间行驶驾驶行为分值x₅可以由下述公式计算得到：

x₅＝10t_y

7)一个计算疲劳驾驶行为分值的步骤：

设车辆连续驾驶超过4个小时的行为是疲劳驾驶行为；当前采集北斗或者GPS数据中的连续行驶时间累计为t_p，则当前车辆的疲劳驾驶行为分值x₆可以由下述公式计算得到：

8)一个计算车辆实时驾驶行为优劣综合评分的步骤：

设D为车辆驾驶行为得分；车辆初始驾驶得分为满分100分，若发生上述六种单项驾驶行为则减去相应的分值，则最后就得到当前车辆驾驶行为的实时综合评分，该评分模型具体如下：

D＝100-(0.135x₁+0.168x₂+0.205x₃+0.191x₄+0.06x₅+0.24x₆)。

2.根据权利要求1所述的一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法，其特征在于：步骤3)、步骤4)、步骤5)中的前一个周期为25～35秒之前采集的数据。

3.根据权利要求1所述的一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法，其特征在于：步骤1)中数据采集的周期为30秒。

4.据权利要求1所述的一种基于北斗或者GPS数据的车辆实时驾驶行为优劣评估方法，其特征在于：步骤3)、步骤4)、步骤5)中的前一个周期为30秒之前采集的数据。