CN107704794B - 一种车辆信息的处理方法、装置和*** - Google Patents
一种车辆信息的处理方法、装置和*** Download PDFInfo
- Publication number
- CN107704794B CN107704794B CN201610643136.3A CN201610643136A CN107704794B CN 107704794 B CN107704794 B CN 107704794B CN 201610643136 A CN201610643136 A CN 201610643136A CN 107704794 B CN107704794 B CN 107704794B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- user
- information
- probability
- driving
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车辆信息的处理方法、装置和***;本发明实施例采用周期性接收车辆发送的车辆信息,比如车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间等信息,然后,根据该车辆标识获取对应的用户的驾驶习惯画像,在根据该车辆信息和驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息;该方案不仅可以提高安全性,改善防盗效果,而且,还可以对被盗车辆进行追踪。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种车辆信息的处理方法、装置和***。
背景技术
随着经济的发展,汽车也越来越为普及,而汽车防盗,也成为人们日益所关注的一个问题。
传统的汽车防盗技术主要是通过机械式防盗锁或电子式防盗锁来对汽车进行保护,但是,这些防盗方式极易被破解,防盗效果较差,因此,现有技术又提出了相对更为智能化的防盗技术,比如芯片式防盗锁、网络式防盗锁,以及生物识别防盗锁,等等。
虽然现有防盗技术越来越智能化,但是盗车人的对抗技术也随之升级,比如对于芯片式防盗锁,盗车人一般可以利用芯片式防盗锁的安全漏洞来对其进行破解,因此,现有的汽车防盗技术安全性并不高,防盗效果不佳,而且,在汽车被盗之后,也难以对其进行追踪。
发明内容
本发明实施例提供一种车辆信息的处理方法、装置和***,可以提高安全性,改善防盗效果,而且,还可以对被盗车辆进行追踪。
本发明实施例提供一种车辆信息的处理方法,包括:
周期性接收车辆发送的车辆信息,所述车辆信息包括车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间;
根据所述车辆标识获取对应的用户的驾驶习惯画像,所述驾驶习惯画像根据驾驶记录建立而成,所述驾驶记录包括所述用户在驾驶所述车辆时所采集的多条车辆信息;
根据接收到的车辆信息和所述驾驶习惯画像确定所述车辆的驾驶员不是所述用户时,向所述用户发送告警信息。
相应的,本发明实施例还提供一种车辆信息的处理装置,包括:
接收单元,用于周期性接收车辆发送的车辆信息,所述车辆信息包括车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间;
获取单元,用于根据所述车辆标识获取对应的用户的驾驶习惯画像,所述驾驶习惯画像根据驾驶记录建立而成,所述驾驶记录包括所述用户在驾驶所述车辆时所采集的多条车辆信息;
告警单元,用于根据接收到的车辆信息和所述驾驶习惯画像确定所述车辆的驾驶员不是所述用户时,向所述用户发送告警信息。
此外,本发明实施例还提供一种车辆信息的处理***,包括本发明实施例所提供的任一种车辆信息的处理装置。
本发明实施例采用周期性接收车辆发送的车辆信息,比如车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间等信息,然后,根据该车辆标识获取对应的用户的驾驶习惯画像,在根据该车辆信息和驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息,从而达到防盗的目的;由于该方案可以周期性地对车辆信息进行采集和追踪,并在发生异常时及时的通知相应的用户,因此,即便盗车人破解了车辆的防盗锁,用户也可以及时获知且进行追踪,所以,相对于现有技术只是通过防盗锁来进行防盗的方案而已,该方案不仅可以大大提高安全性,改善防盗效果,而且,还可以对被盗车辆进行追踪,有利于保障用户的财产安全。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是本发明实施例提供的车辆信息的处理方法的场景示意图;
图1b是本发明实施例提供的车辆信息的处理方法的流程示意图;
图2是本发明实施例提供的车辆信息的处理方法的另一流程示意图;
图3a是本发明实施例提供的车辆信息的处理装置的结构示意图;
图3b是本发明实施例提供的车辆信息的处理装置的另一结构示意图;
图4是本发明实施例提供的服务器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种车辆信息的处理方法、装置和***。
其中,该车辆信息的处理***可以包括本发明实施例所提供的任一种车辆信息的处理装置,该车辆信息的处理装置可以集成在服务器,比如云端服务器等设备中。此外,该车辆信息的处理***还可以包括其他的设备,比如车辆信息采集装置,该车辆信息采集装置可以安装在车辆中,主要用于对所在车辆的车辆信息,比如该车辆的车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间等信息进行采集,并将采集到的车辆信息发送给该车辆信息的处理装置。
例如,以该车辆信息的处理装置具体集成在云端服务器为例,则参见图1a,安装在各辆车辆(比如车辆A和车辆B)中的车辆信息采集装置可以分别对自身所在的车辆(比如汽车)的车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间等信息进行周期性采集,比如每隔一分钟采集一次,并生成一条记录,为了描述方便,在本发明实施例中,将这一条记录称为一条车辆信息,然后,将该车辆信息上报给云端服务器,由云端服务器根据该车辆信息中的车辆标识获取对应的用户的驾驶习惯画像,并根据该车辆信息与该驾驶习惯画像来确定该车辆的驾驶员是否为该用户,若是该用户,则无需进行报警,此外,还可以根据该车辆信息对该驾驶习惯画像进行更新;否则,若不是该用户,则向该用户发送告警信息,比如向用户终端发送告警信息,以对用户进行提醒,等等。
其中,该驾驶习惯画像根据驾驶记录建立而成,该驾驶记录包括该用户在驾驶该车辆时所采集的多条车辆信息。
以下分别进行详细说明。需说明的是,以下实施例的序号不作为对实施例优选顺序的限定。
实施例一、
本实施例将从车辆信息的处理装置的角度进行描述,该车辆信息的处理装置具体可以集成在服务器,比如云端服务器等设备中。
一种车辆信息的处理方法,包括:周期性接收车辆发送的车辆信息,该车辆信息包括车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间;根据该车辆标识获取对应的用户的驾驶习惯画像,该驾驶习惯画像根据驾驶记录建立而成,该驾驶记录包括该用户在驾驶该车辆时所采集的多条车辆信息;根据接收到的车辆信息和该驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息。
如图1b所示,该车辆信息的处理方法的具体流程可以如下:
101、周期性接收车辆发送的车辆信息。
其中,该车辆信息可以包括车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间等,此外,还可以包括其他信息,比如指示是否使用导航的信息,以及车辆的特征信息,等等。车辆标识可以包括车辆的登记号、车牌和/或车主标识等信息,而车辆的特征信息则可以包括车辆的品牌、型号和/或颜色等信息。
其中,该车辆信息可以由安装在车辆中的车辆信息采集装置进行采集,具体的采集方式可以有多种,比如,可以通过全球定位***(GPS,Global Positioning System)、射频识别(RFID,Radio Frequency Identification)、传感器、和/或摄像头等设备来进行采集,等等。
需说明的是,该周期可以根据实际应用的需求进行设置,比如,可以设置每隔3分钟接收一次车辆发送的车辆信息,等等。
可选的,为了便于对多辆车辆进行管理,可以由用户预先在该车辆信息的处理装置中,对需要进行监控的车辆进行绑定,即在接收车辆发送的车辆信息之前,该车辆信息的处理方法还可以包括:
接收用户的绑定请求,该绑定请求携带用户标识和车辆标识,建立该用户标识和车辆标识的关联关系,并保存该关联关系。
这样,后续便可以根据该关联关系对相应用户的车辆进行监控、以及对相应的车辆信息进行管理。
102、根据该车辆标识获取对应的用户的驾驶习惯画像。
例如,可以根据所保存的用户标识和车辆标识的关联关系,获取该车辆标识对应的用户标识,并根据该用户标识获取对应的用户的驾驶习惯画像。
其中,该驾驶习惯画像根据驾驶记录建立而成,该驾驶记录可以包括该用户在驾驶该车辆时所采集的多条车辆信息。
这是因为,每个用户都有独特的驾驶***稳,等等。可见,驾驶习惯类似于人的生物信息,每个人都不同。当汽车被盗时,盗车人的驾驶习惯和车主正常的驾驶习惯会有很大的区别,所以,可以通过为车主的驾驶习惯建立画像,来判断当前车辆是否由车主驾驶。
其中,初始的驾驶习惯画像可以由***预先进行建立,也可以由***自行进行建立,即在步骤“周期性接收车辆发送的车辆信息”之后,该车辆信息的处理方法还可以包括:
根据该车辆标识确定是否存在对应的用户的驾驶习惯画像,若是,则执行根据该车辆标识获取对应的用户的驾驶习惯画像的步骤(即步骤102);若否,则将接收到的车辆信息添加至对应用户的驾驶记录中,根据驾驶记录建立用户的驾驶习惯画像。
其中,根据驾驶记录建立用户的驾驶习惯画像的方式可以有多种,例如,具体可以如下:
(1)对接收到的车辆信息中的各类信息进行组合,并计算该组合在驾驶记录中出现的概率,得到组合概率。
若将车辆信息中的每一类信息看作一个特征维度(即“车辆标识”、“车辆位置”、“行驶速度”“加速度”、“驾驶时间”等分别作为一个特征维度),则该组合概率为所有特征维度出现特定组合的概率。
例如,若该车辆信息中各类信息的组合为“车辆标识=XXXX,车辆位置=南山大道,行驶速度=100km/h,驾驶时间=早上10点,加速度=-5m/s^2|车主=彭某某”,则该车辆信息所对应的组合概率可以表示为:P(车辆标识=XXXX,车辆位置=南山大道,行驶速度=100km/h,驾驶时间=早上10点,加速度=-5m/s^2|车主=彭某某),即车辆标识为“XXXX”的车主彭某某,在早上10点以100km/h的行驶速度,-5m/s^2的加速度在南山大道上行驶的概率。其中,计算该组合概率P的方式可以如下:
该组合出现的次数x除以驾驶记录中所有的记录数y。
比如,若车主彭某某驾驶该车辆时所对应的驾驶记录中共有10条记录(即10条车辆信息),其中2条记录为“车辆标识=XXXX,车辆位置=南山大道,行驶速度=100km/h,驾驶时间=早上10点,加速度=-5m/s^2”,则该组合概率P(车辆标识=XXXX,车辆位置=南山大道,行驶速度=100km/h,驾驶时间=早上10点,加速度为-5m/s^2|车主=彭某某)=x/y=2/10=0.2。
(2)分别计算该各类信息在驾驶记录中出现的概率,得到基础概率。
若将车辆信息中的每一类信息看作一个特征维度(即“车辆标识”、“位置”、“行驶速度”“加速度”、“驾驶时间”等分别作为一个特征维度),则该基础概率可以为单个特征维度出现特定值的概率。
例如,若“车辆位置=南山大道|车主=彭某某”,则“车辆位置”所对应的基础概率可以表示为:P(车辆位置=南山大道|车主=彭某某),即车主彭某某在南山大道上驾车的概率。其中,计算该基础概率的方式可以如下:
特定值出现的次数k除以驾驶记录中所有的记录数y。
比如,若车主彭某某驾驶该车辆时所对应的驾驶记录中共有10条记录(即10条车辆信息),其中5条记录的位置是南山大道,则P(车辆位置=南山大道|车主=彭某某)=k/y=5/10=0.5。
(3)根据该组合概率和基础概率生成用户的驾驶习惯画像。
例如,具体可以将组合和组合概率的对应关系,以及各类信息和基础概率的对应关系添加至驾驶习惯画像中,比如,可以记录如下:
P(车辆标识=XXXX,车辆位置=南山大道,行驶速度=100km/h,驾驶时间=早上10点,加速度=-5m/s^2|车主=彭某某)=0.2;
P(车辆位置=南山大道|车主=彭某某)=0.5;
P(行驶速度=100km/h|车主=彭某某)=……,以此类推,等等。
103、根据接收到的车辆信息和该驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息。
比如,可以向该用户预设的用户终端发送告警信息,等等。其中,发送告警信息的方式可以有多种,比如,可以通过短信、彩信、邮件、推送消息、和/或社交网络的即时消息等方式向用户发送告警信息。此外,该告警信息的形式也可以不拘,比如,可以为文字信息、语音信息、和/或图片信息,等等。
其中,根据接收到的车辆信息和该驾驶习惯画像确定该车辆的驾驶员是否为该用户的方式可以有多种,比如,可以如下:
根据接收到的车辆信息和该驾驶习惯画像计算该车辆的驾驶员的得分,若该得分低于预设阈值,则确定该车辆的驾驶员不是该用户;否则,若该得分不低于预设阈值,则确定该车辆的驾驶员为该用户。
其中,该预设阈值可以根据实际应用的需求进行设置,在此不再赘述。
例如,以驾驶习惯画像包括组合概率和基础概率为例,则步骤“根据接收到的车辆信息和该驾驶习惯画像计算该车辆的驾驶员的得分”可以包括:
对接收到的车辆信息中的各类信息进行组合,确定驾驶习惯画像中是否存在该组合,若存在,则将该组合对应的组合概率作为该车辆的驾驶员的得分;若不存在,则计算该各类信息对应的基础概率的乘积,将该乘积作为该车辆的驾驶员的得分。
可选的,若根据该车辆信息和该驾驶习惯画像确定该车辆的驾驶员为该用户,则可以根据接收到的车辆信息对该用户的驾驶习惯画像进行更新,例如,具体可以如下:
将接收到的车辆信息添加至驾驶记录中,得到更新后驾驶记录;对接收到的车辆信息中的各类信息进行组合;计算该组合在更新后驾驶记录中出现的概率,得到当前组合概率;分别计算该各类信息在更新后驾驶记录中出现的概率,得到当前基础概率;根据该当前组合概率和当前基础概率对驾驶习惯画像中的组合概率和基础概率进行更新。
比如,若在驾驶习惯画像中,P(车辆标识=XXXX,车辆位置=南山大道,行驶速度=100km/h,驾驶时间=早上10点,加速度为-5m/s^2|车主=彭某某)=0.1,而根据计算可知,该组合的当前组合概率为0.2,则此时,可以将P(车辆标识=XXXX,车辆位置=南山大道,行驶速度=100km/h,驾驶时间=早上10点,加速度为-5m/s^2|车主=彭某某)的值更新为“0.2”,以此类推,等等。
可选的,为了提高识别的准确性,以及避免对用户造成骚扰,在向用户发送告警信息之后,还可以接收该用户返回的响应消息,若该响应消息指示该车辆的驾驶员为该用户,则在预设时间内停止向该用户发送告警信息,否则,若该响应消息指示该车辆的驾驶员不是该用户,则向预设设备发送告警信息和该车辆位置。
其中,该预设时间可以根据实际应用的需求进行设置,比如,可以设置为半个钟头或一个钟头,等等,在此不再赘述。
其中,该预设设备也可以根据实际应用的需求进行设置,比如,可以是警方的电话,即若该响应消息指示该车辆的驾驶员不是该用户,则自动进行报警,并将车辆的定位信息(即车辆位置)提供给警方,等等。
由上可知,本实施例采用周期性接收车辆发送的车辆信息,比如车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间等信息,然后,根据该车辆标识获取对应的用户的驾驶习惯画像,在根据该车辆信息和驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息,从而达到防盗的目的;由于该方案可以周期性地对车辆信息进行采集和追踪,并在发生异常时及时的通知相应的用户,因此,即便盗车人破解了车辆的防盗锁,用户也可以及时获知且进行追踪,所以,相对于现有技术只是通过防盗锁来进行防盗的方案而已,该方案可以大大提高安全性,改善防盗效果,而且,还可以对被盗车辆进行追踪,有利于保障用户的财产安全。
实施例二、
根据实施例一所描述的方法,以下将举例作进一步详细说明。
在本实施例中,将以该车辆为车辆A,且车辆信息的处理装置具体集成在云端服务器中为例进行说明。
如图2所示,一种车辆信息的处理方法,具体流程可以如下:
201、车辆A按照预设的周期采集自身(即车辆A)的车辆信息。
其中,该车辆信息可以包括车辆标识、车辆位置、行驶速度、加速度、驾驶时间、和/或是否使用导航等信息。
例如,可以在车辆A中安装相应的车辆信息采集装置,然后,通过该车辆信息采集装置,按照预设的周期对车辆A的车辆信息进行采集。其中,车辆信息采集装置进行采集的方式可以有多种,比如,可以通过GPS、RFID、传感器、和/或摄像头等设备来进行采集,等等。
其中,该预设的周期则可以根据实际应用的需求而定,比如,可以设置为1分钟,即,每一分钟采集一次车辆信息,等等。
202、车辆A将采集到的车辆信息发送给云端服务器。
例如,具体可以由车辆A中的车辆信息采集装置将采集到的车辆信息,通过网络发送给云端服务器,等等。
203、云端服务器接收到车辆A发送的车辆信息后,根据该车辆标识确定是否存在对应的用户的驾驶习惯画像,若存在,则执行步骤205,若不存在,则执行步骤204。
例如,云端服务器可以根据所保存的用户标识和车辆标识的关联关系,获取该车辆标识对应的用户标识,并根据该用户标识获取对应的用户的驾驶习惯画像。
其中,该关联关系可以预先存储在云端服务器中,或者,也可以由用户通过发起绑定请求来进行建立,具体可以如下:
云端服务器接收用户的绑定请求,其中,该绑定请求携带用户标识和车辆A的车辆标识,然后,建立该用户标识和车辆标识的关联关系,并保存该关联关系。
这样,在接收到车辆A的车辆信息后,便可以根据该保存的关联关系,获取该车辆标识对应的用户标识,并根据该用户标识获取对应的用户的驾驶习惯画像。
204、云端服务器确定不存在对应的用户的驾驶习惯画像时,将接收到的车辆信息添加至对应用户的驾驶记录中,根据驾驶记录建立用户的驾驶习惯画像,然后,返回执行步骤201,例如,具体可以如下:
(1)对接收到的车辆信息中的各类信息进行组合,并计算该组合在驾驶记录中出现的概率,得到组合概率。
例如,若该车辆信息中各类信息的组合为“车辆标识=1234,车辆位置=深南大道,行驶速度=100km/h,驾驶时间=早上10点,加速度=-5m/s^2,使用导航=否|车主=张三”,则该车辆信息所对应的组合概率可以表示为:P(车辆标识=1234,车辆位置=深南大道,行驶速度=100km/h,驾驶时间=早上10点,加速度=-5m/s^2,使用导航=否|车主=张三),即车辆标识为“1234”的车主张三,在早上10点以100km/h的行驶速度,-5m/s^2的加速度,且没有使用导航在深南大道上行驶的概率。其中,计算该组合概率P的方式可以如下:
该组合出现的次数x除以驾驶记录中所有的记录数y。
比如,若车主张三驾驶该车辆时所对应的驾驶记录中共有10条记录(即10条车辆信息),其中5条记录为“车辆标识=1234,车辆位置=深南大道,行驶速度=100km/h,驾驶时间=早上10点,加速度=-5m/s^2,使用导航=否”,则该组合概率P(车辆标识=1234,车辆位置=深南大道,行驶速度=100km/h,驾驶时间=早上10点,加速度为-5m/s^2,使用导航=否|车主=张三)=x/y=5/10=0.5。
(2)分别计算该各类信息在驾驶记录中出现的概率,得到基础概率,其中,计算该基础概率的方式可以如下:
特定值出现的次数k除以驾驶记录中所有的记录数y。
例如,若“车辆位置=深南大道|车主=张三”,则“车辆位置”所对应的基础概率可以表示为:P(车辆位置=深南大道|车主=张三),即车主张三在深南大道上驾车的概率;若车主张三驾驶该车辆时所对应的驾驶记录中共有10条记录(即10条车辆信息),其中6条记录的位置是深南大道,则P(车辆位置=深南大道|车主=张三)=k/y=6/10=0.6。
又例如,若“行驶速度=100km/h|车主=张三”,则“行驶速度”所对应的基础概率可以表示为:P(行驶速度=100km/h|车主=张三),即车主张三以100km/h的速度进行驾车的概率;若车主张三驾驶该车辆时所对应的驾驶记录中共有10条记录(即10条车辆信息),其中3条记录的行驶速度为100km/h,则P(行驶速度=100km/h|车主=张三)=k/y=3/10=0.3。
(3)根据该组合概率和基础概率生成用户的驾驶习惯画像。
例如,具体可以将组合和组合概率的对应关系,以及各类信息和基础概率的对应关系添加至驾驶习惯画像中,比如,可以记录如下:
P(车辆标识=XXXX,车辆位置=深南大道,行驶速度=100km/h,驾驶时间=早上10点,加速度=-5m/s^2,使用导航=否|车主=张三)=0.5;
P(车辆位置=深南大道|车主=张三)=0.6;
P(行驶速度=100km/h|车主=张三)=0.3;
P(驾驶时间=早上10点|车主=张三)=……,以此类推,等等。
205、云端服务器确定存在对应的用户的驾驶习惯画像时,根据接收到的车辆信息和该驾驶习惯画像计算该车辆(即车辆A)的驾驶员的得分,若该得分不低于预设阈值,则确定该车辆的驾驶员为该用户(比如步骤204中的张三),执行步骤206;否则,若该得分低于预设阈值,则确定该车辆的驾驶员不是该用户,执行步骤207。
其中,该预设阈值可以根据实际应用的需求进行设置,在此不再赘述。
例如,以驾驶习惯画像包括组合概率和基础概率为例,则步骤“根据接收到的车辆信息和该驾驶习惯画像计算该车辆的驾驶员的得分”具体可以如下:
对接收到的车辆信息中的各类信息进行组合,确定驾驶习惯画像中是否存在该组合,若存在,则将该组合对应的组合概率作为该车辆的驾驶员的得分;若不存在,则计算该各类信息对应的基础概率的乘积,将该乘积作为该车辆的驾驶员的得分。
比如,以组合“车辆标识=XXXX,车辆位置=深南大道,行驶速度=100km/h,驾驶时间=早上10点,加速度为-5m/s^2,使用导航=否|车主=张三”为例,若用户的驾驶习惯画像中存在该组合,且该组合的组合概率为“0.5”,则此时,该车辆的驾驶员的得分为“0.5”;否则,若用户的驾驶习惯画像中不存在该组合,且P(车辆位置=深南大道|车主=张三)=0.6,P(行驶速度=100km/h|车主=张三)=0.3,P(驾驶时间=早上10点|车主=张三)=0.5,P(加速度=-5m/s^2|车主=张三)=0.5,P(使用导航=否|车主=张三)=0.4,则此时,可以计算着多个基础概率的乘积,并将该乘积作为该车辆的驾驶员的得分,即0.6*0.3*0.5*0.5*0.4=0.018。
206、在该车辆的驾驶员的得分不低于预设阈值时,云端服务器根据接收到的车辆信息对该用户的驾驶习惯画像进行更新,然后,返回执行步骤201。例如,具体可以如下:
云端服务器将接收到的车辆信息添加至驾驶记录中,得到更新后驾驶记录;对接收到的车辆信息中的各类信息进行组合;计算该组合在更新后驾驶记录中出现的概率,得到当前组合概率;分别计算该各类信息在更新后驾驶记录中出现的概率,得到当前基础概率;根据该当前组合概率和当前基础概率对驾驶习惯画像中的组合概率和基础概率进行更新。
比如,若在驾驶习惯画像中,P(车辆标识=123,车辆位置=深南大道,行驶速度=100km/h,驾驶时间=早上10点,加速度为-5m/s^2,使用导航=否|车主=张三)=0.4,而根据计算可知,该组合的当前组合概率为0.5,则此时,可以将P(车辆标识=1234,车辆位置=深南大道,行驶速度=100km/h,驾驶时间=早上10点,加速度为-5m/s^2,使用导航=否|车主=张三)的值更新为“0.5”,以此类推,等等。
又比如,若在驾驶习惯画像中,P(车辆位置=深南大道|车主=张三)=0.5,而根据计算可知,该车辆位置“深南大道”所对应的基础概率为“0.6”,则此时,可以将P(车辆位置=深南大道|车主=张三)更新为“0.6”,以此类推,等等。
207、在该车辆的驾驶员的得分低于预设阈值时,云端服务器向该用户发送告警信息,比如,云端服务器可以向该用户(比如张三)预设的用户终端发送告警信息,等等,然后返回执行步骤201。
其中,发送告警信息的方式可以有多种,比如,可以通过短信、彩信、邮件、推送消息、和/或社交网络的即时消息等方式向用户发送告警信息。
此外,该告警信息的形式也可以有多种,比如,可以为文字信息、语音信息、和/或图片信息,等等。
可选的,为了提高识别的准确性,以及避免对用户造成骚扰,在向用户发送告警信息之后,还可以接收该用户返回的响应消息,若该响应消息指示该车辆的驾驶员为该用户,则在预设时间内,比如可以在一个钟头之内停止向该用户发送告警信息,否则,若该响应消息指示该车辆的驾驶员不是该用户,则向预设设备发送告警信息和该车辆位置,比如,可以向警方发送告警信息,并将车辆的定位信息(即车辆位置)提供给警方,等等。
需说明的是,在停止向用户发送告警信息的期间,云端服务器可以继续接收车辆A发送的车辆信息,并根据接收到的车辆信息和驾驶习惯画像对该车辆A的驾驶员是否为该用户进行判断,但是,在确定驾驶员是该用户时,无需向用户发送告警信息;可选的,为了简化操作,节省资源,云端服务器在接收车辆A发送的车辆信息后,也可以不对该车辆A的驾驶员是否为该用户进行判断,而是直接忽略该车辆信息,在此不再赘述。
由上可知,本实施例可以在车辆中安装车辆信息采集装置,周期性采集该车辆的车辆信息,比如车辆标识、车辆位置、行驶速度、加速度、驾驶时间、和/或是否使用导航等,并将该车辆信息提供给云端服务器,由云端服务器根据该车辆标识获取对应的用户的驾驶习惯画像,然后,基于该驾驶习惯画像为该车辆的当前驾驶员进行评分,若得分低于预设阈值,则表示当前驾驶员不是该用户,向该用户发送告警信息,从而达到防盗的目的;由于该方案可以周期性地对车辆信息进行采集和追踪,并在发生异常时及时的通知相应的用户,因此,即便盗车人破解了车辆的防盗锁,用户也可以及时获知且进行追踪,所以,相对于现有技术只是通过防盗锁来进行防盗的方案而已,该方案可以大大提高安全性,改善防盗效果,而且,还可以对被盗车辆进行追踪,有利于保障用户的财产安全。
进一步的,由于该方案在确定车辆被盗之后,还可以自动进行报警,并将定位信息提供给警方,因此,相对于现有只能手动进行报案而言,操作更为简便,灵活性更高。
实施例三、
为了更好地实现以上方法,本发明实施例还提供一种车辆信息的处理装置,如图3a所示,该车辆信息的处理装置包括接收单元301、获取单元302和告警单元303,包括:
(1)接收单元301;
接收单元301,用于周期性接收车辆发送的车辆信息。
其中,该车辆信息包括车辆标识、车辆位置、行驶速度、加速度、驾驶时间、和/或指示是否使用导航的信息,等等。
其中,该车辆信息可以由安装在车辆中的车辆信息采集装置进行采集,具体的采集方式可以有多种,比如,可以通过GPS、RFID、传感器、和/或摄像头等设备来进行采集,等等。
需说明的是,该周期可以根据实际应用的需求进行设置,比如,可以设置每隔1分钟接收一次车辆发送的车辆信息,等等。
(2)获取单元302;
获取单元302,用于根据该车辆标识获取对应的用户的驾驶习惯画像。
其中,该驾驶习惯画像根据驾驶记录建立而成,该驾驶记录可以包括该用户在驾驶该车辆时所采集的多条车辆信息。初始的驾驶习惯画像可以由***预先进行建立,也可以由***自行进行建立,即如图3b所示,该车辆信息的处理装置还可以包括确定单元304和建立单元305,如下:
确定单元304,可以用于根据该车辆标识确定是否存在对应的用户的驾驶习惯画像。
获取单元302,具体可以用于在该确定单元304确定存在对应的用户的驾驶习惯画像时,根据该车辆标识获取对应的用户的驾驶习惯画像。
建立单元305,用于在该确定单元304确定不存在对应的用户的驾驶习惯画像时,将接收到的车辆信息添加至对应用户的驾驶记录中,根据驾驶记录建立用户的驾驶习惯画像。
例如,该建立单元306,具体可以用于对接收到的车辆信息中的各类信息进行组合,并计算该组合在驾驶记录中出现的概率,得到组合概率;分别计算该各类信息在驾驶记录中出现的概率,得到基础概率;根据该组合概率和基础概率生成用户的驾驶习惯画像,具体可参见前面的方法实施例,在此不再赘述。
(3)告警单元303;
告警单元303,用于根据接收到的车辆信息和该驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息。
比如,告警单元303可以向该用户预设的用户终端发送告警信息,等等。
其中,发送告警信息的方式可以有多种,比如,可以通过短信、彩信、邮件、推送消息、和/或社交网络的即时消息等方式向用户发送告警信息。此外,该告警信息的形式也可以包括多种,比如,可以为文字信息、语音信息、和/或图片信息,等等。
其中,根据接收到的车辆信息和该驾驶习惯画像确定该车辆的驾驶员是否为该用户的方式可以有多种,比如,可以通过评分的方式还确定该车辆的驾驶员是否为该用户,即如图3b所示,该车辆信息的处理装置还可以包括评分单元306,如下:
评分单元306,用于根据接收到的车辆信息和该驾驶习惯画像计算该车辆的驾驶员的得分,若该得分低于预设阈值时,确定该车辆的驾驶员不是该用户;若该得分不低于预设阈值,则确定该车辆的驾驶员为该用户。
则此时,告警单元303,具体可以用于在评分单元306得到的分数低于预设阈值时,向该用户发送告警信息。
其中,该预设阈值可以根据实际应用的需求进行设置,在此不再赘述。
例如,以驾驶习惯画像包括组合概率和基础概率为例,则该评分单元306,具体可以用于:
对接收到的车辆信息中的各类信息进行组合;确定驾驶习惯画像中是否存在该组合;若存在,则将该组合对应的组合概率作为该车辆的驾驶员的得分;若不存在,则计算该各类信息对应的基础概率的乘积,将该乘积作为该车辆的驾驶员的得分。
可选的,若根据该车辆信息和该驾驶习惯画像确定该车辆的驾驶员为该用户,则可以根据接收到的车辆信息对该用户的驾驶习惯画像进行更新,即如图3b所示,该车辆信息的处理装置还可以包括更新单元307,如下:
更新单元307,可以用于在根据该车辆信息和该驾驶习惯画像确定该车辆的驾驶员为该用户时,比如,在评分单元306得到的分数不低于预设阈值时,根据接收到的车辆信息对该用户的驾驶习惯画像进行更新。
例如,以该驾驶习惯画像包括组合概率和基础概率为例,则:
该更新单元307,具体可以用于将接收到的车辆信息添加至驾驶记录中,得到更新后驾驶记录;对接收到的车辆信息中的各类信息进行组合;计算该组合在更新后驾驶记录中出现的概率,得到当前组合概率;分别计算该各类信息在更新后驾驶记录中出现的概率,得到当前基础概率;根据该当前组合概率和当前基础概率对驾驶习惯画像中的组合概率和基础概率进行更新。
可选的,如图3b所示,该车辆信息的处理装置还可以包括绑定单元308,如下:
接收单元301,还可以用于接收用户的绑定请求,该绑定请求携带用户标识和车辆标识等信息;
绑定单元308,可以用于建立该用户标识和车辆标识的关联关系,并保存该关联关系;
则此时,获取单元302,具体可以用于根据该关联关系获取该车辆标识对应的用户标识,根据该用户标识获取对应的用户的驾驶习惯画像。
可选的,如图3b所示,该车辆信息的处理装置还可以包括处理单元309,如下:
该处理单元309,用于在告警单元向用户发送告警信息之后,接收该用户返回的响应消息,若该响应消息指示该车辆的驾驶员为该用户,则在预设时间内停止向该用户发送告警信息;若该响应消息指示该车辆的驾驶员不是该用户,则向预设设备发送告警信息和该车辆位置。
其中,该预设时间可以根据实际应用的需求进行设置,比如,可以设置为半个钟头或一个钟头,等等,在此不再赘述。
其中,该预设设备也可以根据实际应用的需求进行设置,比如,可以是警方的电话,即若该响应消息指示该车辆的驾驶员不是该用户,则处理单元309自动进行报警,并将车辆的定位信息(即车辆位置)提供给警方,等等。
具体实施时,以上各个单元可以作为独立的实体实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
该车辆信息的处理装置具体可以集成在服务器,比如云端服务器等设备中。
由上可知,本实施例的车辆信息的处理装置的接收单元301可以周期性接收车辆发送的车辆信息,比如车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间等信息,然后,由获取单元302根据该车辆标识获取对应的用户的驾驶习惯画像,在根据该车辆信息和驾驶习惯画像确定该车辆的驾驶员不是该用户时,由告警单元303向该用户发送告警信息,从而达到防盗的目的;由于该方案可以周期性地对车辆信息进行采集和追踪,并在发生异常时及时的通知相应的用户,因此,即便盗车人破解了车辆的防盗锁,用户也可以及时获知且进行追踪,所以,相对于现有技术只是通过防盗锁来进行防盗的方案而已,该方案可以大大提高安全性,改善防盗效果,而且,还可以对被盗车辆进行追踪,有利于保障用户的财产安全。
实施例四、
相应的,本发明实施例还提供一种车辆信息的处理***,包括本发明实施例所提供的任一种车辆信息的处理装置,具体可参见实施例三,其中,该车辆信息的处理装置具体可以集成在服务器,比如云端服务器中,例如,可以如下:
服务器,用于周期性接收车辆发送的车辆信息,该车辆信息包括车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间;根据该车辆标识获取对应的用户的驾驶习惯画像,该驾驶习惯画像根据驾驶记录建立而成,该驾驶记录包括该用户在驾驶该车辆时所采集的多条车辆信息;根据接收到的车辆信息和该驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息。
该服务器,还可以用于在确定不存在对应的用户的驾驶习惯画像时,将接收到的车辆信息添加至对应用户的驾驶记录中,根据驾驶记录建立用户的驾驶习惯画像。
该服务器,还可以用于在根据该车辆信息和该驾驶习惯画像确定该车辆的驾驶员为该用户时,根据接收到的车辆信息对该用户的驾驶习惯画像进行更新。
可选的,该车辆信息的处理***还可以包括其他的设备,比如车辆信息采集装置,如下:
车辆信息采集装置,用于对所在车辆的车辆信息进行采集,并将采集到的车辆信息发送给服务器。
以上各个设备的具体实施可参见前面的实施例,在此不再赘述。
由于该车辆信息的处理***可以包括本发明实施例所提供的任一种车辆信息的处理装置,因此,可以实现本发明实施例所提供的任一种车辆信息的处理装置所能实现的有益效果,详见前面的实施例,在此不再赘述。
实施例五、
本发明实施例还提供一种服务器,如图4所示,其示出了本发明实施例所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、射频(Radio Frequency,RF)电路403、电源404、输入单元405、以及显示单元406等部件。本领域技术人员可以理解,图4中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
RF电路403可用于收发信息过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器401处理;另外,将涉及上行的数据发送给基站。通常,RF电路403包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、低噪声放大器(LNA,Low Noise Amplifier)、双工器等。此外,RF电路403还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯***(GSM,Global System of Mobilecommunication)、通用分组无线服务(GPRS,General Packet Radio Service)、码分多址(CDMA,Code Division Multiple Access)、宽带码分多址(WCDMA,Wideband CodeDivision Multiple Access)、长期演进(LTE,Long Term Evolution)、电子邮件、短消息服务(SMS,Short Messaging Service)等。
服务器还包括给各个部件供电的电源404(比如电池),优选的,电源404可以通过电源管理***与处理器401逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源404还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元405,该输入单元405可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,在一个具体的实施例中,输入单元405可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器401,并能接收处理器401发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元405还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
该服务器还可包括显示单元406,该显示单元406可用于显示由用户输入的信息或提供给用户的信息以及服务器的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元406可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid Crystal Display)、有机发光二极管(OLED,Organic Light-EmittingDiode)等形式来配置显示面板。进一步的,触敏表面可覆盖显示面板,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器401以确定触摸事件的类型,随后处理器401根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图4中,触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面与显示面板集成而实现输入和输出功能。
尽管未示出,服务器还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,服务器中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
周期性接收车辆发送的车辆信息,该车辆信息包括车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间;根据该车辆标识获取对应的用户的驾驶习惯画像;根据接收到的车辆信息和该驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息。
比如,可以根据接收到的车辆信息和该驾驶习惯画像计算该车辆的驾驶员的得分,若该得分低于预设阈值,则确定该车辆的驾驶员不是该用户;否则,若该得分不低于预设阈值,则确定该车辆的驾驶员为该用户,等等。
其中,该预设阈值可以根据实际应用的需求进行设置,在此不再赘述。
其中,该驾驶习惯画像根据驾驶记录建立而成,该驾驶记录可以包括该用户在驾驶该车辆时所采集的多条车辆信息,即该存储在存储器402中的应用程序,还可以用于实现如下功能:
根据该车辆标识确定是否存在对应的用户的驾驶习惯画像,若是,则执行根据该车辆标识获取对应的用户的驾驶习惯画像的操作;若否,则将接收到的车辆信息添加至对应用户的驾驶记录中,根据驾驶记录建立用户的驾驶习惯画像,例如,可以如下:
对接收到的车辆信息中的各类信息进行组合,并计算该组合在驾驶记录中出现的概率,得到组合概率;分别计算该各类信息在驾驶记录中出现的概率,得到基础概率;根据该组合概率和基础概率生成用户的驾驶习惯画像。
可选的,在若根据该车辆信息和该驾驶习惯画像确定该车辆的驾驶员为该用户,则可以根据接收到的车辆信息对该用户的驾驶习惯画像进行更新,即该存储在存储器402中的应用程序,还可以用于实现如下功能:
将接收到的车辆信息添加至驾驶记录中,得到更新后驾驶记录;对接收到的车辆信息中的各类信息进行组合;计算该组合在更新后驾驶记录中出现的概率,得到当前组合概率;分别计算该各类信息在更新后驾驶记录中出现的概率,得到当前基础概率;根据该当前组合概率和当前基础概率对驾驶习惯画像中的组合概率和基础概率进行更新。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本实施例的服务器可以周期性接收车辆发送的车辆信息,比如车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间等信息,然后,根据该车辆标识获取对应的用户的驾驶习惯画像,在根据该车辆信息和驾驶习惯画像确定该车辆的驾驶员不是该用户时,向该用户发送告警信息,从而达到防盗的目的;由于该方案可以周期性地对车辆信息进行采集和追踪,并在发生异常时及时的通知相应的用户,因此,即便盗车人破解了车辆的防盗锁,用户也可以及时获知且进行追踪,所以,相对于现有技术只是通过防盗锁来进行防盗的方案而已,该方案可以大大提高安全性,改善防盗效果,而且,还可以对被盗车辆进行追踪,有利于保障用户的财产安全。
本领域普通技术人员可以理解上述实施例的各种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,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,RandomAccess Memory)、磁盘或光盘等。
以上对本发明实施例所提供的一种车辆信息的处理方法、装置和***进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种车辆信息的处理方法,其特征在于,包括:
周期性接收车辆发送的车辆信息,所述车辆信息包括车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间;
根据所述车辆标识获取对应的用户的驾驶习惯画像,所述驾驶习惯画像包括组合概率和基础概率,所述组合概率为车辆信息中的各类信息的组合在驾驶记录中出现的概率,所述基础概率为车辆信息中的各类信息在驾驶记录中出现的概率,所述驾驶记录包括所述用户在驾驶所述车辆时所采集的多条车辆信息;
根据接收到的车辆信息和所述驾驶习惯画像计算所述车辆的驾驶员的得分;
若所述得分低于预设阈值,则确定所述车辆的驾驶员不是所述用户;向所述用户发送告警信息;
若所述得分不低于预设阈值,则确定所述车辆的驾驶员为所述用户;
其中所述根据接收到的车辆信息和所述驾驶习惯画像计算所述车辆的驾驶员的得分,包括:
对接收到的车辆信息中的各类信息进行组合;
确定驾驶习惯画像中是否存在所述组合;
若存在,则将所述组合对应的组合概率作为所述车辆的驾驶员的得分;
若不存在,则计算所述各类信息对应的基础概率的乘积,将所述乘积作为所述车辆的驾驶员的得分。
2.根据权利要求1所述的方法,其特征在于,所述周期性接收车辆发送的车辆信息之后,还包括:
根据所述车辆标识确定是否存在对应的用户的驾驶习惯画像;
若是,则执行根据所述车辆标识获取对应的用户的驾驶习惯画像的步骤;
若否,则将接收到的车辆信息添加至对应用户的驾驶记录中,根据驾驶记录建立用户的驾驶习惯画像。
3.根据权利要求2所述的方法,其特征在于,所述根据驾驶记录建立用户的驾驶习惯画像,包括:
对接收到的车辆信息中的各类信息进行组合,并计算所述组合在驾驶记录中出现的概率,得到组合概率;
分别计算所述各类信息在驾驶记录中出现的概率,得到基础概率;
根据所述组合概率和所述基础概率生成用户的驾驶习惯画像。
4.根据权利要求1至3任一项所述的方法,其特征在于,还包括:
根据所述车辆信息和所述驾驶习惯画像确定所述车辆的驾驶员为所述用户时,根据接收到的车辆信息对所述用户的驾驶习惯画像进行更新。
5.根据权利要求4所述的方法,其特征在于,所述驾驶习惯画像包括组合概率和基础概率,则所述根据接收到的车辆信息对所述用户的驾驶习惯画像进行更新,包括:
将接收到的车辆信息添加至驾驶记录中,得到更新后驾驶记录;
对接收到的车辆信息中的各类信息进行组合;
计算所述组合在更新后驾驶记录中出现的概率,得到当前组合概率;
分别计算所述各类信息在更新后驾驶记录中出现的概率,得到当前基础概率;
根据所述当前组合概率和所述当前基础概率对驾驶习惯画像中的组合概率和基础概率进行更新。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述周期性接收车辆发送的车辆信息之前,还包括:
接收用户的绑定请求,所述绑定请求携带用户标识和车辆标识;
建立所述用户标识和所述车辆标识的关联关系,并保存所述关联关系;
所述根据所述车辆标识获取对应的用户的驾驶习惯画像,包括:根据所述关联关系获取所述车辆标识对应的用户标识,根据所述用户标识获取对应的用户的驾驶习惯画像。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述向所述用户发送告警信息之后,还包括:
接收所述用户返回的响应消息;
若所述响应消息指示所述车辆的驾驶员为所述用户,则在预设时间内停止向所述用户发送告警信息;
若所述响应消息指示所述车辆的驾驶员不是所述用户,则向预设设备发送告警信息和所述车辆位置。
8.一种车辆信息的处理装置,其特征在于,包括:
接收单元,用于周期性接收车辆发送的车辆信息,所述车辆信息包括车辆标识、车辆位置、行驶速度、加速度、和/或驾驶时间;
获取单元,用于根据所述车辆标识获取对应的用户的驾驶习惯画像,所述驾驶习惯画像包括组合概率和基础概率,所述组合概率为车辆信息中的各类信息的组合在驾驶记录中出现的概率,所述基础概率为车辆信息中的各类信息在驾驶记录中出现的概率,所述驾驶记录包括所述用户在驾驶所述车辆时所采集的多条车辆信息;
告警单元,用于根据接收到的车辆信息和所述驾驶习惯画像确定所述车辆的驾驶员不是所述用户时,向所述用户发送告警信息;
评分单元,用于对接收到的车辆信息中的各类信息进行组合;确定驾驶习惯画像中是否存在所述组合;若存在,则将所述组合对应的组合概率作为所述车辆的驾驶员的得分;若不存在,则计算所述各类信息对应的基础概率的乘积,将所述乘积作为所述车辆的驾驶员的得分;
若所述得分低于预设阈值时,确定所述车辆的驾驶员不是所述用户;若所述得分不低于预设阈值,则确定所述车辆的驾驶员为所述用户。
9.根据权利要求8所述的装置,其特征在于,还包括确定单元和建立单元;
所述确定单元,用于根据所述车辆标识确定是否存在对应的用户的驾驶习惯画像;
所述获取单元,具体用于在所述确定单元确定存在对应的用户的驾驶习惯画像时,根据所述车辆标识获取对应的用户的驾驶习惯画像;
所述建立单元,用于在所述确定单元确定不存在对应的用户的驾驶习惯画像时,将接收到的车辆信息添加至对应用户的驾驶记录中,根据驾驶记录建立用户的驾驶习惯画像。
10.根据权利要求9所述的装置,其特征在于,
所述建立单元,具体用于对接收到的车辆信息中的各类信息进行组合,并计算所述组合在驾驶记录中出现的概率,得到组合概率;分别计算所述各类信息在驾驶记录中出现的概率,得到基础概率;根据所述组合概率和基础概率生成用户的驾驶习惯画像。
11.根据权利要求8至10任一项所述的装置,其特征在于,还包括更新单元;
所述更新单元,用于在根据所述车辆信息和所述驾驶习惯画像确定所述车辆的驾驶员为所述用户时,根据接收到的车辆信息对所述用户的驾驶习惯画像进行更新。
12.根据权利要求11所述的装置,其特征在于,所述驾驶习惯画像包括组合概率和基础概率;
所述更新单元,具体用于将接收到的车辆信息添加至驾驶记录中,得到更新后驾驶记录;对接收到的车辆信息中的各类信息进行组合;计算所述组合在更新后驾驶记录中出现的概率,得到当前组合概率;分别计算所述各类信息在更新后驾驶记录中出现的概率,得到当前基础概率;根据所述当前组合概率和当前基础概率对驾驶习惯画像中的组合概率和基础概率进行更新。
13.根据权利要求8至10任一项所述的装置,其特征在于,还包括绑定单元;
所述接收单元,还用于接收用户的绑定请求,所述绑定请求携带用户标识和车辆标识;
所述绑定单元,用于建立所述用户标识和车辆标识的关联关系,并保存所述关联关系;
所述获取单元,具体用于根据所述关联关系获取所述车辆标识对应的用户标识,根据所述用户标识获取对应的用户的驾驶习惯画像。
14.根据权利要求8至10任一项所述的装置,其特征在于,还包括处理单元;
所述处理单元,用于接收所述用户返回的响应消息,若所述响应消息指示所述车辆的驾驶员为所述用户,则预设时间内停止向所述用户发送告警信息;若所述响应消息指示所述车辆的驾驶员不是所述用户,则向预设设备发送告警信息和所述车辆位置。
15.一种车辆信息的处理***,其特征在于,包括权利要求8至14任一项所述的车辆信息的处理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610643136.3A CN107704794B (zh) | 2016-08-08 | 2016-08-08 | 一种车辆信息的处理方法、装置和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610643136.3A CN107704794B (zh) | 2016-08-08 | 2016-08-08 | 一种车辆信息的处理方法、装置和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107704794A CN107704794A (zh) | 2018-02-16 |
CN107704794B true CN107704794B (zh) | 2020-08-04 |
Family
ID=61168619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610643136.3A Active CN107704794B (zh) | 2016-08-08 | 2016-08-08 | 一种车辆信息的处理方法、装置和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107704794B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866176A (zh) * | 2018-08-21 | 2020-03-06 | 上海博泰悦臻网络技术服务有限公司 | 车辆、车载终端及其用户形象构造方法和信息推送方法 |
CN111984853B (zh) * | 2019-05-22 | 2024-03-22 | 北京车和家信息技术有限公司 | 试驾报告生成方法和云端服务器 |
CN110390557A (zh) * | 2019-06-17 | 2019-10-29 | 深圳壹账通智能科技有限公司 | 车辆保费确定方法、装置及计算机设备及可读存储介质 |
CN111391859A (zh) * | 2020-03-23 | 2020-07-10 | 东风小康汽车有限公司重庆分公司 | 车主识别预警方法及*** |
CN112927393B (zh) * | 2021-02-08 | 2022-09-16 | 上海钧正网络科技有限公司 | 骑行数据处理方法、服务器、用户设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1769108A (zh) * | 2004-11-03 | 2006-05-10 | 同致电子企业股份有限公司 | 重力加速度感应式汽车防盗装置 |
CN104057918A (zh) * | 2014-06-16 | 2014-09-24 | 浙江中科领航汽车电子有限公司 | 一种车辆远程防盗***及其方法 |
CN104599346A (zh) * | 2013-12-11 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种驾驶行为评估方法,及装置 |
CN104615615A (zh) * | 2014-05-04 | 2015-05-13 | 腾讯科技(深圳)有限公司 | 一种驾驶数据处理方法及装置 |
CN105761329A (zh) * | 2016-03-16 | 2016-07-13 | 成都信息工程大学 | 基于驾驶习惯的驾驶员辨别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150058045A1 (en) * | 2012-04-18 | 2015-02-26 | Creative Innovation Avenue | Method and apparatus for information exchange in vehicles |
-
2016
- 2016-08-08 CN CN201610643136.3A patent/CN107704794B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1769108A (zh) * | 2004-11-03 | 2006-05-10 | 同致电子企业股份有限公司 | 重力加速度感应式汽车防盗装置 |
CN104599346A (zh) * | 2013-12-11 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种驾驶行为评估方法,及装置 |
CN104615615A (zh) * | 2014-05-04 | 2015-05-13 | 腾讯科技(深圳)有限公司 | 一种驾驶数据处理方法及装置 |
CN104057918A (zh) * | 2014-06-16 | 2014-09-24 | 浙江中科领航汽车电子有限公司 | 一种车辆远程防盗***及其方法 |
CN105761329A (zh) * | 2016-03-16 | 2016-07-13 | 成都信息工程大学 | 基于驾驶习惯的驾驶员辨别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107704794A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107704794B (zh) | 一种车辆信息的处理方法、装置和*** | |
US9715816B1 (en) | Reminders based on entry and exit of vehicle | |
CN110155066B (zh) | 一种颠簸检测、预警方法、装置、设备及*** | |
US9080878B2 (en) | Automatic identification of vehicle location | |
WO2018161774A1 (zh) | 驾驶行为确定方法、装置、设备及存储介质 | |
CN108665678B (zh) | 一种请求救援的方法和装置 | |
JP7128813B2 (ja) | 車両の安全を保証するシステム及び方法 | |
US10730463B2 (en) | Tigger based vehicle monitoring | |
CN109150946B (zh) | 使用移动设备进行车辆识别的***和方法 | |
US20140232570A1 (en) | Vehicle location in weak location signal scenarios | |
CN108447472A (zh) | 语音唤醒方法及装置 | |
CN104364818A (zh) | 包括服务提供装置和用户配置文件服务器的服务提供***及服务提供装置的服务提供方法 | |
JP5681233B2 (ja) | 知能型映像管制システム及び方法 | |
CN112258837B (zh) | 一种车辆预警的方法、相关装置、设备以及存储介质 | |
JP2017167982A (ja) | 情報処理装置、車載装置および情報処理方法 | |
CN105989745A (zh) | 一种车辆违章信息的获取方法、装置及*** | |
CN104346950A (zh) | 一种停车位记录方法及其装置 | |
CN106960602A (zh) | 在车辆行驶过程中进行驾驶预警的方法、车载设备及装置 | |
CN108280900A (zh) | 一种app汽车行驶记录仪以及汽车行驶记录*** | |
CN111885500B (zh) | 基于窄带物联网的路况提醒方法、装置及存储介质 | |
CN104192094A (zh) | 一种车辆防盗方法和*** | |
US20200236523A1 (en) | Data Transmission Method and Apparatus | |
CN112735160A (zh) | 驾驶行为的提醒方法、装置、云服务器和电子设备 | |
CN112067012B (zh) | 网约车接人判定方法及装置 | |
CN113494921B (zh) | 自动驾驶方法及装置 |
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 |