CN109523787B - 一种基于车辆通行轨迹的疲劳驾驶分析方法 - Google Patents
一种基于车辆通行轨迹的疲劳驾驶分析方法 Download PDFInfo
- Publication number
- CN109523787B CN109523787B CN201811459478.5A CN201811459478A CN109523787B CN 109523787 B CN109523787 B CN 109523787B CN 201811459478 A CN201811459478 A CN 201811459478A CN 109523787 B CN109523787 B CN 109523787B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- bayonet
- passing
- bayonets
- road section
- 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
- 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
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于车辆通行轨迹的疲劳驾驶分析方法,其取得数据不依靠车辆本身安装的车载设备,能够保证数据的客观性,且可以实时采集数据,并且主动发出警报,协助执法人员进行执法行动。其包括:S1:以头卡口Ks为起点获取计算开始前的所有被分析车辆途径的卡口;S2:计算头卡口Ks为起点的相邻卡口之间的过车时间差、导航距离;S3:选取一个检测路段,检测路段最后一个卡口记作尾卡口Ke;S4:从头卡口Ks开始到尾卡口Ke为止,计算相邻卡口之间的平均通行速度;S5:根据道路类型,速度阈值,判断有疲劳驾驶嫌疑的嫌疑车辆;S6:抽取所有卡口拍摄的嫌疑车辆的图片;S7:确认驾驶人信息;S8:如果不存在更换驾驶人的现象,则判断为疲劳驾驶车辆。
Description
技术领域
本发明涉及智能交通控制技术领域,具体为一种基于车辆通行轨迹的疲劳驾驶分析方法。
背景技术
随着当前经济社会的高速发展,物流产业的发达壮大,客货运市场竞争日趋激烈,一些车主、驾驶人为了谋取经济利益,长时间连续驾车,导致出现疲劳驾驶现象,屡次引发严重道路交通事故。现有技术中,关于疲劳驾驶分析的方法主要是基于各类车载设备采集的数据进行的,这一类分析方法很难保证数据有完整性和有效性,存在数据不全及数据被篡改的风险,且这类方法的前提是需要提前安装好相关的车载设备,一旦车辆没有安装车载设备,或者车载设备损坏,就会导致执法人员无法取得相关数据。
发明内容
为了解决现有技术中疲劳驾驶依赖于车载设备,导致数据有安全性风险,以及车载设备损坏会导致无法取证的问题,本发明提供一种基于车辆通行轨迹的疲劳驾驶分析方法,其取得数据不依靠车辆本身安装的车载设备,能够保证数据的客观性,且可以实时采集数据,并且主动发出警报,协助执法人员进行执法行动。
本发明的技术方案是这样的:一种基于车辆通行轨迹的疲劳驾驶分析方法,其特征在于,其包括以下步骤:
S1:需要分析的第一个卡口记作头卡口Ks,以所述头卡口Ks为起点获取计算开始前的所有被分析车辆途径的卡口;
S2:抽取车辆行驶轨迹,计算所述头卡口Ks为起点的每一对相邻卡口之间的过车时间差ti、导航距离si;
S3:选取一个检测路段,所述检测路段最后一个经过的卡口记作尾卡口Ke;
S4:通过所述导航距离si和所述过车时间差ti,从所述头卡口Ks开始到所述尾卡口Ke为止,计算每一对相邻卡口之间的平均通行速度vi
vi = si/ti;
S5:根据每一对相邻的卡口之间所在的路段的道路类型,分别预设有一个速度阈值ωi,通过每一对相邻的卡口之间的所述平均通行速度vi和与其对应的所述速度阈值ωi进行计算,可以判断被分析车辆是否在卡口对之间存在停车休息的行为,如果在每一对相邻的卡口对之间的路段上,都没有停车休息,则可以判断被分析车辆有疲劳驾驶嫌疑,记录此车辆为嫌疑车辆;
S6:针对每一个所述嫌疑车辆,分别从所述头卡口Ks开始到所述尾卡口Ke为止,抽取所有卡口拍摄的所述嫌疑车辆的图片;
S7:通过人脸识别技术对所述嫌疑车辆的图片进行图像识别,确认驾驶人信息;
S8:如果不存在更换驾驶人的现象,则判断为疲劳驾驶车辆,通过交通管控平台推送所述疲劳驾驶车辆的信息到道路执法人员,由道路执法人员进行后续的人工判断,本次分析结束。
其进一步特征在于:
步骤S3中选取所述检测路段的选取方法包括如下步骤:
S3-1:从第一个所述过车时间差开始,累加所述过车时间差ti,得到累加行驶时间T;
S3-2:当所述累加行驶时间T大于预设的疲劳驾驶阈值时间时,经过的路段设置为所述检测路段;
步骤S5中的通过所述平均通行速度vi和与其对应的所述速度阈值ωi进行计算,进而判断被检测车辆是否有停车行为的计算方法包括如下步骤:
S5-1:通过所述平均通行速度vi和与其对应的所述速度阈值ωi计算每一对相邻的卡口之间车辆连续行驶的可能值pi;
S5-2:通过所有的所述可能值pi,计算车辆连续可能性P
S5-3:现实中根据道路类型设定的速度阈值,会受驾驶人和路况的差异而影响准确性,故设置一个连续行驶可能性阈值δ,把所述车辆连续可能性P与所述连续行驶可能性阈值δ比较,当P>δ时,记录此车辆为嫌疑车辆;
在步骤S5-3之后,还需要执行下面的步骤:
S5-4:当P<δ时,记录此车辆为跟踪检测车辆;
S5-5:找出所述跟踪检测车辆在步骤S5-1中计算出的第一个小于1的所述可能值pi,把这个所述可能值pi对应的那一对相邻的卡口中的尾卡口设置为所述头卡口Ks;
S5-6:重复步骤S1至S5,直至无法从卡口设备中取得合格的所述检测路段的数据,本次分析结束;
所述连续行驶可能性阈值δ的取值范围为[0.8,0.9]。
本发明提供的一种基于车辆通行轨迹的疲劳驾驶分析方法,其脱离车辆本身安装的车载设备,基于现有的公共资源,通过对车辆在每个卡口对的路段上的平均行驶速度与速度阈值的比对计算,分析车辆是否有停车行为,并且通过人脸识别技术确认是否存在更换驾驶人的行为,进而判断在被检测路段上是否连续驾驶;数据是通过公共交通控制设备自动采集,不会被私人篡改,不会因为个人设备的损坏导致数据丢失,确保了数据的客观性和安全性;通过实时数据进行计算后,把嫌疑车辆通知执法人员,使执法人员可以及时处理嫌疑车辆,降低了交通安全事故发生的概率。
附图说明
图1为本方法的流程结构示意图。
具体实施方式
如图1所示,本发明一种基于车辆通行轨迹的疲劳驾驶分析方法,其特征在于,其包括以下步骤:
S1:需要分析的第一个卡口记作头卡口Ks,以头卡口Ks为起点获取计算开始前的所有被分析车辆途径的卡口;
S2:抽取车辆行驶轨迹,计算头卡口Ks为起点的每一对相邻卡口之间的过车时间差ti、利用电子地图服务得到的相邻卡口之间的导航距离si;
S3:选取一个检测路段,检测路段最后一个经过的卡口记作尾卡口Ke;
S4:通过导航距离si和过车时间差ti,从头卡口Ks开始到尾卡口Ke为止,计算每一对相邻卡口之间的平均通行速度vi
vi = si/ti;
S5:根据每一对相邻的卡口之间所在的路段的道路类型,分别预设有一个速度阈值ωi,通过每一对相邻的卡口之间的平均通行速度vi和与其对应的速度阈值ωi进行计算,可以判断被分析车辆是否在相邻的卡口对之间存在停车休息的行为,如果在每一对相邻的卡口对之间的路段上,都没有停车休息,则可以判断被分析车辆有疲劳驾驶嫌疑,记录此车辆为嫌疑车辆;通过对不同类型的道路,设置不同的速度阈值ωi,使每个平均通行速度vi的比对都是按照实际道路情况进行比对,进而保证计算结果的真实性、准确性;
S6:针对每一个嫌疑车辆,分别从头卡口Ks开始到尾卡口Ke为止,抽取所有卡口拍摄的嫌疑车辆的图片;
S7:通过人脸识别技术对嫌疑车辆的图片进行图像识别,确认驾驶人信息;
S8:如果不存在更换驾驶人的现象,则判断为疲劳驾驶车辆,通过交通管控平台推送疲劳驾驶车辆的信息到道路执法人员,由道路执法人员进行后续的人工判断,本次分析结束。
步骤S3中选取检测路段的选取方法包括如下步骤:
S3-1:从第一个过车时间差开始,累加过车时间差ti,得到累加行驶时间T;
S3-2:当累加行驶时间T大于预设的疲劳驾驶阈值时间时,经过的路段设置为检测路段;
根据《中华人民共和国道路交通安全法实施条例》六十二条第七项规定“连续驾驶机动车超过四个小时,未停车休息或者停车休息时间少于二十分钟的”为疲劳驾驶,所以疲劳驾驶阈值时间设置为4小时;
通过累加行驶时间限定检测路段,如果检测路段中存在休息时间,则被检测车辆在检测路段中的行驶时间必然小于4小时,其行驶距离必然小于连续行驶的行驶距离。
步骤S5中的通过平均通行速度vi和与其对应的速度阈值ωi进行计算,进而判断被检测车辆是否有停车行为的计算方法包括如下步骤:
S5-1:通过平均通行速度vi和与其对应的速度阈值ωi计算每一对相邻的卡口之间车辆连续行驶的可能值pi;
S5-2:通过所有的可能值pi,计算车辆连续可能性P
P = ;在实际工作中发现,根据道路类型设定的速度阈值会受驾驶人和路况的差异而影响准确性,故设置一个连续行驶可能性阈值δ对速度阈值的可能存在的误差进行纠正,使结论更接近真实情况,确保方案结果的准确性;
S5-3:根据被分析车辆经过路段道路类型的不同,对不同的检测路段分别设置一个连续行驶可能性阈值δ,把车辆连续可能性P与连续行驶可能性阈值δ比较,当P>δ时,记录此车辆为嫌疑车辆;连续行驶可能性阈值δ的取值范围为[0.8,0.9],技术人员会根据具体的道路类型,以及道路中卡口设备的安装情况,为每种类型的检测路段选取连续行驶可能性阈值δ对应的具体数值,使计算结果更能反映实际情况;
S5-4:当P<δ时,记录此车辆为跟踪检测车辆;
S5-5:找出跟踪检测车辆在步骤S5-1中计算出的第一个小于1的可能值pi,把这个可能值pi对应的那一对相邻的卡口对中的尾卡口设置为头卡口Ks;
S5-6:重复步骤S1至S5,直至无法从卡口设备中取得合格的检测路段的数据,代表车辆停止行驶,本次分析结束。
下面举例说明本发明的具体实施方法:
表1为记录了从公共交通监控设备中抽取的具体的一个检测路段内的卡口、道路类型、时间等相关信息的表格,详细如下:
表1 检测路段的详细信息
由表1内容可知,目标车辆从11:00至15:23,累加行驶时间T = 4.38,依次经过Ks到Ke之间共5个卡口,途径的路段为4个,即i = 4。
根据这5个卡口的经纬度信息,利用导航服务得到相邻卡口之间具体的通行线路得到导航距离,分别是:
s1 = 110公路、s2 = 85公里、s3 = 20公里、s4 = 114公里;
继而分别得到相邻卡口之间车辆均速为:
v1 = 82.5公里/小时、v2 = 68公里/小时、v3 = 44.4公里/小时、v4 = 96.3公里/小时;
在计算车辆疲劳驾驶嫌疑度之前,先根据道路类型设定车辆通行速度均值阈值:
高速均速为ω1 = 80公里/小时、省道均速ω2 = 60公里/小时、城市路ω3 = 40公里/小时、高速道路 ω4 = 80公里/小时;
通过平均通行速度vi和与其对应的速度阈值ωi计算每一对卡口之间车辆连续行驶的可能值pi:
p1 = 1、p2 = 1、p3 = 1、p4 = 1,
通过分别比较均速和阈值之间的值发现,车辆从卡口A行驶至卡口B的均速与高速均速阈值比值大于1,故认定车辆从卡口A至卡口B为连续行驶。同理可认定车辆从卡口B至卡口C,从卡口C至卡口D以及从卡口D至卡口E都是连续行驶,没有停车休息;
车辆连续可能性P的值为:
P = p1* p2* p3* p4 = 1;
连续行驶可能性阈值δ的取值范围为[0.8,0.9],无论δ取任何一个值,P一定大于δ,也即是说:
被检测车辆从卡口A至卡口E,车辆的过车时间差超过4小时,故认定车辆连续行驶超过4小时,具备疲劳驾驶嫌疑,记录此车辆为嫌疑车辆;
对于嫌疑车辆,从头卡口Ks开始到尾卡口Ke为止,抽取所有卡口拍摄的嫌疑车辆的图片,通过人脸识别技术对嫌疑车辆的图片进行图像识别,确认驾驶人是否发生过变更,即可认定该车辆驾驶人是否疲劳驾驶,推送给执法人员后,有执法人员进行后续的人工确认。
使用本发明的技术方案,不依赖于车辆本身安装的车载设备,而使用现有的道路监控设备,且算法思路清晰,实现方便,作为交管部门进行交通安全控制的技术方案,具有低成本、高效率、高准确率的特点; 本方案的方法中把有疲劳驾驶行为的车辆推送给道路执法人员,然后由执法人员进行后续人工判断,减少了前期人工筛选的工作量,提高了执法效率;且可以自动识别有嫌疑的车辆,而不是交通事故发生后再去处理事故,有效的预防了交通事故的发生。
Claims (2)
1.一种基于车辆通行轨迹的疲劳驾驶分析方法,其特征在于,其包括以下步骤:
S1:需要分析的第一个卡口记作头卡口Ks,以所述头卡口Ks为起点获取计算开始前的所有被分析车辆途经的卡口;
S2:抽取车辆行驶轨迹,计算所述头卡口Ks为起点的每一对相邻卡口之间的过车时间差ti、导航距离si;
S3:选取一个检测路段,所述检测路段最后一个经过的卡口记作尾卡口Ke;
选取所述检测路段的选取方法包括如下步骤:
S3-1:从第一个所述过车时间差开始,累加所述过车时间差ti,得到累加行驶时间T;
S3-2:当所述累加行驶时间T大于预设的疲劳驾驶阈值时间时,经过的路段设置为所述检测路段;
S4:通过所述导航距离si和所述过车时间差ti,从所述头卡口Ks开始到所述尾卡口Ke为止,计算每一对相邻卡口之间的平均通行速度vi
vi = si/ti;
S5:根据每一对相邻的卡口之间所在的路段的道路类型,分别预设有一个速度阈值ωi,通过每一对相邻的卡口之间的所述平均通行速度vi和与其对应的所述速度阈值ωi进行计算,可以判断被分析车辆是否在任一相邻卡口对之间存在停车休息的行为,进而判断被分析车辆是否有疲劳驾驶嫌疑,并记录嫌疑车辆,具体包括如下步骤:
S5-1:通过所述平均通行速度vi和与其对应的所述速度阈值ωi计算每一对相邻的卡口之间车辆连续行驶的可能值pi;
其中,所述可能值pi = 1表示在第i对相邻卡口之间,连续行驶没有停车休息;
S5-2:通过所有的所述可能值pi,计算在所述检测路段上车辆连续行驶可能性P:
S5-3:现实中根据道路类型设定的速度阈值,会受驾驶人和路况的差异而影响准确性,故设置一个连续行驶可能性阈值δ,把所述车辆连续行驶可能性P与所述连续行驶可能性阈值δ比较,当P>δ时,记录此车辆为嫌疑车辆;执行步骤S6;
当P≤δ时,记录此车辆为跟踪检测车辆;
找出所述跟踪检测车辆在步骤S5-1中计算出的第一个小于1的所述可能值pi,把这个所述可能值pi对应的那一对相邻的卡口中的尾卡口设置为所述头卡口Ks;
重复步骤S1至S5,直至无法从卡口设备中取得所述检测路段的数据,本次分析结束;
S6:针对每一个所述嫌疑车辆,分别从所述头卡口Ks开始到所述尾卡口Ke为止,抽取所有卡口拍摄的所述嫌疑车辆的图片;
S7:通过人脸识别技术对所述嫌疑车辆的图片进行图像识别,确认驾驶人信息;
S8:如果不存在更换驾驶人的现象,则判断为疲劳驾驶车辆,通过交通管控平台推送所述疲劳驾驶车辆的信息到道路执法人员,由道路执法人员进行后续的人工判断,本次分析结束。
2.根据权利要求1所述一种基于车辆通行轨迹的疲劳驾驶分析方法,其特征在于:所述连续行驶可能性阈值δ的取值范围为[0.8,0.9]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459478.5A CN109523787B (zh) | 2018-11-30 | 2018-11-30 | 一种基于车辆通行轨迹的疲劳驾驶分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459478.5A CN109523787B (zh) | 2018-11-30 | 2018-11-30 | 一种基于车辆通行轨迹的疲劳驾驶分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523787A CN109523787A (zh) | 2019-03-26 |
CN109523787B true CN109523787B (zh) | 2021-06-29 |
Family
ID=65794935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811459478.5A Active CN109523787B (zh) | 2018-11-30 | 2018-11-30 | 一种基于车辆通行轨迹的疲劳驾驶分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523787B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110491157B (zh) * | 2019-07-23 | 2022-01-25 | 中山大学 | 一种基于停车场数据和卡口数据的车辆关联方法 |
CN111161546B (zh) * | 2020-04-02 | 2020-06-30 | 武汉中科通达高新技术股份有限公司 | 一种用于交管***的重点车辆排查方法及*** |
CN111696349B (zh) * | 2020-06-10 | 2022-02-11 | 长威信息科技发展股份有限公司 | 基于路段实时通行状况的疲劳驾驶判别方法 |
CN111899517B (zh) * | 2020-06-24 | 2022-11-04 | 浙江浩腾电子科技股份有限公司 | 一种高速公路疲劳驾驶违法行为判定方法 |
CN114299690A (zh) * | 2021-12-28 | 2022-04-08 | 北京汇通天下物联科技有限公司 | 疲劳驾驶检测方法、装置、电子设备及存储介质 |
CN114944083B (zh) * | 2022-05-13 | 2023-03-24 | 公安部交通管理科学研究所 | 一种高速公路上行驶车辆与前车距离的判断方法 |
CN115359627A (zh) * | 2022-08-11 | 2022-11-18 | 安徽虹湾信息技术有限公司 | 一种疲劳驾驶车辆稽查告警***及方法 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1702698A (zh) * | 2005-04-30 | 2005-11-30 | 文鹏飞 | 一种机动车行驶信息处理方法及其装置 |
EP2288287A1 (en) * | 2008-05-12 | 2011-03-02 | Toyota Jidosha Kabushiki Kaisha | Driver imaging apparatus and driver imaging method |
CN103559792A (zh) * | 2013-11-13 | 2014-02-05 | 喀什沃鑫通讯科技有限公司 | 一种高速公路行驶车辆疲劳驾驶的认定方法 |
CN103559521A (zh) * | 2013-11-13 | 2014-02-05 | 喀什沃鑫通讯科技有限公司 | 高速公路长途客货车换人驾驶的认定方法 |
CN104200659A (zh) * | 2014-08-28 | 2014-12-10 | 公安部交通管理科学研究所 | 一种不按规定线路行驶的重点车辆交通违法行为判定方法 |
CN104408920A (zh) * | 2014-11-25 | 2015-03-11 | 公安部交通管理科学研究所 | 基于卡口通行信息判断长途客运车辆交通违法行为的方法 |
CN105034805A (zh) * | 2015-08-31 | 2015-11-11 | 中国矿业大学(北京) | 一种司机驾驶行为监控方法及装置 |
CN105654719A (zh) * | 2016-01-13 | 2016-06-08 | 北京中交兴路信息科技有限公司 | 一种疲劳驾驶分析方法和装置 |
CN106355891A (zh) * | 2016-10-09 | 2017-01-25 | 公安部交通管理科学研究所 | 基于营运车辆通行信息的疲劳驾驶交通违法行为判定方法 |
CN106448062A (zh) * | 2016-10-26 | 2017-02-22 | 深圳市元征软件开发有限公司 | 疲劳驾驶检测方法及装置 |
CN106564429A (zh) * | 2016-10-28 | 2017-04-19 | 湖南海翼电子商务股份有限公司 | 疲劳驾驶确定装置及其方法 |
CN106981175A (zh) * | 2017-05-04 | 2017-07-25 | 广东轻工职业技术学院 | 一种防止疲劳驾驶的方法和*** |
CN107264280A (zh) * | 2017-05-09 | 2017-10-20 | 武汉依迅北斗空间技术有限公司 | 渣土车行驶控制方法及装置 |
WO2017208587A1 (ja) * | 2016-05-30 | 2017-12-07 | アイシン精機株式会社 | 警報装置 |
CN107622655A (zh) * | 2017-09-14 | 2018-01-23 | 王淑芳 | 一种重点营运车辆疲劳驾驶监控方法和*** |
CN107657813A (zh) * | 2017-09-21 | 2018-02-02 | 中交第二公路勘察设计研究院有限公司 | 基于行车轨迹的高速公路交通执法判别方法 |
CN107862871A (zh) * | 2017-11-06 | 2018-03-30 | 喀什沃鑫通讯科技有限公司 | 一种驾驶员换驾、连续驾驶时间监控的装置及方法 |
CN108320503A (zh) * | 2018-01-19 | 2018-07-24 | 江苏本能科技有限公司 | 基于点位识别的车辆行驶查询方法及*** |
CN108364457A (zh) * | 2018-01-31 | 2018-08-03 | 长安大学 | 一种基于gps的商用车疲劳驾驶检测方法 |
CN108423002A (zh) * | 2018-02-07 | 2018-08-21 | 深圳市芝麻开门电子科技有限公司 | 一种安全驾驶监控的方法及*** |
CN108717794A (zh) * | 2018-07-25 | 2018-10-30 | 中科鼎富(北京)科技发展有限公司 | 一种防止高速公路上司机疲劳驾驶的方法,装置及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9493130B2 (en) * | 2011-04-22 | 2016-11-15 | Angel A. Penilla | Methods and systems for communicating content to connected vehicle users based detected tone/mood in voice input |
DE102016215297A1 (de) * | 2016-08-17 | 2018-02-22 | Robert Bosch Gmbh | Verfahren zur Identifikation eines Fahrerwechsels bei einem Kraftfahrzeug |
-
2018
- 2018-11-30 CN CN201811459478.5A patent/CN109523787B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1702698A (zh) * | 2005-04-30 | 2005-11-30 | 文鹏飞 | 一种机动车行驶信息处理方法及其装置 |
EP2288287A1 (en) * | 2008-05-12 | 2011-03-02 | Toyota Jidosha Kabushiki Kaisha | Driver imaging apparatus and driver imaging method |
CN103559792A (zh) * | 2013-11-13 | 2014-02-05 | 喀什沃鑫通讯科技有限公司 | 一种高速公路行驶车辆疲劳驾驶的认定方法 |
CN103559521A (zh) * | 2013-11-13 | 2014-02-05 | 喀什沃鑫通讯科技有限公司 | 高速公路长途客货车换人驾驶的认定方法 |
CN104200659A (zh) * | 2014-08-28 | 2014-12-10 | 公安部交通管理科学研究所 | 一种不按规定线路行驶的重点车辆交通违法行为判定方法 |
CN104408920A (zh) * | 2014-11-25 | 2015-03-11 | 公安部交通管理科学研究所 | 基于卡口通行信息判断长途客运车辆交通违法行为的方法 |
CN105034805A (zh) * | 2015-08-31 | 2015-11-11 | 中国矿业大学(北京) | 一种司机驾驶行为监控方法及装置 |
CN105654719A (zh) * | 2016-01-13 | 2016-06-08 | 北京中交兴路信息科技有限公司 | 一种疲劳驾驶分析方法和装置 |
WO2017208587A1 (ja) * | 2016-05-30 | 2017-12-07 | アイシン精機株式会社 | 警報装置 |
CN106355891A (zh) * | 2016-10-09 | 2017-01-25 | 公安部交通管理科学研究所 | 基于营运车辆通行信息的疲劳驾驶交通违法行为判定方法 |
CN106448062A (zh) * | 2016-10-26 | 2017-02-22 | 深圳市元征软件开发有限公司 | 疲劳驾驶检测方法及装置 |
CN106564429A (zh) * | 2016-10-28 | 2017-04-19 | 湖南海翼电子商务股份有限公司 | 疲劳驾驶确定装置及其方法 |
CN106981175A (zh) * | 2017-05-04 | 2017-07-25 | 广东轻工职业技术学院 | 一种防止疲劳驾驶的方法和*** |
CN107264280A (zh) * | 2017-05-09 | 2017-10-20 | 武汉依迅北斗空间技术有限公司 | 渣土车行驶控制方法及装置 |
CN107622655A (zh) * | 2017-09-14 | 2018-01-23 | 王淑芳 | 一种重点营运车辆疲劳驾驶监控方法和*** |
CN107657813A (zh) * | 2017-09-21 | 2018-02-02 | 中交第二公路勘察设计研究院有限公司 | 基于行车轨迹的高速公路交通执法判别方法 |
CN107862871A (zh) * | 2017-11-06 | 2018-03-30 | 喀什沃鑫通讯科技有限公司 | 一种驾驶员换驾、连续驾驶时间监控的装置及方法 |
CN108320503A (zh) * | 2018-01-19 | 2018-07-24 | 江苏本能科技有限公司 | 基于点位识别的车辆行驶查询方法及*** |
CN108364457A (zh) * | 2018-01-31 | 2018-08-03 | 长安大学 | 一种基于gps的商用车疲劳驾驶检测方法 |
CN108423002A (zh) * | 2018-02-07 | 2018-08-21 | 深圳市芝麻开门电子科技有限公司 | 一种安全驾驶监控的方法及*** |
CN108717794A (zh) * | 2018-07-25 | 2018-10-30 | 中科鼎富(北京)科技发展有限公司 | 一种防止高速公路上司机疲劳驾驶的方法,装置及*** |
Non-Patent Citations (4)
Title |
---|
"伊犁司机请注意! ‘电子眼’新功能上线,疲劳驾驶将被抓拍扣分!";伊犁交警;《搜狐网》;20180626;全文 * |
"伊犁驾驶人注意:交警‘黑科技’了解一下!";鲁涛;《伊犁交警》;20180621;全文 * |
"基于卡口主动判别长途客车凌晨2时至5时违规行驶的技术研究";张森等;《第十届中国智能交通年会优秀论文集》;20151104;全文 * |
"基于大数据技术建立客运驾驶员从业资格评定与动态排查机制的探讨";吴奕全;《湖南警察学院学报》;20180831;第30卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109523787A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523787B (zh) | 一种基于车辆通行轨迹的疲劳驾驶分析方法 | |
CN110176139B (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN109409337B (zh) | 基于卷积神经网络的渣土车特征识别方法 | |
CN105741553B (zh) | 基于动态阈值的识别车辆轨迹中停靠路段的方法 | |
CN110738842A (zh) | 事故责任划分及行为分析方法、装置、设备及存储介质 | |
CN110942640B (zh) | 一种主动发现非法从事网约车客运的嫌疑车辆的方法 | |
CN110428604B (zh) | 一种基于轨迹和地图数据的出租车违停监测与预警方法 | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
CN109035868B (zh) | 一种在无车道线情况下自动驾驶车辆进行车道划分的方法 | |
CN110766943B (zh) | 一种基于事故数据的不良驾驶行为判定的监测方法和*** | |
CN109493606B (zh) | 一种高速公路上违停车辆的识别方法及*** | |
CN114999181B (zh) | 一种基于etc***数据的高速公路车辆速度异常识别方法 | |
CN108492563B (zh) | 一种基于平均速度的超速事件探测方法 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN112633557A (zh) | 一种基于大数据的道路安全预警方法、装置、电子设备及存储介质 | |
Harilakshmi et al. | Intelligent vehicle counter-a road to sustainable development and pollution prevention (P2) | |
CN114997777A (zh) | 一种基于轨迹信息的车辆移动特征识别方法 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析*** | |
CN115123258B (zh) | 一种车辆路面附着系数确定方法及*** | |
CN114038209A (zh) | 公交占道处理方法、装置及设备 | |
CN113870185A (zh) | 基于图像抓拍的图像处理方法、终端及存储介质 | |
CN113147781A (zh) | 一种汽车智能驾驶信息展示*** | |
CN106355891A (zh) | 基于营运车辆通行信息的疲劳驾驶交通违法行为判定方法 |
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 |