CN111144706A - 一种网约车驾驶员评分和类别划分方法 - Google Patents

一种网约车驾驶员评分和类别划分方法 Download PDF

Info

Publication number
CN111144706A
CN111144706A CN201911232232.9A CN201911232232A CN111144706A CN 111144706 A CN111144706 A CN 111144706A CN 201911232232 A CN201911232232 A CN 201911232232A CN 111144706 A CN111144706 A CN 111144706A
Authority
CN
China
Prior art keywords
driver
car booking
network car
network
criterion
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
Application number
CN201911232232.9A
Other languages
English (en)
Inventor
邓卫
郗璇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201911232232.9A priority Critical patent/CN111144706A/zh
Publication of CN111144706A publication Critical patent/CN111144706A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)

Abstract

本发明公开了一种网约车驾驶员评分和类别划分方法，包括：数据采集和处理模块，采集网约车驾驶员的面部图像以及身体状态参数，采集网约车的车况信息，将采集的数据预处理；构建模块，构建网约车驾驶员评价指标体系；评价模块，确立网约车驾驶员评分策略，对网约车驾驶员评分；划分模块，划分网约车驾驶员类别；用户选择模块，将该区域所有网约车驾驶员信息包含在数据库内，根据用户在终端设备输入的出行需求，匹配一定数量的网约车驾驶员，并将其评分和所属类别发送至下单的用户，由其做出最终选择。本发明尽可能地减小驾驶员因驾驶操纵、路怒情绪和身体状况对道路交通安全产生的不良影响，保障乘客的选择权，具有重要的理论意义和应用价值。

Description

一种网约车驾驶员评分和类别划分方法
技术领域
本发明属于交通安全驾驶领域，具体涉及一种网约车驾驶员评分和类别划分方法。
背景技术
近年来，网约车逐渐为大众所熟知，通过网络平台预约车辆出行成为人们主要的出行方式之一。网约车，这一互联网和共享经济的产物，在方便人们出行的同时，也存在一定的问题。其一，乘客并不熟悉网约车驾驶员，对其身体状况、驾驶行为倾向、是否存在路怒情绪等，乘客是不知情的。其二，乘客在预约平台上下单后，网约车驾驶员接单，乘客并没有选择的权利，只能被动接受。
由于网约车是提供运输服务的行业，因此驾驶安全性的高低直接决定运输服务提供的好坏，也直接关系到驾驶员和乘客的人身安全。因此，对网约车驾驶员的驾驶行为安全性评分和驾驶员类别划分对改善交通安全状况具有重要意义。同时，作为服务业，要将乘客放在首位，给予其选择权，从而有助于行业的稳定和持久发展。
发明内容
为解决上述问题，本发明公开了一种网约车驾驶员评分和类别划分方法，尽可能地减小驾驶员因驾驶操纵、路怒情绪和身体状况对道路交通安全产生的不良影响。
为达到上述目的，本发明的技术方案如下：
一种网约车驾驶员评分和类别划分方法，包括：
S1、采集网约车驾驶员的面部图像，采集网约车驾驶员的身体状态参数，采集网约车的车况信息，将采集的数据预处理；
S2、构建网约车驾驶员评价指标体系；
S3、确立网约车驾驶员评分策略，根据评分策略对网约车驾驶员评分；
S4、划分网约车驾驶员类别；
S5、将该区域所有网约车驾驶员信息包含在数据库内，根据用户在终端设备输入的出行需求，匹配一定数量(≤5)的网约车驾驶员，并将其评分和所属类别发送至下单的用户，由其做出最终选择。
进一步地，所述步骤S1中，采集网约车驾驶员的面部图像，包括眉毛上挑偏移度、眨眼频率、嘴巴张合度；其中，驾驶员面部图像信息通过红外高速摄像头获取；采集网约车驾驶员的身体状态参数，包括脉搏、心跳、血氧含量和体温；其中，身体状态参数通过穿戴在网约车驾驶员手腕上的智能手环采集；采集网约车的车况信息，包括单位时间内加速次数、单位时间内方向盘转角次数和驾驶员操作加速踏板和制动踏板的次数。其中，车况信息通过车况信息监测模块采集。
进一步地，所述步骤S2中，构建网约车驾驶员评价指标体系，其中包括：目标层即网约车驾驶员得分μ，准则层包括准则μi，评价因子层包括各准则层μi对应的评价因子
Figure BDA0002303877800000021
其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数；所述准则
Figure BDA0002303877800000022
Figure BDA0002303877800000023
Figure BDA0002303877800000024
Figure BDA0002303877800000025
进一步地，所述步骤S3中，通过层次分析法计算准则层权重向量a和评价因子层权重向量
Figure BDA0002303877800000026
所述准则层权重向量a包括各准则的权重，评价因子层权重向量
Figure BDA0002303877800000027
包括准则μi对应的各评价因子的权重；其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数；所述准则μi对应的权重向量
Figure BDA0002303877800000028
Figure BDA0002303877800000029
Figure BDA00023038778000000210
Figure BDA00023038778000000211
根据评分策略对网约车驾驶员评分并划分网约车驾驶员类别，所述评分公式为
Figure BDA00023038778000000212
其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数。
进一步地，所述步骤S4中，将网约车驾驶员评分划分为L个等级，并对网约车驾驶员评分等级赋值；所述的网约车驾驶员类别划分为：激进型、非正式型和保守型。
进一步地，所述步骤S5中，将该区域所有网约车驾驶员信息包含在数据库内，根据用户在终端设备输入的出行需求，匹配一定数量的网约车驾驶员，并将其评分和所属类别发送至下单的用户，由其做出最终选择。
本发明通过采集网约车驾驶员的面部图像，采集网约车驾驶员的身体状态参数，采集网约车的车况信息，再将采集到的数据预处理，构建网约车驾驶员评价指标体系，确立网约车驾驶员评分策略，对网约车驾驶员进行安全性评分，得到网约车驾驶员安全性总体分数。根据总体分数，将网约车驾驶员划分为激进型、非正式型和保守型。当用户在网约车预约设备上下单后，***自动将匹配乘客要求的5个以内的网约车驾驶员的安全性总体分数发送至下单的乘客，乘客在最终做出决定之前可以在1分钟内实时监控网约车驾驶员的驾驶操纵、路怒情绪和身体状况，得到其此时的安全性总体分数，从而方便乘客了解网约车驾驶员的当前驾驶状态，防患于未然。
本发明的有益效果是：
本发明可以有效的从视频图像、身体状况和车辆运行参数中提取驾驶者的情感评价指标，实时量化驾驶员情绪及驾驶操纵变化状态。
本发明提出了基于网约车驾驶员的连续情感状态时间序列数据和驾驶员身体状况属性及车辆运行参数，有效的对网约车驾驶员的驾驶安全性进行评分，划分网约车驾驶员类别，给予下单乘客做最终决定前的选择权，有利于降低网约车的道路交通安全问题。
附图说明
图1是一种网约车驾驶员评分和类别划分方法的总流程图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明所述的网约车驾驶员评分和类别划分方法，包括五个步骤：
S1、采集网约车驾驶员的面部图像，采集网约车驾驶员的身体状态参数，采集网约车的车况信息，将采集的数据预处理；
在具体方案中，可根据网约车驾驶员的眉毛上挑偏移度、眨眼频率、嘴巴张合度了解网约车驾驶员当前的疲劳状态。由于网约车驾驶员长期在道路上行驶，一直处于高度紧张状态，可能存在身体疲劳、慢性疾病问题，因此，可根据网约车驾驶员的脉搏、心跳、血氧含量和体温来了解网约车驾驶员当前的身体状况。道路交通环境复杂多变，网约车驾驶员对突发性路况的处理方式至关重要，需要监测网约车驾驶员的驾驶行为，可通过网约车驾驶员单位时间内加速次数、单位时间内方向盘转角次数和驾驶员操作加速踏板和制动踏板的次数来反映当前的网约车车况信息。
S2、构建网约车驾驶员评价指标体系；
在具体方案中，网约车驾驶员评价指标体系，其中包括：目标层即网约车驾驶员得分μ，准则层包括准则μi，评价因子层包括各准则层μi对应的评价因子
Figure BDA0002303877800000031
其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数；所述准则
Figure BDA0002303877800000041
Figure BDA0002303877800000042
Figure BDA0002303877800000043
Figure BDA0002303877800000044
S3、确立网约车驾驶员评分策略，根据评分策略对网约车驾驶员评分；
通过层次分析法计算准则层权重向量a和评价因子层权重向量
Figure BDA0002303877800000045
所述准则层权重向量a包括各准则的权重，评价因子层权重向量
Figure BDA0002303877800000046
包括准则μi对应的各评价因子的权重；其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数；所述准则μi对应的权重向量
Figure BDA0002303877800000047
Figure BDA0002303877800000048
Figure BDA0002303877800000049
Figure BDA00023038778000000410
根据所述评分公式得到网约车驾驶员的评分，所述评分公式为
Figure BDA00023038778000000411
其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数。
在具体方案中，评分策略根据不同的网约车驾驶员有不同的设定，当驾驶员眉毛上挑幅度越大，说明驾驶员越疲劳，当驾驶员眨眼频率越低，说明驾驶员越疲劳，当驾驶员嘴巴张合度越大，说明驾驶员越疲劳，当驾驶员越疲劳时，驾驶员的安全性分数越低；针对不同驾驶员的脉搏、心跳、血氧含量和体温都有对应的健康区间，当驾驶员脉搏、心跳、血氧含量和体温与对应的健康区间偏离越大时，驾驶员的安全性分数越低。当驾驶员操纵网约车时，单位时间内加速次数越多，单位时间内方向盘转角次数越多，单位时间内操作加速踏板和制动踏板的次数越多时，驾驶员的安全性分数越低。
S4、划分网约车驾驶员类别；
在具体方案中，将网约车驾驶员评分划分为L个等级，并对网约车驾驶员评分等级赋值；所述的网约车驾驶员类别划分为：激进型、非正式型和保守型。
S5、将该区域所有网约车驾驶员信息包含在数据库内，根据用户在终端设备输入的出行需求，匹配一定数量(≤5)的网约车驾驶员，并将其评分和所属类别发送至下单的用户，由其做出最终选择。
在具体方案中，当乘客在网约车预约平台下单后，***自动将匹配乘客要求的网约车驾驶员的安全性总体分数发送至下单的乘客，乘客在最终做出决定之前可以实时监控网约车驾驶员，得到其此时的安全性总体分数，从而方便乘客了解网约车驾驶员的当前驾驶状态，便于其做出正确选择。
本发明通过采集网约车驾驶员的面部图像，采集网约车驾驶员的身体状态参数，采集网约车的车况信息，再将采集到的数据预处理，构建网约车驾驶员评价指标体系，确立网约车驾驶员评分策略，对网约车驾驶员进行安全性评分，得到网约车驾驶员安全性总体分数。根据总体分数，将网约车驾驶员划分为激进型、非正式型和保守型。当乘客在网约车预约平台下单后，***自动将匹配乘客要求的5个以内的网约车驾驶员的安全性总体分数发送至下单的乘客，乘客在最终做出决定之前可以在1分钟内实时监控网约车驾驶员的驾驶操纵、路怒情绪和身体状况，得到其此时的安全性总体分数，从而方便乘客了解网约车驾驶员的当前驾驶状态，防患于未然。
为了举例说明本发明的实现，描述了上述的具体实施方式。但是本发明的其他变化和修改，对于本领域技术人员是显而易见的，在本发明所公开的实质和本原则范围内的任何修改、变化或者仿效变换都属于本发明的权利要求保护范围。

Claims (6)

1.一种网约车驾驶员评分和类别划分方法，其特征在于，包括：
S1、采集网约车驾驶员的面部图像，采集网约车驾驶员的身体状态参数，采集网约车的车况信息，将采集到的数据预处理；
S2、构建网约车驾驶员评价指标体系；
S3、确立网约车驾驶员评分策略，根据评分策略对网约车驾驶员评分；
S4、划分网约车驾驶员类别；
S5、将该区域所有网约车驾驶员信息包含在数据库内，根据用户在终端设备输入的出行需求，匹配数量≤5的网约车驾驶员，并将其评分和所属类别发送至下单的用户，由其做出最终选择。
2.如权利要求1所述的一种网约车驾驶员评分和类别划分方法，其特征在于：所述步骤S1中，采集网约车驾驶员的面部图像，包括眉毛上挑偏移度、眨眼频率、嘴巴张合度；其中，驾驶员面部图像信息通过红外高速摄像头获取；采集网约车驾驶员的身体状态参数，包括脉搏、心跳、血氧含量和体温；其中，身体状态参数通过穿戴在网约车驾驶员手腕上的智能手环采集；采集网约车的车况信息，包括单位时间内加速次数、单位时间内方向盘转角次数和驾驶员操作加速踏板和制动踏板的次数；其中，车况信息通过车况信息监测模块采集。
3.如权利要求1所述的一种网约车驾驶员评分和类别划分方法，其特征在于：所述步骤S2中，构建网约车驾驶员评价指标体系，其中包括：目标层、准则层和评价因子层；目标层即网约车驾驶员得分μ，准则层包括准则μi，评价因子层包括各准则层μi对应的评价因子
Figure FDA0002303877790000011
其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数；所述准则
Figure FDA0002303877790000012
所述评价因子
Figure FDA0002303877790000013
Figure FDA0002303877790000014
Figure FDA0002303877790000015
4.如权利要求1所述的一种网约车驾驶员评分和类别划分方法，其特征在于：所述步骤S3中，通过层次分析法计算准则层权重向量a和评价因子层权重向量
Figure FDA0002303877790000016
所述准则层权重向量a包括各准则的权重，评价因子层权重向量
Figure FDA0002303877790000017
包括准则μi对应的各评价因子的权重；其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数；所述准则μi对应的权重向量
Figure FDA0002303877790000021
所述评价因子
Figure FDA0002303877790000022
对应的权重向量
Figure FDA0002303877790000023
Figure FDA0002303877790000024
Figure FDA0002303877790000025
根据所述评分公式得到网约车驾驶员的评分，所述评分公式为
Figure FDA0002303877790000026
其中，i＝{1,2,...,ki}，ki为准则μi对应的评价因子的个数。
5.如权利要求1所述的一种网约车驾驶员评分和类别划分方法，其特征在于：所述步骤S4中，将网约车驾驶员评分划分为L个等级，并对网约车驾驶员评分等级赋值；所述的网约车驾驶员类别划分为：激进型、非正式型和保守型。
6.如权利要求1所述的一种网约车驾驶员评分和类别划分方法，其特征在于：所述步骤S5中，将该区域所有网约车驾驶员信息包含在数据库内，根据用户在终端设备输入的出行需求，匹配2-5个网约车驾驶员，并将其评分和所属类别发送至下单的用户，由其做出最终选择。
CN201911232232.9A 2019-12-05 2019-12-05 一种网约车驾驶员评分和类别划分方法 Pending CN111144706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911232232.9A CN111144706A (zh) 2019-12-05 2019-12-05 一种网约车驾驶员评分和类别划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911232232.9A CN111144706A (zh) 2019-12-05 2019-12-05 一种网约车驾驶员评分和类别划分方法

Publications (1)

Publication Number Publication Date
CN111144706A true CN111144706A (zh) 2020-05-12

Family

ID=70517621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911232232.9A Pending CN111144706A (zh) 2019-12-05 2019-12-05 一种网约车驾驶员评分和类别划分方法

Country Status (1)

Country Link
CN (1) CN111144706A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111605556A (zh) * 2020-06-05 2020-09-01 吉林大学 一种防路怒症识别及控制***
CN113222379A (zh) * 2021-04-29 2021-08-06 广州宸祺出行科技有限公司 一种基于车辆状况进行网约车订单匹配的方法及***
CN113415286A (zh) * 2021-07-14 2021-09-21 重庆金康赛力斯新能源汽车设计院有限公司 路怒检测方法和设备
CN114074669A (zh) * 2020-08-11 2022-02-22 丰田自动车株式会社 信息处理装置、信息处理方法以及程序

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102774382A (zh) * 2011-05-04 2012-11-14 通用汽车环球科技运作有限责任公司 用于车辆驾驶风格确定的***和方法
CN105930771A (zh) * 2016-04-13 2016-09-07 乐视控股（北京）有限公司 一种驾驶行为评分方法及装置
CN107618512A (zh) * 2017-08-23 2018-01-23 清华大学 基于人‑车‑环境多数据源的驾驶行为安全评价方法
CN107679636A (zh) * 2017-08-29 2018-02-09 明光泰源安防科技有限公司 一种基于网约车的驾驶员安全评估方法
CN107845039A (zh) * 2016-09-20 2018-03-27 得道车联网络科技（上海）有限公司 一种无尺度自适应的车联网车险评分模型
CN109214614A (zh) * 2017-06-29 2019-01-15 北京嘀嘀无限科技发展有限公司 网约车驾驶员信用评分方法、信用评分***及计算机装置
CN109934457A (zh) * 2019-01-31 2019-06-25 长安大学 一种基于网约车行程中的风险评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102774382A (zh) * 2011-05-04 2012-11-14 通用汽车环球科技运作有限责任公司 用于车辆驾驶风格确定的***和方法
CN105930771A (zh) * 2016-04-13 2016-09-07 乐视控股（北京）有限公司 一种驾驶行为评分方法及装置
CN107845039A (zh) * 2016-09-20 2018-03-27 得道车联网络科技（上海）有限公司 一种无尺度自适应的车联网车险评分模型
CN109214614A (zh) * 2017-06-29 2019-01-15 北京嘀嘀无限科技发展有限公司 网约车驾驶员信用评分方法、信用评分***及计算机装置
CN107618512A (zh) * 2017-08-23 2018-01-23 清华大学 基于人‑车‑环境多数据源的驾驶行为安全评价方法
CN107679636A (zh) * 2017-08-29 2018-02-09 明光泰源安防科技有限公司 一种基于网约车的驾驶员安全评估方法
CN109934457A (zh) * 2019-01-31 2019-06-25 长安大学 一种基于网约车行程中的风险评估方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111605556A (zh) * 2020-06-05 2020-09-01 吉林大学 一种防路怒症识别及控制***
CN114074669A (zh) * 2020-08-11 2022-02-22 丰田自动车株式会社 信息处理装置、信息处理方法以及程序
CN113222379A (zh) * 2021-04-29 2021-08-06 广州宸祺出行科技有限公司 一种基于车辆状况进行网约车订单匹配的方法及***
CN113222379B (zh) * 2021-04-29 2024-05-31 广州宸祺出行科技有限公司 一种基于车辆状况进行网约车订单匹配的方法及***
CN113415286A (zh) * 2021-07-14 2021-09-21 重庆金康赛力斯新能源汽车设计院有限公司 路怒检测方法和设备

Similar Documents

Publication Publication Date Title
CN111144706A (zh) 一种网约车驾驶员评分和类别划分方法
DE102018207069B4 (de) Verfahren und Steuereinheit zum Betreiben eines autonomen Fahrzeugs
CN109147279B (zh) 一种基于车联网的驾驶员疲劳驾驶监测预警方法及***
CN113743471B (zh) 一种驾驶评估方法及其***
JPWO2019202881A1 (ja) 情報処理装置、移動装置、情報処理システム、および方法、並びにプログラム
WO2021043834A1 (de) Managementsystem und verfahren zur identifizierung und zum bio-monitoring in fahrzeugen
CN110781873A (zh) 一种双模态特征融合的驾驶员疲劳等级识别方法
CN111986805A (zh) 融合驾驶员大数据的智能网联车辆健康监测***及方法
CN114092922A (zh) 一种基于特异性的驾驶员情绪识别及行为干预方法
Zheng et al. Detection of perceived discomfort in sae l2 automated vehicles through driver takeovers and physiological spikes
CN116279239A (zh) 一种汽车智能驾驶座舱的管理***
CN117755329A (zh) 一种基于驾驶员情境意识的接管时机与类型的方法及***
Neeraja et al. DL-Based Somnolence Detection for Improved Driver Safety and Alertness Monitoring
CN111489061A (zh) 基于虚拟现实提高汽车产品安全性的交互控制方法
CN116443025A (zh) 一种作业车辆司机疲劳驾驶干预***
CN115946702A (zh) 一种车载驾驶员健康检测方法和***
WO2021205865A1 (ja) 疾患状態判定装置、疾患状態判定方法、疾患状態判定装置用プログラム、および、疾患状態判定システム
Bylykbashi et al. Effect of vehicle technical condition on real-time driving risk management in Internet of Vehicles: Design and performance evaluation of an integrated fuzzy-based system
CN114491250A (zh) 一种基于用户画像的车务处理方法及车务平台***
US20220225943A1 (en) Disease-condition assessment device, disease-condition assessment method, program for disease-condition assessment device, and disease-condition assessment system
CN111724204A (zh) 一种车辆会员的信用评价***及方法
Nguyen et al. Driver state detection based on cardiovascular system and driver reaction information using a graphical model
CN114407913B (zh) 一种车辆控制方法及装置
Zhang et al. ECMER: Edge-cloud collaborative personalized multimodal emotion recognition framework in the Internet of vehicles
JP7104945B2 (ja) 疾患状態判定装置、疾患状態判定方法、疾患状態判定装置用プログラム、および、疾患状態判定システム

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