CN111341106B - 交通预警方法、装置和设备 - Google Patents
交通预警方法、装置和设备 Download PDFInfo
- Publication number
- CN111341106B CN111341106B CN202010164875.0A CN202010164875A CN111341106B CN 111341106 B CN111341106 B CN 111341106B CN 202010164875 A CN202010164875 A CN 202010164875A CN 111341106 B CN111341106 B CN 111341106B
- Authority
- CN
- China
- Prior art keywords
- condition information
- sample
- information
- preset
- evaluation
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种交通预警方法、装置和设备,所述交通预警方法包括:获取移动终端的驾驶员信息、车况信息和路况信息;从所述驾驶员信息、所述车况信息和所述路况信息中提取符合预设评价指标的目标数据;将所述目标数据输入预设评价模型,得到所述移动终端的评价结果;根据所述评价结果,发送提示信息至所述移动终端。本申请实现了驾驶风险预警,改善了交通安全。
Description
技术领域
本申请涉及交通技术领域,具体而言,涉及一种交通预警方法、装置和设备。
背景技术
随着道路车辆的增多,道路上的交通事故频繁发生,对驾驶行为进行分析从而预测驾驶风险可以有效减少交通事故的发生。但是,现有的驾驶风险分析方法,一般是通过车内摄像头采集驾驶员面部特征或行为特征,例如:是否存在打哈欠、打瞌睡等疲劳驾驶的情况,以及是否存在行驶过程中驾驶员离开驾驶员位置、跟他人交谈的情况等等,或者根据车辆行驶路径、根据事后的事故分析来进行判断。判断的手段比较单一,或存在滞后性,且存在一定的偶然因素。
发明内容
本申请实施例的目的在于提供一种交通预警方法、装置和设备,用以实现驾驶风险预警,改善交通安全。
本申请实施例第一方面提供了一种交通预警方法,包括:获取移动终端的驾驶员信息、车况信息和路况信息;从所述驾驶员信息、所述车况信息和所述路况信息中提取符合预设评价指标的目标数据;将所述目标数据输入预设评价模型,得到所述移动终端的评价结果;根据所述评价结果,发送提示信息至所述移动终端。
于一实施例中,所述根据所述评价结果,发送提示信息至所述移动终端,包括:判断所述评价结果是否在预设安全阈值内;当所述评价结果不在所述预设安全阈值内时,向所述移动终端发送预警提示。
于一实施例中,构建所述预设评价模型的步骤包括:获取多个样本驾驶员的样本驾驶员信息,以及对应于每个所述样本驾驶员的样本车况信息和样本路况信息;根据所述样本驾驶员信息、所述样本车况信息和所述样本路况信息,确定所述预设评价模型的多个所述预设评价指标;为每个所述预设评价指标分配权重值;根据每个所述预设评价指标和对应的所述权重值,构建所述预设评价模型。
于一实施例中,所述根据所述样本驾驶员信息、所述样本车况信息和所述样本路况信息,确定所述预设评价模型的多个所述预设评价指标,包括:根据所述样本驾驶员信息,确定所述预设评价模型的第一评价指标;根据所述样本车况信息,确定所述预设评价模型的第二评价指标;根据所述样本路况信息,确定所述预设评价模型的第三评价指标。
于一实施例中,所述从所述驾驶员信息、所述车况信息和所述路况信息中提取符合预设评价指标的目标数据,包括:从所述驾驶员信息中提取对应于所述第一评价指标的第一特征数据,从所述车况信息中提取对应于所述第二评价指标的第二特征数据,从所述路况信息中提取对应于所述第三评价指标的第三特征数据;将所述第一特征数据、所述第二特征数据和所述第三特征数据合并,得到所述目标数据。
本申请实施例第二方面提供了一种交通预警装置,包括:获取模块,用于获取移动终端的驾驶员信息、车况信息和路况信息;提取模块,用于从所述驾驶员信息、所述车况信息和所述路况信息中提取符合预设评价指标的目标数据;输入模块,用于将所述目标数据输入预设评价模型,得到所述移动终端的评价结果;发送模块,用于根据所述评价结果,发送提示信息至所述移动终端。
于一实施例中,所述发送模块用于:判断所述评价结果是否在预设安全阈值内;当所述评价结果不在所述预设安全阈值内时,向所述移动终端发送预警提示。
于一实施例中,所述交通预警装置还包括构建模块,用于:获取多个样本驾驶员的样本驾驶员信息,以及对应于每个所述样本驾驶员的样本车况信息和样本路况信息;根据所述样本驾驶员信息、所述样本车况信息和所述样本路况信息,确定所述预设评价模型的多个所述预设评价指标;为每个所述预设评价指标分配权重值;根据每个所述预设评价指标和对应的所述权重值,构建所述预设评价模型。
于一实施例中,所述根据所述样本驾驶员信息、所述样本车况信息和所述样本路况信息,确定所述预设评价模型的多个所述预设评价指标,包括:根据所述样本驾驶员信息,确定所述预设评价模型的第一评价指标,根据所述样本车况信息,确定所述预设评价模型的第二评价指标,根据所述样本路况信息,确定所述预设评价模型的第三评价指标。
于一实施例中,所述提取模块用于:从所述驾驶员信息中提取对应于所述第一评价指标的第一特征数据,从所述车况信息中提取对应于所述第二评价指标的第二特征数据,从所述路况信息中提取对应于所述第三评价指标的第三特征数据;将所述第一特征数据、所述第二特征数据和所述第三特征数据合并,得到所述目标数据。
本申请实施例第三方面提供了一种电子设备,包括:存储器,用以存储计算机程序;处理器,用以执行本申请实施例第一方面及其任一实施例的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本申请一实施例的电子设备的结构示意图;
图2为本申请一实施例中构建预设评价模型的流程示意图;
图3为本申请一实施例的交通预警方法的流程示意图;
图4为本申请一实施例的交通预警装置的结构示意图;
图5为本申请一实施例的交通预警装置的结构示意图。
附图标记:
100-电子设备,110-总线,120-处理器,130-存储器,400-交通预警装置,410-获取模块,420-提取模块,430-输入模块,440-发送模块,450-构建模块。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,并不表示排列序号,也不能理解为指示或暗示相对重要性。
请参看图1,其为本申请一实施例的电子设备100的结构示意图,包括至少一个处理器120和存储器130,图1中以一个处理器为例。处理器120和存储器130通过总线110连接,存储器130存储有可被至少一个处理器120执行的指令,指令被至少一个处理器120执行,以使至少一个处理器120执行如下述实施例中的交通预警方法。
如图2所示,其为本申请一实施例中构建预设评价模型的流程示意图,该方法可由图1所示的电子设备100来执行,该方法包括如下步骤:
步骤210:获取多个样本驾驶员的样本驾驶员信息,以及对应于每个样本驾驶员的样本车况信息和样本路况信息。
在上述步骤中,样本驾驶员的样本驾驶员信息包括但不限于:身体健康状况、疲劳状况、驾驶习惯、违章行为,以及酒驾或毒驾等非法驾驶记录。样本驾驶员的样本车况信息包括但不限于:车辆维修保养信息、车辆年检信息、车辆行驶里程等。样本路况信息包括但不限于:车辆所在区域的天气状况、道路拥堵状况、发生车祸频次等。
于一实施例中,身体健康状况可以通过车载或路侧的摄像头识别样本驾驶员体征获得,也可以通过样本驾驶员的近期医疗信息或体检信息获得。疲劳状况可以通过上次用车结束时间、持续驾驶时间或摄像头直接采集识别驾驶员精神状态获得。驾驶习惯可以通过车载传感器进行检测,检测内容包括但不限于急刹车、急加速、急转向、行车过程未锁好车门、未放下手刹、未拉安全带、发动机长期负荷运转等不良驾驶习惯。违章行为和非法驾驶记录可以根据对应于样本驾驶员的驾照号,从交通管理部门的信息数据库获得。
步骤220:根据样本驾驶员信息、样本车况信息和样本路况信息,确定预设评价模型的多个预设评价指标。
在上述步骤中,根据样本驾驶员信息,确定预设评价模型的第一评价指标,根据样本车况信息,确定预设评价模型的第二评价指标,根据样本路况信息,确定预设评价模型的第三评价指标。
于一实施例中,可以利用K均值聚类算法分别对样本驾驶员信息、样本车况信息和样本路况信息进行特征聚类分析,得到分别对应于样本驾驶员信息、样本车况信息和样本路况信息的多个评价维度,再利用主成分分析法或层次分析法,从多个评价维度中筛选出影响较大的维度,作为预设评价指标。
于一实施例中,样本驾驶员信息聚类后得到身体状况、疲劳状况、非法驾驶记录、违章行为和驾龄这五个评价维度,然后根据主成分分析法或层次分析法从中筛选得到身体状况和非法驾驶记录这两个维度,作为第一评价指标。
于一实施例中,样本车况信息聚类后得到保养记录、车检记录、车辆故障、车辆损耗和车辆年限这五个评价维度,然后根据主成分分析法或层次分析法从中筛选得到车辆年限和车检记录这两个维度,作为第二评价指标。
于一实施例中,样本路况信息聚类后得到危险气候、危险路段、拥堵路段、事故易发路段和维修路段这五个评价维度,然后根据主成分分析法或层次分析法从中筛选得到事故易发路段这一维度,作为第三评价指标。
步骤230:为每个预设评价指标分配权重值。
在上述步骤中,根据每个预设评价指标对交通安全的影响大小分配权重值。
步骤240:根据每个预设评价指标和对应的权重值,构建预设评价模型。
在上述步骤中,根据每个预设评价指标和对应的权重值,建立回归分析方程,使用回归预测构建预设评价模型。
于一实施例中,采用机器学习算法通过多次迭代对预设评价模型进行训练,根据样本驾驶员实际发生事故的结果,计算预设评价模型的偏差值,并根据该偏差值优化各预设评价指标的权重值,从而调整预设评价模型,使得预设评价模型的评价结果向着越来越接近实际结果的方向变化。
如图3所示,其为本申请一实施例的交通预警方法的流程示意图,该方法可由图1所示的电子设备100来执行,以实现交通预警,改善交通安全。该方法包括如下步骤:
步骤310:获取移动终端的驾驶员信息、车况信息和路况信息。
在上述步骤中,获取移动终端的驾驶员信息、车况信息和路况信息,其中,该移动终端可以是车辆上的车载设备,驾驶员信息包括但不限于:身体健康状况、疲劳状况、驾驶习惯、违章行为,以及酒驾或毒驾等非法驾驶记录。车况信息包括但不限于:车辆维修保养信息、车辆年检信息、车辆行驶里程等。样本路况信息包括但不限于:车辆所在区域的天气状况、道路拥堵状况、发生车祸频次等。
步骤320:从驾驶员信息、车况信息和路况信息中提取符合预设评价指标的目标数据。
于一实施例中,从驾驶员信息中提取对应于第一评价指标的第一特征数据,从车况信息中提取对应于第二评价指标的第二特征数据,从路况信息中提取对应于第三评价指标的第三特征数据,将第一特征数据、第二特征数据和第三特征数据合并,得到目标数据。
步骤330:将目标数据输入预设评价模型,得到移动终端的评价结果。
步骤340:根据评价结果,发送提示信息至移动终端。
在上述步骤中,判断评价结果是否在预设安全阈值内;当评价结果不在预设安全阈值内时,向移动终端发送预警提示。
于一实施例中,向移动终端发送的预警提示可以包含具体危险因素提醒,驾驶员可以对该具体危险因素进行应答、调整,应答或调整结果可以上传云端重新输入预设评价模型计算,并根据新的评价结果进行重新提醒。于一实施例中,将应答或调整结果上传云端前,可以先进行置信度判断,从而避免随意篡改信息,影响评价结果的准确性。
于一实施例中,该预警提示可以在车辆启动时发出,也可以在车辆行驶过程中发出。
于一实施例中,当评价结果不在预设安全阈值内时,还可以启动车辆驾驶辅助功能。
如图4所示,其为本申请一实施例的交通预警装置400的结构示意图,该装置可应用于图1所示的电子设备100,包括:获取模块410、提取模块420、输入模块430和发送模块440。各个模块的原理关系如下:
获取模块410,用于获取移动终端的驾驶员信息、车况信息和路况信息;
提取模块420,用于从驾驶员信息、车况信息和路况信息中提取符合预设评价指标的目标数据;
输入模块430,用于将目标数据输入预设评价模型,得到移动终端的评价结果;
发送模块440,用于根据评价结果,发送提示信息至移动终端。
详细内容参见上述实施例中步骤310至步骤340的描述。
于一实施例中,发送模块440用于:判断评价结果是否在预设安全阈值内;当评价结果不在预设安全阈值内时,向移动终端发送预警提示。详细内容参见上述实施例中步骤340的描述。
如图5所示,其为本申请一实施例的交通预警装置400的结构示意图,该装置可应用于图1所示的电子设备100,包括:获取模块410、提取模块420、输入模块430、发送模块440和构建模块450。
于一实施例中,构建模块450用于:获取多个样本驾驶员的样本驾驶员信息,以及对应于每个样本驾驶员的样本车况信息和样本路况信息;根据样本驾驶员信息、样本车况信息和样本路况信息,确定预设评价模型的多个预设评价指标;为每个预设评价指标分配权重值;根据每个预设评价指标和对应的权重值,构建预设评价模型。详细内容参见上述实施例中步骤210至步骤240的描述。
于一实施例中,根据样本驾驶员信息、样本车况信息和样本路况信息,确定预设评价模型的多个预设评价指标,包括:根据样本驾驶员信息,确定预设评价模型的第一评价指标,根据样本车况信息,确定预设评价模型的第二评价指标,根据样本路况信息,确定预设评价模型的第三评价指标。详细内容参见上述实施例中步骤220的描述。
于一实施例中,提取模块420用于:从驾驶员信息中提取对应于第一评价指标的第一特征数据,从车况信息中提取对应于第二评价指标的第二特征数据,从路况信息中提取对应于第三评价指标的第三特征数据;将第一特征数据、第二特征数据和第三特征数据合并,得到目标数据。详细内容参见上述实施例中步骤320的描述。
上述交通预警装置400的详细描述,请参见上述实施例中相关方法步骤的描述。
本发明实施例还提供了一种电子设备可读存储介质,包括:程序,当其在电子设备上运行时,使得电子设备可执行上述实施例中方法的全部或部分流程。其中,存储介质可为磁盘、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等。存储介质还可以包括上述种类的存储器的组合。
以上仅为本申请的优选实施例而已,并不用于限制本申请。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种交通预警方法,其特征在于,包括:
获取移动终端的驾驶员信息、车况信息和路况信息;
从所述驾驶员信息、所述车况信息和所述路况信息中提取符合预设评价指标的目标数据;
将所述目标数据输入预设评价模型,得到所述移动终端的评价结果;
根据所述评价结果,发送提示信息至所述移动终端;
根据所述样本驾驶员信息、所述样本车况信息和所述样本路况信息,确定所述预设评价模型的多个所述预设评价指标,包括:根据所述样本驾驶员信息,确定所述预设评价模型的第一评价指标;根据所述样本车况信息,确定所述预设评价模型的第二评价指标;根据所述样本路况信息,确定所述预设评价模型的第三评价指标;
所述的预设评价模型包含多个预设评价指标,所述的多个预设评价指标通过对所述样本驾驶员信息、样本车况信息和样本路况信息利用K均值聚类算法进行特征聚类分析得到;
向移动终端发送的预警提示包含具体危险因素提醒,驾驶员能够对该具体危险因素进行应答、调整,应答或调整结果上传云端重新输入预设评价模型计算,并根据新的评价结果进行重新提醒;
将应答或调整结果上传云端前,先进行置信度判断,从而避免随意篡改信息,影响评价结果的准确性。
2.根据权利要求1所述的方法,其特征在于,所述根据所述评价结果,发送提示信息至所述移动终端,包括:
判断所述评价结果是否在预设安全阈值内;
当所述评价结果不在所述预设安全阈值内时,向所述移动终端发送预警提示。
3.根据权利要求1所述的方法,其特征在于,构建所述预设评价模型的步骤包括:
获取多个样本驾驶员的样本驾驶员信息,以及对应于每个所述样本驾驶员的样本车况信息和样本路况信息;
根据所述样本驾驶员信息、所述样本车况信息和所述样本路况信息,确定所述预设评价模型的多个所述预设评价指标;
为每个所述预设评价指标分配权重值;
根据每个所述预设评价指标和对应的所述权重值,构建所述预设评价模型。
4.根据权利要求1所述的方法,其特征在于,所述从所述驾驶员信息、所述车况信息和所述路况信息中提取符合预设评价指标的目标数据,包括:
从所述驾驶员信息中提取对应于所述第一评价指标的第一特征数据,从所述车况信息中提取对应于所述第二评价指标的第二特征数据,从所述路况信息中提取对应于所述第三评价指标的第三特征数据;
将所述第一特征数据、所述第二特征数据和所述第三特征数据合并,得到所述目标数据。
5.一种交通预警装置,其特征在于,包括;
获取模块,用于获取移动终端的驾驶员信息、车况信息和路况信息;
提取模块,用于从所述驾驶员信息、所述车况信息和所述路况信息中提取符合预设评价指标的目标数据;
输入模块,用于将所述目标数据输入预设评价模型,得到所述移动终端的评价结果;
发送模块,用于根据所述评价结果,发送提示信息至所述移动终端;
向移动终端发送的预警提示包含具体危险因素提醒,驾驶员能够对该具体危险因素进行应答、调整,应答或调整结果上传云端重新输入预设评价模型计算,并根据新的评价结果进行重新提醒;
将应答或调整结果上传云端前,先进行置信度判断,从而避免随意篡改信息,影响评价结果的准确性。
6.根据权利要求5所述的装置,其特征在于,所述发送模块用于:
判断所述评价结果是否在预设安全阈值内;
当所述评价结果不在所述预设安全阈值内时,向所述移动终端发送预警提示。
7.根据权利要求5所述的装置,其特征在于,还包括构建模块,用于:
获取多个样本驾驶员的样本驾驶员信息,以及对应于每个所述样本驾驶员的样本车况信息和样本路况信息;
根据所述样本驾驶员信息、所述样本车况信息和所述样本路况信息,确定所述预设评价模型的多个所述预设评价指标;
为每个所述预设评价指标分配权重值;
根据每个所述预设评价指标和对应的所述权重值,构建所述预设评价模型;其中,
所述根据所述样本驾驶员信息、所述样本车况信息和所述样本路况信息,确定所述预设评价模型的多个所述预设评价指标,包括:
根据所述样本驾驶员信息,确定所述预设评价模型的第一评价指标,根据所述样本车况信息,确定所述预设评价模型的第二评价指标,根据所述样本路况信息,确定所述预设评价模型的第三评价指标。
8.根据权利要求7所述的装置,其特征在于,所述提取模块用于:
从所述驾驶员信息中提取对应于所述第一评价指标的第一特征数据,从所述车况信息中提取对应于所述第二评价指标的第二特征数据,从所述路况信息中提取对应于所述第三评价指标的第三特征数据;
将所述第一特征数据、所述第二特征数据和所述第三特征数据合并,得到所述目标数据。
9.一种电子设备,其特征在于,包括:
存储器,用以存储计算机程序;
处理器,用以执行如权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010164875.0A CN111341106B (zh) | 2020-03-11 | 2020-03-11 | 交通预警方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010164875.0A CN111341106B (zh) | 2020-03-11 | 2020-03-11 | 交通预警方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111341106A CN111341106A (zh) | 2020-06-26 |
CN111341106B true CN111341106B (zh) | 2021-11-19 |
Family
ID=71184359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010164875.0A Active CN111341106B (zh) | 2020-03-11 | 2020-03-11 | 交通预警方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111341106B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999134B (zh) * | 2022-05-26 | 2024-05-28 | 北京新能源汽车股份有限公司 | 一种驾驶行为预警方法、装置及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694744A (zh) * | 2009-10-28 | 2010-04-14 | 北京交通大学 | 道路应急疏散能力评价方法及***、分级方法及*** |
CN105225509A (zh) * | 2015-10-28 | 2016-01-06 | 努比亚技术有限公司 | 一种道路车辆智能预警方法、装置和移动终端 |
CN106297340A (zh) * | 2016-08-17 | 2017-01-04 | 上海电机学院 | 一种行驶车辆安全监测预警***与方法 |
CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
CN107689161A (zh) * | 2017-09-13 | 2018-02-13 | 南京航空航天大学 | 人‑车‑交通路况互联的智能汽车实际行驶工况构建*** |
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 |
US10373497B1 (en) * | 2015-01-20 | 2019-08-06 | State Farm Mutual Automobile Insurance Company | Alert notifications utilizing broadcasted telematics data |
WO2019186050A1 (fr) * | 2018-03-30 | 2019-10-03 | Substrate Hd | Dispositif informatique de detection de troubles du rythme cardiaque |
CN110816542A (zh) * | 2018-07-23 | 2020-02-21 | 罗伯特·博世有限公司 | 提供驾驶员帮助的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107215335B (zh) * | 2017-06-01 | 2019-09-27 | 北京交通大学 | 基于微观驾驶的交通安全风险反馈预警***及预警方法 |
CN109466474A (zh) * | 2018-11-23 | 2019-03-15 | 北京车和家信息技术有限公司 | 行车安全辅助驾驶***、车载设备及车辆 |
CN109815884A (zh) * | 2019-01-21 | 2019-05-28 | 深圳市能信安科技股份有限公司 | 基于深度学习的不安全驾驶行为检测方法及装置 |
-
2020
- 2020-03-11 CN CN202010164875.0A patent/CN111341106B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694744A (zh) * | 2009-10-28 | 2010-04-14 | 北京交通大学 | 道路应急疏散能力评价方法及***、分级方法及*** |
US10373497B1 (en) * | 2015-01-20 | 2019-08-06 | State Farm Mutual Automobile Insurance Company | Alert notifications utilizing broadcasted telematics data |
CN105225509A (zh) * | 2015-10-28 | 2016-01-06 | 努比亚技术有限公司 | 一种道路车辆智能预警方法、装置和移动终端 |
CN106297340A (zh) * | 2016-08-17 | 2017-01-04 | 上海电机学院 | 一种行驶车辆安全监测预警***与方法 |
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 |
CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
CN107689161A (zh) * | 2017-09-13 | 2018-02-13 | 南京航空航天大学 | 人‑车‑交通路况互联的智能汽车实际行驶工况构建*** |
WO2019186050A1 (fr) * | 2018-03-30 | 2019-10-03 | Substrate Hd | Dispositif informatique de detection de troubles du rythme cardiaque |
CN110816542A (zh) * | 2018-07-23 | 2020-02-21 | 罗伯特·博世有限公司 | 提供驾驶员帮助的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111341106A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Can vehicle longitudinal jerk be used to identify aggressive drivers? An examination using naturalistic driving data | |
Chen et al. | A graphical modeling method for individual driving behavior and its application in driving safety analysis using GPS data | |
CN110866677B (zh) | 一种基于基准化分析的驾驶人相对风险评价方法 | |
US20150006023A1 (en) | System and method for determination of vheicle accident information | |
KR101617349B1 (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
CN111311914B (zh) | 车辆行驶事故监控方法、装置和车辆 | |
CN106448265A (zh) | 司机驾驶行为数据的采集方法及装置 | |
CN108769104B (zh) | 一种基于车载诊断***数据的路况分析预警方法 | |
CN109658272A (zh) | 驾驶行为评价***及基于驾驶行为的保险定价*** | |
EP3960576A1 (en) | Method and system for analysing the control of a vehicle | |
Wu et al. | Screening naturalistic driving study data for safety-critical events | |
Lv et al. | The influence of different factors on right-turn distracted driving behavior at intersections using naturalistic driving study data | |
CN108230717B (zh) | 一种智能交通管理*** | |
CN113065902A (zh) | 基于数据处理的费用设定方法、装置和计算机设备 | |
CN112070927A (zh) | 一种高速公路车辆微观驾驶行为分析***与分析方法 | |
CN111341106B (zh) | 交通预警方法、装置和设备 | |
CN107539038B (zh) | 一种车辆胎压状态监控方法及装置 | |
CN116453345B (zh) | 一种基于驾驶风险反馈的公交行车安全预警方法及*** | |
Agnoor et al. | Analysis of driving behaviour through instrumented vehicles | |
CN115782911B (zh) | 行车场景中对方向盘脱手事件的数据处理方法及相关装置 | |
US20200098206A1 (en) | Automatic real-time detection of vehicular incidents | |
CN116753938A (zh) | 车辆测试场景生成方法、装置、存储介质及设备 | |
CN116461546A (zh) | 车辆预警方法、装置、存储介质和处理器 | |
CN113192340B (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 | |
CN113553900B (zh) | 一种驾驶员疲劳驾驶检测方法、***及计算机可读介质 |
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 |