CN112884943B - 用户驾驶行为还原方法、装置、介质以及电子设备 - Google Patents
用户驾驶行为还原方法、装置、介质以及电子设备 Download PDFInfo
- Publication number
- CN112884943B CN112884943B CN202110260289.0A CN202110260289A CN112884943B CN 112884943 B CN112884943 B CN 112884943B CN 202110260289 A CN202110260289 A CN 202110260289A CN 112884943 B CN112884943 B CN 112884943B
- Authority
- CN
- China
- Prior art keywords
- driving
- data
- signal
- original
- cycle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000008859 change Effects 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000006399 behavior Effects 0.000 claims description 110
- 238000005265 energy consumption Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 description 8
- 230000002354 daily effect Effects 0.000 description 7
- 238000005192 partition Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及用户驾驶行为还原方法、装置、介质以及电子设备,该方法包括:获取原始行车数据;基于原始行车数据,生成原始驾驶循环数据;基于原始驾驶循环数据和原始行车数据,生成驾驶循环内信号变化数据;基于驾驶循环内信号变化数据和原始行车数据,生成驾驶循环内信号关联数据;基于原始驾驶循环数据、驾驶循环内信号变化数据和驾驶循环内信号关联数据,还原用户驾驶行为。本公开实施例提供的技术方案,通过对原始行车数据进行逐步分析处理,相当于从较杂乱的原始行车数据中提取出对还原用户驾驶行为有用的数据,减少了用于还原用户驾驶行为的数据量,且用于还原用户驾驶行为的数据的有效性较高,能够较高效且准确地还原用户驾驶行为。
Description
技术领域
本公开涉及车辆技术领域,尤其涉及一种用户驾驶行为还原方法、装置、介质以及电子设备。
背景技术
随着车辆的智能化发展,车辆相关数据的自动分析与车辆工业的融合逐渐成为车联网产业的发展方向之一。其中,车辆相关数据的自动分析可包括对用户驾驶行为的自动化分析和还原等。通过对用户行为及时进行分析和还原,有利于改善用户的驾驶习惯,提高驾乘舒适性,提升驾乘体验。
现有技术中,基于车辆相关数据对用户驾驶行为的还原通常采用的方式为:从原始行车数据中直接进行用户驾驶行为的分析。但是,由于原始行车数据中包括杂乱且大量的车辆状态相关信息,基于此还原用户驾驶行为,数据处理量较大,效率较低,且准确性较差。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种用户驾驶行为还原方法、装置、介质以及电子设备。
本公开提供了一种用户驾驶行为还原方法,该方法包括:
获取原始行车数据;
基于所述原始行车数据,生成原始驾驶循环数据;
基于所述原始驾驶循环数据和所述原始行车数据,生成驾驶循环内信号变化数据;
基于所述驾驶循环内信号变化数据和所述原始行车数据,生成驾驶循环内信号关联数据;
基于所述原始驾驶循环数据、所述驾驶循环内信号变化数据和所述驾驶循环内信号关联数据,还原用户驾驶行为。
在一些实施例中,所述获取原始行车数据,包括:
实时获取所述原始行车数据;或者
按照预设时间间隔,周期性地获取所述原始行车数据。
在一些实施例中,所述原始行车数据为原始控制器局域网络信号数据。
在一些实施例中,所述原始控制器局域网络信号数据包括车辆识别码、控制器局域网络信号名称、信号值、信号值发生时间以及信号前缀。
在一些实施例中,所述基于所述原始行车数据,生成原始驾驶循环数据包括:
基于所述原始行车数据,确定行车状态数据;
基于所述行车状态数据,确定各驾驶循环的驾驶能耗、开始时刻以及结束时刻;
基于两个前后相邻的所述开始时刻和所述结束时刻,确定各所述驾驶循环的驾驶时长;
基于所述驾驶时长和所述驾驶能耗,去掉驾驶时长小于或等于预设驾驶时长阈值且所述驾驶能耗小于或等于预设驾驶能耗阈值的所述驾驶循环,得到所述原始驾驶循环数据。
在一些实施例中,所述预设驾驶时长阈值为30秒,所述预设驾驶能耗阈值为0。
在一些实施例中,所述原始驾驶循环数据包括所述车辆识别码、所述开始时刻以及所述结束时刻。
在一些实施例中,所述基于所述原始驾驶循环数据和所述原始行车数据,生成驾驶循环内信号变化数据,包括:
基于所述原始驾驶循环数据,对所述原始行车数据进行处理,生成在所述驾驶循环的开始时刻和结束时刻之内的驾驶循环内信号变化数据。
在一些实施例中,所述驾驶循环内信号变化数据包括:所述车辆识别码、所述开始时刻、所述结束时刻、所述控制器局域网络信号名称、所述信号值、所述信号值发生时间、信号值开始时间、信号值结束时间、信号值时长以及所述信号前缀。
在一些实施例中,所述基于所述驾驶循环内信号变化数据和所述原始行车数据,生成驾驶循环内信号关联数据,包括:
基于所述驾驶循环内信号变化数据,确定对应于同一用户驾驶行为的至少两种不同信号;
基于所述至少两种不同信号,将所述原始行车数据根据所述车辆识别码、所述开始时刻、所述结束时刻以及所述信号值发生时间进行分组;
将分组后的所述原始行车数据,利用所述控制器局域网络信号名称做透视,得到驾驶循环内各时刻的所述信号值,以生成驾驶循环内信号关联数据。
在一些实施例中,所述还原用户驾驶行为之后,该方法还包括:
基于多个驾驶循环内的用户驾驶行为,分析用户与车辆的粘度。
本公开还提供了一种用户驾驶行为还原装置,该装置包括:
数据获取模块,用于获取原始行车数据;
第一处理模块,用于基于所述原始行车数据,生成原始驾驶循环数据;
第二处理模块,用于基于所述原始驾驶循环数据和所述原始行车数据,生成驾驶循环内信号变化数据;
第三处理模块,用于基于所述驾驶循环内信号变化数据和所述原始行车数据,生成驾驶循环内信号关联数据;
行为还原模块,用于基于所述原始驾驶循环数据、所述驾驶循环内信号变化数据和所述驾驶循环内信号关联数据,还原用户驾驶行为。
在一些实施例中,所述数据获取模块,具体用于:
实时获取所述原始行车数据;或者
按照预设时间间隔,周期性地获取所述原始行车数据。
在一些实施例中,所述原始行车数据为原始控制器局域网络信号数据。
在一些实施例中,所述原始控制器局域网络信号数据包括车辆识别码、控制器局域网络信号名称、信号值、信号值发生时间以及信号前缀。
在一些实施例中,所述第一处理模块,具体用于:
基于所述原始行车数据,确定行车状态数据;
基于所述行车状态数据,确定各驾驶循环的驾驶能耗、开始时刻以及结束时刻;
基于两个前后相邻的所述开始时刻和所述结束时刻,确定各所述驾驶循环的驾驶时长;
基于所述驾驶时长和所述驾驶能耗,去掉驾驶时长小于或等于预设驾驶时长阈值且所述驾驶能耗小于或等于预设驾驶能耗阈值的所述驾驶循环,得到所述原始驾驶循环数据。
在一些实施例中,所述预设驾驶时长阈值为30秒,所述预设驾驶能耗阈值为0。
在一些实施例中,所述原始驾驶循环数据包括所述车辆识别码、所述开始时刻以及所述结束时刻。
在一些实施例中,所述第二处理模块,具体用于:
基于所述原始驾驶循环数据,对所述原始行车数据进行处理,生成在所述驾驶循环的开始时刻和结束时刻之内的驾驶循环内信号变化数据。
在一些实施例中,所述驾驶循环内信号变化数据包括:所述车辆识别码、所述开始时刻、所述结束时刻、所述控制器局域网络信号名称、所述信号值、所述信号值发生时间、信号值开始时间、信号值结束时间、信号值时长以及所述信号前缀。
在一些实施例中,所述第三处理模块,具体用于:
基于所述驾驶循环内信号变化数据,确定对应于同一用户驾驶行为的至少两种不同信号;
基于所述至少两种不同信号,将所述原始行车数据根据所述车辆识别码、所述开始时刻、所述结束时刻以及所述信号值发生时间进行分组;
将分组后的所述原始行车数据,利用所述控制器局域网络信号名称做透视,得到驾驶循环内各时刻的所述信号值,以生成驾驶循环内信号关联数据。
在一些实施例中,该装置还包括:
粘度分析模块,用于基于多个驾驶循环内的用户驾驶行为,分析用户与车辆的粘度。
本公开还提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行上述任一种方法的步骤。
本公开还提供了一种电子设备,包括:处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行上述任一种方法的步骤。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例提供的用户驾驶行为还原方法,通过获取原始行车数据;基于原始行车数据,生成原始驾驶循环数据;基于原始驾驶循环数据和原始行车数据,生成驾驶循环内信号变化数据;基于驾驶循环内信号变化数据和原始行车数据,生成驾驶循环内信号关联数据;基于原始驾驶循环数据、驾驶循环内信号变化数据和驾驶循环内信号关联数据,还原用户驾驶行为,实现对原始行车数据的逐步分析处理,相当于从较杂乱的原始行车数据中提取出对还原用户驾驶行为有用的数据,减少了用于还原用户驾驶行为的数据量,且用于还原用户驾驶行为的数据的有效性较高,能够较高效且准确地还原用户驾驶行为。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种用户驾驶行为还原方法的流程示意图;
图2为本公开实施例提供的另一种用户驾驶行为还原方法的流程示意图;
图3为本公开实施例提供的一种用户驾驶行为还原装置的结构示意图;
图4为本公开实施例提供的另一种用户驾驶行为还原装置的结构示意图;
图5为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
本公开实施例提供的用户驾驶行为还原方法可适用于手动驾驶车辆或用户可介入的非全自动驾驶车辆,该用户驾驶行为还原方法可基于控制器局域网络(ControllerAreaNetwork,CAN)传输的信号数据,在云端实现;也可基于车端汇总的信号数据,在车端本地,例如车机中实现,在此不限定。该方法通过对原始行车数据进行分析处理,得到原始驾驶循环数据、驾驶循环内信号变化数据以及驾驶循环内信号关联数据,并基于原始驾驶循环数据、驾驶循环内信号变化数据以及驾驶循环内信号关联数据实现对用户驾驶行为的还原,而非直接从原始行车数据中还原用户驾驶行为。由此,可从较杂乱的原始行车数据中提取出对还原用户驾驶行为有用的数据,相当于从原始行车数据中去除了与还原用户驾驶行为无关的数据,减少了用于还原用户驾驶行为的数据量,且用于还原用户驾驶行为的数据的有效性较高,能够较高效且准确地还原用户驾驶行为。
下面结合图1-图5对本公开实施例提供的用户驾驶行为还原方法、装置、介质和电子设备进行示例性说明。
在一些实施例中,图1示出了本公开实施例提供的一种用户驾驶行为还原方法。参照图1,该方法可包括如下步骤。
S110、获取原始行车数据。
其中,原始行车数据为与车辆使用相关的各种数据,其中包括车辆行驶相关数据,还可包括车辆驾舱内温度调节、亮度调节、座椅前后位置调节、椅背角度调节、影音娱乐***的音频调节等数据,在此不限定。
示例性地,原始行车数据可基于车辆内布置的传感器监测得到的数据汇总形成,并在车机中存储。原始行车数据可基于CAN总线由车机上报至云端,并进行后续处理;或者原始行车数据在车辆本端由车机进行后续处理,在此不限定。
S120、基于原始行车数据,生成原始驾驶循环数据。
其中,驾驶循环是指车辆持续行进的过程;一个驾驶循环可理解为车机一次持续上电且车辆保持行驶状态的过程,通常基于用户驾驶行为产生。基于此,由于原始行车数据中包括车辆行驶相关数据,通过对车辆行驶相关数据进行识别,可确定驾驶循环,即生成原始驾驶循环数据,后文中对该步骤的具体实现方式进行示例性说明。
后续步骤中,可结合该步骤生成的原始驾驶循环数据实现对用户驾驶行为的还原,详见S150。
S130、基于原始驾驶循环数据和原始行车数据,生成驾驶循环内信号变化数据。
其中,在一个驾驶循环中,车辆行驶相关数据可包括多种不同种类型的信号。由于用户驾驶行为与车辆行驶状态关联变化,车辆行驶状态与车辆行驶相关数据关联变化,由此,车辆行驶相关数据也与用户驾驶行为关联变化,即驾驶循环内的信号变化可基于用户驾驶行为产生。该步骤中,可针对每个驾驶循环,将原始行车数据进行提取,并确定每个驾驶循环内的信号变化,即生成驾驶循环内信号变化数据,后文中对该步骤的具体实现方式进行示例性说明。
后续步骤中,可结合该步骤生成的驾驶循环内信号变化数据实现对用户驾驶行为的还原,详见S150。
S140、基于驾驶循环内信号变化数据和原始行车数据,生成驾驶循环内信号关联数据。
其中,用户驾驶行为可引起一种信号的变化,也可引起两种或更多种不同信号的关联变化。基于此,在驾驶循环内信号变化数据的基础上,结合原始行车数据,可确定每个驾驶循环内关联的信号及其变化,即生成驾驶循环内信号关联数据,后文中对该步骤的具体实现方式进行示例性说明。
后续步骤中,可结合该步骤生成的驾驶循环内信号关联数据实现对用户驾驶行为的还原,详见S150。
S150、基于原始驾驶循环数据、驾驶循环内信号变化数据和驾驶循环内信号关联数据,还原用户驾驶行为。
其中,驾驶循环以及驾驶循环内的信号变化或者信号关联变化均由用户驾驶行为引起,由此,基于前述步骤中生成的原始驾驶循环数据、驾驶循环内信号变化数据以及驾驶循环内信号关联数据,可实现用户驾驶行为的还原。
本公开实施例提供的用户驾驶行为还原方法中,通过对原始行车数据进行分析处理,得到原始驾驶循环数据、驾驶循环内信号变化数据以及驾驶循环内信号关联数据,并基于原始驾驶循环数据、驾驶循环内信号变化数据以及驾驶循环内信号关联数据实现对用户驾驶行为的还原,而非直接从原始行车数据中还原用户驾驶行为。由此,可从较杂乱的原始行车数据中提取出对还原用户驾驶行为有用的数据,相当于从原始行车数据中去除了与还原用户驾驶行为无关的数据,减少了用于还原用户驾驶行为的数据量,且用于还原用户驾驶行为的数据的有效性较高,能够较高效且准确地还原用户驾驶行为。
在一些实施例中,在图1的基础上,S110可包括:
实时获取原始行车数据;或者
按照预设时间间隔,周期性地获取原始行车数据。
其中,以该方法在云端执行为例。车机中的原始行车数据可实时上报至云端,也可以按照预设时间间隔,周期性地上报至云端;对应地,云端可实时获取车机上报的原始行车数据,也可周期性地获取车机上报的原始行车数据。以该方法在车端本地执行为例,可实时处理原始行车数据或周期性地处理原始行车数据。
示例性地,车机与云端之间的数据交互可基于CAN总线实现,也可基于存储介质将车机中的原始行车数据传输至云端,在此不限定。
示例性地,预设时间间隔可为1天、3天、5天、1月、3月或其他时间间隔,可基于用户驾驶行为还原方法的需求设置,其数值固定或可调,在此不限定。
在一些实施例中,原始行车数据为原始控制器局域网络信号数据,也可称为原始CAN信号数据。
其中,原始CAN信号数据基于CAN总线实现传输,传输速率较快且抗干扰性强,有利于实现用户驾驶行为的高效准确还原。
示例性地,车机将原始CAN信号数据上报至远程的服务器(即云端),服务器对原始CAN信号数据进行分析处理,例如执行上文中的S120至S150,从而得到用户驾驶行为。
在一些实施例中,原始控制器局域网络信号数据包括车辆识别码(VehicleIdentification Number,VIN)、控制器局域网络信号名称(可简称为CAN信号名称)、信号值、信号值发生时间以及信号前缀。
其中,车辆识别码也称为车架号码,可由一组十七个字母或数字组成,是用于标识车辆的一组独一无二的号码,可以用于区分不同的车辆,以及识别车辆的生产商、引擎、底盘序号及其他性能等资料。
其中,CAN信号名称用于区分不同种类的信号,例如车速、转角角度、加速度、车内温度、车内湿度、音响音量等。
其中,信号值为用于定量表征CAN信号名称对应的物理量的大小的数值。例如CAN信号名称为车速,信号值可为80公里/小时;再如CAN信号名称为车内温度,信号值可为30℃;当CAN信号名称对应于其他种类的信号时,信号值与之对应,在此不赘述也不限定。
其中,信号值发生时间为信号值对应的时间。例如以信号值为车速为例,信号值发生时间可包括:车速为80公里/小时对应的时间、车速是65公里/小时对应的时间或车速为其他取值时对应的时间;当信号值为其他值时,信号值发生时间与之对应,在此不赘述也不限定。
其中,信号前缀用于区分车辆中的不同功能模块,对应于车机中的功能模块,可实现监测数据分类汇总,从而有利于降低后续数据分析处理难度。示例性地,电池管理***(Battery Management System,BMS)是车机中的一个功能模块,该模块所对应的信息都带有电池或者电池标识作为前缀,例如“BMS_”,从而起到标识的作用。再如,涉及到空调的信号均可以加上空调作为前缀。其他功能模块同理,具有其对应的信号前缀,在此不限定。
可理解的是,原始CAN信号数据中可以包括多种CAN信号,每种CAN信号各自对应设置CAN信号名称、信号值、信号值发生时间以及信号前缀。
示例性地,原始CAN信号数据可由表格形式呈现,如表1。
表1原始CAN信号数据表
vin | 车辆识别码 |
collect_time | 信号值发生时间 |
sig_name | CAN信号名称 |
sig_val | 信号值 |
dt | 按每日分区 |
prefix | 信号前缀 |
其中,表1并未示出CAN信号数据中的具体数值信息。此外,按每日分区为按日对原始行车数据进行存储,在其他实施方式中,还可以按照2日、5日、1月、3月或其他时间间隔设置数据分区,在此不限定。
在一些实施例中,在图1的基础上,S120可包括:
基于原始行车数据,确定行车状态数据;
基于行车状态数据,确定各驾驶循环的驾驶能耗、开始时刻以及结束时刻;
基于两个前后相邻的开始时刻和结束时刻,确定各驾驶循环的驾驶时长;
基于驾驶时长和驾驶能耗,去掉驾驶时长小于或等于预设驾驶时长阈值且驾驶能耗小于或等于预设驾驶能耗阈值的驾驶循环,得到原始驾驶循环数据。
如此,可基于原始行车数据生成原始驾驶循环数据。
其中,行车状态数据用户表征车辆行驶状态,可包括判断车辆是否上电的信号以及判断车辆是否产生能耗的信号,从而实现对驾驶循环的有效判断。
结合上文,驾驶循环是指车辆上电行驶到下电的过程。由此,通过判断车辆是否上电及行驶,可确定驾驶循环的开始时刻和结束时刻。通常,行车状态数据中可包括多个驾驶循环。
示例性地,原始CAN信号数据中可包括电源模式标识(为一种CAN信号名称),电源模式标识可以“BCM_PowerMode”示出,用于判断车辆是否上电及行驶,其取值为0或非0(例如1、2或其他数值)。
示例性地,当BCM_PowerMode=0时,表示车辆静止,例如,车机感应到了蓝牙钥匙或者司机手持实体钥匙并触摸车门把手。
当BCM_PowerMode=1时,表示车门打开。
当BCM_PowerMode=2时,表示踩刹车。
由此,基于BCM_PowerMode的变化可判断驾驶循环的开始时刻和结束时刻。
示例性地,当BCM_PowerMode由0变为非0时,驾驶循环开始,非0的这个时间点即为驾驶循环的开始时刻;当BCM_PowerMode由非0变为0时,驾驶循环结束,0的这个时间点是驾驶循环的结束时刻。
在此基础上,两个前后相邻的开始时刻和结束时刻确定一个驾驶循环的驾驶时长,例如可由结束时刻减去在前与之相邻的开始时刻。
其后,可结合基于行车状态数据确定的驾驶能耗,实现对原始CAN信号数据的过滤。即过滤掉驾驶时长小于或等于预设驾驶时长阈值、且驾驶能耗小于或等于预设驾驶能耗阈值的驾驶循环,将过滤之后得到的数据保存为原始驾驶循环数据,从而实现对原始CAN信号数据的过滤,减少后续数据处理量。
在一些实施例中,预设驾驶时长阈值为30秒,预设驾驶能耗阈值为0。
即,过滤掉驾驶时长小于或等于30秒,且能耗小于或等于0的驾驶循环,将过滤之后的驾驶循环数据保存为原始驾驶循环数据。
如此,可过滤掉驾驶时长过短以及不产生能耗的驾驶循环,从而提高用于还原用户驾驶行为的数据的有效性,有利于优化驾驶循环内用户驾驶行为的分析过程,提高用户驾驶行为还原的有效性和准确性。
在其他实施方式中,预设驾驶时长阈值和预设驾驶能耗阈值还可为其他数值,可基于用户驾驶行为还原方法的需求设置,在此不限定。
在一些实施例中,原始驾驶循环数据包括车辆识别码、开始时刻以及结束时刻。
示例性地,原始驾驶循环数据可由原始驾驶循环表呈现,见表2。
表2原始驾驶循环表
vin | 车辆识别码 |
driving_start_time | 驾驶循环的开始时刻 |
driving_end_time | 驾驶循环的结束时刻 |
dt | 每日分区 |
表2中的每日分区,可参照上文理解,在此不做具体赘述。
可理解的是,原始CAN信号数据可以包括多个驾驶循环,每个驾驶循环分别对应原始驾驶循环数据,此处根据驾驶循环的开始时刻和结束时刻,可以将原始CAN信号数据划分为多个驾驶循环,分别生成对应的原始驾驶循环表。
在一些实施例中,在图1的基础上,S130可包括:
基于原始驾驶循环数据,对原始行车数据进行处理,生成在驾驶循环的开始时刻和结束时刻之内的驾驶循环内信号变化数据。
具体地,将原始CAN信号数据再次加工,提取出在驾驶循环内的对应于各种CAN信号的信号变化数据。
其中,驾驶循环内信号变化数据可由原始CAN信号数据和原始驾驶循环数据直接提取,也可由提取后的数据进一步计算确定,在此不限定。
在一些实施例中,驾驶循环内信号变化数据包括:车辆识别码、开始时刻、结束时刻、控制器局域网络信号名称、信号值、信号值发生时间、信号值开始时间、信号值结束时间、信号值时长以及信号前缀。
其中,车辆识别码、开始时刻和结束时刻可由原始驾驶循环数据提取得到,控制器局域网络信号名称、信号值、信号值发生时间以及信号前缀可由原始CAN信号数据提取得到,信号值开始时间、信号值结束时间以及信号值时长可由提取后的数据进一步计算得到。
其中,信号值开始时间和信号值结束时间基于信号值随信号值发生时间的实时变化统计得到;并且基于此,信号值时长为信号值开始时间与信号值结束时间之间的时间长度。
示例性地,驾驶循环内信号变化数据可由驾驶循环内CAN信号变化表呈现,见表3。
表3驾驶循环内CAN信号变化表
vin | 车辆识别码 |
driving_start_time | 驾驶循环的开始时刻 |
driving_end_time | 驾驶循环的结束时刻 |
sig_name | CAN信号名称 |
sig_val | 信号值 |
val_start_time | 信号值开始时间 |
val_end_time | 信号值结束时间 |
val_dur | 信号值时长 |
collect_time | 信号值发生时间 |
dt | 每日分区 |
prefix | 信号前缀 |
其中,每个驾驶循环的每种CAN信号可对应一个驾驶循环内CAN信号变化表。
例如,以CAN信号名称为车内温度举例,信号值发生时间及对应的信号值可为:15点,车内温度为18度;15点02分、04分、06分、……、18分,车内温度均为18度;15点20分,车内温度为20度。
基于此,信号值为18度,其对应的信号值开始时间为15点,信号值结束时间为15点20分,信号值时长为20分钟。
可理解的是,当原始CAN信号数据包括多个驾驶循环且包括多种CAN信号时,对于每个驾驶循环,均生成对应于多种CAN信号变化的多个驾驶循环内信号变化数据。
在一些实施例中,在图1的基础上,S140可包括:
基于驾驶循环内信号变化数据,确定对应于同一用户驾驶行为的至少两种不同信号;
基于至少两种不同信号,将原始行车数据根据车辆识别码、开始时刻、结束时刻以及信号值发生时间进行分组;
将分组后的原始行车数据,利用控制器局域网络信号名称做透视,得到驾驶循环内各时刻的信号值,以生成驾驶循环内信号关联数据。
具体地,驾驶循环内信号变化数据针对的是驾驶循环内单个CAN信号,表征其自身的信号值、信号变化以及某个信号值持续时长(即信号值时长)等。
但是,一个驾驶循环内可以包括多种CAN信号,且多种CAN信号之间相互关联可更准确地还原用户驾驶行为。基于此,结合上文,S140中根据驾驶循环内信号变化数据(例如驾驶循环内CAN信号变化表),将部分需要多个CAN信号关联才能反映用户驾驶行为的信号提取,加工为驾驶循环内每个时刻(例如每秒)都有这些相关联的CAN信号的数据,即形成驾驶循环内信号关联数据,下文中示例性地以驾驶循环内CAN信号关联表示出该数据。具体加工方式可为:根据车辆识别码(即vin)、开始时刻(即driving_start_time)、结束时刻(即driving_end_time)以及信号值发生时间(即collect_time)分组,后用控制器局域网络信号名称(即sig_name)sig_name做透视,得到驾驶循环内每秒CAN信号值的数据,即生成驾驶循环内信号关联数据。
由此,驾驶循环内信号关联数据表征的是在每个时间点上,即在每个时刻,与用户驾驶行为相对应,且存在关联的多种CAN信号数据中,每个CAN信号的相关数据。
可以理解的是,在一些情况下,不同CAN信号数据的信号值的变化时间或更新时间可能是不同的,例如,经度、维度、海拔不是同时变化、同时更新的。但是,根据经度、维度、海拔中的一个可能不足以定位车辆的位置,因此,需要统计每个时间点上经度、维度、海拔分别是多少。针对此,表4示出了驾驶循环内CAN信号关联表。
表4驾驶循环内CAN信号关联表
vin | 车辆识别码 |
driving_start_time | 驾驶循环的开始时刻 |
driving_end_time | 驾驶循环的结束时刻 |
val_start_time | 信号值开始时间 |
val_end_time | 信号值结束时间 |
esp_vehiclespeed | 车速 |
esp_vehiclespeedvalid | 车速有效性 |
location_lon | 经度 |
location_lat | 纬度 |
location_alt | 海拔 |
ac_outsideairtemp | 外部温度 |
ac_outsideairtempvalid | 外部温度有效性 |
vcu_pt_readylightstatus | ready灯点亮控制命令 |
vcu_reoperatingphase | 电量维持和电量消耗 |
ipc_totalodometer | 显示的总里程 |
vcu_pt_pureelecendurancemileind3 | 纯电续航里程3 |
vcu_pt_cd2endurancemil | CD2续航里程 |
bms_resssoc | 动力电池真实SOC |
vcu_pt_allengcon | 总能耗 |
vcu_pt_drivemodestafeedback | 驾驶模式 |
dt | 每日分区 |
其中,表4中的数据可来源于表1和表3。例如,车速、车速有效性、经度、纬度、海拔、外部温度、外部温度有效性、ready灯点亮控制命令、电量维持和电量消耗、显示的总里程、纯电续航里程3、CD2续航里程、动力电池真实SOC、总能耗以及驾驶模式,这些数据可由原始CAN信号数据中提取,只是表1中没有全部示出。
在前述步骤的基础上,结合表2、表3和表4,即可还原驾驶循环内的用户驾驶行为,示例性地,可由表5示出。
表5用户驾驶行为表
与现有技术中还原用户驾驶行为的方法进行对比,现有技术中是根据表1直接分析用户驾驶行为,由于表1中的数据量较多且杂乱,从而消耗集群资源,且还原准确性差,效率较低。
而本公开实施例提供的技术方案,是在表1的基础上,先得到表2、再得到表3、表4,实现于对原始CAN信号数据进行逐步分析,例如分类、提取等的过程,每分析一次,数据量就会减少一些。相当于从杂乱的原始CAN信号数据中提取出对还原用户驾驶行为有用的数据;进一步,根据有用的数据还原用户驾驶行为,可减少对集群资源的消耗,从而提高用户驾驶行为的还原准确性,效率较高。
在一些实施例中,图2示出了本公开实施例提供的另一种用户驾驶行为还原方法。在图1的基础上,参照图2,该方法中,S150之后还包括:
S160、基于多个驾驶循环内的用户驾驶行为,分析用户与车辆的粘度。
具体地,结合上文,一个驾驶循环对应形成一个表5,根据多个驾驶循环分别对应的表5,可以得到每个驾驶循环中车辆的最高速度,从而进行用户画像,分析出用户的行为习惯,进而对用户分类、预警等。或者,根据每个驾驶循环中副驾驶、后排座椅上是否有人,可以分析出用户每天是否自己开车,还是搭载其他人等。如此,实现对用车监控。
本公开实施例提供的用户驾驶行为还原方法,通过对原始CAN信号数据的分步骤拆解分析,更加合理的还原出用户在驾驶循环内的驾驶行为,且驾驶循环的判断更加准确,驾驶循环内对用户的行为分析更加高效。
应该理解的是,虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在上述实施方式的基础上,本公开实施例还提供了一种用户驾驶行为还原装置,可用于执行上述任一种方法的步骤,实现对应的有益效果。
示例性地,图3示出了本公开实施例提供的一种用户驾驶行为还原装置。参照图3,该装置可包括:
数据获取模块310,用于获取原始行车数据;
第一处理模块320,用于基于原始行车数据,生成原始驾驶循环数据;
第二处理模块330,用于基于原始驾驶循环数据和原始行车数据,生成驾驶循环内信号变化数据;
第三处理模块340,用于基于驾驶循环内信号变化数据和原始行车数据,生成驾驶循环内信号关联数据;
行为还原模块350,用于基于原始驾驶循环数据、驾驶循环内信号变化数据和驾驶循环内信号关联数据,还原用户驾驶行为。
本公开实施例提供的用户驾驶行为还原装置,通过上述各功能模块的协同作用,可对原始行车数据进行逐步分析处理,相当于从较杂乱的原始行车数据中提取出对还原用户驾驶行为有用的数据,减少了用于还原用户驾驶行为的数据量,且用于还原用户驾驶行为的数据的有效性较高,能够较高效且准确地还原用户驾驶行为。
在一些实施例中,数据获取模块310,具体用于:
实时获取原始行车数据;或者
按照预设时间间隔,周期性地获取原始行车数据。
如此,可基于用户需求,实时或周期性地对原始行车数据进行上报并分析,或在车端本地分析。
在一些实施例中,原始行车数据为原始控制器局域网络信号数据。
如此,原始行车数据的传输速率较快,稳定性较高,抗干扰性强,有利于实现用户驾驶行为的准确高效还原。
在一些实施例中,原始控制器局域网络信号数据包括车辆识别码、控制器局域网络信号名称、信号值、信号值发生时间以及信号前缀。
示例性地,可参照上文表1。
在一些实施例中,第一处理模块320,具体用于:
基于原始行车数据,确定行车状态数据;
基于行车状态数据,确定各驾驶循环的驾驶能耗、开始时刻以及结束时刻;
基于两个前后相邻的开始时刻和结束时刻,确定各驾驶循环的驾驶时长;
基于驾驶时长和驾驶能耗,去掉驾驶时长小于或等于预设驾驶时长阈值且驾驶能耗小于或等于预设驾驶能耗阈值的驾驶循环,得到原始驾驶循环数据。
如此,可基于原始行车数据,对驾驶循环进行准确判断,有利于实现用户驾驶行为的准确高效还原。
在一些实施例中,预设驾驶时长阈值为30秒,预设驾驶能耗阈值为0。
在其他实施方式中,预设驾驶时长阈值和预设驾驶能耗阈值还可为其他数值,在此不限定。
在一些实施例中,原始驾驶循环数据包括车辆识别码、开始时刻以及结束时刻。
示例性地,可参照上文表2。
在一些实施例中,第二处理模块330,具体用于:
基于原始驾驶循环数据,对原始行车数据进行处理,生成在驾驶循环的开始时刻和结束时刻之内的驾驶循环内信号变化数据。
如此,通过利用原始驾驶循环数据中的开始时刻和结束时刻,对原始行车数据进行提取和整理,可形成驾驶循环内信号变化数据,有利于减少后续数据处理量。
在一些实施例中,驾驶循环内信号变化数据包括:车辆识别码、开始时刻、结束时刻、控制器局域网络信号名称、信号值、信号值发生时间、信号值开始时间、信号值结束时间、信号值时长以及信号前缀。
示例性地,可参照上文表3。
在一些实施例中,第三处理模块340,具体用于:
基于驾驶循环内信号变化数据,确定对应于同一用户驾驶行为的至少两种不同信号;
基于至少两种不同信号,将原始行车数据根据车辆识别码、开始时刻、结束时刻以及信号值发生时间进行分组;
将分组后的原始行车数据,利用控制器局域网络信号名称做透视,得到驾驶循环内各时刻的信号值,以生成驾驶循环内信号关联数据。
如此,通过利用驾驶循环内信号变化数据,结合原始行车数据进行数据加工,可形成驾驶循环内信号关联数据,有利于实现对用户驾驶行为的准确还原。
在一些实施例中,图4示出了本公开实施例提供的另一种用户驾驶行为还原装置。在图3的基础上,参照图4,该装置还可包括:
粘度分析模块350,用于基于多个驾驶循环内的用户驾驶行为,分析用户与车辆的粘度。
如此,可实现用户与车辆的粘度分析,实现用车监控和危险预警。
以上实施例公开的装置能够实现以上各方法实施例公开的方法的流程,具有相同或相应的有益效果,为避免重复,在此不再赘述。
本公开实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储程序或指令,程序或指令使计算机执行上述任一种方法的步骤。
示例性地,程序或指令使计算机执行一种动力电池的内阻检测方法,该方法包括:
获取原始行车数据;
基于原始行车数据,生成原始驾驶循环数据;
基于原始驾驶循环数据和原始行车数据,生成驾驶循环内信号变化数据;
基于驾驶循环内信号变化数据和原始行车数据,生成驾驶循环内信号关联数据;
基于原始驾驶循环数据、驾驶循环内信号变化数据和驾驶循环内信号关联数据,还原用户驾驶行为。
可选的,该计算机可执行指令在由计算机处理器执行时还可以用于执行本公开实施例所提供的上述任意用户驾驶行为还原方法的技术方案,实现对应的有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本公开实施例可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等),执行本公开各个实施例所述的方法。
在上述实施方式的基础上,本公开实施例还提供了一种电子设备,包括:处理器和存储器;处理器通过调用存储器存储的程序或指令,用于执行上述任一种方法的步骤,实现对应的有益效果。
在一些实施例中,图5示出了本公开实施例提供的一种电子设备的结构。参照图5,该电子设备可包括:
一个或多个处理器401,图5中以一个处理器401为例;
存储器402;
电子设备还可以包括:输入装置403和输出装置404。
电子设备中的处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图5中示例性地以通过总线连接为例示出其连接方式。
其中,存储器402作为一种非暂态计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本公开实施例中的应用程序的方法对应的程序指令/模块(例如,附图3所示的数据获取模块310、第一处理模块320、第二处理模块330、第三处理模块340以及行为还原模块350)。处理器401通过运行存储在存储器402中的软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的方法。
存储器402可以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***、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备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,还可以包括非暂态性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。
在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置403可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。
输出装置404可包括显示屏等显示设备。
在一些实施例中,该电子设备可设置于车端和/或云端,在此不限定。例如,本公开实施例提供的用户驾驶行为还原方法可基于云端大数据执行。
示例性地,车端采集数据之后,会通过控制器局域网络(ControllerAreaNetwork,CAN)等将数据发送至云端,形成云端大数据;本公开实施例中的任意方法均可基于云端大数据、在云端实现。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种用户驾驶行为还原方法,其特征在于,包括:
获取原始行车数据;
基于所述原始行车数据,生成原始驾驶循环数据;
基于所述原始驾驶循环数据和所述原始行车数据,生成驾驶循环内信号变化数据;
基于所述驾驶循环内信号变化数据和所述原始行车数据,生成驾驶循环内信号关联数据;
基于所述原始驾驶循环数据、所述驾驶循环内信号变化数据和所述驾驶循环内信号关联数据,还原用户驾驶行为;
所述原始驾驶循环数据为基于驾驶时长和驾驶能耗,去掉驾驶时长小于或等于预设驾驶时长阈值且驾驶能耗小于或等于预设驾驶能耗阈值的驾驶循环;
所述基于所述驾驶循环内信号变化数据和所述原始行车数据,生成驾驶循环内信号关联数据,包括:
基于所述驾驶循环内信号变化数据,确定对应于同一用户驾驶行为的至少两种不同信号;
基于所述至少两种不同信号,将所述原始行车数据根据车辆识别码、驾驶循环的开始时刻、驾驶循环的结束时刻以及信号值发生时间进行分组;
将分组后的所述原始行车数据,利用控制器局域网络信号名称做透视,得到驾驶循环内各时刻的所述信号值,以生成驾驶循环内信号关联数据;
其中,所述车辆识别码、所述开始时刻、所述结束时刻、所述信号值发生时间以及所述控制器局域网络信号名称基于所述原始行车数据确定。
2.根据权利要求1所述的方法,其特征在于,所述获取原始行车数据,包括:
实时获取所述原始行车数据;或者
按照预设时间间隔,周期性地获取所述原始行车数据。
3.根据权利要求1或2所述的方法,其特征在于,所述原始行车数据为原始控制器局域网络信号数据。
4.根据权利要求3所述的方法,其特征在于,所述原始控制器局域网络信号数据包括车辆识别码、控制器局域网络信号名称、信号值、信号值发生时间以及信号前缀。
5.根据权利要求4所述的方法,其特征在于,所述基于所述原始行车数据,生成原始驾驶循环数据包括:
基于所述原始行车数据,确定行车状态数据;
基于所述行车状态数据,确定各驾驶循环的驾驶能耗、开始时刻以及结束时刻;
基于两个前后相邻的所述开始时刻和所述结束时刻,确定各所述驾驶循环的驾驶时长;
基于所述驾驶时长和所述驾驶能耗,去掉驾驶时长小于或等于预设驾驶时长阈值且所述驾驶能耗小于或等于预设驾驶能耗阈值的所述驾驶循环,得到所述原始驾驶循环数据。
6.根据权利要求5所述的方法,其特征在于,所述预设驾驶时长阈值为30秒,所述预设驾驶能耗阈值为0。
7.根据权利要求5所述的方法,其特征在于,所述原始驾驶循环数据包括所述车辆识别码、所述开始时刻以及所述结束时刻。
8.根据权利要求7所述的方法,其特征在于,所述基于所述原始驾驶循环数据和所述原始行车数据,生成驾驶循环内信号变化数据,包括:
基于所述原始驾驶循环数据,对所述原始行车数据进行处理,生成在所述驾驶循环的开始时刻和结束时刻之内的驾驶循环内信号变化数据。
9.根据权利要求8所述的方法,其特征在于,所述驾驶循环内信号变化数据包括:所述车辆识别码、所述开始时刻、所述结束时刻、所述控制器局域网络信号名称、所述信号值、所述信号值发生时间、信号值开始时间、信号值结束时间、信号值时长以及所述信号前缀。
10.根据权利要求1所述的方法,其特征在于,所述还原用户驾驶行为之后,还包括:
基于多个驾驶循环内的用户驾驶行为,分析用户与车辆的粘度。
11.一种用户驾驶行为还原装置,其特征在于,包括:
数据获取模块,用于获取原始行车数据;
第一处理模块,用于基于所述原始行车数据,生成原始驾驶循环数据;
第二处理模块,用于基于所述原始驾驶循环数据和所述原始行车数据,生成驾驶循环内信号变化数据;
第三处理模块,用于基于所述驾驶循环内信号变化数据和所述原始行车数据,生成驾驶循环内信号关联数据;
行为还原模块,用于基于所述原始驾驶循环数据、所述驾驶循环内信号变化数据和所述驾驶循环内信号关联数据,还原用户驾驶行为;
所述原始驾驶循环数据为基于驾驶时长和驾驶能耗,去掉驾驶时长小于或等于预设驾驶时长阈值且驾驶能耗小于或等于预设驾驶能耗阈值的行车数据;
所述第三处理模块,具体用于:
基于所述驾驶循环内信号变化数据,确定对应于同一用户驾驶行为的至少两种不同信号;
基于所述至少两种不同信号,将所述原始行车数据根据车辆识别码、驾驶循环的开始时刻、驾驶循环的结束时刻以及信号值发生时间进行分组;
将分组后的所述原始行车数据,利用控制器局域网络信号名称做透视,得到驾驶循环内各时刻的所述信号值,以生成驾驶循环内信号关联数据;
其中,所述车辆识别码、所述开始时刻、所述结束时刻、所述信号值发生时间以及所述控制器局域网络信号名称基于所述原始行车数据确定。
12.根据权利要求11所述的装置,其特征在于,还包括:
粘度分析模块,用于基于多个驾驶循环内的用户驾驶行为,分析用户与车辆的粘度。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至10任一项所述方法的步骤。
14.一种电子设备,其特征在于,包括:处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至10任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260289.0A CN112884943B (zh) | 2021-03-10 | 2021-03-10 | 用户驾驶行为还原方法、装置、介质以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260289.0A CN112884943B (zh) | 2021-03-10 | 2021-03-10 | 用户驾驶行为还原方法、装置、介质以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112884943A CN112884943A (zh) | 2021-06-01 |
CN112884943B true CN112884943B (zh) | 2023-05-30 |
Family
ID=76054070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110260289.0A Active CN112884943B (zh) | 2021-03-10 | 2021-03-10 | 用户驾驶行为还原方法、装置、介质以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112884943B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110722947A (zh) * | 2019-10-26 | 2020-01-24 | 深圳市元征科技股份有限公司 | 一种车辆控制方法及装置 |
CN110779730A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于虚拟驾驶场景车辆在环的l3级自动驾驶***测试方法 |
CN111224917A (zh) * | 2018-11-23 | 2020-06-02 | 广州汽车集团股份有限公司 | 一种汽车网关防火墙报文健康检查方法及网关装置、汽车 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7805228B2 (en) * | 2004-08-19 | 2010-09-28 | Spx Corporation | Vehicle diagnostic device |
US7430465B2 (en) * | 2004-11-17 | 2008-09-30 | Spx Corporation | Open-ended PC host interface for vehicle data recorder |
JP4954173B2 (ja) * | 2008-09-30 | 2012-06-13 | 本田技研工業株式会社 | 燃費向上のための運転操作を運転者に指導するための装置 |
US8803678B2 (en) * | 2012-11-27 | 2014-08-12 | GM Global Technology Operations LLC | Vehicle range projection for multiple drivers of a shared vehicle |
US20140277971A1 (en) * | 2013-03-14 | 2014-09-18 | Paccar Inc | In-truck fuel economy estimator |
US20140343912A1 (en) * | 2013-05-20 | 2014-11-20 | GM Global Technology Operations LLC | Providing customized fuel economy ratings based on customer drive cycle |
CN104468847B (zh) * | 2014-12-31 | 2017-12-15 | 山东赛维安讯信息科技有限公司 | 一种车辆的行程记录信息分享方法、设备、服务器及*** |
CN105354896B (zh) * | 2015-11-13 | 2017-12-22 | 江苏南亿迪纳数字科技发展有限公司 | 一种汽车行驶记录仪的轨迹分段方法 |
US20170345229A1 (en) * | 2016-05-27 | 2017-11-30 | GM Global Technology Operations LLC | Systems and Methods For Data Acquisition From A Remote System |
CN109840966B (zh) * | 2018-07-24 | 2022-02-18 | 上海赢科信息技术有限公司 | 基于车辆行驶数据清洗的行程划分方法和*** |
CN111523701A (zh) * | 2020-03-27 | 2020-08-11 | 广州亚美信息科技有限公司 | 车辆运行状况的评估方法、装置、计算机设备和存储介质 |
-
2021
- 2021-03-10 CN CN202110260289.0A patent/CN112884943B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111224917A (zh) * | 2018-11-23 | 2020-06-02 | 广州汽车集团股份有限公司 | 一种汽车网关防火墙报文健康检查方法及网关装置、汽车 |
CN110779730A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于虚拟驾驶场景车辆在环的l3级自动驾驶***测试方法 |
CN110722947A (zh) * | 2019-10-26 | 2020-01-24 | 深圳市元征科技股份有限公司 | 一种车辆控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112884943A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111806239B (zh) | 电动车辆续航里程测量方法、电子设备及存储介质 | |
KR100753838B1 (ko) | 적응형 차량 운전지원 장치 및 방법 | |
CN112114259B (zh) | 一种车辆亏电状态监测方法、***、服务器和车辆 | |
CN112319489B (zh) | 驾驶行为监测方法、监测***、服务器和存储介质 | |
CN111784984B (zh) | 一种分布式预警***、方法及装置 | |
CN112925309A (zh) | 智能网联汽车数据交互方法及交互*** | |
CN112509317A (zh) | 基于机器学习算法的公交实时到站预测方法、装置和设备 | |
CN112884943B (zh) | 用户驾驶行为还原方法、装置、介质以及电子设备 | |
CN108921418B (zh) | 一种基于汽车定位及综合信息大数据的驾驶风险评估方法 | |
CN112026679B (zh) | 车辆使用工况监测方法、装置、介质、边缘处理器和车辆 | |
CN109835280B (zh) | 一种通过语音识别显示车辆状态及驾驶行为的***和车辆 | |
WO2020120538A1 (de) | Verfahren, computerprogramm, vorrichtung, fahrzeug und netzwerkkomponente zur schätzung eines abfahrtzeitpunktes eines nutzers mit einem fahrzeug | |
CN116340332A (zh) | 更新车载智能***的场景库的方法、装置和车辆 | |
CN114118217A (zh) | 一种电动汽车的电池绝缘失效预测方法 | |
CN108984289B (zh) | 优先级控制方法、装置及车联网服务平台 | |
US20160086394A1 (en) | Driving behavior analysis method and system thereof | |
CN110569550A (zh) | 续航里程估算的方法、***和汽车 | |
CN111717220A (zh) | 用户节油提示方法及*** | |
CN109035486A (zh) | 一种对车辆性能进行大数据预测的方法 | |
CN113256845B (zh) | 一种数据采集方法、装置、存储介质及*** | |
CN116861199B (zh) | 一种燃油清净增效剂的减排测评方法、设备和存储介质 | |
CN115994753B (zh) | 基于水资源收集处理的智慧洗车管理***及方法 | |
CN112907102B (zh) | 驾驶评分方法、装置、设备及存储介质 | |
CN113934746A (zh) | 一种记录的分片方法、装置、设备及存储介质 | |
CN117284303A (zh) | 用于分析车辆使用习惯的方法、***和车辆 |
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 |