CN113505955A - 一种基于tsp***的用户驾驶行为评分方法 - Google Patents
一种基于tsp***的用户驾驶行为评分方法 Download PDFInfo
- Publication number
- CN113505955A CN113505955A CN202110541774.5A CN202110541774A CN113505955A CN 113505955 A CN113505955 A CN 113505955A CN 202110541774 A CN202110541774 A CN 202110541774A CN 113505955 A CN113505955 A CN 113505955A
- Authority
- CN
- China
- Prior art keywords
- data
- driving
- vehicle
- acquiring
- score
- 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
Links
- 238000013077 scoring method Methods 0.000 title claims abstract description 17
- 230000006399 behavior Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 1
- 238000012216 screening Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 206010039203 Road traffic accident Diseases 0.000 abstract description 3
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 238000012954 risk control Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及驾驶行为分析技术领域，且公开了一种基于TSP***的用户驾驶行为评分方法，包括以下步骤：S1：信息采集，获取行车数据，通过车载TSP***对车辆行驶数据进行采集；S2：行程切分，通过获取的时间数据和车辆发动机数据对行程进行切分；S3：获取行程的基础数据，对行程数据加工，并获取行为评分的相关数据；S4：对行程数据进行聚类、分类。本发明通过TSP***收集的报文数据用于综合评定用户驾驶行为和习惯，实现对驾驶员行车的风险管控，增强行程分析后续业务的准确性和稳定性，通过对数据进行划分，能够提高数据处理效果，增强驾驶员避免驾驶风险的意识，从而减少交通事故发生率，提高交通安全等级。
Description
技术领域
本发明涉及驾驶行为分析技术领域，具体为一种基于TSP***的用户驾驶行为评分方法。
背景技术
伴随着物联网和汽车工业的发展，车联网汽车数量的大量增加，大大提高了我们的生活质量，方便了我们的日常生活，然而对车辆的监管，保证车辆驾驶的安全依旧是现代社会极力想要解决的问题之一。
经检索，授权公开号为CN104699955B的专利，公开了一种驾驶行为评分方法及其***，驾驶行为评分方法包括：整车控制器VCU采集驾驶人的驾驶行为相关信息，通过无线通信网络将所述驾驶行为相关信息以及车辆标识上传至服务器；所述服务器通过将所述驾驶行为相关信息与服务器存储的数据全集进行比较，根据比较结果对所述驾驶人的驾驶行为进行实时评分；但是上述专利无法综合有效的评定驾驶员的驾驶风格和习惯，也影响着驾驶行为分析后续的业务的准确性，不能满足人们的要求。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于TSP***的用户驾驶行为评分方法，解决了现有的驾驶行为分析方法无法综合有效的评定驾驶员的驾驶风格和习惯，也影响着驾驶行为分析后续的业务的准确性的问题。
（二）技术方案
为实现上述目的，本发明提供如下技术方案：
一种基于TSP***的用户驾驶行为评分方法，包括以下步骤：
S1：信息采集，获取行车数据，通过车载TSP***对车辆行驶数据进行采集；
S2：行程切分，通过获取的时间数据和车辆发动机数据对行程进行切分；
S3：获取行程的基础数据，对行程数据加工，并获取行为评分的相关数据；
S4：对行程数据进行聚类、分类，对车辆行驶数据进行分段；
S5：对行程数据进行评分，判断车辆驾驶行为的总评分。
2．根据权利要求1所述的一种基于TSP***的用户驾驶行为评分方法。
作为本发明再进一步的方案，所述S1中TSP***获车辆行驶数据进行采集是指：获取在车辆行驶中，使用终端采集车辆行驶的方向转角，横向加速度，纵向加速度，速度，车辆识别码，发动机点火状态，码表速度，时间戳，里程。
进一步的，所述S2中通过消息队列将实时数据进行存储，根据车辆标识码，发动机点火状态，码表速度和时间戳，对数据的行程进行划分。
在前述方案的基础上，所述S3中对行程数据加工时对行程中的数据进行过滤，筛选出错误数据和异常数据，保留中间的有效数据，此外，需要从行程的数据报文中，解析出所需要的数据字段，并对部分数据进行加工，包括本次行程的驾驶时长，最高速度，驾驶距离以及各项加速度指标，对应的“三急”指标。
进一步的，所述S4中对车辆行驶数据进行分段，包括对上一步处理的数据进行聚类，即计算各个数据特征之间的距离公式，将距离较近的点划分为同一类点，依据轮数不停的迭代类中心，调整类内间距，按照数据的本身属性，对数据进行分类，最后，将同一类中的点打上相同的标签，完成对样本点的区分，后续当新的样本点达到一定的数量，将样本点放入历史样本中，进行整体的聚类。
在前述方案的基础上，所述S5中判断车辆驾驶行为的总评分时根据上述的历史数据完成标记之后，将历史数据放入决策树模型中进行训练，并测试训练模型的准确性，当后续有新用户的行程数据，直接输入模型打上类别标签，制定类别标签与评分之间的对应关系，假设类别等级从高到低依次是A、B、C、D、E、F，评分为A的分数为100，评分属于B、C、D、E的，分数在a1与a2之间，而评分在F的，分数在a1到a3之间。
本发明再进一步的方案，所述S5中判断车辆驾驶评分分数的步骤进一步包括：
S501：判断车辆驾驶数据分类结果是否为A，若是，则车辆驾驶行为评分为100，若否，则执行步骤S502；
S502：判断车辆驾驶数据分类结果是否为B、C、D、E，若是，则车辆驾驶行为评分为（a1,a2）区间，若否，则执行步骤S503；
S503：判断车辆驾驶数据分类结果是否为F，若是，则车辆驾驶行为评分为（a2,a3）区间。
（三）有益效果
与现有技术相比，本发明提供了一种基于TSP***的用户驾驶行为评分方法，具备以下有益效果：
1、本发明通过TSP***收集的报文数据用于综合评定用户驾驶行为和习惯，实现对驾驶员行车的风险管控。
2、本发明通过对用户驾驶行为的精准评价，进一步帮助了后续ubi业务识别风险，增强行程分析后续业务的准确性和稳定性，通过对数据进行划分，能够提高数据处理效果。
3、本发明通过获取的时间数据和车辆发动机数据对行程进行切分对行程数据加工，并获取行为评分的相关数据，对车辆行驶数据进行分段并对车辆驾驶行为的总评分，增强驾驶员避免驾驶风险的意识，从而减少交通事故发生率，提高交通安全等级。
附图说明
图1为本发明提出的一种基于TSP***的用户驾驶行为评分方法的流程结构示意图；
图2为本发明提出的一种基于TSP***的用户驾驶行为评分方法的车载数据行程划分过程的流程示意图；
图3为本发明提出的一种基于TSP***的用户驾驶行为评分方法的车辆行驶数据的清洗再加工总评分的流程示意图；
图4为本发明提出的一种基于TSP***的用户驾驶行为评分方法的车辆行程分段的流程示意图；
图5为本发明提出的一种基于TSP***的用户驾驶行为评分方法的车辆行程分段评分的流程示意图。
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，本领域普通技术人员在没有做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。
参照图1-5，一种基于TSP***的用户驾驶行为评分方法，包括以下步骤：
S1：信息采集，获取行车数据，通过车载TSP***对车辆行驶数据进行采集，通过TSP***收集的报文数据用于综合评定用户驾驶行为和习惯，实现对驾驶员行车的风险管控；
S2：行程切分，通过获取的时间数据和车辆发动机数据对行程进行切分；
S3：获取行程的基础数据，对行程数据加工，并获取行为评分的相关数据；
S4：对行程数据进行聚类、分类，对车辆行驶数据进行分段；
S5：对行程数据进行评分，判断车辆驾驶行为的总评分，通过对用户驾驶行为的精准评价，进一步帮助了后续ubi业务识别风险，增强行程分析后续业务的准确性和稳定性。
本发明的S1中TSP***获车辆行驶数据进行采集是指：获取在车辆行驶中，使用终端采集车辆行驶的方向转角，横向加速度，纵向加速度，速度，车辆识别码，发动机点火状态，码表速度，时间戳，里程，S2中通过消息队列将实时数据进行存储，根据车辆标识码，发动机点火状态，码表速度和时间戳，对数据的行程进行划分，通过对数据进行划分，能够提高数据处理效果，S3中对行程数据加工时对行程中的数据进行过滤，筛选出错误数据和异常数据，保留中间的有效数据，此外，需要从行程的数据报文中，解析出所需要的数据字段，并对部分数据进行加工，包括本次行程的驾驶时长，最高速度，驾驶距离以及各项加速度指标，对应的“三急”指标。
尤其的，S4中对车辆行驶数据进行分段，包括对上一步处理的数据进行聚类，即计算各个数据特征之间的距离公式，将距离较近的点划分为同一类点，依据轮数不停的迭代类中心，调整类内间距，按照数据的本身属性，对数据进行分类，最后，将同一类中的点打上相同的标签，完成对样本点的区分，后续当新的样本点达到一定的数量，将样本点放入历史样本中，进行整体的聚类，完成对历史标签的修订，提高标签标定的准确性，S5中判断车辆驾驶行为的总评分时根据上述的历史数据完成标记之后，将历史数据放入决策树模型中进行训练，并测试训练模型的准确性，当后续有新用户的行程数据，直接输入模型打上类别标签，制定类别标签与评分之间的对应关系，假设类别等级从高到低依次是A、B、C、D、E、F，评分为A的分数为100，评分属于B、C、D、E的，分数在a1与a2之间，而评分在F的，分数在a1到a3之间，通过获取的时间数据和车辆发动机数据对行程进行切分对行程数据加工，并获取行为评分的相关数据，对车辆行驶数据进行分段并对车辆驾驶行为的总评分，增强驾驶员避免驾驶风险的意识，从而减少交通事故发生率，提高交通安全等级，S5中判断车辆驾驶评分分数的步骤进一步包括：
S501：判断车辆驾驶数据分类结果是否为A，若是，则车辆驾驶行为评分为100，若否，则执行步骤S502；
S502：判断车辆驾驶数据分类结果是否为B、C、D、E，若是，则车辆驾驶行为评分为（a1,a2）区间，若否，则执行步骤S503；
S503：判断车辆驾驶数据分类结果是否为F，若是，则车辆驾驶行为评分为（a2,a3）区间。
在该文中的描述中，需要说明的是，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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于TSP***的用户驾驶行为评分方法，其特征在于，包括以下步骤：
S1：信息采集，获取行车数据，通过车载TSP***对车辆行驶数据进行采集；
S2：行程切分，通过获取的时间数据和车辆发动机数据对行程进行切分；
S3：获取行程的基础数据，对行程数据加工，并获取行为评分的相关数据；
S4：对行程数据进行聚类、分类，对车辆行驶数据进行分段；
S5：对行程数据进行评分，判断车辆驾驶行为的总评分。
2.根据权利要求1所述的一种基于TSP***的用户驾驶行为评分方法，其特征在于，所述S1中TSP***获车辆行驶数据进行采集是指：获取在车辆行驶中，使用终端采集车辆行驶的方向转角，横向加速度，纵向加速度，速度，车辆识别码，发动机点火状态，码表速度，时间戳，里程。
3.根据权利要求1所述的一种基于TSP***的用户驾驶行为评分方法，其特征在于，所述S2中通过消息队列将实时数据进行存储，根据车辆标识码，发动机点火状态，码表速度和时间戳，对数据的行程进行划分。
4.根据权利要求1所述的一种基于TSP***的用户驾驶行为评分方法，其特征在于，所述S3中对行程数据加工时对行程中的数据进行过滤，筛选出错误数据和异常数据，保留中间的有效数据，此外，需要从行程的数据报文中，解析出所需要的数据字段，并对部分数据进行加工，包括本次行程的驾驶时长，最高速度，驾驶距离以及各项加速度指标，对应的“三急”指标。
5.根据权利要求1所述的一种基于TSP***的用户驾驶行为评分方法，其特征在于，所述S4中对车辆行驶数据进行分段，包括对上一步处理的数据进行聚类，即计算各个数据特征之间的距离公式，将距离较近的点划分为同一类点，依据轮数不停的迭代类中心，调整类内间距，按照数据的本身属性，对数据进行分类，最后，将同一类中的点打上相同的标签，完成对样本点的区分，后续当新的样本点达到一定的数量，将样本点放入历史样本中，进行整体的聚类。
6.根据权利要求1所述的一种基于TSP***的用户驾驶行为评分方法，其特征在于，所述S5中判断车辆驾驶行为的总评分时根据上述的历史数据完成标记之后，将历史数据放入决策树模型中进行训练，并测试训练模型的准确性，当后续有新用户的行程数据，直接输入模型打上类别标签，制定类别标签与评分之间的对应关系，假设类别等级从高到低依次是A、B、C、D、E、F，评分为A的分数为100，评分属于B、C、D、E的，分数在a1与a2之间，而评分在F的，分数在a1到a3之间。
7.根据权利要求6所述的一种基于TSP***的用户驾驶行为评分方法，其特征在于，所述S5中判断车辆驾驶评分分数的步骤进一步包括：
S501：判断车辆驾驶数据分类结果是否为A，若是，则车辆驾驶行为评分为100，若否，则执行步骤S502；
S502：判断车辆驾驶数据分类结果是否为B、C、D、E，若是，则车辆驾驶行为评分为（a1,a2）区间，若否，则执行步骤S503；
S503：判断车辆驾驶数据分类结果是否为F，若是，则车辆驾驶行为评分为（a2,a3）区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110541774.5A CN113505955A (zh) | 2021-05-19 | 2021-05-19 | 一种基于tsp***的用户驾驶行为评分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110541774.5A CN113505955A (zh) | 2021-05-19 | 2021-05-19 | 一种基于tsp***的用户驾驶行为评分方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113505955A true CN113505955A (zh) | 2021-10-15 |
Family
ID=78008452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110541774.5A Pending CN113505955A (zh) | 2021-05-19 | 2021-05-19 | 一种基于tsp***的用户驾驶行为评分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113505955A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114973670A (zh) * | 2022-05-23 | 2022-08-30 | 斑马网络技术有限公司 | 行程确定方法、装置及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104363266A (zh) * | 2014-10-23 | 2015-02-18 | 北京远特科技有限公司 | 远程控制车辆的方法、tsp后台***以及车载终端 |
| CN108074396A (zh) * | 2016-11-10 | 2018-05-25 | 关晓芙 | 安全行驶评价方法及*** |
| CN109033332A (zh) * | 2018-07-20 | 2018-12-18 | 汉纳森（厦门）数据股份有限公司 | 驾驶行为分析方法、介质及*** |
| CN109840612A (zh) * | 2018-07-24 | 2019-06-04 | 上海赢科信息技术有限公司 | 用户驾驶行为分析方法及*** |
| CN110197588A (zh) * | 2019-06-03 | 2019-09-03 | 长安大学 | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 |
| CN110210365A (zh) * | 2018-07-19 | 2019-09-06 | 武汉华威专用汽车检测有限责任公司 | 一种基于双目技术的驾驶行为评分***与方法 |
| CN111612334A (zh) * | 2020-05-20 | 2020-09-01 | 上海评驾科技有限公司 | 一种基于车联网数据的驾驶行为风险评级的判定方法 |
-
2021
- 2021-05-19 CN CN202110541774.5A patent/CN113505955A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104363266A (zh) * | 2014-10-23 | 2015-02-18 | 北京远特科技有限公司 | 远程控制车辆的方法、tsp后台***以及车载终端 |
| CN108074396A (zh) * | 2016-11-10 | 2018-05-25 | 关晓芙 | 安全行驶评价方法及*** |
| CN110210365A (zh) * | 2018-07-19 | 2019-09-06 | 武汉华威专用汽车检测有限责任公司 | 一种基于双目技术的驾驶行为评分***与方法 |
| CN109033332A (zh) * | 2018-07-20 | 2018-12-18 | 汉纳森（厦门）数据股份有限公司 | 驾驶行为分析方法、介质及*** |
| CN109840612A (zh) * | 2018-07-24 | 2019-06-04 | 上海赢科信息技术有限公司 | 用户驾驶行为分析方法及*** |
| CN110197588A (zh) * | 2019-06-03 | 2019-09-03 | 长安大学 | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 |
| CN111612334A (zh) * | 2020-05-20 | 2020-09-01 | 上海评驾科技有限公司 | 一种基于车联网数据的驾驶行为风险评级的判定方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114973670A (zh) * | 2022-05-23 | 2022-08-30 | 斑马网络技术有限公司 | 行程确定方法、装置及设备 |
| CN114973670B (zh) * | 2022-05-23 | 2024-04-09 | 斑马网络技术有限公司 | 行程确定方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111688713B (zh) | 驾驶行为分析方法和装置 | |
| CN108769104B (zh) | 一种基于车载诊断***数据的路况分析预警方法 | |
| CN106372674A (zh) | 在线叫车服务平台中的司机分类方法和装置 | |
| CN107918826B (zh) | 一种驾驶环境感知的司机评价与调度方法 | |
| CN110276954A (zh) | 基于北斗定位***的车辆行驶行为综合评分方法 | |
| CN111627132B (zh) | 一种基于驾驶倾性的汽车行驶特征评价及预警方法 | |
| CN111144446B (zh) | 一种基于时空网格的司机身份识别方法和*** | |
| CN114299742B (zh) | 一种高速公路的限速信息动态识别与更新推荐方法 | |
| CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
| CN108229567A (zh) | 驾驶员身份识别方法及装置 | |
| CN109993966A (zh) | 一种构建用户画像的方法及装置 | |
| CN108803559A (zh) | 车辆故障分析方法、装置和*** | |
| EP2052376B1 (en) | Adaptive interface providing apparatus and method | |
| CN109191828B (zh) | 基于集成学习的交通参与者事故风险预测方法 | |
| CN115713858A (zh) | 一种基于交通大数据的智慧交通运行管控*** | |
| CN113065902A (zh) | 基于数据处理的费用设定方法、装置和计算机设备 | |
| CN113505955A (zh) | 一种基于tsp***的用户驾驶行为评分方法 | |
| CN114331181A (zh) | 基于大数据的车辆驾驶行为风险分析方法 | |
| CN113928333B (zh) | 基于辅助驾驶的降能耗方法及*** | |
| CN110254435B (zh) | 一种驾驶风格识别方法 | |
| CN111612334A (zh) | 一种基于车联网数据的驾驶行为风险评级的判定方法 | |
| CN114422973A (zh) | 一种基于大数据的网约车司机智能识别方法、***及可读存储介质 | |
| CN113673304B (zh) | 基于场景语义驱动的车载预期功能安全危害分析评估方法 | |
| CN118025193A (zh) | 一种驾驶员风险评价管理方法及*** | |
| CN116543242B (zh) | 基于高速收费数据的车型检测方法、装置、设备及介质 |
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 |