CN114511178A - 共享出行用户安全驾驶行为的监测方法及*** - Google Patents
共享出行用户安全驾驶行为的监测方法及*** Download PDFInfo
- Publication number
- CN114511178A CN114511178A CN202111612875.3A CN202111612875A CN114511178A CN 114511178 A CN114511178 A CN 114511178A CN 202111612875 A CN202111612875 A CN 202111612875A CN 114511178 A CN114511178 A CN 114511178A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving behavior
- driving
- responsibility
- driver
- 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
- 230000006399 behavior Effects 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000012423 maintenance Methods 0.000 claims description 47
- 230000001133 acceleration Effects 0.000 claims description 16
- 206010039203 Road traffic accident Diseases 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 238000012821 model calculation Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011002 quantification 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种共享出行用户安全驾驶行为的监测方法及***,包括:步骤S1:通过传感器采集驾驶过程中实时驾驶行为数据;步骤S2:通过数据库采集驾驶员在统计周期内的历史驾驶行为数据;步骤S3:对采集到的实时驾驶行为数据以及历史驾驶行为数据进行预处理,得到预处理后的数据;步骤S4:构建驾驶行为评分模型;步骤S5:利用预处理后的数据对驾驶行为评分模型进行训练,得到训练后的驾驶行为评分模型;步骤S6:利用训练后的驾驶行为评分模型对驾驶行为进行评分。
Description
技术领域
本发明涉及安全用车技术领域,具体地,涉及共享出行用户安全驾驶行为的监测方法及***,更为具体地,涉及一种评价移动出行领域租车用户驾驶安全特性的方法。
背景技术
专利文献CN112356838A(申请号:202011309901.0)公开了用于共享汽车的用户状态监控装置,涉及安全用车技术领域,包括监测模块及控制模块,其中,监测模块用于监控用户用车前的行为信息及用车过程中的行为信息并将用户用车前的行为信息及用车过程中的行为信息发送给控制模块,控制模块用于根据监测模块发送的用户用车前的行为信息及用车过程中的行为信息,判断用户当前是否能够正常使用车辆,能够实时检测到用户的违法驾驶行为及不文明驾驶行为,能够有效地保障驾驶员与乘客的生命安全并对出现的事故进行精准定责,有利于共享汽车产业的进一步发展。该专利的核心是在车辆上安装用户状态监控装置,对监控装置采集的车内图像进行识别后,形成相关指令后发送到车内的控制模块,从而对驾驶人进行干预。但是,该专利的驾驶行为识别仅通过图像采集,采用定性评价,导致评价的准确性、连续性受限,进而影响评价效果。
本发明采用更广泛的数据采集渠道,通过建立驾驶行为评价模型,以定性结合定量的方式对驾驶人行为进行评价,并建立该驾驶人的驾驶行为档案,通过多次驾驶行为的评价全方位对该名驾驶人进行评价。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种共享出行用户安全驾驶行为的监测方法及***。
根据本发明提供的一种共享出行用户安全驾驶行为的监测方法,包括:
步骤S1:通过传感器采集驾驶过程中实时驾驶行为数据;
步骤S2:通过数据库采集当前驾驶员在统计周期内的历史驾驶行为数据;
步骤S3:对采集到的实时驾驶行为数据以及历史驾驶行为数据进行预处理,得到预处理后的数据;
步骤S4:构建驾驶行为评分模型;
步骤S5:利用预处理后的数据对驾驶行为评分模型进行训练,得到训练后的驾驶行为评分模型;
步骤S6:利用训练后的驾驶行为评分模型对驾驶行为进行评分。
优选地,所述采集驾驶过程中实时驾驶行为数据包括:车辆行驶速度、车辆总行驶里程、车辆总行驶时间、车辆急加速次数、车辆急减速次数以及车辆急转弯次数。
优选地,所述步骤S2采用:各汽车租赁企业将驾驶人扣分详情和车辆维修费用详情上传至共享出行行业大数据平台,并对共享出行行业大数据平台上的数据进行脱敏处理;基于共享出行行业大数据平台查询统计周期内当前驾驶员在各汽车租赁企业用车过程中产生的交通违章扣分累计以及统计周期内驾驶租赁车辆因发生有责交通事故产生的车辆维修费用。
优选地,所述步骤S3采用:将车辆行驶速度匹配定位所在道路限速,当车辆行驶速度超过限速x%时,记超速值Tcs=1;当超过限速y%时,记超速值Tcs=2;且连续预设时间内发生多次超速行为仅取一次最高的超速值Tcs;
将单次违章扣分低于3分,记Twz=1,当违章扣分大于等于3分且小于6分计Twz=2,当违章扣分大于等于6分且小于12分计Twz=3,扣分为12分计Twz=4;
将单次维修费用A结合事故的交通责任划分,全责计1、主责计0.8、同责计0.5、次责计0.2、无责计0,将维修费用A*交通责任划分=责任划分后的交通维修费用Azr。
优选地,所述驾驶行为评分模型包括:单次驾驶行为评分模块、驾驶人历史行为评分模块以及驾驶人综合评级模块;
所述单次驾驶行为评分模块采用:
S单次=(Tcs*0.5)/M+{(Na+Nd)*0.2+Nt*0.3}/T (1)
其中,Tcs表示超速值;M表示车辆总行驶里程;Na表示车辆急加速次数;Nd表示车辆急减速次数;Nt表示车辆急转弯次数;T表示车辆总行驶时间;
所述驾驶人历史行为评分模块采用:
S历史=Twz+Azr (2)
其中,Twz表示违章扣分值;Azr表示责任划分后的交通维修费用;
所述驾驶人综合评级模块采用:
根据本发明提供的一种共享出行用户安全驾驶行为的监测***,包括:
模块M1:通过传感器采集驾驶过程中实时驾驶行为数据;
模块M2:通过数据库采集当前驾驶员在统计周期内的历史驾驶行为数据;
模块M3:对采集到的实时驾驶行为数据以及历史驾驶行为数据进行预处理,得到预处理后的数据;
模块M4:构建驾驶行为评分模型;
模块M5:利用预处理后的数据对驾驶行为评分模型进行训练,得到训练后的驾驶行为评分模型;
模块M6:利用训练后的驾驶行为评分模型对驾驶行为进行评分。
优选地,所述采集驾驶过程中实时驾驶行为数据包括:车辆行驶速度、车辆总行驶里程、车辆总行驶时间、车辆急加速次数、车辆急减速次数以及车辆急转弯次数。
优选地,在所述模块M2中:各汽车租赁企业将驾驶人扣分详情和车辆维修费用详情上传至共享出行行业大数据平台,并对共享出行行业大数据平台上的数据进行脱敏处理;基于共享出行行业大数据平台查询统计周期内当前驾驶员在各汽车租赁企业用车过程中产生的交通违章扣分累计以及统计周期内驾驶租赁车辆因发生有责交通事故产生的车辆维修费用。
优选地,所述模块M3采用:将车辆行驶速度匹配定位所在道路限速,当车辆行驶速度超过限速x%时,记超速值Tcs=1;当超过限速y%时,记超速值Tcs=2;且连续预设时间内发生多次超速行为仅取一次最高的超速值Tcs;
将单次违章扣分低于3分,记Twz=1,当违章扣分大于等于3分且小于6分计Twz=2,当违章扣分大于等于6分且小于12分计Twz=3,扣分为12分计Twz=4;
将单次维修费用A结合事故的交通责任划分,全责计1、主责计0.8、同责计0.5、次责计0.2、无责计0,将维修费用A*交通责任划分=责任划分后的交通维修费用Azr。
优选地,所述驾驶行为评分模型包括:单次驾驶行为评分模块、驾驶人历史行为评分模块以及驾驶人综合评级模块;
所述单次驾驶行为评分模块采用:
S单次=(Tcs*0.5)/M+{(Na+Nd)*0.2+Nt*0.3}/T (1)
其中,Tcs表示超速值;M表示车辆总行驶里程;Na表示车辆急加速次数;Nd表示车辆急减速次数;Nt表示车辆急转弯次数;T表示车辆总行驶时间;
所述驾驶人历史行为评分模块采用:
S历史=Twz+Azr (2)
其中,Twz表示违章扣分值;Azr表示责任划分后的交通维修费用;
所述驾驶人综合评级模块采用:
与现有技术相比,本发明具有如下的有益效果:
1、本发明采用量化手段对驾驶人进行综合评定,能够客观的体现出被评价人的驾驶风险性,从而采用租车软件开车门前安全提示、车内安全电子音提示、车速高于80km/h提示音、禁止使用车内运动档等提示,起到一定的安全驾驶防护功能,从而降低事故发生的可能性;
2、本发明采用更广泛的数据采集渠道,通过建立驾驶行为评价模型,以定性结合定量的方式对驾驶人行为进行评价,并建立该驾驶人的驾驶行为档案,通过多次驾驶行为的评价全方位对该名驾驶人进行评价。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为共享出行用户安全驾驶行为的监测方法流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
根据本发明提供的一种共享出行用户安全驾驶行为的监测方法,如图1所示,包括:
步骤S1:通过传感器采集驾驶过程中实时驾驶行为数据,并上传至服务器;
步骤S2:采集当前驾驶员在统计周期内的历史驾驶行为数据,并上传至服务器;
步骤S3:对采集到的实时驾驶行为数据以及历史驾驶行为数据进行预处理,得到预处理后的数据;
步骤S4:构建驾驶行为评分模型;
步骤S5:利用预处理后的数据对驾驶行为评分模型进行训练,得到训练后的驾驶行为评分模型;
步骤S6:利用训练后的驾驶行为评分模型对驾驶行为进行评分。
具体地,所述采集驾驶过程中实时驾驶行为数据包括:车辆行驶速度、车辆总行驶里程、车辆总行驶时间、车辆急加速次数、车辆急减速次数以及车辆急转弯次数。
具体地,所述历史驾驶行为数据包括:统计周期内当前驾驶员交通违章扣分累计以及统计周期内驾驶当前车辆因发生交通事故产生的维修费用。
具体地,所述步骤S2采用:建立共享出行行业大数据平台,各汽车租赁企业将驾驶人扣分详情和车辆维修费用详情上传至共享出行行业大数据平台,并对共享出行行业大数据平台上的数据进行脱敏处理;基于共享出行行业大数据平台上的数据,查询驾驶人统计周期内在各汽车租赁企业用车过程中产生的交通违章扣分累计以及统计周期内驾驶租赁车辆因发生有责交通事故产生的车辆维修费用。
具体地,所述步骤S3采用:将车辆行驶速度匹配定位所在道路限速,当车辆行驶速度超过限速x%时,记超速值Tcs=1;当超过限速y%时,记超速值Tcs=2;且连续预设时间内发生多次超速行为仅取一次最高的超速值Tcs;
将单次违章扣分低于3分,记Twz=1,当违章扣分大于等于3分且小于6分计Twz=2,当违章扣分大于等于6分且小于12分计Twz=3,扣分为12分计Twz=4;
将单次维修费用A结合事故的交通责任划分,全责计1、主责计0.8、同责计0.5、次责计0.2、无责计0,将维修费用A*交通责任划分=责任划分后的交通维修费用Azr。
具体地,所述驾驶行为评分模型包括:单次驾驶行为评分模块、驾驶人历史行为评分模块以及驾驶人综合评级模块;
所述单次驾驶行为评分模块采用:
S单次=(Tcs*0.5)/M+{(Na+Nd)*0.2+Nt*0.3}/T (1)
其中,Tcs表示超速值;M表示车辆总行驶里程;Na表示车辆急加速次数;Nd表示车辆急减速次数;Nt表示车辆急转弯次数;T表示车辆总行驶时间;
所述驾驶人历史行为评分模块采用:
S历史=Twz+Azr (2)
其中,Twz表示违章扣分值;Azr表示责任划分后的交通维修费用;
所述驾驶人综合评级模块采用:
根据本发明提供的一种共享出行用户安全驾驶行为的监测***,包括:
模块M1:通过传感器采集驾驶过程中实时驾驶行为数据;
模块M2:采集当前驾驶员在统计周期内的历史驾驶行为数据;
模块M3:对采集到的实时驾驶行为数据以及历史驾驶行为数据进行预处理,得到预处理后的数据;
模块M4:构建驾驶行为评分模型;
模块M5:利用预处理后的数据对驾驶行为评分模型进行训练,得到训练后的驾驶行为评分模型;
模块M6:利用训练后的驾驶行为评分模型对驾驶行为进行评分。
具体地,所述采集驾驶过程中实时驾驶行为数据包括:车辆行驶速度、车辆总行驶里程、车辆总行驶时间、车辆急加速次数、车辆急减速次数以及车辆急转弯次数。
具体地,所述历史驾驶行为数据包括:统计周期内当前驾驶员交通违章扣分累计以及统计周期内驾驶当前车辆因发生交通事故产生的维修费用。
具体地,在所述模块M2中,建立共享出行行业大数据平台,各汽车租赁企业将驾驶人扣分详情和车辆维修费用详情上传至共享出行行业大数据平台,并对共享出行行业大数据平台上的数据进行脱敏处理;基于共享出行行业大数据平台上的数据,查询驾驶人统计周期内在各汽车租赁企业用车过程中产生的交通违章扣分累计以及统计周期内驾驶租赁车辆因发生有责交通事故产生的车辆维修费用。
具体地,所述模块M3采用:将车辆行驶速度匹配定位所在道路限速,当车辆行驶速度超过限速x%时,记超速值Tcs=1;当超过限速y%时,记超速值Tcs=2;且连续预设时间内发生多次超速行为仅取一次最高的超速值Tcs;
将单次违章扣分低于3分,记Twz=1,当违章扣分大于等于3分且小于6分计Twz=2,当违章扣分大于等于6分且小于12分计Twz=3,扣分为12分计Twz=4;
将单次维修费用A结合事故的交通责任划分,全责计1、主责计0.8、同责计0.5、次责计0.2、无责计0,将维修费用A*交通责任划分=责任划分后的交通维修费用Azr。
具体地,所述驾驶行为评分模型包括:单次驾驶行为评分模块、驾驶人历史行为评分模块以及驾驶人综合评级模块;
所述单次驾驶行为评分模块采用:
S单次=(Tcs*0.5)/M+{(Na+Nd)*0.2+Nt*0.3}/T (1)
其中,Tcs表示超速值;M表示车辆总行驶里程;Na表示车辆急加速次数;Nd表示车辆急减速次数;Nt表示车辆急转弯次数;T表示车辆总行驶时间;
所述驾驶人历史行为评分模块采用:
S历史=Twz+Azr (2)
其中,Twz表示违章扣分值;Azr表示责任划分后的交通维修费用;
所述驾驶人综合评级模块采用:
实施例2
实施例2是实施例1的优选例
由于移动出行中的租车用户类型繁杂,具体差异体现在驾驶水平、性格特征、生理特性等方面,最终作用到其驾驶行为。本发明基于用户数据采集的基础上,分析评价各类驾驶人的安全驾驶水平,有效识别出具有潜在驾驶风险的人员,实施针对性的安全提示和教育,从而降低交通事故的发生。
本发明提供了一种共享出行用户安全驾驶行为的监测方法,包括以下步骤:
数据采集及处理步骤:
数据范围:
驾驶过程中实时驾驶行为数据;车辆行驶速度V,车辆总行驶里程M,车辆总行驶时间T,车辆急加速次数Na,车辆急减速次数Nd,车辆急转弯次数Nt。
非实时数据;违章驾驶情况,以最近12个自然月为统计周期,累计扣分B;统计周期内累计出现有责交通事故(按责任划分比例计算)产生车辆维修费用A。
采集方式:
车辆行驶速度V:通过车辆加装车机反馈,单位:米/秒。
车辆总行驶里程M:通过订单***获取该笔订单的总行驶里程,单位:公里。
车辆总行驶时间T:通过订单***获取该笔订单的总行驶时间,单位:分钟。
车辆急加速次数Na:通过车辆加装车机反馈,单位:次。
车辆急减速次数Nd:通过车辆加装车机反馈,单位:次。
车辆急转弯次数Nt:通过车辆加装车机反馈,单位:次。
累计扣分B:通过查询驾驶人近一年交通违章扣分情况反馈,单位:分。
车辆维修费用A:驾驶EVCARD车辆因发生交通事故产生的维修费用,单位:万元。
数据处理:
车辆行驶速度V:将参数V匹配定位所在道路限速,当V超过限速20%计超速值Tcs=1,当超过限速50%计超速值Tcs=2,且连续3分钟内发生多次超速行为仅取一次较高的超速值Tcs。
车辆总行驶里程M:直接用于模型计算。
车辆总行驶时间T:直接用于模型计算。
车辆急加速次数Na:直接用于模型计算。
车辆急减速次数Nd:直接用于模型计算。
车辆急转弯次数Nt:直接用于模型计算。
累计扣分B:当该次违章扣分低于3分(含仅罚款),计Twz=1,当违章扣分大于等于3分且小于6分计Twz=2,当违章扣分大于等于6分计Twz=3,扣分为12分计Twz=4。
车辆维修费用A:将单次维修费用A结合该起事故的交通责任划分,全责计1、主责计0.8、同责计0.5、次责计0.2、无责计0,将维修费用A*交通责任划分=责任划分后的交通维修费用Azr。
模型建立步骤:
模型分为两部分,第一部分为单次驾驶行为评分,第二部分为驾驶人历史行为评分,最后将第一部分和第二部分结合后得到驾驶人综合评级。
单次驾驶行为评分:
该部分评分由单次驾驶过程中超速、急/减速、急转弯等行为最终判定,公式为:
S单次=(Tcs*0.5)/M+{(Na+Nd)*0.2+Nt*0.3}/T
驾驶人历史行为评分:
该部分评分由违章扣分和维修费用等情况最终判定,公式为:
S历史=Twz+Azr
驾驶人综合评级
该部分评价的统计周期为最近一年,将一年内的单次驾驶行为评分进行累计计算均值,并与驾驶人历史行为评分进行结合,公式为:
根据测算数据到得到,S综合低于2的驾驶行为评级为优秀,介于2-5之间的为良好,介于5-10之间的为一般,高于10的为重点关注。
假设有驾驶人小A,一年内发生3次租车行为,具体情况如下表所示:
第1次 | 第2次 | 第3次 | |
行驶里程M | 5 | 25 | 30 |
行驶时间T | 10 | 20 | 25 |
超速值Tcs | 2 | 1 | 3 |
急加速次数Na | 2 | 5 | 8 |
减速次数Nd | 1 | 2 | 3 |
急转弯次数Nt | 0 | 2 | 1 |
根据S单次=(Tcs*0.5)/M+{(Na+Nd)*0.2+Nt*0.3}/T得到:
第一次驾驶S单次=(2*0.5)/5+{(2+1)*0.2+0*0.3}/10=0.26;
第二次驾驶S单次=(1*0.5)/25+{(5+2)*0.2+2*0.3}/20=0.14;
第三次驾驶S单次=(3*0.5)/30+{(8+3)*0.2+1*0.3}/25=0.15。
此外,驾驶人小A一年内发生过1次扣3分违章,另有一起主责事故产生维修费用6万元,则S历史=Twz+Azr=2+6*0.8=6.8
综上,小A的驾驶行为评级为“一般”。
评级应用
根据驾驶行为评级,对驾驶人采取不同的安全辅助和提示,具体如下表所示:
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的***、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的***、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种共享出行用户安全驾驶行为的监测方法,其特征在于,包括:
步骤S1:通过传感器采集驾驶过程中实时驾驶行为数据;
步骤S2:采集驾驶员在统计周期内的历史驾驶行为数据;
步骤S3:对采集到的实时驾驶行为数据以及历史驾驶行为数据进行预处理,得到预处理后的数据;
步骤S4:构建驾驶行为评分模型;
步骤S5:利用预处理后的数据对驾驶行为评分模型进行训练,得到训练后的驾驶行为评分模型;
步骤S6:利用训练后的驾驶行为评分模型对驾驶行为进行评分;
步骤S7:基于驾驶行为的评分,建立驾驶人的驾驶行为档案,并采用不同的安全辅助和提示。
2.根据权利要求1所述的共享出行用户安全驾驶行为的监测方法,其特征在于,所述采集驾驶过程中实时驾驶行为数据包括:车辆行驶速度、车辆总行驶里程、车辆总行驶时间、车辆急加速次数、车辆急减速次数以及车辆急转弯次数。
3.根据权利要求1所述的共享出行用户安全驾驶行为的监测方法,其特征在于,所述步骤S2采用:各汽车租赁企业将驾驶人扣分详情和车辆维修费用详情上传至共享出行行业大数据平台,并对共享出行行业大数据平台上的数据进行脱敏处理;基于共享出行行业大数据平台查询统计周期内当前驾驶员在各汽车租赁企业用车过程中产生的交通违章扣分累计以及统计周期内驾驶租赁车辆因发生有责交通事故产生的车辆维修费用。
4.根据权利要求1所述的共享出行用户安全驾驶行为的监测方法,其特征在于,所述步骤S3采用:将车辆行驶速度匹配定位所在道路限速,当车辆行驶速度超过限速x%时,记超速值Tcs=1;当超过限速y%时,记超速值Tcs=2;且连续预设时间内发生多次超速行为仅取一次最高的超速值Tcs;
将单次违章扣分低于3分,记Twz=1,当违章扣分大于等于3分且小于6分计Twz=2,当违章扣分大于等于6分且小于12分计Twz=3,扣分为12分计Twz=4;
将单次维修费用A结合事故的交通责任划分,全责计1、主责计0.8、同责计0.5、次责计0.2、无责计0,将维修费用A*交通责任划分=责任划分后的交通维修费用Azr。
5.根据权利要求1所述的共享出行用户安全驾驶行为的监测方法,其特征在于,所述驾驶行为评分模型包括:单次驾驶行为评分模块、驾驶人历史行为评分模块以及驾驶人综合评级模块;
所述单次驾驶行为评分模块采用:
S单次=(Tcs*0.5)/M+{(Na+Nd)*0.2+Nt*0.3}/T (1)
其中,Tcs表示超速值;M表示车辆总行驶里程;Na表示车辆急加速次数;Nd表示车辆急减速次数;Nt表示车辆急转弯次数;T表示车辆总行驶时间;
所述驾驶人历史行为评分模块采用:
S历史=Twz+Azr (2)
其中,Twz表示违章扣分值;Azr表示责任划分后的交通维修费用;
所述驾驶人综合评级模块采用:
6.一种共享出行用户安全驾驶行为的监测***,其特征在于,包括:
模块M1:通过传感器采集驾驶过程中实时驾驶行为数据;
模块M2:采集当前驾驶员在统计周期内的历史驾驶行为数据;
模块M3:对采集到的实时驾驶行为数据以及历史驾驶行为数据进行预处理,得到预处理后的数据;
模块M4:构建驾驶行为评分模型;
模块M5:利用预处理后的数据对驾驶行为评分模型进行训练,得到训练后的驾驶行为评分模型;
模块M6:利用训练后的驾驶行为评分模型对驾驶行为进行评分。
7.根据权利要求6所述的共享出行用户安全驾驶行为的监测***,其特征在于,所述采集驾驶过程中实时驾驶行为数据包括:车辆行驶速度、车辆总行驶里程、车辆总行驶时间、车辆急加速次数、车辆急减速次数以及车辆急转弯次数。
8.根据权利要求6所述的共享出行用户安全驾驶行为的监测***,其特征在于,在所述模块M2中:各汽车租赁企业将驾驶人扣分详情和车辆维修费用详情上传至共享出行行业大数据平台,并对共享出行行业大数据平台上的数据进行脱敏处理;基于共享出行行业大数据平台查询统计周期内当前驾驶员在各汽车租赁企业用车过程中产生的交通违章扣分累计以及统计周期内驾驶租赁车辆因发生有责交通事故产生的车辆维修费用。
9.根据权利要求6所述的共享出行用户安全驾驶行为的监测***,其特征在于,在所述模块M3中:将车辆行驶速度匹配定位所在道路限速,当车辆行驶速度超过限速x%时,记超速值Tcs=1;当超过限速y%时,记超速值Tcs=2;且连续预设时间内发生多次超速行为仅取一次最高的超速值Tcs;
将单次违章扣分低于3分,记Twz=1,当违章扣分大于等于3分且小于6分计Twz=2,当违章扣分大于等于6分且小于12分计Twz=3,扣分为12分计Twz=4;
将单次维修费用A结合事故的交通责任划分,全责计1、主责计0.8、同责计0.5、次责计0.2、无责计0,将维修费用A*交通责任划分=责任划分后的交通维修费用Azr。
10.根据权利要求6所述的共享出行用户安全驾驶行为的监测***,其特征在于,所述驾驶行为评分模型包括:单次驾驶行为评分模块、驾驶人历史行为评分模块以及驾驶人综合评级模块;
所述单次驾驶行为评分模块采用:
S单次=(Tcs*0.5)/M+{(Na+Nd)*0.2+Nt*0.3}/T (1)
其中,Tcs表示超速值;M表示车辆总行驶里程;Na表示车辆急加速次数;Nd表示车辆急减速次数;Nt表示车辆急转弯次数;T表示车辆总行驶时间;
所述驾驶人历史行为评分模块采用:
S历史=Twz+Azr (2)
其中,Twz表示违章扣分值;Azr表示责任划分后的交通维修费用;
所述驾驶人综合评级模块采用:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612875.3A CN114511178A (zh) | 2021-12-27 | 2021-12-27 | 共享出行用户安全驾驶行为的监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612875.3A CN114511178A (zh) | 2021-12-27 | 2021-12-27 | 共享出行用户安全驾驶行为的监测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114511178A true CN114511178A (zh) | 2022-05-17 |
Family
ID=81547376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612875.3A Pending CN114511178A (zh) | 2021-12-27 | 2021-12-27 | 共享出行用户安全驾驶行为的监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511178A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170248A (zh) * | 2022-08-04 | 2022-10-11 | 朗沃格科技(上海)有限公司 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
CN115471933A (zh) * | 2022-08-30 | 2022-12-13 | 上汽通用五菱汽车股份有限公司 | 车辆蓝牙钥匙分配方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-12-27 CN CN202111612875.3A patent/CN114511178A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170248A (zh) * | 2022-08-04 | 2022-10-11 | 朗沃格科技(上海)有限公司 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
CN115170248B (zh) * | 2022-08-04 | 2024-05-24 | 朗沃格科技(上海)有限公司 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
CN115471933A (zh) * | 2022-08-30 | 2022-12-13 | 上汽通用五菱汽车股份有限公司 | 车辆蓝牙钥匙分配方法、装置、电子设备及可读存储介质 |
CN115471933B (zh) * | 2022-08-30 | 2024-02-06 | 上汽通用五菱汽车股份有限公司 | 车辆蓝牙钥匙分配方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104867327B (zh) | 一种驾驶安全监测方法及装置 | |
EP3578433B1 (en) | Method for estimating an accident risk of an autonomous vehicle | |
US20190308619A1 (en) | Method and system for estimating an accident risk of an autonomous vehicle | |
JP4995046B2 (ja) | 自動車保険料設定システム | |
Toledo et al. | In-vehicle data recorder for evaluation of driving behavior and safety | |
US7561054B2 (en) | System and method for displaying a driving profile | |
CN114511178A (zh) | 共享出行用户安全驾驶行为的监测方法及*** | |
US20070005404A1 (en) | System and method for providing driving insurance | |
Castignani et al. | An evaluation study of driver profiling fuzzy algorithms using smartphones | |
CN111461185A (zh) | 一种基于改进K-means的驾驶行为分析方法 | |
CN106097709B (zh) | 基于智能车载终端的驾驶行为识别方法 | |
CN105139648B (zh) | 驾驶习惯数据生成方法及*** | |
KR20140031435A (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
CN113247008B (zh) | 一种驾驶行为监控方法、装置及电子设备 | |
CN113442935B (zh) | 一种商用车不良驾驶行为的判断方法及*** | |
US20200160348A1 (en) | Server device and information processing method | |
CN112150046A (zh) | 一种道路交叉口安全风险指数计算方法 | |
CN110723148A (zh) | 不良驾驶行为的识别方法与识别装置 | |
CN108268678B (zh) | 驾驶行为分析方法、装置及*** | |
CN115871682A (zh) | 驾驶员安全驾驶行为的监测、评价和预警方法及*** | |
CN116001800A (zh) | 车辆驾驶风险信息获取方法、装置、电子设备及介质 | |
CN115743143A (zh) | 基于车联网的车辆行驶情况分析方法及*** | |
CN118229476A (zh) | 车辆事故的处理方法、装置和介质 | |
US11804080B2 (en) | Method and system for inspecting and scoring vehicle transportation | |
KR20230115390A (ko) | 연속주행시간을 반영한 운전자의 위험운전행동값 제공방법 |
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 |