WO2020015165A1 - 电子装置、基于用户驾驶行为的安全预警方法及存储介质 - Google Patents

电子装置、基于用户驾驶行为的安全预警方法及存储介质 Download PDF

Info

Publication number
WO2020015165A1
WO2020015165A1 PCT/CN2018/107677 CN2018107677W WO2020015165A1 WO 2020015165 A1 WO2020015165 A1 WO 2020015165A1 CN 2018107677 W CN2018107677 W CN 2018107677W WO 2020015165 A1 WO2020015165 A1 WO 2020015165A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
driving behavior
driving
safety warning
test
Prior art date
Application number
PCT/CN2018/107677
Other languages
English (en)
French (fr)
Inventor
吴壮伟
Original Assignee
平安科技（深圳）有限公司
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 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2020015165A1 publication Critical patent/WO2020015165A1/zh

Links

Images

Classifications

    • 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
    • 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
    • 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

Definitions

  • the present application relates to the field of safe driving, and in particular, to an electronic device, a safety warning method based on a user's driving behavior, and a storage medium.
  • sensors such as acceleration sensors and gravity sensors are commonly used to collect three parameters of longitudinal acceleration, lateral acceleration, and vertical acceleration during driving, and determine whether driving behavior is safe by setting corresponding acceleration thresholds, or by calculating The average of each acceleration is used to score the driving behavior.
  • the set acceleration threshold cannot be timely and accurately changed according to different road conditions, resulting in the inability to comprehensively understand the driver's abnormal driving behavior under different road conditions, and thus cannot comprehensively evaluate the user's driving behavior.
  • the present application proposes an electronic device, the electronic device includes a memory, and a processor connected to the memory, the processor is configured to execute a safety warning program based on a driving behavior of a user stored on the memory,
  • the safety warning program based on the driving behavior of the user is executed by the processor, the following steps are implemented:
  • the present application also proposes a safety warning method based on the driving behavior of the user, the method includes the following steps:
  • the present application also proposes a computer-readable storage medium that stores a user's safety warning program based on the driving behavior of the user, and the user's safety warning program based on the driving behavior of the user may Executed by at least one processor to cause said at least one processor to perform the steps of the safety alert method based on the driving behavior of the user as described above.
  • the electronic device, the safety warning method and the storage medium based on the driving behavior of the user proposed in this application first obtain the road condition information and speed information of the user during driving the vehicle during a preset period of time; and then, based on the pre-trained user-based
  • the driving behavior safety warning model analyzes the obtained road condition information and speed information to determine the user's safety warning value based on the user's driving behavior. Finally, if it is determined that the user's safety warning based on the user's driving behavior is greater than or equal to a predefined safety
  • the scoring threshold sends alarm information to a predetermined server, and the alarm information carries identification information or vehicle identification information of the user. Can comprehensively understand the driver's abnormal driving behavior under different road conditions, so as to comprehensively evaluate the user's driving behavior and provide safety warning based on the user's driving behavior.
  • FIG. 1 is a schematic diagram of an optional hardware architecture of an electronic device proposed by the present application.
  • FIG. 2 is a schematic diagram of a program module of a safety warning program based on a driving behavior of a user in an embodiment of an electronic device of the present application;
  • FIG. 3 is an implementation flowchart of a preferred embodiment of a safety warning method based on a user's driving behavior of the present application.
  • FIG. 1 is a schematic diagram of an optional hardware architecture of an electronic device according to the present application.
  • the electronic device 10 may include, but is not limited to, a memory 11, a processor 12, and a network interface 13 which may communicate with each other through a communication bus 14.
  • FIG. 1 only shows the electronic device 10 having components 11-14, but it should be understood that it is not required to implement all the illustrated components, and more or fewer components may be implemented instead.
  • the memory 11 includes at least one type of computer-readable storage medium.
  • the computer-readable storage medium includes a flash memory, a hard disk, a multimedia card, a card-type memory (for example, SD or DX memory, etc.), a random access memory (RAM), and a static memory.
  • the memory 11 may be an internal storage unit of the electronic device 10, such as a hard disk or a memory of the electronic device 10.
  • the memory 11 may also be an outsourced storage device of the electronic device 10, such as a plug-in hard disk, a smart memory card (SMC), and a secure digital (SD) device. ) Cards, flash cards, etc.
  • the memory 11 may also include both the internal storage unit of the electronic device 10 and its outsourced storage device.
  • the memory 11 is generally used to store an operating system and various application software installed on the electronic device 10, such as a safety alert program based on a driving behavior of a user.
  • the memory 11 can also be used to temporarily store various types of data that have been output or will be output.
  • the processor 12 may be a central processing unit (CPU), a controller, a microcontroller, a microprocessor, or other data processing chip in some embodiments.
  • the processor 12 is generally used to control the overall operation of the electronic device 10.
  • the processor 12 is configured to run program code or process data stored in the memory 11, for example, a safety warning program based on a driving behavior of a user and the like.
  • the network interface 13 may include a wireless network interface or a wired network interface.
  • the network interface 13 is generally used to establish a communication connection between the electronic device 10 and other electronic devices.
  • the communication bus 14 is used to implement a communication connection between the components 11-13.
  • FIG. 1 only shows the electronic device 10 having the components 11-14 and the safety warning program based on the driving behavior of the user, but it should be understood that it is not required to implement all the illustrated components, and more or less can be implemented instead. s component.
  • the electronic device 10 may further include a user interface (not shown in FIG. 1).
  • the user interface may include a display, an input unit such as a keyboard, and the user interface may further include a standard wired interface, a wireless interface, and the like.
  • the display may be an LED display, a liquid crystal display, a touch-type liquid crystal display, an OLED touch device, or the like. Further, the display may also be referred to as a display screen or a display unit, for displaying information processed in the electronic device 10 and for displaying a visualized user interface.
  • the electronic device 10 may further include an audio unit (the audio unit is not shown in FIG. 1), and the audio unit may be in the electronic device 10 in a call signal receiving mode, a call mode, a recording mode, and voice recognition. In the mode, the broadcast receiving mode, and the like, the received or stored audio data is converted into an audio signal. Further, the electronic device 10 may further include an audio output unit, and the audio output unit outputs the audio signal converted by the audio unit, and The audio output unit may also provide audio output (such as call signal reception sound, message reception sound, etc.) related to a specific function performed by the electronic device 10, and the audio output unit may include a speaker, a buzzer, and the like.
  • the audio output unit may include a speaker, a buzzer, and the like.
  • the electronic device 10 may further include an alarm unit (not shown in the figure), and the alarm unit may provide an output to notify the electronic device 10 of the occurrence of the event.
  • Typical events may include call reception, message reception, key signal input, touch input, and so on.
  • the alarm unit can provide output in different ways to notify the occurrence of an event.
  • the alarm unit may provide an output in the form of a vibration, and upon receiving a call, a message, or some other that may cause the electronic device 10 to enter the communication mode, the alarm unit may provide a tactile output (ie, vibration) to notify the user.
  • an instruction for obtaining road condition information and speed information may be sent to a driving recorder installed in both vehicles to obtain road condition information and speed information of the vehicle during the driving process collected by the driving recorder installed in the vehicle.
  • the user completes registration in advance on a car insurance application (referred to as the car insurance app) installed on a mobile terminal such as a mobile phone or tablet, so that the server corresponding to the application can obtain the corresponding road condition information obtained by the user's mobile terminal during the trip driven by the user .
  • the road condition information may be recorded in a picture or a video file, and the road condition information may include road subgrades, pavements, and road surrounding buildings within the driving range of the vehicle, for example, types of road subgrades, road pits, and the like.
  • the degree of depression, the height of buildings around the road, etc. may also include road traffic conditions within the driving range of the vehicle, for example, the denseness of vehicles driving on the road, the denseness of pedestrian flow, and the degree of road traffic congestion.
  • the road condition information collected by the driving recorder obtained in this embodiment is stored in a memory of the driving recorder, and picture information and / or image information obtained through a camera with a high-definition resolution is captured.
  • the corresponding road condition information acquired by the user terminal in this embodiment is picture information and / or image information obtained by the user terminal through a camera with a high-definition resolution, and is stored in the user terminal's own storage space.
  • the driving recorder mentioned in this embodiment is a driving recorder with an infrared camera function, and the driving recorder with an infrared camera function can also clearly record nighttime images, so that the driving recorder is equipped with an all-weather working device. ability.
  • the speed information includes speed characteristic data such as speed, acceleration, angle, and angular velocity; the speed information may also be obtained from speed information obtained from various speed sensors installed in a vehicle, or may be obtained from a positioning of a user terminal. Obtained in the data, this embodiment is not limited.
  • the safety warning model based on the driving behavior of the user is a neural network model
  • the safety warning model based on the driving behavior of the user includes a training process and a test process of the model.
  • the training process of the model includes the following steps: E. Collect road condition information and speed information of the user during a preset number of times of driving, and divide the preset quantity of road condition information and speed information into a preset ratio. Training sample set and test sample set; F. Substituting road condition information and speed information in the training sample set into a neural network model for training to obtain a trained safety warning model based on the driving behavior of the user; G. Using the test The road condition information and speed information during each driving process in the sample set test the safety warning model based on the driving behavior of the user. If the test passes, the training ends, or if the test fails, the training sample set is increased. For the number of training samples, repeat steps E, F, and G above.
  • the test process of the model includes the following steps: using the trained safety warning model based on the driving behavior of the user to analyze the road condition information and speed information in the test sample to obtain the user-based driving during each driving process Behavioral early warning value;
  • the safety warning value based on the driving behavior of the user corresponding to the road condition information and speed information during the trip is greater than a preset scoring threshold, then determine that this is an abnormal driving behavior, and perform a model accuracy test on the abnormal driving behavior;
  • the driving is determined to be abnormal driving behavior after analysis and processing according to the current road safety driving rules, then the result of the model accuracy test for the driving behavior is determined to be correct, or if the analysis processing is performed according to the current road safe driving rules , If it is determined that this driving is a normal driving behavior, then it is determined that the result of the model accuracy test for the driving behavior is incorrect;
  • the percentage of correct model accuracy test results for all model accuracy test results is greater than a preset percentage threshold, it is determined that the test of the user's driving behavior-based safety warning model passes, or, if the correct model accuracy is correct If the percentage of the test results in the accuracy test results of all models is less than or equal to a preset percentage threshold, it is determined that the test of the safety warning model based on the driving behavior of the user fails.
  • the current road safety driving rules are not limited to: the current road driving rules stored in advance are retrieved from predetermined data, and the abnormal driving behavior may be, for example, speeding, overtaking in violation of regulations, one-way retrograde, large trucks On the road or non-communal buses driving into bus lanes.
  • the identification information includes a driver's license number, a mobile phone number, an ID card number, and the like
  • the vehicle identification information includes a vehicle license plate number, a vehicle engine number, and the like.
  • the warning information may also include a brief description of the abnormal driving status. For example, when reporting the vehicle's speeding alarm information, the vehicle's license plate number will be processed, and the “speeding” Descriptive information, even the speed information of the car can be reported, including the speed of the car or the speed exceeding the speed limit, or the percentage exceeding the speed limit, such as "within 20% overspeed".
  • the server may send warning information carrying vehicle identification information to other drivers to prompt the drivers of other vehicles to pay attention to driving safety.
  • the electronic device proposed in the present application first obtains road condition information and speed information of a user driving a vehicle during a preset period of time, and then according to a pre-training safety warning model based on the driving behavior of the user , Analyze the obtained road condition information and speed information to determine the user's safety warning value based on the driving behavior of the user; finally, if it is determined that the user's safety warning based on the driving behavior of the user is greater than or equal to a predefined safety score threshold, the The determined server sends alarm information, and the alarm information carries identification information or vehicle identification information of the user. Can comprehensively understand the driver's abnormal driving behavior under different road conditions, so as to comprehensively evaluate the user's driving behavior and provide safety warning based on the user's driving behavior.
  • the safety warning program based on the driving behavior of the user is different in terms of functions implemented by each part, and can be described by a program module having the same function.
  • FIG. 2 is a schematic diagram of a program module of a safety warning program based on a driving behavior of a user in an embodiment of the electronic device of the present application.
  • the safety warning program based on the driving behavior of the user may be divided into an acquisition module 201, an analysis module 202, and a sending module 203 according to different functions implemented by each part thereof.
  • the program module referred to in the present application refers to a series of computer program instruction segments capable of performing specific functions, and is more suitable than the program to describe the execution process of the safety warning program based on the driving behavior of the user in the electronic device 10.
  • the functions or operation steps implemented by the modules 201-203 are similar to the above, which will not be described in detail here.
  • the obtaining module 201 is configured to obtain road condition information and speed information of a user driving a vehicle during a preset period of time;
  • the analysis module 202 is configured to analyze the obtained road condition information and speed information according to a pre-training-based safety warning model based on the driving behavior of the user to determine the user's safety warning value based on the driving behavior of the user;
  • the sending module 203 is configured to send alarm information to a predetermined server if it is determined that the user's safety warning based on the driving behavior of the user is greater than or equal to a predefined safety scoring threshold, where the warning information carries the identity of the user Information or vehicle identification information.
  • the safety warning method based on the driving behavior of the user includes the following steps:
  • an instruction to acquire road condition information and speed information may be sent to a driving recorder installed in the vehicle to obtain road condition information and speed information of the vehicle during the driving process collected by the driving recorder installed in the vehicle, or
  • the user completes registration in advance on a car insurance application (referred to as the car insurance app) installed on a mobile terminal such as a mobile phone or tablet, so that the server corresponding to the application can obtain the corresponding road condition information obtained by the user's mobile terminal during the trip driven by the user .
  • the road condition information may be recorded in a picture or a video file, and the road condition information may include road subgrades, pavements, and road surrounding buildings within the driving range of the vehicle, for example, types of road subgrades, road pits, and the like.
  • the degree of depression, the height of buildings around the road, etc. may also include road traffic conditions within the driving range of the vehicle, for example, the denseness of vehicles driving on the road, the denseness of pedestrian flow, and the degree of road traffic congestion.
  • the road condition information collected by the driving recorder obtained in this embodiment is stored in a memory of the driving recorder, and picture information and / or image information obtained through a camera with a high-definition resolution is captured.
  • the corresponding road condition information acquired by the user terminal in this embodiment is picture information and / or image information obtained by the user terminal through a camera with a high-definition resolution, and is stored in the user terminal's own storage space.
  • the driving recorder mentioned in this embodiment is a driving recorder with an infrared camera function, and the driving recorder with an infrared camera function can also clearly record nighttime images, so that the driving recorder is equipped with an all-weather working device. ability.
  • the speed information includes speed characteristic data such as speed, acceleration, angle, and angular velocity; the speed information may be obtained from speed information obtained from various speed sensors installed in the vehicle, or may be obtained from positioning data of a user terminal. It is not limited in this embodiment.
  • the safety warning model based on the driving behavior of the user is a neural network model
  • the safety warning model based on the driving behavior of the user includes a training process and a test process of the model.
  • the training process of the model includes the following steps: E. Collect road condition information and speed information of the user during a preset number of times of driving, and divide the preset quantity of road condition information and speed information into a preset ratio. Training sample set and test sample set; F. Substituting road condition information and speed information in the training sample set into a neural network model for training to obtain a trained safety warning model based on the driving behavior of the user; G. Using the test The road condition information and speed information during each driving process in the sample set test the safety warning model based on the driving behavior of the user. If the test passes, the training ends, or if the test fails, the training sample set is increased. For the number of training samples, repeat steps E, F, G, and H above.
  • the test process of the model includes the following steps: using the trained safety warning model based on the driving behavior of the user to analyze the road condition information and speed information in the test sample to obtain the user-based driving during each driving process Behavioral safety warnings;
  • the safety warning based on the driving behavior of the user corresponding to the road condition information and speed information during the trip is greater than the preset scoring threshold, determine that this is an abnormal driving behavior, and perform a model accuracy test for the abnormal driving behavior;
  • the driving is determined to be abnormal driving behavior after analysis and processing according to the current road safety driving rules, then the result of the model accuracy test for the driving behavior is determined to be correct, or if the analysis processing is performed according to the current road safe driving rules , If it is determined that this driving is a normal driving behavior, then it is determined that the result of the model accuracy test for the driving behavior is incorrect;
  • the percentage of correct model accuracy test results for all model accuracy test results is greater than a preset percentage threshold, it is determined that the test of the user's driving behavior-based safety warning model passes, or, if the correct model accuracy is correct If the percentage of the test results in the accuracy test results of all models is less than or equal to a preset percentage threshold, it is determined that the test of the safety warning model based on the driving behavior of the user fails.
  • the current road safety driving rules are not limited to: the current road driving rules stored in advance are retrieved from predetermined data, and the abnormal driving behavior may be, for example, speeding, overtaking in violation of regulations, one-way retrograde, large trucks On the road or non-communal buses driving into bus lanes.
  • the identification information includes a driver's license number, a mobile phone number, an ID card number, and the like
  • the vehicle identification information includes a vehicle license plate number, a vehicle engine number, and the like.
  • the warning information may also include a brief description of the abnormal driving status. For example, when reporting the vehicle's speeding alarm information, the vehicle's license plate number will be processed, and the “speeding will be reported. Descriptive information, even the speed information of the car can be reported, including the speed of the car or the speed exceeding the speed limit, or the percentage exceeding the speed limit, such as "within 20% overspeed".
  • the server may send the warning information carrying the vehicle identification information to other drivers, so as to prompt the drivers of other vehicles to pay attention to driving safety and provide safety warning according to the driving behavior of the user.
  • the safety warning method based on the driving behavior of the user proposed in the present application firstly obtains the road condition information and speed information of the user driving the vehicle during a preset period of time; and then the user-based The driving behavior safety warning model analyzes the obtained road condition information and speed information to determine the user's safety warning value based on the user's driving behavior. Finally, if it is determined that the user's safety warning based on the user's driving behavior is greater than or equal to a predefined safety
  • the scoring threshold sends alarm information to a predetermined server, and the alarm information carries identification information or vehicle identification information of the user. Can comprehensively understand the driver's abnormal driving behavior under different road conditions, so as to comprehensively evaluate the user's driving behavior.
  • the present application also proposes a computer-readable storage medium on which a user's safety warning program based on the driving behavior of the user is stored.
  • a user's safety warning program based on the driving behavior of the user is executed by the processor.
  • the pre-trained safety warning model based on the driving behavior of the user, analyze the obtained road condition information and speed information to determine the safety warning value of the user based on the driving behavior of the user;
  • an alarm message is sent to a predetermined server, the alarm information carrying the user's identity information or vehicle identification information.
  • the specific implementation of the computer-readable storage medium of the present application is basically the same as the foregoing embodiments of the electronic device and the user's safety warning method based on the driving behavior of the user, and will not be repeated here.
  • the methods in the above embodiments can be implemented by means of software plus a necessary universal hardware platform, and of course, also by hardware, but in many cases the former is better.
  • Implementation Based on such an understanding, the technical solution of this application that is essentially or contributes to the existing technology can be embodied in the form of a software product, which is stored in a storage medium (such as ROM / RAM, magnetic disk, The optical disc) includes several instructions for causing a terminal device (which may be a mobile phone, a computer, a server, an air conditioner, or a network device, etc.) to execute the methods described in the embodiments of the present application.
  • a terminal device which may be a mobile phone, a computer, a server, an air conditioner, or a network device, etc.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种电子装置、基于用户驾驶行为的安全预警方法及存储介质，所述方法包括：获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息(S301)；根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值(S302)；若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息(S303)。所述方法能够全面地了解驾驶员在不同路况下的异常驾驶行为，从而综合评价用户的驾驶行为并根据用户驾驶行为进行安全预警。

Description

电子装置、基于用户驾驶行为的安全预警方法及存储介质
本申请要求于2018年7月18日提交中国专利局，申请号为201810791179.5、发明名称为“电子装置、基于用户驾驶行为的安全预警方法及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及安全驾驶领域，尤其涉及一种电子装置、基于用户驾驶行为的安全预警方法及存储介质。
背景技术
随着人们生活水平的日益提高，机动车辆的数量也越来越多，在驾驶车辆过程中，不安全的驾驶行为会带来很多安全隐患，造成巨大的财产损失和人员伤亡。因此，在车险领域，若能准确地确定驾驶员的驾驶行为，并对存在不良驾驶行为的驾驶员进行安全预警已经成为一个不可忽视的问题。
目前，通常借助于传感器，例如加速度传感器和重力传感器来分别采集行车过程中的纵向加速度、横向加速度、及垂直加速度三个参数，并通过设置对应的加速度阈值来判断驾驶行为是否安全，或者通过计算各个加速度的平均值来对驾驶行为进行评分。然而，在车辆行驶过程中，设置的加速度阈值无法及时准确地根据不同的路况状态进行变化，导致无法全面地了解驾驶员在不同路况状态下的异常驾驶行为，从而不能综合评价用户的驾驶行为。
发明内容
有鉴于此，本申请提出一种电子装置、所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的基于用户驾驶行为的安全预警程序，所述基于用户驾驶行为的安全预警程序被所述 处理器执行时实现如下步骤：
A、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
B、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
C、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
此外，为实现上述目的，本申请还提出一种基于用户驾驶行为的安全预警方法，所述方法包括如下步骤：
S1、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
S2、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
S3、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
此外，为实现上述目的，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质存储有用户基于用户驾驶行为的安全预警程序，所述用户基于用户驾驶行为的安全预警程序可被至少一个处理器执行，以使所述至少一个处理器执行如上所述基于用户驾驶行为的安全预警方法的步骤。
本申请所提出的电子装置、基于用户驾驶行为的安全预警方法及存储介质，首先通过获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；然后根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；最后若确定该用户的基于用户驾驶行为的安全预警大于或等于预定 义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。能够全面地了解驾驶员在不同路况下的异常驾驶行为，从而综合评价用户的驾驶行为并根据用户驾驶行为进行安全预警。
附图说明
图1是本申请提出的电子装置一可选的硬件架构的示意图；
图2是本申请电子装置一实施例中基于用户驾驶行为的安全预警程序的程序模块示意图；
图3是本申请基于用户驾驶行为的安全预警方法较佳实施例的实施流程图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之 内。
参阅图1所示，是本申请提出的电子装置一可选的硬件架构示意图。本实施例中，电子装置10可包括，但不仅限于，可通过通信总线14相互通信连接存储器11、处理器12、网络接口13。需要指出的是，图1仅示出了具有组件11-14的电子装置10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
其中，存储器11至少包括一种类型的计算机可读存储介质，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器11可以是电子装置10的内部存储单元，例如电子装置10的硬盘或内存。在另一些实施例中，存储器11也可以是电子装置10的外包存储设备，例如电子装置10上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器11还可以既包括电子装置10的内部存储单元也包括其外包存储设备。本实施例中，存储器11通常用于存储安装于电子装置10的操作***和各类应用软件，例如基于用户驾驶行为的安全预警程序等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理器12通常用于控制电子装置10的总体操作。本实施例中，处理器12用于运行存储器11中存储的程序代码或者处理数据，例如运行的基于用户驾驶行为的安全预警程序等。
网络接口13可包括无线网络接口或有线网络接口，网络接口13通常用于在电子装置10与其他电子设备之间建立通信连接。
通信总线14用于实现组件11-13之间的通信连接。
图1仅示出了具有组件11-14以及基于用户驾驶行为的安全预警程序的电子装置10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，电子装置10还可以包括用户接口(图1中未示出)，用户接口可以包括显示器、输入单元比如键盘，其中，用户接口还可以包括标准的有线接口、无线接口等。
可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED触摸器等。进一步地，显示器也可称为显示屏或显示单元，用于显示在电子装置10中处理信息以及用于显示可视化的用户界面。
可选地，在一些实施例中，电子装置10还可以包括音频单元(音频单元图1中未示出)，音频单元可以在电子装置10处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将接收的或者存储的音频数据转换为音频信号；进一步地，电子装置10还可以包括音频输出单元，音频输出单元将音频单元转换的音频信号输出，而且音频输出单元还可以提供与电子装置10执行的特定功能相关的音频输出(例如呼叫信号接收声音、消息接收声音等等)，音频输出单元可以包括扬声器、蜂鸣器等等。
可选地，在一些实施例中，电子装置10还可以包括警报单元(图中未示出)，警报单元可以提供输出已将事件的发生通知给电子装置10。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或者视频输出之外，警报单元可以以不同的方式提供输出以通知事件的发生。例如，警报单元可以以震动的形式提供输出，当接收到呼叫、消息或一些其他可以使电子装置10进入通信模式时，警报单元可以提供触觉输出(即，振动)以将其通知给用户。
在一实施例中，存储器11中存储的基于用户驾驶行为的安全预警程序被 处理器12执行时，实现如下操作：
A、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
具体地，可以通过向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，也可以通过用户预先在手机或者平板等移动终端上安装的车险应用程序(简称车险APP)上完成注册，以使应用程序对应的服务器可以在用户驾驶的行程中，获取到用户移动终端获取的相应的路况信息。其中，所述路况信息可以记录在图片或者视频文件中，所述路况信息可以包含有在所述车辆行驶范围内的道路路基、路面、道路周围建筑等情况，例如，路基的类型，路面的坑洼程度，道路周围建筑高矮等，也可以包含在所述车辆行驶范围内的道路交通情况，例如，道路上行驶的车辆密集情况，人流密集情况、道路交通堵塞的程度等，还可以包含有在所述车辆行驶过程中的影像及声音。本实施例中获取到的行车记录仪所采集的路况信息是保存在行车记录仪自身的存储器内的，通过具有高清分辨率的摄像头来拍摄得到的图片信息和/或，影像信息。或者，本实施例中获取到用户终端获取的相应路况信息为用户终端通过具有高清分辨率的摄像头来拍摄得到的图片信息和/或，影像信息，并保存在用户终端的自身存储空间内。
优选地，本实施例中提到的行车记录仪为具有红外摄像功能的行车记录仪，所述具有红外摄像功能的行车记录仪还可以清楚地记录夜间的影像，使行车记录仪具备全天候工作的能力。
进一步地，所述速度信息包括速度、加速度、角度、角速度等速度特征数据；所述速度信息还可以从安装在车辆中的各种速度传感器获取的速度信息中获取，也可以从用户终端的定位数据中获取，本实施例并不做限定。
B、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
具体地，所述基于用户驾驶行为的安全预警模型为神经网络模型，所述 基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程。
具体地，所述模型的训练过程包括如下步骤：E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
具体地，所述模型的测试过程如下步骤：利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
具体地，所述当前道路安全行驶规则不限定是，从预先确定的数据中调 取预先存储的当前道路行驶规则，所述异常驾驶行为可以是，例如超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道等。
C、若确定该用户的基于用户驾驶行为的安全预警小于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
具体地，身份标识信息包括驾驶证号码，手机号码，身份证号码等，车辆标识信息包括车辆的车牌号、车辆的发动机号等。具体地，所述告警信息除上述标识信息外，还可以包括有对行驶状态异常的简要描述，例如，在上报车辆超速的告警信息时，处理上报该车辆的车牌号外，还会上报“超速行驶”的描述信息，甚至是可以将该车的速度信息进行上报，包括该车的行驶速度或是超过限速的速度，还可以是超过限速的百分比，如“超速20％以内”等。所述服务端可以将携带有车辆标识信息的告警信息发送给其他驾驶员，以提示其他车辆的驾驶员注意驾驶安全。
由上述事实施例可知，本申请提出的电子装置，首先通过获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；然后根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；最后若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。能够全面地了解驾驶员在不同路况下的异常驾驶行为，从而综合评价用户的驾驶行为并根据用户驾驶行为进行安全预警。
此外，本申请的基于用户驾驶行为的安全预警程序依据其各部分所实现的功能不同，可用具有相同功能的程序模块进行描述。请参阅图2所示，是本申请电子装置一实施例中基于用户驾驶行为的安全预警程序的程序模块示意图。本实施例中，基于用户驾驶行为的安全预警程序依据其各部分所实现的功能的不同，可以被分割成获取模块201、分析模块202以及发送模块203。由上面的描述可知，本申请所称的程序模块是指能够完成特定功能的一系列 计算机程序指令段，比程序更适合于描述基于用户驾驶行为的安全预警程序在电子装置10中的执行过程。所述模块201-203所实现的功能或操作步骤均与上文类似，此处不再详述，示例性地，例如其中：
获取模块201用于获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
分析模块202用于根据根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
发送模块203用于在若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
此外，本申请还提出一种用户基于用户驾驶行为的安全预警方法，请参阅图3所示，所述用户基于用户驾驶行为的安全预警方法包括如下步骤：
S301、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
具体地，可以通过向安装在车俩中的行车记录仪发送获取路况信息和速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，也可以通过用户预先在手机或者平板等移动终端上安装的车险应用程序(简称车险APP)上完成注册，以使应用程序对应的服务器可以在用户驾驶的行程中，获取到用户移动终端获取的相应的路况信息。其中，所述路况信息可以记录在图片或者视频文件中，所述路况信息可以包含有在所述车辆行驶范围内的道路路基、路面、道路周围建筑等情况，例如，路基的类型，路面的坑洼程度，道路周围建筑高矮等，也可以包含在所述车辆行驶范围内的道路交通情况，例如，道路上行驶的车辆密集情况，人流密集情况、道路交通堵塞的程度等，还可以包含有在所述车辆行驶过程中的影像及声音。本实施例中获取到的行车记录仪所采集的路况信息是保存在行车 记录仪自身的存储器内的，通过具有高清分辨率的摄像头来拍摄得到的图片信息和/或，影像信息。或者，本实施例中获取到用户终端获取的相应路况信息为用户终端通过具有高清分辨率的摄像头来拍摄得到的图片信息和/或，影像信息，并保存在用户终端的自身存储空间内。
优选地，本实施例中提到的行车记录仪为具有红外摄像功能的行车记录仪，所述具有红外摄像功能的行车记录仪还可以清楚地记录夜间的影像，使行车记录仪具备全天候工作的能力。
进一步地，所述速度信息包括速度、加速度、角度、角速度等速度特征数据；所述速度信息可以从安装在车辆中的各种速度传感器获取的速度信息中获取，也可以从用户终端的定位数据中获取，本实施例并不做限定。
S302、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警指；
具体地，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程。
具体地，所述模型的训练过程包括如下步骤：E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G及H。
具体地，所述模型的测试过程如下步骤：利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警；
若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全 预警大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
具体地，所述当前道路安全行驶规则不限定是，从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为可以是，例如超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道等。
S303、若确定该用户的基于用户驾驶行为的安全预警小于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
具体地，身份标识信息包括驾驶证号码，手机号码，身份证号码等，车辆标识信息包括车辆的车牌号、车辆的发动机号等。具体地，所述告警信息除上述标识信息外，还可以包括有对行驶状态异常的简要描述，例如，在上报车辆超速的告警信息时，处理上报该车辆的车牌号外，还会上报“超速行驶”的描述信息，甚至是可以将该车的速度信息进行上报，包括该车的行驶速度或是超过限速的速度，还可以是超过限速的百分比，如“超速20％以内”等。所述服务端可以将携带有车辆标识信息的告警信息发送给其他驾驶员，以提示其他车辆的驾驶员注意驾驶安全并根据用户驾驶行为进行安全预警。
由上述事实施例可知，本申请提出的基于用户驾驶行为的安全预警方法，首先通过获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；然后根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；最后若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。能够全面地了解驾驶员在不同路况下的异常驾驶行为，从而综合评价用户的驾驶行为。
此外，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有用户基于用户驾驶行为的安全预警程序，所述用户基于用户驾驶行为的安全预警程序被处理器执行时实现如下操作：
获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
若确定该用户的基于用户驾驶行为的安全预警大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
本申请计算机可读存储介质具体实施方式与上述电子装置以及用户基于用户驾驶行为的安全预警方法各实施例基本相同，在此不作累述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘) 中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (21)

  1. 一种电子装置，其特征在于，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的基于用户驾驶行为的安全预警程序，所述基于用户驾驶行为的安全预警程序被所述处理器执行时实现如下步骤：
    A、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
    B、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
    C、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
  2. 如权利要求1所述的电子装置，其特征在于，所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：
    向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基、路面、道路周围建筑以及道路交通情况，所述速度信息包括速度、加速度、角度以及角速度。
  3. 如权利要求1所述的电子装置，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
    所述模型的训练过程包括如下步骤：
    E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
    F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
    G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所 述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
  4. 如权利要求2所述的电子装置，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
    所述模型的训练过程包括如下步骤：
    E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
    F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
    G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
  5. 如权利要求3所述的电子装置，其特征在于，所述模型的测试过程如下步骤：
    利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
    若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
    将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
    若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若 根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
    若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
  6. 如权利要求4所述的电子装置，其特征在于，所述模型的测试过程如下步骤：
    利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
    若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
    将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
    若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
    若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
  7. 如权利要求5或6所述的电子装置，其特征在于，所述当前道路安全 行驶规则为从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为包括超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道。
  8. 一种基于用户驾驶行为的安全预警方法，其特征在于，所述方法包括如下步骤：
    S1、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
    S2、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
    S3、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
  9. 如权利要求8所述的基于用户驾驶行为的安全预警方法，其特征在于，所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：
    向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基、路面、道路周围建筑以及道路交通情况，所述速度信息包括速度、加速度、角度以及角速度。
  10. 如权利要求8所述的基于用户驾驶行为的安全预警方法，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
    所述模型的训练过程包括如下步骤：
    E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
    F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
    G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
  11. 如权利要求9所述的基于用户驾驶行为的安全预警方法，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
    所述模型的训练过程包括如下步骤：
    E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
    F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
    G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
  12. 如权利要求10所述的基于用户驾驶行为的安全预警方法，其特征在于，所述模型的测试过程如下步骤：
    利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
    若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
    将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
    若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常 驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
    若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
  13. 如权利要求11所述的基于用户驾驶行为的安全预警方法，其特征在于，所述模型的测试过程如下步骤：
    利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
    若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
    将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
    若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
    若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
  14. 如权利要求12或13所述的基于用户驾驶行为的安全预警方法，其特征在于，所述当前道路安全行驶规则为从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为包括超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道。
  15. 一种计算机可读存储介质，所述计算机可读存储介质存储有基于用户驾驶行为的安全预警程序，所述基于用户驾驶行为的安全预警程序可被至少一个处理器执行，以使所述至少一个处理器执行如下步骤：
    S1、获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息；
    S2、根据预先训练完成的基于用户驾驶行为的安全预警模型，分析获取的路况信息以及速度信息，以确定该用户的基于用户驾驶行为的安全预警值；
    S3、若确定该用户的基于用户驾驶行为的安全预警值大于或等于预定义的安全评分阈值，则向预先确定的服务端发送告警信息，所述告警信息携带有该用户的身份标识信息或者车辆标识信息。
  16. 如权利要求15所述的计算机可读存储介质，其特征在于，所述获取用户在预设时间段内驾驶车辆行驶过程中的路况信息以及速度信息的步骤，包括：
    向安装在车俩中的行车记录仪发送获取路况信息以及速度信息的指令，以获取车辆中安装的行车记录仪采集的车辆行驶过程中的路况信息以及速度信息，所述路况信息包括所述车辆行驶范围内的道路路基、路面、道路周围建筑以及道路交通情况，所述速度信息包括速度、加速度、角度以及角速度。
  17. 如权利要求15所述的计算机可读存储介质，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
    所述模型的训练过程包括如下步骤：
    E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
    F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
    G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
  18. 如权利要求16所述的计算机可读存储介质，其特征在于，所述基于用户驾驶行为的安全预警模型神经网络模型，所述基于用户驾驶行为的安全预警模型包括模型的训练过程和测试过程；
    所述模型的训练过程包括如下步骤：
    E、采集预设次数的该用户行驶过程中的路况信息和速度信息，并将所述预设数量的路况信息和速度信息分为预设比例的训练样本集和测试样本集；
    F、将训练样本集中的路况信息和速度信息分别代入神经网络模型，进行训练，以得到训练好的基于用户驾驶行为的安全预警模型；
    G、利用所述测试样本集中的各次行驶过程中的路况信息和速度信息对所述基于用户驾驶行为的安全预警模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述训练样本集中训练样本的数量，重复执行上述步骤E、F、G。
  19. 如权利要求17所述的计算机可读存储介质，其特征在于，所述模型的测试过程如下步骤：
    利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
    若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
    将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶 规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
    若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
    若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
  20. 如权利要求18所述的基于用户驾驶行为的安全预警方法，其特征在于，所述模型的测试过程如下步骤：
    利用训练好的基于用户驾驶行为的安全预警模型对所述测试样本集中的路况信息和速度信息进行分析，以得到各次行驶过程中的基于用户驾驶行为的安全预警值；
    若有出行过程中的路况信息和速度信息对应的基于用户驾驶行为的安全预警值大于预设的评分阈值，则确定本次为异常驾驶行为，针对该异常驾驶行为进行模型准确性测试；
    将该异常驾驶行为对应的路况信息以及速度信息按照当前道路安全行驶规则进行分析处理，确定本次驾驶是否为异常驾驶行为；
    若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为异常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为正确，或者，若根据当前道路安全行驶规则进行分析处理之后，确定本次驾驶为正常驾驶行为，则确定针对该驾行为的模型准确性测试的结果为错误；
    若为正确的模型准确性测试结果占所有模型准确性测试结果的百分比大于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试通过，或者，若为正确的模型准确性测试结果占所有模型准确性测试结果的 百分比小于或者等于预设百分比阈值，则确定对所述基于用户驾驶行为的安全预警模型的测试不通过。
  21. 如权利要求19或20所述的基于用户驾驶行为的安全预警方法，其特征在于，所述当前道路安全行驶规则为从预先确定的数据中调取预先存储的当前道路行驶规则，所述异常驾驶行为包括超速行驶、违规超车、单行线逆行、大货车上路或者是非共公交车驶入公交专用道。
PCT/CN2018/107677 2018-07-18 2018-09-26 电子装置、基于用户驾驶行为的安全预警方法及存储介质 WO2020015165A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810791179.5A CN108860162B (zh) 2018-07-18 2018-07-18 电子装置、基于用户驾驶行为的安全预警方法及存储介质
CN201810791179.5 2018-07-18

Publications (1)

Publication Number Publication Date
WO2020015165A1 true WO2020015165A1 (zh) 2020-01-23

Family

ID=64303000

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/107677 WO2020015165A1 (zh) 2018-07-18 2018-09-26 电子装置、基于用户驾驶行为的安全预警方法及存储介质

Country Status (2)

Country Link
CN (1) CN108860162B (zh)
WO (1) WO2020015165A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113044038A (zh) * 2021-04-02 2021-06-29 中国第一汽车股份有限公司 一种车辆控制切换方法、装置、车辆及存储介质
CN113263993A (zh) * 2021-05-17 2021-08-17 深圳市元征科技股份有限公司 故障预警方法、装置、通信设备及存储介质
CN113291313A (zh) * 2021-06-30 2021-08-24 三一专用汽车有限责任公司 驾驶行为预警方法、装置及作业机械
CN113859247A (zh) * 2020-06-30 2021-12-31 比亚迪股份有限公司 车辆的用户识别方法、装置、车机和存储介质
CN114148339A (zh) * 2022-01-17 2022-03-08 潍柴动力股份有限公司 一种不良驾驶预警方法和装置
CN114274967A (zh) * 2021-12-30 2022-04-05 上海商汤临港智能科技有限公司 智能驾驶车辆的管理方法、装置、计算机设备及存储介质
CN115437345A (zh) * 2022-08-15 2022-12-06 北京罗克维尔斯科技有限公司 一种测试车机端批量信号处理准确性的方法、装置及***
CN115496169A (zh) * 2022-11-17 2022-12-20 西安科技大学 基于5g和人工智能的不安全行为识别***
US11628573B2 (en) * 2019-04-26 2023-04-18 Fanuc Corporation Unmanned transfer robot system

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109774840A (zh) * 2018-12-07 2019-05-21 纳恩博（北京）科技有限公司 交通工具的控制方法、控制装置、***和存储介质
CN109624992A (zh) * 2018-12-25 2019-04-16 斑马网络技术有限公司 基于车辆驾驶的处理方法、装置、设备以及存储介质
CN111325437B (zh) * 2019-02-18 2021-09-24 北京嘀嘀无限科技发展有限公司 异常行驶行为的识别方法、装置以及电子设备
CN112078591A (zh) * 2019-06-14 2020-12-15 上海博泰悦臻电子设备制造有限公司 车辆、车机设备及其驾驶辅助方法
CN111231972B (zh) * 2019-09-27 2021-12-10 中国第一汽车股份有限公司 基于驾驶行为习惯的告警方法、车辆及存储介质
CN110615001B (zh) * 2019-09-27 2021-04-27 汉纳森（厦门）数据股份有限公司 一种基于can数据的驾驶安全提醒方法、装置及介质
CN111274881B (zh) * 2020-01-10 2024-05-31 中国平安财产保险股份有限公司 驾驶安全的监控方法、装置、计算机设备及存储介质
CN112258837B (zh) * 2020-10-19 2024-04-12 腾讯科技（深圳）有限公司 一种车辆预警的方法、相关装置、设备以及存储介质
CN112937439B (zh) * 2021-03-25 2022-08-26 东风汽车集团股份有限公司 一种公交车驾驶员驾驶行为预警***及方法
CN113380048B (zh) * 2021-06-25 2022-09-02 中科路恒工程设计有限公司 基于神经网络的高危路段车辆驾驶行为识别方法
CN113353087B (zh) * 2021-07-23 2022-08-30 上海汽车集团股份有限公司 一种驾驶辅助方法、装置及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105405306A (zh) * 2015-12-24 2016-03-16 小米科技有限责任公司 车辆告警方法及装置
CN105608918A (zh) * 2016-03-31 2016-05-25 宇龙计算机通信科技(深圳)有限公司 一种路况信息监控方法和***
CN107784587A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 一种驾驶行为评价***
CN108242181A (zh) * 2016-12-27 2018-07-03 ***通信有限公司研究院 一种信息预警处理方法及服务器
CN108288312A (zh) * 2017-03-06 2018-07-17 腾讯科技（深圳）有限公司 驾驶行为确定方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104882001B (zh) * 2015-06-30 2018-03-27 北京奇虎科技有限公司 基于行车记录仪的驾驶行为监控方法、装置及***
US10189479B2 (en) * 2016-04-06 2019-01-29 At&T Intellectual Property I, L.P. Methods and apparatus for vehicle operation analysis
CN107784251A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于图像识别技术对驾驶行为评价的方法
CN107153916A (zh) * 2017-04-30 2017-09-12 安徽中科美络信息技术有限公司 一种基于fcm聚类和bp神经网络的驾驶行为评价方法
CN107818491A (zh) * 2017-09-30 2018-03-20 平安科技（深圳）有限公司 电子装置、基于用户上网数据的产品推荐方法及存储介质
CN107918963A (zh) * 2017-11-16 2018-04-17 百度在线网络技术（北京）有限公司 用于车辆的信息生成方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105405306A (zh) * 2015-12-24 2016-03-16 小米科技有限责任公司 车辆告警方法及装置
CN105608918A (zh) * 2016-03-31 2016-05-25 宇龙计算机通信科技(深圳)有限公司 一种路况信息监控方法和***
CN107784587A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 一种驾驶行为评价***
CN108242181A (zh) * 2016-12-27 2018-07-03 ***通信有限公司研究院 一种信息预警处理方法及服务器
CN108288312A (zh) * 2017-03-06 2018-07-17 腾讯科技（深圳）有限公司 驾驶行为确定方法及装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11628573B2 (en) * 2019-04-26 2023-04-18 Fanuc Corporation Unmanned transfer robot system
CN113859247B (zh) * 2020-06-30 2023-07-11 比亚迪股份有限公司 车辆的用户识别方法、装置、车机和存储介质
CN113859247A (zh) * 2020-06-30 2021-12-31 比亚迪股份有限公司 车辆的用户识别方法、装置、车机和存储介质
CN113044038A (zh) * 2021-04-02 2021-06-29 中国第一汽车股份有限公司 一种车辆控制切换方法、装置、车辆及存储介质
CN113263993A (zh) * 2021-05-17 2021-08-17 深圳市元征科技股份有限公司 故障预警方法、装置、通信设备及存储介质
CN113263993B (zh) * 2021-05-17 2023-08-15 深圳市元征科技股份有限公司 故障预警方法、装置、通信设备及存储介质
CN113291313A (zh) * 2021-06-30 2021-08-24 三一专用汽车有限责任公司 驾驶行为预警方法、装置及作业机械
CN114274967A (zh) * 2021-12-30 2022-04-05 上海商汤临港智能科技有限公司 智能驾驶车辆的管理方法、装置、计算机设备及存储介质
CN114274967B (zh) * 2021-12-30 2024-04-12 上海商汤临港智能科技有限公司 智能驾驶车辆的管理方法、装置、计算机设备及存储介质
CN114148339A (zh) * 2022-01-17 2022-03-08 潍柴动力股份有限公司 一种不良驾驶预警方法和装置
CN114148339B (zh) * 2022-01-17 2024-05-17 潍柴动力股份有限公司 一种不良驾驶预警方法和装置
CN115437345A (zh) * 2022-08-15 2022-12-06 北京罗克维尔斯科技有限公司 一种测试车机端批量信号处理准确性的方法、装置及***
CN115496169A (zh) * 2022-11-17 2022-12-20 西安科技大学 基于5g和人工智能的不安全行为识别***

Also Published As

Publication number Publication date
CN108860162A (zh) 2018-11-23
CN108860162B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
WO2020015165A1 (zh) 电子装置、基于用户驾驶行为的安全预警方法及存储介质
WO2020024457A1 (zh) 交通事故的定责方法、装置及计算机可读存储介质
US9495601B2 (en) Detecting and reporting improper activity involving a vehicle
WO2018233394A1 (zh) 用于车辆监控的方法和装置
US9870708B2 (en) Methods for enabling safe tailgating by a vehicle and devices thereof
CN105100218B (zh) 基于行车记录仪的车辆评价方法、装置及***
WO2019127529A1 (zh) 一种预防疲劳驾驶的方法、装置及车载终端
CN107481528B (zh) 一种车辆的抓拍方法、装置及终端设备
CN108932850B (zh) 一种记录机动车低速行驶违法行为的方法及装置
WO2020010715A1 (zh) 电子装置、驾驶行为评分方法及存储介质
WO2019146488A1 (ja) 運転状況監視装置、運転状況監視方法、および運転状況監視システム
CN114694197A (zh) 行车预警方法、电子设备和计算机可读存储介质
CN109003457B (zh) 一种记录多台机动车违法占用应急车道行为的方法及装置
CN113053099A (zh) 一种异常交通事件处理方法及装置
CN113989715A (zh) 车辆违停检测方法、装置、电子设备及存储介质
CN111563425B (zh) 交通事件识别方法及电子设备
CN108806270B (zh) 一种记录多台机动车连续变换车道违法行为的方法及装置
CN111985304A (zh) 巡防告警方法、***、终端设备及存储介质
CN110909641A (zh) 一种检测摩托车超载的方法、装置及***
WO2020019500A1 (zh) 车辆、车险防欺诈预警及存储介质
CN112927504B (zh) 一种基于大数据的交通违章确认方法及***
CN111341106B (zh) 交通预警方法、装置和设备
CN110766826B (zh) 一种驾驶行为分析方法
CN114511825A (zh) 一种区域占用检测方法、装置、设备及存储介质
WO2020010712A1 (zh) 电子装置、用户骗保风险预警方法及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18926508

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18926508

Country of ref document: EP

Kind code of ref document: A1