本發(fā)明涉及交通安全技術領域,尤其涉及一種駕駛行為分析方法和裝置。
背景技術:
近年來,車輛的普及率越來越高,隨之而來的交通事故也越來越受到人們的重視,交通事故的頻繁發(fā)生導致巨大的人員傷亡和財產(chǎn)損失,而駕駛員的駕駛行為的不規(guī)范是導致交通事故的主要原因之一,因此改善駕駛員的駕駛行為成為一個不可忽視的問題。
為了改善駕駛員的駕駛行為,對駕駛員的駕駛行為進行分析成為必須,然而,目前對于駕駛員的駕駛行為的分析,并沒有明確的計算與評估的方式。
技術實現(xiàn)要素:
本發(fā)明的目的旨在至少在一定程度上解決上述的技術問題之一。
為此,本發(fā)明的第一個目的在于提出一種駕駛行為分析方法,通過對車輛行駛數(shù)據(jù)的學習,可準確對每次行程的安全進行評分,便于對駕駛行為進行更加全面的安全評估。
本發(fā)明的第二個目的在于提出一種駕駛行為分析裝置。
為達上述目的,本發(fā)明第一方面實施例的駕駛行為分析方法,包括:對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù);
根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù);
根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和所述特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分;
對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。
本發(fā)明實施例的駕駛行為分析方法,對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù),根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù),并根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分,進而對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。由此,通過對車輛行駛數(shù)據(jù)的學習,可準確對每次行程的安全進行評分,便于對駕駛行為進行更加全面的安全評估。
另外,本發(fā)明實施例的駕駛行為分析方法還具有如下附加的技術特征:
在本發(fā)明的一個實施例中,所述對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù),包括:
分析所述車輛行駛數(shù)據(jù)獲取每次行程中各行駛指標的發(fā)生次數(shù);
計算每次行程中各行駛指標的發(fā)生次數(shù)與行駛里程的比值,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
在本發(fā)明的一個實施例中,所述根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù),包括:
根據(jù)預設算法對未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第一平均值;
根據(jù)預設算法對未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第一標準差;
根據(jù)預設算法對發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第二平均值;
根據(jù)預設算法對發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第二標準差。
在本發(fā)明的一個實施例中,所述根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和所述特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分,包括:
根據(jù)概率密度函數(shù)公式對每次行程中各行駛指標的標準化數(shù)據(jù)和所述特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的安全概率和危險概率;
根據(jù)預設算法對各行駛指標對應的安全概率和危險概率進行計算,獲取每次行程中各行駛指標對應的評分。
在本發(fā)明的一個實施例中,所述對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分,包括:
計算每次行程中各行駛指標對應的評分與預設評分權重的乘積結果;
將各行駛指標對應的所述乘積結果相加,獲取每次行程的安全評分。
為達上述目的,本發(fā)明第二方面實施例的駕駛行為分析裝置,包括:
第一獲取模塊,用于對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù);
第二獲取模塊,用于根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù);
第三獲取模塊,用于根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和所述特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分;
第四獲取模塊,用于對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。
本發(fā)明實施例的駕駛行為分析裝置,對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù),根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù),并根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分,進而對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。由此,通過對車輛行駛數(shù)據(jù)的學習,可準確對每次行程的安全進行評分,便于對駕駛行為進行更加全面的安全評估。
另外,本發(fā)明實施例的駕駛行為分析裝置還具有如下附加的技術特征:
在本發(fā)明的一個實施例中,所述第一獲取模塊包括:
分析單元,用于分析所述車輛行駛數(shù)據(jù)獲取每次行程中各行駛指標的發(fā)生次數(shù);
第一獲取單元,用于計算每次行程中各行駛指標的發(fā)生次數(shù)與行駛里程的比值,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
在本發(fā)明的一個實施例中,所述第二獲取模塊包括:
第二獲取單元,用于根據(jù)預設算法對未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第一平均值;
第三獲取單元,用于根據(jù)預設算法對未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第一標準差;
所述第二獲取單元還用于根據(jù)預設算法對發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第二平均值;
所述第三獲取單元還用于根據(jù)預設算法對發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第二標準差。
在本發(fā)明的一個實施例中,所述第三獲取模塊包括:
第四獲取單元,用于根據(jù)概率密度函數(shù)公式對每次行程中各行駛指標的標準化數(shù)據(jù)和所述特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的安全概率和危險概率;
第五獲取單元,用于根據(jù)預設算法對各行駛指標對應的安全概率和危險概率進行計算,獲取每次行程中各行駛指標對應的評分。
在本發(fā)明的一個實施例中,所述第四獲取模塊包括:
計算單元,用于計算每次行程中各行駛指標對應的評分與預設評分權重的乘積結果;
第六獲取單元,用于將各行駛指標對應的所述乘積結果相加,獲取每次行程的安全評分。
本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出,部分將從下面的描述中變得明顯,或通過本發(fā)明的實踐了解到。
附圖說明
本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結合附圖對實施例的描述中將變得明顯和容易理解,其中:
圖1是根據(jù)本發(fā)明一個實施例的駕駛行為分析方法的流程圖;
圖2是根據(jù)本發(fā)明另一個實施例的駕駛行為分析方法的流程圖;
圖3是根據(jù)本發(fā)明一個實施例的駕駛行為分析裝置的結構示意圖;以及
圖4是根據(jù)本發(fā)明另一個實施例的駕駛行為分析裝置的結構示意圖。
具體實施方式
下面詳細描述本發(fā)明的實施例,所述實施例的示例在附圖中示出,其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的,旨在用于解釋本發(fā)明,而不能理解為對本發(fā)明的限制。
下面參考附圖描述本發(fā)明實施例的駕駛行為分析方法和裝置。
圖1是根據(jù)本發(fā)明一個實施例的駕駛行為分析方法的流程圖,如圖1所示,該方法包括:
S101,對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
通常,在日常駕駛中,駕駛員的有很多不安全或者不合理的操作,容易造成交通事故的發(fā)生,因此為了提高駕駛的安全性,需要對駕駛員的駕駛行為進行分析,以根據(jù)分析結果對存在安全隱患的駕駛行為進行報警提醒等。
然而,由于駕駛行為具有多樣性與復雜性,比如在急剎車場景下的駕駛行為與在平穩(wěn)行駛場景下的駕駛行為不同,難以對駕駛行為進行計算與評估。
為了解決上述問題,本發(fā)明實施例的駕駛行為分析方法,采用基于大數(shù)據(jù)與機器學習算法對駕駛行為進行分析,即對各種與駕駛行為數(shù)據(jù)相關的車輛行駛數(shù)據(jù)進行學習,并將學習結果作為評估駕駛行為安全性的依據(jù),可更加全面、準確的對駕駛行為進行更加安全的評估。
其中,車輛行駛數(shù)據(jù)包括車輛行駛過程中,各與駕駛安全相關的各行駛指標數(shù)據(jù),該行駛指標數(shù)據(jù)可包括:碰撞報警、急轉彎報警、急減速報警、急加速報警、急變道報警、超速報警、疲勞駕駛報警、長時間怠速報警、頻繁變道報警、轉速過高報警、水溫過高報警、空擋滑行報警、車輛單次行程行駛里程、遠光燈開關、近光燈開關、示寬燈開關、霧燈開關、左轉向燈開關、右轉向燈開關、危險燈開關、車門開關、車門鎖開關、車窗開關、ECM(Engine Control Module引擎控制模塊)/ECU(Electronic Control Unit,電發(fā)動機控制模塊)、ABS(Antilock Brake System,制動防抱死系統(tǒng))、電子安全氣囊、機油(壓力、溫度)報警、保養(yǎng)報警、車輪胎壓報警、手剎狀態(tài)、剎車踏板、剎車踏板相對位置、油門踏板、油門踏板相對位置、離合狀態(tài)、安全帶狀態(tài)、ACC信號、鑰匙狀態(tài)、雨刷狀態(tài)、空調(diào)開關檔位、發(fā)動機進氣溫度、空調(diào)車內(nèi)溫度等。
可以理解,在實際執(zhí)行過程中,由于多樣化的車輛行駛數(shù)據(jù)不具有橫向比較的條件,因此可將多樣化的車輛行駛數(shù)據(jù)進行相關標準化處理,將多樣化的車輛行駛數(shù)據(jù)轉換為統(tǒng)一的維度的標準化數(shù)據(jù)。
具體而言,可對獲取的車輛行駛數(shù)據(jù)進行計算,并獲取每次行程中與各指標對應的標準化數(shù)據(jù),比如,獲取用戶從家啟動車輛到公司熄火停車的整個行程中,與急加速報警、超速報警等各指標對應的標準化數(shù)據(jù)。
需要說明的是,根據(jù)具體應用場景的不同,可采用多種方式對獲取的車輛行駛數(shù)據(jù)進行計算,以獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
第一種示例,可以對獲取的各行駛指標對應的車輛行駛數(shù)據(jù),按照相應的分制,比如十分制進行打分處理,針對每一項行駛指標的對應的車輛行駛數(shù)據(jù)的值獲取對應的分數(shù),該次行程中與各行駛指標對應的標準化數(shù)據(jù)為打分處理后的分數(shù)。
比如,針對急加速報警,當在某次行程中,如果其急加速報警的次數(shù)為3次,則獲取對應的分數(shù)為5分,如果超速報警的次數(shù)為6次,則獲取對應的分數(shù)為8分等。
第二種示例,可根據(jù)每次行駛過程中的各行駛指標的發(fā)生次數(shù)與行駛里程進行計算,從而將獲取的計算結果,作為每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
在本示例中,可以將每次行駛過程中的各行駛指標的發(fā)生次數(shù)與行駛里程的比值,作為每次行程中與各行駛指標對應的標準化數(shù)據(jù)?;蛘呖梢詫⒚看涡旭傔^程中的各行駛指標的發(fā)生次數(shù)乘以相應的系數(shù)后與行駛里程的比值,作為每次行程中與各行駛指標對應的標準化數(shù)據(jù)等。
S102,根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù)。
可以理解,獲取的車輛行駛數(shù)據(jù)還可包括每次行程中的碰撞信息,該碰撞信息記錄了每次行程中車輛是否發(fā)生碰撞。
具體地,為了便于分析用戶駕駛行為,準確判斷用戶的駕駛行為是否安全等,在對獲取的車輛行駛數(shù)據(jù)進行學習的過程中,可以根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù)。
即針對發(fā)生碰撞的行程中的標準化數(shù)據(jù)進行單獨計算處理,針對沒有發(fā)生碰撞的行程中的標準化數(shù)據(jù)進行單獨計算處理,從而獲取的各行駛指標的特征數(shù)據(jù)可清楚的表征車輛發(fā)生碰撞時的各行駛指標的特征數(shù)據(jù),以及沒有發(fā)生碰撞時的各行駛指標的特征數(shù)據(jù)。
比如,對于疲勞駕駛報警次數(shù)行駛指標,其沒有發(fā)生碰撞的行程中的對應的數(shù)據(jù)特征,可以表明多次行程中不發(fā)生碰撞時疲勞駕駛的次數(shù)特征等,發(fā)生碰撞的行程中的對應的數(shù)據(jù)特征,可以表明多次行程中發(fā)生碰撞時疲勞駕駛的次數(shù)特征等。
需要說明的是,根據(jù)具體應用場景的不同,可采用多種方式獲取各行駛指標的特征數(shù)據(jù)。
作為一種示例,可以根據(jù)相關算法獲取未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的平均值,將該平均值作為沒有發(fā)生碰撞時的各行駛指標的特征數(shù)據(jù)。
在該示例中,可以根據(jù)相關算法獲取發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的平均值,將該平均值作為發(fā)生碰撞時的各行駛指標的特征數(shù)據(jù)。
S103,根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分。
具體地,為了更加全面的表示駕駛行為分析的安全性,可以根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分,該評分的高低表明該次行程中各指標的安全程度。
需要說明的是,根據(jù)具體應用場景的不同,根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分的方式不同:
作為一種示例,可以采用相關算法計算出每次行程中各行駛指標對應的安全概率和危險概率,并采用相關算法對安全概率和危險概率進行計算,得到獲取每次行程中各行駛指標對應的評分。
S104,對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。
具體地,由于每次行程中各行駛指標對應的評分,代表每次行程中各行駛指標的安全程度,因此綜合考量每個行程中各行駛指標對應的評分,對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分,該安全評分代表代表該次行程的駕駛安全程度。
需要說明的是,根據(jù)具體應用需求的不同,可采用多種方式對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。
第一種示例,可以將每次行程中各行駛指標對應的評分計算平均值,使用該平均值表示每次行程的安全評分。
第二種示例,可以計算每次行程中各行駛指標對應的評分乘以相應的系數(shù),將各行駛指標對應的乘積結果相加,獲取每次行程的安全評分。
綜上所述,本發(fā)明實施例的駕駛行為分析方法,對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù),根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù),并根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分,進而對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。由此,通過對車輛行駛數(shù)據(jù)的學習,可準確對每次行程的安全進行評分,便于對駕駛行為進行更加全面的安全評估。
為了更加清楚的描述本發(fā)明實施例的駕駛行為分析方法,下面結合對每次行程中與各行駛指標對應的標準化數(shù)據(jù)、特征數(shù)據(jù)等的具體計算過程,舉例說明本發(fā)明實施例的駕駛行為分析方法:
圖2是根據(jù)本發(fā)明另一個實施例的駕駛行為分析方法的流程圖,如圖2所示,該駕駛行為分析方法包括:
S201,分析車輛行駛數(shù)據(jù)獲取每次行程中各行駛指標的發(fā)生次數(shù)。
S202,計算每次行程中各行駛指標的發(fā)生次數(shù)與行駛里程的比值,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
具體地,可分析車輛行駛數(shù)據(jù)獲取每次行程中各行駛指標發(fā)生的次數(shù),計算每次行程中各行駛指標的發(fā)生次數(shù)與行駛里程的比值,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
從而,如表1所示,可以得到每次行程中與各行駛指標對應的標準化數(shù)據(jù)表,在該表1中,每一行的標準化數(shù)據(jù)對應于每次行程中與各行駛指標,其中,舉例而言,表1中加粗區(qū)域的急加速行駛指標對應的標準化數(shù)據(jù)0.50,是由該次行程中急加速的發(fā)生次數(shù)5與行駛里程10的比值得到的。
S203,根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù)。
具體地,在獲取每次行程中車輛行駛數(shù)據(jù)可包括每次行程中車輛的碰撞信息,如表1所示,可用0和1表示每次行程中車輛的碰撞信息,當碰撞信息為0時,表示該次行程中,車輛在行駛過程中沒有碰撞,當碰撞信息為1時,表示該次行程中,車輛在行駛過程中發(fā)生碰撞。
在本發(fā)明的一個實施例中,可根據(jù)預設算法,對未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第一平均值。根據(jù)預設算法對發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第二平均值。
進而,根據(jù)預設算法對未發(fā)生碰撞的所有行程中各行駛指標的第一平均值,獲取未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)的第一標準差,并將第一標準差作為未發(fā)生碰撞的所有行程中各行駛指標的特征數(shù)據(jù)。
根據(jù)預設算法對發(fā)生碰撞的所有行程中各行駛指標的第二平均值,獲取發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)的第二標準差,并將第二標準差作為發(fā)生碰撞的所有行程中各行駛指標的特征數(shù)據(jù)。
舉例而言,可采用算數(shù)平均公式,對未發(fā)生碰撞的所有行程中各行駛指標Ei的標準化數(shù)據(jù)進行處理,獲取各行駛指標Ei的平均值AVGs(Ei)。其中,Ei用于標識各行駛指標,i可以1-N的任意整數(shù)(N為行駛指標的個數(shù)),E1代表未發(fā)生碰撞的所有行程中一個行駛指標,E2代表未發(fā)生碰撞的所有行程中另一個行駛指標,依次類推,E1-EN代表未發(fā)生碰撞的所有行程中的各行駛指標。
進而,可采用標準差公式,根據(jù)各行駛指標Ei的平均值AVGs(Ei),獲取未發(fā)生碰撞的所有行程中各行駛指標Ei的標準差STDs(Ei)。
基于同樣的計算方式,可計算出發(fā)生碰撞的所有行程中各行駛指標Ei的平均值AVGD(Ei),以及發(fā)生碰撞的所有行程中各行駛指標Ei的標準差STDD(Ei)。
S204,根據(jù)概率密度函數(shù)公式對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的安全概率和危險概率。
舉例而言,可根據(jù)公式計算出行駛指標E1的安全概率,在該公式中,e1為行駛指標E1對應的標準化數(shù)據(jù)。
可根據(jù)公式計算出行駛指標E1的危險概率,在該公式中,e1為行駛指標E1對應的標準化數(shù)據(jù)。
S205,根據(jù)預設算法對各行駛指標對應的安全概率和危險概率進行計算,獲取每次行程中各行駛指標對應的評分。
具體地,以對每次行程中E1行駛指標的評分的獲取過程為例,說明獲取每次行程中各行駛指標對應的評分的過程:
可使用如下公式計算出安全傾向性,并且將得到的安全傾向性乘以相應的系數(shù),比如乘以100,以得到行駛指標E1對應的評分。
S206,計算每次行程中各行駛指標對應的評分與預設評分權重的乘積結果。
S207,將各行駛指標對應的乘積結果相加,獲取每次行程的安全評分。
可以理解,預先設置每次行程中各行駛指標對應的評分的評分權重wi,wi的范圍其[0,1],且i可以為1-N的任意整數(shù)(N為行駛指標的評分的個數(shù)),w1代表行駛指標E1對應的評分的權重,依次類推,w1-wN代表各行駛指標對應的評分的評分權重。
在本發(fā)明的一個實施例中,可以通過公式100*[(w1*安全傾向性(e1))+(w2*安全傾向性(e2…+(wn*安全傾向性(en)]將各行駛指標對應的乘積結果相加,獲取每次行程的安全評分。
綜上所述,本發(fā)明實施例的駕駛行為分析方法,采用概率密度函數(shù)等算法對車輛行為數(shù)據(jù)進行分析計算,并對各行駛指標進行評分,并根據(jù)各行駛指標的評分準確對每次行程的安全進行評分,便于對駕駛行為進行更加全面的安全評估。
為了實現(xiàn)上述實施例,本發(fā)明還提出了一種駕駛行為分析裝置,圖3是根據(jù)本發(fā)明一個實施例的駕駛行為分析裝置的結構示意圖,如圖3所示,該裝置包括:第一獲取模塊10、第二獲取模塊20、第三獲取模塊30和第四獲取模塊40。
其中,第一獲取模塊10,用于對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
第二獲取模塊20,用于根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù)。
第三獲取模塊30,用于根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分。
第四獲取模塊40,用于對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。
需要說明的是,前述對駕駛行為分析方法實施例的解釋說明也適用于該實施例的駕駛行為分析裝置,其實現(xiàn)原理類似,此處不再贅述。
綜上所述,本發(fā)明實施例的駕駛行為分析裝置,對獲取的車輛行駛數(shù)據(jù)進行計算,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù),根據(jù)每次行程中各行駛指標的標準化數(shù)據(jù)以及碰撞信息,獲取各行駛指標的特征數(shù)據(jù),并根據(jù)預設算法對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的評分,進而對每次行程中各行駛指標對應的評分進行計算,獲取每次行程的安全評分。由此,通過對車輛行駛數(shù)據(jù)的學習,可準確對每次行程的安全進行評分,便于對駕駛行為進行更加全面的安全評估。
為了更加清楚的描述本發(fā)明實施例的駕駛行為分析裝置,下面結合對每次行程中與各行駛指標對應的標準化數(shù)據(jù)、特征數(shù)據(jù)等的具體計算過程,舉例說明本發(fā)明實施例的駕駛行為分析裝置:
圖4是根據(jù)本發(fā)明另一個實施例的駕駛行為分析裝置的結構示意圖,如圖4所示,在如圖3所示的基礎上,如圖4所示,第一獲取模塊10包括:
分析單元11,用于分析車輛行駛數(shù)據(jù)獲取每次行程中各行駛指標的發(fā)生次數(shù)。
第一獲取單元12,用于計算每次行程中各行駛指標的發(fā)生次數(shù)與行駛里程的比值,獲取每次行程中與各行駛指標對應的標準化數(shù)據(jù)。
第二獲取模塊20包括:
第二獲取單元21,用于根據(jù)預設算法對未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第一平均值。
第三獲取單元22,用于根據(jù)預設算法對未發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第一標準差。
第二獲取單元21還用于根據(jù)預設算法對發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第二平均值。
第三獲取單元22還用于根據(jù)預設算法對發(fā)生碰撞的所有行程中各行駛指標的標準化數(shù)據(jù)進行處理,獲取各行駛指標的第二標準差。
第三獲取模塊30包括:
第四獲取單元31,用于根據(jù)概率密度函數(shù)公式對每次行程中各行駛指標的標準化數(shù)據(jù)和特征數(shù)據(jù)進行計算,獲取每次行程中各行駛指標對應的安全概率和危險概率。
第五獲取單元32,用于根據(jù)預設算法對各行駛指標對應的安全概率和危險概率進行計算,獲取每次行程中各行駛指標對應的評分。
第四獲取模塊40包括:
計算單元41,用于計算每次行程中各行駛指標對應的評分與預設評分權重的乘積結果。
第六獲取單元42,用于將各行駛指標對應的乘積結果相加,獲取每次行程的安全評分。
需要說明的是,前述對駕駛行為分析方法實施例的解釋說明也適用于該實施例的駕駛行為分析裝置,其實現(xiàn)原理類似,此處不再贅述。
綜上所述,本發(fā)明實施例的駕駛行為分析裝置,采用概率密度函數(shù)等算法對車輛行為數(shù)據(jù)進行分析計算,并對各行駛指標進行評分,并根據(jù)各行駛指標的評分準確對每次行程的安全進行評分,便于對駕駛行為進行更加全面的安全評估。
此外,術語“第一”、“第二”僅用于描述目的,而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特征的數(shù)量。由此,限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本發(fā)明的描述中,“多個”的含義是至少兩個,例如兩個,三個等,除非另有明確具體的限定。
在本說明書的描述中,參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中,對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且,描述的具體特征、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外,在不相互矛盾的情況下,本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結合和組合。
盡管上面已經(jīng)示出和描述了本發(fā)明的實施例,可以理解的是,上述實施例是示例性的,不能理解為對本發(fā)明的限制,本領域的普通技術人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。