CN107180219A - 基于多模态信息的驾驶危险系数评估方法和装置 - Google Patents
基于多模态信息的驾驶危险系数评估方法和装置 Download PDFInfo
- Publication number
- CN107180219A CN107180219A CN201710063040.4A CN201710063040A CN107180219A CN 107180219 A CN107180219 A CN 107180219A CN 201710063040 A CN201710063040 A CN 201710063040A CN 107180219 A CN107180219 A CN 107180219A
- Authority
- CN
- China
- Prior art keywords
- driving
- driver
- information
- traffic
- coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 103
- 230000003542 behavioural effect Effects 0.000 claims description 27
- 238000013507 mapping Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 235000021061 dietary behavior Nutrition 0.000 claims description 7
- 235000006694 eating habits Nutrition 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 206010057315 Daydreaming Diseases 0.000 claims description 5
- 239000012141 concentrate Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于多模态信息的驾驶危险系数评估的方法，其中，该方法包括以下步骤：将用户输入的输入序列发送给网络设备；接收网络设备反馈的、与所述输入序列匹配的至少一个应用的应用信息，其中，所述应用信息能够用于获取或直接启动与其对应的应用；从所述至少一个应用中确定需要启动的应用；根据所述需要启动的应用的应用信息，并结合本地应用的应用信息，执行相应操作。根据本发明的方案，用户无需执行大量的手动操作，也无需人为确定用户设备中是否已安装需要启动的应用，大量节省了确定需要启动的应用的时间。
Description
技术领域
本发明涉及车载设备领域，尤其涉及一种基于多模态信息的驾驶危险系数评估方法和装置。
背景技术
随着车辆数目的急剧增加，对驾驶员的驾驶危险系数进行正确合理的评估可以有益于交通部门对车辆的监管，保险公司对保险风险的预测，以及对目前大为流行网约车和出租车进行监督。为解决对驾驶员的驾驶危险系数的评估问题，已经有很多很成熟的方法，这些方法依照采集处理的数据大致可以分成三类。第一类以车辆行驶过程中的车辆数据信息为研究对象，如驾驶员在驾驶过程中，车辆的车速变化，刹车次数，油门的加减等数据(如专利驾驶行为分析方法，申请号：201510192012.3)。第二类方法通过处理驾驶员的检测视频信息，检测驾驶员的异常驾驶行为作为研究对象，如驾驶员在驾驶过程中出现玩手机，疲劳驾驶等情况(如论文IN-VEHICLE DATA RECORDERS FOR MONITORING AND FEEDBACK ONDRIVERS′BEHAVIOR)。第三类方法以驾驶过程中驾驶员的交通违规情况作为研究对象。目前评估驾驶危险的方法，采取的信息比较单一，无法对驾驶员的驾驶行为作准确有效的刻画。另外一方面，目前的评估分析的方法大多从驾驶车辆本身出发来分析驾驶危险系数，并没有将驾驶车辆在驾驶过程中与周围的的环境的变化考虑在内。
发明内容
本发明的目的是提供一种基于多模态信息的驾驶危险系数评估的方法和装置。
根据本发明的一个方面，提供一种基于多模态信息的驾驶危险系数评估的方法，其中，该方法包括以下步骤：
通过安装于车外的摄像头获取驾驶过程中的路况信息；
通过安装于车内的摄像头获取驾驶过程中的驾驶行为信息；
通过传感器获取车辆状态信息；
通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数；
通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数；
通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数；
通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数；
根据上述四个驾驶危险系数，通过加权将四个不同危险系数映射成一个综合的危险系数。
根据本发明的另一个方面，还提供了一种基于多模态信息的驾驶危险系数评估的装置，其中，该装置包括：
路况信息获取模块，用于通过安装于车外的摄像头获取驾驶过程中的路况信息；
驾驶行为信息获取模块，用于通过安装于车内的摄像头获取驾驶过程中的驾驶行为信息；
车辆状态信息获取模块，用于通过传感器获取车辆状态信息；
评估模块，用于通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数；
所述评估模块还用于通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数；
所述评估模块还用于通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数；
所述评估模块还用于通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数；
加权处理模块，用于根据上述四个驾驶危险系数，通过加权将四个不同危险系数映射成一个综合的危险系数。
与现有技术相比，本发明具有以下优点：现有技术中评估驾驶危险的方法，采取的信息比较单一，无法对驾驶员的驾驶行为作准确有效的刻画。另外一方面，目前的评估分析的方法大多从驾驶车辆本身出发来分析驾驶危险系数，并没有将驾驶车辆在驾驶过程中与周围的的环境的变化考虑在内。本发明打破了本领域技术人员的上述惯性思维，并能够实现以下效果：利用多模态信息来对驾驶员的驾驶危险系数进行更准确的评估。将驾驶车辆在驾驶过程中与周围的的环境的变化考虑在内。本发明提出将驾驶车辆与前方车辆，行人和车道线的相对关系这一重要信息纳入对驾驶员的驾驶行为的驾驶危险评估系统中来，可以有效提高驾驶危险评估系统的区分度和有效性。
附图说明
通过阅读参照以下附图所作的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为本发明一个实施例的基于多模态信息的驾驶危险系数评估方法的软件件系统框图；
图2为本发明一个实施例的基于多模态信息的驾驶危险系数评估方法的硬件系统框图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是，当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。与此相对，当一个单元被称为“直接连接”或“直接耦合”到另一单元时，则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”，“与...邻近”相比于“与...直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
下面结合附图对本发明作进一步详细描述。
图1为本发明一个实施例的基于多模态信息的驾驶危险系数评估方法的软件系统框图。
根据本实施例的方法包括：
步骤S1，通过安装于车外的摄像头获取驾驶过程中的路况信息；
步骤S2，通过安装于车内的摄像头获取驾驶过程中的驾驶行为信息；
步骤S3，通过传感器获取车辆状态信息；
步骤S4，通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数；
所述通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数的步骤包括：
通过车辆行驶传感器采集的信号包括车速，油门和刹车信息；
使用映射函数将这三个方面的信息，映射成第一驾驶危险系数。
通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的驾驶危险系数。通过车辆行驶传感器采取的信号包括但不局限于车速，油门和刹车等方面的信息。在通过车辆的行驶信息来考量驾驶员的驾驶危险系数时，不安全的驾驶员有如下特征：
车辆速度急剧变化，通常对于熟练的驾驶员来说，保持平稳的速度是很必要的；
油门量急剧变化；
刹车数目在单位时间内频繁发生；
本发明将使用映射函数将这三个方面的信息，映射成一个分数
A＝fa(a1，a2，a3…)。
步骤S5，通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数；
所述通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数的步骤包括：
通过检测驾驶员在驾驶过程中出现的注意力不集中、使用手机和饮食行为信息；
基于单位时间内检测到的各种情况的数目，使用映射函数，得到基于驾驶员行为举止的第二驾驶危险系数。
通过检测驾驶员在驾驶过程中出现注意力不集中、使用手机和有饮食行为等情况，来评估驾驶员的驾驶危险系数。在检测到用户出现眼睛长时间没有注视前方、使用手机和有饮食行为等情况后，本模块将基于单位时间内检测到的各种情况的数目，使用映射函数，给出基于驾驶员行为举止的危险系数
B＝fb(b1，b2，b3…)。
步骤S6，通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数；
所述通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数的步骤包括：
通过检测单位时间内驾驶过程中出现的交通标识，并结合采集到的驾驶员的采取的措施；
判断驾驶员是否存在在拐弯时减速、遵守红绿灯规则和公路超速行为；
基于单位时间内检测到的各种交通规则违反的数目，使用映射函数，得到基于交通规则的危险系数。
通过检测单位时间内驾驶过程中出现的交通标识，并结合采集到的驾驶员的采取的措施(加速，减速，停车等)，判断驾驶员是否在拐弯的时候减速、遵守红绿灯规则和公路超速等情况。基于单位实际内检测到的各种交通规则违反的数目，使用映射函数，给出基于交通规则的危险系数
C＝fc(c1，c2，c3…)。
步骤S7，通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数；
所述通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数的步骤包括：
通过检测单位时间内驾驶过程中出现的行人、车辆和车道的位置，并结合采集到的驾驶员的采取的措施；
判断驾驶员是否在驾驶过程中与行人过近、距离前车距离到达小于安全距离和随意变更车道的情况；
基于单位时间内检测到的各种危险警报的数目，使用映射函数，得到基于行车特征的危险系数。
通过检测单位时间内驾驶过程中出现的行人、车辆和车道的位置，并结合采集到的驾驶员的采取的措施(加速，减速，停车等)，判断驾驶员是否在驾驶过程中与行人过近、距离前车距离到达小于安全距离和随意变更车道等情况。基于单位实际内检测到的各种危险警报的数目，使用映射函数，给出基于行车特征的危险系数
D＝fd(d1，d2，d3…)。
步骤S8，根据上述四个驾驶危险系数，通过加权将四个不同危险系数映射成一个综合的危险系数。
与现有技术相比，本发明具有以下优点：现有技术中评估驾驶危险的方法，采取的信息比较单一，无法对驾驶员的驾驶行为作准确有效的刻画。另外一方面，目前的评估分析的方法大多从驾驶车辆本身出发来分析驾驶危险系数，并没有将驾驶车辆在驾驶过程中与周围的的环境的变化考虑在内。本发明打破了本领域技术人员的上述惯性思维，并能够实现以下效果：利用多模态信息来对驾驶员的驾驶危险系数进行更准确的评估。将驾驶车辆在驾驶过程中与周围的的环境的变化考虑在内。本发明提出将驾驶车辆与前方车辆，行人和车道线的相对关系这一重要信息纳入对驾驶员的驾驶行为的驾驶危险评估系统中来，可以有效提高驾驶危险评估系统的区分度和有效性。
图2为本发明一个实施例的基于多模态信息的驾驶危险系数评估装置的硬件系统框图。
该装置包括：
路况信息获取模块10，用于通过安装于车外的摄像头获取驾驶过程中的路况信息；
驾驶行为信息获取模块20，用于通过安装于车内的摄像头获取驾驶过程中的驾驶行为信息；
车辆状态信息获取模块30，用于通过传感器获取车辆状态信息；
评估模块40，用于通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数；
其中，所述通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数具体为通过车辆行驶传感器采集的信号包括车速，油门和刹车信息，使用映射函数将这三个方面的信息，映射成第一驾驶危险系数。
通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的驾驶危险系数。通过车辆行驶传感器采取的信号包括但不局限于车速，油门和刹车等方面的信息。在通过车辆的行驶信息来考量驾驶员的驾驶危险系数时，不安全的驾驶员有如下特征：
车辆速度急剧变化，通常对于熟练的驾驶员来说，保持平稳的速度是很必要的；
油门量急剧变化；
刹车数目在单位时间内频繁发生；
本发明将使用映射函数将这三个方面的信息，映射成一个分数
A＝fa(a1，a2，a3…)。
所述评估模块40还用于通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数；
其中，所述通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数具体为通过检测驾驶员在驾驶过程中出现的注意力不集中、使用手机和饮食行为信息，基于单位时间内检测到的各种情况的数目，使用映射函数，得到基于驾驶员行为举止的第二驾驶危险系数。
通过检测驾驶员在驾驶过程中出现注意力不集中、使用手机和有饮食行为等情况，来评估驾驶员的驾驶危险系数。在检测到用户出现眼睛长时间没有注视前方、使用手机和有饮食行为等情况后，本模块将基于单位时间内检测到的各种情况的数目，使用映射函数，给出基于驾驶员行为举止的危险系数
B＝fb(b1，b2，b3…)。
所述评估模块40还用于通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数；
其中，所述通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数具体为通过检测单位时间内驾驶过程中出现的交通标识，并结合采集到的驾驶员的采取的措施，判断驾驶员是否存在在拐弯时减速、遵守红绿灯规则和公路超速行为，基于单位时间内检测到的各种交通规则违反的数目，使用映射函数，得到基于交通规则的危险系数。
通过检测单位时间内驾驶过程中出现的交通标识，并结合采集到的驾驶员的采取的措施(加速，减速，停车等)，判断驾驶员是否在拐弯的时候减速、遵守红绿灯规则和公路超速等情况。基于单位实际内检测到的各种交通规则违反的数目，使用映射函数，给出基于交通规则的危险系数
C＝fc(c1，c2，c3…)。
所述评估模块40还用于通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数；
其中，所述通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数具体为通过检测单位时间内驾驶过程中出现的行人、车辆和车道的位置，并结合采集到的驾驶员的采取的措施，判断驾驶员是否在驾驶过程中与行人过近、距离前车距离到达小于安全距离和随意变更车道的情况，基于单位时间内检测到的各种危险警报的数目，使用映射函数，得到基于行车特征的危险系数。
通过检测单位时间内驾驶过程中出现的行人、车辆和车道的位置，并结合采集到的驾驶员的采取的措施(加速，减速，停车等)，判断驾驶员是否在驾驶过程中与行人过近、距离前车距离到达小于安全距离和随意变更车道等情况。基于单位实际内检测到的各种危险警报的数目，使用映射函数，给出基于行车特征的危险系数
D＝fd(d1，d2，d3…)。
加权处理模块50，用于根据上述四个驾驶危险系数，通过加权将四个不同危险系数映射成一个综合的危险系数。
与现有技术相比，本发明具有以下优点：现有技术中评估驾驶危险的方法，采取的信息比较单一，无法对驾驶员的驾驶行为作准确有效的刻画。另外一方面，目前的评估分析的方法大多从驾驶车辆本身出发来分析驾驶危险系数，并没有将驾驶车辆在驾驶过程中与周围的的环境的变化考虑在内。本发明打破了本领域技术人员的上述惯性思维，并能够实现以下效果：利用多模态信息来对驾驶员的驾驶危险系数进行更准确的评估。将驾驶车辆在驾驶过程中与周围的的环境的变化考虑在内。本发明提出将驾驶车辆与前方车辆，行人和车道线的相对关系这一重要信息纳入对驾驶员的驾驶行为的驾驶危险评估系统中来，可以有效提高驾驶危险评估系统的区分度和有效性。
需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，本发明的各个装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (10)
1.一种基于多模态信息的驾驶危险系数评估的方法，其中，该方法包括以下步骤：
通过安装于车外的摄像头获取驾驶过程中的路况信息；
通过安装于车内的摄像头获取驾驶过程中的驾驶行为信息；
通过传感器获取车辆状态信息；
通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数；
通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数；
通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数；
通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数；
根据上述四个驾驶危险系数，通过加权将四个不同危险系数映射成一个综合的危险系数。
2.如权利要求1所述的方法，其中，所述通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数的步骤包括：
通过车辆行驶传感器采集的信号包括车速，油门和刹车信息；
使用映射函数将这三个方面的信息，映射成第一驾驶危险系数。
3.如权利要求1所述的方法，其中，所述通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数的步骤包括：
通过检测驾驶员在驾驶过程中出现的注意力不集中、使用手机和饮食行为信息；
基于单位时间内检测到的各种情况的数目，使用映射函数，得到基于驾驶员行为举止的第二驾驶危险系数。
4.如权利要求1所述的方法，其中，所述通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数的步骤包括：
通过检测单位时间内驾驶过程中出现的交通标识，并结合采集到的驾驶员的采取的措施；
判断驾驶员是否存在在拐弯时减速、遵守红绿灯规则和公路超速行为；
基于单位时间内检测到的各种交通规则违反的数目，使用映射函数，得到基于交通规则的危险系数。
5.如权利要求1所述的方法，其中，所述通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数的步骤包括：
通过检测单位时间内驾驶过程中出现的行人、车辆和车道的位置，并结合采集到的驾驶员的采取的措施；
判断驾驶员是否在驾驶过程中与行人过近、距离前车距离到达小于安全距离和随意变更车道的情况；
基于单位时间内检测到的各种危险警报的数目，使用映射函数，得到基于行车特征的危险系数。
6.一种基于多模态信息的驾驶危险系数评估的装置，其中，该装置包括：
路况信息获取模块，用于通过安装于车外的摄像头获取驾驶过程中的路况信息；
驾驶行为信息获取模块，用于通过安装于车内的摄像头获取驾驶过程中的驾驶行为信息；
车辆状态信息获取模块，用于通过传感器获取车辆状态信息；
评估模块，用于通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数；
所述评估模块还用于通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数；
所述评估模块还用于通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数；
所述评估模块还用于通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数；
加权处理模块，用于根据上述四个驾驶危险系数，通过加权将四个不同危险系数映射成一个综合的危险系数。
7.如权利要求6所述的装置，其中，所述通过采集分析驾驶员驾驶过程中车辆的状态信息，来评估驾驶员的第一驾驶危险系数具体为通过车辆行驶传感器采集的信号包括车速，油门和刹车信息，使用映射函数将这三个方面的信息，映射成第一驾驶危险系数。
8.如权利要求6所述的装置，其中，所述通过检测驾驶员在驾驶过程中的驾驶行行为信息，来评估驾驶员的第二驾驶危险系数具体为通过检测驾驶员在驾驶过程中出现的注意力不集中、使用手机和饮食行为信息，基于单位时间内检测到的各种情况的数目，使用映射函数，得到基于驾驶员行为举止的第二驾驶危险系数。
9.如权利要求6所述的装置，其中，所述通过采集单位时间的路况信息，并结合采集到的驾驶员的行为信息。计算单位实际内检测到的各种交通规则违反的数目，得到基于交通规则的危险系数具体为通过检测单位时间内驾驶过程中出现的交通标识，并结合采集到的驾驶员的采取的措施，判断驾驶员是否存在在拐弯时减速、遵守红绿灯规则和公路超速行为，基于单位时间内检测到的各种交通规则违反的数目，使用映射函数，得到基于交通规则的危险系数。
10.如权利要求6所述的装置，其中，所述通过采集单位时间内的路况信息，并结合采集到的驾驶员的行为信息，计算单位时间内检测到的各种危险警报的数目，得到基于行车特征的危险系数具体为通过检测单位时间内驾驶过程中出现的行人、车辆和车道的位置，并结合采集到的驾驶员的采取的措施，判断驾驶员是否在驾驶过程中与行人过近、距离前车距离到达小于安全距离和随意变更车道的情况，基于单位时间内检测到的各种危险警报的数目，使用映射函数，得到基于行车特征的危险系教。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710063040.4A CN107180219A (zh) | 2017-01-25 | 2017-01-25 | 基于多模态信息的驾驶危险系数评估方法和装置 |
| CN201711060253.8A CN107833312A (zh) | 2017-01-25 | 2017-11-01 | 基于多模态信息的驾驶危险系数评估方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710063040.4A CN107180219A (zh) | 2017-01-25 | 2017-01-25 | 基于多模态信息的驾驶危险系数评估方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107180219A true CN107180219A (zh) | 2017-09-19 |
Family
ID=59829996
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710063040.4A Pending CN107180219A (zh) | 2017-01-25 | 2017-01-25 | 基于多模态信息的驾驶危险系数评估方法和装置 |
| CN201711060253.8A Pending CN107833312A (zh) | 2017-01-25 | 2017-11-01 | 基于多模态信息的驾驶危险系数评估方法和装置 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711060253.8A Pending CN107833312A (zh) | 2017-01-25 | 2017-11-01 | 基于多模态信息的驾驶危险系数评估方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN107180219A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107653789A (zh) * | 2017-09-22 | 2018-02-02 | 长安大学 | 一种基于人因可靠性的隧道口交通标志设置方法 |
| CN107833312A (zh) * | 2017-01-25 | 2018-03-23 | 问众智能信息科技（北京）有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
| CN108482385A (zh) * | 2018-04-18 | 2018-09-04 | 哈尔滨工业大学 | 一种考虑交通环境复杂度的车载设备操作风险辨识方法 |
| CN108549230A (zh) * | 2018-04-27 | 2018-09-18 | 李德祥 | 一种基于改进概率神经网络算法的车辆控制系统 |
| CN109017796A (zh) * | 2018-07-25 | 2018-12-18 | 深圳市元征科技股份有限公司 | 一种危险驾驶预警方法、系统、设备及计算机存储介质 |
| CN109782730A (zh) * | 2017-11-14 | 2019-05-21 | 通用汽车环球科技运作有限责任公司 | 用于自主系统性能和评级的方法和装置 |
| CN111382883A (zh) * | 2018-12-29 | 2020-07-07 | 北京嘀嘀无限科技发展有限公司 | 网约车接单权限控制方法、装置及设备 |
| CN113650710A (zh) * | 2021-08-31 | 2021-11-16 | 向量传感科技(宁波)有限公司 | 一种摩托车避碰方法、系统、电子设备及存储介质 |
| CN114967648A (zh) * | 2022-05-27 | 2022-08-30 | 中国人民解放军海军工程大学 | 一种设备多任务模态下的危险控制评估方法 |
| CN119078759A (zh) * | 2024-09-03 | 2024-12-06 | 易显智能科技有限责任公司 | 一种基于驾驶人行为数据进行车辆制动力度控制的方法 |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108839614A (zh) * | 2018-04-27 | 2018-11-20 | 李德祥 | 一种用于电动车的车辆安全减速系统 |
| CN108573357B (zh) * | 2018-05-08 | 2019-02-19 | 清华大学 | 基于等效力的行车风险实时评估方法及其装置 |
| CN108428343B (zh) * | 2018-05-17 | 2023-10-24 | 长沙理工大学 | 一种多车驾驶行为分析和危险预警方法及系统 |
| CN112105537B (zh) * | 2018-05-22 | 2024-06-14 | V3智能科技私人有限公司 | 驾驶风险计算装置和方法 |
| DE102018212266A1 (de) * | 2018-07-24 | 2020-01-30 | Robert Bosch Gmbh | Anpassung eines auswertbaren Abtastbereichs von Sensoren und angepasste Auswertung von Sensordaten |
| CN109003425A (zh) * | 2018-08-10 | 2018-12-14 | 北京车和家信息技术有限公司 | 一种预警方法及相关设备 |
| CN109263648B (zh) * | 2018-11-16 | 2021-01-15 | 深圳市元征科技股份有限公司 | 一种驾驶行为的评价方法、装置及设备 |
| JP7234614B2 (ja) | 2018-12-10 | 2023-03-08 | トヨタ自動車株式会社 | 異常検出装置、異常検出システム及び異常検出プログラム |
| CN111508226B (zh) * | 2019-01-31 | 2022-03-29 | 阿里巴巴集团控股有限公司 | 一种道路机动车通行秩序的评价方法及装置 |
| CN111815957A (zh) * | 2019-04-11 | 2020-10-23 | 泰州腾翔信息科技有限公司 | 交通数据现场检测终端 |
| CN112829751B (zh) * | 2019-11-04 | 2022-04-29 | 北京地平线机器人技术研发有限公司 | 一种车辆状态的安全性评价方法及装置 |
| CN111332289B (zh) * | 2020-03-23 | 2021-05-07 | 腾讯科技（深圳）有限公司 | 车辆运行环境数据获取方法、装置和存储介质 |
| EP4120180A4 (en) * | 2020-03-31 | 2023-01-25 | Huawei Technologies Co., Ltd. | METHOD AND DEVICE FOR MEASURING THE COMPLEXITY OF A SCENE IN WHICH A VEHICLE IS MOVING |
| US11978289B2 (en) * | 2021-01-04 | 2024-05-07 | Guangzhou Automobile Group Co., Ltd. | Method, apparatus and non-transitory computer readable storage medium for driving evaluation |
| CN113191657A (zh) * | 2021-05-14 | 2021-07-30 | 宝能(广州)汽车研究院有限公司 | 一种传感器数据的上传方法和装置 |
| CN119091525A (zh) * | 2024-08-29 | 2024-12-06 | 南京界信焕软件科技有限公司 | 一种基于行车记录仪的行车智能检测方法及系统 |
| CN119293699B (zh) * | 2024-12-11 | 2025-03-11 | 湖南科技学院 | 一种基于大数据的危险驾驶检测方法及系统 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2138987A1 (en) * | 2008-06-25 | 2009-12-30 | Ford Global Technologies, LLC | Method for determining a property of a driver-vehicle-environment state |
| JP5267095B2 (ja) * | 2008-12-11 | 2013-08-21 | トヨタ自動車株式会社 | 走行状態評価装置 |
| JP2011065527A (ja) * | 2009-09-18 | 2011-03-31 | Toyota Motor Corp | 運転評価システム、車載機及び情報処理センター |
| DE102012214464A1 (de) * | 2012-08-14 | 2014-02-20 | Ford Global Technologies, Llc | System zur Überwachung und Analyse des Fahrverhaltens eines Fahrers in einem Kraftfahrzeug |
| CN103871242B (zh) * | 2014-04-01 | 2015-09-09 | 北京工业大学 | 一种驾驶行为综合评价系统与方法 |
| CN105206052B (zh) * | 2015-09-21 | 2018-05-11 | 张力 | 一种驾驶行为分析方法及设备 |
| CN105374211B (zh) * | 2015-12-09 | 2018-01-05 | 敏驰信息科技（上海）有限公司 | 基于多源数据计算驾驶风险与辅助车险定价的系统及方法 |
| CN105513358B (zh) * | 2016-01-04 | 2018-07-03 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警系统及方法 |
| CN106228499A (zh) * | 2016-07-06 | 2016-12-14 | 东南大学 | 一种基于人‑车‑路‑货多风险源的货运安全评价模型 |
| CN107180219A (zh) * | 2017-01-25 | 2017-09-19 | 问众智能信息科技（北京）有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
-
2017
- 2017-01-25 CN CN201710063040.4A patent/CN107180219A/zh active Pending
- 2017-11-01 CN CN201711060253.8A patent/CN107833312A/zh active Pending
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107833312A (zh) * | 2017-01-25 | 2018-03-23 | 问众智能信息科技（北京）有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
| CN107653789A (zh) * | 2017-09-22 | 2018-02-02 | 长安大学 | 一种基于人因可靠性的隧道口交通标志设置方法 |
| CN107653789B (zh) * | 2017-09-22 | 2020-01-10 | 长安大学 | 一种基于人因可靠性的隧道口交通标志设置方法 |
| CN109782730A (zh) * | 2017-11-14 | 2019-05-21 | 通用汽车环球科技运作有限责任公司 | 用于自主系统性能和评级的方法和装置 |
| CN108482385A (zh) * | 2018-04-18 | 2018-09-04 | 哈尔滨工业大学 | 一种考虑交通环境复杂度的车载设备操作风险辨识方法 |
| CN108549230A (zh) * | 2018-04-27 | 2018-09-18 | 李德祥 | 一种基于改进概率神经网络算法的车辆控制系统 |
| CN109017796A (zh) * | 2018-07-25 | 2018-12-18 | 深圳市元征科技股份有限公司 | 一种危险驾驶预警方法、系统、设备及计算机存储介质 |
| CN111382883A (zh) * | 2018-12-29 | 2020-07-07 | 北京嘀嘀无限科技发展有限公司 | 网约车接单权限控制方法、装置及设备 |
| CN113650710A (zh) * | 2021-08-31 | 2021-11-16 | 向量传感科技(宁波)有限公司 | 一种摩托车避碰方法、系统、电子设备及存储介质 |
| CN113650710B (zh) * | 2021-08-31 | 2022-09-02 | 向量传感科技(宁波)有限公司 | 一种摩托车避碰方法、系统、电子设备及存储介质 |
| CN114967648A (zh) * | 2022-05-27 | 2022-08-30 | 中国人民解放军海军工程大学 | 一种设备多任务模态下的危险控制评估方法 |
| CN114967648B (zh) * | 2022-05-27 | 2024-07-12 | 中国人民解放军海军工程大学 | 一种设备多任务模态下的危险控制评估方法 |
| CN119078759A (zh) * | 2024-09-03 | 2024-12-06 | 易显智能科技有限责任公司 | 一种基于驾驶人行为数据进行车辆制动力度控制的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107833312A (zh) | 2018-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107180219A (zh) | 基于多模态信息的驾驶危险系数评估方法和装置 | |
| US11322018B2 (en) | Determining causation of traffic events and encouraging good driving behavior | |
| CN109242251B (zh) | 行车行为安全性检测方法、装置、设备及存储介质 | |
| US10977567B2 (en) | Automated vehicular accident detection | |
| US10065652B2 (en) | Method and system for driver monitoring by fusing contextual data with event data to determine context as cause of event | |
| US20190042857A1 (en) | Information processing system and information processing method | |
| JP5842996B2 (ja) | 不慮予測感度判定装置 | |
| CN106611513B (zh) | 交通信息提供装置、系统以及方法 | |
| CN110738842A (zh) | 事故责任划分及行为分析方法、装置、设备及存储介质 | |
| US11205344B2 (en) | Driving behavior evaluation device, driving behavior evaluation method, and storage medium | |
| CN110310499A (zh) | 一种匝道限速识别的方法及装置 | |
| CN105388021A (zh) | Adas虚拟开发与测试系统 | |
| CN108305478A (zh) | 用于避免与公共汽车发生干扰的系统和方法 | |
| CN107389085A (zh) | 一种道路通行属性的确定方法、装置、计算机及存储介质 | |
| CN108073893A (zh) | 使用距离数据检测植物 | |
| CN107490485A (zh) | 车辆健康度检测方法、装置及车辆 | |
| US11654938B1 (en) | Methods and apparatus for disengaging an autonomous mode based on lateral error of an autonomous vehicle | |
| JPWO2013136778A1 (ja) | 不慮予測感度判定装置 | |
| CN109710658A (zh) | 自动驾驶评测方法、装置及设备 | |
| CN114664085A (zh) | 危险路段的提醒方法、装置、电子设备及介质 | |
| CN110688611B (zh) | 环境因素对在役隧道行车安全的评价方法及装置 | |
| JP6678147B2 (ja) | 危険予兆判定装置、危険予兆判定システム、車両、およびプログラム | |
| Vavouranakis et al. | Recognizing driving behaviour using smartphones | |
| Helvaci et al. | Improving driver behavior using gamification | |
| Ren et al. | PADS: A reliable pothole detection system using machine learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170919 |