CN109927730B - 一种基于dms系统的实时疲劳驾驶行为评分系统和方法 - Google Patents
一种基于dms系统的实时疲劳驾驶行为评分系统和方法 Download PDFInfo
- Publication number
- CN109927730B CN109927730B CN201910234527.3A CN201910234527A CN109927730B CN 109927730 B CN109927730 B CN 109927730B CN 201910234527 A CN201910234527 A CN 201910234527A CN 109927730 B CN109927730 B CN 109927730B
- Authority
- CN
- China
- Prior art keywords
- fatigue
- behavior
- driving behavior
- fatigue driving
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000006399 behavior Effects 0.000 claims abstract description 136
- 238000013077 scoring method Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 17
- 241001282135 Poromitra oscitans Species 0.000 claims description 11
- 206010048232 Yawning Diseases 0.000 claims description 11
- 238000013499 data model Methods 0.000 claims description 9
- 230000000391 smoking effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000001815 facial effect Effects 0.000 claims description 7
- 230000004399 eye closure Effects 0.000 claims description 4
- 230000007774 longterm Effects 0.000 abstract description 7
- 206010039203 Road traffic accident Diseases 0.000 abstract description 5
- 238000012954 risk control Methods 0.000 abstract description 5
- 210000003128 head Anatomy 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种基于DMS系统的实时疲劳驾驶行为评分系统，包括DMS设备、服务器端和客户端；一种基于DMS系统的实时疲劳驾驶行为评分方法，用于综合评定驾驶员长期的行为习惯，实现对驾驶员的风险管控。本发明具有数据采集过程简单、成本低廉、评分体系合理的优点，具备较好的推广和使用前景；本发明通过服务器端向客户端共享数据，促使驾驶员提高安全意识，规范驾驶行为，从而使社会交通事故率下降，提高公共交通安全等级。
Description
技术领域
本发明属于疲劳驾驶行为长期监测技术领域，具体涉及一种基于DMS系统的实时疲劳驾驶行为评分系统和方法。
背景技术
伴随着社会经济和、汽车工业的发展，机动车大量增加，方便了人们的生活，提高了生活质量。但与此同时，交通事故率也逐年增加，疲劳驾驶一直被认为是引发交通事故的主要原因之一，必须引起高度重视。
DMS(Driver Monitoring System)即疲劳驾驶预警系统，用于在行车过程中全程监测驾驶员的驾驶行为，是否出现疲劳状态等。当监测到驾驶员出现CLOSED_EYE(闭眼)、YAWNING(打哈欠)、DOWN_HEAD(低头)、LOOK_AROUND(左顾右盼)、PHONING(打电话)、SMOKING(抽烟)及其他错误驾驶状态后，预警系统将会及时对此类行为进行分析，并做语音提示，达到警示驾驶员，纠正错误驾驶行为的目的。
目前业界使用的疲劳驾驶监测系统主要用于监控、预警，对于驾驶员管理以及风险控制没有统一的标准，无法综合评定驾驶员长期的行为习惯。因此提供一种长期的评定方法非常有必要。
发明内容
本发明要解决的技术问题是：提供一种基于DMS系统的实时疲劳驾驶行为评分系统和方法，用于综合评定驾驶员长期的行为习惯，实现对驾驶员的风险管控。
本发明为解决上述技术问题所采取的技术方案为：一种基于DMS系统的实时疲劳驾驶行为评分系统，包括DMS设备、服务器端和客户端；DMS设备用于采集驾驶行为信息和检测具体的疲劳驾驶行为；服务器端包括疲劳驾驶评分模块，疲劳驾驶评分模块的信号输入端通过无线通信网络与DMS设备的信号输出端相连；疲劳驾驶评分模块用于根据大量驾驶行为数据样本和大量疲劳行为数据样本建立的数据模型对收到的疲劳驾驶行为信息进行实时计算，并给出驾驶行为评分；客户端的信号输入端通过信息共享接口与疲劳驾驶评分模块的信号输出端相连；用于共享驾驶行为评分的信息。
按上述方案，所述的DMS设备包括摄像头和疲劳检测模块，摄像头的信号输出端与疲劳检测模块的信号输入端相连；摄像头用于采集驾驶行为信息，疲劳检测模块用于检测具体的疲劳驾驶行为。
一种基于DMS系统的实时疲劳驾驶行为评分方法，包括以下步骤：
步骤S1：车辆启动，DMS设备上电开机；
步骤S2：DMS设备在车辆行驶过程中通过摄像头实时采集驾驶员面部特征信息，并发送到疲劳检测模块；
步骤S3：疲劳检测模块通过对步骤S2收到的信息进行计算，判断驾驶员是否存在疲劳驾驶行为；若驾驶员的动作持续时间小于等于设定值则判断不存在疲劳驾驶行为，从步骤S2循环；若驾驶员的动作持续时间大于设定值则判断存在疲劳驾驶行为，DMS设备将疲劳驾驶行为信息通过无线通信网络发送到服务器端；
步骤S4：服务器端通过疲劳驾驶行为评分模块对步骤S3中得到的信息计算疲劳驾驶行为得分，通过信息共享接口将评分信息共享给客户端；
步骤S5：判断车辆是否到达目的地，若否则从步骤S2开始循环执行；若是则停止行驶，发送机熄火，DMS设备自动关机断电。
进一步的，步骤S3中所述的疲劳驾驶行为包括闭眼、打哈欠、低头、左顾右盼、打电话和抽烟。
进一步的，所述的步骤S4中，具体步骤为：
步骤S41：设疲劳驾驶行为得分最高分为100分，最低分为0分；
步骤S42：根据步骤S3得到的大量驾驶行为数据样本建立的数据模型计算单项疲劳行为n危险系数，即在不同车速下单项驾驶行为i危险系数的平均值：
数值越大表示该项疲劳行为在同一车速范围中危险程度越大；
步骤S43：根据步骤S42得到的公式计算单项疲劳行为n次数：
步骤S44：根据大量疲劳行为数据样本建立的数据模型计算单项疲劳行为n标准系数，即在一定里程范围内发生单项疲劳行为n次数的平均值：
数值越大表示单项疲劳行为n在一定里程范围内的发生次数越少；
步骤S45：判断(1-单项疲劳行为n标准系数×单项疲劳行为n次数/里程数)<0是否成立，若成立则单项疲劳行为n得分为0；若不成立则单项疲劳行为n得分为(1-单项疲劳行为n标准系数×单项疲劳行为n次数/里程数)；
步骤S46：计算疲劳驾驶行为得分：
步骤S47：通过信息共享接口将评分信息共享给客户端。
本发明的有益效果为：
1.本发明的一种基于DMS系统的实时疲劳驾驶行为评分系统和方法用于综合评定驾驶员长期的行为习惯，实现对驾驶员的风险管控。
2.本发明采用车载DMS设备实时采集驾驶员面部特征信息实现精确采集以及实时计算，具有数据采集过程简单、成本低廉的优点，具备较好的推广和使用前景。
3.本发明采用无线网络传输驾驶员驾面部特征信息至云端服务器进而实现疲劳驾驶行为实时评分、监控以及信息共享；通过服务器端向客户端共享数据，促使驾驶员提高安全意识，规范驾驶行为，从而使社会交通事故率下降，提高公共交通安全等级。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施例中计算疲劳驾驶行为得分的流程图。
图3是本发明实施例的功能框图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
参见图3，一种基于DMS系统的实时疲劳驾驶行为评分系统，包括DMS设备、服务器端和客户端。DMS设备包括摄像头和疲劳检测模块，摄像头的信号输出端与疲劳检测模块的信号输入端相连；摄像头用于采集驾驶行为信息，疲劳检测模块用于检测具体的疲劳驾驶行为；服务器端包括疲劳驾驶评分模块，疲劳驾驶评分模块的信号输入端通过无线通信网络与DMS设备中疲劳检测模块的信号输出端相连；疲劳驾驶评分模块用于根据大量驾驶行为数据样本和大量疲劳行为数据样本建立的数据模型对收到的疲劳驾驶行为信息进行实时计算，并给出驾驶行为评分；客户端的信号输入端通过信息共享接口与疲劳驾驶评分模块的信号输出端相连；用于共享驾驶行为评分的信息。
车辆的一次行程为一次完整的评分周期，由车辆启动、DMS设备上电开机为一次行程的开始；在车辆行驶过程中，DMS设备实时分析上报驾驶员的疲劳驾驶行为到云端服务器，实时计算从行程开始至当前时间点的疲劳驾驶评分；车辆到达目的地熄火，DMS设备自动关机，至此该次实时评分周期结束。参见图1和图2，本发明的一种基于DMS系统的实时疲劳驾驶行为评分方法包括以下步骤：
步骤S1：车辆启动，DMS设备上电开机。
步骤S2：DMS设备在车辆行驶过程中通过摄像头实时采集驾驶员面部特征信息，并发送到疲劳检测模块。
步骤S3：疲劳检测模块通过对步骤S2收到的信息进行计算，并判断驾驶员是否存在疲劳驾驶行为；若得到的结论是不存在疲劳驾驶行为则从步骤S2循环；若得到的结论是存在疲劳驾驶行为，则DMS设备将疲劳驾驶行为信息通过无线通信网络发送到服务器端。
步骤S31：疲劳检测模块通过对步骤S2收到的信息进行计算，若驾驶员双眼闭合持续时间大于1.5秒，则判断驾驶员闭眼；若驾驶员张嘴持续时间大于1.3秒，则判断驾驶员打哈欠；若驾驶员低头持续时间大于1.5秒，则判断驾驶员低头；若驾驶员向左或向右偏头时间大于1.8秒，则判断驾驶员左顾右盼；若驾驶员左手或右手持电话持续时间大于3秒，则判断驾驶员打电话；若驾驶员嘴上叼烟持续时间大于2秒，则判断驾驶员吸烟；若驾驶员的动作持续时间均为小于等于上述要求则判断不存在疲劳驾驶行为；
步骤S32：若得到的结论是不存在疲劳驾驶行为则重复步骤S2；若得到的结论是存在疲劳驾驶行为，则DMS设备将疲劳驾驶行为信息通过无线通信网络发送到服务器端。
步骤S4：服务器端通过疲劳驾驶行为评分模块对步骤S3中得到的信息计算疲劳驾驶行为得分，通过信息共享接口将评分信息共享给客户端：
步骤S41：设疲劳驾驶行为得分最高分为100分，最低分为0分；
步骤S42：根据步骤S3得到的大量驾驶行为数据样本建立的数据模型计算单项疲劳行为n危险系数，即在不同车速下单项驾驶行为i危险系数的平均值：
如下表所示，数值越大表示该项疲劳行为在同一车速范围中危险程度越大；
表1
| 车速 | 闭眼 | 打哈欠 | 低头 | 左顾右盼 | 打电话 | 抽烟 |
| 60～80 | 0.3 | 0.1 | 0.4 | 0.2 | 0.5 | 0.2 |
| 80～120 | 0.5 | 0.3 | 0.6 | 0.4 | 0.7 | 0.7 |
| ＞120 | 1.2 | 0.8 | 1.3 | 1.0 | 1.3 | 1.1 |
步骤S43：根据步骤S42得到的公式计算单项疲劳行为n次数：
步骤S44：根据大量疲劳行为数据样本建立的数据模型计算单项疲劳行为n标准系数，即在一定里程范围内发生单项疲劳行为n次数的平均值：
如下表所示，数值越大表示单项疲劳行为n在一定里程范围内的发生次数越少；
表2
| 闭眼 | 打哈欠 | 低头 | 左顾右盼 | 打电话 | 抽烟 |
| 0.83 | 0.45 | 0.65 | 0.24 | 0.13 | 0.16 |
步骤S45：判断(1-单项疲劳行为n标准系数×单项疲劳行为n次数/里程数)<0是否成立，若成立则单项疲劳行为n得分为0；若不成立则单项疲劳行为n得分为(1-单项疲劳行为n标准系数×单项疲劳行为n次数/里程数)；
步骤S46：计算疲劳驾驶行为得分：
步骤S47：通过信息共享接口将评分信息共享给客户端。
步骤S5：判断车辆是否到达目的地，若否则从步骤S2开始循环执行；若是则停止行驶，发送机熄火，DMS设备自动关机断电。
综上所述，本发明的一种基于DMS系统的实时疲劳驾驶行为评分系统和方法用于综合评定驾驶员长期的行为习惯，实现对驾驶员的风险管控。本发明具有数据采集过程简单、成本低廉、评分体系合理的优点，具备较好的推广和使用前景；本发明通过服务器端向客户端共享数据，促使驾驶员提高安全意识，规范驾驶行为，从而使社会交通事故率下降，提高公共交通安全等级。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。
Claims (3)
1.一种基于DMS系统的实时疲劳驾驶行为评分方法，其特征在于：包括以下步骤：
步骤S1：车辆启动，DMS设备上电开机；
步骤S2：DMS设备在车辆行驶过程中通过摄像头实时采集驾驶员面部特征信息，并发送到疲劳检测模块；
步骤S3：疲劳检测模块通过对步骤S2收到的信息进行计算，判断驾驶员是否存在疲劳驾驶行为；若驾驶员的动作持续时间小于等于设定值则判断不存在疲劳驾驶行为，从步骤S2循环；若驾驶员的动作持续时间大于设定值则判断存在疲劳驾驶行为，DMS设备将疲劳驾驶行为信息通过无线通信网络发送到服务器端；
步骤S3中所述的疲劳驾驶行为包括闭眼、打哈欠、低头、左顾右盼、打电话和抽烟；设单项疲劳行为n为闭眼、打哈欠、低头、左顾右盼、打电话和抽烟中任意一种疲劳驾驶行为；
步骤S4：服务器端通过疲劳驾驶行为评分模块对步骤S3中得到的信息计算疲劳驾驶行为得分，通过信息共享接口将评分信息共享给客户端；
所述的步骤S4中，具体步骤为：
步骤S41：设疲劳驾驶行为得分最高分为100分，最低分为0分；
步骤S42：根据步骤S3得到的大量驾驶行为数据样本建立的数据模型计算单项疲劳行为n危险系数，即在不同车速下单项驾驶行为i危险系数的平均值：
设单项疲劳行为n在60≤车速≤80、80＜车速≤120、车速＞120时的危险系数分别为单项驾驶行为i危险系数：
当60≤车速≤80时，闭眼的危险系数为0.3，打哈欠的危险系数为0.1，低头的危险系数为0.4，左顾右盼的危险系数为0.2，打电话的危险系数为0.5，抽烟的危险系数为0.2；
当80＜车速≤120时，闭眼的危险系数为0.5，打哈欠的危险系数为0.3，低头的危险系数为0.6，左顾右盼的危险系数为0.4，打电话的危险系数为0.7，抽烟的危险系数为0.7；
当车速＞120时，闭眼的危险系数为1.2，打哈欠的危险系数为0.8，低头的危险系数为1.3，左顾右盼的危险系数为1.0，打电话的危险系数为1.3，抽烟的危险系数为1.1；
数值越大表示该项疲劳行为在同一车速范围中危险程度越大；
步骤S43：根据步骤S42得到的公式计算单项疲劳行为n次数：
步骤S44：根据大量疲劳行为数据样本建立的数据模型计算单项疲劳行为n标准系数，即在一定里程范围内发生单项疲劳行为n次数的平均值：
闭眼标准系数为0.83，打哈欠标准系数为0.45，低头标准系数为0.65，左顾右盼标准系数为0.24，打电话标准系数为0.13，抽烟标准系数为0.16；
数值越大表示单项疲劳行为n在一定里程范围内的发生次数越少；
步骤S45：判断(1-单项疲劳行为n标准系数×单项疲劳行为n次数/里程数)<0是否成立，若成立则单项疲劳行为n得分为0；若不成立则单项疲劳行为n得分为(1-单项疲劳行为n标准系数×单项疲劳行为n次数/里程数)；
步骤S46：计算疲劳驾驶行为得分：
步骤S47：通过信息共享接口将评分信息共享给客户端；
步骤S5：判断车辆是否到达目的地，若否则从步骤S2开始循环执行；若是则停止行驶，发送机熄火，DMS设备自动关机断电。
2.一种基于DMS系统的实时疲劳驾驶行为评分系统，其特征在于：包括DMS设备、服务器端和客户端；DMS设备用于采集驾驶行为信息和检测具体的疲劳驾驶行为；服务器端包括疲劳驾驶评分模块，疲劳驾驶评分模块的信号输入端通过无线通信网络与DMS设备的信号输出端相连；疲劳驾驶评分模块用于根据大量驾驶行为数据样本和大量疲劳行为数据样本建立的数据模型对收到的疲劳驾驶行为信息进行实时计算，并给出驾驶行为评分；客户端的信号输入端通过信息共享接口与疲劳驾驶评分模块的信号输出端相连；用于共享驾驶行为评分的信息。
3.根据权利要求2所述的一种基于DMS系统的实时疲劳驾驶行为评分系统，其特征在于：所述的DMS设备包括摄像头和疲劳检测模块，摄像头的信号输出端与疲劳检测模块的信号输入端相连；摄像头用于采集驾驶行为信息，疲劳检测模块用于检测具体的疲劳驾驶行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910234527.3A CN109927730B (zh) | 2019-03-26 | 2019-03-26 | 一种基于dms系统的实时疲劳驾驶行为评分系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910234527.3A CN109927730B (zh) | 2019-03-26 | 2019-03-26 | 一种基于dms系统的实时疲劳驾驶行为评分系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109927730A CN109927730A (zh) | 2019-06-25 |
| CN109927730B true CN109927730B (zh) | 2021-01-26 |
Family
ID=66988362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910234527.3A Active CN109927730B (zh) | 2019-03-26 | 2019-03-26 | 一种基于dms系统的实时疲劳驾驶行为评分系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109927730B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110946595B (zh) * | 2019-12-16 | 2022-05-17 | 武汉极目智能技术有限公司 | 一种基于dms系统的驾驶员疲劳程度的检测方法 |
| CN112132475A (zh) * | 2020-09-27 | 2020-12-25 | 上海应用技术大学 | 司机驾驶安全绩效考核方法及系统 |
| CN115953858B (zh) * | 2022-11-29 | 2025-03-25 | 摩尔线程智能科技(北京)股份有限公司 | 一种基于车载dms的驾驶评分方法、装置及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408922A (zh) * | 2014-12-01 | 2015-03-11 | 东莞职业技术学院 | 基于北斗导航驾驶行为评分方法 |
| CN107126224A (zh) * | 2017-06-20 | 2017-09-05 | 中南大学 | 一种基于Kinect的轨道列车驾驶员状态的实时监测和预警方法与系统 |
| CN107491769A (zh) * | 2017-09-11 | 2017-12-19 | 中国地质大学（武汉） | 基于AdaBoost算法的疲劳驾驶检测方法及系统 |
| CN108647630A (zh) * | 2018-05-08 | 2018-10-12 | 北京优创新港科技股份有限公司 | 一种基于视频识别的危险驾驶行为监督方法与装置 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100462047C (zh) * | 2007-03-21 | 2009-02-18 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
| JP5345660B2 (ja) * | 2011-09-08 | 2013-11-20 | 本田技研工業株式会社 | 車載機器特定装置 |
| JP6288653B2 (ja) * | 2012-10-19 | 2018-03-07 | オートリブ ディベロップメント エービー | 運転者注意力検出方法および装置 |
| CN105139070B (zh) * | 2015-08-27 | 2018-02-02 | 南京信息工程大学 | 基于人工神经网络和证据理论的疲劳驾驶评价方法 |
| CN105303830A (zh) * | 2015-09-15 | 2016-02-03 | 成都通甲优博科技有限责任公司 | 一种驾驶行为分析系统及分析方法 |
| CN106571015A (zh) * | 2016-09-09 | 2017-04-19 | 武汉依迅电子信息技术有限公司 | 基于互联网络的驾驶行为数据采集方法 |
| CN108256714A (zh) * | 2016-12-29 | 2018-07-06 | 得道车联网络科技（上海）有限公司 | 一种基于车联网大数据的行车轨迹实时风险评估模型 |
| CN106803008A (zh) * | 2017-02-15 | 2017-06-06 | 武汉极目智能技术有限公司 | 一种基于adas系统的实时驾驶行为评分方法与系统 |
| CN108215794A (zh) * | 2018-01-04 | 2018-06-29 | 项卢杨 | 一种防疲劳驾驶系统及方法 |
| CN109493566B (zh) * | 2018-12-18 | 2020-09-08 | 长安大学 | 一种基于gps数据的疲劳驾驶预测方法 |
-
2019
- 2019-03-26 CN CN201910234527.3A patent/CN109927730B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408922A (zh) * | 2014-12-01 | 2015-03-11 | 东莞职业技术学院 | 基于北斗导航驾驶行为评分方法 |
| CN107126224A (zh) * | 2017-06-20 | 2017-09-05 | 中南大学 | 一种基于Kinect的轨道列车驾驶员状态的实时监测和预警方法与系统 |
| CN107491769A (zh) * | 2017-09-11 | 2017-12-19 | 中国地质大学（武汉） | 基于AdaBoost算法的疲劳驾驶检测方法及系统 |
| CN108647630A (zh) * | 2018-05-08 | 2018-10-12 | 北京优创新港科技股份有限公司 | 一种基于视频识别的危险驾驶行为监督方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109927730A (zh) | 2019-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109927730B (zh) | 一种基于dms系统的实时疲劳驾驶行为评分系统和方法 | |
| US20240290146A1 (en) | Driving Event Data Analysis | |
| US11343116B2 (en) | Method and system for detecting and defending against abnormal traffic of in-vehicle network based on information entropy | |
| CN105469035A (zh) | 基于双目视频分析的驾驶员不良驾驶行为检测系统 | |
| CN111131185A (zh) | 基于机器学习的can总线网络异常检测方法及装置 | |
| CN108791299A (zh) | 一种基于视觉的驾驶疲劳检测及预警系统及方法 | |
| CN108454633B (zh) | 规范司机驾驶行为的方法和装置 | |
| CN104494601A (zh) | 基于obd的驾驶行为分析及驾驶辅助系统 | |
| CN106205054A (zh) | 安全驾驶智能预警方法、车载设备及服务器 | |
| CN112937599B (zh) | 一种驾驶辅助性能监测系统及方法 | |
| CN110070704A (zh) | 一种汽车行驶记录仪的电子围栏监控方法 | |
| WO2023274071A1 (zh) | 驾驶行为监控方法、装置、电子设备及存储介质 | |
| CN109823347B (zh) | 智能网联车驾驶行为辅助安全系统与方法 | |
| CN106980313B (zh) | 一种汽车驾驶方式优化系统及优化方法 | |
| CN108093219A (zh) | 基于行车记录仪的交通违法事故信息上报系统及方法 | |
| CN111209797A (zh) | 一种驾驶行为监控的方法、装置、设备和存储介质 | |
| CN114093143A (zh) | 一种车辆驾驶风险感知预警方法及装置 | |
| CN113986893A (zh) | 一种基于发电车风险识别主动预警系统及方法 | |
| CN110723148A (zh) | 不良驾驶行为的识别方法与识别装置 | |
| CN107867295B (zh) | 基于车辆出险概率的事故预警方法、存储设备及车载终端 | |
| CN114913398A (zh) | 一种客运驾驶员实时行车风险辨识及风险等级判定的方法 | |
| CN109835280B (zh) | 一种通过语音识别显示车辆状态及驾驶行为的系统和车辆 | |
| CN113232670A (zh) | 基于区块链的驾驶行为分析方法 | |
| CN113022557A (zh) | 一种基于主动安全预警的车载监控系统及方法 | |
| CN110047167B (zh) | 车辆急转弯次数等效统计方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |