[发明专利]一种识别驾驶行为的系统、方法、装置和存储介质

说明书

本申请涉及用于识别司机的危险驾驶行为的系统和方法。系统可以从与司机驾驶的车辆相关联的传感器获取驾驶数据；根据驾驶数据确定目标时段；根据驾驶数据获取目标时段内的目标数据；并根据目标数据确定司机的危险驾驶行为。

交叉引用

本申请要求于2018年3月1日提交的中国专利申请No.201810171875.6和于2018年6月25日提交的中国专利申请No.201810664251.8的优先权，其内容通过引用整体并入本文。

技术领域

本申请涉及用于线上到线下服务的系统和方法，尤其涉及用于识别危险驾驶行为的系统和方法。

背景技术

随着道路建设的快速发展，车辆的数量越来越多。大量车辆可能频繁发生交通事故，因此安全驾驶已成为一个重大问题。司机很少意识到他们的危险驾驶行为，导致很大的交通安全危险。此外，随着互联网技术的发展，基于互联网的线上到线下服务(例如，在线出租车服务)变得越来越流行。因此，有必要实时检测司机的驾驶行为，以确保乘客和司机的人身安全。

在某些情况下，网约车平台可以基于安装在与在线出租车服务相关联的智能设备(例如，移动手机)上的传感器检测到的驾驶数据来分析司机的驾驶行为。然而，不同移动手机的传感器或同一移动手机的不同型号的准确度和灵敏度可能完全不同，这可能导致司机的驾驶行为无法被准确识别。因此，希望提供有效且准确地识别司机驾驶行为的系统和方法。

发明内容

根据本申请的一个方面，提供了一种识别驾驶行为的方法。所述方法包括获取第一运动数据；确定前置规则，所述前置规则包括波动方差阈值；基于所述前置规则，确定时间段；获取所述时间段内的第二运动数据；以及基于所述第二运动数据，识别驾驶行为。

在一些实施例中，所述获取所述第二运动数据包括当所述第一运动数据触发所述前置规则准入时，获取特征数据；基于所述特征数据，过滤所述第一运动数据；以及当所述第一运动数据触发所述前置规则准出时，停止过滤所述第一运动数据。

在一些实施例中，所述过滤第一运动数据包括基于机器学习模型及所述特征数据，过滤所述第一运动数据中不需要的信息。

在一些实施例中，所述机器学习模型为摇晃二分类模型。

在一些实施例中，所述特征数据包括加速度最大值、加速度最小值、

加速度均值、加速度变换角度最大值、加速度变换角度最小值、加速度变换角度均值和/或沿三维坐标系三个方向上加速度最大值、沿三维坐标系三个方向上加速度最小值、沿三维坐标系三个方向上加速度均值。

在一些实施例中，采用传感器获取第一运动数据，所述传感器包括陀螺仪、加速度传感器、全球定位系统定位传感器和/或者重力传感器。

在一些实施例中，所述的方法进一步包括基于所述第一运动数据判断设备是否正随着交通工具移动。

在一些实施例中，所述第一运动数据包括线性加速度、角加速度和/或者姿态信息，所述姿态信息包括角色信息、角度信息、偏航信息和/或者俯仰信息。

在一些实施例中，所述获取第二运动数据由处理器执行。所述传感器基于第一预设时间间隔产生第一运动数据，所述处理器基于第二预设时间间隔获取第一运动数据。

在一些实施例中，所述处理器通过固定的采样频率或者变化的采样频率发送所述时间段内的第二运动数据、所述时间段给服务器。