RS55598B1 - Sistem i postupak za profilisanje vozača - Google Patents
Sistem i postupak za profilisanje vozačaInfo
- Publication number
- RS55598B1 RS55598B1 RS20170040A RSP20170040A RS55598B1 RS 55598 B1 RS55598 B1 RS 55598B1 RS 20170040 A RS20170040 A RS 20170040A RS P20170040 A RSP20170040 A RS P20170040A RS 55598 B1 RS55598 B1 RS 55598B1
- Authority
- RS
- Serbia
- Prior art keywords
- profile
- driver
- event
- events
- path
- Prior art date
Links
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
- 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
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Pressure Welding/Diffusion-Bonding (AREA)
- Silver Salt Photography Or Processing Solution Therefor (AREA)
Description
[0001]Ovaj pronalazak odnosi se na postupak i sistem za profilisanje performanse vozača vozila, na primer automobila ili kamiona.
[0002]Trenutno postoji veliko interesovanje u oblasti analize stila vožnje. Iz jednog razloga, povećano korišćenje senzora položaja kao što su GPS senzori koji su postavljeni kao standard u mnogim mobilnim uređajima, prenosivim navigacionim uređajima i na motornim vozilima znače da su sirovi podaci potrebni za dobijanje informacije o kretanju vozila i prema tome o performansi vozača vozila dostupni po niskoj ceni. U isto vreme, povećanjem cene goriva, i opštim podizanjem svesti o uticaju motornog saobraćaja na životnu sredinu, takođe se podiže svest kod menadžera voznog parka i individualnih vozača o efikasnosti, kao i želja da se poboljša efikasnost, njihovog voznog parka i vozača. Tu je takođe povećana svest o aspektima bezbednosti vožnje, jer se sadašnji zakon odnosi na to da kompanije imaju sve veću odgovornost brige za svoje zaposlene pri vožnji na službenom putu - i omogućava kompaniji da shvati stil vožnje svojih vozača čime se dozvoljava da ona obezbedi poboljšanu obuku koja je usmerena na određene aspekte određenog stila vožnje vozača koji možda treba poboljšati.
[0003]Poznati su sistemi stanja tehnike za praćenje performanse vozača. Uobičajeno, oni rade po principu slanja upozorenja ukoliko otkriju "prekoračenje" u ponašanju vozača, kao što je prekoračenje unapred postavljene maksimalne brzine, ili kočenja ili ubrzanja više od unapred određenog stepena. Na primer, EP1481344 opisuje sistem u kom se određeni položaj i brzina vozila mogu uporediti sa elektronskom mapom da bi se odredilo da li je vozilo prekoračilo granicu brzine u određenom položaju.
[0004]Ovi sistemi stanja tehnike imaju nedostatak koji se ogleda u tome što mogu da obezbede samo relativno grubu meru performanse vozača. Na primer, deonice puta će obično imati delove gde je najbolja brzina za vožnju ispod propisane granice brzine za taj put (na primer kao što je oštra krivina ili ulazak u raskrsnicu), a to prolaženje takvih delova brzinom na granici propisane bilo je manje od optimalnog ponašanja. Sistemi stanja tehnike ne bi, međutim, generisali upozorenje ako je vozač prolazio takve delove na granici propisane brzine za tu deonicu puta.
[0005]Dalji nedostatak ovih sistema stanja tehnike je da oni mogu da ukažu samo gde je i kada došlo do prekoračenja, a ne mogu da daju bilo kakvu informaciju kao što je zašto, ili pod kojim uobičajenim uslovima je određeni vozač izvršio prekoračenje.
[0006]EP 1 811 481 odnosi se na postupak i sistem za praćenje i analiziranje stila vozača. Odnosi se na obuku vozača radi poboljšanja kako bi on vozio na bezbedan i ekonomičan način. Neki aspekt ovog pronalaska obuhvata postupak obuke vozača vozila koji obuhvata praćenje položaja vozila dok njime upravlja vozač, praćenje parametara vezanih za vozilo dok njime upravlja vozač, generisanje profila vozača koji ukazuje na stil vožnje vozača na osnovu položaja vozila i parametara vezanih za vozilo dok se vozi, i pružanje povratne informacije vozaču korišćenjem profila vozača.
[0007]EP 2 174 838 predlaže sistem asistencije tokom vožnje za vozilo koje dobija kratkotrajne podatke koji predstavljaju trenutno stanje putovanja i vožnju i srednje-trajne podatke koji predstavljaju stanje putovanja i vožnju tog dana. Dijagnoza vožnje izvodi se upoređivanjem distribucije kratko-trajanih podataka i distribucije srednjeg-datuma, a rezultat dijagnoze vožnje ocenjuje se sa dva kriterijuma za ocenjivanje kako bi se obezbedilo upozorenje ili predlog poboljšanja operacije.
[0008]Prvi aspekt ovog pronalaska obezbeđuje računarski implementiran postupak profilisanja vozača koji obuhvata: događaje identifikovanja u podacima koji predstavljaju kretanje vozila, događaje koji uključuju događaje ubrzanja i/ili događaje kočenja okarakterisane brzinom kojom se vozilo kretalo kada je došlo do odgovarajućeg događaja; izbor jednog ili više događaja na osnovu indeksa profila vezanog za odgovarajući događaj, pri čemu je indeks profila u vezi sa najmanje putanjom na kojoj se vozilo kretalo u trenutku tokom odgovarajućeg događaja; određivanje profila vozača iz izabranih događaja i karakterisanje upravljačkog ponašanja vozača na osnovu profila vozača.
[0009]Trebalo bi naznačiti da, budući da događaj ima ograničeno trajanje, događaj može da premosti dve ili više putanje - to jest, događaj može da počne kada je vozilo na jednoj putanji, a da se završi kada je vozilo na drugoj putanji - i vozilo može takođe da pređe jednu ili više intermedijarnih putanja za vreme trajanja događaja. Indeks profila dodeljen nekom događaju može prema tome da odgovara putanji po kojoj se vozilo kretalo u određenoj tački događaja, kao što je početak događaja ili kraj događaja. Ukoliko se želi, događaj može da se poveže sa dva ili više indeksa profila koji se odnose na putanje na kojima se vozilo kretalo u dve ili više tačaka za vreme trajanja događaja.
[0010]Tehnike profilisanja vozača konvencionalno se baziraju na zabeleženoj brzini. Korišćenje događaja kočenja i/ili ubrzanja omogućava da se dobije više informacija o ponašanju vozača. Štaviše, korišćenjem osobina događaja ovaj pronalazak omogućava da se dobije više informacija o ponašanju vozača nego jednostavnim ukazivanjem daje došlo do događaja, a u poželjnim ostvarenjima moguće je da se koristi informacija koja se odnosi na sveukupnost događaja (kao što je početni položaj i krajnji položaj) koja omogućava da se dobije informacija o tome kada je vozač doneo odluku. Naprotiv, u konvencionalnom postupku koji meri ponašanje vozača traženjem prekoračenja, navodeći da prekoračenje do kog je došlo ne daje nikakvu informaciju o okolnostima koje su dovele do toga da vozač počini to prekoračenje. Na primer, jednostavno otkrivanje da kočenje do kog je došlo iznad određenog stepena ne obezbeđuje bilo kakvu informaciju da li vozač reaguje na spoljašnje faktore kao što je loše ponašanje od strane drugih korisnika puta, ili da li je vozač zakasnio u donošenju odluke kao što je, na primer, da uspori na pristupu krivini.
[0011]U jednom ostvarenju, jedan ili više događaja mogu se prvo izabrati za upotrebu u analizi na osnovu jedne ili više osobina. (Na primer, može biti poželjno da se razmotre događaji kočenja koji rezultiraju malom brzinom, tako da mogu da se izaberu događaji kočenja koji imaju vrednost njihove osobine "konačne brzine" ispod određene vrednosti.) Indeks profila se potom generiše za svaki izabrani događaj, a događaji mogu potom da se sortiraju u grupe na osnovu indeksa profila, a moguće na osnovu jedne ili više drugih osobina. Jedna ili više grupa događaja se potom odabira za upotrebu u izgradnji profila vozača. Ovo ostvarenje je računarski efikasno, budući da se indeks profila ne generiše za neki događaj koji nije izabran u početnoj fazi odabira. Međutim, ovaj pronalazak nije ograničen na ovo, i može se izvesti na druge načine. Na primer, događaji mogu da se sortiraju u grupe na osnovu indeksa profila povezanog sa odnosnim događajom i najmanje jedne osobine izvedene iz odgovarajućeg događaja, a potom se jedna ili više grupa može izabrati. Ovime se omogućava bolja analiza ponašanja vozača, jer se omogućava da se manje relevantni događaji isključe iz upotrebe u određivanju profila vozača.
[0012]Osobina povezana sa događajem ubrzanja ili kočenja (ili zaista sa drugim vrstama događaja) može, na primer, da bude brzina kojom se vozilo kretalo kada je došlo do odgovarajućeg događaja, ili može da bude brzina u određenoj tački u trajanju događaja, kao što je brzina najednom ili više od početka događaja, kraja događaja, i brzina u intermedijarnom vremenu u trajanju događaja. Karakterisanje događaja ubrzanja ili događaja kočenja njegovom brzinom može, na primer, da obuhvata označavanje nekog događaja kao događaj "velike brzine" ili "male brzine" koji zavisi od toga da li je brzina vozila povezana sa događajem, na primer brzina vozila na kraju kočenja, veća ili manja nego prag. Štaviše, ostvarenja ovog pronalaska mogu takođe da iskoriste događaje "kočenja prilikom skretanja", koji obezbeđuju informaciju o tome koliko dobro vozač planira unapred. Dodatno ili alternativno, osobine nekog događaja mogu da uključuju jednu ili više lokacija povezanih sa događajem, kao što je jedna ili više od početne lokacije (tj., lokacija na kojoj je započeo događaj), završne lokacije (tj., lokacija na kojoj se završio događaj), i neke intermedijarne lokacije povezane sa događajem, i/ili mogu da uključuju jedno ili više vremena povezanih sa nekim događajem, kao što je jedno ili više od početnog vremena (tj., vreme kada je događaj počeo), vreme završetka (tj, vreme kada se događaj završio). U slučaju događaja kočenja ili događaja ubrzanja, na primer, lokacija na kojoj se javlja pik kočenja, ili pik ubrzanja, može da bude osobina događaja.
[0013]Prednost vezivanja osobina nekog događaja je da se događaji mogu grupisati jednom ili više osobina, na primer veličinom ili opsegom neke osobine, a ne samo vrstom događaja. Na primer događaji ubrzanja i kočenja mogu se grupisati prema tome da li su početne ili krajnje brzine iznad ili ispod praga, a događaji skretanja mogu se grupisati pomoću brzine pri kojoj je došlo do događaja. Grupisanje događaja pomoću jedne ili više osobina omogućava da se događaji klasifikuju prema tome da li su 'od interesa' ili nisu, na primer upoređivanjem neke osobine događaja sa pragom. Događaji koji se klasifikuju kao da nisu od interesa mogu se isključiti iz dalje analize. Grupisanje događaja aspektima njihovih osobina omogućava detaljniju analizu i bolje razumevanje prirode događaja u kontekstu putne mreže.
[0014]Poseban primer korisnosti ovog pristupa trebalo bi da analiira ponašanje vozača oko raskrsnice. Radi karakterisanja vozača pri usporavanju ili zaustavljanju na datim raskrsnicama, od interesa su samo događaji kočenja koji dovode do toga da vozilo bude na maloj brzini. Događaja kočenja pri velikoj brzini (to jest događaj gde je brzina i dalje velika nakon događaja kočenja) može da ukazuje da je vozač na primer podešavao njihovu brzinu radi održavanja rastojanja iza drugog vozila, tako da događaj kočenja nije u vezi sa njihovim ponašanjem na raskrsnici. Geometrija tačaka podataka korišćena radi identifikovanja događaja takođe se koristi da prijavi izbor indeksa profila; prilikom identifikovanja događaja kao predstavljenog kočenja na raskrsnici, putanja na kraju manevra je važna čak iako događaj kao ceo može da obuhvati nekoliko putanja.
[0015]Dalji primer je taj daje poželjno, prilikom razmatranja događaja u krivini, da se razmatraju samo događaji skretanja koji imaju neku povezanu brzinu koja je iznad praga. Događaj skretanja pri maloj brzini predstavlja mali rizik zanošenja vozila, i tako se manja informacija o ponašanju vozača može dobiti od takvih događaja. Naprotiv, događaji skretanja koji se javljaju pri velikim brzinama mogu da ukažu da vozač ne reaguje dovoljno na krivinama na putu (naročito ako se takođe detektuje događaj kočenja).
[0016]Prema tome, grupisanje događaja aspektima njihovih osobina, kao i grupisanje indeksom profila, omogućava analizu posebnih aspekata ponašanja koja ne bi bila moguća ako su događaji jedne vrste (npr. događaji kočenja) grupisani kao celina.
[0017]Karakterisanje upravljačkog ponašanja vozača može da obuhvata određivanje jednog ili više brojčanih rezultata, gde svaki rezultat obezbeđuje meru odnosne crte ličnosti koja utiče na ponašanje tokom vožnje ili drugi zaključak generisan ovim pronalaskom. Na primer brojčani rezultat može se odrediti zajedno ili više od "agresivnosti", "anticipacije", "tempa" i "pažljivosti", i/ili brojčani rezultat može se odrediti tako da obezbedi opštu meru ponašanja vozača tokom vožnje.
[0018]Osobina odnosnog događaja može da uključuje najmanje jedno od: početno vreme događaja; vreme završetka događaja; trajanje događaja; početnu brzinu (to jest, brzinu vozila na početku događaja); krajnju brzinu (to jest, brzinu vozila na kraju događaja); početnu lokaciju; završnu lokaciju; srednji ili maksimalni stepen ubrzanja ili kočenja tokom događaja. U slučaju događaja kočenja ili događaja ubrzanja, na primer, lokacija na kojoj dolazi do pika kočenja, ili pika ubrzanja, može biti osobina događaja.
[0019]Postupak može da obuhvata izvođenje jedne ili više faza analize na profilu analize. Na primer, profil analize može se porediti sa referentnim profilom, iako ovaj pronalazak nije ograničen na ovu posebnu fazu analize.
[0020]Indeks profila može se izvesti od jednog ili više indeksa putanje koji se odnose na karakteristiku(e) putanje koje utiču na ponašanje vozača vozila koje se kreće tom putanjom.
[0021]Indeks profila može dalje da se izvede od jednog ili više indeksa koji su vremenski zavisni i/ili zavise od vozača.
[0022]Događaji mogu dalje da uključuju jedan ili više događaja izabranih iz grupe koja se sastoji od: događaja brzine, događaja skretanja, događaja upoznatosti i događaja rastojanja.
[0023]Jedan ili više indeksa putanje mogu da uključuju najmanje jedan indeks koji navodi klasifikaciju puta putanje na kojoj je došlo do događaja.
[0024]Klasifikacija puta može da uključuje najmanje jedno od vrste puta i kategorizacije puta.
[0025]Određivanje profila vozača može da obuhvata grupisanje događaja na osnovu i vrste događaja i indeksa profila.
[0026]Postupak može dalje da obuhvata izvođenje profila analize od profila vozača, pri čemu profil analize ima manju granularnost nego profil vozača.
[0027]Tačke podataka u profilu vozača mogu, za najmanje jedan indeks profila, da se klasifikuju na osnovu većine mogućih vrednosti za indeks profila, a pri čemu izvođenje profila analize obuhvata izbor tačaka podataka koje odgovaraju podskupu mogućih vrednosti indeksa profila.
[0028]Tačke podataka u profilu vozača mogu, za najmanje jedan indeks profila, da se klasifikuju na osnovu većine mogućih vrednosti za indeks profila, a pri čemu izvođenje profila analize obuhvata spajanje dve ili više mogućih vrednosti indeksa profila.
[0029]Postupak može dalje da obuhvata upoređivanje profila analize sa referentnim profilom.
[0030]Referentni profil može biti profil za jednog ili više naprednih vozača. Alternativno, referentni profil može biti profil za jednog ili više vozača približno iste starosti i/ili vozačkog iskustva kao vozača.
[0031]Kao dalja alternativa, referentni profil može biti profil dobijen kombinovanjem najmanje prvog profila prve grupe vozača i drugog profila druge grupe vozača.
[0032]Ovaj pronalazak takođe obezbeđuje uređaj za profilisanje vozača, pri čemu je uređaj podešen za: identif i kovanje događaja u podacima koji predstavljaju kretanje vozila, događaja koji uključuju događaje ubrzanja i/ili događaje kočenja okarakterisane brzinom kojom se vozilo kretalo kada je došlo do odgovarajućeg događaja; izbor jednog ili više događaja na osnovu indeksa profila povezanog sa odnosnim događajem i najmanje jedne osobine izvedene iz odgovarajućeg događaja, pri čemu je indeks profila u vezi najmanje sa putanjom po kojoj se vozilo kretalo u tački odnosnog događaja; određivanje profila vozača iz izabranih događaja; i karakterisanje upravljačkog ponašanja vozača na osnovu profila vozača.
[0033]Ovaj pronalazak takođe obezbeđuje računarom-čitljivu sredinu koja sadrži uputstva koja, kada ih izvršava procesor, uzrokuju da procesor izvede postupak prvog aspekta.
[0034]Uređaj za profilisanje vozača može da obuhvata: sredstvo za generisanje mreže putanja iz mape puteva; i sredstvo za generisanje, za putanju, jedan ili više indeksa putanje, pri čemu je najmanje jedan indeks putanje povezan sa nekom osobinom koja utiče na ponašanje vozača koji prelazi tu putanju.
[0035]Takav uređaj generiše, za putanju, najmanje jedan indeks putanje koji se odnosi na osobine koje utiču na ponašanje vozača koji prelazi tu putanju, na primer kada vozač prelazi na (npr., pristupi) tu putanju. Na primer, osobine kao što su bilo da vozač mora da skrene da bi pristupio putanji, ili može da se spoji u sabračajnu traku, su važne prilikom analize ponašanja vozača. Poznato je za komercijalne mape puteva da uključuju metapodatke izvedene da obaveste vozača o predstojaćem manevru (na primer da obezbede napredno upozorenje na oštru krivinu), ali ovi metapodaci se ne koriste, i nisu pogodni za upotrebu, u analizi ponašanja vozača. Ovaj aspekt ovog pronalaska stoga prilagođava metapodatke da omogući post-hok (kasniju) analizu ponašanja vozača. Međutim, ovi faktori ne smatraju se relevantnim za planiranje puta i nisu uključeni u konvencionalne digitalne mape puteva - ali su važne za ponašanje vozača. Indeks putanje generisan prema ovom aspektu ovog pronalaska tako omogućava poboljšanu analizu ponašanja vozača.
[0036]Moguće je da se izvede osobina(e) koje utiču na ponašanje vozača koji pristupa putanji iz topologije mreže.
[0037]Indeksi putanje mogu da uključuju indekse povezane sa jednom ili više od kategorije puta, dužine puta, broja traka, gustine puta, kategorije raskrsnice, krivine puta, početne-ili-krajnje-tačke-samo.
[0038]Indeksi putanje mogu da uključuju klasifikaciju puta.
[0039]Postupak profilisanja vozača može da obuhvata: generisanje mreže putanja iz mape puta; i za putanju, generisanje jednog ili više indeksa putanje, pri čemu je svaki pidruženi indeks povezan sa nekom osobinom koja utiče na ponašanje vozača koji prelazi tu putanju. Postupak može biti računarski implementiran postupak. Ovaj pronalazak takođe obezbeđuje računarom-čitljivu sredinu koja sadrži uputstva koja, kada ih izvršava procesor, uzrokuju da procesor izvodi takav postupak.
[0040]Ovaj pronalazak može da generiše vrlo detaljan profil ponašanja vozača, pri velikom broju različitih okolnosti i uslova, i za veliki broj različitih okolnosti i uslova. Ovaj pronalazak koristi kontekst događaja kao što su teško kočenje ili ubrzanje ili brzina itd, i stoga može da obezbedi profil koji sadrži više informacija o ponašanju određenog vozača. Obezbeđivanjem korisnije i detaljnije informacije, menadžer voznog parka, na primer, može da identifikuje vozače koji su najviše agresivni, nepažljivi ili neefikasni, i da obezbedi obuku radi poboljšanja standarda njihove vožnje. Ova mogućnost da se obezbedi ciljana obuka dovešće do manje upotrebe goriva, manjeg zagađenja okoline i veće bezbednosti.
[0041]Drugi postupak profilisanja vozača obuhvata: određivanje profila vozača iz događaja u podacima koji predstavljaju kretanje vozila koje je voženo od strane vozača; upoređivanje profila vozača sa repernim profilom vozača; i određivanje mere performanse vozača na osnovu rezultata poređenja. Postupak može biti Računarski implementiran postupak. Ovaj pronalazak takođe obuhvata kompjuterom-čitljivu sredinu koja sadrži uputstva koja, kada ih izvršava procesor, uzrokuju da procesor izvodi takav postupak.
[0042]Drugi uređaj za profilisanje vozača obuhvata: sredstvo za određivanje profila vozača iz događaja u podacima koji predstavljaju kretanje vozila koje je voženo od strane vozača; sredstvo za upoređivanje profila vozača sa repernim profilom vozača; i sredstvo za određivanje mere performanse vozača bazirano na rezultatima poređenja.
[0043]Uređaj ovog pronalaska može da se realizuje kao procesor koji je pogodno programiran da se implementira svako od navedenih sredstava.
[0044]Poželjna ostvarenja ovog pronalaska sada će biti opisana putem primera pozivajući se na priložene crteže, u kojima: Fig. 1 je blok šematski dijagram postupaka ovog pronalaska; Fig. 2 prikazuje dve lokacije koje imaju različite gustine puteva; Fig. 3 j šematski prikaz raskrsnice puteva; Fig. 4 je šematski planski izgled raskrsnice puteva; Fig. 5 je šematski dijagram toka koji ilustruje identifikovanje događaja u ponašanju vozača; Fig. 6 ilustruje identifikovanje "događaja ubrzanja"; Fig. 7 ilustruje identifikovanje "događaja kočenja"; Fig. 8 je šematski izgled motornog vozila koje prolazi kroz krivinu na putu; Fig. 9 je šematski dijagram toka koji ilustruje generisanje profila vozača; Fig. 10(a) i 10(b) su šematske ilustracije određivanja vozača u odnosu na reper; Fig. 11 ilustruje uobičajni profil vozača generisan ovim pronalaskom; Fig. 12 ilustruje uobičajeni displej koji prikazuje rezultate za vozača generisan ovim pronalaskom; Fig. 13 je blok šematski dijagram sistema prema ovom pronalasku; Fig. 14, 15 i 16 su blok dijagrami toka koji ilustruju osnovne faze postupaka prema ostvarenjima ovog pronalaska.
[0045]Fig. 1 je blok šematski dijagram postupaka prema jednom ostvarenju ovog pronalaska. U postupku sa Fig. 1, podaci se inicijalno generišu na motornom vozilu (nije prikazano). Podaci se poželjno dobijaju pomoću senzora slobodno stojećeg položaja postavljenog na vozilu - to jest, senzora položaja koji je nezavisan od glavnog bus-a kod vozila. Ovo omogućava da se bilo koje vozilo koristi u ovom pronalasku obezbeđivanjem odgovarajućeg senzora položaja na vozilu. Odgovarajući senzor je GPS senzor ili drugi senzor za određivanje položaja koji može da snimi najmanje položaj vozila u uzastopnom uzorkovanju. Izlaz iz senzora je stoga sekvenca vrednosti, najmanje, podataka za položaj i vreme koja uključuje položaj vozila (na primer njegovu geografsku širinu i dužinu) i relevantno vreme i datum kada je vozilo bilo na tom položaju. Podaci mogu takođe da uključuju drugu informaciju, kao što je visina iznad nivoa mora vozila, brzina i smer kretanja vozila.
[0046]Ako se pronalazak primenjuje sa vozilom u kom su dalji podaci dostupni, na primer vozilo koje ima senzore vezane za glavni bus kod vozila, pri čemu se ovi podaci takođe mogu koristiti u ovom pronalasku. Primeri podataka koji se mogu obezbediti senzorima ugrađenim u bus vozila uključuju podatke za ubrzanje dobijene od akcelometra, upravljačkog ugla, i položaja papučice za ubrzanje ili kočenje. Međutim, ovaj pronalazak može da se implementira čak i ako nije dostupna ova informacija.
[0047]Podaci dobijeni od senzora položaja na vozilu, i opciono podaci dobijeni od bilo kog ugrađenog sensora, mogu se preneti do obrađivane lokacije. Podaci se mogu preneti na bilo koji pogodan način. Na primer, podaci položaja mogu se preneti do obrađivane lokacije u stvarnom vremenu ili u bliskom stvarnom vremenu, na primer bežičnim prenošenjima. Alternativno, podaci položaja mogu da se skladište u bafer na vozilu, sa podacima koji se povremeno šalju do obrađivane lokacije. Kao još dalja alternativa, podaci mogu da se čuvaju u vozilu, i mogu se preuzeti na kraju puta, ili na kraju dana.
[0048]U fazi 1 na Fig. 1, skupovi podataka za položaj i vreme povezani su sa putanjom, ponašanjem-orjentisane mape 20, po kojoj se vozilo kretalo kada su uzorkovani podaci. Na primer, ovo može konvencionalno da se uradi dodeljivanjem, skupu podataka za položaj i vreme, "putanje ID" koja identifikuje putanju po kojoj se vozilo kretalo kada su uzorkovani podaci. Kada se položajni podaci prime od vozila, svaka tačka podataka se ispituje da bi se pronašla najbliža putanja na mapi 20, u postupku koji se ponekad naziva "vezivanje" podataka na mapi. Generisanje ponašanjem-orjentisane mape 20 opisano pozivajući se na fazu 5 na Fig. 1.
[0049]Izlaz 21 faze 1 je stoga sekvenca vrednosti, minimalno, podataka za položaj, podataka za vreme i putanju ID koja označava položaj vozila (na primer njegovu geografsku širinu i dužinu), relevantno vreme i datum kada je vozilo bilo na tom položaju, i identitet putanje po kojoj se vozilo kretalo. Ako su dostupni drugi podaci, oni takođe mogu da se uključe.
[0050]Trebalo bi naznačiti da faza 1 može da se izvede na radnoj lokaciji ili može da se izvede na vozilu pre nego što se podaci prenesu do obrađivane lokacije. Za fazu 1 koja će se izvesti na vozilu potrebno je da je procesor na tabli, da bi vozilo znalo o geometriji putanja ID ponašanjem-orjentisane mape 20 da bi se oni povezali sa podacima za vreme i položaj u fazi 1.
[0051]Takođe bi trebalo naznačiti da faza 1 može alternativno da obuhvata povezivanje skupova podataka za položaj i vreme sa putanjom puta na konvencionalnoj digitalnoj mapi puta. U ovom slučaju, dalja faza (nije prikazano) je potrebna za povezivanje putanje puta sa putanjom na ponašanjem-orjentisanoj mapi 20.
[0052]Prilikom obrade podataka, oni se inicijalno podvrgavaju prethodnoj obradi (faza 2 na Fig. 1) radi eliminisanja bilo kojih očiglednih nepouzdanih ili iskvarenih podataka, i radi filtriranja podataka. Podaci se potom obrađuju, u fazi 3, radi identifikovanja "događaja" u performansi vozača. Događaji mogu da budu u vezi sa jednom ili više karakteristika performanse vozača uključujući, bez ograničenja, jedno ili više od: kočenja, ubrzanja, brzine i skretanja. Ako su dostupni podaci od senzora ugrađenih u bus vozila, drugi događaji mogu takođe da se identifikuju kao što je upravljački ulaz. Faza 3 može takođe da obuhvata identifikovanje "događaja upoznatosti", koje beleži da se vozilo kreće na određenoj putanji puta određenog dana, i/ili određivanje "događaja rastojanja", koje je sredstvo procene ukupnog rastojanja koje je vozilo prešlo.
[0053]Prema ovom pronalasku, događaji identifikovani u fazi 3 zatim se dovode u korelaciju u fazi 4 sa podacima koji se odnose na putanju na kojoj je došlo do odnosnog događaja, radi generisanja profila 24 vozača. Kao što je objašnjeno dole, profil vozača je skup "tačaka podataka profila" generisan od svih događaja za određenog vozača. Profil vozača generisan u fazi 4 može se sačuvati u bazi podataka za upotrebu kada je potrebno. Generisanje podataka koji se odnose na putanje izvodi se u fazi 5 postupka na Fig. 1.
[0054]Početna tačka za fazu 5 je digitalna mapa puta relevantne oblasti. Ove digitalne mape dobro su poznate, na primer za navigacione sisteme za vozila. Međutim, usmerene su za primene kao što je planiranje putovanja, a podaci obezbeđeni digitalnom mapom stoga su organizovani oko fizičkih osobina koje se odnose, na primer, na značaj puta za usmeravanje saobraćaj. Osobine poznatih digitalnih mapa nisu izvedene da, i nisu pogodne da, obezbede informaciju o tome kako na ponašanje vozača utiče određeni deo puta. Ovaj pronalazak stoga generiše, u fazi 5, novu mapu koja je usmerena na obezbeđivanje informacije o ponašanju vozača, i ona prema tome sadrži osobine koje se koriste da kategorizuju ponašanje vozača. Ukratko, ovaj pronalazak definiše karakteristike mape koje se nazivaju "putanje", a mapa generisana u fazi 5 je mreža putanja. Kao što je opisano dole, ne mora biti jedan na jedan korelacija između putanja mape generisane u fazi 5 i putanja puta digitalne mape 20. Svaka putanja ima povezan skup osobina koje se nazivaju "indeksi putanje", uopšteno prikazan kao 22, a svaki od njih je osobina koja utiče na ponašanje vozača. Osobine putanje koje se ne menjaju, na primer broj traka koje putanja ima, ili širina krivine putanje, mogu se smatrati za "statičke osobine".
[0055]Osnovne osobine putanje kao što je broj traka, širina ili ograničenje brzine mogu se obično izvesti iz digitalne mape puta, ako se ove karakteristike uzmu u obzir za planiranje/navigaciju putovanja što je primarna namena digitalne mape puta. Prema ovom pronalasku, dalje osobine putanje izvedene su da dopune ove osnovne osobine putanje, a primeri izvedenih osobina putanje uključuju sledeće: situaciju puta, npr. krivinu (krivina puta ne smatra se relevantnom za planiranje putovanja, ali je važna za ponašanje vozača); kategorizaciju puta, npr. koliko drugih puteva je u blizini - na primer kategorizacija puta može se klasifikovati kao "gradska" ili "ruralnina"; topološke osobine/osobine povezanosti - na primer šta mora vozač da uradi da bi pristupio putanji, kao što je zaokret, ili spajanje u sabračajnu traku - ponovo, pri čemu se ovo ne smatra relevantnim za planiranje putovanja, ali je važno za ponašanje vozača.
[0056]Dodatno, podaci koji su u vezi sa drugim karakteristikama koje mogu da utiču na ponašanje vozača, kao što je zakrčenost, mogu se takođe generisati, a one su uopšteno prikazane kao "dinamičke osobine" 23. Na primer, određena putanja može biti u vezi sa podacima koji identifikuju daje ova putanja izložena zakrčenosti saobraćaja u određenim vremenskim periodima i određenih dana u nedelji. Prema tome, moguće je da se identifikuje indeks zakrčenosti, koji može da se smatra kao "dinamički indeks" budući da njegova vrednost nije fiksna već varira sa doba dana. Bilo koja osobina koja može da varira tokom vremena i koja utiče na ponašanje tokom vožnje može da se koristi kao dinamički indeks, a drugi mogući dinamički indeks je meteorološki (ili, uopštenije, jedna ili više osobina vremena kao što je kiša). Samo vreme može takođe da se koristi kao dinamička osobina, budući da doba dana može da utiče na ponašanje vozača. Upoznatost vozača sa određenom putanjom može se takođe smatrati kao dinamička osobina putanje.
[0057]Indeksi putanje i dinamički indeksi koriste se pri određivanju profila vozača u fazi 4.
[0058]Uopšteno, potrebno je da se faza 5 izvede samo jedanput za bilo koju geografsku oblast. Jednom kada se postupak izvede za određenu geografsku oblast, indeksi 22 putanje (koji se čuvaju za buduću upotrebu) mogu da se koriste za analizu performanse bilo kog vozača koji upravlja vozilom u toj određenoj oblasti. Međutim, ceniće se da indeksi putanje možda moraju da se ažuriraju, na primer usled izgradnje novih puteva, usled promene saobraćajnih obrazaca, itd. - ovo se, na primer, može izvoditi periodično, ili kada se izgradi novi put. U fazi 6, profil 25 analize generiše se od profila vozača za određenog vozača. Budući da se profil vozača generiše od svih događaja povezanih sa vozačem, sadržaće veliki broj tačaka podataka i može se smatrati kao profil visoke rezolucije. Dok se kompletni profil vozača može u principu koristiti za upoređivanje performanse vozača sa drugim vozačima ili istim vozačem u drugim prilikama, veličina profila znači da manipulisanje kompletnim profilom vozača može da bude teško. Ovaj pronalazak stoga predlaže upotrebu profila analize za vozača, koji je dobijen izborom delova profila vozača koji se odnose na određene događaje i/ili spajanjem delova profila vozača koji se odnose na različite događaje. Na primer, određeni delovi profila vozača mogu se izabrati za upotrebu u analiziranju ili identifikovanju određenog ponašanja vozača. Prema tome, profil analize vozača može se razmatrati kao verzija niže rezolucije ili niže ganularnosti profila vozača.
[0059]Na primer, događaji u profilu vozača mogu se rasporediti u grupe, sa jednom grupom za svaku vrstu puta. Događaji koji se javljaju na putanjama puta određene vrste puta mogu se potom ispitati zasebno od događaja koji se javljaju na putanjama drugih vrsta puteva. Osim toga, putanje puta mogu se takođe klasifikovati prema njihovoj kategorizaciji, kao i prema njihovoj vrsti puta. U primeru prikazanom na Fig. 11, putanje puta klasifikuju se u četiri vrste puteva ("magistralni", "glavni", "sporedni" i "lokalni", i u tri kategorizacije puteva ("gradski, "prigradski" i "ruralni", dajući 12 mogućih kombinacija. Ponašanje vozača može se ispitati zasebno za svaku od ovih 12 kombinacija vrste puta i kategorizacije puta.
[0060]Indeks 26 analize koristi se za generisanje profila analize u fazi 6. Indeks analize određuje koji se delovi profila vozača odabiraju, ili spajaju, za uključivanje u profil analize. Spoljašnji izvori mogu da se koriste za generisanje indeksa 26 analize. Indeks analize generisan u fazi 6 može se sačuvati u bazi podataka za upotrebu kada je potrebno.
[0061]Rezultat faze 6 je profil analize vozača koji je u nekom smislu "apsolutan", budući da se izvodi od događaja identifikovanih samo u ponašanju vozila kojim upravlja određeni vozač. Međutim, može biti korisnije da se obezbedi "relativni" profil, u kom se ponašanje određenog vozača poredi sa jednim ili više "repera". Postupak, prema tome, poželjno obuhvata dalju fazu upoređivanja profila analize za određenog vozača sa jednim ili više repernih profila, u fazi 8. Ovaj pronalazak može da koristi ili spoljašnje repere, koji mogu da se preuzmu iz neke baze podataka spoljašnjih repera, i/ili može da koristi unutrašnje repere. Kao primer unutrašnjeg repera, Fig. 1 prikazuje u fazi 7 generisanje repernog profila od profila analize za grupu vozača, na primer od profila analize za referentnu grupu vozača.
[0062]Gde se koriste jedan ili više spoljašnjih repernih profila u fazi 8, unutrašnji reperni profil(i) generiše se prethodno u fazi 7, i čuva u bazi podataka unutrašnjih repera. Ako se koriste unutrašnji reperi, postupak generisanja unutrašnjih repera u fazi 7 uopšteno biće samo jedanput potreban, iako je moguće da bude poželjan u svakom ponovnom pokretanju faze 7 tako često da bi se preradili korišćeni unutrašnji reperi, ili da bi se dodali novi reperi i/ili uklonili neki reperi.
[0063]Kao jedan primer, ponašanje tokom vožnje vozača za koga se zna da ima dobro ponašanje tokom vožnje, na primer vozač sa kvalifikacijom napredne vožnje, može da se koristi kao reper. U povezanom primeru, reper može da se bazira na ponašanju tokom vožnje većeg broja vozača za koje se zna da imaju dobro ponašanje tokom vožnje.
[0064]Kao drugi primer, ponašanje tokom vožnje jednog ili više drugih vozača koji su približno iste starosti, ili imaju istu dužinu vozačkog iskustva, može da se koristi kao reper. Ovo omogućava da se oceni performansa vozača specifično na osnovu grupe vozača slične starosti/iskustva. Alternativno, ponašanje tokom vožnje jednog ili više drugih vozača koji voze vozilo istog proizvođača ili modela može da se koristi kao reper.
[0065]Iz rezultata upoređivanja profila analize za individualnog vozača sa reperima, ovaj pronalazak obezbeđuje profil 28 rezultata za tog vozača, u odnosu na repere. Ovaj profil 28 rezultata može se potom koristiti da bi se izračunao rezultat za vozača u fazi 9. Profil rezultata može biti izlaz za displej i/ili može da se čuva u bazi podataka radi buduće upotrebe.
[0066]Podrazumeva se da Fig. 1 predstavlja opšti pregled ovog pronalaska, i da ne moraju sve faze postupka da se izvedu u isto vreme, niti istom partijom. Na primer, postupak generisanja ponašanjem-orjentisane mape bazirane na digitalnoj mapi puta, u fazi 5, i izvođenje metapodataka za putanje ponašanjem-orjentisane mape ne moraju, u principu, da se izvedu istom partijom koja obrađuje primljene podatke o kretanju vozila radi generisanja profila vozača i rezultata za vozača. Partija može da obradi pimljene podatke o kretanju vozila radi generisanja profila vozača, i/ili rezultata za vozača korišćenjem metapodataka za ponašanjem-orjentisanu mapu koja je prethodno generisna i/ili je bila generisana drugom partijom.
[0067]Na primer, Fig. 14 je blok šematski dijagram koji pokazuje glavne karakteristike postupka potrebne za karakterisanje vozačkog ponašanja vozača, a ove karakteristike odgovaraju uopšteno fazi 3 na Fig. 1 (identifikovanje događaja), fazi 4 na Fig. 1 (generisanje profila vozača), i karakterisanje ponašanja vozača koristi profil vozača (na primer prema jednoj ili više faza 6, 8 i 9 na Fig. 1).
[0068]Slično, Fig. 15 je blok šematski dijagram koji pokazuje glavne karakteristike postupka generisanja indeksa putanje, a ove karakteristike odgovaraju uopšteno fazi 5 na Fig. 1.
[0069]Slično, Fig. 16 je blok šematski dijagram koji pokazuje glavne karakteristike jednog postupka karakterisanja ponašanja vozača određivanjem mere performanse vozača, a ove karakteristike odgovaraju uopšteno fazi 4 na Fig. 1 (generisanje profila vozača), fazi 8 na Fig. 1 (poređenje sa reperom) i fazi 9 na Fig. 1 (određivanje mere performanse vozača kao što je jedan ili više rezultata za vozača).
[0070]Osim toga, u principu, čak je moguće za jednu partiju da se izvedu faze 2, 3, i 4 generisanja individualnog profila vozača, i za tu partiju da se učini taj profil vozača dostupnim za druge partije za analizu i postizanje rezultata.
[0071]Kao dalji primer, faza upoređivanja profila vozača sa reperima u fazi 8 može se izvesti istom partijom koja generiše unutrašnje repere u fazi 7; alternativno mogu da se koriste unutrašnji reperi koji se prethodno generišu drugom partijom.
[0072]Neke od faza postupka biće detaljnije opisane nadalje.
GENERISANJE METAPODATAKA MAPE (FAZA 5)
[0073]Podaci obezbeđeni od prodavača digitalne mape puta do danas organizuju se oko fizičkih osobina. Segmentacija karakteristika isvodi se radi maksimiziranja korisnosti za primene kao što je planiranje putovanja. Rezultat je skup osobina koje opisuju stvari kao što je važnost puta za usmeravanje saobraćaja (npr.," funkcionalna klasa" uNAVTEO mapama, ili" funkcionalna klasa puta"u Tele Atlas mapama). Osobine dobijene od prodavača digitalne mape nisu izvedene da nas obaveste o tome kako na ponašanje vozača utiče svaki deo puta. Retko korišćen deo motornog puta (npr. u ruralnoj Kambrija) može imati istu funkcionalnu klasu kao veoma opterećen deo motornog puta (npr. M25 oko Londona), ali bi trebalo da se razlikuje za vozača koji se kreće po njemu. Za prognozu kako bi osoba mogla da vozi na delu puta potrebno je da znamo koje karakteristike tog puta utiču na ponašanje vozača.
[0074]Ovaj pronalazak obuhvata različite pristupe digitalnom mapiranju. Kategorizujemo elemente putne mreže na osnovu karakteristika i invarijanti koje utiču na to da se vozači ponašaju na određene načine.
[0075]Uzimamo geometrijski prikaz putne mreže sa njenim povezanim fizičkim karakteristikama. Iz ovoga generišemo novi prikaz ponašanjem vozača-orjentisane mape sa osobinama koje se koriste da se kategorizuje ponašanje vozača, na primer da se kategorizuje ili, a ako je tako onda kako vozač koči ili ubrzava kada se kreće po putanji ili kada prelazi sa jedne putanje na drugu. Kao što je objašnjeno dole, neka informacija u ponašanjem vozača-orjentisanoj mapi može se izvesti iz metapodataka u originalnoj mapi puta (kao što je dužina putanje), dok se druga informacija generiše specifično za upotrebu u ovom pronalasku.
[0076]Ovaj pronalazak definiše karakteristike mape koje se nazivajuputanje,a mapa koju generišemo je mreža putanja, pri čemu svaka putanja ima skup osobina koje se nazivajuindeksi putanje.
Putanje
[0077]Kanonski element putne mreže je putanja. U ovom pronalasku putanje su segmenti putne mreža korišćeni od strane motornih vozila. Predstavljeni su geometrijski geometricallv serijama povezanih tačaka geografske širine, geografske dužine. Svaka geometrijska tačka može opciono da uključuje nadmorsku visinu.
[0078]Putanje se završavaju na svakom kraju nekom raskrsnicom. Geometrija putanje definiše referentnu raskrsnicu na jednom kraju putanje, i nereferntnu raskrsnicu na suprotnom kraju. Putanja može biti plovna vozilima u jednom ili u oba smera.
[0079]Putanje mogu da budu povezane sa nula ili više različitih putanja na svakoj raskrsnici. Kombinacija povezanosti putanje i dozvoljenog smera kretanja putanja rezultira prikazom plovne putne mreže.
[0080]Svaka od putanja ima skup osobina koje se nazivajuindeksi putanjepovezani sa onima koji opisuju karakteristike putanje u smislu kako na ponašanje vozača utiče putanja.
[0081]Trebalo bi napomenuti da "putanja" ne mora da odgovara potpuno putanji puta digitalne mape 20. Na primer, ako putanja puta sadrži sekciju sa jednom kolovoznom
trakom i sekciju sa dve kolovozne trake, sekcija sa jednom kolovoznom trakom i sekcija sa dve kolovozne trake mogu se tretirati kao različite putanje na mapi generisanoj u fazi 5, jer put sa jednom kolovoznom trakom ima različite karakteristike vožnje u odnosu na put sa dve kolovozne trake.
Indeksi putanje
[0082]Za svaku putanju, ovaj pronalazak definiše broj indeksa putanje, od kojih je svaki neka osobina koja utiče na ponašanje vozača. Primeri mogućih indeksa putanje uključuju, ali nisu ograničeni na:
• Kategoriju puta
• Dužinu putanje
• Broj traka
• Gustinu puta
• Kategoriju raskrsnice
• Krivinu puta
• Početnu- ili- krajnju- tačku- samo
[0083]Neki od indeksa putanje mogu se izvesti iz informacije u originalnoj digitalnoj mapi puta. U nekim slučajevima, moguće je da se koristi informacija u originalnom digitalnom putu direktno - na primer, ako digitalna mapa puta sadrži informaciju o broju traka moguće je da se koristi ova informacija direktno budući da (u većini zemalja) postoji samo mali broj mogućih vrednosti za broj traka putanje. U većini slučajeva, međutim, informacija u originalnom digitalnom putu možda ne bude u obliku koji je direktno pogodan za upotrebu u ovom pronalasku i potrebno je da se obradi, na primer da se kategoriše na neki način, pre nego što se koristi. Na primer, detalji dužine putanje i moguće krivine putanje mogu da budu sadržani u originalnoj digitalnoj mapi puta ali dužina putanje i/ili krivina putanje može potencijalno da ima bilo koju vrednost tako da informacija u mapi puta na dužinu putanje i/ili krivina putanje ne mora da bude u obliku pogodnom za upotrebu prilikom procenjivanja ponašanja vozača, tako da neka obrada i dalje može da bude potrebna. Na primer, putanje mogu da se grupišu, na primer radi definisanja različitih opsega dužine ili krivine putanje, kao što je primer koji ima 8 različitih opsega dužine putanje dat dole, i radi klasifikovanja svake putanje u jedan od opsega dužine putanje i/ili jedan od opsega krivine putanje.
[0084]Drugi indeksi putanje korišćeni u ovom pronalasku međutim nisu sadržani u originalnoj digitalnoj mapi puta, i posebno se izvode za upotrebu u ovom pronalasku, korišćenjem podataka u digitalnoj mapi puta i moguće korišćenjem podataka iz drugih izvora (kao što je, na primer, informacija o ograničenjima brzine). Ovi indeksi putanje obično su u vezi sa karakteristikama koje nisu relevantne za svrhe navigacije/usmeravanja, a primer posebno izvedenih indeksa putanje su kategorija raskrsnice i gustine puta.
Kategorija puta
[0085]Indeks kategorije puta klasifikuje relativnu važnost putanje za usmeravanje i navigaciju između 1 i 5, gde bi 1 bio put kao što je motorni put u gradu ili magistralni put, a 5 bi bio sporedni ruralni ili stambeni put.
Dužina putanje
[0086]Dužina postojaće putanje puta utiče na ponašanje vozača na nekoliko načina. Ako vozač može da vidi da duga deonica puta ispred nema raskrsnice ili druge prepreke onda on može da poveća brzinu. Obrnuto, kratka putanja koja se završava raskrsnicom ili ima više sporednih puteva može da uzrokuje da vozač bude oprezniji. Kod dužih deonica puta bez bočnih priključaka takođe je manje verovatno da će biti preprečene od strane vozača koji čekaju da se okrenu popreko dolazećem saobraćaju, ili ometene sporijim saobraćajem koji se upravo priključio kolovozu.
[0087]U analizi ponašanja vozača, informacija o običnoj krstarećoj brzini vožnje može se izvesti iz podataka dobijenih na relativno dugim putanjama, budući da će na dugoj putanji vozač obično ubrzati do njihove krstareće brzine i održavati brzinu blizu nje (pod pretpostavkom da put nije teško zakrčen). Obrnuto, informacija o vozačevim navikama kada je upitanju ubrzanje i kočenje obično se bolje izvodi iz podataka dobijenih na relativno kratkim putanjama jer će one češće da zahtevaju da vozač koči ili ubrzava.
[0088]Iznad određenog praga, dužina putanje prestaje da ima značajan uticaj, na primer vozač će se verovatno ponašati različito na putanji od 15m u odnosu na onu od 3km, ali obično se neće ponašati različito na putanji od 3km u odnosu na onu od 5km.
[0089]Ovaj pronalazak grupiše dužine putanje i dodeljuje im brojčani indeks. Grupisanje i broj indeksa može se menjati u zavisnosti od prijave i/ili od države u kojoj će se ovaj pronalazak primenjivati. Primer dodeljenih indeksa dužinama putanje iz UK prijave je:
[0090]Indeks dužine putanje može se alternativno izračunati korišćenjem percentila. U ovom ostvarenju putanje su poredane po dužini, i putanjama se dodeljuje indeks dužine putanje koji zavisi od njihovog položaja u ovom određivanju, npr. za 10-bodovnu skalu dužine putanje najkraćih 10% putanja ima indeks 0, a najdužih 10% putanja ima indeks 9.
Broj traka
[0091]Na ponašanje vozača utiču brojne trake dostupne u smeru kretanja. Na pojedinačnom kolovozu (najčešće) vozači se mogu kretati brzo koliko i vozilo ispred njih osim ukoliko ga nezaobilaze, a mogućnost zaobilaženja zavisi od mnogih faktora. Na putu sa višestrukim kolovozom vozači mogu da zaobilaze mnogo lakše i napreduju svojim željenim tempom, dok se nivo zakrčenosti ne poveća do nivoa na kom je ponašanje vozača ponovo ograničeno okolnim vozilima.
[0092]Dodeljujemo neki indeks broju traka koje put ima u smeru kretanja:
Gustina puta
[0093]Indeks gustine puta karakteriše relativan broj putanja puta unutar date oblasti koja okružuje putanju u poređenju sa drugim putanjama u mapi.
[0094]Indeksi gustine puta kratkog opsega (100m-500m) su mera broja putanja puta koje vozač može fizički da vidi ili koje direktno utiču na saobraćaj u neposrednoj lokaciji.
[0095]Indeksi gustine puta srednjeg ili dužeg opsega su mera toga kako topologija putne mreže utiče na ponašanje vozača u opštenijem smislu. Oni mogu da ukažu na to koliko je naseljena regija koja okružuje putanju.
[0096]Gustine puteva opisuju se korišćenjem prečnika. Za izračunavanje indeksa gustine puta za sve putanje u mapi datog prečnika, mi: • Za svaku putanju zauzvrat računamo sve putanje koje leže unutar kruga centriranog na putanji.
• Određujemo putanju sa maksimalnim brojem.
• Za svaku putanju zauzvrat konvertujemo njen broj u indeks skaliranjem na osnovu maksimalnog broja.
[0097]Fig. 2 prikazuje veliku gradsku oblast sa manjim, više ruralnim selima koja je okružuju. Dve oblasti prikazane su krugovima poluprečnika od 2,5km i 10km. Broj putanja puta koje leže unutar krugova poluprečnika 2,5km sličan je za obe oblasti, ali broj putanja puta unutar poluprečnika od 10km veoma se razlikuje.
[0098]Kombinovanjem indeksa kratkog opsega sa indeksom gustine puta dužeg opsega možemo da prognoziramo efekat dva različita uticaja na putanju puta.
Skaliranje gustine puta
[0099]Možemo da konvertujemo brojeve putanja u indekse gustine puta na više načina, u zavisnosti od primene. Rezolucija indeksa može se odabrati da odgovara primeni, česte skale su 8-bodovni indeks (vrednosti 0-7) ili 32-bodovni indeks (vrednosti 0-31).
[0100]Najjednostavniji postupak jelinearno skaliranje,u kom se putanji dodeljuje neki indeks srazmemo njenom broju u odnosu na maksimalni broj. Na primer, ako je maksimalan broj u skali od 100 metara 100 putanja, a mi izračunavamo 10-bodovni indeks, onda će se putanji sa brojem od 35 dodeliti indeks od 3, a putanji sa brojem od 72 dodeliće se indeks od 7.
[0101]Indeksi gustine puta takođe se mogu izračunati korišćenjem percentila. Sve putanje poredane su pomoću broja putanja u toj skali gustine, i dodeljen im je indeks na osnovu njihovog položaja u ovom uređivanju. Na primer, za 10-bodovni indeks gustine puta na 100m 10% putanja sa najmanje putanja u krugu poluprečnika od 100m oko njih imala bi indeks 0, a 10% putanja sa najvećim brojem putanja unutar kruga poluprečnika od 100m imalo bi indeks 9.
Kategorija raskrsnice
[0102]Raskrsnica je:
• tačka na kojoj se dve ili više putanja susreću
• kraj putanjepočetne- ili- krajnje- tačke- samo
[0103]Ovaj pronalazak ne definiše raskrsnice kao samostalne entitete u svojoj reprezentaciji mape. Raskrsnica je samo od interesa na način na koji utiče na ponašanje vozača na susednim putanjama.
[0104]Karakteristike raskrsnice uhvaćene su kao par indeksa kategorije raskrsnice, jedan za svaki kraj svake putanje. Indeks kategorije raskrsnice na svakom kraju putanje je nezavisan, i nije obavezno isti čak i za dve susedne putanje gde one učestvuju u raskrsnici.
[0105]Kao primer, Fig. 3 prikazuje T-raskrsnicu koja obuhvata tri putanje. Putanje 1 i 2 nastavak su puta bez ograničenja u kretanju napred, a normalna putanja 3 je ili zaustavna ili ona koja daje prednost, pod oštrim uglom. Način na koji raskrsnica utiče na ponašanje vozača zavisi od toga koju putanju vozač koristi pri ulasku u raskrsnicu.
[0106]Ako vozač ulazi u raskrsnicu korišćenjem putanje 1 ili putanje 2 i kreće se pravo napred, onda će biti malo uticaja na njegovo kretanje napred od raskrsnice ukoliko nema aktivnosti na raskrsnici (npr. vučenja vozila).
[0107]Ako vozač ulazi u raskrsnicu korišćenjem putanje 3 onda postoji više uticaja na ponašanje. Vozač obično nema pravo prvenstva na kraju putanje, i mora da uspori. Ugao između trenutne putanje i druge dve putanje uticaće na brzinu bilo kog manevra.
Tipovi indeksa kategorije raskrsnice
Naziv Opis
Prioritetni Vozač ima prioritet na raskrsnici u smeru kretanja
Dati i Vozač mora da propusti saobraćaj na drugim putanjama raskrsnice, ili prednost nema povezanosti na kraju putanje (šlepa ulica)
Kružni tok Putanja je deo kružnog toka
[0108]Svaka putanja ima dva indeksa kategorije raskrsnice, jedan za svaki kraj. Indeks kategorije raskrsnice može da se razlikuje na svakom kraju putanje.
Kako se dodeljuju indeksi kategorije raskrsnice
Prioritetni
[0109]Fig. 4 prikazuje četiri putanje koje se susreću na jednoj raskrsnici. Putanje 1 i 2 su značajniji putevi, a putanje 3 i 4 sporedniji. Saobraćaj na putanjama 1 i 2 ima prednost na raskrsnici; njihov indeks kategorije raskrsnice za kraj putanje na ovoj raskrsnici je prioritetni.
[0110]Kraju jednosmerne ulice na ulazu dat jeprioritetniindeks kategorije raskrsnice, jer u suprotnom smeru nema saobraćaja tako da saobraćaj može neometeno da pristupi putanji.
[0111]Kraju putanje dodeljuje seprioritetni indekskategorije raskrsnice ako ona ima samo jednu drugu putanju povezanu za nju.
Dati prednost
[0112]Na raskršćima na Fig. 4, vozilo na putanji 3 ili putanji 4 mora dati prednost saobraćaju na putanjama 1 i 2 bilo da želi da pristupi putanji 1 ili 2 ili da pređe na putanju 4. Indeks kategorije raskrsnice za putanje 3 i 4 na kraju raskršća je dati prednost.
[0113]Putanjama koje se uključuju na kružne tokove (ali nisu deo kružnog toka) daje sedati prednostindeks kategorije raskrsnice na kraju koji se uključuje u kružni tok.
Kružni tok
[0114]Putanjama koje su deo kružnog toka daje sekružni tokindeks kategorije raskrsnice na oba kraja.
Krivina puta
[0115]Krivina puta ima veliki uticaj na ponašanje vozača. Poluprečnik krivine je glavni faktor koji utiče na to koliko brzo vozač može da uđe u krivinu. Ova informacija omogućava nam da izmerimo i procenimo ponašanje vezano za kočenje kada se vozači kreću u krivini.
[0116]Velike promene u pravcu na kratkoj dužini putanje puta uzrokovaće da se vozila kreću sporije.
Koristimo geometriju putanje i izračunavamo zbir svih uglova kako se menja pravac putanje. Koristimo indeks krivine puta kombinovan sa indeksomdužine putanjekao mera krivine po jedinici dužine putanje puta. Vrednosti dodeljene različitim iznosima krivine su primenom specificirane, primer je dat dole.
Početna-ili-krajnja-tačka-samo
[0117]Ovaj indeks označava da li putanja može biti intermedijarni deo graničnog putovanja vozila, ili može samo biti početna ili krajnja tačka.
[0118]Ako dvosmerna putanja nema saobraćajnu povezanost najednom kraju onda je to šlepa ulica ili ćorsokak. Mi ovo nazivamo početna-ili-krajnja-tačka-samo jer putanja nije korisna kao intermedijarni deo jednog putovanja.
[0119]Jednosmerna putanja ne može da bude početna-ili-krajnja-tačka-samo, zbog toga mora da bude moguće da se pristupi putanji najednom kraju da bi se izašlo sa nje na drugom.
Prelazak na putanju
[0120]Kao što je naznačeno, u nekim ostvarenjima ovaj pronalazak generiše jedan ili više indeksa putanje koji su u vezi sa osobinama koje utiču na ponašanje vozača pri prelasku na putanju (to jest, koji pristupa putanji), kao što je bilo da mora da se okrene da bi se priključio putanji, ili može da se spoji u saobraćajnu traku. Takav indeks putanje može se izvesti iz topologije putne mreže. Indeks kategorije raskrsnice opisan gore je jedan primer indeksa putanje koji se odnosi na osobine koje utiču na ponašanje vozača koji se priključuje putanji.
[0121]Uopšteno, ponašanje vozača koji se približava raskrsnici verovatno će zavisiti od putanje na kojoj je vozač koji se približava raskrsnici. Na primer, u slučaju T-raskrsnice prikazane na Fig. 3, vozač koji se približava na putanji 1 može proći pravo kroz na putanju 2 ili da skrene desno na putanju 3, vozač koji se približava na putanji 2 može proći pravo kroz na putanju 1 ili da skrene levo na putanju 3, dok vozač koji se približava na putanji 3 mora da se zaustavi, ili najmanje da daje prednost, pre nego što skrene desno na putanju 2 ili levo na putanju 1. Prema tome, očekuje se da će vozač koji se približava na putanji 3 pokazati "događaj malog kočenja" (to jest, kočenje pri maloj brzini), kao posledica potrebe da se zaustavi ili da daje prednost pre skretanja levo ili desno. Vozač koji se približava pri bezbednoj brzini na putanji 1 koji namerava da se kreće kroz raskrsnicu na putanju 2 nema potrebe međutim da koči (predpostavljajući da su putanje lomljivo oštro zakrivljene), osim ako ih ne ometa drugo vozilo (na primer jedno koje je kočilo pre skretanja ili čekanja da skrene). Prema tome, očekuje se da će ponašanje vozača da varira, u zavisnosti od toga na kojoj se putanji vozač nalazio približavajući se T-raskrsnici.
[0122]Konvencionalna digitalna mapa puta ne uključuje informaciju koja se odnosi na ponašanje vozača koji se približava raskrsnici, jer ovo nije značajno za planiranje navigacije/putovanja. Indeksi putanje koji se odnose na faktore koji utiču na ponašanje vozača koji se približava raskrsnici, kao što je indeks kategorije raskrsnice, izvedeni su posebno za upotrebu u ovom pronalasku.
FILTRIRANJE (FAZA 2)
[0123]Različiti izvori podataka imaju različite karakteristike. Ove karakteristike mogu da se same manifestuju na mnogo načina, npr.:
• previše utrošenog vremena za dobijanje GPS signala
• biti sklon odustajanjima ili refleksijama
• imati nisku osetljivost, što rezultira time da vidi manji broj satelita nego drugi uređaji
[0124]Uzroci ovih razlika mogu biti fundamentalni, npr. različiti GPS setovi čipova ili slabiji kvalitet kola. Mogu biti ekološki, npr. vozač je možda rutinski instalirao GPS jedinicu sa ograničenim pogledom na nebo. Može takođe da bude zbog faktora kao što su preovlađujući vremenski uslovi ili smetnje kao što su zaklonjenost drvećem ili visoke zgrade.
[0125]Cilj izvorom-specificirane faze filtriranja, faza 2 na Fig. 1, jeste da se normalizuju ulazni podaci do najvećeg mogućeg stepena tako da možemo da izvršimo poređenje između podataka iz različitih izvora. Pokušaćemo da eliminišemo nepouzdane podatke iz naše faze obrade, i da poboljšamo stabilnost podataka za koje sumnjamo da su bili pogođeni šumom ili interferencijom.
[0126]Priroda primenjenog filtriranja može da varira sa vrstom događaja koji treba da se identifikuje u fazi 3. Neki događaji ne zahtevaju filtriranje uopšte dolaznih podataka, neki događaji mogu da traže da se primene jednostavni pragovi, a neki događaji mogu da zahtevaju kompleksnije filtriranje.
Eliminisanje loših ili nepouzdanih podataka
[0127]Gde imamo pristup detaljnijim GPS izvornim podacima kao što je niz NMEA toka iz GPS seta čipova, možemo da filtriramo izvorne podatke sveobuhvatno korišćenjem raznih mera. •ValidnostNeke NMEA rečenice uključuju polje statusa koje ukazuje na validnost podataka. Ne važeći podaci mogu da se odbace. •SatelitiMožemo da odaberemo da odbacimo podatke koji se baziraju na opažanjima malog broja satelita. •xDOPRazne vrednosti smanjenja preciznosti (DOP) mogu da se koriste da se odbace podaci koji imaju DOP vrednost koja je previsoka (npr. nedovoljna preciznost). •Sporo GPS fiksiranjeAko uređaju treba značajna količina vremena da bi stekao GPS fiksiranje, možemo da ignorišemo prvi deo svake pretrage radi smanjenja verovatnoće netačnih podataka.
Primer - Jednostavan filter promene brzine
[0128]Jedan primer jednostavnosti je filter u kojem sve tačke podataka sadrže brzinu između minimuma i maksimuma, a koje se menjaju za manje od praga budući da prethodna tačka podataka prolazi kroz fazu detektovanja događaja. Sve druge tačke podataka su blokirane. Jedan primer karakteristika za takav filter je:
Poboljšavanje podataka usled buke
[0129]Dodatno filtriranje podataka lošeg kvaliteta, faza 3 postupka na Fig. 1 može takođe da obuhvata primenu jedne ili više faza prethodne obrade podataka primljenih iz vozila, na primer da poveća odnos signala prema šumu podataka. Jedna od tehnika ovog pronalaska može da se koristi da se poboljšaju bučni podaci jeste da se primeniKalman filter.Kalman filter koristi znanje o ponašanju fizičkog sistema (tj. jednačine kojima se reguliše kretanje vozila) radi poboljšanja procena položaja i brzine.
DOGAĐAJ IDENTIFIKOVANJA (FAZA3)
[0130]U ovom pronalasku događa; je kanonična jedinica ponašanja vozača koju identifikujemo u skupu podataka za vozača. Događaj je karakterizacija diskretne akcije ili manevra vozača (npr. ubrzavanje do krstareće brzine, ili kretanje u krivini) zajedno sa njegovim povezanim metrikama.
[0131]Svaki događaj ima vrstu, vremenski kod koji identifikuje vreme, i opciono datum kada se događaj desio, putanju ID i neke metrike događaja. Vrsta događaja je opis diskretne akcije ili manevra vozača (npr. ubrzavanje do krstareće brzine, ili kretanje u krivini). Vreme događaja je vreme kada se javio događaj. Putanja ID događaja je jedinstvena putanja ID putanje ponašanjem-orjentisane mape 20 na kojoj je došlo do događaja. Metrike događaja su uvek skup mera koje karakterišu događaj. Mere koje grade metrike događaja su zavisne od događaja i opširnije su opisane dole.
[0132]Postoji mnogo različitih događaja koje ovaj pronalazak može da prepozna u fazi 3 ovog postupka na Fig. 1. Osnovna strategija korišćena za identifikovanje događaja je ista za sve vrste događaja.
[0133]Fig. 5 je blok dijagram toka koji pokazuje glavne korake faze identifikovanja događaja. Kao što je objašnjeno gore, ulaz u postupak identifikovanja događaja su položajni podaci iz vozila, koji su povezani sa (ili "vezani na") putanjom puta ponašanjem-orjentisane mape 20. Kao što je takođe objašnjeno gore, položajni podaci iz vozila mogu se filtrirati tako da se učine pogodnijim za detektovanje događaja. Priroda ovog filtriranja varira sa vrstom događaja koju posmatramo. Neki događaji ne zahtevaju filtriranje uopšte, neki zahtevaju primenu jednostavnih pragova, a neki zahtevaju kompleksnije filtriranje.
[0134]Sledeće, događaji jedne ili više različitih vrsta identifikuju se ispitivanjem podataka, traženja karakteristika koje se podudaraju sa predmetnim događajem. Kada nađemo obrazac koji se podudara u podacima emitujemo događaj relevantne vrste, zajedno sa njegovim karakteristikama i putanjom ID iz digitalne mape na kojoj se odigrao događaj.
[0135]Rezultat obrade na Fig. 5 je lista događaja, njihovih povezanih karakteristika, i njihove povezane putanje ID. Ovi događaji karakterišu interesantna i istaknuta ponašanaj vozača tokom pokrivanja putovanja(a) ulaznim podacima.
Zajednička informacija događaja
[0136]Svi događaji bilo koje vrste povezani su sa putanjom ID putanje ponašanjem-orjentisane mape 20.
[0137]Većina događaja, pri čemu su događaji upoznatosti izuzetak, je takođe povezana sa vremenskim kodom. Vremenski kod izvodi se iz datuma i vremena, na
primer dodeljivanjem broja između 0 i 6 za dan u nedelji (gde je 0 nedelja), broj između 0 i 23 za sat dana i kvantifikovanje minuta radi dobijanja broja koji je neki od (0, 15, 30 ili 45). Tako u ovom primeru datum i vreme "2010-05-05 18:12:00" za koji se zna da je sreda biće mu dodeljen vremenski kod "3:18:00", a vremenski kod "6:12:00" biće dodeljen događaju koji se odigrao u subotu negde između podneva i prošle četvrti.
[0138]Kao što je naznačeno gore, događaj je takođe povezan sa najmanje jednom "osobinom" događaja (koja se takođe odnosi kao "metrika" događaja). Jedna ili više od osobine(a) događaja može da se koristi u izboru nekih događaja za upotrebu u analizi dok se isključuju neki događaji iz upotrebe u budućoj analizi.
Događaji brzine
[0139]Događaji brzine su jedan od najjednostavnijih događaja i predstavljaju trenutnu brzinu vozila na svakoj tački podataka.
[0140]Emitujemo jedan događaj brzine za svaku tačku podataka koja stiže do detektora. Događaj sadrži putanju ID, vremenski kod, i za svoju metriku događaja uključuje brzinu u km/h.
Događaji ubrzanja
[0141]"Događaj ubrzanja" predstavlja smisleno povećanje u brzini vozila od jedne brzine do veće brzine. Male promene u brzini se ne beleže.
[0142]Emitujemo događaj ubrzanja kada primetimo da se povećala brzina vozila više od nekog praga (definisan "minimumom ukupne promene u brzini).
[0143]Neki događaj ubrzanja može se klasifikovati prema brzini vozila povezanoj sa događajem. U jednostavnom primeru, ako je početna brzina događaja ispod praga onda možemo da klasifikujemo događaj kao događaj "malog" ubrzanja, npr. stojeći početak ili ubrzanje daleko od raskrsnice. Ako je početna brzina događaja iznad praga onda klasifikujemo događaj kao događaj "velikog" ubrzanja, npr. ubrzavanje do brzina glavnog puta nakon krstarenja na rezidencijalnim brzinama. Fig. 6 prikazuje brzinu u zavisnosti od vremena, i označava događaj "malog" ubrzanja i događaj "velikog" ubrzanja. Na Fig. 6 prag između događaja "malog" ubrzanja i događaja "velikog" ubrzanja postavljen je na približno 45km/h, ali ovaj pronalazak nije na tu vrednost ograničen.
[0144]Ovaj pronalazak takođe nije ograničen na jednu brzinu praga, i moguće je za to da postoji dve ili više brzina praga tako da neki događaj ubrzanja može da se klasifikuje u jednu od tri ili više klasa brzine.
[0145]Jedan mogući skup parametara za definisanje događaja ubrzanja može biti kako sledi:
[0146]Brzina vozila mora se povećati najmanje za 1 km/h svake sekunde. Da bi se to stavilo u kontekst ekvivalentno je sa 0-100 km/h za vreme od 1 minute 40 sekundi, a verovatno će vozači koji su voljni da postignu visoku efikasnost goriva spustiti stepen ubrzanja.
[0147]Emitujemo jedan događaj ubrzanja za svako povećanje u brzini koje zadovoljava pragove. Događaj sadrži putanju ID prve tačke podataka koja formira događaj, vremenski kod prve tačke podataka, vrstu događaja ubrzanja (to jest, "velikog" ili "malog"), i, jer je metrika događaja povezana sa događajem ubrzanja, maksimalno ubrzanje u km/h/s detektovano tokom događaja.
Događaji kočenja
[0148]"Događaj kočenja" predstavlja smisleno smanjenje u brzini vozila od jedne brzine na nižu brzinu. Male promene u brzini ne beleže se. Emitujemo događaj kočenja kada opazimo da se brzina vozila striktno smanjuje za više od praga.
[0149]Događaj kočenja može da se klasifikuje prema brzini vozila povezanoj sa događajem. U jednostavnom primeru, ako je krajnja brzina događaja iznad praga onda možemo da klasifikujemo događaj kao događaj "velikog" kočenja, npr. smanjenje brzine kada prelazi sa glavnog puta na stambeni put sa ograničenjem na nižu brzinu. Ako je krajnja brzina događaja ispod praga onda klasifikujemo događaj kao događaj "malog" kočenja, npr. dolazeći do zastoja, ili približavajući se raskrsnici gde vozilo možda mora da stane. Fig. 7 prikazuje brzinu u zavisnosti od vremena, i označava događaj "malog" kočenja i događaj "velikog" kočenja. Na Fig. 7 prag između događaja "malog" kočenja i događaja "velikog" kočenja postavljen je na približno 15km/h, ali se ovaj pronalazak ne ograničava na ovu vrednost.
[0150]Ovaj pronalazak takođe se ne ograničava na jednu brzinu praga, i moguće je da budu dve ili više brzina praga tako da događaj kočenja može da se klasifikuje u jednu od tri ili više klasa brzine.
[0151]Jedan mogući skup parametara za definisanje događaja ubrzanja je kao što sledi:
[0152]Brzina vozila mora se smanjiti za najmanje 1 km/h svake sekunde.
[0153]Emitujemo jedan događaj kočenja za svako smanjenje u brzini koje zadovoljava naše pragove. Događaj sadrži putanju ID poslednje tačke podataka koja formira događaj, vreme poslednje tačke podataka, vrstu (veliki ili mali), i, kao metriku događaja, maksimalno usporavanje u km/h/s detektovano tokom događaja.
Događaji skretanja
[0154]"Događaj skretanja" karakteriše ponašanje vozača pri navigaciji u krivini dovoljno brzo da njihove odluke imaju uticaj na stabilnost i bezbednost vozila. Veoma blage krivine (visok poluprečnik krivine) uopšteno mogu da se prođu bezbedno pri višim brzinama nego opasne krivine (niži poluprečnik krivine).
[0155]Prilikom skretanja, važno je da vozač održi vozilo uravnoteženim. Kretanje vozila je najstabilnije kada je njegova masa jednako raspoređena, pri čemu se ono kreće po pravoj liniji konstantnom brzinom( Roadcraft,ISBN 978 0 11 702168 6). Kada vozač upravlja, sile koje menjaju pravac vozila potiču od trenja između prednjih pneumatika i površine puta. Ubrzavanje, kočenje i upravljanje smanjuju prijanjanje pneumatika, tako da što više vozač koči ili ubrzava u krivini manje prijanjanje pneumatika je dostupno za upravljanje.
[0156]Ovaj pronalazak koristi višestruke mere brzine i položaja vozila za karakterisanje ponašanja vozača u krivini.
[0157]Ovaj pronalazak emituje događaj skretanja kada položajni podaci prikazuju da se vozilo kreće u krivini od interesa. Fig. 8 je šematski planski izgled koji prikazuje vozilo koje prolazi kroz krivinu na putu.
[0158]Događaj skretanja počinje kada se vozilo kreće iznad minimalnog praga brzine, pri čemu je pravac zaokretanja vozila (pravac zavoja) isti za dve uzastopne tačke, a poluprečnik krivine na drugoj tački je između minimalnih i maksimalnih pragova. Pravac zavoja i poluprečnik krivine preračunavaju se na svakoj sledećoj tački podataka.
[0159]Događaj skretanja završava se kada se pravac zavoja promeni, poluprečnik krivina nije više između pragova ili brzina vozila padne ispod minimalnog praga. Najmanje tri tačke položajnih podataka potrebne su za događaj skretanja.
[0160]Sledeći dalji uslovi moraju biti zadovoljeni pre nego što se događaj smatra važećim: • Maksimalna promena u ležištu vozila mora biti najmanje jednaka minimalnom uglu zavoja. • Poluprečnik krivine u svakoj tački, sa izuzetkom prve i poslednje, mora biti manji od maksimalno dozvoljenog poluprečnika krivine. • Poluprečnik krivine u svakoj tački mora biti veći od minimalno dozvoljenog poluprečnika krivine.
• Zavoj nikad ne srne da pređe maksimalni dozvoljeni ugao zavoja.
• Kada se menja pravac zavoja, promena u zavoju ne srne da pređe maksimalno dozvoljenu promenu u uglu zavoja.
[0161]Minimalno i maksimalno dozvoljeni poluprečnici krivine u svakoj tački definišu se kao funkcije brzine u toj tački. Minimalni poluprečnik (rmin) i maksimalni (rmax) definisani su odnosima:
gde v predstavlja brzinu vozila u metrima po sekundi, u je aproksimacija za najbolji slučaj koeficijenta trenja između klizavog pneumatika automobila i suvog puta (0,9)
(Jones & Childers, Contemporarv College Phvsics, McGravv Hill), a g je ubrzanje usled gravitacije na površini zemlje.
[0162]U ovim odnosima, Rmin i Rmax su pragovi. Ako je vrednost rmjnizračunata prema rmin= v2/ug, ili vrednost rmaxizračunata prema rmax= 3rmin, manja od Rmin, podešena je na Rmin metara, a ako je veća od Rmax metara podešena je na Rmax metara. Ovi pragovi filtriraju fantom događaje u krivini koji su rezultat šuma u položajnim podacima. Prema tome, maksimalno dozvoljeni poluprečnik krivine pri datoj brzini definiše se kao manje tri puta rminpri toj brzini ili Rmaxmetara.
[0163]Jedan primer parametara za događaj skretanja može da bude:
[0164]Izračunavamo maksimalno usporavanje mereno tokom svih vremenskih intervala (od dužine određene parametrom vremenskog intervala) tokom događaja. U nekim ostvarenjima ovaj pronalazak ne emituje događaje (to jest, ne koristi se u analizi) gde vozilo ne usporava (ili ubrzava) uopšte u krivini, budući da vozač koji prolazi krivinu konstantnom brzinom je od manjeg interesa za ponašanje vozača.
[0165]Emitovani događaj skretanja sadrži putanju ID poslednje tačke podataka koja formira događaj i vreme poslednje tačke podataka događaja. Metrika događaja povezana sa događajem je maksimalno usporavanje detektovano tokom događaja.
[0166]Gde je događaj skretanja praćen usporavanjem, može da se odnosi kao događaj "kočenja pri skretanju". Takav događaj je posebna vrsta događaja kočenja, i može da se koristi za karakterisanje ponašanja vozača budući da navigacija, ili ulazak, u krivinu pri brzini koja je previsoka za stabilnost i bezbednost vozila sa posledicom mora da se prikoči dok navigacija u krivini često ukazuje na vozača koji kasni u donošenju odluke kada treba ukočiti zbog krivine. Ovo je naročito verovatno daje istina za događaj "kočenja pri skretanju" koji se završava sa vozilom koje se i dalje kreće pri visokoj brzini, jer ovo navodi da vozač smanjuje njihovu brzinu kao posledica krivine (pri čemu događaj kočenja pri skretanju" koji se završava sa vozilom koje se kreće pri maloj brzini može da navodi da je vozač naišao na prepreku).
[0167]Događaj "kočenja pri skretanju" može da se posmatra kao kombinacija događaja kočenja i događaja skretanja - događaj kočenja i događaj skretanja podudaraju se, ili se najmanje preklapaju, u vremenu i lokaciji.
[0168]Obrnuto, kada je događaj skretanja praćen ubrzanjem, takav događaj može takođe da se koristi za karakterisanje ponašanja vozača budući da glatko ubrzanje iz krivine je često karakteristika naprednog vozača. Takav događaj može da se posmatra kao posebna vrsta događaja ubrzanja.
Događaji upoznatosti
[0169]"Događaj upoznatosti" je jedan od najjednostavnijih događaja, i beleži da se vozilo vozi na određenoj putanji puta određenog dana.
[0170]Emitujemo jedan događaj upoznatosti za svaku promenu putanje ID puta detektovanu u ulaznim podacima. 'Događaj sadrži putanju ID i broj koji predstavlja jedinstveni dan od kog potiče tačka podataka. Za događaj upoznatosti, putanja ID i dan takođe deluju kao metrike događaja.
[0171]Ako posmatramo vozača na istoj putanji ID više puta u jednom danu onda eliminišemo duplikate tokom faze kombinovanja (videti poglavlje "Kombinovanje događaja putanjom ID"). Ovako dobijamo maksimum jednog događaj upoznatosti po putanji ID puta po danu.
Događaji rastojanja
[0172]"Događaj rastojanja" je sredstvo procene ukupnog rastojanja koje vozilo pokriva. Svaki događaj rastojanja sumira rastojanje koje pređe vozilo preko susednih serija tačaka ulaznih podataka. Suma serija događaja rastojanja je ukupno rastojanje koje se pređe.
[0173]Emitujemo jedan događaj rastojanja kada detektujemo diskontinuitet u vremenu ili lokaciji u nizu podataka. Događaj rastojanja sadrži ukupno pređeno rastojanje za važeće podatke tog događaja. Ako rastojanje između dve tačke podataka izgleda da je takvo da bi vozilo trebalo da se kreće nerealnom brzinom, onda sumnjamo u te tačke podataka i tretiramo ih kao diskontinuitet u lokaciji.
[0174]Događaj rastojanja ima za svoje metrike događaja ukupno pređeno rastojanje za važeće podatke tog događaja.
PROFILI VOZAČA (FAZA 4)
[0175]Kao što je oblašnjeno gore, izlaz iz faze 3 postupka na Fig. 1 je skup događaja za vozača, gde svaki događaj ima vreme, vrstu događaja, najmanje jednu osobinu događaja (ili metriku događaja), i povezanu putanju ID koja identifikuje putanju na kojoj je došlo do događaja. U fazi 4 postupka na Fig. 1, ovi događaji se koriste za generisanjeprofila vozačaza vozača. Fig. 9 ilustruje glavne faze generisanjaprofila vozača.
[0176]Inicijalnoindeks profilageneriše se za svaki događaj, kao faza 1 sa Fig. 9.Indeks profilanekog događaja generiše se iz putanje ID i vremena/datuma povezanih sa događajem, i indeks profila je kombinacijaindeksa22putanjeza događaj, i nekihdinamičkih indeksa.Indeksi putanje za događaj su jednostavno indeksi putanje za putanju ID koja je povezana sa tim događajem. Ovi indeksi su osobina putanje. Dinamički indeksi za događaj su funkcija vozača, putanje i vremena. Dinamički indeksi koje obično koristimo su upoznatost i vreme. Mogu da se koriste druge vrste dinamičkog indeksa, kao što je status zakrčenosti putanje ili kakvo je vreme bilo za vreme događaja. Indeks profila je agregacija indeksa putanje za odgovarajuću putanju i bilo kakve dinamičke indekse.
[0177]Indeks upoznatosti govori nam da li je vozač bio upoznat sa putanjom na kojoj je došlo do događaja u vreme kada jedošlo do događaja.
[0178]Ovaj pronalazak koristi događaje upoznatosti vozača radi održavanja evidencije na kojim putanjama i kog dana je primećen vozač. Ako je primećeno da vozač koristi putanju često i skoro (u poređenju sa vremenom događaja koji je u pitanju) onda kažemo da je došlo do događaja napoznatojputanji. Ako je primećenoda vozač često ne koristiputanju, ili nije skoro primećen na putanji onda kažemo daje došlo do događaja nanepoznatoj putanji.Indeks upoznatosti je Bulova oznaka, koja ukazuje da li je vozač reguralno viđen na određenoj putanji. Konvencionalno je predstavljeno brojem, na primer gde 1 znači da je vozač bio upoznat sa putanjom u vreme događaja, a 0 znači da nije bio upoznat.
[0179]Pragovi koje koristimo za određivanje upoznatosti mogu se podesiti da odgovaraju kontekstu u kom se koriste. Obično bi rekli da se smatra daje vozač upoznat sa putanjom ako je primećen na toj putanji najmanje 10 različitih dana u godini pre događaja, a najmanje jedanput u okviru prethodnih 28 dana. Ako su viđeni manje od 10 puta u prethodnoj godini ili su poslednji put viđeni više od 28 dana pre događaja klasifikovaće se kao nepoznat.
[0180]Vremenski indeks jebrojčani kod koji označava doba dana i dan u nedelji kada je došlo do događaja.
[0181]Kao što je objašnjeno gore, poželjno je da se odaberu neki događaji za upotrebu u analizi i da se isključi drugi događaj, na osnovu jedne ili više osobina događaja. Ovaj izbor može u principu da se obavi u bilo kojoj tački u postupku analize. Može biti računarski efikasniji ako se izbor događaja izvede pre faze generisanja indeksa profila kao što je opisano gore tako da se indeks profila ne generiše za događaj koji se ne koristi u sledstvenoj analizi. Međutim, moguće je u principu da se generiše indeks profila za svaku osobinu, a zatim izaberu događaji.
[0182]Raspodela brojčanih kodova može da se promeni da odgovara različitim zahtevima kupaca. Primer je prikazan dole. U ovom primeru kodovi se koriste da se kategorizuju periodi radnih dana sa pikom i bez pika, a takođe vremenski periodi kasno uveče petkom i subotom koji su prepoznati kao vremenski periodi visokog rizika od nesreća.
[0183]Svaki događaj izabran za analizu potom se indeksira sa njegovim odgovarajućim indeksom profila u fazi 2 sa Fig. 9, radi konvertovanja onih događaja vozača koji su odabrani za dalju analizu uprofilom indeksiranim događajima.
[0184]" Profilom indeksiran događaj'ima povezanu vrstu događaja i metriku događaja; međutim, umesto da ima povezane veme/datum i putanju ID, on ima povezan indeks profila koji identifikuje jednu ili više karakteristika događaja kao što je vrsta puta i/ili kategorija puta, vremenski uslovi itd. To jest, u ovoj tački imamo skup događaja gde svaki događaj (ili skupina događaja) je povezan sa indeksom profila (umesto sa posebnom putanjom ID i vremenskim kodom). Mnogi događaji deliće zajednički indeks profila. Ova činjenica je važna jer nam omogućava da poredimo svakodnevno ponašanje vozača koji voze na sličnoj vrsti puteva pod sličnim uslovima, bez obzira na to gde tačno voze.
[0185]Sledeće, u fazi 3 sa Fig. 9, svi profilom indeksirani događaji sa istim indeksom profila objedinjeni su u jednutačku podataka profila.Tačka podataka profila je agregacija svih profilom indeksiranih događaja koji dele istu vrstu događaja i indeks profila.
[0186]Radi formiranja tačke podataka profila iz skupa profilom indeksiranih događaja, profilom indeksirani događaji grupišu se pomoću vrste događaja i indeksa profila. Za svaku grupu profilom indeksiranih događaja koji dele istu vrstu događaja i indeks profila, kombinujemo njihove metrike događaja radi dobijanja jednog skupa statistika koji karakteriše metrike događaja svih sastavnih događaja.
[0187]Metrike događaja iz više sličnih događaja mogu se kombinovati radi dobijanja skupa statističkih mera koje karakterišu distribuciju događaja u celosti. Ima mnogo načina da se ovo izvrši, a najbolji način zavisi od prirode metrika događaja, i svrha za koje će se postaviti metrike tačke podataka profila. Primer korišćenja srednje i standardne devijacije prikazan je dole.
Primer - Kombinovanje tačaka podataka profila
[0188]Data su tri profilom indeksirana događaja brzine sa sledećim karakteristikama:
[0189]Možemo kombinovati ove događaje radi dobijanja jedne tačke podataka profila sa sledećim karakteristikama:
[0190]Metrike događaja za događaje brzine sastoje se samo od vrednosti brzine. Metrike tačke podataka profila za kombinovane događaje sastoje se od brojanja, srednje i standardne devijacije sastavnih metrika događaja.
[0191]U ovom primeru srednja i standardna devijacija izračunavaju se za skup profilom indeksiranih događaja i koriste se kao metrike tačke podataka profila. Druge statističke mere mogu se izračunati i koristiti kao metrike tačke podataka profila kao što su maksimum, minimum, percentili i asimetričnost.
[0192]Profil vozača se potom generiše iztačaka podataka profilavozača. Profil vozača je kompletan skup tačaka podataka profila generisan za vozača, obradom svih događaja vozača. Događaji se grupišu i objedinjuju, tako da obično možemo da očkujemo značajno manje tačaka podataka profila u profilu vozača nego događaja korišćenih za kreiranje istog.
[0193]Profil vozača može da se čuva kao običan tekst ili binarni fajl koji sadrži detalje tačke podataka profila, ili može jednako da bude unet u bazu podataka za analizu.
[0194]Profil vozača obično se generiše za specifičan vremenski period - na primer, mesečni profil vozača može se dobiti iz događaja prikupljenih za određenog vozača tokom jednog meseca.
[0195]Kao primer, sekcija uzorka profila vozača može da izgleda kako sledi:
[0196]Vidimo da je povezivanje sa svakom vrstom događaja i indeksom profila statistika koja se sastoji od brojanja, srednje vrednosti iste metrike i standardne devijacije metrike. Metrika je ista kao i ona koja se koristi za vrstu događaja iz kojeg se izvodi ulaz profila, npr. za događaje brzine odnosi se na brzinu u km/h.
[0197]Budući da lako možemo da kombinujemo profile ovoga oblika zajedno, profil za vozača može da se ažurira kad god stignu novi podaci. Takođe može da se kombinuje sa drugim profilom pregledom statistike u svakom profilu povezanom sa događajem i indeksom profila od interesa. Prema tome, profil vozača može da se upoređuje sa ranijim profilom za tog vozača radi praćenja rezultata obuke, ili profil vozača može da se upoređuje sa profilom za drugog vozača.
[0198]Na primer, možemo uzeti sve događaje povezane sa određenim vozačem tokom jednog kalendarskog meseca i da izradimo osnovni jednomesečni profil. Ako želimo, mogu da se kombinuju tri od ovih mesečnih profila radi izrade kvartalnog profila, ili dvanaest radi izrade godišnjeg profila. Potom možemo da generišemo i upoređujemo metrike rezultata izvedene iz ovih različitih profila radi detektovanja, na primer, da li se ponašanje vozača izrazito promenilo u odnosu na njihovo ponašanje nekoliko meseci ranije, ili ako se ono nedavno poboljšalo od njihovog tipičnog ponašanja tokom protekle godine.
[0199]Druga važna mogućnost je ta da profili za različite vozače mogu da se kombinuju, na primer generisanjem jedinstvenog profila koji meri tipično ponašanje grupe ekspert vozača. U stvari taj način je od fundamentalnog značaja za način na koji ostvarenje ovog pronalaska generiše metrike rezultata za vozača.
Faze generisanja rezultata za vozača iz profila.
[0200]Ovaj odeljak opisuje faze u generisanju profilom baziranog postignuća vozača (faze 6-9 na Fig. 1).
[0201]"Profil 24 vozača" sadrži nekoliko stotina različitih "apsolutnih" merenja ponašanja vozača pod velikim brojem različitih okolnosti. Dok je u principu moguće da se porede celi profili vozača, količina podataka u profilu vozača znači da ovo može da bude računarski-intenzivno u praksi. U mnogim slučajevima, poželjno je da se karakteriše profil vozača na neki način, ili da se izdvoji određena informacija iz celog profila vozača, da bi zadatak upoređivanja profila vozača bio lakši. Ovaj odeljak opisuje jedan mogući postupak i konfiguraciju za određene zaključke o ponašanju vozača i postizanje rezultata na osnovu informacije sadržane unutar profila vozača.
Pregled postupka postizanja rezultata
[0202]Ovaj postupak uključuje izdvajanje iz profila vozača, merenja veoma specifičnih događaja, na primer brzine, događaja kočenja i ubrzanja, u odnosu na mnoštvo različitih konteksta puta. Specifične metrike tačke podataka profila odabiraju se i kombinuju radi generisanja "profila 25 analize" za individualnog vozača. Ovaj novi profil koji sadrži nedvosmislena merenja ponašanja pojedinaca može potom da se uporedi sa "repernim profilom", a potom se formiraju zaključci na osnovu ovog poređenja i skladište u "profilu 28 rezultata". Obično reperni profil predstavlja merenja od idealnog ili poželjnog vozača ili grupe vozača.
Ovaj postupak sastoji se od nekoliko faza;
1. Kreiranje profila analize iz profila vozača za individualnog vozača.
2. Upoređivanje profila analize sa repernim profilom i generisanje profila rezultata 3. Generisanje rezultata za vozača na osnovu informacije u profilu rezultata
Generisanje profila analize-faza 6 na Fig. 1
[0203]Prva faza postupka postizanja rezultata je da se generiše profil analize za individualnog vozača. Ovaj profil trebalo bi da sadrži nedvosmislena merenja vožnje tako da se poređenja i zaključci mogu izvući iz informacije unutar njega. Radi postizanja ovoga, samo odabrana informacija uzima se iz profila vozača. Izbor relevantnih tačaka podataka profila kontroliše se pomoću indeksa 26 analize.
[0204]Indeks 26 analize određuje podskup indeksa profila koji treba da se koristi za postizanje rezultata. Ako indeks profila visoke ganularnosti propadne u indeks analize
manje ganularnosti, podaci se kombinuju i izračunavaju se nove metrike. Na primer, ako indeks profila određuje 7 različitih vrsta dužine putanje puta (kao što je u primeru gore), a indeks analize određuje samo 2 vrste dužine putanje (kao što je u tabeli dole), onda je potrebno da se metrike tačke podataka profila kombinuju ispravno radi postizanja nove ganularnosti.
[0205]Sledeća tabela prikazuje primer definisanja indeksa analize.
[0206]Sve vrste događaja iz profila vozača obrađuju se prema indeksu analize. Ovi događaji uključuju;
• Događaje brzine
• Kočenje u događajima skretanja
• Kočenje do događaja malih brzina
• Kočenje do događaja velikih brzina
• Ubrzanje od događaja male brzine
• Ubrzanje od događaja velike brzine
[0207]Kombinacija indeksa analize i događaja znači da su specifična merenja dostupna u vezi sa interakcijama između vozača i osnovne putne mreže i drugih spoljašnjih uslova.
Upoređivanje profila analize sa repernim profilom i generisanje profila rezultata -
faza 8 na Fig. 1
[0208]Reperni profil 27 je potpuno popunjen profil (u smislu svih kombinacija repernog indeksa koji sadrži podatke) koji može direktno da se upoređuje sa nekim profilom analize individualnog vozača.
[0209]U ovoj fazi, svaka tačka podataka analize upoređuje se sa odgovarajućom tačkom repernih podataka i "status" rezultata se generiše i skladišti u profilu rezultata. Status se odnosi na različite pragove izvedene iz metrike tačke repernih podataka. Na primer, Fig. 10(a) prikazuje primer u kom se izvode niže, u okviru i više "grupe" oko metrike tačke repernih podataka tako da status za ovo poređenje može biti; ispod repera, u okviru repera ili nakon repera.
[0210]U ovom primeru za izračunavanje statusa poređenja koriste se samo tri vrste statusa, ali u drugim ostvarenjima ovaj postupak postizanja rezultata može da ima više tačaka praga omogućavajući više od tri vrste statusa.
[0211]Fig. 10(b) prikazuje primer koji podržava više tačaka praga što omogućava više od tri vrste statusa. U primeru prikazanom na Fig. 10(b), više repernih profila koristi se radi definisanja repernih pragova time obezbeđujući sofisticiranije poređenje sa profilom analize. U ovom primeru, prikazane su četiri vrste statusa, izvedene primenom tri praga generisana kombinovanjem tačaka podataka repernog profila iz repernog profila naprednog vozača (idealan) i repernog profila generisanog korišćenjem podataka od svih vozača svih nivoa (profil grupe).
[0212]Pragovi t1, t2 i t3 mogu se, na primer, izvesti korišćenjem srednjih i pouzdanih intervala ili procentnih množioca tačaka podataka repernog profila iz različitih repernih profila na sledeći način:
t1 = Idealna srednja vrednost - (Idealna standardna devijacija<*>2,33)
t2 = Idealna srednja vrednost + (Ideal standardna devijacija<*>1,28)
t3 = Srednja vrednost grupe + (standardna devijacija grupe<*>1,28)
[0213]U ovom primeru, četiri vrste statusa su; ispod idealnog, u okviru idealnog, u okviru grupe i više od grupe.
[0214]Kada se koriste četiri vrste statusa, rezultati distribucije statusa mogu se izvesti tako da reflektuju veći rezultat za rezultate u statusu "u okviru idealnog" u odnosu na status "u okviru grupe".
[0215]Viši i niži reperni pragovi kao što je prikazano u dijagramu izračunavaju se iz metrike tačke podataka repernog profila. Jedan mogući postupak izračunavanja je da se koriste pouzdani intervali ili procentni množioci. U ovom primeru, viši i niži reperni pragovi izračunavaju se korišćenjem pouzdanih intervala na sledeći način;
Viši reperni prag = srednja vrednost metrike tačke repernih podataka + (0,5 x standardna devijacija metrike tačke repernih podataka)
Niži reperni prag = srednja vrednost metrike tačke repernih podataka + (0,5 x standardna devijacija metrike tačke repernih podataka)
[0216]Ako postoji dovoljno, ili nema podataka u tački podataka analize onda se ne može izvesti upoređivanje i rezultat se postavlja na "nema podataka". Alternativno, šema vraćanja unazad može da se koristi radi korišćenja podataka iz drugih oblasti profila analize ili profila vozača da bi se omogućilo poređenje - ovo je opciona karakteristika ovog pronalaska.
[0217]Dobijeni profil rezultata sadrži više poređenja vrste događaja prema indeksu rezultata (koji je identičan indeksu analize).
Generisanje rezultata za vozača-faza9na Fig. 1
[0218]Podskup informacije iz profila rezultata potom se odabira i povezuje sa serijama specifičnih "testova performansi vozača". Ovi testovi trenutno se definišu kao: • "Sp" - Brzine na dugim pravim deonicama puta bez zakrčenosti - dajući nam prednost brzine. • "Bc" - Sile kočenja tokom skretanja i zaokretanja - dajući nam naznake koliko dobro vozač planira svoju brzinu / kočenje kada se približava krivinama • "Bj" - Kočenje do male brzine zbog raskrsnica - dajući nam meru agresivnosti i planiranja • "Br" - Kočenje do velike brzine dok je na otvorenim pravim putevima - dajući nam meru koliko je vozač u interakciji sa saobraćajem • "Aj" - Ubrzanje od male brzine nakon raskrsnica - dajući nam meru agresivnosti • "Ar" - Ubrzanje od velike brzine na otvorenim dugim pravim putevima - dajući nam meru agresivnosti i preticanja.
[0219]Svaki od testova gore predstavlja važnu vrstu manevra tokom vožnje da kada se ocenjuje u odnosu na kontekst okolne oblasti, daje nam dobru naznaku prednosti i ličnosti vozača.
[0220]Treba napomenuti da postupak postizanja rezultata za vozača nije ograničen na ove specifične testove. Drugi testovi mogu da se koriste isto tako ili umesto datih testova, a drugi testovi mogu da se dodaju tokom vremena i koriste radi poboljšanja dobijenih rezultata.
[0221]Sledeća tabela prikazuje listu specifičnih testova performansi vozača i povezuje relevantne vrste događaja i vrste indeksa rezultata. Ovi testovi izračunavaju se za svaku vrstu puta i kategorizaciju puta (4 vrste i 3 vrste respektvno u ovom primeru, dajući 12 skupova rezultata), ili najmanje za sve kombinacije vrste puta i kategorizacije puta za koje su dostupni svi značajni podaci, radi dobijanja kompletne slike ponašanja vozača duž svih vrsta i kategorizacija puteva. Opciono, ceo skup testova može se izvesti odvojeno za poznate puteve i nepoznate puteve izborom podataka prema vrsti upoznatosti u indeksu rezultata.
[0222]Naznaka: dužina puta, krivina puta, vrsta raskrsnice i doba dana su "vrste" unutar indeksa rezultata. Dodatne vrste indeksa mogu da se uključe u ovaj postupak postizanja rezultata po potrebi.
[0223]Fig. 11 prikazuje primer rezultata koje ovaj pronalazak može da obezbedi. Ceo skup testova performansi vozača kao što je prikazano na Fig. 11 poznat je kao "matrica testa performanse vozača" jer sadrži sve relevantne informacije za vozača. U ovom primeru rezultati su obezbeđeni za četiri različite vrste puteva (u ovom primeru "magistralni", "glavni", "sporedni" i "lokalni" i tri različite kategorizacije puteva (u ovom primeru "gradski", "prigradski" i "ruralni"), ali ovaj pronalazak nije ograničen na ovaj određen format. Status rezultata testova prikazan je za svaki test (tako u ovom primeru za šest testova), u odnosu na svaku kombinaciju vrste puta i kategorizacije puta. Dijagram matrice performanse vozača može u principu da pokazuje apsolutne rezultate za vozača, ali poželjnije može da pokaže rezultate za vozača u odnosu na reper. Rezultati se mogu predstaviti korišćenjem kodiranja bojom (na primer zelena označava "ispod idealnog", plava označava "u okviru idealnog", crvena označava "iznad idealnog", siva označava "nedovoljno podataka"), tako da performansa vozača može brzo da se proceni.
[0224]Treba naznačiti da je na Fig. 11 navedeno pređeno rastojanje i procenat ukupnog rastojanja koje je vozač prešao na svakoj od kategorija vrste puta i kategorizacije puta. Ovo može da se izračuna pomoću ovog pronalaska na trenutnim osnovama i da se koristi pomoću sistema postizanja rezultata (kao što je opisano nadalje).
[0225]Testovi performansi vozača, kao što su opisani gore, potom se dalje analiziraju radi generisanja rezultata za vozača.
Pretvaranje matrice testova performansi vozača u rezultate za vozača
[0226]Sledeća faza uključuje izradu seta crteža koji se odnose na to koliko je od ukupnog skupa rezultata u bilo kom određenom statusu. Takođe je potrebno da se izmere rezultati prema ukupnom rastojanju pređenom u okviru kombinacije vrsta puta/kategorizacija puta. Dobijeni proračuni daće sledeće "rezultate distribucije statusa":
• % od Sp u statusu "nakon repera" (crveno u primeru dijagrama)
• % od Sp u statusu "u okviru repera" (plavo u primeru dijagrama)
• % od Sp u statusu "nakon repera" (zeleno u primeru dijagrama)
• % od Be u statusu "nakon repera"
• % od Bc u statusu "u okviru repera"
• % od Bc u statusu "nakon repera"
• % od Aj u statusu "nakon repera"
• % od Aj u statusu "u okviru repera"
• % od Aj u statusu "nakon repera"
• % od Ar u statusu "nakon repera"
• % od Ar u statusu "u okviru repera"
• % od Ar u statusu "nakon repera"
• % od Bj u statusu "nakon repera"
• % od Bj u statusu "u okviru repera"
• % od Bj u statusu "nakon repera"
• % od Br u statusu "nakon repera"
• % od Br u statusu "u okviru repera"
• % od Br u statusu "nakon repera"
[0227] Ove procentne vrednosti predstavljaju procenat matrice testova performansi vozača u svakoj od vrsta određenog statusa (ili crveno, plavo ili zeleno). Na primer, ako je cela matrica performanse vozača u statusu "u okviru repera" onda će svi od redova gore koji pokazuju "% od XX u statusu u okviru repera" biti 100% (gde "XX" predstavlja svaku navedenu vrstu događaja).
Generisanje rezultata ličnosti iz vrednosti " distribucije statusa"
[0228]Ovaj pronalazak obezbeđuje rezultate za vozača prema određenim karakteristikama koje se odnose na ponašanje tokom vožnje. Na primer, u jednom ostvarenju ovaj pronalazak može da generiše sledeće rezultate za vozača na sledećim karakteristikama:
• Agresivnost - koliko je vozač agresivan
• Anticipacija - koliku anticipaciju vozač pokazuje tokom vožnje
• Pažljivost - koliko je pažljiva njihova vožnja (iskustvo putnika)
• Tempo-koji tempo u saobraćaju vozač postiže u odnosu na vršnjake
• Rezultat za ekspert vozača - koliko je vozač blizu idealnom u svakom pogledu
[0229]Matrica za ponderisanje rezultata (kao što je prikazano dole) koristi se za izračunavanje faktora rezultata ličnosti prema ponderisanju / mapiranju iz procentualnih rezultata "distribucije statusa".
[0230]Brojke u zagradama pokazuju oblasti gde vrednosti van "idealnog" mogu i dalje da doprinesu ukupnom rezultatu.
[0231]Da bi se koristila ova tabela, generisane vrednosti unose se u kolonu na levoj strani, a onda (za željeni rezultat za vozača) procentni ponderi u koloni koriste se da bi se izračunao ukupan procentualni rezultat.
[0232]Prednost ovog postupka je još očiglednija kada se koriste više od tri vrste statusa jer je moguće razvrstati rezultate sa finijim stepenom ganularnosti.
[0233]Fig. 12 prikazuje jedan primer toga kako mogu da se prikažu rezultati.
[0234]Centralni brojčanik prikazuje rezultat za ekspert vozača, na primer kao procenat. Displej takođe prikazuje rezultate za vozača za određene karakteristike kao što su, na primer, "tempo", "anticipacija", "agresivnost" i "pažljivost".
[0235]Fig. 13 je šematski blok dijagram programabilnog uređaja 10 prema ovom pronalasku. Uređaj obuhvata programabilno obrađivanje 11 podataka sa programskom memorijom 12, na primer u obliku memorije iz koje se podaci mogu samo čitati (ROM), skladištenje programa za kontrolisanje procesora 11 podataka radi izvođenja bilo kog od postupaka opisanih gore, na primer generisanje ponašanjem-orjentisane mape, generisanje profila vozača, ili postizanje rezultata i analiziranje profila vozača. Uređaj dalje obuhvata stalnu R/W memoriju 13 za skladištenje, na primer, bilo kojih podataka koji se moraju zadržati u odsustvu napajanja. "Operativna" ili memorija za privremeno čuvanje za obradu podataka obezbeđena je memorijom 14 sa slučajnim pristupom (RAM). Ulazni interfejs 15 obezbeđen je, na primer, za primanje komandi i podataka. Izlazni interfejs 16 obezbeđen je, na primer, za prikazivanje informacije koja se odnosi na napredak i rezultat postupka. Podaci za obradu mogu se dostaviti preko ulaznog interfejsa 15, ili se mogu alternativno vratiti iz mašinski čitljivog skladišta 17 podataka. Prema tome, kada se generiše ponašanjem-orjentisana mapa, digitalna mapa puta bila bi ulaz preko ulaznog interfejsa 15, a dobijena ponašanjem-orjentisana mapa može biti izlaz preko izlaznog interfejsa 16. Kada se generiše profil vozača, podaci položaja i opciono drugi podaci mogu biti ulaz preko ulaznog interfejsa 15 ili mogu da se preuzmu iz skladišta 17 podataka, a dobijeni profil vozača može biti izlaz preko izlaznog interfejsa 16; alternativno, dobijeni profil vozača može da se podvrgne daljoj obradi sa rezultatima za vozača koji su izlaz preko izlaznog interfejsa 16.
[0236] Program za rad sistema i za izvođenje bilo kog od postupaka prethodno opisanih ovde čuva se u programskoj memoriji 12, koja može da se realizuje kao poluprovodnička memorija, na primer dobro poznatog ROM tipa. Međutim, program može da se čuva u bilo kom drugom odgovarajućem medijumu za skladištenje, kao što je magnetni nosač 12a podataka, kao što je "flopi disk", CD-ROM ili DVD-ROM 12b.
Rečnik
Putanja
[0237] Segment navigacione putne mreže kojeg koriste motorna vozila, jedinstveno identifikovan preko putanje ID.
Događaj
[0238] Diskretna akcija ili manevar vozača. Svaki događaj ima vrstu (npr. brzina, ubrzanje, kočenje), putanju ID mape gde se događaj desio, vreme kada se događaj desio i skup metrika događaja.
Metrika događaja
[0239] Jedno ili više merenja koja karakterišu neki događaj. Metrika zavisi od vrste događaja i može da uključuje npr. trenutnu brzinu, maksimalno ubrzanje, trajanje događaja itd.
Indeksi putanje
[0240] Skup ponašanjem-orjentisanih osobina povezanih sa putanjom puta, koje su obično nezavisne od vremena i vozača.
Dinamički indeksi
[0241] Skup indeksa koji mogu da se menjaju sa vremenom i/ili vozačem. Ovo može da uključuje npr. datum i doba dana, bez obzira da li je vozač upoznat sa putanjom puta i da li je preopterećena putanja puta.
Indeks profila
[0242]Kombinacija indeksa putanje za putanju i dinamičke indekse na osnovu vremena/datuma, vozača i lokacije događaja.
Profilom indeksiran događaj
[0243]Određen događaj sa odgovrajućim indeksom profila, određen na osnovu vozača i putanje ID i vremena kada se događaj desio.
Tačka podataka profila
[0244]Agregacija jednog ili više profilom indeksiranih događaja, grupisanih pomoću indeksa profila. Svaka tačka podataka profila ima vrstu, indeks profila i metrike tačke podataka profila.
Metrike tačke podataka profila
[0245]Agregacija metrika događaja od svih događaja koji čine tačku podataka profila. Metrike tačke podataka profila često su statističke mere distribucije metrika događaja, kao što su srednja vrednost i varijacija, ali mogu biti i druge mere kao što su pik vrednosti ili percentili.
Profil vozača
[0246]Skup tačaka podataka profila koji sadrži sve tačke podataka profila generisane od strane vozača.
Indeks analize
[0247]Podskup indeksa profila izabran radi identifikovanja određenih vozačkih ponašanja. Višestruki indeksi profila mogu biti zajedno grupisani radi obrazovanja jedinstvenog indeksa analize.
Tačka podataka analize
[0248]Agregacija jedne ili više tačaka podataka profila, grupisanih indeksom analize. Svaka tačka podataka analize ima vrstu, indeks analize i metrike tačaka podataka analize. Tačke podataka analize i njihove metrike su sakupljene mere najvrednijih metrika događaja za svrhe obrade rezultata ponašanja vozača.
Metrike tačke podataka analize
[0249]Agregacija metrika tačaka podataka profila od svih tačaka podataka profila koje čine tačku podataka analize.
Profil analize
[0250]Skup tačaka podataka analize koji sadrži sve tačke podataka analize generisane od strane vozača.
Tačka repernih podataka
[0251]Tačka podataka analize za referentnog vozača. Koristi se kada se generiše status poređenja sa pragom tokom postupka obrade rezultata. Reperi mogu da se baziraju na apsolutnim vrednostima ili mogu da se programski generišu od događaja skupa stvarnih referentnih vozača.
Metrike reperne tačke podataka
[0252]Metrike tačke podataka analize za repernu tačku podataka.
Reperni pragovi
[0253]Skup graničnih vrednosti za metrike tačke repernih podataka od tačke repernih podataka. Ovo su obično gornje i donje vrednosti praga, ali takođe mogu da uključuju višestruke nivoe iznad i/ili ispod vrednosti u metrikama tačke repernih podataka.
Reperni profil
[0254]Skup tačaka repernih podataka i njihove povezane metrike i pragovi koji predstavljaju sintetskog vozača za svrhe komparativnog postizanja rezultata.
Status poređenja sa pragom
[0255]Rezultat upoređivanja tačke podataka analize vozača sa odgovarajućim repernim pragom. Generiše se kada se računaju rezultati za vozača. Vrednosti su reperno zavisne i obično statusi poređenja sa pragom mogu da uključuju "više", "u okviru" i "niže".
Indeks profila rezultata
[0256]Indeks analize korišćen za indeksiranje statusa poređenja sa pragom u profil rezultata
Tačka podataka profila rezultata
[0257]Rezultat upoređivanja tačke podataka analize sa tačkom repernih podataka korišćenjem njenih repernih pragova. Sadrži indeks profila rezultata, vrstu događaja i status poređenja sa pragom.
Profil rezultata
[0258]Skup svih tačaka podataka profila rezultata za vozača.
Testovi performansi vozača
[0259]Skup specifičnih manevara tokom vožnje i povezanih uslova koji predstavljaju ključne oblasti korišćene u procesu postizanja rezultata.
Matrica testova performansi vozača
[0260]Čitav niz testova performansi vozača za sve vrste puteva i kategorizacije puteva.
Rezultati distribucije statusa
[0261]Vrednosti izračunate iz matrice testova performansi vozača koje obezbeđuju analizu procenta broja testova u celoj matrici u bilo kom posebnom statusu i ponderisane pomoću rastojanja pređenog u bilo kojoj "ćeliji" vrste puta i kategorizacije puta u matrici.
Rezultati za vozača
[0262]Brojčani rezultat koji obezbeđuje meru crte ličnosti ili drugi zaključak generisan ovim pronalaskom.
Matrica za ponderisanje rezultata
[0263]Ona mapira vezu između rezultata distribucije statusa i željenih rezultata za vozača.
Vrsta puta:
[0264]Osobina putanje puta koja opisuje njegov značaj za saobraćaj; jedan od magistralnog, glavnog, sporednog ili lokalnog.
Kategorizacija puta:
[0265]Osobina putanje puta koja opisuje koliko je naseljena njegova okolina; jedan od gradskog, prigradskog ili ruralninog.
Klasifikacija puta:
[0266]Jedinstvena kombinacija vrste puta i kategorizacije puta, npr. ruralnini magistralni ili gradski sporedni.
Claims (15)
1. Računarski implementiran postupak profilisanja vozača koji obuhvata: identifikovanje (3) događaja u podacima koji predstavljaju kretanje vozila, događaja koji uključuju događaje ubrzanja i/ili događaje kočenjanaznačenihbrzinom kojom se vozilo kretalo kada je došlo do odgovarajućeg događaja; izbor jednog ili više događaja na osnovu indeksa profila vezanog za odgovarajući događaj i najmanje jedne osobine izvedene iz odgovarajućeg događaja, pri čemu se indeks profila odnosi najmanje na putanju po kojoj se vozilo kretalo u trenutku tokom odgovarajućeg događaja; određivanje (4) profila (24) vozača iz odabranih događaja; i karakterisanje (9) vozačkog ponašanja vozača na osnovu profila vozača.
2. Postupak prema zahtevu 1, u kome osobina izvedena iz odgovarajućeg događaja uključuje najmanje jedno od: početno vreme događaja; vreme završetka događaja; trajanje događaja; početnu lokaciju događaja; završnu lokaciju događaja; intermedijarnu lokaciju događaja; početnu brzinu; krajnju brzinu; ili maksimalan stepen ubrzanja ili kočenja.
3. Postupak prema zahtevu 1, u kome se indeks profila izvodi od jednog ili više indeksa (22) putanje koji se odnose na karakteristiku(e) putanje koja utiče na ponašanje vozača vozila koje se kreće duž te putanje.
4. Postupak prema zahtevu 3, u kome se indeks profila dalje izvodi od jednog ili više indeksa koji su vremenski zavisni i/ili zavise od vozača.
5. Postupak prema zahtevu 1, 2, 3 ili 4, u kome događaji dalje obuhvataju jedan ili više događaja izabranih iz grupe koja se sastoji od: događaja brzine, događaja skretanja, događaja upoznatosti i događaja rastojanja.
6. Postupak prema zahtevu 3, 4 ili 5, u kome jedan ili više indeksa (22) putanje uključuju najmanje jedan indeks koji precizira klasifikaciju puta putanje na kom se događaj desio, pri čemu opciono klasifikacija puta uključuje najmanje jedno od vrste puta i kategorizacije puta.
7. Postupak prema bilo kom od prethodnih zahteva, u kome određivanje (4) profila vozača obuhvata grupisanje događaja i po vrsti događaja i po indeksu profila.
8. Postupak prema bilo kom od prethodnih zahteva, a koji dalje obuhvata izvođenje (6) profila (25) analize iz profila vozača, pri čemu profil analize ima manju granularnost od profila vozača.
9. Postupak prema zahtevu 8, u kome su tačke podataka u profilu vozača, za najmanje jedan indeks profila, klasifikovane u odnosu na mnoštvo mogućih vrednosti za indeks profila, a pri čemu izvođenje profila analize obuhvata odabir tačaka podataka koje odgovaraju podskupu mogućih vrednosti indeksa profila.
10. Postupak prema zahtevu 8 ili 9, u kome su tačke podataka u profilu vozača, za najmanje jedan indeks profila, klasifikovane u odnosu na mnoštvo mogućih vrednosti za indeks profila, a pri čemu izvođenje profila analize obuhvata spajanje dve ili više mogućih vrednosti indeksa profila.
11. Postupak prema zahtevu 8, 9 ili 10, a koji dalje obuhvata upoređivanje (8) profila analize sa referentnim profilom (27).
12. Postupak prema zahtevu 11, u kome je referentni profil (27) profil jednog ili više naprednih vozača ili gde referentni profil predstavlja profil jednog ili više vozača približno iste starosti i/ili vozačkog iskustva kao vozača.
13. Postupak prema zahtevu 11, u kome referentni profil (27) predstavlja profil dobijen kombinovanjem najmanje prvog profila prve grupe vozača i drugog profila druge grupe vozača.
14.Uređaj za profilisanje vozača, pri čemu je uređaj ptilagođen za: identifikovanje (3) događaja u podacima koji predstavljaju kretanje vozila, događaja koji uključuju događaje ubrzanja i/ili događaje kočenjanaznačenihbrzinom kojom se vozilo kretalo kada je došlo do odgovarajućeg događaja; izbor jednog ili više događaja na osnovu indeksa profila vezanog za odgovarajući događaj i na osnovu najmanje jedne osobine izvedene iz odgovarajućeg događaja, pri čemu se indeks profila odnosi najmanje na putanju po kojoj se vozilo kretalo u trenutku tokom odgovarajućeg događaja; određivanje (4) profila (6) vozača iz odabranih događaja; i karakterisanje (9) upravljačkog ponašanja vozača na osnovu profila (6) vozača.
15.Računarski čitljiva sredina (12,12a, 12b) koja sadrži instrukcije koje, kada ih izvršava procesor, uzrokuju da procesor izvede postupak kao što je definisano u bilo kom od zahteva 1 do 13.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP10177555A EP2431244A1 (en) | 2010-09-20 | 2010-09-20 | Driver profiling system and method |
| EP11773811.2A EP2619059B8 (en) | 2010-09-20 | 2011-09-20 | Driver profiling system and method |
| PCT/GB2011/051767 WO2012038738A2 (en) | 2010-09-20 | 2011-09-20 | Driver profiling system and method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RS55598B1 true RS55598B1 (sr) | 2017-06-30 |
Family
ID=43502984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RS20170040A RS55598B1 (sr) | 2010-09-20 | 2011-09-20 | Sistem i postupak za profilisanje vozača |
Country Status (16)
| Country | Link |
|---|---|
| US (2) | US9701316B2 (sr) |
| EP (3) | EP2431244A1 (sr) |
| AU (2) | AU2011306659A1 (sr) |
| CA (1) | CA2811879C (sr) |
| CY (1) | CY1118460T1 (sr) |
| DK (1) | DK2619059T3 (sr) |
| ES (1) | ES2613243T3 (sr) |
| HR (1) | HRP20170158T1 (sr) |
| HU (1) | HUE029992T2 (sr) |
| LT (1) | LT2619059T (sr) |
| PL (1) | PL2619059T3 (sr) |
| PT (1) | PT2619059T (sr) |
| RS (1) | RS55598B1 (sr) |
| SI (1) | SI2619059T1 (sr) |
| SM (2) | SMT201700016T1 (sr) |
| WO (1) | WO2012038738A2 (sr) |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2431244A1 (en) | 2010-09-20 | 2012-03-21 | Givenpath Ltd | Driver profiling system and method |
| JP5856387B2 (ja) * | 2011-05-16 | 2016-02-09 | トヨタ自動車株式会社 | 車両データの解析方法及び車両データの解析システム |
| US8930227B2 (en) * | 2012-03-06 | 2015-01-06 | State Farm Mutual Automobile Insurance Company | Online system for training novice drivers and rating insurance products |
| US9994172B2 (en) | 2015-02-26 | 2018-06-12 | Ford Global Technologies, Llc | Methods and systems to determine and communicate driver performance |
| US10810504B1 (en) * | 2015-03-11 | 2020-10-20 | State Farm Mutual Automobile Insurance Company | Route scoring for assessing or predicting driving performance |
| EP3159864A4 (en) * | 2015-07-16 | 2018-09-19 | Streamax Technology Co, Ltd. | Subsection speed limiting method and system for vehicle |
| FR3051423B1 (fr) * | 2016-05-20 | 2018-05-25 | Compagnie Generale Des Etablissements Michelin | Procede de proposition d'une vitesse de roulage |
| US10699305B2 (en) * | 2016-11-21 | 2020-06-30 | Nio Usa, Inc. | Smart refill assistant for electric vehicles |
| CN106956680B (zh) * | 2016-12-02 | 2023-07-14 | 广州数锐智能科技有限公司 | 一种电动汽车驾驶行为识别分析方法 |
| CN108688675B (zh) * | 2017-03-29 | 2021-06-29 | 马自达汽车株式会社 | 车辆驾驶支援系统 |
| US10279793B2 (en) | 2017-05-11 | 2019-05-07 | Honda Motor Co., Ltd. | Understanding driver awareness through brake behavior analysis |
| US10259468B2 (en) * | 2017-06-15 | 2019-04-16 | Hitachi, Ltd. | Active vehicle performance tuning based on driver behavior |
| FR3077551A1 (fr) * | 2018-02-07 | 2019-08-09 | Psa Automobiles Sa | Procede de suivi de l’activite de conduite d’un conducteur de vehicule automobile |
| IT201800008055A1 (it) * | 2018-08-10 | 2020-02-10 | Freni Brembo Spa | Metodo e dispositivo per rilevare e fornire informazioni di valutazione di frenata, indicative di un’emissione di particolato dovuta all’uso di un sistema frenante di un veicolo |
| US20200055525A1 (en) * | 2018-08-20 | 2020-02-20 | Ford Global Technologies, Llc | Fuel consumption-based driving behavior scoring |
| CN111223293B (zh) * | 2018-11-27 | 2021-03-02 | 滴滴智慧交通科技有限公司 | 分析交通拥堵的系统和方法 |
| US11507775B2 (en) * | 2018-12-05 | 2022-11-22 | Here Global B.V. | Method and apparatus for matching heterogeneous feature spaces |
| US12179796B2 (en) * | 2019-01-31 | 2024-12-31 | Nissan Motor Co., Ltd. | Autonomous control system that performs pull-over operations through sequential steering and deceleration inputs |
| EP3716196A1 (de) | 2019-03-29 | 2020-09-30 | Huk-Coburg Haftpflicht-Unterstützungs-Kasse Kraftfahrender Beamter Deutschlands A. G. in Coburg | Verfahren und system zur kennzeichnung eines fahrverhaltens |
| FR3097673B1 (fr) * | 2019-06-19 | 2021-05-28 | Psa Automobiles Sa | Procédé et système d’analyse du comportement de conduite d’un conducteur de véhicule automobile et/ou du véhicule |
| US12314909B1 (en) | 2020-11-13 | 2025-05-27 | Quanata, Llc | Systems and methods for classifying a vehicular trip as for personal use or for work based upon similarity in device interaction features |
| US12576874B2 (en) * | 2021-12-23 | 2026-03-17 | Intel Corporation | Driver scoring system and method using optimum path deviation |
| US12552350B2 (en) * | 2022-06-10 | 2026-02-17 | Robert Bosch Gmbh | Driver's automatic emergency brake (AEB) handling score card |
| KR20240122941A (ko) * | 2023-02-06 | 2024-08-13 | 에이치엘만도 주식회사 | 운전자 주행 성향에 따른 차량 자동 제어 시스템 및 그 제어 방법 |
| IT202300025212A1 (it) * | 2023-11-27 | 2025-05-27 | Red Travel S R L | Metodo di allenamento in pista con intelligenza artificiale e telemetria in tempo reale per la guida di autovetture sportive |
| CN118243133B (zh) * | 2024-05-28 | 2024-08-02 | 名商科技有限公司 | 基于路况环境识别的行驶路径优化导航方法及系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1302356B1 (en) * | 2001-10-15 | 2006-08-02 | Ford Global Technologies, LLC. | Method and system for controlling a vehicle |
| DE60328085D1 (de) | 2002-02-26 | 2009-08-06 | Licensing And Inv Co Ltd | Fahrzeugüberwachungssystem |
| US7389178B2 (en) * | 2003-12-11 | 2008-06-17 | Greenroad Driving Technologies Ltd. | System and method for vehicle driver behavior analysis and evaluation |
| GB2434346B (en) * | 2006-01-18 | 2011-01-05 | Airmax Group Plc | Method and system for driver style monitoring and analysing |
| US20070282638A1 (en) * | 2006-06-04 | 2007-12-06 | Martin Surovy | Route based method for determining cost of automobile insurance |
| WO2009013816A1 (ja) * | 2007-07-24 | 2009-01-29 | Nissan Motor Co., Ltd. | 車両用運転支援装置および車両用運転支援装置を備える車両 |
| EP2431244A1 (en) | 2010-09-20 | 2012-03-21 | Givenpath Ltd | Driver profiling system and method |
-
2010
- 2010-09-20 EP EP10177555A patent/EP2431244A1/en not_active Withdrawn
-
2011
- 2011-09-20 AU AU2011306659A patent/AU2011306659A1/en not_active Abandoned
- 2011-09-20 CA CA2811879A patent/CA2811879C/en not_active Expired - Fee Related
- 2011-09-20 DK DK11773811.2T patent/DK2619059T3/en active
- 2011-09-20 LT LTEP11773811.2T patent/LT2619059T/lt unknown
- 2011-09-20 US US13/825,106 patent/US9701316B2/en not_active Expired - Fee Related
- 2011-09-20 WO PCT/GB2011/051767 patent/WO2012038738A2/en not_active Ceased
- 2011-09-20 PT PT117738112T patent/PT2619059T/pt unknown
- 2011-09-20 RS RS20170040A patent/RS55598B1/sr unknown
- 2011-09-20 PL PL11773811T patent/PL2619059T3/pl unknown
- 2011-09-20 SM SM20170016T patent/SMT201700016T1/it unknown
- 2011-09-20 HR HRP20170158TT patent/HRP20170158T1/hr unknown
- 2011-09-20 EP EP11773811.2A patent/EP2619059B8/en active Active
- 2011-09-20 HU HUE11773811A patent/HUE029992T2/en unknown
- 2011-09-20 EP EP16196542.1A patent/EP3162651A1/en not_active Withdrawn
- 2011-09-20 SI SI201131073A patent/SI2619059T1/sl unknown
- 2011-09-20 ES ES11773811.2T patent/ES2613243T3/es active Active
-
2016
- 2016-10-19 AU AU2016247117A patent/AU2016247117B2/en not_active Ceased
-
2017
- 2017-01-16 SM SM201700016T patent/SMT201700016B/it unknown
- 2017-01-17 CY CY20171100061T patent/CY1118460T1/el unknown
- 2017-04-28 US US15/582,391 patent/US10023200B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| LT2619059T (lt) | 2017-03-27 |
| PL2619059T3 (pl) | 2017-08-31 |
| CA2811879A1 (en) | 2012-03-29 |
| DK2619059T3 (en) | 2017-02-06 |
| US9701316B2 (en) | 2017-07-11 |
| PT2619059T (pt) | 2017-01-31 |
| US10023200B2 (en) | 2018-07-17 |
| HUE029992T2 (en) | 2017-04-28 |
| ES2613243T3 (es) | 2017-05-23 |
| EP3162651A1 (en) | 2017-05-03 |
| CY1118460T1 (el) | 2017-07-12 |
| EP2619059A2 (en) | 2013-07-31 |
| HRP20170158T1 (hr) | 2017-03-24 |
| EP2431244A1 (en) | 2012-03-21 |
| US20170369070A1 (en) | 2017-12-28 |
| SMT201700016T1 (it) | 2017-03-08 |
| AU2016247117A1 (en) | 2016-11-10 |
| SMT201700016B (it) | 2017-03-08 |
| EP2619059B1 (en) | 2016-11-02 |
| EP2619059B8 (en) | 2017-01-04 |
| WO2012038738A3 (en) | 2012-08-02 |
| US20140039749A1 (en) | 2014-02-06 |
| SI2619059T1 (sl) | 2017-02-28 |
| AU2011306659A1 (en) | 2013-05-02 |
| WO2012038738A2 (en) | 2012-03-29 |
| CA2811879C (en) | 2018-06-26 |
| AU2016247117B2 (en) | 2018-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RS55598B1 (sr) | Sistem i postupak za profilisanje vozača | |
| US11928962B2 (en) | Location risk determination and ranking based on vehicle events and/or an accident database | |
| US11237007B2 (en) | Dangerous lane strands | |
| US20240085193A1 (en) | Automated dynamic routing unit and method thereof | |
| CN102939623B (zh) | 基于集合的驾驶者行为学习道路导航路径 | |
| CN110268454B (zh) | 确定车辆的定制安全速度 | |
| Ma et al. | Estimating maximum queue length for traffic lane groups using travel times from video-imaging data | |
| WO2022166239A1 (zh) | 一种车辆行驶方案的规划方法、装置和存储介质 | |
| US12217606B1 (en) | Timing or zone alert determination from vehicle events and/or an accident database | |
| CN101710449A (zh) | 基于公交车gps数据的交通流运行状态识别方法 | |
| CN102667404A (zh) | 用探测数据来分析兴趣点的方法 | |
| CN103403496A (zh) | 利用探测数据确定及验证导航优先权设置的方法 | |
| US12462680B2 (en) | Method and processing system for processing probe data and probe | |
| US12198546B1 (en) | Context based alert filtering using ranked risk from vehicle events and/or an accident database | |
| JP2025120386A (ja) | 情報処理装置 | |
| Boonsiripant | Speed profile variation as a surrogate measure of road safety based on GPS-equipped vehicle data | |
| CN110782656B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
| CN119642850A (zh) | 一种基于在线信息的车辆导航路径处理方法及系统 | |
| CN113903169B (zh) | 一种交通优化方法、装置、电子设备及存储介质 | |
| Jomrich et al. | Lane Accurate Detection of Map Changes based on Low Cost Smartphone Data. | |
| CN120544407B (zh) | 三维地形测绘融合车路协同的交通能效控制系统 | |
| Weinberger et al. | Parking-cruising caused congestion | |
| ÇAĞLAR et al. | Investigation of the effect of demand and inscribed diameter on the traffic flow patterns for roundabouts: case study of Sakarya | |
| Fernandes et al. | EMPIRICAL ASSESSMENT OF TURBO-ROUNDABOUT OPERATIONS ON 1 TRAFFIC AND EMISSIONS 2 |