本发明专利技术公开了一种识别驾驶行为的方法、系统和装置，主要包括一种驾驶行为识别系统，所述系统包括获取模块、前置规则确定模块、时间确定模块、数据处理模块、通信模块和识别模块；所述获取模块用于获取第一运动数据；所述前置规则确定模块用于确定前置规则，所述前置规则包括波动方差阈值；所述时间确定模块用于基于所述第一运动数据，确定一个时间段；所述数据处理模块用于获取所述第二运动数据；所述通信模块用于传输所述第二运动数据和所述时间段；所述识别模块用于基于所述第二运动数据识别危险驾驶行为。该发明专利技术可以实现自动识别危险驾驶行为，为系统提供安全警示、驾驶辅助等服务提供帮助。
A System, Method, Device and Storage Medium for Recognizing Driving Behavior
【技术实现步骤摘要】
一种识别驾驶行为的系统、方法、装置和存储介质
本专利技术涉及识别驾驶行为的设备与方法，特别涉及一种基于运动数据识别驾驶行为的设备与方法。
技术介绍
随着互联网技术的发展，按需服务，如在线打车等服务已经在人们的日常生活中扮演了重要的角色。例如，按需约车服务可以频繁地被一个用户使用(如一个乘客)。通过一个在线打车平台，用户可以通过智能设备(如手机)中安装的应用来请求服务。根据危险驾驶前置规则，智能手机中安装的传感器可以产生驾驶数据，通过使用智能手机产生的数据，在线打车平台可以分析交通服务的驾驶行为表现。但是安卓不同手机品牌以及相同手机品牌不同型号使用的传感器精度和灵敏度存在较大差异，使得现有危险驾驶前置规则的识别方案在不同安卓机型上难以达到理想的召回率。基于安卓数据的特点，如果采用一套更为灵敏的前置触发规则，会使得摇晃数据的识别准确度难以达到效果。
技术实现思路
一方面，本专利技术实施例提供了一种识别驾驶行为的方法，包括：通过与设备相联的至少一个传感器获取所述设备的第一运动数据；确定前置规则；基于所述前置规则，确定一个时间段；获取所述时间段内的第二运动数据；将所述第二运动数据发送给服务器；基于所述第二运动数据，识别驾驶行为；所述前置规则包括波动方差阈值。在一些实施例中，获取第二运动数据可以包括，当所述第一运动数据触发所述前置规则准入时，获取特征数据；基于所述特征数据，过滤所述第一运动数据；当所述第一运动数据触发所述前置规则准出时，停止过滤所述第一运动数据。在一些实施例中，过滤第一运动数据可以包括基于机器学习模型及所述特征数据，过滤所述第一运动数据中不需要的信息。在一些实施例中，机器学习模型可以包括摇晃二分类模型。在一些实施例中，特征数据可以包括加速度最大值、最小值、均值，加速度变换角度最大值、最小值、均值和/或者三维坐标系三个方向上加速度最大值、最小值、均值。在一些实施例中，传感器可以包括陀螺仪、加速度传感器、全球定位系统和/或者重力传感器。在一些实施例中，可以基于第一运动数据判断设备是否正随着交通工具移动。在一些实施例中，第一运动数据可以包括线性加速度、角加速度和/或者姿势相关信息，姿势相关信息可以包括角色信息、偏航信息和/或者音高信息。在一些实施例中，获取第二运动数据可以由处理器执行，传感器可以定时产生第一运动数据，处理器可以定时获取第一运动数据。在一些实施例中，处理器可以通过相同的采样频率或者变化的采样频率发送时间段内的第二运动数据和时间段给服务器。另一方面，本专利技术实施例提供了一种识别驾驶行为的系统，可以包括获取模块、前置规则确定模块、时间确定模块、数据处理模块、通信模块和识别模块：获取模块可以获取第一运动数据；前置规则确定模块可以确定前置规则，前置规则可以包括波动方差阈值；时间确定模块可以基于第一运动数据，确定时间段；数据处理模块可以获取第二运动数据；通信模块可以传输第二运动数据和时间段；识别模块可以基于第二运动数据识别危险驾驶行为。本专利技术的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的检查或者对实施例的生产或操作的了解，本专利技术的一部分附加特性对于本领域技术人员是显而易见的。本专利技术的特性可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。因为采用了以上的技术方案，本专利技术具备以下的技术效果：改进了现有技术中的危险驾驶行为前置识别规则，依托该规则利用机器学习模型解决了因为灵敏度提高而导致的手机摇晃数据与真实危险驾驶数据难以区分的问题。机器学习模型构建的二分类模型可以根据整理的数据特征区分正常触发的危险驾驶数据与手机摇晃触发的晃动数据，避免因为前置规则灵敏度的提高而导致过多摇晃数据的上传到服务端，造成服务器负担过大。附图说明图1是根据本专利技术的一些实施例所示的一种驾驶行为识别系统的示意图；图2是根据本专利技术的一些实施例所示的一个示例性处理器的示意图；图3是根据本专利技术的一些实施例所示的一个示例性智能终端的示意图；图4是根据本专利技术的一些实施例所示的一个示例性处理引擎的示意图；图5是根据本专利技术的一些实施例所示的一个示例性数据处理模块的示意图；图6是根据本专利技术的一些实施例所示的获取危险驾驶行为相关的运动数据的一个示例性流程图；图7是根据本专利技术的一些实施例所示的获取第二运动数据的一个示例性流程图。具体实施方式下面通过具体实施例并结合附图对本专利技术做进一步描述。图1是根据本专利技术的一些实施例所示的一种驾驶行为识别系统100的示意图。驾驶行为识别系统100可以包括服务器110、网络120、服务请求端130、服务提供端140和存储设备150。服务器110可以包括处理引擎112。在一些实施例中，驾驶行为识别系统100还可以包括数据库(未在图中画出)。驾驶行为识别系统100可以提供一系列服务。在一些实施例中，所述服务可以包括呼叫出租车服务、打车服务、顺风车服务、拼车服务、公交服务、大巴服务、快车服务、专车服务、其他交通工具服务，或者其中的一种或者几种的组合。在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。服务器组可以是集中式的，也可以是分布式的(例如，服务器110可以是一个分布式系统)。在一些实施例中，服务器110可以是本地服务器，也可以是远程服务器。例如，服务器110可以经由网络120访问存储在服务请求端130、服务提供端140和/或数据库160中的信息和/或数据。又例如，服务器110可以直接连接到服务请求端130、服务提供端140和/或数据库160，以访问其中存储的信息和/或数据。在一些实施例中，服务器110可以在云平台上实现。仅作为示例，云平台可以包括云平台可以包括私有云，公共云，混合云，社区云，分布式云，云间，多云等，或其任何组合。在一些实施例中，服务器110可以包括一个处理引擎112。处理引擎112可以处理与服务请求相关的信息和/或数据以执行本申请描述的一个或多个功能。在一些实施例中，处理引擎112可以包括一个或多个处理器(例如，单核处理器或多核处理器)。仅仅举个例子，处理引擎112可以包括一个或多个硬件处理器，例如中央处理器(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理器(GPU)、物理运算处理器(PPU)、数字信号处理器(DSP)、现场可编辑门阵列(FPGA)、可编辑逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或上述举例的任意组合。网络120可以促进信息和/或数据的交换。在一些实施例中，驾驶行为识别系统100中的一个或多个部件(例如，服务器110、信息请求端130、服务提供端140、存储设备150等)可以通过网络120向驾驶行为识别系统100中的其他部件发送信息和/或数据。例如，服务器110可以通过网络120从服务请求端140和/或服务提供获取第二运动数据。在一些实施例中，网络120可以是有线网络或无线网络中的任意一种，或其组合。例如，网络120可以包括电缆网络、有线网络、光纤网络、远程通信网络、内联网、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或上述举本文档来自技高网...
【技术保护点】
1.一种识别驾驶行为的方法，其特征在于，包括：获取第一运动数据；确定前置规则；基于所述前置规则，确定时间段；获取所述时间段内的第二运动数据；基于所述第二运动数据，识别驾驶行为；所述前置规则包括波动方差阈值。
【技术特征摘要】
1.一种识别驾驶行为的方法，其特征在于，包括：获取第一运动数据；确定前置规则；基于所述前置规则，确定时间段；获取所述时间段内的第二运动数据；基于所述第二运动数据，识别驾驶行为；所述前置规则包括波动方差阈值。2.根据权利要求1所述的方法，其特征在于，所述获取所述第二运动数据包括：当所述第一运动数据触发所述前置规则准入时，获取特征数据；基于所述特征数据，过滤所述第一运动数据；当所述第一运动数据触发所述前置规则准出时，停止过滤所述第一运动数据。3.根据权利要求2所述的方法，其特征在于，所述过滤第一运动数据包括：基于机器学习模型及所述特征数据，过滤所述第一运动数据中不需要的信息。4.根据权利要求3所述的方法，其特征在于，所述机器学习模型为摇晃二分类模型。5.根据权利要求2所述的方法，其特征在于，所述特征数据包括加速度最大值、最小值、均值，加速度变换角度最大值、最小值、均值和/或者三维坐标系三个方向上加速度最大值、最小值、均值。6.根据权利要求1所述的方法，其特征在于，采用传感器获取第一运动数据，所述传感器包括陀螺仪、加速度传感器、全球定位系统定位传感器和/或者重力传感器。7.根据权利要求1所述的方法，其特征在于，基于所述第一运动数据判断设备是否正随着交通工具移动。8.根据权利要求1所述的方法，其特征在于，所述第一运动数据包括线性...
【专利技术属性】
技术研发人员：陈奥，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。