本发明专利技术涉及一种基于急加急减和急转弯数据的高风险标签统计方法及系统，包括高风险数据获取步骤：从高风险标签表中读取一周内的高风险数据M；平均值计算步骤：计算得到平均值N；判断步骤：从高风险数据表中读取车辆该时间段内的高风险数据，并与平均值N进行比较得到数据集G1；筛选步骤：将数据集G1和公司、车队、车辆以及时间段写入高风险标签表，根据公司、车队、车辆以及时间段从高风险标签表中筛选出高风险车辆数据。本发明专利技术通过基于车辆急加速、急减速、急转弯的得到的高风险标签报表，企业可方便快捷的监控有高风险行为的车辆，同时对车辆司机进行告警以及培训，以达到降低道路交通事故的目的，同时降低企业的高风险成本。同时降低企业的高风险成本。同时降低企业的高风险成本。
【技术实现步骤摘要】
一种基于急加急减和急转弯数据的高风险标签统计方法及系统
[0001]本专利技术涉及安全驾驶
，尤其涉及一种基于急加急减和急转弯数据的高风险标签统计方法及系统。
技术介绍
[0002]全国道路交通安全形势严峻，车辆交通事故依然面临着巨大的挑战，高风险驾驶行为导致的交通事故占大多数；现在一些大型企业下属有很多企业车辆，或者一些租车公司也有很多车辆，加强对企业车辆的监控和管理，可以有效的预防并降低道路交通事故的发生。
[0003]大部分交通事故都伴随着突然加速、急刹车和偏离方向等高风险驾驶行为，如何通过对突然加速，急刹车，偏离方向等高风险驾驶行为的分析、判定和统计，以高风险标签的平均值来判断车辆是否有高风险，进而得到有高风险驾驶行为的企业车辆，实现对司机进行警告和培训，有效的预防道路交通事故发生，是现阶段需要考虑的问题。
技术实现思路
[0004]本专利技术的目的在于克服现有技术的缺点，提供了一种基于急加急减和急转弯数据的高风险标签统计方法及系统，能够预防突然加速、急刹车和偏离方向等高风险驾驶行为带来了交通事故安全的问题。
[0005]本专利技术的目的通过以下技术方案来实现：一种基于急加急减和急转弯数据的高风险标签统计方法，所述高风险标签统计方法包括：高风险数据获取步骤：从高风险标签表中读取一定时间内的急加速、急减速和急转弯数据，得到该时间段内的高风险数据M；平均值计算步骤：将所述高风险数据获取步骤得到的高风险数据M结合到该时间段内入网的车辆数量，计算得到平均值N；判断步骤：从高风险数据表中读取车辆该时间段内的高风险数据，并与平均值N进行比较判定，将满足判断条件的高风险数据标记为高风险，得到数据集G1；筛选步骤：将数据集G1和公司、车队、车辆以及时间段写入高风险标签表，通过高风险标签表根据公司、车队、车辆以及时间段从高风险标签表中筛选出高风险车辆数据。
[0006]所述判断步骤中满足判断条件包括从高风险数据表读取的车辆该时间段内的高风险数据大于平均值时，标记为高风险。
[0007]所述高风险标签统计方法还包括告警提示步骤；所述告警提示步骤包括将所述筛选步骤筛选出的高风险车辆数据定位到相应的车辆和司机，向该司机发出告警提示其在某时间段内的驾驶为高风险，并对其进行培训。
[0008]一种基于急加急减和急转弯数据的高风险标签统计系统，它包括高风险数据获取模块、平均值计算模块、判断模块和筛选模块；所述高风险数据获取模块用于：从高风险标
签表中读取一定时间内的急加速、急减速和急转弯数据，得到该时间段内的高风险数据M；所述平均值计算模块用于将所述高风险数据获取步骤得到的高风险数据M结合到该时间段内入网的车辆数量，计算得到平均值N；所述判断模块用于从高风险数据表中读取车辆该时间段内的高风险数据，并与平均值N进行比较判定，将满足判断条件的高风险数据标记为高风险，得到数据集G1；所述筛选模块用于将数据集G1和公司、车队、车辆以及时间段写入高风险标签表，通过高风险标签表根据公司、车队、车辆以及时间段从高风险标签表中筛选出高风险车辆数据。
[0009]还包括告警提示模块，所述告警提示模块用于将所述筛选模块筛选出的高风险车辆数据定位到相应的车辆和司机，向该司机发出告警提示其在某时间段内的驾驶为高风险，并对其进行培训。
[0010]所述判断模块中的判断条件包括从高风险数据表读取的车辆该时间段内的高风险数据大于平均值时，标记为高风险。
[0011]本专利技术具有以下优点：一种基于急加急减和急转弯数据的高风险标签统计方法及系统，通过读取高风险数据表，得到一周内的急加速、急减速和急转弯数据，根据入网车辆得到平均值，车辆一周内的数据大于平局值则标记为高风险，写入高风险标签表。通过高风险标签报表列出有高风险驾驶行为的车辆，对企业司机进行警告和培训，预防道路交通事故的发生。
附图说明
[0012]图1 为本专利技术方法的流程示意图。
具体实施方式
[0013]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本专利技术做进一步的描述。
[0014]如图1所示，本专利技术的一种实施例涉及一种基于急加急减和急转弯数据的高风险标签统计方法，所述高风险标签统计方法包括：高风险数据获取步骤：从高风险标签表中读取一周内的急加速、急减速和急转弯数据，得到该时间段内的高风险数据M；平均值计算步骤：将所述高风险数据获取步骤得到的高风险数据M结合到该时间段内入网的车辆数量，计算得到平均值N；判断步骤：从高风险数据表中读取车辆该时间段内的高风险数据，并与平均值N进行比较判定，将满足判断条件的高风险数据标记为高风险，得到数据集G1；筛选步骤：将数据集G1和公司、车队、车辆以及时间段写入高风险标签表，通过高风险标签表根据公司、车队、车辆以及时间段从高风险标签表中筛选出高风险车辆数据。
[0015]所述判断步骤中满足判断条件包括从高风险数据表读取的车辆该时间段内的高风险数据大于平均值时，标记为高风险。
[0016]所述高风险标签统计方法还包括告警提示步骤；所述告警提示步骤包括将所述筛选步骤筛选出的高风险车辆数据定位到相应的车辆和司机，向该司机发出告警提示其在某时间段内的驾驶为高风险，并对其进行培训。
[0017]本专利技术的另一种实施例涉及一种基于急加急减和急转弯数据的高风险标签统计系统，它包括高风险数据获取模块、平均值计算模块、判断模块和筛选模块；所述高风险数据获取模块用于：从高风险标签表中读取一定时间内的急加速、急减速和急转弯数据，得到该时间段内的高风险数据M；所述平均值计算模块用于将所述高风险数据获取步骤得到的高风险数据M结合到该时间段内入网的车辆数量，计算得到平均值N；所述判断模块用于从高风险数据表中读取车辆该时间段内的高风险数据，并与平均值N进行比较判定，将满足判断条件的高风险数据标记为高风险，得到数据集G1；所述筛选模块用于将数据集G1和公司、车队、车辆以及时间段写入高风险标签表，通过高风险标签表根据公司、车队、车辆以及时间段从高风险标签表中筛选出高风险车辆数据。
[0018]进一步地，还包括告警提示模块，所述告警提示模块用于将所述筛选模块筛选出的高风险车辆数据定位到相应的车辆和司机，向该司机发出告警提示其在某时间段内的驾驶为高风险，并对其进行培训。
[0019]进一步地，判断模块中的判断条件包括从高风险数据表读取的车辆该时间段内的高风险数据大于平均值时，标记为高风险。
[0020]本专利技术通过基于车辆本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于急加急减和急转弯数据的高风险标签统计方法，其特征在于：所述高风险标签统计方法包括：高风险数据获取步骤：从高风险标签表中读取一定时间内的急加速、急减速和急转弯数据，得到该时间段内的高风险数据M；平均值计算步骤：将所述高风险数据获取步骤得到的高风险数据M结合到该时间段内入网的车辆数量，计算得到平均值N；判断步骤：从高风险数据表中读取车辆该时间段内的高风险数据，并与平均值N进行比较判定，将满足判断条件的高风险数据标记为高风险，得到数据集G1；筛选步骤：将数据集G1和公司、车队、车辆以及时间段写入高风险标签表，通过高风险标签表根据公司、车队、车辆以及时间段从高风险标签表中筛选出高风险车辆数据。2.根据权利要求1所述的一种基于急加急减和急转弯数据的高风险标签统计方法，其特征在于：所述判断步骤中满足判断条件包括从高风险数据表读取的车辆该时间段内的高风险数据大于平均值时，标记为高风险。3.根据权利要求1或2所述的一种基于急加急减和急转弯数据的高风险标签统计方法，其特征在于：所述高风险标签统计方法还包括告警提示步骤；所述告警提示步骤包括将所述筛选步骤筛选出的高风险车辆数据定位到相应的车辆和司机，向该司机发出告警提示其在某时间段内的驾驶为高风险，并对其进行培训。4.一种基于急加急减和...
【专利技术属性】
技术研发人员：王春波，罗杰，
申请(专利权)人：成都亿盟恒信科技有限公司，
类型：发明
国别省市：
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。