车辆运输稽核评分方法与系统技术方案

本发明专利技术是一种车辆运输稽核评分方法与系统，该车辆运输稽核评分系统包含有云端服务器，用于执行路口分析、速度分析及平顺分析，以产生路口过弯不停比例、路口过弯不停次数、平均最低过弯速度、急减速时长、急加速时长、超速时长、超速比例、平均最高超速速度、油门过重比例、车体前倾次数、车体后倾次数、车体侧倾次数及车体震动次数等关键特征，且根据关键特征执行监督式学习评分程序，以产生稽核评分。借此提供汽车运输业者用以管理司机，避免人为的主观评断，以客观且有效率的方式对司机的驾驶行为进行稽核与评估。为进行稽核与评估。为进行稽核与评估。

【技术实现步骤摘要】
车辆运输稽核评分方法与系统


[0001]本专利技术有关于一种评分方法与系统，尤其是一种车辆运输稽核评分方法与系统。

技术介绍

[0002]近年来汽车运输业的车辆，例如公车、客运、游览车等，由于驾驶行为的问题，导致许多交通事故的发生，例如路口转弯时，司机若不停下观察是否没有其余行人或车辆再通过，则容易导致车祸的发生。
[0003]虽现行车辆上大多安装有行车记录仪，但行车记录仪仅能拍摄车辆的驾驶行为，并无法记录汽车运输业车辆司机本身的驾驶行为，故难以对司机本身的驾驶行为进行评估。此外，虽有部分汽车运输业者具有回报机制，例如请乘客填回复问卷，对司机的驾驶行为进行评分。但单以人为评分的结果评断司机的驾驶行为过于主观，且后续以人工稽核的方式耗工费时。故目前对于司机的驾驶行为缺乏有效的稽核评分机制。因此，现有的稽核司机驾驶行为的评分机制仍需进一步的改良。

技术实现思路

[0004]有鉴于上述问题，本专利技术提供一种车辆运输稽核评分方法与系统，以协助汽车运输业者或智能驾驶开发业者，发展一套自动化稽核评分系统。/>[0005]车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆稽核评分方法，其特征在于，由一云端服务器所执行，且包含有：执行一路口分析，以产生一路口过弯不停比例、一路口过弯不停次数及一平均最低过弯速度；执行一速度分析，以产生一急减速时长、一急加速时长、一超速时长、一超速比例及一平均最高超速速度；执行一平顺分析，以产生一油门过重比例、一车体前倾次数、一车体后倾次数、一车体侧倾次数及一车体震动次数；根据所述路口过弯不停比例、所述路口过弯不停次数、所述平均最低过弯速度、所述急减速时长、所述急加速时长、所述超速时长、所述超速比例、所述平均最高超速速度、所述油门过重比例、所述车体前倾次数、所述车体后倾次数、所述车体侧倾次数及所述车体震动次数，执行一监督式学习评分程序，以产生一稽核评分。2.根据权利要求1所述的车辆运输稽核评分方法，其特征在于，所述监督式学习评分程序包含有：根据所述路口过弯不停比例、所述路口过弯不停次数及所述平均最低过弯速度，以一路口机器学习模型产生一路口分析评分；根据所述急减速时长、所述急加速时长、所述超速时长、所述超速比例及所述平均最高超速速度，以一速度机器学习模型产生一速度分析评分；根据所述油门过重比例、所述车体前倾次数、所述车体后倾次数、所述车体侧倾次数及所述车体震动次数，以一平顺机器学习模型产生一平顺分析评分；根据所述路口分析评分、所述速度分析评分及所述平顺分析评分，进行权重加总，以产生所述稽核评分。3.根据权利要求1所述的车辆运输稽核评分方法，其特征在于，所述路口分析包含有：取得一车辆位置信息、一速度信息及一煞车信息；取得一号志位置信息；根据所述车辆位置信息及所述号志位置信息，判断一车辆位置与至少一号志位置之间的至少一第一距离是否小于一路口门槛距离；当所述至少一第一距离小于所述路口门槛距离时，产生一路口过弯次数，且根据所述速度信息产生一最低过弯速度，并根据所述煞车信息判断是否停等超过一停等门槛时长；当未停等超过所述停等门槛时长时，产生一路口未停等次数，并判断是否满足一稽核条件；当满足所述稽核条件时，根据所述路口过弯次数及所述路口未停等次数，计算于一稽核时长内的所述路口过弯不停比例及所述路口过弯不停次数，且根据所述最低过弯速度，计算于所述稽核时长内的所述平均最低过弯速度；当不满足所述稽核条件时，重新取得所述车辆位置信息、所述速度信息及所述煞车信息。4.根据权利要求1所述的车辆运输稽核评分方法，其特征在于，所述速度分析包含有：取得一车辆位置信息及一速度信息；取得一路线限速信息；根据所述车辆位置信息及所述路线限速信息，产生一地点限速信息；
根据所述速度信息及所述地点限速信息，判断一车速是否大于一地点限速；当所述车速大于所述地点限速时，计算所述超速时长，且根据所述速度信息产生一最高超速速度，并判断是否满足一稽核条件；根据所述速度信息，判断所述车速于一加速时间内的一最大值与一最小值的一第一差值是否大于一第一门槛值；当所述第一差值大于所述第一门槛值，产生所述急加速时长，并判断是否满足所述稽核条件；根据所述速度信息，判断所述车速于一减速时间内的一最大值与一最小值的一第二差值是否大于一第二门槛值；当所述第二差值大于所述第二门槛值，产生所述急减速时长，并判断是否满足所述稽核条件；当满足所述稽核条件时，根据所述超速时长，计算于一稽核时长内的所述超速比例，且根据所述最高超速速度，计算于所述稽核时长内的所述平均最高超速速度；当不满足所述稽核条件时，重新取得所述车辆位置信息及所述速度信息。5.根据权利要求1所述的车辆运输稽核评分方法，其特征在于，所述平顺分析包含有：取得一惯性测量信息及一车辆油门信息；根据所述车辆油门信息，判断一油门深度是否大于一门槛深度；当所述油门深度大于所述门槛深度时，产生一油门过重时长，并判断是否满足一稽核条件；根据所述惯性测量信息，判断一第一轴向加速度的一第一绝对值是否大于一第一门槛加速度，且判断一第二轴向加速度的一第二绝对值是否大于一第二门槛加速度，并判断一第三轴向加速度的一第三绝对值是否大于一第三门槛加速度；当所述第一轴向加速度的所述第一绝对值大于所述第一门槛加速度，且当所述第一轴向加速度为一正数时，产生所述车体后倾次数，并判断是否满足所述稽核条件；当所述第一轴向加速度的所述第一绝对值大于所述第一门槛加速度，且当所述第一轴向加速度为一负数时，产生所述车体前倾次数，并判断是否满足所述稽核条件；当所述第二轴向加速度的所述第二绝对值大于所述第二门槛加速度时，产生所述车体侧倾次数，并判断是否满足所述稽核条件；当所述第三轴向加速度的所述第三绝对值大于所述第三门槛加速度时，产生所述车体震动次数，并判断是否满足所述稽核条件；当满足所述稽核条件时，根据所述油门过重时长，计算于一稽核时长内的所述油门过重比例；当不满足所述稽核条件时，重新取得所述惯性测量信息及所述车辆油门信息。6.根据权利要求5所述的车辆运输稽核评分方法，其特征在于：所述第一门槛加速度是所述第一轴向加速度的平方乘以一动态调整参数：所述第二门槛加速度是所述第二轴向加速度的平方乘以所述动态调整参数：所述第三门槛加速度是所述第三轴向加速度的平方乘以所述动态调整参数。7.根据权利要求3所述的车辆运输稽核评分方法，其特征在于，所述稽核条件是判断执行所述路口分析的一第一分析时长、执行所述速度分析的一第二分析时长或执行所述平顺
分析的一第三分析时长是否超过所述稽核时长；当所述第一分析时长、所述第二分析时长或所述第三分析时长超过所述稽核时长时，判断满足所述稽核条件。8.根据权利要求1所述的车辆运输稽核评分方法，其特征在于，进一步包含有：执行一过站分析，以产生一过站不停比例、一过站不停次数及一平均最低过站速度；当执行所述监督式学习评分程序时，进一步根据所述过站不停比例、所述过站不停次数及所述平均最低过站速度，产生所述稽核评分。9.根据权利要求8所述的车辆运输稽核评分方法，其特征在于，所述监督式学习评分程序包含有：根据所述路口过弯不停比例、所述路口过弯不停次数及所述平均最低过弯速度，以一路口机器学习模型产生一路口分析评分；根据所述急减速时长、所述急加速时长、所述超速时长、所述超速比例及所述平均最高超速速度，以一速度机器学习模型产生一速度分析评分；根据所述油门过重比例、所述车体前倾次数、所述车体后倾次数、所述车体侧倾次数及所述车体震动次数，以一平顺机器学习模型产生一平顺分析评分；根据所述过站不停比例、所述过站不停次数及所述平均最低过站速度，以一过站机器学习模型产生一过站分析评分；根据所述路口分析评分、所述速度分析评分、所述平顺分析评分及所述过站分析评分，进行权重加总，以产生所述稽核评分。10.根据权利要求8所述的车辆运输稽核评分方法，其特征在于，所述过站分析包含有：取得一车辆位置信息、一速度信息、一煞车信息及一车门信息；取得一站点位置信息；根据所述车辆位置信息及所述站点位置信息，判断一车辆位置与至少一站点位置之间的至少一第二距离是否小于一站点门槛距离；当所述至少一第二距离小于所述站点门槛距离时，产生一过站次数，且根据所述速度信息产生一最低过站速度，并根据所述煞车信息及所述车门信息判断是否停等且开门；当未停等且开门时，产生一过站未开门次数，并判断是否满足一稽核条件；当满足所述稽核条件时，根据所述过站次数及所述过站未开门次数，计算于一稽核时长内的所述过站不停比例及所述过站不停次数，且根据所述最低过站速度，计算于所述稽核时长内的所述平均最低过站速度；当不满足所述稽核条件时，重新取得所述车辆位置信息、所述速度信息、所述煞车信息及所述车门信息。11.一种车辆运输稽核评分系统，其特征在于，包含有：一云端服务器，执行一路口分析，以产生一路口过弯不停比例、一路口过弯不停次数及一平均最低过弯速度；且执行一速度分析，以产生一急减速时长、一急加速时长、一超速时长、一超速比例及一平均最高超速速度；并执行一平顺分析，以产生一油门过重比例、一车体前倾次数、一车体后倾次数、一车体侧倾次数及一车体震动次数；其中所述云端服务器根据所述路口过弯不停比例、所述路口过弯不停次数、所述平均最低过弯速度、所述急减速时长、所述急加速时长、所述超速时长、所述超速比例、所述平均
最高超速速度、所述油门过重比例、所述车体前倾次数、所述车体后倾次数、所述车体侧倾次数及所述车体震动次数，执行一监督式学习评分程序，以产生一稽核评分。12.根据权利要求11所述的车辆运输稽核评分系统，其特征在于，所述监督式学习评分程序由所述云端服务器根据所述路口过弯不停比例、所述路口过弯不停次数及所述平均最低过弯速度，以一路口机器学习模型产生一路口分析评分；且由所述云端服务器根据所述急减速时长、所述急加速时长、所述超速时长、所述超速比例及所述平均最高超速速度，以一速度机器学习模型产生一速度分析评分；并由所述云端服务器根据所述油门过重比例、所述车体前倾次数、所述车体后倾次数、所述车体侧倾次数及所述车体震动次数，以一平顺机器学习模型产生一平顺分析评分后；再由所述云端服务器根据所述路口分析评分、所述速度分析评分及所述平顺分析评分，进行权重加总，以产生所述稽核评分。13.根据权利要求11所...

【专利技术属性】
技术研发人员：庄士贤，施志民，陈星宇，洪逸舟，
申请(专利权)人：财团法人资讯工业策进会，
类型：发明
国别省市：