買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉武漢理工大學申請的專利一種基于長周期傳感數(shù)據(jù)移動端的駕駛員行為畫像方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115169840B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210717469.1，技術(shù)領域涉及：G06F18/2431；該發(fā)明授權(quán)一種基于長周期傳感數(shù)據(jù)移動端的駕駛員行為畫像方法是由賀宜;鄭凱陽;孫心圯;劉岑宇;李繼樸;曹高杰;成楊設計研發(fā)完成，并于2022-06-23向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于長周期傳感數(shù)據(jù)移動端的駕駛員行為畫像方法在說明書摘要公布了：本發(fā)明提出了一種基于長周期傳感數(shù)據(jù)移動端的駕駛員行為畫像方法，包括：移動端、云端服務器。本方法通過移動端收集數(shù)據(jù)發(fā)往云平臺構(gòu)建數(shù)據(jù)集，進行數(shù)據(jù)清洗及標準化，并將處理后的數(shù)據(jù)發(fā)送至移動端以基于移動端慣性傳感器的Groundtruth信息獲取策略校準坐標；使用預先搭建的駕駛風格分類模型劃分駕駛風格，并對安全性評分；引入VT?Micro微觀油耗模型繪制長周期油耗趨勢圖并結(jié)合ISO駕駛平順性評分標準對燃油經(jīng)濟性進行可視化；云端最后將總評分、駕駛模式、長期油耗趨勢發(fā)送至移動端；本發(fā)明改善了油耗經(jīng)濟性問題，有助于車主養(yǎng)成良好經(jīng)濟駕駛習慣，實現(xiàn)低碳駕駛。構(gòu)建的云端網(wǎng)絡數(shù)據(jù)庫為分析經(jīng)濟效益，減排以及其他領域如不良駕駛行為提供數(shù)據(jù)基礎。

本發(fā)明授權(quán)一種基于長周期傳感數(shù)據(jù)移動端的駕駛員行為畫像方法在權(quán)利要求書中公布了：1.一種基于長周期傳感數(shù)據(jù)移動端的駕駛員行為畫像方法，其特征在于，所述長周期傳感數(shù)據(jù)移動端，包括：移動端、云端服務器； 所述的移動端、云端服務器通過5G網(wǎng)絡進行數(shù)據(jù)傳遞； 所述移動端用于駕駛行為的初始數(shù)據(jù)采集，并傳輸至云端服務器對初始數(shù)據(jù)進行處理并保留在云端數(shù)據(jù)集，同時作為駕駛員畫像的可視化載體以實現(xiàn)改善駕駛員行為習慣的作用； 所述云端服務器，對于駕駛行為初始數(shù)據(jù)進行清洗、狀態(tài)識別、特征聚類、風格生成，最終得到駕駛員長周期畫像并反饋至手機端； 所述駕駛員行為畫像的生成方法，包括以下步驟： 步驟1：移動端收集數(shù)據(jù)發(fā)往云平臺構(gòu)建數(shù)據(jù)集； 步驟2：云端平臺對收集到的數(shù)據(jù)進行數(shù)據(jù)清洗及標準化，將剛開始處理后的數(shù)據(jù)發(fā)送至移動端以校準坐標； 步驟3：基于移動端慣性傳感器的Groundtruth信息獲取策略校準坐標； 步驟4：使用預先搭建的駕駛風格分類模型及基于PAA，SAX劃分駕駛?cè)笋{駛風格，生成駕駛個性化模式畫像并對安全性進行評分； 所述駕駛風格分類模型包括：特征聚類、情境感知模塊、決策融合子模塊； 步驟4所述基于PAA，SAX劃分駕駛?cè)笋{駛風格的方法為： 其中，將原始數(shù)據(jù)轉(zhuǎn)換為分段聚合近似值PAA表示形式，再根據(jù)斷點位置轉(zhuǎn)換成相應的字符串； 所述字符串的轉(zhuǎn)換方法包括：原始數(shù)據(jù)降維，基于python的數(shù)據(jù)分級和編碼； 所述原始數(shù)據(jù)降維方法為： 其中，C為原始時間序列，為經(jīng)過PAA降維后的w維空間向量，n為原始時間序列長度，i為原始時間序列數(shù)量， 所述基于python的數(shù)據(jù)分級和編碼方法為： 使用SAX算法將經(jīng)過標準化和PAA處理的加速度數(shù)據(jù)編碼分類為6個等級，每個等級代表不同的加速度等級閾值； 編碼完成后，利用python建立每次遞增1，長度為3的移動索引窗口，統(tǒng)計每種駕駛行為模式出現(xiàn)的頻次，并將每種駕駛行為輸出為TXT格式文件； 步驟4所述生成駕駛個性化畫像具體方法為： 提取前30種駕駛模式作為典型駕駛模式，同時將加減速作為獨立的兩種駕駛行為操作來說明駕駛?cè)说鸟{駛行為特征； 步驟4所述駕駛安全性評分為： 其中，i為典型駕駛模式的次序，freqi是該典型駕駛模式占所有駕駛模式的比例，CODE是典型駕駛模式的代碼，mean用來計算駕駛模式代碼的均值，std用來計算駕駛模式代碼的標準偏差，abs表示絕對值； 步驟5：引入VT-Micro微觀油耗模型繪制出長周期油耗趨勢圖并結(jié)合ISO駕駛平順性評分標準對燃油經(jīng)濟性進行可視化； 步驟6：云端整合總評分，同時將駕駛個性化模式、長期油耗趨勢發(fā)送至移動端程序?qū)崿F(xiàn)可視化。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人武漢理工大學，其通訊地址為：430070 湖北省武漢市洪山區(qū)珞獅路122號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。