專利名稱：一種基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及輔助駕駛的技術(shù)領(lǐng)域，特別涉及一種基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法。
背景技術(shù)：
現(xiàn)有的輔助駕駛系統(tǒng)主要分為兩種:一種用于路徑導(dǎo)航；另一種是用于駕駛動作提示。用于路徑導(dǎo)航的輔助駕駛系統(tǒng)，主要是根據(jù)地圖的拓?fù)浣Y(jié)構(gòu)，給用戶返回路程最短的行車線路，這種導(dǎo)航方式是一種靜態(tài)的導(dǎo)航，路徑選擇時沒有參考其他人的歷史行程記錄，也沒有把實時交通狀況作為路徑選擇的條件；用于駕駛動作提示的輔助駕駛系統(tǒng)，通過將車輛ECU數(shù)據(jù)采集裝置與車輛故障診斷接口連接讀取車輛工況信息，并將車輛工況信息傳輸?shù)今{駛行為分析終端進行分析，駕駛行為分析終端能識別典型的不規(guī)范駕駛動作，并在司機出現(xiàn)不規(guī)范的駕駛行為時發(fā)出語音警告。中國發(fā)明專利201010181513 (申請公布號為CN101853021A)公開了一種基于CA N總線的車輛遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)，包括一個遠(yuǎn)端服務(wù)器和至少一個車載遠(yuǎn)程數(shù)據(jù)采集裝置，車載遠(yuǎn)程數(shù)據(jù)采集裝置包括處理器模塊、C A N總線通訊模塊、電壓比較模塊和無線通信模塊；電壓比較模塊的輸入信號為車輛設(shè)備輸出的開關(guān)量信號和脈沖量信號；車輛設(shè)備輸出的模擬量信號由發(fā)動 機E C U處理后傳輸?shù)紺 A N總線上，由C AN總線通訊模塊接收，C A N總線通訊模塊還接收掛在C A N總線上的設(shè)備信號，其輸出端經(jīng)S P I總線和處理器模塊連接，無線通信模塊用于和服務(wù)器進行無線通信。該技術(shù)方案能采集若干汽車上各種車輛設(shè)備的信息，且通過無線通信將數(shù)據(jù)傳輸給服務(wù)器存儲，根據(jù)采集的數(shù)據(jù)為車輛的維護和管理提供可靠的依據(jù)。但是，上述方案沒有對駕駛場景進行識別，沒有分析駕駛動作在特定場景下的恰當(dāng)程度，不能做出基于場景的駕駛動作提示，具有較大的局限性。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種以可行線路上的歷史駕駛行程為選路參考依據(jù)的輔助駕駛系統(tǒng)實現(xiàn)方法。為了達到上述目的，本發(fā)明采用以下技術(shù)方案:本發(fā)明基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，包括下述步驟:S1、通過車輛ECU數(shù)據(jù)采集裝置采集車輛工況數(shù)據(jù)和車輛性能參數(shù)數(shù)據(jù)，并把采集到的數(shù)據(jù)通過無線網(wǎng)絡(luò)傳輸?shù)揭苿虞o助駕駛終端；S2、在車輛行駛前，在移動輔助駕駛終端上輸入選路目的地以及選路的最優(yōu)目標(biāo)，在車輛行駛過程中移動輔助駕駛終端采集車輛的地理坐標(biāo)數(shù)據(jù)，并把這些地理坐標(biāo)數(shù)據(jù)與步驟Si中采集到的數(shù)據(jù)，通過無線網(wǎng)絡(luò)同步到云端智能平臺，并接收云端智能平臺的分析結(jié)果;S3、云端智能平臺，存儲著海量的駕駛行程數(shù)據(jù)，通過大數(shù)據(jù)分析算法，從海量的數(shù)據(jù)中分析出輔助駕駛所需要的信息。
優(yōu)選的，步驟S3中，云端智能平臺的數(shù)據(jù)分析結(jié)果用于支持輔助駕駛系統(tǒng)的行車路徑選擇、駕駛動作糾正以及駕駛動作引導(dǎo)。優(yōu)選的，所述行車路徑的選擇具體包括下述步驟:S21、根據(jù)步驟S2中同步到云端智能平臺的數(shù)據(jù)，使用大數(shù)據(jù)分析算法，對云端智能平臺中的海量歷史駕駛行程數(shù)據(jù)和外部動態(tài)交通狀況數(shù)據(jù)進行分析；S22、從海量的歷史駕駛行程數(shù)據(jù)中找出所有可行的線路，根據(jù)選路的最優(yōu)目標(biāo)，將各條可行線路進行對比，找出最優(yōu)的可行線路作為本行程的行車線路。優(yōu)選的，駕駛動作糾正具體包括下述步驟:S31、識別已選線路各歷史駕駛行程所用車輛的性能；S32、識別已選線路各歷史駕駛行程的駕駛動作，使用大數(shù)據(jù)分析算法，從海量歷史行程的車輛工況數(shù)據(jù)中，對車輛工況特征進行歸類，通過解析各類車輛工況特征，實現(xiàn)對駕駛動作的識別；S33、道路特征識別，通過對步驟S31和S32識別到的車輛性能及駕駛動作識別結(jié)果進行進一步的分析，實現(xiàn)對已選線路路網(wǎng)特征的識別；S34、實時交通狀況識別，根據(jù)步驟S2中采集的車輛實時位置數(shù)據(jù)，分析從外部接入的動態(tài)交通狀況數(shù)據(jù)，得出車輛所在位置的實時的交通狀況；S35、實時駕駛場景識別，將步驟S33識別到的路網(wǎng)特征信息和步驟S34識別的交通狀況信息進行融合，通過對融合結(jié)果的分析，識別車輛所在位置的實時駕駛場景；S36、實時駕駛動作識別，根據(jù)步驟SI中采集的車輛工況數(shù)據(jù)，識別實時駕駛動作；S37、本行程的車輛性能識別，根據(jù)步驟SI中采集的車輛性能參數(shù)數(shù)據(jù)，識別本行程所用車輛的性能；S38、基于場景的駕駛動作評價，將本行程的車輛性能識別結(jié)果、駕駛動作識別結(jié)果與實時駕駛場景識別結(jié)果進行融合，參照不同場景下駕駛行為的評價標(biāo)準(zhǔn)，做出基于場景的駕駛行程評價。優(yōu)選的，步驟S31中，識別已選線路各歷史駕駛行程所用車輛的性能的步驟為:S311、根據(jù)車輛工況數(shù)據(jù)識別車型，根據(jù)平臺上已有的知識庫中的數(shù)據(jù)，對該型號的車輛性能進行評價；S312、根據(jù)車輛工況數(shù)據(jù)，對比平臺知識庫中的故障識別碼數(shù)據(jù)，判斷車輛是否有故障；S313、根據(jù)平臺記錄的同種車型的歷史駕駛行程記錄修正對該車型的性能評價。優(yōu)選的，所述駕駛動作指導(dǎo)階段的具體步驟為:S41、 根據(jù)車輛所在位置的實時駕駛場景和已識別到的已選線路的道路特征，使用特定的算法，推斷下一個駕駛場景；S42、參照步驟S37識別的車輛性能信息，從步驟S31識別的駕駛動作集合中選擇動作發(fā)生的場景與步驟S41推斷出的場景相似的駕駛動作，參照最優(yōu)的選路目標(biāo)，對這些駕駛動作產(chǎn)生的結(jié)果進行對比分析，找出最優(yōu)的駕駛動作作為的該場景和車輛性能條件下的示范性動作。優(yōu)選的，步驟S2中，接收云端智能平臺的分析結(jié)果后，通過語音、文字以及圖形方式輔助司機進行駕駛。本發(fā)明相對于現(xiàn)有技術(shù)具有如下的優(yōu)點及效果:1、本發(fā)明科學(xué)有效:使用海量歷史駕駛行程數(shù)據(jù)作為行程選路參考依據(jù)，科學(xué)的對各條可行線路進行分析，有效的滿足司機對選路的要求。2、本發(fā)明準(zhǔn)確性高:準(zhǔn)確地識別不同的駕駛場景，客觀地評價司機在不同場景下駕駛動作的恰當(dāng)程度；準(zhǔn)確的推斷車輛行駛的下一個場景，正確的引導(dǎo)司機做出恰當(dāng)?shù)鸟{駛動作。3、本發(fā)明計算效率高:使用云計算計算，快速地計算出輔助駕駛需要的數(shù)據(jù)結(jié)果。4、本發(fā)明硬件投入少:數(shù)據(jù)的存儲和分析在公有云上實現(xiàn)，無需購買服務(wù)器硬件；每輛車需要配備的硬件只有一個車輛ECU數(shù)據(jù)采集裝置和一個移動智能終端。5、本發(fā)明通過應(yīng)用本系統(tǒng)，科學(xué)的選擇行車線路，有效的滿足司機的選路要求；準(zhǔn)確地識別不同的駕駛場景，客觀地評價司機在不同場景下駕駛動作的恰當(dāng)程度，及時糾正司機的不恰當(dāng)駕駛動作，正確引導(dǎo)司機做出恰當(dāng)?shù)鸟{駛動作，幫助司機改善駕駛行為，養(yǎng)成良好的駕駛習(xí)慣，提高司機的駕駛安全性，減少司機的駕駛油耗。


圖1是本發(fā)明的基于場景的輔助系統(tǒng)結(jié)構(gòu)圖；圖2是本發(fā)明云端智能平臺的工作原理圖。
具體實施例方式下面結(jié)合實 施例及附圖對本發(fā)明作進一步詳細(xì)的描述，但本發(fā)明的實施方式不限于此。實施例如圖1所示，本實施例基于場景的輔助駕駛系統(tǒng)，由車輛ECU數(shù)據(jù)采集裝置、移動輔助駕駛終端以及云端智能平臺組成。車輛ECU數(shù)據(jù)采集裝置與車輛故障診斷接口連接，讀取車輛工況數(shù)據(jù)和車輛性能參數(shù)數(shù)據(jù)，并把讀取到的數(shù)據(jù)通過藍(lán)牙/W1-Fi網(wǎng)絡(luò)傳輸?shù)揭苿虞o助駕駛終端；移動輔助駕駛終端內(nèi)置GPS模塊、無線通信模塊以及語言播放等模塊，在車輛行駛過程采集車輛的地理坐標(biāo)數(shù)據(jù)，并把這些數(shù)據(jù)與車輛ECU數(shù)據(jù)采集裝置采集到的數(shù)據(jù)，通過無線(GPRS/2G/3G/W1-Fi)網(wǎng)絡(luò)同步到云端智能平臺，并接收云端智能平臺的分析結(jié)果，以語音、文字以及圖形等方式輔助司機進行駕駛。云端智能平臺，存儲著海量的駕駛行程數(shù)據(jù)，能通過特定的大數(shù)據(jù)分析算法，從海量的數(shù)據(jù)中分析出輔助駕駛所需要的信息。系統(tǒng)的具體實現(xiàn)原理如下:(一)車輛E⑶數(shù)據(jù)采集終端工作原理車輛ECU數(shù)據(jù)采集裝置與車輛故障診斷口連接，讀取車輛工況數(shù)據(jù)和車輛性能參數(shù)數(shù)據(jù)。車輛ECU數(shù)據(jù)采集裝置內(nèi)置了藍(lán)牙/W1-Fi通信模塊，能與移動輔助駕駛終端的無線通信模塊進行通信，接收移動輔助駕駛終端的數(shù)據(jù)采集指令，并把采集到的數(shù)據(jù)發(fā)送到移動輔助駕駛終端。(二)移動輔助駕駛終端的交互原理
移動輔助駕駛終端利用內(nèi)置GPS模塊采集車輛地理坐標(biāo)數(shù)據(jù)，并與車輛ECU數(shù)據(jù)采集裝置、云端智能平臺通信，通過語音、地圖以及文字等方式與司機交互，實現(xiàn)駕駛行程路徑選擇、駕駛動作糾正以及駕駛動作引導(dǎo)等輔助駕駛功能。1、行車路徑選擇行程開始前，司機在移動輔助駕駛終端上輸入選路目的地以及選路的最優(yōu)目標(biāo)(最短行程時間/最少油耗等);移動輔助駕駛終端利用GPS模塊獲取車輛當(dāng)前的位置，將車輛當(dāng)前的位置信息與司機輸入的選路信息，通過無線(GPRS/2G/3G/W1-Fi)網(wǎng)絡(luò)上傳到云端智能平臺；最后接收云端智能平臺返回的行車路徑選擇結(jié)果，并以電子地圖的方式進行顯
/Jn ο2、駕駛動作糾正移動輔助駕駛終端在行車過程中，通過車輛ECU數(shù)據(jù)采集裝置獲取車輛的性能參數(shù)數(shù)據(jù)、實時工況數(shù)據(jù)以及實時位置數(shù)據(jù)，利用無線網(wǎng)絡(luò)同步到云端智能平臺。云端智能平臺通過分析，判斷司機的實時駕駛動作是否恰當(dāng)，并把分析結(jié)果通過無線網(wǎng)絡(luò)同步到移動輔助駕駛終端，移動輔助駕駛終端通過語音方式，及時地提示司機對出現(xiàn)的不恰當(dāng)駕駛動作進行糾正。3、駕駛動作引導(dǎo)在行車過程中，云端智能平臺不斷的推斷車輛行駛的下一個駕駛場景，根據(jù)該推斷場景，找出該場景下的示范性動作。移動輔助駕駛終端與云端智能平臺實時同步，根據(jù)平臺提供的示范性動作，使用語音方式引導(dǎo)司機做出恰當(dāng)?shù)鸟{駛動作。

(三)云端智能平臺的運行原理云端智能平臺接收移動智能終端發(fā)送過來的數(shù)據(jù)，將這些數(shù)據(jù)存儲在平臺中，通過大數(shù)據(jù)分析方法，利用對本次行程以及與本次行程線路相同的所有歷史行程數(shù)據(jù)，快速準(zhǔn)確的分析出輔助駕駛所需要的數(shù)據(jù)。云端智能平臺的數(shù)據(jù)分析結(jié)果用于支持輔助駕駛系統(tǒng)的行車路徑選擇、駕駛動作糾正以及駕駛動作引導(dǎo)等三項功能，平臺的數(shù)據(jù)分析步驟，可以按照所支持的輔助駕駛功能劃分為三個階段，各個階段包含若干個步驟，如圖2所示，其具體步驟為:階段一:行車路徑選擇階段第I步選擇行車線路根據(jù)移動輔助駕駛終端上傳的相關(guān)選路數(shù)據(jù)，使用特定的大數(shù)據(jù)分析算法，對平臺中的海量歷史駕駛行程數(shù)據(jù)進行分析，從海量的歷史駕駛行程數(shù)據(jù)中找出所有可行的線路，根據(jù)選路的最優(yōu)目標(biāo)，將各條可行線路進行對比，找出最優(yōu)的可行線路作為本行程的行車線路。階段二:駕駛動作糾正第2步識別已選線路各歷史駕駛行程所用車輛的性能汽車性能的識別的步驟可分為以下三步:①據(jù)車輛ECU數(shù)據(jù)采集裝置上傳的車輛工況數(shù)據(jù)識別車型，根據(jù)平臺上已有的知識庫中的數(shù)據(jù)，對該型號的車輛性能進行評價。②根據(jù)車輛工況數(shù)據(jù)，對比平臺知識庫中的故障識別碼數(shù)據(jù)，判斷車輛是否有故障。③根據(jù)平臺記錄的同種車型的歷史駕駛行程記錄修正對該車型的性能評價。第3步識別已選線路各歷史駕駛行程的駕駛動作
使用特定的大數(shù)據(jù)分析算法，從海量歷史行程的車輛工況數(shù)據(jù)中，對車輛工況特征進行歸類，通過解析各類車輛工況特征，實現(xiàn)對駕駛動作的識別。第4步道路特征識別同一的性能的車輛在具有相同特征的路網(wǎng)上，駕駛動作有很大的相似性。通過對第2、3步識別到的車輛性能及駕駛動作識別結(jié)果進行進一步的分析，實現(xiàn)對已選線路路網(wǎng)特征的識別。第5步實時交通狀況識別根據(jù)移動輔助駕駛終端上傳的車輛實時位置數(shù)據(jù)，分析從外部接入的動態(tài)交通狀況數(shù)據(jù)(如公共交通浮動車數(shù)據(jù)等)，得出車輛所在位置的實時的交通狀況。第6步實時駕駛場景識別將第4步識別到的路網(wǎng)特征信息和第5步識別的交通狀況信息進行融合，通過特定的算法，對車輛所在位置的實時駕駛場景進行識別。第7步實時駕駛動作識別根據(jù)移動輔助駕駛終端上傳的車輛工況數(shù)據(jù)，識別實時駕駛動作。(實時動作識別的識別原理與第3步所描述的識別原理相同) 第8步本行程的車輛性能識別根據(jù)移動輔助駕駛終端上傳的車輛性能參數(shù)數(shù)據(jù)，識別本行程所用車輛的性能。(車輛性能識別原理與第2步所描述的識別原理相同)第9步基于場景的駕駛動作評價將本行程的車輛性能識別結(jié)果、駕駛動作識別結(jié)果與實時駕駛場景識別結(jié)果進行融合，參照不同場景下駕駛行為的評價標(biāo)準(zhǔn)，做出基于場景的駕駛行程評價。第三階段:駕駛動作引導(dǎo)階段第10步推斷下一個駕駛場景根據(jù)車輛所在位置的實時駕駛場景和已識別到的已選線路的道路特征，使用特定的算法，推斷下一個駕駛場景。第11步選擇特定場景下的示范性駕駛動作參照第8步識別的車輛性能信息，從第3步識別的駕駛動作集合中選擇動作發(fā)生的場景與第10步推斷出的場景相似的駕駛動作，參照最優(yōu)的選路目標(biāo)，對這些駕駛動作產(chǎn)生的結(jié)果進行對比分析，找出最優(yōu)的駕駛動作作為的該場景和車輛性能條件下的示范性動作。上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實施例的限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，其特征在于，包括下述步驟: 51、通過車輛ECU數(shù)據(jù)采集裝置采集車輛工況數(shù)據(jù)和車輛性能參數(shù)數(shù)據(jù)，并把采集到的數(shù)據(jù)通過無線網(wǎng)絡(luò)傳輸?shù)揭苿虞o助駕駛終端； 52、在車輛行駛前，在移動輔助駕駛終端上輸入選路目的地以及選路的最優(yōu)目標(biāo)，在車輛行駛過程中移動輔助駕駛終端采集車輛的地理坐標(biāo)數(shù)據(jù)，并把這些地理坐標(biāo)數(shù)據(jù)與步驟SI中采集到的數(shù)據(jù)，通過無線網(wǎng)絡(luò)同步到云端智能平臺，并接收云端智能平臺的分析結(jié)果; 53、云端智能平臺，存儲著海量的駕駛行程數(shù)據(jù)，通過大數(shù)據(jù)分析算法，從海量的數(shù)據(jù)中分析出輔助駕駛所需要的信息。
2.根據(jù)權(quán)利要求1所述的基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，其特征在于，步驟S3中，云端智能平臺的數(shù)據(jù)分析結(jié)果用于支持輔助駕駛系統(tǒng)的行車路徑選擇、駕駛動作糾正以及駕駛動作引導(dǎo)。
3.根據(jù)權(quán)利要求2所述的基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，其特征在于，所述行車路徑的選擇具體包括下述步驟: 521、根據(jù)步驟S2中同步到云端智能平臺的數(shù)據(jù)，使用大數(shù)據(jù)分析算法，對云端智能平臺中的海量歷史駕駛行程數(shù)據(jù)和外部動態(tài)交通狀況數(shù)據(jù)進行分析； 522、從海量的歷史駕駛行程數(shù)據(jù)中找出所有可行的線路，根據(jù)選路的最優(yōu)目標(biāo)，將各條可行線路進行對比，找出最優(yōu)的可行線路作為本行程的行車線路。
4.根據(jù)權(quán)利要求2所 述的基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，其特征在于，駕駛動作糾正具體包括下述步驟: 531、識別已選線路各歷史駕駛行程所用車輛的性能； 532、識別已選線路各歷史駕駛行程的駕駛動作，使用大數(shù)據(jù)分析算法，從海量歷史行程的車輛工況數(shù)據(jù)中，對車輛工況特征進行歸類，通過解析各類車輛工況特征，實現(xiàn)對駕駛動作的識別； 533、道路特征識別，通過對步驟S31和S32識別到的車輛性能及駕駛動作識別結(jié)果進行進一步的分析，實現(xiàn)對已選線路路網(wǎng)特征的識別； 534、實時交通狀況識別，根據(jù)步驟S2中采集的車輛實時位置數(shù)據(jù)，分析從外部接入的動態(tài)交通狀況數(shù)據(jù)，得出車輛所在位置的實時的交通狀況； 535、實時駕駛場景識別，將步驟S33識別到的路網(wǎng)特征信息和步驟S34識別的交通狀況信息進行融合，通過對融合結(jié)果的分析，識別車輛所在位置的實時駕駛場景； 536、實時駕駛動作識別，根據(jù)步驟SI中采集的車輛工況數(shù)據(jù)，識別實時駕駛動作； 537、本行程的車輛性能識別，根據(jù)步驟SI中采集的車輛性能參數(shù)數(shù)據(jù)，識別本行程所用車輛的性能； 538、基于場景的駕駛動作評價，將本行程的車輛性能識別結(jié)果、駕駛動作識別結(jié)果與實時駕駛場景識別結(jié)果進行融合，參照不同場景下駕駛行為的評價標(biāo)準(zhǔn)，做出基于場景的駕駛行程評價。
5.根據(jù)權(quán)利要求4所述的基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，其特征在于，步驟S31中，識別已選線路各歷史駕駛行程所用車輛的性能的步驟為: S311、根據(jù)車輛工況數(shù)據(jù)識別車型，根據(jù)平臺上已有的知識庫中的數(shù)據(jù)，對該型號的車輛性能進行評價； S312、根據(jù)車輛工況數(shù)據(jù)，對比平臺知識庫中的故障識別碼數(shù)據(jù)，判斷車輛是否有故障; S313、根據(jù)平臺記錄的同種車型的歷史駕駛行程記錄修正對該車型的性能評價。
6.根據(jù)權(quán)利要求4所述的基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，其特征在于，所述駕駛動作指導(dǎo)階段的具體步驟為: S41、根據(jù)車輛所在位置的實時駕駛場景和已識別到的已選線路的道路特征，使用特定的算法，推斷下一個駕駛場景； S42、參照步驟S37識別的車輛性能信息，從步驟S31識別的駕駛動作集合中選擇動作發(fā)生的場景與步驟S41推斷出的場景相似的駕駛動作，參照最優(yōu)的選路目標(biāo)，對這些駕駛動作產(chǎn)生的結(jié)果進行對比分析，找出最優(yōu)的駕駛動作作為的該場景和車輛性能條件下的示范性動作。
7.根據(jù)權(quán)利要求1所述的基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，其特征在于，步驟S2中，接收云端智能平臺的分析結(jié)果后，通過語音、文字以及圖形方式輔助司機進行駕駛。
全文摘要
本發(fā)明公開了一種基于場景的輔助駕駛系統(tǒng)實現(xiàn)方法，包括下述步驟S1、通過車輛ECU數(shù)據(jù)采集裝置采集車輛工況數(shù)據(jù)和車輛性能參數(shù)數(shù)據(jù)，并把采集到的數(shù)據(jù)通過無線網(wǎng)絡(luò)傳輸?shù)揭苿虞o助駕駛終端；S2、在車輛行駛過程中移動輔助駕駛終端采集車輛的地理坐標(biāo)數(shù)據(jù)，并把這些地理坐標(biāo)數(shù)據(jù)與步驟S1中采集到的數(shù)據(jù)，通過無線網(wǎng)絡(luò)同步到云端智能平臺；S3、云端智能平臺通過大數(shù)據(jù)分析算法，從海量的數(shù)據(jù)中分析出輔助駕駛所需要的信息。本發(fā)明科學(xué)有效，使用海量歷史駕駛行程數(shù)據(jù)作為行程選路參考依據(jù)，有效的滿足司機對選路的要求。同時，本發(fā)明準(zhǔn)確性高準(zhǔn)確地識別不同的駕駛場景，準(zhǔn)確的推斷車輛行駛的下一個場景，正確的引導(dǎo)司機做出恰當(dāng)?shù)鸟{駛動作。
文檔編號G08G1/0962GK103247186SQ201310150209
公開日2013年8月14日 申請日期2013年4月26日 優(yōu)先權(quán)日2013年4月26日
發(fā)明者蔡文學(xué) 申請人:廣州通易科技有限公司