一種駕駛行程評價方法及裝置與流程
本發(fā)明涉及數(shù)據(jù)處理領域，具體涉及一種駕駛行程評價方法及裝置。
背景技術：
駕駛行程評價是對一段駕駛行程的安全性的評價，通常是基于本段駕駛行程內的行車數(shù)據(jù)，對該段駕駛行程進行安全性的評價。
目前的駕駛行程評價方法都是比較主觀的方法，一般由專業(yè)人員根據(jù)行車數(shù)據(jù)對各段駕駛行程打分，從而完成對駕駛行程的評價。上述方式很大程度上受到人的主觀因素影響，對于駕駛行程的評價不夠準確。
技術實現(xiàn)要素：
本發(fā)明提供了一種駕駛行程評價方法及裝置，能夠將駕駛行程中的影響因子劃分為多個指標，并分別從各個指標對駕駛行程進行評價，實現(xiàn)了對駕駛行程的自動化評價。
本發(fā)明提供了一種駕駛行程評價方法，所述方法包括：
根據(jù)駕駛員的駕駛行為數(shù)據(jù)，生成用于評價駕駛行程的指標；
計算任一駕駛行程在各個指標下的評價結果；
基于所述駕駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果。
優(yōu)選地，所述指標包括以下一個或多個指標：
專注度評價指標，操控性評價指標，路況評價指標，疲勞評價指標，警惕性評價指標。
優(yōu)選地，計算任一駕駛行程在所述專注度評價指標下的評價結果，包括：
收集任一駕駛行程中駕駛員使用手機的數(shù)據(jù)，所述駕駛員使用手機的數(shù)據(jù)包括使用手機的操作狀態(tài)以及對應的操作狀態(tài)持續(xù)時間，各個使用手機的操作狀態(tài)具有預設的取值；
基于預先建立的專注度評價模型，生成所述駕駛行程在所述專注度評價指標下的評價結果；
其中，所述專注度評價模型為R表示駕駛行程在所述專注度評價指標下的評價結果，λ1...λn分別表示各個使用手機的操作狀態(tài)對應的取值，t1...tn分別表示λ1...λn對應的操作狀態(tài)持續(xù)時間。
優(yōu)選地，所述使用手機的操作狀態(tài)包括發(fā)送短信、查看短信、撥打電話、手持電話和免提電話，其中，各個使用手機的操作狀態(tài)分別對應的取值依次減小，且均為正實數(shù)。
優(yōu)選地，計算任一駕駛行程在所述操控性評價指標下的評價結果，包括：
識別任一駕駛行程中駕駛員的不良駕駛行為，并計算單位里程中所述不良駕駛行為的發(fā)生次數(shù)；
基于預先建立的操控性評價模型，生成所述駕駛行程在所述操控性評價指標下的評價結果；
其中，所述操控性評價模型為P(u)表示駕駛行程在所述操控性評價指標下的評價結果，u表示單位里程中不良駕駛行為的發(fā)生次數(shù)；θ1為預設的單位里程中不良駕駛行為的發(fā)生次數(shù)的下限值，θ2為預設的單位里程中不良駕駛行為的發(fā)生次數(shù)的上限值。
優(yōu)選地，所述不良駕駛行為包括急加速行為、急減速行為和急轉彎行為。
優(yōu)選地，識別任一駕駛行程中駕駛員的急轉彎行為，包括：
采集任一駕駛行程的GPS數(shù)據(jù)，并從GPS數(shù)據(jù)中獲取所述駕駛行程中各個位置的GPS方位角數(shù)據(jù)；
從所述駕駛行程的起始位置或者所述駕駛行程中累加的方位角變化量置零對應的位置開始，依次計算每相鄰位置之間的方位角變化量，并對計算得到的方位角變化量進行累加，直到累加的方位角變化量滿足下述判斷條件，則確定發(fā)生急轉彎行為，并將累加的方位角變化量置零；
其中，所述判斷條件為Δbearing表示駕駛行程中累加的方位角變化量，thres表示預設的識別為急轉彎行為的彎道彎曲度，且0<thres<＝90。
優(yōu)選地，計算任一駕駛行程在所述路況評價指標下的評價結果，包括：
識別任一駕駛行程中的緩行時間段；
根據(jù)所述緩行時間段的緩行開始時間和緩行結束時間，計算持續(xù)緩行時間；
計算所述持續(xù)緩行時間在所述駕駛行程的總持續(xù)時間中的占比，作為緩行時間占比；
基于預先建立的路況評價模型，生成所述駕駛行程在所述路況評價指標下的評價結果；
其中，所述路況評價模型為P(u)表示駕駛行程在所述路況評價指標下的評價結果，u表示所述緩行時間占比，θ1為預設的緩行時間占比的下限值，θ2為預設的緩行時間占比的上限值。
優(yōu)選地，所述識別任一駕駛行程中的緩行時間段，包括：
將任一駕駛行程中滿足平均速度小于預設第一閾值的時間段確定為緩行時間段。
優(yōu)選地，計算任一駕駛行程在所述疲勞評價指標下的評價結果，包括：
以預設時長為單位子行程的時長，將任一駕駛行程依次劃分為若干子行程；
確定各個子行程所屬的預設駕駛時段，各個駕駛時段具有預設的取值；
基于預先建立的疲勞評價模型，生成所述駕駛行程在所述疲勞評價指標下的評價結果；
其中，所述疲勞評價模型為R表示駕駛行程在所述疲勞評價指標下的評價結果，R(tn)表示第n個子行程在所述疲勞評價指標下的評價結果，λ1...λn分別表示各個子行程所屬駕駛時段的取值，且λ1＜λ2＜...＜λn，t1...tn分別表示λ1...λn對應的子行程所屬駕駛時段的持續(xù)時間，k1...kn分別在λ1...λn對應的子行程屬于預設駕駛時段中的疲勞駕駛時段時，取值大于1，否則取值等于1。
優(yōu)選地，所述駕駛時段包括疲勞駕駛時段和正常駕駛時段，所述疲勞駕駛時段包括早高峰時段，晚高峰時段和夜間時段。
優(yōu)選地，計算任一駕駛行程在所述警惕性評價指標下的評價結果，包括：
獲取任一駕駛行程中的超速行駛時間；
計算所述超速行駛時間在所述駕駛行程的總持續(xù)時間中的占比，作為超速時間占比；
基于預先建立的警惕性評價模型，生成所述駕駛行程在所述警惕性評價指標下的評價結果；
其中，所述警惕性評價模型為P(u)表示駕駛行程在所述警惕性評價指標下的評價結果，u表示所述超速時間占比，θ1為預設的超速時間占比的下限值，θ2為預設的超速時間占比的上限值。
優(yōu)選地，所述獲取任一駕駛行程中的超速行駛時間之前，還包括：
采集駕駛行程的GPS數(shù)據(jù)，并從所述GPS數(shù)據(jù)中提取所述駕駛行程中各條道路的駕駛數(shù)據(jù)；
將所述駕駛行程中各條道路的駕駛數(shù)據(jù)作為預設分類器的輸入，經(jīng)過所述分類器的處理后，確定各條道路的道路類型；
基于各條道路的道路類型，確定各條道路上的超速行駛時間。
優(yōu)選地，各條道路的駕駛數(shù)據(jù)包括各條道路上的速度標準差、速度均值和單位里程彎道個數(shù)。
優(yōu)選地，所述基于所述駕駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果，包括：
基于事故發(fā)生幾率與各個指標下的評價結果的關系，確定各個指標的評價結果的權重系數(shù)；
對所述駕駛行程在各個指標下的評價結果進行加權平均，得到所述駕駛行程的最終評價結果。
優(yōu)選地，所述基于事故發(fā)生幾率與各個指標下的評價結果的關系，確定各個指標的評價結果的權重系數(shù)，包括：
預先獲取已完成評價的駕駛行程，并依據(jù)各個駕駛行程中是否發(fā)生事故，確定各個駕駛行程的類別，所述類別包括第一類別和第二類別，所述第一類別表示發(fā)生事故，所述第二類別表示未發(fā)生事故；
分別獲取所述第一類別的駕駛行程和所述第二類別的駕駛行程在同一指標下的評價結果，分別作為第一類別數(shù)據(jù)和第二類別數(shù)據(jù)；
分別對所述第一類別數(shù)據(jù)和所述第二類別數(shù)據(jù)進行特征提取，并對提取到的特征進行余弦相似度計算，得到所述第一類別數(shù)據(jù)與所述第二類別數(shù)據(jù)的特征相似度值；
根據(jù)所述特征相似度值，確定所述指標的權重系數(shù)，其中，所述權重系數(shù)與所述特征相似度值具有反比例關系。
本發(fā)明實施例還提供了一種駕駛行程評價裝置，所述裝置包括：
生成模塊，用于根據(jù)駕駛員的駕駛行為數(shù)據(jù)，生成用于評價駕駛行程的指標；
計算模塊，用于計算任一駕駛行程在各個指標下的評價結果；
確定模塊，用于基于所述駕駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果。
優(yōu)選地，所述指標包括以下一個或多個指標：
專注度評價指標，操控性評價指標，路況評價指標，疲勞評價指標，警惕性評價指標。
優(yōu)選地，所述計算模塊，包括：
第一收集子模塊，用于收集任一駕駛行程中駕駛員使用手機的數(shù)據(jù)，所述駕駛員使用手機的數(shù)據(jù)包括使用手機的操作狀態(tài)以及對應的操作狀態(tài)持續(xù)時間，各個使用手機的操作狀態(tài)具有預設的取值；
第一生成子模塊，用于基于預先建立的專注度評價模型，生成所述駕駛行程在所述專注度評價指標下的評價結果；
其中，所述專注度評價模型為R表示駕駛行程在所述專注度評價指標下的評價結果，λ1...λn分別表示各個使用手機的操作狀態(tài)對應的取值，t1...tn分別表示λ1...λn對應的操作狀態(tài)持續(xù)時間。
優(yōu)選地，所述使用手機的操作狀態(tài)包括發(fā)送短信、查看短信、撥打電話、手持電話和免提電話，其中，各個使用手機的操作狀態(tài)分別對應的取值依次減小，且均為正實數(shù)。
優(yōu)選地，所述計算模塊，包括：
識別子模塊，用于識別任一駕駛行程中駕駛員的不良駕駛行為，并計算單位里程中所述不良駕駛行為的發(fā)生次數(shù)；
第二生成子模塊，用于基于預先建立的操控性評價模型，生成所述駕駛行程在所述操控性評價指標下的評價結果；
其中，所述操控性評價模型為P(u)表示駕駛行程在所述操控性評價指標下的評價結果，u表示單位里程中不良駕駛行為的發(fā)生次數(shù)；θ1為預設的單位里程中不良駕駛行為的發(fā)生次數(shù)的下限值，θ2為預設的單位里程中不良駕駛行為的發(fā)生次數(shù)的上限值。
優(yōu)選地，所述不良駕駛行為包括急加速行為、急減速行為和急轉彎行為。
優(yōu)選地，所述識別子模塊，包括：
第一獲取子模塊，用于采集任一駕駛行程的GPS數(shù)據(jù)，并從GPS數(shù)據(jù)中獲取所述駕駛行程中各個位置的GPS方位角數(shù)據(jù)；
確定子模塊，用于從所述駕駛行程的起始位置或者所述駕駛行程中累加的方位角變化量置零對應的位置開始，依次計算每相鄰位置之間的方位角變化量，并對計算得到的方位角變化量進行累加，直到累加的方位角變化量滿足下述判斷條件，則確定發(fā)生急轉彎行為，并將累加的方位角變化量置零；
其中，所述判斷條件為Δbearing表示駕駛行程中累加的方位角變化量，thres表示預設的識別為急轉彎行為的彎道彎曲度，且0<thres<＝90。
優(yōu)選地，所述計算模塊，包括：
第二識別子模塊，用于識別任一駕駛行程中的緩行時間段；
第一計算子模塊，用于根據(jù)所述緩行時間段的緩行開始時間和緩行結束時間，計算持續(xù)緩行時間；
第二計算子模塊，用于計算所述持續(xù)緩行時間在所述駕駛行程的總持續(xù)時間中的占比，作為緩行時間占比；
第三生成子模塊，用于基于預先建立的路況評價模型，生成所述駕駛行程在所述路況評價指標下的評價結果；
其中，所述路況評價模型為P(u)表示駕駛行程在所述路況評價指標下的評價結果，u表示所述緩行時間占比，θ1為預設的緩行時間占比的下限值，θ2為預設的緩行時間占比的上限值。
優(yōu)選地，所述第二識別子模塊，包括：
第一確定子模塊，用于將任一駕駛行程中滿足平均速度小于預設第一閾值的時間段確定為緩行時間段。
優(yōu)選地，所述計算模塊，包括：
劃分子模塊，用于以預設時長為單位子行程的時長，將任一駕駛行程依次劃分為若干子行程；
第二確定子模塊，用于確定各個子行程所屬的預設駕駛時段，各個駕駛時段具有預設的取值；
第四生成子模塊，用于基于預先建立的疲勞評價模型，生成所述駕駛行程在所述疲勞評價指標下的評價結果；
其中，所述疲勞評價模型為R表示駕駛行程在所述疲勞評價指標下的評價結果，R(tn)表示第n個子行程在所述疲勞評價指標下的評價結果，λ1...λn分別表示各個子行程所屬駕駛時段的取值，且λ1＜λ2＜...＜λn，t1...tn分別表示λ1...λn對應的子行程所屬駕駛時段的持續(xù)時間，k1...kn分別在λ1...λn對應的子行程屬于預設駕駛時段中的疲勞駕駛時段時，取值大于1，否則取值等于1。
優(yōu)選地，所述駕駛時段包括疲勞駕駛時段和正常駕駛時段，所述疲勞駕駛時段包括早高峰時段，晚高峰時段和夜間時段。
優(yōu)選地，所述計算模塊，包括：
第二獲取子模塊，用于獲取任一駕駛行程中的超速行駛時間；
第三計算子模塊，用于計算所述超速行駛時間在所述駕駛行程的總持續(xù)時間中的占比，作為超速時間占比；
第五生成子模塊，用于基于預先建立的警惕性評價模型，生成所述駕駛行程在所述警惕性評價指標下的評價結果；
其中，所述警惕性評價模型為P(u)表示駕駛行程在所述警惕性評價指標下的評價結果，u表示所述超速時間占比，θ1為預設的超速時間占比的下限值，θ2為預設的超速時間占比的上限值。
優(yōu)選地，所述裝置，還包括：
第二提取子模塊，用于采集駕駛行程的GPS數(shù)據(jù)，并從所述GPS數(shù)據(jù)中提取所述駕駛行程中各條道路的駕駛數(shù)據(jù)；
分類子模塊，用于將所述駕駛行程中各條道路的駕駛數(shù)據(jù)作為預設分類器的輸入，經(jīng)過所述分類器的處理后，確定各條道路的道路類型；
第三確定子模塊，用于基于各條道路的道路類型，確定各條道路上的超速行駛時間。
優(yōu)選地，各條道路的駕駛數(shù)據(jù)包括各條道路上的速度標準差、速度均值和單位里程彎道個數(shù)。
優(yōu)選地，所述確定模塊，包括：
第四確定子模塊，用于基于事故發(fā)生幾率與各個指標下的評價結果的關系，確定各個指標的評價結果的權重系數(shù)；
加權子模塊，用于對所述駕駛行程在各個指標下的評價結果進行加權平均，得到所述駕駛行程的最終評價結果。
優(yōu)選地，所述第四確定子模塊，包括：
第五確定子模塊，用于預先獲取已完成評價的駕駛行程，并依據(jù)各個駕駛行程中是否發(fā)生事故，確定各個駕駛行程的類別，所述類別包括第一類別和第二類別，所述第一類別表示發(fā)生事故，所述第二類別表示未發(fā)生事故；
第三獲取子模塊，用于分別獲取所述第一類別的駕駛行程和所述第二類別的駕駛行程在同一指標下的評價結果，分別作為第一類別數(shù)據(jù)和第二類別數(shù)據(jù)；
第三提取子模塊，用于分別對所述第一類別數(shù)據(jù)和所述第二類別數(shù)據(jù)進行特征提取，并對提取到的特征進行余弦相似度計算，得到所述第一類別數(shù)據(jù)與所述第二類別數(shù)據(jù)的特征相似度值；
第六確定子模塊，用于根據(jù)所述特征相似度值，確定所述指標的權重系數(shù)，其中，所述權重系數(shù)與所述特征相似度值具有反比例關系。
本發(fā)明提供了一種駕駛行程評價方法及裝置，首先根據(jù)駕駛員的駕駛行為數(shù)據(jù)，生成用于評價駕駛行程的指標。其次，計算任一駕駛行程在各個指標下的評價結果。最終，基于所述駕駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果。本發(fā)明能夠預先生成用于評價駕駛行程的指標，并分別從各個指標的角度對駕駛行程進行評價，最終得到駕駛行程的最終評價結果。與現(xiàn)有技術相比，本發(fā)明實現(xiàn)了對駕駛行程的自動化評價，同時評價結果更加準確。
附圖說明
為了更清楚地說明本申請實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本發(fā)明實施例提供的一種駕駛行程評價方法流程圖；
圖2為本發(fā)明實施例提供的一種計算任一駕駛行程在所述專注度評價指標下的評價結果的方法流程圖；
圖3為本發(fā)明實施例提供的一種計算任一駕駛行程在所述操控性評價指標下的評價結果的方法流程圖；
圖4為本發(fā)明實施例提供的一種樣本點-方位角的坐標示意圖；
圖5為本發(fā)明實施例提供的一種計算任一駕駛行程在所述路況評價指標下的評價結果的方法流程圖；
圖6為本發(fā)明實施例提供的一種計算任一駕駛行程在所述疲勞評價指標下的評價結果的方法流程圖；
圖7為本發(fā)明實施例提供的一種將駕駛行程劃分為子行程的方法示意圖；
圖8為本發(fā)明實施例提供的一種計算任一駕駛行程在所述警惕性評價指標下的評價結果的方法流程圖；
圖9為本發(fā)明實施例提供的一種道路類型識別原理示意圖；
圖10為本發(fā)明實施例提供的一種確定各指標的權重系數(shù)的方法流程圖；
圖11為本發(fā)明實施例提供的一種駕駛行程評價裝置結構示意圖。
具體實施方式
下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。
參考圖1，為本發(fā)明實施例提供的一種駕駛行程評價方法流程圖，所述方法具體可以包括：
S101：根據(jù)駕駛員的駕駛行為數(shù)據(jù)，生成用于評價駕駛行程的指標。
本發(fā)明實施例中，首先獲取駕駛員的駕駛行為數(shù)據(jù)，所述駕駛行為數(shù)據(jù)可以包括駕駛員本身的操作行為數(shù)據(jù)，以及駕駛過程中的路況信息等等。其次，對所述駕駛行為數(shù)據(jù)進行分析后，生成用于評價駕駛行程的指標。
本發(fā)明實施例中用于評價駕駛行程的指標可以由以下一個或多個指標組成，具體為專注度評價指標，操控性評價指標，路況評價指標，疲勞評價指標，警惕性評價指標。
另外，本發(fā)明實施例中對用于評價駕駛行程的指標不做限制。
S102：計算任一駕駛行程在各個指標下的評價結果。
S103：基于所述駕駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果。
本發(fā)明實施例中，在對任一段駕駛行程進行評價時，首先分別計算出所述駕駛行程在各個指標下的評價結果。其次，基于所述駕駛行程在各個指標下的評價結果，最終確定出所述駕駛行程的最終評價結果。
一種實現(xiàn)方式中，在計算出所述駕駛行程在各個指標下的評價結果后，分別為各個評價結果設置對應的權重系數(shù)，最終利用加權平均的方式確定出所述駕駛行程的最終評價結果。
本發(fā)明實施例提供的駕駛行程評價方法中，首先根據(jù)駕駛員的駕駛行為數(shù)據(jù)，生成用于評價駕駛行程的指標。其次，計算任一駕駛行程在各個指標下的評價結果。最終，基于所述駕駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果。本發(fā)明實施例能夠預先生成用于評價駕駛行程的指標，并分別從各個指標的角度對駕駛行程進行評價，最終得到駕駛行程的最終評價結果。與現(xiàn)有技術相比，本發(fā)明實施例實現(xiàn)了對駕駛行程的自動化評價，同時評價結果更加準確。
以下分別對各個用于評價駕駛行程的指標進行介紹，分別提供計算任一駕駛行程在各個指標下的評價結果的方法。
參考圖2，為本發(fā)明實施例提供的一種計算任一駕駛行程在所述專注度評價指標下的評價結果的方法流程圖。所述方法具體包括：
S201：收集任一駕駛行程中駕駛員使用手機的數(shù)據(jù)，所述駕駛員使用手機的數(shù)據(jù)包括使用手機的操作狀態(tài)以及對應的操作狀態(tài)持續(xù)時間，各個使用手機的操作狀態(tài)具有預設的取值。
S202：基于預先建立的專注度評價模型，生成所述駕駛行程在所述專注度評價指標下的評價結果；
其中，所述專注度評價模型為R表示駕駛行程在所述專注度評價指標下的評價結果，λ1...λn分別表示各個使用手機的操作狀態(tài)對應的取值，t1...tn分別表示λ1...λn對應的操作狀態(tài)持續(xù)時間。
由于駕駛員在駕駛過程中使用手機會導致駕駛員分心，降低駕駛專注度，所以，本發(fā)明實施例對駕駛行程中駕駛員使用手機的數(shù)據(jù)進行收集，包括使用手機的操作狀態(tài)以及對應的操作狀態(tài)持續(xù)時間，并基于收集的駕駛員使用手機的數(shù)據(jù)對所述駕駛行程在所述專注度評價指標下的評價結果進行計算。
具體的，對駕駛行程中可能造成駕駛員分心的事件進行分析后確定包括如下幾種類型的事件：第一種是屏幕事件(如屏幕被動打開、主動打開事件)；第二種是聲音與震動事件(如來電鈴聲、來電震動、短信聲音、短信震動、通知聲音、通知震動事件)；第三種是通訊事件(如接聽電話、撥打電話、查看短信、發(fā)送短信、發(fā)送IM、查看IM、查看郵件等，是否采用藍牙耳機或車載系統(tǒng)接聽電話等事件)。通過調研駕駛過程中駕駛員使用手機對駕駛行程的安全性的影響，得出以下結論：
第一、駕駛員使用手機的操作狀態(tài)對駕駛行程的安全性影響的排序：發(fā)送短信>查看短信>撥打電話>手持電話>免提電話。
第二、采用手持電話和免提電話對駕駛安全性的影響差異性不是很大。雖然使用藍牙耳機等免提設備能減小行車的危險性，但效果并不顯著，而且在長時間的通話后，不同通話方式的危險性趨于一致。
第三、通話內容比起通話形式對駕駛行為的影響更大，尤其是干擾性通話最有可能引發(fā)道路交通事故，即使談話內容簡單，同樣會引起駕駛人的思維活動，分散駕駛人的注意力，從而影響駕駛行為。對于那些腦力需求高的談話內容，更會直接導致安全事故危險的增加。
第四、通過對不同駕駛條件下的駕駛安全性評價的分析，隨著駕駛使用手機時間的增加，在任何形式的通話方式及任何性質的通話內容下駕駛安全性顯著遞減，且頻繁短時通話危險更大。
基于以上結論，本發(fā)明實施例預先建立一個用于評價專注度評價指標的專注度評價模型使用手機的操作狀態(tài)包括發(fā)送短信、查看短信、撥打電話、手持電話和免提電話，其中，λ1...λn的取值可以滿足如下條件：發(fā)送短信>查看短信>撥打電話>手持電話>免提電話，也就是說，依據(jù)上述關系確定的λ1...λn的取值中，發(fā)送短信對應的取值大于查看短信對應的取值，各個使用手機的操作狀態(tài)分別對應的取值依次減小，且均為正實數(shù)。
參考圖3，為本發(fā)明實施例提供的一種計算任一駕駛行程在所述操控性評價指標下的評價結果的方法流程圖。所述方法具體包括：
S301：識別任一駕駛行程中駕駛員的不良駕駛行為，并計算單位里程中所述不良駕駛行為的發(fā)生次數(shù)。
S302：基于預先建立的操控性評價模型，生成所述駕駛行程在所述操控性評價指標下的評價結果；
其中，所述操控性評價模型為P(u)表示駕駛行程在所述操控性評價指標下的評價結果，u表示單位里程中不良行為的發(fā)生次數(shù)；θ1為預設的單位里程中不良行為的發(fā)生次數(shù)的下限值，θ2為預設的單位里程中不良行為的發(fā)生次數(shù)的上限值。
本發(fā)明實施例中所述操控性價指標下的評價結果是基于駕駛員在駕駛過程中的不良駕駛行為確定的，如急加速、急減速、急轉彎行為等。對駕駛行程的操作性評價用于表征駕駛員對駕駛的把控能力和駕駛的穩(wěn)定性。
本發(fā)明實施例在對駕駛行程的操控性指標進行評價之前，首先需要識別所述駕駛過程中的不良駕駛行為，如急加速、急減速、急轉彎行為。然后利用預先建立的操控性評價模型實現(xiàn)對所述駕駛行程的操控性評價。
實際應用中，急加速、急減速行為是行車過程中劇烈操作油門、剎車的行為，而識別駕駛行程中的急轉彎行為可以基于GPS數(shù)據(jù)。
具體的，首先，采集任一駕駛行程的GPS數(shù)據(jù)，并從GPS數(shù)據(jù)中獲取所述駕駛行程中各個位置的GPS方位角數(shù)據(jù)。其次，從所述駕駛行程的起始位置開始，依次計算每相鄰位置之間的方位角變化量，并對計算得到的方位角變化量進行累加，直到累加的方位角變化量滿足下述判斷條件，則確定發(fā)生急轉彎行為；將當前累加的方位角變化量置零，并繼續(xù)計算所述駕駛行程中后續(xù)的每相鄰位置之間的方位角變化量，以及對計算得到的方位角變化量進行累加，直到累加的方位角變化量滿足下述判斷條件，再次確定發(fā)生了急轉彎行為。依照上述方式，完成所述駕駛行程中所有位置的GPS方位角數(shù)據(jù)的處理，最終統(tǒng)計所述駕駛行程中總共發(fā)生急轉彎行為的次數(shù)。
其中，所述判斷條件為Δbearing表示駕駛行程中累加的方位角變化量，thres表示預設的識別為急轉彎行為的彎道彎曲度，根據(jù)用戶的需求設置thres的大小，要識別的彎道彎曲度越大，則thres的值越大，值得注意的是0<thres<＝90。
如圖4所示，為本發(fā)明實施例提供的一種樣本點-方位角的坐標示意圖。其中黑點標記了方位角數(shù)據(jù)開始發(fā)生顯著變化的位置，說明在接下來的位置點中累加的方位角變化量可能滿足上述判斷條件，即發(fā)生急轉彎行為。
本發(fā)明實施例中，在識別出所述駕駛行程中發(fā)生不良駕駛行為的發(fā)生次數(shù)后，計算單位里程中不良駕駛行為的發(fā)生次數(shù)，并在所述單位里程中不良駕駛行為的發(fā)生次數(shù)低于下限值θ1時，確定所述駕駛行程在所述操控性評價指標下的評價結果為1；在所述單位里程中不良駕駛行為的發(fā)生次數(shù)高于上限值θ2時，確定所述駕駛行程在所述操控性評價指標下的評價結果為0；在所述單位里程中不良駕駛行為的發(fā)生次數(shù)不高于上限值θ2且不低于下限值θ1時，計算上限值θ2與所述單位里程中不良駕駛行為的發(fā)生次數(shù)的差值后，與上限值θ2與下限值θ1之差做比值，得到所述操控性評價指標下的評價結果。
參考圖5，為本發(fā)明實施例提供的一種計算任一駕駛行程在所述路況評價指標下的評價結果的方法流程圖。所述方法具體包括：
S501：識別任一駕駛行程中的緩行時間段。
S502：根據(jù)所述緩行時間段的緩行開始時間和緩行結束時間，計算持續(xù)緩行時間。
S503：計算所述持續(xù)緩行時間在所述駕駛行程的總持續(xù)時間中的占比，作為緩行時間占比。
S504：基于預先建立的路況評價模型，生成所述駕駛行程在所述路況評價指標下的評價結果。
其中，所述路況評價模型為P(u)表示駕駛行程在所述路況評價指標下的評價結果，u表示所述緩行時間占比，θ1為預設的緩行時間占比的下限值，θ2為預設的緩行時間占比的上限值。
本發(fā)明實施例中對所述駕駛行程進行路況評價主要是基于駕駛員駕駛過程的交通流量。由于交通流量的大小直接影響著駕駛員的心理緊張程度和交通事故率的高低，交通事故增長率與平均交通流量的增長率相近，所以，路況評價對駕駛行程匯總的安全性評價具有重要意義。實際應用中，路況評價是基于駕駛行程中的駕駛速度信息進行評價，如果駕駛過程中持續(xù)緩行，則證明當前路況擁堵。
實際應用中，首先識別駕駛行程中的緩行時間段，并根據(jù)所述緩行時間段的緩行開始時間和緩行結束時間，計算持續(xù)緩行時間。其次，計算所述持續(xù)緩行時間在所述駕駛行程的總持續(xù)時間中的占比，作為緩行時間占比。最終基于路況評價模型，計算所述駕駛行程在所述路況評價指標下的評價結果。
一種實現(xiàn)方式中，將任一駕駛行程中的滿足平均速度小于預設第一閾值的時間段確定為緩行時間段，從而完成對駕駛行程中的緩行時間段的識別。
參考圖6，為本發(fā)明實施例提供的一種計算任一駕駛行程在所述疲勞評價指標下的評價結果的方法流程圖。所述方法具體包括：
S601：以預設時長為單位子行程的時長，將任一駕駛行程依次劃分為若干子行程。
S602：確定各個子行程所屬的預設疲勞駕駛時段，各個疲勞駕駛時段具有預設的取值。
S603：基于預先建立的疲勞評價模型，生成所述駕駛行程在所述疲勞評價指標下的評價結果。
其中，所述疲勞評價模型為R表示駕駛行程在所述疲勞評價指標下的評價結果，R(tn)表示第n個子行程在所述疲勞評價指標下的評價結果，λ1...λn分別表示各個子行程所屬疲勞駕駛時段的取值，且λ1＜λ2＜...＜λn，t1...tn分別表示λ1...λn對應的子行程所屬疲勞駕駛時段的持續(xù)時間，k1...kn分別在λ1...λn對應的子行程屬于預設疲勞駕駛時段時，取值大于1，否則取值等于1。
由于疲勞駕駛是造成交通死亡事故的重要原因之一，引發(fā)疲勞駕駛的原因有很多，其中長時間行車和疲勞駕駛時段(如夜間行車等)是引發(fā)駕駛疲勞的主要原因，所以，對駕駛行程的疲勞評價是基于駕駛時長和駕駛時段的。
本發(fā)明實施例可以預先設置疲勞駕駛時段為早高峰時段(如7:00-9:30)、晚高峰時段(如17:30-20:00)和夜間時段(如20:00-6:00)。具體的，將駕駛行程按照預設時長(如30分鐘)依次劃分成若干子行程，參考圖7，為本發(fā)明實施例提供的一種將駕駛行程劃分為子行程的方法示意圖。其次，確定各個子行程所屬的駕駛時段，其中各個駕駛時段具有預設的取值，將對應的駕駛時段的取值賦值給該子行程的λ。另外，獲取各個子行程在所屬駕駛時段的持續(xù)時長，并賦值給該子行程的t。如果該子行程屬于預設的疲勞駕駛時段，則k取值為大于1的數(shù)值，否則k取值為1。另外，由于隨著駕駛時間的增加，駕駛安全性逐漸降低，所以后一段子行程相比前一段子行程的λ取值逐漸增大。
參考圖8，為本發(fā)明實施例提供的一種計算任一駕駛行程在所述警惕性評價指標下的評價結果的方法流程圖。所述方法具體包括：
S801：獲取任一駕駛行程中的超速行駛時間。
S802：計算所述超速行駛時間在所述駕駛行程的總持續(xù)時間中的占比，作為超速時間占比。
S803：基于預先建立的警惕性評價模型，生成所述駕駛行程在所述警惕性評價指標下的評價結果。
其中，所述警惕性評價模型為P(u)表示駕駛行程在所述警惕性評價指標下的評價結果，u表示所述超速時間占比，θ1為預設的超速時間占比的下限值，θ2為預設的超速時間占比的上限值。
由于超速行駛是引發(fā)交通事故的最重要原因之一，城市道路的速度高于80km/h屬于超速行駛，高速道路的速度超過120km/h也屬于超速行駛。所以，本發(fā)明實施例基于駕駛行程中各條道路的駕駛數(shù)據(jù)對所述駕駛行程進行警惕性評價。首先，本發(fā)明實施例需要實現(xiàn)駕駛行程中的各條道路的道路類型的識別。如果行駛于城市道路，則統(tǒng)計速度超過80km/h的超速行駛時間；如果行駛于高速道路，則統(tǒng)計速度超過120km/h的超速行駛時間。統(tǒng)計所述駕駛行程中的超速形式時間的總和在所述駕駛行程的總持續(xù)時間中的占比，作為超速時間占比。最終，基于警惕性評價模型，生成所述駕駛行程在所述警惕性評價指標下的評價結果。
一種實現(xiàn)道路類型識別的實施例中，在獲取駕駛行程中的超速行駛時間之前，首先采集駕駛行程的GPS數(shù)據(jù)，并從所述GPS數(shù)據(jù)中提取所述駕駛行程中各條道路的駕駛數(shù)據(jù)。其次，將所述駕駛行程中各條道路的駕駛數(shù)據(jù)作為預設分類器的輸入，經(jīng)過所述分類器的處理后，確定各條道路的道路類型。其中，各條道路的駕駛數(shù)據(jù)包括各條道路上的速度標準差、速度均值和單位里程彎道個數(shù)等。最后，基于各條道路的道路類型，確定各條道路上的超速行駛時間。
例如，本發(fā)明實施例中，所述分類器可以以5min為一個時間窗進行道路類型的識別，輸入的特征為各條道路上的速度標準差、速度均值和單位里程彎道個數(shù)。所述分類器建立分類模型，類別為道路類型，1代表城市道路，2代表高速道路，參考圖9，為本發(fā)明實施例提供的一種利用KNN分類器進行道路類型識別的原理示意圖。其中，將從駕駛行程的GPS數(shù)據(jù)中提取到的各條道路上的速度標準差、速度均值和單位里程彎道個數(shù)作為所述KNN分類器的輸入，經(jīng)過所述KNN的分類處理后輸出各個道路的道路類型，即屬于高速道路或城市道路。
本發(fā)明實施例在得到一段駕駛行程在各個指標下的評價結果后，基于所述駕駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果。一種實現(xiàn)方式中，基于事故發(fā)生幾率與各個指標下的評價結果的關系，確定各個指標的評價結果的權重系數(shù)。對所述駕駛行程在各個指標下的評價結果進行加權平均，得到所述駕駛行程的最終評價結果。
參考圖10，為本發(fā)明實施例還提供了一種確定各指標的權重系數(shù)的方法流程圖，所述方法包括：
S1001：預先獲取已完成評價的駕駛行程，并依據(jù)各個駕駛行程中是否發(fā)生事故，確定各個駕駛行程的類別，所述類別包括第一類別和第二類別，所述第一類別表示發(fā)生事故，所述第二類別表示未發(fā)生事故。
本發(fā)明實施例中，利用已經(jīng)完成評價的駕駛行程確定事故發(fā)生幾率與各個指標下的評價結果的關系，進而確定各個指標的評價結果的權重系數(shù)。具體的，預先獲取已完成評價的駕駛行程，并對各個駕駛行程進行分類，具體的將發(fā)生事故的駕駛行程確定為第一類別，將未發(fā)生事故的駕駛行程確定為第二類別。
S1002：分別獲取所述第一類別的駕駛行程和所述第二類別的駕駛行程在同一指標下的評價結果，分別作為第一類別數(shù)據(jù)和第二類別數(shù)據(jù)。
本發(fā)明實施例中，在完成對各個駕駛行程的分類后，確定一個指標，并分別獲取所述第一類別的駕駛行程和所述第二類別的駕駛行程在所述指標下的評價結果，作為第一類別數(shù)據(jù)和第二類別數(shù)據(jù)。
S1003：分別對所述第一類別數(shù)據(jù)和所述第二類別數(shù)據(jù)進行特征提取，并對提取到的特征進行余弦相似度計算，得到所述第一類別數(shù)據(jù)與所述第二類別數(shù)據(jù)的特征相似度值。
本發(fā)明實施例中，分別對獲取到的所述第一類別數(shù)據(jù)和所述第二類別數(shù)據(jù)進行特征提取，具體的，提取的特征可以包括均值、眾數(shù)據(jù)、標準差、四分之三分位數(shù)、四分之一分位數(shù)中的任意一個或多個。其次，對提取到的特征進行余弦相似性計算，得到所述第一類別數(shù)據(jù)與所述第二類別數(shù)據(jù)的特征相似度值。值得注意的是，所述第一類別數(shù)據(jù)與所述第二類別數(shù)據(jù)的特征相似度值越小，即所述指標下的第一類別數(shù)據(jù)和第二類別數(shù)據(jù)的差異性越大，也就是說，所述指標下的評價結果對駕駛行程的安全性影響越大。
S1004：根據(jù)所述特征相似度值，確定所述指標的權重系數(shù)，其中，所述權重系數(shù)與所述特征相似度值具有反比例關系。
為了體現(xiàn)所述第一類別數(shù)據(jù)與所述第二類別數(shù)據(jù)的特征相似度值與所述指標下的評價結果對駕駛行程安全性影響成反比例關系，一種實現(xiàn)方式中，根據(jù)所述特征相似度值的倒數(shù)確定所述指標的權重系數(shù)。
具體的，通過上述確定各個指標的權重系數(shù)的方法計算出各個指標對應的特征相似度值，并計算出所述特征相似度值的倒數(shù)，然后，計算各個指標對應的特征相似度值的倒數(shù)在所有指標的特征相似度值的倒數(shù)和的占比，作為各個指標的權重系數(shù)。最終，對各個指標的評價結果進行加權平均，得到所述駕駛行程的最終評價結果。
本發(fā)明實施例提供的駕駛行程評價方法，能夠基于事故發(fā)生幾率與各個指標下的評價結果的關聯(lián)關系對駕駛行程進行評價，得到的最終評價結果更準確。
本發(fā)明實施例提供了一種駕駛行程評價裝置，參考圖11，為本發(fā)明實施例提供的一種駕駛行程評價裝置的結構示意圖，所述裝置包括：
生成模塊1101，用于根據(jù)駕駛員的駕駛行為數(shù)據(jù)，生成用于評價駕駛行程的指標；
計算模塊1102，用于計算任一駕駛行程在各個指標下的評價結果；
確定模塊1103，用于基于所述駕駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果。
其中，所述指標包括以下一個或多個指標：
專注度評價指標，操控性評價指標，路況評價指標，疲勞評價指標，警惕性評價指標。
具體的，所述計算模塊，包括：
第一收集子模塊，用于收集任一駕駛行程中駕駛員使用手機的數(shù)據(jù)，所述駕駛員使用手機的數(shù)據(jù)包括使用手機的操作狀態(tài)以及對應的操作狀態(tài)持續(xù)時間，各個使用手機的操作狀態(tài)具有預設的取值；
第一生成子模塊，用于基于預先建立的專注度評價模型，生成所述駕駛行程在所述專注度評價指標下的評價結果；
其中，所述專注度評價模型為R表示駕駛行程在所述專注度評價指標下的評價結果，λ1...λn分別表示各個使用手機的操作狀態(tài)對應的取值，t1...tn分別表示λ1...λn對應的操作狀態(tài)持續(xù)時間。
具體的，所述使用手機的操作狀態(tài)包括發(fā)送短信、查看短信、撥打電話、手持電話和免提電話，其中，各個使用手機的操作狀態(tài)分別對應的取值依次減小，且均為正實數(shù)。
具體的，所述計算模塊，包括：
識別子模塊，用于識別任一駕駛行程中駕駛員的不良駕駛行為，并計算單位里程中所述不良駕駛行為的發(fā)生次數(shù)；
第二生成子模塊，用于基于預先建立的操控性評價模型，生成所述駕駛行程在所述操控性評價指標下的評價結果；
其中，所述操控性評價模型為P(u)表示駕駛行程在所述操控性評價指標下的評價結果，u表示單位里程中不良駕駛行為的發(fā)生次數(shù)；θ1為預設的單位里程中不良駕駛行為的發(fā)生次數(shù)的下限值，θ2為預設的單位里程中不良駕駛行為的發(fā)生次數(shù)的上限值。
所述不良駕駛行為包括急加速行為、急減速行為和急轉彎行為。
其中，所述識別子模塊，包括：
第一獲取子模塊，用于采集任一駕駛行程的GPS數(shù)據(jù)，并從GPS數(shù)據(jù)中獲取所述駕駛行程中各個位置的GPS方位角數(shù)據(jù)；
確定子模塊，用于從所述駕駛行程的起始位置或者所述駕駛行程中累加的方位角變化量置零對應的位置開始，依次計算每相鄰位置之間的方位角變化量，并對計算得到的方位角變化量進行累加，直到累加的方位角變化量滿足下述判斷條件，則確定發(fā)生急轉彎行為，并將累加的方位角變化量置零；
其中，所述判斷條件為Δbearing表示駕駛行程中累加的方位角變化量，thres表示預設的識別為急轉彎行為的彎道彎曲度，且0<thres<＝90。
具體的，所述計算模塊，包括：
第二識別子模塊，用于識別任一駕駛行程中的緩行時間段；
第一計算子模塊，用于根據(jù)所述緩行時間段的緩行開始時間和緩行結束時間，計算持續(xù)緩行時間；
第二計算子模塊，用于計算所述持續(xù)緩行時間在所述駕駛行程的總持續(xù)時間中的占比，作為緩行時間占比；
第三生成子模塊，用于基于預先建立的路況評價模型，生成所述駕駛行程在所述路況評價指標下的評價結果；
其中，所述路況評價模型為P(u)表示駕駛行程在所述路況評價指標下的評價結果，u表示所述緩行時間占比，θ1為預設的緩行時間占比的下限值，θ2為預設的緩行時間占比的上限值。
其中，所述第二識別子模塊，包括：
第一確定子模塊，用于將任一駕駛行程中滿足平均速度小于預設第一閾值的時間段確定為緩行時間段。
具體的，所述計算模塊，包括：
劃分子模塊，用于以預設時長為單位子行程的時長，將任一駕駛行程依次劃分為若干子行程；
第二確定子模塊，用于確定各個子行程所屬的預設駕駛時段，各個駕駛時段具有預設的取值；
第四生成子模塊，用于基于預先建立的疲勞評價模型，生成所述駕駛行程在所述疲勞評價指標下的評價結果；
其中，所述疲勞評價模型為R表示駕駛行程在所述疲勞評價指標下的評價結果，R(tn)表示第n個子行程在所述疲勞評價指標下的評價結果，λ1...λn分別表示各個子行程所屬駕駛時段的取值，且λ1＜λ2＜...＜λn，t1...tn分別表示λ1...λn對應的子行程所屬駕駛時段的持續(xù)時間，k1...kn分別在λ1...λn對應的子行程屬于預設駕駛時段中的疲勞駕駛時段時，取值大于1，否則取值等于1。
其中，所述駕駛時段包括疲勞駕駛時段和正常駕駛時段，所述疲勞駕駛時段包括早高峰時段，晚高峰時段和夜間時段。
具體的，所述計算模塊，包括：
第二獲取子模塊，用于獲取任一駕駛行程中的超速行駛時間；
第三計算子模塊，用于計算所述超速行駛時間在所述駕駛行程的總持續(xù)時間中的占比，作為超速時間占比；
第五生成子模塊，用于基于預先建立的警惕性評價模型，生成所述駕駛行程在所述警惕性評價指標下的評價結果；
其中，所述警惕性評價模型為P(u)表示駕駛行程在所述警惕性評價指標下的評價結果，u表示所述超速時間占比，θ1為預設的超速時間占比的下限值，θ2為預設的超速時間占比的上限值。
具體的，所述裝置，還包括：
第二提取子模塊，用于采集駕駛行程的GPS數(shù)據(jù)，并從所述GPS數(shù)據(jù)中提取所述駕駛行程中各條道路的駕駛數(shù)據(jù)；
分類子模塊，用于將所述駕駛行程中各條道路的駕駛數(shù)據(jù)作為預設分類器的輸入，經(jīng)過所述分類器的處理后，確定各條道路的道路類型；
第三確定子模塊，用于基于各條道路的道路類型，確定各條道路上的超速行駛時間。
其中，各條道路的駕駛數(shù)據(jù)包括各條道路上的速度標準差、速度均值和單位里程彎道個數(shù)。
其中，所述確定模塊，包括：
第四確定子模塊，用于基于事故發(fā)生幾率與各個指標下的評價結果的關系，確定各個指標的評價結果的權重系數(shù)；
加權子模塊，用于對所述駕駛行程在各個指標下的評價結果進行加權平均，得到所述駕駛行程的最終評價結果。
具體的，所述第四確定子模塊，包括：
第五確定子模塊，用于預先獲取已完成評價的駕駛行程，并依據(jù)各個駕駛行程中是否發(fā)生事故，確定各個駕駛行程的類別，所述類別包括第一類別和第二類別，所述第一類別表示發(fā)生事故，所述第二類別表示未發(fā)生事故；
第三獲取子模塊，用于分別獲取所述第一類別的駕駛行程和所述第二類別的駕駛行程在同一指標下的評價結果，分別作為第一類別數(shù)據(jù)和第二類別數(shù)據(jù)；
第三提取子模塊，用于分別對所述第一類別數(shù)據(jù)和所述第二類別數(shù)據(jù)進行特征提取，并對提取到的特征進行余弦相似度計算，得到所述第一類別數(shù)據(jù)與所述第二類別數(shù)據(jù)的特征相似度值；
第六確定子模塊，用于根據(jù)所述特征相似度值，確定所述指標的權重系數(shù)，其中，所述權重系數(shù)與所述特征相似度值具有反比例關系。
本發(fā)明提供的駕駛行程評價裝置能夠實現(xiàn)以下功能：根據(jù)駕駛員的駕駛行為數(shù)據(jù)，生成用于評價駕駛行程的指標。計算任一駕駛行程在各個指標下的評價結果?；谒鲴{駛行程在各個指標下的評價結果，確定所述駕駛行程的最終評價結果。本發(fā)明能夠預先生成用于評價駕駛行程的指標，并分別從各個指標的角度對駕駛行程進行評價，最終得到駕駛行程的最終評價結果。與現(xiàn)有技術相比，本發(fā)明實現(xiàn)了對駕駛行程的自動化評價，同時評價結果更加準確。
對于裝置實施例而言，由于其基本對應于方法實施例，所以相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領域普通技術人員在不付出創(chuàng)造性勞動的情況下，即可以理解并實施。
需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
以上對本發(fā)明實施例所提供的一種駕駛行程評價方法及裝置進行了詳細介紹，本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領域的一般技術人員，依據(jù)本發(fā)明的思想，在具體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發(fā)明的限制。
- 還沒有人留言評論。精彩留言會獲得點贊！