监控摩托车骑行行为的方法和系统技术方案

本申请涉及一种监控摩托车骑行行为的方法和系统，前述方法包括：根据地图数据和导航数据确定摩托车所在位置的交通规则；以及，获取智能头盔中传感器生成的检测特征数据；处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为。能够快速地确定骑手骑行行为是否为违章行为，而向骑手发出提示，以使得骑手约束骑行行为，继而减少出现交通事故的概率。

【技术实现步骤摘要】
监控摩托车骑行行为的方法和系统
本申请涉及数据处理
，尤其涉及一种监控摩托车骑行行为的方法和系统。
技术介绍
因为通勤使用方便、具有休闲使用价值等原因，选择骑行摩托车出行的民众越来越多，摩托车保有量在最几年出现快速增长。摩托车具有加减速度快、极限速度高、可以穿梭狭小空隙的特点。正是因前述特点以及摩托车骑手的驾驶随意性，驾驶摩托车出现交通违章、造成交通事故的比率相对于驾驶四轮机动车辆的比率较高。而如何有效地管控摩托车骑行行为、提醒骑手遵守交通规则是减小摩托车交通事故的重要手段。但是，目前对于摩托车违章事故仍是由城市交管确定车辆违章后，通过事后处罚告知的方式告知；而在没有违章采集设备的场合，并不能有效采集和提醒骑手出现交通违章问题。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种监控摩托车骑行行为的方法和系统。一方面，本申请提供一种监控摩托车骑行行为的方法，包括：根据地图数据和导航数据确定摩托车所在位置的交通规则；以及，获取智能头盔中传感器生成的检测特征数据；处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为。可选地，所述方法还包括：在所述骑行行为是违章行为的情况下，将所述违章行为上报至预设终端。可选地，所述智能头盔中的传感器包括用于拍摄车前路况的摄像头；所述获取智能头盔中传感器生成的检测特征数据，包括：获取所述摄像头拍摄的图像数据；在所述交通规则包括交通信号灯规则的情况下，所述基于所述交通规则判断所述骑行行为是否为违章行为，包括：处理所述图像数据，提取信号灯特征；以及，根据所述导航数据确定摩托车经过道路交叉路口，并且相应行驶路线对应的所述信号灯特征为红灯的情况下，确定所述骑行行为闯红灯行为。可选地，所述智能头盔中的传感器包括加速度传感器；在所述交通规则包括限速规则的情况下，处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为，包括：根据所述加速度传感器生成的加速度数据确定实际车速；根据所述实际车速和所述限速规则确定所述骑行行为是否为超速行为。可选地，所述方法还包括：根据所述地图数据和所述导航数据确定所述骑行行为是否为禁行行为、禁停行为和/或逆行行为。可选地，所述智能头盔中传感器中的传感器包括振动传感器和/或拾音器；所述方法还包括：根据所述振动传感器生成的振动特征数据，或者，根据所述拾音器生成的音频数据，确定所述摩托车的动力装置振动特性；基于所述动力装置振动特性确定是否具有非法改装行为；在具有所述非法改装行为的情况下，将所述非法改装行为上报至预设终端。另一方面，本申请提供一种监控摩托车骑行行为的系统，包括：数据处理终端，用于根据地图数据和导航数据确定摩托车所在位置的交通规则；获取智能头盔中传感器生成的检测特征数据；以及，用于处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为。可选地，所述系统还包括云平台；所述云平台用于存储所述违章行为以及所述检测特征数据；所述数据处理终端还用于在出现所述违章行为的情况下，将所述违章行为上报至所述云平台。可选地，所述检测特征数据包括所述智能头盔中摄像头拍摄的图像数据；在所述交通规则包括交通信号灯规则的情况下，所述数据处理终端处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为，包括：处理所述图像数据，提取信号灯特征；以及，根据所述导航数据确定摩托车经过道路交叉路口，并且相应行驶路线对应的所述信号灯特征为红灯的情况下，确定所述骑行行为闯红灯行为；和/或，所述检测特征数据包括所述智能头盔中加速度传感器检测的加速度数据；在所述交通规则包括限速规则的情况下，所述数据处理终端处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为，包括：根据所述加速度数据确定实际车速；以及，根据所述实际车速和限速规则确定所述摩托车骑行行为是否为超速行为。可选地，所述检测特征数据还包括所述智能头盔中振动传感器生成的振动特征数据或者拾音器生成的音频数据；所述数据处理终端或者所述云平台还用于：根据所述振动特征数据和/或所述音频数据，确定所述摩托车的动力装置振动特性；基于所述动力装置振动特性确定是否具有非法改装行为；在具有所述非法改装行为的情况下，将所述非法改装行为上报至预设终端。本申请提供的监控摩托车骑行行为的方法和系统能够快速地确定骑手骑行行为是否为违章行为，而向骑手发出提示，以使得骑手约束骑行行为，继而减少出现交通事故的概率。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的监控摩托车骑行行为的方法流程图；图2是本申请实施例提供的判断骑行行为是否为闯红灯行为的示意图；图3是本申请实施例提供的判断骑行行为是否为超速行为的示意图；图4是本申请实施例提供的监控摩托车骑行行为的系统的结构示意图；图5是本申请实施例提供的电子设备的结构示意图；其中：11-数据处理终端，12-云平台，01-智能头盔，21-处理器，22-存储器，23-通信接口，24-总线系统。具体实施方式为了能够更清楚地理解本申请的上述目的、特征和优点，下面将对本申请的方案进行进一步描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本申请，但本申请还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本申请的一部分实施例，而不是全部的实施例。按照国家标准，摩托车为最大行驶时速大于50km/h或者发动机气缸总排量大于50ml的两轮或者三轮机动车。本申请实施例一些应用中，摩托车可以为国家标准规定的机动车，也包括按照国家标准被认定为燃油助力车或者电动骑行车的两轮或三轮具有非人工动力车辆。也就是说，某些低速燃油车辆、电动两轮或者三轮车辆也被认为摩托车。本申请实施例提供一种监控摩托车骑行行为的方法，用于监控摩托车骑手的骑行行为是否为违章行为。图1是本申请实施例提供的监控摩托车骑行行为的方法流程图。如图1所示，本申请实施例提供的监控摩托车骑行行为的方法包括步骤S101-S104。S101：获取智能头盔中传感器生成的检测特征数据。步骤S101中获取检测特征数据由数据处理终端执行。本文档来自技高网...

【技术保护点】
1.一种监控摩托车骑行行为的方法，其特征在于，包括：/n根据地图数据和导航数据确定摩托车所在位置的交通规则；以及，获取智能头盔中传感器生成的检测特征数据；/n处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为。/n

【技术特征摘要】
1.一种监控摩托车骑行行为的方法，其特征在于，包括：
根据地图数据和导航数据确定摩托车所在位置的交通规则；以及，获取智能头盔中传感器生成的检测特征数据；
处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为。


2.根据权利要求1所述的监控摩托车骑行行为的方法，其特征在于，还包括：
在所述骑行行为是违章行为的情况下，将所述违章行为上报至预设终端。


3.根据权利要求1所述的监控摩托车骑行行为的方法，其特征在于，所述智能头盔中的传感器包括用于拍摄车前路况的摄像头；
所述获取智能头盔中传感器生成的检测特征数据，包括：获取所述摄像头拍摄的图像数据；
在所述交通规则包括交通信号灯规则的情况下，所述基于所述交通规则判断所述骑行行为是否为违章行为，包括：
处理所述图像数据，提取信号灯特征；以及，
根据所述导航数据确定摩托车经过道路交叉路口，并且相应行驶路线对应的所述信号灯特征为红灯的情况下，确定所述骑行行为闯红灯行为。


4.根据权利要求1所述的监控摩托车骑行行为的方法，其特征在于，所述智能头盔中的传感器包括加速度传感器；
在所述交通规则包括限速规则的情况下，处理所述检测特征数据得到骑行行为，基于所述交通规则判断所述骑行行为是否为违章行为，包括：
根据所述加速度数据确定实际车速；
根据所述实际车速和所述限速规则确定所述骑行行为是否为超速行为。


5.根据权利要求1所述的监控摩托车骑行行为的方法，其特征在于，还包括：
根据所述地图数据和所述导航数据确定所述骑行行为是否为禁行行为、禁停行为和/或逆行行为。


6.根据权利要求1所述的监控摩托车骑行行为的方法，其特征在于，所述智能头盔中传感器中的传感器包括振动传感器和/或拾音器；所述方法还包括：
根据所述振动传感器生成的振动特征数据，或者，根据所述拾音器生成的音频数据，确定所述摩托车的动力装置振动特性；
基于所述动力装置振动特性确定是否具有非法改装行...

【专利技术属性】
技术研发人员：康京博，
申请(专利权)人：康京博，
类型：发明
国别省市：北京;11