[发明专利]一种基于物联网技术的汽车行为数据识别与管理方法

权利要求书

1.一种基于物联网技术的汽车行为数据识别与管理方法，其特征在于，该方法是根据汽车状况数据，驾驶员性格，驾驶风格来构建汽车行为数据库，进而建立预测车辆行为的汽车预测模型，来对汽车的行为进行预测，包括以下步骤：

步骤A：获取汽车的状况数据:通过设置在汽车上的传感器获取一系列汽车的机械状况，用来定义汽车的情绪，包含汽车的各项机械参数、耗油量，发动机转速，轮胎气压的固有信息，这些参数体现当前汽车的实际物理性能；

步骤B：检测驾驶员的情绪:通过在人体内、外、周围集成传感器节点来监控人体中的单胺神经递质5-羟色胺,多巴胺和去甲肾上腺素，通过这些神经递质来计算用户的情绪状态；

步骤C：获知驾驶员驾驶风格:驾驶风格与驾驶员的行为相关，驾驶员的行为记录为向量F_s＝{F_s1，F_s2，F_s3...F_sm}，m是特征向量的维度；如果驾驶员行为记录的数量多于一个，这些记录的向量被聚合为N类，并存储在数据服务器；

步骤D：检测驾驶环境:汽车在运行中将GPS传感器收集到的信息和服务器进行交换，针对路面的各种差异，收集环境参数以及道路参数信息；

步骤E：构建汽车行为数据库:通过上步骤的数据收集和准备，根据汽车状况数据，驾驶员情绪，驾驶风格，驾驶环境信息构建汽车行为数据库；

步骤F：建立实时自适应汽车预测模型:基于步骤E形成的数据库，将每个车辆的行为特性在单位时间内定性和归约成相关的参数，总结出汽车行为的特征规律，建立实时自适应汽车预测模型，对汽车的行为进行实时预测。

2.根据权利要求1所述的一种基于物联网技术的汽车行为数据识别与管理方法，其特征在于，步骤E中汽车行为数据库为使用结构化查询语言的SQL数据库，或者建造Hadoop框架数据库。

3.根据权利要求1所述的一种基于物联网技术的汽车行为数据识别与管理方法，其特征在于，在步骤F中，对汽车进行实时预测的方法为：

采用用于对汽车行为预测的局部时间自适应马尔可夫预测方法，用马尔可夫链方法来进行实时预测，选择历史数据动态预测，即根据实时要求确定历史数据点；

随机马尔可夫过程包括了有限维度的声明，k次下，所有矢量X_k的构成状态，

X_k＝{F_hk，F_mk，F_sk，F_ek}

在每个时间步k中，马尔可夫过程保持在同一声明下或移动到另一个转移概率矩阵p中，在驾驶周期中矩阵p需要被获得，因为司机的情绪，驾驶环境，驾驶状态随时间而变化；过渡概率被估计为

P{P(k+1)＝X_j|P(k)＝X_i}＝m_ij/m_i

m_ij是是从x_i到x_j的过渡的出现次数，m_i是X_i出现的总次数，预测开始时只是在驾驶时对于最初为空的概率矩阵和奖励矩阵更新数据

为了充分利用车辆的行为历史数据预测行为，基于多用户的行为状态预测k次的行为状态(k-1，k-2，...，k-n)；考虑到实时要求k，选择n个历史数据点来预测下一辆车的行为；N值越大，预测的准确性越高；

X_k＝w₁x_k-1×P+w₂x_k-2×P²+…+w_nx_k-n×Pⁿ

W是权重w_i是行为状态的自相关系数的归一化结果。