[发明专利]一种基于车联网数据流的安全驾驶评价方法

说明书

技术领域

本发明属于汽车安全驾驶领域，具体涉及一种基于车联网数据流的驾驶员安全驾驶行为的评价方法。

背景技术

汽车物联网(简称车联网)是一种汽车服务，它使用车辆和道路上的传感设备搜集车辆、道路、环境的信息，实现人、车、路互联互通和信息共享，用户可以在信息网络平台上获取、共享和有效利用涉车信息。汽车远程服务提供商TSP在Telematics(远距离通信的电信与信息科学)产业链居于核心地位。Telematics服务集合了位置服务、Gis服务和通信服务等现代计算机技术，可为车主和个人提供导航、娱乐、资讯、安防等强大的服务。

随着车联网应用的逐步加深，后装OBD(On-Board Diagnostic，车载诊断系统)设备和前装集成设备在汽车上的安装，使越来越多的车辆被纳入了信息全程覆盖的范围。汽车作为一个综合的信息服务终端，一方面源源不断地向远程服务器发送车辆各个子系统的运行数据，另一方面从互联网上获取各式各样的信息，包括新闻资讯、音频、视频、基于位置的服务等。

目前通过车联网数据挖掘出驾驶人员的行为是否安全仍然处于探索阶段，现有的一些类似的评价方法相对比较简单，评价的指标参数较少，评价结果的准确性也没有很好地得到验证。专利号为CN102163368B、名称为“不安全驾驶行为的识别与监控系统及方法”的中国专利，公开了一种安全驾驶评价方法，其中阐述的不安全驾驶行为识别方法仅通过纵向加速度、横向加速度、垂直加速度三个参数进行阈值判断，而且阈值提取过程中使用的样本有限，最终给出的评价结论只有安全或者不安全两种，仍然有细化的空间。

发明内容

针对现有技术中存在的上述问题，本发明提出一种基于车联网数据流的驾驶员安全驾驶行为的评价方法。从车联网的数据流中获取驾驶员的驾驶行为，根据建立的安全驾驶评分模型，对道路上驾驶员的驾驶行为进行实时安全评估，引导驾驶员养成良好的驾驶习惯。

为实现上述目的，本发明采用如下技术方案。

一种基于车联网数据流的安全驾驶评价方法，包括以下步骤：

步骤1，建立安全驾驶评分模型：车辆的安全驾驶评分等于指标参数的得分加权后求和。

步骤2，从车联网获取车辆运行的实时数据。

步骤3，根据步骤2得到的数据，应用步骤1建立的所述安全驾驶评分模型进行评分，得到车辆的安全驾驶分数。

进一步地，步骤1所述的指标参数包括：平均加速度，平均减速度，平均横向加速度，加速度标准差，最大加速度，最大减速度，典型加速度，典型减速度，急加速次数，急减速次数，急转弯次数，疲劳驾驶时长。

进一步地，所述安全驾驶评价方法还包括根据所述步骤3得到的安全分数评定安全等级。

进一步地，所述安全等级的评价方法为：80～100分为十分安全；60～79分为安全；40-59分为一般；20～39分为有风险；0～19分为高风险。

进一步地，建立安全驾驶评分模型包括数据采集阶段、模型建立与训练阶段和模型验证与调整阶段。

进一步地，所述数据采集阶段包括：采集不同性别不同年龄的驾驶人员、不同车型、不同时段、不同天气状况、不同交通状况的驾驶行为数据，组织不同评估人员进行主观评估。

进一步地，所述模型建立与训练阶段包括：选取数学模型：安全驾驶评分等于多个指标参数的得分加权后求和。根据数据采集阶段获得的数据，计算所述数学模型中的指标参数及得分，通过对所述数学模型训练，确定各个指标参数得分项的权重，得到初步评分模型。所述权重的取值范围为大于等于零且小于1。

进一步地，所述模型验证与调整阶段包括：选取不同于所述数据采集阶段的数据样本，采用方差分析、拟合度分析方法，对所述初步评分模型进行验证、调整。重复上述验证、调整过程，直至评分模型的得分与验证人员的打分相符为止，得到最终的安全驾驶评分模型。

进一步地，所述指标参数得分的计算公式为：

Mark_A＝100-ModelMark(a,A)

式中，Mark_A为指标参数A的得分，a为指标参数A的值，函数ModelMark(a,A)的计算方法为：首先在打分矩阵中找到参数A对应的列C，然后将a的值和第C列的每一行的值进行比较，第一个大于a的值对应的分值即为函数ModelMark(a,A)的值。

进一步地，所述打分矩阵的元素对应指标参数的得分，同一列的元素对应同一个指标参数的得分，同一行的元素对应同一个得分，第一～十一行对应的分值分别为0、10、20、…、100，每一个元素的值均为其对应的指标参数取得相应得分时的临界值。