[发明专利]一种驾驶行为评价系统

权利要求书

1.一种驾驶行为评价系统使用方法，其特征在于，包括

S1：判断车辆是否启动，如果车辆启动执行步骤S2；如果车辆未启动，则继续待命；具体是通过方法1或方法2进行的，

方法1：车载智能终端通过CAN 总线、OBD II获取车辆的运行信息，当车辆的运行状态为已点火时，并判断车辆已启动，执行步骤S2；当车辆的运行状态为熄火时，判断车辆未启动，则继续待命；

方法2：车载智能终端通过CAN 总线、OBD II获取车辆的运行信息，当车辆采集到车辆运行数据时，判断车辆已启动，执行步骤S2，否则继续待命；

S2：车载智能终端通过CAN 总线、OBD II 获取车辆的传感器信息，对所述传感器信息进行综合判断分析出车辆的行驶数据；

S3：图像识别模块采集车辆周边物体图像信息，并且计算车辆周边物体相对车辆距离；

S4：对识别的物体和图像进行分类处理，并记录相应数据；具体包括：路段内物体、交通标识、天气状况；所述路段内物体，标记并实时追踪相应物体的位置变化、相对距离、距离变化，记录相应数据；所述交通标识，即路边交通标识牌、路面标线，解析相应的交通提示信息，识别交通标识牌所表述的限速信息、车辆禁行信息，记录相应数据；所述天气状况，分析行驶路段的天气状态和强度，并记录相应数据；

识别方法为：

采用LLE算法对采集图像进行流形学习，得到图像特征；通过图像特征对神经网络进行训练；将实时采集的图像代入神经网络进行识别，得到识别物体和图像种类标签，并将该物体和图像根据标签进行分类处理，并记录相应数据；

所述采用LLE算法对采集图像进行流形学习包括以下步骤：以图像作为样本构造k-近邻图，并计算任意两个图像之间的相似度作为近似测地线距离：min(dG(i ,j),dG(i ,e)+dG(e ,j))其中，dG为k-近邻图上任意两个图像之间的欧式距离，图像索引号i、j、e为1、2、…、N ,其中N为图像张数；构造矩阵M＝(I-A)T(I-A),其中I为N×N单位矩阵，A为N×N近k-邻图矩阵，即k-近邻图上任意两个图像之间的近似测地线距离矩阵；对M矩阵进行特征分解，数据集X取M的前m个特征向量作为特征提取的结果，即图像特征X1…Xm；

通过图像特征对神经网络进行训练包括以下步骤：将图像特征作为输入，车辆类型标签为输出，隐层节点为K-means算法聚类得到的中心；对神经网络进行训练得到隐层各节点输出的权重；所述K-means算法包括以下步骤：1)选择c个类的初始中心：c为样本个数的若干分之一，第一个样本为数据集的中心，第c个样本为所有数据点中距离前c-1个数据点最远的点；其中数据集为X，数据点表示某张图像特征；2)对任意一个样本，求其到c个中心的距离，将该样本归到距离最短的中心所在的类；3)将每个类中的点取平均值作为该类的聚类中心；返回步骤2)，直到当前所有类的聚类中心与上一次迭代得到所有类的聚类中心之差小于阈值为止；

所述将实时采集的图像代入神经网络进行识别包括以下步骤：将实时采集的图像采用LLE算法对采集图像进行流形学习，得到图像特征；将图像特征和权重代入神经网络，根据当前样本与各聚类中心的距离矩阵、所有聚类中心之间的距离矩阵、隐层节点个数；得到物体和图像种类标签；

S5：将步骤S2获得的车辆行驶数据、步骤S4获得的图像识别分类数据发送至智能终端中央处理器，进行解析获得当前跟车距离、合理时速范围；当前跟车距离：通过图像识别分类中的车辆位置数据、距离数据，计算出与前方车辆的距离，即当前路段平均跟车距离、最小跟车距离、最大跟车距离；合理时速范围：通过图像识别道路旁交通标识牌和地面交通标线，计算出车辆所在路段的最高和最低限速、所在车道的最高和最低限速；

S6:将步骤S2获得的车辆行驶数据、步骤S4获得的图像识别分类数据、步骤S5获得的当前跟车距离和合理时速范围，上传至云服务器端，储存至数据库DataBase；

S7:云服务器端，结合基于历史数据所建立的驾驶风险评分模型，对用户驾驶数据进行综合分析，以此获得跟车风险评分、车速风险评分、恶劣路况风险评分、紧急情况反应评分；

跟车风险评分：将跟车距离、车辆时速、加速、减速、转弯，导入历史跟车风险模型，计算获得相应的跟车风险评分；

车速风险评分：将当前车辆时速、合理车速范围、天气因子，导入历史车速风险模型，计算获得相应的车速风险评分；

恶劣路况风险评分：将车辆时速、周边车辆平均速度、天气因子、路况因子，导入恶劣路况驾驶模型，计算获得相应的恶劣路况驾驶评分；

紧急情况反应评分：将周边物体的位置、距离变化数据，驾驶行为数据，导入紧急情况反应模型，计算获得前方一定范围内出现紧急状况时，驾驶员的反应时间、操作正确率；

S8：云服务器端根据上述步骤S1-S6，周期性对驾驶数据进行计算评分，并储存至相应用户账户中；

S9：用户通过移动客户端查看自己账户中的驾驶行为评价；

S10：保险公司通过连接云服务器的运营管理系统或API接口，查看相应用户的驾驶行为评价和数据明细，保险公司以此进行差异化保费处理；

上述方法是在驾驶行为评价系统中实施的，该系统包括车载智能终端、云服务器端、移动客户端和管理后台；所述车载智能终端用于采集车辆数据并进行处理，传输至云服务器端；云服务器端安装有驾驶风险评分模型，对驾驶数据进行计算评分；用户通过移动客户端查看自己账户中的驾驶行为评价；保险公司通过管理后台，查看相应用户的驾驶行为评价和数据明细；

车载智能终端，还包括中央处理器，将车辆行驶数据、图像识别分类数据进行解析获得当前跟车距离、合理时速范围，并上传至云服务器端，储存至数据库DataBase；

所述车辆行驶数据，包括车辆的GPS定位信息、实时路况信息、路径数据信息、行驶里程信息、油耗信息、驾驶行为信息和设备操作信息；所述驾驶行为信息，包括超速行为、急加速行为、急减速行为、急转弯行为、碰撞行为、急刹车行为；所述设备操作信息，包括车辆打火准备启动和车辆停车后熄火的信息。