[发明专利]一种驾驶行为评分方法及装置

说明书

本发明公开了一种驾驶行为评分方法及装置，属于车辆驾驶行为分析技术领域。方法包括获取样本数据，样本数据包括样本驾驶员的驾驶行为数据、驾驶环境数据和业务保单数据；从样本驾驶员的驾驶行为数据、驾驶环境数据和业务保单数据中分别提取特征并进行特征合并，得到样本驾驶员的特征数据；根据从业务保单数据中提取的特征获取样本驾驶员的驾驶行为评分；根据样本驾驶员的特征数据及样本驾驶员的驾驶行为评分对机器学习模型进行训练，得到驾驶行为评分模型并存储，以用于对除样本驾驶员之外的目标驾驶员的驾驶行为进行评分。本发明实施例通过机器学习对驾驶员驾驶行为进行多维度和精细化的建模，从而实现了针对不同驾驶员准确地进行驾驶行为评分。

技术领域

本发明涉及车辆驾驶行为分析技术领域，尤其涉及一种驾驶行为评分方法及装置。

背景技术

近年来，机动车辆的数量也越来越多，同时随着车联网飞速发展，与车联网技术结合的基于驾驶员驾驶行为进行定价的车险产品也越来越多，通过对驾驶员驾驶行为进行评分，进而准确地确定车险产品的定价，可以提高驾驶员的安全驾驶消费观及驾驶员的安全驾驶意识，从而降低社会交通事故率。

目前，驾驶行为评分建模主要是通过对接车内传感器或车机获取用户驾驶行为数据，以及获取观测车辆在驾驶行为观测周期内是否发生交通事故并向保险公司申请保险索赔的出险情况数据，并采用分类方法对数据进行建模，预测出险概率，之后，建立驾驶行为评分与出险概率的映射关系。然而，这种驾驶行为评分建模方法主要存在以下几点问题：一是采集的来源比较单一，仅包含驾驶行为相关信息，导致评分结果不准确；二是无法保证车主的连续性，由于同一辆车下可注册多名用户，导致同一辆车的驾驶记录并非隶属于同一名用户，从而干扰分析；三是仅通过出险概率对驾驶行为进行标签设定，缺乏对出现风险程度的衡量，导致模型不够精细化。

发明内容

本发明实施例的目的是提供一种驾驶行为评分方法及装置，通过从驾驶行为数据、驾驶环境数据和业务保单数据多个维度出发，并通过机器学习对驾驶员的驾驶行为进行多维度和精细化的建模，从而能够实现针对不同驾驶员准确地进行驾驶行为评分预测。

为解决上述技术问题，本发明实施例的具体技术方案如下：

第一方面，本发明实施例提供了一种模型训练方法，所述方法包括步骤：

获取样本数据，所述样本数据包括样本驾驶员的驾驶行为数据、驾驶环境数据和业务保单数据；

从所述样本驾驶员的驾驶行为数据、驾驶环境数据和业务保单数据中分别提取特征并进行特征合并，得到所述样本驾驶员的特征数据；以及

根据从所述业务保单数据中提取的特征，获取所述样本驾驶员的驾驶行为评分；

根据所述样本驾驶员的特征数据及所述样本驾驶员的驾驶行为评分对机器学习模型进行训练，得到驾驶行为评分模型并存储，以用于对除所述样本驾驶员之外的目标驾驶员的驾驶行为进行评分。

在一些实施例中，所述获取样本数据包括：

通过移动SDK模块获取所述样本驾驶员的驾驶行为数据；

通过车载深度摄像头模块获取所述样本驾驶员的驾驶环境数据；

通过预设接口获取所述样本驾驶员的业务保单数据。

在一些实施例中，所述从所述样本驾驶员的驾驶行为数据、驾驶环境数据和业务保单数据中分别提取特征并进行特征合并，得到所述样本驾驶员的特征数据包括：

从所述驾驶行为数据中提取出所述样本驾驶员的第一特征，所述第一特征包括平均驾驶里程、平均驾驶速度、急加速次数、急减速次数、急转弯次数及是否疲劳驾驶中的至少一个；

从所述驾驶环境数据中提取出所述样本驾驶员的第二特征，所述第二特征包括驾驶路况状态和变换车道次数中的至少一个；