[发明专利]一种基于持续时间模型的驾驶员违章风险估计方法

说明书

本发明属于交通安全技术领域，涉及一种基于持续时间模型的驾驶员违章风险估计方法，包括以下步骤：A、构建驾驶员违章间隔时间样本数据库；B、估计驾驶员违章间隔时间整体分布；C、拟合违章间隔时间持续时间模型，并估计标定持续时间模型回归参数；D、估计驾驶员违章间隔时间累积生存率；E、估计驾驶员发生违章的风险。本发明所述方法考虑删失数据，更准确地估计驾驶员违章间隔时间分布；并识别违章行为的显著影响因素，估计驾驶员未来一段时间内的违章风险概率；据此为驾驶员提供违章预警提示，减少驾驶员发生违章和事故事件的可能性，提升道路交通安全。

技术领域

本发明属于交通安全技术领域，具体涉及一种基于持续时间模型的驾驶员违章风险估计方法。

背景技术

现有驾驶员违章行为的检测和预警技术可大致分为如下两类。

(1)一类是基于道路监控设备或车载设备进行视频拍摄，采集车辆行驶轨迹数据，对数据进行处理分析，进而判别当前车辆是否发生违章行为的实时检测方法。这类技术是对车辆当前行为是否违章进行检测或提示，不能对驾驶员进行提前预警。

(2)另一类是运用驾驶员的历史违章地点和违章类型等数据，对驾驶员在特定时间和地点进行违章预警。

一名驾驶员在长时间驾驶的过程中可能发生多次违章行为，驾驶员违章间隔时间可能服从一定的分布规律，并受一些因素的影响。在现有的相关研究中，鲜有从驾驶员违章间隔时间的角度去探索驾驶员违章行为的特征规律。本专利从驾驶员个体角度出发，利用驾驶员的历史违章时间和行为数据，运用持续时间模型挖掘驾驶员违章间隔时间的分布规律，识别违章行为的风险因素(显著影响因素)，据此提出：对驾驶员在未来一段时间内的违章风险进行估计的方法。所述估计方法可用于驾驶员违章行为的预测预警，促使其安全驾驶，减少交通违章和事故的发生概率，提升道路交通安全。

发明内容

针对目前驾驶员违章行为分析的不足，本专利提出了一种基于持续时间模型的驾驶员违章风险估计方法。研究成果旨在提出一种基于历史违章数据，对驾驶员在未来一段时间内发生的违章风险进行估计的方法，据此可对驾驶员进行预警提示，为缓减交通违章和事故的发生提供技术支持。具体技术方案如下：

一种基于持续时间模型的驾驶员违章风险估计方法，包括以下步骤：

A、采集驾驶员个人属性构建个人属性数据库，采集车辆属性构建车辆属性数据库，采集驾驶员违章信息(也称为违章属性、历史违章数据)构建驾驶员历史违章信息数据库；

所述个人属性包括：驾驶员的ID号(身份证号)、性别、年龄和驾龄等；

所述车辆属性包括：车辆归属地和车辆类型等；

所述违章信息包括：违章发生时间、驾驶员违章间隔时间、上一年违章次数和上一年严重违章类型等。

所述驾驶员违章间隔时间为：同一驾驶员连续两次违章的间隔时间；

所述上一年违章次数指的是：以本次违章的发生年份为基准年，统计得到的该驾驶员上一年的违章次数；

所述上一年严重违章类型指的是：以本次违章的发生年份为基准年，统计该驾驶员上一年是否发生过严重违章行为，有严重违章行为，上一年严重违章类型为1，否则上一年严重违章类型为0；

所述严重违章行为指：在交通违章中，一次性扣分6分或12分的行为；

基于驾驶员的ID号，将驾驶员的个人属性、车辆属性和违章信息进行融合匹配，提取驾驶员违章间隔时间，构建驾驶员违章间隔时间样本数据库；

所述驾驶员违章间隔时间样本数据库以驾驶员每次违章间隔时间样本数据作为样本，所述违章间隔时间样本数据还包括：违章间隔时间的删失属性、每次违章间隔时间对应的驾驶员ID号、性别、年龄、驾龄、车辆类型、上一年违章次数和上一年严重违章类型；