[发明专利]一种用于驾驶员的评价方法和系统

说明书

本发明给出了一种用于驾驶员的评价方法和系统，包括获取驾驶员多组观测项目的数据值，构建每个观测项目的数据分布图，其中，观测项目包括停车、转向灯、车速、转弯、加速、刹车、能耗、开关门和起步；响应于数据值处于预设的阈值范围区间之外，提取该值为驾驶员在对应观测项目的特征值；基于特征值和距离算法计算特征值的相似度，基于相似度对驾驶员进行聚类，获得至少两个聚类集合并确定聚类集合的特性；响应于检测到待评价驾驶员的数据值，获得待评价驾驶员的评价结果，其中，评价结果包括待评价驾驶员所属的聚类集合和特征值。通过该方法对驾驶员进行评价，结果更加有依据，可信度更高。

技术领域

本发明涉及计算机技术应用领域，尤其是一种用于驾驶员的评价方法和系统。

背景技术

目前针对驾驶员驾驶行为的评价少有人研究，大多是将驾驶员进行一些简单的分类(如粗暴型、温和性和普通型)。对驾驶员的评价结果能够用于辅助决策，如对驾驶员的管理领域，因此，对驾驶员评价体系越来越受到关注。目前对驾驶员的评价局限于人工评价的方式，尚未出现较为专业的对驾驶员的综合评价系统。

申请号为CN201810675738.6的中国专利公开了一种驾驶员安全监控学习系统，组成部分包括：数据收集单元，其用于收集驾驶员的行为数据；数据预处理单元，其用于从收集到的行为数据中提取出对驾驶员进行评价的评价数据；数据统计分析单元，其用于对评价数据进行统计分析，获取每个驾驶员的评分情况；数据接收单元，其用于接收评分结果，并根据评分结果得出驾驶建议，并将驾驶建议和未完成的培训学习课程发送至驾驶者。数据收集单元收集到的数据经过预处理后，通过主成分分析的统计方法，对每个驾驶员进行评价，再根据评价结果，给出结论。该评价结果的解释具有模糊性，不像原始变量的含义那么清楚、确切，这是使用主成分分析法变量降维过程中不得不付出的代价。

发明内容

本发明提出了一种用于驾驶员的评价方法和系统。

在一个方面，本发明提出了一种用于驾驶员的评价方法，包括以下步骤：

S1：获取驾驶员多组观测项目的数据值，构建每个观测项目的数据分布图，其中，观测项目包括停车、转向灯、车速、转弯、加速、刹车、能耗、开关门和起步；

S2：响应于数据值处于预设的阈值范围区间之外，提取该值为驾驶员在对应观测项目的特征值；

S3：基于特征值和距离算法计算特征值的相似度，基于相似度对驾驶员进行聚类，获得至少两个聚类集合并确定聚类集合的特性；

S4：响应于检测到待评价驾驶员的数据值，获得待评价驾驶员的评价结果，其中，评价结果包括待评价驾驶员所属的聚类集合和特征值。

在具体的实施例中，数据分布图包括正态分布图、直方图和密度图。数据分布图描述了驾驶员观测项目的数据集中程度及值分布的状态，能较为直观地判断驾驶员的数据属性。

在具体的实施例中，特征值取自所述数据值排名前十的观测项目的数据值。采用靠前排名的数据值作为特征值能够更为准确地评价驾驶员。

在具体的实施例中，分布图中数据值的密集程度与特征值的重要性呈反比。利用异常的极值作为重要特征值能够体现出驾驶员的异常动作。

在具体的实施例中，阈值范围区间设置为10％-90％。设置阈值范围区间可以有效地鉴别出驾驶员的异常特征值。

在具体的实施例中，步骤S3中的距离算法包括欧式距离算法、马氏距离算法或曼哈顿距离算法。利用距离算法可以有效地将驾驶员的特征之间的距离量化，作为相似度判断的数据基础。

在具体的实施例中，相似度的计算公式为相似度＝1-d/d_max，其中，d表示利用距离算法获得的驾驶员相应特征之间的距离，d_max表示利用距离算法获得的驾驶员相应特征之间的最大距离。通过相似度的计算，可以将驾驶员特征进行聚类分组，评判驾驶员的类别归属。