[发明专利]基于车载OBD数据及概率统计的异常驾驶判别方法及系统

说明书

本公开提供了一种基于车载OBD数据及概率统计的异常驾驶判别方法及系统，能够实现实时在线识别异常驾驶行为和线下识别异常驾驶行为两种方式，异常驾驶行为模型通过贝叶斯概率计算不同类别数据及同类数据前后发生的概率建立具有多向关联的驾驶行为概率模型，实时在线识别异常驾驶行为通过实时识别数据间的关联并与异常驾驶行为模型对比得出结论，线下识别异常驾驶行为通过划分短行程片段计算片段得分得出结论；本公开避免了传统方法设置加减速度等参数阈值判定异常驾驶的过识别和欠识别，利用驾驶行为大数据建立更为真实的模型，识别过程更加可靠。

技术领域

本公开涉及异常驾驶判别技术领域，特别涉及一种基于车载OBD数据及概率统计的异常驾驶判别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

车辆驾驶行为的识别与判别主要基于车辆运行数据的分析。车辆运行数据主要包括车速、发动机转速、油门踏板等数据，现有的方法多为阈值设置或人工标记异常驾驶行为。其中阈值设置方法首先根据经验设置速度、加速度、转弯角度、踏板开度等可获取数据的正常范围，然后通过累积车辆运行数据超出设置阈值的次数，并结合每种异常驾驶行为的得分权重，最终计算得到该驾驶循环的得分；人工标记异常驾驶行首先需要人为判断驾驶行为是否异常并进行标记，在进行一定数据量的标记后，将其作为训练数据导入神经网络模型，最终建立能够自动识别异常驾驶的模型。

本公开发明人在研究中发现，上述两种方法都具有一定局限性。对于阈值法，可能会忽略不同工况下异常驾驶的差异，例如当车辆起步时，加速度往往较大，而车辆高速行驶时，即使满足加速度的阈值设定也可能是异常驾驶，但阈值法往往会忽略这种情况的异常加速；对于人工标记法，海量的车辆运行数据逐一标记难以实现，且标记存在一定主观性，不适合对驾驶行为进行客观判别。

发明内容

为了解决现有技术的不足，本公开提供了一种基于车载OBD(车载自动诊断系统)数据及概率统计的异常驾驶判别方法及系统，避免了人工标记异常驾驶行为的方式，极大的节省了异常驾驶行为模型建立的工作量，且模型更客观，适用于车辆的各种运行状态，相比于阈值法更具有科学性。

为了实现上述目的，本公开采用如下技术方案：

第一方面，本公开提供了一种基于车载OBD数据及概率统计的异常驾驶判别方法；

一种基于车载OBD数据及概率统计的异常驾驶判别方法，步骤如下：

采集规范驾驶的OBD数据，通过计算不同数据间同步以及同种数据前后的关联概率，建立数据间具有明确关联概率值的异常驾驶行为模型；

通过线下识别异常驾驶行为，采集设定时间段内的车载OBD数据，根据采集到的数据划分短行程片段，判定数据中每个数值的先后关联和同步关联与异常驾驶行为模型对应的概率值，根据概率值计算片段得分进而判断是否存在异常驾驶。

作为可能的一些实现方式，将采集的OBD数据按速度进行短行程片段的划分，然后判定短行程片段内每个数值的先后关联和同步关联与异常驾驶行为模型对应的概率值，并计算每个片段的得分，若得分超过阈值，则判定该片段存在异常驾驶，进而识别异常驾驶类型。

作为进一步的限定，所述得分的计算方式为：

其中P_k表示片段中出现的所有概率值，n表示所有概率值的个数。

作为更进一步的限定，当驾驶数据关联中出现小概率事件，使Fδ，此时标记此短行程片段为异常驾驶，所述δ为自定义的阈值。

作为更进一步的限定，δ＞μ+3σ，μ为规范驾驶的OBD数据得分的平均值，σ为规范驾驶的OBD数据得分标准差。