一种基于车联网大数据的行车轨迹实时风险评估模型制造技术

本发明专利技术提出了一种基于车联网大数据的行车轨迹实时风险评估框架，利用数据库存储的车辆特征信息、理赔信息以及从车载传感器中实时收集到的行驶轨迹信息，建立轨迹评分系统，所述轨迹评分系统包括车辆分组模型、轨迹聚类模型和行为理赔模型，实现对驾驶的行车轨迹进行实时评分，并为车险保费定价、保费调整、保费预测、创建新型车险提供参考，从而实现对驾驶环境、操作行为良好的轨迹，给予保费价格优惠；对驾驶环境、操作行为较差的轨迹，给予保费价格惩罚。

【技术实现步骤摘要】
一种基于车联网大数据的行车轨迹实时风险评估模型
本专利技术属于物联网
，尤其涉及一种基于车联网大数据的行车轨迹实时风险评估模型。
技术介绍
车联网是物联网在汽车领域的一个分支，是移动互联网在汽车领域的一个重要应用，更是未来信息通信、智能管理、安全、节能等融合发展的必经之路，它通过信息传感技术、网络通信技术、GPS定位技术以及数据处理技术等，实现V2X，即车-X，X为车、路、行人或互联网的无线通讯与信息交换；通过对车辆、环境等动静态信息的搜集、分析与处理，实现智能交通管理、移动互联应用、动态信息服务等目的，最终提高交通、生产效率，并为人们的生活提供便利。车险UBI(UsageBasedInsurance)是基于驾驶员驾驶行为的保险，即根据采集的驾驶员驾驶信息，比如地点、时间、里程、驾驶行为习惯等，分析判断驾驶员驾驶车辆的危险等级，进而为不同驾驶危险等级的驾驶员提供不同的保费收取标准，最终达到安全的驾驶员将得到保费优惠、危险的驾驶员需要支付更高保费的效果。简单来讲，利用车载传感器记录驾驶员的驾驶行为习惯，从而不断调整保单价格。对驾驶习惯较好的驾驶员，降低其下一期的保费；对驾驶行为较本文档来自技高网...

【技术保护点】
1.一种基于车联网大数据的行车轨迹实时风险评估框架，其特征在于，包括数据采集处理系统和轨迹评分系统，其中，所述数据采集处理系统实时收集行车轨迹信息，对行车轨迹信息初步处理后经通讯网络实时输送并存储至服务器数据库中；所述轨迹评分系统根据所述数据采集处理系统上传的行车轨迹信息、所述服务器数据库内已存储的车辆特征信息和出险理赔信息建立轨迹评分模型；然后由轨迹评分模型对驾驶轨迹进行风险评估。

【技术特征摘要】
1.一种基于车联网大数据的行车轨迹实时风险评估框架，其特征在于，包括数据采集处理系统和轨迹评分系统，其中，所述数据采集处理系统实时收集行车轨迹信息，对行车轨迹信息初步处理后经通讯网络实时输送并存储至服务器数据库中；所述轨迹评分系统根据所述数据采集处理系统上传的行车轨迹信息、所述服务器数据库内已存储的车辆特征信息和出险理赔信息建立轨迹评分模型；然后由轨迹评分模型对驾驶轨迹进行风险评估。2.根据权利要求1所述的基于车联网大数据的行车轨迹实时风险评估框架，其特征在于，所述行车轨迹信息包括驾驶轨迹的地理位置、驾驶行为、路况和天气状况。3.根据权利要求1所述的基于车联网大数据的行车轨迹实时风险评估框架，其特征在于，所述轨迹评分模型包括车辆分组模型、轨迹聚类模型和行为理赔关联模型，所述轨迹评分模型的建立包括以下步骤：第一步：根据车辆特征信息建立车辆分组模型，并利用所述车辆分组模型对车辆进行分组，获得基于车型分类的车型组；第二步：在车型组基础上，建立轨迹评分因子体系，根据行车轨迹信息建立轨迹聚类模型，对行车轨迹进行分类，获得基于车型和轨迹评分因子分类的轨迹组；第三步：将轨迹组中每一条轨迹同出险理赔信息进行关联，建立行为理赔关联模型，至此获得包括车辆分组模型、轨迹聚类模型和行为理赔关联模型的轨迹评分模型；第四步：由轨迹评分模型对每一条轨迹进行风险评估并计算轨迹评分。4.根据权利要求3所述的基于车联网大数据的行车轨迹实时风险评估框架，其特征在于，所述车辆分组模型的建立包括以下步骤：第一步：基于车辆车型库，对车辆特征信息按照车辆车型库的统一标准进行特征化处理；第二步：采用随机森林算法对已特征化处理过的车辆特征信息数据建立随机森林模型，获得车辆分组模型。5.根据权利要求4所述的基于车联网大数据的行车轨迹实时风险评估框架，其特征在于，在对所述车辆特征信息建立随机森林模型中，决策树的个数根据车辆分组结果进行调整；在决策树建立中，首先建立分类因子体系，然后评定所述分类因子体系内的分类因子区分样本的能力，信息增益越大，分类因子区分样本的能力越大，然后根据对分类因子的评定对决策树中每一节点确定合适的分类因子作为分类变量；其中，利用信息熵计算获得使用某个分类因子作为分类变量时车辆特征信息数据分类前后的信息增益，选择信息增益最大的分类因子作为分类变量，信息熵的计算公式和信息增益的计算公式为：信息熵的计算公式：其中，X为任一分类因子，x为X分类因子的可能值，P(x)为可能值x出现的概率；信息增益的计算公式：其中，S是训练样本集合，A是分类因子集合，v是分类因子的任一可能值，|Sv|是S中分类因子值为v的数量，|S|是集合中样本的总数量，Entropy(Sv)是分类因子值为v的信息熵；且当信息增益小于预定阈值时，则停止决策树的生长，完成一棵决策树的建立。6.根据权利要求3所述的基于车联网大数据的额轨迹实时风险评估体系，其特征在于，轨迹聚类模型的建立包括以下步骤：第一步：根据数据采集处理系统收集上传的行车轨迹信息，在每个车型组的行车轨迹信息中选取多个轨迹评分因子，建立每个车型组的轨迹评分因子体系；第二步：采用随机森林算法对轨迹评分因子体系建立随机森林模型，获得轨迹聚类模型；在随机森林模型中，决策树的个数根据轨迹聚类结果进行调整，根据轨迹评分因子的信息增益来确定决策树中节点的评分因子变量，其中，信息增益越大，轨迹评分因子区分样本能力越准确，选取信息增益最大的轨迹评分因子作为决策树中节点的评分因子变量。7.根据权利要求3所述的基于车联网大数据的额轨迹实时风险评估体系，其特征在于，每一轨迹分组均具有轨迹评分因子信息和理赔信息，将轨迹评分因子信息同理赔信息进行关联并建立广义线性模型，通过广义线性模...

【专利技术属性】
技术研发人员：丁建栋，
申请(专利权)人：得道车联网络科技上海有限公司，
类型：发明
国别省市：上海,31