一种基于多源时空数据的网约车出行安全评价方法及系统技术方案

本发明专利技术涉及一种基于多源时空数据的网约车出行安全评价方法及系统，本发明专利技术方法包括以下步骤：数据采集与预处理、路段划分、地图匹配、多维度安全指数计算；本发明专利技术系统包括多源时空数据分析平台、地理服务器、政府终端、企业终端、司机终端和乘客终端。与现有基于身份属性的静态监管系统相比，本发明专利技术基于多源时空数据挖掘，多维度地分析各个时间各个路段的道路安全性和各个司机在各个路段的司机安全性，进而更精准地评价网约车出行安全等级，并借助安全指数将网约车出行风险量化，创新了监管体制，是治理体系和治理能力现代化的重要体现，可以提高政府管理效率，实现企业动态监管，规范司机驾驶行为，辅助乘客出行决策。

【技术实现步骤摘要】
一种基于多源时空数据的网约车出行安全评价方法及系统
本专利技术涉及网络预约出租汽车
，尤其是涉及一种基于多源时空数据的网约车出行安全评价方法及系统。
技术介绍
网约车出行安全评价与监管成为当前亟待解决的热点与难点问题。纵观国内外已有的相关技术与方法，大多是基于静态数据的定性研究，缺少基于多源时空数据的定量化研究。而目前已存在的监管系统大多是由网上申报、资质审核和状态监控构成，主要是基于身份属性的静态监管系统，缺少基于驾驶行为的动态监管系统。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多源时空数据的网约车出行安全评价方法及系统。本专利技术的目的可以通过以下技术方案来实现：一种基于多源时空数据的网约车出行安全评价方法，包括以下步骤：S1：多源时空数据数据采集；采集并融合网约车轨迹数据、订单数据、道路事故数据、摄像头位置数据、犯罪及出警数据、城市道路交通指数、道路设施数据、桥梁设施数据、移动通信数据、基站位置数据、气象数据等多源时空数据。S2：数据预处理；基于Hadoop和Spark的大数据分布式并行处理框架，对海量多源时空数据进行数据清洗(去噪声和无关数据)、数据集成(将多个数据源中的数据结合起来存放在一个一致的数据存储中)、数据变换(把原始数据转换成为适合数据挖掘的形式)、数据规约(维度归约，数据压缩，数值归约，离散化)等预处理。S3：路段划分；以交叉口为节点对地面道路进行路段划分，以匝道出入口为节点对城市快速路进行路段划分，将城市道路网离散化并赋予唯一编号。S4：地图匹配；基于地理信息系统空间分析将不同类型的多源时空数据(点数据、线数据、面数据)匹配到上述对应的路段，作为安全指数评价的参考依据。S5：安全指数计算；对步骤S4匹配到相应路段的多源时空数据提取安全评价相关的特征参数，并进行特征参数标准化、基于机器学习的安全指数计算。安全特征提取：基于上述匹配到路段的多源时空数据计算安全评价相关的特征参数，具体分为道路安全特征参数(包括：不同路段在不同时段的道路事故参数、道路拥堵参数、道路设施参数、摄像头参数、人群聚集参数、犯罪参数、天气参数等)与司机安全特征参数(包括：不同司机在不同路段的平均速度参数、平均加速度参数、平均刹车数参数、平均偏角参数等)。特征参数标准化：分别对上述所有参数进行百分位转换，得到标准化的参数，便于对比分析与模型输入。基于机器学习的安全指数计算：(一)利用上述标准化特征参数，采用NaiveBayes模型分别对道路安全等级和司机安全等级进行分类预测与安全指数计算。其中，各安全指数计算的具体步骤为：(1)获取每个类别在训练样本中的出现频率P(yi)；(2)获取各类别下各个特征参数aj的条件概率P(aj|yi)；(3)基于贝叶斯模型，计算各个分类等级yi的条件概率：其中：(4)基于交叉验证的模型评估，若满足验证要求，则输出最优分类器模型，若不满足验证要求，则修改模型参数，并返回步骤(1)；(5)输入待分类样本x＝{a1，a2，...，am}，基于最优分类器模型，计算待分类项属于各个安全等级的概率P(yi|x)，输出条件概率最大的安全等级作为预测安全等级：Max{P(y1|x)，P(y2|x)，...，P(yn|x)}(6)基于各安全等级的条件概率计算安全指数Kx：Kx＝∑P(yi|x)×bi其中：bi为安全等级yi对应的标准安全指数权重(bA＝100，bB＝75，bC＝50，bD＝25)。(二)根据上述安全指数的计算方法，综合司机安全指数和道路安全指数，根据出行路径所经过的路段长度加权计算网约车出行路径的安全指数K：其中，ln为路段n的长度，和分别为该路段的司机安全指数和道路安全指数。一种基于多源时空数据的网约车出行安全评价系统，该系统包括：多源时空数据分析平台：用于采集、存储、计算实时和历史的多源空数据；多源时空数据分析平台集成了上述基于多源时空数据的网约车出行安全评价方法，并使用SparkStreaming流式处理的技术对上述实时和历史时空数据进行分析与计算，定期更新数据库中的安全指数结果。地理服务器：用于分析、生成、发布安全指数可视化地图；后台数据库：用于存储输出的安全指数数据，并定期更新数据；Web服务器：用于连接数据库与地理服务器，搭建可视化查询终端；政府终端：用于政府用户查看任意区域的道路安全等级可视化地图，并查询任意时段任意路段的道路安全指数数值，以辅助政府对城市道路进行安全管理，对潜在危险路段进行修建和完善；同时，政府用户还可在该终端对其所监管的网约车企业的综合安全指数(该企业所有网约车司机安全指数及事故数的加权平均)进行实时动态排名，辅助政府对网约车企业进行评价与考核，促进企业间良性竞争。企业终端：用于网约车企业用户查询各自企业所有网约车司机的安全指数及其排名情况，并查看任意司机在不同路段的司机安全等级可视化地图，辅助企业对网约车司机驾驶行为安全性进行评价与考核；同时，网约车企业用户还可在该终端查看任意司机的实时运行状态(位置、速度、加速度等)，方便企业对突发情况作出应急处理司机终端：用于网约车司机用户查看各自在不同路段的司机安全等级可视化地图，并搜索查询任意路段的司机安全指数，对所有路段的司机安全指数进行排序，方便司机警惕危险驾驶路段，改善驾驶行为，提升服务水平。乘客终端：用于通过API接口的形式嵌入网约车app，向网约车乘客推送安全指数数据，实现出行路径安全指数预测与绕路监测的功能，辅助乘客对网约车司机与出行路径进行选择，让乘客实时掌控自己的出行风险。与现有技术相比，本专利技术具有以下优点：一、不同于以往的基于身份属性的静态监管系统，本专利技术基于多源时空数据挖掘，多维度地分析各个时间各个路段的道路安全性和各个司机在各个路段的司机安全性，进而更精准地评价网约车出行安全等级，并借助安全指数将网约车出行风险量化，创新了网约车监管体制，是治理体系和治理能力现代化的重要体现，可以提高政府管理效率，实现企业动态监管，规范司机驾驶行为，辅助乘客出行决策；二、本专利技术能够满足不同层次对象的需求：面向政府，提供各时段不同天气下的道路安全指数评价功能以及企业安全指数动态监管功能；面向企业，提供各司机在各路段的安全指数评价功能以及车辆运行动态监管功能；面向司机，提供各路段的司机安全指数排名查询功能；面向乘客，提供出行路径安全指数评价功能。附图说明图1为本专利技术一种基于多源时空数据的网约车出行安全评价方法的流程示意图；图2为安全指数计算的流程示意图；图3为计算安全指数所采用的NaiveBayes模型算法流程图；图4为本专利技术一种基于多源时空数据的网约车出行安全评价系统的系统架构图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本专利技术涉及一种基于多源时空数据的网约车出行安全评价方法，如图1所示，包括以下步骤：步骤一、多源时空数据采集：通过相关部门的数据开放平台以及项目合作，分别从网约车企业、交通部门、公安部门、城建部门、通信部门、气象部门采集与网约车出行安全评价相关的时空数据，包括但不限于以下数据类型和数据字段：(1)网约车车辆轨迹数据(点数据)：司机ID、车辆ID、时间、经度、纬度、速度、刹车、方向、空车、高架、……(2)网约车订单数据(点数据)：订本文档来自技高网...

【技术保护点】
1.一种基于多源时空数据的网约车出行安全评价方法，其特征在于，该方法包括以下步骤：1)采集多源时空数据；2)基于Hadoop和Spark的大数据分布式并行处理框架，对多源时空数据进行数据预处理；3)对城市道路进行路段划分，并将划分的路段进行编号；4)基于地理信息系统空间分析，将步骤2)处理后的多源时空数据匹配到划分后的对应路段；5)基于步骤4)匹配到相应路段的多源时空数据获取安全评价相关的特征参数，采用Naive Bayes模型分别对道路相关数据和司机相关数据进行安全等级分类预测与安全指数计算，进而预测网约车出行路径安全指数。

【技术特征摘要】
1.一种基于多源时空数据的网约车出行安全评价方法，其特征在于，该方法包括以下步骤：1)采集多源时空数据；2)基于Hadoop和Spark的大数据分布式并行处理框架，对多源时空数据进行数据预处理；3)对城市道路进行路段划分，并将划分的路段进行编号；4)基于地理信息系统空间分析，将步骤2)处理后的多源时空数据匹配到划分后的对应路段；5)基于步骤4)匹配到相应路段的多源时空数据获取安全评价相关的特征参数，采用NaiveBayes模型分别对道路相关数据和司机相关数据进行安全等级分类预测与安全指数计算，进而预测网约车出行路径安全指数。2.根据权利要求1所述的一种基于多源时空数据的网约车出行安全评价方法，其特征在于，步骤1)所述的多源时空数据包括但不限于网约车轨迹数据、订单数据、道路事故数据、摄像头位置数据、犯罪及出警数据、城市道路交通指数、道路设施数据、桥梁设施数据、移动通信数据、基站位置数据和气象数据。3.根据权利要求1所述的一种基于多源时空数据的网约车出行安全评价方法，其特征在于，步骤2)中，数据预处理包括数据清洗、数据变换及数据规约。4.根据权利要求1所述的一种基于多源时空数据的网约车出行安全评价方法，其特征在于，步骤3)的具体内容为：以交叉口为节点对地面道路进行路段划分，以匝道出入口为节点对城市快速路进行路段划分，将城市道路网离散化并赋予唯一编号。5.根据权利要求1所述的一种基于多源时空数据的网约车出行安全评价方法，其特征在于，步骤5)具体包括以下步骤：501)将匹配到相应路段的多源时空数据分为道路安全特征参数和司机安全特征参数；502)将道路安全特征参数和司机安全特征参数按路段...

【专利技术属性】
技术研发人员：李晔，李文翔，舒寒玉，樊婧，魏愚獒，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31