基于新能源车数据的危险驾驶车辆检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于新能源车数据的危险驾驶车辆检测方法及装置，属于数据挖掘领域。本发明专利技术以新能源车数据为基础，针对大范围车辆的海量交通数据，利用聚类、拟合以及回归等数据挖掘方法，计算车辆的异常加速/减速行为特征值、计算异常加速踏板行程行为特征值，进而计算其反应车辆危险驾驶行为程度的总特征值。通过该方法只要通过输入新能源车在一定时间段内的运行数据，就能够判断该车辆是否为危险驾驶车辆。通过真实的车辆交通事故数据对比分析可知，本发明专利技术的危险驾驶检测方法能够有效地识别出危险驾驶车辆。

Detection Method and Device of Dangerous Driving Vehicle Based on New Energy Vehicle Data

【技术实现步骤摘要】
基于新能源车数据的危险驾驶车辆检测方法及装置
本专利技术属于数据挖掘领域，具体涉及一种基于新能源车数据的危险驾驶车辆检测方法及装置。
技术介绍
由于驾驶人员数量激增，驾驶人员的驾驶技能以及驾驶行为参差不齐，有些人由于驾龄较短，开车不熟练，而有些人虽然有一定时间的驾龄，但开车我行我素，这些都是交通事故的潜在因素。所以分析驾驶人员的危险驾驶行为对道路交通安全具有重大社会意义。随着新能源汽车补贴政策的支持，大力推进新能源汽车进一步发展，近年来新能源汽车生产企业和市场保有量突飞猛进，新能源汽车发展趋势不可逆转，未来成长空间巨大，这也给道路交通安全带来了许多问题及隐患，故而对新能源汽车的危险驾驶行为检测具有重要意义。另一方面由于新能源车辆的数据采集设备所采集数据和浮动车采集数据是不一致的。其中新能源车采集数据较浮动车采集数据增添了加速踏板行程、制动状态等数据，这些参数是浮动车采集数据中没有的，便也不能再采用浮动车的危险驾驶行为检测方法了。其二由于新能源车缺失经纬度信息，故而基于浮动车数据的危险驾驶行为检测方法已经不再适用于新能源车了，因此对于新能源汽车的危险驾驶检测需要提出新的方法。
技术实现思路
本专利技术的目的在于解决现有技术中存在的问题，并提供一种本专利技术所采用的具体技术方案如下：一种基于新能源车数据的危险驾驶车辆检测方法，其步骤如下：S1：获取包括目标新能源车辆在内的所有新能源车在连续时段内的运行数据，所述的运行数据包括车辆编号、数据记录时间、当前累计里程、当前瞬时速度、当前加速踏板行程；S2：对包括目标新能源车辆在内的每一辆新能源车的运行数据，以两个相邻时刻的数据记录时间和瞬时速度为一组，计算两个相邻时刻内的平均速度和加速度绝对值|ai|，作为一组变速行为样本；每一辆新能源车分别得到一个变速行为样本数据集；S3：分别计算每辆新能源车的加速行为特征曲线和减速行为特征曲线，再对所有新能源车的加速行为特征曲线和减速行为特征曲线分别进行聚类，得到相对异常加速行为的阈值曲线和相对异常减速行为的阈值曲线，两条曲线的自变量为车速，因变量为加速度绝对值；S4：分别计算每辆新能源车的加速踏板行程变化特征曲线，再对所有新能源车的加速踏板行程变化特征曲线进行聚类，得到相对异常踩踏加速踏板行为的阈值曲线，曲线的自变量为车速，因变量为加速踏板行程；S5：对于待检测的目标新能源车，根据三条阈值曲线分别计算异常加速行为特征值Vac、异常减速行为特征值Vad和异常踩踏加速踏板行为特征值Vsa，然后综合计算其危险驾驶行为总特征值Vall，若该目标新能源车的危险驾驶行为总特征值Vall高于特征值阈值，则判定该车辆为危险驾驶车辆。基于上述技术方案，各步骤可采用如下方法具体实现。作为优选，所述的步骤S2中，变速行为样本中两个时刻内的平均速度和加速度绝对值|ai|的计算方法为：式中：ti和Vi分别为第i条数据的数据记录时间和对应的瞬时速度，ti+1和Vi+1分别为第i+1条数据的数据记录时间和对应的瞬时速度。作为优选，所述的步骤S3的具体实现方法为：S301：对于每一辆新能源车中的每组变速行为样本，根据对应的前后两个时刻的瞬时速度，判断车辆在该时段内处于加速状态还是减速状态，若处于加速状态则将该样本作为加速行为样本，若处于减速状态则将该样本作为减速行为样本；S302：对同一辆新能源车的所有加速行为样本，将其按照平均速度大小划分成若干个速度区间；在每个速度区间内将落入该区间的所有样本按照|ai|从小到大进行排序，得到第一加速度序列，然后取第一加速度序列的第P百分位数(P取值根据需要进行调整，优选为90)作为该速度区间的加速行为特征点；对于所有速度区间的加速行为特征点，以平均速度为自变量，以加速度绝对值|ai|为因变量，按照二元一次方程进行回归，得到每辆新能源车的加速行为特征曲线；最后将所有新能源车的加速行为特征曲线作为样本，使用基于密度的聚类方法对其进行分类，将包含样本最多的类簇的中心曲线作为相对异常加速行为的阈值曲线y＝A1x2+B1x+C1；S303：对同一辆新能源车的所有减速行为样本，将其按照平均速度大小划分成若干个速度区间；在每个速度区间内将落入该区间的所有样本按照|ai|从小到大进行排序，得到第二加速度序列，然后取第二加速度序列的第P百分位数(P取值根据需要进行调整，优选为90)作为该速度区间的减速行为特征点；对于所有速度区间的减速行为特征点，以平均速度为自变量，以加速度绝对值|ai|为因变量，按照二元一次方程进行回归，得到每辆新能源车的减速行为特征曲线；最后将所有新能源车的减速行为特征曲线作为样本，使用基于密度的聚类方法对其进行分类，将包含样本最多的类簇的中心曲线作为相对异常减速行为的阈值曲线y＝A2x2+B2x+C2。作为优选，所述的步骤S4的具体实现方法为：S401：对同一辆新能源车的所有运行数据，按照其平均速度大小划分成若干个速度区间；S402：在每个速度区间内将落入该区间的所有样本按照加速踏板行程从小到大进行排序，得到加速踏板行程序列，然后取加速踏板行程序列的第Q百分位数(Q取值根据需要进行调整，优选为90)作为该速度区间的踏板行为特征点；S403：对于所有速度区间的踏板行为特征点，以平均速度为自变量，以加速踏板行程jsi为因变量，按照二元一次方程进行回归，得到每辆新能源车的加速踏板行程变化特征曲线；S404：将所有新能源车的加速踏板行程变化特征曲线作为样本，使用基于密度的聚类方法对其进行分类，将包含样本最多的类簇的中心曲线作为相对异常踩踏加速踏板行为的阈值曲线y＝A3x2+B3x+C3。作为优选，所述的步骤S5的具体实现方法为：S501：对于待检测的目标新能源车，其变速行为样本数据集中共含有Total_Count加速条车辆处于加速状态的加速行为样本，逐条将加速行为样本的平均速度作为自变量代入阈值曲线y＝A1x2+B1x+C1中，然后与同一条加速行为样本中的加速度绝对值|ai|进行比较，若满足则将该条加速行为样本视为异常加速；计算异常加速行为特征值：式中：Count异常加速为Total_Count加速条加速行为样本中被视为异常加速的样本条数；S502：对于待检测的目标新能源车，其变速行为样本数据集中共含有Total_Count减速条车辆处于减速状态的减速行为样本，逐条将减速行为样本的平均速度作为自变量代入阈值曲线y＝A2x2+B2x+C2中，然后与同一条减速行为样本中的加速度绝对值|ai|进行比较，若满足则将该条数据视为异常减速；计算异常减速行为特征值：式中：Count异常减速为Total_Count减速条减速数据中被视为异常减速的数据条数；S503：对于待检测的目标新能源车，其运行数据中共含有Total_Count加速踏板行程条加速踏板行程数据，逐条将加速踏板行程数据中的当前瞬时速度Vi作为自变量代入阈值曲线y＝A3x2+B3x+C3中，然后与同一条加速踏板行程数据中的加速踏板行程jsi进行比较，若满足jsi＞(A3*Vi2+B3*Vi+C3)，则将该条数据视为异常踩踏加速踏板；计算异常踩踏加速踏板行为特征值：式中：Count异常踩踏为Total_Count加速踏板行程条加速踏板行程数据中被视为异常踩踏加速踏板的数据条数；本文档来自技高网...

【技术保护点】
1.一种基于新能源车数据的危险驾驶车辆检测方法，其特征在于，步骤如下：S1：获取包括目标新能源车辆在内的所有新能源车在连续时段内的运行数据，所述的运行数据包括车辆编号、数据记录时间、当前累计里程、当前瞬时速度、当前加速踏板行程；S2：对包括目标新能源车辆在内的每一辆新能源车的运行数据，以两个相邻时刻的数据记录时间和瞬时速度为一组，计算两个相邻时刻内的平均速度

【技术特征摘要】
1.一种基于新能源车数据的危险驾驶车辆检测方法，其特征在于，步骤如下：S1：获取包括目标新能源车辆在内的所有新能源车在连续时段内的运行数据，所述的运行数据包括车辆编号、数据记录时间、当前累计里程、当前瞬时速度、当前加速踏板行程；S2：对包括目标新能源车辆在内的每一辆新能源车的运行数据，以两个相邻时刻的数据记录时间和瞬时速度为一组，计算两个相邻时刻内的平均速度和加速度绝对值|ai|，作为一组变速行为样本；每一辆新能源车分别得到一个变速行为样本数据集；S3：分别计算每辆新能源车的加速行为特征曲线和减速行为特征曲线，再对所有新能源车的加速行为特征曲线和减速行为特征曲线分别进行聚类，得到相对异常加速行为的阈值曲线和相对异常减速行为的阈值曲线，两条曲线的自变量为车速，因变量为加速度绝对值；S4：分别计算每辆新能源车的加速踏板行程变化特征曲线，再对所有新能源车的加速踏板行程变化特征曲线进行聚类，得到相对异常踩踏加速踏板行为的阈值曲线，曲线的自变量为车速，因变量为加速踏板行程；S5：对于待检测的目标新能源车，根据三条阈值曲线分别计算异常加速行为特征值Vac、异常减速行为特征值Vad和异常踩踏加速踏板行为特征值Vsa，然后综合计算其危险驾驶行为总特征值Vall，若该目标新能源车的危险驾驶行为总特征值Vall高于特征值阈值，则判定该车辆为危险驾驶车辆。2.如权利要求1所述的基于新能源车数据的危险驾驶车辆检测方法，其特征在于，所述的步骤S2中，变速行为样本中两个时刻内的平均速度和加速度绝对值|ai|的计算方法为：式中：ti和Vi分别为第i条数据的数据记录时间和对应的瞬时速度，ti+1和Vi+1分别为第i+1条数据的数据记录时间和对应的瞬时速度。3.如权利要求1所述的基于新能源车数据的危险驾驶车辆检测方法，其特征在于，所述的步骤S3的具体实现方法为：S301：对于每一辆新能源车中的每组变速行为样本，根据对应的前后两个时刻的瞬时速度，判断车辆在该时段内处于加速状态还是减速状态，若处于加速状态则将该样本作为加速行为样本，若处于减速状态则将该样本作为减速行为样本；S302：对同一辆新能源车的所有加速行为样本，将其按照平均速度大小划分成若干个速度区间；在每个速度区间内将落入该区间的所有样本按照|ai|从小到大进行排序，得到第一加速度序列，然后取第一加速度序列的第P百分位数作为该速度区间的加速行为特征点；对于所有速度区间的加速行为特征点，以平均速度为自变量，以加速度绝对值|ai|为因变量，按照二元一次方程进行回归，得到每辆新能源车的加速行为特征曲线；最后将所有新能源车的加速行为特征曲线作为样本，使用基于密度的聚类方法对其进行分类，将包含样本最多的类簇的中心曲线作为相对异常加速行为的阈值曲线y＝A1x2+B1x+C1；S303：对同一辆新能源车的所有减速行为样本，将其按照平均速度大小划分成若干个速度区间；在每个速度区间内将落入该区间的所有样本按照|ai|从小到大进行排序，得到第二加速度序列，然后取第二加速度序列的第P百分位数作为该速度区间的减速行为特征点；对于所有速度区间的减速行为特征点，以平均速度为自变量，以加速度绝对值|ai|为因变量，按照二元一次方程进行回归，得到每辆新能源车的减速行为特征曲线；最后将所有新能源车的减速行为特征曲线作为样本，使用基于密度的聚类方法对其进行分类，将包含样本最多的类簇的中心曲线作为相对异常减速行为的阈值曲线y＝A2x2+B2x+C2。4.如权利要求1所述的基于新能源车数据的危险驾驶车辆检测方法，其特征在于，所述的步骤S4的具体实现方法为：S401：对同一辆新能源车的所有运行数据，按照其平均速度大小划分成若干个速度区间；S402：在每个速度区间内将落入该区间的所有样本按照加速踏板行程从小到大进行排序，得到加速踏板行程序列，然后取加速踏板...

【专利技术属性】
技术研发人员：李万清，刘俊，张迪，唐莹，袁友伟，胡海洋，鄢腊梅，
申请(专利权)人：绍兴数鸿科技有限公司，
类型：发明
国别省市：浙江,33