基于逻辑回归和单层次分析赋权法的驾驶行为评分方法技术

本发明专利技术涉及一种基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，包括以下步骤：S1、收集驾驶行为数据；S2、将驾驶行为数据进行异常值剔除和数据预处理；S3、确定驾驶行为评分指标体系；S4、构建逻辑回归模型确定各评分指标的相对重要程度；S5、通过单层次分析赋权法确定驾驶行为评分指标的权重；S6、根据评分体系公式计算驾驶行为评分。一种基于逻辑回归和单层次分析赋权法的驾驶行为评分方法解决了在构建逻辑回归模型并提取回归系数的过程中特征变量多且数据量不足的问题，也平衡了主客观赋权法对不同属性指标的重视程度，提供了基于深度学习的驾驶评分模型，通过建立驾驶行为评分模型，对实时驾驶行为可以提供较为准确且客观的行为评分。

Driving behavior scoring method based on logistic regression and single analytic hierarchy process

【技术实现步骤摘要】
基于逻辑回归和单层次分析赋权法的驾驶行为评分方法
本专利技术涉及驾驶行为智能评估领域，更具体地说，涉及一种基于逻辑回归和单层次分析赋权法的驾驶行为评分方法。
技术介绍
随着生活水平的日益提高，机动车辆的数量也越来越多，在驾驶过程中，不安全的驾驶行为成了安全隐患的源头。据统计，不良的驾驶行为导致的交通事故死亡人数占86.5％，因此，定性以及定量地判断驾驶行为的好坏已然迫在眉睫。在驾驶行为判别的过程中，由于各个指标重要程度的差异性，使得指标赋权工作变得非常重要。目前主流的赋权法分为客观赋权法和主观赋权法两种，然而单独使用上述任一方法均存在一定的局限性：(1)主成分分析法、熵技术法、均方差法以及目标规划法等客观赋权法是各个指标根据一定的规则进行自动赋权的一类方法，该赋权法很大程度上依赖足够的样本数据和实际的问题，通用性和可参与性较差；(2)专家调查法、二项系数法、环比评分法和层次分析法等主观赋权法受到决策者主观重视程度的影响较大，由于专业水平、职能和业务领域等因素的不同，意见分歧较大，很难得到统一的结果，在一定程度上降低了专家意见的可信度。层次分析法是系统工程中对非定量事件作出定性和定量相结合的一种系统分析法，然而在实际项目评价中，指标的相对重要程度很难较为准确地获得。
技术实现思路
本专利技术要解决的技术问题在于，提供一种基于逻辑回归和单层次分析赋权法的驾驶行为评分方法。本专利技术解决其技术问题所采用的技术方案是：构造一种基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，包括以下步骤：S1、收集驾驶行为数据；S2、将驾驶行为数据进行异常值剔除和数据预处理；S3、确定驾驶行为评分指标体系；S4、构建逻辑回归模型确定各评分指标的相对重要程度；S5、通过单层次分析赋权法确定驾驶行为评分指标的权重；S6、根据评分体系公式计算驾驶行为评分。优选地，所述步骤S1中，利用车载高级驾驶辅助系统对车辆行驶状态数据进行收集。优选地，所述车辆行驶状态数据包括车道偏离、前车碰撞、行人探测、车距过近、急加速、急刹车、急转弯、超时驾驶、超速驾驶。优选地，所述步骤S1中，利用驾驶员状态监测系统采集驾驶员驾驶状态数据。优选地，所述驾驶员驾驶状态数据包括疲劳驾驶、吸烟、打电话、打哈欠、闭眼睛、驾驶员异常、更换驾驶员、驾驶员姿态异常、驾驶员未系安全带和驾驶员身份不符。优选地，所述步骤S2中，对于不出险和出险数据，按照均值加减三倍标准差剔除异常值，对剩余数据进行数据标准化处理，具体公式如下：其中表示标准化后的值，xi表示标准化之前的值，μx为均值，δx为标准差。优选地，所述步骤S3包括以下步骤：S3.1、剔除全部数据为0的驾驶行为变量；S3.2、利用逐步回归的方式并根据赤池信息准则和ROC曲线下与坐标轴围城的面积的值确定有效的驾驶行为变量。优选地，所述步骤S4中，提取逻辑回归模型中各变量的回归系数，具体步骤如下：S4.1、训练模型：按照7：3的比例将数据集划分为训练集和测试集，利用70％的数据训练模型，然后利用30％的数据测试模型的效果，训练次数为1000，取模型预测的准确率均值为最终的预测精度；S4.2、获取评分指标的相对重要性：提取最优模型中各个变量的回归系数，进行指数变换后作为构建对比矩阵的依据。优选地，所述步骤S5包括以下步骤：S5.1、构建对比矩阵：比较第i个元素与第j个元素相对目标的重要性，使用数量化的相对权重aij来描述，这里采用1-9标度法，根据逻辑回归模型输出的各变量的相对重要性，建立变量之间的对比矩阵A(aij)m×m，其中m为构建逻辑回归最优模型中的变量个数；其中，1-9标度法为：标度为1时，表示两因素相比，具有相同的重要性；标度为3时，表示两因素相比，前者比后者稍重要；标度为5时，表示两因素相比，前者比后者明显重要；标度为7时，表示两因素相比，前者比后者强烈重要；标度为9时，表示两因素相比，前者比后者极端重要；标度为2、4、6、8时，表示上述相邻判别的中间值；S5.2、一致性检验：通过计算，得到对比矩阵A(αij)m×m的最大特征向量值λmax(A)，然后计算一致性检验指标CI，具体公式如下：查询平均随机一致性指标得到RI值，计算CR值，公式如下：当CR<0.1时，判定对比矩阵具有一致性；S5.3、计算权重，具体步骤如下：优选地，所述步骤S6包括以下步骤：对于任意一个驾驶员，收集实时的驾驶行为数据，并对数据进行标准化得到输入向量{x1，x2，x3...xk}，k为数据量大小，运用如下公式，得到该驾驶员的驾驶行为评分：其中Nri代表评分指标变量的百公里告警次数，Wi表示评分指标变量的权重。实施本专利技术的一种基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，具有以下有益效果：解决了在构建逻辑回归模型并提取回归系数的过程中特征变量多且数据量不足的问题，同时也平衡了主客观赋权法对不同属性指标的重视程度，提供了基于深度学习的驾驶评分模型，通过建立驾驶行为评分模型，对实时驾驶行为可以提供较为准确且客观的行为评分。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例中的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法的步骤流程图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。如图1所示，本专利技术一个优选实施例中的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法包括以下步骤：S1、收集驾驶行为数据；S2、将驾驶行为数据进行异常值剔除和数据预处理；S3、确定驾驶行为评分指标体系；S4、构建逻辑回归模型确定各评分指标的相对重要程度；S5、通过单层次分析赋权法确定驾驶行为评分指标的权重；S6、根据评分体系公式计算驾驶行为评分。本驾驶行为评分方法提出了一种新的赋权方法，基于实际的问题和数据构建逻辑回归模型，提取各个指标变量的回归系数作为驾驶行为评分指标的相对重要性，据此构造判断矩阵，然后求其最大特征根，归一化后求各指标的权重，从而正确判断驾驶行为的准确性。本专利技术解决了在构建逻辑回归模型并提取回归系数的过程中特征变量多且数据量不足的问题，同时也平衡了主客观赋权法对不同属性指标的重视程度，提供了基于深度学习的驾驶评分模型，通过建立驾驶行为评分模型，对实时驾驶行为可以提供较为准确且客观的行为评分。在构建评分模型的过程中，同时权衡了主客观赋权法，既考虑了原始数据之间的关系，尊重了权重的客观性，具有较强的数学理论依据，又体现了决策者对不同属性指标的重视程度，使得属性的赋权达到了主观与客观的统一，进而使决策结果真实且可靠；本文档来自技高网...

【技术保护点】
1.一种基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征在于，包括以下步骤：/nS1、收集驾驶行为数据；/nS2、将驾驶行为数据进行异常值剔除和数据预处理；/nS3、确定驾驶行为评分指标体系；/nS4、构建逻辑回归模型确定各评分指标的相对重要程度；/nS5、通过单层次分析赋权法确定驾驶行为评分指标的权重；/nS6、根据评分体系公式计算驾驶行为评分。/n

【技术特征摘要】
1.一种基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征在于，包括以下步骤：
S1、收集驾驶行为数据；
S2、将驾驶行为数据进行异常值剔除和数据预处理；
S3、确定驾驶行为评分指标体系；
S4、构建逻辑回归模型确定各评分指标的相对重要程度；
S5、通过单层次分析赋权法确定驾驶行为评分指标的权重；
S6、根据评分体系公式计算驾驶行为评分。


2.根据权利要求1所述的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征在于，所述步骤S1中，利用车载高级驾驶辅助系统对车辆行驶状态数据进行收集。


3.根据权利要求2所述的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征在于，所述车辆行驶状态数据包括车道偏离、前车碰撞、行人探测、车距过近、急加速、急刹车、急转弯、超时驾驶、超速驾驶。


4.根据权利要求1所述的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征在于，所述步骤S1中，利用驾驶员状态监测系统采集驾驶员驾驶状态数据。


5.根据权利要求4所述的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征在于，所述驾驶员驾驶状态数据包括疲劳驾驶、吸烟、打电话、打哈欠、闭眼睛、驾驶员异常、更换驾驶员、驾驶员姿态异常、驾驶员未系安全带和驾驶员身份不符。


6.根据权利要求1所述的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征在于，所述步骤S2中，对于不出险和出险数据，按照均值加减三倍标准差剔除异常值，对剩余数据进行数据标准化处理，具体公式如下：



其中表示标准化后的值，xi表示标准化之前的值，μx为均值，δx为标准差。


7.根据权利要求6所述的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征在于，所述步骤S3包括以下步骤：
S3.1、剔除全部数据为0的驾驶行为变量；
S3.2、利用逐步回归的方式并根据赤池信息准则和ROC曲线下与坐标轴围城的面积的值确定有效的驾驶行为变量。


8.根据权利要求7所述的基于逻辑回归和单层次分析赋权法的驾驶行为评分方法，其特征...

【专利技术属性】
技术研发人员：姚学文，刘立向，
申请(专利权)人：深圳前海车米云图科技有限公司，
类型：发明
国别省市：广东;44