一种司机驾驶行为监测方法技术

本发明专利技术公开了一种司机驾驶行为监测方法，具体按照以下步骤实施：步骤1、车载终端设备间隔一定时间采集一次驾驶员各项驾驶数据保存到服务器数据库；步骤2、对步骤1采集的若干天内的若干个司机的各项驾驶数据进行预处理，得到特征量；步骤3、将步骤2得到的特征量构成数据采样点并保存到车联网数据库中；步骤4、将历史数据采样点绘制成八维曲面空间直至空间稳定；步骤5、车载终端实时采集待监测司机驾驶数据点反馈至云平台；步骤6、查看数据点是否在合理的空间范围内，异常时对司机发出警告。本发明专利技术的方法能够实时监测司机的驾驶行为，当司机驾驶过程中出现不正常驾驶行为时能及时发现并提醒以降低事故发生率。

【技术实现步骤摘要】
一种司机驾驶行为监测方法
本专利技术属于司机驾驶行为监测方法
，具体涉及一种司机驾驶行为监测方法。
技术介绍
对于不同的司机来说，每个人都有属于自己的驾驶习惯，正常驾驶时其驾驶数据都会在一定的区域内变动，而当司机做出不符合常规的驾驶操作或者是碰见紧急交通状况从而做出紧急反应时，车辆行驶数据点就会超出该司机的常规驾驶数据区间，目前常见的司机驾驶行为分析方法主要是后期将司机的驾驶数据进行处理来对司机的驾驶行为进行评估从而对司机进行管理，但是该方法往往不能有效地阻止交通的事故的发生，当司机驾驶时出现不当的驾驶操作或是遇见紧急情况做出应急操作时得不到有效的提醒，为了能够实时监测司机驾驶行为，当司机驾驶时出现不同于常规驾驶的行为时及时给司机进行提醒，本专利给出一种司机异常驾驶行为监测方法。
技术实现思路
本专利技术的目的是提供一种司机驾驶行为监测方法，能够实时监测司机的驾驶行为，当司机驾驶过程中出现不正常驾驶行为时能及时发现并提醒以降低事故发生率。本专利技术所采用的技术方案是，一种司机驾驶行为监测方法，具体按照以下步骤实施：步骤1、车载终端设备间隔一定时间采集一次驾驶员各项驾驶数据保存到服务器数据库；步骤2、对步骤1采集的若干天内的若干个司机的各项驾驶数据进行预处理，得到特征量；步骤3、将步骤2得到的特征量构成数据采样点并保存到车联网数据库中；步骤4、将历史数据采样点绘制成八维曲面空间直至空间稳定；步骤5、车载终端实时采集待监测司机驾驶数据点反馈至云平台；步骤6、查看数据点是否在合理的空间范围内，异常时对司机发出警告。本专利技术的特点还在于：步骤1中，驾驶数据包括时间、车速、加速度、油门踏板信号、刹车踏板信号。步骤2的具体过程如下：对各项驾驶数据按照如下公式进行预处理，得到特征量，即车速超过限速80％的时间比例η、车速的平均值va、标准差vs、加速度标准差as、正加速度平均值标准差减速度平均值及标准差式中，T表示行驶总时间，Tl80表示车速超过限速80％的时间；式中，Vm表示第m次采集到的车辆瞬时速度，n表示车速的样本数量，Va表示车辆的平均速度，Vs表示车速的标准差；式中，am为第m次采集到的车辆的加速度；aa表示加速度的平均值；as为加速度的标准差；t为采样时间间隔；表示的是第m次采样时的正加速值，表示的是采样样本为n时的正加速平均值；表示的是采样样本为n时的正加速标准差；表示的是第m次采样时的减加速值；表示的是采样样本为n时的减加速度平均值；表示的是采样样本为n时的减加速标准差。步骤3具体过程如下：将步骤2中采集的若干个数据采样点保存至车联网数据库中，作为历史数据集。步骤4具体过程如下：以天为单位，一个司机一天的驾驶行为可表示为一条八维曲线，则若干个司机的驾驶行为可表示出若干条八维曲线；将若干条八维曲线拟合为一个八维曲面空间，采用多维数据判稳方法对八维曲面空间进行判稳，当八维曲面空间不发生变动时，则不需要再增加八维曲线。多维数据判稳方法具体按照以下步骤实施：(1)剔除步骤2中采样点中的离散型数据，获取连续型多维数据；将连续型多维数据处理为低维数据；(2)对低维数据进行均值分析，通过距离计算计算各个数据点到均值点的距离，获取距离向量；其中，均值点的距离通过欧式距离度量；(3)对距离向量进行显著性分析，获取超半径r1和r2；根据预设的置信水平α，得到距离向量的概率累计分布图；根据概率分布累计得到超半径r1和r2；其中，置信水平α的取值为90％～95％；超半径r1和r2的计算公式如下：P(distance<r1)＝(1-α)/2(4)P(distance>r2)＝(1-α)/2(5)式中，distance为数据点到均值点的距离r1<r2；(4)通过预设的数据稳定性判断模型对多维数据进行稳定性评估；稳定性判断模型为Diversity_data＝(r1-r2)·r1；其中，Diversity_data为数据集的差异值，该值越大表示数据集差异越大，稳定性程度越差。连续型多维数据处理为低维数据的具体过程如下：首先，将连续型多维数据与预设的维度阈值进行比较，将高于所述维度阈值的多维数据设置为高维数据，将低于等于所述维度阈值的多维数据设置为第一低维数据；然后，通过主成分分析算法PCA将所述高维数据降维为第二低维数据；最后，将第一低维数据和第二低维数据确定为低维数据。步骤5的具体过程如下：车载终端设备实时采集车辆行驶数据并处理得到八个特征量，构成数据采样点发送至云平台。步骤6的具体过程如下：车载终端设备采集数据点反馈至处理平台，对比是否在相应的曲面空间内或者附近，若存在连续多个采样数据点均脱离该司机对应的曲面空间，则表明该司机的行为异常，系统发出警告。本专利技术的有益效果是：本专利技术方法能实时监测司机驾驶行为，当司机驾驶过程中出现不正常驾驶行为时及时给予司机提醒从而能有效地降低交通事故发生率。具体实施方式下面结合具体实施方式对本专利技术进行详细说明。本专利技术一种司机驾驶行为监测方法，具体按照以下步骤实施：步骤1、车载终端设备间隔一定时间采集一次驾驶员各项驾驶数据保存到服务器数据库；驾驶数据包括时间、车速、加速度、油门踏板信号、刹车踏板信号。步骤2、对步骤1采集的若干天内的若干个司机的各项驾驶数据进行预处理，得到特征量；步骤2的具体过程如下：对各项驾驶数据按照如下公式进行预处理，得到特征量，即车速超过限速80％的时间比例η、车速的平均值va、标准差vs、加速度标准差as、正加速度平均值标准差减速度平均值及标准差式中，T表示行驶总时间，Tl80表示车速超过限速80％的时间；式中，Vm表示第m次采集到的车辆瞬时速度，n表示车速的样本数量，Va表示车辆的平均速度，Vs表示车速的标准差；式中，am为第m次采集到的车辆的加速度；aa表示加速度的平均值；as为加速度的标准差；t为采样时间间隔；表示的是第m次采样时的正加速值，表示的是采样样本为n时的正加速平均值；表示的是采样样本为n时的正加速标准差；表示的是第m次采样时的减加速值；表示的是采样样本为n时的减加速度平均值；表示的是采样样本为n时的减加速标准差。步骤3、将步骤2得到的特征量构成数据采样点并保存到车联网数据库中；步骤3具体过程如下：将步骤2中采集的若干个数据采样点保存至车联网数据库中，作为历史数据集。步骤4、将历史数据采样点绘制成八维曲面空间直至空间稳定；步骤4具体过程如下：以天为单位，一个司机一天的驾驶行为可表示为一条八维曲线，则若干个司机的驾驶行为可表示出若干条八维曲线；将若干条八维曲线拟合为一个八维曲面空间，采用多维数据判稳方法对八维曲面空间本文档来自技高网...

【技术保护点】
1.一种司机驾驶行为监测方法，其特征在于，具体按照以下步骤实施：/n步骤1、车载终端设备间隔一定时间采集一次驾驶员各项驾驶数据保存到服务器数据库；/n步骤2、对步骤1采集的若干天内的若干个司机的各项驾驶数据进行预处理，得到特征量；/n步骤3、将步骤2得到的特征量构成数据采样点并保存到车联网数据库中；/n步骤4、将历史数据采样点绘制成八维曲面空间直至空间稳定；/n步骤5、车载终端实时采集待监测司机驾驶数据点反馈至云平台；/n步骤6、查看数据点是否在合理的空间范围内，异常时对司机发出警告。/n

【技术特征摘要】
1.一种司机驾驶行为监测方法，其特征在于，具体按照以下步骤实施：
步骤1、车载终端设备间隔一定时间采集一次驾驶员各项驾驶数据保存到服务器数据库；
步骤2、对步骤1采集的若干天内的若干个司机的各项驾驶数据进行预处理，得到特征量；
步骤3、将步骤2得到的特征量构成数据采样点并保存到车联网数据库中；
步骤4、将历史数据采样点绘制成八维曲面空间直至空间稳定；
步骤5、车载终端实时采集待监测司机驾驶数据点反馈至云平台；
步骤6、查看数据点是否在合理的空间范围内，异常时对司机发出警告。


2.如权利要求1所述的司机驾驶行为监测方法，其特征在于，所述步骤1中，驾驶数据包括时间、车速、加速度、油门踏板信号、刹车踏板信号。


3.如权利要求2所述的司机驾驶行为监测方法，其特征在于，所述步骤2的具体过程如下：
对各项驾驶数据按照如下公式进行预处理，得到特征量，即车速超过限速80％的时间比例η、车速的平均值va、标准差vs、加速度标准差as、正加速度平均值标准差减速度平均值及标准差



式中，T表示行驶总时间，Tl80表示车速超过限速80％的时间；



式中，Vm表示第m次采集到的车辆瞬时速度，n表示车速的样本数量，Va表示车辆的平均速度，Vs表示车速的标准差；



式中，am为第m次采集到的车辆的加速度；aa表示加速度的平均值；as为加速度的标准差；t为采样时间间隔；表示的是第m次采样时的正加速值，表示的是采样样本为n时的正加速平均值；表示的是采样样本为n时的正加速标准差；表示的是第m次采样时的减加速值；表示的是采样样本为n时的减加速度平均值；表示的是采样样本为n时的减加速标准差。


4.如权利要求3所述的司机驾驶行为监测方法，其特征在于，所述步骤3具体过程如下：
将步骤2中采集的若干个数据采样点保存至车联网数据库中，作为历史数据集。


5.如权利要求4所述的司机驾驶行为监测方法，其特征在于，所述步骤4具体过程如下：
以天为单位，一个司机一天的驾驶行为可表示为一条八维曲线，则若干个司机的驾驶行为可表示出若干条八维曲线；将若干条八维曲线拟合为一个八维曲面...

【专利技术属性】
技术研发人员：朱麟杰，黄亮，杨泓弈，王琼，
申请(专利权)人：复变时空武汉数据科技有限公司，
类型：发明
国别省市：湖北;42