基于随机森林的安全驾驶风险预测方法及装置制造方法及图纸

本申请实施例提供一种基于随机森林的安全驾驶风险预测方法及装置，方法包括：接收车载终端发送的驾驶风险因子原始数据；根据所述驾驶风险因子原始数据对对应的预设驾驶风险因子预测模型进行模型训练，得到训练后的预设驾驶风险因子预测模型，其中，所述驾驶风险因子预测模型包括驾驶行为风险预测模型、车辆状况风险预测模型和自然环境风险预测模型；根据训练后的预设驾驶风险因子预测模型，确定与各驾驶风险因子原始数据对应的事故风险预测值；本申请能够将驾驶风险进行详细地划分与定义，根据驾驶风险因子的不同类型分别对其进行数学建模，这使得驾驶风险因子可以量化，提高了风险预测的准确性。

Risk prediction method and device of safe driving based on random forest

【技术实现步骤摘要】
基于随机森林的安全驾驶风险预测方法及装置
本申请涉及智能驾驶领域，具体涉及一种基于随机森林的安全驾驶风险预测方法及装置。
技术介绍
现有技术通常聚焦于数据采集模块与数据采集方法等，基于传统硬件采集到的驾驶数据比较粗糙，由于这类数据不太具有代表性，采用这类数据进行驾驶风险预测时准确率较低，而且，这类数据通过不能很好地定义驾驶风险的累积，用于统计模型优化的效果较差。
技术实现思路
针对现有技术中的问题，本申请提供一种基于随机森林的安全驾驶风险预测方法及装置，能够提升驾驶风险预测的准确性。为了解决上述问题中的至少一个，本申请提供以下技术方案：第一方面，本申请提供一种基于随机森林的安全驾驶风险预测方法，包括：接收车载终端发送的驾驶风险因子原始数据，其中，所述驾驶风险因子原始数据包括驾驶行为数据、车辆状况数据和自然环境数据；根据所述驾驶风险因子原始数据对对应的预设驾驶风险因子预测模型进行模型训练，得到训练后的预设驾驶风险因子预测模型，其中，所述驾驶风险因子预测模型包括驾驶行为风险预测模型、车辆状况风险预测模型和自然环境风险预测模型；根据训练后的预设驾驶风险因子预测模型，确定与各驾驶风险因子原始数据对应的事故风险预测值。进一步地，所述驾驶行为风险预测模块包括：打哈欠模型，其具体为：Y(t)＝a,t∈[0,t0],a∈[0,t0]，式中，Y(t)表示驾驶过程中驾驶员在单位时间t0内打哈欠的次数，a表示其具体值；闭眼模型，其具体为：C(t)＝b,t∈[0,t0],b∈[0,60t0],t0＝1minute，式中，C(t)表示驾驶过程中驾驶员在单位时间t0内闭眼的次数，b表示其具体值，当单位时间t0为1分钟时，其极限值为60次；抽烟模型，其具体为：式中，S(t)表示抽烟事件在驾驶过程中单位时间t0内的累积风险值，s(t)表示抽烟事件导致交通事故的风险函数，该函数可以通过采用大量交通事故数据插值拟合得到；打电话模型，其具体为：式中，P(t)表示驾驶过程中单位时间t0内打电话事件导致交通事故的累积风险值，p(t)表示打电话事件的瞬时风险函数，该函数可以通过采用大量交通事故数据插值拟合得到；左顾右盼模型，其具体为：L(t)＝c,t∈[0,t0],c∈[0,60t0],t0＝1minute，式中，L(t)表示驾驶过程中驾驶员在单位时间t0左顾右盼的次数，c表示其具体值，当单位时间t0为1分钟时，其极限值为60次。进一步地，所述车辆状况风险预测模型包括：碰撞风险模型，其具体为：式中，F(t)表示两辆车在行驶过程中发生碰撞的风险值。e-f(t)表示车辆在行驶过程中发生碰撞的瞬时风险函数，该函数可以通过采用历史数据拟合得到，sfb表示前后两车之间的实时距离，vb表示后车的行驶速度，vf表示前车的行驶速度，当前车行驶速度大于或等于后车行驶速度时tf＜0，前后两车发生碰撞的风险值为：F(t)＝0，反之，两车发生碰撞的风险值为：车距风险模型，其具体为：式中，H(t)表示两车行驶过程中前车停止时，后车发生追尾的风险值，sfb表示前后两车之间的实时距离，vb表示后车的行驶速度，td表示可能的碰撞时间，sr表示实际距离，sf表示安全距离，ε(t)为单位阶跃函数；车道偏离模型，其具体为：式中，D(t)表示车道偏离风险值，v为车辆行驶的实际速度，sd为车身质心距离车道中位线的距离；急刹车模型，其具体为：F1(t)＝0&&1，式中，F1(t)表示有无急刹车事件，0表示无，1表示有；车速模型，其具体为：式中，V(t)为车辆超速的风险值，vr为实际车速，vs为限制车速，ev(t)为车辆超速行驶的风险函数，该函数通过采用历史数据拟合得到；油门模型，其具体为：式中，A(t)表示踩踏油门事件的风险值，d0为油门的最大开合程度，ea(t)为踩踏油门事件的风险函数，该函数采用历史数据拟合得到。进一步地，所述自然环境风险预测模型包括：十字路模型，其具体为：F2(t)＝0&&1，式中，0表示事件无，1表示事件有；岔道模型，其具体为：F3(t)＝0&&1，式中，0表示事件无，1表示事件有；雨模型，其具体为：F4(t)＝0&&1，式中，0表示事件无，1表示事件有；雪模型，其具体为：F5(t)＝0&&1，式中，0表示事件无，1表示事件有；雾模型，其具体为：F6(t)＝0&&1，式中，0表示事件无，1表示事件有。第二方面，本申请提供一种基于随机森林的安全驾驶风险预测装置，包括：第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于随机森林的安全驾驶风险预测方法的步骤。第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于随机森林的安全驾驶风险预测方法的步骤。由上述技术方案可知，本申请提供一种基于随机森林的安全驾驶风险预测方法及装置，通过接收车载终端发送的驾驶风险因子原始数据，其中，所述驾驶风险因子原始数据包括驾驶行为数据、车辆状况数据和自然环境数据；根据所述驾驶风险因子原始数据对对应的预设驾驶风险因子预测模型进行模型训练，得到训练后的预设驾驶风险因子预测模型，其中，所述驾驶风险因子预测模型包括驾驶行为风险预测模型、车辆状况风险预测模型和自然环境风险预测模型；根据训练后的预设驾驶风险因子预测模型，确定与各驾驶风险因子原始数据对应的事故风险预测值，本申请能够将驾驶风险进行详细地划分与定义，根据驾驶风险因子的不同类型分别对其进行数学建模，这使得驾驶风险因子可以量化，提高了风险预测的准确性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例中的基于随机森林的安全驾驶风险预测方法的流程示意图；图2为本申请实施例中的基于随机森林的安全驾驶风险预测装置的结构图；图3为本申请实施例中的电子设备的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的本文档来自技高网...

【技术保护点】
1.一种基于随机森林的安全驾驶风险预测方法，其特征在于，所述方法包括：/n接收车载终端发送的驾驶风险因子原始数据，其中，所述驾驶风险因子原始数据包括驾驶行为数据、车辆状况数据和自然环境数据；/n根据所述驾驶风险因子原始数据对对应的预设驾驶风险因子预测模型进行模型训练，得到训练后的预设驾驶风险因子预测模型，其中，所述驾驶风险因子预测模型包括驾驶行为风险预测模型、车辆状况风险预测模型和自然环境风险预测模型；/n根据训练后的预设驾驶风险因子预测模型，确定与各驾驶风险因子原始数据对应的事故风险预测值。/n

【技术特征摘要】
1.一种基于随机森林的安全驾驶风险预测方法，其特征在于，所述方法包括：
接收车载终端发送的驾驶风险因子原始数据，其中，所述驾驶风险因子原始数据包括驾驶行为数据、车辆状况数据和自然环境数据；
根据所述驾驶风险因子原始数据对对应的预设驾驶风险因子预测模型进行模型训练，得到训练后的预设驾驶风险因子预测模型，其中，所述驾驶风险因子预测模型包括驾驶行为风险预测模型、车辆状况风险预测模型和自然环境风险预测模型；
根据训练后的预设驾驶风险因子预测模型，确定与各驾驶风险因子原始数据对应的事故风险预测值。


2.根据权利要求1所述的基于随机森林的安全驾驶风险预测方法，其特征在于，所述驾驶行为风险预测模型包括：
打哈欠模型，其具体为：
Y(t)＝a,t∈[0,t0],a∈[0,t0]，
式中，Y(t)表示驾驶过程中驾驶员在单位时间t0内打哈欠的次数，a表示其具体值；
闭眼模型，其具体为：
C(t)＝b,t∈[0,t0],b∈[0,60t0],t0＝1minute，
式中，C(t)表示驾驶过程中驾驶员在单位时间t0内闭眼的次数，b表示其具体值，当单位时间t0为1分钟时，其极限值为60次；
抽烟模型，其具体为：



式中，S(t)表示抽烟事件在驾驶过程中单位时间t0内的累积风险值，s(t)表示抽烟事件导致交通事故的风险函数，该函数可以通过采用大量交通事故数据插值拟合得到；
打电话模型，其具体为：



式中，P(t)表示驾驶过程中单位时间t0内打电话事件导致交通事故的累积风险值，p(t)表示打电话事件的瞬时风险函数，该函数可以通过采用大量交通事故数据插值拟合得到；
左顾右盼模型，其具体为：
L(t)＝c,t∈[0,t0],c∈[0,60t0],t0＝1minute，
式中，L(t)表示驾驶过程中驾驶员在单位时间t0左顾右盼的次数，c表示其具体值，当单位时间t0为1分钟时，其极限值为60次。


3.根据权利要求1所述的基于随机森林的安全驾驶风险预测方法，其特征在于，所述车辆状况风险预测模型包括：
碰撞风险模型，其具体为：



式中，F(t)表示两辆车在行驶过程中发生碰撞的风险值。e-f(t)表示车辆在行驶过程中发生碰撞的瞬时风险函数，该函数可以通过采用历史数据拟合得到，sfb表示前后两车之间的实时距离，vb表示后车的行驶速度，vf表示前车的行驶速度，当前车行驶速度大于或等于后车行驶速度时tf＜0，前后两车发生碰撞的风险值为：F(t)＝0，反之，两车发生碰撞的风险值为：
车距风险模型，其具体为：

sfb＝srε(sr-sf)，
式中，H(t)表示两车行驶过程中前车停止时，后车发生追尾的风险值，sfb表示前后两车之间的实时距离，v...

【专利技术属性】
技术研发人员：陈睐，
申请(专利权)人：吉旗物联科技上海有限公司，
类型：发明
国别省市：上海;31