【技术实现步骤摘要】
一种基于车联网下驾驶行为分析方法
本专利技术涉及交通安全
，具体的说是一种基于车联网下驾驶行为分析方法。
技术介绍
随着我国车辆的保有量不断增加，给交通安全和社会带了一系列的问题。车联网和管理部门对驾驶安全的关注度也越来越高。而车联网技术的是解决这些问题的有效途径。车联网系统，是指利用先进传感技术、网络技术、计算技术、控制技术、智能技术，对道路和交通进行全面感知，实现多个系统间大范围、大容量数据的交互，对每一辆汽车进行交通全程控制，对每一条道路进行交通全时空控制，以提供交通效率和交通安全为主的网络与应用。在车联网环境下有着海量数据，这样对挖掘分析车辆驾驶行为、特征有着特殊的意义与价值。通过挖掘车辆速度、急加速等行驶数据有助于研究车辆驾驶人员的驾驶行为，有利于规范驾驶人员的驾驶行为，同时可优化和提升对车辆的智能化管理。但目前仍缺少如何提取和利用这些行驶数据，来规范车辆驾驶人员的驾驶行为。
技术实现思路
本专利技术的目的在于提供一种基于车联网下驾驶行为分析方法，该基于车联网下驾驶行为分析方法可通...
【技术保护点】
1.一种基于车联网下驾驶行为分析方法，其特征在于，包括如下步骤：/nS1：获取车联网的驾驶员行车记录原始信息，得到原始数据库数据；/nS2：结合IsolationForest算法和SOM算法清洗行车记录原始信息，得到样本数据；/nS3：根据数据属性和特征分类提取出样本数据的特征参数并存储；/nS4：对特征参数进行K-Means聚类分析，得到聚类中心；/nS5：采用bp神经网络分类，判断驾驶行为是否在安全范围内。/n
【技术特征摘要】
1.一种基于车联网下驾驶行为分析方法，其特征在于，包括如下步骤：
S1：获取车联网的驾驶员行车记录原始信息，得到原始数据库数据；
S2：结合IsolationForest算法和SOM算法清洗行车记录原始信息，得到样本数据；
S3：根据数据属性和特征分类提取出样本数据的特征参数并存储；
S4：对特征参数进行K-Means聚类分析，得到聚类中心；
S5：采用bp神经网络分类，判断驾驶行为是否在安全范围内。
2.如权利要求1所述的一种基于车联网下驾驶行为分析方法，其特征在于，步骤S2的具体方法为：
S21：采用IsolationForest算法从训练数据中随机选择样本点作为subsample，放入树的根节点；
S22：随机指定一个维度attribute，在当前节点数据中随机产生一个切割点p，切割点p产生于当前节点数据中指定维度的最大值和最小值之间；
S23：以切割点p生成一个超平面，再将当前节点数据空间划分为2个子空间：把指定维度里小于切割点p的数据放在当前节点的左孩子，把大于等于切割点p的数据放在当前节点的右孩子；
S24：在孩子节点中递归步骤S22和S23，不断构造新的孩子节点，直到孩子节点中只有一个无法再继续切割的数据或孩子节点已到达限定高度，并获得t个iTree，iForest训练结束；
S25：用生成的iForest评估测试数据，将异常数据剔除后，得到初筛数据并存储至数据库；
S26：采用SOM算法对初筛数据进行二次筛选和异常数据清理，若无异常数据，则输出正常数据并存储至数据库；若仍存在异常数据，则重复执行步骤S21至S26，直至异常数据被完全剔除。
3.如权利要求2所述的一种基于车联网下驾驶行为分析方法，其特征在于，步骤S25中所述iForest评估测试数据的具体方法为：
S251：将各个测试数据分别遍历每一棵iTree；
S252：计算各个测试数据最终落在各棵树的层数，并分别计算各个测试数据在森林中的高度平均值；
S253：获得每个训练数据的平均路径长度，其中平均路径长度低于阈值的测试数据为异常数据，并将异常数据剔除。
4.如权利要求2所述的一种基于车联网下驾驶行为分析方法，其特征在于，步骤S26输出的正常数据还经过冗余检查处理，所述冗余检查处理的具体方法为：Python数据清洗使用duplicated方法对正常数据作重复性判断，返回一个与原数据行数相同的序列，若数据行没有重复，则对应false，否则对应true；再使用any方法，序列中只要存在一个true，则返回true再次清...
【专利技术属性】
技术研发人员：傅发健，陈旺明，巫朝星，许华福，
申请(专利权)人：汉纳森厦门数据股份有限公司，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。