一种由两套风险评级模型组成的风险评级系统技术方案

本发明专利技术提供一种由两套风险评级模型组成的风险评级系统，包括车辆运单风险评级模型和司机驾驶行为风险评级模型，风险评级系统设计的目的是在商用货车运单层级上预测风险；商用货车的运单是指商用货车进行一次从承运货物到交付货物的过程，包括商用货车从发货起始点到送货终点及其期间停车的全部过程；两套模型可用于商用货车车队风险管理，通过匹配运单风险和驾驶员风险，使商用货车总风险达到最低。

【技术实现步骤摘要】
一种由两套风险评级模型组成的风险评级系统[
]本专利技术涉及车辆运行预警系统
，尤其涉及一种应用效果突出、精准度高的由两套风险评级模型组成的风险评级系统。[
技术介绍
]当前市场上对商用车实时驾驶风险的预测，主要基于车辆年度GPS数据。该方法缺乏车辆和司机的驾驶影像信息所反映的危险行为情况。该方法缺乏重要风险因素，例如高危时段、行驶路段、气象等。该方法不区分驾驶员的风险因素和运单的风险因素。该方法采纳车辆全年度的驾驶数据，如全年里程、全年驾驶时长等，没有考虑每次运单的不同风险因素。[
技术实现思路
]为克服现有技术所存在的问题，本专利技术提供一种应用效果突出、精准度高的由两套风险评级模型组成的风险评级系统。本专利技术解决技术问题的方案是提供一种由两套风险评级模型组成的风险评级系统，包括车辆运单风险评级模型和司机驾驶行为风险评级模型；设计该风险评级系统旨在预测商用货车运单层级上的风险；此文档中“运单”指商用货车从运单起点到运单终点的行驶过程，即商用货车从发货起点到运单终点及其期间停车的全部过程；两套模型可用于商用货车车队风险管理，通过匹配运单风险和驾驶员驾驶行为风险以掌控商用货车运单层级的行驶风险。优选地，所述车辆运单风险评级模型用以评估运单自身风险；司机驾驶行为风险评级模型用以评估驾驶员驾驶行为风险。优选地，所述两套模型都是有监督学习模型，都有目标变量和预测变量；两套模型的目标变量均为是否高危场景频率；高危场景频率指车辆在5秒内由大于60变为0。车辆运单风险评级模型的预测变量包括车辆种类(货车/运单、长途客车、市内公交)，车型，车龄，行驶时间段，驾驶路线，总里程，道路类型等级(高速/省道/国道/市内)及各类占比，气象预报(是否有恶劣天气，包括暴雨、冰雪)，是否有山路，货物类型；司机驾驶行为风险评级模型的预测变量包括驾驶员年龄，驾龄，司机历史疲劳驾驶(包括闭眼、打哈欠)、姿态异常、抽烟、打电话、车距过近、车道偏离、前车碰撞、行人探测、超时驾驶、超速驾驶等告警频率(百公里告警次数)，司机历史百公里多变量预警(高危时段、疲劳驾驶、分神驾驶、车道告警、恶劣天气等危险因素组合)次数，司机历史出险频率等。优选地，所述两套模型开发中所用的数据是商用货车监控平台采集的历史数据；车辆运单风险评级模型的数据来源包括车队数据库中存储的车辆种类、车型、车龄、货物类型等信息，第三方数据库中存储的行驶时间段、驾驶路线、总里程等信息，通过连接外部数据源即气象API、地图API获取的气象预报、道路类型等级及各类占比、是否有山路等信息；司机驾驶行为风险评级模型的数据来源包括车队数据库中存储的驾驶员年龄、驾龄、司机历史出险频率等信息，第三方数据库中存储的疲劳驾驶、闭眼、打哈欠、姿态异常、抽烟、打电话、车距过近、车道偏离、前车碰撞、行人探测、超时驾驶、超速驾驶等告警次数、总里程、多变量预警等信息。优选地，所述车辆运单风险评级模型的实施过程是由物流公司将运单号导入风险评级系统，风险评级系统连接车队数据库、第三方数据库、外部数据源获取预测变量的数据；司机驾驶行为风险评级模型的实施过程是由物流公司将驾驶员编号导入风险评级系统，风险评级系统连接车队数据库、第三方数据库获取预测变量的数据；所有车辆运单风险评级和司机驾驶行为风险评级随着驾驶次数的增加而更新。与现有技术相比，本专利技术一种由两套风险评级模型组成的风险评级系统基于风险评级模型方法论，通过分析影响车辆运行风险的多种维度，设计双重影响因子模型：车辆运单风险评级模型和司机驾驶行为风险评级模型，可实现对高风险危险驾驶行为的精准预测。[具体实施方式]为使本专利技术的目的，技术方案及优点更加清楚明白，以下结合及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本专利技术，并不用于限定此专利技术。专利技术一种由两套风险评级模型组成的风险评级系统1包括车辆运单风险评级模型和司机驾驶行为风险评级模型；设计该风险评级系统旨在预测商用货车运单层级上的风险；此文档中“运单”指商用货车从运单起点到运单终点的行驶过程，即商用货车从发货起点到运单终点及其期间停车的全部过程；两套模型可用于商用货车车队风险管理，通过匹配运单风险和驾驶员驾驶行为风险以掌控商用货车运单层级的行驶风险。优选地，所述车辆运单风险评级模型用以评估运单自身风险；司机驾驶行为风险评级模型用以评估驾驶员驾驶行为风险。优选地，所述两套模型都是有监督学习模型，都有目标变量和预测变量；两套模型的目标变量均为是否高危场景频率；高危场景频率指车辆在5秒内由大于60变为0。车辆运单风险评级模型的预测变量包括车辆种类(货车/运单、长途客车、市内公交)，车型，车龄，行驶时间段，驾驶路线，总里程，道路类型等级(高速/省道/国道/市内)及各类占比，气象预报(是否有恶劣天气，包括暴雨、冰雪)，是否有山路，货物类型；司机驾驶行为风险评级模型的预测变量包括驾驶员年龄，驾龄，司机历史疲劳驾驶(包括闭眼、打哈欠)、姿态异常、抽烟、打电话、车距过近、车道偏离、前车碰撞、行人探测、超时驾驶、超速驾驶等告警频率(百公里告警次数)，司机历史百公里多变量预警(高危时段、疲劳驾驶、分神驾驶、车道告警、恶劣天气等危险因素组合)次数，司机历史出险频率等。优选地，所述两套模型开发中所用的数据是商用货车监控平台采集的历史数据；车辆运单风险评级模型的数据来源包括车队数据库中存储的车辆种类、车型、车龄、货物类型等信息，第三方数据库中存储的行驶时间段、驾驶路线、总里程等信息，通过连接外部数据源即气象API、地图API获取的气象预报、道路类型等级及各类占比、是否有山路等信息；司机驾驶行为风险评级模型的数据来源包括车队数据库中存储的驾驶员年龄、驾龄、司机历史出险频率等信息，第三方数据库中存储的疲劳驾驶、闭眼、打哈欠、姿态异常、抽烟、打电话、车距过近、车道偏离、前车碰撞、行人探测、超时驾驶、超速驾驶等告警次数、总里程、多变量预警等信息。优选地，所述车辆运单风险评级模型的实施过程是由物流公司将运单号导入风险评级系统，风险评级系统连接车队数据库、第三方数据库、外部数据源获取预测变量的数据；司机驾驶行为风险评级模型的实施过程是由物流公司将驾驶员编号导入风险评级系统，风险评级系统连接车队数据库、第三方数据库获取预测变量的数据；所有车辆运单风险评级和司机驾驶行为风险评级随着驾驶次数的增加而更新。优选地，所述双重影响因子模型对接数据库，实时采集模型相关维度的数据，实时计算风险评级，将结果返回监控平台和智能预警系统，为监控人员提供分阶段的风险管控应对措施。多变量风险评级模型设计的目的是在商用货车运单层级上预测风险。商用货车的运单是指商用货车进行一次从承运货物到交付货物的过程，包括商用货车从发货起始点到送货终点及其期间停车的全部过程。多变量风险评级模型的双重影响因子模型都是监督学习模型。多变量风险评级模型开发方法有两种。第一种是通过机器学习算法形成排序的打分公式，算法包括逻辑回归、k最近邻算法、支持向量机、AdaBoo本文档来自技高网...

【技术保护点】
1.一种由两套风险评级模型组成的风险评级系统，其特征在于：包括车辆运单风险评级模型和司机驾驶行为风险评级模型；设计该风险评级系统旨在预测商用货车运单层级上的风险；此文档中“运单”指商用货车从运单起点到运单终点的行驶过程，即商用货车从发货起点到运单终点及其期间停车的全部过程；两套模型可用于商用货车车队风险管理，通过匹配运单风险和驾驶员驾驶行为风险以掌控商用货车运单层级的行驶风险。/n

【技术特征摘要】
1.一种由两套风险评级模型组成的风险评级系统，其特征在于：包括车辆运单风险评级模型和司机驾驶行为风险评级模型；设计该风险评级系统旨在预测商用货车运单层级上的风险；此文档中“运单”指商用货车从运单起点到运单终点的行驶过程，即商用货车从发货起点到运单终点及其期间停车的全部过程；两套模型可用于商用货车车队风险管理，通过匹配运单风险和驾驶员驾驶行为风险以掌控商用货车运单层级的行驶风险。


2.如权利要求1所述的一种由两套风险评级模型组成的风险评级系统，其特征在于：所述车辆运单风险评级模型用以评估运单自身风险；司机驾驶行为风险评级模型用以评估驾驶员驾驶行为风险。


3.如权利要求1或2所述的一种由两套风险评级模型组成的风险评级系统，其特征在于：所述两套模型都是有监督学习模型，都有目标变量和预测变量；两套模型的目标变量均为是否高危场景频率；高危场景频率指车辆在5秒内由大于60变为0，车辆运单风险评级模型的预测变量包括车辆种类(货车/运单、长途客车、市内公交)，车型，车龄，行驶时间段，驾驶路线，总里程，道路类型等级(高速/省道/国道/市内)及各类占比，气象预报(是否有恶劣天气，包括暴雨、冰雪)，是否有山路，货物类型；司机驾驶行为风险评级模型的预测变量包括驾驶员年龄，驾龄，司机历史疲劳驾驶(包括闭眼、打哈欠)、姿态异常、抽烟、打电话、车距过近、车道偏离、前车碰撞、行人探测、超时驾驶、超速驾驶等告警频率(百公...

【专利技术属性】
技术研发人员：姚学文，颜俊，周学韵，徐思路，
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