一种基于车辆大数据的驾驶行为评价方法技术

本发明专利技术公开了一种基于车辆大数据的驾驶行为评价方法，其步骤包括：1、从车辆大数据平台中获取车辆数据集并进行数据预处理；2、采用主成分分析法提取驾驶行为特征向量；3、采用改进的K

【技术实现步骤摘要】
一种基于车辆大数据的驾驶行为评价方法


[0001]本专利技术属于车辆安全领域，具体地说是一种基于车辆大数据的驾驶行为评价方法。

技术介绍

[0002]随着汽车行业的快速发展和智能化的进步，越来越多的车辆开始配备各种传感器和智能设备，能够实时获取车辆的各种数据。这些数据包括车辆的速度、加速度、转向角度、刹车力度等等。同时，互联网技术的普及也使得车辆可以与其他车辆、交通设施和交通管理部门进行实时的数据交互和通信。
[0003]在现有技术中，已经有一些驾驶行为评价方法被提出和应用。例如，基于车辆传感器数据的驾驶行为评价方法，可以通过分析车辆的加速度、刹车力度、转弯速度等参数，评估驾驶员的驾驶行为安全性和风险程度。此外，还有一些基于视频图像和图像处理技术的驾驶行为评价方法，可以通过分析驾驶员的姿态、眼神和手势等指标，评估驾驶员的注意力和反应能力。然而，现有的驾驶行为评价方法存在一些问题和不足之处。首先，传统的基于传感器数据的评价方法往往只能提供一些简单的驾驶行为指标，无法全面评估驾驶员的驾驶行为。其次，基于视频图像的评价方法需要额外的设备和成本，并且对驾驶员的隐私保护存在一定的挑战。此外，现有的评价方法往往是主观的，依赖于专家的经验和判断，缺乏客观性和标准化。

技术实现思路

[0004]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于车辆大数据的驾驶行为评价方法，以期能对驾驶行为进行分类并量化驾驶行为特征，综合评估驾驶行为的安全性和风险性，从而能提高驾驶安全性。
[0005]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0006]本专利技术一种基于车辆大数据的驾驶行为评价方法的特点在于，包括如下步骤：
[0007]步骤1、从车辆大数据平台中获取M辆车的车辆数据集并进行数据预处理，得到处理后的车辆数据集D＝{D
i
|i＝1,2,
…
,M}，其中，D
i
表示第i辆车的车辆数据；
[0008]步骤2、采用主成分分析法从车辆数据集D中提取驾驶行为特征向量F＝{f
i
|i＝1,2,
…
,M}，其中，f
i
表示第i辆车的驾驶行为特征向量，且表示第i辆车的第n维特征值，n表示驾驶行为特征向量的维度；
[0009]步骤3、利用改进的K
‑
means聚类算法对驾驶行为特征向量F＝{f
i
|i＝1,2,
…
,M}进行驾驶行为聚类，从而将驾驶行为特征相似的车辆聚为同一个簇；
[0010]步骤4、以疲劳驾驶、驾驶行为安全性、驾驶行为风格作为三个维度，对步骤3.6的不同簇中车辆驾驶行为特征进行评价；
[0011]令疲劳驾驶维度的指标为疲劳驾驶指数FDI，驾驶行为安全性维度的指标为驾驶安全指数RDSI，驾驶行为风格维度的类型包括：谨慎型、普通型、激进型；
[0012]步骤4.1、计算第i辆车的疲劳驾驶指数FDI
i
；
[0013]当时，表示第i辆车的驾驶员处于轻度疲劳状态；当时，表示第i辆车的驾驶员处于中度疲劳状态；当时，表示第i辆车的驾驶员处于严重疲劳状态；其中，分别为中度疲劳状态的下限值和上限值；
[0014]步骤4.2、驾驶行为安全性维度的指标计算：
[0015]步骤4.2.1、利用式(7)计算第i辆车的驾驶安全指数RDSI
i
：
[0016][0017]式(7)中，ε
i，x
表示第i辆车的第x个驾驶行为指标的权重，S
i，x
表示第i辆车的第x个驾驶行为指标的得分，x＝1，2，...，X；X表示驾驶行为指标总数；
[0018]当时，表示第i辆车处于安全驾驶状态；当时，表示第i辆车处于危险驾驶状态；当时，表示第i辆车处于极危险驾驶状态；其中，分别为危险驾驶状态的下限值和上限值；
[0019]步骤4.2.2、利用式(10)计算第i辆车的安全性的量化评价值
[0020][0021]式(10)中，r
i
表示第i辆车的危险状态值r
i
，R
i
表示总状态值；
[0022]当时，表示第i辆车的驾驶行为安全性较差；当时，表示第i辆车的驾驶行为安全性一般；当时，表示第i辆车的驾驶行为安全性较好；其中，其中，分别为驾驶行为安全性的下限值和上限值；
[0023]步骤4.3、驾驶行为风格的类型判定：
[0024]步骤4.3.1、根据中速的下限阈值和上限阈值对第i辆车的速度数据集中的速度值进行分类，从而划分为低速，中速，高速，并将任意一种速度记为第μ种速度；μ∈{1，2，3}分别代表低速、中速、高速；
[0025]统计在第μ种速度下的加速度a
μ
＝{a
μι
|ι＝1，2，...，n
μ
}，其中，a
μι
表示第μ种速度下的第ι个加速度，n
μ
表示第μ种速度下的加速度数据集的数量；
[0026]步骤4.3.2、利用式(11)和式(12)计算第i辆车的速度数据集在三种速度下的加速度偏度系数SK＝{SK
μ
|μ＝1，2，3}和加速度峰度系数KU＝{KU
μ
|μ＝1，2，3}：
[0027][0028][0029]式(11)和式(12)中，SK
μ
表示第μ种速度下的加速度偏度系数，KU
μ
表示第μ种速度下的加速度峰度系数，表示第μ种速度下车辆加速度的平均值，且
[0030]步骤4.3.3、如果SK
μ
≤α
μ
，则执行步骤4.3.4；否则，执行步骤4.3.5；其中，α
μ
表示所设定的第μ种速度下普通型驾驶风格的偏度系数阈值；
[0031]步骤4.3.4、如果KU
μ
≤β
μ
，则表示第μ种速度下的驾驶风格为普通型；否则，执行步骤4.3.6；其中，β
μ
表示所设定的第μ种速度下普通型驾驶风格的峰度系数阈值；
[0032]步骤4.3.5、如果SK
μ
＞α
μ
，则表示第μ种速度下的驾驶风格为激进型；否则，则表示第μ种速度下的驾驶风格为谨慎型；
[0033]步骤4.3.6、如果KU
μ
＞β
μ
，则表示第μ种速度下的驾驶风格为激进型；否则，则表示第μ种速度下的驾驶风格为谨慎型。
[0034]本专利技术所述的基于车辆大数据的驾驶行为评价方法的特点也在于，所述步骤3包括如下步骤：
[0035]步骤3.1、采用轮廓系数法确定最佳聚类数，并记为K；
[0036]步骤3.2、将第i辆车的驾驶行为特征向量f
i
作为待测样本，令第i个权重因子w
i
...

【技术保护点】

【技术特征摘要】
1.一种基于车辆大数据的驾驶行为评价方法，其特征在于，包括如下步骤：步骤1、从车辆大数据平台中获取M辆车的车辆数据集并进行数据预处理，得到处理后的车辆数据集D＝{D
i
|i＝1,2,
…
,M}，其中，D
i
表示第i辆车的车辆数据；步骤2、采用主成分分析法从车辆数据集D中提取驾驶行为特征向量F＝{f
i
|i＝1,2,
…
,M}，其中，f
i
表示第i辆车的驾驶行为特征向量，且表示第i辆车的驾驶行为特征向量，且表示第i辆车的第n维特征值，n表示驾驶行为特征向量的维度；步骤3、利用改进的K
‑
means聚类算法对驾驶行为特征向量F＝{f
i
|i＝1,2,
…
,M}进行驾驶行为聚类，从而将驾驶行为特征相似的车辆聚为同一个簇；步骤4、以疲劳驾驶、驾驶行为安全性、驾驶行为风格作为三个维度，对步骤3.6的不同簇中车辆驾驶行为特征进行评价；令疲劳驾驶维度的指标为疲劳驾驶指数FDI，驾驶行为安全性维度的指标为驾驶安全指数RDSI，驾驶行为风格维度的类型包括：谨慎型、普通型、激进型；步骤4.1、计算第i辆车的疲劳驾驶指数FDI
i
；当时，表示第i辆车的驾驶员处于轻度疲劳状态；当时，表示第i辆车的驾驶员处于中度疲劳状态；当时，表示第i辆车的驾驶员处于严重疲劳状态；其中，分别为中度疲劳状态的下限值和上限值；步骤4.2、驾驶行为安全性维度的指标计算：步骤4.2.1、利用式(7)计算第i辆车的驾驶安全指数RDSI
i
：式(7)中，ε
i,x
表示第i辆车的第x个驾驶行为指标的权重，S
i,x
表示第i辆车的第x个驾驶行为指标的得分，x＝1,2,
…
,X；X表示驾驶行为指标总数；当时，表示第i辆车处于安全驾驶状态；当时，表示第i辆车处于危险驾驶状态；当时，表示第i辆车处于极危险驾驶状态；其中，分别为危险驾驶状态的下限值和上限值；步骤4.2.2、利用式(10)计算第i辆车的安全性的量化评价值步骤4.2.2、利用式(10)计算第i辆车的安全性的量化评价值式(10)中，r
i
表示第i辆车的危险状态值r
i
，R
i
表示总状态值；当时，表示第i辆车的驾驶行为安全性较差；当时，表示第i辆车的驾驶行为安全性一般；当时，表示第i辆车的驾驶行为安全性较好；其中，时，表示第i辆车的驾驶行为安全性较好；其中，分别为驾驶行为安全性的下限值和上限值；步骤4.3、驾驶行为风格的类型判定：步骤4.3.1、根据中速的下限阈值和上限阈值对第i辆车的速度数据集中的速度值进行分类，从而划分为低速，中速，高速，并将任意一种速度记为第μ种速度；μ∈{1,2,3}
分别代表低速、中速、高速；统计在第μ种速度下的加速度a
μ
＝{a
μι
|ι＝1,2,
…
,n
μ
}，其中，a
μι
表示第μ种速度下的第ι个加速度，n
μ
表示第μ种速度下的加速度数据集的数量；步骤4.3.2、利用式(11)和式(12)计算第i辆车的速度数据集在三种速度下的加速度偏度系数SK＝{SK
μ
|μ＝1,2,3}和加速度峰度系数KU＝{KU
μ
|μ＝1,2,3}：|μ＝1,2,3}：式(11)和式(12)中，SK
μ
表示第μ种速度下的加速度偏度系数，KU
μ
表示第μ种速度下的加速度峰度系数，表示第μ种速度下车辆加速度的平均值，且步骤4.3.3、如果SK
μ
≤α
μ
，则执行步骤4.3.4；否则，执行步骤4.3.5；其中，α
μ
表示所设定的第μ种速度下普通型驾驶风格的偏度系数阈值；步骤4.3.4、如果KU
μ
≤β
μ
，则表示第μ种速度下的驾驶风格为普通型；否则，执行步骤4.3.6；其中，β
μ
表示所设定的第μ种速度下普通型驾驶风格的峰度系数阈值；步骤4.3.5、如果SK
μ
>α
μ
，则表示第μ种速度...

【专利技术属性】
技术研发人员：龙建成，董少帅，武骥，丁建勋，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：