【技术实现步骤摘要】
本专利技术属于人工智能的，尤其涉及一种基于安全的车辆智能调度方法及装置。
技术介绍
1、在一些特定的场景中，需要为不同的车辆分配不同的驾驶员，例如：客运或货运等场景下的驾驶员匹配需求。目前的驾驶员匹配往往需要人工根据驾驶员的驾龄、驾驶记录和相关经验等信息进行人为选择。
2、然而，由于人工分配的过程，存在标准不统一和信息不全面等问题。且不同的运输任务对于司机的要求也存在差异，故如何对驾驶员进行合理评估以及如何合理地为不同车辆分配合适的驾驶员，成为了一个亟需解决的技术问题。
技术实现思路
1、有鉴于此，本专利技术实施例提供了一种基于安全的车辆智能调度方法、装置、终端设备以及计算机可读存储介质，以解决如何对驾驶员进行合理评估以及如何合理地为不同车辆分配合适的驾驶员的技术问题。
2、本专利技术实施例的第一方面提供了一种基于安全的车辆智能调度方法，所述信息安全管控方法包括：
3、获取车辆信息，根据所述车辆信息，计算车辆的性能类型和性能分值；所述车辆信息包括动力、操控、刹车性能、舒适度和车辆安全等级；
4、获取基于驾驶性格测试结果，得到多个驾驶员各自对应的驾驶性格类型以及驾驶偏好分值；
5、根据所述性能类型、所述驾驶性格类型、所述驾驶偏好分值和所述性能分值，筛选多个初始驾驶员；
6、获取运输任务信息、车型和车龄；所述运输任务信息包括运输主体类型、行程距离、价值等级、拥堵程度和道路复杂度；
7、获取多个所述初始驾
8、根据所述历史驾驶信息、所述车型和所述车龄，计算安全系数；
9、根据所述历史驾驶信息、所述安全系数和所述运输任务信息，计算安全评分；
10、根据所述安全评分，在多个所述初始驾驶员中筛选目标驾驶员；
11、获取多个所述目标驾驶员与车辆位置的距离，根据所述距离将所述目标驾驶员进行排名，并输出排名结果；所述排名结果用于调度相应的驾驶员执行当前车辆的运输任务。
12、进一步地，所述获取车辆信息，根据所述车辆信息，计算车辆的性能类型和性能偏好分值的步骤包括：
13、构建所述车辆信息对应的多维向量，获取多个性能类型矩阵；
14、将所述多维向量分别与所述性能类型矩阵相乘，得到多个性能类型矩阵各自对应的目标向量；
15、分别计算多个所述目标向量的模；
16、匹配最大模对应的目标性能类型矩阵，将所述目标性能类型矩阵映射的预设类型作为所述性能类型；
17、将所述最大模作为所述性能偏好分值。
18、进一步地，所述根据所述性能类型、所述驾驶性格类型、所述驾驶偏好分值和所述性能分值，筛选多个初始驾驶员的步骤，包括：
19、获取所述性能类型映射的预设驾驶性格类型；
20、在多个所述驾驶员各自对应的驾驶性格类型中，筛选所述预设驾驶性格类型，得到所述预设驾驶性格类型对应的多个待选驾驶员；
21、分别将多个待选驾驶员各自对应的所述驾驶偏好分值与所述性能分值进行加权求和，得到匹配度；
22、将所述匹配度大于阈值的所述待选驾驶员，作为所述初始驾驶员。
23、进一步地，所述根据所述历史驾驶信息、所述车型和所述车龄，计算安全系数的步骤，包括：
24、将多个所述历史驾驶信息构建为特征矩阵；
25、将所述特征特征与多个评价维度各自对应的预设偏好矩阵相乘，得到多个特征值；
26、根据多个所述特征值、所述车型和所述车龄，计算所述安全系数。
27、进一步地，所述根据多个所述特征值、所述车型和所述车龄，计算所述安全系数的步骤，包括：
28、获取多个所述特征值各自对应的权重系数；
29、将多个所述权重系数、多个所述特征值、所述车型和所述车龄代入公式一，得到所述安全系数；
30、公式一：
31、
32、其中，s表示所述安全系数，xi表示第i个所述特征值，表示多个所述特征值的平均值，wi表示第i个所述权重系数，n表示所述特征值或所述权重系数的数量，表示所述车型的参数值，β表示所述车龄的参数值。
33、进一步地，所述根据所述历史驾驶信息、所述安全系数和所述运输任务信息，计算安全评分的步骤，包括：
34、根据所述驾龄和所述驾驶安全等级，计算所述初始驾驶员对应的基础分数；
35、根据所述车型的驾驶时长，计算所述初始驾驶员对应的车型系数；
36、根据所述平均车速、所述运输主体类型、所述行程距离、所述拥堵程度、所述道路复杂度和所述价值等级，计算运输任务的风险系数；
37、将所述基础分数、所述车型系数和所述风险系数进行加权求和，得到所述安全评分。
38、进一步地，所述根据所述平均车速、所述运输主体类型、所述行程距离、所述拥堵程度、所述道路复杂度和所述价值等级，计算运输任务的风险系数的步骤包括：
39、根据所述运输主体类型匹配对应的聚类簇；其中，多个聚类簇由不同的样本训练而成，每个所述聚类簇包括多个聚类分支；
40、计算所述运输主体类型和所述价值等级构成的聚类向量与聚类分支对应的距离向量之间的距离；
41、将最大距离对应的所述聚类分支作为目标聚类分支，并获取所述目标聚类分支对应的调整因子；
42、根据所述调整因子、所述平均车速、所述行程距离、所述拥堵程度和所述道路复杂度，计算运输任务的风险系数。
43、进一步地，所述根据所述调整因子、所述平均车速、所述行程距离、所述拥堵程度和所述道路复杂度，计算运输任务的风险系数的步骤包括：
44、将所述调整因子、所述平均车速、所述行程距离、所述拥堵程度和所述道路复杂度代入公式二，得到所述运输任务的风险系数；
45、公式二：
46、
47、其中，r表示所述运输任务的风险系数，μ表示所述调整因子，τ表示所述平均车速，d表示所述行程距离，表示所述拥堵程度，p表示所述道路复杂度。
48、本专利技术实施例的第二方面提供了一种基于安全的车辆智能调度装置，包括：
49、第一获取单元，用于获取车辆信息，根据所述车辆信息，计算车辆的性能类型和性能分值；所述车辆信息包括动力、操控、刹车性能、舒适度和车辆安全等级；
50、第二获取单元，用于获取基于驾驶性格测试结果，得到多个驾驶员各自对应的驾驶性格类型以及驾驶偏好分值；
51、第一筛选单元，用于根据所述性能类型、所述驾驶性格类型、所述驾驶偏好分值和所述性能分值，筛选多个初始驾驶员；
52、第三获取单元，用于获取运输任务信息、车型和车龄；所述运输任务信息包括运输主体类型、行程距离、价值等级、拥堵程度和道路复杂度；
53本文档来自技高网...
【技术保护点】
1.一种基于安全的车辆智能调度方法，其特征在于，所述车辆智能调度方法包括：
2.如权利要求1所述的基于安全的车辆智能调度方法，其特征在于，所述获取车辆信息，根据所述车辆信息，计算车辆的性能类型和性能偏好分值的步骤包括：
3.如权利要求1所述的基于安全的车辆智能调度方法，其特征在于，所述根据所述性能类型、所述驾驶性格类型、所述驾驶偏好分值和所述性能分值，筛选多个初始驾驶员的步骤，包括：
4.如权利要求1所述的基于安全的车辆智能调度方法，其特征在于，所述根据所述历史驾驶信息、所述车型和所述车龄，计算安全系数的步骤，包括：
5.如权利要求4所述的基于安全的车辆智能调度方法，其特征在于，所述根据多个所述特征值、所述车型和所述车龄，计算所述安全系数的步骤，包括：
6.如权利要求1所述的基于安全的车辆智能调度方法，其特征在于，所述根据所述历史驾驶信息、所述安全系数和所述运输任务信息，计算安全评分的步骤，包括：
7.如权利要求6所述的基于安全的车辆智能调度方法，其特征在于，所述根据所述平均车速、所述运输主体类型、所述行程距
8.如权利要求7所述的基于安全的车辆智能调度方法，其特征在于，所述根据所述调整因子、所述平均车速、所述行程距离、所述拥堵程度和所述道路复杂度，计算运输任务的风险系数的步骤包括：
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于安全的车辆智能调度方法，其特征在于，所述车辆智能调度方法包括：
2.如权利要求1所述的基于安全的车辆智能调度方法，其特征在于，所述获取车辆信息，根据所述车辆信息，计算车辆的性能类型和性能偏好分值的步骤包括：
3.如权利要求1所述的基于安全的车辆智能调度方法，其特征在于，所述根据所述性能类型、所述驾驶性格类型、所述驾驶偏好分值和所述性能分值，筛选多个初始驾驶员的步骤，包括：
4.如权利要求1所述的基于安全的车辆智能调度方法，其特征在于，所述根据所述历史驾驶信息、所述车型和所述车龄，计算安全系数的步骤，包括：
5.如权利要求4所述的基于安全的车辆智能调度方法，其特征在于，所述根据多个所述特征值、所述车型和所述车龄，计算所述安全系数的步骤，包括：
6.如权利要求1所述的基于安全的车辆智能调度方法，其特征在于，所述根据所述历史驾驶信息、所...
【专利技术属性】
技术研发人员：李强，尹庆，
申请(专利权)人：深圳市德行智能科技有限公司，
类型：发明
国别省市：
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。