基于智能移动设备的驾驶行为数据采集以及评判方法与流程

本发明涉及一种驾驶数据分析
技术领域：
，具体而言，涉及一种基于智能移动设备的驾驶行为数据采集以及评判方法。
背景技术：
：目前车联网技术越来越多地被保险、互联网巨头关注，在车联网与大数据挖掘相遇后，对车主行车数据的收集与分析就显得尤为关键。通过对驾驶行为的分析和监控，可以起到激励、警示车主的作用。与此同时，驾驶行为数据的采集、分析，也对保险公司精确定价、推出UBI(UsageBasedInsurance，基于使用量的保险)保险产品有着重要的参考作用。获得驾驶行为数据需要对应的终端设备。目前，主流的车联网数据信息获取终端包括前装车机、OBD(On-BoardDiagnostic，车载诊断系统)终端，这两种两种方式可以实时读取车辆信息以及状态，功能强大、专业性强，但缺点也十分明显，投入成本高，大范围推广实施周期很长，较难占领大量市场份额。技术实现要素：本发明实施例中提供一种基于智能移动设备的驾驶行为数据采集以及评判方法，以解决上述至少一个问题。为解决上述技术问题，本发明实施例提供了一种基于智能移动设备的驾驶行为数据采集以及评判方法，包括：通过智能移动设备获取用户的驾驶行为数据；依据驾驶行为数据，将用户的驾驶行为参数化处理，形成用户的实际驾驶行为模型；将实际驾驶行为模型与预设的标准驾驶行为模型进行对比，对实际驾驶行为模型进行评判，形成用户驾驶水平的评价结果。进一步地，通过智能移动设备获取驾驶行为数据的步骤包括：采集数据上传时点时间；采集数据上传时点经度、纬度、高度、数据上传时点方向；采集上传时间间隔内行驶里程。进一步地，依据驾驶行为数据，将用户的驾驶行为参数化处理，形成用户的实际驾驶行为模型的步骤包括：对驾驶行为数据进行数据处理，数据处理包括滤波、分析、去噪，形成第一驾驶行为数据；利用第一驾驶行为数据绘制用户的驾驶轨迹路线，形成用户的实际驾驶行为模型。进一步地，驾驶行为数据采集以及评判方法还包括：驾驶水平的评价结果通过驾驶轨迹和驾驶事件描述打分的模式在智能移动设备上显示。进一步地，驾驶行为数据采集以及评判方法还包括：储存用户的驾驶行为数据；根据储存的驾驶行为数据修正预设的标准驾驶行为模型。本发明利用智能设备终端获取用户的驾驶行为信息，投入成本低，实施方便，且利用预设的标准驾驶行为模型对用户驾驶行为进行评判，为保险UBI(UsageBasedInsurance，基于使用量的保险)提出了更好的定价思路和数据支撑。附图说明图1是本发明实施例的基于智能移动设备的驾驶行为数据采集以及评判方法所应用的基于智能手机的多模传感系统示意图；图2是本发明实施例的基于智能移动设备的驾驶行为数据采集以及评判方法的流程图；图3是本发明实施例的多模传感系统的系统工作流程图。具体实施方式下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。结合图1与图2所示，图1是本发明实施例的基于智能移动设备的驾驶行为数据采集以及评判方法所应用的基于智能手机的多模传感系统示意图。根据本发明的实施例，本实施例中基于智能移动设备的驾驶行为数据采集以及评判方法所应用的系统包括智能移动设备11，以及服务器12。其中智能移动设备11，可以为手机、平板电脑或者其他可安装第三方应用软件的智能终端，利用智能终端中的GPS、指南针、加速度传感器、陀螺仪等就可以采集用户的驾驶行为信息，包括用户的轨迹类指标，包括数据上传时点时间、数据上传时点经度、纬度、高度、数据上传时点方向，上传间隔内行驶里程等。在服务器12中，对采集到的用户驾驶行为数据进行去噪、校准、同步、补偿等处理，并根据内部预存的标准驾驶行为模型，对用户的实际驾驶行为进行评判，形成用户驾驶水平的评价结果。其中，驾驶行为事件模型包括急加速、急减速、急刹车、急转弯、碰撞等事件等。图2是本发明实施例的基于智能移动设备的驾驶行为数据采集以及评判方法的流程图。如图2所示，本实施中，数据采集及评判方法包括：S10，通过智能移动设备获取用户的驾驶行为数据。即通过安装在智能移动设备上的APP采集车辆驾驶行为指标数据，其中，通过智能移动设备获取用户的驾驶行为数据的步骤包括：采集数据上传时点时间；采集数据上传时点经度、纬度、高度、数据上传时点方向；采集上传时间间隔内行驶里程。例如，采集数据时按照轨迹类指标、事件类指标对用户驾驶行为数据进行采集。两类指标的采集标准、采集频率如下：1、轨迹类指标2、事件类指标S20，依据驾驶行为数据，将用户的驾驶行为参数化处理，形成用户的实际驾驶行为模型。在该步骤中，包括：对驾驶行为数据进行数据处理，数据处理包括滤波、分析、去噪，形成第一驾驶行为数据；利用第一驾驶行为数据绘制用户的驾驶轨迹路线，形成用户的实际驾驶行为模型。即对通过智能移动设备所获取的数据进行数据处理，形成包含用户驾驶行为数据的第一驾驶行为数据；然后，利用该数据集合绘制出用户的驾驶轨迹路线，形成用户的实际驾驶行为模型。即当采集到上述两个表格中出现的不同类型的数据后，对数据进行采集处理，形成用户的实际驾驶行为模型。S30，将实际驾驶行为模型与预设的标准驾驶行为模型进行对比，对实际驾驶行为模型进行评判，形成用户驾驶水平的评价结果。即将通过智能移动设备所采集出的各种数据进行构建形成的实际驾驶行为模型与系统中预设的标准驾驶模型(包括正确的驾驶方式以及急刹车、转弯过快模型)进行对比，判断用户是否有不恰当的驾驶行为，对用户的实际驾驶水平给出评价结果，评价结果可以为给出不良驾驶行为数量，也可以为一个分数。如，当评价结果以分数形式呈现时，将用户实际驾驶模型与预设的驾驶模型进行对比，按照评分原则进行打分，并对驾驶行为进行评定。相较于目前市场主流的OBD采集驾驶行为数据的方式带来的投入成本高，大范围推广实施周期长且仍需要配套客户端展示的弊端，本发明很好的解决了以上困境，可以方便地通过智能终端获取车辆的驾驶行为信息，投入成本低，实施方便，创新性的建立了相关的驾驶行为判断事件模型和驾驶风险水平打分模型，为保险UBI提出了更好的定价思路和数据支撑，便于保险人收集用户的驾驶行为特征数据，基于大数据给出更精确的定价；也便于驾驶者查看自己的驾驶情况，改进不良驾驶行为。进一步地，驾驶行为数据采集以及评判方法还包括：驾驶水平评价结果通过驾驶轨迹和驾驶事件描述打分的模式在智能移动设备上显示。驾驶水平评价结果通过驾驶轨迹和驾驶事件描述打分的模式在智能移动设备上显示给用户，使抽象的驾驶通过具象的数据实现价值，便于用户更加直观的获取自己的驾驶行为信息，并根据所获取的驾驶行为信息对驾驶行为进行改进。如在驾驶过程中，可以根据驾驶行为评价结果对用户的不良驾驶行为发出提示，具体包括：当急刹车次数超过3次，提示“整体驾驶水平还是不错的，就是急刹车次数有点多，您要注意了！”；当四急次数大于5次，提示“驾驶时四急次数有点多，注意轻踩轻刹，减少了还能够给您节油哟！”；当四急次数大于6次，提示“您的驾驶四急次数已经比绝大多数车主多了，这可是个危险信号，一定要轻踩轻刹慢转弯啦！”。其中的四急是指急加速、急转弯、急减速、急刹车。当然，驾驶行为评价结果包括但不限于上述几种，可以由用户自定义，也可以显示为其他形式的提示。进一步地，驾驶行为数据采集以及评判方法还包括：储存用户的驾驶行为数据；根据储存的驾驶大数据修正预设的所述标准驾驶行为模型。通过储存的用户驾驶大数据来完善修正驾驶事件模型，可以提供更能反映用户驾驶风险水平的打分模型，指导保险产品定价。以下是6个驾驶员在不同道路条件下使用不同种类手机进行测试10-15天的结果，测试行程段不小于30条：测试数据:测试结果：单段行程里程差:±2.2％单段行程时间差：<1min事件采集平均准确率：93.1％从以上测试结果来看，本发明实施例的驾驶行为数据采集以及评判方法准确度较高，能够满足保险UBI定价时的数据支撑。图3是本发明实施例的多模传感系统的系统工作流程图。如图3所示，在本实施例中，采用手机作为移动智能设备，在手机端，多模传感系统的工作过程包括：用户打开手机软件，开始驾驶；进入驾驶检测模式；调用手机传感器获取用户驾驶行为数据，即执行图2中的步骤S10，通过智能终端获取用户的驾驶行为数据；采集传感器数据，调用驾驶行为分析库函数，即执行图2中的步骤S20，对采集到的数据进行处理，绘制出用户的驾驶轨迹路线，形成用户的实际驾驶行为模型；判断事件是否发生，即执行图2中的步骤S30，将实际驾驶行为模型与预设的标准驾驶行为模型进行对比，对实际驾驶行为模型进行评判，形成用户驾驶水平的评价结果，判断用户驾驶行为是否发生危险或者不良驾驶行为事件；当用户出现危险驾驶或者不良驾驶事件时，输出事件类型后，将事件上传至服务器；当事件未发生时，直接将事件上传至服务器。在服务器端，工作步骤包括：接收事件数据；存储事件；驾驶行为数据分析。当然，以上是本发明的优选实施方式。应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明基本原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。当前第1页1 2 3