一种基于车联网数据流的安全驾驶评价方法
【技术领域】
[0001] 本发明属于汽车安全驾驶领域，具体设及一种基于车联网数据流的驾驶员安全驾 驶行为的评价方法。
【背景技术】
[0002] 汽车物联网（简称车联网）是一种汽车服务，它使用车辆和道路上的传感设备捜 集车辆、道路、环境的信息，实现人、车、路互联互通和信息共享，用户可W在信息网络平台 上获取、共享和有效利用设车信息。汽车远程服务提供商TSP在Telematics(远距离通信 的电信与信息科学）产业链居于核屯、地位。Telematics服务集合了位置服务、Gis服务和 通信服务等现代计算机技术，可为车主和个人提供导航、娱乐、资讯、安防等强大的服务。
[0003] 随着车联网应用的逐步加深，后装OBD的n-Board Diagnostic,车载诊断系统）设 备和前装集成设备在汽车上的安装，使越来越多的车辆被纳入了信息全程覆盖的范围。汽 车作为一个综合的信息服务终端，一方面源源不断地向远程服务器发送车辆各个子系统的 运行数据，另一方面从互联网上获取各式各样的信息，包括新闻资讯、音频、视频、基于位置 的服务等。
[0004] 目前通过车联网数据挖掘出驾驶人员的行为是否安全仍然处于探索阶段，现有的 一些类似的评价方法相对比较简单，评价的指标参数较少，评价结果的准确性也没有很好 地得到验证。专利号为CN102163368B、名称为"不安全驾驶行为的识别与监控系统及方法" 的中国专利，公开了一种安全驾驶评价方法，其中阐述的不安全驾驶行为识别方法仅通过 纵向加速度、横向加速度、垂直加速度S个参数进行阔值判断，而且阔值提取过程中使用的 样本有限，最终给出的评价结论只有安全或者不安全两种，仍然有细化的空间。
【发明内容】
[0005] 针对现有技术中存在的上述问题，本发明提出一种基于车联网数据流的驾驶员安 全驾驶行为的评价方法。从车联网的数据流中获取驾驶员的驾驶行为，根据建立的安全驾 驶评分模型，对道路上驾驶员的驾驶行为进行实时安全评估，引导驾驶员养成良好的驾驶 习惯。
[0006] 为实现上述目的，本发明采用如下技术方案。
[0007] 一种基于车联网数据流的安全驾驶评价方法，包括W下步骤：
[000引步骤1，建立安全驾驶评分模型；车辆的安全驾驶评分等于指标参数的得分加权 后求和。
[0009] 步骤2,从车联网获取车辆运行的实时数据。
[0010] 步骤3,根据步骤2得到的数据，应用步骤1建立的所述安全驾驶评分模型进行评 分，得到车辆的安全驾驶分数。
[0011] 进一步地，步骤1所述的指标参数包括：平均加速度，平均减速度，平均横向加速 度，加速度标准差，最大加速度，最大减速度，典型加速度，典型减速度，急加速次数，急减速 次数，急转弯次数，疲劳驾驶时长。
[0012] 进一步地，所述安全驾驶评价方法还包括根据所述步骤3得到的安全分数评定安 全等级。
[0013] 进一步地，所述安全等级的评价方法为；80~100分为十分安全；60~79分为安 全；40-59分为一般；20~39分为有风险；0~19分为高风险。
[0014] 进一步地，建立安全驾驶评分模型包括数据采集阶段、模型建立与训练阶段和模 型验证与调整阶段。
[0015] 进一步地，所述数据采集阶段包括；采集不同性别不同年龄的驾驶人员、不同车 型、不同时段、不同天气状况、不同交通状况的驾驶行为数据，组织不同评估人员进行主观 评估。
[0016] 进一步地，所述模型建立与训练阶段包括；选取数学模型；安全驾驶评分等于多 个指标参数的得分加权后求和。根据数据采集阶段获得的数据，计算所述数学模型中的指 标参数及得分，通过对所述数学模型训练，确定各个指标参数得分项的权重，得到初步评分 模型。所述权重的取值范围为大于等于零且小于1。
[0017] 进一步地，所述模型验证与调整阶段包括；选取不同于所述数据采集阶段的数据 样本，采用方差分析、拟合度分析方法，对所述初步评分模型进行验证、调整。重复上述验 证、调整过程，直至评分模型的得分与验证人员的打分相符为止，得到最终的安全驾驶评分 模型。
[0018] 进一步地，所述指标参数得分的计算公式为：
[0019] Mark_A= 100-ModelMark(a, "A")
[0020] 式中，Mark_A为指标参数A的得分，a为指标参数A的值，函数ModelMark(a, "A") 的计算方法为；首先在打分矩阵中找到参数A对应的列C，然后将a的值和第C列的每一行 的值进行比较，第一个大于a的值对应的分值即为函数ModelMark(a，"A")的值。
[0021] 进一步地，所述打分矩阵的元素对应指标参数的得分，同一列的元素对应同一个 指标参数的得分，同一行的元素对应同一个得分，第一~十一行对应的分值分别为〇、1〇、 20、…、100,每一个元素的值均为其对应的指标参数取得相应得分时的临界值。
[0022] 与现有技术相比，本发明具有W下优点：
[0023] 本发明通过数据采集、模型建立与训练和模型验证与调整，建立了安全驾驶评分 模型。所述模型充分考虑了与安全驾驶有关的多个指标参数的影响，如；平均加速度，平均 减速度，平均横向加速度，加速度标准差，最大加速度，最大减速度，典型加速度，典型减速 度，急加速次数，急减速次数，急转弯次数，疲劳驾驶时长，并根据各指标参数对安全驾驶影 响的大小分别赋于它们不同的权重。与现有技术相比，本发明所述评价方法更加科学、全 面、准确。最终评价的结果为安全得分，并能在得分的基础上给出安全级别。
【附图说明】
[0024] 图1为本发明实施例所设及的安全驾驶评分方法流程图。
【具体实施方式】
[0025] 下面结合附图和实施例对本发明做进一步说明。下面实施例中的具体数值只是为 了说明本发明的实现方法，并不形成对本发明保护范围的限制。
[0026] 一种基于车联网数据流的安全驾驶评价方法，流程图如图1所示，包括W下步骤：
[0027]S1、建立安全驾驶评分模型。
[002引第一阶段：数据采集
[0029] 采集不同驾驶人员、不同车型、不同时段、不同天气状况、不同交通状况的驾驶行 为数据，辅W不同评估人员的主观评估结果，作为供训练样本集。
[0030] 试验样本空间选为；1)相类似车型100辆；2)男女驾乘人员比例60:40,性别分 布；18~60岁之间；如每辆车的标准配置为1主驾+2测评人员；4)总驾乘；4000车次。
[0031] 试验原则；1)保证样本抽样的随机性。选择不同类型驾驶人员、不同类型车辆，在 不同时段、天气、交通状况下进行试验。选择不同类型的人员对于驾驶舒适性和安全性进行 评估；2)保证样本的数据量。涵盖各种试验情景的总数据量不小于2000小时；3)保证数据 的有效性。采集的数据需连续完整，不能有3分钟W上的传输断续，每段行程的数据都需配 备评估人员的评估结果。
[0032] 对所有的试验情景逐一进行数据采集与评估，并对采集数据及评估结果进行离线 分析，检查数据是否有效，评估结果是否合格。采集数据包括开始时间、结束时间、驾驶经 验、驾驶时段、驾驶车型、天气状况、交通状况、加速表现、刹车表现、过弯表现、并线表现、舒 适性评估、安全性评估等。
[0033] 第二阶段：模型建立与训练
[0034] 首先，根据第一阶段采集的基础数据计算影响安全驾驶的指标参数。
[003引基础数据包括车机号、用户名、经绅度、公里数、胎压、n的状态、后备箱的状态、瞬 时油耗、长加速、方向盘位置、转向位置状态、车速、发动机转速等；指标参数包括；怠速时 间、舒适性评估、加速表现、刹车表现、过弯表现、二氧化碳排放量、加速次数、减速次数、转 弯次数、经济时速时间等。由基础数据计算指标参数的方法大部分比较简单，属于现有技 术，该里仅给出几个比较典型的指标参数的计算方法。下面各式中速度的单位为米/秒，加 速度的单位为米/秒2,角度的单位为度，时间的单位为秒。
[0036] 横向加速度=车辆速度X车辆速度/3. 6/3. 6X(Sin(方向盘转过的角度 /515X32X3. 141593/180)/2. 7)。
[0037] 疲劳驾驶时间=行程总时间- 7200。
[003