一种基于司机画像预测公交行车风险的预警系统的制作方法

本发明涉及行车风险预测领域，特别是涉及一种基于司机画像预测公交行车风险的预警系统。

背景技术：

1、公共交通引起的事故数量约占全国交通事故数量的1%，且近10年都没有很大降幅。这个现象引起了主管部门、行业、企业的高度重视和警惕。而一部分事故的发生，正是由于公交车驾驶员的能力和公交车运营环境的变化导致的。

2、在国内，行车安全的风险预警能力比较薄弱，应用到公交场景时普遍精度不高。不强调软件平台的配合和企业管理的辅助决策。且无法克服“人员风险”这一隐患最大、最常见的公交车不规范行为。近年来全国公交车事故时有发生，社会对公共交通安全也越发重视。目前公交集团对公交司机的管理监管工作在线下的培训教育，无法对每位司机生成单独的风险评估和预判指标，同时针对历史发生的事故地点缺少统计分析，无法做到及时有效精准地识别可能导致事故的风险和隐患。

3、例如，一种在中国专利文献上公开的“一种城市公交事故风险因素分析方法”，其公告号cn114493363a；该方法所使用的公交事故信息处理系统包括集成安装在城市道路智慧灯杠上的中央处理器、数据转换模块、数据库、时钟模块、网关模块、信息显示模块、互联网模块、卫星定位模块、编码器和自动摄像仪；该方法包括数据采集与预处理，从人、车、路、环境四个方面选取风险因素确定公交事故特征，建立公交事故logistic模型，确定影响城市公交安全的显著性因素，采用apriori算法对公交事故风险因素进行关联等步骤。本发明能够快速、准确地对城市公交事故风险因素进行分析、评估。该方案需要人为录入司机的事故和违章记录，存在信息失真的可能。将报警关联的若干数据传输给后台，在网页端进行前端展示报表，无法传输到手机端，在目前移动互联网高速发展的当下前端应用层局限且覆盖少。

技术实现思路

1、本发明针对现阶段无法对每位司机生成单独的风险评估和预判指标，同时针对历史发生的事故地点缺少统计分析，无法做到及时有效精准地识别可能导致事故的风险和隐患的问题；提供了一种基于司机画像预测公交行车风险的预警系统；通过系统中的数据储存层和采集层中储存关于司机的各种数据和学习情况，采集了公交车驾驶员大量的驾驶习惯和历史驾驶数据，从静态和动态等各个方面分析司机的驾驶风险，对司机进行司机画像打分，分红黄绿三档管控，提前介入管理，规避风险；司机通过学习安全驾驶知识消除自己的风险分，调整风险状态，达到司机自我管理的闭环流程，提高司机的安全驾驶意识。

2、本发明的上述技术问题主要是通过下述技术方案得以解决的：

3、一种基于司机画像预测公交行车风险的预警系统，包括：

4、应用层，用于在网页端和小程序端展示司机画像并进行公交行车风险预警；

5、数据加工层，根据指标明细进行司机画像生成，将数据上传至数据中台，并对司机数据进行走势分析；为应用层提供数据支持；

6、数据存储层，记录司机违章事故并通过数据学习获取单人司机画像；存储例会数据、dms数据；通过数据清洗后将数据传输至数据加工层；

7、采集层，采集安全中心信息，获取学习平台司机学习情况，采集行车预警数据，通过专有网路将数据传输至数据存储层。

8、通过系统中的数据储存层和采集层中储存关于司机的各种数据和学习情况，采集了公交车驾驶员大量的驾驶习惯和历史驾驶数据，从静态和动态等各个方面分析司机的驾驶风险，对司机进行司机画像打分，分红黄绿三档管控，提前介入管理，规避风险；司机通过学习安全驾驶知识消除自己的风险分，调整风险状态，达到司机自我管理的闭环流程，提高司机的安全驾驶意识。

9、作为优选，所述系统根据如下指标明细进行司机画像生成，包括：

10、步骤s1、记录司机基本画像：获取司机画像信息，包括：安全中心、教育培训、生理心理、行为习惯、管理标签和驾驶习惯；

11、步骤s2、根据加分策略和减分策略分别对司机画像信息进行赋权评分；

12、步骤s3、根据赋权评分结果和规则计算出安全码颜色。

13、根据各种评分策略确定安全码的颜色，并且确定司机的风险情况。

14、作为优选，所述安全码颜色计算原则为：得分在0~50分区间安全码颜色为绿色；得分在50~80分区间安全码颜色为黄色；得分大于80分则安全码颜色为红色。不同得分下的安全码颜色可以判定司机的不同风险情况，用颜色标记司机可以快速判断出司机的风险等级。

15、作为优选，所述驾驶习惯赋权评分过程包括：

16、步骤s41、通过固定位置设备获取公交车司机驾驶员行车视频素材；标定视频素材中公交车司机手部行为和行车时间；

17、步骤s42、通过训练深度神经网络，建立单双手脱离算法模型和疲劳驾驶算法模型；

18、步骤s43、根据dms数据，按照算法研判司机驾驶习惯，并对司机进行赋权评分；根据dms数据分析司机驾驶习惯改善情况进行动态减分。

19、通过算法可以有效的判定视频中司机的行车规范情况，并对司机进行加分、减分，实时获取司机的动态风险等级。

20、作为优选，所述疲劳驾驶标准如下：

21、步骤s51、连续判断司机的车速是否为0；若大于0，则标记司机处于驾驶状态；若等于0，则判定车辆处于停车状态，将停车状态和驾驶状态分别存入时间列表中；

22、步骤s52、在驾驶状态内判断连续时间差；根据时间差判断车辆是否处于连续行驶的状态，如车辆在行驶期间有停车，则相邻两条车速不为零的数据时间差记为停车时间；判断车辆是否处于连续行驶状态的条件为相邻两条数据的时间差是否超过5s；

23、步骤s53、公交车驾驶状态下，停车时间小于120s则记为无效停车时间；

24、步骤s54、判断累加过的单次连续驾驶时间；若存在无效停车时间，则该时间记为驾驶状态；及当日累计驾驶时间是否已达到疲劳驾驶的标准；如果未达到疲劳驾驶的标准，则返回步骤s52；若达到 ，则记录为疲劳驾驶。

25、由于公交车司机有可能存在疲劳驾驶，然而公交车中途停车无法被判断为“休息”，因此需要通过特定的方法排除停靠在站台处的时间，将其他时间记录为行车时间。并且计算总的停车时间，判断是否为疲劳驾驶。

26、作为优选，所述司机通过应用层的小程序进行学习加分；通过学习安全驾驶知识消除司机的风险分，调整风险状态，达到司机自我管理的闭环流程，提高司机的安全驾驶意识。

27、本发明的有益效果是：

28、1.本发明采集了公交车驾驶员大量的驾驶习惯和历史驾驶数据，从静态和动态等各个方面分析司机的驾驶风险，对司机进行司机画像打分，分红黄绿三档管控，提前介入管理，规避风险；

29、2.本发明增加小程序的学习加分，可以让司机通过学习安全驾驶知识消除自己的风险分，调整风险状态，达到司机自我管理的闭环流程，提高司机的安全驾驶意识。

技术特征：

1.一种基于司机画像预测公交行车风险的预警系统，其特征在于，包括：

2.根据权利要求1所述的一种基于司机画像预测公交行车风险的预警系统，其特征在于，所述系统根据如下指标明细进行司机画像生成，包括：

3.根据权利要求2所述的一种基于司机画像预测公交行车风险的预警系统，其特征在于，所述安全码颜色计算原则为：得分在0~50分区间安全码颜色为绿色；得分在50~80分区间安全码颜色为黄色；得分大于80分则安全码颜色为红色。

4.根据权利要求2所述的一种基于司机画像预测公交行车风险的预警系统，其特征在于，所述驾驶习惯赋权评分过程包括：

5.根据权利要求4所述的一种基于司机画像预测公交行车风险的预警系统，其特征在于，所述疲劳驾驶标准如下：

6.根据权利要求2所述的一种基于司机画像预测公交行车风险的预警系统，其特征在于，所述司机通过应用层的小程序进行学习加分；通过学习安全驾驶知识消除司机的风险分，调整风险状态。

技术总结
本发明公开了一种基于司机画像预测公交行车风险的预警系统；通过系统中的数据储存层和采集层中储存关于司机的各种数据和学习情况，采集了公交车驾驶员大量的驾驶习惯和历史驾驶数据，从静态和动态等各个方面分析司机的驾驶风险，对司机进行司机画像打分，分红黄绿三档管控，提前介入管理，规避风险；司机通过学习安全驾驶知识消除自己的风险分，调整风险状态，达到司机自我管理的闭环流程，提高司机的安全驾驶意识。

技术研发人员：刘星,许佳俊,姚嘉立,裘欢,金洪杰
受保护的技术使用者：杭州金通科技集团股份有限公司
技术研发日：
技术公布日：2024/1/13