[发明专利]一种基于历史里程的车辆风险判断方法和装置

权利要求书

1.一种基于历史里程的车辆风险判断方法，其特征在于：对于车联网数据库中的数据，预先建立n个里程统计条件，判断步骤如下:

1)将所有有事故记录的车辆在事故发生时间前M个月内的历史里程数据进行统计，构建以里程统计条件为列、事故车辆为行的事故里程矩阵m_ij，i＝1,2,...,L为不同车辆，j＝1,2,...,n为不同里程统计条件，L＞n+1；将所有在M个月内无事故记录的车辆的历史里程数据进行统计，构建以里程统计条件为列、无事故车辆为行的普通里程矩阵m'_ij，i＝1,2,...,K为不同车辆，j＝1,2,...,n为不同里程统计条件，K＞n+1；

2)将事故里程矩阵和普通里程矩阵分别进行归一化处理得到归一化的事故里程矩阵a_ij，i＝1,2,...,L为不同车辆，j＝1,2,...,n为不同里程统计条件，L＞n+1，及归一化的普通里程矩阵c_ij，i＝1,2,...,K为不同车辆，j＝1,2,...,n为不同里程统计条件，K＞n+1；

3)建立由线性方程构成的回归模型：其中j＝1,2,...,n，β₀,β₁,β₂,…,β_n为n+1个风险系数值，g为风险概率，概率值介于0-1之间，0表示肯定不发生事故，1表示肯定发生事故；

4)将归一化的事故里程矩阵a_ij中的每一行带入并设定g＝1，构成一个事故线性方程组；将归一化的普通里程矩阵c_ij中的每一行带入并设定g＝0，构成一个普通线性方程组；将事故线性方程组和普通线性方程组合并得到如下训练方程组：

而后，求解该训练方程组，得到风险系数值β₀,β₁,β₂,…,β_n；

5)对于任意一辆车E，根据n个里程统计条件分别计算该车在最近M个月内的行驶里程矩阵m_j，j＝1,2,...,n，将该行驶里程矩阵m_j进行归一化，得到归一化的行驶里程矩阵e_j，j＝1,2,...,n；

6)根据步骤4)的风险系数值，计算得到该车E的事故风险概率：

g'＝β₀+β₁e₁+β₂e₂+…+β_ne_n。

2.如权利要求1所述的一种基于历史里程的车辆风险判断方法，其特征在于:在步骤2)中，所述的将事故里程矩阵m_ij进行归一化处理，具体为：

将事故里程矩阵m_ij的每一行数据进行累加，得到行累加里程值D_i，将事故里程矩阵m_ij的每一行数据除以对应的D_i，从而得到所述归一化事故里程矩阵

3.如权利要求1所述的一种基于历史里程的车辆风险判断方法，其特征在于：在步骤2)中，将普通里程矩阵分别进行归一化处理，具体为：将普通里程矩阵m'_ij的每一行数据进行累加，得到行累加里程值D_i＇，将普通里程矩阵m'_ij的每一行数据除以对应的D_i＇，从而得到所述归一化普通里程矩阵

4.如权利要求1所述的一种基于历史里程的车辆风险判断方法，其特征在于：所述里程统计条件包括车辆在不同速度区间或不同星期日期或一天内的不同时段或不同区域道路的里程。

5.如权利要求要求1所述的一种基于历史里程的车辆风险判断方法，其特征在于：在步骤5)中，将行驶里程矩阵m_j进行归一化，是指：将行驶里程矩阵m_j的每个数据进行累加得到再将行驶里程矩阵m_j中每个数据除以D得到所述归一化的行驶里程矩阵