[发明专利]一种基于多源时空数据的网约车出行安全评价方法及系统

说明书

本发明涉及一种基于多源时空数据的网约车出行安全评价方法及系统，本发明方法包括以下步骤：数据采集与预处理、路段划分、地图匹配、多维度安全指数计算；本发明系统包括多源时空数据分析平台、地理服务器、政府终端、企业终端、司机终端和乘客终端。与现有基于身份属性的静态监管系统相比，本发明基于多源时空数据挖掘，多维度地分析各个时间各个路段的道路安全性和各个司机在各个路段的司机安全性，进而更精准地评价网约车出行安全等级，并借助安全指数将网约车出行风险量化，创新了监管体制，是治理体系和治理能力现代化的重要体现，可以提高政府管理效率，实现企业动态监管，规范司机驾驶行为，辅助乘客出行决策。

技术领域

本发明涉及网络预约出租汽车技术领域，尤其是涉及一种基于多源时空数据 的网约车出行安全评价方法及系统。

背景技术

网约车出行安全评价与监管成为当前亟待解决的热点与难点问题。纵观国内外已有的相关技术与方法，大多是基于静态数据的定性研究，缺少基于多源时空数据 的定量化研究。而目前已存在的监管系统大多是由网上申报、资质审核和状态监控 构成，主要是基于身份属性的静态监管系统，缺少基于驾驶行为的动态监管系统。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多源时 空数据的网约车出行安全评价方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种基于多源时空数据的网约车出行安全评价方法，包括以下步骤：

S1：多源时空数据数据采集；

采集并融合网约车轨迹数据、订单数据、道路事故数据、摄像头位置数据、 犯罪及出警数据、城市道路交通指数、道路设施数据、桥梁设施数据、移动通信数 据、基站位置数据、气象数据等多源时空数据。

S2：数据预处理；

基于Hadoop和Spark的大数据分布式并行处理框架，对海量多源时空数据进 行数据清洗(去噪声和无关数据)、数据集成(将多个数据源中的数据结合起来存 放在一个一致的数据存储中)、数据变换(把原始数据转换成为适合数据挖掘的形 式)、数据规约(维度归约，数据压缩，数值归约，离散化)等预处理。

S3：路段划分；

以交叉口为节点对地面道路进行路段划分，以匝道出入口为节点对城市快速 路进行路段划分，将城市道路网离散化并赋予唯一编号。

S4：地图匹配；

基于地理信息系统空间分析将不同类型的多源时空数据(点数据、线数据、 面数据)匹配到上述对应的路段，作为安全指数评价的参考依据。

S5：安全指数计算；

对步骤S4匹配到相应路段的多源时空数据提取安全评价相关的特征参数，并 进行特征参数标准化、基于机器学习的安全指数计算。

安全特征提取：基于上述匹配到路段的多源时空数据计算安全评价相关的特 征参数，具体分为道路安全特征参数(包括：不同路段在不同时段的道路事故参数、 道路拥堵参数、道路设施参数、摄像头参数、人群聚集参数、犯罪参数、天气参数 等)与司机安全特征参数(包括：不同司机在不同路段的平均速度参数、平均加速 度参数、平均刹车数参数、平均偏角参数等)。

特征参数标准化：分别对上述所有参数进行百分位转换，得到标准化的参数， 便于对比分析与模型输入。

基于机器学习的安全指数计算：

(一)利用上述标准化特征参数，采用Naive Bayes模型分别对道路安全等级 和司机安全等级进行分类预测与安全指数计算。

其中，各安全指数计算的具体步骤为：