[发明专利]一种基于驾驶指纹的驾驶行为安全评价方法

权利要求书

1.一种基于驾驶指纹的驾驶行为安全评价方法，其特征在于，该方法包括以下步骤：

S1、通过设置在车辆上的传感器采集驾驶行为数据，包括驾驶操作数据和车辆运行状态数据；

S2、根据驾驶行为数据计算表征个体差异化驾驶行为的特征指标，包括统计特征、形态特征和频率特征；

S3、选取一定时长且连续的历史驾驶行为数据作为训练集，将特征指标输入机器学习分类器进行训练，通过机器学习分类器筛选出驾驶风格突变数据，并通过统计方法计算得到驾驶员在正常驾驶状态下各特征指标的分布特征和变化特点，作为驾驶指纹，驾驶指纹包括多个参数；

S4、将待评价的驾驶行为数据作为测试集，比较测试集中驾驶行为数据与该驾驶员在正常驾驶状态下的驾驶行为数据的驾驶指纹之间的差异程度，并利用量化的差异指标表征差异程度；

S5、通过灵敏度分析或重要度分析的方法，计算步骤S3得到的驾驶指纹中各参数对驾驶安全的重要度权重；

S6、结合步骤S4得到的驾驶指纹间的差异程度，以及步骤S5得到的驾驶指纹各参数的重要度权重，通过主成分分析方法计算上述差异程度的参数，并通过得到的因子得分对驾驶行为的安全性进行综合评价。

2.根据权利要求1所述的基于驾驶指纹的驾驶行为安全评价方法，其特征在于，步骤S2中还包括对驾驶行为数据进行预处理的方法：

预处理方法包括统一采样频率和小波降噪，去除因驾驶员短时间驾驶风格变化对学习其正常驾驶状态的过程造成的干扰。

3.根据权利要求1所述的基于驾驶指纹的驾驶行为安全评价方法，其特征在于，步骤S2中还包括：通过问卷调查的方法对获取的特征指标进行筛选，并保留与驾驶安全关联度高的特征指标。

4.根据权利要求1所述的基于驾驶指纹的驾驶行为安全评价方法，其特征在于，步骤S3中驾驶指纹包括的多个参数为：

统计特征包括：最小值，最大值，中位数，峰度，偏度；

形态特征包括：数据集中趋势、离中趋势、分布形态；

集中趋势分析包括：平均数、中数及众数的统计指标，表示该数据的集中趋势；

离中趋势分析包括：全距、四分差、平均差、方差、标准差的统计指标，研究数据的离散程度；

四分差Q_d：是上四分位数QU与下四分位数QL的差的平均值，其计算公式为：

Q_d＝(QU-QL)/2

四分位差反映了中间50％数据的离散程度，其数值越小，说明中间的数据越集中；其数值越大，说明中间的数据越分散。

5.根据权利要求1所述的基于驾驶指纹的驾驶行为安全评价方法，其特征在于，步骤S3中的机器学习分类器包括人工神经网络、支持向量机和随机森林。

6.根据权利要求1所述的基于驾驶指纹的驾驶行为安全评价方法，其特征在于，步骤S2中计算表征个体差异化驾驶行为的特征指标的方法具体为：

采集历史驾驶行为数据，包括驾驶操作数据和车辆运行状态数据；利用二次插值或抽取的方法统一各参数采样频率，再通过小波降噪对数据进行过滤；通过计算获取各参数的形态特征和统计特征作为个体差异化驾驶行为表征指标。

7.根据权利要求1所述的基于驾驶指纹的驾驶行为安全评价方法，其特征在于，步骤S6得到的综合评价结果包括：根据得到的因子按照不同的阈值划分等级，通过不同等级直观的判断驾驶人的驾驶安全程度。