[发明专利]一种驾驶员伤情等级预测算法

说明书

本发明公开了一种驾驶员伤情等级预测算法，采集驾驶员的伤情等级和影响因素数据，形成训练样本数据集；将训练样本数据集分为学习数据和待测数据，并对学习数据和待测数据进行离散处理，得到规范化的学习数据和待测数据；根据规范化的学习数据建立驾驶员伤情等级的朴素贝叶斯网络结构图；通过仿真软件对规范化的学习数据进行计算，得出不同伤情等级下各个影响因素的条件概率和不同伤情等级下的先验概率，从而构建基于朴素贝叶斯模型的驾驶员伤情预测算法；将规范化的待测数据输入所构建的基于朴素贝叶斯模型的驾驶员伤情预测算法，对预测的结果进行验证，能够提供一种更简单有效的数据处理方法，提高预测算法的准确率。

技术领域

本发明属于交通安全救援技术领域，尤其涉及一种驾驶员伤情等级预测算法。

背景技术

随着中国汽车保有量地增加，如何预测汽车发生碰撞时车内驾驶员的伤情等级开始变得越来越重要，所以有必要对驾驶员伤害预测算法展开研究。目前国外提出了一整套完整的驾驶员伤情预测系统称为先进的车辆事故自动呼救系统。

先进的车辆事故自动呼救(Advanced Automatic Crash Notification,AACN)系统在车辆发生碰撞时，能够提供事故现场的精准位置并能预测车内驾驶员的伤害严重程度，然后由车载记录器记录相关数据。若驾驶员伤害严重，则AACN对外呼救并将驾驶员的伤害数据发送至医疗中心，医疗中心根据驾驶员伤害数据制定相应的治疗方案，从而保障驾驶员的安全。若驾驶员伤害程度较低，则AACN不对外进行呼救，从而减少医疗资源的浪费。

目前针对AACN系统中驾驶员伤害预测的方法研究主要是以Logistic回归模型为主，研究方向主要是基于不同样本，选取不同的影响因素和伤害风险评价标准来提高伤情预测的精度。但是Logistic回归模型算法较为复杂，并且基于不同样本得到的模型差异较大，通用性不高。综上所述，目前对驾驶员伤害预测的算法较为复杂且操作较难。

发明内容

本发明根据现有技术的不足与缺陷，提出了一种驾驶员伤情等级预测算法，目的在于提供一种较为简单的、更易操作、准确率较高的预测算法。

本发明所采用的技术方案为：

一种驾驶员伤情等级预测算法，包括以下步骤：

采集驾驶员的伤情等级和影响因素数据，形成训练样本数据集；

将训练样本数据集分为学习数据和待测数据，并对学习数据和待测数据进行离散处理，得到规范化的学习数据和待测数据；

根据规范化的学习数据建立驾驶员伤情等级的朴素贝叶斯网络结构图；

通过仿真软件对规范化的学习数据进行计算，得出不同伤情等级下各个影响因素的条件概率和不同伤情等级下的先验概率，从而构建基于朴素贝叶斯模型的驾驶员伤情预测算法；

将规范化的待测数据输入所构建的基于朴素贝叶斯模型的驾驶员伤情预测算法，对预测的结果进行验证。

进一步，所述驾驶员的伤情等级根据否达到MAIS3+(Maximum AbbreviatedInjury Scale严重损伤)作为评价指标；所述影响因素包括车辆速度变化量、碰撞方向、驾驶员年龄、驾驶员是否系安全带、驾驶员侧安全气囊是否打开、驾驶员性别、是否喝酒、开车情绪以及视力等因素；

进一步，所述离散化处理的过程为：

将训练样本数据集中的影响因素进行分段，所述影响因素表示为A_i，i＝1，...，n，n为影响因素的个数，对每个影响因素A_i进行划分，分好区间段，然后将每个影响因素的数据对应所划分的区间段记录在表格中，实现离散化处理。

进一步，根据伤情等级的分类与各个影响因素之间的关系，建立各个影响因素与伤情等级的朴素贝叶斯网络结构图，更加直观地反应驾驶员伤情等级与各个影响因素之间的关系。