[发明专利]一种基于驾驶行为画像的驾驶风险因子量化方法

权利要求书

1.一种基于驾驶行为画像的驾驶风险因子量化方法，其特征在于，包括以下步骤：

步骤(1)对车辆传感器中采集的原始数据进行预处理；

步骤(2)依据各设备中数据的采样时间进行聚类，对所述原始数据进行二次采样；

步骤(3)在二次采样后的数据中选取代表特定驾驶行为的相关变量，设定为风险量化指标y；具体的，所述步骤(3)中的所述风险量化指标y包括量化变量和衍生变量，选择二次采样后数据中的车速、油门踏板位置、方向盘转动方向等特定的驾驶行为相关变量，所述量化变量由原始数据中的相关变量做一阶时间差分计算获得：

衍生变量由所述量化变量获得：，对每个量化变量和衍生变量提取均值、方差、峰值，再以特征值建立序列；

步骤(4)建立序列：

；

将该序列的游程个数作为换频特征；

步骤(5)根据所述换频特征提取能量特征

步骤(6)对所有特征值进行标准化，结合函数建立驾驶风险因子量化体系。

2.根据权利要求1所述的一种基于驾驶行为画像的驾驶风险因子量化方法，其特征在于，所述步骤(1)的预处理包括：对车辆传感器采集到的原始数据进行去重、缺失值和异常值处理。

3.根据权利要求1所述的一种基于驾驶行为画像的驾驶风险因子量化方法，其特征在于：所述步骤(2)中，对预处理后的原始数据使用DBSCAN聚类算法对采样时间间隔、采样时间连续时长进行选择，并根据聚类后的各个信息密集段的时间窗口长度，对较短的信息密集段进行过滤，较长的信息密集段进行拆分。

4.根据权利要求1所述的一种基于驾驶行为画像的驾驶风险因子量化方法，其特征在于：所述特征值还包括均值、方差和极值，所述均值

，

其反映数据的平均分布情况，用来衡量驾驶行为的一般状态；所述方差

，

其反映数据的波动情况，用来衡量驾驶行为的平稳性；所述极值

，

其反映数据点离散程度，用来衡量驾驶行为的极端状态，其中为对应该数据的极大值。

5.根据权利要求1所述的一种基于驾驶行为画像的驾驶风险因子量化方法，其特征在于：根据所述步骤(2)的聚类结果选取多个时间片段数据，分别进行步骤(3)至步骤(5)，消除随机性。

6.根据权利要求1所述的一种基于驾驶行为画像的驾驶风险因子量化方法，其特征在于，所述步骤(6)具体包括：

(6.1)：数据标准化：对每个特征数据进行标准化，消除特征数据间的量纲差异，标准化的公式为：

；

(6.2)：修正函数，将标准化特征值 代入函数中

；

其中，影响驾驶行为评价的离散情况；影响驾驶行为评价分布情况；

(6.3)：获得驾驶行为风险得分：对驾驶员的各个S值求平均，将该指标映射为百分制风险评分：

。