[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

说明书

一种基于驾驶行为画像的驾驶风险因子量化方法。首先对车辆传感器采集到的原始数据进行预处理；其次，对预处理后的车辆传感器数据，使用聚类算法对采样时间间隔、采样时间连续时长进行选择；再次，对聚类得到的数据进行驾驶行为变量的选择、各行为的特征提取等，并提取能量特征；最后，针对上述提取的众多特征，结合Sigmoid函数建立驾驶风险因子量化体系。本发明解决了驾驶风险量化困难的问题，基于车载传感器设备接收到的数据对驾驶员的驾驶行为进行量化，能够帮助驾驶员改善驾驶行为、企业判断良莠司机并辅助车险公司识别风险以进行车险保费差异化定价。

技术领域

本发明属于驾驶安全领域，具体涉及驾驶风险量化的数据分析技术。

背景技术

随着我国进入互联网+时代，移动互联网已经渗透到生活中各个领域。车联网技术也随着互联网和信息技术的变革而迅速发展，使得汽车大数据分析领域的价值日渐显著。其中为了保障出行安全，根据车联网数据对驾驶风险因子进行量化，成为一项重要的技术。

驾驶风险因子量化技术是指，基于大数据分析技术，对车载终端设备及移动设备采集接入的数据进行处理与分析，其核心是挖掘车主驾驶行为数据，量化驾驶员行车过程中的各项行为，从多个维度对驾驶风险因子进行分析，从而能帮助驾驶员改善驾驶行为、帮助企业判断良莠司机并识别风险以及辅助车险公司进行车险保费差异化定价。

定量描述驾驶员的驾驶行为较为困难，因此现有方案中还没有基于驾驶行为画像对驾驶员风险进行实时评价的技术方案。

发明内容

为了解决背景技术中驾驶风险量化困难的问题的问题，本发明提供一种基于驾驶行为画像的驾驶风险因子量化方法。

本发明解决其技术问题所采用的技术方案是：一种基于驾驶行为画像的驾驶风险因子量化方法，其主要包括以下步骤：

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产生时间进行聚类，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；

步骤(4)建立Sign序列：

Sign_k＝sign(y_k+1-y_k)

将该序列的游程个数作为换频特征fre_k；

步骤(5)根据所述换频特征fre_k提取能量特征

步骤(6)对所有特征值进行标准化，结合sigmoid函数建立驾驶风险因子量化体系。

进一步的，所述步骤(1)中对车辆传感器采集到的原始数据进行预处理具体包括：

(1.1)去除重复数据：由于数据传输、存储中可能会出现问题，会导致重复数据的录入，因此需要对其进行删除。

(1.2)缺失值和异常值处理：仪器故障、运行环境等原因经常会导致数据存在缺失，为了降低由于这些情况所导致的计算误差，当存在少量缺失值时，采用拉格朗日插值；当缺失值过多，则应删除本次记录。将数值位于实际界限以外的数据视为异常，将其替换为缺失值，并按处理缺失值方法进行处理。

进一步的，所述步骤(2)中，对预处理后的车辆传感器数据进行筛选，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：

(2.1)依时间进行数据聚类：基于DBSCAN聚类算法，依据预处理后的车辆传感器数据的记录时间进行聚类，得到多个信息密集段。