[发明专利]一种基于综合模型检测驾驶员风险等级的方法

说明书

本发明公开了一种基于综合模型检测驾驶员风险等级的方法，本发明通过采集车辆的速度数据以及驾驶员的不同的报警类型，对驾驶行为进行判断并对驾驶员风险等级进行分类，利用训练好的综合模型对驾驶员风险等级进行识别，再利用识别结果判断驾驶员风险等级。本发明主要服务于运输企业安全管理系统，当识别到驾驶员是高风险等级的驾驶员时，可采取相应的管理培训措施，以提高其安全性。本发明的实用化可以降低因交通事故导致的人员伤亡和财产损失，提高交通系统的整体安全性。

技术领域

本发明属于交通安全领域，具体涉及一种基于综合模型检测驾驶员风险等级的方法。

背景技术

随着国民经济的快速发展和城市化进程的加快，我国机动车拥有量和道路交通量迅速增长，交通事故问题日趋突出。已有研究表明，驾驶员因素是导致交通事故的主要原因，驾驶员的驾驶风险等级不同，对交通事故的贡献也就不同，低风险等级的驾驶员可能引发较少的甚至避免交通事故，而风险等级越高的驾驶员引发的交通事故可能越严重。因此，针对驾驶员风险等级识别方法进行深入研究显得尤为重要。

目前，已有成果主要是针对驾驶员风险等级评估进行研究，针对驾驶员风险等级识别的研究较少，不能满足交通安全管理的要求。

发明内容

本发明的目的在于克服上述不足，提供一种基于综合模型检测驾驶员风险等级的方法，能够根据不同的驾驶行为识别驾驶员风险等级，为降低交通事故的发生提供参考。

为了达到上述目的，本发明包括以下步骤：

步骤一，对驾驶员的速度数据采集，得到驾驶行为序列以及驾驶员风险等级；

步骤二，反复迭代训练综合模型，确定模型各参数，得到综合模型；

步骤三，用训练出来的综合模型检测待识别的驾驶行为序列；

步骤四，将检测结果在预设时间段内统计，得到该驾驶员预设置信度下最终的风险等级判定结果。

步骤一中，根据速度数据计算车辆的加速度数据，加速度数据的计算方法如下：

v_t为t时刻的速度，v_t-1为t-1时刻的速度，Δt为时间间隔，根据车辆的GPS数据获得，a_t为t时段的平均加速度。

步骤一中，确定驾驶行为时，首先根据驾驶员的速度数据对驾驶员的加速信息进行分析，再根据加速信息将驾驶员行为分为若干种，根据车辆内置的报警系统，采集驾驶人的报警次数，通过k-means聚类出驾驶人的风险等级。

步骤一中，建立的综合模型包括：

隐状态数目为N，隐状态集合为Q＝{q₁,q₂,q₃}，分别对应于低风险等级、中风险等级、高风险等级；

观察状态数目M，观察状态集合为V＝{v₁,v₂,…v₅}，分别对应于快减速、慢减速、正常驾驶、慢加速、快加速；

隐状态序列为i₁,i₂,...i_T，观察序列为o₁,o₂,...o_T，T为驾驶行为序列的长度；

输出概率矩阵B，B＝b_j(o_k)＝P(o_t＝v_k|i_t＝q_j)，1≤i≤3，1≤k≤5表示t时刻的隐状态为q_j时产生的观察值为v_k的概率，矩阵B反应了隐状态与观察值之间的关系；