[发明专利]一种基于行车数据计算驾驶行为相似度的方法及应用

权利要求书

1.一种基于行车数据计算驾驶行为相似度的方法，其特征在于，包括如下步骤：

获取车辆的原始数据并对其进行处理以提取计算驾驶员驾驶行为相似度的特征项；

通过驾驶行为相似度计算算法根据特征项建立车辆所有的常规驾驶员的驾驶行为相似度计算模型；

对建立的模型进行训练验证，得到训练好的车辆所有的常规驾驶员的驾驶行为相似度计算模型；

实时获取车辆在行驶过程中的驾驶行为数据，并提取计算当前驾驶员驾驶行为相似度的特征项；

将特征项输入训练好的驾驶行为相似度计算模型中，得到当前驾驶员与车辆所有的常规驾驶员的驾驶行为相似度。

2.根据权利要求1所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，提取计算驾驶员驾驶行为相似度的特征项具体包括：

获取车辆的原始数据，并对原始数据进行行程划分；

实时对每个行程的原始数据进行清洗处理得到每个行程的基础指标项，实时统计每个行程的基础指标项并引导车主对每个行程进行标记；

对统计的基础指标项进行处理并提取计算驾驶员驾驶行为相似度的特征项。

3.根据权利要求2所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，每个行程的原始数据进行清洗处理具体包括：

判断每个行程的原始数据中的异常数据类型；

当异常数据为数据缺失时，判断所缺失的数据是否为关键数据项，若是，则丢弃，否则，对其进行推测恢复；

当异常数据为数据值异常时，对其进行推测恢复；

当异常数据为数据重复时，对其进行去重处理。

4.根据权利要求3所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，对异常数据进行推测恢复的方法包括上下文补全法、平均值填充法或者特殊值填充法。

5.根据权利要求2所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，对统计的基础指标项进行处理并提取计算驾驶员驾驶行为相似度的特征项具体包括：

通过Spark对统计的基础指标项进行处理；

提取大于一定预设距离的单次行程中的统计量作为特征项。

6.根据权利要求1所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，建立车辆所有的常规驾驶员的驾驶行为相似度计算模型具体包括：

确定驾驶行为相似度计算算法为逻辑回归函数；

通过逻辑回归函数根据特征项建立车辆所有的常规驾驶员的驾驶行为相似度计算模型。

7.根据权利要求6所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，对建立的模型进行训练验证具体包括：

构造损失函数并对其进行优化；

通过优化的损失函数对建立的模型进行训练；

使用Spark mllib将所训练的模型采用十折交叉验证法进行验证；

根据验证结果分析模型的正确率、精度和召回率，根据模型的正确率、精度和召回率确定最优的常规驾驶员的驾驶行为相似度计算模型。

8.根据权利要求1所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，当前驾驶员与车辆所有的常规驾驶员的驾驶行为相似度的获取具体包括：

假设当前驾驶员的驾驶行为为正例，将当前驾驶员驾驶行为相似度的特征项输入所有训练好的驾驶行为相似度计算模型中，将计算出的当前驾驶员的驾驶行为为正例的概率值映射为当前驾驶员与车辆所有的常规驾驶员的驾驶行为相似度值。

9.根据权利要求1所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，还包括：

根据新增的车主所标记的行程对训练好的车辆所有的常规驾驶员的驾驶行为相似度计算模型进行优化。

10.根据权利要求1所述的基于行车数据计算驾驶行为相似度的方法，其特征在于，所述特征项包括：每公里踩油门次数、每公里踩刹车次数、油门踏板平均深度、刹车踏板平均深度、方向盘平均转速、平均车速、急加速指数、急减速指数和急转弯指数。

11.一种权利要求1-10任一项所述的基于行车数据计算驾驶行为相似度的方法应用，其特征在于，适用于判断用户的账号是否被盗或车辆是否被盗。