[发明专利]基于车联网的驾驶行为评价方法、系统及存储介质

权利要求书

1.一种基于车联网的驾驶行为评价方法，其特征在于：包括车联网数据库，所述车联网数据库包括驾驶习惯数据、充电习惯数据和安全性相关数据、能耗相关数据，其方法包括以下步骤：

步骤1.从车联网数据库中提取用户行为数据，包含驾驶习惯数据、充电习惯数据、安全性相关数据、能耗相关数据，将提取的用户行为数据构建各分析维度的特征变量集，基于特征变量集构建各纬度的样本集；

步骤2.使用逐步回归对特征变量进行反复筛选，直到筛选出显著性最优的解释变量；

步骤3.对特征变量通过变量分箱，再对特征变量进行WOE转换完成自变量构造，使用逻辑回归模型进行训练，得到训练后的模型，输出模型的变量参数；

步骤4.根据评分卡转换方法，输出驾驶习惯、充电习惯、安全性以及能耗这四个维度变量的分值，分值越高，表示驾驶行为越好；

步骤5.将四个维度变量得分进行加权计算，得到最终的驾驶行为得分，并进行等级转化，输出驾驶行为评级。

2.根据权利要求1所述的基于车联网的驾驶行为评价方法，其特征在于：所述步骤1中，基于提取的用户行为数据构建各分析维度的数据集特征变量集，即输出驾驶习惯特征变量集、充电习惯特征变量集、安全性相关特征变量集和能耗相关特征变量集；

基于数据集特征变量集构建各维度的样本集，即构建出驾驶习惯模型样本集、充电习惯模型样本集、安全模型样本集和能耗模型样本集。

3.根据权利要求2所述的基于车联网的驾驶行为评价方法，其特征在于：所述逻辑回归模型的参数形式为：

其中：z＝θ₀+θ₁x₁+θ₂x₂+...+θ_nx_n＝θ^Tx；

根据以上公式对参数θ进行估计，θ表示h_θ(x)结果取1的概率，因此对于输入x分类结果为类别1和类别0的概率分别为：

P(y|x；θ)＝(h_θ(x))^y*(1-h_θ(x))^1-y；

P(y＝0|x；θ)＝1-h_θ(x)；

其中：x_n代表特征变量，n是变量个数。

4.根据权利要求3所述的基于车联网的驾驶行为评价方法，其特征在于：所述步骤4中，计算每个维度变量分值的公式如下：

score_总＝A+B*(θ^Tx)＝A+B(ω₀+ω₁x₁+…+ω_ix_i)

＝(A+B*ω₀)+B*ω₁x₁+…+B*ω_ix_i

其中：score_总代表每个维度分值，A和B代表常数，x_i代表特征分箱后的变量，ω_i代表每个变量的权重，i是特征分箱后的变量个数。

5.根据权利要求4所述的基于车联网的驾驶行为评价方法，其特征在于：所述步骤5具体为：

将驾驶习惯得分、充电习惯得分、安全性得分、能耗得分分别按照权重为α：β：γ：σ计算总驾驶行为得分，并将分数分为m个等级，输出该总驾驶行为得分所对应的驾驶行为评级。

6.一种基于车联网的驾驶行为评价系统，其特征在于：包括处理器和存储器；

所述存储器上存储有能被所述处理器执行的计算机可读程序；

所述处理器执行所述计算机可读程序时能实现如权利要求1至5任意一项所述的基于车联网的驾驶行为评价方法的步骤。

7.一种存储介质，其特征在于：所述存储介质存储有一个或者多个计算机可读程序，所述一个或者多个计算机可读程序能被一个或者多个处理器执行，以实现如权利要求1至5任意一项所述的基于车联网的驾驶行为评价方法的步骤。