[发明专利]判别驾驶行为安全等级的方法及存储介质

说明书

本发明公开了一种判别驾驶行为安全等级的方法及存储介质，包括以下步骤：S1、获取目标车辆在监测时段内的驾驶行为数据；S2、对获取的驾驶行为数据进行归一化；S3、将归一化的数据结果通过聚类方法获取聚类结果；S4、对聚类结果用深度学习模型来对数据集进行训练，最后给出每一条数据为0的概率，然后乘以100，结果即为计算出来的安全驾驶行为分数；S5、根据安全驾驶行为分数给出安全驾驶行为等级。本发明从驾驶行为数据本身去评价优劣，同时引入深度学习模型，使其训练拟合程度更高，训练效果更好，模型结果更能够反映真实情况。

技术领域

本发明属于驾驶行为安全判定技术领域，具体涉及一种判别驾驶行为安全等级的方法及存储介质。

背景技术

车联网是通过车与车、车与人、车与路互联互通实现信息共享，收集车辆、道路和环境的信息，并在信息网络平台上对多源采集的信息进行加工、计算、共享和安全发布，根据不同的功能需求对车辆进行有效地引导与监管，以及提供专业的多媒体与移动互联网应用服务，实现在信息网络平台上对所有车辆的属性信息和静、动态信息进行提取和有效利用,并根据不同的功能需求对所有车辆的运行状态进行有效地监管和提供综合服务。

随着车联网应用的逐步加深，后装OBD(On-Board Diagnostic，车载诊断系统)设备和前装集成设备在汽车上的安装，使越来越多的车辆被纳入了信息全程覆盖的范围。汽车作为一个综合的信息服务终端，一方面源源不断地向远程服务器发送车辆各个子系统的运行数据，另一方面从互联网上获取各式各样的信息，包括新闻资讯、音频、视频、基于位置的服务等。

国内外交通部门所颁布的交通事故造成因素中,因驾驶人所造成的交通事故占70%以上,驾驶行为的安全性关系到个人和他人的出行安全,因此,对驾驶行为安全性展开深入的研究十分必要。

目前，在对驾驶行为做安全评级时，多采用保险数据等作为训练的label值，保险数据因为其他环境和工况因素其实不能界定驾驶行为的好坏。同时因为出险数据相对未出险数据要少很多，容易造成训练样本的不平衡，进而导致模型的输入结果不能反映真实情况。

因此，有必要开发一种判别驾驶行为安全等级的方法及存储介质。

发明内容

本发明的目的是提供一种判别驾驶行为安全等级的方法及存储介质，能可靠反映驾驶真实情况。

本发明所述的一种判别驾驶行为安全等级的方法，包括以下步骤：

S1、获取目标车辆在监测时段内的驾驶行为数据；

S2、对获取的驾驶行为数据进行归一化；

S3、将归一化的数据结果通过聚类方法获取聚类结果；

S4、对聚类结果用深度学习模型来对数据集进行训练，最后给出每一条数据为0的概率，然后乘以100，结果即为计算出来的安全驾驶行为分数；

S5、根据安全驾驶行为分数给出安全驾驶行为等级。

进一步，所述步骤S2中，归一化所用方法为线性函数归一化(Min-Max scaling)。

进一步，所述步骤S3中，聚类方法采用k-means聚类方法。

进一步，所述步骤S4中，深度学习模型为VGG16深度学习模型。

进一步，所述步骤S5中，将安全驾驶行为等级划分为A、B、C、D、E五个档位，其中，分数大于80小于等于100为A档，分数大于60小于等于80为B档，分数大于40小于等于60为C档，分数大于20小于等于40为D档，分数大于0小于等于20为E档。

进一步，所述驾驶行为数据包括目标车辆上各类传感器所采集的定位数据、速度数据、加速度数据和油耗数据中的一种或多种。