[发明专利]一种基于多驾驶人风险评价的不良驾驶行为主动干预方法

权利要求书

1.一种基于多驾驶人风险评价的不良驾驶行为主动干预方法，其特征在于：包括以下步骤：

(1)数据采集：采集场景中多驾驶人的行车数据，为每个驾驶人建立数据档案；

(2)数据清洗与整理：以滑动时间窗方式抽取数据档案，判断时间窗内车辆是否定位成功；确定车辆行驶路段及各路段限速，将限速恒定不变且连续定位成功的路段作为基本路段；对各类驾驶行为设定阈值，定义并辨识驾驶人的各类不良驾驶行为，每类不良驾驶行为超出设定阈值的部分为该类不良驾驶行为的幅值；

(3)不良驾驶行为风险计算：利用聚类分析方法对各不良驾驶行为的所有幅值进行聚类，考虑所有单位时间，采用面积法，根据每类不良驾驶行为所对应阈值的不同分别进行幅值累加，通过构建关系型事故风险变量，量化各类不良驾驶行为的单位距离风险；

(4)不良驾驶行为综合评价模型建立：借鉴数据包络分析思想，以驾驶人各类不良驾驶行为的单位距离风险及其权重作为模型输入，以被评价驾驶人相对于其他驾驶人的不良驾驶行为基本得分最低为目标函数，构建基于可变权重的不良驾驶行为综合评价模型，计算不良驾驶行为基本得分，得到基于个体的各类不良驾驶行为权重分配；

(5)不良驾驶行为综合得分计算：为实现所有驾驶人的量化排序，利用交叉指数法，考虑所有驾驶人的不良驾驶行为权重分配，计算各个驾驶人的不良驾驶行为综合得分；

(6)不良驾驶行为主动干预：根据不良驾驶行为综合得分，找到时间窗内的多个风险驾驶人，并进行风险等级分类；针对不同风险等级的驾驶人，分析其所存在的不良驾驶行为，实时生成主动干预策略。

2.根据权利要求书1所述的一种基于多驾驶人风险评价的不良驾驶行为主动干预方法，其特征在于：所述步骤(1)中借助车载终端系统采集场景中多驾驶人的行车数据，为每个驾驶人建立数据档案，数据档案上传至驾驶行为数据云平台。

3.根据权利要求书1所述的一种基于多驾驶人风险评价的不良驾驶行为主动干预方法，其特征在于：所述步骤(1)中所述行车数据包括卫星数、时间、纬度、经度、速度、加速度、减速度。

4.根据权利要求书1所述的一种基于多驾驶人风险评价的不良驾驶行为主动干预方法，其特征在于：所述步骤(2)中，基于python将行车数据中WGS84坐标系下的经纬度转换为地图软件坐标系下的经纬度，利用地图软件API还原车辆行驶轨迹，确定各路段限速，以限速固定不变且连续定位成功的路段为基本路段，将车辆行驶轨迹分割为多个路段，并分别计算得到各路段的距离。

5.根据权利要求书4所述的一种基于多驾驶人风险评价的不良驾驶行为主动干预方法，其特征在于：将每隔0.1s记录的位置按时间顺序连接，基于折线长度的叠加计算各路段的距离。

6.根据权利要求书1所述的一种基于多驾驶人风险评价的不良驾驶行为主动干预方法，其特征在于：所述步骤(2)中，分别对车速、加速和减速设定阈值，将车速超过设定阈值、加速超过设定阈值以及减速超过设定阈值的三类驾驶行为定义为不良驾驶行为。

7.根据权利要求书1所述的一种基于多驾驶人风险评价的不良驾驶行为主动干预方法，其特征在于：所述步骤(3)的具体步骤为：

(31)利用聚类分析方法对各不良驾驶行为的所有幅值进行聚类，每一聚类分配一个严重性权重W_ij，

其中i表示各种不良驾驶行为，j的取值为1……N，N表示通过聚类所得到的风险等级类别数量；

(32)针对各类不良驾驶行为，根据聚类结果，采用面积法，借助W_ij，在t时刻建立单位时间内超过设定阈值的驾驶行为与其所对应的风险的关联关系，将所有单位时间的各类风险分别累加求和，得到各类不良驾驶行为总风险，并根据出行路段距离计算单位距离风险，其中x^t_ijk为t时刻第k个驾驶人的第i类不良驾驶行为的第j聚类阈值范围的曲线围合面积累加总和，单位距离风险为总风险/路段长度。