[发明专利]互联网+时代下的车辆驾驶行为分析大数据公共服务平台

摘要

一种互联网+时代下的车辆驾驶行为分析大数据公共服务平台，对车辆驾驶行为、汽车行驶风险概率进行分析，其中包括步骤一、通过大数据平台存储汽车一段时间内的行驶数据并采用MapReduce框架对这些数据进行处理和分析，步骤二、基于大数据平台下对数据进行处理过后统计出某个区域和时间段内汽车非正常驾驶次数，包括超速、超载、急加速急减速、疲劳驾驶、夜间行驶，步骤三、对非正常驾驶行为统计后，利用自组织映射神经网络算法计算车辆风险概率，并对后续车辆行驶风险进行预测。本发明通过采集车辆的北斗/GPS导航数据，利用大数据平台对采集的数据进行预处理，在对数据进一步数据挖掘，可以分析和判断驾驶者的驾驶行为。

主权项

1.一种互联网+时代下的车辆驾驶行为分析大数据公共服务平台，其特征在于：对车辆驾驶行为、汽车行驶风险概率进行分析，其中包括以下步骤：/n步骤一、通过大数据平台存储汽车一段时间内的行驶数据并采用MapReduce框架对这些数据进行处理和分析，/n步骤二、基于大数据平台下对数据进行处理过后统计出某个区域和时间段内汽车非正常驾驶次数，包括超速、超载、急加速急减速、疲劳驾驶、夜间行驶，/n步骤三、对非正常驾驶行为统计后，利用自组织映射神经网络算法计算车辆风险概率，并对后续车辆行驶风险进行预测；/n对汽车驾驶数据进行处理分析,其中包括，第一步建立数据存储层，基于Hadoop分布式文件系统存储方案和基于Hadoop分布式文件系统+分布式面向列开源数据库技术存储方案；第二步建立数据处理层，在数据处理层中采用大规模并行计算框架来处理原始数据，第三步建立数据分析层，对数据进一步分析、建模和挖掘，第四步建立数据可视化，第五步建立安全层，为大数据平台提供安全保护系统，对外提供统一的服务接口，用户通过统一数据访问接口或统一门户页面来访问大数据服务平台；/n利用隐马尔科夫算法找到车辆行驶的路网路段，并通过地图数据找到汽车行驶的路段信息，最后将定位数据中行驶速度输入时空限速模型中，最终得出车辆是否超速的判断；/n利用大数据平台实现支持向量机的算法，其中包括，第一步、将原始数据进行标准化消除量纲的影响；第二步、通过原始数据中时间、速度和里程计算平均速度、平均加速度和启动加速度，并作为训练样本；第三步、将大量的训练样本上传到Hadoop分布式文件系统中并做分块，每个节点启动Hadoop分布式处理平台的Map任务对块中数据进行序列最小优化训练算出每个块数据的支持向量，最后将各个节点训练处的支持向量输入到Hadoop分布式处理平台的Reduce任务中交于SMO算法训练得到最终的支持向量；第四步、利用第三步中的支持向量得到分类器，并利用分类器对车辆是否超载进行判别；/n建立大数据平台下线性回归模型，其中包括，第一步、利用大数据平台找到该路段内所有汽车行驶的数据，并计算出相邻两个数据之间速度差值；第二步、利用统计线性回归算法得到某段道路上汽车以某个起始车速v_o和行驶至下一时刻车速变化量Δv为输入，以汽车在该段时间内行驶距离S为输出，并统计该路段内所有行驶汽车的数据，第三步、计算回归方程，得到该路段内汽车速度变化量和行驶距离的模型S＝f(Δv,v_o)，最后利用该方程判别该汽车发生急加速和急减速的概率，判断规则为第i量汽车的距离与模型距离误差e＝||S-Sⁱ||越大则说明汽车发生急加速和急减速概率越大，越小则说明概率越低；/n所述的计算车辆风险概率的步骤中包括，第一步度量风险概率，第二步建立风险概率模型，首先对历史数据进行预处理，包括对数据进行聚类得到l个簇即C_n＝{I₁,I₂.....I_l}其中I_i是其中的一个簇，然后针对聚类结果构造预测模型包括求簇的平均风险概率和特征向量与平均向量的相似系数，接着对风险概率进行预测。/n