[發明專利]一種使用手機實現基于ADAS的用戶駕駛行為評分方法

有效

• 申請號: 201611014717.7
• 申請日: 2016-11-18
• 公開（公告）號: CN106651133B
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 許恒錦;蘇志鵠;陳新平;褚彭軍;韓春立;何崇中;張文琦
• 申請（專利權）人: 杭州好好開車科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 浙江英普律師事務所 33238
• 代理人: 陳小良

1.一種使用手機實現基于ADAS的用戶駕駛行為評分方法，其特征在于包括步驟如下：

步驟1、在智能手機上安裝APP軟件

其中的APP軟件是指能夠通過智能手機的攝像頭及其他傳感器完成各類ADAS預警數據、“三急”類數據收集工作的軟件；所述“三急”類數據是指用戶駕駛過程中的急加速、急剎車、急轉彎數據；

步驟2、在車輛上固定智能手機

將安裝有APP軟件的智能手機放置于車輛上；

步驟3、通過智能手機收集用戶駕駛行為樣本數據

將用戶在一定期間內的駕駛行為數據通過智能手機進行采集，包括：ADAS預警數據、車輛自身運動數據、駕駛時環境數據；

其中，ADAS預警數據包括：前碰撞預警百公里頻次、車道偏離預警百公里頻次、騎線行駛報警百公里頻次、疲勞駕駛預警百公里頻次、駕車時操作手機時間占比、超速行駛百公里頻次、交通違章百公里頻次；

車輛自身運動數據包括：急加速百公里頻次、急剎車百公里頻次、急轉彎百公里頻次、年化行駛里程數；

駕駛時環境數據包括：城市道路里程占比、熟悉路段里程占比、高危時段駕車時間占比、惡劣天氣駕車時間占比；

步驟4、收集用戶車輛出險樣本數據

收集用戶一定期間發生車險事故數據，如用戶發生車險事故，且用戶為負有責任，則認定該用戶在這期間內“發生事故”，否則為“未出險”；

步驟5、上傳樣本數據到服務器

將采集的用戶的駕駛行為數據及車輛出險樣本數據上傳至服務器；

步驟6、建立樣本數據回歸模型

由步驟5上傳至服務器的樣本數據，建立樣本數據的回歸模型，

步驟3中收集的用戶駕駛行為數據有k種，即用戶駕駛行為用k個解釋變量x₁,x₂,…,x_k描述；步驟3樣本中用戶數量為n，對于第i個用戶，其對應的解釋變量為x_1i,x_2i,…,x_ki；回歸模型中k個解釋變量對應的系數分別為β₁,β₂,…,β_k，另外模型的截距項為β₀；模型的因變量記為y，對于第i個用戶，步驟4中該用戶在一年度內“發生事故”，y_i記為1，“未出險”y_i則記為0；利用貝努利分布假設下的logistic回歸模型為：

其中g()為logistic回歸模型的連接函數，

π_i為第i個用戶的出險概率

為第i個用戶的解釋向量，

β為logistic回歸模型的回歸系數向量，β＝[β₀，β₁，β₂，...，β_k]^T

根據樣本的因變量y，采用迭代加權最小二乘估計或直接用R語言中的gamlss函數確定以上logistic回歸模型的回歸系數向量β，從而可得第i個用戶的出險概率為：

步驟7、收集待評價用戶駕駛行為數據

對于任意一個待評價用戶，執行步驟1至步驟3收集其一段時間內的駕駛行為數據，并按1個年度期間進行標準化，得到解釋向量[1，x₁，x₂，…，x_k]；

步驟8、預計待評價用戶出險概率

根據步驟6確定的logistic回歸模型的回歸系數向量[β₀，β₁，β₂，...，β_k]，及步驟7獲得的待評價用戶的解釋向量[1，x₁，x₂，…，x_k]，可得到該用戶1個年度內的出險概率估計值：

步驟9、待評價用戶駕駛行為評分

根據步驟8獲得的該用戶1個年度內的出險概率估計值確定其駕駛行為評分S為：

由上式確定的用戶駕駛行為評分S和用戶出險概率π之間存在一一對應關系。

2.根據權利要求1所述的一種使用手機實現基于ADAS的用戶駕駛行為評分方法，其特征在于步驟3、步驟4中的一定期間為不少于半年，樣本數據的采集量不少于5000。