[發明專利]一種基于ADAS技術及回歸模型的用戶駕駛行為評分方法

有效

• 申請號: 201611014786.8
• 申請日: 2016-11-18
• 公開（公告）號: CN107038860B
• 公開（公告）日: 2019-07-23
• 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: G08G1/01
• 分類號: G08G1/01
• 代理公司: 浙江英普律師事務所 33238
• 代理人: 陳小良

本發明涉及一種智能數據分析的方法，具體涉及一種基于ADAS技術及回歸模型的用戶駕駛行為評分方法。本發明是通過采集各類ADAS預警數據，并基于回歸模型結果確定影響駕駛安全各因子的權重系數，實現對用戶駕駛行為的準確評分。本發明的優點是用戶駕駛行為評分與用戶的出險概率之間存在嚴格對應關系，可準確量化、識別用戶駕駛風險。本發明可為保險機構充分評估駕駛人員的駕車習慣作充分的了解，同時也為保障出車安全提供有效的參考。

技術領域

本發明涉及一種智能數據分析的方法，具體涉及一種基于ADAS技術及回歸模型的用戶駕駛行為評分方法。

背景技術

現有的用戶駕駛行為評分方法使用OBD(On-Board Diagnostic)或智能手機收集的數據，判斷用戶駕駛過程中的急加速、急剎車、急轉彎等駕駛行為，通過分別計算每種駕駛行為的得分及賦予各種駕駛行為一定的權重，得到用戶駕駛行為最終得分；現有方法存在兩個方面的局限性：一是使用的數據主要是車輛自身運動數據，沒有考慮與外部環境之間的相關數據，難以全面反映用戶駕駛行為；二是各種駕駛行為權重的確定存在很大主觀性，導致難以準確量化用戶駕駛行為的危險程度，用戶駕駛行為最終得分與用戶將來的出險情況之間的對應關系模糊。

發明內容

本發明的目的是為了解決現有的用戶駕駛行為評分方法使用的數據維度不足、以及用戶駕駛行為最終得分與用戶將來的出險情況之間對應關系模糊的問題，通過引入與事故直接相關的各類ADAS預警數據，并基于回歸模型結果確定影響駕駛安全各因子的權重系數，實現對用戶駕駛行為的準確評分。

本發明通過下述技術方案得以實現的：

一種基于ADAS技術及回歸模型的用戶駕駛行為評分方法，其特征在于包括下述步驟：

步驟1、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；隨著模型的建立，對于數據種類的需求也會相應發生變化，但這些都是需要通過傳感器等進行采集；

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；ADAS預警數據可通過杭州好好好開車科技有限公司的ADAS車載終端“那狗”獲得，或通過類似的ADAS功能模塊獲得。

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；車輛自身運動數據可通過加速度計、陀螺儀、磁力計、GPS模塊(GlobalPositioning System，全球定位系統)、OBD(On-Board Diagnostic，車載診斷系統)等獲得。

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；駕駛時環境數據可通過車輛自身運動數據結合地圖數據、天氣數據等獲得。

步驟2、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”；用戶發生車險事故，可以根據交通事故責任認定用戶負有責任，通過技術判定也可以。

步驟3、建立樣本數據回歸模型

由步驟1、步驟2收集的樣本數據，建立樣本數據的回歸模型，模型可選用貝努利分布假設下的回歸模型，也可根據樣本數據的組織形式，用其他二分類因變量的回歸模型；