[發明專利]一種基于大數據的駕駛風險評估方法

在審

• 申請號: 201611128303.7
• 申請日: 2016-12-09
• 公開（公告）號: CN106651162A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 陳悅粵;趙小華;吳鵬;段宗濤;康軍
• 申請（專利權）人: 思建科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 北京奧翔領智專利代理有限公司11518
• 代理人: 路遠

技術領域

本發明涉及駕駛安全技術領域，尤其涉及一種基于大數據的駕駛風險評估方法。

背景技術

隨著車輛保有量持續提高，交通事故頻發，利用大數據準確預測駕駛風險非常必要。然而，現有的駕駛風險預警技術還有以下缺陷：

1)未考慮或不能準確判斷天氣狀況因素；

2)未考慮或不能準確判斷道路狀況因素；

3)對缺少路側單元RSU的路段無法進行大數據風險分析，而現實中大量高風險路段都未安裝路側單元RSU；

4)對于駕駛員拿駕照時間長但實際開車經驗不足的情況不能有效判斷；

5)無法區別駕駛員所用車輛是否是常開車輛；

6)無法對目標駕駛員以及周邊車輛駕駛員的行為進行預判。

鑒于現有技術的上述缺陷，現有的駕駛風險預警技術還不能準確預測駕駛風險。

發明內容

鑒于現有技術中存在的上述缺陷，本發明所要解決的技術問題是，提供一種基于大數據的駕駛風險評估方法，以解決現有技術不能準確預測駕駛風險的缺陷。本發明是通過如下技術方案來實現的：

一種基于大數據的駕駛風險評估方法，包括：

步驟A：累積預設數量的車輛在預設時長內的駕駛風險評估數據，所述駕駛風險評估數據包括若干風險評估因子，所述若干風險評估因子包括：

車輛的車況數據、車輛駕駛員的駕駛行為數據、車輛所處地點的天氣狀況數據、車輛所處道路的路況數據、車輛的出險數據；

步驟B：對采集的所有車輛在預設時長內的駕駛風險評估數據進行大數據風險分析，得出各風險評估因子與駕駛風險的關系；

步驟C：根據各風險評估因子與駕駛風險的關系生成駕駛風險評估模型；

步驟D：實時采集目標車輛的駕駛風險評估數據，并將目標車輛的駕駛風險評估數據輸入所述駕駛風險評估模型；

步驟E：利用所述駕駛風險評估模型對所述目標車輛的駕駛風險評估數據進行評估，得出目標車輛實時的駕駛風險數據。

進一步地，所述步驟B包括：

步驟B1：對采集的各車輛在所述預設時長的車況數據進行大數據風險分析，得出車況與駕駛風險的關系；

步驟B2：對采集的各車輛駕駛員在所述預設時長的駕駛行為數據進行大數據風險分析，得出駕駛行為與駕駛風險的關系；

步驟B3：根據采集的各車輛駕駛員在所述預設時長的駕駛行為數據、各車輛駕駛員的駕駛證獲得時長和各車輛駕駛員的駕駛證對應的出險記錄評估各車輛駕駛員的駕駛經驗數據，并對各車輛駕駛員的駕駛經驗數據進行大數據風險分析，得出駕駛經驗與駕駛風險的關系；

步驟B4：對采集的在所述預設時長內各車輛所處地點的天氣狀況數據進行大數據風險分析，得出天氣狀況數據與駕駛風險的關系；

步驟B5：對采集的在所述預設時長內各車輛所處道路的路況數據進行大數據風險分析，得出路況數據與駕駛風險的關系。

進一步地，車輛所處道路的路況數據的采集方法包括：

對車輛進行定位；

根據對所述車輛的定位從含有路況信息的地圖中提取所述車輛所處道路的路況數據。

進一步地，車輛所處地點的天氣狀況數據的采集方法包括：

根據從氣象部門獲取的所述車輛所處地點的天氣信息和正在所述地點行駛的各車輛對與所述天氣信息相關的功能的使用情況判斷所述車輛所處地點的天氣狀況數據。

進一步地，所述步驟B還包括：

對采集的在所述預設時長內各車輛所處地點的天氣狀況數據和各車輛所處道路的路況數據進行大數據分析，得出天氣狀況對道路的路況的影響關系。

進一步地，所述若干風險評估因子還包括各車輛及其周圍車輛的行駛狀態數據；所述步驟B還包括：

對采集的在所述預設時長內各車輛及其周圍車輛的行駛狀態數據進行大數據分析，得出各車輛的行駛狀態與其周圍車輛的行駛狀態間的相互影響關系。

進一步地，所述步驟B還包括：

對采集的在所述預設時長內各車輛所處地點的天氣狀況數據以及各車輛的行駛狀態數據進行大數據分析，得出車輛所處地點的天氣狀況對車輛行駛狀態的影響關系。

進一步地，所述步驟B還包括：

對采集的在所述預設時長內各車輛所處道路的路況數據以及各車輛的行駛狀態數據進行大數據分析，得出車輛所處道路的路況對車輛行駛狀態的影響關系。