[發明專利]駕駛風險評估方法、裝置、設備及存儲介質

在審

• 申請號: 201911233101.2
• 申請日: 2019-12-05
• 公開（公告）號: CN110968839A
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 于忠華;鄒家偉;代小朋;郭學提
• 申請（專利權）人: 深圳鼎然信息科技有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N20/00;G06N3/04
• 代理公司: 成都恪睿信專利代理事務所(普通合伙) 51303
• 代理人: 陳興強

1.一種駕駛風險評估方法，其特征在于，所述方法包括：

步驟S1：采集預設數量車輛中每一所述車輛在第一設定時長內的駕駛數據；

步驟S2：針對所述預設數量車輛中的一車輛，向已建立的一個或多個風險評估模型中均輸入該車輛的所述駕駛數據，從而利用所述一個或多個風險評估模型分別對該車輛的所述駕駛數據進行分析，獲取各所述風險評估模型輸出的能夠表示該車輛駕駛風險的風險評估數據；

步驟S3：針對所述一個或多個風險評估模型中的一所述風險評估模型，利用該風險評估模型輸出的各所述風險評估數據，對該風險評估模型的準確性進行評估，獲取準確性評估結果；

步驟S4：根據一個或多個所述準確性評估結果，確立對車輛的駕駛風險進行評估的駕駛風險評估模型。

2.根據權利要求1所述的駕駛風險評估方法，其特征在于，步驟S2包括：

步驟S201：針對所述預設數量車輛中的一所述車輛，對該車輛的所述駕駛數據進行分析，獲得表示所述駕駛數據與駕駛風險關系的多個風險因子；

步驟S202：對各所述風險因子進行處理，獲得表示該車輛駕駛風險的風險評估數據。

3.根據權利要求2所述的駕駛風險評估方法，其特征在于，當所述駕駛數據包括駕駛員個人數據、車輛數據、行駛里程數據、出行時間數據、行駛路線數據中的一個或多個時，所述步驟S201包括：對所述駕駛員個人數據、所述車輛數據、所述行駛里程數據、所述出行時間數據、所述行駛路線數據中的一個或多個進行分析，獲得表示所述駕駛數據與駕駛風險關系的多個風險因子；

當所述駕駛風險數據包括行駛里程數據和與行程里程對應的時間數據時，所述步驟S201包括：對所述行駛里程數據和與所述行程里程對應的時間數據進行分析，獲得表示一段時間內的所述行駛里程與所述駕駛風險關系的風險因子；

當所述駕駛風險數據包括行駛里程數據和該行駛里程內駕駛危險事件發生次數時，所述步驟S201包括：對所述行駛里程數據與該行駛里程內駕駛危險事件發生次數進行處理，獲取表示所述行駛里程內駕駛危險事件發生次數的風險因子。

4.根據權利要求2所述的駕駛風險評估方法，其特征在于，所述駕駛風險數據包括：行駛時間數據和與所述行駛時間數據相對應的行駛速度數據；

步驟S201包括：

步驟S2016：根據與所述行駛時間數據相對應的行駛速度數據，將所述行駛速度劃分為不同的類別；

步驟S2017：分別獲取各速度類別在一行駛時段內的行駛時間；

步驟S2018：將各速度類別所對應的行駛時間分別除以該行駛時段，獲得多個速度因子；

步驟S2019：對各所述速度因子進行處理，獲得表示行駛速度與所述駕駛風險關系的風險因子。

5.根據權利要求1所述的駕駛風險評估方法，其特征在于，所述風險評估模型包括：GLM模型、決策樹模型和神經網絡模型中的一個或多個；

步驟S2包括：針對所述預設數量車輛中的一所述車輛，將該車輛的各所述駕駛數據輸入所述GLM模型、所述決策樹模型和所述神經網絡模型中的一個或多個中，獲得各所述風險評估模型分別輸出的表示該車輛駕駛風險的所述風險評估數據。

6.根據權利要求1至5任一項所述的駕駛風險評估方法，其特征在于，所述駕駛風險評估模型包括計算公式：

步驟S4包括：通過計算公式：獲取所述駕駛風險準確性評估結果；

其中i＝1、2、3…，m為大于等于1的整數，M_i為所述風險評估模型輸出的所述風險評估數據；W_i為權重因子，P為所述駕駛風險評估模型輸出的能夠表示車輛駕駛風險的駕駛風險評估結果。