[發明專利]基于預警大數據的駕駛員傾向性分析方法

在審

• 申請號: 202010671981.8
• 申請日: 2020-07-14
• 公開（公告）號: CN111881952A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 孫敏;宇泓儒;鄧社軍;于世軍;陸曹燁;鐘煜一;管恩丞;朱俊豪;竇玥;趙思琦;李丹;陸晟慧
• 申請（專利權）人: 揚州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;B60W40/09
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 岑丹

本發明公開了一種基于預警大數據的駕駛員傾向性的分析方法，包括：采集車輛預警數據；從車輛預警數據中提取特征；將預警數據特征作為數據樣本，采用K?means聚類算法對數據樣本進行聚類，得到k個簇和k個簇中心；利用Matlab對分簇后的特征數據進行可視化操作，并將不同簇的特征數據輸入到表格，得到駕駛員傾向性分類結果。本發明基于預警大數據采用K?means聚類法對具有不同行為傾向的駕駛員進行聚類分析，得到了駕駛員的駕駛傾向性，為采取相應的防范舉措提供了支撐，從而保障車輛運行安全。

技術領域

本發明屬于行為分析技術領域，具體為一種基于預警大數據的駕駛員傾向性的分析方法。

背景技術

近年來公交車安全事故時有發生，一度成為交通安全領域的熱點問題，在影響公交車輛安全的諸多因素中，駕駛員因素為最主要因素，駕駛員的不當操作會對公交車輛的運行產生不利的影響，還會直接導致交通事故的發生。針對不同駕駛員的個體特征，對公交駕駛員的不同駕駛傾向展開研究，對于交通安全管理有著重要的意義。

現有的駕駛員傾向性分析方法主要基于層次分析法和問卷調查等較為主觀的分析方法。這些方法一般適用于對樣本量要求較少、對精確程度要求不高的算法和模型，對于駕駛員駕駛傾向性判別并不準確。因此借助各公交運營單位安裝使用的汽車行駛記錄儀或智能駕駛輔助終端等先進技術設備獲取駕駛員的行車預警大數據，并應用k-means聚類法對駕駛員進行聚類分析，并觀察得出駕駛員的駕駛傾向性對于實現駕駛員傾向性判別顯得十分重要。

發明內容

本發明的目的在于提出了一種基于預警大數據的駕駛員傾向性的分析方法。

實現本發明目的的技術解決方案為：一種基于預警大數據的駕駛員傾向性的分析方法，具體步驟為：

步驟1：采集車輛預警數據；

步驟2：從車輛預警數據中提取特征；

步驟3：將預警數據特征作為數據樣本，采用K-means聚類算法對數據樣本進行聚類，得到k個簇和k個簇中心；

步驟4：利用Matlab對分簇后的特征數據進行可視化操作，并將不同簇的特征數據輸入到表格，得到駕駛員傾向性分類結果。

優選地，所述車輛預警數系統采集設備具體包括汽車行駛記錄儀、智能駕駛輔助終端、駕駛員狀態監測攝像機、高級駕駛輔助系統攝像機、主動安全預警系統喇叭。

優選地，所述特征參數包括：車道偏離次數、前向碰撞次數、急加速次數、急減速次數。

優選地，采用K-means聚類算法對數據樣本進行聚類，得到k個簇和k個簇中心具體為：

設定3個初始簇中心；

計算各個特征向量到3個簇中心的距離，并根據距離將特征向量分為3個簇；

對平方誤差進行最小化直至平方誤差值穩定不變，得到分簇結果。

優選地，利用Matlab對分簇后的特征數據進行可視化操作具體為：

以特征向量到3個簇中心的距離分別作為x,y,z坐標，并利用matlab的三維可視化函數對樣本數據進行可視化。

本發明與現有技術相比，其顯著優點為：本發明基于預警大數據采用K-means聚類法對具有不同行為傾向的駕駛員進行聚類分析，得到了駕駛員的駕駛傾向性，為采取相應的防范舉措提供了支撐，從而保障車輛運行安全。

下面結合附圖對本發明做進一步詳細的描述。

附圖說明

圖1是本發明的流程圖。

圖2是本發明的駕駛員K-means聚類結果三維圖。