[發明專利]一種車輛行駛安全風險評估方法及系統

在審

• 申請號: 202011311767.8
• 申請日: 2020-11-20
• 公開（公告）號: CN112418400A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 施曉春;張穎;蔣學輝;錢彬彬;周宜婷;王夢劼
• 申請（專利權）人: 江蘇馭道數據科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06Q10/06
• 代理公司: 江蘇舜點律師事務所 32319
• 代理人: 杜東輝

本發明涉及車輛安全領域，公開了一種車輛行駛安全風險評估方法及系統，其技術方案要點是包括如下步驟：選取若干單位時間內的組合報警數據；對所有組合報警數據進行預處理得到訓練數據；分別對每項訓練數據進行風險等級劃分，得到對應的等級數據；構建神經網絡模型，并以訓練數據作為輸入，以等級數據作為輸出，對神經網絡模型進行訓練得到目標模型；將待評估的組合報警數據輸入到目標模型得到等級數據，可以實時評估車輛風險，用以規范車輛安全管理工作。

技術領域

本發明涉及車輛安全領域，更具體地說，它涉及一種車輛行駛安全風險評估方法及系統。

背景技術

隨著科學技術的發展，車輛技術越來越成熟，汽車的使用范圍越來越廣泛，給人類生活帶來了極大的便利。但是與此同時，車輛安全事故的發生也越來越多，給相關人員和企業帶來很大的損失，所以要對車輛安全進行進一步的把控，以減少安全事故的發生。

影響車輛行駛安全的主要因素有：駕駛員方面、車輛性能方面、環境條件方面、組織管理等方面，而借助新進的管理理念與評估方法，改進目前狀態，建立新的評價體系，對于提高汽車運輸安全管理效能，有針對性地降低車輛事故，使運輸工作順利完成，對解決運輸過程中出現的各種問題有著重要的意義。

發明內容

本發明的目的是提供一種車輛行駛安全風險評估方法及系統，可以實時評估車輛風險，用以規范車輛安全管理工作。

本發明的上述技術目的是通過以下技術方案得以實現的：一種車輛行駛安全風險評估方法，包括如下步驟：

選取若干單位時間內的組合報警數據；

對所有組合報警數據進行預處理得到訓練數據；

分別對每項訓練數據進行風險等級劃分，得到對應的等級數據；

構建神經網絡模型，并以訓練數據作為輸入，以等級數據作為輸出，對神經網絡模型進行訓練得到目標模型；

將待評估的組合報警數據輸入到目標模型得到等級數據。

作為本發明的一種優選技術方案，在對神經網絡模型訓練以前，以對應的訓練數據和等級數據為單位，將其分為訓練集和測試集，使用訓練集的訓練數據和等級數據對神經網絡模型進行訓練。

作為本發明的一種優選技術方案，在使用訓練集對神經網絡模型訓練得到目標模型后，使用測試集的訓練數據對目標模型進行測試，使用通過測試的目標模型對待評估的組合報警數據進行計算。

作為本發明的一種優選技術方案，所述組合報警數據中包括若干項影響因子數據。

作為本發明的一種優選技術方案，對報警數據預處理的過程包括如下子步驟：

從所有組合報警數據中選擇同時滿足行駛距離要求和行駛時間要求的第一報警數據；

從第一報警數據中選取滿足速度要求的第二報警數據；

對第二報警數據進行處理，將每輛車的報警次數轉換為每公里報警數，得到第三報警數據；

對第三報警數據中對缺失的影響因子數據進行缺失值處理，得到第四報警數據；

對第四報警數據進行降噪處理得到訓練數據。

作為本發明的一種優選技術方案，計算得出每項影響因子數據的平均值，使用對應的影響因子數據的平均值補充缺失的影響因子數據。

作為本發明的一種優選技術方案，從第四報警數據中選擇符合3σ準則的數據作為訓練數據。

作為本發明的一種優選技術方案，所述神經網絡模型為LSTM網絡。

一種車輛行駛安全風險評估系統，包括：