[發明專利]一種縱向和橫向相結合的駕駛員風險偏好界定的車聯網裝置及方法

有效

• 申請號: 202110101925.5
• 申請日: 2021-01-26
• 公開（公告）號: CN112862276B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 潘映林;佘堃;劉文哲
• 申請（專利權）人: 電子科技大學
• 主分類號: G06Q10/0635
• 分類號: G06Q10/0635;G06Q10/0639;G06F16/23;H04L67/12
• 代理公司: 成都正煜知識產權代理事務所(普通合伙) 51312
• 代理人: 徐金瓊

本發明公開了一種縱向和橫向相結合的駕駛員風險偏好界定方法，屬于車聯網風險技術領域，其技術方案主要包括了智能車聯網平臺和駕駛員風險偏好界定方法，該方法的主要內容為：通過橫向的方式去包含并解析除自身外的其它大量駕駛員風險偏好數據，通過縱向的方式去分析駕駛員本身的歷史風險偏好數據，結合兩個方面確定或者更新該駕駛員風險偏好指標；本發明在一定程度上避免了對駕駛員風險分析所需要的大量訓練，節省了成本，同時也改善了多數方法對駕駛員風險偏好評估過程單一的問題，提供了一個準確率更高、更完全的駕駛員風險偏好指標。

技術領域

一種縱向和橫向相結合的駕駛員風險偏好界定的車聯網裝置及方法，用于駕駛員風險偏好界定，屬于智能車聯網平臺和駕駛員風險偏好界定技術領域。

背景技術

隨著IT技術在汽車行業的飛速發展，現代的車輛越來越智能化，但是由于行車是一個參雜著多因素的復雜問題，它面臨的風險依然是社會關注和亟待解決的關鍵問題。

駕駛員面臨的行車風險多種多樣，其中，駕駛員不規范的操作以及行車環境的多樣化和不確定性帶來的風險尤其顯著。而智能車輛和車聯網技術是一個新興產業，很多關鍵問題缺乏相應的管理和技術，使得我們很難預測和分析這些潛在的風險。如果不能解決這些問題，那么智能車輛的發展將會受到一定的阻礙。

目前行駛過程都是以行車車主、行車司機的個人身份作為主體，其中，風險和安全事件的發生大部分都與主體直接關聯，因此，一種合理的分析駕駛員風險偏好的方法顯得尤為重要。分析的結果不僅可以作為提醒司機駕駛安全的重要依據，也可以作為司機的歷史風險信息存入車聯網平臺。

現有的風險評判方法多數著重于對駕駛員行為的識別效果的提升，而沒有過多關注駕駛員和其他駕駛員之間的關聯，使得評估結果普適性不強，從而無法對風險進行及時規避應對；現有技術不僅忽略了風險評估的整體性，同時也缺乏對駕駛員歷史風險的結合，而著重于單次駕駛事件的關注，對于每個駕駛員的多次駕駛評價的結果存在大幅波動的風險，從而無法讓駕駛員及時了解自己的危險駕駛行為，并及時進行糾正。

發明內容

針對上述研究的問題，本發明的目的在于提供一種縱向和橫向相結合的駕駛員風險偏好界定的車聯網裝置及方法，解決現有的風險評判方法無法預測和分析駕駛人員在駕駛過程中普遍存在的問題。

為了達到上述目的，本發明采用如下技術方案：

一種縱向和橫向相結合的駕駛員風險偏好界定的車聯網裝置，包括汽車端和中心端，以及實現汽車端和中心端信息交互的廣域網單元；

汽車端包括信息采集模塊和發送模塊；

信息采集模塊：用于采集汽車行駛過程中的行程和駕駛數據，駕駛數據包括駕駛員每次駕駛時長、行車距離、駕駛危險操作次數和駕駛員id；

發送模塊：用于將信息采集模塊采集的信息進行發送；

中心端包括接收模塊、存儲模塊、輔助分析模塊、橫向分析模塊和縱向分析模塊；

接收模塊：用于接收汽車端發送的信息；

存儲模塊：用于存儲風險數據庫，風險數據庫用于存儲大量駕駛員的歷史風險數據，歷史風險數據包括各駕駛員所有的駕駛時長、總駕駛次數、違規次數、駕駛員的權重、安全駕駛次數、危險駕駛次數、正向成長指數、負向成長指數、每次駕駛行為評分和駕駛行為評分的均值；

輔助分析模塊：用于采用輔助數據處理手段對信息采集模塊采集的駕駛數據進行分析和預處理，對不合格的數據進行剔除，并將合格數據用于更新風險數據庫，更新后，對風險數據庫中的數據進行分析，得到[，，]參數列表；

橫向分析模塊：用于基于偏好指標規則，結合[，，]參數列表和風險數據庫中駕駛員的風險偏好數據得到駕駛員的風險偏好指標；