CN104268701B - 一种营运车辆驾驶安全性评价系统及评价方法 - Google Patents

Abstract

本发明涉及一种营运车辆驾驶安全性评价系统及评价方法，它包括若干设置在营运车辆上的车载在线终端、一GPS卫星定位及通讯系统、一车辆管理平台数据库、一数据预处理中心、一统计处理中心和一归一化评价中心；所述车辆管理平台数据库包括数据接收模块、行车数据存储数据库模块、评价结果存储数据库模块及数据发送模块；所述归一化评价中心包括指标体系模块、评分模块、驾驶建议模块及评分标准模块。本发明评价方法评价标准客观合理，且具有良好通用性、动态适应性，能够达到为驾驶员提供改正其不良驾驶习惯的辅助效果，并帮助营运企业合理客观地考核驾驶员的驾驶安全性，因而可以广泛应用于营运车辆驾驶安全性评价中。

Description

一种营运车辆驾驶安全性评价系统及评价方法

技术领域

本发明涉及一种驾驶安全性评价系统及评价方法，特别是关于一种基于车联网的营运车辆驾驶安全性评价系统及评价方法。

背景技术

道路交通事故的诱发因素包括直接参与交通的人、车、道路、环境等直接因素和与直接因素相关的其他人、信息等间接因素。其中人的因素占据主导地位，与人有关的道路交通事故高达总数的90％以上。驾驶员的驾驶习惯会直接影响到车辆行驶的安全性。驾驶员在行车过程中的不良驾驶行为可能会引发较为严重的交通事故，导致人员和财产的巨大损失，产生负面的社会影响。目前，营运企业多以数据信息较少的驾驶员违章违规记录作为对驾驶员的考核依据，考核结果不够合理客观；保险公司在对营运企业车辆的驾驶安全性进行风险评估时缺少量化的评判标准，难以有效降低其保单的风险；驾驶员判断自身驾驶安全性时往往根据自己的驾驶经验，缺乏外在的客观标准而存在一定的偏差，这些不利于驾驶员改正其不良驾驶习惯和提高道路交通的安全性。

发明内容

针对上述问题，本发明的目的是提供一种评价标准客观合理，且具有良好通用性、动态适应性的基于车联网的营运车辆驾驶安全性评价系统及评价方法。

为实现上述目的，本发明采取以下技术方案：一种营运车辆驾驶安全性评价系统，其特征在于：它包括若干设置在营运车辆上的车载在线终端、一GPS卫星定位及通讯系统、一车辆管理平台数据库、一数据预处理中心、一统计处理中心和一归一化评价中心；所述车辆管理平台数据库包括数据接收模块、行车数据存储数据库模块、评价结果存储数据库模块及数据发送模块；所述归一化评价中心包括指标体系模块、评分模块、驾驶建议模块及评分标准模块；

每一所述车载在线终端采集相应营运车辆的行车数据、车辆类型和行驶时的天气状况数据，通过所述GPS卫星定位及通讯系统发送到所述数据接收模块；所述数据接收模块将接收到的所有数据发送到所述行车数据存储数据库模块进行存储和管理；所述数据预处理中心从所述行车数据存储数据库模块中提取数据进行预处理，并将预处理后的数据发送到所述统计处理中心和评分模块；所述统计处理中心对预处理后的数据进行统计，并将统计结果作为评分标准发送到所述评分标准模块；所述评分模块根据所述指标体系模块提供的驾驶安全性指标体系和所述评分标准模块提供的评分标准对数据进行驾驶安全性评价，并将评价结果发送至所述驾驶建议模块和评价结果存储数据库模块；所述驾驶建议模块针对输入的评价结果为驾驶员提供驾驶安全性建议，并将驾驶安全性建议发送到所述评价结果存储数据库模块；所述评价结果存储数据库模块将数据发送到所述数据发送模块，由所述数据发送模块将评价结果和驾驶建议通过所述GPS卫星定位及通讯系统发送到所述车载在线终端，通过人机界面向驾驶员显示评价结果和驾驶建议。

一种营运车辆驾驶安全性评价方法，包括以下步骤：1)设置一包括有车载在线终端、GPS卫星定位及通讯系统、车辆管理平台数据库、数据预处理中心、统计处理中心和归一化评价中心的营运车辆驾驶安全性评价系统；车辆管理平台数据库包括数据接收模块、行车数据存储数据库模块、评价结果存储数据库模块及数据发送模块；归一化评价中心包括指标体系模块、评分模块、驾驶建议模块及评分标准模块；2)每一车载在线终端以特定频率采集相应营运车辆的行车数据、车辆类型和行驶时的天气状况，并通过GPS卫星定位及通讯系统发送到数据接收模块；3)数据接收模块将接收到的所有营运车辆的所有数据发送到行车数据存储数据库模块中按月份进行存储和管理；4)数据预处理中心从行车数据存储数据库模块中提取安全性评价所需数据进行预处理得到评价数据；5)数据预处理中心将所有预处理后的各营运车辆上一个月的评价数据发送到统计处理中心，同时实时的将预处理后的各营运车辆过去一段距离的评价数据发送到评分模块；6)统计处理中心对输入的各营运车辆上一个月的评价数据进行统计，得到各类驾驶告警信息的统计参数的四分位数，并将其作为评分标准发送到评分标准模块；7)指标体系模块将驾驶安全性评价指标体系发送到评分模块，评分标准模块将评分标准也发送到评分模块；8)评分模块以评分标准模块中的评分标准和指标体系模块确定的评价指标为依据，对输入的各营运车辆的评价数据进行安全性评分，并根据安全性评分结果计算表征相应营运车辆驾驶安全性的特征向量，采用k-means聚类方法进行聚类得到其所属的安全性等级，并将各营运车辆的安全性评分和安全性等级发送到驾驶建议模块和评价结果存储数据库模块；9)驾驶建议模块根据输入的安全性等级和各项告警信息对应的安全性评分对营运车辆的驾驶员给出相应的驾驶建议，同时将驾驶建议发送到评价结果存储数据库模块；10)评价结果存储数据库模块将各营运车辆的评价结果和驾驶建议发送到数据发送模块；11)数据发送模块将评价结果和驾驶建议通过GPS卫星定位及通讯系统发送到车载在线终端，由车载在线终端通过人机界面向驾驶员进行显示。

所述步骤8)中，每一营运车辆单次告警的安全性评分为：

${\mathrm{Score}}_{i.j,T,W,N}=\left\{\begin{array}{cc}1,& D_{i,j,N}\left(t\right)\&le;Q_{j,T,W}(25\%)\\ 2,& Q_{j,T,W}(25\%)<D_{i,j,N}\left(t\right)\&le;Q_{j,T,W}(50\%)\\ 3,& Q_{j,T,W}(50\%)<D_{i,j,N}\left(t\right)\&le;Q_{j,T,W}(75\%)\\ 4,& D_{i,j,N}\left(t\right)\&GreaterEqual;Q_{j,T,W}(75\%)\end{array}\right.$

其中，D_i,j,N(t)表示编号为i的营运车辆在一段距离中第N次发生编号为j的危险驾驶告警信息的时长，Q_j,T,W(t)(25％)、Q_j,T,W(t)(50％)、Q_j,T,W(t)(75％)分别表示在车辆类型为T、天气状况为W(t)、告警编号为j的所有告警信息中大于25％、50％和75％的告警信息时长。

所述步骤8)中，各营运车辆所属安全等级的判定方法包括以下步骤：

①计算表征编号为i的营运车辆的驾驶安全性的特征向量x_i，具体过程为：

a)对编号为i的营运车辆的各类告警信息的安全性评分求和：

${\mathrm{Sum}}_{i,j}=\underset{N}{\mathrm{\&Sigma;}}{\mathrm{Score}}_{j,T,W,N},$

SUM＝[Sum_i,1Sum_i,2…Sum_i,6],

其中，Sum_i,j是对于编号为i的营运车辆的编号为j的危险驾驶告警信息的所有评分之和，SUM是编号为i的营运车辆的所有危险告警信息评分向量；

b)计算表征编号为i的营运车辆的驾驶安全性的特征向量x_i，其公式为：

式中，Ω为评价指标的权重系数，且其中为编号为j的危险驾驶告警信息所对应的驾驶安全性评价指标的权重系数；

②采用与步骤①相同的方法计算表征每一营运车辆驾驶安全性的特征向量；

③将每一营运车辆的驾驶安全性的特征向量与评价结果存储数据库模块中储存的所有营运车辆过去某段距离的特征向量为聚类样本，采用k-means聚类方法对每一营运车辆进行聚类，聚类结束后得到每一营运车辆所属的安全性等级。

本发明由于采取以上技术方案，其具有以下优点：1、本发明由于采用基于大数据量级营运车辆的行车数据建立驾驶安全性评价系统，采用营运车辆的危险驾驶告警信息作为评价指标，采用营运企业管理层和驾驶员问卷调查的结果确定评价指标的权重系数，采用行车数据的统计参数作为评分标准，实现了本发明对驾驶安全性的合理客观的评价。2、本发明由于将车型和天气状况的影响因素进行了归一化，使评价结果对不同的车型和天气状况具有统一的评价标准，使得评价方法具备良好的通用性。3、本发明由于在归一化评价中心预留了指标体系的调整接口，可根据需要调整其中的评价指标和评价指标的权重系数，使得本发明具备良好的动态适应性。4、本发明由于采用k-means聚类方法对驾驶员的驾驶行为进行聚类得到安全性等级，有利于找出不同驾驶安全性水平的驾驶员的差异性。5、本发明由于采用安全性评分和驾驶建议相结合作为驾驶员安全性评价结果，采用在线终端显示和离线查询相结合作为给驾驶员和营运企业的反馈方式，能更好地起到辅助驾驶员安全行车和帮助营运企业评估考核驾驶员的效果。本发明可以广泛应用于营运车辆驾驶安全性评价中。

附图说明

图1是本发明系统数据传输示意图

图2是本发明系统结构框架图

图3是本发明评分方法示意图

图4是本发明k-means聚类流程图

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1、图2所示，本发明营运车辆驾驶安全性评价系统包括若干设置在营运车辆1上的车载在线终端2、一GPS卫星定位及通讯系统3、一车辆管理平台数据库4、一数据预处理中心5、一统计处理中心6和一归一化评价中心7；其中，车辆管理平台数据库4包括数据接收模块41、行车数据存储数据库模块42、评价结果存储数据库模块43及数据发送模块44；归一化评价中心7包括指标体系模块71、评分模块72、驾驶建议模块73及评分标准模块74。

每一车载在线终端2以特定频率采集相应营运车辆1的行车数据、车辆类型和行驶时的天气情况数据，通过GPS卫星定位及通讯系统3发送到数据接收模块41；数据接收模块41将接收到的所有数据发送到行车数据存储数据库模块42进行存储和管理；数据预处理中心5从行车数据存储数据库模块42中提取数据进行预处理，并将预处理后的数据发送到统计处理中心6和评分模块72；统计处理中心6对预处理后的数据进行统计，并将统计结果作为评分标准发送到评分标准模块74；评分模块72根据指标体系模块71提供的驾驶安全性指标体系和评分标准模块73提供的评分标准，对数据预处理中心5输入的数据进行驾驶安全性评价，并将评价结果发送至驾驶建议模块73和评价结果存储数据库模块43；驾驶建议模块73针对输入的评价结果为驾驶员提供驾驶安全性建议，并将驾驶安全性建议发送到评价结果存储数据库模块43；评价结果存储数据库模块43将数据发送到数据发送模块44，由数据发送模块44将评价结果和驾驶建议通过GPS卫星定位及通讯系统3发送到车载在线终端2，通过人机界面向驾驶员显示评价结果和驾驶建议。

本发明营运车辆驾驶安全性评价方法，包括以下步骤：

1)每一车载在线终端2以特定频率采集相应营运车辆1的行车数据、车辆类型和行驶时的天气状况，并通过GPS卫星定位及通讯系统3发送到数据接收模块41。

车载在线终端2以特定频率(例如0.1Hz，但不限于此)采集相应营运车辆1的行车数据，车辆类型和行驶时的天气状况数据，采集的行车数据包括车速、里程和多个危险驾驶告警信号如超速、急加速、急减速、空挡滑行、疲劳驾驶和带速开门等。

2)数据接收模块41将接收到的所有营运车辆1的所有数据发送到行车数据存储数据库模块42中按月份进行存储和管理。

3)数据预处理中心5从行车数据存储数据库模块42中提取安全性评价所需数据进行预处理得到可用于安全性评价的规范化数据(下简称为评价数据)。

数据预处理中心5从行车数据存储数据库模块42中提取所存储的原始数据，进行滤波等预处理后得到评价数据，包括车速曲线v_i(t)、里程曲线S_i(t)、车辆类型T_i(如表1所示)、天气状况W_i(t)(如表2所示)及每100km里程中第N次发生编号为j的危险驾驶告警信息的时长D_i,j,N(t)，其中t表示行车时间，i表示各营运车辆1在车辆管理平台数据库4中的编号，j表示危险驾驶告警信息编号，本发明中以6种危险驾驶告警信息为例，即j＝1,2,…,6，分别对应超速、急加速、急减速、空挡滑行、疲劳驾驶和带速开门6种危险驾驶告警信息。

表1车辆类型T_i的取值

Ti	车辆类型
		1	普通客车
2	普通货车

表2天气状况W_i(t)的取值

Wi(t)	天气状况
		1	晴天
2	雾天
		3	雨天
4	雪天

4)数据预处理中心5将所有预处理后的各营运车辆1上一个月的评价数据发送到统计处理中心6，同时实时的将预处理后的各营运车辆1一段距离(如100km，仅以此为例，但不限于此)的评价数据发送到评分模块72。

5)统计处理中心6对输入的各营运车辆1上一个月的评价数据进行统计，得到各类驾驶告警信息的统计参数的四分位数，并将其作为评分标准发送到评分标准模块74。

统计处理中心6利用数据预处理中心5预处理得到的所有营运车辆1一个月内每100km里程中的各类告警时长数据，针对不同的车辆类型和天气状况进行统计，分别得到各类告警信息的统计参数的四分位数Q_j,T,W(t)(25％)、Q_j,T,W(t)(50％)、Q_j,T,W(t)(75％)，其中Q_j,T,W(t)(25％)、Q_j,T,W(t)(50％)、Q_j,T,W(t)(75％)分别表示在车辆类型为T、天气状况为W(t)、告警编号为j的所有告警信息中大于25％、50％和75％的告警信息时长，并将这些参数作为评分标准发送到评分标准模块74。

6)指标体系模块71将驾驶安全性评价指标体系发送到评分模块72，评分标准模块74将评分标准也发送到评分模块72。

指标体系模块71中存储有驾驶安全性评价指标体系，其包括驾驶安全性评价指标和评价指标的权重系数，驾驶安全性评价指标包括超速、急加速、急减速、空挡滑行、疲劳驾驶和带速开门六项；评价指标的权重系数通过对营运企业管理层和营运企业驾驶员进行问卷调研得到。指标体系模块71还预留有调整驾驶安全性评价指标体系的接口，驾驶安全性评价指标项可以根据设置在营运车辆1上的车载终端2的更新进行调整；评价指标的权重系数可以根据不同的调查结果和营运企业的需要而进行调整。评价指标的权重系数可以通过权重向量Ω来表示：

其中为编号为j的危险驾驶告警信息所对应的驾驶安全性评价指标的权重系数。

7)评分模块72根据评分标准模块74提供的评分标准和指标体系模块71提供的驾驶安全性评价指标，对输入的各营运车辆1的评价数据进行安全性评分，并根据安全性评分结果计算表征相应营运车辆1驾驶安全性的特征向量(以下简称特征向量)，采用k-means聚类方法进行聚类得到其所属的安全性等级，并将各营运车辆1的安全性评分和安全性等级发送到驾驶建议模块73和评价结果存储数据库模块43。

如图3所示，图中横坐标为百分比分布，纵坐标为危险驾驶告警信息时长，当车辆类型为T，天气状况为W(t)时，单次告警的安全性评分Score_j,T,W,N为：

${\mathrm{Score}}_{i.j,T,W,N}=\left\{\begin{array}{cc}1,& D_{i,j,N}\left(t\right)\&le;Q_{j,T,W}(25\%)\\ 2,& Q_{j,T,W}(25\%)<D_{i,j,N}\left(t\right)\&le;Q_{j,T,W}(50\%)\\ 3,& Q_{j,T,W}(50\%)<D_{i,j,N}\left(t\right)\&le;Q_{j,T,W}(75\%)\\ 4,& D_{i,j,N}\left(t\right)\&GreaterEqual;Q_{j,T,W}(75\%)\end{array}\right.---\left(1\right)$

各营运车辆1所属安全等级的判定方法包括以下步骤：

①计算表征编号为i的营运车辆1的驾驶安全性的特征向量x_i：

a)对编号为i的营运车辆1的各类告警信息的安全性评分进行求和，其公式为；

${\mathrm{Sum}}_{i,j}=\underset{N}{\mathrm{\&Sigma;}}{\mathrm{Score}}_{j,T,W,N}---\left(2\right)$

SUM＝[Sum_i,1Sum_i,2…Sum_i,6](3)

其中Sum_i,j是编号为i的营运车辆1的编号为j的危险驾驶告警信息的所有评分之和，SUM是编号为i的营运车辆1的所有危险告警信息评分向量。

b)计算编号为i的营运车辆1的特征向量x_i，其公式为：

②采用与步骤①相同的方法计算其他各营运车辆1的特征向量；

③将各营运车辆1的特征向量与评价结果存储数据库模块43中储存的各营运车辆1过去100km的特征向量为聚类样本，采用k-means聚类方法对各营运车辆1进行聚类，本发明中将所有营运车辆1聚成4类，分别对应不同的安全性等级L_k，安全性等级L_k的取值和含义如下(如表3所示)。聚类结束后即可得到各营运车辆1所属的安全性等级。

表3等级L_k的取值及定义

Lk	等级含义
		1	驾驶安全性较高
2	驾驶安全性一般
		3	驾驶安全性较低
4	驾驶安全性低

如图4所示，k-means算法的具体过程如下：

a)随机选取4个聚类样本x_i作为初始聚类中心m_j；

b)将每个聚类样本x_i聚类到与初始聚类中心m_j距离最近的数据集Γ_j，即使得目标函数J(e)最小，J(e)为：

$J\left(e\right)=\underset{i=1}{\overset{4}{\mathrm{\&Sigma;}}}\underset{x_i\&Element;{\mathrm{\&Gamma;}}_j}{\mathrm{\&Sigma;}}{\left|\right|x_i-m_j\left|\right|}^2---\left(5\right)$

其中，Γ_j为聚成的4类数据集，且Γ_j∈{Γ₁,Γ₂,Γ₃,Γ₄}；

c)计算聚成的四类数据集Γ_j的均值，作为新的聚类中心；

d)重复步骤b)和c)，直到聚类中心的值不再改变，聚类结束。

8)驾驶建议模块73根据输入的安全性等级和各项告警信息的安全性评分对营运车辆1的驾驶员给出相应的驾驶建议，同时将驾驶建议发送到评价结果存储数据库模块43中。

驾驶建议模块73中预存储了针对每类危险驾驶告警信息的多条驾驶建议，其可以根据该营运车辆1的安全性等级和各项告警信息对应的安全性评分通过模糊查询调用相应的驾驶建议。例如，某驾驶员的各次超速告警的评分之和大于所有驾驶员超速告警评分之和的平均值，驾驶建议模块73调用的驾驶建议是“减少超速次数和超速时长”。

9)评价结果存储数据库模块43将各营运车辆1的评价结果和驾驶建议发送到数据发送模块44。

评价结果存储数据库模块43中存储有各营运车辆1的各项告警信息的安全性评分Score_j,T,W,N、每100km的驾驶安全性等级及对应的驾驶建议。可以离线或在线查询所获得的安全性等级L_k及驾驶建议，其还可以提供相关离线查询功能，例如查询指定驾驶员的历史评价结果和排名情况。

10)数据发送模块44将评价结果和驾驶建议通过GPS卫星定位及通讯系统3发送到车载在线终端2，由车载在线终端2通过人机界面向驾驶员进行显示，达到辅助营运车辆驾驶员养成良好驾驶习惯的效果。

上述实施例中，驾驶安全性评价所需的数据信息、数据预处理方法以及对行车数据进行统计处理和评分分级的基本形式是可以有所变化的；在本发明技术方案基础上，对安全性评价指标、数据信息进行的调整和等同变换，不应排除在本发明的保护范围之外。

Claims (1)

1.一种营运车辆驾驶安全性评价方法，包括以下步骤：

1)设置一包括有车载在线终端、GPS卫星定位及通讯系统、车辆管理平台数据库、数据预处理中心、统计处理中心和归一化评价中心的营运车辆驾驶安全性评价系统；车辆管理平台数据库包括数据接收模块、行车数据存储数据库模块、评价结果存储数据库模块及数据发送模块；归一化评价中心包括指标体系模块、评分模块、驾驶建议模块及评分标准模块；

2)每一车载在线终端以特定频率采集相应营运车辆的行车数据、车辆类型和行驶时的天气状况，并通过GPS卫星定位及通讯系统发送到数据接收模块；

3)数据接收模块将接收到的所有营运车辆的所有数据发送到行车数据存储数据库模块中按月份进行存储和管理；

4)数据预处理中心从行车数据存储数据库模块中提取安全性评价所需数据进行预处理得到评价数据；

5)数据预处理中心将所有预处理后的各营运车辆上一个月的评价数据发送到统计处理中心，同时实时的将预处理后的各营运车辆过去一段距离的评价数据发送到评分模块；

6)统计处理中心对输入的各营运车辆上一个月的评价数据进行统计，得到各类驾驶告警信息的统计参数的四分位数，并将其作为评分标准发送到评分标准模块；

7)指标体系模块将驾驶安全性评价指标体系发送到评分模块，评分标准模块将评分标准也发送到评分模块；

8)评分模块以评分标准模块中的评分标准和指标体系模块确定的评价指标为依据，对输入的各营运车辆的评价数据进行安全性评分，并根据安全性评分结果计算表征相应营运车辆驾驶安全性的特征向量，采用k-means聚类方法进行聚类得到其所属的安全性等级，并将各营运车辆的安全性评分和安全性等级发送到驾驶建议模块和评价结果存储数据库模块，其中，根据安全性评分结果计算表征相应营运车辆驾驶安全性的特征向量，采用k-means聚类方法进行聚类得到其所属的安全性等级的具体过程为：

每一营运车辆单次告警的安全性评分为：

${\mathrm{Score}}_{i.j,T,W\left(t\right),N}=\left\{\begin{array}{cc}1,& D_{i,j,N}\left(t\right)\&le;Q_{j,T,W\left(t\right)}\left(25\%\right)\\ 2,& Q_{j,T,W\left(t\right)}\left(25\%\right)<D_{i,j,N}\left(t\right)\&le;Q_{j,T,W\left(t\right)}\left(25\%\right)\\ 3,& Q_{j,T,W\left(t\right)}\left(50\%\right)<D_{i,j,N}\left(t\right)\&le;Q_{j,T,W\left(t\right)}\left(75\%\right)\\ 4,& D_{i,j,N}\left(t\right)\&GreaterEqual;Q_{j,T,W\left(t\right)}\left(75\%\right)\end{array}\right.$

其中，D_i,j,N(t)表示编号为i的营运车辆在一段距离中第N次发生编号为j的危险驾驶告警信息的时长，Q_j,T,W(t)(25％)、Q_j,T,W(t)(50％)、Q_j,T,W(t)(75％)分别表示在车辆类型为T、天气状况为W(t)、告警编号为j的所有告警信息中大于25％、50％和75％的告警信息时长；

各营运车辆所属安全等级的判定方法包括以下步骤：

①计算表征编号为i的营运车辆的驾驶安全性的特征向量x_i，具体过程为：

a)对编号为i的营运车辆的各类告警信息的安全性评分求和：

${\mathrm{Sum}}_{i,j}=\underset{N}{\&Sigma;}{\mathrm{Score}}_{j,T,W\left(t\right),N},$

SUM＝[Sum_i,1Sum_i,2…Sum_i,6],

其中，Sum_i,j是对于编号为i的营运车辆的编号为j的危险驾驶告警信息的所有评分之和，SUM是编号为i的营运车辆的所有危险告警信息评分向量；

b)计算表征编号为i的营运车辆的驾驶安全性的特征向量x_i，其公式为：

式中，Ω为评价指标的权重系数，且其中为编号为j的危险驾驶告警信息所对应的驾驶安全性评价指标的权重系数；

②采用与步骤①相同的方法计算表征每一营运车辆驾驶安全性的特征向量；

③将每一营运车辆的驾驶安全性的特征向量与评价结果存储数据库模块中储存的所有营运车辆过去某段距离的特征向量为聚类样本，采用k-means聚类方法对每一营运车辆进行聚类，聚类结束后得到每一营运车辆所属的安全性等级；

9)驾驶建议模块根据输入的安全性等级和各项告警信息对应的安全性评分对营运车辆的驾驶员给出相应的驾驶建议，同时将驾驶建议发送到评价结果存储数据库模块；

10)评价结果存储数据库模块将各营运车辆的评价结果和驾驶建议发送到数据发送模块；

11)数据发送模块将评价结果和驾驶建议通过GPS卫星定位及通讯系统发送到车载在线终端，由车载在线终端通过人机界面向驾驶员进行显示。