CN104484725A - 一种基于主成分线性加权的驾驶风险评估的方法 - Google Patents
一种基于主成分线性加权的驾驶风险评估的方法 Download PDFInfo
- Publication number
- CN104484725A CN104484725A CN201410849026.3A CN201410849026A CN104484725A CN 104484725 A CN104484725 A CN 104484725A CN 201410849026 A CN201410849026 A CN 201410849026A CN 104484725 A CN104484725 A CN 104484725A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- testing vehicle
- matrix
- sample
- major component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于主成分线性加权的驾驶风险评估的方法,包括如下步骤:S1.选取n个测试车辆,使用车联网设备获取测试车辆及测试车辆的车主的评估因素;S2.构建预测函数模型,S2.1.构造样本矩阵;S2.2.求上述样本矩阵的协方差矩阵,对协方差矩阵进行正交变换,求正交变换后的矩阵的特征值和特征向量;S2.3.构建样本的评估函数:S2.4.将第i个主成分Zi表示为n个原始指标的线性组合;获取驾驶风险等级。本发明可以获得客观权重系数,主成分方法强调差异性原理,获得的客观权重系数是完全基于数据本身,这样得到的指标权重系数,具有客观性,避免过多的人为因素干扰。
Description
技术领域
本发明涉及一种评估方法,尤其涉及一种基于主成分线性加权的驾驶风险评估的方法。
背景技术
随着UBI车联网保险和大数据的兴起,迫切需要一种科学的方法对驾驶员的驾驶风险进行评估,该评估结果可以作为测试车辆车主的驾驶风险数据的支撑,提醒和督促车主改善行车习惯,从而提高车主的安全意识,也可以为保险公司制定不同等级的保费提供依据,目前在国内外关于UBI的保险评估只是将风险因子分配适当权重后,做简单的拟合和运算即可,但是这些方法获得的评估结果,不能准确的反应实际危险的情况。
发明内容
为了解决上述问题,本发明提供一种基于主成分线性加权的驾驶风险评估的方法。该方法能够实现风险因素权重的客观性评估,并且可以随意扩展风险因素的个数,具有较好的自适应性。
本发明的技术方案为:一种基于主成分线性加权的驾驶风险评估的方法,包括如下步骤:
S1.选取n个测试车辆,使用车联网设备获取测试车辆及测试车辆的车主的至少下述评估因素:
测试车辆日均行驶里程、测试车辆年均行驶里程、测试车辆夜间行驶时间占比、测试车辆高峰行驶时间占比和测试车辆的车主的驾龄;
测试车辆行驶过程中的急刹车的次数、急加速的次数、急转弯的次数、掉头的次数和S行驶的次数;
将上述评估因素作为训练样本,也即为本方法中的主成分;
S2.构建预测函数模型
S2.1.构造样本矩阵,把样本数据以矩阵的形式表示出来,样本矩阵如下:
其中,n表示样本容量,p表示评估因素个数;
S2.2.求上述样本矩阵的协方差矩阵,对协方差矩阵进行正交变换,求正交变换后的矩阵的特征值和特征向量;
S2.3.构建样本的评估函数:
F=a1z1+a2z2+…+aszs (1)
式中,s为选取的主成分个数,zi为第i个主成分,ai为贡献率:
Ki为特征值从大到小排列后选取的第i个特征值;
S2.4.将第i个主成分Zi表示为n个原始指标的线性组合:
Zi=bi1x1+bi2x2+…+binxn (2)
b为特征向量;
将公式(2)代入公式(1)中可得:
F=c1x1+c2x2+…+cnxn (3)
其中:
通过公式(3)的输出值即可获取驾驶风险等级。
有益效果:本发明可以获得客观权重系数,主成分方法强调差异性原理,获得的客观权重系数是完全基于数据本身,这样得到的指标权重系数,具有客观性,避免过多的人为因素干扰。
本发明可以很方便地解决由于样本不同造成的评估偏差,根据主成分方法的特点可知,当样本不同时会得到不同的主因子和系数,进而可以得出不同的评估函数,避免使用一个评估函数造成的评估偏差。
具体实施方式
实施例:一种基于主成分线性加权的驾驶风险评估的方法,包括如下步骤:
S1.选取n个测试车辆,使用车联网设备获取测试车辆及测试车辆的车主的至少下述评估因素:
测试车辆日均行驶里程、测试车辆年均行驶里程、测试车辆夜间行驶时间占比、测试车辆高峰行驶时间占比和测试车辆的车主的驾龄;
测试车辆行驶过程中的急刹车的次数、急加速的次数、急转弯的次数、掉头的次数和S行驶的次数;
将上述评估因素作为训练样本,也即为本方法中的主成分;
S2.构建预测函数模型
S2.1.构造样本矩阵,把样本数据以矩阵的形式表示出来,样本矩阵如下:
其中,n表示样本容量,p表示评估因素个数;
S2.2.求上述样本矩阵的协方差矩阵,对协方差矩阵进行正交变换,求正交变换后的矩阵的特征值和特征向量;
S2.3.构建样本的评估函数:
F=a1z1+a2z2+…+aszs (1)
式中,s为选取的主成分个数,zi为第i个主成分,ai为贡献率:
Ki为特征值从大到小排列后选取的第i个特征值;
S2.4.将第i个主成分Zi表示为n个原始指标的线性组合:
Zi=bi1x1+bi2x2+…+binxn (2)
b为特征向量;
将公式(2)代入公式(1)中可得:
F=c1x1+c2x2+…+cnxn (3)
其中:
通过公式(3)的输出值即可获取驾驶风险等级。
本实施例所述各评估因素的定义如下:
驾龄:车主的实际驾龄。本实施例默认实际驾龄越高,驾驶风险越小;
日均行驶里程:车联网设备统计测试车辆每次打火与熄火之间的行驶里程,将所有行驶里程相加,再按照行驶天数求平均值即为日均行驶里程;
年均行驶里程:将车主的行驶里程数除以实际驾龄;
夜间行驶时间:统计测试车辆在晚上11点到凌晨五点间的行驶时间占总行驶时间的比例;
高峰行驶时间:统计测试车辆在早七点到九点以及晚五点到七点的行驶时间占总行驶时间的比例;
刹车的定义:100-300mg为轻度刹车,300-500mg为中度刹车,500mg以上为急刹车;
加速的定义:100-200mg为轻度加速,200-300mg为中度加速,300mg以上为急加速;
转弯的定义:转弯角速度在10-20度/秒为轻度转弯,20-30度/秒为中度转弯,角速度大于30度/秒的转弯为急转弯;
掉头:转弯角度大于165度时为掉头;
S行驶:在1秒钟之内,发生一次角度在10-20度的左转和右转即认为是一次S行驶;
具体的,车联网设备由四大模块组成,传感器模块、数据采集模块、数据处理模块以及网络通信模块组成,其中,传感器模块包括加速度传感器、陀螺仪传感器和地磁传感器,在行车过程中首先由传感器模块获得车的加速度和转弯角速度,由数据采集模块获得行车速度,再经过数据处理模块得到刹车、转弯、加速、行驶里程数据,最终经由网络通信模块上传给云平台。
对于刹车、转弯、加速以及行驶里程数据的获取,数据处理模块的工作机制如下:判断加速度传感器的加速度是否大于零,如果大于零,产生的是加速动作,如果小于零则是刹车动作;对于角速度实时积分得到转弯角度并通过角速度值的正负号来判断车辆的转弯方向;行驶里程数据由速度对时间的积分获得。
具体的,下表为采集的10个测试车辆和车主的评估因素的数据。
利用上面数据构造样本矩阵如下:
1.计算该矩阵的协方差矩阵,并计算特征值和特征向量:
十个特征值如下:
λ1=9.2;
λ2=16.3;
λ3=809.0;
λ4=λ5=λ6=λ7=λ8=λ9=λ10=10.0;
按照累计贡献率85%计算,选取前三个特征值对应的特征向量即可:
2.计算主成分
第一主成分:
第二主成分:
第三主成分:
4.构造得分函数
其中λ1,λ2,λ3,Z1,Z2,Z3在上面已经求出。
Claims (1)
1.一种基于主成分线性加权的驾驶风险评估的方法,其特征在于:
包括如下步骤:
S1.选取n个测试车辆,使用车联网设备获取测试车辆及测试车辆的车主的至少下述评估因素:
测试车辆日均行驶里程、测试车辆年均行驶里程、测试车辆夜间行驶时间占比、测试车辆高峰行驶时间占比和测试车辆的车主的驾龄;
测试车辆行驶过程中的急刹车的次数、急加速的次数、急转弯的次数、掉头的次数和S行驶的次数;
将上述评估因素作为训练样本,也即为本方法中的主成分;
S2.构建预测函数模型
S2.1.构造样本矩阵,把样本数据以矩阵的形式表示出来,样本矩阵如下:
其中,n表示样本容量,p表示评估因素个数;
S2.2.求上述样本矩阵的协方差矩阵,对协方差矩阵进行正交变换,求正交变换后的矩阵的特征值和特征向量;
S2.3.构建样本的评估函数:
F=a1z1+a2z2+…+aszs (1)
式中,s为选取的主成分个数,zi为第i个主成分,ai为贡献率:
Ki为特征值从大到小排列后选取的第i个特征值;
S2.4.将第i个主成分Zi表示为n个原始指标的线性组合:
Zi=bi1x1+bi2x2+…+binxn (2)
b为特征向量;
将公式(2)代入公式(1)中可得:
F=c1x1+c2x2+…+cnxn (3)
其中:
通过公式(3)的输出值即可获取驾驶风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410849026.3A CN104484725A (zh) | 2014-12-30 | 2014-12-30 | 一种基于主成分线性加权的驾驶风险评估的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410849026.3A CN104484725A (zh) | 2014-12-30 | 2014-12-30 | 一种基于主成分线性加权的驾驶风险评估的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104484725A true CN104484725A (zh) | 2015-04-01 |
Family
ID=52759266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410849026.3A Pending CN104484725A (zh) | 2014-12-30 | 2014-12-30 | 一种基于主成分线性加权的驾驶风险评估的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104484725A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046070A (zh) * | 2015-07-07 | 2015-11-11 | 吉林大学 | 带有转弯特性的城市综合工况构建方法 |
CN105389864A (zh) * | 2015-10-16 | 2016-03-09 | 江苏南亿迪纳数字科技发展有限公司 | 一种汽车ubi信息提取的方法 |
CN105869412A (zh) * | 2016-04-28 | 2016-08-17 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急加速行为识别方法 |
CN105975757A (zh) * | 2016-04-28 | 2016-09-28 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急减速行为识别方法 |
CN105975756A (zh) * | 2016-04-28 | 2016-09-28 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急转弯行为识别方法 |
CN106095963A (zh) * | 2016-06-17 | 2016-11-09 | 上海经达信息科技股份有限公司 | 互联网+时代下的车辆驾驶行为分析大数据公共服务平台 |
CN107697071A (zh) * | 2017-11-06 | 2018-02-16 | 东南大学 | 一种基于场论的驾驶安全等级确定方法及装置 |
CN108256714A (zh) * | 2016-12-29 | 2018-07-06 | 得道车联网络科技(上海)有限公司 | 一种基于车联网大数据的行车轨迹实时风险评估模型 |
CN110852643A (zh) * | 2019-11-18 | 2020-02-28 | 中国民航信息网络股份有限公司 | 一种民航客运景气指数计算方法及装置 |
CN111627132A (zh) * | 2020-05-26 | 2020-09-04 | 吉林大学 | 一种基于驾驶倾性的汽车行驶特征评价及预警方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130166098A1 (en) * | 2011-12-21 | 2013-06-27 | Scope Technologies Holdings Limited | System and method for use of pattern recognition in assessing or monitoring vehicle status or operator driving behavior |
CN104008647A (zh) * | 2014-06-12 | 2014-08-27 | 北京航空航天大学 | 一种基于机动车行驶模式的道路交通能耗量化方法 |
-
2014
- 2014-12-30 CN CN201410849026.3A patent/CN104484725A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130166098A1 (en) * | 2011-12-21 | 2013-06-27 | Scope Technologies Holdings Limited | System and method for use of pattern recognition in assessing or monitoring vehicle status or operator driving behavior |
CN104008647A (zh) * | 2014-06-12 | 2014-08-27 | 北京航空航天大学 | 一种基于机动车行驶模式的道路交通能耗量化方法 |
Non-Patent Citations (8)
Title |
---|
吴义等: ""车载导航大数据在车险行业的应用"", 《计算机光盘软件与应用》 * |
张鹏: ""基于主成分分析的综合评价研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 社会科学Ⅰ辑(经济政治与法律)》 * |
彭江琴等: ""基于GID的UBI系统研究"", 《微型机与应用》 * |
李平凡: ""驾驶行为表征指标及分析方法研究"", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
李建平等: ""基于主成分线性加权综合评价的信用评分方法及应用"", 《系统工程》 * |
梁小英等: ""科技引领未来,专业创造价值-大数据时代下的UBI产品探索"", 《金融电子化》 * |
许民龙等: ""主成分线性加权综合评估模型"", 《煤矿机械》 * |
郁佳敏: ""车联网大数据时代汽车保险业的机遇和挑战"", 《南方金融》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046070A (zh) * | 2015-07-07 | 2015-11-11 | 吉林大学 | 带有转弯特性的城市综合工况构建方法 |
CN105389864A (zh) * | 2015-10-16 | 2016-03-09 | 江苏南亿迪纳数字科技发展有限公司 | 一种汽车ubi信息提取的方法 |
CN105975756B (zh) * | 2016-04-28 | 2019-01-29 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急转弯行为识别方法 |
CN105975757A (zh) * | 2016-04-28 | 2016-09-28 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急减速行为识别方法 |
CN105975756A (zh) * | 2016-04-28 | 2016-09-28 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急转弯行为识别方法 |
CN105869412B (zh) * | 2016-04-28 | 2018-04-03 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急加速行为识别方法 |
CN105869412A (zh) * | 2016-04-28 | 2016-08-17 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急加速行为识别方法 |
CN105975757B (zh) * | 2016-04-28 | 2019-01-29 | 彩虹无线(北京)新技术有限公司 | 一种基于车辆行驶数据的急减速行为识别方法 |
CN106095963A (zh) * | 2016-06-17 | 2016-11-09 | 上海经达信息科技股份有限公司 | 互联网+时代下的车辆驾驶行为分析大数据公共服务平台 |
CN108256714A (zh) * | 2016-12-29 | 2018-07-06 | 得道车联网络科技(上海)有限公司 | 一种基于车联网大数据的行车轨迹实时风险评估模型 |
CN107697071A (zh) * | 2017-11-06 | 2018-02-16 | 东南大学 | 一种基于场论的驾驶安全等级确定方法及装置 |
CN107697071B (zh) * | 2017-11-06 | 2019-07-02 | 东南大学 | 一种基于场论的驾驶安全等级确定方法及装置 |
CN110852643A (zh) * | 2019-11-18 | 2020-02-28 | 中国民航信息网络股份有限公司 | 一种民航客运景气指数计算方法及装置 |
CN111627132A (zh) * | 2020-05-26 | 2020-09-04 | 吉林大学 | 一种基于驾驶倾性的汽车行驶特征评价及预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104484725A (zh) | 一种基于主成分线性加权的驾驶风险评估的方法 | |
CN104504531B (zh) | 一种车辆驾驶风险评估方法 | |
CN103366227B (zh) | 一种海上搜救目标漂移路径的预测方法 | |
CN108407816B (zh) | 一种汽车驾驶员驾驶评估方法及系统 | |
CN104573343B (zh) | 一种沥青路面平整度舒适性现场评价方法及仿真评价方法 | |
CN104318768B (zh) | 基于Hadoop的自适应交通信息瓦片地图生成系统及方法 | |
Tang et al. | Effects of on-ramp on the fuel consumption of the vehicles on the main road under car-following model | |
CN103743402B (zh) | 一种基于地形信息量的水下智能自适应地形匹配方法 | |
Saerens et al. | Assessment of alternative polynomial fuel consumption models for use in intelligent transportation systems applications | |
DE102012224170A1 (de) | Gerät und Verfahren zur Fahrsteuerung eines Fahrzeugs unter Freilaufbedingungen | |
CN104112080A (zh) | 水体水华风险快速预警方法 | |
DE102012216115A1 (de) | Ein Fahrzeug und Verfahren zum Schätzen einer Reichweite für das Fahrzeug | |
Honda et al. | Impact of cyclonic eddies and typhoons on biogeochemistry in the oligotrophic ocean based on biogeochemical/physical/meteorological time-series at station KEO | |
CN109737955A (zh) | 一种海浪补偿系统的姿态预测方法 | |
CN107038860A (zh) | 一种基于adas技术及回归模型的用户驾驶行为评分方法 | |
CN103063212A (zh) | 一种基于非线性映射自适应混合Kalman/H∞滤波器的组合导航方法 | |
CN107688906A (zh) | 多方法融合的输电线路气象要素降尺度分析系统及方法 | |
CN105956225A (zh) | 一种顾及区域尺度的遥感卫星有效覆盖仿真计算方法 | |
Nouveliere et al. | Energy saving and safe driving assistance system for light vehicles: Experimentation and analysis | |
WO2020124440A1 (en) | Systems and methods for processing traffic objects | |
CN109572706A (zh) | 一种驾驶安全评价方法及装置 | |
Michael et al. | Estimating the potential of wind energy resources using Weibull parameters: A case study of the coastline region of Dar es Salaam, Tanzania | |
CN116560412A (zh) | 一种低速无人机验证最大平飞速度指标的试飞规划方法 | |
CN102968662A (zh) | 一种飞行器复飞风险评测方法 | |
CN107064010B (zh) | 软土地区路面行驶质量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150401 |
|
RJ01 | Rejection of invention patent application after publication |