CN113257039A - 基于大数据分析的驾驶预警方法及装置 - Google Patents

Abstract

本发明提供一种基于大数据分析的驾驶预警方法及装置，该方法包括：对驾驶员在预设时间段内的驾驶信息和基本属性信息整体进行分组；根据每组的驾驶信息和/或基本属性信息，计算每组对应的所述驾驶风险值；将每组对应的所述驾驶风险值乘以相应的权重后相加，获取所述驾驶员的驾驶风险值；在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。本发明提高了预警效果，降低了交通事故发生的概率。

Description

基于大数据分析的驾驶预警方法及装置

技术领域

本发明涉及智能交通技术领域，尤其涉及一种基于大数据分析的驾驶预警方法及装置。

背景技术

在交通事故发生之前，对驾驶人员的驾驶进行分析后预警，可以提前对驾驶人员或相关管理人员进行提醒，从而减少事故的发生概率。

目前，对驾驶人员的驾驶预警方法通常对车辆行驶道路的环境，如前方的障碍物进行分析，从而进行驾驶预警。还有通过获取车辆信息，比如超重数据、超速数据、发动机转速数据、水温数据和胎压数据等，通过分析车辆自身的因素进行预警。

而实际上很多交通事故都是人为因素造成的，即由于驾驶员的自身因素而导致的，因此对道路行驶环境和车辆信息进行分析的驾驶预警不能有效预防交通事故发生，预警效果不好。

发明内容

本发明提供一种基于大数据分析的驾驶预警方法及装置，用以解决现有技术中驾驶预警效果不好的缺陷，实现提升驾驶预警效果。

本发明提供一种基于大数据分析的驾驶预警方法，包括：

根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值；

在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

根据本发明提供的一种基于大数据分析的驾驶预警方法，所述根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值，包括：

对所述驾驶信息和基本属性信息整体进行分组；

根据每组的驾驶信息和/或基本属性信息，计算每组对应的所述驾驶风险值；

将每组对应的所述驾驶风险值乘以相应的权重后相加，获取所述驾驶员的最终驾驶风险值。

根据本发明提供的一种基于大数据分析的驾驶预警方法，所述驾驶信息包括接打电话报警次数、抽烟次数、疲劳驾驶次数，以及所述驾驶员所驾驶的车辆与位于所述车辆正前方的车辆之间车距小于第二预设阈值的次数、所述驾驶员所驾驶的车辆相邻两次变道的时间小于第三预设阈值的次数、行驶轨迹超出预设区域的次数、行驶速度大于第四预设阈值的次数和行驶违规次数；

所述驾驶员的基本属性信息包括性别和年龄。

根据本发明提供的一种基于大数据分析的驾驶预警方法，所述对所述驾驶信息和基本属性信息整体进行分组，包括：

将所述打电话次数、抽烟次数、疲劳驾驶次数、车距小于第二预设阈值的次数、相邻两次变道的时间小于第三预设阈值的次数划分为第一组；

将所述行驶轨迹超出预设区域的次数和行驶速度大于第四预设阈值的次数划分为第二组；

将所述性别、年龄和行驶违规次数划分为第三组。

根据本发明提供的一种基于大数据分析的驾驶预警方法，通过以下公式根据第一组的驾驶信息，计算第一组对应的所述驾驶风险值：

其中，EAD表示第一组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，FDNt表示第t时刻的疲劳驾驶次数，SNt表示第t时刻的抽烟次数，CCANt表示第t时刻的车距小于第二预设阈值的次数，FLCNt表示第t时刻的相邻两次变道的时间小于第三预设阈值的次数，MCNt表示第t时刻的接打电话报警次数，a1、a2、a3、a4和a5为预设常数。

根据本发明提供的一种基于大数据分析的驾驶预警方法，通过以下公式根据第二组的驾驶信息，计算第二组对应的所述驾驶风险值：

其中，PAD表示第二组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，ALNt表示第t时刻的行驶轨迹超出预设区域的次数，SANt表示第t时刻的行驶速度大于第四预设阈值的次数，b1、b2、b3 、b4和b5为预设常数，t1和t2为位于t和t+n之间的预设时刻。

根据本发明提供的一种基于大数据分析的驾驶预警方法，通过以下公式根据第三组的驾驶信息，计算第三组对应的所述驾驶风险值：

其中，UD表示第三组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，S表示所述驾驶员的性别的映射值，A表示所述驾驶员的年龄的映射值，IVNt表示第t时刻的行驶违规次数，c1、c2、c3 、c4、c5和c6为预设常数，age为所述驾驶员的年龄，age1、age2和age3为预设年龄。

本发明还提供一种基于大数据分析的驾驶预警方法，包括：

计算模块，用于根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值；

预警模块，用于在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于大数据分析的驾驶预警方法的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于大数据分析的驾驶预警方法的步骤。

本发明提供的基于大数据分析的驾驶预警方法及装置，通过对驾驶员在预设时间段内的驾驶信息和基本属性信息进行综合计算，得到驾驶员的驾驶风险值，在驾驶风险值较大的情况下进行预警，提高了预警效果，降低了交通事故发生的概率。

附图说明

本发明提供一种基于大数据分析的驾驶预警方法及装置，用以解决现有技术中驾驶预警效果不好的缺陷，实现提升驾驶预警效果。

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的基于大数据分析的驾驶预警方法的流程示意图之一；

图2是本发明提供的基于大数据分析的驾驶预警方法的流程示意图之二；

图3是本发明提供的基于大数据分析的驾驶预警装置的结构示意图；

图4是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1描述本发明的基于大数据分析的驾驶预警方法，包括：步骤101，根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值；

预设时间段为预先设定的当前时刻之前的某一时间段，如最近24小时。

可选地，驾驶员的驾驶信息包括驾驶员在驾驶过程中的行为和状态信息，如打电话和疲劳驾驶，以及驾驶员驾驶的车辆的行驶信息，如车速。驾驶员的基本属性信息如年龄。

驾驶风险值反映驾驶出现交通事故风险的程度。驾驶员的驾驶信息和基本属性信息与驾驶风险值相关。例如抽烟次数越多，驾驶风险值越高。

通过摄像头拍摄的视频获取驾驶员的异常行为，比如打哈欠和抽烟等，从而分析出驾驶员的驾驶信息，如疲劳驾驶次数和抽烟次数。

对驾驶员在预设时间段内的驾驶信息和基本属性信息进行综合计算，得到驾驶员的驾驶风险值。

步骤102，在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

在驾驶风险值较大的情况下容易出现交通事故，此时对驾驶员的驾驶行为进行预警。

可选地，根据驾驶风险值V将驾驶员的驾驶行为划分为超高风险S、高风险H、中等风险M和低等风险L四个风险等级，风险等级RL的确定公式如下：

对各风险等级进行预警，并显示风险等级。完整的驾驶预警流程图如图2所示。

本实施例通过对驾驶员在预设时间段内的驾驶信息和基本属性信息进行综合计算，得到驾驶员的驾驶风险值，在驾驶风险值较大的情况下进行预警，提高了预警效果，降低了交通事故发生的概率。

在上述实施例的基础上，本实施中所述根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值，包括：对所述驾驶信息和基本属性信息整体进行分组；根据每组的驾驶信息和/或基本属性信息，计算每组对应的所述驾驶风险值；将每组对应的所述驾驶风险值乘以相应的权重后相加，获取所述驾驶员的最终驾驶风险值。

对驾驶信息和基本属性信息整体进行分组后，每组的数据包括驾驶信息和/或基本属性信息。本实施例不限于具体的分组方法。

根据每组的数据，计算驾驶员的驾驶风险值。将每组对应的驾驶风险值进行加权相加，获取驾驶员的最终驾驶风险值。根据最终驾驶风险值进行预警。

本实施例通过对对驾驶信息和基本属性信息整体进行分组，根据每组的数据计算驾驶员的驾驶风险值进行预警，提高了驾驶风险值计算的准确性，从而提升预警效果。

在上述各实施例的基础上，本实施例中所述驾驶信息包括接打电话报警次数、抽烟次数、疲劳驾驶次数，以及所述驾驶员所驾驶的车辆与位于所述车辆正前方的车辆之间车距小于第二预设阈值的次数、所述驾驶员所驾驶的车辆相邻两次变道的时间小于第三预设阈值的次数、行驶轨迹超出预设区域的次数、行驶速度大于第四预设阈值的次数和行驶违规次数；所述驾驶员的基本属性信息包括性别和年龄。

可选地，接打电话报警次数可根据车辆上安装的声光报警器获取。接打电话报警次数越多，驾驶风险值越大。

抽烟次数可根据车辆上安装的烟雾报警器和监控摄像头获取。抽烟次数越多，驾驶风险值越大。

疲劳驾驶次数可对车辆上安装的监控摄像头获取的视频进行分析得到。疲劳驾驶次数越多，驾驶风险值越大。

通过车辆前方安装的雷达传感器可探测车辆与前方车辆之间的距离，统计车距过近的次数。车距过近的次数越多，驾驶风险值越大。

驾驶员所驾驶的车辆相邻两次变道的时刻可通过车辆的行车轨迹获取变道情况和变道时刻。车辆的行车轨迹可通过定位设备获取。变道越频繁，驾驶风险值越大。

例如，公交车和渣土车都划定有行驶的预设区域。判断车辆的行驶轨迹是否超出预设区域，并统计行驶轨迹超出预设区域的次数。行驶轨迹超出预设区域的次数越多，驾驶风险值越大。

在上述实施例的基础上，本实施例中所述对所述驾驶信息和基本属性信息整体进行分组，包括：将所述打电话次数、抽烟次数、疲劳驾驶次数、车距小于第二预设阈值的次数、相邻两次变道的时间小于第三预设阈值的次数划分为第一组；

将所述行驶轨迹超出预设区域的次数和行驶速度大于第四预设阈值的次数划分为第二组；

将所述性别、年龄和行驶违规次数划分为第三组。

第一组数据为设备告警数据，第二组数据为平台告警数据，第三组数据为驾驶员的基本属性数据。

本实施例通过根据驾驶信息和用户基本属性信息的来源，将驾驶员的数据分为三组，对每一组数据计算驾驶风险值，根据每组的数据计算驾驶员的驾驶风险值进行预警，提高了驾驶风险值计算的准确性，从而提升预警效果。

在上述实施例的基础上，本实施例中通过以下公式根据第一组的驾驶信息，计算第一组对应的所述驾驶风险值：

其中，EAD表示第一组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，FDNt表示第t时刻的疲劳驾驶次数，SNt表示第t时刻的抽烟次数，CCANt表示第t时刻的车距小于第二预设阈值的次数，FLCNt表示第t时刻的相邻两次变道的时间小于第三预设阈值的次数，MCNt表示第t时刻的接打电话报警次数，a1、a2、a3、a4和a5为预设常数。

可选地，n为24小时，则dt为1小时。a1、a2、a3、a4和a5根据经验设定。例如，a1=3，a2=3，a3=2，a4=1，a5=2。

在上述实施例的基础上，本实施例通过以下公式根据第二组的驾驶信息，计算第二组对应的所述驾驶风险值：

其中，PAD表示第二组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，ALNt表示第t时刻的行驶轨迹超出预设区域的次数，SANt表示第t时刻的行驶速度大于第四预设阈值的次数，b1、b2、b3 、b4和b5为预设常数，t1和t2为位于t和t+n之间的预设时刻。

可选地，n为24小时，则dt为1小时。b1、b2、b3 、b4、b5 、t1和t2根据经验设定。

例如，b1=1，b2=1，b3 =1.6，b4=1，b5=1.5，t1=4，t2=8。

在上述实施例的基础上，本实施例通过以下公式根据第三组的驾驶信息，计算第三组对应的所述驾驶风险值：

其中，UD表示第三组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，S表示所述驾驶员的性别的映射值，A表示所述驾驶员的年龄的映射值，IVNt表示第t时刻的行驶违规次数，c1、c2、c3 、c4和c5为预设常数，age为所述驾驶员的年龄，age1、age2和age3为预设年龄。

可选地，n为24小时，则dt为1小时。c1、c2、c3 、c4、c5 、c6、age1、age2和age3根据经验设定。

例如，c1=1，c2=1，c3=9，c4=3、c5=1、c6=2、age1=18、age2=30和age3=45。

结合上述三组数据对应的驾驶风险值，计算得到驾驶员最终的驾驶风险值= d1*EAD + d2*PAD + d3*UD。d1、d2和d3为权重因子，如d1=0.5，d2=1，d3=2。

下面对本发明提供的基于大数据分析的驾驶预警装置进行描述，下文描述的基于大数据分析的驾驶预警装置与上文描述的基于大数据分析的驾驶预警方法可相互对应参照。

如图3所示，基于大数据分析的驾驶预警装置包括计算模块301和预警模块302，其中：

计算模块301用于根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值；

预设时间段为预先设定的当前时刻之前的某一时间段。可选地，驾驶员的驾驶信息包括驾驶员在驾驶过程中的行为和状态信息，以及驾驶员驾驶的车辆的行驶信息。

驾驶风险值反映驾驶出现交通事故风险的程度。驾驶员的驾驶信息和基本属性信息与驾驶风险值相关。

对驾驶员在预设时间段内的驾驶信息和基本属性信息进行综合计算，得到驾驶员的驾驶风险值。

预警模块302用于在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

在驾驶风险值较大的情况下容易出现交通事故，此时对驾驶员的驾驶行为进行预警。

本实施例通过对驾驶员在预设时间段内的驾驶信息和基本属性信息进行综合计算，得到驾驶员的驾驶风险值，在驾驶风险值较大的情况下进行预警，提高了预警效果，降低了交通事故发生的概率。

在上述实施例的基础上，本实施例中计算模块，用于对所述驾驶信息和基本属性信息整体进行分组；根据每组的驾驶信息和/或基本属性信息，计算每组对应的所述驾驶风险值；将每组对应的所述驾驶风险值乘以相应的权重后相加，获取所述驾驶员的最终驾驶风险值。

在上述实施例的基础上，本实施例中所述驾驶信息包括接打电话报警次数、抽烟次数、疲劳驾驶次数，以及所述驾驶员所驾驶的车辆与位于所述车辆正前方的车辆之间车距小于第二预设阈值的次数、所述驾驶员所驾驶的车辆相邻两次变道的时间小于第三预设阈值的次数、行驶轨迹超出预设区域的次数、行驶速度大于第四预设阈值的次数和行驶违规次数；所述驾驶员的基本属性信息包括性别和年龄。

在上述实施例的基础上，本实施例中计算模块，用于将所述打电话次数、抽烟次数、疲劳驾驶次数、车距小于第二预设阈值的次数、相邻两次变道的时间小于第三预设阈值的次数划分为第一组；将所述行驶轨迹超出预设区域的次数和行驶速度大于第四预设阈值的次数划分为第二组；将所述性别、年龄和行驶违规次数划分为第三组。

在上述实施例的基础上，本实施例中计算模块通过以下公式根据第一组的驾驶信息，计算第一组对应的所述驾驶风险值：

其中，EAD表示第一组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，FDNt表示第t时刻的疲劳驾驶次数，SNt表示第t时刻的抽烟次数，CCANt表示第t时刻的车距小于第二预设阈值的次数，FLCNt表示第t时刻的相邻两次变道的时间小于第三预设阈值的次数，MCNt表示第t时刻的接打电话报警次数，a1、a2、a3、a4和a5为预设常数。

在上述实施例的基础上，本实施例中计算模块通过以下公式根据第二组的驾驶信息，计算第二组对应的所述驾驶风险值：

其中，PAD表示第二组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，ALNt表示第t时刻的行驶轨迹超出预设区域的次数，SANt表示第t时刻的行驶速度大于第四预设阈值的次数，b1、b2、b3 、b4和b5为预设常数，t1和t2为位于t和t+n之间的预设时刻。

在上述实施例的基础上，本实施例中计算模块通过以下公式根据第三组的驾驶信息，计算第三组对应的所述驾驶风险值：

其中，UD表示第三组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，S表示所述驾驶员的性别的映射值，A表示所述驾驶员的年龄的映射值，IVNt表示第t时刻的行驶违规次数，c1、c2、c3 、c4、c5和c6为预设常数，age为所述驾驶员的年龄，age1、age2和age3为预设年龄。

图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行基于大数据分析的驾驶预警方法，该方法包括：根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值；在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的基于大数据分析的驾驶预警方法，该方法包括：根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值；在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的基于大数据分析的驾驶预警方法，该方法包括：根据驾驶员在预设时间段内的驾驶信息和基本属性信息，获取所述驾驶员的驾驶风险值；在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

Claims (9)

1.一种基于大数据分析的驾驶预警方法，其特征在于，包括：

对驾驶员在预设时间段内的驾驶信息和基本属性信息整体进行分组；

根据每组的驾驶信息和/或基本属性信息，计算每组对应的所述驾驶风险值；

将每组对应的所述驾驶风险值乘以相应的权重后相加，获取所述驾驶员的驾驶风险值；

在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

2.根据权利要求1所述的基于大数据分析的驾驶预警方法，其特征在于，所述驾驶信息包括接打电话报警次数、抽烟次数、疲劳驾驶次数，以及所述驾驶员所驾驶的车辆与位于所述车辆正前方的车辆之间车距小于第二预设阈值的次数、所述驾驶员所驾驶的车辆相邻两次变道的时间小于第三预设阈值的次数、行驶轨迹超出预设区域的次数、行驶速度大于第四预设阈值的次数和行驶违规次数；

所述驾驶员的基本属性信息包括性别和年龄。

3.根据权利要求2所述的基于大数据分析的驾驶预警方法，其特征在于，所述对所述驾驶信息和基本属性信息整体进行分组，包括：

将所述打电话次数、抽烟次数、疲劳驾驶次数、车距小于第二预设阈值的次数、相邻两次变道的时间小于第三预设阈值的次数划分为第一组；

将所述行驶轨迹超出预设区域的次数和行驶速度大于第四预设阈值的次数划分为第二组；

将所述性别、年龄和行驶违规次数划分为第三组。

4.根据权利要求3所述的基于大数据分析的驾驶预警方法，其特征在于，通过以下公式根据第一组的驾驶信息，计算第一组对应的所述驾驶风险值：

其中，EAD表示第一组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，FDNt表示第t时刻的疲劳驾驶次数，SNt表示第t时刻的抽烟次数，CCANt表示第t时刻的车距小于第二预设阈值的次数，FLCNt表示第t时刻的相邻两次变道的时间小于第三预设阈值的次数，MCNt表示第t时刻的接打电话报警次数，a1、a2、a3、a4和a5为预设常数。

5.根据权利要求3所述的基于大数据分析的驾驶预警方法，其特征在于，通过以下公式根据第二组的驾驶信息，计算第二组对应的所述驾驶风险值：

其中，PAD表示第二组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，ALNt表示第t时刻的行驶轨迹超出预设区域的次数，SANt表示第t时刻的行驶速度大于第四预设阈值的次数，b1、b2、b3 、b4和b5为预设常数，t1和t2为位于t和t+n之间的预设时刻。

6.根据权利要求3所述的基于大数据分析的驾驶预警方法，其特征在于，通过以下公式根据第三组的驾驶信息，计算第三组对应的所述驾驶风险值：

其中，UD表示第三组对应的所述驾驶风险值，n表示所述预设时间段对应的时长，S表示所述驾驶员的性别的映射值，A表示所述驾驶员的年龄的映射值，IVNt表示第t时刻的行驶违规次数，c1、c2、c3 、c4、c5和c6为预设常数，age为所述驾驶员的年龄，age1、age2和age3为预设年龄。

7.一种基于大数据分析的驾驶预警装置，其特征在于，包括：

计算模块，用于对驾驶员在预设时间段内的驾驶信息和基本属性信息整体进行分组；根据每组的驾驶信息和/或基本属性信息，计算每组对应的所述驾驶风险值；将每组对应的所述驾驶风险值乘以相应的权重后相加，获取所述驾驶员的驾驶风险值；

预警模块，用于在所述驾驶风险值大于第一预设阈值的情况下，对所述驾驶员进行预警。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于大数据分析的驾驶预警方法的步骤。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于大数据分析的驾驶预警方法的步骤。

Images