CN118245921A - 一种驾驶数据比对方法及系统 - Google Patents
一种驾驶数据比对方法及系统 Download PDFInfo
- Publication number
- CN118245921A CN118245921A CN202410098820.2A CN202410098820A CN118245921A CN 118245921 A CN118245921 A CN 118245921A CN 202410098820 A CN202410098820 A CN 202410098820A CN 118245921 A CN118245921 A CN 118245921A
- Authority
- CN
- China
- Prior art keywords
- data
- driving
- driver
- operation behavior
- report
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000006399 behavior Effects 0.000 claims abstract description 274
- 230000002159 abnormal effect Effects 0.000 claims abstract description 129
- 238000004458 analytical method Methods 0.000 claims abstract description 77
- 230000000007 visual effect Effects 0.000 claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000010219 correlation analysis Methods 0.000 claims abstract description 15
- 238000013079 data visualisation Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims description 28
- 230000009467 reduction Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000011425 standardization method Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 14
- 230000008859 change Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 206010000117 Abnormal behaviour Diseases 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种驾驶数据比对方法及系统，其中，所述方法包括：获取操作行为报表和车辆部件运行报表；基于驾驶行为报表提取操作行为数据，基于车辆部件运行报表提取车辆部件运行状态数据；基于由操作行为数据和车辆部件运行状态数据生成的关联性分析结果划分各类异常驾驶行为；统计各类异常驾驶行为的数目，对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析；基于趋势分析结果和各类异常驾驶行为的数目对各驾驶员进行比对，并将所有结果进行数据可视化处理；将对应的可视化驾驶数据传输至驾驶员中，并发出预警信息。本发明能够更为充分且全面地比对各驾驶员的驾驶数据，从而使驾驶员能更为直观且清晰地了解自身的驾驶行为。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种驾驶数据比对方法及系统。
背景技术
驾驶数据比对技术是一项重要的数据分析技术，旨在通过采集、比对和分析驾驶员和车辆的相关数据，从而在对应领域提供有益的见解，在现有的驾驶数据比对方法中，通常是较为笼统地将所有异常驾驶行为归为一个大类，而后便以该大类对各驾驶员之间进行数据比对，这种方式无法全面地对驾驶员的各种驾驶行为进行比对，导致驾驶员无法清晰地认知自身的驾驶行为所存在的问题，并且单纯地以异常驾驶行为的统计数目来进行比对以得出的比对结果并不全面，仅以统计数目进行比对无法充分了解各驾驶员之间的驾驶行为变化情况，需加入对驾驶员的驾驶行为趋势分析能更好比对各驾驶员之间的驾驶情况，从而能更为直观且清晰地使驾驶员了解自身的驾驶行为。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种驾驶数据比对方法及系统，能够更为充分且全面地比对各驾驶员的驾驶数据，从而使驾驶员能更为直观且清晰地了解自身的驾驶行为。
为了解决上述技术问题，本发明提供了一种驾驶数据比对方法，所述方法包括：
获取操作行为报表和车辆部件运行报表；
基于所述驾驶行为报表提取对应驾驶员的操作行为数据，基于所述车辆部件运行报表提取与驾驶员对应目标车辆的车辆部件运行状态数据；
基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为；
统计驾驶员的各类异常驾驶行为的数目，对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析；
基于趋势分析结果和各类异常驾驶行为的数目对各驾驶员进行比对，并将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据；
将对应的可视化驾驶数据传输至对应的驾驶员中，向对应的驾驶员发出预警信息。
可选的，所述获取操作行为报表和车辆部件运行报表，包括：
获取用户发送的访问请求，对所述访问请求进行认证，并基于认证结果授予对应的访问权限；
基于对应的访问权限获取操作行为报表和车辆部件运行报表。
可选的，所述基于所述驾驶行为报表提取对应驾驶员的操作行为数据，包括：
获取数据查询语句，并对所述数据查询语句进行解析，获得查询条件和查询对象；
基于所述查询条件和查询对象在所述驾驶行为报表中获取对应驾驶员的操作行为数据。
可选的，所述基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为，包括：
对所述操作行为数据和车辆部件运行状态数据进行预处理，获得预处理后的操作行为数据和车辆部件运行状态数据；
基于预处理后的操作行为数据和车辆部件运行状态数据构建拓扑关系图；
基于所述拓扑关系图提取统计指标，并基于所述统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数；
基于所述关联系数利用预设判断阈值划分驾驶员的各类异常驾驶行为。
可选的，所述基于所述统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数，包括：
采用最大-最小标准化方法对所述统计指标进行标准化处理，获得标准化统计指标；
基于所述标准化统计指标计算预处理后的操作行为数据的第一距离方差和预处理后的车辆部件运行状态数据的第二距离方差；
基于所述标准化统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的距离协方差；
基于所述第一距离方差、第二距离方差和距离协方差计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数。
可选的，所述对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析，包括：
基于驾驶员的行驶里程数利用预设时间单位构建各类异常驾驶行为数据对应的协方差矩阵；
基于对应的协方差矩阵对各类异常驾驶行为数据进行降维处理，获得各类降维后的异常驾驶行为数据；
对各类降维后的异常驾驶行为数据进行数据拟合，基于各类拟合后的异常驾驶行为数据进行趋势分析。
可选的，所述基于各类拟合后的异常驾驶行为数据进行趋势分析，包括：
基于各类拟合后的异常驾驶行为数据生成拟合曲线，并基于所述拟合曲线进行求导，获得拟合导数；
基于斜率法利用拟合导数判断驾驶员的驾驶行为趋势。
可选的，所述将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据，包括：
对比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化标记处理，获得可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目；
对可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化映射，获得对应的可视化驾驶数据。
可选的，所述将对应的可视化驾驶数据传输至对应的驾驶员中，包括：
基于通信链接通道将对应的可视化驾驶数据传输至对应驾驶员的车辆终端中，并将对应的可视化驾驶数据进行存储。
另外，本发明还提供了一种驾驶数据比对系统，所述系统包括：
报表获取模块：用于获取操作行为报表和车辆部件运行报表；
数据提取模块：用于基于所述驾驶行为报表提取对应驾驶员的操作行为数据，基于所述车辆部件运行报表提取与驾驶员对应目标车辆的车辆部件运行状态数据；
数据关联性分析模块：用于基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为；
趋势分析模块：用于统计驾驶员的各类异常驾驶行为的数目，对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析；
数据比对和可视化模块：用于基于趋势分析结果和各类异常驾驶行为的数目对各驾驶员进行比对，并将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据；
数据传输和预警模块：用于将对应的可视化驾驶数据传输至对应的驾驶员中，向对应的驾驶员发出预警信息。
在本发明实施例中，通过由操作行为数据和车辆部件运行状态数据所生成的关联性分析结果划分驾驶员的各类异常驾驶行为，以距离相关系数作为关系的度量，通过距离相关系数生成关联系数能对两者数据进行变化的关联性分析，从而能够更为准确地划分驾驶员的各类异常驾驶行为，通过对驾驶异常行为数据进行数据还原和数据拟合，而后通过拟合曲线利用斜率法判断驾驶行为趋势，加入对驾驶员的驾驶行为趋势分析能更好比对各驾驶员之间的驾驶情况，并且能够解决由于驾驶行为数据的信息量大和信息冗余导致数据趋势分析缓慢的问题，从而可以更充分且全面地比对驾驶数据，并更为直观且清晰地使驾驶员了解自身的驾驶行为。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见的，下面描述中的附图仅仅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它的附图。
图1是本发明实施例中的驾驶数据比对方法的流程示意图；
图2是本发明实施例中的驾驶数据比对系统的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
实施例一
请参阅图1，图1是本发明实施例中的驾驶数据比对方法的流程示意图。
如图1所示，一种驾驶数据比对方法，所述方法包括：
S11：获取操作行为报表和车辆部件运行报表；
在本发明具体实施过程中，所述获取操作行为报表和车辆部件运行报表，包括：获取用户发送的访问请求，对所述访问请求进行认证，并基于认证结果授予对应的访问权限；基于对应的访问权限获取操作行为报表和车辆部件运行报表。
具体的，获取用户发送的访问请求，访问请求为用户的第一权限标识，权限标识是进行信息认证的重要标记，每位用户都有其对应的唯一权限标识，将用户的第一权限标识与已存储的用户绑定的第二权限标识进行匹配，根据认证匹配结果授予用户对应的访问权限，如果匹配认证不成功，则不会授予权限，保证数据报表获取的安全性，根据对应的访问权限便可获取操作行为报表和车辆部件运行报表。
S12：基于所述驾驶行为报表提取对应驾驶员的操作行为数据，基于所述车辆部件运行报表提取与驾驶员对应目标车辆的车辆部件运行状态数据；
在本发明具体实施过程中，所述基于所述驾驶行为报表提取对应驾驶员的操作行为数据，包括：获取数据查询语句，并对所述数据查询语句进行解析，获得查询条件和查询对象；基于所述查询条件和查询对象在所述驾驶行为报表中获取对应驾驶员的操作行为数据。
具体的，获取数据查询语句，对数据查询语句进行解析，根据数据查询语句的目标列表达式获取嵌套调用的聚集函数，根据嵌套调用的聚集函数对数据查询语句进行条件和对象解析，获得查询条件和查询对象；根据查询对象搜索对应的驾驶员，根据查询条件查询对应的操作行为数据，从而可以获取对应驾驶员的操作行为数据；同样的，对于车辆部件运行报表中的数据获取也是按照上述处理步骤进行，根据对应的查询语句获取在车辆部件运行报表中的相应对象，及与驾驶员对应的目标车辆，从而能够获取驾驶员对应目标车辆的车辆部件运行状态数据。
S13：基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为；
在本发明具体实施过程中，所述基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为，包括：对所述操作行为数据和车辆部件运行状态数据进行预处理，获得预处理后的操作行为数据和车辆部件运行状态数据；基于预处理后的操作行为数据和车辆部件运行状态数据构建拓扑关系图；基于所述拓扑关系图提取统计指标，并基于所述统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数；基于所述关联系数利用预设判断阈值划分驾驶员的各类异常驾驶行为。
进一步的，所述基于所述统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数，包括：采用最大-最小标准化方法对所述统计指标进行标准化处理，获得标准化统计指标；基于所述标准化统计指标计算预处理后的操作行为数据的第一距离方差和预处理后的车辆部件运行状态数据的第二距离方差；基于所述标准化统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的距离协方差；基于所述第一距离方差、第二距离方差和距离协方差计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数。
具体的，对所述操作行为数据和车辆部件运行状态数据进行预处理，识别或删除离群点并解决不一致性来清理数据，清除异常数据和重复数据，将数据清理后的操作行为数据和车辆部件运行状态数据结合起来并统一存储，完成数据集成，将数据集成后的操作行为数据和车辆部件运行状态数据通过规范化和数据概化的方式将数据转化成适用于数据挖掘的形式，获得预处理后的操作行为数据和车辆部件运行状态数据；基于预处理后的操作行为数据和车辆部件运行状态数据构建拓扑关系图，设定预处理后的操作行为数据和车辆部件运行状态数据之间的对应关系，根据其对应关系生成多条关系链，每一条关系链包含多个节点，由多条关系链构成拓扑关系图；基于所述拓扑关系图提取统计指标，通过统计指标能够更为真实反映关联性；采用最大-最小标准化方法对所述统计指标进行标准化处理，为了更为准确地对操作行为数据和车辆部件运行状态数据进行关联性分析，需消除统计指标的量纲差异，采用极差变换法对统计指标进行标准化，通过极差变换公式对指标进行变换计算，无论是正向指标亦或逆向指标都可进行标准化的变换，从而获得标准化统计指标；基于所述标准化统计指标计算预处理后的操作行为数据的第一距离方差，通过统计指标利用预设映射距离对预处理后的操作行为数据进行映射变换，分别计算变换过程中的第一映射方位差均值和第二映射方位差均值，通过第一映射方位差均值和第二映射方位差均值计算第一距离方差，第一距离方差的计算公式为：
其中，dx为第一映射方位差均值，dy为第二映射方位差均值，d为预设映射距离，m为统计指标，对于预处理后的车辆部件运行状态数据的第二距离方差同样是按照上述计算步骤所获得；基于所述标准化统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的距离协方差，距离协方差是度量两个数据的变动的同步程度，也就是度量两个数据的线性相关性程度，可以通过距离协方差判断两个数据之间呈现正相关亦或负相关；基于所述第一距离方差、第二距离方差和距离协方差计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数，将第一距离方差和第二距离方差相乘后，对其乘积结果进行根号运算，将距离协方差除以根号运算结果得到关联系数；基于所述关联系数利用预设判断阈值划分驾驶员的各类异常驾驶行为，如将驾驶员进行转弯操作和车辆转弯速度数据之间的关联系数与预设判断阈值进行比较，若大于预设判断阈值，从而可以对该操作划分为超速转弯驾驶，其余的疲劳驾驶、分心驾驶和变道驾驶等同样是按以上处理进行划分，以距离相关系数作为关系的度量，通过距离相关系数生成关联系数能对两者数据进行变化的关联性分析，从而能够更为准确地划分驾驶员的各类异常驾驶行为。
S14：统计驾驶员的各类异常驾驶行为的数目，对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析；
在本发明具体实施过程中，所述对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析，包括：基于驾驶员的行驶里程数利用预设时间单位构建各类异常驾驶行为数据对应的协方差矩阵；基于对应的协方差矩阵对各类异常驾驶行为数据进行降维处理，获得各类降维后的异常驾驶行为数据；对各类降维后的异常驾驶行为数据进行数据拟合，基于各类拟合后的异常驾驶行为数据进行趋势分析。
进一步的，所述基于各类拟合后的异常驾驶行为数据进行趋势分析，包括：基于各类拟合后的异常驾驶行为数据生成拟合曲线，并基于所述拟合曲线进行求导，获得拟合导数；基于斜率法利用拟合导数判断驾驶员的驾驶行为趋势。
具体的，将各类异常驾驶行为数据记为对应的矩阵，计算该矩阵对应的均值矩阵，均值矩阵采用平均值求解方法，通过各类异常驾驶行为数据与预设时间单位的商值，可计算出均值矩阵，结合驾驶员的行驶里程数计算出对应的协方差矩阵；基于对应的协方差矩阵对各类异常驾驶行为数据进行降维处理，根据对应的协方差矩阵计算其对应的特征值和正交矩阵，通过对应的特征值和正交矩阵计算对应的主成分矩阵，提取主成分矩阵中的主成分数据分量，根据主成分数据分量对各类异常驾驶行为数据进行降维，获得各类降维后的异常驾驶行为数据；对各类降维后的异常驾驶行为数据进行数据拟合，先将各类降维后的异常驾驶行为数据进行还原，获得还原数据矩阵，根据还原数据矩阵利用最小二乘法进行数据拟合，通过拟合函数对异常驾驶行为数据进行拟合，基于各类拟合后的异常驾驶行为数据生成拟合曲线，拟合后的异常驾驶行为数据可以生成拟合曲线使数据趋于平滑，从而能够更为准确地提取数据的整体趋势，根据拟合曲线进行求导，获得拟合导数，根据拟合导数利用斜率法判断数据的变化趋势，即判断驾驶员的驾驶行为趋势，斜率即为拟合导数的几何意义，若导数近似为零，则驾驶员的异常驾驶行为呈周期波动，若导数大于零，则驾驶员的驾驶异常行为呈整体增加趋势，若导数小于零，则驾驶员的驾驶异常行为呈整体减小趋势，通过对驾驶异常行为数据进行数据还原和数据拟合，而后通过拟合曲线利用斜率法判断驾驶行为趋势，加入对驾驶员的驾驶行为趋势分析能更好比对各驾驶员之间的驾驶情况，并且能够解决由于驾驶行为数据的信息量大和信息冗余导致数据趋势分析缓慢的问题。
S15：基于趋势分析结果和各类异常驾驶行为的数目对各驾驶员进行比对，并将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据；
在本发明具体实施过程中，所述将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据，包括：对比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化标记处理，获得可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目；对可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化映射，获得对应的可视化驾驶数据。
具体的，对比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化标记处理，是将数据属性到可视化集合元素的映射，获得可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目；对可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化映射处理，将可视化集合元素到视觉呈现参数的映射，关于驾驶行为数据的图表、分类类别、经济信息的走向和趋势等可通过数据可视化进行呈现，通过可视化标记和可视化映射两者的结合可以完整的将驾驶数据进行可视化表达，从而获得对应驾驶员的可视化驾驶数据，数据可视化处理能够使各驾驶员的驾驶数据直观且准确的展示出来。
S16：将对应的可视化驾驶数据传输至对应的驾驶员中，向对应的驾驶员发出预警信息。
在本发明具体实施过程中，所述将对应的可视化驾驶数据传输至对应的驾驶员中，包括：基于通信链接通道将对应的可视化驾驶数据传输至对应驾驶员的车辆终端中，并将对应的可视化驾驶数据进行存储。
具体的，后台管理系统根据无线网络通信协议与各驾驶员车辆的车辆终端建立通信链接通道，获取每个车辆终端的通信地址信息，匹配对应的通信端口，通过远程网络连接指令函数利用通信地址信息与对应的通信端口建立通信链接通道，从而可以实现数据快速完整的传输，通过通信链接通道将对应的可视化驾驶数据传输至对应驾驶员的车辆终端中，并将对应的可视化驾驶数据进行存储，通过对应的可视化驾驶数据可向驾驶员发出预警信息，提示对应驾驶员的驾驶异常行为类别、数目、趋势和与其余驾驶员的比对结果，从而能够更为直观且清晰地使驾驶员了解自身的驾驶行为。
在本发明实施例中，通过由操作行为数据和车辆部件运行状态数据所生成的关联性分析结果划分驾驶员的各类异常驾驶行为，以距离相关系数作为关系的度量，通过距离相关系数生成关联系数能对两者数据进行变化的关联性分析，从而能够更为准确地划分驾驶员的各类异常驾驶行为，通过对驾驶异常行为数据进行数据还原和数据拟合，而后通过拟合曲线利用斜率法判断驾驶行为趋势，加入对驾驶员的驾驶行为趋势分析能更好比对各驾驶员之间的驾驶情况，并且能够解决由于驾驶行为数据的信息量大和信息冗余导致数据趋势分析缓慢的问题，从而可以更充分且全面地比对驾驶数据，并更为直观且清晰地使驾驶员了解自身的驾驶行为。
实施例二
请参阅图2，图2是本发明实施例中的驾驶数据比对系统的结构组成示意图。
如图2所示，一种驾驶数据比对系统，所述系统包括：
报表获取模块21：用于获取操作行为报表和车辆部件运行报表；
在本发明具体实施过程中，所述获取操作行为报表和车辆部件运行报表，包括：获取用户发送的访问请求，对所述访问请求进行认证，并基于认证结果授予对应的访问权限；基于对应的访问权限获取操作行为报表和车辆部件运行报表。
具体的，获取用户发送的访问请求，访问请求为用户的第一权限标识，权限标识是进行信息认证的重要标记，每位用户都有其对应的唯一权限标识，将用户的第一权限标识与已存储的用户绑定的第二权限标识进行匹配，根据认证匹配结果授予用户对应的访问权限，如果匹配认证不成功，则不会授予权限，保证数据报表获取的安全性，根据对应的访问权限便可获取操作行为报表和车辆部件运行报表。
数据提取模块22：用于基于所述驾驶行为报表提取对应驾驶员的操作行为数据，基于所述车辆部件运行报表提取与驾驶员对应目标车辆的车辆部件运行状态数据；
在本发明具体实施过程中，所述基于所述驾驶行为报表提取对应驾驶员的操作行为数据，包括：获取数据查询语句，并对所述数据查询语句进行解析，获得查询条件和查询对象；基于所述查询条件和查询对象在所述驾驶行为报表中获取对应驾驶员的操作行为数据。
具体的，获取数据查询语句，对数据查询语句进行解析，根据数据查询语句的目标列表达式获取嵌套调用的聚集函数，根据嵌套调用的聚集函数对数据查询语句进行条件和对象解析，获得查询条件和查询对象；根据查询对象搜索对应的驾驶员，根据查询条件查询对应的操作行为数据，从而可以获取对应驾驶员的操作行为数据；同样的，对于车辆部件运行报表中的数据获取也是按照上述处理步骤进行，根据对应的查询语句获取在车辆部件运行报表中的相应对象，及与驾驶员对应的目标车辆，从而能够获取驾驶员对应目标车辆的车辆部件运行状态数据。
数据关联性分析模块23：用于基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为；
在本发明具体实施过程中，所述基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为，包括：对所述操作行为数据和车辆部件运行状态数据进行预处理，获得预处理后的操作行为数据和车辆部件运行状态数据；基于预处理后的操作行为数据和车辆部件运行状态数据构建拓扑关系图；基于所述拓扑关系图提取统计指标，并基于所述统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数；基于所述关联系数利用预设判断阈值划分驾驶员的各类异常驾驶行为。
进一步的，所述基于所述统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数，包括：采用最大-最小标准化方法对所述统计指标进行标准化处理，获得标准化统计指标；基于所述标准化统计指标计算预处理后的操作行为数据的第一距离方差和预处理后的车辆部件运行状态数据的第二距离方差；基于所述标准化统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的距离协方差；基于所述第一距离方差、第二距离方差和距离协方差计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数。
具体的，对所述操作行为数据和车辆部件运行状态数据进行预处理，识别或删除离群点并解决不一致性来清理数据，清除异常数据和重复数据，将数据清理后的操作行为数据和车辆部件运行状态数据结合起来并统一存储，完成数据集成，将数据集成后的操作行为数据和车辆部件运行状态数据通过规范化和数据概化的方式将数据转化成适用于数据挖掘的形式，获得预处理后的操作行为数据和车辆部件运行状态数据；基于预处理后的操作行为数据和车辆部件运行状态数据构建拓扑关系图，设定预处理后的操作行为数据和车辆部件运行状态数据之间的对应关系，根据其对应关系生成多条关系链，每一条关系链包含多个节点，由多条关系链构成拓扑关系图；基于所述拓扑关系图提取统计指标，通过统计指标能够更为真实反映关联性；采用最大-最小标准化方法对所述统计指标进行标准化处理，为了更为准确地对操作行为数据和车辆部件运行状态数据进行关联性分析，需消除统计指标的量纲差异，采用极差变换法对统计指标进行标准化，通过极差变换公式对指标进行变换计算，无论是正向指标亦或逆向指标都可进行标准化的变换，从而获得标准化统计指标；基于所述标准化统计指标计算预处理后的操作行为数据的第一距离方差，通过统计指标利用预设映射距离对预处理后的操作行为数据进行映射变换，分别计算变换过程中的第一映射方位差均值和第二映射方位差均值，通过第一映射方位差均值和第二映射方位差均值计算第一距离方差，第一距离方差的计算公式为：
其中，dx为第一映射方位差均值，dy为第二映射方位差均值，d为预设映射距离，m为统计指标，对于预处理后的车辆部件运行状态数据的第二距离方差同样是按照上述计算步骤所获得；基于所述标准化统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的距离协方差，距离协方差是度量两个数据的变动的同步程度，也就是度量两个数据的线性相关性程度，可以通过距离协方差判断两个数据之间呈现正相关亦或负相关；基于所述第一距离方差、第二距离方差和距离协方差计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数，将第一距离方差和第二距离方差相乘后，对其乘积结果进行根号运算，将距离协方差除以根号运算结果得到关联系数；基于所述关联系数利用预设判断阈值划分驾驶员的各类异常驾驶行为，如将驾驶员进行转弯操作和车辆转弯速度数据之间的关联系数与预设判断阈值进行比较，若大于预设判断阈值，从而可以对该操作划分为超速转弯驾驶，其余的疲劳驾驶、分心驾驶和变道驾驶等同样是按以上处理进行划分，以距离相关系数作为关系的度量，通过距离相关系数生成关联系数能对两者数据进行变化的关联性分析，从而能够更为准确地划分驾驶员的各类异常驾驶行为。
趋势分析模块24：用于统计驾驶员的各类异常驾驶行为的数目，对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析；
在本发明具体实施过程中，所述对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析，包括：基于驾驶员的行驶里程数利用预设时间单位构建各类异常驾驶行为数据对应的协方差矩阵；基于对应的协方差矩阵对各类异常驾驶行为数据进行降维处理，获得各类降维后的异常驾驶行为数据；对各类降维后的异常驾驶行为数据进行数据拟合，基于各类拟合后的异常驾驶行为数据进行趋势分析。
进一步的，所述基于各类拟合后的异常驾驶行为数据进行趋势分析，包括：基于各类拟合后的异常驾驶行为数据生成拟合曲线，并基于所述拟合曲线进行求导，获得拟合导数；基于斜率法利用拟合导数判断驾驶员的驾驶行为趋势。
具体的，将各类异常驾驶行为数据记为对应的矩阵，计算该矩阵对应的均值矩阵，均值矩阵采用平均值求解方法，通过各类异常驾驶行为数据与预设时间单位的商值，可计算出均值矩阵，结合驾驶员的行驶里程数计算出对应的协方差矩阵；基于对应的协方差矩阵对各类异常驾驶行为数据进行降维处理，根据对应的协方差矩阵计算其对应的特征值和正交矩阵，通过对应的特征值和正交矩阵计算对应的主成分矩阵，提取主成分矩阵中的主成分数据分量，根据主成分数据分量对各类异常驾驶行为数据进行降维，获得各类降维后的异常驾驶行为数据；对各类降维后的异常驾驶行为数据进行数据拟合，先将各类降维后的异常驾驶行为数据进行还原，获得还原数据矩阵，根据还原数据矩阵利用最小二乘法进行数据拟合，通过拟合函数对异常驾驶行为数据进行拟合，基于各类拟合后的异常驾驶行为数据生成拟合曲线，拟合后的异常驾驶行为数据可以生成拟合曲线使数据趋于平滑，从而能够更为准确地提取数据的整体趋势，根据拟合曲线进行求导，获得拟合导数，根据拟合导数利用斜率法判断数据的变化趋势，即判断驾驶员的驾驶行为趋势，斜率即为拟合导数的几何意义，若导数近似为零，则驾驶员的异常驾驶行为呈周期波动，若导数大于零，则驾驶员的驾驶异常行为呈整体增加趋势，若导数小于零，则驾驶员的驾驶异常行为呈整体减小趋势，通过对驾驶异常行为数据进行数据还原和数据拟合，而后通过拟合曲线利用斜率法判断驾驶行为趋势，加入对驾驶员的驾驶行为趋势分析能更好比对各驾驶员之间的驾驶情况，并且能够解决由于驾驶行为数据的信息量大和信息冗余导致数据趋势分析缓慢的问题。
数据比对和可视化模块25：用于基于趋势分析结果和各类异常驾驶行为的数目对各驾驶员进行比对，并将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据；
在本发明具体实施过程中，所述将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据，包括：对比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化标记处理，获得可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目；对可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化映射，获得对应的可视化驾驶数据。
具体的，对比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化标记处理，是将数据属性到可视化集合元素的映射，获得可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目；对可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化映射处理，将可视化集合元素到视觉呈现参数的映射，关于驾驶行为数据的图表、分类类别、经济信息的走向和趋势等可通过数据可视化进行呈现，通过可视化标记和可视化映射两者的结合可以完整的将驾驶数据进行可视化表达，从而获得对应驾驶员的可视化驾驶数据，数据可视化处理能够使各驾驶员的驾驶数据直观且准确的展示出来。
数据传输和预警模块26：用于将对应的可视化驾驶数据传输至对应的驾驶员中，向对应的驾驶员发出预警信息。
在本发明具体实施过程中，所述将对应的可视化驾驶数据传输至对应的驾驶员中，包括：基于通信链接通道将对应的可视化驾驶数据传输至对应驾驶员的车辆终端中，并将对应的可视化驾驶数据进行存储。
具体的，后台管理系统根据无线网络通信协议与各驾驶员车辆的车辆终端建立通信链接通道，获取每个车辆终端的通信地址信息，匹配对应的通信端口，通过远程网络连接指令函数利用通信地址信息与对应的通信端口建立通信链接通道，从而可以实现数据快速完整的传输，通过通信链接通道将对应的可视化驾驶数据传输至对应驾驶员的车辆终端中，并将对应的可视化驾驶数据进行存储，通过对应的可视化驾驶数据可向驾驶员发出预警信息，提示对应驾驶员的驾驶异常行为类别、数目、趋势和与其余驾驶员的比对结果，从而能够更为直观且清晰地使驾驶员了解自身的驾驶行为。
在本发明实施例中，通过由操作行为数据和车辆部件运行状态数据所生成的关联性分析结果划分驾驶员的各类异常驾驶行为，以距离相关系数作为关系的度量，通过距离相关系数生成关联系数能对两者数据进行变化的关联性分析，从而能够更为准确地划分驾驶员的各类异常驾驶行为，通过对驾驶异常行为数据进行数据还原和数据拟合，而后通过拟合曲线利用斜率法判断驾驶行为趋势，加入对驾驶员的驾驶行为趋势分析能更好比对各驾驶员之间的驾驶情况，并且能够解决由于驾驶行为数据的信息量大和信息冗余导致数据趋势分析缓慢的问题，从而可以更充分且全面地比对驾驶数据，并更为直观且清晰地使驾驶员了解自身的驾驶行为。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnly Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种驾驶数据比对方法及系统进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种驾驶数据比对方法，其特征在于，所述方法包括：
获取操作行为报表和车辆部件运行报表；
基于所述驾驶行为报表提取对应驾驶员的操作行为数据，基于所述车辆部件运行报表提取与驾驶员对应目标车辆的车辆部件运行状态数据；
基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为；
统计驾驶员的各类异常驾驶行为的数目，对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析；
基于趋势分析结果和各类异常驾驶行为的数目对各驾驶员进行比对，并将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据；
将对应的可视化驾驶数据传输至对应的驾驶员中，向对应的驾驶员发出预警信息。
2.根据权利要求1所述的驾驶数据比对方法，其特征在于，所述获取操作行为报表和车辆部件运行报表，包括：
获取用户发送的访问请求，对所述访问请求进行认证，并基于认证结果授予对应的访问权限；
基于对应的访问权限获取操作行为报表和车辆部件运行报表。
3.根据权利要求1所述的驾驶数据比对方法，其特征在于，所述基于所述驾驶行为报表提取对应驾驶员的操作行为数据，包括：
获取数据查询语句，并对所述数据查询语句进行解析，获得查询条件和查询对象；
基于所述查询条件和查询对象在所述驾驶行为报表中获取对应驾驶员的操作行为数据。
4.根据权利要求1所述的驾驶数据比对方法，其特征在于，所述基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为，包括：
对所述操作行为数据和车辆部件运行状态数据进行预处理，获得预处理后的操作行为数据和车辆部件运行状态数据；
基于预处理后的操作行为数据和车辆部件运行状态数据构建拓扑关系图；
基于所述拓扑关系图提取统计指标，并基于所述统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数；
基于所述关联系数利用预设判断阈值划分驾驶员的各类异常驾驶行为。
5.根据权利要求4所述的驾驶数据比对方法，其特征在于，所述基于所述统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数，包括：
采用最大-最小标准化方法对所述统计指标进行标准化处理，获得标准化统计指标；
基于所述标准化统计指标计算预处理后的操作行为数据的第一距离方差和预处理后的车辆部件运行状态数据的第二距离方差；
基于所述标准化统计指标计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的距离协方差；
基于所述第一距离方差、第二距离方差和距离协方差计算预处理后的操作行为数据与预处理后的车辆部件运行状态数据之间的关联系数。
6.根据权利要求1所述的驾驶数据比对方法，其特征在于，所述对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析，包括：
基于驾驶员的行驶里程数利用预设时间单位构建各类异常驾驶行为数据对应的协方差矩阵；
基于对应的协方差矩阵对各类异常驾驶行为数据进行降维处理，获得各类降维后的异常驾驶行为数据；
对各类降维后的异常驾驶行为数据进行数据拟合，基于各类拟合后的异常驾驶行为数据进行趋势分析。
7.根据权利要求6所述的驾驶数据比对方法，其特征在于，所述基于各类拟合后的异常驾驶行为数据进行趋势分析，包括：
基于各类拟合后的异常驾驶行为数据生成拟合曲线，并基于所述拟合曲线进行求导，获得拟合导数；
基于斜率法利用拟合导数判断驾驶员的驾驶行为趋势。
8.根据权利要求1所述的驾驶数据比对方法，其特征在于，所述将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据，包括：
对比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化标记处理，获得可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目；
对可视化标记处理后的比对结果、趋势分析结果和各类异常驾驶行为的数目进行可视化映射，获得对应的可视化驾驶数据。
9.根据权利要求1所述的驾驶数据比对方法，其特征在于，所述将对应的可视化驾驶数据传输至对应的驾驶员中，包括：
基于通信链接通道将对应的可视化驾驶数据传输至对应驾驶员的车辆终端中，并将对应的可视化驾驶数据进行存储。
10.一种驾驶数据比对系统，其特征在于，所述系统包括：
报表获取模块：用于获取操作行为报表和车辆部件运行报表；
数据提取模块：用于基于所述驾驶行为报表提取对应驾驶员的操作行为数据，基于所述车辆部件运行报表提取与驾驶员对应目标车辆的车辆部件运行状态数据；
数据关联性分析模块：用于基于所述操作行为数据和车辆部件运行状态数据进行关联性分析，基于关联性分析结果划分驾驶员的各类异常驾驶行为；
趋势分析模块：用于统计驾驶员的各类异常驾驶行为的数目，对驾驶员的各类异常驾驶行为结合驾驶员的行驶里程数进行趋势分析；
数据比对和可视化模块：用于基于趋势分析结果和各类异常驾驶行为的数目对各驾驶员进行比对，并将比对结果、趋势分析结果和各类异常驾驶行为的数目进行数据可视化处理，获得对应的可视化驾驶数据；
数据传输和预警模块：用于将对应的可视化驾驶数据传输至对应的驾驶员中，向对应的驾驶员发出预警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410098820.2A CN118245921A (zh) | 2024-01-24 | 2024-01-24 | 一种驾驶数据比对方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410098820.2A CN118245921A (zh) | 2024-01-24 | 2024-01-24 | 一种驾驶数据比对方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118245921A true CN118245921A (zh) | 2024-06-25 |
Family
ID=91551735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410098820.2A Pending CN118245921A (zh) | 2024-01-24 | 2024-01-24 | 一种驾驶数据比对方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118245921A (zh) |
-
2024
- 2024-01-24 CN CN202410098820.2A patent/CN118245921A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110084534B (zh) | 一种基于驾驶行为画像的驾驶风险因子量化方法 | |
| CN113255777A (zh) | 基于多模态敏感特征选取融合的设备故障预警方法及系统 | |
| CN111143429A (zh) | 一种车辆路试数据评价方法、装置和系统 | |
| CN116644825B (zh) | 一种基于大数据的门诊信息查询预约管理系统 | |
| CN115222303B (zh) | 基于大数据的行业风险数据分析方法、系统及存储介质 | |
| CN115409395A (zh) | 一种水利施工工程的质量验收检查方法及系统 | |
| CN111626360A (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
| CN113806343B (zh) | 一种车联网数据质量的评估方法和系统 | |
| CN117035563B (zh) | 产品质量安全风险监测方法、设备、监测系统及介质 | |
| CN103913150A (zh) | 智能电能表电子元器件一致性检测方法 | |
| CN112434651A (zh) | 一种基于图像识别的信息分析方法、装置及计算机设备 | |
| CN112883380A (zh) | 智慧教育平台的大数据组件安全风险分析方法及系统 | |
| CN112468673A (zh) | 一种在线图像的传输识别方法及系统 | |
| CN116127604B (zh) | 一种汽车防撞数据处理方法及系统 | |
| CN117154716A (zh) | 一种分布式电源接入配电网的规划方法及系统 | |
| CN118245921A (zh) | 一种驾驶数据比对方法及系统 | |
| CN110851414A (zh) | 一种以聚类法进行边界数据分析的方法及其系统 | |
| CN115082135B (zh) | 一种在网时长差异识别方法、装置、设备及介质 | |
| CN111882135B (zh) | 一种物联网设备入侵检测方法及相关装置 | |
| CN115239071A (zh) | 一种基于大数据的工业生产环境风险评估系统 | |
| CN112434656A (zh) | 一种物联网设备的图像识别方法、装置及计算机设备 | |
| CN116226255B (zh) | 一种体测数据的高效批量导入方法及系统 | |
| CN117319440B (zh) | 一种基于车联网的数据采集及分析方法及系统 | |
| CN110909818B (zh) | 一种基于tbox的整车运行数据的降维系统 | |
| CN116580360B (zh) | 一种用于安防监控的图像数据处理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |