一种融合OBD、GPS多源车联网数据的道路风险评估方法与流程

一种融合obd、gps多源车联网数据的道路风险评估方法
技术领域
1.本发明涉及一种融合obd、gps多源车联网数据的道路风险评估方法。


背景技术：

2.道路上交通事故的发生受多维因素影响，因此，对道路交通事故数据进行深入分析，寻找出风险致因与事故之间的内在规律以针对性地进行事故预防管理，对保护人民生命财产安全具有重要意义。
3.传统道路风险评估方法是利用道路的坡度、转弯半径等静态属性来计算道路的风险值。但实际上，影响道路风险的因素不仅仅在于道路物理性质特征，应该充分考虑驾驶员及驾驶具体情况等其他因素。


技术实现要素：

4.本发明的目的是提供一种融合obd、gps多源车联网数据的道路风险评估方法，着重考虑驾驶员的驾驶偏好及路段的异常驾驶情况对道路风险进行评估。
5.为解决上述技术问题，本发明提供一种融合obd、gps多源车联网数据的道路风险评估方法，包括以下步骤：
6.获取单位时间内在监测路段i中行驶的各车辆的obd数据及gps数据；将obd数据及gps数据进行融合，得到在单位时间内车辆数量fi以及各车辆在监测路段中的异常驾驶次数dij，并根据车辆数量fi和各行驶车辆的异常驾驶次数dij计算该监测路段的异常驾驶概率pi；
7.采集单位时间内各驾驶员各自在监测路段i中的总驾驶里程l以及在该驾驶过程中的异常驾驶总次数dip；根据异常驾驶总次数dip和总驾驶里程l计算对应驾驶员对应的每百公里异常驾驶次数nip；然后根据每百公里异常驾驶次数nip对各驾驶员的进行风险驾驶判定，并根据判定结果计算监测路段中的高风险驾驶人员比例qi；
8.根据监测路段的异常驾驶概率pi以及监测路段中的高风险驾驶人员比例qi计算该监测道路的风险值ri。
9.进一步地，obd数据包括车辆id、车辆驾驶过程的异常驾驶数据以及异常驾驶数据对应的时刻；gps数据包括车辆id、车辆实时位置数据、车辆实时位置数据对应的时刻及车辆实时位置数据路段编号。
10.进一步地，将obd数据及gps数据进行融合包括：根据车辆id，将同一车辆的obd数据及同一时刻的gps数据进行一一对应匹配；获取异常驾驶行为的次数以及异常驾驶行为发生的路段位置信息。
11.进一步地，根据车辆数量fi和各行驶车辆的异常驾驶次数dij计算该监测路段i的异常驾驶概率pi所采用的具体计算公式包括：
12.13.其中，dij表示第j辆车在第i条监测路段的异常驾驶次数；。
14.进一步地，根据异常驾驶总次数dip和总驾驶里程l计算对应驾驶员对应的每百公里异常驾驶次数nip所采用的具体计算公式包括：
15.nip＝dip*100/l
16.其中，dip表示驾驶员p在单位时间内的在监测路段i的异常驾驶总次数。
17.进一步地，根据判定结果计算监测路段中的高风险驾驶人员比例qi所采用的具体计算公式包括：
18.qi＝gip/gi
19.其中，gip表示在监测路段i内的高风险驾驶员个数，gi表示在监测路段i内的驾驶员总数。
20.进一步地，根据监测路段的异常驾驶概率pi以及监测路段中的高风险驾驶人员比例qi计算该监测道路的风险值ri所采用的具体计算公式包括：
21.ri＝αpi+βqi
22.其中，α表示监测路段i的异常驾驶概率pi的权重，β表示监测路段i的高风险驾驶人员比例qi的权重，α+β＝1。
23.本发明的有益效果为：本技术通过融合obd、gps多源车联网数据，对监测路段中的异常驾驶概率及高风险驾驶人员比例进行分析，然后根据监测路段中的异常驾驶概率及高风险驾驶人员比例综合对道路风险进行评估，实际上obd数据不尽可以反应车辆的驾驶特性，也是道路物理性质特征的一定程度反应，故本技术不但考虑了道路静态属性还考虑了道路静态属性，可有效提高风险评估准确性。
附图说明
24.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
25.图1为本发明一个实施例的流程图。
具体实施方式
26.如图1所示的一种融合obd、gps多源车联网数据的道路风险评估方法，包括以下步骤：
27.s1：获取单位时间内在监测路段i中行驶的各车辆的obd数据及gps数据；将obd数据及gps数据进行融合，得到在单位时间内车辆数量fi以及各车辆在监测路段中的异常驾驶次数dij，并根据车辆数量fi和各行驶车辆的异常驾驶次数dij计算该监测路段的异常驾驶概率pi；
28.s2：采集单位时间内各驾驶员各自在监测路段i中的总驾驶里程l以及在该驾驶过程中的异常驾驶总次数dip；根据异常驾驶总次数dip和总驾驶里程l计算对应驾驶员对应的每百公里异常驾驶次数nip；然后根据每百公里异常驾驶次数nip对各驾驶员的进行风险驾驶判定，并根据判定结果计算监测路段中的高风险驾驶人员比例qi；
29.s3：根据监测路段的异常驾驶概率pi以及监测路段中的高风险驾驶人员比例qi计
算该监测道路的风险值ri。
30.该方法与传统的通过道路物理性质特征进行道路风险评估方法相比，考虑了驾驶过程中的动态属性obd数据及gps数据；本技术通过融合obd、gps多源车联网数据，对监测路段中的异常驾驶概率及高风险驾驶人员比例进行分析，然后根据监测路段中的异常驾驶概率及高风险驾驶人员比例综合对道路风险进行评估，实际上obd数据不尽可以反应车辆的驾驶特性，也是道路物理性质特征的一定程度反应，故本技术不但考虑了道路静态属性还考虑了道路静态属性，可有效提高风险评估准确性。
31.根据本技术的一个实施例，obd数据包括车辆id、车辆驾驶过程的异常驾驶数据以及异常驾驶数据对应的时刻；1、车辆id为指车辆的唯一标识；2、车辆驾驶过程的异常驾驶数据包括急加速、急减速、急转弯、疲劳驾驶、超速、高速空挡滑行、汽车怠速过长等。gps数据包括车辆id、车辆实时位置数据、车辆实时位置数据对应的时刻及车辆实时位置数据路段编号。
32.根据本技术的一个实施例，将obd数据及gps数据进行融合包括：根据车辆id，将同一车辆的obd数据及同一时刻(或最接近时刻)的gps数据进行一一对应匹配；获取异常驾驶行为的次数以及异常驾驶行为发生的路段位置信息。
33.根据本技术的一个实施例，根据车辆数量fi和各行驶车辆的异常驾驶次数dij计算该监测路段i的异常驾驶概率pi所采用的具体计算公式包括：
[0034][0035]
其中，dip表示第j辆车在第i条监测路段的异常驾驶次数；。
[0036]
根据本技术的一个实施例，根据异常驾驶总次数dip和总驾驶里程l计算对应驾驶员对应的每百公里异常驾驶次数nip所采用的具体计算公式包括：
[0037]
nip＝dip*100/l
[0038]
其中，dip表示驾驶员p在单位时间内的在监测路段i的异常驾驶总次数。
[0039]
通过对重庆中心城区的道路进行异常驾驶概率计算，发现异常驾驶概率大于20％的路段共1300多条。
[0040]
根据本技术的一个实施例，根据判定结果计算监测路段中的高风险驾驶人员比例qi所采用的具体计算公式包括：
[0041]
qi＝gip/gi
[0042]
其中，gip表示在监测路段i内的高风险驾驶员个数，gi表示在监测路段i内的驾驶员总数。
[0043]
结果表明，每百公里异常驾驶次数大于0.54次/百公里的驾驶员是高风险驾驶员；每百公里异常驾驶次数在0.16-0.54次/百公里之间的驾驶员是中风险驾驶员；每百公里异常驾驶次数小于0.16次/百公里之间的驾驶员是低风险驾驶员。
[0044]
根据本技术的一个实施例，根据监测路段的异常驾驶概率pi以及监测路段中的高风险驾驶人员比例qi计算该监测道路的风险值ri所采用的具体计算公式包括：
[0045]
ri＝αpi+βqi
[0046]
其中，α表示监测路段i的异常驾驶概率pi的权重，β表示监测路段i的高风险驾驶人员比例qi的权重，α+β＝1；根据分析α可取0.2；β可取0.8得到的风险结果相对较为准确。
[0047]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种融合obd、gps多源车联网数据的道路风险评估方法，其特征在于，包括以下步骤：获取单位时间内在监测路段i中行驶的各车辆的obd数据及gps数据；将所述obd数据及gps数据进行融合，得到在单位时间内车辆数量fi以及各车辆在监测路段中的异常驾驶次数dij，并根据车辆数量fi和各行驶车辆的异常驾驶次数dij计算该监测路段的异常驾驶概率pi；采集单位时间内各驾驶员各自在监测路段i中的总驾驶里程l以及在该驾驶过程中的异常驾驶总次数dip；根据异常驾驶总次数dip和总驾驶里程l计算对应驾驶员对应的每百公里异常驾驶次数nip；然后根据每百公里异常驾驶次数nip对各驾驶员的进行风险驾驶判定，并根据判定结果计算监测路段中的高风险驾驶人员比例qi；根据监测路段的异常驾驶概率pi以及监测路段中的高风险驾驶人员比例qi计算该监测道路的风险值ri。2.根据权利要求1所述的融合obd、gps多源车联网数据的道路风险评估方法，其特征在于，所述obd数据包括车辆id、车辆驾驶过程的异常驾驶数据以及异常驾驶数据对应的时刻；所述gps数据包括车辆id、车辆实时位置数据、车辆实时位置数据对应的时刻及车辆实时位置数据路段编号。3.根据权利要求2所述的融合obd、gps多源车联网数据的道路风险评估方法，其特征在于，将所述obd数据及gps数据进行融合包括：根据车辆id，将同一车辆的obd数据及同一时刻的gps数据进行一一对应匹配；获取异常驾驶行为的次数以及异常驾驶行为发生的路段位置信息。4.根据权利要求1所述的融合obd、gps多源车联网数据的道路风险评估方法，其特征在于，所述根据车辆数量fi和各行驶车辆的异常驾驶次数dij计算该监测路段i的异常驾驶概率pi所采用的具体计算公式包括：其中，dij表示第j辆车在第i条监测路段的异常驾驶次数；。5.根据权利要求4所述的融合obd、gps多源车联网数据的道路风险评估方法，其特征在于，所述根据异常驾驶总次数dip和总驾驶里程l计算对应驾驶员对应的每百公里异常驾驶次数nip所采用的具体计算公式包括：nip＝dip*100/l其中，dip表示驾驶员p在单位时间内的在监测路段i的异常驾驶总次数。6.根据权利要求5所述的融合obd、gps多源车联网数据的道路风险评估方法，其特征在于，所述根据判定结果计算监测路段中的高风险驾驶人员比例qi所采用的具体计算公式包括：qi＝gip/gi其中，gip表示在监测路段i内的高风险驾驶员个数，gi表示在监测路段i内的驾驶员总数。7.根据权利要求6所述的融合obd、gps多源车联网数据的道路风险评估方法，其特征在于，所述根据监测路段的异常驾驶概率pi以及监测路段中的高风险驾驶人员比例qi计算该
监测道路的风险值ri所采用的具体计算公式包括：ri＝αpi+βqi其中，α表示监测路段i的异常驾驶概率pi的权重，β表示监测路段i的高风险驾驶人员比例qi的权重，α+β＝1。

技术总结
本发明公开了一种融合OBD、GPS多源车联网数据的道路风险评估方法，包括以下步骤：获取单位时间内在监测路段i中行驶的各车辆的OBD数据及GPS数据；将OBD数据及GPS数据进行融合，计算该监测路段的异常驾驶概率Pi和监测路段中的高风险驾驶人员比例Qi；然后根据监测路段的异常驾驶概率Pi以及监测路段中的高风险驾驶人员比例Qi计算该监测道路的风险值Ri。本申请通过融合OBD、GPS多源车联网数据，对监测路段中的异常驾驶概率及高风险驾驶人员比例进行分析，然后根据监测路段中的异常驾驶概率及高风险驾驶人员比例综合对道路风险进行评估，本申请在评估过程中综合考虑了道路静态属性和道路静态属性，可有效提高风险评估准确性。可有效提高风险评估准确性。可有效提高风险评估准确性。


技术研发人员：俞博 陈超 唐小勇 高志刚 张建嵩 邹延权 于海勇 陈康
受保护的技术使用者：重庆市交通规划研究院
技术研发日：2022.12.14
技术公布日：2023/5/23