一種基於主成分線性加權的駕駛風險評估的方法
2023-09-23 12:36:05 2
一種基於主成分線性加權的駕駛風險評估的方法
【專利摘要】一種基於主成分線性加權的駕駛風險評估的方法，包括如下步驟：S1.選取n個測試車輛，使用車聯網設備獲取測試車輛及測試車輛的車主的評估因素；S2.構建預測函數模型，S2.1.構造樣本矩陣；S2.2.求上述樣本矩陣的協方差矩陣，對協方差矩陣進行正交變換，求正交變換後的矩陣的特徵值和特徵向量；S2.3.構建樣本的評估函數：S2.4.將第i個主成分Zi表示為n個原始指標的線性組合；獲取駕駛風險等級。本發明可以獲得客觀權重係數，主成分方法強調差異性原理，獲得的客觀權重係數是完全基於數據本身，這樣得到的指標權重係數，具有客觀性，避免過多的人為因素幹擾。
【專利說明】一種基於主成分線性加權的駕駛風險評估的方法
【技術領域】
[0001] 本發明涉及一種評估方法，尤其涉及一種基於主成分線性加權的駕駛風險評估的 方法。
【背景技術】
[0002] 隨著UBI車聯網保險和大數據的興起，迫切需要一種科學的方法對駕駛員的駕駛 風險進行評估，該評估結果可以作為測試車輛車主的駕駛風險數據的支撐，提醒和督促車 主改善行車習慣，從而提高車主的安全意識，也可以為保險公司制定不同等級的保費提供 依據，目前在國內外關於UBI的保險評估只是將風險因子分配適當權重後，做簡單的擬合 和運算即可，但是這些方法獲得的評估結果，不能準確的反應實際危險的情況。
【發明內容】
[0003] 為了解決上述問題，本發明提供一種基於主成分線性加權的駕駛風險評估的方 法。該方法能夠實現風險因素權重的客觀性評估，並且可以隨意擴展風險因素的個數，具有 較好的自適應性。
[0004] 本發明的技術方案為：一種基於主成分線性加權的駕駛風險評估的方法，包括如 下步驟：
[0005] SI.選取η個測試車輛，使用車聯網設備獲取測試車輛及測試車輛的車主的至少 下述評估因素：
[0006] 測試車輛日均行駛裡程、測試車輛年均行駛裡程、測試車輛夜間行駛時間佔比、測 試車輛高峰行駛時間佔比和測試車輛的車主的駕齡；
[0007] 測試車輛行駛過程中的急剎車的次數、急加速的次數、急轉彎的次數、掉頭的次數 和S行駛的次數；
[0008] 將上述評估因素作為訓練樣本，也即為本方法中的主成分；
[0009] S2.構建預測函數模型
[0010] S2. 1.構造樣本矩陣，把樣本數據以矩陣的形式表示出來，樣本矩陣如下：
[0011]
【權利要求】
1. 一種基於主成分線性加權的駕駛風險評估的方法，其特徵在於： 包括如下步驟：
51. 選取n個測試車輛，使用車聯網設備獲取測試車輛及測試車輛的車主的至少下述 評估因素： 測試車輛日均行駛裡程、測試車輛年均行駛裡程、測試車輛夜間行駛時間佔比、測試車 輛高峰行駛時間佔比和測試車輛的車主的駕齡； 測試車輛行駛過程中的急剎車的次數、急加速的次數、急轉彎的次數、掉頭的次數和S行駛的次數； 將上述評估因素作為訓練樣本，也即為本方法中的主成分；
52. 構建預測函數模型 S2.1.構造樣本矩陣，把樣本數據以矩陣的形式表示出來，樣本矩陣如下：
其中，n表示樣本容量，p表示評估因素個數； S2. 2.求上述樣本矩陣的協方差矩陣，對協方差矩陣進行正交變換，求正交變換後的矩 陣的特徵值和特徵向量； S2. 3.構建樣本的評估函數：
式中，s為選取的主成分個數，Zi為第i個主成分，a貢獻率：
I為特徵值從大到小排列後選取的第i個特徵值； S2. 4.將第i個主成分Zi表示為n個原始指標的線性組合：
通過公式（3)的輸出值即可獲取駕駛風險等級。
【文檔編號】G06Q10/04GK104484725SQ201410849026
【公開日】2015年4月1日 申請日期:2014年12月30日 優先權日:2014年12月30日
【發明者】田雨農, 張曉偉, 蒼柏, 李剛 申請人:大連樓蘭科技股份有限公司