[发明专利]一种车辆特征数据处理方法及车辆风险预测模型训练方法

权利要求书

1.一种车辆特征数据处理方法，包括：

获取至少一种原始数据；

从所述原始数据中确定多种第一特征因子；

从轨迹点中选取特征点，对所述特征点进行分层存储，确定不同层次对应的所述特征点和特征点之间的连线；

将所述多种第一特征因子与所述特征点或所述特征点之间的连线关联存储，生成关联数据，将所述关联数据作为车辆风险预测模型的训练数据；

根据所述特征点、所述特征点之间的连线以及所述多种第一特征因子，获取用于确定所述车辆风险预测模型类型的第二特征因子；所述第二特征因子包括以下至少之一：网络复杂度、网络中心性、网络面积。

2.根据权利要求1所述的车辆特征数据处理方法，其特征在于，所述从所述原始数据中确定多种第一特征因子的步骤，包括：

从所述原始数据中提取与各个轨迹点对应的车身数据特征参数、驾驶行为特征参数和驾驶环境数据特征参数；

对各个轨迹点对应的所述车身数据特征参数、驾驶行为特征参数和驾驶环境数据特征参数进行相关性分析以筛选出所述多种第一特征因子。

3.根据权利要求1所述的车辆特征数据处理方法，其特征在于，所述从轨迹点中选取特征点，对所述特征点进行分层存储，确定不同层次对应的所述特征点和特征点之间的连线的步骤，包括：

将道路等级的变化点确定为特征点；

对所述特征点按照道路等级进行分层存储，确定不同层次对应的所述特征点和特征点之间的连线。

4.根据权利要求1所述的车辆特征数据处理方法，其特征在于，所述从轨迹点中选取特征点，对所述特征点进行分层存储，确定不同层次对应的所述特征点和特征点之间的连线的步骤，包括：

根据所述轨迹点确定各个轨迹点间的点对距离；

利用层次聚类方法根据所述各个轨迹点间的点对距离确定特征点和特征点之间的连线。

5.根据权利要求4所述的车辆特征数据处理方法，其特征在于，所述根据所述轨迹点确定各个轨迹点间的点对距离的步骤，包括：

将所述多种第一特征因子作为各个轨迹点P₁、P₂……P_n的特征向量，每个轨迹点的表达式为：

P_i＝(lat_i,lg n_i,PR_i,isCross_i),

式中，P_i为第i个轨迹点，lat_i为P_i的纬度，lg n_i为P_i的经度，PR_i为道路优先级，isCross_i表示P_i是否为道路交叉口；

计算第i个轨迹点P_i和第j个轨迹点P_j之间的点对距离：

式中，GeoDis(P_i,P_j)为第i个轨迹点P_i和第j个轨迹点P_j的实际地理距离，PR_j为P_j的道路优先级，|PR_i-PR_j|为第i个轨迹点P_i和第j个轨迹点P_j的道路等级的差值，isCross为二值变量，标志两点中是否有道路交叉口，即对isCross_i和isCross_j进行或运算，isCross_j表示P_j是否为道路交叉口。

6.根据权利要求4所述的车辆特征数据处理方法，其特征在于，所述利用层次聚类方法根据所述各个轨迹点间的点对距离确定特征点和特征点之间的连线的步骤，包括：

将所述点对距离小于预定阈值的两个轨迹点合并为一点，确定为所述特征点，并将所述特征点按驾驶方向连线；

利用层次聚类方法对所述特征点和所述特征点之间的连线进行分层存储。