技术摘要：
本发明公开了一种基于车联网的驾驶行为评价方法、系统及存储介质，包括：步骤1.从车联网数据库中提取用户行为数据；步骤2.使用逐步回归对特征变量进行反复筛选，直到筛选出显著性最优的解释变量；步骤3.对特征变量通过变量分箱，再对特征变量进行WOE转换完成自变量构造  全部
背景技术：
随着电动汽车的推广及普及，电动汽车用户数据积累也达到了一定量级，有必要 开发一种基于车联网的驾驶行为评价方法，以帮助用户改进驾驶行为，减少事故发生概率， 增加车辆的使用寿命。
技术实现要素：
本发明的目的是提供一种基于车联网的驾驶行为评价方法、系统及存储介质，能 从驾驶习惯、充电习惯、安全性和能耗综合对驾驶行为进行评级。 第一方面，本发明所述的一种基于车联网的驾驶行为评价方法，包括车联网数据 库，所述车联网数据库包括驾驶习惯数据、充电习惯数据和安全性相关数据、能耗相关数 据，其方法包括以下步骤： 步骤1.从车联网数据库中提取用户行为数据，包含驾驶习惯数据、充电习惯数据、 安全性相关数据、能耗相关数据，将提取的用户行为数据构建各分析维度的特征变量集，基 于特征变量集构建各纬度的样本集； 步骤2.使用逐步回归对特征变量进行反复筛选，直到筛选出显著性最优的解释变 量； 步骤3.对特征变量通过变量分箱，再对特征变量进行WOE转换完成自变量构造，使 用逻辑回归模型进行训练，得到训练后的模型，输出模型的变量参数； 步骤4.根据评分卡转换方法，输出驾驶习惯、充电习惯、安全性以及能耗这四个维 度变量的分值，分值越高，表示驾驶行为越好； 步骤5.将四个维度变量得分进行加权计算，得到最终的驾驶行为得分，并进行等 级转化，输出驾驶行为评级。 进一步，所述步骤1中，基于提取的用户行为数据构建各分析维度的数据集特征变 量集，即输出驾驶习惯特征变量集、充电习惯特征变量集、安全性相关特征变量集和能耗相 关特征变量集； 基于数据集特征变量集构建各维度的样本集，即构建出驾驶习惯模型样本集、充 电习惯模型样本集、安全模型样本集和能耗模型样本集。 进一步，所述逻辑回归模型的参数形式为： 其中，z＝θ0 θ1x1 θ2x2 ... θnx ＝θTn x； 4 CN 111552926 A 说　明　书 2/5 页 根据以上公式对参数θ进行估计，θ表示hθ(x)结果取1的概率，因此对于输入x分类 结果为类别1和类别0的概率分别为： P(y＝1|x；θ)＝(h (x))y 1-yθ *(1-hθ(x)) ； P(y＝0|x；θ)＝1-hθ(x)； 其中，xn代表特征变量，θ代表参数，n是变量个数； 所述步骤4中，计算每个维度变量分值的公式如下： score总＝A B*(θTx)＝A B(ω0 ω1x1 … ωixi)       ＝(A B*ω0) B*ω1x1 … B*ωixi 其中，score总代表每个维度分值，A和B代表常数，xi代表特征分箱后的变量，ωi代 表每个变量的权重，i是特征分箱后的变量个数； 进一步，所述步骤5具体为： 将驾驶习惯得分、充电习惯得分、安全性得分、能耗得分分别按照权重为α：β：γ：σ 计算总驾驶行为得分，并将分数分为m个等级，输出该总驾驶行为得分所对应的驾驶行为评 级。 第二方面，本发明所述的一种基于车联网的驾驶行为评价系统，包括处理器和存 储器； 所述存储器上存储有能被所述处理器执行的计算机可读程序； 所述处理器执行所述计算机可读程序时能实现如本发明所述的基于车联网的驾 驶行为评价方法的步骤。 第三方面，本发明所述的一种存储介质，所述存储介质存储有一个或者多个计算 机可读程序，所述一个或者多个计算机可读程序能被一个或者多个处理器执行，以实现如 本发明所述的基于车联网的驾驶行为评价方法的步骤。 本发明具有以下优点：本方法充分考虑了电动汽车数据特性，从驾驶习惯、充电习 惯、安全性和能耗这四个维度对驾驶行为进行评级，每个维度均通过模型计算得分，最终能 够得到一个综合的驾驶行为评级。 附图说明 图1是本实施例的流程图。