基于车联网数据的车辆驾驶画像分析和风险研究

发布时间：2023-03-04 12:10

　　我国经济的不断发展和人民生活水平的稳步提升使得我国机动车保有量逐年增长,带来了诸如交通安全、道路堵塞、环境污染等新的问题并给车险业、交通监管部门带来了新的挑战。依托物联网概念产生的车联网技术和基于统计学方法的数据挖掘理论为这些问题与挑战的解决提供了新思路。本文结合国内著名车联网数据平台N公司数据,搭建了车辆驾驶画像体系和风险分析模型。本文首先按照数据挖掘理论对数据进行了预处理,继而从车辆实际驾驶中的各种情景出发,提取和构建了一系列场景变量,并对变量集进行了描述性统计分析。在场景变量和描述性统计分析基础上,比较各类变量抽取方法,综合运用稀疏主成分分析和K-均值聚类分析算法,创新性地设计了多层次、多维度的车辆驾驶画像SVT系统。在车辆风险研究部分,本文结合出险数据的特点,建立了变量筛选-样本平衡-分类算法框架,并对各种方法进行了比较。本文提出的SVT车辆画像系统可以实现对车辆进行场景变量维度、车辆维度、时间维度的分层次全面刻画。变量筛选-样本平衡-分类算法框架下的LASSO+过采样+随机森林算法也实现了较高的风险预测精度。研究结果对于车联网相关产品的创新和UBI车险定价具有较高的商业应用价...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题的研究背景和研究意义
    1.2 国内外研究现状
    1.3 课题研究内容
    1.4 本文结构安排
    1.5 本文主要创新点
    1.6 本章小结
第二章 课题相关背景知识介绍
    2.1 车联网和大数据分析的概念
    2.2 车联网大数据的应用系统框架
    2.3 车联网大数据的应用场景
        2.3.1 V2P场景——智能驾驶行为分析
        2.3.2 V2V场景——智能行车
        2.3.3 V2R场景——智能道路
    2.4 车联网大数据与UBI车险
    2.5 本章小结
第三章 场景变量的设计和描述性统计分析
    3.1 数据集简介及数据预处理
    3.2 场景变量的设计
    3.3 描述性统计分析
    3.4 本章小结
第四章 SVT车辆驾驶画像系统的建立及分析
    4.1 SVT车辆驾驶画像系统框架
    4.2 场景变量维度的设计和分析
        4.2.1 上层(SU层)场景变量维度生成方法
        4.2.2 场景变量维度分析
    4.3 车辆维度的设计和分析
        4.3.1 上层(VU层)车辆维度生成方法
        4.3.2 车辆维度分析
    4.4 时间维度分析
        4.4.1 周内各天分析
        4.4.2 月度分析
    4.5 本章小结
第五章 基于车联网数据的车辆驾驶风险分析模型
    5.1 变量筛选-样本平衡-分类算法框架
        5.1.1 变量筛选-样本平衡-分类算法框架的建立
        5.1.2 变量筛选方法
        5.1.3 样本平衡方法
        5.1.4 分类算法
    5.2 基于变量筛选-样本平衡-分类算法框架的车辆驾驶风险分析
        5.2.1 变量筛选和样本平衡
        5.2.2 车辆驾驶风险模型的构建与评价
    5.3 本章小结
第六章 车辆驾驶画像系统和驾驶风险分析模型的商业应用
    6.1 车辆驾驶画像系统和驾驶风险分析模型与相关产品创新
    6.2 驾驶风险分析模型与UBI车险定价
    6.3 本章小结
第七章 总结与展望
    7.1 全文总结
    7.2 课题展望
        7.2.1 车联网大数据的应用发展趋势展望
        7.2.2 本课题研究展望
    7.3 本章小结
参考文献
致谢
攻读硕士学位期间已发表或录用的论文



本文编号：3754267