(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111623992.X (22)申请日 2021.12.28 (71)申请人 东南大学 地址 210000 江苏省南京市玄武区四牌楼 2 号 (72)发明人 李大韦　楼碧霞　汤宇翔　陈诗嘉　 宋玉晨　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 代理人 罗运红 (51)Int.Cl. G06F 16/909(2019.01) G06F 16/901(2019.01) G06Q 10/04(2012.01) (54)发明名称 一种实时预测驾驶员用车行为模式变化的 方法 (57)摘要 本申请涉及一种实时预测驾驶员用车行为 模式变化的方法。 该方法包括： 实时获取驾驶者 的个人出行的历史数据并进行预处理， 历史数据 为驾驶者在以前的出行中车辆的使用时间以及 出行的空间位置； 将历史数据规整后， 将出行地 图划分为网格并对网格中每一个格子给予索引 作为空间数据， 将时间序列数据按日划分， 每日 统计个人车辆使用时间并以此作为时间数据， 获 得统计的时间序列数据； 将时间序列数据输入到 预先构建的广义似然比模型中， 对当前周期的车 辆使用模式进行分析， 获得驾驶员当前周期内的 车辆使用模式变化信息。 以概率分布形式推断， 考虑了时间依赖性 以及个人属性的异质性的多 个个体的私家车使用行为， 有效地提升个人用车 行为模式推断的精确率。 权利要求书2页 说明书5页 附图1页 CN 114398530 A 2022.04.26 CN 114398530 A 1.一种实时预测驾驶员用车 行为模式变化的方法， 其特 征在于， 所述方法包括： 步骤一， 实时获取驾驶者的个人出行的历史数据并进行预处理， 所述历史数据为驾驶 者在以前的出 行中车辆的使用时间以及出 行的空间位置； 步骤二， 将所述历史数据规整后， 将出行地图划分为网格并对网格中每一个格子给予 索引作为空间数据， 将时间序列数据按 日划分， 每日统计个人车辆使用时间并以此作为时 间数据， 获得统计的时间序列数据， 以hdf5数据文件 存储； 步骤三， 将所述时间序列数据输入到预先构建的所述广义似然比模型中， 对当前周期 的车辆使用模式进行分析， 获得驾驶员当前周期内的车辆使用模式变化信息 。 所述广义似然比模型基于广义似然比分段平稳时间序列的自适应序列分割框架结构 搭。 2.根据权利要求1所述的实时预测驾驶员用车行为模式变化的方法， 其特征在于， 所述 广义似然比模型中： 将统计的所述时间序列数据表示为X＝{x1， x2， x3……xi}， 其中， xi表示第i个时间段内 车辆使用的数据， 用xi:j来定义从时间戳 i到时间戳j之间的车辆使用数据； 对于一个时刻t， 将t之前的一个时间窗口定义为长度为r的参照窗口， 将t之后的一个 时间窗口定义 为长度为s的测试窗口； 通过计算参考窗口中参考数据xt‑r‑1:t‑1和测试窗口中测试数据xt:t+s之间的相异度值， 并将相异度阈值与相异度阈值 进行比较， 确定是否在t时间点处发生变化， 满足H0则时间 点发生变化， 满足H1则时间点 不发生变化， 表示 为： 其中， F(·，·)是一种相异度函数， 是一个相异度阈值， 用于调整检测 灵敏度和鲁棒 性之间的平衡， H0表示原假设， H1表示备择假设； 随着新的观测值的到来， 时刻t逐渐推移， 并且参考窗口和测试窗口都 随着时刻t滑动； 测试窗口 的长度s指定检测延迟， 即， 在时刻t处发生的变化只能在t+s处检测。 3.根据权利要求1所述的实时预测驾驶员用车行为模式变化的方法， 其特征在于， 所述 将所述时间序列数据输入到预先构建的所述广义似然比模型中， 对当前周期的车辆使用模 式进行分析， 获得驾驶员当前周期内的车辆使用模式变化信息的步骤， 包括： 获取预设定的参 考窗口的长度， 检测延迟的长度， 相异度阈值； 在所述时间序列数据中， 根据参考窗口的长度将参考窗口滑动到当前周期对应的位 置， 获取参考窗口对应位置内的数据作为参考数据， 根据检测延迟的长度确定测试窗口当 前周期所在的对应位置， 获取测试窗口对应位置内的数据作为测试 数据， 分别对参考数据和测试数据进行概率分布计算， 获得所述参考数据的概率分布结果和 所述测试 数据的概 率分布结果。 对所述参考数据的概率分布结果和所述测试数据的概率分布结果进行相异度计算得 出相异度值， 并相异度值与相异度阈值进行比较， 判断出当前周期 内的车辆使用模式是否 发生变化。 4.根据权利要求3所述的实时预测驾驶员用车行为模式变化的方法， 其特征在于， 所述权　利　要　求　书 1/2 页 2 CN 114398530 A 2方法该包括： 继续实时获取驾驶者的个人出行的历史数据并进行预处理， 所述历史数据为驾驶者在 以前的出 行中车辆的使用时间以及出 行的空间位置； 将所述历史数据规整后， 将出行地图划分为网格并对 网格中每一个格子给予索引作为 空间数据， 将时间序列数据按日划分， 每日统计个人车辆使用时间并以此作为时间数据， 获 得统计的时间序列数据， 以hdf5数据文件 存储； 将所述时间序列数据输入到预先构建的所述广义似然比模型中， 对下一周期的车辆使 用模式进行分析， 获得驾驶员下一周期内的车辆使用模式变化信息 。权　利　要　求　书 2/2 页 3 CN 114398530 A 3