一种基于车联网大数据的商用车驾驶行为评价算法模型.pdf

一种基于车联网大数据的商用车驾驶行

为评价算法模型

【摘要】随着我国商用车企业在营销和后市场竞争日趋激烈，企业在挖掘大

客户需求、价值和增值空间面临缺乏客观高效的数字化手段的重要课题。针对该

问题，本文基于车联网大数据，通过梯度下降法、深度学习 Adam Optimizer 算

法，完成了动态平衡的评分算法设计和实验，建立了针对商用车驾驶行为的科学

计算模型和评分体系，为企业针对大客户的车队监控和驾驶行为建议提供了模型

支撑。

关键词：商用车，车联网大数据，驾驶行为评价算法，动态平衡的评分算法，

Abstract: With the increasingly fierce competition in the

marketing and after-market of commercial vehicle enterprises in China,

enterprises are facing the important issue of lack of objective and

efficient digital means to tap the needs, value and value-added space

of major customers. In response to this problem, based on the big data

of the Internet of Vehicles, this paper completes the design and

experiment of the dynamic balance scoring algorithm through the

gradient descent method and the deep learning Adam Optimizer, and

establishes a scientific computing model and scoring system for the

driving behavior of commercial vehicles. Model support is provided for

随着商用车领域客户需求和应用场景日益多样化和复杂化，其在营销和后市

场的竞争日趋激烈[1]。商用车企业面临如何更好地服务客户，挖掘企业级和车

队类大体量用户价值和增值空间的重要课题。由于商用车属于生产效率工具，客

户对于驾驶过程中的运营成本和驾驶安全性非常敏感[2]。越来越多商用车企业

开始关注该核心需求，探索向大客户提供基于车队管理的运输监控、能耗管理、

驾驶习惯建议等服务，以帮助客户降低运营成本，提升客户黏度[3]。因此，本

文基于车联网大数据设计和开发了针对商用车的驾驶行为评价算法模型，从运营

经济性、驾驶安全性、车辆损伤三个维度建立评价体系，以达到对驾驶行为进行

全方位科学计算，降低商用车综合运营成本的目标。

1 研究基础

府平台进行实时监控，数据上报频次一般为 1 秒或 30 秒。

1.2 算法基础

梯度下降法是一种基于迭代寻优的最优化算法，设定步长，通过对目标函数

图 1 梯度下降法

如上图所示，假设在一个任意点 A，确定了下降方向和大小，计算

其中 表示梯度， 表示方向，梯度计算完成后，更新点 A 的坐标，循环往

复，即可求得最优解，梯度下降法的公式为：

1.2.2 Adam Optimizer

优化函数使用 Adam Optimizer，利用 mini-batch 梯度下降分批进行优化，

2 模型方法