【技术实现步骤摘要】
本专利技术涉及驾驶适宜性检测，尤其是涉及一种老年人驾驶适宜性检测方法、装置及存储介质。
技术介绍
1、随着年龄的增大，反应速度下降，会导致驾驶员的驾驶能力随年龄的增长而降低，因此，需要对老年人的驾驶能力进行评估。
2、过去，一般是通过体检的方式来评估老年人的驾驶能力，但是这种方式无法只能反映比较表面的身体技能，无法反映大脑的行为能力，导致最终的评估结果不准确。
3、近年来，为了解决老年驾驶员的驾驶适宜性，本领域的技术人员在身体检测基础上，增加了道路测试的内容，利用道路测试的结果辅助评估。然后，现有技术中，由于道路测试的项目过多，测试的项目之间的合理性的问题，容易造成测试结果的不准确，并且指标过多导致效率也较低。
技术实现思路
1、本专利技术的目的就是为了提供一种老年人驾驶适宜性检测方法、装置及存储介质，通过对所有的测试数据进行相关性分析，划分为独立测试数据和非独立测试数据，然后再对非独立测试数据进行主成分分析更新主成分，一方面，可以有效解决重复关联性的测试指标对于最终检测结果的干扰，从而提高最终的准确性，另一方面，也可以有效减小推理环节的计算量，从而提高计算机运行的效率。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种老年人驾驶适宜性检测方法，包括：
4、对数据库中的各类测试数据进行相关性分析，划分为独立测试数据和非独立测试数据，并对非独立测试数据进一步降维处理得到主成分及其更新式；
5、获取待测对
6、将得到的独立测试数据特征和非独立数据主成分特征输入至训练好的检测模型，得到驾驶适宜性检测结果。
7、所述对数据库中的各类测试数据进行相关性分析，划分为独立测试数据和非独立测试数据，包括：
8、步骤s1-1-1：分别计算任意两类测试数据的皮尔逊相关系数；
9、步骤s1-1-2：基于计算得到的皮尔逊相关系数将各类测试数据划分为独立测试数据和非独立测试数据。
10、所述对非独立测试数据进一步处理降维得到主成分数据，包括：
11、步骤s1-2-1：对各类非独立测试数据进行标准化处理；
12、步骤s1-2-2：对任意两类经过标准化处理后的非独立测试数据，分别计算皮尔逊相关系数，并组成相关系数矩阵r：
13、
14、其中：ri为第i类非独立测试数据的相关系数向量，i为取值范围为1至p的自然数，p为非独立系数的类别数量，rii为经过标准化处理后的第i类非独立测试数据和经过标准化处理后的第i类非独立测试数据的相关系数；
15、步骤s1-2-3：基于相关系数矩阵，解算得到各类非独立测试数据的特征值和特征向量；
16、步骤s1-2-4：基于计算得到的特征值计算各非独立测试数据的累计贡献率，并基于预配置的主成分贡献阈值，筛选出特征值大于特征值阈值的部分非独立测试数据作为主成分；
17、步骤s1-2-5：基于各主成分的相关系数向量和特征向量得到荷载矩阵a：
18、
19、其中：αji为第j个主成分和第i类非独立测试数据之间的第二相关系数，j为取值范围为1至m的自然数，m为主成分的数量，∈i为第i类非独立测试数据的特征向量；
20、步骤s1-2-6：基于荷载矩阵得到主成分更新式：
21、
22、其中：fj为更新后的第j个主成分，xi为第i个非测试数据的取值。
23、所述步骤s1-2-4中，主成分贡献阈值为85％。
24、所述步骤s1-2-4中，特征值阈值为1。
25、测试数据中，区间平均车速均为路段中间2公里的平均车速。
26、所述方法还包括：
27、获取待测对象的模拟驾驶数据后，加入数据库中并进行正态分布检验。
28、所述检测模型为基于随机森林模型的机器学习模型。
29、一种老年人驾驶适宜性检测装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现如上述的方法。
30、一种存储介质，其上存储有程序，所述程序被执行时实现如上述的方法。
31、与现有技术相比，本专利技术具有以下有益效果：
32、1、通过对所有的测试数据进行相关性分析，划分为独立测试数据和非独立测试数据，然后再对非独立测试数据进行主成分分析更新主成分，一方面，可以有效解决重复关联性的测试指标对于最终检测结果的干扰，从而提高最终的准确性，另一方面，也可以有效减小推理环节的计算量，从而提高计算机运行的效率。
33、2、采用皮尔逊相关系数作为划分独立测试数据的依据，计算简单便捷，具有直观的解释性。
34、3、采用主成分分析确定主成分更新式的方式来融合相关非独立测试数据，在保留大部分数据方差信息的同时，将原始数据集的维度减少到相对较低的维度，减少了重复和冗余数据，简化了原始数据的计算复杂度。
35、4、主成分贡献阈值为85％。特征值阈值为1，从而筛选出解释方差较高的主成分，保留了原始数据中的主要信息，降低数据的复杂性，提高计算效率。
36、5、新的测试数据，加入数据库时进行正态分布检验，可以有效过滤恶意虚假数据，屏蔽数据攻击。
本文档来自技高网...【技术保护点】
1.一种老年人驾驶适宜性检测方法，其特征在于，包括：
2.根据权利要求1所述的一种老年人驾驶适宜性检测方法，其特征在于，所述对数据库中的各类测试数据进行相关性分析，划分为独立测试数据和非独立测试数据，包括：
3.根据权利要求2所述的一种老年人驾驶适宜性检测方法，其特征在于，所述对非独立测试数据进一步处理降维得到主成分数据，包括：
4.根据权利要求3所述的一种老年人驾驶适宜性检测方法，其特征在于，所述步骤S1-2-4中，主成分贡献阈值为85％。
5.根据权利要求3所述的一种老年人驾驶适宜性检测方法，其特征在于，所述步骤S1-2-4中，特征值阈值为1。
6.根据权利要求1所述的一种老年人驾驶适宜性检测方法，其特征在于，测试数据中，区间平均车速均为路段中间2公里的平均车速。
7.根据权利要求1所述的一种老年人驾驶适宜性检测方法，其特征在于，所述方法还包括：
8.根据权利要求1所述的一种老年人驾驶适宜性检测方法，其特征在于，所述检测模型为基于随机森林模型的机器学习模型。
9.一种老年人驾驶适宜
10.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一所述的方法。
...【技术特征摘要】
1.一种老年人驾驶适宜性检测方法，其特征在于，包括：
2.根据权利要求1所述的一种老年人驾驶适宜性检测方法，其特征在于，所述对数据库中的各类测试数据进行相关性分析，划分为独立测试数据和非独立测试数据，包括：
3.根据权利要求2所述的一种老年人驾驶适宜性检测方法，其特征在于，所述对非独立测试数据进一步处理降维得到主成分数据，包括：
4.根据权利要求3所述的一种老年人驾驶适宜性检测方法，其特征在于，所述步骤s1-2-4中，主成分贡献阈值为85％。
5.根据权利要求3所述的一种老年人驾驶适宜性检测方法，其特征在于，所述步骤s1-2-4中，特征值阈值为1。
6.根据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。