<noframes id="lnp7n">

        <address id="lnp7n"></address>

            <address id="lnp7n"></address>
            <p id="lnp7n"><ruby id="lnp7n"></ruby></p>

              <pre id="lnp7n"><ruby id="lnp7n"></ruby></pre>

              <pre id="lnp7n"></pre><track id="lnp7n"><strike id="lnp7n"><rp id="lnp7n"></rp></strike></track>

              用戶畫像分析

              用戶畫像定義

              駕駛行為畫像;車輛路況畫像;車輛場景畫像;安全駕駛畫像;車輛性能衰減畫像;車輛性能衰減畫像;駕駛員動力性畫像。

               

              駕駛數據采集

              采集車輛數據并上傳

               

              駕駛數據分析

              1、根據車輛運行數據聚類分析手動制定規則

              2、制定機器學習算法,生成模型,通過車輛數據訓練

              3、根據1和2兩步展現的規則,進行數據分析,定義車輛或駕駛員行為標簽

               

              駕駛行為展示

              展示用戶畫像定義的駕駛員標簽或車輛標簽

               

               

              1、收集駕駛模型需要的數據變量,如出行時長、出行時間、平均速度、急加速/百公里、轉彎次數、變速頻率、燈/雨刷狀態、擁堵指數、車輛工況等

              2、云端進行半結構化存儲

              3、數據清洗,去除噪聲數據,歸一化

              4、通過DNN深度神經網絡訓練并識別危險駕駛特征值

              5、通過神經網絡訓練的數據模型,對駕駛數據進行風險評估打分

              6、從時間、速度、平穩性、空間、環保節油、用戶畫像六個維度對用戶提供風險預警及駕駛建議

               

              死死的按住宫交

                <noframes id="lnp7n">

                    <address id="lnp7n"></address>

                        <address id="lnp7n"></address>
                        <p id="lnp7n"><ruby id="lnp7n"></ruby></p>

                          <pre id="lnp7n"><ruby id="lnp7n"></ruby></pre>

                          <pre id="lnp7n"></pre><track id="lnp7n"><strike id="lnp7n"><rp id="lnp7n"></rp></strike></track>