基于北斗车辆定位数据的驾驶行为分析
随着我国经济持续快速增长和国民生活质量的提高,汽车保有量也在逐年增加,道路货运行业呈现出蓬勃发展的姿态。但随之而来的交通事故发生率也在不断攀升,尤其对于两客一危等需要长途行驶的道路营运车辆,安全出行更加重要。驾驶员的驾驶行为是导致交通事故发生的最重要和最直接的原因。为了规范驾驶员的驾驶行为,高效的监测车辆行驶状态,提高出行的安全性和便于车辆企业的管理,因此提出基于北斗车辆定位数据的驾驶行为分析课题。 本课题基于北斗车辆定位数据,依托北斗车辆动态监控平台,研制出一套基于随机森林和K-means的驾驶行为分析方法,设计和实现了车辆行驶监测系统和车辆驾驶行为分析系统,通过系统自动综合分析形成驾驶员的驾驶行为分析报告。 主要研究内容如下: (1)基于北斗车辆定位数据的行驶监测系统设计。通过对原始定位数据解析,分析车辆的行驶状态,将行驶状态以数据和图表的形式可视化显示,进而分析驾驶员的驾驶行为,包括速度变化、灯光和制动的使用、行驶区域分析、漂移数据分析等,企业可据此实时掌握驾驶员的行驶信息。 (2)基于K-means的驾驶行为分析方法。采用K-means聚类算法分析原始数据中速度、经纬度、灯光、制动等数据的聚类情况,以及不同时间段下各个特征的聚类情况,并将聚类结果作为驾驶员驾驶行为的评分依据。 (3)基于随机森林的驾驶行为分析方法与实现。将原始数据统计处理并进行分类标注,采用随机森林算法构建驾驶行为分析模型,将模型与监控平台结合实现,可根据实时定位数据对驾驶员的驾驶行为进行分类,并结合车辆行驶监测系统和K-means驾驶行为分析模型对驾驶员进行综合评分,并形成驾驶行为分析报告。 通过车辆行驶监测系统和驾驶行为分析系统,车辆所在企业的相关管理部门可以实时掌握车辆的行驶状态和驾驶员的驾驶行为信息,并根据驾驶行为分析报告中驾驶员的驾驶类型和综合评分,对其采取奖惩或者警示教育等其他相应的措施,以达到安全行驶的目的。
驾驶行为分析;车辆定位数据;K-means算法;随机森林;数据挖掘
华北水利水电大学
硕士
计算机技术
皇甫中民;闫新庆
2020
中文
TP391.41
2020-12-14(万方平台首次上网日期,不代表论文的发表时间)