驾驶行为分析报告.pdf

驾驶行为分析报告出门在外，遇上交通拥堵、事故，那可真是头大。许多交通拥堵和交通事故与驾驶员的驾驶行为有关。驾驶行为通常也是驾驶习惯，习惯成自然。在开车的过程中，如果有不良的驾驶行为，驾驶员自己很难意识到，但是后果可能很严重。车联网开启了新的可能，因为数据可以告诉我们真相。基于车联网实时数据，可以实时监测和评估驾驶员的驾驶行为和驾驶状态，并及时提醒驾驶员改变驾驶习惯，避免交通事故的发生。对于车队管理、保险公司（UBI）来说，可以提高安全、节能、增效等效果。对于车企（OEM）来说，是很好的实时反馈，可以用于产品改进。“驾驶行为”是什么？驾驶行为通常包括出行行为习惯，和驾驶行为习惯。出行行为的分析已经在上一篇谈到了。狭义的驾驶行为包含，但不限于下面这些方面：开车时平均速度引擎经济转速（燃油车）急加速/千公里、急刹车/千公里急转弯变道次数/频率、变速频率安全带状态、热车时间开车灯（夜晚，远光灯/近光灯），转向时转向灯，变道时转向灯怠速时间手机使用、疲劳驾驶等停车时手刹、停车档、关门、关窗、关灯等驾驶环境路型、各地形的行驶里程、各个地形的驾驶时间、各地形的停车时间天气、季节等交通违规记录此外，考虑到现今的各种辅助驾驶，驾驶员使用这些辅助驾驶功能的频次（依赖性）等，也是一个维度。如果配上了各种传感器，比如：前向摄像头、环视摄像头、车内监控摄像头、毫米波雷达等，那么可以分析的内容将会更加丰富了。基于不同的目的，将上述各个驾驶行为分量以某种加权的方式计算出一个分数（或指数），用来衡量用户的驾驶行为，或者给用户的驾驶行为打上各种标签。不同的商业/研究目的，驾驶行为分数的计算公式都不一样。比如：保险公司设计UBI产品的时候，开车越平稳分数越高，开车次数/里程/时间越少，分数越高。选择车联网数据与第一篇一样，使用来自于同一辆车的原始数据。同样，仅仅拿少量的数据字段来分享数据分析的过程。管中窥豹，略见一斑。因为车速和车速的变化在驾驶行为和安全上最突出，就是它了。选择下面的数据项（又是3项）：时间戳–每条记录发生的日期和时间车速（公里/小时）引擎转速与“用户出行行为分析”中的一样，引擎转速用于判断车辆状态。清洗、整理、聚合数据。分割数据实际操作中，把所有需要的字段都选进来，这些步骤就可以和“用户出行行为分析”一次完成。处理完这些，我们期待一下有什么小小的惊喜出现吧。驾驶行为分析基于这3项数据，计划做下面几个方面的分析：车速和怠速加速度急加速、急减速加减速和怠速驾驶行为分数车速和怠速在对所有数据动手之前，我们取第一个驾驶行程的数据来看看。它有1854条记录，时间跨度2479秒，也就是41.3分钟。说明中间有些数据缺失。车速中值达到63.63公里/小时，说明交通状况还是不错的。最高速度在120公里/小时左右，说明该车主在此次行程中，没有超速（假设限速是120公里/小时）。有了总体感觉后，按照时间顺序绘出汽车速度图，如图2所示。蓝色横线标识120公里/小时，这是一般的高速公路限速值。仔细观察有下面几个特点：在前面大约2/3的时间里，车子开开停停，平均车速较低；后面的交通状况变好了些，基本在60公里/小时的速度之上。从相邻两点之间的距离可以推断，距离越大加速度（包括加速和减速）越大，可能存在急加速，或急减速。相邻距离较大的点往往都是靠近车速为0的，也就是“怠速”前后。这是不是说明急加速/急减速与“怠速”之间存在某种必然的联系呢？还是让数据告诉我们吧！拭目以待！此次行程中，似乎有一次超速（实际上该时刻车速是119.996公里/小时）。我们用数据来验证一下上述肉眼观察的是否真是这么回事。看看平均车速–怠速之间的关系。计算每一个驾驶行程的平均车速与怠速的百分比（怠速总时长/总驾驶时长）。负相关的关系：怠速时长（百分比）越小，对应的平均车速越大。相关性不是特别严格，说明平均车速与更多的因素有关。特别注意的是，这里观察的是平均车速与怠速时长之间的相关性，二者之间不存在因果关系。真正的主因应该是交通状况、拥堵、天气等外因（如果没有车子或者驾驶员自身的原因的话）。笔者无意于在本篇扩大研究范围，去探讨到底还有哪些因素与平均车速有关，而是留待后续的汽车动态性能分析那一篇去深入研究，敬请期待。对全部142次行程，计算每次行程的超速次数（>120公里/小时）。大多数行程下，该用户是没有超速的。基于这些，可以统计超速次数、按时间计算超速百分比。具体数据将在驾驶行为分数部分列出来。加速度回想一下加速度计算公式：a=，这里v–车速（米/秒2），t–时间（秒）。用通俗的话讲，加速度就是单位时间里速度的变化量。这个单位时间就是1秒。笔者所使用的数据就是秒级的，但是由于部分数据缺失，相邻两条记录的时间间隔有时大于1秒，相邻记录的就可以得到加速度（否则如果缺失数据较多，计算结果会有较大的偏差）。