基于車聯(lián)網(wǎng)數(shù)據(jù)的駕駛行為檢測(cè)

基于車聯(lián)網(wǎng)數(shù)據(jù)的駕駛行為檢測(cè)

0異常駕駛行為檢測(cè)算法隨著物流行業(yè)的蓬勃發(fā)展，中國(guó)商用車輛的產(chǎn)量不斷提高。車聯(lián)網(wǎng)技術(shù)的發(fā)展使得大量交通運(yùn)行數(shù)據(jù)得以記錄和保存,利用有效的數(shù)據(jù)挖掘技術(shù),對(duì)車輛動(dòng)態(tài)監(jiān)控系統(tǒng)的數(shù)據(jù)存儲(chǔ)進(jìn)行分析,挖掘出商用車輛駕駛員的異常駕駛行為,給予物流企業(yè)以及相關(guān)的交通管理部門管理依據(jù),能夠有效提高道路交通的安全和效率。目前針對(duì)車輛異常駕駛行為的研究根據(jù)其采用的數(shù)據(jù)可以分為3類:一是使用車輛的衛(wèi)星定位系統(tǒng)的數(shù)據(jù),主要包括利用GPS和GIS數(shù)據(jù)對(duì)異常駕駛行為進(jìn)行檢測(cè)。這類大多是對(duì)于車輛宏觀的異常駕駛行為如:不按規(guī)定路線行駛、違規(guī)停車等行為進(jìn)行檢測(cè),而對(duì)于微觀行為則由于數(shù)據(jù)精度的問(wèn)題往往不能很好地處理本研究利用商用車輛車載終端采集到的數(shù)據(jù),首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,清理掉無(wú)效的數(shù)據(jù)并對(duì)缺失數(shù)據(jù)進(jìn)行補(bǔ)充,然后對(duì)預(yù)處理過(guò)的數(shù)據(jù)進(jìn)行商用車輛異常駕駛行為檢測(cè)算法的研究,檢測(cè)出商用車輛在運(yùn)行時(shí)存在的疲勞駕駛、異常加減速以及不按規(guī)定路線行駛行為。檢測(cè)的結(jié)果可以給物流企業(yè)以及相關(guān)的交通安全管理部門管理依據(jù)。1車輛數(shù)據(jù)的選取為了保證檢測(cè)算法研究的客觀性與真實(shí)性,本研究所使用的商用車行駛數(shù)據(jù)為陜西省某商用車車企在其運(yùn)營(yíng)的商用車上裝配的智能車載終端采集的真實(shí)數(shù)據(jù),為了減少數(shù)據(jù)運(yùn)算的復(fù)雜度,從后臺(tái)數(shù)據(jù)中隨機(jī)選取了747輛運(yùn)行的商用車輛數(shù)據(jù),為了保護(hù)車輛信息隱藏了車輛牌照以10位數(shù)字車輛的識(shí)別碼將不同車輛進(jìn)行區(qū)分。1.1置/則記錄數(shù)據(jù)車載終端采集的商用車輛實(shí)時(shí)數(shù)據(jù)種類主要包括車輛的位置數(shù)據(jù)和車輛狀態(tài)數(shù)據(jù),位置數(shù)據(jù)是由車載終端讀取的車輛衛(wèi)星定位系統(tǒng)的數(shù)據(jù)包括車輛實(shí)時(shí)的經(jīng)緯度數(shù)據(jù)、車速數(shù)據(jù)、方位角數(shù)據(jù);車輛狀態(tài)數(shù)據(jù)是車載終端讀取車輛CAN總線而來(lái)的實(shí)時(shí)數(shù)據(jù),包括車輛瞬時(shí)速度、油耗、里程、發(fā)動(dòng)機(jī)轉(zhuǎn)速等數(shù)據(jù)。具體的數(shù)據(jù)種類及單位如表1所示。1.2異常駕駛行為檢測(cè)商用車輛車載終端采集的數(shù)據(jù)會(huì)因?yàn)樾盘?hào)盲區(qū)以及采集設(shè)備故障的原因存在數(shù)據(jù)缺失、數(shù)據(jù)異常等問(wèn)題,數(shù)據(jù)進(jìn)行預(yù)處理主要是對(duì)缺失數(shù)據(jù)進(jìn)行補(bǔ)充,對(duì)無(wú)效數(shù)據(jù)進(jìn)行篩選和清理。(1)缺失數(shù)據(jù)補(bǔ)充少量的數(shù)據(jù)缺失是因?yàn)檐囕v駛?cè)胨淼?、山區(qū)等通信盲區(qū),導(dǎo)致車載終端采集到的數(shù)據(jù)無(wú)法正常上傳至服務(wù)器端。對(duì)于少量的缺失數(shù)據(jù),在數(shù)據(jù)缺失期間車輛行駛狀態(tài)往往沒(méi)有太大變化,因此使用基于時(shí)間序列的數(shù)據(jù)恢復(fù)方法對(duì)其進(jìn)行處理,即用數(shù)據(jù)缺失前一段時(shí)間的正常接收數(shù)據(jù)均值對(duì)缺失的部分?jǐn)?shù)據(jù)進(jìn)行補(bǔ)充:式中,X對(duì)于大量的數(shù)據(jù)缺失,是因?yàn)檐囕d終端存在故障無(wú)法正常采集和上傳行駛數(shù)據(jù)。對(duì)于存在大量的數(shù)據(jù)缺失的情況,數(shù)據(jù)本身可用程度不高,因此將整段數(shù)據(jù)刪除。(2)無(wú)效數(shù)據(jù)的篩選及清理由于傳感器以及通信設(shè)備的異常,會(huì)導(dǎo)致一部分?jǐn)?shù)據(jù)存在超出正常范圍,這類數(shù)據(jù)對(duì)于異常駕駛行為的識(shí)別有很大的影響,因此對(duì)于無(wú)效數(shù)據(jù)必須篩選出來(lái)加以清理。車速數(shù)據(jù):設(shè)定車速數(shù)據(jù)的閾值為0~255km/h,車速超出此范圍則將異常時(shí)刻的所有數(shù)據(jù)刪除。GPS數(shù)據(jù):將所有衛(wèi)星定位的經(jīng)緯度限定于中國(guó)境內(nèi),如超出范圍則將異常時(shí)刻的所有數(shù)據(jù)刪除。油耗數(shù)據(jù):設(shè)定油耗數(shù)據(jù)的閾值為0~80L/h,油耗超出此范圍則將異常時(shí)刻的所有數(shù)據(jù)刪除。通過(guò)數(shù)據(jù)的預(yù)處理,在747輛商用車的數(shù)據(jù)中有525輛車的數(shù)據(jù)可以達(dá)到異常駕駛行為識(shí)別算法的要求,總數(shù)據(jù)量達(dá)8億多條。2疲勞駕駛監(jiān)測(cè)駕駛員的疲勞駕駛嚴(yán)重威脅道路交通安全,根據(jù)統(tǒng)計(jì)表明,有10%~20%的交通事故是因?yàn)轳{駛員的疲勞駕駛造成的,60%以上的貨車事故與駕駛員的疲勞有直接關(guān)系,商用車駕駛員經(jīng)常會(huì)在固定的線路行駛而且會(huì)經(jīng)常在夜間行駛因此更容易出現(xiàn)疲勞駕駛。目前對(duì)車輛疲勞駕駛的方法大多數(shù)監(jiān)測(cè)駕駛員的面部特征(眼部特征)或者生理信號(hào)(腦電波、心電圖),但是這類方法需要加裝一些監(jiān)測(cè)設(shè)備,不僅成本高而且會(huì)影響駕駛員的正常駕駛。為了解決上述問(wèn)題,本研究采用分析車載終端數(shù)據(jù)的方法,利用數(shù)據(jù)檢測(cè)出駕駛員的疲勞駕駛行為。2.1疲勞駕駛行為數(shù)據(jù)分析根據(jù)《國(guó)務(wù)院關(guān)于加強(qiáng)道路交通安全工作的意見(jiàn)》指出,應(yīng)該確保駕駛?cè)?4h累計(jì)駕駛時(shí)間原則上不超過(guò)8h,日間連續(xù)駕駛不超過(guò)4h。依據(jù)此原則,定義駕駛員連續(xù)駕駛4h以上8h以下而未休息夠20min的疲勞駕駛為“單次疲勞駕駛”,定義駕駛員當(dāng)天駕駛8h以上的疲勞駕駛為“累計(jì)疲勞駕駛”。分析車載終端中采集到的時(shí)間序列數(shù)據(jù),根據(jù)數(shù)據(jù)特征,將車輛在途時(shí)間分為行駛時(shí)間和停止時(shí)間,行駛時(shí)間為車輛正常行駛的時(shí)間,停車時(shí)間為車輛停車駕駛員休息的時(shí)間。如果司機(jī)連續(xù)行駛4h,期間沒(méi)有停車休息夠20min,則說(shuō)明司機(jī)單次疲勞駕駛,當(dāng)天的單次疲勞駕駛次數(shù)加1;如果司機(jī)當(dāng)天累計(jì)的駕駛時(shí)間超過(guò)8h,則說(shuō)明司機(jī)累計(jì)疲勞駕駛,累積疲勞駕駛次數(shù)置為1。2.2停車時(shí)間的計(jì)算該算法的流程如圖1所示。具體的步驟如下:(1)算法開始的時(shí)候?qū)未纹隈{駛次數(shù)、累計(jì)疲勞駕駛次數(shù)、當(dāng)日累計(jì)駕駛時(shí)間以及單次連續(xù)駕駛時(shí)間都設(shè)為0。(2)分析整個(gè)數(shù)據(jù)集中每一條車速信息,判斷其是否大于0,如果大于0,說(shuō)明車輛處于行駛狀態(tài),將該條車速以及時(shí)間存入到行駛時(shí)間列表中;如果車速等于0,說(shuō)明車輛處于停車狀態(tài),將該條車速以及時(shí)間存入到停車時(shí)間列表中。(3)在行駛時(shí)間列表中計(jì)算每一個(gè)相鄰兩條數(shù)據(jù)的時(shí)間差,如果車輛在行駛期間有停車則相鄰兩條車速不為零的數(shù)據(jù)時(shí)間差即為車輛的停車時(shí)間。(4)判斷步驟(3)中求得的相鄰兩條數(shù)據(jù)的時(shí)間差,如果時(shí)間差小于20min,說(shuō)明司機(jī)沒(méi)有按照規(guī)定停車休息夠20min或者只是臨時(shí)停車,則對(duì)單次連續(xù)駕駛時(shí)間和當(dāng)日累計(jì)駕駛時(shí)間進(jìn)行累加。單次連續(xù)駕駛時(shí)間=單次連續(xù)駕駛時(shí)間+時(shí)間差;當(dāng)日累計(jì)駕駛時(shí)間=當(dāng)日累計(jì)駕駛時(shí)間+時(shí)間差。如果時(shí)間差大于20min,說(shuō)明司機(jī)已經(jīng)按照固定停車休息夠20min,則將單次連續(xù)駕駛時(shí)間置為0。(5)判斷步驟(4)中累加過(guò)的單次連續(xù)駕駛時(shí)間以及當(dāng)日累計(jì)駕駛時(shí)間是否達(dá)到疲勞駕駛的標(biāo)準(zhǔn)。如果單次連續(xù)駕駛時(shí)間大于4h,說(shuō)明司機(jī)已經(jīng)連續(xù)駕駛4h沒(méi)有休息,則單次疲勞駕駛次數(shù)累加一次,單次連續(xù)駕駛時(shí)間置為零。如果當(dāng)日累計(jì)駕駛時(shí)間大于8h,說(shuō)明司機(jī)這天已經(jīng)駕駛了8h,則將累計(jì)疲勞駕駛次數(shù)置為1。(6)如果步驟(5)中沒(méi)有達(dá)到疲勞駕駛的標(biāo)準(zhǔn),則返回步驟(3)開始繼續(xù)運(yùn)算。同時(shí)如果分析到最后一條車速不為0的數(shù)據(jù),說(shuō)明已經(jīng)運(yùn)算完當(dāng)天的所有行駛數(shù)據(jù),算法結(jié)束。3駕駛風(fēng)格過(guò)于國(guó)商用車輛因?yàn)橹亓看蟆Ⅲw積大的特點(diǎn),所以加速和剎車的操作比較困難,商用車輛正常的加減速應(yīng)遵循平穩(wěn)、緩慢的原則,在觀察前方路面情況后提前進(jìn)行加減速操作。但是有些駕駛員因?yàn)橛^察不仔細(xì)或者駕駛風(fēng)格較為奔放導(dǎo)致經(jīng)常會(huì)出現(xiàn)急加減速的情況,給商用車輛以及前后車帶來(lái)了嚴(yán)重的隱患。目前常用的異常加減速行為識(shí)別大多是通過(guò)對(duì)加速度閾值進(jìn)行設(shè)定,一旦檢測(cè)到加速度超出閾值范圍則認(rèn)定為異常加減速行為,但是商用車輛的加減速模式與普通家用車輛有較大差距,而且行駛過(guò)程中易受到噪聲數(shù)據(jù)的干擾,使加速度值產(chǎn)生突變影響識(shí)別的精度。本研究提出一種異常加減速行為識(shí)別算法,在現(xiàn)有算法的基礎(chǔ)上加入車輛是否處于平穩(wěn)狀態(tài)的判定,將連續(xù)的加速或減速行為整合為一個(gè)完整的行為,以此達(dá)到避免數(shù)據(jù)噪聲干擾,提高檢測(cè)精度的效果。3.1車速變換不超過(guò)ue鋼絞線的范圍車輛加速或減速行為是從一個(gè)速度下較為穩(wěn)定的狀態(tài)轉(zhuǎn)變?yōu)榱硪粋€(gè)速度下較為穩(wěn)定狀態(tài)的過(guò)程。對(duì)穩(wěn)定狀態(tài)的定義為車輛在Δt秒內(nèi)車速變換不超過(guò)ue788,在對(duì)大量車輛運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析以及結(jié)合不同Δt和ue788的參數(shù)在驗(yàn)證環(huán)節(jié)對(duì)異常加減速行為識(shí)別結(jié)果的影響設(shè)定Δt=2,ue788=0.5,如果車速變換在此范圍內(nèi),車輛的油耗、發(fā)動(dòng)機(jī)轉(zhuǎn)速等參數(shù)變化范圍不大,說(shuō)明車輛處于較穩(wěn)定的狀態(tài)。通過(guò)對(duì)穩(wěn)定狀態(tài)的定義,可以找出車輛處于非穩(wěn)定狀態(tài)的時(shí)間即處于加速或減速的時(shí)間。3.2異常加減速檢測(cè)該算法流程如圖2所示。具體步驟如下:(1)分析第i條數(shù)據(jù),算法開始時(shí)i=1,根據(jù)數(shù)據(jù)采集的頻率,在Δt秒內(nèi)采集到n條數(shù)據(jù),則從第i條數(shù)據(jù)到第i+n條數(shù)據(jù)為判斷車輛是否處于穩(wěn)定狀態(tài)的一個(gè)區(qū)間。(2)分析該區(qū)間內(nèi)n條數(shù)據(jù)的車速信息,取其中最大速度為v(3)如果(2)中速度差v(4)根據(jù)(3)中加減速操作的時(shí)間和速度變化量計(jì)算該加減速操作的平均加速度a,判斷a是否大于閾值θ,若是則說(shuō)明該加減速操作屬于異常加減速,記錄事件開始時(shí)間m(5)重復(fù)進(jìn)行(3)和(4)操作,直至檢測(cè)完所有數(shù)據(jù),保存所有異常加減速操作的開始時(shí)間、結(jié)束時(shí)間以及相應(yīng)時(shí)間的各項(xiàng)車輛數(shù)據(jù),算法結(jié)束。本研究算法在閾值的選取可以根據(jù)具體的營(yíng)運(yùn)線路車輛的狀況來(lái)變化,不同道路的加減速情況不同,所以根據(jù)實(shí)際情況選取不同的閾值有一定的科學(xué)性和合理性。同時(shí)也可以根據(jù)設(shè)置不同參數(shù)時(shí)異常行為識(shí)別結(jié)果的好壞來(lái)對(duì)閾值進(jìn)行修正,以達(dá)到最佳效果。4是否可以準(zhǔn)確識(shí)別行駛軌跡商用車輛往往有固定的行駛線路與行駛時(shí)間,路線的設(shè)計(jì)往往考慮到了商用車輛對(duì)于道路交通安全的影響,然而在實(shí)際生產(chǎn)中會(huì)存在有駕駛員不按照規(guī)定的路線行駛給交通安全帶來(lái)了極大的隱患。如何利用有效的技術(shù)方法對(duì)駕駛員不按規(guī)定路線行駛的行為進(jìn)行檢測(cè),自動(dòng)判斷和統(tǒng)計(jì),將很大程度上提高營(yíng)運(yùn)車輛以及道路交通安全。目前常用的不按規(guī)定路線算法是利用聚類的方法對(duì)行駛軌跡進(jìn)行分析,利用聚類算法識(shí)別出與尋常行駛軌跡不同的軌跡認(rèn)定為不按規(guī)定路線行駛,但是聚類算法不能與規(guī)定的路線進(jìn)行對(duì)比,識(shí)別出的正常行駛軌跡也不一定是規(guī)定路線。本研究提出的不按規(guī)定路線行駛行為檢測(cè)算法將行駛軌跡與規(guī)定路線進(jìn)行對(duì)比,可以準(zhǔn)確識(shí)別出不按規(guī)定路線行駛行為。4.1不符合路線行駛行為識(shí)別比通過(guò)將車輛運(yùn)行時(shí)采集到的衛(wèi)星定位數(shù)據(jù)和數(shù)據(jù)庫(kù)中營(yíng)運(yùn)線路的規(guī)定路線進(jìn)行對(duì)比,同時(shí)考慮到衛(wèi)星定位數(shù)據(jù)的誤差,將車輛實(shí)際路線與規(guī)定路線的差異距離進(jìn)行累加,通過(guò)累加的距離結(jié)合閾值來(lái)判斷車輛在這段行程中是否屬于不按規(guī)定路線行駛行為。由于地球表面弧度的影響引入球面距離計(jì)算公式:式中,x4.2不符合規(guī)定路線行駛行為判斷閾值的方法算法可以記錄的商用車輛異常的不按規(guī)定路線行駛行為信息包括:車輛身份ID、不按規(guī)定路線行駛次數(shù)、不按規(guī)定路線行駛開始以及結(jié)束的時(shí)間、不按規(guī)定路線行駛開始及結(jié)束的位置信息。算法流程圖如圖3所示。算法步驟如下:(1)根據(jù)采集到的歷史數(shù)據(jù),導(dǎo)入車輛整段行程的信息,包括時(shí)間、車速、衛(wèi)星定位等數(shù)據(jù)。根據(jù)其停車時(shí)間,判斷車輛整段行程的起始點(diǎn)O以及結(jié)束點(diǎn)D。(2)根據(jù)行程的起始點(diǎn)O與結(jié)束點(diǎn)D與數(shù)據(jù)庫(kù)中保存的營(yíng)運(yùn)線路的規(guī)定路線進(jìn)行對(duì)比,判斷該行程是否存在有規(guī)定線路,如有則開始計(jì)算車輛是否按照規(guī)定路線行駛。(3)考慮到商用車輛行駛途中會(huì)有隧道及信號(hào)盲區(qū),會(huì)存在衛(wèi)星定位數(shù)據(jù)精度不高的情況,設(shè)定位置點(diǎn)漂移范圍為100m,對(duì)比歷史數(shù)據(jù)中實(shí)際的衛(wèi)星定位數(shù)據(jù)與規(guī)定路線的位置數(shù)據(jù)。如果實(shí)際定位與規(guī)定路線距離不超過(guò)100m,則認(rèn)為車輛在規(guī)定路線上行駛;如距離超過(guò)100m,則認(rèn)為車輛沒(méi)有按照規(guī)定線路運(yùn)行,記錄此時(shí)車輛的衛(wèi)星數(shù)據(jù)x(4)為了判斷車輛與規(guī)定路線的差異距離d是否達(dá)到不按規(guī)定路線行駛行為的標(biāo)準(zhǔn),引入不按規(guī)定路線行駛行為判斷閾值α,按照行業(yè)經(jīng)驗(yàn)預(yù)取α≥500m。判斷d是否大于α,若是則說(shuō)明車輛在此行程中達(dá)到不按規(guī)定路線行駛行為的判定標(biāo)準(zhǔn),保存起始和結(jié)束的位置及時(shí)間x(5)繼續(xù)判斷后續(xù)定位數(shù)據(jù)是否達(dá)到不按規(guī)定路線行駛的標(biāo)準(zhǔn),直至運(yùn)算到結(jié)束點(diǎn)D,算法結(jié)束。5算法驗(yàn)證為了驗(yàn)證本研究中算法的有效性,使用預(yù)處理后的實(shí)車采集數(shù)據(jù)對(duì)算法進(jìn)行驗(yàn)證。5.1疲勞駕駛行為檢測(cè)利用編程語(yǔ)言將疲勞駕駛行為檢測(cè)算法實(shí)現(xiàn),并對(duì)車輛的時(shí)間、車速、里程等數(shù)據(jù)進(jìn)行分析,在預(yù)處理后525輛可用于駕駛行為識(shí)別的車輛中,有431輛商用車在不同的時(shí)間段內(nèi)發(fā)生過(guò)疲勞駕駛,而且疲勞駕駛的次數(shù)與車輛行駛的里程呈正相關(guān),將疲勞駕駛行為檢測(cè)的結(jié)果按車輛ID和月份整合。其中,以車輛ID為1609100665的商用車為例,其疲勞駕駛的詳細(xì)信息如表2所示。5.2異常加減速行為單次結(jié)果分析根據(jù)相關(guān)研究以及檢測(cè)算法在實(shí)際應(yīng)用中不同閾值對(duì)檢測(cè)效率和精度的影響,設(shè)定平穩(wěn)狀態(tài)的定義閾值為在2s內(nèi)車速變化不超過(guò)0.5m/s;設(shè)定異常加減速定義的閾值為2.78m/s利用編程語(yǔ)言將算法實(shí)現(xiàn),分析車輛數(shù)據(jù)后發(fā)現(xiàn),所有車輛或多或少都會(huì)出現(xiàn)異常加減速行為,異常次數(shù)從幾次到上百次不等,這與駕駛員的駕駛習(xí)慣有很大關(guān)系,而且與道路路況也相關(guān),如果前方道路出現(xiàn)緊急情況,駕駛員采取緊急制動(dòng)也合情合理。但是異常加減速行為出現(xiàn)的次數(shù)也能很大程度上反應(yīng)駕駛員駕駛習(xí)慣的好壞,駕駛習(xí)慣好的駕駛員往往速度保持較為平穩(wěn),異常加減速行為出現(xiàn)的次數(shù)較少,而且單位路程油耗會(huì)較低。將異常加減速行為檢測(cè)的結(jié)果按車輛ID與月份整合。其中,以車輛ID為1609100665的商用車為例,其異常加減速行為的詳細(xì)信息如表3所示。5.3不遵守路線行駛行為檢測(cè)算法驗(yàn)證利用編程語(yǔ)言將算法實(shí)現(xiàn),將預(yù)處理后的數(shù)據(jù)導(dǎo)入進(jìn)行運(yùn)算,結(jié)果發(fā)現(xiàn)幾乎大部分長(zhǎng)途運(yùn)輸?shù)纳逃密囕v都存在有不按規(guī)定路線行駛行為,偏離規(guī)定路線行駛的距離也長(zhǎng)短不