大數(shù)據(jù)環(huán)境下商用網(wǎng)聯(lián)車駕駛行為評價系統(tǒng)的設(shè)計與實現(xiàn)

何朋朋

摘 要：隨著物流行業(yè)的迅速發(fā)展，商用車聯(lián)網(wǎng)系統(tǒng)越來越受到國內(nèi)外研究機構(gòu)和學(xué)者的關(guān)注，駕駛?cè)说鸟{駛行為習(xí)慣得到了越來越多關(guān)注。文章提出了一種大數(shù)據(jù)環(huán)境下，基于OBD技術(shù)的駕駛行為評價系統(tǒng)。利用行車過程中的行駛數(shù)據(jù)對駕駛行為進行量化評價。文章的數(shù)據(jù)源于由陜汽天行健集團提供的車載OBD設(shè)備讀取的車輛信息。文章提出了數(shù)據(jù)清洗，數(shù)據(jù)轉(zhuǎn)換的標準，并在此基礎(chǔ)上開發(fā)了一系列駕駛行為識別算法。最后我們開發(fā)了Web端和App端的駕駛行為評價系統(tǒng)軟件。

關(guān)鍵詞：OBD；大數(shù)據(jù)；駕駛行為

中圖分類號：U495 文獻標志碼：A 文章編號：2095-2945（2018）04-0097-02

Abstract： With the rapid development of logistics industry， more and more domestic and foreign research institutions and scholars pay attention to the commercial vehicle networking system， and more and more attention has been paid to the driving behavior habits of drivers. This paper presents a driving behavior evaluation system based on OBD technology in the big data environment. The driving behavior is evaluated by driving data. The data of the article is derived from the vehicle information read by the vehicle OBD equipment provided by Shaanxi Auto Tianxingjian Group. In this paper， the standard of data cleaning and data conversion is put forward， and a series of driving behavior recognition algorithms are developed. Finally， we developed the driving behavior evaluation system software of Web and App.

Keywords：OBD； big data； driving behavior

引言

隨著智能交通系統(tǒng)在全球范圍內(nèi)的高速發(fā)展，商用車聯(lián)網(wǎng)系統(tǒng)越來越受到國內(nèi)外研究機構(gòu)和學(xué)者的關(guān)注。例如福田戴姆勒開發(fā)的“iFOTON”超級車隊管理系統(tǒng)，實現(xiàn)的功能包括車輛監(jiān)控、油耗管理、駕駛員行為分析、金融服務(wù)、行車服務(wù)、售后服務(wù)、車貨匹配，遠程控制等一系列功能。這些幫助物流車隊提高運營效率，真正實現(xiàn)超級車隊，智能管理。國內(nèi)車聯(lián)網(wǎng)企業(yè)陜汽集團開發(fā)的天行健車聯(lián)網(wǎng)系統(tǒng)，其相關(guān)功能：有位置服務(wù)、油耗/氣耗管理、駕駛行為分析、遠程故障診斷、偏線報警、重卡專用導(dǎo)航等功能。

以上的這些系統(tǒng)在車輛監(jiān)控跟蹤等方面有著卓越的表現(xiàn)，但隨著商用網(wǎng)聯(lián)車的普及，隨之帶來的駕駛數(shù)據(jù)量的驟增，物流企業(yè)對司機駕駛行為的關(guān)注，上面的平臺無法滿足要求。因此本文提出并建立了一種大數(shù)據(jù)環(huán)境下商用網(wǎng)聯(lián)車駕駛行為評價系統(tǒng)，實現(xiàn)了對行車數(shù)據(jù)的存儲，駕駛行為的識別，駕駛行為的評價等功能。

1 系統(tǒng)結(jié)構(gòu)與原理

駕駛行為評價系統(tǒng)整體架構(gòu)，分為三個模塊，包括駕駛數(shù)據(jù)存儲層，駕駛行為識別系統(tǒng)，駕駛行為評價系統(tǒng)。

駕駛數(shù)據(jù)存儲系統(tǒng)，實現(xiàn)在大數(shù)據(jù)環(huán)境下，對行車過程中產(chǎn)生的結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)，實現(xiàn)可靠高效的存儲。

駕駛行為識別系統(tǒng)，利用分布式計算平臺Spark對原始的行車數(shù)據(jù)進行清洗，分析，轉(zhuǎn)換。并采用駕駛行為識別算法，實現(xiàn)對急加速，急減速，疲勞駕駛等異常駕駛行為的識別。

駕駛行為評價系統(tǒng)，利用之前處理得到的行車數(shù)據(jù)，以及異常駕駛行為數(shù)據(jù)，利用聚類和層次分析法對司機的駕駛行為做出客觀，定量的評價。

2 網(wǎng)聯(lián)車駕駛行為評價系統(tǒng)設(shè)計實現(xiàn)

2.1 駕駛行為數(shù)據(jù)存儲系統(tǒng)

隨著商用車數(shù)據(jù)采集的升級，行車數(shù)據(jù)不僅包含定位信息、車輛信息，車輛行駛狀態(tài)信息等結(jié)構(gòu)化數(shù)據(jù)，還包括音頻、視頻、圖片等具有異構(gòu)性與非結(jié)構(gòu)化性特點的多媒體信息。因此本文設(shè)計實現(xiàn)了基于Hadoop和MySQL的混合異構(gòu)數(shù)據(jù)存儲系統(tǒng)。

（1）結(jié)構(gòu)化數(shù)據(jù)存儲集群方案?；贛ySQL的結(jié)構(gòu)化數(shù)據(jù)庫主要用來存儲車輛信息、用戶信息、經(jīng)過駕駛行為識別系統(tǒng)處理過司機異常駕駛行為數(shù)據(jù)以及司機駕駛行為評價數(shù)據(jù)。

本文所用的MySQL數(shù)據(jù)庫，采用一個主服務(wù)器和兩個從屬服務(wù)器的方式，同時將數(shù)據(jù)的讀取與寫入操作分散到不同的服務(wù)器上。采用LVS+Keepalived軟件策略方式實現(xiàn)MySQL數(shù)據(jù)庫的集群。

（2）非結(jié)構(gòu)化數(shù)據(jù)存儲集群方案。在大規(guī)模商用網(wǎng)聯(lián)車背景下，對非結(jié)構(gòu)化數(shù)據(jù)如車載監(jiān)控視頻數(shù)據(jù)，道路數(shù)據(jù)等進行高效存儲考慮到的因素比較多。主要包括：

a.為了保證數(shù)據(jù)庫中數(shù)據(jù)的實時性以及用戶定位目標視頻的精準性，需要對監(jiān)控攝像頭錄制的視頻按照需求進行分割。這會產(chǎn)生相當(dāng)多數(shù)量的小文件。

b.網(wǎng)聯(lián)商用車云服務(wù)平臺采集的車輛狀態(tài)數(shù)據(jù)、車輛位置數(shù)據(jù)、道路數(shù)據(jù)一旦存入數(shù)據(jù)庫中就不會再修改了，只會進行查詢與刪除數(shù)據(jù)。

針對這些需求，本論文設(shè)計實現(xiàn)了一種基于Hadoop平臺的Hbase數(shù)據(jù)庫的非結(jié)構(gòu)化數(shù)據(jù)存儲平臺系統(tǒng)。HBase依賴的分布式文件系統(tǒng)HDFS在小文件處理方面有非常優(yōu)秀的性能，而且，在HDFS中文件是按塊存儲的，典型的塊大小是64MB，分割成的每個視頻文件的大小跟此在一個級別上，因此，存儲視頻文件相當(dāng)方便簡單，也能很容易快捷的實現(xiàn)視頻文件的查詢與讀取。endprint

商用網(wǎng)聯(lián)車云服務(wù)平臺采集的車輛狀態(tài)數(shù)據(jù)、車輛位置數(shù)據(jù)、道路數(shù)據(jù)一旦存入數(shù)據(jù)庫中就不會再修改了，只會進行查詢與刪除數(shù)據(jù)，而在HBase中，多數(shù)HDFS對文件操作只需要一次寫入，之后就不會再進行修改了，這決定了用戶不需要考慮在進行高吞吐量數(shù)據(jù)訪問時可能會產(chǎn)生的數(shù)據(jù)一致性問題，因此本文選用HBase數(shù)據(jù)庫來存放上述信息中。

其中有一臺服務(wù)器是Master，即主數(shù)據(jù)庫，另外三臺是Slaver，即從屬數(shù)據(jù)庫。這四臺機器彼此間通過路由器實現(xiàn)通信連接，能夠相互之間傳遞數(shù)據(jù)與其他控制信息。它們都可以通過路由器訪問網(wǎng)絡(luò)、與其他系統(tǒng)服務(wù)器相連。

HBase需要運行在Hadoop環(huán)境上，因此在HBase集群部署之前，要先在每臺機器上分別部署Hadoop，同樣也是一個Master主節(jié)點與三個Slaver從屬節(jié)點。

2.2 駕駛行為識別系統(tǒng)

原始的駕駛行為數(shù)據(jù)以CSV的格式存儲在駕駛行為數(shù)據(jù)存儲系統(tǒng)，數(shù)據(jù)內(nèi)容為車載終端設(shè)備上傳的車輛OBD數(shù)據(jù)以及車輛位置數(shù)據(jù)。在原始駕駛數(shù)據(jù)的基礎(chǔ)上，我們制定了駕駛行為數(shù)據(jù)轉(zhuǎn)換標準，來獲取高階的駕駛數(shù)據(jù)，以此作為駕駛行為評價的數(shù)據(jù)來源。以下是規(guī)定的數(shù)據(jù)轉(zhuǎn)換標準：

行駛距離轉(zhuǎn)換標準。當(dāng)日行駛數(shù)據(jù)中當(dāng)日的最大行駛總路程最大值與最小值之差。

剎車次數(shù)轉(zhuǎn)換標準。統(tǒng)計當(dāng)日Switch.csv 中，剎車狀態(tài)的變化點（01）轉(zhuǎn)換點。

換擋次數(shù)轉(zhuǎn)換標準：統(tǒng)計當(dāng)日Switch.csv 中，離合狀態(tài)的變化點（01）轉(zhuǎn)換點。

油耗轉(zhuǎn)換標準：Fule.csv當(dāng)日發(fā)動機噴油量累計值最大值和最小值之差。

駕駛行為識別算法庫的設(shè)計：車載終端對車輛的行駛狀態(tài)數(shù)據(jù)進行采集，并將相關(guān)數(shù)據(jù)回傳至后端服務(wù)器。后端服務(wù)器根據(jù)內(nèi)置的異常駕駛行為識別算法庫對于疲勞駕駛、急加速、急減速、超速以及不按規(guī)定路線行駛多種異常駕駛行為的進行識別，并將識別結(jié)果存儲到數(shù)據(jù)庫之中，為司機的駕駛行為評價提供數(shù)據(jù)支撐。

2.3 駕駛行為評價系統(tǒng)

駕駛行為評價模型使用AHP層次分析法建模。其步驟包括：構(gòu)造層次分析結(jié)構(gòu)；構(gòu)造判斷矩陣；對判斷矩陣進行一致性檢驗；層次單排序；層次總排序；做出決策。構(gòu)造層次分析結(jié)構(gòu)一般分為三類層次：目標層、準則層、方案層。

將5個維度作為AHP層次分析模型的準則層。按照經(jīng)過處理的車輛駕駛行為數(shù)據(jù)分類，將數(shù)據(jù)歸納為16個種類，作為模型的方案層，包括：急加速、急剎車、加速踏板相對位置變化率、最大行駛速度、最大行駛距離、總行駛距離、總超速時長、平均速度、發(fā)動機水溫控制、發(fā)動機轉(zhuǎn)送控制、總油耗、平均油耗、疲勞駕駛時間、電池電壓控制、故障行駛、保養(yǎng)逾期時間等。通過對車輛從業(yè)人員和駕駛?cè)擞脩暨M行調(diào)研，對每一項方案進行定義。

3 試驗驗證

在得到上述數(shù)據(jù)的基礎(chǔ)上，本文開發(fā)了安卓客戶端App以及Web版的管理軟件。

4 結(jié)束語

本文提出了一種大數(shù)據(jù)環(huán)境下商用車駕駛行為評價系統(tǒng)，能較好的解決商用車司機駕駛行為監(jiān)管問題。為物流公司以及商用車使用企業(yè)在司機駕駛行為監(jiān)管方面給出了定量的評價標準。下一步的研究目的是結(jié)合更多的傳感器數(shù)據(jù)實現(xiàn)司機駕駛行為的準確識別，以及構(gòu)建更加科學(xué)的司機駕駛行為評價體系。

參考文獻：

[1]李寧.基于汽車OBD車聯(lián)網(wǎng)的設(shè)計與實現(xiàn)[J].電子測量技術(shù)，2016，8.

[2]滕凱凱.基于OBD的車輛信息采集系統(tǒng)的設(shè)計與研究[D].長安大學(xué)，2016.

[3]孫小紅.車聯(lián)網(wǎng)的關(guān)鍵技術(shù)及應(yīng)用研究[J].通信技術(shù)，2013，46（04）：47-50.endprint