基于大數據的駕駛行為安全評估技術的應用研究

Application Research of DrivingBehavior SafetyAssessment TechnologyBasedon BigData

GongHaoyuan，WangHaibo2 （1.Hubei University of Automotive Technology，Shiyan 4420oo，China; 2.Hubei Zhengobikexi Automotive Electrical System Co.，Ltd.，Shiyan 4420oO，China）

【Abstract】Based on the resultsof extracting and analyzing the Internet of Vehicles data from the original equipment manufacturers（OEMS），this article explores the aplication of driving behavior safety assssment technology ina simple and understandable way.Especially when the new proportion of electric vehicles is 32% ，smart vehicles providea largeamountof data foranalysisandstatistical reference.According tothebig datamodel，research is conducted inresponsetorelatedapplicationsand challenges.Theresearch resultshave importanttheoretical basisand practical significance forunderstanding thecharacteristics of drivers'driving behaviors，improving the accuracyand efectivenessof driving behaviorsafetyassessmentontheclient side，and promoting the developmentof driving behavior safety assessment technology in the automotive aftermarket.

【Key words】 driving behavior；safety assessment；evaluation technology；big data

0 引言

在目前的發(fā)展趨勢下，智能電動汽車已經成為交通和生活的重要部分，然而，隨著搭載智能座艙汽車數量的增加，交通事故的發(fā)生率也在增加。在對搭載T-Box的車輛進行監(jiān)控的過程中，駕駛員的不安全駕駛行為往往是引發(fā)事故的關鍵因素。因此，對駕駛行為進行安全評估，對于保障公共安全、預防交通事故具有重要意義。

通過T-Box收集并反饋的數據，駕駛行為安全評估模型通過研究駕駛員的行為模式，識別不安全的駕駛行為，嘗試提前識別駕駛員行為的危險性并進行分級預警，降低交通事故的發(fā)生率。這不僅可以輔助主機廠針對性地改進汽車設計，提高汽車的安全性，也可以為相關法律法規(guī)的制定和決策提供參考性意見，制定有效且符合實際道路狀況的交通安全法律法規(guī)。另外，這種技術還可以幫助保險公司更準確地評估車輛申保以后的風險，為駕駛員提供更公正的保險費率的浮動。同時對于駕駛員而言，了解自己的駕駛行為不僅可以幫助他們增強自身的駕駛安全意識，規(guī)避風險同時根據主機廠的評估規(guī)范駕駛行為，降低能源消耗。

隨著車聯網平臺的技術發(fā)展和大數據分析的日漸精準，駕駛行為安全評估技術有了顯著的提高，但是，仍需要加強對該技術的深入理解和廣泛的應用。本文將從主機廠、駕駛員、政府、保險公司等全產業(yè)鏈的相關方視角，深入淺出地探討駕駛行為安全評估技術的理論基礎，分析現有的評估技術，探討該領域的未來發(fā)展趨勢和挑戰(zhàn)，希望能為相關研究提供參考依據。

1駕駛行為的分類與特點

通常駕駛行為可以根據主機廠判定的行為特征和其他設備獲取的駕駛員意圖分為多種類型。首先，本文將駕駛行為大致分為正常駕駛和非正常駕駛兩大類。正常駕駛行為通常符合國家交通法律法規(guī)，例如，保持適當的車距、遵守速度限制等。相反，非正常駕駛行為通常違反了國家交通法律法規(guī)，如超速行駛、酒后駕駛、疲勞駕駛等。

主機廠通常會進一步定義非正常的駕駛行為的多種類型，各主機廠的定義不一，本文根據實際數據和已經實施的車聯網系統(tǒng)規(guī)則進行描述。例如，侵略性駕駛行為，如T-Box的軌跡顯示超速、強行變道、近距離尾隨等；分心駕駛行為，如智能識別設備在行駛過程中實時人臉識別出打哈欠、打電話、吃東西等；疲勞駕駛行為，如行駛記憶儀連續(xù)記錄超過4h駕駛而沒有休息。這些非正常駕駛行為往往增加了交通事故的風險。

侵略性駕駛行為、分心駕駛行為、疲勞駕駛行為等駕駛行為都有其特點，并帶來不同的危害等級。例如，侵略性駕駛行為通常反映了駕駛員的心理過度自信或沖動，他們往往過度高估自己的駕駛能力，而忽視了其他交通參與者的權益和安全。分心駕駛行為則表明駕駛員在駕駛過程中注意力不集中，無法快速有效地應對可能帶來的臨時駕駛危險。疲勞駕駛行為則可能導致駕駛員的反應能力下降，不能有效地處理突發(fā)的狀況，見表1。

2駕駛行為安全評估的核心理論

駕駛行為安全評估的核心理論可以圍繞以下幾個方面展開。

2.1 駕駛行為識別

駕駛行為識別是駕駛行為安全評估的基礎，其目標是準確地識別出駕駛員正在執(zhí)行的行為。這一階段通常需要收集大量的駕駛數據，包括駕駛員的生理數據（如眼球運動、腦電波等）、車輛運行數據（如速度、轉向角等）以及環(huán)境數據（如道路類型、交通流量等）。然后，通過一些機器學習或者深度學習的算法，對這些數據進行分析和處理，以識別駕駛行為。

2.2駕駛行為安全評估

在車載設備獲取駕駛行為數據并進行歸類分析后，下一步是評估這些行為的安全性并預估駕駛行為帶來的風險等級。通常，這一階段一些安全性指標需要重新定義并記錄次數或頻次，如車道偏離次數，急加速/急制動次數，急打方向盤等，以衡量駕駛行為的安全性。然后，通過不斷調整分析模型的比例，評估比較駕駛行為的實際表現與這些安全性指標的正確性，然后對駕駛行為的安全性進行加權并得出最后的安全性指標，見表2。

2.3 安全駕駛干預

基于駕駛行為的安全評估結果，根據結果進行分級預警，同時主機廠會設計提前干預策略，以提高駕駛安全性。例如，當系統(tǒng)檢測到駕駛員的駕駛行為存在安全隱患時，通過車載eCall、報警燈亮燈等方式對駕駛員進行提醒；當系統(tǒng)檢測到駕駛員處于疲勞駕駛狀態(tài)時，建議駕駛員停車休息，如果無法喚醒駕駛員，會聯系備案家屬，若情況嚴重會聯系離車輛最近的交通部門。這三個階段構成了駕駛行為安全評估的核心理論。

3駕駛行為安全評估技術的發(fā)展

3.1駕駛行為安全評估技術的演變駕駛行為安全評估技術的迭代可以大致分為以下幾個階段。

1）普及初期。在汽車普及初期，對駕駛行為的安全評價主要依靠人們的直覺判斷，如交警對違章駕駛的判斷或駕校教師對學生駕駛技能的評價。這種評價方法主觀性強，受人的知識、經驗和判斷能力的限制。

2）車載設備階段。隨著電子技術和傳感器技術的發(fā)展，車載設備開始應用于駕駛行為的安全評價。例如，使用車載T-Box設備和加速度計可以記錄車輛的行駛軌跡、速度、加速度等數據，以評估駕駛行為的安全性。與前一階段相比，該評價方法的客觀性和準確性都得到了提高。

3）車聯數據階段。進入智能汽車時代，隨著信息技術和數據科學的快速發(fā)展，駕駛行為的安全評估開始進入大數據階段。通過收集龐大的駕駛數據，利用數據分析和機器學習技術，可以更準確、更全面地評估駕駛行為的安全性。此外，這種評價方法還可以用來發(fā)現駕駛行為的規(guī)律和模式，以及預測未來的駕駛行為。

3.2現代駕駛行為安全評估技術的特點

現代駕駛行為安全評估技術的特點主要表現在以下幾個方面。

1）大數據驅動業(yè)務。通過T-Box收集全量的發(fā)動機、儀表和車載其他設備的駕駛數據，總結規(guī)律并進行預測和評估。依賴數據的大量獲取為業(yè)務的發(fā)展提供決策。

2）評價模型的復雜性。同時考慮駕駛員的操作行為、駕駛環(huán)境、駕駛策略等多個因素從多個維度進行評價，不再僅僅根據經驗總結行為的安全性或只關注單一的駕駛行為。

3）智能化提高準確性。實現通過車聯網服務器的高性能，預設駕駛行為的模型自動評估，應用先進的數據分析和機器學習技術不斷優(yōu)化智能預測

4）個性化和實時預測?，F代評估技術可以根據駕駛員的個性和習慣提供個性化的評估和反饋，從而更有效地提高駕駛安全性。實時評估駕駛行為的安全性，還可以預測未來的駕駛行為和風險，從而實現早期預警和干預。

4對現有駕駛行為安全評估技術的深入分析

4.1 評估技術的優(yōu)點和局限性

4.1.1 優(yōu)點

1）準確性。利用大量駕駛行為數據，依靠大數據分析和智能駕駛行為安全評估，可以從多維度數學建模的海量數據中識別特定的駕駛習慣，并加以數據加工提供準確率，從而實現準確的駕駛行為評估模型。

2）實時性。由于T-Box的數據收集和傳輸特性，能利用先進通信技術實時采集和處理駕駛數據，對駕駛行為進行實時在線評估并提醒。

3）全面性。在路網技術與車聯網技術日益完善，數據日益精準的今天，評價技術綜合考慮道路和環(huán)境狀況并結合駕駛員駕駛行為、車輛機械運行狀態(tài)等各類數據，對駕駛行為安全進行多維的綜合性評價。

4.1.2 局限性

1）數據質量局限性。由于數據的傳輸依賴T-Box和通信環(huán)境的好壞，數據傳輸過程中存在誤差、缺失，同時數據的定義是根據發(fā)動機、儀表等經驗性定義，會影響評估的準確性。因此評估的準確性在很大程度上取決于數據的質量。

2）模型偏好局限性。當使用機器學習算法時，模型的設計在加權過程中存在偏差、偏好的問題，即模型可能會人為地偏向于識別某些特定的駕駛行為或駕駛環(huán)境。

3）個人數據安全性。T-Box在收集和處理駕駛數據時會對駕駛員的個人數據進行結合，需要充分考慮駕駛員的隱私保護問題。

4.2 針對現有技術提出的改進建議

1）提高數據質量。通過T-Box收集數據的頻次，優(yōu)化處理流程及傳輸過程。例如存儲一天的數據熄火時上傳并與之前的數據進行校驗，或采用附屬傳感器和設備對實時數據傳輸進行二次校驗，可以顯著提高反饋數據的質量。

2）優(yōu)化評價模型。通過集成多個維度模型，進行整車實地測試并現場校對數據，用更復雜和準確的模型與現實情況進行對比，以提高用戶參與度，使用戶能夠更好地了解自己的駕駛行為和安全狀況，同時積極參與改進駕駛習慣，不斷修正模型的參數，讓結果趨向合理。

3）加強隱私保護。通過加密等隱私保護技術來保護駕駛員的個人信息不泄露。

4）全面考慮因素。在評估駕駛行為安全性時，除了技術層面，也需要考慮社會、法律、經濟等多方面的因素。例如，評估結果的使用和反饋應遵守相關法律法規(guī)，同時也需要考慮其對駕駛員的經濟和心理壓力的影響。

5未來趨勢和挑戰(zhàn)

5.1駕駛行為安全評估技術面臨的挑戰(zhàn)

1）數據的處理和分析能力。隨著數據量呈現指數級別的增長，在大規(guī)模收集和使用駕駛行為數據的過程中，如何確保數據的準確性、安全性并從海量的數據當中篩選出與安全駕駛相關的數據關聯性，有效地處理和分析海量駕駛行為數據，提取有用的信息和知識并保護駕駛員的隱私是一個重要的挑戰(zhàn)。

2）法規(guī)和政策的制定。隨著對數據安全、個人隱私的保護，車聯網的數據法規(guī)會效仿歐洲的GDPR法規(guī)用以指導主機廠合法合規(guī)地收集用戶數據并進行安全評估，應用到各行各業(yè)的發(fā)展，需要政府、主機廠、運輸公司等各方共同參與并制定。

5.2 預測和展望未來的發(fā)展趨勢

1）評測模型智能化。隨著人工智能和自動化技術的進步，數據的處理與分析在駕駛行為安全評估研究中會成為一個核心問題。因此，未來的研究應更加注重數據的質量、準確性和完整性，評估方法會依賴機器學習變得越來越智能和自動化，來優(yōu)化數據處理和分析方法。

2）評測定制化。汽車后市場的發(fā)展納入更廣泛的社會、法律、經濟和其他因素，促進更全面的評價。預估未來的評估技術通過針對個別駕駛員自身特性優(yōu)先考慮個性化，讓用戶更容易接受并自愿提高駕駛安全性。駕駛行為安全的同時通過良好的駕駛行為，降低燃油消耗、保險費等超越技術層面的花費。

3）評估結果的應用。駕駛行為安全評估的最終結果應用于汽車后市場，涉及交通工程、計算機科學、心理學、社會學等多個方面的跨學科的溝通與合作。未來的研究應該關注評估結果的可用性，探索評估結果在駕駛行為改進、交通管理、保險定價等方面的應用。

6結論

本研究根據網聯技術、大數據發(fā)展和人工智能的升級，對駕駛行為安全評估技術的發(fā)展迭代進行了深人的研究和剖析。駕駛行為安全評估技術在不斷地更新發(fā)展，逐漸從最初根據經驗的總結判斷轉變?yōu)閿祿寗拥脑u價，從單一的駕駛行為分析擴展到多維度數據的綜合評估并加權結合安全等級進行綜合分析，為汽車后市場方面提供了理論支持和盈利方向的可能性。通過進一步對駕駛員駕駛行為的特點剖析，提高了駕駛行為安全評估技術的準確性和有效性，提升了用戶體驗，促進了智能交通和智慧城市的發(fā)展，為提高駕駛安全、優(yōu)化交通管理、節(jié)約能源消耗提供了科學依據和技術支持。

參考文獻：

[1]沈英超.基于眼部特征的疲勞駕駛檢測系統(tǒng)的研究與實現[D].桂林：桂林電子科技大學，2019.

[2]王蔚，魏中華，劉小明.中外公益性交通標志現狀分析及發(fā)展趨勢[J].道路交通與安全，2015，15（2）：17-22.

[3]梁曄，趙彥敏.數據加密算法的分析與研究[J].甘肅高師學報，2011，16（2）：14-16.

（編輯李林）