যানবাহন টেলিমেটিক্স ডেটা আপনার ড্রাইভিং দক্ষতা সম্পর্কে অনেক কিছু প্রকাশ করতে পারে
আপনি একজন ভাল ড্রাইভার? এমন প্রশ্নের উত্তর খুব একটা বস্তুনিষ্ঠ হয়নি। এটি বিশ্লেষণ করার একটি উপায় হল আপনার সাথে ভ্রমণকারী যাত্রীদের মতামত নেওয়া বা আপনি যে দ্রুত গতির টিকিট প্রদান করেছেন তা গণনা করা! যাইহোক, এগুলি ড্রাইভিং আচরণের বিচার করার জন্য খুব আদিম উপায়। এই ব্লগে, আমি কীভাবে আমার ড্রাইভিং আচরণকে উদ্দেশ্যমূলকভাবে বিশ্লেষণ করতে ডেটা ব্যবহার করেছি তা দেখাব।
ড্রাইভিং আচরণ বিশ্লেষণও এন্টারপ্রাইজগুলি দ্বারা ডেটা-চালিত বীমা পলিসি ডিজাইন করা বা গাড়ির ফ্লিট পরিচালনার মতো ব্যবহারের ক্ষেত্রে ব্যবহার করা হয়।
এই ব্লগে, আমি ডেটা সায়েন্স কৌশলগুলির মাধ্যমে যাব যা ড্রাইভিং আচরণ যেমন পরিমাপ করতে সাহায্য করতে পারে
- ওভার স্পিডিং
- কঠিন ত্বরণ
- অগ্রজ্ঞান
- খারাপ ড্রাইভিং গাড়ির অবস্থাকে প্রভাবিত করে কিনা তা দেখতে মেশিন লার্নিং
কীভাবে একজন ড্রাইভ করে তা বিশ্লেষণ করার প্রথম জিনিসটি ডেটা সংগ্রহ করা। বেশিরভাগ যানবাহনে সেন্সর থাকে যা বিভিন্ন জিনিস যেমন গতি, তাপমাত্রা, ত্বরণ এবং আরও অনেক কিছু পরিমাপ করে। এটি একটি ব্যবহার করে করা হয় যানবাহন টেলিমেটিক যন্ত্র. বিভিন্ন বিক্রেতা আছে যারা এই ধরনের ডিভাইস প্রদান করে.
এই ডিভাইসটি সেন্সর দ্বারা রেকর্ড করা ডেটা নেয় এবং তারপর এটি বিক্রেতা ডাটাবেসে প্রেরণ করে। ডেটা তখন ড্রাইভিং আচরণ বোঝার জন্য ব্যবহার করা যেতে পারে। আপনি আপনার বিক্রেতাকে ডেটাতে অ্যাক্সেস প্রদান করতে বলতে পারেন যাতে আপনি এটি আরও বিশদভাবে বিশ্লেষণ করতে পারেন।
এই ব্লগে, আমি কর্ণাটক রাজ্যে আমার ভারত ভ্রমণের সময় সংগ্রহ করা ডেটার একটি উদাহরণ ব্যবহার করব৷ সংগৃহীত ডেটা 21শে আগস্ট 2022 এর জন্য। আমার ড্রাইভিং ভালো কি না তা আমরা খুঁজে বের করার চেষ্টা করব। সংগৃহীত তথ্য নিচে দেখানো হিসাবে তথ্য আছে.
ডেটাতে একটি ডিভাইস আইডি রয়েছে যা টেলিমেটিক ডিভাইসটিকে সনাক্ত করে। এতে ডেটা রেকর্ডের টাইমস্ট্যাম্প রয়েছে, সেইসাথে বিভিন্ন জিনিস যা পরিমাপ করা হয়, উদাহরণস্বরূপ, গাড়ির অবস্থান যা অক্ষাংশ, দ্রাঘিমাংশ এবং উচ্চতা হিসাবে পরিমাপ করা হয়। গাড়ির গতি কেএমপিএইচ বা এমপিএইচে পরিমাপ করা হয়
আসুন এখন ড্রাইভিং আচরণ বিশ্লেষণ করা যাক।
ওভার-স্পিডিং হল প্রথম জিনিসগুলির মধ্যে একটি যা ড্রাইভিং আচরণ বোঝার জন্য পরিমাপ করা যেতে পারে। 21শে আগস্ট 2022-এ আমি যে রুটটি নিয়েছিলাম তা এখানে দেখানো হয়েছে। এই বিশ্লেষণ করতে ব্যবহৃত ডেটা টাইম-স্ট্যাম্প, অক্ষাংশ এবং দ্রাঘিমাংশের টেলিম্যাটিক ডেটার উপর ভিত্তি করে।
ট্রিপ হল উদিপি থেকে হোলেকাট্টু। নেওয়া রুটটি হল হাইওয়ে নম্বর 66 যা ভারতের পশ্চিম উপকূল বরাবর চলে।
আপনি একটি মার্কারও পর্যবেক্ষণ করতে পারেন, এটি এমন একটি অবস্থান যেখানে সর্বাধিক গতি 92 KMPH রেকর্ড করা হয়েছিল। জাতীয় সড়ক 66-এ একটি গাড়ির গতিসীমা হল 100 KMPH। সুতরাং গাড়িটি গতি সীমার মধ্যে রয়েছে এবং আমরা গতিশীল আচরণের জন্য একটি সবুজ টিক দিতে পারি।
হার্ড এক্সিলারেশন এমন একটি ঘটনা যেখানে গাড়ির এক্সিলারেটর বা ব্রেক সিস্টেমে স্বাভাবিকের চেয়ে বেশি বল প্রয়োগ করা হয়। কিছু লোক এটিকে 'লিড ফুট' সিন্ড্রোম হিসাবে উল্লেখ করতে পারে এবং এটি আক্রমনাত্মক বা অনিরাপদ ড্রাইভিং আচরণের সূচক হতে পারে।
আসুন এখন আমার ভ্রমণের সময় হার্ড ত্বরণ পরিমাপ করা যাক। 92 এর সর্বোচ্চ গতি অর্জনের আগে এখানে কিছু অন্যান্য চিহ্নিতকারী দেখানো হয়েছে, যা 73 এর গতি দেখায় এবং তারপর 85-এ এবং তারপরে 92 এর সর্বোচ্চ গতি অর্জন করে।
আমরা এই গাড়ির গতিকে একটি সময়ের পরিপ্রেক্ষিতে লাইন প্লটের সাথে রাখতে পারি যা নীচে দেখানো হয়েছে। Y-অক্ষে X-অক্ষ বিজ্ঞাপনের গাড়ির গতিতে আপনার সময় আছে। এই বক্ররেখা ত্বরণের সাথে মিলে যায়। আমি 14:43:21 এ ত্বরান্বিত করতে শুরু করেছি যখন গতি ছিল 71 এবং তারপর 92:14:43 এ 49 এর সর্বোচ্চ গতিতে পৌঁছেছি। তাই আমি 21 সেকেন্ডে আমার গতি 28 কিমি/ঘন্টা বাড়িয়েছি।
এই ত্বরণটি কঠোর ত্বরণ কিনা তা দেখার জন্য, আমাদের এটিকে মহাকর্ষীয় শক্তিতে রূপান্তর করতে হবে, একে জি-ফোর্সও বলা হয়, যা ত্বরণের কারণে গাড়িতে প্রয়োগ করা হয়। 21 সেকেন্ডে 28 কিমি/ঘন্টা গতি বৃদ্ধি 0.208 m/s2 ত্বরণের এগ ফোর্সের সাথে মিলে যায়। নিচে জি-ফোর্স থেকে ত্বরণের মাত্রার মধ্যে একটি ম্যাপিং দেখানো হয়েছে।
0.28 থেকে একটি জি-ফোর্স নিরাপদ বলে মনে করা হয় এবং এটি কঠিন ত্বরণ নয়। সুতরাং, আমরা হার্ড ত্বরণের জন্য একটি সবুজ টিক দিতে পারি।
ড্রাইভিং এ প্রত্যাশার অর্থ হল আপনার চারপাশের পরিবেশ পড়া এবং আপনার চোখ ও কান খোলা রেখে সচেতন থাকা। এর অর্থ হল সামনের পরিকল্পনা করা এবং প্রয়োজনীয় ব্যবস্থা নেওয়ার জন্য প্রস্তুত হওয়া। অন্যের ক্রিয়াকলাপের জন্য পূর্বাভাস এবং পরিকল্পনা করার জন্য আপনার চারপাশে কী ঘটছে তা ক্রমাগত পরীক্ষা করা উচিত।
আসুন এখন আমার প্রত্যাশার দক্ষতা পরীক্ষা করুন। আমার প্রত্যাশার দক্ষতা দেখার জন্য, ত্বরণের পরে আমি কী করেছি তা আমরা বিশ্লেষণ করতে পারি। নীচে দেখানো বক্ররেখার দিকে তাকালে, আমরা লক্ষ্য করতে পারি যে গতি হঠাৎ কমে গেছে।
92KMPH এর গতি থেকে, আমি 1 সেকেন্ডের মধ্যে 24 KMPH-এ গতি কমিয়েছি। এটি একটি জি-ফোর্স — 0.3 এর সমতুল্য এবং হার্ড ব্রেকিং এর সাথে মিলে যায়। কারণ কি হতে পারে?
আমাকে গোপনীয়তা প্রকাশ করতে দিন, কারণ আমি জানি ঠিক কী ঘটেছিল যখন আমি গাড়ি চালাচ্ছিলাম। যদি আমরা সর্বাধিক গতি বিন্দুর পরে রুটটি পর্যবেক্ষণ করি, আমরা একটি নদীর সেতু দেখতে পাই যার নাম হেরুর সেতু। এই সেতুটি গতি সীমা হ্রাস করেছিল, যার কারণে আমাকে গতি কমাতে হয়েছিল।
92 KMPH এর উচ্চ গতি থেকে 1 KMPH এর খুব কম গতিতে হ্রাস করা একটি স্পষ্ট ইঙ্গিত যা আমি আশা করিনি। তাই আমাদের প্রত্যাশার জন্য একটি লাল দেওয়া যাক!
আসুন এখন দেখি গাড়ি চালানোর আচরণ গাড়িকে প্রভাবিত করে কি না? টেলিমেটিক্স ডিভাইসটি গাড়ির দ্বারা উত্থাপিত যে কোনও অ্যালার্ম সম্পর্কিত ডেটা সংগ্রহ করে। একটি শূন্য কোনো সমস্যা নির্দেশ করে, যখন একটি 1 গাড়ির সাথে একটি সমস্যা নির্দেশ করে।
এছাড়াও 50 টিরও বেশি সেন্সর মান রয়েছে, যেমন গাড়ির গতি, ত্বরণ, অক্সিজেন, থ্রোটল, বায়ুর তাপমাত্রা এবং আরও অনেক কিছু।
সেন্সর মান এবং অ্যালার্মের মধ্যে কোনো সম্পর্ক খুঁজে পেতে আমরা একটি মেশিন-লার্নিং ডিসিশন ট্রি ব্যবহার করতে পারি। এটি আমাদের জানতে সাহায্য করবে যে কোন কারণগুলি গাড়ির স্বাস্থ্যকে প্রভাবিত করে৷
নীচে একটি সিদ্ধান্ত গাছ দেখানো হয়েছে যেখানে সিদ্ধান্ত নোড হিসাবে বিভিন্ন সেন্সর এবং আউটপুট নোড হিসাবে অ্যালার্ম রয়েছে। আপনি দেখতে পাচ্ছেন যে গাড়ির অ্যালার্মের জন্য প্রধান কারণগুলি হল ব্যাটারি, অ্যাক্সিলারেশন এবং গতি৷
তাই খারাপ ড্রাইভিং আচরণ শুধুমাত্র চালকের নিরাপত্তাকেই প্রভাবিত করে না বরং গাড়ির স্বাস্থ্যকেও প্রভাবিত করে।
তাই এখানে কিছু আকর্ষণীয় সিদ্ধান্ত আছে
- টেলিম্যাটিক ডিভাইস ব্যবহার করে ডেটা সংগ্রহ ডেটা-চালিত ড্রাইভিং আচরণ বিশ্লেষণের চাবিকাঠি
- গতির বিশ্লেষণের জন্য আপনাকে গতি সীমা ডেটার সাথে গাড়ির গতির ডেটা সংহত করতে হবে
- সময় সিরিজ ফাংশন ব্যবহার করে কঠিন ত্বরণ এবং প্রত্যাশা গণনা করা যেতে পারে। যাইহোক, তাদের রুট বিশ্লেষণের সাথে পরিপ্রেক্ষিতে রাখা দরকার
- খারাপ ড্রাইভিং আচরণ চালকের পাশাপাশি গাড়ির জন্য নিরাপদ নয়
আপনি যদি ডেটার মাধ্যমে আমার নিজস্ব ড্রাইভিং আচরণ বিশ্লেষণ এবং ডেটা সায়েন্স কৌশল ব্যবহার করার আমার মিনি-প্রকল্পটি পছন্দ করেন, অনুগ্রহ করে মিডিয়ামে যোগ দিন আমার রেফারেল লিঙ্ক সহ।
অনুগ্রহ করে সাবস্ক্রাইব যখনই আমি একটি নতুন গল্প প্রকাশ করি তখন অবগত থাকতে।
আপনি জিরো কোডিং দিয়ে বিশ্লেষণ করতে আমার ওয়েবসাইট দেখতে পারেন। https://experiencedatascience.com
ওয়েবসাইটে, আপনি একটি আকর্ষণীয় এবং উদ্ভাবনী ডেটা সায়েন্স এবং এআই অভিজ্ঞতার জন্য আসন্ন ভার্চুয়াল ওয়ার্কশপে অংশগ্রহণ করতে পারেন।
এখানে আমার ইউটিউব চ্যানেলের একটি লিঙ্ক
https://www.youtube.com/c/DataScienceDemonstrated
আমি কীভাবে ডেটা সায়েন্স ব্যবহার করে আমার নিজের ড্রাইভিং আচরণ বিশ্লেষণ করেছি উৎস থেকে পুনঃপ্রকাশিত https://towardsdatascience.com/how-i-analyzed-my-own-driving-behavior-using-data-science-d3a33efae3ec?source=rss—-7f60cf5620c9— 4 https://towardsdatascience.com/feed এর মাধ্যমে
<!–
->
- Bitcoin
- বিজবিল্ডারমাইক
- blockchain
- ব্লকচেইন সম্মতি
- ব্লকচেইন সম্মেলন
- ব্লকচেইন পরামর্শদাতা
- কয়েনবেস
- coingenius
- ঐক্য
- ক্রিপ্টো সম্মেলন
- ক্রিপ্টো খনির
- cryptocurrency
- বিকেন্দ্রীভূত
- Defi
- ডিজিটাল সম্পদ
- ethereum
- মেশিন লার্নিং
- অ ছত্রাকযুক্ত টোকেন
- Plato
- প্লেটো এআই
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটো ব্লকচেইন
- প্লেটোডাটা
- প্লেটোগেমিং
- বহুভুজ
- ঝুঁকি প্রমাণ
- W3
- zephyrnet