차량 텔레매틱스 데이터는 운전 기술에 대해 많은 것을 알려줄 수 있습니다.
당신은 좋은 운전자입니까? 그러한 질문에 대한 대답은 그다지 객관적이지 않았습니다. 이를 분석하는 한 가지 방법은 함께 여행하는 승객의 의견을 듣거나 귀하가 지불한 과속 딱지를 계산하는 것입니다! 그러나 이는 모두 운전 행위를 판단하는 매우 원시적인 방법입니다. 이번 블로그에서는 나의 운전 행동을 객관적으로 분석하기 위해 데이터를 어떻게 활용했는지 보여드리겠습니다.
운전 행동 분석은 기업에서 데이터 기반 보험 정책 설계 또는 차량 관리와 같은 사용 사례에도 사용됩니다.
이번 블로그에서는 다음과 같은 운전 행동을 측정하는 데 도움이 될 수 있는 데이터 과학 기술을 살펴보겠습니다.
- 과속
- 하드 가속
- 기대
- 나쁜 운전이 차량 상태에 영향을 미치는지 확인하는 기계 학습
한 사람의 운전 방식을 분석하기 위해 가장 먼저 해야 할 일은 데이터 수집이다. 대부분의 차량에는 속도, 온도, 가속도 등과 같은 다양한 항목을 측정하는 센서가 있습니다. 이는 다음을 사용하여 수행됩니다. 차량 텔레매틱스 장치. 이러한 장치를 제공하는 다양한 공급업체가 있습니다.
이 장치는 센서가 기록한 데이터를 가져와 공급업체 데이터베이스로 전송합니다. 그런 다음 데이터를 사용하여 운전 행동을 이해할 수 있습니다. 또한 더 자세히 분석할 수 있도록 공급업체에 데이터에 대한 액세스 권한을 제공하도록 요청할 수도 있습니다.
이 블로그에서는 인도 카르나타카 주를 여행하는 동안 수집한 데이터의 예를 사용하겠습니다. 수집된 데이터는 21년 2022월 XNUMX일 기준입니다. 운전 실력이 좋은지 확인해 보겠습니다. 수집되는 데이터에는 아래와 같은 정보가 있습니다.
데이터에는 텔레매틱스 장치를 식별하는 장치 ID가 있습니다. 여기에는 데이터 기록의 타임스탬프뿐만 아니라 측정되는 다양한 항목(예: 위도, 경도, 고도로 측정되는 차량의 위치)이 있습니다. 차량의 속도는 KMPH 또는 MPH로 측정됩니다.
이제 운전 행동을 분석해 보겠습니다.
과속은 운전 행동을 이해하기 위해 가장 먼저 측정할 수 있는 것 중 하나입니다. 여기에 표시된 경로는 제가 21년 2022월 XNUMX일에 이동한 경로입니다. 이 분석에 사용된 데이터는 타임스탬프, 위도, 경도에 대한 텔레매틱스 데이터를 기반으로 합니다.
여행은 Udipi에서 Holekattu까지입니다. 선택한 경로는 인도 서부 해안을 따라 이어지는 66번 고속도로입니다.
최고 속도 92KMPH가 기록된 지점인 마커도 관찰할 수 있다. 66번 국도의 자동차 제한 속도는 100km/h입니다. 따라서 차량은 속도 제한 내에 있었고 과속 행위에 대해 녹색 체크를 표시할 수 있습니다.
급가속은 차량의 가속기나 브레이크 시스템에 평소보다 더 많은 힘이 가해지는 현상입니다. 어떤 사람들은 이것을 '리드 풋' 증후군이라고 부를 수 있으며 이는 공격적이거나 안전하지 않은 운전 행동의 지표일 수 있습니다.
이제 여행 중 급가속을 측정해 보겠습니다. 여기에는 최대 속도 92가 달성되기 전의 다른 마커 중 일부가 나와 있습니다. 이는 73의 속도를 보여주고, 그 다음에는 85까지, 그리고 최대 속도 92를 달성합니다.
아래와 같이 선 그래프를 사용하여 이러한 차량 속도를 시간 관점에서 볼 수 있습니다. X축에는 시간이 있고 Y축에는 차량 속도가 있습니다. 이 곡선은 가속도에 해당합니다. 14시 43분 21초에 속도 71에서 가속을 시작했고, 92시 14분 43초에 최고 속도 49에 도달했습니다. 그래서 21초 만에 속도를 28km/h로 높였습니다.
이 가속도가 가혹한 가속인지 아닌지 확인하려면 가속으로 인해 자동차에 적용되는 중력(g-force)이라고도 하는 중력으로 변환해야 합니다. 21초 만에 28km/h의 속도 증가는 0.208m/s2 가속도의 작용력에 해당합니다. 아래에는 g-force와 가속도 수준 간의 매핑이 나와 있습니다.
0.28 이상의 g-force는 안전한 것으로 간주되며 급가속이 아닙니다. 따라서 급가속을 위해 녹색 체크를 표시할 수 있습니다.
운전 중 예측이란 눈과 귀를 열어 주변 상황을 읽고 주의를 기울이는 것을 의미합니다. 이는 미리 계획을 세우고 필요한 조치를 취할 준비를 한다는 것을 의미합니다. 다른 사람의 행동을 예측하고 계획하려면 주변에서 무슨 일이 일어나고 있는지 지속적으로 확인해야 합니다.
이제 나의 예상 능력을 확인해 보겠습니다. 나의 기대 능력을 확인하기 위해 가속 후 무엇을 했는지 분석할 수 있습니다. 아래 곡선을 보면 속도가 갑자기 감소하는 것을 볼 수 있습니다.
92KMPH의 속도에서 1초 만에 24KMPH까지 감속했습니다. 이는 g-force - 0.3에 해당하며 급제동에 해당합니다. 이유가 무엇일까요?
차를 운전하면서 무슨 일이 일어났는지 정확히 알고 있으니 비밀을 밝히겠습니다. 최고 속도 지점 이후의 경로를 관찰하면 Heroor 다리라는 강교가 보입니다. 이 다리에는 속도 제한이 있어서 속도를 줄여야 했습니다.
92kmph의 고속에서 1kmph의 매우 낮은 속도로 감소하는 것은 내가 예상하지 못했다는 분명한 표시입니다. 그러니 기대를 위해 빨간색을 줍시다!
이제 운전 행동이 차량에 영향을 미치는지 살펴보겠습니다. 텔레매틱스 장치는 차량에서 발생한 모든 경보와 관련된 데이터를 수집합니다. 1은 문제가 없음을 나타내고 XNUMX은 차량에 문제가 있음을 나타냅니다.
차량 속도, 가속도, 산소, 스로틀, 공기 온도 등과 같은 50개 이상의 센서 값도 있습니다.
우리는 기계 학습 결정 트리를 사용하여 센서 값과 경보 간의 관계를 찾을 수 있습니다. 이는 어떤 요인이 차량 건강에 영향을 미치는지 파악하는 데 도움이 됩니다.
아래에는 결정 노드로 다양한 센서가 있고 출력 노드로 알람이 있는 결정 트리가 나와 있습니다. 차량 경보를 발생시키는 주요 요인은 배터리, 가속도, 속도임을 알 수 있습니다.
따라서 나쁜 운전 습관은 운전자의 안전에 영향을 미칠 뿐만 아니라 차량의 건강에도 영향을 미칩니다.
그래서 여기에 몇 가지 흥미로운 결론이 있습니다.
- 텔레매틱스 기기를 활용한 데이터 수집은 데이터 기반 운전 행동 분석의 핵심입니다.
- 과속을 분석하려면 차량 속도 데이터를 속도 제한 데이터와 통합해야 합니다.
- 급가속 및 예상은 시계열 함수를 사용하여 계산할 수 있습니다. 그러나 경로 분석을 통해 관점을 고려해야 합니다.
- 나쁜 운전 습관은 운전자와 차량 모두에게 안전하지 않습니다.
나의 운전 행동을 데이터로 분석하고, 데이터 사이언스 기법을 활용하는 미니 프로젝트가 마음에 드셨다면 미디엄에 가입하세요 내 추천 링크로.
XNUMX-XNUMX학년도 PTA 학교 위원회의 지명 후보를 확인하시려면 가입 새로운 이야기를 발표할 때마다 최신 소식을 받아볼 수 있습니다.
내 웹사이트를 방문하면 코딩 없이 분석을 할 수 있습니다. https://experiencedatascience.com
웹사이트에서는 흥미롭고 혁신적인 데이터 과학 및 AI 경험을 위한 다가오는 가상 워크숍에 참여할 수도 있습니다.
내 YouTube 채널 링크는 다음과 같습니다.
https://www.youtube.com/c/DataScienceDemonstrated
소스 https://towardsdatascience.com/how-i-analyzed-my-own-driving-behavior-using-data-science-d3a33efae3ec?source=rss—-7f60cf5620c9에서 다시 게시된 데이터 과학을 사용하여 내 운전 행동을 분석한 방법— 4 https://towardsdatascience.com/feed를 통해
<!–
–>
