Os dados telemáticos do veículo podem revelar muito sobre suas habilidades de direção
Você é um bom motorista? A resposta a tal pergunta não tem sido muito objetiva. Uma forma de analisar isso é ouvir a opinião dos passageiros que viajam com você ou simplesmente contabilizar as multas por excesso de velocidade que você pagou! No entanto, todas essas são formas muito primitivas de julgar o comportamento ao dirigir. Neste blog, mostrarei como usei dados para analisar objetivamente meu comportamento ao dirigir.
A análise do comportamento de condução também é usada pelas empresas para casos de uso como a concepção de uma apólice de seguro baseada em dados ou gestão de frota de veículos.
Neste blog, abordarei técnicas de ciência de dados que podem ajudar a medir o comportamento ao dirigir, como
- Excesso de velocidade
- Aceleração forte
- Antecipação
- Aprendizado de máquina para ver se a má direção afeta as condições do veículo
A primeira coisa a analisar como se dirige é coletar dados. A maioria dos veículos possui sensores que medem várias coisas, como velocidade, temperatura, aceleração e muito mais. Isto é feito usando um Telemática de veículos dispositivo. Existem vários fornecedores que fornecem esses dispositivos.
Este dispositivo coleta dados registrados por sensores e os transmite para o banco de dados do fornecedor. Os dados podem então ser usados para compreender o comportamento de condução. Você também pode solicitar ao seu fornecedor acesso aos dados para que você possa analisá-los com mais detalhes.
Neste blog, usarei um exemplo de dados que coletei durante minha viagem à Índia, no estado de Karnataka. Os dados recolhidos referem-se ao dia 21 de agosto de 2022. Tentaremos saber se a minha condução está boa ou não. Os dados coletados contêm informações conforme mostrado abaixo.
Os dados possuem um ID de dispositivo que identifica o dispositivo telemático. Possui o carimbo de data / hora do registro de dados, além de diversas coisas, que são medidas, por exemplo, a posição do veículo que é medida como latitude, longitude e elevação. A velocidade do veículo é medida em KMPH ou MPH
Vamos agora analisar o comportamento ao dirigir.
O excesso de velocidade é uma das primeiras coisas que podem ser medidas para compreender o comportamento ao dirigir. Aqui é mostrado o percurso que fiz no dia 21 de agosto de 2022. Os dados utilizados para fazer esta análise baseiam-se nos dados telemáticos de carimbo de hora, latitude e longitude.
A viagem é de Udipi para Holekattu. A rota seguida é a rodovia número 66, que segue ao longo da costa oeste da Índia.
Você também pode observar um marcador, que é um local onde foi registrada a velocidade máxima de 92 KMPH. O limite de velocidade para um carro na rodovia nacional 66 é de 100 KMPH. Portanto, o veículo esteve dentro dos limites de velocidade e podemos atribuir uma marca verde por comportamento em excesso de velocidade.
A aceleração forte é um evento em que mais força do que o normal é aplicada ao acelerador ou sistema de freio do veículo. Algumas pessoas podem referir-se a isto como síndrome do “pé de chumbo” e pode ser um indicador de comportamento de condução agressivo ou inseguro.
Vamos agora medir a forte aceleração durante minha viagem. Aqui são mostrados alguns dos outros marcadores antes de a velocidade máxima de 92 ser alcançada, o que mostra a velocidade de 73, e depois para 85, e então atingir uma velocidade máxima de 92.
Podemos colocar essas velocidades dos veículos em uma perspectiva de tempo com o gráfico de linhas mostrado abaixo. Você tem o tempo no eixo X e a velocidade do veículo no eixo Y. Esta curva corresponde à aceleração. Comecei a acelerar às 14:43:21 quando a velocidade era 71 e depois alcancei a velocidade máxima de 92 às 14:43:49. Então aumentei minha velocidade em 21 km/h em 28 segundos.
Para ver se esta aceleração é forte ou não, precisamos convertê-la em força gravitacional, também chamada de força g, que é aplicada ao carro devido à aceleração. Um aumento de velocidade de 21 km/h em 28 segundos corresponde a uma força g de aceleração de 0.208 m/s2. Abaixo é mostrado um mapeamento entre a força g e os níveis de aceleração.
Uma força g de 0.28 é considerada segura e não é uma aceleração forte. Portanto, podemos marcar verde para aceleração forte.
Antecipação ao dirigir significa ler o que está ao seu redor e permanecer atento, mantendo os olhos e os ouvidos abertos. Significa planejar com bastante antecedência e estar preparado para tomar as medidas necessárias. Para antecipar e planejar as ações dos outros, você deve verificar constantemente o que está acontecendo ao seu redor.
Vamos agora verificar minhas habilidades de antecipação. Para ver minhas habilidades de antecipação, podemos analisar o que fiz após a aceleração. Observando a curva mostrada abaixo, podemos observar que há uma diminuição repentina na velocidade.
De uma velocidade de 92 km/h, desacelerei para 1 km/h em 24 segundos. Isto é equivalente a uma força g de -0.3 e corresponde a uma travagem brusca. Qual seria a razão?
Deixe-me revelar o segredo, pois sei exatamente o que aconteceu enquanto dirigia o carro. Se observarmos o percurso após o ponto de velocidade máxima, vemos uma ponte fluvial chamada ponte Heroor. Esta ponte tinha limites de velocidade reduzidos, razão pela qual tive que desacelerar.
Reduzir de uma velocidade alta de 92 km/h para uma velocidade muito baixa de 1 km/h é uma indicação clara que eu não previ. Então vamos dar um vermelho pela antecipação!
Vejamos agora se o comportamento ao dirigir impacta ou não o veículo? O dispositivo telemático coleta dados relacionados a qualquer alarme gerado pelo veículo. Um zero indica que não há problemas, enquanto 1 indica um problema com o veículo.
Existem também mais de 50 valores de sensores, como velocidade do veículo, aceleração, oxigênio, acelerador, temperatura do ar e muito mais.
Podemos usar uma árvore de decisão de aprendizado de máquina para encontrar qualquer relação entre valores de sensores e alarmes. Isso nos ajudará a saber quais fatores impactam a saúde do veículo.
Abaixo é mostrada uma árvore de decisão que possui diferentes sensores como nós de decisão e alarmes como nó de saída. Você pode ver que os principais fatores que levam aos alarmes do veículo são BATERIA, ACELERAÇÃO e VELOCIDADE.
Portanto, o mau comportamento ao dirigir não afeta apenas a segurança do motorista, mas também a saúde do veículo.
Então aqui estão algumas conclusões interessantes
- A recolha de dados através de dispositivos telemáticos é fundamental para a análise do comportamento de condução baseada em dados
- A análise do excesso de velocidade requer a integração dos dados de velocidade do veículo com os dados de limite de velocidade
- A forte aceleração e antecipação podem ser calculadas usando funções de série temporal. No entanto, eles precisam ser colocados em perspectiva com a análise de rotas
- O mau comportamento ao dirigir não é seguro para o motorista e também para o veículo
Se você gosta do meu miniprojeto de análise do meu próprio comportamento ao dirigir por meio de dados e usando técnicas de ciência de dados, por favor junte-se ao Médio com meu link de indicação.
. Inscreva-se para me manter informado sempre que eu lançar uma nova história.
Você pode visitar meu site para fazer análises sem codificação. https://experiencedatascience.com
No site, você também pode participar dos próximos workshops virtuais para uma experiência interessante e inovadora em ciência de dados e IA.
Aqui está um link para meu canal no YouTube
https://www.youtube.com/c/DataScienceDemonstrated
Como analisei meu próprio comportamento ao dirigir usando ciência de dados Republicado da fonte https://towardsdatascience.com/how-i-analyzed-my-own-driving-behavior-using-data-science-d3a33efae3ec?source=rss—-7f60cf5620c9— 4 via https://towardsdatascience.com/feed
<!–
->
- Bitcoin
- bizbuilder Mike
- blockchain
- conformidade do blockchain
- conferência blockchain
- Consultores Blockchain
- coinbase
- Coingenius
- Consenso
- conferência de criptografia
- crypto mining
- criptomoedas
- Descentralizada
- DeFi
- Ativos Digitais
- ethereum
- aprendizado de máquina
- token não fungível
- platão
- platão ai
- Inteligência de Dados Platão
- Platoblockchain
- PlatãoData
- jogo de platô
- Polygon
- prova de participação
- W3
- zefirnet