Kako sem analiziral lastno vedenje med vožnjo z uporabo znanosti o podatkih

Telematski podatki vozila lahko razkrijejo veliko o vaših vozniških sposobnostih

Ste dober voznik? Odgovor na tako vprašanje ni bil preveč objektiven. Eden od načinov za analizo tega je, da upoštevate mnenje potnikov, ki potujejo z vami, ali preprosto preštejete kazni za prehitro vožnjo, ki ste jih plačali! Vendar so vse to zelo primitivni načini presojanja vedenja pri vožnji. V tem blogu bom pokazal, kako sem uporabil podatke za objektivno analizo svojega vedenja pri vožnji.

Analizo vedenja med vožnjo uporabljajo tudi podjetja za primere uporabe, kot je oblikovanje zavarovalne police na podlagi podatkov ali upravljanje voznega parka.

V tem blogu bom šel skozi tehnike podatkovne znanosti, ki lahko pomagajo pri merjenju vedenja pri vožnji, kot je npr

• Prekoračitev hitrosti
• Močno pospeševanje
• Predvidevanje
• Strojno učenje za ugotavljanje, ali slaba vožnja vpliva na stanje vozila

Prva stvar, ki jo je treba analizirati, kako se vozi, je zbiranje podatkov. Večina vozil ima senzorje, ki merijo različne stvari, kot so hitrost, temperatura, pospešek in še veliko več. To se naredi z uporabo a Telematika vozila napravo. Obstajajo različni proizvajalci, ki ponujajo takšne naprave.

Ta naprava zajema podatke, ki jih zabeležijo senzorji, in jih nato posreduje v bazo podatkov prodajalca. Podatke je nato mogoče uporabiti za razumevanje vedenja pri vožnji. Svojega prodajalca lahko tudi prosite za dostop do podatkov, da jih boste lahko podrobneje analizirali.

V tem blogu bom uporabil primer podatkov, ki sem jih zbral med potovanjem po Indiji v zvezni državi Karnataka. Zbrani podatki so za 21. avgust 2022. Poskušali bomo ugotoviti, ali je moja vožnja dobra ali ne. Podatki, ki se zbirajo, vsebujejo informacije, kot je prikazano spodaj.

Podatki imajo ID naprave, ki identificira telematsko napravo. Ima časovni žig podatkovnega zapisa in različne stvari, ki se merijo, na primer položaj vozila, ki se meri kot zemljepisna širina, dolžina in nadmorska višina. Hitrost vozila se meri v KMPH ali MPH

Analizirajmo zdaj vedenje med vožnjo.

Prevelika hitrost je ena od prvih stvari, ki jih je mogoče izmeriti, da bi razumeli vedenje med vožnjo. Tukaj je prikazana pot, ki sem jo opravil 21. avgusta 2022. Podatki, uporabljeni za to analizo, temeljijo na telematskih podatkih o časovnem žigu, zemljepisni širini in dolžini.

Pot poteka od Udipija do Holekattuja. Izbrana pot je avtocesta številka 66, ki poteka vzdolž zahodne obale Indije.

Opazujete lahko tudi oznako, ki je lokacija, kjer je bila zabeležena največja hitrost 92 km/h. Omejitev hitrosti za avtomobil na državni avtocesti 66 je 100 km/h. Torej je bilo vozilo znotraj omejitev hitrosti in lahko damo zeleno kljukico za prehitro vožnjo.

Močno pospeševanje je dogodek, pri katerem na plin ali zavorni sistem vozila deluje več sile kot običajno. Nekateri ljudje to imenujejo sindrom "svinčene noge" in je lahko pokazatelj agresivne ali nevarne vožnje.

Izmerimo zdaj močno pospeševanje med mojim potovanjem. Tukaj je prikazanih nekaj drugih oznak, preden je bila dosežena največja hitrost 92, ki prikazuje hitrost 73, nato do 85 in nato doseganje največje hitrosti 92.

Te hitrosti vozil lahko postavimo v časovno perspektivo s črtnim prikazom, kot je prikazano spodaj. Čas imate na osi X in hitrost vozila na osi Y. Ta krivulja ustreza pospešku. Začel sem pospeševati ob 14:43:21, ko je bila hitrost 71 in nato dosegel največjo hitrost 92 ob 14:43:49. Tako sem v 21 sekundah povečal svojo hitrost za 28 km/h.

Da bi ugotovili, ali je to pospeševanje močno pospeševanje ali ne, ga moramo pretvoriti v gravitacijsko silo, imenovano tudi g-sila, ki deluje na avto zaradi pospeševanja. Povečanje hitrosti za 21 km/h v 28 sekundah ustreza sili ag pospeška 0.208 m/s2. Spodaj je prikazana preslikava med g-silo in stopnjami pospeška.

G-sila od 0.28 velja za varno in ni močno pospeševanje. Torej lahko damo zeleno kljukico za močno pospeševanje.

Predvidevanje pri vožnji pomeni branje okolice in ohranjanje zavedanja z odprtimi očmi in ušesi. To pomeni dobro načrtovanje vnaprej in pripravljenost na potrebne ukrepe. Če želite predvideti in načrtovati dejanja drugih, morate nenehno preverjati, kaj se dogaja okoli vas.

Zdaj pa preverimo moje sposobnosti predvidevanja. Da bi videli moje sposobnosti predvidevanja, lahko analiziramo, kaj sem naredil po pospeševanju. Če pogledamo spodnjo krivuljo, lahko opazimo, da se hitrost nenadoma zmanjša.

Od hitrosti 92 km/h sem zmanjšal hitrost na 1 km/h v 24 sekundah. To je enakovredno g-sili – 0.3 in ustreza močnemu zaviranju. Kaj bi lahko bil razlog?

Naj razkrijem skrivnost, saj točno vem, kaj se je zgodilo, ko sem vozil avto. Če pot opazujemo po točki maksimalne hitrosti, vidimo rečni most, imenovan Heroor bridge. Ta most je imel zmanjšane omejitve hitrosti, zaradi česar sem moral zmanjšati hitrost.

Zmanjšanje hitrosti z visoke 92 km/h na zelo nizko hitrost 1 km/h je jasen znak, ki ga nisem pričakoval. Zato dajmo rdečo za pričakovanje!

Poglejmo zdaj, ali vedenje med vožnjo vpliva na vozilo ali ne?. Telematska naprava zbira podatke v zvezi s kakršnim koli alarmom, ki ga sproži vozilo. Ničla pomeni, da ni težav, medtem ko 1 označuje težavo z vozilom.

Na voljo je tudi več kot 50 vrednosti senzorjev, kot so hitrost vozila, pospešek, kisik, plin, temperatura zraka in še veliko več.

Za iskanje kakršne koli povezave med vrednostmi senzorjev in alarmi lahko uporabimo odločitveno drevo strojnega učenja. To nam bo pomagalo ugotoviti, kateri dejavniki vplivajo na zdravje vozila.

Spodaj je prikazano drevo odločitev, ki ima različne senzorje kot vozlišča odločanja in alarme kot izhodno vozlišče. Vidite lahko, da so glavni dejavniki, ki vodijo do alarmov vozila, BATERIJA, POSPEŠEK in HITROST.

Slabo vedenje pri vožnji torej ne vpliva samo na varnost voznika, ampak vpliva tudi na zdravje vozila.

Tukaj je torej nekaj zanimivih zaključkov

• Zbiranje podatkov s pomočjo telematskih naprav je ključno za analizo vedenja pri vožnji na podlagi podatkov
• Analiza prekoračitev hitrosti zahteva integracijo podatkov o hitrosti vozila s podatki o omejitvi hitrosti
• Močno pospeševanje in predvidevanje je mogoče izračunati s funkcijami časovnih vrst. Vendar jih je treba postaviti v perspektivo z analizo poti
• Slabo vedenje med vožnjo ni varno tako za voznika kot za vozilo

Če vam je všeč moj mini projekt analiziranja mojega lastnega vedenja med vožnjo s podatki in uporabo tehnik podatkovne znanosti, pridruži se Medium z mojo referenčno povezavo.

Prosimo, naročiti da ostanem obveščen, ko objavim novo zgodbo.

Obiščete lahko mojo spletno stran in naredite analitiko brez kodiranja. https://experiencedatascience.com

Na spletni strani se lahko udeležite tudi prihajajočih virtualnih delavnic za zanimivo in inovativno izkušnjo podatkovne znanosti in umetne inteligence.

Tukaj je povezava do mojega kanala YouTube
https://www.youtube.com/c/DataScienceDemonstrated

Kako sem analiziral lastno vedenje med vožnjo z uporabo znanosti o podatkih Ponovno objavljeno iz vira https://towardsdatascience.com/how-i-analyzed-my-own-driving-behavior-using-data-science-d3a33efae3ec?source=rss—-7f60cf5620c9— 4 prek https://towardsdatascience.com/feed

<!–

->