Veri bilimini kullanarak kendi Sürüş Davranışımı nasıl analiz ettim?

Araç telematik verileri sürüş becerileriniz hakkında çok şey ortaya çıkarabilir

İyi bir sürücü müsünüz? Böyle bir sorunun cevabı pek objektif olmadı. Bunu analiz etmenin bir yolu, sizinle seyahat eden yolcuların fikrini almak veya ödediğiniz aşırı hız cezalarını saymaktır! Ancak bunların hepsi sürüş davranışını değerlendirmenin çok ilkel yollarıdır. Bu blogda, sürüş davranışımı objektif bir şekilde analiz etmek için verileri nasıl kullandığımı göstereceğim.

Sürüş davranışı analizi, işletmeler tarafından veriye dayalı bir sigorta poliçesi tasarlama veya araç filosu yönetimi gibi kullanım durumları için de kullanılır.

Bu blogda sürüş davranışını ölçmeye yardımcı olabilecek veri bilimi tekniklerinden bahsedeceğim:

• aşırı hız
• Sert Hızlanma
• Umma
• Kötü sürüşün araç koşullarını etkileyip etkilemediğini görmek için makine öğrenimi

Bir kişinin nasıl araba kullandığını analiz edecek ilk şey veri toplamaktır. Çoğu araçta hız, sıcaklık, hızlanma ve daha pek çok şeyi ölçen sensörler bulunur. Bu bir kullanılarak yapılır Araç telematiği cihaz. Bu tür cihazları sağlayan çeşitli satıcılar vardır.

Bu cihaz, sensörler tarafından kaydedilen verileri alır ve daha sonra bunu satıcı veri tabanına iletir. Veriler daha sonra sürüş davranışını anlamak için kullanılabilir. Ayrıca satıcınızdan verilere erişim sağlamasını da isteyebilirsiniz, böylece verileri daha ayrıntılı bir şekilde analiz edebilirsiniz.

Bu blogda Hindistan'ın Karnataka eyaletinde yaptığım gezi sırasında topladığım bir veri örneğini kullanacağım. Toplanan veriler 21 Ağustos 2022 tarihine aittir. Sürüş tarzımın iyi olup olmadığını öğrenmeye çalışacağız. Toplanan veriler aşağıda gösterilen bilgileri içerir.

Veriler, telematik cihazı tanımlayan bir cihaz kimliğine sahiptir. Veri kaydının zaman damgasının yanı sıra ölçülen çeşitli şeylere de sahiptir; örneğin aracın enlem, boylam ve yükseklik olarak ölçülen konumu. Aracın hızı KMPH veya MPH cinsinden ölçülür

Şimdi sürüş davranışını analiz edelim.

Aşırı hız, sürüş davranışını anlamak için ölçülebilecek ilk şeylerden biridir. Burada 21 Ağustos 2022'de izlediğim rota gösterilmektedir. Bu analizi yapmak için kullanılan veriler zaman damgası, enlem ve boylamla ilgili telematik verilere dayanmaktadır.

Yolculuk Udipi'den Holekattu'ya. İzlenen rota, Hindistan'ın batı kıyısı boyunca uzanan 66 numaralı otoyoldur.

Ayrıca maksimum 92 kmph hızın kaydedildiği yer olan bir işaretleyiciyi de gözlemleyebilirsiniz. Ulusal otoyol 66'da bir arabanın hız sınırı 100 Kmph'dir. Yani araç hız limitleri dahilinde ve hız davranışı için yeşil tik verebiliyoruz.

Sert hızlanma, aracın gaz pedalına veya fren sistemine normalden daha fazla kuvvetin uygulandığı bir olaydır. Bazı insanlar buna 'ön ayak' sendromu diyebilir ve bu, agresif veya güvensiz sürüş davranışının bir göstergesi olabilir.

Şimdi yolculuğum sırasında sert ivmeyi ölçelim. Burada 92'lik maksimum hıza ulaşılmadan önceki diğer işaretlerden bazıları gösterilmektedir; bu, 73'lük hızı, ardından 85'e ve ardından 92'lik maksimum hıza ulaşmayı gösterir.

Bu araç hızlarını aşağıda gösterilen çizgi grafiğiyle zaman perspektifine koyabiliriz. X ekseninde süre ve Y ekseninde araç hızı var. Bu eğri ivmeye karşılık gelir. 14:43:21'de hız 71 iken hızlanmaya başladım ve 92:14:43'da maksimum 49 hıza ulaştım. Böylece hızımı 21 saniyede 28 km/saat arttırdım.

Bu ivmenin sert bir ivme olup olmadığını anlamak için onu, ivme nedeniyle araca uygulanan ve g kuvveti olarak da adlandırılan yerçekimi kuvvetine dönüştürmemiz gerekiyor. 21 saniyede 28 km/saatlik bir hız artışı, 0.208 m/s2 ivmeye karşılık gelen bir kuvvet kuvvetine karşılık gelir. Aşağıda g kuvveti ile ivme seviyeleri arasındaki eşleme gösterilmektedir.

0.28'lik bir g kuvveti güvenli kabul edilir ve sert bir hızlanma değildir. Yani sert ivmelenme için yeşil tik verebiliriz.

Araç kullanırken öngörü, gözlerinizi ve kulaklarınızı açık tutarak çevrenizi okumak ve farkında olmak anlamına gelir. Bu, ileriyi iyi planlamak ve gerekli önlemleri almaya hazır olmak anlamına gelir. Başkalarının eylemlerini tahmin etmek ve planlamak için sürekli olarak etrafınızda olup bitenleri kontrol etmelisiniz.

Şimdi tahmin becerilerimi kontrol edelim. Tahmin becerilerimi görmek için hızlanma sonrasında ne yaptığımı analiz edebiliriz. Aşağıda gösterilen eğriye baktığımızda hızda ani bir düşüş olduğunu gözlemleyebiliriz.

92 Kmph hızdan 1 saniyede 24 Kmph hıza düştüm. Bu, -0.3 g kuvvetine eşdeğerdir ve sert frenlemeye karşılık gelir. Sebebi ne olabilir?

Arabayı sürerken tam olarak ne olduğunu bildiğim için sırrı açıklayayım. Maksimum hız noktasından sonra rotaya baktığımızda Heroor köprüsü adı verilen bir nehir köprüsü görüyoruz. Bu köprüde hız sınırları düşürülmüştü, bu yüzden de hızımı düşürmek zorunda kaldım.

92 Kmph gibi yüksek bir hızdan 1 Kmph gibi çok düşük bir hıza düşmek, beklemediğimin açık bir göstergesi. Öyleyse beklenti için kırmızı verelim!

Şimdi sürüş davranışının aracı etkileyip etkilemediğini görelim. Telematik cihazı, araç tarafından verilen alarmlarla ilgili verileri toplar. Sıfır sorun olmadığını, 1 ise araçta sorun olduğunu gösterir.

Ayrıca araç hızı, hızlanma, oksijen, gaz kelebeği, hava sıcaklığı ve çok daha fazlası gibi 50'den fazla sensör değeri vardır.

Sensör değerleri ve alarmlar arasındaki ilişkiyi bulmak için makine öğrenimi karar ağacını kullanabiliriz. Bu, hangi faktörlerin araç sağlığını etkilediğini bilmemize yardımcı olacaktır.

Aşağıda, karar düğümleri olarak farklı sensörlere ve çıkış düğümü olarak alarmlara sahip bir karar ağacı gösterilmektedir. Araç alarmlarına yol açan en önemli faktörlerin AKÜ, HIZLANMA ve HIZ olduğunu görebilirsiniz.

Yani kötü sürüş davranışı yalnızca sürücünün güvenliğini etkilemez, aynı zamanda aracın sağlığını da etkiler.

İşte bazı ilginç sonuçlar

• Telematik cihazları kullanarak veri toplamak, veriye dayalı sürüş davranışı analizinin anahtarıdır
• Hızlanmayı analiz etmek, araç hızı verilerini hız sınırı verileriyle entegre etmenizi gerektirir
• Sert ivme ve öngörü, zaman serisi fonksiyonları kullanılarak hesaplanabilir. Ancak bunların rota analizi ile bir perspektife oturtulması gerekir.
• Kötü Sürüş davranışı hem sürücü hem de araç için güvenli değildir

Veriler aracılığıyla ve veri bilimi tekniklerini kullanarak kendi sürüş davranışımı analiz etme mini projemi beğendiyseniz lütfen Medium'a katıl Referans bağlantımla.

Lütfen abone ol Yeni bir hikaye yayınladığımda haberdar olmak için.

Sıfır kodlama ile analiz yapmak için web sitemi ziyaret edebilirsiniz. https://experiencedatascience.com

Web sitesinde ilginç ve yenilikçi bir veri bilimi ve yapay zeka deneyimi için yaklaşan sanal atölye çalışmalarına da katılabilirsiniz.

İşte YouTube kanalımın bağlantısı
https://www.youtube.com/c/DataScienceDemonstrated

Veri bilimini kullanarak kendi Sürüş Davranışımı nasıl analiz ettim Kaynaktan yayımlandı https://towardsdatascience.com/how-i-analyzed-my-own-driving-behavior-using-data-science-d3a33efae3ec?source=rss—-7f60cf5620c9— 4 https://towardsdatascience.com/feed aracılığıyla

<!–

->