Dữ liệu viễn thông về xe có thể tiết lộ nhiều điều về kỹ năng lái xe của bạn
Bạn là một tài xế tốt? Câu trả lời cho một câu hỏi như vậy không khách quan lắm. Một cách để phân tích điều này là lấy ý kiến của những hành khách đi cùng bạn hoặc đơn giản là đếm số tiền phạt vi phạm tốc độ mà bạn đã trả! Tuy nhiên, đây đều là những cách rất thô sơ để đánh giá hành vi lái xe. Trong blog này, tôi sẽ trình bày cách tôi sử dụng dữ liệu để phân tích hành vi lái xe của mình một cách khách quan.
Phân tích hành vi lái xe cũng được các doanh nghiệp sử dụng cho các trường hợp sử dụng như thiết kế chính sách bảo hiểm dựa trên dữ liệu hoặc quản lý đội xe.
Trong blog này, tôi sẽ tìm hiểu các kỹ thuật khoa học dữ liệu có thể giúp đo lường hành vi lái xe như
- Quá tốc độ
- Tăng tốc cứng
- Anticipation
- Học máy để xem liệu việc lái xe không tốt có ảnh hưởng đến tình trạng phương tiện hay không
Điều đầu tiên để phân tích cách một người lái xe là thu thập dữ liệu. Hầu hết các phương tiện đều có cảm biến đo nhiều thứ khác nhau như tốc độ, nhiệt độ, khả năng tăng tốc, v.v. Việc này được thực hiện bằng cách sử dụng một Xe viễn thông thiết bị. Có nhiều nhà cung cấp khác nhau cung cấp các thiết bị như vậy.
Thiết bị này lấy dữ liệu được ghi lại bởi các cảm biến và sau đó truyền đến cơ sở dữ liệu của nhà cung cấp. Dữ liệu sau đó có thể được sử dụng để hiểu hành vi lái xe. Bạn cũng có thể yêu cầu nhà cung cấp của mình cung cấp quyền truy cập vào dữ liệu để bạn có thể phân tích dữ liệu chi tiết hơn.
Trong blog này, tôi sẽ sử dụng một ví dụ về dữ liệu mà tôi đã thu thập được trong chuyến đi đến Ấn Độ ở bang Karnataka. Dữ liệu được thu thập là vào ngày 21 tháng 2022 năm XNUMX. Chúng tôi sẽ cố gắng tìm hiểu xem khả năng lái xe của tôi có tốt hay không. Dữ liệu được thu thập có thông tin như hình dưới đây.
Dữ liệu có ID thiết bị xác định thiết bị viễn thông. Nó có dấu thời gian của bản ghi dữ liệu cũng như nhiều thứ khác nhau được đo, chẳng hạn như vị trí của phương tiện được đo bằng vĩ độ, kinh độ và độ cao. Tốc độ của xe được đo bằng KMPH hoặc MPH
Bây giờ chúng ta hãy phân tích hành vi lái xe.
Chạy quá tốc độ là một trong những điều đầu tiên có thể đo lường được để hiểu hành vi lái xe. Dưới đây là lộ trình tôi đã đi vào ngày 21 tháng 2022 năm XNUMX. Dữ liệu dùng để thực hiện phân tích này dựa trên dữ liệu viễn thông về dấu thời gian, vĩ độ và kinh độ.
Chuyến đi từ Udipi đến Holekattu. Tuyến đường được thực hiện là đường cao tốc số 66 chạy dọc bờ biển phía Tây Ấn Độ.
Bạn cũng có thể quan sát điểm đánh dấu, đây là vị trí ghi lại tốc độ tối đa 92 KMPH. Tốc độ giới hạn cho ô tô trên quốc lộ 66 là 100 KMPH. Vì vậy, chiếc xe đã ở trong giới hạn tốc độ và chúng ta có thể đánh dấu màu xanh cho hành vi chạy quá tốc độ.
Tăng tốc đột ngột là hiện tượng trong đó lực tác động lên chân ga hoặc hệ thống phanh của xe lớn hơn bình thường. Một số người có thể gọi đây là hội chứng 'chân chì' và nó có thể là dấu hiệu của hành vi lái xe hung hãn hoặc không an toàn.
Bây giờ chúng ta hãy đo gia tốc cứng trong chuyến đi của tôi. Dưới đây là một số điểm đánh dấu khác trước khi đạt được tốc độ tối đa là 92, cho thấy tốc độ là 73, sau đó là 85 và sau đó đạt được tốc độ tối đa là 92.
Chúng ta có thể đặt những tốc độ xe này theo phối cảnh thời gian với biểu đồ đường như dưới đây. Bạn có thời gian trên trục X quảng cáo tốc độ xe trên trục Y. Đường cong này tương ứng với gia tốc. Tôi bắt đầu tăng tốc lúc 14:43:21 khi tốc độ là 71 và sau đó đạt tốc độ tối đa 92 lúc 14:43:49. Vì vậy tôi đã tăng tốc độ thêm 21 km/h trong 28 giây.
Để biết gia tốc này có phải là gia tốc khắc nghiệt hay không, chúng ta cần chuyển nó thành lực hấp dẫn hay còn gọi là lực g, lực này tác dụng lên ô tô do gia tốc. Tốc độ tăng 21 km/giờ trong 28 giây tương ứng với lực đẩy gia tốc 0.208 m/s2. Dưới đây là ánh xạ giữa lực g với các mức gia tốc.
Lực g từ 0.28 được coi là an toàn và không phải là khả năng tăng tốc mạnh. Vì vậy, chúng ta có thể đánh dấu màu xanh cho khả năng tăng tốc mạnh.
Dự đoán khi lái xe có nghĩa là quan sát xung quanh bạn và duy trì nhận thức bằng cách luôn để mắt và tai luôn mở. Nó có nghĩa là lập kế hoạch trước và chuẩn bị sẵn sàng để thực hiện những hành động cần thiết. Để dự đoán và lên kế hoạch cho hành động của người khác, bạn nên liên tục kiểm tra những gì đang xảy ra xung quanh mình.
Bây giờ chúng ta hãy kiểm tra kỹ năng dự đoán của tôi. Để xem kỹ năng dự đoán của tôi, chúng ta có thể phân tích những gì tôi đã làm sau khi tăng tốc. Nhìn vào đường cong hiển thị bên dưới, chúng ta có thể quan sát thấy tốc độ đang giảm đột ngột.
Từ tốc độ 92KMPH, tôi giảm tốc xuống 1 KMPH trong 24 giây. Điều này tương đương với lực g là - 0.3 và tương ứng với việc phanh gấp. Điều gì có thể là lý do?
Hãy để tôi tiết lộ bí mật, vì tôi biết chính xác chuyện gì đã xảy ra khi tôi đang lái xe. Nếu quan sát tuyến đường sau điểm tốc độ tối đa, chúng ta sẽ thấy một cây cầu sông có tên là cầu Heroor. Cây cầu này đã giảm giới hạn tốc độ, đó là lý do khiến tôi phải giảm tốc độ.
Việc giảm từ tốc độ cao 92 KMPH xuống tốc độ rất thấp 1 KMPH là một dấu hiệu rõ ràng mà tôi không lường trước được. Vì vậy chúng ta hãy đưa ra một màu đỏ để dự đoán!
Bây giờ chúng ta hãy xem hành vi lái xe có ảnh hưởng đến xe hay không?. Thiết bị viễn thông thu thập dữ liệu liên quan đến bất kỳ cảnh báo nào do xe đưa ra. Số 1 biểu thị không có vấn đề gì, trong khi số XNUMX biểu thị có vấn đề với xe.
Ngoài ra còn có hơn 50 giá trị cảm biến, chẳng hạn như tốc độ xe, khả năng tăng tốc, lượng oxy, ga, nhiệt độ không khí, v.v.
Chúng ta có thể sử dụng cây quyết định học máy để tìm bất kỳ mối quan hệ nào giữa giá trị cảm biến và cảnh báo. Điều này sẽ giúp chúng tôi biết yếu tố nào ảnh hưởng đến tình trạng xe.
Hiển thị bên dưới là cây quyết định có các cảm biến khác nhau làm nút quyết định và cảnh báo làm nút đầu ra. Bạn có thể thấy các yếu tố hàng đầu dẫn đến cảnh báo xe là Ắc quy, TĂNG TỐC và TỐC ĐỘ.
Vì vậy hành vi lái xe không tốt không chỉ ảnh hưởng đến sự an toàn của người lái xe mà còn ảnh hưởng đến sức khỏe của phương tiện.
Vì vậy đây là một số kết luận thú vị
- Thu thập dữ liệu bằng thiết bị viễn thông là chìa khóa để phân tích hành vi lái xe dựa trên dữ liệu
- Phân tích tốc độ yêu cầu bạn tích hợp dữ liệu tốc độ xe với dữ liệu giới hạn tốc độ
- Khả năng tăng tốc và dự đoán cứng có thể được tính toán bằng cách sử dụng các hàm chuỗi thời gian. Tuy nhiên, chúng cần được đặt trong bối cảnh phân tích tuyến đường
- Hành vi lái xe xấu không an toàn cho người lái cũng như phương tiện
Nếu bạn thích dự án nhỏ của tôi về phân tích hành vi lái xe của chính tôi thông qua dữ liệu và sử dụng các kỹ thuật khoa học dữ liệu, vui lòng tham gia Trung bình với liên kết giới thiệu của tôi.
Vui lòng đăng ký để được thông báo bất cứ khi nào tôi phát hành một câu chuyện mới.
Bạn có thể truy cập trang web của tôi để thực hiện phân tích mà không cần mã hóa. https://experiencedatascience.com
Trên trang web, bạn cũng có thể tham gia các hội thảo ảo sắp tới để có trải nghiệm AI và khoa học dữ liệu thú vị và sáng tạo.
Đây là đường dẫn tới kênh YouTube của tôi
https://www.youtube.com/c/DataScienceDemonstrated
Cách tôi phân tích Hành vi Lái xe của chính mình bằng khoa học dữ liệu Được xuất bản lại từ Nguồn https://towardsdatascience.com/how-i-analyzed-my-own-drive-behavior-USE-data-science-d3a33efae3ec?source=rss—-7f60cf5620c9— 4 qua https://towardsdatascience.com/feed
<!–
->
- Bitcoin
- công nhân xây dựng
- blockchain
- tuân thủ blockchain
- hội nghị blockchain
- Tư vấn chuỗi khối
- coinbase
- thiên tài
- Sự đồng thuận
- hội nghị tiền điện tử
- khai thác crypto
- cryptocurrency
- Phân quyền
- Defi
- Tài sản kỹ thuật số
- ethereum
- học máy
- mã thông báo không thể thay thế
- plato
- Plato ai
- Thông tin dữ liệu Plato
- khối chuỗi trung tâm
- PlatoDữ liệu
- Platogaming
- Polygon
- bằng chứng cổ phần
- W3
- zephyrnet