我如何使用数据科学分析自己的驾驶行为

车辆远程信息处理数据可以揭示很多有关您驾驶技能的信息

我自己开车收集车辆远程信息处理数据的照片(作者提供的图片)

你是个好司机吗?对于这样的问题,答案并不是很客观。分析这一问题的一种方法是听取与您同行的乘客的意见,或者简单地计算一下您支付的超速罚单!然而,这些都是判断驾驶行为的非常原始的方法。在这篇博客中,我将展示我如何使用数据来客观地分析我的驾驶行为。

企业还使用驾驶行为分析来设计数据驱动的保险单或车队管理等用例。

在这篇博客中,我将介绍可以帮助测量驾驶行为的数据科学技术,例如

  • 超速
  • 硬加速
  • 预期
  • 机器学习以了解不良驾驶是否会影响车辆状况

分析驾驶方式的第一件事是收集数据。大多数车辆都配有传感器,可以测量速度、温度、加速度等各种数据。这是使用一个 车辆远程信息处理 设备。有许多供应商提供此类设备。

车载远程信息处理装置(作者提供的安装在车内的装置的图片)

该设备获取传感器记录的数据,然后将其传输到供应商数据库。然后可以使用这些数据来了解驾驶行为。您还可以要求供应商提供数据访问权限,以便您可以更详细地分析数据。

车辆远程信息处理数据采集(作者供图)

在本博客中,我将使用我在印度卡纳塔克邦旅行期间收集的数据示例。收集的数据截至 21 年 2022 月 XNUMX 日。我们将尝试了解我的驾驶是否良好。收集的数据包含如下所示的信息。

从车辆远程信息处理设备收集的样本数据(作者提供的图片)

该数据具有识别远程信息处理设备的设备ID。它具有数据记录的时间戳以及测量的各种内容,例如,测量为纬度、经度和海拔的车辆位置。车辆的速度以 KMPH 或 MPH 为单位测量

现在让我们分析一下驾驶行为。

为了了解驾驶行为,超速是首先可以测量的事情之一。这里显示的是我在 21 年 2022 月 XNUMX 日所走的路线。用于进行此分析的数据基于时间戳、纬度和经度的远程信息处理数据。

这次旅行是从 Udipi 到 Holekattu。所采取的路线是沿着印度西海岸的66号高速公路。

车辆行程可视化(图片由作者使用 Google 地图和 Javascript 制作)

您还可以观察一个标记,这是记录最高速度 92 公里/小时的位置。 66 号国道上的汽车限速为 100 公里/小时。因此车辆已经在速度限制内,我们可以对超速行为打绿勾。

超速驾驶行为是可以的(图片由作者提供)

急加速是指对车辆的加速器或制动系统施加比正常情况更大的力的事件。有些人可能将此称为“前足”综合症,它可能是攻击性或不安全驾驶行为的一个指标。

现在让我们测量旅途中的硬加速度。这里显示的是达到最大速度 92 之前的一些其他标记,其中显示了 73 的速度,然后是 85,然后达到了 92 的最大速度。

最大速度之前的标记(图片由作者使用 Google 地图和 Javascript 制作)

我们可以用如下所示的线图将这些车辆速度从时间角度来看。 X 轴上有时间,Y 轴上有车辆速度。该曲线对应于加速度。我在14:43:21时开始加速,速度为71,然后在92:14:43达到最高速度49。所以我在 21 秒内将速度提高了 28 公里/小时。

时间与速度(作者提供的图片)

为了判断这个加速度是否是剧烈加速度,我们需要将其转换为重力,也称为重力,由于加速度而施加到汽车上。 21 秒内速度增加 28 km/hr 对应于 0.208 m/s2 加速度的 ag 力。下面显示的是重力与加速度水平之间的映射。

加速或制动映射到重力(g-force)(作者提供的图片)

0.28 以上的重力被认为是安全的,不是硬加速。因此,我们可以为硬加速打上绿色的勾。

硬加速的驾驶行为还可以(作者提供的图片)

驾驶中的预期意味着要观察周围的环境,并通过睁大眼睛和耳朵保持警惕。这意味着提前做好计划并准备好采取必要的行动。为了预测和计划他人的行为,您应该不断检查周围发生的事情。

现在让我们检查一下我的预测能力。为了看看我的预判能力,我们可以分析一下我加速后做了什么。观察下面所示的曲线,我们可以观察到速度突然下降。

可视化减加速(作者提供的图片)

从 92 公里每小时的速度,我在 1 秒内减速到 24 公里每小时。这相当于 0.3 的重力,对应于硬制动。可能是什么原因?

让我来揭晓这个秘密,因为我清楚地知道我开车时发生的事情。如果我们观察最高速度点之后的路线,我们会看到一座称为 Heroor 桥的河桥。这座桥降低了速度限制,这就是我必须减速的原因。

可视化减加速(图片由作者使用 Google 地图和 Javascript 制作)

从 92 公里每小时的高速降低到 1 公里每小时的极低速度,这是我没有预料到的一个明显迹象。那么就让我们为期待献上红色吧!

出于预期的驾驶行为不好(作者提供的图片)

现在让我们看看驾驶行为是否会影响车辆?远程信息处理设备收集与车辆发出的任何警报相关的数据。零表示没有问题,而 1 表示车辆有问题。

还有超过 50 个传感器值,例如车速、加速度、氧气、油门、气温等等。

我们可以使用机器学习决策树来查找传感器值和警报之间的任何关系。这将帮助我们了解哪些因素影响车辆健康。

使用决策树查找传感器值和警报之间的关系(作者提供的图片)

下图所示是一个决策树,其中不同的传感器作为决策节点,警报作为输出节点。您可以看到,导致车辆警报的首要因素是电池、加速度和速度。

因此不良的驾驶行为不仅影响驾驶员的安全,而且影响车辆的健康。

影响车辆健康的主要因素(作者提供的图片)

所以这里有一些有趣的结论

  • 使用远程信息处理设备收集数据是数据驱动的驾驶行为分析的关键
  • 分析超速需要将车速数据与限速数据集成
  • 硬加速度和预期可以使用时间序列函数来计算。然而,需要通过路线分析来正确看待它们
  • 不良驾驶行为对驾驶员和车辆来说都不安全

如果您喜欢我的通过数据并使用数据科学技术分析我自己的驾驶行为的迷你项目,请 加入媒体 和我的推荐链接。

订阅 每当我发布新故事时随时了解情况。

您可以访问我的网站以零编码进行分析。 https://experiencedatascience.com

在该网站上,您还可以参加即将举行的虚拟研讨会,以获得有趣且创新的数据科学和人工智能体验。

这是我的 YouTube 频道的链接
https://www.youtube.com/c/DataScienceDemonstrated

我如何使用数据科学分析自己的驾驶行为从来源重新发布 https://towardsdatascience.com/how-i-analyzed-my-own-driven-behavior-using-data-science-d3a33efae3ec?source=rss—-7f60cf5620c9— 4 通过 https://towardsdatascience.com/feed

–>

时间戳记:

更多来自 区块链顾问