營運(yùn)車輛駕駛行為的研究與應(yīng)用*

姚 文 宋凌寧 姚 瀾

（南京理工大學(xué) 南京 210000）

1 引言

當(dāng)前道路運(yùn)輸行業(yè)普遍利用運(yùn)輸車輛衛(wèi)星定位系統(tǒng)來獲取數(shù)據(jù)，且對數(shù)據(jù)的應(yīng)用方面主要集中在記錄、監(jiān)控車輛的位置、時(shí)間、運(yùn)行速度等，在此基礎(chǔ)上提出的駕駛行為評價(jià)方法大多是給出每個(gè)駕駛員的駕駛行為得分［1］。而本文采用某公司車輛自動(dòng)采集上傳至車聯(lián)網(wǎng)的駕駛行為數(shù)據(jù)作為數(shù)據(jù)來源。車聯(lián)網(wǎng)是通過預(yù)先安裝在車輛上的設(shè)備（標(biāo)簽），利用相關(guān)識別技術(shù)，完成對車輛的屬性信息，靜、動(dòng)態(tài)信息的記錄和存儲(chǔ)工作，并對相關(guān)車輛的行車狀態(tài)進(jìn)行有效的監(jiān)督和提供服務(wù)的系統(tǒng)［2］。該數(shù)據(jù)不僅包含車輛行駛的基本信息，更記錄了發(fā)動(dòng)機(jī)狀態(tài)，轉(zhuǎn)向燈狀態(tài)，手剎、腳剎狀態(tài)等一系列車輛GPS定位系統(tǒng)難以獲取的狀態(tài)信息［3］。本文針對車輛狀態(tài)信息提出了駕駛行為識別算法與指標(biāo)評價(jià)標(biāo)準(zhǔn)［4］，并在計(jì)算出駕駛員各項(xiàng)指標(biāo)得分后，采用K-means聚類方法對駕駛行為數(shù)據(jù)進(jìn)行更加客觀合理的等級劃分，為評估駕駛行為提供了一種可行的方法。

2 安全駕駛評價(jià)模型

通過查閱相關(guān)文獻(xiàn)及法律法規(guī)，確定危險(xiǎn)駕駛行為特征，建立安全駕駛評價(jià)模型［5］。如圖1所示［6］。

圖1 安全駕駛評價(jià)模型

2.1 安全駕駛評分指標(biāo)選取

本文從八個(gè)方面對安全駕駛行為進(jìn)行分析，如表1所示［7］。

表1 安全駕駛行為評價(jià)指標(biāo)

2.2 各項(xiàng)評價(jià)指標(biāo)得分細(xì)則

參考2011年頒布的《交通運(yùn)輸行業(yè)標(biāo)準(zhǔn)（JT/T807-2011）：釋義》［8］，及相關(guān)規(guī)章制度［9］，本模型各項(xiàng)評價(jià)指標(biāo)的得分細(xì)則如表2所示［10］。

表2 單項(xiàng)評價(jià)指標(biāo)得分細(xì)則

3 聚類分析

聚類分析（Cluster Analysis）簡稱聚類，其目的在于將數(shù)據(jù)分成不同的類簇，使得類簇之間相異性較高，而類簇內(nèi)部的數(shù)據(jù)相似度較高［11］。本節(jié)的聚類算法模型在于以類簇的形式展現(xiàn)不同類別駕駛員的行為特性，以此作為等級判定標(biāo)準(zhǔn)。本文在前兩節(jié)數(shù)據(jù)結(jié)果的基礎(chǔ)上，對某營運(yùn)企業(yè)車聯(lián)網(wǎng)行車記錄進(jìn)行聚類分析，通過得到的類簇分析每一類簇特征，構(gòu)建駕駛行為評價(jià)等級。方法如下：1）提取聚類特征，以安全駕駛評價(jià)指標(biāo)的得分情況作為聚類特征；2）對車輛得分?jǐn)?shù)據(jù)進(jìn)行K-means聚類，聚類數(shù)目為4，即構(gòu)建4類駕駛行為［12］；3）為方便數(shù)據(jù)可視化，觀察聚類結(jié)果，對數(shù)據(jù)進(jìn)行PCA降維處理，降為2維數(shù)據(jù)特征，生成聚類結(jié)果圖；4）分析聚類結(jié)果，得到每一類簇的數(shù)量；根據(jù)每一類簇的中心，分析該類簇的特征，最終得到各駕駛員類別和安全駕駛等級［13］。

4 安全駕駛行為評價(jià)模型的檢驗(yàn)

采用某公司營運(yùn)車輛在三個(gè)月內(nèi)記錄的實(shí)際車輛數(shù)據(jù)集進(jìn)行測試。行車路線主要集中在贛、皖等地，行程均在200km以上，運(yùn)輸路線以高速公路和省道居多，每日駕駛時(shí)長平均4h～8h左右。聚類結(jié)果如圖2所示。本模型將駕駛行為分為優(yōu)（A）、良（B）、中（C）、差（D）四個(gè)等級。其中：A類占整個(gè)樣本的22%。該類駕駛員在整個(gè)行車過程中，無不良駕駛習(xí)慣，能夠達(dá)到良好駕駛規(guī)范標(biāo)準(zhǔn)。B類占這個(gè)樣本的33%。該類駕駛員在行駛過程中雖平均車速不快，但發(fā)動(dòng)機(jī)怠速運(yùn)轉(zhuǎn)較多，存在一些不必要的急加急減速情況，駕駛行為良好。C類占整個(gè)樣本的30%。該類駕駛員雖整體車速不快，但存在熄火滑行、緊急變道等危險(xiǎn)駕駛習(xí)慣，急加速、急減速的整體占比也很高。存在一些危險(xiǎn)駕駛行為。需要改善一些不良的駕駛行為。D類占樣本的15%。該類駕駛員雖疲勞駕駛情況不多，但駕駛過程中行車速度過快，急加、急減、急轉(zhuǎn)彎非常頻繁，存在嚴(yán)重的危險(xiǎn)駕駛行為。不符合安全駕駛行為標(biāo)準(zhǔn)要求［14］。

圖2 聚類分析結(jié)果

5 結(jié)語

駕駛員的駕駛行為是確保行駛安全的重點(diǎn)［15］，本文從營運(yùn)車輛駕駛行為的角度出發(fā)，針對某營運(yùn)公司車輛信息數(shù)據(jù)，選取行駛車速、超長怠速、怠速預(yù)熱、急加速、急減速、急轉(zhuǎn)彎、疲勞駕駛、熄火滑行等八類駕駛行為評價(jià)指標(biāo)進(jìn)行識別，并將安全駕駛行為使用聚類算法分成四個(gè)等級。

通過真實(shí)車輛數(shù)據(jù)的驗(yàn)證和分析，本文提出的安全評價(jià)模型可以對駕駛員的安全駕駛行為進(jìn)行客觀、準(zhǔn)確的評價(jià)；可以對各類駕駛行為進(jìn)行精確合理的等級劃分。因此，本模型為避免因駕駛員行為不當(dāng)導(dǎo)致的交通事故，提供了一種可行的方法。