使用智能手机分析车辆驾驶行为

使用智能手机分析车辆驾驶行为

智能手机配有各种传感器（例如全球导航卫星系统GNSS，惯性测量单元-IMU），并可以减少成本限制。本文基于机器学习算法，利用智能手机的数据功能生成驾驶员行为信息。主要分为以下3个步骤：

1.对车辆进行定位，使用智能手机实时地记录车辆的位置，并与车辆的方向相匹配。

2.开发峰值检测算法，检测加速度传感器的不规则数据，并将其标记为可能的恶劣驾驶事件。

3.开发基于粗糙集理论的参数自由模型，找出最佳加速度计阈值，并找出关键的驾驶事件，例如，剧烈的加速与制动，剧烈的左右转弯。

进行两种类型不同的试验，在第一个试验中，驾驶员启动智能手机的应用程序，该应用程序在行程开始时自动编码手机的传感器数据。车辆装有OBD-II（车载诊断系统）装置，通过传感器数据的校准阈值来连续监测车辆的驾驶行为。

在第二个试验中，主要是比较智能手机和OBD-II的准确性，在驾驶期间收集严重事件的数据，进行了一系列对照试验，试验包括不同的路线和不同的行车路线。

结果表明，智能手机可以准确检测四种不同的模式（制动、加速、左转弯和右转弯）。与OBD-II设备检测到的事件（被证明是高度准确的）相比，基于智能手机传感器的选择方法是可靠和准确的，因为它识别具体驾驶情况的精度高。

刊名：Transportation Research Part C（英）

刊期：2017年第79期

作者：Eleni I.Vlahogianni et al

编译：野晨晨