运输车辆安全驾驶行为分析.PDF

运输车辆安全驾驶行为分析 摘要 本文旨在基于某运输企业所采集的 450 辆运输车辆行车状态信息，结合气象 条件与道路状况等信息，通过数据特征工程、数据分析与数据深入挖掘，对运输 车辆驾驶行为的安全性、效率性和节能性进行综合评价。结合量化与质化数据分 析，探讨运输车辆安全行驶的指导性管理政策。 针对任务一，建立了 DBSCAN 聚类模型进行异常点去噪，基于去噪后的经纬 度数据绘制了待评判的十辆车的行车线路图，并且通过去噪前后的线路图对比可 知，DBSCAN 聚类对该问题的去噪效果良好，得到了比较清晰的线路图。随后根据 构建的指标计算了这十辆车的行车里程、平均行车速度、急加速急减速情况。 针对任务二，本文构造了（每公里）急加速次数率、（每公里）急减速次数 率、速度标准差、加速度标准差、（每公里）超长怠速次数率等多个行车安全评 价指标。综合比对了多个聚类算法模型的效果，最终运用谱聚类实现了 450 辆车 辆行车状态的聚类，将 450 辆样本车辆分为了稳健型驾驶、激进型驾驶和疲劳型 驾驶。并且基于指标输入与车辆的类别标签，利用 BP 神经网络模型实现了行车 安全性类别的分类预测。 针对任务三，选取可能影响行车安全、节能、效率的指标，基于 SEM 模型构 建驾驶员驾驶行为综合评价模型。分析还发现夜间行车的速度波动较白天更大。 而根据相关分析，基于任务数据未能发现天气与驾驶行为间的显著关系。 关键词：行车评价；DBSCAN 聚类；谱聚类；BP 神经网络；结构方程模型 Abstract The purpose of this paper is to make a comprehensive evaluation of the safety, efficiency and energy saving of the driving behavior. And the guiding management policy of safe driving of transportation vehicles is discussed. Aiming at task one, the DBSCAN clustering model is estab-lished to make abnormal point denoising, and the driving circuit diagram of 10 vehicles to be judged is drawn based on the latitude and longitude data after denoising, and the denoising effect of DBSCAN clustering on this problem is good, and a relatively clear circuit diagram is obtained by comparing the circuit diagram before and after denoising. Then according to the construction index, the driving mil-eage, average driving speed and rapid acceleration and deceleration of the 10 vehicles were calculated. Aiming at task two, this paper constructs a number of driving safety evaluation indexes (per kilometer), such as the rate of acute acceleration, the rate of emergency dec-eleration (per kilometer), the standard deviation of speed, the standard deviation of acceleration, and the rate of extra long idling (per kilometer). The effect of mult