檀亞寧 劉宏玉 金澤明

摘 要 隨著車聯(lián)網(wǎng)技術(shù)的發(fā)展，車輛行駛的許多指標(biāo)監(jiān)測更為精確，因此產(chǎn)生的行車數(shù)據(jù)也日益增多，交通運輸大數(shù)據(jù)時代也已經(jīng)來臨。如何利用數(shù)據(jù)挖掘技術(shù)判別行車安全狀況成為當(dāng)前運輸行業(yè)研究的熱點問題。本文對所給數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理操作，結(jié)合數(shù)據(jù)得出行車?yán)锍?、平均行車速度、急加速和急減速情況，其次進(jìn)一步挖掘每輛運輸車輛的不良駕駛行為得到的不良駕駛行為數(shù)據(jù)，利用邏輯回歸模型求解出每類不良駕駛行為影響因素對應(yīng)的權(quán)值并且利用灰色關(guān)聯(lián)分析評價每輛車對應(yīng)的安全狀況，建立了基于邏輯回歸模型和灰色關(guān)聯(lián)分析的行車安全評價模型。

關(guān)鍵詞 數(shù)據(jù)挖掘;行車安全;KNN：邏輯回歸模型;灰色關(guān)聯(lián);評價模型

引言

隨著我國經(jīng)濟(jì)高速增長，道路運輸行業(yè)持續(xù)發(fā)展，車聯(lián)網(wǎng)技術(shù)的大規(guī)模應(yīng)用，對應(yīng)產(chǎn)生的行車狀況數(shù)據(jù)呈大幅增長趨勢。利用邏輯回歸模型計算出各個影響因素的權(quán)值并將計算得到的權(quán)值結(jié)合灰色關(guān)聯(lián)分析法構(gòu)建行車安全評價模型。行車安全評價模型可以有效的評價車輛在行駛過程中的安全狀況

1 數(shù)據(jù)預(yù)處理

①去除異常值，在給出的數(shù)據(jù)出現(xiàn)了部分的異常值，主要包括速度突變過大、經(jīng)緯度數(shù)據(jù)異常和轉(zhuǎn)向不合理，本文將類似異常值都進(jìn)行了刪除，保證行車數(shù)據(jù)的合理性。

②填補缺失值，對于數(shù)據(jù)中部分車輛出現(xiàn)數(shù)據(jù)缺失的情況，本文根據(jù)數(shù)據(jù)集中記錄的取值分布情況采用KNN預(yù)測缺失值方法對缺失值進(jìn)行填補。

2 行車數(shù)據(jù)分析與提取

通過所給數(shù)據(jù)，本文挖掘每輛運輸車輛的不良駕駛行為，主要包括疲勞駕駛、急加速、急減速、怠速預(yù)熱、超長怠速、熄火滑行、超速、急變道等。

3 安全評價模型

3.1 邏輯回歸模型

本文采用客觀權(quán)重邏輯回歸模型[1]來確定影響因素的權(quán)重系數(shù)。不良駕駛行為對于安全評價模型的影響有怠速情況、疲勞駕駛、加速度突變、超速、急變道這五種指標(biāo)。

經(jīng)過選取測評指標(biāo)、指標(biāo)正向化處理、指標(biāo)歸一化處理，利用梯度上升法[2]，對處理過后的指標(biāo)變量的計算，可以得到在導(dǎo)致不良駕駛行為的因素中，疲勞駕駛占比最大，達(dá)到0.27，駕駛者的怠速情況占比相對較小，只有0.13，其他影響因素的權(quán)重情況如下表1所示。

3.2 邏輯回歸模型和灰色關(guān)聯(lián)分析的行車安全評價模型

經(jīng)過選取最優(yōu)值[3]、確定特征矩陣、數(shù)據(jù)無量綱化、求差值序列、計算關(guān)聯(lián)系數(shù)[4]、求解關(guān)聯(lián)度等步驟。我們對導(dǎo)致不良駕駛行為的影響因素進(jìn)行等權(quán)關(guān)聯(lián)計算和加權(quán)關(guān)聯(lián)計算[5]得到部分車輛的相關(guān)結(jié)果如下表2所示。

根據(jù)上表，我們劃分安全等級，為安全性高，不易發(fā)生交通事故，為安全性中等，可能會發(fā)生交通事故，為安全性低，極易發(fā)生交通事故。得到測評對象4車在安全行駛，可以繼續(xù)安全行駛，測評對象2車極易發(fā)生交通事故，需要立即靠邊停車調(diào)整行駛狀態(tài)，疲勞駕駛應(yīng)進(jìn)行休息，超速行駛應(yīng)按照規(guī)定速度行駛等等。1、3、5車安全性中等，但是其駕駛者同樣也要提高警惕，以防交通事故的發(fā)生。

4 總結(jié)

從評價結(jié)果來看，大部分的車輛駕駛者的交通安全意識處于一般或低水平，因此在平常駕駛中有一定的發(fā)生交通事故的風(fēng)險。大部分駕駛員在駕車過程中總存在不同程度的駕駛失當(dāng)及危險行為。針對這一現(xiàn)象，本文建議在駕駛證的考取上應(yīng)該嚴(yán)格把關(guān)，交通管理部門應(yīng)加強對車輛駕駛者安全意識的培養(yǎng)以提高其駕駛安全程度，加強對交通運輸?shù)墓芾恚e極宣傳安全駕駛規(guī)范，嚴(yán)格執(zhí)行交通法規(guī)，降低交通事故的發(fā)生率。

參考文獻(xiàn)

[1] 王進(jìn)，郭靖，王衛(wèi)東，方理剛.權(quán)重線性組合與邏輯回歸模型在滑坡易發(fā)性區(qū)劃中的應(yīng)用與比較[J].中南大學(xué)學(xué)報（自然科學(xué)版），2012，43（5）：1932-1939.

[2] 熊笑.基于梯度上升決策回歸樹的網(wǎng)約出租車需求動態(tài)預(yù)測[D].華中科技大學(xué)，2017.-09-23.

[3] Sy Han Chiou，Rebecca A.Betensky，Raji Balasubramanian. The missing indicator approach for censored covariates subject to limit of detection in logistic regression models[J]. Annals of Epidemiology，2019.

[4] 馬萍.灰色系統(tǒng)GM（1，1）模型的改進(jìn)及灰色統(tǒng)計模型研究[D].吉林大學(xué)，2007.

[5] 史青春，王平心.基于合作博弈的供應(yīng)鏈伙伴績效灰色綜合評價方法[J].軟科學(xué)，2010，24（1）：56-59.