Application Research of DrivingBehavior SafetyAssessment TechnologyBasedon BigData

GongHaoyuan，WangHaibo2 （1.Hubei University of Automotive Technology，Shiyan 4420oo，China; 2.Hubei Zhengobikexi Automotive Electrical System Co.，Ltd.，Shiyan 4420oO，China）

【Abstract】Based on the resultsof extracting and analyzing the Internet of Vehicles data from the original equipment manufacturers（OEMS），this article explores the aplication of driving behavior safety assssment technology ina simple and understandable way.Especially when the new proportion of electric vehicles is 32% ，smart vehicles providea largeamountof data foranalysisandstatistical reference.According tothebig datamodel，research is conducted inresponsetorelatedapplicationsand challenges.Theresearch resultshave importanttheoretical basisand practical significance forunderstanding thecharacteristics of drivers'driving behaviors，improving the accuracyand efectivenessof driving behaviorsafetyassessmentontheclient side，and promoting the developmentof driving behavior safety assessment technology in the automotive aftermarket.

【Key words】 driving behavior；safety assessment；evaluation technology；big data

0 引言

在目前的發(fā)展趨勢下，智能電動汽車已經(jīng)成為交通和生活的重要部分，然而，隨著搭載智能座艙汽車數(shù)量的增加，交通事故的發(fā)生率也在增加。在對搭載T-Box的車輛進行監(jiān)控的過程中，駕駛員的不安全駕駛行為往往是引發(fā)事故的關(guān)鍵因素。因此，對駕駛行為進行安全評估，對于保障公共安全、預(yù)防交通事故具有重要意義。

通過T-Box收集并反饋的數(shù)據(jù)，駕駛行為安全評估模型通過研究駕駛員的行為模式，識別不安全的駕駛行為，嘗試提前識別駕駛員行為的危險性并進行分級預(yù)警，降低交通事故的發(fā)生率。這不僅可以輔助主機廠針對性地改進汽車設(shè)計，提高汽車的安全性，也可以為相關(guān)法律法規(guī)的制定和決策提供參考性意見，制定有效且符合實際道路狀況的交通安全法律法規(guī)。另外，這種技術(shù)還可以幫助保險公司更準確地評估車輛申保以后的風(fēng)險，為駕駛員提供更公正的保險費率的浮動。同時對于駕駛員而言，了解自己的駕駛行為不僅可以幫助他們增強自身的駕駛安全意識，規(guī)避風(fēng)險同時根據(jù)主機廠的評估規(guī)范駕駛行為，降低能源消耗。

隨著車聯(lián)網(wǎng)平臺的技術(shù)發(fā)展和大數(shù)據(jù)分析的日漸精準，駕駛行為安全評估技術(shù)有了顯著的提高，但是，仍需要加強對該技術(shù)的深入理解和廣泛的應(yīng)用。本文將從主機廠、駕駛員、政府、保險公司等全產(chǎn)業(yè)鏈的相關(guān)方視角，深入淺出地探討駕駛行為安全評估技術(shù)的理論基礎(chǔ)，分析現(xiàn)有的評估技術(shù)，探討該領(lǐng)域的未來發(fā)展趨勢和挑戰(zhàn)，希望能為相關(guān)研究提供參考依據(jù)。

1駕駛行為的分類與特點

通常駕駛行為可以根據(jù)主機廠判定的行為特征和其他設(shè)備獲取的駕駛員意圖分為多種類型。首先，本文將駕駛行為大致分為正常駕駛和非正常駕駛兩大類。正常駕駛行為通常符合國家交通法律法規(guī)，例如，保持適當?shù)能嚲唷⒆袷厮俣认拗频?。相反，非正常駕駛行為通常違反了國家交通法律法規(guī)，如超速行駛、酒后駕駛、疲勞駕駛等。

主機廠通常會進一步定義非正常的駕駛行為的多種類型，各主機廠的定義不一，本文根據(jù)實際數(shù)據(jù)和已經(jīng)實施的車聯(lián)網(wǎng)系統(tǒng)規(guī)則進行描述。例如，侵略性駕駛行為，如T-Box的軌跡顯示超速、強行變道、近距離尾隨等；分心駕駛行為，如智能識別設(shè)備在行駛過程中實時人臉識別出打哈欠、打電話、吃東西等；疲勞駕駛行為，如行駛記憶儀連續(xù)記錄超過4h駕駛而沒有休息。這些非正常駕駛行為往往增加了交通事故的風(fēng)險。

侵略性駕駛行為、分心駕駛行為、疲勞駕駛行為等駕駛行為都有其特點，并帶來不同的危害等級。例如，侵略性駕駛行為通常反映了駕駛員的心理過度自信或沖動，他們往往過度高估自己的駕駛能力，而忽視了其他交通參與者的權(quán)益和安全。分心駕駛行為則表明駕駛員在駕駛過程中注意力不集中，無法快速有效地應(yīng)對可能帶來的臨時駕駛危險。疲勞駕駛行為則可能導(dǎo)致駕駛員的反應(yīng)能力下降，不能有效地處理突發(fā)的狀況，見表1。

2駕駛行為安全評估的核心理論

駕駛行為安全評估的核心理論可以圍繞以下幾個方面展開。

2.1 駕駛行為識別

駕駛行為識別是駕駛行為安全評估的基礎(chǔ)，其目標是準確地識別出駕駛員正在執(zhí)行的行為。這一階段通常需要收集大量的駕駛數(shù)據(jù)，包括駕駛員的生理數(shù)據(jù)（如眼球運動、腦電波等）、車輛運行數(shù)據(jù)（如速度、轉(zhuǎn)向角等）以及環(huán)境數(shù)據(jù)（如道路類型、交通流量等）。然后，通過一些機器學(xué)習(xí)或者深度學(xué)習(xí)的算法，對這些數(shù)據(jù)進行分析和處理，以識別駕駛行為。

2.2駕駛行為安全評估

在車載設(shè)備獲取駕駛行為數(shù)據(jù)并進行歸類分析后，下一步是評估這些行為的安全性并預(yù)估駕駛行為帶來的風(fēng)險等級。通常，這一階段一些安全性指標需要重新定義并記錄次數(shù)或頻次，如車道偏離次數(shù)，急加速/急制動次數(shù)，急打方向盤等，以衡量駕駛行為的安全性。然后，通過不斷調(diào)整分析模型的比例，評估比較駕駛行為的實際表現(xiàn)與這些安全性指標的正確性，然后對駕駛行為的安全性進行加權(quán)并得出最后的安全性指標，見表2。

2.3 安全駕駛干預(yù)

基于駕駛行為的安全評估結(jié)果，根據(jù)結(jié)果進行分級預(yù)警，同時主機廠會設(shè)計提前干預(yù)策略，以提高駕駛安全性。例如，當系統(tǒng)檢測到駕駛員的駕駛行為存在安全隱患時，通過車載eCall、報警燈亮燈等方式對駕駛員進行提醒；當系統(tǒng)檢測到駕駛員處于疲勞駕駛狀態(tài)時，建議駕駛員停車休息，如果無法喚醒駕駛員，會聯(lián)系備案家屬，若情況嚴重會聯(lián)系離車輛最近的交通部門。這三個階段構(gòu)成了駕駛行為安全評估的核心理論。

3駕駛行為安全評估技術(shù)的發(fā)展

3.1駕駛行為安全評估技術(shù)的演變駕駛行為安全評估技術(shù)的迭代可以大致分為以下幾個階段。

1）普及初期。在汽車普及初期，對駕駛行為的安全評價主要依靠人們的直覺判斷，如交警對違章駕駛的判斷或駕校教師對學(xué)生駕駛技能的評價。這種評價方法主觀性強，受人的知識、經(jīng)驗和判斷能力的限制。

2）車載設(shè)備階段。隨著電子技術(shù)和傳感器技術(shù)的發(fā)展，車載設(shè)備開始應(yīng)用于駕駛行為的安全評價。例如，使用車載T-Box設(shè)備和加速度計可以記錄車輛的行駛軌跡、速度、加速度等數(shù)據(jù)，以評估駕駛行為的安全性。與前一階段相比，該評價方法的客觀性和準確性都得到了提高。

3）車聯(lián)數(shù)據(jù)階段。進入智能汽車時代，隨著信息技術(shù)和數(shù)據(jù)科學(xué)的快速發(fā)展，駕駛行為的安全評估開始進入大數(shù)據(jù)階段。通過收集龐大的駕駛數(shù)據(jù)，利用數(shù)據(jù)分析和機器學(xué)習(xí)技術(shù)，可以更準確、更全面地評估駕駛行為的安全性。此外，這種評價方法還可以用來發(fā)現(xiàn)駕駛行為的規(guī)律和模式，以及預(yù)測未來的駕駛行為。

3.2現(xiàn)代駕駛行為安全評估技術(shù)的特點

現(xiàn)代駕駛行為安全評估技術(shù)的特點主要表現(xiàn)在以下幾個方面。

1）大數(shù)據(jù)驅(qū)動業(yè)務(wù)。通過T-Box收集全量的發(fā)動機、儀表和車載其他設(shè)備的駕駛數(shù)據(jù)，總結(jié)規(guī)律并進行預(yù)測和評估。依賴數(shù)據(jù)的大量獲取為業(yè)務(wù)的發(fā)展提供決策。

2）評價模型的復(fù)雜性。同時考慮駕駛員的操作行為、駕駛環(huán)境、駕駛策略等多個因素從多個維度進行評價，不再僅僅根據(jù)經(jīng)驗總結(jié)行為的安全性或只關(guān)注單一的駕駛行為。

3）智能化提高準確性。實現(xiàn)通過車聯(lián)網(wǎng)服務(wù)器的高性能，預(yù)設(shè)駕駛行為的模型自動評估，應(yīng)用先進的數(shù)據(jù)分析和機器學(xué)習(xí)技術(shù)不斷優(yōu)化智能預(yù)測

4）個性化和實時預(yù)測?，F(xiàn)代評估技術(shù)可以根據(jù)駕駛員的個性和習(xí)慣提供個性化的評估和反饋，從而更有效地提高駕駛安全性。實時評估駕駛行為的安全性，還可以預(yù)測未來的駕駛行為和風(fēng)險，從而實現(xiàn)早期預(yù)警和干預(yù)。

4對現(xiàn)有駕駛行為安全評估技術(shù)的深入分析

4.1 評估技術(shù)的優(yōu)點和局限性

4.1.1 優(yōu)點

1）準確性。利用大量駕駛行為數(shù)據(jù)，依靠大數(shù)據(jù)分析和智能駕駛行為安全評估，可以從多維度數(shù)學(xué)建模的海量數(shù)據(jù)中識別特定的駕駛習(xí)慣，并加以數(shù)據(jù)加工提供準確率，從而實現(xiàn)準確的駕駛行為評估模型。

2）實時性。由于T-Box的數(shù)據(jù)收集和傳輸特性，能利用先進通信技術(shù)實時采集和處理駕駛數(shù)據(jù)，對駕駛行為進行實時在線評估并提醒。

3）全面性。在路網(wǎng)技術(shù)與車聯(lián)網(wǎng)技術(shù)日益完善，數(shù)據(jù)日益精準的今天，評價技術(shù)綜合考慮道路和環(huán)境狀況并結(jié)合駕駛員駕駛行為、車輛機械運行狀態(tài)等各類數(shù)據(jù)，對駕駛行為安全進行多維的綜合性評價。

4.1.2 局限性

1）數(shù)據(jù)質(zhì)量局限性。由于數(shù)據(jù)的傳輸依賴T-Box和通信環(huán)境的好壞，數(shù)據(jù)傳輸過程中存在誤差、缺失，同時數(shù)據(jù)的定義是根據(jù)發(fā)動機、儀表等經(jīng)驗性定義，會影響評估的準確性。因此評估的準確性在很大程度上取決于數(shù)據(jù)的質(zhì)量。

2）模型偏好局限性。當使用機器學(xué)習(xí)算法時，模型的設(shè)計在加權(quán)過程中存在偏差、偏好的問題，即模型可能會人為地偏向于識別某些特定的駕駛行為或駕駛環(huán)境。

3）個人數(shù)據(jù)安全性。T-Box在收集和處理駕駛數(shù)據(jù)時會對駕駛員的個人數(shù)據(jù)進行結(jié)合，需要充分考慮駕駛員的隱私保護問題。

4.2 針對現(xiàn)有技術(shù)提出的改進建議

1）提高數(shù)據(jù)質(zhì)量。通過T-Box收集數(shù)據(jù)的頻次，優(yōu)化處理流程及傳輸過程。例如存儲一天的數(shù)據(jù)熄火時上傳并與之前的數(shù)據(jù)進行校驗，或采用附屬傳感器和設(shè)備對實時數(shù)據(jù)傳輸進行二次校驗，可以顯著提高反饋數(shù)據(jù)的質(zhì)量。

2）優(yōu)化評價模型。通過集成多個維度模型，進行整車實地測試并現(xiàn)場校對數(shù)據(jù)，用更復(fù)雜和準確的模型與現(xiàn)實情況進行對比，以提高用戶參與度，使用戶能夠更好地了解自己的駕駛行為和安全狀況，同時積極參與改進駕駛習(xí)慣，不斷修正模型的參數(shù)，讓結(jié)果趨向合理。

3）加強隱私保護。通過加密等隱私保護技術(shù)來保護駕駛員的個人信息不泄露。

4）全面考慮因素。在評估駕駛行為安全性時，除了技術(shù)層面，也需要考慮社會、法律、經(jīng)濟等多方面的因素。例如，評估結(jié)果的使用和反饋應(yīng)遵守相關(guān)法律法規(guī)，同時也需要考慮其對駕駛員的經(jīng)濟和心理壓力的影響。

5未來趨勢和挑戰(zhàn)

5.1駕駛行為安全評估技術(shù)面臨的挑戰(zhàn)

1）數(shù)據(jù)的處理和分析能力。隨著數(shù)據(jù)量呈現(xiàn)指數(shù)級別的增長，在大規(guī)模收集和使用駕駛行為數(shù)據(jù)的過程中，如何確保數(shù)據(jù)的準確性、安全性并從海量的數(shù)據(jù)當中篩選出與安全駕駛相關(guān)的數(shù)據(jù)關(guān)聯(lián)性，有效地處理和分析海量駕駛行為數(shù)據(jù)，提取有用的信息和知識并保護駕駛員的隱私是一個重要的挑戰(zhàn)。

2）法規(guī)和政策的制定。隨著對數(shù)據(jù)安全、個人隱私的保護，車聯(lián)網(wǎng)的數(shù)據(jù)法規(guī)會效仿歐洲的GDPR法規(guī)用以指導(dǎo)主機廠合法合規(guī)地收集用戶數(shù)據(jù)并進行安全評估，應(yīng)用到各行各業(yè)的發(fā)展，需要政府、主機廠、運輸公司等各方共同參與并制定。

5.2 預(yù)測和展望未來的發(fā)展趨勢

1）評測模型智能化。隨著人工智能和自動化技術(shù)的進步，數(shù)據(jù)的處理與分析在駕駛行為安全評估研究中會成為一個核心問題。因此，未來的研究應(yīng)更加注重數(shù)據(jù)的質(zhì)量、準確性和完整性，評估方法會依賴機器學(xué)習(xí)變得越來越智能和自動化，來優(yōu)化數(shù)據(jù)處理和分析方法。

2）評測定制化。汽車后市場的發(fā)展納入更廣泛的社會、法律、經(jīng)濟和其他因素，促進更全面的評價。預(yù)估未來的評估技術(shù)通過針對個別駕駛員自身特性優(yōu)先考慮個性化，讓用戶更容易接受并自愿提高駕駛安全性。駕駛行為安全的同時通過良好的駕駛行為，降低燃油消耗、保險費等超越技術(shù)層面的花費。

3）評估結(jié)果的應(yīng)用。駕駛行為安全評估的最終結(jié)果應(yīng)用于汽車后市場，涉及交通工程、計算機科學(xué)、心理學(xué)、社會學(xué)等多個方面的跨學(xué)科的溝通與合作。未來的研究應(yīng)該關(guān)注評估結(jié)果的可用性，探索評估結(jié)果在駕駛行為改進、交通管理、保險定價等方面的應(yīng)用。

6結(jié)論

本研究根據(jù)網(wǎng)聯(lián)技術(shù)、大數(shù)據(jù)發(fā)展和人工智能的升級，對駕駛行為安全評估技術(shù)的發(fā)展迭代進行了深人的研究和剖析。駕駛行為安全評估技術(shù)在不斷地更新發(fā)展，逐漸從最初根據(jù)經(jīng)驗的總結(jié)判斷轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動的評價，從單一的駕駛行為分析擴展到多維度數(shù)據(jù)的綜合評估并加權(quán)結(jié)合安全等級進行綜合分析，為汽車后市場方面提供了理論支持和盈利方向的可能性。通過進一步對駕駛員駕駛行為的特點剖析，提高了駕駛行為安全評估技術(shù)的準確性和有效性，提升了用戶體驗，促進了智能交通和智慧城市的發(fā)展，為提高駕駛安全、優(yōu)化交通管理、節(jié)約能源消耗提供了科學(xué)依據(jù)和技術(shù)支持。

參考文獻：

[1]沈英超.基于眼部特征的疲勞駕駛檢測系統(tǒng)的研究與實現(xiàn)[D].桂林：桂林電子科技大學(xué)，2019.

[2]王蔚，魏中華，劉小明.中外公益性交通標志現(xiàn)狀分析及發(fā)展趨勢[J].道路交通與安全，2015，15（2）：17-22.

[3]梁曄，趙彥敏.數(shù)據(jù)加密算法的分析與研究[J].甘肅高師學(xué)報，2011，16（2）：14-16.

（編輯李林）