發(fā)布時間：2021-12-17 05:01

　　2005年,隨著物聯(lián)網(wǎng)概念的提出,物聯(lián)網(wǎng)技術(shù)獲得了廣泛應(yīng)用,車聯(lián)網(wǎng)技術(shù)是物聯(lián)網(wǎng)的最重要的應(yīng)用類型之一。車聯(lián)網(wǎng)是指通過信息傳感設(shè)備,按照約定的協(xié)議,把所有車輛與互聯(lián)網(wǎng)連接起來,進行信息交換和通訊,以實現(xiàn)智能化識別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)。大量數(shù)據(jù)分析表明,用戶的日常駕駛行為和習(xí)慣均會影響出行安全。通過分析車聯(lián)網(wǎng)技術(shù)獲得的汽車觀測數(shù)據(jù),可以分析出用戶的駕駛行為和出行習(xí)慣特征,這些特征對于汽車公司以及汽車用戶都有重要的現(xiàn)實意義。學(xué)位論文主要分成兩個部分。一部分是挖掘駕駛指標(biāo),構(gòu)建用戶畫像。首先,基于原始數(shù)據(jù)中的7個有效指標(biāo)構(gòu)建出兩大類二級指標(biāo):駕駛風(fēng)格和出行習(xí)慣。其中各二級指標(biāo)下又分別挖掘出4個和11個三級細化指標(biāo)。其次,對于出行習(xí)慣二級指標(biāo)下的11個三級細化指標(biāo)直接編程計算得到。對于駕駛風(fēng)格二級指標(biāo)下的4個三級指標(biāo)分別采用了聚類分析、區(qū)間估計、差分法分析得到。最后,將各指標(biāo)定義封裝為函數(shù),分別代入80個用戶數(shù)據(jù),得到80位用戶駕駛行為畫像。另一部分是基于用戶畫像,評判駕駛行為。首先,對于80個用戶出行習(xí)慣的11個指標(biāo)進行主成分分析,將11個指標(biāo)降維成4個主成分因子:“用車頻率”因... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：51 頁

【學(xué)位級別】：碩士

【部分圖文】：

行程數(shù)量-時間間隔折線圖

北京工業(yè)大學(xué)應(yīng)用統(tǒng)計碩士專業(yè)學(xué)位論文（假設(shè)為 5%）大，則我們不能拒絕假設(shè)，即認為這些數(shù)據(jù)服從正態(tài)分布。第三步，求 interval 值的置信區(qū)間。已知正態(tài)分布的置信區(qū)間為( ф , ф )，則可以分別計算出 80 輛汽車 interval 值的置信區(qū)間。將計算得到的 80 輛車的 interval 值的置信區(qū)間數(shù)據(jù)分別在折線圖中表示出來，如圖 3-3 所示。從圖中可以看出，80 輛車的 interval 值置信區(qū)間的上下界全部在 200s 上下浮動，因此最終將劃分行程的 interval 值確定為 200s。由此，便可使用此 interval 值去對每一輛車的行車記錄數(shù)據(jù)進行劃分行程。

北京工業(yè)大學(xué)應(yīng)用統(tǒng)計碩士專業(yè)學(xué)位論文急加速、急減速臨界值的確定現(xiàn)實生活中，我們認為在車輛行駛過程中，急加速、急減速行為屬于為。通過查閱相關(guān)文獻可知，通過對行駛過程中秒級速度、加速度的，可以起到幫助駕駛員提高安全操作水平、預(yù)防安全行車事故、及時心理狀態(tài)的作用。了定義急加速、急減速的區(qū)間，以駕車號為 LLNC1AAA2EA003359 用從行車速度和時間出發(fā)，計算出該用戶每天的秒級加速度，作出其加分布圖如圖 3-4：

【參考文獻】：
期刊論文
[1]基于車載傳感信息融合的電動汽車駕駛行為辨識[J]. 陶紅興,莫凌飛,嚴如強.  傳感技術(shù)學(xué)報. 2018(03)
[2]基于Android的汽車駕駛行為與行駛狀態(tài)遠程監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[J]. 柴一棟,黎海濤.  國外電子測量技術(shù). 2017(12)
[3]智能手機車輛異常駕駛行為檢測方法[J]. 周后飛,劉華平,石紅星.  智能系統(tǒng)學(xué)報. 2016(03)
[4]基于車聯(lián)網(wǎng)的行車數(shù)據(jù)分析系統(tǒng)設(shè)計與實現(xiàn)[J]. 彭璐.  汽車實用技術(shù). 2015(12)
[5]汽車駕駛行為與行駛狀態(tài)的數(shù)據(jù)監(jiān)測系統(tǒng)設(shè)計[J]. 封宇華,楊擁民,杜凱,錢彥嶺.  單片機與嵌入式系統(tǒng)應(yīng)用. 2015(12)
[6]用戶駕駛行為建模的研究和應(yīng)用[J]. 許洋,李石堅,焦文均,潘綱.  計算機科學(xué). 2015(09)
[7]不良駕駛行為對燃油消耗量的影響研究[J]. 司志遠,苑風(fēng)霞.  宿州學(xué)院學(xué)報. 2014(09)
[8]基于車聯(lián)網(wǎng)及多信息融合的安全駕駛衛(wèi)士[J]. 程成,黃江林,李琢乾.  電子科技. 2014(02)
[9]基于神經(jīng)網(wǎng)絡(luò)和貝葉斯濾波器的危險駕駛行為識別[J]. 彭金栓,詹盛,徐磊,邵毅明.  武漢理工大學(xué)學(xué)報. 2013(11)
[10]中國交通事故傷亡人數(shù)影響因素的實證分析[J]. 任英,彭紅星.  預(yù)測. 2013(03)

博士論文
[1]車聯(lián)網(wǎng)環(huán)境下高速公路車輛跟馳模型及仿真研究[D]. 顧海燕.東南大學(xué) 2017
[2]車聯(lián)網(wǎng)環(huán)境下的駕駛行為特性研究[D]. 柴銳.北京理工大學(xué) 2016

碩士論文
[1]基于車聯(lián)網(wǎng)駕駛行為評分的安全駕駛衛(wèi)士分析與設(shè)計[D]. 張正.南京郵電大學(xué) 2017
[2]基于車聯(lián)網(wǎng)大數(shù)據(jù)的UBI系統(tǒng)研究[D]. 韓家群.南京郵電大學(xué) 2017
[3]探究車聯(lián)網(wǎng)信息對駕駛員視覺注意與駕駛行為的影響[D]. 陳昊.清華大學(xué) 2016



本文編號：3539449