论文部分内容阅读
摘要：随着国民生活水平的不断提高，人们对驾驶行为安全性的关注度也越来越高。通过采集行车数据，论文提出基于大数据分析方法，针对驾驶行为安全方面，设计并实现一套驾驶行为分析系统。测试表明该系统能有效实现对驾驶行为的分析和预警功能。
关键词：大数据；驾驶行为；分析系统
中图分类号：TP312 文献标识码：A 文章编号：1009-3044（2018）23-0003-02
目前，美国、日本、欧洲等国家已经陆续开展了一系列针对驾驶行为数据库的开发研究。美国关于驾驶人数据库的研究开始的较早，通过建立的年轻驾驶人行为数据库，美国相继制定了多项法律法规以限制年轻人的危险驾驶行为。此外，美国多家研究机构相继开展了针对老年驾驶人的驾驶人行为数据库研究，以改进车辆的设计和提高行驶安全性。日本汽车研究所建立了针对老年驾驶人的驾驶行为数据库，该研究的目标是构建一个可以对老年驾驶人的驾驶行为进行定量化分析并开展最优驾驶策略研究的驾驶人行为数据库。此外，以色列GreenRoad公司开发出一种驾驶行为监测系统，能够识别驾驶人的多种驾驶行为，并将相关信息存储到驾驶人行为数据库。
相对国外来说，国内关于驾驶人行为数据库的研究相对较少。我国清华大学通过实际道路实验获取了驾驶人在自然状态下的驾驶数据，采集数据包括驾驶人图像、前车距离、车辆加速度、GPS信息等，并建立了驾驶人行为数据库，研究成果已用于驾驶辅助系统的开发。西南交通大学建立了针对老年人驾驶反应能力的样本数据库，用于对老年人驾驶行为的研究。
安全行车是每一位驾驶人员关注焦点，一个实时有效的驾驶行为分析系统可以监控驾驶人员驾驶行为的行车安全性[1]。从而对有安全隐患的驾驶人员的驾驶行为进行预警。所以，本文采用C#编程语言作为开发语言[2]，基于HBase的分布式数据库开发了一个驾驶行为分析系统[3]，可以有效地对驾驶人员的驾驶行为的安全性进行分析，并对危险驾驶行为进行预警。
1 需求分析與系统框架
1.1 需求分析
基于车联网传感数据的数据存储，统计出不良驾驶行为次数，利用SVM分类算法对驾驶行为安全性进行实时性分析[4]，通过简洁清晰的分析结果界面，为管理员可以实现高效的管理数据的能力提供支持。
1.2 系统框架设计
驾驶行为分析系统采用B/S[5]（浏览器/服务器）模式，前端发送请求，后台响应，通过数据库接口程序实现数据的分析和增删改查等相关操作，并将处理结果返回到前端界面。系统基于.NET MVC[6]（Model，View，Controller）架构设计而成。系统的整体框架如图1所示。
1）数据采集：车载传感器将采集到的行车数据通过CAN传输到汽车电控单元（Electronic Control Unit，ECU）中，ECU可以通过通信模块GPRS或者Wi-Fi将数据传输到系统的Hadoop平台上。
2）数据分析：基于Hadoop平台的MapReduce和SVM算法对驾驶人员的安全性进行分类，分析结果通过手机端App对驾驶人员的驾驶行为进行显示。
3）数据展示：管理员通过ASP.NET网页端对驾驶人员的行车数据进行管理。
2 驾驶行为分析系统设计
2.1 数据接收设计
在进行数据采集时，使用ECU采集行车数据，在CAN的汽车网络的标准协议与LAN总线收集来的车辆工况参数，采用GPRS的集成通信模块将数据上传到系统中的HBase数据库并存储。
2.2 行车数据存储设计
对海量驾驶行为数据的存储采用HBase非结构化数据库，HBase的数据表结构主要包含表名、主键、列族、时间戳和列限定符。根据表的属性和存储数据的功能对表命名，主键的唯一性可以区分各行数据，与关系型数据库中主键唯一性质类似，列族的设定根据数据处理的需求。时间戳可以由用户制定，也可以由系统自动生成。系统中的数据表主要包括用户基本信息数据表、行车数据表、不良驾驶行为统计表。
1）用户基本信息数据表
用户基本信息表用于存储驾驶人员的基本信息，用户基础信息表由主键（RowKey）、时间戳（TimeStamp）以及列簇（Column Family）三大部分组成，其中的驾驶人员信息包括驾驶人员昵称、车牌号、联系方式、车辆型号构成。
2）行车数据表
行车数据表用来存储驾驶人员的车速、经度、纬度以及时间数据。通过MapReduce计算不良驾驶行为次数来增加新的统计数据，为了提高统计效率，将新增的数据放在行车数据表的前面。根据上述需求，将主键设计成ID与时间戳的组成，这样既可以快速查询最新的统计数据，又可以对不同驾驶人员进行区别。
3）不良驾驶行为统计表
不良驾驶行为统计表用来存储驾驶人员的不良驾驶行为的次数统计数据，其中包括急加速、急减速、超速的次数以及统计的天数。
为了方便查询，将主键设计成区分不同驾驶人员的ID和时间的组合，不同驾驶人员一天之内的不良驾驶行为次数统计的数据差异性不是很大，在进行数据分析时，将一个月内统计次数作为基准。对于同一个时间范围内不同的驾驶人员的不良驾驶行为次数差异进行安全性分析，可以反映出驾驶人员的驾驶行为与安全性之间的关系。
2.3 行车数据安全性分析设计
驾驶人员行车数据不只是系统中已有的历史数据，还需对驾驶人员行车中新增数据进行安全性分析，在受到天气、驾驶人员心情、交通等一系列主客观不确定因素的影响下，驾驶人员的驾驶行为安全类型也会随之变化。所以需要对新增数据做出相应的安全性分类[8]，如图2 所示。
从图2中可以看出新增数据的安全类型判别不需经过SVM分类算法训练，直接在已经训练好的SVM分类器基础上进行判别，这样可以有效提高实时性的要求。 3系统实现
3.1 网页端实现
驾驶行为分析系统的网页端使用最新的超文本编辑语言HTML5技术，利用JavaScript来增加页面的交互性功能，使用CSS标签进行页面布局和样式的设计。整个驾驶行为分析系统主要有：每日车速的变化统计，驾驶人员每天的不良驾驶行为次数统计，驾驶人员某日行车位置信息展示，一段时期驾驶行为的安全类别统计主要功能。如图3-图5所示。
图3为车辆编号为105在十月十二号不同时刻的速度变换折线图。管理员可以通過选择驾驶人员代号以及日期，根据速度变化折线图管理人员可以直观的看出每个时刻该驾驶人员行车速度变化状况。
图4为车辆编号105在十月一号的不良驾驶行为次数统计柱状图。管理员可以通过选择驾驶人员代号以及日期，主要将时刻分为四个时间段，可以观察不同时间段三种不良驾驶行为的次数统计，为安全类别的判断提供数据。
图5是驾驶人员在一个月中三种驾驶行为的安全类型的天数统计图，从图中可以反映出该驾驶人员在当月的危险型驾驶行为、不稳定型驾驶行为、安全型驾驶行为的天数统计。
3.2 移动终端App实现
系统在对行车数据安全性分析后，将分析结果存于HBase数据库中，待移动终端的App进行结果查询时，可以直接将分析结果显示出来，一般来说Web访问后返回的是一个html页面，少部分是json格式；而一般App的后台开发大部分直接传json格式数据，少部分会直接返回html5的页面。所以移动终端只需要从数据库中读取分析结果并以json格式进行传输，最终显示在手机界面中。
驾驶人员可以通过手机端进行查询本人不同周期中的平均速度变化折线图，根据不同不良驾驶行为统计图，驾驶人员可以直观地观察出自己不同的不良驾驶行为统计次数，从而为自己未来安全驾驶行为做参考。根据驾驶行为最终得分图，可以对驾驶人员的驾驶行为进行预警。
4 结语
驾驶行为分析系统可以有效地帮助管理人员对驾驶人员的驾驶行为进行安全性分析，并通过手机App端对驾驶人员潜在的危险驾驶行为进行实时地预警，可以帮助驾驶人员针对自己的驾驶行为进行调正，从而降低由危险性驾驶行为造成的交通事故率。
参考文献：
[1] 徐海涛. 大数据在汽车行业的运用及影响分析[J]. 汽车工业研究， 2017（11）：4-10.
[2] 赵聪. 驾驶行为数据监测与评估系统的设计与实现[D]. 重庆：重庆大学， 2015.
[3] 朱明， 王志瑞. 基于HBase的大数据查询优化[J]. 智能计算机与应用， 2017， 7（4）：59-61.
[4] 陶杭. 基于Hadoop的SVM算法优化及在文本分类中的应用[D]. 北京：北京邮电大学， 2015.
[5] 范怡敏. 基于大数据网络的学生工作信息发布系统[J]. 电脑编程技巧与维护， 2017（19）：53-55.
[6] 陶明， 史珊海， 温浩然. MVC框架在远程排水管网监控调度系统的应用[J]. 自动化与信息工程， 2017， 38（3）：37-41.
【通联编辑：代影】
关键词：大数据；驾驶行为；分析系统
中图分类号：TP312 文献标识码：A 文章编号：1009-3044（2018）23-0003-02
目前，美国、日本、欧洲等国家已经陆续开展了一系列针对驾驶行为数据库的开发研究。美国关于驾驶人数据库的研究开始的较早，通过建立的年轻驾驶人行为数据库，美国相继制定了多项法律法规以限制年轻人的危险驾驶行为。此外，美国多家研究机构相继开展了针对老年驾驶人的驾驶人行为数据库研究，以改进车辆的设计和提高行驶安全性。日本汽车研究所建立了针对老年驾驶人的驾驶行为数据库，该研究的目标是构建一个可以对老年驾驶人的驾驶行为进行定量化分析并开展最优驾驶策略研究的驾驶人行为数据库。此外，以色列GreenRoad公司开发出一种驾驶行为监测系统，能够识别驾驶人的多种驾驶行为，并将相关信息存储到驾驶人行为数据库。
相对国外来说，国内关于驾驶人行为数据库的研究相对较少。我国清华大学通过实际道路实验获取了驾驶人在自然状态下的驾驶数据，采集数据包括驾驶人图像、前车距离、车辆加速度、GPS信息等，并建立了驾驶人行为数据库，研究成果已用于驾驶辅助系统的开发。西南交通大学建立了针对老年人驾驶反应能力的样本数据库，用于对老年人驾驶行为的研究。
安全行车是每一位驾驶人员关注焦点，一个实时有效的驾驶行为分析系统可以监控驾驶人员驾驶行为的行车安全性[1]。从而对有安全隐患的驾驶人员的驾驶行为进行预警。所以，本文采用C#编程语言作为开发语言[2]，基于HBase的分布式数据库开发了一个驾驶行为分析系统[3]，可以有效地对驾驶人员的驾驶行为的安全性进行分析，并对危险驾驶行为进行预警。
1 需求分析與系统框架
1.1 需求分析
基于车联网传感数据的数据存储，统计出不良驾驶行为次数，利用SVM分类算法对驾驶行为安全性进行实时性分析[4]，通过简洁清晰的分析结果界面，为管理员可以实现高效的管理数据的能力提供支持。
1.2 系统框架设计
驾驶行为分析系统采用B/S[5]（浏览器/服务器）模式，前端发送请求，后台响应，通过数据库接口程序实现数据的分析和增删改查等相关操作，并将处理结果返回到前端界面。系统基于.NET MVC[6]（Model，View，Controller）架构设计而成。系统的整体框架如图1所示。
1）数据采集：车载传感器将采集到的行车数据通过CAN传输到汽车电控单元（Electronic Control Unit，ECU）中，ECU可以通过通信模块GPRS或者Wi-Fi将数据传输到系统的Hadoop平台上。
2）数据分析：基于Hadoop平台的MapReduce和SVM算法对驾驶人员的安全性进行分类，分析结果通过手机端App对驾驶人员的驾驶行为进行显示。
3）数据展示：管理员通过ASP.NET网页端对驾驶人员的行车数据进行管理。
2 驾驶行为分析系统设计
2.1 数据接收设计
在进行数据采集时，使用ECU采集行车数据，在CAN的汽车网络的标准协议与LAN总线收集来的车辆工况参数，采用GPRS的集成通信模块将数据上传到系统中的HBase数据库并存储。
2.2 行车数据存储设计
对海量驾驶行为数据的存储采用HBase非结构化数据库，HBase的数据表结构主要包含表名、主键、列族、时间戳和列限定符。根据表的属性和存储数据的功能对表命名，主键的唯一性可以区分各行数据，与关系型数据库中主键唯一性质类似，列族的设定根据数据处理的需求。时间戳可以由用户制定，也可以由系统自动生成。系统中的数据表主要包括用户基本信息数据表、行车数据表、不良驾驶行为统计表。
1）用户基本信息数据表
用户基本信息表用于存储驾驶人员的基本信息，用户基础信息表由主键（RowKey）、时间戳（TimeStamp）以及列簇（Column Family）三大部分组成，其中的驾驶人员信息包括驾驶人员昵称、车牌号、联系方式、车辆型号构成。
2）行车数据表
行车数据表用来存储驾驶人员的车速、经度、纬度以及时间数据。通过MapReduce计算不良驾驶行为次数来增加新的统计数据，为了提高统计效率，将新增的数据放在行车数据表的前面。根据上述需求，将主键设计成ID与时间戳的组成，这样既可以快速查询最新的统计数据，又可以对不同驾驶人员进行区别。
3）不良驾驶行为统计表
不良驾驶行为统计表用来存储驾驶人员的不良驾驶行为的次数统计数据，其中包括急加速、急减速、超速的次数以及统计的天数。
为了方便查询，将主键设计成区分不同驾驶人员的ID和时间的组合，不同驾驶人员一天之内的不良驾驶行为次数统计的数据差异性不是很大，在进行数据分析时，将一个月内统计次数作为基准。对于同一个时间范围内不同的驾驶人员的不良驾驶行为次数差异进行安全性分析，可以反映出驾驶人员的驾驶行为与安全性之间的关系。
2.3 行车数据安全性分析设计
驾驶人员行车数据不只是系统中已有的历史数据，还需对驾驶人员行车中新增数据进行安全性分析，在受到天气、驾驶人员心情、交通等一系列主客观不确定因素的影响下，驾驶人员的驾驶行为安全类型也会随之变化。所以需要对新增数据做出相应的安全性分类[8]，如图2 所示。
从图2中可以看出新增数据的安全类型判别不需经过SVM分类算法训练，直接在已经训练好的SVM分类器基础上进行判别，这样可以有效提高实时性的要求。 3系统实现
3.1 网页端实现
驾驶行为分析系统的网页端使用最新的超文本编辑语言HTML5技术，利用JavaScript来增加页面的交互性功能，使用CSS标签进行页面布局和样式的设计。整个驾驶行为分析系统主要有：每日车速的变化统计，驾驶人员每天的不良驾驶行为次数统计，驾驶人员某日行车位置信息展示，一段时期驾驶行为的安全类别统计主要功能。如图3-图5所示。
图3为车辆编号为105在十月十二号不同时刻的速度变换折线图。管理员可以通過选择驾驶人员代号以及日期，根据速度变化折线图管理人员可以直观的看出每个时刻该驾驶人员行车速度变化状况。
图4为车辆编号105在十月一号的不良驾驶行为次数统计柱状图。管理员可以通过选择驾驶人员代号以及日期，主要将时刻分为四个时间段，可以观察不同时间段三种不良驾驶行为的次数统计，为安全类别的判断提供数据。
图5是驾驶人员在一个月中三种驾驶行为的安全类型的天数统计图，从图中可以反映出该驾驶人员在当月的危险型驾驶行为、不稳定型驾驶行为、安全型驾驶行为的天数统计。
3.2 移动终端App实现
系统在对行车数据安全性分析后，将分析结果存于HBase数据库中，待移动终端的App进行结果查询时，可以直接将分析结果显示出来，一般来说Web访问后返回的是一个html页面，少部分是json格式；而一般App的后台开发大部分直接传json格式数据，少部分会直接返回html5的页面。所以移动终端只需要从数据库中读取分析结果并以json格式进行传输，最终显示在手机界面中。
驾驶人员可以通过手机端进行查询本人不同周期中的平均速度变化折线图，根据不同不良驾驶行为统计图，驾驶人员可以直观地观察出自己不同的不良驾驶行为统计次数，从而为自己未来安全驾驶行为做参考。根据驾驶行为最终得分图，可以对驾驶人员的驾驶行为进行预警。
4 结语
驾驶行为分析系统可以有效地帮助管理人员对驾驶人员的驾驶行为进行安全性分析，并通过手机App端对驾驶人员潜在的危险驾驶行为进行实时地预警，可以帮助驾驶人员针对自己的驾驶行为进行调正，从而降低由危险性驾驶行为造成的交通事故率。
参考文献：
[1] 徐海涛. 大数据在汽车行业的运用及影响分析[J]. 汽车工业研究， 2017（11）：4-10.
[2] 赵聪. 驾驶行为数据监测与评估系统的设计与实现[D]. 重庆：重庆大学， 2015.
[3] 朱明， 王志瑞. 基于HBase的大数据查询优化[J]. 智能计算机与应用， 2017， 7（4）：59-61.
[4] 陶杭. 基于Hadoop的SVM算法优化及在文本分类中的应用[D]. 北京：北京邮电大学， 2015.
[5] 范怡敏. 基于大数据网络的学生工作信息发布系统[J]. 电脑编程技巧与维护， 2017（19）：53-55.
[6] 陶明， 史珊海， 温浩然. MVC框架在远程排水管网监控调度系统的应用[J]. 自动化与信息工程， 2017， 38（3）：37-41.
【通联编辑：代影】