原文传递
基于OBD数据的驾驶人出行模式挖掘
| 题名： | 基于OBD数据的驾驶人出行模式挖掘 |
| 作者： | 马晓磊;姚李亮;沈宣良 |
| 作者单位： | 北京航空航天大学交通科学与工程学院 |
| 关键词： | 交通信息;OBD数据;出行模式;聚类分析;基于密度峰值的聚类算法;多维离散隐马尔可夫模型 |
| 摘要： | 传统的出行模式研究通常依靠问卷调査分析驾驶人出行特征，所得结果易受调査数据主观性影响，针对此问题基于北京市域范围内2个月共计3570辆私家车的车载诊断数据，对驾驶人的不同出行模式进行分析并建模。通过长期采集的车辆各项参数，采用基于密度峰值的聚类算法进行聚类，将不同的驾驶人分为高频出行者、通勤出行者、长距偶发出行者以及危险出行者，并从平均出行距离、出行频次、百公里危险驾驶行为次数和出行时段等多维度进行分析，反映驾驶人行为的变化性和规律性。根据聚类的结果，使用多维离散隐马尔可夫模型进行建模并完成测试。测试表明，所提岀的算法对于驾驶人出行模式的识别具有较高的准确性，对于4种类型的出行者，平均识别率超过91%，最高识别率可达94。5%。 |
| 期刊名称： | 交通信息与安全 |
| 出版年： | 2021 |
| 期： | 02 |
| 页码： | 70-77 |
检索历史
应用推荐
