CN112660142A - 一种基于大数据的机场电动摆渡车驾驶行为分析方法 - Google Patents

Abstract

本发明涉及一种基于大数据的机场电动摆渡车驾驶行为分析方法，其解决了如何提升电动摆渡车运行效率以及保证乘客安全的技术问题，其通过人脸识别设备识别驾驶员身份，识别驾驶员的驾驶行为，结合车辆车速、车辆GPS位置、油门刹车状态等的上传，通过车联网系统进行记录和存储数据。驾驶行为的分析主要依附于加装的各种传感器，通过传感器采集的各种信息综合判断车辆状态。主要包括感知车辆加速还是减速、上坡还是下坡、车辆行的驶里程、速度、路面等指标，也包括不同的驾驶员身份，驾驶过程中驾驶员的行为等，通过实验数据统计计算其权值，对机场电动摆渡车在场内的运行数据进行加权平均修正，得到经过驾驶员行为习惯、趋势以及某些固定路段出现的相似的驾驶行为。本发明可广泛应用于机场电动摆渡车。

Description

一种基于大数据的机场电动摆渡车驾驶行为分析方法

技术领域

本发明涉及空港地面服务设备技术领域，具体而言，涉及一种基于大数据的机场电动摆渡车驾驶行为分析方法。

背景技术

机场的电动摆渡车是连接机场内候机厅和远机位飞机的交通工具。机场飞机数量多，而机位少，建设一个机位所需要的资金大，故有多数的飞机停留在了远机位，需要通过摆渡车运送乘客。

如何提升电动摆渡车运行效率以及保证乘客安全是本领域技术人员亟待解决的技术问题。

发明内容

本发明就是要解决如何提升电动摆渡车运行效率以及保证乘客安全，提供一种对电动摆渡车的驾驶员进行驾驶行为分析，优化和规范驾驶行为，保证乘客安全，提升摆渡车运行效率的基于大数据的机场电动摆渡车驾驶行为分析方法。

一种基于大数据的机场电动摆渡车驾驶行为分析方法，所述机场电动摆渡车上安装人脸识别设备、车辆信息采集模块、车辆信息发送模块，所述车辆信息采集模块包括GPS模块、车速检测装置、油门状态传感器、刹车状态传感器、车辆转向传感器；

所述车速检测装置发送车速给车辆信息发送模块，油门状态传感器发送油门值给车辆信息发送模块，刹车状态传感器发送刹车值给车辆信息发送模块，车辆转向传感器发送转向角度给车辆信息发送模块；GPS 模块发送车辆在机场内的GPS位置给车辆信息发送模块；人脸识别设备发送驾驶员ID和驾驶员状态给车辆信息发送模块；

所述车辆信息发送模块将车速、油门值、刹车值、转向角度、GPS 位置、驾驶员ID、驾驶员状态通过车联网平台发送至数据库，数据分析服务器对这些数据进行计算分析；

所述驾驶行为分析方法包括以下步骤：

第一步，统计固定路段在标准情况下驾驶员驾驶的车速、油门值、刹车值、转向角度，以此为驾驶行为基准，画出基准曲线，以上传GPS 点位在函数曲线中对应的值作为参考标准；

第二步，驾驶员驾驶行为危险程度的加权计算公式如下：

上述公式中，f表示驾驶行为危险程度，n表示GPS位置点，V_{basic_n}表示第n个GPS点车辆速度基准值，

表示固定路段车辆速度基准值的平均值，V_n表示实际驾驶中第n个GPS点车辆速度值，g_V表示车速差异对驾驶危险程度影响所占的权重值，T_{basic_n}表示第n个GPS点车辆油门基准值，

表示固定路段车辆油门基准值的平均值，T_n表示实际驾驶中第n个GPS点车辆油门值，g_T表示油门差异对驾驶危险程度影响所占的权重值，B_{basic_n}表示第n个GPS点车辆刹车基准值，

表示固定路段车辆刹车基准值的平均值，B_n表示实际驾驶中第n个GPS点车辆刹车值，g_B表示刹车差异对驾驶危险程度影响所占的权重值，θ_{basic_n}表示第n个GPS点车辆转向角度基准值，

表示固定路段车辆转向角度基准值的平均值，θ_n表示实际驾驶中第n个GPS点车辆转向角度值，g_θ表示转向差异对驾驶危险程度影响所占的权重值。g_{mouth_n}表示如果驾驶员当前GPS点存在打哈欠的情况所对应的危险值，可以根据实际需求设置为固定的权重值。g_{eye_n}表示如果驾驶员当前GPS点存在长时间闭眼驾驶的情况所对应的危险值，可以根据实际需求设置为固定的权重值。 g_{trun_n}表示如果驾驶员当前GPS点存在长时间转头注意力不集中的情况所对应的危险值，可以根据实际需求设置为固定的权重值；

表示在GPS相同位置点的实际车速减去基准车速，得出的值与0取大值，然后乘以基准车速平均值加一得出单个GPS点位的车速危险值，最后对固定路段内的车速危险值进行累计，得出总的车速危险值；

表示在GPS相同位置点的实际油门值减去基准油门值，得出的值与0取大值，然后乘以基准油门值的平均值加一得出单个GPS点位的油门危险值，最后对固定路段内的油门危险值进行累计，得出总的油门危险值；

表示在GPS相同位置点的实际刹车值减去基准刹车值，得出的值取绝对值，然后乘以基准刹车值的平均值加一得出单个GPS点位的刹车危险值，最后对固定路段内的刹车危险值进行累计，得出总的刹车危险值；

表示在GPS相同位置点的实际转向值减去基准转向值，得出的值取绝对值，然后乘以基准转向值的平均值加一得出单个GPS点位的转向危险值，最后对固定路段内的转向危险值进行累计，得出总的转向危险值；

∑g_{mouth_n}表示累计在区间内驾驶员打哈欠所对应的危险值；

∑g_{eye_n}表示累计在区间内驾驶员长时间闭眼所对应的危险值；

∑g_{trun_n}表示累计在区间内驾驶员长时间转头所对应的危险值；

如果实际车速V_n快于基准车速V_{basic_n}，则认为驾驶行为相对激进，存在驾驶的风险，差距越大则危险值越高；参考图8，如果实际油门值T_n大于基准油门值T_{basic_n}，则认为驾驶行为相对激进，存在驾驶的风险，差距越大则危险值越高；参考图9，如果实际刹车值B_n大于或小于基准刹车值B_{basic_n}，则认为驾驶行为存在风险，差距越大则危险值越高；参考图10，如果实际转向角度值θ_n大于或小于基准转向角度值θ_{basic_n}，则认为驾驶行为存在风险，差距越大则危险值越高。如果行驶过程中存在打哈欠、长时间闭眼或长时间转头动作，则认为驾驶行为存在风险。

优选地，根据驾驶行为危险程度f对危险驾驶的司机进行警告，通过报警装置发出报警信号。

优选地，对驾驶员实际驾驶的危险程度f分为几个档：正常、激进、危险。

本发明的有益效果是，统计大量数据，分析危险驾驶行为，对比同一路段不同驾驶员的驾驶行为异同点，对驾驶员的不良习惯进行提醒，对驾驶员的驾驶风格进行评定，对机场摆渡车行驶路线进行优化，还有对不同驾驶时间段的违规驾驶行为进行统计，分析驾驶操作对驾驶行为的影响，最后对不同驾驶员的驾驶行为得出综合的评分。优化和规范驾驶行为，保证乘客安全，提升摆渡车运行效率。

本发明进一步的特征和方面，将在以下参考附图的具体实施方式的描述中，得以清楚地记载。

附图说明

图1是基于大数据的机场电动摆渡车驾驶行为分析方法的原理图；

图2是电动摆渡车在机场行驶的固定路段示意图；

图3是速度基准曲线；

图4是油门值基准曲线；

图5是刹车值基准曲线；

图6是转向角度基准曲线；

图7是实际速度与速度基准的对比曲线；

图8是实际油门值与油门基准的对比曲线；

图9是实际刹车值与刹车值基准的对比曲线；

图10是实际转向角度与转向角度基准的对比曲线。

具体实施方式

以下参照附图，以具体实施例对本发明作进一步详细说明。

在机场电动摆渡车上安装人脸识别设备、车辆信息采集模块、车辆信息发送模块。

车辆信息采集模块包括GPS模块、车速检测装置、油门状态传感器、刹车状态传感器、车辆转向传感器等。

人脸识别设备能够对驾驶员进行人脸识别，识别驾驶员ID，区分不同的驾驶员。

人脸识别设备能够检测驾驶员的面部状态，比如是打哈欠、长时间转头、长时间闭眼等。

参考图1，车速检测装置发送车速V给车辆信息发送模块，油门状态传感器发送油门值T给车辆信息发送模块，刹车状态传感器发送刹车值B给车辆信息发送模块，车辆转向传感器发送转向角度θ给车辆信息发送模块。GPS模块发送车辆在机场内的GPS位置n给车辆信息发送模块。人脸识别设备发送驾驶员ID给车辆信息发送模块。驾驶员状态g发送给车辆信息发送模块。

车辆信息发送模块将车速V、油门值T、刹车值B、转向角度θ、 GPS位置n、驾驶员ID、驾驶员状态g通过车联网平台发送至数据库，数据分析服务器对这些数据进行计算、分析。

第一步，参考图2，固定路段是电动摆渡车从起点行驶到终点的唯一地、固定的行驶线路。

统计固定路段在标准情况下驾驶员驾驶的车速、油门值、刹车值、转向角度，如表1，以此为驾驶行为基准，画出基准曲线，以上传GPS 点位在函数曲线中对应的值作为参考标准。

速度基准曲线如图3所示，横坐标是路段GPS位置点，纵坐标是车速V。

油门值基准曲线如图4所示，横坐标是路段GPS位置点，纵坐标是油门值T。

刹车值基准曲线如图5所示，横坐标是路段GPS位置点，纵坐标是刹车值B。

转向角度基准曲线如图6所示，横坐标是路段GPS位置点，纵坐标是转向角度θ。

表1：

第二步，驾驶员驾驶行为危险程度的加权计算公式如下：

上面公式中，f表示驾驶行为危险程度，n表示GPS位置点，V_{basic_n}表示第n个GPS点车辆速度基准值，

表示固定路段车辆速度基准值的平均值，V_n表示实际驾驶中第n个GPS点车辆速度值，g_V表示车速差异对驾驶危险程度影响所占的权重值，T_{basic_n}表示第n个GPS点车辆油门基准值，

表示固定路段车辆油门基准值的平均值，T_n表示实际驾驶中第n个GPS点车辆油门值，g_T表示油门差异对驾驶危险程度影响所占的权重值，B_{basic_n}表示第n个GPS点车辆刹车基准值，

表示固定路段车辆刹车基准值的平均值，B_n表示实际驾驶中第n个GPS点车辆刹车值，g_B表示刹车差异对驾驶危险程度影响所占的权重值，θ_{basic_n}表示第n个GPS点车辆转向角度基准值，

表示固定路段车辆转向角度基准值的平均值，θ_n表示实际驾驶中第n个GPS点车辆转向角度值， g_θ表示转向差异对驾驶危险程度影响所占的权重值。g_{mouth_n}表示如果驾驶员当前GPS点存在打哈欠的情况所对应的危险值，可以根据实际需求设置为固定的权重值。g_{eye_n}表示如果驾驶员当前GPS点存在长时间闭眼驾驶的情况所对应的危险值，可以根据实际需求设置为固定的权重值。 g_{trun_n}表示如果驾驶员当前GPS点存在长时间转头注意力不集中的情况所对应的危险值，可以根据实际需求设置为固定的权重值。

表示在GPS相同位置点的实际车速减去基准车速，得出的值与0取大值，然后乘以基准车速平均值加一得出单个GPS点位的车速危险值，最后对固定路段内的车速危险值进行累计，得出总的车速危险值。

表示在GPS相同位置点的实际油门值减去基准油门值，得出的值与0取大值，然后乘以基准油门值的平均值加一得出单个GPS点位的油门危险值，最后对固定路段内的油门危险值进行累计，得出总的油门危险值。

表示在GPS相同位置点的实际刹车值减去基准刹车值，得出的值取绝对值，然后乘以基准刹车值的平均值加一得出单个GPS点位的刹车危险值，最后对固定路段内的刹车危险值进行累计，得出总的刹车危险值。

表示在GPS相同位置点的实际转向值减去基准转向值，得出的值取绝对值，然后乘以基准转向值的平均值加一得出单个GPS点位的转向危险值，最后对固定路段内的转向危险值进行累计，得出总的转向危险值。

∑g_{mouth_n}表示累计在区间内驾驶员打哈欠所对应的危险值。

∑g_{eye_n}表示累计在区间内驾驶员长时间闭眼所对应的危险值。

∑g_{trun_n}表示累计在区间内驾驶员长时间转头所对应的危险值。

摆渡车行驶在固定路段中，参考图7，如果实际车速V_n快于基准车速V_{basic_n}，则认为驾驶行为相对激进，存在驾驶的风险，差距越大则危险值越高；参考图8，如果实际油门值T_n大于基准油门值T_{basic_n}，则认为驾驶行为相对激进，存在驾驶的风险，差距越大则危险值越高；参考图9，如果实际刹车值B_n大于或小于基准刹车值B_{basic_n}，则认为驾驶行为存在风险，差距越大则危险值越高；参考图10，如果实际转向角度值θ_n大于或小于基准转向角度值θ_{basic_n}，则认为驾驶行为存在风险，差距越大则危险值越高。如果行驶过程中存在打哈欠、长时间闭眼或长时间转头动作，则认为驾驶行为存在风险。

根据驾驶行为危险程度f对危险驾驶的司机进行警告，通过报警装置发出报警信号，保证驾驶过程的安全性，确保乘客安全。

进一步地，可以对驾驶员实际驾驶的危险程度f分为几个档：正常、激进、危险。

针对上述分析方法举例，驾驶过程中3次打哈欠，2次闭眼驾驶，将打哈欠对应的危险值g_{mouth_n}设置为100，闭眼对应的危险值g_{eye_n}设置为100。速度权重系数g_V设置为1，油门权重系数g_T设置为1，刹车权重系统g_B设置为1，速度权重系数g_θ设置为1。则：

f＝max(0，9.1-9.1)·15.03671·1+max(0，21.9-20)·18.8405063·1+|0- 0|·3.7392405·1+|0-0|·3.45822785·1+……+max(0，11.7-14.1)·15.03671· 1+max(0，22.2-23.6)·18.8405063·1+|0-0|·3.7392405·1+|0-0|· 3.45822785·1+100＊3+100＊2 ＝2,533.69+2,390.86+642.40+75.74+300+200＝6,142.69

根据统计的实际驾驶数据，加上确定好的权重参数，可以得出本次驾驶员驾驶过程中危险值为6,142.69。我们可以根据不同的固定路段设定一个阈值来标定危险值的程度，比如超过6000可以认定为驾驶危险程度较高，超过7000可以认定为非常危险。

以上所述仅对本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡是在本发明的权利要求限定范围内，所做的任何修改、等同替换、改进等，均应在本发明的保护范围之内。

Claims (3)

1.一种基于大数据的机场电动摆渡车驾驶行为分析方法，其特征是，所述机场电动摆渡车上安装人脸识别设备、车辆信息采集模块、车辆信息发送模块，所述车辆信息采集模块包括GPS模块、车速检测装置、油门状态传感器、刹车状态传感器、车辆转向传感器；

所述车速检测装置发送车速给车辆信息发送模块，油门状态传感器发送油门值给车辆信息发送模块，刹车状态传感器发送刹车值给车辆信息发送模块，车辆转向传感器发送转向角度给车辆信息发送模块；GPS模块发送车辆在机场内的GPS位置给车辆信息发送模块；人脸识别设备发送驾驶员ID和驾驶员状态给车辆信息发送模块；

所述车辆信息发送模块将车速、油门值、刹车值、转向角度、GPS位置、驾驶员ID、驾驶员状态通过车联网平台发送至数据库，数据分析服务器对这些数据进行计算分析；

所述驾驶行为分析方法包括以下步骤：

第一步，统计固定路段在标准情况下驾驶员驾驶的车速、油门值、刹车值、转向角度，以此为驾驶行为基准，画出基准曲线，以上传GPS点位在函数曲线中对应的值作为参考标准；

第二步，驾驶员驾驶行为危险程度的加权计算公式如下：

上述公式中，f表示驾驶行为危险程度，n表示GPS位置点，V_{basic_n}表示第n个GPS点车辆速度基准值，

表示固定路段车辆速度基准值的平均值，V_n表示实际驾驶中第n个GPS点车辆速度值，gv表示车速差异对驾驶危险程度影响所占的权重值，T_{basic_n}表示第n个GPS点车辆油门基准值，

表示固定路段车辆油门基准值的平均值，T_n表示实际驾驶中第n个GPS点车辆油门值，g_T表示油门差异对驾驶危险程度影响所占的权重值，B_{basic_n}表示第n个GPS点车辆刹车基准值，

表示固定路段车辆刹车基准值的平均值，B_n表示实际驾驶中第n个GPS点车辆刹车值，g_B表示刹车差异对驾驶危险程度影响所占的权重值，θ_{basic_n}表示第n个GPS点车辆转向角度基准值，

表示固定路段车辆转向角度基准值的平均值，θ_n表示实际驾驶中第n个GPS点车辆转向角度值，g_θ表示转向差异对驾驶危险程度影响所占的权重值。g_{mouth_n}表示如果驾驶员当前GPS点存在打哈欠的情况所对应的危险值，可以根据实际需求设置为固定的权重值。g_{eye_n}表示如果驾驶员当前GPS点存在长时间闭眼驾驶的情况所对应的危险值，可以根据实际需求设置为固定的权重值。g_{trun_n}表示如果驾驶员当前GPS点存在长时间转头注意力不集中的情况所对应的危险值，可以根据实际需求设置为固定的权重值；

表示在GPS相同位置点的实际车速减去基准车速，得出的值与0取大值，然后乘以基准车速平均值加一得出单个GPS点位的车速危险值，最后对固定路段内的车速危险值进行累计，得出总的车速危险值；

表示在GPS相同位置点的实际油门值减去基准油门值，得出的值与0取大值，然后乘以基准油门值的平均值加一得出单个GPS点位的油门危险值，最后对固定路段内的油门危险值进行累计，得出总的油门危险值；

表示在GPS相同位置点的实际刹车值减去基准刹车值，得出的值取绝对值，然后乘以基准刹车值的平均值加一得出单个GPS点位的刹车危险值，最后对固定路段内的刹车危险值进行累计，得出总的刹车危险值；

表示在GPS相同位置点的实际转向值减去基准转向值，得出的值取绝对值，然后乘以基准转向值的平均值加一得出单个GPS点位的转向危险值，最后对固定路段内的转向危险值进行累计，得出总的转向危险值；

∑g_{mouth_n}表示累计在区间内驾驶员打哈欠所对应的危险值；

∑g_{eye_n}表示累计在区间内驾驶员长时间闭眼所对应的危险值；

∑g_{trun_n}表示累计在区间内驾驶员长时间转头所对应的危险值；

如果实际车速V_n快于基准车速V_{basic_n}，则认为驾驶行为相对激进，存在驾驶的风险，差距越大则危险值越高；参考图8，如果实际油门值T_n大于基准油门值T_{basic_n}，则认为驾驶行为相对激进，存在驾驶的风险，差距越大则危险值越高；参考图9，如果实际刹车值B_n大于或小于基准刹车值B_{basic_n}，则认为驾驶行为存在风险，差距越大则危险值越高；参考图10，如果实际转向角度值θ_n大于或小于基准转向角度值θ_{basic_n}，则认为驾驶行为存在风险，差距越大则危险值越高。如果行驶过程中存在打哈欠、长时间闭眼或长时间转头动作，则认为驾驶行为存在风险。

2.根据权利要求1所述的基于大数据的机场电动摆渡车驾驶行为分析方法，其特征在于，根据驾驶行为危险程度f对危险驾驶的司机进行警告，通过报警装置发出报警信号。

3.根据权利要求2所述的基于大数据的机场电动摆渡车驾驶行为分析方法，其特征在于，对驾驶员实际驾驶的危险程度f分为几个档：正常、激进、危险。

Images