大數據環境下商用網聯車駕駛行為評價系統的設計與實現

何朋朋

摘 要：隨著物流行業的迅速發展，商用車聯網系統越來越受到國內外研究機構和學者的關注，駕駛人的駕駛行為習慣得到了越來越多關注。文章提出了一種大數據環境下，基于OBD技術的駕駛行為評價系統。利用行車過程中的行駛數據對駕駛行為進行量化評價。文章的數據源于由陜汽天行健集團提供的車載OBD設備讀取的車輛信息。文章提出了數據清洗，數據轉換的標準，并在此基礎上開發了一系列駕駛行為識別算法。最后我們開發了Web端和App端的駕駛行為評價系統軟件。

關鍵詞：OBD；大數據；駕駛行為

中圖分類號：U495 文獻標志碼：A 文章編號：2095-2945（2018）04-0097-02

Abstract： With the rapid development of logistics industry， more and more domestic and foreign research institutions and scholars pay attention to the commercial vehicle networking system， and more and more attention has been paid to the driving behavior habits of drivers. This paper presents a driving behavior evaluation system based on OBD technology in the big data environment. The driving behavior is evaluated by driving data. The data of the article is derived from the vehicle information read by the vehicle OBD equipment provided by Shaanxi Auto Tianxingjian Group. In this paper， the standard of data cleaning and data conversion is put forward， and a series of driving behavior recognition algorithms are developed. Finally， we developed the driving behavior evaluation system software of Web and App.

Keywords：OBD； big data； driving behavior

引言

隨著智能交通系統在全球范圍內的高速發展，商用車聯網系統越來越受到國內外研究機構和學者的關注。例如福田戴姆勒開發的“iFOTON”超級車隊管理系統，實現的功能包括車輛監控、油耗管理、駕駛員行為分析、金融服務、行車服務、售后服務、車貨匹配，遠程控制等一系列功能。這些幫助物流車隊提高運營效率，真正實現超級車隊，智能管理。國內車聯網企業陜汽集團開發的天行健車聯網系統，其相關功能：有位置服務、油耗/氣耗管理、駕駛行為分析、遠程故障診斷、偏線報警、重卡專用導航等功能。

以上的這些系統在車輛監控跟蹤等方面有著卓越的表現，但隨著商用網聯車的普及，隨之帶來的駕駛數據量的驟增，物流企業對司機駕駛行為的關注，上面的平臺無法滿足要求。因此本文提出并建立了一種大數據環境下商用網聯車駕駛行為評價系統，實現了對行車數據的存儲，駕駛行為的識別，駕駛行為的評價等功能。

1 系統結構與原理

駕駛行為評價系統整體架構，分為三個模塊，包括駕駛數據存儲層，駕駛行為識別系統，駕駛行為評價系統。

駕駛數據存儲系統，實現在大數據環境下，對行車過程中產生的結構化數據與非結構化數據，實現可靠高效的存儲。

駕駛行為識別系統，利用分布式計算平臺Spark對原始的行車數據進行清洗，分析，轉換。并采用駕駛行為識別算法，實現對急加速，急減速，疲勞駕駛等異常駕駛行為的識別。

駕駛行為評價系統，利用之前處理得到的行車數據，以及異常駕駛行為數據，利用聚類和層次分析法對司機的駕駛行為做出客觀，定量的評價。

2 網聯車駕駛行為評價系統設計實現

2.1 駕駛行為數據存儲系統

隨著商用車數據采集的升級，行車數據不僅包含定位信息、車輛信息，車輛行駛狀態信息等結構化數據，還包括音頻、視頻、圖片等具有異構性與非結構化性特點的多媒體信息。因此本文設計實現了基于Hadoop和MySQL的混合異構數據存儲系統。

（1）結構化數據存儲集群方案。基于MySQL的結構化數據庫主要用來存儲車輛信息、用戶信息、經過駕駛行為識別系統處理過司機異常駕駛行為數據以及司機駕駛行為評價數據。

本文所用的MySQL數據庫，采用一個主服務器和兩個從屬服務器的方式，同時將數據的讀取與寫入操作分散到不同的服務器上。采用LVS+Keepalived軟件策略方式實現MySQL數據庫的集群。

（2）非結構化數據存儲集群方案。在大規模商用網聯車背景下，對非結構化數據如車載監控視頻數據，道路數據等進行高效存儲考慮到的因素比較多。主要包括：

a.為了保證數據庫中數據的實時性以及用戶定位目標視頻的精準性，需要對監控攝像頭錄制的視頻按照需求進行分割。這會產生相當多數量的小文件。

b.網聯商用車云服務平臺采集的車輛狀態數據、車輛位置數據、道路數據一旦存入數據庫中就不會再修改了，只會進行查詢與刪除數據。

針對這些需求，本論文設計實現了一種基于Hadoop平臺的Hbase數據庫的非結構化數據存儲平臺系統。HBase依賴的分布式文件系統HDFS在小文件處理方面有非常優秀的性能，而且，在HDFS中文件是按塊存儲的，典型的塊大小是64MB，分割成的每個視頻文件的大小跟此在一個級別上，因此，存儲視頻文件相當方便簡單，也能很容易快捷的實現視頻文件的查詢與讀取。endprint

商用網聯車云服務平臺采集的車輛狀態數據、車輛位置數據、道路數據一旦存入數據庫中就不會再修改了，只會進行查詢與刪除數據，而在HBase中，多數HDFS對文件操作只需要一次寫入，之后就不會再進行修改了，這決定了用戶不需要考慮在進行高吞吐量數據訪問時可能會產生的數據一致性問題，因此本文選用HBase數據庫來存放上述信息中。

其中有一臺服務器是Master，即主數據庫，另外三臺是Slaver，即從屬數據庫。這四臺機器彼此間通過路由器實現通信連接，能夠相互之間傳遞數據與其他控制信息。它們都可以通過路由器訪問網絡、與其他系統服務器相連。

HBase需要運行在Hadoop環境上，因此在HBase集群部署之前，要先在每臺機器上分別部署Hadoop，同樣也是一個Master主節點與三個Slaver從屬節點。

2.2 駕駛行為識別系統

原始的駕駛行為數據以CSV的格式存儲在駕駛行為數據存儲系統，數據內容為車載終端設備上傳的車輛OBD數據以及車輛位置數據。在原始駕駛數據的基礎上，我們制定了駕駛行為數據轉換標準，來獲取高階的駕駛數據，以此作為駕駛行為評價的數據來源。以下是規定的數據轉換標準：

行駛距離轉換標準。當日行駛數據中當日的最大行駛總路程最大值與最小值之差。

剎車次數轉換標準。統計當日Switch.csv 中，剎車狀態的變化點（01）轉換點。

換擋次數轉換標準：統計當日Switch.csv 中，離合狀態的變化點（01）轉換點。

油耗轉換標準：Fule.csv當日發動機噴油量累計值最大值和最小值之差。

駕駛行為識別算法庫的設計：車載終端對車輛的行駛狀態數據進行采集，并將相關數據回傳至后端服務器。后端服務器根據內置的異常駕駛行為識別算法庫對于疲勞駕駛、急加速、急減速、超速以及不按規定路線行駛多種異常駕駛行為的進行識別，并將識別結果存儲到數據庫之中，為司機的駕駛行為評價提供數據支撐。

2.3 駕駛行為評價系統

駕駛行為評價模型使用AHP層次分析法建模。其步驟包括：構造層次分析結構；構造判斷矩陣；對判斷矩陣進行一致性檢驗；層次單排序；層次總排序；做出決策。構造層次分析結構一般分為三類層次：目標層、準則層、方案層。

將5個維度作為AHP層次分析模型的準則層。按照經過處理的車輛駕駛行為數據分類，將數據歸納為16個種類，作為模型的方案層，包括：急加速、急剎車、加速踏板相對位置變化率、最大行駛速度、最大行駛距離、總行駛距離、總超速時長、平均速度、發動機水溫控制、發動機轉送控制、總油耗、平均油耗、疲勞駕駛時間、電池電壓控制、故障行駛、保養逾期時間等。通過對車輛從業人員和駕駛人用戶進行調研，對每一項方案進行定義。

3 試驗驗證

在得到上述數據的基礎上，本文開發了安卓客戶端App以及Web版的管理軟件。

4 結束語

本文提出了一種大數據環境下商用車駕駛行為評價系統，能較好的解決商用車司機駕駛行為監管問題。為物流公司以及商用車使用企業在司機駕駛行為監管方面給出了定量的評價標準。下一步的研究目的是結合更多的傳感器數據實現司機駕駛行為的準確識別，以及構建更加科學的司機駕駛行為評價體系。

參考文獻：

[1]李寧.基于汽車OBD車聯網的設計與實現[J].電子測量技術，2016，8.

[2]滕凱凱.基于OBD的車輛信息采集系統的設計與研究[D].長安大學，2016.

[3]孫小紅.車聯網的關鍵技術及應用研究[J].通信技術，2013，46（04）：47-50.endprint