車輛駕駛行為異常評價模型

摘 要：我國人均車輛擁有數量在逐年上漲，道路交通狀況發生頻率升高，交通執法管理難度也隨之增加。利用車輛從事違法犯罪活動的行為時有發生，單是從事故發生后的糾察和抓捕已經不能有效的遏制有關犯罪活動的進行。如何在車輛從事犯罪活動的開端就加以識別和控制對提高執法監管能力有重要作用。目前關于車輛行為活動的分析主要是針對駕駛員是否出現"疲勞駕駛"或是"酒駕"進行鑒別研究，降低道路上交通事故的發生次數。車輛從事違法犯罪活動一般會套用假車牌或他人的車牌進行偽裝，從而逃避警察的追捕。本文將從如何糾察套用車牌進行違法犯罪活動車輛的問題下手，根據車牌的信息進行分析，分為兩種情況：1）如車牌為假牌照，通過交通部門車輛登記信息查詢即可辨別；2）如套用他人牌照，則根據該牌照的日常正常活動軌跡范圍對疑似車輛進行評價判定，若兩者的偏離值超過一定的閾值，車輛存在駕駛行為異常狀況。本文主要針對第二種情況進行分析，根據車輛在道路行駛的行為、軌跡等記錄，選取車輛駕駛行為的六類基本指標進行分析，通過量化各類指標并探索建立行為異常評價模型，對車輛駕駛行為進行綜合評價。

關鍵詞：駕駛行為；異常；評價；偏離值

1.背景

國內外研究對車輛駕駛行為分析大多是應用在交通事故判別上，判斷車輛行駛的狀態，有關技術也多是解決駕駛員狀態的檢測、分析問題，用于車輛駕駛過程中對駕駛員的異常狀態的提醒和警告裝置的探索研發。除此之外，發現在隨著車輛總數的上升，車主對車輛記錄信息管理的疏忽以及個人信息的隨意泄露給了不少人從事違法犯罪的人可乘之機。為了偽裝自己從事不法活動，套用他人車牌作案的例子屢見不鮮，事發后通過監控拍攝到的車牌號對罪犯的活動分析發現根本查無此人或是人不對號，這給社會治安造成嚴重困擾，也耗費了大量人力進行摸索偵探，更給了罪犯逃跑的機會。

2.模型準備

不同駕駛人有不同的行車習慣，而且難以改變，隨著車輛的行駛會留下一系列軌跡數據。當車輛出現異?；顒訒r，如在進行違法犯罪活動時，其行駛的路線和停留地址以及停留時間等都會與以往有所出入。通過差異的比較，對車輛行駛過程中的行車情況進行綜合評價，判斷其是否存在駕駛行為異常的情況，提高道路的監測能力，以便及早對可疑車輛進行控制。駕駛行為異常按狀況不同可分為如下幾種：

（1）駕駛員精神狀態不佳導致行動能力下降，對車輛的控制失常，如出現疲勞駕駛時，人的精神狀態松懈，對道路狀況的反應能力下降，在面對復雜的路況時易產生交通事故。

（2）是車輛在行駛過程中出現問題，設備故障、機器失靈等狀況，可能導致追尾或碰撞基建設施等事故發生。

（3）除了上述的情況，還有一種情況是可能其駕駛員未出現任何精神狀態不佳或車輛沒有故障問題，在道路行駛不構成任何威脅，但他們的目的是借用車輛輔助其完成違法犯罪活動。

第三種狀況下往往不容易提前被發覺，但其車輛往往都是套用他人車牌以進一步掩飾其行為。采用加權偏離值法，通過對各指標偏離度計算，最后加權求和得到總偏離值，從而判斷當日駕駛員駕駛行為與歷史行為的偏離程度，是可以對車輛駕駛行為異常進行綜合評價判斷的。

3.指標的選取及提取計算

通過對國內駕駛行為文獻的查閱，我們選取了車輛行駛速度、停駐點距離、出行時長、出行距離、工作日駕駛次數、休息日駕駛次數、車輛維修次數與車輛違章綜合指標六個指標，具體各指標提取計算方法如下。

車輛行駛速度，即車輛日平均行駛車速。道路交通攝像頭記錄車輛車速，通過公式計算求得日平均行駛車速。

其中， v—車輛日平均行駛速度；v — 交通攝像頭記錄車輛車速；n— 記錄次數。

停駐點距離，即車輛停駐區中心點A與車輛登記中心點B的平均距離。由于在道路流暢的情況下，車輛在城市道路內的行駛速度一般為30Km/h以上，故當兩相鄰記錄點所求平均行駛車速小于10Km/h時，即認為車輛在該區域內停駐。因此車輛平均停駐點距離計算公式如下：

其中，s —車輛停駐區中心點與車輛登記中心點平均距離；Distance — 車輛停駐區中心點與車輛登記中心點距離。

出行時長，即車輛日平均出行時長。我們通過提取車輛一天內最早與最晚行車記錄點，計算其日出行時長。

其中， t —車輛日平均出行時長；t1 — 車輛日最早行車記錄點；t2 — 車輛日最晚行車記錄點。

出行距離，即車輛日平均出行距離。我們通過計算車輛通過相鄰攝像點的距離，求和得出其日出行距離。

其中，l —車輛日平均出行距離；lm — 車輛相鄰記錄點間距離。

工作日駕駛次數，即駕駛人一周內周一至周五駕駛車輛出行次數。

其中， ca—車輛一周內周一至周五駕駛車輛出行平均次數；ca — 車輛一周內周一至周五駕駛車輛出行次數。

休息日駕駛次數，即駕駛日一周內周六周日和法定節假日駕駛車輛出行次數。

其中， cs— 車輛一周內周六日及法定節假日駕駛車輛出行平均次數

cs — 車輛一周內周六日及法定節假日駕駛車輛出行次數。

車輛維修狀態，即駕駛一年內的維修次數。

其中， z— 車輛一年內平均維修次數；z — 車輛一年內維修次數；

車輛違章綜合指標（p）。

根據車輛的違章信息，違章信息包括闖紅燈（p1 ），超速（p2 ），違章停車（p3 ），開車打電話（p4 ），不系安全帶（p5 ）等五種常見違章行為。對五種主要的違章行為分別設置20%的權重，并對其各自的次數進行加權，最后得到車輛違章信息的加權次數。

4.基于加權偏離值法的駕駛行為比對

基于加權偏離值法對駕駛行為進行比對分析，將各項指標數據與歷史數據進行求取偏離值，減小誤差。最后通過加權求和得到總偏離值，反映車輛駕駛行為異常的程度。

車輛駕駛行為主要體現在停駐區域，駕駛速度等方面，且六項指標的權重不一。通過查閱相關資料研究，將六項指標權重分別劃定為0.46， 0.13， 0.08， 0.12， 0.11， 0.04， 0.04， 0.02，具體計算如下。

基于上述綜合評價得到駕駛行為偏離值ε ，通過初步測試，當ε 偏差在30%左右時，基本可認為車輛駕駛行為存在異常狀況。

5.總結

本文研究的是，探索如何判別車輛在行駛過程行為異常，構建綜合的評價模型對其進行判斷。其主要是針對車輛駕駛員的日常駕駛行為習慣進行分析建立模型，對車輛駕駛行為的判斷基于歷史行為和檢測行為的偏離值對比，考慮車輛行駛在一段時間內的連續性，可得到每輛車的駕駛行為分析結果。

作者簡介：

孫燕（1997.10- ），女，四川，本科，重慶交通大學，交通管理專業