互联网+时代下的车辆驾驶行为分析大数据公共服务平台制造技术

一种互联网+时代下的车辆驾驶行为分析大数据公共服务平台，对车辆驾驶行为、汽车行驶风险概率进行分析，其中包括步骤一、通过大数据平台存储汽车一段时间内的行驶数据并采用MapReduce框架对这些数据进行处理和分析，步骤二、基于大数据平台下对数据进行处理过后统计出某个区域和时间段内汽车非正常驾驶次数，包括超速、超载、急加速急减速、疲劳驾驶、夜间行驶，步骤三、对非正常驾驶行为统计后，利用自组织映射神经网络算法计算车辆风险概率，并对后续车辆行驶风险进行预测。本发明专利技术通过采集车辆的北斗/GPS导航数据，利用大数据平台对采集的数据进行预处理，在对数据进一步数据挖掘，可以分析和判断驾驶者的驾驶行为。

【技术实现步骤摘要】

:本专利技术涉及物理领域，尤其涉及数据的存储与处理技术，特别是一种互联网+时代下的车辆驾驶行为分析大数据公共服务平台。
技术介绍
:随着信息化程度提高，生活中充满着海量信息，在这些信息中有些与我们的生活息息相关，分析与挖掘它们可以为我们改善生活，服务公众，提高社会信息化程度，为智慧城市及信息化的动态管理方案提供了新的契机。随着道路行驶的车辆不断增加，因人的违规驾驶导致人员财产损失的风险也在不断增加。不同地段区域内车辆出现违规驾驶行为的风险也不同，所以不能将简单的将风险平均，要因地而异。这就是需要考虑到汽车行驶的环境因素，所以首先要对汽车行驶区域进行划分然后分析出每个区域内的风险概率。现有技术中，不能从生活中的海量信息分析车辆驾驶行为。
技术实现思路
：本专利技术的目的在于提供一种互联网+时代下的车辆驾驶行为分析大数据公共服务平台，所述的这种互联网+时代下的车辆驾驶行为分析大数据公共服务平台要解决现有技术中不能从生活中的海量信息分析车辆驾驶行为的技术问题。本专利技术的这种互联网+时代下的车辆驾驶行为分析大数据公共服务平台，包括对车辆驾驶行为、汽车行驶风险概率进行分析，其中包括以下步骤：步骤一、通过大数据平台存储汽车一段时间内的行驶数据并采用MapReduce框架对这些数据进行处理和分析，步骤二、基于大数据平台下对数据进行处理过后统计出某个区域和时间段内汽车非正常驾驶次数，包括超速、超载、急加速急减速、疲劳驾驶、 夜间行驶，步骤三、对非正常驾驶行为统计后，利用自组织映射神经网络算法计算车辆风险概率，并对后续车辆行驶风险进行预测。进一步的，对汽车驾驶数据进行处理分析,其中包括，第一步建立数据存储层，主要方案为基于Hadoop分布式文件系统(简称HDFS)存储方案和基于HDFS+分布式面向列开源数据库(简称HBase)技术存储方案；第二步建立数据处理层，在数据处理层中采用大规模并行计算框架MapReduce(简称MR)框架来处理原始数据，第三步建立数据分析层，对数据进一步分析、建模和挖掘，第四步建立数据可视化，第五步建立安全层，为大数据平台提供安全保护系统，对外提供统一的服务接口，用户通过统一数据访问接口或统一门户页面来访问大数据服务平台。进一步的，利用隐马尔科夫算法找到车辆行驶的路网路段，并通过地图数据找到汽车行驶的路段信息，最后将定位数据中行驶速度输入时空限速模型中，最终得出车辆是否超速的判断。进一步的，利用大数据平台实现支持向量机的算法，其中包括，第一步、将原始数据进行标准化消除量纲的影响；第二步、通过原始数据中时间、速度和里程计算平均速度、平均加速度和启动加速度，并作为训练样本；第三步、将大量的训练样本上传到HDFS中并做分块，每个节点会启动HDFS的Map任务对块中数据进行序列最小优化(简称SMO)训练算出每个块数据的支持向量，最后将各个节点训练处的支持向量输入到HDFS的Reduce任务中交于SMO算法训练得到最终的支持向量；第四步、利用第三步中的支持向量得到分类器，并利用分类器对车辆是否超载进行判别。进一步的，建立大数据平台下线性回归模型，其中包括，第一步、利用大数据平台找到该路段内所有汽车行驶的数据，并计算出相邻两个数据之间速度差值；第二步、利用统计线性回归算法得到某段道路上汽车以某个起始车速vo和行驶至下一时刻车速变化量Δv为输入，以汽车在该段时间内行驶距离S为输出，并统计该路段内所有行驶汽车的数据，第三步、计 算回归方程，得到该路段内汽车速度变化量和行驶距离的模型S＝f(Δv,vo)，最后利用该方程判别该汽车发生急加速和急减速的概率，判断规则为第i量汽车的距离与模型距离误差e＝||S-Si||越大则说明汽车发生急加速和急减速概率越大，越小则说明概率越低。具体的，首先通过大数据平台从原始数据中找出某个路段所有时间所有车辆的行驶数据，对这些数据进行处理得出相邻两点速度的差值，接着利用回归分析方法得出回归模型。通过回归模型得出汽车在该路段发生急加速和急减速的概率。设同一个路段上两个时间点的速度差为Δv，汽车的每个时间点的初始速度为vo。因为汽车在一段时间内行驶距离与速度差和初始速度成线性关系，所以可以该回归模型为 S ^ = b o + b 1 Δ v + b 2 v 0 - - - ( 1 ) ]]>其中bo,b1,b2为变量Δv和v0的偏回归系数。通过训练数据和最小二乘原理得出偏回归系数的值，并利用方差分析对得出的模型进行检验，最后根据的大小得出汽车发生急加速和急减速的概率。其中S为汽车实际的行驶距离，为满足回归模型下的行驶距离。进一步的，所述的计算车辆风险概率的步骤中包括，第一步度量风险概率，第二步建立风险概率模型，首先对历史数据进行预处理，包括对数据进行聚类得到l个簇即Cn＝{I1,I2.....Il本文档来自技高网...

【技术保护点】
一种互联网+时代下的车辆驾驶行为分析大数据公共服务平台，其特征在于，其特征在于：对车辆驾驶行为、汽车行驶风险概率进行分析，其中包括以下步骤：步骤一、通过大数据平台存储汽车一段时间内的行驶数据并采用MapReduce框架对这些数据进行处理和分析，步骤二、基于大数据平台下对数据进行处理过后统计出某个区域和时间段内汽车非正常驾驶次数，包括超速、超载、急加速急减速、疲劳驾驶、夜间行驶，步骤三、对非正常驾驶行为统计后，利用自组织映射神经网络算法计算车辆风险概率，并对后续车辆行驶风险进行预测。

【技术特征摘要】
1.一种互联网+时代下的车辆驾驶行为分析大数据公共服务平台，其特征在于，其特征在于：对车辆驾驶行为、汽车行驶风险概率进行分析，其中包括以下步骤：步骤一、通过大数据平台存储汽车一段时间内的行驶数据并采用MapReduce框架对这些数据进行处理和分析，步骤二、基于大数据平台下对数据进行处理过后统计出某个区域和时间段内汽车非正常驾驶次数，包括超速、超载、急加速急减速、疲劳驾驶、夜间行驶，步骤三、对非正常驾驶行为统计后，利用自组织映射神经网络算法计算车辆风险概率，并对后续车辆行驶风险进行预测。2.如权利要求1所述的互联网+时代下的车辆驾驶行为分析大数据公共服务平台，其特征在于：对汽车驾驶数据进行处理分析,其中包括，第一步建立数据存储层，基于Hadoop分布式文件系统存储方案和基于Hadoop分布式文件系统+分布式面向列开源数据库技术存储方案；第二步建立数据处理层，在数据处理层中采用大规模并行计算框架来处理原始数据，第三步建立数据分析层，对数据进一步分析、建模和挖掘，第四步建立数据可视化，第五步建立安全层，为大数据平台提供安全保护系统，对外提供统一的服务接口，用户通过统一数据访问接口或统一门户页面来访问大数据服务平台。3.如权利要求1所述的互联网+时代下的车辆驾驶行为分析大数据公共服务平台，其特征在于：利用隐马尔科夫算法找到车辆行驶的路网路段，并通过地图数据找到汽车行驶的路段信息，最后将定位数据中行驶速度输入时空限速模型中，最终得出车辆是否超速的判断。4.如权利要求1所述的互联网+时代下的车辆驾驶行为分析大数据公共服务平台，其特征在于：利用大数据平台实现支持向量机的算法，其中包括，第一步...

【专利技术属性】
技术研发人员：文巨峰，罗赞文，穆祥强，许伟，
申请(专利权)人：上海经达信息科技股份有限公司，
类型：发明
国别省市：上海;31