基于车联网数据的货车出行风险画像与影响因素分析

发布时间：2021-09-22 06:25

　　近年来,我国货车事故发生率以及货车事故造成的死亡率都居高不下,运输过程中的安全问题亟待解决。伴随着车联网大数据的发展,大数据挖掘技术在交通安全领域面临更大的机遇。本文以车联网大数据为背景,将采集的货车轨迹数据、动态数据、预警数据等进行预处理,提取货车出行关键数据,研究货车出行风险特征画像及其关键影响因素,期望能提高货车运输过程中的安全性,预防和减少货车事故的发生。论文主要内容有:（1）车联网货车预警数据的提取、可视化与统计分析。通过对原始记录数据进行清洗与预处理,提取了 932辆京牌车辆,包含发生过预警的车辆716辆和未发生过的预警车辆216辆。运用编程技术实现对目标车辆里程、预警频次、轨迹数据等信息的提取,将提取的GPS轨迹数据进行地图匹配,实现车辆轨迹的可视化。从车辆出行时间和出行距离来看,车辆多是中短距离的出行,从预警分布来看,超速预警较多发生在城际道路上,而疲劳驾驶预警多发生在市内道路上。运用统计分析方法,分析预警频次在不同属性特征下的分布规律,结果表明车辆类型、路段速度、能见度等均对车辆预警发生的频次有显著影响。（2）货车出行风险特征画像。根据驾驶行为数据和车辆运行数据,运用... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

Fi乡3一IVe加c】

酬??？货牟行驶轨＿京滓璲城［１３全闲地阁??图３－１车辆轨迹分布图??Ｆｉｇ．?３－１?Ｖｅｈｉｃｌｅ?ｔｒａｊｅｃｔｏｒｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ??车辆预警点分布??对车辆报警点进行提取并对车辆报警点进行可视化分析，了解预警点寻找报警发生的高频路段，对预警高发路段进行重点监控，采取安全护驾驶员行车安全，提升货车在运输过程中的安全性。??过将预警发生点的可视化，寻找预警高发路段，后期我们将结合实高发原因进一步探讨。本次提取的预警位有超速预警和疲劳预警，疲劳驾驶预警分布图如３－２ａ、３－２ｂ所示。??

－２ａ和３－２ｂ两类预警点的分布来看，北京市内道路和环城高速超速预警较多发生在城际道路上，疲劳驾驶预警点分布较为道路上，夜间城市内道路货车较多，可能是导致疲劳驾驶出］。??预警位置的批量获取??德地图开放平台实现将经纬度坐标的批量转化为地址信息，


本文编号：3403300