摘 要

伴随着汽车行业进去高速发展时期，汽车保有量飞速增长，道路交通事故率也在不断增加，造成了严重的人员伤亡和经济损失。车辆危险驾驶状态的识别是交通安全领域研究的重中之重。本文以车联网数据为基础，提出了一种基于K-means聚类算法的危险驾驶状态识别方法，通过对车联网的真实数据进行聚类，将汽车驾驶状态分为不同的风险等级。此外，本文还提出一种便捷的危险程度计算算法，以确定各等级风险状态的阈值，从而实现对车辆实时驾驶状态的动态评估。本文基于真实的车辆行驶数据对此动态评估方法进行验证，研究结果表明该评估方法具有较高的准确率，能够用于营运车辆危险驾驶状态的评估。

关键词：驾驶状态;车速离散度;急变速;K-means聚类;手肘法

Abstract

With the continuous development of the automobile industry, the number of cars has been growing rapidly, and the accident rate of road traffic is also increasing, causing serious casualties and economic losses. The identification of dangerous driving status is the most important task in the field of traffic safety. In this paper, based on the data of Internet of vehicles, a method of dangerous driving status recognition based on k-means clustering algorithm is proposed. By clustering the real data of Internet of vehicles, the driving status of cars is divided into different risk levels. In addition, a convenient risk degree calculation algorithm is proposed in this paper to determine the threshold of each level of risk state, so as to realize the dynamic evaluation of the real-time driving state of the vehicle. In this paper, the dynamic assessment method is verified based on real vehicle driving data. The research results show that the assessment method has a high accuracy and can be used to evaluate the dangerous driving status of operating vehicles.

Key Words：Driving state; Dispersion of vehicle speed; Rapid acceleration and rapid deceleration; K-means; Elbow method

目录

第1章 绪论 1

1.1 研究背景与意义 1

1.1.1 研究背景 1

1.1.2 研究意义 2

1.2 国内外研究现状 2

1.2.1 基于驾驶员驾驶行为的危险驾驶状态辨识研究 2

1.2.2 基于车辆运行参数的危险驾驶状态辨识研究 3

1.2.3 研究现状评述 4

1.3 研究内容和技术路线 4

1.3.1 主要研究内容 4

1.3.2 论文研究框架 5

第2章 数据采集和处理 7

2.1 车联网数据采集 7

2.2 数据预处理 7

2.1.1 数据筛选 7

2.1.2 数据标准化 7

2.3 本章小结 8

第3章 驾驶状态指标分析 9

3.1 驾驶状态特征指标 9

3.1.1 车速对安全性的影响 9

3.1.2 急变速对安全性的影响 9

3.2 驾驶状态评价指标 10

3.2.1 车速离散性 10

3.2.2 车辆加速度 10

3.3 本章小结 11

第4章 基于k-mean算法的驾驶状态评估 12

4.1 K-mean聚类算法及实现 12

4.1.1 K-mean算法概述 12

4.1.2 基于手肘法的K-mean算法实现 12

4.2 结果分析 16

4.2.1 基于簇中心值的状态分类 17

4.2.2 基于簇中心值的安全性评估 17

4.2.3 案例应用 18

4.3 本章小结 19

第5章 总结和展望 20

5.1 工作总结 20

5.2 研究展望 21

参考文献 22

致谢 24

第1章 绪论

1.1研究背景与研究意义

1.1.1研究背景

伴随着我国政治经济各方面高速发展，我国的汽车工业的发展也进入高速发展时期，汽车已成为千家万户不可或缺的交通工具。汽车与比火车相比行动更加灵活，与飞机相比所消耗的费用更低。汽车的出现与发展提高了人们的普遍出行速度，提供了新的运输方式的选择。目前，全国的已有不少城市的车辆登记数量超过百万，超200万、300万的也大有人在。汽车有着很多的优点，但与此同时也存在着无可避免的缺陷。在全国汽车保有量不断增长的同时，由其产生的交通事故的数目也在飞速增长，每年因为汽车交通事故受伤以及死亡的人数不计其数，而因此所造成的国家的经济损失更是难以估量。仅2018年一年，我国汽车交通事故166906起，导致46161人死亡，169046人受伤，直接财产损失118671.6万。

最近十几年内，每年发生的交通事故次数以及每年为此受伤甚至死亡的人数都在逐年减少。不过却在2016年这三项指标与之前相比略有回升；交通事故产生的直接经济损失在2009年达到底谷，随后直接经济损失又开始逐渐增加^[1]，如图1.1。

图1.1 2002-2016年中国交通状况

这意味着，在2002以来的十多年中，我国为提高道路交通安全性所采取的一系列措施都是行之有效的。交通事故的数量虽然与之前相比有所下降，但仍然是一个很大的数目。这也就意味着目前我国对道路安全的研究不但不能有所放松，反而需要更大的努力。因此，需要对道路安全问题有更深层次的了解，要能深入的理解并掌握事故内在原因，并研究开发更加完善的预警应急系统以提高交通的安全性。如何有效的监控车辆驾驶状态，预防交通事故的发生，提高营运车辆的安全性，成为了亟待解决的问题。

1.1.2研究意义