基于OBD数据的驾驶人出行模式挖掘

摘要：

传统的出行模式研究通常依靠问卷调查分析驾驶人出行特征,所得结果易受调查数据主观性影响,针对此问题基于北京市域范围内2个月共计3570辆私家车的车载诊断数据,对驾驶人的不同出行模式进行分析并建模.通过长期采集的车辆各项参数,采用基于密度峰值的聚类算法进行聚类,将不同的驾驶人分为高频出行者、通勤出行者、长距偶发出行者以及危险出行者,并从平均出行距离、出行频次、百公里危险驾驶行为次数和出行时段等多维度进行分析,反映驾驶人行为的变化性和规律性.根据聚类的结果,使用多维离散隐马尔可夫模型进行建模并完成测试.测试表明,所提出的算法对于驾驶人出行模式的识别具有较高的准确性,对于4种类型的出行者,平均识别率超过91％,最高识别率可达94.5％.

关键词：交通信息、OBD数据、出行模式、聚类分析、基于密度峰值的聚类算法、多维离散隐马尔可夫模型

所属期刊栏目：39

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家重点研发计划2018YFB1601600

在线出版日期：2021-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：70-77