基于智能手机数据的驾驶行为分析:以驾驶时使用手机为例

基于智能手机数据的驾驶行为分析:以驾驶时使用手机为例

Analysis of driver behaviour through smartphone data: The case of mobile phone use while driving

作者：Papadimitriou, E., Argyropoulou, A., Tselentis, D. I., & Yannis, G

知识搬运工（翻译者）:张秀伟

1、引言

基于车载传感器的驾驶行为研究是一种新兴方法。与传统自然驾驶实验中采用的“重型”车辆仪器相比，这些传感器设备重量更轻、成本更低。智能手机中的传感器有加速度计、陀螺仪、磁力计和全球定位系统等，并结合了信息和通信技术，可以有效获取驾驶行为指标。

2、研究问题

(1)通过分析基于智能手机传感器收集的数据，探索驾驶员在手机使用过程中的驾驶行为。

(2)将手机的使用与各项驾驶行为指标相关联，构建一个出行通用模型，并分别构建不同类型道路(城市、农村、高速公路)下的模型。

3、研究方法

被试：希腊雅典100名驾驶员在4个月内的出行数据，包括数千次出行记录。

实验设备：智能手机、Oseven公司开发的应用程序、Oseven公司开发的智能算法、自然驾驶车辆。

实验流程：

通过 OSeven公司开发的数据平台收集数据，使用智能手机应用程序和专业算法，记录、收集、存储、评估和可视化驾驶行为数据，并向参与者提供信息反馈。具体流程如下：

（1）数据收集流程：

将Oseven公司开发的智能手机应用程序安装到100名驾驶员的手机中，使用智能手机的传感器来记录驾驶员的驾驶行为。当识别出特定驾驶状态时，手机自动启动数据记录功能，记录数据。之后，利用各种应用编程接口来读取传感器数据，并将其传输到中央数据库，然后进行分析处理，具体流程见下图。

（2）数据处理流程：

i. 异常值检测和数据过滤；

ii. 所需参数的数据收集；

iii. 超速的识别(超速持续时间、超速地点)；

iv. 危险驾驶事件的识别（急加速、急减速、碰撞事件）；

v. 手机使用情况的识别(通话、发短信、上网)；

vi. 危险驾驶时间的识别。

分析方法：采用混合logistic回归模型，将驾驶时是否使用作手机为因变量，将行驶里程、行驶时间、道路类型、天气状况、出行目的、危险驾驶事件（急加速、急减速、急转弯、碰撞等）作为自变量进行建模。

4、研究结果

（1）每个出行阶段危险驾驶事件总数与手机使用的关系

每个出行阶段的危险驾驶事件总数在0.40左右，当手机使用时间比例上升到出行持续时间的50-60%时，达到最大值0.45。

（2）每个出行阶段手机使用比例和超速行为之间关系

平均速度在60至90公里/小时的行程中手机应用分析，使用手机的比例较高。

（3）模型开发

在早高峰时段驾驶员使用手机的几率较大，出行的平均速度与使用手机的几率呈负相关。在使用手机的实际案例中，模型预测准确度超过70%。

5、结论

驾驶员在城市道路上使用手机的比例最高，在高速公路上最低，这可能是因为高速公路行驶速度较快，驾驶员警惕性提高，对手机的使用减少。

驾驶员在短距离出行和长距离出行时发生危险驾驶事件的总数会有所减少，可能是因为这些出行多发生在农村公路和高速公路上，而农村道路车辆较少，高速公路驾驶员注意力集中，因此发生危险驾驶事件的数量会减少。

6、文献来源

Papadimitriou,E., Argyropoulou, A., Tselentis, D. I., & Yannis, G. (2019). Analysis of driver behaviour through smartphone data: The case of mobile phone use while driving. Safety Science,119, 91-97.

7、点评

本研究基于智能手机的方式收集驾驶员的出行数据，其方式简单新颖，并且数据真实可靠，为驾驶行为研究提供了新方法。

注：由于水平有限，翻译中难免存在不准确或错误之处，请以原文为准，并欢迎指正。

走过路过，不要错过，欢迎大家转发关注。

（编辑：天瑞地安资讯网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!