何朋朋

摘 要：随着物流行业的迅速发展，商用车联网系统越来越受到国内外研究机构和学者的关注，驾驶人的驾驶行为习惯得到了越来越多关注。文章提出了一种大数据环境下，基于OBD技术的驾驶行为评价系统。利用行车过程中的行驶数据对驾驶行为进行量化评价。文章的数据源于由陕汽天行健集团提供的车载OBD设备读取的车辆信息。文章提出了数据清洗，数据转换的标准，并在此基础上开发了一系列驾驶行为识别算法。最后我们开发了Web端和App端的驾驶行为评价系统软件。

关键词：OBD；大数据；驾驶行为

中图分类号：U495 文献标志码：A 文章编号：2095-2945（2018）04-0097-02

Abstract： With the rapid development of logistics industry， more and more domestic and foreign research institutions and scholars pay attention to the commercial vehicle networking system， and more and more attention has been paid to the driving behavior habits of drivers. This paper presents a driving behavior evaluation system based on OBD technology in the big data environment. The driving behavior is evaluated by driving data. The data of the article is derived from the vehicle information read by the vehicle OBD equipment provided by Shaanxi Auto Tianxingjian Group. In this paper， the standard of data cleaning and data conversion is put forward， and a series of driving behavior recognition algorithms are developed. Finally， we developed the driving behavior evaluation system software of Web and App.

Keywords：OBD； big data； driving behavior

引言

随着智能交通系统在全球范围内的高速发展，商用车联网系统越来越受到国内外研究机构和学者的关注。例如福田戴姆勒开发的“iFOTON”超级车队管理系统，实现的功能包括车辆监控、油耗管理、驾驶员行为分析、金融服务、行车服务、售后服务、车货匹配，远程控制等一系列功能。这些帮助物流车队提高运营效率，真正实现超级车队，智能管理。国内车联网企业陕汽集团开发的天行健车联网系统，其相关功能：有位置服务、油耗/气耗管理、驾驶行为分析、远程故障诊断、偏线报警、重卡专用导航等功能。

以上的这些系统在车辆监控跟踪等方面有着卓越的表现，但随着商用网联车的普及，随之带来的驾驶数据量的骤增，物流企业对司机驾驶行为的关注，上面的平台无法满足要求。因此本文提出并建立了一种大数据环境下商用网联车驾驶行为评价系统，实现了对行车数据的存储，驾驶行为的识别，驾驶行为的评价等功能。

1 系统结构与原理

驾驶行为评价系统整体架构，分为三个模块，包括驾驶数据存储层，驾驶行为识别系统，驾驶行为评价系统。

驾驶数据存储系统，实现在大数据环境下，对行车过程中产生的结构化数据与非结构化数据，实现可靠高效的存储。

驾驶行为识别系统，利用分布式计算平台Spark对原始的行车数据进行清洗，分析，转换。并采用驾驶行为识别算法，实现对急加速，急减速，疲劳驾驶等异常驾驶行为的识别。

驾驶行为评价系统，利用之前处理得到的行车数据，以及异常驾驶行为数据，利用聚类和层次分析法对司机的驾驶行为做出客观，定量的评价。

2 网联车驾驶行为评价系统设计实现

2.1 驾驶行为数据存储系统

隨着商用车数据采集的升级，行车数据不仅包含定位信息、车辆信息，车辆行驶状态信息等结构化数据，还包括音频、视频、图片等具有异构性与非结构化性特点的多媒体信息。因此本文设计实现了基于Hadoop和MySQL的混合异构数据存储系统。

（1）结构化数据存储集群方案。基于MySQL的结构化数据库主要用来存储车辆信息、用户信息、经过驾驶行为识别系统处理过司机异常驾驶行为数据以及司机驾驶行为评价数据。

本文所用的MySQL数据库，采用一个主服务器和两个从属服务器的方式，同时将数据的读取与写入操作分散到不同的服务器上。采用LVS+Keepalived软件策略方式实现MySQL数据库的集群。

（2）非结构化数据存储集群方案。在大规模商用网联车背景下，对非结构化数据如车载监控视频数据，道路数据等进行高效存储考虑到的因素比较多。主要包括：

a.为了保证数据库中数据的实时性以及用户定位目标视频的精准性，需要对监控摄像头录制的视频按照需求进行分割。这会产生相当多数量的小文件。

b.网联商用车云服务平台采集的车辆状态数据、车辆位置数据、道路数据一旦存入数据库中就不会再修改了，只会进行查询与删除数据。

针对这些需求，本论文设计实现了一种基于Hadoop平台的Hbase数据库的非结构化数据存储平台系统。HBase依赖的分布式文件系统HDFS在小文件处理方面有非常优秀的性能，而且，在HDFS中文件是按块存储的，典型的块大小是64MB，分割成的每个视频文件的大小跟此在一个级别上，因此，存储视频文件相当方便简单，也能很容易快捷的实现视频文件的查询与读取。endprint

商用网联车云服务平台采集的车辆状态数据、车辆位置数据、道路数据一旦存入数据库中就不会再修改了，只会进行查询与删除数据，而在HBase中，多数HDFS对文件操作只需要一次写入，之后就不会再进行修改了，这决定了用户不需要考虑在进行高吞吐量数据访问时可能会产生的数据一致性問题，因此本文选用HBase数据库来存放上述信息中。

其中有一台服务器是Master，即主数据库，另外三台是Slaver，即从属数据库。这四台机器彼此间通过路由器实现通信连接，能够相互之间传递数据与其他控制信息。它们都可以通过路由器访问网络、与其他系统服务器相连。

HBase需要运行在Hadoop环境上，因此在HBase集群部署之前，要先在每台机器上分别部署Hadoop，同样也是一个Master主节点与三个Slaver从属节点。

2.2 驾驶行为识别系统

原始的驾驶行为数据以CSV的格式存储在驾驶行为数据存储系统，数据内容为车载终端设备上传的车辆OBD数据以及车辆位置数据。在原始驾驶数据的基础上，我们制定了驾驶行为数据转换标准，来获取高阶的驾驶数据，以此作为驾驶行为评价的数据来源。以下是规定的数据转换标准：

行驶距离转换标准。当日行驶数据中当日的最大行驶总路程最大值与最小值之差。

刹车次数转换标准。统计当日Switch.csv 中，刹车状态的变化点（01）转换点。

换挡次数转换标准：统计当日Switch.csv 中，离合状态的变化点（01）转换点。

油耗转换标准：Fule.csv当日发动机喷油量累计值最大值和最小值之差。

驾驶行为识别算法库的设计：车载终端对车辆的行驶状态数据进行采集，并将相关数据回传至后端服务器。后端服务器根据内置的异常驾驶行为识别算法库对于疲劳驾驶、急加速、急减速、超速以及不按规定路线行驶多种异常驾驶行为的进行识别，并将识别结果存储到数据库之中，为司机的驾驶行为评价提供数据支撑。

2.3 驾驶行为评价系统

驾驶行为评价模型使用AHP层次分析法建模。其步骤包括：构造层次分析结构；构造判断矩阵；对判断矩阵进行一致性检验；层次单排序；层次总排序；做出决策。构造层次分析结构一般分为三类层次：目标层、准则层、方案层。

将5个维度作为AHP层次分析模型的准则层。按照经过处理的车辆驾驶行为数据分类，将数据归纳为16个种类，作为模型的方案层，包括：急加速、急刹车、加速踏板相对位置变化率、最大行驶速度、最大行驶距离、总行驶距离、总超速时长、平均速度、发动机水温控制、发动机转送控制、总油耗、平均油耗、疲劳驾驶时间、电池电压控制、故障行驶、保养逾期时间等。通过对车辆从业人员和驾驶人用户进行调研，对每一项方案进行定义。

3 试验验证

在得到上述数据的基础上，本文开发了安卓客户端App以及Web版的管理软件。

4 结束语

本文提出了一种大数据环境下商用车驾驶行为评价系统，能较好的解决商用车司机驾驶行为监管问题。为物流公司以及商用车使用企业在司机驾驶行为监管方面给出了定量的评价标准。下一步的研究目的是结合更多的传感器数据实现司机驾驶行为的准确识别，以及构建更加科学的司机驾驶行为评价体系。

参考文献：

[1]李宁.基于汽车OBD车联网的设计与实现[J].电子测量技术，2016，8.

[2]滕凯凯.基于OBD的车辆信息采集系统的设计与研究[D].长安大学，2016.

[3]孙小红.车联网的关键技术及应用研究[J].通信技术，2013，46（04）：47-50.endprint