Анализ и управление профилированием поведения за рулем на основе платформы больших данных Internet of Vehicles (IoV)

Аннотация

Интернет транспортных средств (IoV) превращает каждый подключенный автомобиль в датчик движения, передающий терабайты кинематических данных с отметками времени, которые могут пролить свет на то, как люди на самом деле управляют автомобилем. Это исследование предлагает масштабируемую аналитическую систему, которая преобразует 3,7 миллиона необработанных дорожных происшествий, зафиксированных 24 000 автомобилями за пятнадцать месяцев (2022-2023 годы), в интерпретируемую таксономию персонажей-водителей. В результате объединения методов устранения шума, основанных на плотности, и иерархической агломеративной кластеризации были созданы шесть повторяющихся профилей водителей, каждый из которых характеризуется отличительными особенностями при ускорении, торможении, прохождении поворотов и соблюдении скоростных ограничений. Последующий классификатор случайных лесов достиг точности 87,3% $(F1= 0,842)$ при назначении профиля в режиме реального времени. Использование в полевых условиях системы профилирования в сочетании с персонализированной обратной связью позволило сократить количество рискованных маневров на 27,8% и сократить расход топлива на 32,4%. Временная надежность $(ICC=0,824)$ и географическая переносимость (Pearson $r=0,791)$ подтверждают, что профили отражают устойчивые стили поведения, а не мимолетные настроения. Таким образом, система предлагает страховщикам, менеджерам автопарков и инженерам по безопасности статистически обоснованную основу для дифференцированного ценообразования рисков, целенаправленного обучения и систем помощи водителю с учетом контекста.