论文部分内容阅读
摘 要：我国人均车辆拥有数量在逐年上涨，道路交通状况发生频率升高，交通执法管理难度也随之增加。利用车辆从事违法犯罪活动的行为时有发生，单是从事故发生后的纠察和抓捕已经不能有效的遏制有关犯罪活动的进行。如何在车辆从事犯罪活动的开端就加以识别和控制对提高执法监管能力有重要作用。目前关于车辆行为活动的分析主要是针对驾驶员是否出现"疲劳驾驶"或是"酒驾"进行鉴别研究，降低道路上交通事故的发生次数。车辆从事违法犯罪活动一般会套用假车牌或他人的车牌进行伪装，从而逃避警察的追捕。本文将从如何纠察套用车牌进行违法犯罪活动车辆的问题下手，根据车牌的信息进行分析，分为两种情况：1）如车牌为假牌照，通过交通部门车辆登记信息查询即可辨别；2）如套用他人牌照，则根据该牌照的日常正常活动轨迹范围对疑似车辆进行评价判定，若两者的偏离值超过一定的阈值，车辆存在驾驶行为异常状况。本文主要针对第二种情况进行分析，根据车辆在道路行驶的行为、轨迹等记录，选取车辆驾驶行为的六类基本指标进行分析，通过量化各类指标并探索建立行为异常评价模型，对车辆驾驶行为进行综合评价。
关键词：驾驶行为；异常；评价；偏离值
1.背景
国内外研究对车辆驾驶行为分析大多是应用在交通事故判别上，判断车辆行驶的状态，有关技术也多是解决驾驶员状态的检测、分析问题，用于车辆驾驶过程中对驾驶员的异常状态的提醒和警告装置的探索研发。除此之外，发现在随着车辆总数的上升，车主对车辆记录信息管理的疏忽以及个人信息的随意泄露给了不少人从事违法犯罪的人可乘之机。为了伪装自己从事不法活动，套用他人车牌作案的例子屡见不鲜，事发后通过监控拍摄到的车牌号对罪犯的活动分析发现根本查无此人或是人不对号，这给社会治安造成严重困扰，也耗费了大量人力进行摸索侦探，更给了罪犯逃跑的机会。
2.模型准备
不同驾驶人有不同的行车习惯，而且难以改变，随着车辆的行驶会留下一系列轨迹数据。当车辆出现异常活动时，如在进行违法犯罪活动时，其行驶的路线和停留地址以及停留时间等都会与以往有所出入。通过差异的比较，对车辆行驶过程中的行车情况进行综合评价，判断其是否存在驾驶行为异常的情况，提高道路的监测能力，以便及早对可疑车辆进行控制。驾驶行为异常按状况不同可分为如下几种：
（1）驾驶员精神状态不佳导致行动能力下降，对车辆的控制失常，如出现疲劳驾驶时，人的精神状态松懈，对道路状况的反应能力下降，在面对复杂的路况时易产生交通事故。
（2）是车辆在行驶过程中出现问题，设备故障、机器失灵等状况，可能导致追尾或碰撞基建设施等事故发生。
（3）除了上述的情况，还有一种情况是可能其驾驶员未出现任何精神状态不佳或车辆没有故障问题，在道路行驶不构成任何威胁，但他们的目的是借用车辆辅助其完成违法犯罪活动。
第三种状况下往往不容易提前被发觉，但其车辆往往都是套用他人车牌以进一步掩饰其行为。采用加权偏离值法，通过对各指标偏离度计算，最后加权求和得到总偏离值，从而判断当日驾驶员驾驶行为与历史行为的偏离程度，是可以对车辆驾驶行为异常进行综合评价判断的。
3.指标的选取及提取计算
通过对国内驾驶行为文献的查阅，我们选取了车辆行驶速度、停驻点距离、出行时长、出行距离、工作日驾驶次数、休息日驾驶次数、车辆维修次数与车辆违章综合指标六个指标，具体各指标提取计算方法如下。
车辆行驶速度，即车辆日平均行驶车速。道路交通摄像头记录车辆车速，通过公式计算求得日平均行驶车速。
其中， v—车辆日平均行驶速度；v — 交通摄像头记录车辆车速；n— 记录次数。
停驻点距离，即车辆停驻区中心点A与车辆登记中心点B的平均距离。由于在道路流畅的情况下，车辆在城市道路内的行驶速度一般为30Km/h以上，故当两相邻记录点所求平均行驶车速小于10Km/h时，即认为车辆在该区域内停驻。因此车辆平均停驻点距离计算公式如下：
其中，s —车辆停驻区中心点与车辆登记中心点平均距离；Distance — 车辆停驻区中心点与车辆登记中心点距离。
出行时长，即车辆日平均出行时长。我们通过提取车辆一天内最早与最晚行车记录点，计算其日出行时长。
其中， t —车辆日平均出行时长；t1 — 车辆日最早行车记录点；t2 — 车辆日最晚行车记录点。
出行距离，即车辆日平均出行距离。我们通过计算车辆通过相邻摄像点的距离，求和得出其日出行距离。
其中，l —车辆日平均出行距离；lm — 车辆相邻记录点间距离。
工作日驾驶次数，即驾驶人一周内周一至周五驾驶车辆出行次数。
其中， ca—车辆一周内周一至周五驾驶车辆出行平均次数；ca — 车辆一周内周一至周五驾驶车辆出行次数。
休息日驾驶次数，即驾驶日一周内周六周日和法定节假日驾驶车辆出行次数。
其中， cs— 车辆一周内周六日及法定节假日驾驶车辆出行平均次数
cs — 车辆一周内周六日及法定节假日驾驶车辆出行次数。
车辆维修状态，即驾驶一年内的维修次数。
其中， z— 车辆一年内平均维修次数；z — 车辆一年内维修次数；
车辆违章综合指标（p）。
根据车辆的违章信息，违章信息包括闯红灯（p1 ），超速（p2 ），违章停车（p3 ），开车打电话（p4 ），不系安全带（p5 ）等五种常见违章行为。对五种主要的违章行為分别设置20%的权重，并对其各自的次数进行加权，最后得到车辆违章信息的加权次数。
4.基于加权偏离值法的驾驶行为比对
基于加权偏离值法对驾驶行为进行比对分析，将各项指标数据与历史数据进行求取偏离值，减小误差。最后通过加权求和得到总偏离值，反映车辆驾驶行为异常的程度。
车辆驾驶行为主要体现在停驻区域，驾驶速度等方面，且六项指标的权重不一。通过查阅相关资料研究，将六项指标权重分别划定为0.46， 0.13， 0.08， 0.12， 0.11， 0.04， 0.04， 0.02，具体计算如下。
基于上述综合评价得到驾驶行为偏离值ε ，通过初步测试，当ε 偏差在30%左右时，基本可认为车辆驾驶行为存在异常状况。
5.总结
本文研究的是，探索如何判别车辆在行驶过程行为异常，构建综合的评价模型对其进行判断。其主要是针对车辆驾驶员的日常驾驶行为习惯进行分析建立模型，对车辆驾驶行为的判断基于历史行为和检测行为的偏离值对比，考虑车辆行驶在一段时间内的连续性，可得到每辆车的驾驶行为分析结果。
作者简介：
孙燕（1997.10- ），女，四川，本科，重庆交通大学，交通管理专业
关键词：驾驶行为；异常；评价；偏离值
1.背景
国内外研究对车辆驾驶行为分析大多是应用在交通事故判别上，判断车辆行驶的状态，有关技术也多是解决驾驶员状态的检测、分析问题，用于车辆驾驶过程中对驾驶员的异常状态的提醒和警告装置的探索研发。除此之外，发现在随着车辆总数的上升，车主对车辆记录信息管理的疏忽以及个人信息的随意泄露给了不少人从事违法犯罪的人可乘之机。为了伪装自己从事不法活动，套用他人车牌作案的例子屡见不鲜，事发后通过监控拍摄到的车牌号对罪犯的活动分析发现根本查无此人或是人不对号，这给社会治安造成严重困扰，也耗费了大量人力进行摸索侦探，更给了罪犯逃跑的机会。
2.模型准备
不同驾驶人有不同的行车习惯，而且难以改变，随着车辆的行驶会留下一系列轨迹数据。当车辆出现异常活动时，如在进行违法犯罪活动时，其行驶的路线和停留地址以及停留时间等都会与以往有所出入。通过差异的比较，对车辆行驶过程中的行车情况进行综合评价，判断其是否存在驾驶行为异常的情况，提高道路的监测能力，以便及早对可疑车辆进行控制。驾驶行为异常按状况不同可分为如下几种：
（1）驾驶员精神状态不佳导致行动能力下降，对车辆的控制失常，如出现疲劳驾驶时，人的精神状态松懈，对道路状况的反应能力下降，在面对复杂的路况时易产生交通事故。
（2）是车辆在行驶过程中出现问题，设备故障、机器失灵等状况，可能导致追尾或碰撞基建设施等事故发生。
（3）除了上述的情况，还有一种情况是可能其驾驶员未出现任何精神状态不佳或车辆没有故障问题，在道路行驶不构成任何威胁，但他们的目的是借用车辆辅助其完成违法犯罪活动。
第三种状况下往往不容易提前被发觉，但其车辆往往都是套用他人车牌以进一步掩饰其行为。采用加权偏离值法，通过对各指标偏离度计算，最后加权求和得到总偏离值，从而判断当日驾驶员驾驶行为与历史行为的偏离程度，是可以对车辆驾驶行为异常进行综合评价判断的。
3.指标的选取及提取计算
通过对国内驾驶行为文献的查阅，我们选取了车辆行驶速度、停驻点距离、出行时长、出行距离、工作日驾驶次数、休息日驾驶次数、车辆维修次数与车辆违章综合指标六个指标，具体各指标提取计算方法如下。
车辆行驶速度，即车辆日平均行驶车速。道路交通摄像头记录车辆车速，通过公式计算求得日平均行驶车速。
其中， v—车辆日平均行驶速度；v — 交通摄像头记录车辆车速；n— 记录次数。
停驻点距离，即车辆停驻区中心点A与车辆登记中心点B的平均距离。由于在道路流畅的情况下，车辆在城市道路内的行驶速度一般为30Km/h以上，故当两相邻记录点所求平均行驶车速小于10Km/h时，即认为车辆在该区域内停驻。因此车辆平均停驻点距离计算公式如下：
其中，s —车辆停驻区中心点与车辆登记中心点平均距离；Distance — 车辆停驻区中心点与车辆登记中心点距离。
出行时长，即车辆日平均出行时长。我们通过提取车辆一天内最早与最晚行车记录点，计算其日出行时长。
其中， t —车辆日平均出行时长；t1 — 车辆日最早行车记录点；t2 — 车辆日最晚行车记录点。
出行距离，即车辆日平均出行距离。我们通过计算车辆通过相邻摄像点的距离，求和得出其日出行距离。
其中，l —车辆日平均出行距离；lm — 车辆相邻记录点间距离。
工作日驾驶次数，即驾驶人一周内周一至周五驾驶车辆出行次数。
其中， ca—车辆一周内周一至周五驾驶车辆出行平均次数；ca — 车辆一周内周一至周五驾驶车辆出行次数。
休息日驾驶次数，即驾驶日一周内周六周日和法定节假日驾驶车辆出行次数。
其中， cs— 车辆一周内周六日及法定节假日驾驶车辆出行平均次数
cs — 车辆一周内周六日及法定节假日驾驶车辆出行次数。
车辆维修状态，即驾驶一年内的维修次数。
其中， z— 车辆一年内平均维修次数；z — 车辆一年内维修次数；
车辆违章综合指标（p）。
根据车辆的违章信息，违章信息包括闯红灯（p1 ），超速（p2 ），违章停车（p3 ），开车打电话（p4 ），不系安全带（p5 ）等五种常见违章行为。对五种主要的违章行為分别设置20%的权重，并对其各自的次数进行加权，最后得到车辆违章信息的加权次数。
4.基于加权偏离值法的驾驶行为比对
基于加权偏离值法对驾驶行为进行比对分析，将各项指标数据与历史数据进行求取偏离值，减小误差。最后通过加权求和得到总偏离值，反映车辆驾驶行为异常的程度。
车辆驾驶行为主要体现在停驻区域，驾驶速度等方面，且六项指标的权重不一。通过查阅相关资料研究，将六项指标权重分别划定为0.46， 0.13， 0.08， 0.12， 0.11， 0.04， 0.04， 0.02，具体计算如下。
基于上述综合评价得到驾驶行为偏离值ε ，通过初步测试，当ε 偏差在30%左右时，基本可认为车辆驾驶行为存在异常状况。
5.总结
本文研究的是，探索如何判别车辆在行驶过程行为异常，构建综合的评价模型对其进行判断。其主要是针对车辆驾驶员的日常驾驶行为习惯进行分析建立模型，对车辆驾驶行为的判断基于历史行为和检测行为的偏离值对比，考虑车辆行驶在一段时间内的连续性，可得到每辆车的驾驶行为分析结果。
作者简介：
孙燕（1997.10- ），女，四川，本科，重庆交通大学，交通管理专业