论文部分内容阅读
随着私家车数量越来越多,对于驾驶人出行模式的研究也越发重要。传统的出行模式研究主要依靠问卷调查来分析驾驶人出行的特征,得到的结果易受调查数据的主观性影响。得益于车联网技术的发展,车载诊断(OBD)数据大规模采集得以实现,可以通过长期观察来记录车辆的各项参数,从而反映驾驶人行为的变化性和规律性。在本研究中,基于北京市范围内的2 个月的车辆OBD 数据,对驾驶人的不同出行模式进行分析并建模。采用基于密度峰值的聚类算法(CFSFDP)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。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。这项研究提供了一种准确识别驾驶人出行模式的方法,对解决交通拥堵、定制车险等都有实际意义。