本发明涉及驾驶大数据分析领域，特别是涉及一种驾驶习惯数据分析方法。
背景技术：
随着近年来国民经济的发展和人民生活水平的提高，我国汽车总量稳步上升。据公安部交管局统计，截至2016年9月，全国机动车保有量达2.8亿辆，其中汽车1.9亿辆；机动车驾驶人达3.5亿人，其中汽车驾驶人超过3亿人。如此庞大的车辆持有量下，交通安全形势日渐严峻。交通事故造成了大量的人员伤亡和财产损失。数据显示，绝大多数的交通事故原因与驾驶员的驾驶习惯密切相关。诸如超速行驶，急刹车，急启动等不良驾驶习惯给道路安全带来极大隐患。而目前针对驾驶员驾驶习惯统计分析方面的工作尚有很多不足，有待提高。
申请号为201510130756.2的一种驾驶习惯分析方法主要通过驾驶员腿部的动作来检测驾驶员操作习惯，同时车辆行驶速度与加速度依靠卫星定位与车内移动手机。该方法可以通过针对腿部动作的传感器和第三方硬件(gps定位与手机)结合对驾驶员的加速减速过程进行监控。该发明的不足为：依靠第三方硬件检测车辆行驶数据极不准确，同时针对驾驶员习惯分析的数据类型较少，无法达到全方面的分析。
技术实现要素：
针对现有技术存在的缺陷，本发明的目的在于发明一种驾驶习惯数据分析方法，克服对驾驶习惯分析中对单一数据的过于依赖，在保证实时性的前提下实现对驾驶员驾驶习惯的精准分析。
为实现上述目的，本发明所采用的技术方案为：
一种驾驶习惯数据分析方法，具体步骤如下：
首先，采集多种车辆can总线数据作为样本集，车载终端通过obd口连接车辆can总线，在不同驾驶场景下收集车辆行驶原始数据，其数据类型包括：实时车速vct，横向加速度ala，刹车踏板百分比pb，油门踏板百分比pa，安全气囊状态sabrs，引擎转速re；此外，记录数据采集时间时的行驶状态，并对数据进行标识，为了保证数据的独一性与区分度，分为正常行驶状态与不良行驶状态；而后，将收集保存的原始数据集根据不同驾驶习惯进行分类标识存储。
其次，在pc端对分类标识后的原始数据集根据数据获取时间戳进行数据预处理，设定车载端采集can总线的时间间隔为单位时间t，对实时车速vct，刹车踏板百分比pb，油门踏板百分比pa进行运算，通过当前时刻数据数值减去上一时刻数据数值，并除以单位时间，获取以下数据：行驶加速度a,单位时间油门踏板变化百分比pat，单位时间刹车踏板变化百分比pbt；将处理后的数据与横向加速度ala，安全气囊状态sabrs，引擎转速re数据与分类标识作为样本数据集输入数据挖掘工具中生成决策树模型；然后根据预测准确率进行剪枝，参数优化操作，基于样本集交叉预测，达到满意分类准确率后即得到最终决策树预测模型；之后，将最终决策树预测模型根据车载终端的开发环境进行移植。
最后，移植后的车载终端根据输入的数据进行实时分类，在车辆行驶过程中，车载终端连接车辆can总线获取实时数据，对实时数据进行相同预处理后通过之前生成的最终决策树预测模型进行分类，将分类结果保存，单次驾驶过程结束后，将驾驶时间内每个单位时间内输出的预测结果进行汇总统计，输出本次驾驶过程中的驾驶习惯评价。
与现有技术相比，本发明具有如下突出的实质性特点和显著的优点：
本发明方法通过对不同场景下对车辆can总线中采集的多种原始行驶数据进行综合分析处理，获取决策树预测模型。本发明中参考的数据集更为全面，从而可以保证预测模型的高准确度。然后将生成的预测模型移植至车载端，用于对can总线获取的实时行驶数据进行分析归类，根据单次驾驶过程中综合的分类结果实时生成对用户驾驶习惯的评价。该方法基于数据挖掘，可以根据获取的车辆单位时刻的多种数据进行综合分析，从而精准地对驾驶习惯进行分析。
附图说明
图1为一种驾驶习惯分析方法过程图。
具体实施方式
下面结合附图，对本发明的具体实施例做进一步的说明。
如图1所示，一种驾驶习惯数据分析方法，具体步骤如下：
步骤一：在不同驾驶场景下收集车辆can总线中行驶原始数据，其数据类型包括：数据采集时间戳，实时车速vct，横向加速度ala，刹车踏板百分比pb，油门踏板百分比pa，安全气囊状态sabrs，引擎转速re等。此外，记录数据采集时间时的行驶状态，并对数据进行标识，分为正常行驶状态与不良行驶状态。
步骤二：将标识后的数据集放在pc端进行预处理，根据can总线采集数据时间间隔为单位时间，对实时车速vct，刹车踏板百分比pb，油门踏板百分比pa进行运算处理，通过当前时刻数据数值减去上一时刻数据数值，并除以单位时间，可获取以下数据：行驶加速度a,单位时间油门踏板变化百分比pat，单位时间刹车踏板变化百分比pbt等。将处理后的数据与横向加速度ala，安全气囊状态sabrs，引擎转速re等数据作为样本数据集输入pc端数据挖掘工具中生成决策树模型。然后根据预测准确率进行剪枝，参数优化操作，从而提高预测准确率。将优化后的决策树预测模型导出，用于汽车实时行驶过程中进行实时预测。
步骤三：汽车行驶过程中，车载终端连接can总线采集限定数据类型的实时数据。根据数据采集间隔，将同一时间段的实时数据存储到车载终端中，参照步骤一中数据预处理步骤对车辆行驶中所采集的数据进行预处理。基于步骤二中移植的决策树预测模型，对预处理后单位时间内的实时驾驶数据进行预测，并输出本次单位时间内的预测结果。本次驾驶过程结束后，将驾驶时间内每个单位时间内输出的预测结果进行汇总统计，输出本次驾驶过程中的驾驶习惯评价。
本发明的创新点为使用决策树对多种车辆行驶数据进行挖掘，将生成的决策树用于驾驶员驾驶行为的实时分析。基于决策树的数据预测模型在pc端进行生成与优化，车载终端使用pc端生成的预测模型进行实时数据分类。