本文由 发布，转载请注明出处，如有问题请联系我们！ 发布时间: 2021-08-01车辆驾驶行为分析有哪些-驾驶员行为分析摄像机

伴随着现代信息技术的快速发展和车截运作视频监控系统的逐步完善，为了更好地灵活运用运输企业车联网平台的数据信息，发掘驾驶人员个人行为的潜在性特点，科学安排视频监控系统统计分析的数据信息，能够为进一步的方式给予优良的确保。1实体模型假定(1)假定车子在二维平面图上行车，即不考虑到地球的形状和屋面的髙度差。(2)假定每辆仅有一名驾驶人员。2根据运动轨迹和速率特点的异常检测实体模型2.1实体模型创建构思因为数据量大，存有出现异常运动轨迹，必须经过高效的方式处理出现异常运动轨迹，得到线性拟合数据信息。针对出现异常运动轨迹检验，R-Tree出现异常运动轨迹检验优化算法是现阶段较常用的出现异常运动轨迹检验方式。R-Tree出现异常运动轨迹检验优化算法是找到每一个运动轨迹点的w连通域点集，并与运动轨迹点产生点对集。每一个运动轨迹点只与其说w连通域点集内的点开展较为，随后根据特定的连通域阀值w寻找出现异常运动轨迹，但针对长而繁杂的运动轨迹，该方式主要表现出出现异常运动轨迹按段均值的状况。即在这个基础上，大家明确提出依据邻近二点的数据特点，综合性考虑到数据信息的异常现象。2.2实体模型创建针对运动轨迹特点，两点之间的距離是根据欧洲地区公里的间距来测算的。假如在2d 上空设定2个座标点中间的间距，则根据两点之间的运动间距与两点之间产生的直线距离之比以精确测量两点之间的运动轨迹弯折水平。针对速率特点，数据信息的地方转变表明车子挪动时部位随時间的转变。针对等时数据信息，能够获得速率vi和偏移li的关联:随后是相匹配的瞬时速度:综合性考虑到运动轨迹特点和速率特点，设定相匹配的阀值，对信息的出现异常点完成解决。2.3根据差分信号和最小二乘法运动轨迹拟合模型因为车子的运动轨迹沒有周期性，即产生的运动轨迹在不一样范围能够完成不一样，因而不可以根据高级线性拟合彻底线性拟合车子的运动轨迹；离散变量的数据信息相匹配不一样的座标和方向角，因此拟合曲线是不是持续，线性拟合結果能不能产生持续的运动轨迹，都是必需的。因此，依据差分信号和最小二乘法的观念，对按段线性拟合运动轨迹开展按段，获得适合的方向角。2.4結果剖析能够根据MATLAB程序编程获得，以两条道路为例子(如图所示1和图2所显示)。依据数据处理方法和运动轨迹线性拟合的結果，综合性考虑到运动轨迹弯折的程度和时间对除去出现异常运动轨迹点有显著实际效果，但不可以彻底解决出现异常数据信息点。根据设定权函数，运用差分信号和最小二乘法的观念，提升了运动轨迹线性拟合的精密度，但权函数的安装实际效果比较有限。