百姓车联领跑驾驶行为识别技术

仅凭借一部手机就能识别司机驾驶状态，技术上已经成为现实，在这项行为识别技术中，百姓车联研发的危险驾驶行为AI智能识别系统，位居行业领先位置。

据了解，百姓车联在获得用户授权的前提下，通过手机传感器等方式采集驾驶过程中的行为数据，利用人工智能技术，通过对驾驶行为数据的学习分析，综合考虑缓慢加速、平稳驾驶、提前刹车、分心驾驶、疲劳驾驶等因素，判断司机在驾驶过程中是否出现危险驾驶动作，并在行程结束后，将危险驾驶信息及时反馈给司机。

目前该系统不仅可以与旗下智能养车系统结合，基于驾驶数据判断易损件的损耗程度，具备较高的商业价值，还可以通过改进司机的驾驶习惯，减少交通事故发生的概率，同时具备较高的社会价值。

百姓车联工程师们通过“数据收集-模型训练-模型识别-前端反馈”四个环节，建立起危险驾驶行为AI智能识别系统。

在数据收集环节，收集的数据信息主要为手机内部的各种传感器，如加速度计、磁感应器、陀螺仪、GPS等。数据的来源渠道分为两种：一种是人机数据，百姓车联与专业机构合作，专业人员在封闭场地和规定的时间内，按照要求做出规定的危险驾驶动作，预计到2021年年底，将沉淀过万条人机数据;另一种则是APP数据，在获得司机授权后，百姓车联APP会自动采集司机驾驶过程中的各种数据信息，并将这些信息脱敏处理。

出于环境变化等客观因素影响，数据在收集时经常出现断点缺失、数据噪音等问题，为此，百姓车联的工程师开发了数据清洗系统，使数据清洁有效，保证了模型识别的精准度。

在模型训练阶段，百姓车联的工程师并没有采用深度学习等复杂模型进行建模，而是采用相对简单的树模型作为判断依据，这主要是由于业务和产品决定的。目前危险驾驶行为AI智能识别系统有两个要求，一是模型要在数据断点、噪音严重的情况下有较好的效果，另一种则是，当行程结束后，系统需要即时做出识别，并及时向车主反馈驾驶情况，对模型在处理速度上要求更加快捷。基于此，百姓车联的工程师们选择了对数据噪音容忍度较大，数据处理速度较快的树模型。

在模型识别阶段，司机驾车时，后台算法模型会根据加速度计、GPS等数据信息，判断出车主是否处于驾驶状态，并根据手机内置的传感器数据，判断出车主在何时、何地，出现何种形式的危险驾驶行为。目前，危险驾驶行为AI智能识别系统已经能够识别出急加速、急减速、急刹车、急转弯、玩手机、打电话、疲劳驾驶、超速等危险驾驶行为，并且经过此前的三次版本升级，目前在判断的准确度上，误判率已经趋于零。

在前端反馈阶段，得益于树模型的高效处理速度，危险驾驶行为AI智能识别系统能够做到实时识别、记录司机的危险驾驶动作，并在行程结束后，自动对该段行程进行量化评分，让司机对危险驾驶习惯有所警觉，提高安全驾驶意识。

目前危险驾驶AI智能识别系统经过三次迭代，系统对司机驾驶行为习惯的改变已经有了显著效果，在对296名高活跃用户的跟踪中发现，使用三个月后，这些用户危险驾驶行为次数下降幅度超过六成。