目前,全国约有1500万辆载货汽车,3000多万名货车司机,平均每天在途货运量8400余万吨.随着大数据概念不断渗入到日常生活中,“如何最大化海量的车联网数据价值”是每一位物流人思考的问题.为了充分利用海量车联网数据,挖掘出货运司机驾驶行为特征的潜在规律,本课题根据车联网数据属性提取涉及驾驶行为特征的参数并以此作为驾驶行为信息的综合变量,采取专家评分法对不同的驾驶行为设置不同的占比,最后通过聚类分析,得到不同的司机簇,对不同的司机簇采取不同的管理规则,规范物流货运司机的管理,提高车队管理效率,降低车队综合成本,并间接降低司机在途时发生交通事故的可能性.
NETL
NSTL
万方数据
维普
