社會背景:

駕駛員不安全行為主要有超速、超載、超時疲勞駕駛;彎道行駛佔線、超速、不鳴笛;違章超車;越線佔道行駛;逆向行駛等安全防範意識差、駕駛過程中抱僥倖心理冒險行駛、走神、注意力不集中，這些不安全行為容易引發道路交通安全事故，其結果往往是車毀人亡，損失慘重。

原因分析:

分析駕駛員不安全行為產生的原因，

一是駕駛員的安全意識問題和心理、生理因素，

二是道路運輸企業監督和管理不到位。運用技術手段加強駕駛員不安全行為的監管和增強駕駛員的安全意識，能有效減少和控制駕駛員不安全行為的發生，控制事故的發生，避免和減少人員傷亡和財產損失。駕駛行為分析系統的運用給駕駛員不安全行為的發生提供了有力的技術支援，從而在潛移默化中改變自己的不安全駕駛行為習慣，保障實際駕駛過程中的安全。

解決方案:

運用百度AI強大演算法分析及雲API進行對駕駛行為分析，並反饋分析結果

未來發展:

會讓智慧交通未來發展潛力巨大

在當前歷史背景和市場環境下，現在是車聯網與人工智慧 大資料應用相結合的最佳歷史時期，作為車聯網核心要素：資訊整合中最重要的一個環節——駕駛行為分析和評價，既能給車聯網使用者帶來優良的價值體驗，同時也是大資料應用的一個最佳示範點，蘊含著巨大商業價值和社會價值。

-----------------------------------------------------------------------------------------------------

我們先來試試百度AI的介面能力（目前只有使用手機、抽菸

• Java示例程式碼API形式呼叫

import java.net.URLEncoder;
import com.xs.util.baidu.Base64Util;
import com.xs.util.baidu.FileUtil;
import com.xs.util.baidu.HttpUtil;
/**
 * 駕駛行為分析Sample
 * @author 小帥丶
 * 2018年6月8日
 */
public class DriverBehaviorSample {
  //駕駛行為分析 此介面為內測。需要單獨申請許可權哦
  private
 
 static String ICR_DRIVER_BEHAVIOR_URL = "https://aip.baidubce.com/rest/2.0/image-classify/v1/driver_behavior";
  	
  	public static void main(String[] args) throws Exception {
  		String imagePath = "";//圖片本地路徑
  		String accessToken = "";//應用獲取的AccessToken
		String result = getDriverBehaviorResult(imagePath, accessToken);
		System.out.println(result);
	}
	/**
	 * 駕駛行為分析Demo
	 * @param imagePath 圖片路徑
	 * @param accessToken token
	 * @return 字串
	 * @throws Exception
	 */
	public static String getDriverBehaviorResult(String imagePath,String accessToken) throws Exception{
		byte[] imgData = FileUtil.readFileByBytes(imagePath);
		String imgStr = Base64Util.encode(imgData);
		String param = "image=" + URLEncoder.encode(imgStr, "UTF-8");
		// 注意這裡僅為了簡化編碼每一次請求都去獲取access_token，線上環境access_token有過期時間，
		// 客戶端可自行快取，過期後重新獲取。
		String result = HttpUtil.post(ICR_DRIVER_BEHAVIOR_URL, accessToken, param);
		return result;
	}

• 返回結果

返回尺寸最大的人體檢測框，使用手機、抽菸的概率分數

{
    "person_num": 1, 
    "person_info": [
        {
            "attributes": {
                "cellphone": {
                    "threshold": 0.949999988079071, 
                    "score": 0.8819467425346375
                }, 
                "smoke": {
                    "threshold": 0.949999988079071, 
                    "score": 1.192092895507812e-7
                }
            }, 
            "location": {
                "width": 676, 
                "top": 116, 
                "height": 636, 
                "left": 491
            }
        }
    ], 
    "log_id": 275315610351237280
}

以上就是簡單的駕駛行為分析介面介紹和呼叫示例