汽车物联网：您的汽车会让您从酒吧开车回家吗？
关于自动驾驶汽车以及关于人类将有多久的激烈辩论，已经进行了很多ADO禁止开车。作为一个喜欢开车的人，我希望从来都不是这种情况。现在，我尽量不要担心太多。
话虽如此，许多司机对当今传感器的汽车可以跟踪的大量数据令人担忧。这纽约时报去年夏天的文章钉它：
汽车已成为滚动听力帖子。他们可以跟踪电话和文本，将查询记录到网站，记录您听的广播电台，甚至在超过速度限制时违反法律时告诉您。
消费者知道许多保险提供商提供折扣对于同意对远程信息处理设备进行追踪的驾驶员；与已经在生产工具中骑行的复杂传感器相比，这些都是原始的。但是，隐私问题作为一名数据科学家，我着迷于在汽车物联网周围统治当前的时代精神，我着迷于通过潜入船上传感器生成的大量数据来使汽车（和驾驶员）更安全的知识。
行为分析驱动的概况
对于大多数非数据科学家来说，“物联网的行为分析”一词可能意味着分析特定物联网设备的行为。实际上，行为分析从纯粹的数据科学角度来看，可以帮助我们利用与该设备相关的实体的IoT设备作为传感器和代理：
- 个人或设备的工作，以及
- 他们不做的事情，但可能会在将来。
第一个比较是客户或设备他们自己的事件历史的背景，可以确定历史行为的变化。通过将客户或设备分组为类似的比较来进行第二个比较行为的原型，然后分析个体的行为偏离类似个体的原型行为的程度。
对于像汽车这样的物联网设备，取决于差异程度，我们可以评估车辆的行为异常的可能性，这可以表明驾驶员是否以安全的方式行事（在速度限制并遵守其他道路规则）或不安全（驾驶太快，不稳定或在酒精或毒品的影响下）。
物联网设备可以指示通常在防御性发挥侵略性的驾驶员还是在更快的趋势规范中运行的侵略性驾驶员。物联网数据还可以扩展到与驾驶员无关的异常情况，例如告诉我们该车辆如何被网络攻击者妥协或遭受组件故障的损害。
分类数据和构建资料
为了实现这一目标，我们利用了行为排序列表技术和协作分析。行为排序的列表跟踪驾驶员行为中反复出现的事件，并根据历史数据对这些事件进行排序以理解正常情况。
例如，如果一个人关联了一组事件，则与：
- -10_IN_30MPH区域
- -5_in_30mph_zone
- +5_in_30mph_zone
- +10_in_30mph_zone
- +15_in_30mph_zone，等等
我们可以根据过去发生的情况来理解，无论驾驶员通常在行人区域中速度还是小心。虽然危险，但在30 mph的区域中始终为+15表示在该区域中超速超速的行为，而不是由于受到影响或工作迟到而导致的行为改变。这两种情况都可能意味着驾驶员不太擅长应对这些区域中超速行驶的独特危险。
当使用协作分析技术时，我们将寻找新的罕见事件，这些事件可能会根据类似驱动程序表明或多或少的风险。该技术是通过将与不同驾驶事件相关的单词关联的作用 - 例如高-G转，快速加速，快速减速和高速警报 - 可能会发现驾驶员没有这些事件的历史。也许通过使用协作过滤，驾驶员的个人资料更类似于新的，没有经验的驱动程序，并且可能有高风险做出此类动作。这样的活动可能表明一个少年驾驶员获得了她的许可证，然后又要获得欢乐，但没有获得足够的驾驶经验。
以新方式应用成熟的技术
行为分析包括行为分类列表和协作分析，是一项成熟的技术。FICO在1990年代初介绍了它，以与信用卡欺诈作斗争；目前，我们实时分析了世界上三分之二的支付卡交易，以进行欺诈。
行为分析技术使我们能够以精确的准确性来标记潜在的欺诈交易，从而从字面上识别大海堆中的针头。此外，行为分析是不断增强具有最新的人工智能和机器学习技术。
就汽车物联网而言，行为排序列表和协作概况等技术使我们能够深入了解且了解驾驶员的驱动器历史，同时也预计新的驾驶活动可能或多或少具有特征性和风险。知道驾驶员有领先的线路可提供该驾驶员正常的视图以及如何使用加速器。知道驾驶员在高速驾驶或制动方面没有太多经验，可能表明有人很快就会遇到沟渠，或者更糟的是，就这些驾驶活动而言。
这提出了一个问题AI如何帮助例如，以多种方式：
- 可能预期这种驾驶员限制的风险是根据驾驶员的经验和历史与汽车和过去驱动器进行干预的机会。
- 当被认为超出驾驶员的体验时，允许汽车更加停止距离或限制速度。
Thus, it’s pretty easy to imagine driving scores that would rank order drivers based on skill and experience levels, to potentially “unlock” the most aggressive behaviors of the automobile when appropriate, or sideline a driver when his behaviors are indicative of a distracted driver reading texts, under the influence of drugs or alcohol, and other unsafe conditions.
汽车应该被“训练？”
因此，假设您将汽车开到酒吧，喝太多酒。可以并且应该“训练”汽车对其驾驶员的轮廓做出反应，例如踢入自动驾驶模式并在醉酒时驾驶的情况下驶向肩膀？这是一个大问题。饮酒，驾驶和安全性已经是当今立法者的头等主题。最近，50岁Th州长公路安全协会年度会议，自动驾驶汽车技术是讨论的关键主题。
当我们等待灰尘安顿下来时自动驾驶和物联网技术将影响酒后驾驶，安全带和开放酒精容器周围的法律，跟上我在Twitter上的最新想法@Scottzoldi。vroom！
所有的物联网议程网络贡献者都负责其帖子的内容和准确性。意见是作家的，不一定会传达物联网议程的思想。