现如今汽车行业的竞争非常激烈,如何提升自身产品的竞争力是所有汽车企业都面临的问题,随着车联网技术的发展,汽车企业意识到从软件角度提升驾驶员的驾驶体验也是个很好的选择,所以许多汽车企业都希望通过开发一些智能化的提醒服务来为用户提供更好的驾驶体验。因此,本文通过对人的身体状态、出行日期、出行目的地、有无同乘人等因素与驾驶员驾驶行为之间关联关系的研究,为汽车企业探索智能化提醒服务提供决策支持。首先,通过手环采集驾驶员的健康数据,包括压力、疲劳度、血压等,通过安卓手机的APP采集GPS数据、用户上传的APP行程数据、同乘人数、同乘人员类型、交通数据等,通过OBD(车载诊断系统)采集车辆的行程数据,包括点火、熄火、运行中、急加速次数、急减速次数等;然后,制定数据质量评估指标,对数据质量进行评估,包括数据的完整性、准确性、有效性、关联性、冗余性等,并对异常样本数据进行处理;接着,提出关联性分析假说,并使用相关性分析方法中的斯皮尔曼相关性系数对数值类型数据进行相关性分析,使用相关性分析方法中的卡方检验对分类类型数据进行相关性分析;最后,使用Apriori算法挖掘假说中未提出的潜在关联关系。分析结果表明,人的身体状态、出行日期、出行目的地、有无同乘人等因素确实和驾驶员的驾驶行为有一定的关联性。该论文有图7幅,表34个,参考文献51篇。