CN104527647B - 一种驾驶行为危险度的监测评估方法 - Google Patents

Abstract

本发明涉及一种驾驶行为危险度监测评估方法，属于汽车主动安全技术领域，该方法包括：实时采集方向盘转角、车速、纵向加速度、横向加速度；将实时采集到的数据按时间先后排列成数据序列；根据车辆状态参数和驾驶员操作参数信息分别对加速、制动、超速、车道保持、换道的驾驶危险度进行监测评估；根据在时间窗宽范围内得到的各危险度指标进行当前时刻的总体驾驶危险度综合监测评估，得到当前时刻综合监测评估值。将得到的综合监测评估值通过在线实时预警的人机交互方式实现与驾驶员之间的沟通，从而达到提升驾驶安全质量，减少道路交通事故的目的。

Description

一种驾驶行为危险度的监测评估方法

技术领域

本发明属于汽车主动安全技术领域，特别涉及基于驾驶员操作信息和车辆状态信息的驾驶员驾驶危险状态监测技术。

背景技术

随着人们交通安全意识的提高，为增强车辆驾驶安全性研发各种车辆安全辅助驾驶系统已成为交通安全及车辆智能化研究的热点问题。车辆主动安全系统的本质，即是对驾驶员的驾驶安全状态、车辆运行状态及环境信息等进行实时监测，辨析和预测出驾驶危险状态并予以及时提醒，必要时主动介入车辆运行的干预或控制。不断深入的研究和试验表明：智能监测驾驶员的驾驶行为和驾驶状态，有助于及早发现可能的操作失误，避免交通事故的发生；同时提醒驾驶员采取更为合理的驾驶方案以提高车辆的行驶速度或交通效率。不仅如此，对于大量不同驾驶员的驾驶行为记录进行统计分析，也有助于制定更为合理的交通法规。

为实现安全辅助驾驶系统对驾驶安全性的有效监测，首先需寻求能反映驾驶安全性变化的关键特征，其次是可靠获取相关信息并通过分析、解释这些信息的表征意义并给出相应的决策结果。目前，该方面研究总体上可分为客观和主观方法两类。客观方法包括直接和间接检测法，直接检测法可利用心电、脑电、脉搏等人体内在的生理参数或眨眼、头部位置等驾驶员的外在表现进行检测，间接检测主要利用方向盘转角、车辆速度、油门、刹车等车辆状态特征进行检测。主观方法主要包括主观评价及通过驾驶员生理反应进行检测等方法。

相关检测技术各有优势，但同时也均存在一定局限性。基于生理参数的方法直接、准确，但对驾驶员的干涉性成为其进一步推广应用的障碍，因此其目前多被用于对其它检测方法的准确性进行理论度量；基于驾驶员外在表观特征的研究对驾驶员不存在干涉，相关技术发展也较为成熟，可以预见随着机器视觉、电子和计算机等软硬件技术的发展，其产品化、实用化进程也必将得到强有力的推动，但其所存在的表征结果滞后性、准确性还有待于进一步解决；基于车辆运行特性的研究方法直观、信息来源可靠、实时性较好，但对车辆类型及道路条件又存在一定的依赖性。因此，为提高安全辅助驾驶系统监测的鲁棒性和实用性，准确的危险程度表达与可行的信息获取方式之间需要有一定的取舍，一种合理有效的数据采集系统是进行该领域研究的关键。

目前市场上存在的相关产品主要有：GreenRoad推出的智能手机APP对驾驶员行为安全性进行监测，主要通过内置高精度的加速度传感器以及GPS导航信息对驾驶员行为进行分析并提供实时及事后反馈，以提升道路行车安全性；以色列Traffilog公司推出的Traffilog通过车载设备对车辆CAN/OBD数据进行解析，并反馈给驾驶员对应行驶记录的安全监测结果，目前，该公司已与山东青岛交运集团签订合作框架协议，并完成了安装调试。以上两款产品均面向车队等集体单位，目的在于加强、规范车队管理，提升驾驶安全性。GreenRoad忽略了驾驶员的方向盘、油门等操作，仅从车辆的加速度表现结合GPS信息对驾驶安全性进行分析，忽略了不同操作目的的行为可能出现同样的操作表现，但危险程度不同；Traffilog未能将车辆CAN/OBD数据与车辆状态表现数据进行综合考虑，且没有车载实时反馈。中国市场上，日前腾讯地图刚推出一款“路宝盒子”的产品，并携手中国人保、壳牌两家巨头共同宣布成立了“i车生活平台”，为车主提供一站式的汽车生活服务。该产品通过OBD接口与车辆连接，并通过蓝牙和手机相连接，通过手机将车辆的瞬时油耗等信息实时反馈给驾驶员，并在事后对驾驶员行车的经济性以及安全性(如急刹车、急加速、急转弯、超速等)通过云端计算反馈到手机终端上。但其对驾驶行为的分析过于简单，鲁棒性较差。目前与驾驶行为分析相关的产品大多数只是从简单的急刹、急减速、急加速等因素单方面评估驾驶员驾驶行为危险丢，缺少内外综合因素的标准。

从社会意义角度来看，对驾驶员危险驾驶行为的研究对可应用于驾驶员车载安全状态监控及反馈评价体系，实时提醒驾驶员行为的危险状态，从源头避免危险驾驶行为的发生；还可应用于驾驶员行为危险度事后整体评价报告及反馈，对驾驶员行为习惯等引起的危险驾驶行为进行反馈教育，可有针对性的改善驾驶员的驾驶安全质量；同时还可应用于车队等集体单位的在线管理，基于无线传输技术对车辆实时的安全状态及位置信息等进行更新，方便高效、快捷的管理车队的运营状况，提升管理效率。

国内对驾驶行为的研究起步较晚，缺乏完备的驾驶模拟实验环境和驾驶行为信息采集技术手段，在驾驶员行为监测方面的研究甚少，更缺少对其表征指标、分析方法以及驾驶行为安全性方面的研究。

目前的主动安全系统关键技术多数掌握在国外公司手中，或者性能较差，很大程度上制约着国内主动安全技术的普及，且成本居高不下。

发明内容

本发明的目的是克服已有技术的不足之处，提出一种驾驶员驾驶危险度的监测评估方法，该方法通过CAN总线采集方向盘转角和车速信息，通过加装双轴加速度计采集车辆横向和纵向加速度信息，可为在线实时反馈或离线教育反馈建立基础，从而达到提升驾驶安全质量，减少道路交通事故的目的。

本发明的特点及效果

本发明的技术方案通过CAN总线采集方向盘转角和车速信息，通过加装双轴加速度计采集车辆横向和纵向加速度信息，避开了当前使用机器视觉监测驾驶员行为中存在的光照条件影响造成的鲁棒性差等问题，同时规避了基于雷达的应用系统由于存在外在干扰(如路侧的金属护栏、相邻车道的大客车或大卡车等)易产生危险隐患的问题，信号采集容易，基本无噪声，可信度高。该技术方案只需要通过简单的、低成本的传感器安装和车辆自带的CAN总线输出参数即可实现中高档乘用车的主动安全功能，可显著提升车辆主动安全功能的普适程度。

本发明应用于驾驶员车载安全状态监控及反馈评价体系，能够实时提醒驾驶员行为的危险状态，从源头避免危险驾驶行为的发生；还可应用于驾驶员行为危险度事后整体评价报告及反馈，可有针对性的改善驾驶员的驾驶安全质量；同时还可应用于车队等集体单位的在线管理，基于无线传输技术对车辆实时的安全状态及位置信息等进行更新，方便高效、快捷的管理车队的运营状况，提升管理效率。

本发明可以以较低的成本投入，实现车辆主动安全性的显著提升。另外，还可以从根本上抑制驾驶员不良驾驶行为的产生，有助于其形成良好的驾驶习惯，提升道路行车安全性。

具体实施方式

本发明提出的一种驾驶行为危险度监测评估方法结合实施例详细说明如下：

本发明主要根据车辆状态参数和驾驶员操作参数信息，综合考虑不同方面的幅频特性对驾驶危险度的影响，对驾驶行为危险度进行监测评估；该方法包括以下步骤：

1)实时数据采集

采集的数据包括方向盘转角、车速、纵向加速度、横向加速度；数据采样频率在[5,100]Hz之间均可；其中方向盘转角、车速通过解析CAN总线数据输出得到，方向盘转角单位为度(°)，车速单位为千米/小时(km/h)，纵向加速度、横向加速度通过在车辆上安装双轴加速度计采集得到，单位均为m/s²；(本发明采用双轴加速度计具有体积小、能耗低、灵敏度高和工作稳定的优点，将其固连于车身纵向对称轴上任意位置进行数据采集即可)；将实时采集到的数据按时间先后排列成数据序列；取时间窗的窗宽为T₀，T₀∈[0.2,10]s，时间窗的终点为当前时刻t₀，起始点为(t₀-T₀)时刻；例如，本实施例采用的时间窗的窗宽为T₀＝1s，数据的采样频率为10Hz。

2)危险度监测评估

根据车辆状态参数和驾驶员操作参数信息分别对加速、制动、超速、车道保持、换道的驾驶危险度进行监测评估；具体包括：

21)加速危险度指标

(当车辆加速或匀速行驶时，车辆的纵向加速度大于等于零，车辆加速的幅频特性均会影响驾驶操作的安全性。)对采集到的纵向加速度随时间变化的数据序列添加时间窗进行数据处理，计算时间窗内加速度序列值的平均值、标准差，分别记为a、σ_a；用E_A表示加速的危险度指标，用E_Acc和E_StdA分别表示加速度的大小和加速的稳定性对驾驶安全性的影响大小的指标，其表达式采用分段函数的形式，分别如式(1.1)、(1.2)所示：

$E_{\mathrm{Acc}}=\left\{\begin{array}{cc}{a}_1,& 0\&le;a_c<a_{c1}\\ a_2,& a_{c1}\&le;a_c<a_{c2}\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ a_n,& a_{c(n-1)}\&le;a_c\end{array}\right.---\left(0.15\right)$

式中，a_c是车辆的加速度在时间窗窗宽范围内的平均值；a_i表示车辆加速度大小的分隔阈值0≤a_ci≤9.8m/s²,i∈{1,2,…,n-1}，n表示驾驶行为危险度的分级数(下同)，根据车辆加速度与分隔阈值的大小关系确定E_Acc的取值，0≤a_i≤1,i∈{1,2,…,n-1}；

$E_{\mathrm{StdA}}=\left\{\begin{array}{cc}{b}_1,& 0\&le;{\mathrm{\&sigma;}}_a<{\mathrm{\&sigma;}}_{a_1}\\ b_2,& {\mathrm{\&sigma;}}_{a_1}\&le;{\mathrm{\&sigma;}}_a<{\mathrm{\&sigma;}}_{a_2}\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ b_n,& {\mathrm{\&sigma;}}_{a_{n-1}}\&le;{\mathrm{\&sigma;}}_a\end{array}\right.---\left(0.16\right)$

σ_a是车辆加速度在时间窗窗宽范围内的标准差；是车辆加速度标准差的分隔阈值根据车辆加速度标准差与它的分隔阈值的大小关系确定E_StdA的取值，0≤b_i≤1,i∈{1,2,…,n-1}。

(由于车辆加速安全性可反映在加速度的大小和加速的稳定性两个方面，)取E_Acc和E_StdA中的最大值作为最终的加速危险度指标E_A，如式(1.3)所示：

E_A＝max{E_Acc,E_StdA} (0.17)

22)制动危险度指标

(当车辆减速时，车辆的纵向加速度为负值，此时，定义：制动减速度等于纵向加速度的绝对值，制动减速度变化的幅频特性均会影响驾驶操作的安全性；当车辆减速时，用于加速危险度指标计算的纵向加速度直接赋值为零；当车辆加速或匀速时，用于制动危险度指标计算的制动减速度直接赋值为零。)对采集到的制动减速度随时间变化的数据序列添加时间窗进行数据处理，计算出时间窗内减速度序列值的平均值、标准差，分别记为d、σ_d；用E_B表示制动的危险度指标，用E_Dec和E_StdD分别表示制动减速度的大小和制动减速的稳定性对驾驶安全性的影响大小指标，其表达式采用分段函数的形式，分别如式(1.4)、(1.5)所示：

$E_{\mathrm{Dec}}=\left\{\begin{array}{cc}{c}_1,& 0\&le;\left|d\right|<d_1\\ c_2,& d_1\&le;\left|d\right|<d_2\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ c_n,& d_{n-1}\&le;\left|d\right|\end{array}\right.---\left(0.18\right)$

d是制动减速度在时间窗窗宽范围内的平均值；d_i表示制动减速度大小的分隔阈值0≤d_i≤9.8m/s²,i∈{1,2,…,n-1}，根据制动减速度与分隔阈值的大小关系确定E_Dec的取值，0≤c_i≤1,i∈{1,2,…,n-1}；

$E_{\mathrm{StdD}}=\left\{\begin{array}{cc}{d}_1,& 0\&le;{\mathrm{\&sigma;}}_d<{\mathrm{\&sigma;}}_{d_1}\\ d_2,& {\mathrm{\&sigma;}}_{d_1}\&le;{\mathrm{\&sigma;}}_d<{\mathrm{\&sigma;}}_{d_2}\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ d_n,& {\mathrm{\&sigma;}}_{d_{n-1}}\&le;{\mathrm{\&sigma;}}_d\end{array}\right.---\left(0.19\right)$

σ_d是制动减速度在时间窗窗宽范围内的标准差；是制动减速度标准差的分隔阈值根据制动减速度标准差与它的分隔阈值的大小关系确定E_StdD的取值，0≤d_i≤1,i∈{1,2,…,n-1}；

由于制动安全性可反映在制动减速度的大小和减速的稳定性两个方面，取两者中的最大值作为最终的制动危险度指标E_B，如式(1.6)所示：

E_B＝max{E_Dec,E_StdD} (0.20)

23)车速危险度指标

(车辆行驶的最高车速和车速的变化频率均会影响驾驶操作的安全性。)对采集到的速度随时间变化的数据序列添加时间窗进行数据处理，计算出时间窗内速度序列值的平均值、标准差，分别记为v、σ_v；用E_V表示车速的危险度指标，用E_Spd和E_StdV分别表示车速大小和车速的稳定性对驾驶安全性的影响大小指标，其表达式采用分段函数的形式，分别如式(1.7)、(1.8)所示：

$E_{\mathrm{Spd}}=\left\{\begin{array}{cc}{e}_1,& v_0\&le;v<v_0+10\\ e_2,& v_0+10\&le;v<v_0+20\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ e_n,& v_0+10\&times;(n-1)\&le;n\end{array}\right.---\left(0.21\right)$

v是速度在时间窗窗宽范围内的平均值；v₀表示当前行驶道路限速值(在高速公路上的一般限速为v₀＝120km/h)，根据车辆当前行驶速度和所在道路限制速度之间的大小关系确定E_Spd的取值，0≤e_i≤1,i∈{1,2,…,n-1}；

$E_{\mathrm{StdV}}=\left\{\begin{array}{cc}{f}_1,& 0\&le;{\mathrm{\&sigma;}}_v<{\mathrm{\&sigma;}}_{v_1}\\ f_2,& {\mathrm{\&sigma;}}_{v_1}\&le;{\mathrm{\&sigma;}}_v<{\mathrm{\&sigma;}}_{v_2}\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ f_n,& {\mathrm{\&sigma;}}_{v_{n-1}}\&le;{\mathrm{\&sigma;}}_v\end{array}\right.---(0.22)$

σ_v是速度在时间窗窗宽范围内的标准差；是速度标准差的分隔阈值根据速度标准差与它的分隔阈值的大小关系确定E_StdV的取值，0≤f_i≤1,i∈{1,2,…,n-1}；

由于车速对安全性的影响可反映在最高行驶车速和车速变化率两个方面，取两者中的最大值作为最终的速度危险度指标E_V，如式(1.9)所示：

E_V＝max{E_Spd,E_StdV} (0.23)

24)车道保持危险度指标

(车辆在车道线内行驶时，驾驶员保持直线行驶的能力会影响到驾驶操作的安全性。)对采集到的方向盘转角随时间变化的数据序列添加时间窗进行数据处理，计算出时间窗内方向盘转角序列值的标准差，记为σ_lk；用E_LK表示驾驶员在当前车道内保持稳定行驶的危险度指标，表达式采用分段函数的形式，如式(1.10)所示：

$E_{\mathrm{LK}}=\left\{\begin{array}{cc}{g}_1,& 0\&le;{\mathrm{\&sigma;}}_{\mathrm{lk}}<{\mathrm{\&sigma;}}_{{\mathrm{lk}}_1}\\ g_2,& {\mathrm{\&sigma;}}_{{\mathrm{lk}}_1}\&le;{\mathrm{\&sigma;}}_{\mathrm{lk}}<{\mathrm{\&sigma;}}_{{\mathrm{lk}}_2}\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ g_n,& {\mathrm{\&sigma;}}_{{\mathrm{lk}}_{n-1}}\&le;{\mathrm{\&sigma;}}_{\mathrm{lk}}\end{array}\right.---(0.24)$

σ_lk是时间窗窗宽范围内的方向盘转角的标准差，是方向盘转角标准差的分隔阈值根据方向盘转角标准差与它的分隔阈值的大小关系确定E_LK的取值，0≤g_i≤1,i∈{1,2,…,n-1}；

25)换道危险度指标

(换道时，横向加速度的幅频特性均会影响驾驶操作的安全性。)对采集到的横向加速度随时间变化的数据序列添加时间窗进行数据处理，计算出时间窗内横向加速度序列值的平均值、标准差，分别记为a_lat、σ_lat；用E_LC表示换道的危险度指标，用E_Lat和E_StdLat分别表示横向加速度的大小和稳定性对驾驶安全性的影响大小，表达式采用分段函数的形式，分别如式(1.11)、(1.12)所示：

$E_{\mathrm{Lat}}=\left\{\begin{array}{cc}{h}_1,& 0\&le;\left|a_{\mathrm{lat}}\right|<a_{{\mathrm{lat}}_1}\\ h_2,& a_{{\mathrm{lat}}_1}\&le;\left|a_{\mathrm{lat}}\right|<a_{{\mathrm{lat}}_2}\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ h_n,& a_{{\mathrm{lat}}_{n-1}}\&le;\left|a_{\mathrm{lat}}\right|\end{array}\right.---\left(0.25\right)$

a_lat是车辆的横向加速度在时间窗窗宽范围内的平均值；表示车辆横向加速度大小的分隔阈值根据车辆横向加速度大小的绝对值与分隔阈值的大小关系确定E_Lat的取值，0≤h_i≤1,i∈{1,2,…,n-1}。

$E_{\mathrm{StdLat}}=\left\{\begin{array}{cc}{j}_1,& 0\&le;{\mathrm{\&sigma;}}_{\mathrm{lat}}<{\mathrm{\&sigma;}}_{{\mathrm{lat}}_1}\\ j_2,& {\mathrm{\&sigma;}}_{{\mathrm{lat}}_1}\&le;{\mathrm{\&sigma;}}_{\mathrm{lat}}<{\mathrm{\&sigma;}}_{{\mathrm{lat}}_2}\\ \&CenterDot;\&CenterDot;\&CenterDot;& \\ j_n,& {\mathrm{\&sigma;}}_{{\mathrm{lat}}_{n-1}}\&le;{\mathrm{\&sigma;}}_{\mathrm{lat}}\end{array}\right.---(0.26)$

σ_lat是车辆的横向加速度在时间窗窗宽范围内的标准差；表示车辆加速度标准差的分隔阈值根据车辆横向加速度标准差与它的分隔阈值的大小关系确定E_StdLat的取值，0≤j_i≤1,i∈{1,2,…,n-1}；

由于换道对安全性的影响可反映在横向加速度大小及其变化频率两个方面，取两者中的最大值作为最终的换道危险度指标；如式(1.13)所示：

E_LC＝max{E_Lat,E_StdLat} (0.27)

3)根据各危险度指标对总体驾驶行为危险度进行监测评估

根据在时间窗宽T₀范围内得到的加速、制动、超速、车道保持、换道危险度指标进行当前时刻的总体驾驶危险度综合监测评估，分别将各个危险度指标值乘以相应权重系数之后进行求和得到当前时刻综合监测评估值E_Total，如式(1.14)所示：

$E_{\mathrm{Total}}=\underset{i\&Element;\{A,B,V,\mathrm{LK},\mathrm{LC}\}}{\mathrm{\&Sigma;}}{\mathrm{\&beta;}}_i{E}_i---\left(0.28\right)$

根据各危险度指标的重点监测程度确定β_i的取值，β_i满足这样计算出来的E_Total即为当前时刻的驾驶行为总体危险度指标；

4)将得到的综合监测评估值通过在线实时预警的人机交互方式实现与驾驶员之间的沟通，从而达到提升驾驶安全质量，减少道路交通事故的目的；具体实现包括：

当E_Total的值小于等于E₁时(0＜E₁≤1)，驾驶行为总体危险度较低，不需要采取预警措施；当E_Total的值大于E₁且小于等于E₂时(0＜E₂≤1,E₂＞E₁)，驾驶行为总体危险度较高，需要采取预警声音提醒等措施；当E_Total的值大于E₂时，驾驶行为总体危险度很高，需要采取比较强烈的预警声音或结合视觉预警等措施；E₁、E₂的具体取值根据E_Total的统计分布情况确定(一般情况下E₁取E_Total分布的0.8分位数，E₂取E_Total分布的0.6分位数)。

本发明根据驾驶行为总体危险度的高低，对驾驶员进行干扰强度不同的预警措施，可显著提升驾驶员的驾驶品质，减少危险驾驶操作行为的发生次数，降低危险驾驶操作行为的危险程度，从而达到提升道路行车安全性的目的。

同时，本方法还可用于离线教育反馈。对采集到的驾驶操作数据和车辆状态数据进行计算，得到不同时刻时间窗范围内各参数的值；根据本方法中列出的评价函数对驾驶行为各方面的危险度表现进行评估并记录；一段时间之后(如一个月)，统计分析驾驶员在加速、制动、超速、车道保持、换道方面的危险度指标值；在某方面的指标值越低，则驾驶员在该方面的表现越好；对驾驶员表现不好的方面，可进行有针对性的提醒或训练，方便驾驶员有意识的进行不良驾驶行为习惯的改正，改善驾驶员的驾驶品质，提升道路行车安全性。

本发明的方法通过一个具体实施例进行说明如下：本实施例方法包括以下步骤：

1)实时数据采集

从一辆实验车上采集驾驶员操作数据和车辆状态数据，采样频率为10Hz，采集到的数据包括纵向加速度、方向盘转角、车速、横向加速度；定义：当采集到的纵向加速度为负值时，制动减速度等于纵向加速度的绝对值；当车辆减速时，采集到的纵向加速度小于零，用于加速危险度指标计算的纵向加速度直接赋值为零，制动减速度等于纵向加速度的绝对值；当车辆加速或匀速时，采集到的纵向加速度大于等于零，用于制动危险度指标计算的制动减速度直接赋值为零，纵向加速度的值等于其本身。

2)危险度监测评估

将驾驶危险度分为三级进行监测评估，即n＝3；取时间窗宽度T₀＝1s；根据车辆状态参数和驾驶员操作参数信息分别对对加速、制动、超速、车道保持、换道进行驾驶危险度监测评估：

21)加速危险度指标

明确各参数后的加速危险度指标表达式分别如式(1.15)、(1.16)所示：

$E_{\mathrm{Acc}}=\left\{\begin{array}{cc}0,& 0\&le;a<0.1*9.8\\ 0.2,& 0.1*9.8\&le;a<0.2*9.8\\ 0.6,& 0.2*9.8\&le;a\end{array}\right.---\left(0.29\right)$

$E_{\mathrm{StdA}}=\left\{\begin{array}{cc}0,& 0\&le;{\mathrm{\&sigma;}}_a<0.5\\ 0.2,& 0.5\&le;{\mathrm{\&sigma;}}_a<1\\ 0.6,& 1\&le;{\mathrm{\&sigma;}}_a\end{array}\right.---\left(0.30\right)$

计算时间窗范围内的纵向加速度大小为a＝0.15*9.8m/s²，纵向加速度标准差为σ_a＝0.2，所以E_Acc＝0.2，E_StdA＝0；

计算加速危险度指标为：

E_A＝max{E_Acc,E_StdA}＝max{0.2,0}＝0.2

22)制动危险度指标

明确各参数后的制动危险度指标表达式分别如式(1.17)、(1.18)所示：

$E_{\mathrm{Dec}}=\left\{\begin{array}{cc}0,& 0\&le;\left|d\right|<0.2*9.8\\ 0.2,& 0.2*9.8\&le;\left|d\right|<0.5*9.8\\ 0.6,& 0.5*9.8\&le;\left|d\right|\end{array}\right.---(0.31)$

$E_{\mathrm{StdD}}=\left\{\begin{array}{cc}0,& 0\&le;{\mathrm{\&sigma;}}_d<1\\ 0.2,& 1\&le;{\mathrm{\&sigma;}}_d<2\\ 0.4,& 2\&le;{\mathrm{\&sigma;}}_d\end{array}\right.---\left(0.32\right)$

由定义知，当车辆加速或匀速时，采集到的纵向加速度大于等于零，用于制动危险度指标计算的制动减速度直接赋值为零；因为时间窗范围内纵向加速度的大小为a＝0.15*9.8m/s²>0，所以时间窗范围内的制动减速度大小为d＝0，制动减速度标准差为σ_d＝0；E_Dec＝0，E_StdD＝0。

计算制动危险度指标为：

E_B＝max{E_Dec,E_StdD}＝max{0,0}＝0

23)车速危险度指标

明确各参数后的车速危险度指标表达式分别如式(1.19)、(1.20)所示：

$E_{\mathrm{Spd}}=\left\{\begin{array}{cc}0.2,& 120\&le;v<130\\ 0.6,& 130\&le;v<140\\ 1,& 140\&le;v\end{array}\right.---\left(0.33\right)$

$E_{\mathrm{StdV}}=\left\{\begin{array}{cc}0,& 0\&le;{\mathrm{\&sigma;}}_v<5\\ 0.1,& 5\&le;{\mathrm{\&sigma;}}_v<10\\ 0.3,& 10\&le;{\mathrm{\&sigma;}}_v\end{array}\right.---\left(0.34\right)$

计算时间窗范围内的车速大小为v＝126km/h，车速标准差为σ_v＝3.5，所以E_Spd＝0.2，E_StdV＝0。

计算车速危险度指标为：

E_V＝max{E_Spd,E_StdV}＝max{0.2,0}＝0.2

24)车道保持危险度指标

明确各参数后的车道保持危险度指标表达式如式(1.21)：

$E_{\mathrm{LK}}=\left\{\begin{array}{cc}0,& 0\&le;{\mathrm{\&sigma;}}_{\mathrm{lk}}<2\\ 0.3,& 2\&le;{\mathrm{\&sigma;}}_{\mathrm{lk}}<5\\ 0.8,& 5\&le;{\mathrm{\&sigma;}}_{\mathrm{lk}}\end{array}\right.---\left(0.35\right)$

计算时间窗范围内的方向盘转角方差为σ_lk＝2.1，所以E_LK＝0.3。

计算车道保持危险度指标为：

E_LK＝0.3

25)换道危险度指标

明确各参数后的车速危险度指标表达式分别如式(1.22)、(1.23)所示：

$E_{\mathrm{Lat}}=\left\{\begin{array}{cc}0,& 0\&le;\left|a_{\mathrm{lat}}\right|<0.07*9.8\\ 0.4,& 0.07*9.8\&le;\left|a_{\mathrm{lat}}\right|<0.15*9.8\\ 0.9,& 0.15*9.8\&le;\left|a_{\mathrm{lat}}\right|\end{array}\right.---(0.36)$

$E_{\mathrm{StdLat}}=\left\{\begin{array}{cc}0,& 0\&le;{\mathrm{\&sigma;}}_{\mathrm{lat}}<0.15\\ 0.4,& 0.15\&le;{\mathrm{\&sigma;}}_{\mathrm{lat}}<0.4\\ 0.9,& 0.4\&le;{\mathrm{\&sigma;}}_{\mathrm{lat}}\end{array}\right.---\left(0.37\right)$

计算时间窗范围内的横向加速度的大小为a_lat＝0.1*9.8m/s²，横向加速度的标准差为σ_lat＝0.12，所以E_Lat＝0.4，E_StdLat＝0。

计算换道危险度指标为：

E_LC＝max{E_Lat,E_StdLat}＝max{0.4,0}＝0.4

3)根据各危险度指标对总体驾驶行为危险度进行监测评估

本实施例重点监测加速、超速和换道时的危险性，取每一个危险度指标的权重系数如下：β_A＝0.25,β_B＝0.1,β_V＝0.25,β_LK＝0.1,β_LC＝0.3，分别将对应各方面的危险度指标值乘以相应权重系数之后进行求和得到驾驶行为总体危险度的监测评估指标E_Total为：

$E_{\mathrm{Total}}=\underset{i\&Element;\{A,B,V,\mathrm{LK},\mathrm{LC}\}}{\mathrm{\&Sigma;}}{\mathrm{\&beta;}}_i{E}_i={\mathrm{\&beta;}}_A{E}_A+{\mathrm{\&beta;}}_B{E}_B+{\mathrm{\&beta;}}_V{E}_V+{\mathrm{\&beta;}}_{\mathrm{LK}}{E}_{\mathrm{LK}}+{\mathrm{\&beta;}}_{\mathrm{LC}}{E}_{\mathrm{LC}}=0.25$

4)将总体危险度指标值通过在线实时预警的人机交互方式实现与驾驶员之间的沟通

取E₁＝0.15，E₂＝0.3，由于E₁＜E_Total＜E₂，驾驶行为总体危险度较高，对驾驶员进行预警声音提醒，以便于驾驶员及时纠正不良的驾驶行为，实时保证行车安全。

Claims (1)

1.一种驾驶行为危险度监测评估方法，其特征在于，该方法包括以下步骤：

1)实时数据采集

采集的数据包括方向盘转角、车速、纵向加速度、横向加速度；数据采样频率在[5,100]Hz之间；其中方向盘转角、车速通过解析CAN总线数据输出得到，纵向加速度、横向加速度通过在车辆上安装双轴加速度计采集得到；将实时采集到的数据按时间先后排列成数据序列；取时间窗的窗宽为T₀，T₀∈[0.2,10]s，时间窗的终点为当前时刻t₀，起始点为(t₀-T₀)时刻；

2)危险度监测评估

根据车辆状态参数和驾驶员操作参数信息分别对加速、制动、超速、车道保持、换道的驾驶危险度进行监测评估；具体包括：

21)加速危险度指标

对采集到的纵向加速度随时间变化的数据序列添加时间窗进行数据处理，计算时间窗内加速度序列值的平均值a、标准差σ_a；加速度的大小和加速的稳定性对驾驶安全性的影响大小的指标E_Acc和E_StdA分别采用分段函数的形式，如式(1.1)、(1.2)所示：

$E_{Acc}=\left\{\begin{array}{cc}{a}_1,& 0\&le;a_c<a_{c1}\\ a_2,& a_{c1}\&le;a_c<a_{c2}\\ ...& \\ a_n,& a_{c(n-1)}\&le;a_c\end{array}\right.---\left(1.1\right)$

式中，a_c是车辆的加速度在时间窗窗宽范围内的平均值；a_ci表示车辆加速度大小的分隔阈值0≤a_ci≤9.8m/s²，i∈{1,2,…,n-1}，n表示驾驶行为危险度的分级数，根据车辆加速度与分隔阈值的大小关系确定E_Acc的取值，0≤a_i≤1,i∈{1,2,…,n-1}；

$E_{StdA}=\left\{\begin{array}{cc}{b}_1,& 0\&le;{\mathrm{\&sigma;}}_a<{\mathrm{\&sigma;}}_{a_1}\\ b_2,& {\mathrm{\&sigma;}}_{a_1}\&le;{\mathrm{\&sigma;}}_a<{\mathrm{\&sigma;}}_{a_2}\\ ...& \\ b_n,& {\mathrm{\&sigma;}}_{a_{n-1}}\&le;{\mathrm{\&sigma;}}_a\end{array}\right.---\left(1.2\right)$

σ_a是车辆加速度在时间窗窗宽范围内的标准差；是车辆加速度标准差的分隔阈值n表示驾驶行为危险度的分级数，根据车辆加速度标准差与它的分隔阈值的大小关系确定E_StdA的取值，0≤b_i≤1,i∈{1,2,…,n-1}；

取E_Acc、E_StdA中的最大值作为最终的加速危险度指标E_A，如式(1.3)所示：

E_A＝max{E_Acc,E_StdA} (1.3)

22)制动危险度指标

对采集到的制动减速度随时间变化的数据序列添加时间窗进行数据处理，计算出时间窗内减速度序列值的平均值d、标准差σ_d；制动减速度的大小和制动减速的稳定性对驾驶安全性的影响大小指标E_Dec和E_StdD表达式采用分段函数的形式，分别如式(1.4)、(1.5)所示：

$E_{Dec}=\left\{\begin{array}{cc}{c}_1,& 0\&le;\left|d\right|<d_1\\ c_2,& d_1\&le;\left|d\right|<d_2\\ ...& \\ c_n,& d_{n-1}\&le;\left|d\right|\end{array}\right.---\left(1.4\right)$

d是制动减速度在时间窗窗宽范围内的平均值；d_i表示制动减速度大小的分隔阈值0≤d_i≤9.8m/s²,i∈{1,2,…,n-1}，n表示驾驶行为危险度的分级数，根据制动减速度与分隔阈值的大小关系确定E_Dec的取值，0≤c_i≤1,i∈{1,2,…,n-1}；

$E_{StdD}=\left\{\begin{array}{cc}{d}_1,& 0\&le;{\mathrm{\&sigma;}}_d<{\mathrm{\&sigma;}}_{d_1}\\ d_2,& {\mathrm{\&sigma;}}_{d_1}\&le;{\mathrm{\&sigma;}}_d<{\mathrm{\&sigma;}}_{d_2}\\ ...& \\ d_n,& {\mathrm{\&sigma;}}_{d_{n-1}}\&le;{\mathrm{\&sigma;}}_d\end{array}\right.---\left(1.5\right)$

σ_d是制动减速度在时间窗窗宽范围内的标准差；是制动减速度标准差的分隔阈值n表示驾驶行为危险度的分级数，根据制动减速度标准差与它的分隔阈值的大小关系确定E_StdD的取值，0≤d_i≤1,i∈{1,2,…,n-1}；

取E_Dec、E_StdD中的最大值作为最终的制动危险度指标E_B，如式(1.6)所示：

E_B＝max{E_Dec,E_StdD} (1.6)

23)车速危险度指标

对采集到的速度随时间变化的数据序列添加时间窗进行数据处理，计算出时间窗内速度序列值的平均值v、标准差σ_v；车速大小和车速的稳定性对驾驶安全性的影响大小指标E_Spd和E_StdV表达式采用分段函数的形式，分别如式(1.7)、(1.8)所示：

$E_{Spd}=\left\{\begin{array}{cc}{e}_1,& v_0\&le;v<v_0+10\\ e_2,& v_0+10\&le;v<v_0+20\\ ...& \\ e_n,& v_0+10\&times;(n-1)\&le;v\end{array}\right.---\left(1.7\right)$

v是速度在时间窗窗宽范围内的平均值；v₀表示当前行驶道路限速值，根据车辆当前行驶速度和所在道路限制速度之间的大小关系确定E_Spd的取值，0≤e_i≤1,i∈{1,2,…,n-1}，n表示驾驶行为危险度的分级数；

$E_{StdV}=\left\{\begin{array}{cc}{f}_1,& 0\&le;{\mathrm{\&sigma;}}_v<{\mathrm{\&sigma;}}_{v_1}\\ f_2,& {\mathrm{\&sigma;}}_{v_1}\&le;{\mathrm{\&sigma;}}_v<{\mathrm{\&sigma;}}_{v_2}\\ ...& \\ f_n,& {\mathrm{\&sigma;}}_{v_{n-1}}\&le;{\mathrm{\&sigma;}}_v\end{array}\right.---\left(1.8\right)$

σ_v是速度在时间窗窗宽范围内的标准差；是速度标准差的分隔阈值n表示驾驶行为危险度的分级数，根据速度标准差与它的分隔阈值的大小关系确定E_StdV的取值，0≤f_i≤1,i∈{1,2,…,n-1}；

取E_Spd、E_StdV中的最大值作为最终的速度危险度指标E_V，如式(1.9)所示：

E_V＝max{E_Spd,E_StdV} (1.9)

24)车道保持危险度指标

对采集到的方向盘转角随时间变化的数据序列添加时间窗进行数据处理，计算出时间窗内方向盘转角序列值的标准差σ_lk；驾驶员在当前车道内保持稳定行驶的危险度指标E_LK表达式采用分段函数的形式，如式(1.10)所示：

$E_{LK}=\left\{\begin{array}{cc}{g}_1,& 0\&le;{\mathrm{\&sigma;}}_{lk}<{\mathrm{\&sigma;}}_{{\mathrm{lk}}_1}\\ g_2,& {\mathrm{\&sigma;}}_{{\mathrm{lk}}_1}\&le;{\mathrm{\&sigma;}}_{lk}<{\mathrm{\&sigma;}}_{{\mathrm{lk}}_2}\\ ...& \\ g_n,& {\mathrm{\&sigma;}}_{{\mathrm{lk}}_{n-1}}\&le;{\mathrm{\&sigma;}}_{lk}\end{array}\right.---\left(1.10\right)$

σ_lk是时间窗窗宽范围内的方向盘转角的标准差，是方向盘转角标准差的分隔阈值n表示驾驶行为危险度的分级数；根据方向盘转角标准差与它的分隔阈值的大小关系确定E_LK的取值，0≤g_i≤1,i∈{1,2,…,n-1}；

25)换道危险度指标

对采集到的横向加速度随时间变化的数据序列添加时间窗进行数据处理，计算出时间窗内横向加速度序列值的平均值a_lat、标准差σ_lat；横向加速度的大小指标和稳定性对驾驶安全性的影响大小指标E_Lat和E_StdLat表达式采用分段函数的形式，分别如式(1.11)、(1.12)所示：

$E_{Lat}=\left\{\begin{array}{cc}{h}_1,& 0\&le;\left|a_{lat}\right|<a_{{\mathrm{lat}}_1}\\ h_2,& a_{{\mathrm{lat}}_1}\&le;\left|a_{lat}\right|<a_{{\mathrm{lat}}_2}\\ ...& \\ h_n,& a_{{\mathrm{lat}}_{n-1}}\&le;\left|a_{lat}\right|\end{array}\right.---\left(1.11\right)$

a_lat是车辆的横向加速度在时间窗窗宽范围内的平均值；表示车辆横向加速度大小的分隔阈值n表示驾驶行为危险度的分级数，根据车辆横向加速度大小的绝对值与分隔阈值的大小关系确定E_Lat的取值，0≤h_i≤1,i∈{1,2,…,n-1}；

$E_{StdLat}=\left\{\begin{array}{cc}{j}_1,& 0\&le;{\mathrm{\&sigma;}}_{lat}<{\mathrm{\&sigma;}}_{{\mathrm{lat}}_1}\\ j_2,& {\mathrm{\&sigma;}}_{{\mathrm{lat}}_1}\&le;{\mathrm{\&sigma;}}_{lat}<{\mathrm{\&sigma;}}_{{\mathrm{lat}}_2}\\ ...& \\ j_n,& {\mathrm{\&sigma;}}_{{\mathrm{lat}}_{n-1}}\&le;{\mathrm{\&sigma;}}_{lat}\end{array}\right.---\left(1.12\right)$

σ_lat是车辆的横向加速度在时间窗窗宽范围内的标准差；表示车辆加速度标准差的分隔阈值n表示驾驶行为危险度的分级数，根据车辆横向加速度标准差与它的分隔阈值的大小关系确定E_StdLat的取值，0≤j_i≤1,i∈{1,2,…,n-1}；

取E_Spd、E_StdV中的最大值作为最终的换道危险度指标；如式(1.13)所示：

E_LC＝max{E_Lat,E_StdLat} (1.13)

3)根据各危险度指标对总体驾驶行为危险度进行监测评估

根据在时间窗宽T₀范围内得到的加速、制动、超速、车道保持、换道危险度指标进行当前时刻的总体驾驶危险度综合监测评估，分别将各个危险度指标值乘以相应权重系数之后进行求和得到当前时刻综合监测评估值E_Total，如式(1.14)所示：

$E_{Total}=\underset{i\&Element;\{A,B,V,LK,LC\}}{\&Sigma;}{\mathrm{\&beta;}}_i{E}_i---\left(1.14\right)$

β_i为对应每一个危险度指标的权重系数，并且满足

4)将得到的综合监测评估值通过在线实时预警的人机交互方式实现与驾驶员之间的沟通，从而达到提升驾驶安全质量，减少道路交通事故的目的；具体实现包括：

设定两个阈值E₁和E₂，其中E₂>E₁，0<E₁≦1，0<E₂≦1；当E_Total的值小于等于E₁时，不采取预警措施；当E_Total的值大于E₁且小于等于E₂时，采取声音预警提醒措施；当E_Total的值大于E₂时，采取声音预警或声音预警结合视觉预警的提醒措施。