CN107826118B - 一种判别异常驾驶行为的方法及装置 - Google Patents

一种判别异常驾驶行为的方法及装置 Download PDF

Info

Publication number
CN107826118B
CN107826118B CN201711056112.9A CN201711056112A CN107826118B CN 107826118 B CN107826118 B CN 107826118B CN 201711056112 A CN201711056112 A CN 201711056112A CN 107826118 B CN107826118 B CN 107826118B
Authority
CN
China
Prior art keywords
value
vehicle
driving behavior
abnormal driving
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711056112.9A
Other languages
English (en)
Other versions
CN107826118A (zh
Inventor
王昊
董长印
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Zhicheng Technology Co., Ltd
Original Assignee
Nanjing Duarte Traffic Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Duarte Traffic Technology Co Ltd filed Critical Nanjing Duarte Traffic Technology Co Ltd
Priority to CN201711056112.9A priority Critical patent/CN107826118B/zh
Publication of CN107826118A publication Critical patent/CN107826118A/zh
Application granted granted Critical
Publication of CN107826118B publication Critical patent/CN107826118B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/107—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种判别异常驾驶行为的方法及装置，该方法包括：获取并存储车辆实时轨迹数据，所述轨迹数据包括车辆速度、加速度、跟车间距、车辆偏离距离和换道次数中的至少两种数据；读取车辆历史轨迹数据，计算获得相关轨迹数据的历史平均值；计算异常驾驶判别的综合函数值，并根据综合函数值确定驾驶行为危险程度级别；在驾驶行为危险程度级别属于异常驾驶时发出异常驾驶行为提示警报。本发明提供的方法便于计算，实时性和可操作性强，可有效预防醉驾、疲劳驾驶等异常驾驶行为，提高道路交通安全。

Description

一种判别异常驾驶行为的方法及装置
技术领域
本发明涉及智能交通控制领域，具体涉及一种判别异常驾驶行为的方法及装置。
背景技术
随着社会不断进步，经济快速发展，汽车行业也在突飞猛进。据公安部交管局统计，截至2016年底，全国机动车保有量达2.9亿辆，其中汽车1.94亿辆；机动车驾驶人3.6亿人，其中汽车驾驶人超过3.1亿人，而汽车保有量的新注册量和年增量均达历史最高水平。随着群众生活水平的不断提升，汽车刚性需求保持旺盛，汽车保有量保持迅猛增长趋势，2016年新注册登记的汽车达2752万辆，保有量净增2212万辆，均为历史最高水平。汽车占机动车的比率持续提高，近五年占比从50.39％提高到65.97％。
日益增长的车辆带来了一系列问题，包括交通安全、环境污染、能源消耗等，其中交通安全问题直接关系到交通参与者的生命财产。据数据统计，由于驾驶员判断决策失误而引发的交通事故约占交通总事故的30％，造成了大量的人员伤亡和巨大的经济损失。因此，危险发生之前，对车辆运行的异常情况判别，进而形成安全预警，这是是一种降低交通事故风险的有效途径。
已有研究中，中国专利201610515677.8公开的一种基于车辆定位轨迹的车道内异常驾驶检测方法，基于粒子滤波和模糊逻辑的算法，检测单车道内的异常驾驶，但不适用于常规双车道或者多车道公路；中国专利201210021472.6公开的一种基于车辆位置信息的异常驾驶判定和警报系统，提出转向角、车速、加速度等参数值中的至少一个偏离存储在数据存储单元中的参考数据的范围时，判定当前驾驶状态为异常驾驶状态，但判别条件较强，误判率较高，操作性较低；中国专利201120137754.3公开的异常驾驶行为监测与安全预警系统，依靠摄像机、红外LED灯、音频采集设备和酒精检测模块等获取的驾驶员信息，对多元数据进行处理，监测异常驾驶行为，但未考虑反应驾驶员形式特征的车辆轨迹信息。总体来说，现有研究均缺乏对当前车辆微观轨迹数据的充分利用，尤其是安全隐患之一的换道数据，同时，判别异常驾驶行为的指标相对单一，尚未确定综合函数。
发明内容
发明目的：为了克服上述现有技术的不足，本发明目的在于提供一种判别异常驾驶行为的方法及装置，综合如速度、加速度、车辆偏离距离、跟车间距、换道数据等几个维度的数据信息，确定异常驾驶判别的综合函数值，同时以此作为异常驾驶行为危险程度的分级依据，车辆做出相应的警报提示，预防醉驾、疲劳驾驶等异常驾驶带来的人员财产危害，保障了道路交通安全、高效、平稳的状态。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种判别异常驾驶行为的方法，包括如下步骤：
获取并存储车辆实时轨迹数据，所述轨迹数据包括车辆速度、加速度、跟车间距、车辆偏离距离和换道次数中的至少两种数据；
读取车辆历史轨迹数据，计算获得相关轨迹数据的历史平均值，包括车辆速度、加速度、跟车间距或车辆偏离距离的历史平均值；
计算异常驾驶判别的综合函数值，并根据综合函数值确定驾驶行为危险程度级别；其中，综合函数值的计算方法为：
式中：f[ki(t)]为t时刻下第i个影响因素ki的作用值，αi为对应的权重参数，M为影响因素个数；所述影响因素至少包括速度、加速度、跟车间距、车辆偏离距离和换道次数中的两个；当影响因素选取为速度、加速度、跟车间距或车辆偏离距离时，其作用值取值为：当t时刻的数值小于设定的阈值时，取值为t时刻的数值与历史平均值的比值，当t时刻的数值不小于设定的阈值时，取值为t时刻的数值与历史平均值的差值的绝对值；当影响因素选取为换道次数时，取值为t时刻时设定统计时长内的换道次数；
在驾驶行为危险程度级别属于异常驾驶时发出异常驾驶行为提示警报。
作为优选，所述驾驶行为危险程度级别分为正常驾驶、轻微异常驾驶、异常驾驶和严重异常驾驶四级，对应的综合函数值判断条件分别为：0≤f(t)<F、F≤f(t)<2F、2F≤f(t)<3F和f(t)≥3F，其中F是判断危险程度的分段单位值。
作为优选，F值与道路形式和驾驶员驾驶熟练程度相关，根据不同道路形式、不同驾龄分等级设置。
作为优选，车辆换道次数的统计时长为N·T，车辆速度、加速度、跟车间距和车辆偏离距离的历史平均值取t-N·T至t-T间的数据的平均值，T为采集周期，N为[1,20]范围的整数，当历史数据存储时间长度不大于N·T时，取当前对应的所有历史数据平均值。
一种判别异常驾驶行为的装置，包括：
采集模块，用于获取车辆实时轨迹数据，所述轨迹数据包括车辆速度、加速度、跟车间距、车辆偏离距离和换道次数中的至少两种数据；
存储模块，用于存储车辆轨迹数据；
均值计算模块，用于读取车辆历史轨迹数据，计算获得相关轨迹数据的历史平均值，包括车辆速度、加速度、跟车间距或车辆偏离距离的历史平均值；
判别模块，用于计算异常驾驶判别的综合函数值，并根据综合函数值确定驾驶行为危险程度级别；其中，综合函数值的计算方法为：
式中：f[ki(t)]为t时刻下第i个影响因素ki的作用值，αi为对应的权重参数，M为影响因素个数；所述影响因素至少包括速度、加速度、跟车间距、车辆偏离距离和换道次数中的两个；当影响因素选取为速度、加速度、跟车间距或车辆偏离距离时，其作用值取值为：当t时刻的数值小于设定的阈值时，取值为t时刻的数值与历史平均值的比值，当t时刻的数值不小于设定的阈值时，取值为t时刻的数值与历史平均值的差值的绝对值；当影响因素选取为换道次数时，取值为t时刻时设定统计时长内的换道次数；
以及，提示模块，用于在驾驶行为危险程度级别属于异常驾驶时发出异常驾驶行为提示警报。
有益效果：本发明提出的一种判别异常驾驶行为的方法，获取实时的微观车辆轨迹数据，如速度、加速度、跟车间距、车辆偏离距离和换道信息等，并结合车辆储存的历史行驶数据，计算异常驾驶判别的综合函数值，以此为依据，确定异常驾驶行为的危险程度等级，共分为四个等级，最终可输出相应的警报提示。本发明提供的方法无需添加繁杂的车辆组件，经济性高，且内核算法便于运算，实时性和可操作性强，可有效预防醉驾、疲劳驾驶等异常驾驶行为，保障车辆平稳运行的同时，切实提高道路交通安全。
附图说明
图1是本发明实施例的方法流程图；
图2是本发明实施例中示例的示意图；
图3是本发明实施例的装置结构示意图。
具体实施方式
为了使本发明的内容更容易被清楚的理解，下面根据本发明的结合附图和具体实施例，对本发明作进一步详细的说明。
如图1所示，本发明实施例公开的一种判别异常驾驶行为的方法，该方法主要包括如下步骤：
(1)获取车辆实时轨迹数据，包括车辆速度、加速度、跟车间距、车辆偏离距离和换道次数中的至少两种数据。本实施例中获取的数据包括：当前车辆的速度v(t)、当前车辆的加速度a(t)、跟车间距d(t)、当前车辆偏离车道中心线的距离Δx(t)、换道次数fLC。保存当前时刻获取到的实时轨迹数据，作为下一时刻判断异常驾驶行为的历史数据。
其中v(t)和a(t)均可从车辆控制器读取，v(t)的单位为m/s，a(t)的单位为m/s2；d(t)、Δx(t)和fLC可通过车辆检测设备确定，如：前置雷达设备可检测出本车前保险杠中心距离前车后保险杠中心的距离d(t)；视频可检测出道路标线，间接得到当前车辆前保险杠中心偏离车道中心线的距离Δx(t)，并可进一步识别车辆是否完成换道，统计换道次数fLC；d(t)和Δx(t)的单位是m，fLC的单位是次。
v(t)、a(t)、d(t)、Δx(t)和fLC轨迹数据采集周期为T，其中fLC的统计时长为N·T，N一般取值可为[1,20]，如10。
(2)读取车辆历史轨迹数据，计算车辆速度、加速度、跟车间距和车辆偏离距离的历史平均值： 当历史数据存储时间长度不大于N·T时，取当前对应的所有历史数据平均值。
(3)计算异常驾驶判别的综合函数值，并根据综合函数值确定驾驶行为危险程度级别。其中，综合函数值的计算方法为：f[ki(t)]为t时刻下第i个影响因素ki的作用值，αi为对应的权重参数，M为影响因素个数。本步骤中，综合函数值采用如下模型获得：
f(t)＝α1·f[v(t)]+α2·f[a(t)]+α3·f[d(t)]+α4·f[Δx(t)]+α5·fLC(t)，其中，
速度分项计算模型：
加速度分项计算模型：
跟车间距分项计算模型：
偏移距离分项计算模型：
式中α1、α2、α3、α4和α5均为反映驾驶行为特性的权重参数，可根据历史数据的统计特征或经验值进行设定；vthrethold、athrethold、dthrethold和Δxthrethold均为判断分项计算模型的阈值，该值可根据历史数据的统计特征进行设定，如等于历史数据由低到高排序后的第85％位数值；
根据如下判断规则确定驾驶行为危险程度级别：
0≤f(t)<F：四级，正常驾驶，不提示；
F≤f(t)<2F：三级，轻微异常驾驶，提示“发生异常驾驶，请谨慎驾驶”；
2F≤f(t)<3F：二级，异常驾驶，提示“发生危险驾驶，请注意安全”；
f(t)≥3F：一级，严重异常驾驶，提示“极度危险，请安全驾驶”；
F是判断危险程度的分段单位值，无量纲；
F值与道路形式、驾驶员驾驶熟练程度等相关，根据不同道路形式、不同驾龄分等级设置。具体数值可参考表1：
表1F值取值参考
(4)执行异常驾驶的提示警报：在驾驶行为危险程度级别属于异常驾驶时发出异常驾驶行为提示警报，例如可通过车载语音播报对应不同异常驾驶行为危险级别的提示语。
下面根据某交通示例对本发明作进一步阐述。
交通示例：某一车辆行驶在一条单向三车道道路上，如图2所示，驾驶员驾龄为4年，车辆记录的某一时间段内的交通信息如下：
车辆轨迹信息采集周期为T＝0.1s；
速度的历史平均值
加速度的历史平均值
跟车间距的历史平均值
偏移距离的历史平均值
车辆的当前速度v(t)＝30.31m/s；
车辆的当前加速度a(t)＝1.24m/s2；
车辆的当前跟车间距d(t)＝87.66m；
车辆当前偏移距离Δx(t)＝0.85m；
换道次数fLC＝1.0次；
α1、α2、α3、α4和α5五个参数分别取值为2.0、1.5、2.0、2.0和4.0；
速度、加速度、跟车间距和偏移距离的第85％位数值分别为29.47、2.23、124.30和0.71。
综合函数值
f(t)＝α1·f[v(t)]+α2·f[a(t)]+α3·f[d(t)]+α4·f[Δx(t)]+α5·fLC(t)中：
速度分项计算模型：vthrethold＝29.47，v(t)＝30.31≥vthreshold，因此
加速度分项计算模型：athrethold＝2.23，a(t)＝1.24＜athreshold，因此，
跟车间距分项计算模型：dthrethold＝124.30，d(t)＝87.66＜dthreshold，因此，
偏移距离分项计算模型：Δx (t)threthold＝0.71，Δx(t)＝0.85≥xthreshold，因此，
换道信息分项：fLC(t)＝1.0；
综合函数值计算：
由于本示例的交通场景是三车道，即多车道，且驾驶员驾龄为四年，对照表1，可确定判断危险程度的分段单位值F＝5.0；
驾驶行为危险程度级别为：
0≤f(t)<5：四级，正常驾驶，不提示；
5≤f(t)<10：三级，轻微异常驾驶，提示“发生异常驾驶，请谨慎驾驶”；
10≤f(t)<15：二级，异常驾驶，提示“发生危险驾驶，请注意安全”；
f(t)≥15：一级，严重异常驾驶，提示“极度危险，请安全驾驶”。
由于10≤14.71<15，该异常驾驶行为的危险程度为二级，应提示“发生危险驾驶，请注意安全”；采用车载语音播报对应不同异常驾驶行为危险级别的提示语，“发生危险驾驶，请注意安全”，循环播报，直至恢复至正常驾驶。
不难发现，该车速度和偏移距离已超过第85％分位值，且加速度维持在较高水平，换道次数为1.0次，因此可以判断该车很大可能处于换道，且有连续变道趋势，因此该发明可以提前警示连续换道，降低其引发的安全隐患，在保证本车的安全的基础上，兼顾局部交通系统的稳定和安全。
如图3所示，本发明实施例公开的一种判别异常驾驶行为的装置，包括采集模块、存储模块、均值计算模块、判别模块以及提示模块，其中采集模块，用于获取车辆实时轨迹数据，所述轨迹数据包括车辆速度、加速度、跟车间距、车辆偏离距离和换道次数中的至少两种数据；存储模块，用于存储车辆轨迹数据；均值计算模块，用于读取车辆历史轨迹数据，计算获得相关轨迹数据的历史平均值，包括，包括车辆速度、加速度、跟车间距或车辆偏离距离的历史平均值；判别模块，用于计算异常驾驶判别的综合函数值，并根据综合函数值确定驾驶行为危险程度级别；提示模块，用于在驾驶行为危险程度级别属于异常驾驶时发出异常驾驶行为提示警报。本实施例的一种判别异常驾驶行为的装置与一种判别异常驾驶行为的方法实施例属于同一构思，具体实现过程详见方法实施例，此处不再赘述。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种判别异常驾驶行为的方法，其特征在于，包括如下步骤：
获取并存储车辆实时轨迹数据，所述轨迹数据包括车辆速度、加速度、跟车间距、车辆偏离距离和换道次数；
读取车辆历史轨迹数据，计算获得相关轨迹数据的历史平均值，包括车辆速度、加速度、跟车间距或车辆偏离距离的历史平均值；
计算异常驾驶判别的综合函数值，并根据综合函数值确定驾驶行为危险程度级别；其中，综合函数值的计算方法为：
式中：f[ki(t)]为t时刻下第i个影响因素ki的作用值，αi为对应的权重参数，M为影响因素个数；所述影响因素包括速度、加速度、跟车间距、车辆偏离距离和换道次数；当影响因素选取为速度、加速度、跟车间距或车辆偏离距离时，其作用值取值为：当t时刻的数值小于设定的阈值时，取值为t时刻的数值与历史平均值的比值，当t时刻的数值不小于设定的阈值时，取值为t时刻的数值与历史平均值的差值的绝对值；当影响因素选取为换道次数时，取值为t时刻时设定统计时长内的换道次数；
在驾驶行为危险程度级别属于异常驾驶时发出异常驾驶行为提示警报。
2.根据权利要求1所述的一种判别异常驾驶行为的方法，其特征在于，所述驾驶行为危险程度级别分为正常驾驶、轻微异常驾驶、异常驾驶和严重异常驾驶四级，对应的综合函数值判断条件分别为：0≤f(t)<F、F≤f(t)<2F、2F≤f(t)<3F和f(t)≥3F，其中F是判断危险程度的分段单位值。
3.根据权利要求2所述的一种判别异常驾驶行为的方法，其特征在于，F值与道路形式和驾驶员驾驶熟练程度相关，根据不同道路形式、不同驾龄分等级设置。
4.根据权利要求1所述的一种判别异常驾驶行为的方法，其特征在于，车辆换道次数的统计时长为N·T，车辆速度、加速度、跟车间距和车辆偏离距离的历史平均值取t-N·T至t-T间的数据的平均值，T为采集周期，N为[1,20]范围的整数，当历史数据存储时间长度不大于N·T时，取当前对应的所有历史数据平均值。
5.一种判别异常驾驶行为的装置，其特征在于，包括：
采集模块，用于获取车辆实时轨迹数据，所述轨迹数据包括车辆速度、加速度、跟车间距、车辆偏离距离和换道次数；
存储模块，用于存储车辆轨迹数据；
均值计算模块，用于读取车辆历史轨迹数据，计算获得相关轨迹数据的历史平均值，包括车辆速度、加速度、跟车间距或车辆偏离距离的历史平均值；
判别模块，用于计算异常驾驶判别的综合函数值，并根据综合函数值确定驾驶行为危险程度级别；其中，综合函数值的计算方法为：
式中：f[ki(t)]为t时刻下第i个影响因素ki的作用值，αi为对应的权重参数，M为影响因素个数；所述影响因素包括速度、加速度、跟车间距、车辆偏离距离和换道次数；当影响因素选取为速度、加速度、跟车间距或车辆偏离距离时，其作用值取值为：当t时刻的数值小于设定的阈值时，取值为t时刻的数值与历史平均值的比值，当t时刻的数值不小于设定的阈值时，取值为t时刻的数值与历史平均值的差值的绝对值；当影响因素选取为换道次数时，取值为t时刻时设定统计时长内的换道次数；
以及，提示模块，用于在驾驶行为危险程度级别属于异常驾驶时发出异常驾驶行为提示警报。
6.根据权利要求5所述的一种判别异常驾驶行为的装置，其特征在于，所述驾驶行为危险程度级别分为正常驾驶、轻微异常驾驶、异常驾驶和严重异常驾驶四级，对应的综合函数值判断条件分别为：0≤f(t)<F、F≤f(t)<2F、2F≤f(t)<3F和f(t)≥3F，其中F是判断危险程度的分段单位值。
7.根据权利要求6所述的一种判别异常驾驶行为的装置，其特征在于，F值与道路形式和驾驶员驾驶熟练程度相关，根据不同道路形式、不同驾龄分等级设置。
8.根据权利要求5所述的一种判别异常驾驶行为的装置，其特征在于，车辆换道次数的统计时长为N·T，车辆速度、加速度、跟车间距和车辆偏离距离的历史平均值取t-N·T至t-T间的数据的平均值，T为采集周期，N为[1,20]范围的整数，当历史数据存储时间长度不大于N·T时，取当前对应的所有历史数据平均值。
CN201711056112.9A 2017-11-01 2017-11-01 一种判别异常驾驶行为的方法及装置 Active CN107826118B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711056112.9A CN107826118B (zh) 2017-11-01 2017-11-01 一种判别异常驾驶行为的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711056112.9A CN107826118B (zh) 2017-11-01 2017-11-01 一种判别异常驾驶行为的方法及装置

Publications (2)

Publication Number Publication Date
CN107826118A CN107826118A (zh) 2018-03-23
CN107826118B true CN107826118B (zh) 2019-08-30

Family

ID=61651315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711056112.9A Active CN107826118B (zh) 2017-11-01 2017-11-01 一种判别异常驾驶行为的方法及装置

Country Status (1)

Country Link
CN (1) CN107826118B (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110228486A (zh) * 2018-04-10 2019-09-13 蔚来汽车有限公司 提升驾驶行为的方法、装置及包含该装置的车辆
CN110682791A (zh) * 2018-07-04 2020-01-14 青岛海尔空调器有限总公司 用于车辆控制的方法、装置、系统及计算机可读存储介质
CN109190903B (zh) * 2018-08-03 2020-08-14 广州供电局有限公司 作业风险评估方法、装置、计算机设备和存储介质
CN111599164B (zh) * 2019-02-21 2021-09-24 北京嘀嘀无限科技发展有限公司 一种行车异常识别方法和系统
CN109927729B (zh) * 2019-03-07 2020-06-23 南京微达电子科技有限公司 持续高速驾驶安全车距估算及稳定性评价控制方法与装置
CN112116783A (zh) * 2019-06-20 2020-12-22 株式会社日立制作所 一种疲劳驾驶的监测方法及装置
CN110275934A (zh) * 2019-06-28 2019-09-24 青岛无车承运服务中心有限公司 基于北斗定位系统的车辆行驶情况风险分析方法和系统
CN110276954A (zh) * 2019-06-28 2019-09-24 青岛无车承运服务中心有限公司 基于北斗定位系统的车辆行驶行为综合评分方法
CN110276953A (zh) * 2019-06-28 2019-09-24 青岛无车承运服务中心有限公司 基于北斗定位系统的车辆违规行驶风险分析方法
TWI705016B (zh) * 2019-07-22 2020-09-21 緯創資通股份有限公司 行車預警系統、行車預警方法及使用所述方法的電子裝置
CN110712648B (zh) * 2019-09-16 2020-12-11 中国第一汽车股份有限公司 行车状态的确定方法、装置、车辆及存储介质
CN111231972B (zh) * 2019-09-27 2021-12-10 中国第一汽车股份有限公司 基于驾驶行为习惯的告警方法、车辆及存储介质
US20210107494A1 (en) * 2019-10-15 2021-04-15 Waymo Llc Using Driver Assistance to Detect and Address Aberrant Driver Behavior
CN110807436B (zh) * 2019-11-07 2022-10-18 深圳鼎然信息科技有限公司 危险驾驶行为识别与危险事件预测方法、装置及存储介质
CN111038518B (zh) * 2019-12-23 2022-02-18 北京梧桐车联科技有限责任公司 行车控制方法及装置、电子设备及存储介质
CN112512890B (zh) * 2020-04-02 2021-12-07 华为技术有限公司 一种异常驾驶行为识别方法
CN111615053B (zh) * 2020-05-22 2022-06-17 英华达（上海）科技有限公司 动态标注风险区域的车联网系统和方法
CN112673406B (zh) * 2020-05-29 2022-02-18 华为技术有限公司 一种辨识车辆列队中异常车辆参数的方法和终端设备
CN111862383A (zh) * 2020-07-08 2020-10-30 上海擎感智能科技有限公司 车辆异常的辅助提示方法、系统、移动终端及存储介质
CN112622921B (zh) * 2020-09-29 2022-09-30 广州宸祺出行科技有限公司 一种检测司机异常驾驶行为的方法、装置及电子设备
CN112937572A (zh) * 2021-02-01 2021-06-11 邵阳学院 一种车辆危险行为的防控方法、装置、系统及存储介质
CN114291097B (zh) * 2021-04-21 2022-07-19 浙江大学 实时反馈的驾驶行为差异化矫正方法、装置、设备
CN113298361A (zh) * 2021-05-06 2021-08-24 深圳市锐明技术股份有限公司 一种危险驾驶行为的评价方法、装置、电子设备及系统
CN115731261B (zh) * 2021-08-27 2023-06-16 河北省交通规划设计研究院有限公司 基于高速公路雷达数据的车辆换道行为识别方法及系统
CN113859250B (zh) * 2021-10-14 2023-10-10 泰安北航科技园信息科技有限公司 一种基于驾驶行为异常识别的智能网联汽车信息安全威胁检测系统
CN114368388B (zh) * 2022-01-28 2024-05-03 中国第一汽车股份有限公司 一种驾驶行为分析方法、装置、设备以及存储介质
CN115050183B (zh) * 2022-06-09 2023-07-25 上海人工智能创新中心 一种生成模拟交通流的方法
CN116189477B (zh) * 2023-02-17 2023-11-21 东南大学 一种智能网联汽车数据异常环境的安全控制方法及设备
CN117105032B (zh) * 2023-08-29 2024-04-02 大汉科技股份有限公司 一种基于数据分析的无人驾驶升降机故障分析预测系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298736A (zh) * 2011-08-08 2011-12-28 交通运输部公路科学研究所 基于典型危险工况的营运客车安全综合预警决策方法
CN103043057A (zh) * 2011-10-11 2013-04-17 现代自动车株式会社 基于车辆位置信息的异常驾驶判定和警报系统
CN104463244A (zh) * 2014-12-04 2015-03-25 上海交通大学 基于智能移动终端的异常驾驶行为监测和识别方法及系统
CN104527647A (zh) * 2014-12-15 2015-04-22 清华大学 一种驾驶行为危险度的监测评估方法
CN107031652A (zh) * 2017-03-28 2017-08-11 安徽师范大学 驾驶行为评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3239686A1 (en) * 2016-04-26 2017-11-01 Walter Steven Rosenbaum Method for determining driving characteristics of a vehicle

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298736A (zh) * 2011-08-08 2011-12-28 交通运输部公路科学研究所 基于典型危险工况的营运客车安全综合预警决策方法
CN103043057A (zh) * 2011-10-11 2013-04-17 现代自动车株式会社 基于车辆位置信息的异常驾驶判定和警报系统
CN104463244A (zh) * 2014-12-04 2015-03-25 上海交通大学 基于智能移动终端的异常驾驶行为监测和识别方法及系统
CN104527647A (zh) * 2014-12-15 2015-04-22 清华大学 一种驾驶行为危险度的监测评估方法
CN107031652A (zh) * 2017-03-28 2017-08-11 安徽师范大学 驾驶行为评估方法

Also Published As

Publication number Publication date
CN107826118A (zh) 2018-03-23

Similar Documents

Publication Publication Date Title
CN107826118B (zh) 一种判别异常驾驶行为的方法及装置
CN102509418B (zh) 一种多传感信息融合的疲劳驾驶评估预警方法及装置
CN102542831B (zh) 一种基于实时交通流和天气信息的快速道路可变限速控制方法
CN105374215B (zh) 一种高速公路路侧预警装置
CN102717765B (zh) 疲劳驾驶检测方法及防疲劳驾驶辅助装置
CN107742432B (zh) 基于车路协同的高速公路运行车速主动预警系统及控制方法
CN102745194B (zh) 一种高速公路汽车防追尾前车的自适应报警方法
CN109177982A (zh) 考虑驾驶风格的车辆行驶危险度评价方法
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
CN113386778B (zh) 一种基于车辆行驶轨迹数据的急减速驾驶行为判定方法
CN102785660A (zh) 车辆防碰撞预警装置
CN104575102A (zh) 一种车辆告警系统及方法
CN204701532U (zh) 一种基于车辆碰撞预警系统的防误报警装置
WO2013034338A1 (de) Sicherheitseinrichtung für kraftfahrzeuge
DE102012200345A1 (de) System zum Bestimmen eines anomalen Fahrens und zum Warnen auf Basis eines Fahrzeugstandorts
CN109448384B (zh) 一种高速公路危险交通行为识别方法
CN110766924A (zh) 一种面向桥隧路段行车安全的智能监测与预警系统及方法
US20220383738A1 (en) Method for short-term traffic risk prediction of road sections using roadside observation data
CN109977500A (zh) 基于ds证据理论的半挂罐车多源信息融合侧翻预警方法
CN101819718B (zh) 交通事故识别预警方法
CN102360524B (zh) 快速道路危险交通流特征的自动检测确认方法
CN105216796A (zh) 一种带gps信号的车道识别车辆巡航装置
CN205113335U (zh) 一种带gps信号的车道识别车辆巡航装置
CN201882025U (zh) 一种汽车防撞装置
CN114241754A (zh) 基于高速公路合流影响区事故前兆特征的实时控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20200701

Address after: Room 801-8018, building 02, Chuangzhi building, No.17 Xinghuo Road, Jiangbei new district, Nanjing, Jiangsu Province 210000

Patentee after: Nanjing Zhicheng Technology Co., Ltd

Address before: Pukou District of Nanjing City, Jiangsu Province, 211802 Hot Spring Street dripping beads community 37.

Patentee before: NANJING AERTE TRAFFIC TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right