CN110667597B - 基于车辆控制器局域网数据信息的驾驶风格状态辨识方法 - Google Patents

基于车辆控制器局域网数据信息的驾驶风格状态辨识方法 Download PDF

Info

Publication number
CN110667597B
CN110667597B CN201910973833.9A CN201910973833A CN110667597B CN 110667597 B CN110667597 B CN 110667597B CN 201910973833 A CN201910973833 A CN 201910973833A CN 110667597 B CN110667597 B CN 110667597B
Authority
CN
China
Prior art keywords
style
identification
data
tendency
speed
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
CN201910973833.9A
Other languages
English (en)
Other versions
CN110667597A (zh
Inventor
赵士舒
李世武
郭梦竹
于淼
黄梦圆
李学达
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.)
Jilin University
Original Assignee
Jilin University
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 Jilin University filed Critical Jilin University
Priority to CN201910973833.9A priority Critical patent/CN110667597B/zh
Publication of CN110667597A publication Critical patent/CN110667597A/zh
Application granted granted Critical
Publication of CN110667597B publication Critical patent/CN110667597B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0029—Mathematical model of the driver
    • 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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/06—Combustion engines, Gas turbines
    • B60W2510/0638—Engine 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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/06—Combustion engines, Gas turbines
    • B60W2510/0657—Engine torque
    • 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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/18—Braking system
    • B60W2510/182—Brake pressure, e.g. of fluid or between pad and disc
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B60W2520/125—Lateral 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/28—Wheel 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/10—Accelerator pedal position
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/18—Steering angle

Abstract

基于车辆控制器局域网数据信息的驾驶风格状态辨识方法，属于汽车智能交互技术领域，包括采集并存储车辆的控制器局域网数据，得到原始行车数据库；根据已经采集到的数据，应用算法提取当前数据量条件下的数据特征；根据数据特征进一步分析，从而辨识得到当前数据量条件下的驾驶风格结论；随着车辆继续运行，可收集存储的新数据不断增加，通过不断扩充得到新的行车数据库，重复以上步骤，不断进行辨识结果的迭代，辨识结果将无限收敛于驾驶员的真实驾驶风格。本发明实现了辨识系统的自主迭代，可以实现驾驶风格的精确辨识，同时硬件需求低，易推广，具有很强的实用性。

Description

基于车辆控制器局域网数据信息的驾驶风格状态辨识方法
技术领域
本发明属于汽车智能交互技术领域，特别是涉及到一种基于车辆控制器局域网信息的驾驶员风格状态辨识方法。
背景技术
随着人工智能时代的到来，越来越多的现代汽车智能技术开始出现并逐渐成为主流，交通的形式也开始朝着网联化方向发展，交通环境内的信息量也不断增长。每个车辆驾驶员的驾驶风格成为了车辆的独特标签，在此基础上便可以通过辨识区域内的车辆驾驶风格对交通网络进行智能预警和调控，避免危险事故的发生。准确、快速、实时辨识驾驶员风格状态，对于推进车联网技术发展以及提高驾驶员驾驶安全水平有着极其重要的作用。
现阶段的驾驶风格状态辨识方法，主要通过基础统计方法对采集到的参数数据进行分析，且涉及到的参数种类较少；由于这种统计方法比较笼统，只能发掘数据的宏观规律和特点，且无法全面对风格状态进行描述辨识，使得这种方法辨识准确度低，对复杂操作的可辨识能力较弱，会遗失大量驾驶员的驾驶特征，实用性受限。
发明内容
本发明所要解决的技术问题是：提供基于车辆控制器局域网信息的驾驶风格状态辨识方法，用以解决现有技术中驾驶员驾驶风格辨识准确度低，无法提取驾驶员显著驾驶特征,实用性不强的问题，实现驾驶员驾驶风格状态的准确辨识,且可以根据不同的操作场景提供相应的辨识子结果，有利于提高对驾驶员特点进行更深入的分析，提高了方法的环境适应性。
基于车辆控制器局域网数据信息的驾驶风格状态辨识方法，其特征是：包括以下步骤，且以下步骤顺次进行，
步骤一、驾驶员驾驶车辆，通过车载自诊断系统端口采集并存储车辆控制器局域网数据，得到行车数据库；
步骤二、根据步骤一获得的行车数据库，通过时间序列符号化算法，提取当前数据条件下的数据特征，获得特征数据片段；
步骤三、将步骤二获得的特征数据片段进行分析，统计不同参数的数据片段出现频次，获得子风格辨识结果，获得当前数据条件下子风格驾驶状态辨识结果；
步骤四、车辆行驶过程中，重复步骤一至步骤三，连续进行驾驶风格结果的修正迭代，获得驾驶风格评价结果。
所述步骤一中行车数据通过车载设备的数据存储模块进行存储。
所述步骤一中行车数据包括车辆本体各结构部件参数和车辆运动参数，其中车辆本体各结构部件参数至少包括以下之一，发动机燃油系统参数组、发动机曲柄连杆机构参数组、发动机进排气系统参数组、制动系统参数组以及转向系统参数组；车辆运动参数至少包括以下之一，车辆速度、纵向加速度以及侧向加速度。
所述步骤二中，时间序列符号化算法对特征数据片段进行提取的方法为，
步骤一、原始序列规范化
将时间序列T＝{t1，t2，...，tn}转换为标准序列T'，标准序列T'的均值为0，标准差为1；
步骤二、数据降维
通过分段集成近似PAA进行降维，将步骤一获得的长为n的标准序列T'转换为长为w的序列
Figure BDA0002232976330000021
PAA将原始序列分成等长的w段子序列，用每段子序列的均值来代替原子序列；
步骤三、离散化字符表示
跟据选定字母集，利用高斯分布查找区间分裂点βi，将PAA映射转换为相应字符，获得离散化目标字符串
Figure BDA0002232976330000022
所述步骤三中特征数据片段分析的方法为组合临近3个符号化数据点形成数据片段作为驾驶风格辨识数据单位，根据字符的组合辨识各种操作行为。
所述步骤四驾驶风格评价结果
Figure BDA0002232976330000023
其中，根据对车速数据进行分析的速度倾向性辨识得到vs，根据对纵向加速度数据进行分析的变速倾向性辨识得到cs，根据对加速踏板位置数据进行分析的加速倾向性辨识得到as，根据对制动压力数据进行分析的制动倾向性辨识得到ds，根据对方向盘转角数据进行分析的转向倾向性辨识得到ts，根据对方向盘转动角速度数据进行分析的急转倾向性辨识得到tas，根据对侧向加速度数据进行分析的侧翻倾向辨识得到rs，根据对发动机负载数据进行分析的汽车负载风格辨识得到ls，根据对发动机转速和扭矩数据进行组合分析的汽车经济性风格辨识得到rns，根据对急转倾向性辨识结果和速度倾向性辨识结果进行组合分析的汽车高速转向风格辨识得到tavs，根据对制动倾向性辨识结果和速度倾向性辨识结果进行组合分析的汽车高速制动风格辨识得到dvs，根据对侧翻倾向辨识结果和速度倾向性辨识结果进行组合分析的汽车高速侧翻风格辨识得到rvs。
通过上述设计方案，本发明可以带来如下有益效果：基于车辆控制器局域网数据信息的驾驶风格状态辨识方法，根据采集储存的车辆参数数据和车辆运动参数数据，通过时间序列符号化算法处理得到驾驶风格字符序列，根据每个参数的变化特点，通过组合临近多个字符得到风格辨识数据片段，根据对数据片段的统计分析提取得到当前驾驶员驾驶风格状态的特征，通过特征得到当前数据量下的驾驶风格状态辨识结果，时间逐渐延长，采集储存数据量逐渐增加，通过重复上述步骤得到风格状态辨识的迭代结果，迭代结果将无限收敛于驾驶员的真实驾驶风格，这种不断迭代的驾驶员风格状态辨识方法，提高了辨识准确度，可以不断修正辨识结果，具有很强的实用性。
进一步的：通过上述方法实现，对不同操作导致的风格和状态进行了分别辨识评价并形成最终结果。
通过不断扩充得到新的行车数据库，重复处理，不断进行辨识结果的修正迭代，辨识结果将无限收敛于驾驶员的真实驾驶风格。
通过上述方法步骤实现驾驶员驾驶风格状态的准确辨识，且可以根据不同的操作场景提供相应的辨识子结果，有利于提高对驾驶员特点进行更深入的分析，提高了方法的环境适应性。
附图说明
以下结合附图和具体实施方式对本发明作进一步的说明：
图1为本发明驾驶风格状态辨识方法实施实例流程示意图。
图2为本发明使用时间序列算法对驾驶数据特征进行提取实例流程示意图。
具体实施方式
基于车辆控制器局域网数据信息的驾驶风格状态辨识方法，如图1和图2所示，包括以下步骤，
步骤S101，采集并存储车辆控制器局域网数据信息，同时还应记录车辆运行实时影像；
具体的，通过CAN总线数据读取设备采集并储存车辆参数数据和车辆运动参数数据，所述的车辆参数数据包括但不限于：四轮轮速、方向盘转角、方向盘转动角速度、发动机转速、发动机扭矩、发动机负载、制动压力、加速踏板位置、节气阀门角度；所述的车辆运动参数包括但不限于：车辆速度、纵向加速度、侧向加速度。通过车载行车记录仪或其他图像记录设备实时采集并储存行车影像，包括跟驰前车、变道、超车等情景。
步骤S102，通过时间序列符号化算法对当前数据进行特征提取，得到当前驾驶员的驾驶数据变化特征；
具体的，提取过程如图2所示，分为S201至S204四个步骤：
步骤S201，根据收集得到的数据形成原始时间序列，对原始时间序列进行规范化处理；
具体的，将时间序列T＝{t1，t2，...，tn}转换为标准序列T'，其均值为0同时标准差为1，可以直接应用Z-Normalize标准化处理实现。
步骤S202，通过规范化处理后的数据序列仍然存在高维的特点，继续进行数据降维处理；
具体的，通过分段集成近似PAA进行降维，将长为n的原始时间序列T'转换长为w的序列
Figure BDA0002232976330000041
PAA把原始序列分成等长的w段子序列，然后用每段子序列的均值来代替这段子序列。
步骤S203，根据得到的降维后时间序列，继续进行字符化表示处理；
具体的，依据选定大小的字母集，利用高斯分布来查找区间分裂点βi，根据具体参数的不同选择相应数量分裂点，绝大多数参数采用9分裂点的方案，其分裂点集为[-1.28,-0.84,-0.52,-0.25,0,0.25,0.52,0.84,1.28]；从而将PAA映射转换为相应字符，最终得到离散化目标字符串
Figure BDA0002232976330000051
步骤S204，根据上述步骤得到字符化后的参数字符集，组合字符数据得到字符串集并进行频次分析；
具体的，组合临近3个符号化数据点形成数据片段作为驾驶风格辨识数据单位，可根据字符的组合情况可辨识不同的操作行为；以字符总量为5的符号化处理后字符串数据为例，参数的变化特征包括但不限于：abc表示当前参数均匀增大，edc表示当前参数均匀减小；ace表示当前参数以较大的加速度均匀增大，eca表示当前参数以较大的减速度均匀减小；acd、ade表示当前参数有急速增大现象，且后者急变趋势更加激进；aba、aca、ada、aea表示当前参数经过一次增大后修正，且参数急变趋势逐渐激进。
步骤S103，根据数据特征进行驾驶风格辨识，首先进行子风格状态辨识，其次，合成子结果得到最终辨识结果；
具体的，辨识过程如图2所示，分为S205至S206两个步骤：
步骤S205，通过对字符串数据的频次分析，从而得到各参数的子风格状态辨识结果；
具体的，据分析结果将每个参数的驾驶状态风格划分为5个或3个等级再给出最终辨识结论；5个驾驶风格等级分别对应安全级别评分数值为1、2、3、4、5；3个驾驶风格等级为激进、正常、保守，分别对应安全级别评分数值为1、3、5；对于组合参数指标，其安全级别评分数值有20个数值，具体取值集为n＝[0.2,0.25,0.33,0.4,0.5,0.6,0.66,0.75,0.8,0.99,1,1.25,1.33,1.5,1.66,2,2.5,3,4,5]，驾驶风格等级为激进、正常、保守，数值对应情况如下表：
Figure BDA0002232976330000052
Figure BDA0002232976330000061
其中，表格第二行第一列，第三行第一列和第二列，第四行第一列至第三列，第五行第一列至第四列代表激进风格状态，取值集记为n1；表格第一行第一列至第三列，第二行第二列和第三列，第三行第三列至第五列，代表正常风格状态，取值集记为n2；表格第一行第四列和第五列，第二行第四列和第五列代表保守风格状态，取值集记为n3；
每个参数的特点进行子风格状态辨识，具体包括但不限于：
根据对车速数据进行分析的速度倾向性辨识，其速度风格安全级别评分数值记作vs，数值对应易极高速、易高速、正常、易低速、易极低速；
根据对纵向加速度数据进行分析的变速倾向性辨识，其变速风格安全级别评分数值记作cs，数值对应易急变速、正常、保守；
根据对加速踏板位置数据进行分析的加速倾向性辨识，其加速风格安全级别评分数值记作as，数值对应易急加速、正常、保守；
根据对制动压力数据进行分析的制动倾向性辨识，其制动风格安全级别评分数值记作ds，数值对应易紧急制动、正常、保守；
根据对方向盘转角数据进行分析的转向倾向性辨识，其转向风格安全级别评分数值记作ts，数值对应易极大角度转向、正常、保守；
根据对方向盘转动角速度数据进行分析的急转倾向性辨识，其急转风格安全级别评分数值记作tas，数值对应易急转向、正常、保守；
根据对侧向加速度数据进行分析的侧翻倾向辨识，其侧翻倾向安全级别评分数值记作rs，数值对应极易侧翻、正常、保守；
根据对发动机负载数据进行分析的汽车负载风格辨识，其使用风格安全级别评分数值记作ls，数值对应超高负荷运行、正常、保守；
根据对发动机转速和扭矩数据进行组合分析的汽车经济性风格辨识，其经济性风格安全级别评分数值记作rns，其中各参数关系有
Figure BDA0002232976330000062
Pe为当前发动机输出功率，Ttq为当前发动机输出扭矩，ne为当前发动机转速。结合当前发动机的发动机万有特性曲线图，从而可以确定当前发动机是否处于经济区间以及与经济区间的距离。rns数值对应高消耗运行、正常、保守；
根据对急转倾向性辨识结果和速度倾向性辨识结果进行组合分析的汽车高速转向风格辨识，其高速转向风格安全级别评分数值记作tavs，其中
Figure BDA0002232976330000071
tavs的取值范围为n，当tavs分别属于n1、n2、n3时对应高速转向行为危险、正常、高速转向行为安全；
根据对制动倾向性辨识结果和速度倾向性辨识结果进行组合分析的汽车高速制动风格辨识，其高速制动风格安全级别评分数值记作dvs，其中
Figure BDA0002232976330000072
dvs的取值范围为n，当dvs分别属于n1、n2、n3时对应高速制动行为危险、正常、高速制动行为安全；
根据对侧翻倾向辨识结果和速度倾向性辨识结果进行组合分析的汽车高速侧翻风格辨识，其高速侧翻风格安全级别评分数值记作rvs，其中
Figure BDA0002232976330000073
rvs的取值范围为n，当rvs分别属于n1、n2、n3时对应高速驾驶易侧翻、正常、高速驾驶侧向稳定。
步骤S206，根据子辨识结果形成最终辨识结果；
具体的，最终辨识结果
Figure BDA0002232976330000074
其中对上述12个参数进行权重分配，对影响安全较显著的参数tavs，dvs，rvs分配较大的权重；p取值区间为[1，5]，当p∈[1，1.5)，则当前驾驶员风格状态属于激进；当p∈[1.5，2.5)，则当前驾驶员风格状态属于较激进；当p∈[2.5，3.5)，则当前驾驶员风格状态属于正常；当p∈[3.5，4.5)，则当前驾驶员风格状态属于较保守；当p∈[4.5，5]，则当前驾驶员风格状态属于保守。
步骤S104，根据不断增加的行车数据，重复辨识；
具体的，通过不断扩充得到新的行车数据库，重复处理，不断进行辨识结果的修正迭代，辨识结果将无限收敛于驾驶员的真实驾驶风格。
现阶段的驾驶风格状态辨识方法，主要通过基础统计方法对采集到的参数数据进行分析，且涉及到的参数种类较少；由于这种统计方法比较笼统，只能发掘数据的宏观规律和特点，且无法全面对风格状态进行描述辨识，使得这种方法辨识准确度低，对复杂操作的可辨识能力较弱，会遗失大量驾驶员的驾驶特征，实用性受限。
本发明提供了一种基于车辆控制器局域网数据信息的驾驶员风格状态辨识方法，解决了现有技术中涉及参数种类较少，驾驶员驾驶风格辨识准确度低，无法提取驾驶员显著驾驶特征,实用性不强的问题，提高了对复杂操作的可辨识能力，辨识了大量驾驶员的驾驶特征，实用性很强。
本发明应用了时间序列符号化算法对驾驶风格状态进行了深入辨识，实施实例中分别对12个单参数和组合参数进行了子风格状态辨识得到辨识结果，确定了分数数值与风格状态的对应关系，除了可以形成最终辨识结果外，子辨识结果也可以用于特定驾驶情景下的相关分析，进一步的应用空间非常广阔。
以上所述，仅为本发明方法的实施实例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (1)

1.基于车辆控制器局域网数据信息的驾驶风格状态辨识方法，包括以下步骤，且以下步骤顺次进行，
步骤一、驾驶员驾驶车辆，通过车载自诊断系统端口采集并存储车辆控制器局域网数据，得到行车数据库；
步骤二、根据步骤一获得的行车数据库，通过时间序列符号化算法，提取当前数据条件下的数据特征，获得特征数据片段；
步骤三、将步骤二获得的特征数据片段进行分析，统计不同参数的数据片段出现频次，获得子风格辨识结果，获得当前数据条件下子风格驾驶状态辨识结果；
步骤四、车辆行驶过程中，重复步骤一至步骤三，连续进行驾驶风格结果的修正迭代，获得驾驶风格评价结果；
其特征是：所述步骤四驾驶风格评价结果
Figure DEST_PATH_IMAGE003
其中，根据对车速数据进行分析的速度倾向性辨识得到
Figure DEST_PATH_IMAGE005
，根据对纵向加速度数据进行分析的变速倾向性辨识得到
Figure DEST_PATH_IMAGE008
，根据对加速踏板位置数据进行分析的加速倾向性辨识得到
Figure DEST_PATH_IMAGE011
，根据对制动压力数据进行分析的制动倾向性辨识得到
Figure DEST_PATH_IMAGE014
，根据对方向盘转角数据进行分析的转向倾向性辨识得到
Figure DEST_PATH_IMAGE017
，根据对方向盘转动角速度数据进行分析的急转倾向性辨识得到
Figure DEST_PATH_IMAGE020
，根据对侧向加速度数据进行分析的侧翻倾向辨识得到
Figure DEST_PATH_IMAGE023
，根据对发动机负载数据进行分析的汽车负载风格辨识得到
Figure DEST_PATH_IMAGE026
，根据对发动机转速和扭矩数据进行组合分析的汽车经济性风格辨识得到
Figure DEST_PATH_IMAGE029
，根据对急转倾向性辨识结果和速度倾向性辨识结果进行组合分析的汽车高速转向风格辨识得到
Figure DEST_PATH_IMAGE032
，根据对制动倾向性辨识结果和速度倾向性辨识结果进行组合分析的汽车高速制动风格辨识得到
Figure DEST_PATH_IMAGE035
，根据对侧翻倾向辨识结果和速度倾向性辨识结果进行组合分析的汽车高速侧翻风格辨识得到
Figure DEST_PATH_IMAGE038
；
根据对车速数据进行分析的速度倾向性辨识，其速度风格安全级别评分数值记作
Figure DEST_PATH_IMAGE041
；
根据对纵向加速度数据进行分析的变速倾向性辨识，其变速风格安全级别评分数值记作
Figure DEST_PATH_IMAGE044
；
根据对加速踏板位置数据进行分析的加速倾向性辨识，其加速风格安全级别评分数值记作
Figure DEST_PATH_IMAGE047
；
根据对制动压力数据进行分析的制动倾向性辨识，其制动风格安全级别评分数值记作
Figure DEST_PATH_IMAGE050
；
根据对方向盘转角数据进行分析的转向倾向性辨识，其转向风格安全级别评分数值记作
Figure DEST_PATH_IMAGE053
；
根据对方向盘转动角速度数据进行分析的急转倾向性辨识，其急转风格安全级别评分数值记作
Figure DEST_PATH_IMAGE056
；
根据对侧向加速度数据进行分析的侧翻倾向辨识，其侧翻倾向安全级别评分数值记作
Figure DEST_PATH_IMAGE059
；
根据对发动机负载数据进行分析的汽车负载风格辨识，其使用风格安全级别评分数值记作
Figure DEST_PATH_IMAGE062
；
根据对发动机转速和扭矩数据进行组合分析的汽车经济性风格辨识，其经济性风格安全级别评分数值记作
Figure DEST_PATH_IMAGE065
；
根据对急转倾向性辨识结果和速度倾向性辨识结果进行组合分析的汽车高速转向风格辨识，其高速转向风格安全级别评分数值记作
Figure DEST_PATH_IMAGE068
；
根据对制动倾向性辨识结果和速度倾向性辨识结果进行组合分析的汽车高速制动风格辨识，其高速制动风格安全级别评分数值记作
Figure DEST_PATH_IMAGE071
；
根据对侧翻倾向辨识结果和速度倾向性辨识结果进行组合分析的汽车高速侧翻风格辨识，其高速侧翻风格安全级别评分数值记作
Figure DEST_PATH_IMAGE074
；
根据子辨识结果形成最终辨识结果p；
所述步骤二中，时间序列符号化算法对特征数据片段进行提取的方法为，
步骤1、原始序列规范化
将时间序列
Figure DEST_PATH_IMAGE077
转换为标准序列T'，标准序列T'的均值为0，标准差为1；
步骤2、数据降维
通过分段集成近似PAA进行降维，将步骤1获得的长为n的标准序列T'转换为长为w的序列
Figure DEST_PATH_IMAGE080
；PAA将原始序列分成等长的w段子序列，用每段子序列的均值来代替原子序列；
步骤3、离散化字符表示
跟据选定字母集，利用高斯分布查找区间分裂点
Figure DEST_PATH_IMAGE083
，将PAA映射转换为相应字符，获得离散化目标字符串
Figure DEST_PATH_IMAGE086
。
CN201910973833.9A 2019-10-14 2019-10-14 基于车辆控制器局域网数据信息的驾驶风格状态辨识方法 Active CN110667597B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910973833.9A CN110667597B (zh) 2019-10-14 2019-10-14 基于车辆控制器局域网数据信息的驾驶风格状态辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910973833.9A CN110667597B (zh) 2019-10-14 2019-10-14 基于车辆控制器局域网数据信息的驾驶风格状态辨识方法

Publications (2)

Publication Number Publication Date
CN110667597A CN110667597A (zh) 2020-01-10
CN110667597B true CN110667597B (zh) 2021-07-23

Family

ID=69082448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910973833.9A Active CN110667597B (zh) 2019-10-14 2019-10-14 基于车辆控制器局域网数据信息的驾驶风格状态辨识方法

Country Status (1)

Country Link
CN (1) CN110667597B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115034337B (zh) * 2022-08-10 2022-11-01 江西科骏实业有限公司 一种轨道交通车辆中牵引电机状态辨识方法及装置、介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106828503A (zh) * 2017-02-15 2017-06-13 武汉理工大学 一种驾驶员制动行为及状态实时辨识方法
CN107526906A (zh) * 2017-10-11 2017-12-29 吉林大学 一种基于数据采集的驾驶风格辨识装置及方法
CN107697070A (zh) * 2017-09-05 2018-02-16 百度在线网络技术（北京）有限公司 驾驶行为预测方法和装置、无人车
CN109263578A (zh) * 2018-10-17 2019-01-25 汉纳森（厦门）数据股份有限公司 车辆安全驾驶方法、介质及装置
CN109436085A (zh) * 2018-11-13 2019-03-08 常熟理工学院 一种基于驾驶风格的线控转向系统传动比控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9428196B2 (en) * 2012-09-19 2016-08-30 Toyota Jidosha Kabushiki Kaisha Vehicle driving behavior predicting device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106828503A (zh) * 2017-02-15 2017-06-13 武汉理工大学 一种驾驶员制动行为及状态实时辨识方法
CN107697070A (zh) * 2017-09-05 2018-02-16 百度在线网络技术（北京）有限公司 驾驶行为预测方法和装置、无人车
CN107526906A (zh) * 2017-10-11 2017-12-29 吉林大学 一种基于数据采集的驾驶风格辨识装置及方法
CN109263578A (zh) * 2018-10-17 2019-01-25 汉纳森（厦门）数据股份有限公司 车辆安全驾驶方法、介质及装置
CN109436085A (zh) * 2018-11-13 2019-03-08 常熟理工学院 一种基于驾驶风格的线控转向系统传动比控制方法

Also Published As

Publication number Publication date
CN110667597A (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
CN111599181B (zh) 用于智能驾驶系统测试的典型自然驾驶场景识别提取方法
CN110949398B (zh) 一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法
CN107662503B (zh) 基于加速与制动踏板状态的电动汽车制动意图辨识方法
CN110386144B (zh) 一种对驾驶人制动意图进行辨识的ghmm/ggap-rbf混合模型及辨识方法
CN110490275A (zh) 一种基于迁移学习的驾驶行为预测方法
CN113722835B (zh) 拟人化随机换道驾驶行为建模方法
CN114140903B (zh) 一种基于决策树生成规则的道路类型识别车载装置
CN110727706A (zh) 一种面向智能网联汽车测试的风险驾驶场景快速提取与分级方法
CN112668779A (zh) 基于自适应高斯过程的前车运动状态预测方法
CN110667597B (zh) 基于车辆控制器局域网数据信息的驾驶风格状态辨识方法
CN115077936B (zh) 一种车辆自适应巡航系统驾乘性能测评方法
JP2022089806A (ja) 車両の動作プロファイルのモデリング
CN113642114B (zh) 可犯错的拟人化随机跟车驾驶行为建模方法
CN111907523A (zh) 一种基于模糊推理的车辆跟驰寻优控制方法
US10807602B2 (en) Evaluating apparatus
US11562272B2 (en) Evaluating apparatus
Canale et al. Personalization of ACC Stop and Go task based on human driver behaviour analysis
CN114162132B (zh) 一种基于主客观评价的驾驶模式识别方法
CN113743466B (zh) 一种基于决策树的道路类型识别方法及系统
CN115935642A (zh) 基于事故信息的智能车极端测试场景自动生成方法与系统
CN115688003A (zh) 驾驶员识别方法、装置、计算机设备及可读存储介质
CN114818381A (zh) 自动驾驶汽车测试场景库的构建方法
CN115482662A (zh) 一种危险工况下驾驶员避撞行为预测方法及系统
CN113954855A (zh) 一种汽车驾驶模式自适应匹配方法
CN105869412A (zh) 一种基于车辆行驶数据的急加速行为识别方法

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