CN112464160B - 一种基于模拟驾驶器的制动失效驾驶员行为建模方法 - Google Patents

一种基于模拟驾驶器的制动失效驾驶员行为建模方法 Download PDF

Info

Publication number
CN112464160B
CN112464160B CN202011322100.8A CN202011322100A CN112464160B CN 112464160 B CN112464160 B CN 112464160B CN 202011322100 A CN202011322100 A CN 202011322100A CN 112464160 B CN112464160 B CN 112464160B
Authority
CN
China
Prior art keywords
driver
test
data
steering wheel
vehicle
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
CN202011322100.8A
Other languages
English (en)
Other versions
CN112464160A (zh
Inventor
蔡锦康
赵蕊
邓伟文
丁娟
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.)
Zhejiang Tianxingjian Intelligent Technology Co ltd
Original Assignee
Zhejiang Tianxingjian Intelligent 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 Zhejiang Tianxingjian Intelligent Technology Co ltd filed Critical Zhejiang Tianxingjian Intelligent Technology Co ltd
Priority to CN202011322100.8A priority Critical patent/CN112464160B/zh
Publication of CN112464160A publication Critical patent/CN112464160A/zh
Application granted granted Critical
Publication of CN112464160B publication Critical patent/CN112464160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Regulating Braking Force (AREA)

Abstract

本发明公开了一种基于模拟驾驶器的制动失效驾驶员行为建模方法，该方法的步骤包括：基于模拟驾驶器进行驾驶员在环模拟驾驶试验，采集试验车辆遇到障碍物并且制动失效情况下的车辆数据，车辆数据包括试验车辆与障碍物的相对纵向距离、纵向相对速度，方向盘转角、方向盘角速度和油门开度；处理试验数据，将数据切分为训练数据和测试数据；使用训练数据通过高斯过程回归算法建立制动失效驾驶员行为模型；使用测试数据进行模型测试；得到可接受的制动失效驾驶员行为模型。本发明运用模拟驾驶器进行模拟驾驶试验，采集制动失效工况下的车辆数据，通过高斯过程回归算法建模，得到高准确度的制动失效驾驶员行为模型，具有计算量小和成本低的优点。

Description

一种基于模拟驾驶器的制动失效驾驶员行为建模方法
技术领域
本发明涉及交通安全技术领域，特别涉及一种基于模拟驾驶器的制动失效驾驶员行为建模方法。
背景技术
随着我国公路里程和人均汽车保有量的不断提升，汽车已经逐渐成为各个家庭出行的必备工具，然而，这同时也带来了与交通事故相关的事故发生量的提升，对人们的生命和财产安全造成了一定负面影响。在车辆行驶中制动失效情况下，驾驶员倾向于进行大幅度转动方向盘，严重偏移驾驶轨迹等行为，从而对周围车辆和行人造成威胁，是一种对驾驶安全有重大威胁的问题，有必要对该工况下的驾驶员行为进行深入研究。
由于技术条件限制，在事故发生以后，大部分情况下，相关工作人员只能根据相关物理痕迹进行事故发生过程推演，从而调查事故原因或评估事故责任。随着模拟驾驶技术的不断发展，模拟驾驶工况与真实工况之间的差距在不断缩小，且模拟驾驶具有成本低廉，使用方便等优点，可用于进行交通事故复现。
专利CN201810616390.3提出了一种基于模拟驾驶平台的驾驶员驾驶模式分析系统及分析方法，其收集模拟驾驶期间驾驶员的脑电信息和肌肉电流信号，从而对驾驶员的驾驶模式进行分析，并不涉及针对制动失效情况的驾驶员行为建模，也不涉及车辆动力学信号的分析和高斯过程回归建模，且存在计算量大，系统搭建复杂，成本高昂等问题。
发明内容
为了解决现有技术的问题，本发明的主要目的在于提供一种基于模拟驾驶器的制动失效驾驶员行为建模方法，以模拟驾驶系统试验数据为基础，得到针对制动失效工况的驾驶员行为模型。
为了达到上述目的，本发明提供一种基于模拟驾驶器的制动失效驾驶员行为建模方法，包括以下步骤：
基于模拟驾驶器进行驾驶员在环模拟驾驶试验，模拟驾驶试验时在模拟道路中预设障碍物，采集试验车辆在行驶中遇到障碍物并且制动失效情况下的车辆数据，所述车辆数据包括试验车辆与障碍物的相对纵向距离、纵向相对速度，试验车辆的方向盘转角、方向盘角速度和油门开度；
处理模拟驾驶试验采集的数据，将数据按比例随机分为训练数据和测试数据；
使用训练数据通过高斯过程回归算法建立制动失效驾驶员行为模型；
使用测试数据进行制动失效驾驶员行为模型测试；
得到测试结果合格的制动失效驾驶员行为模型。
优选地，在模拟驾驶试验中，所述模拟道路包括城市道路和高速道路，且均为直行道路。
优选地，在模拟驾驶试验中，当试验车辆与障碍物出现位置之间的距离小于一定阈值时，屏蔽试验车辆制动信号，使试验车辆制动失效，并以一定的频率采集所述车辆数据，直至试验车辆与障碍物相撞或成功避开障碍物。
优选地，所述阈值在城市道路中时为5m，在高速道路中时为10m。
优选地，采集所述车辆数据的频率为100Hz。
其中，所述障碍物为行人、大型动物和车辆的其中一种或多种。大型动物譬如麋鹿、牛、羊、狼、狗等，还譬如大型猫科动物狮子、虎等路面常见动物。
优选地，处理模拟驾驶试验采集的数据时，将数据按7:3的比例随机分为训练数据和测试数据。
优选地，建立制动失效驾驶员行为模型时，输入变量为试验车辆与障碍物的相对纵向距离、纵向相对速度，输出变量为方向盘转角、方向盘角速度和油门开度。
进一步地，使用测试数据进行制动失效驾驶员行为模型测试时，将测试数据中的方向盘转角、方向盘角速度输入模型中，得到所有测试数据对应的方向盘转角、方向盘角速度、油门开度的预测值；计算方向盘转角、方向盘角速度、油门开度的预测值与真实值之间的均方误差。
更进一步地，若所述向盘转角、方向盘角速度、油门开度的预测值与真实值之间的均方误差分别小于0.15，0.1，0.1，则表示测试结果合格，制动失效驾驶员行为模型建模成功。否则，重新进行模拟驾驶试验采集数据。
由于采用上述技术方案，本发明达到以下技术效果：本发明以模拟驾驶器试验为基础，采集试验车辆在制动失效情况下与驾驶员行为相关联的车辆数据，再通过高斯过程回归算法建模，得到制动失效驾驶员行为模型，具有计算量小，成本较低的有益效果。
附图说明
图1为根据本发明的基于模拟驾驶器的制动失效驾驶员行为建模方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明，下面将结合实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所做的等效变化与修饰前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
请结合图1，本实施例提供一种基于模拟驾驶器的制动失效驾驶员行为建模方法，包括如下步骤：
S 1.进行模拟驾驶试验：
在模拟驾驶器上进行危险驾驶的驾驶员在环试验。进行模拟驾驶试验的驾驶员应为熟练的有驾驶执照的人员。模拟驾驶试验中，模拟道路包括城市道路和高速道路，且均为直行道路。模拟道路中预设障碍物，障碍物可为人、大型动物、车辆等的其中一种或几种。本实施例中，障碍物出现在试验车辆的前方一定距离，城市道路中，该距离设定为5m，高速道路中，该距离设定为10m。试验中采集的车辆数据有试验车辆与障碍物的相对纵向距离、试验车辆与障碍物的纵向相对速度，方向盘转角、方向盘角速度、油门开度。当试验车辆与预设障碍物出现位置之间的距离小于一定阈值(城市道路为5m，高速道路为10m)，则屏蔽试验车辆制动信号，使试验车辆制动失效，在制动失效情况下驾驶员的行为趋向于让试验车辆规避障碍物，在此过程中，以100Hz频率不断采集车辆动力学信号，即与驾驶员行为相关联的所述车辆数据，直至试验车辆与障碍物相撞或成功避开障碍物。
S2.试验数据切分：
将模拟驾驶试验采集的车辆数据以7:3比例随机切分为训练数据和验证数据。
S3.训练模型：
根据训练数据，使用高斯过程回归算法进行驾驶员行为建模，建模时输入变量为试验车辆与障碍物的相对纵向距离、试验车辆与障碍物的纵向相对速度，输出变量为方向盘转角、方向盘角速度、油门开度。建模后得到制动失效驾驶员行为模型。
S4.测试模型：
使用测试数据进行制动失效驾驶员行为模型测试，将测试数据的方向盘转角、方向盘角速度输入模型中，得到方向盘转角、方向盘角速度、油门开度的预测值；计算所有测试数据对应的方向盘转角、方向盘角速度、油门开度的预测值，并计算方向盘转角、方向盘角速度、油门开度的预测值与真实值之间的均方误差。
S5.判断模型是否可接受：
若S4中获得的方向盘转角、方向盘角速度、油门开度的预测值与真实值之间的均方误差分别小于0.15，0.1，0.1，则表示测试结果合格，模型可接受，即制动失效驾驶员行为模型建模成功，否则重新进行模拟驾驶试验。
S6.输出所得预测模型。
输出测试结果合格的制动失效驾驶员行为模型。
根据本发明的建模方法，可获得车辆在制动失效情况下的驾驶员行为模型，从而用于事故后根据方向盘转角、方向盘角速度对交通事故复原。该建模方法基于模拟驾驶器试验，具有计算量小，成本低的优势，克服了现有技术的不足。
以上所述仅为本发明较佳的实施方式，并非用以限定本发明的保护范围；同时，以上的描述对于相关技术领域中具有通常知识者应可明了并据以实施，因此其他未脱离本发明所揭露概念下所完成之等效改变或修饰，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于模拟驾驶器的制动失效驾驶员行为建模方法，其特征在于，包括以下步骤：
基于模拟驾驶器进行驾驶员在环模拟驾驶试验，模拟驾驶试验时在模拟道路中预设障碍物，采集试验车辆在行驶中遇到障碍物并且制动失效情况下的车辆数据，所述车辆数据包括试验车辆与障碍物的相对纵向距离、纵向相对速度，试验车辆的方向盘转角、方向盘角速度和油门开度；在模拟驾驶试验中，当试验车辆与障碍物出现位置之间的距离小于一定阈值时，屏蔽试验车辆制动信号，使试验车辆制动失效，并以一定的频率采集所述车辆数据，直至试验车辆与障碍物相撞或成功避开障碍物；
处理模拟驾驶试验采集的数据，将数据按比例随机分为训练数据和测试数据；
使用训练数据通过高斯过程回归算法建立制动失效驾驶员行为模型；建立制动失效驾驶员行为模型时，输入变量为试验车辆与障碍物的相对纵向距离、纵向相对速度，输出变量为方向盘转角、方向盘角速度和油门开度；
使用测试数据进行制动失效驾驶员行为模型测试；
得到测试结果合格的制动失效驾驶员行为模型。
2.根据权利要求1所述一种基于模拟驾驶器的制动失效驾驶员行为建模方法，其特征在于，在模拟驾驶试验中，所述模拟道路包括城市道路和高速道路，且均为直行道路。
3.根据权利要求1所述一种基于模拟驾驶器的制动失效驾驶员行为建模方法，其特征在于，所述阈值在城市道路中时为5m，在高速道路中时为10m。
4.根据权利要求1所述一种基于模拟驾驶器的制动失效驾驶员行为建模方法，其特征在于，采集车辆数据的频率为100Hz。
5.根据权利要求1至4任一所述一种基于模拟驾驶器的制动失效驾驶员行为建模方法，其特征在于，所述障碍物为行人、大型动物和车辆的其中一种或多种。
6.根据权利要求1所述一种基于模拟驾驶器的制动失效驾驶员行为建模方法，其特征在于，处理模拟驾驶试验采集的数据时，将数据按7:3的比例随机分为训练数据和测试数据。
7.根据权利要求1所述一种基于模拟驾驶器的制动失效驾驶员行为建模方法，其特征在于，使用测试数据进行制动失效驾驶员行为模型测试时，将测试数据中的方向盘转角、方向盘角速度输入模型中，得到所有测试数据对应的方向盘转角、方向盘角速度、油门开度的预测值；计算方向盘转角、方向盘角速度、油门开度的预测值与真实值之间的均方误差。
8.根据权利要求7所述一种基于模拟驾驶器的制动失效驾驶员行为建模方法，其特征在于，若所述向盘转角、方向盘角速度、油门开度的预测值与真实值之间的均方误差分别小于0.15，0.1，0.1，则表示测试结果合格，制动失效驾驶员行为模型建模成功。
CN202011322100.8A 2020-11-23 2020-11-23 一种基于模拟驾驶器的制动失效驾驶员行为建模方法 Active CN112464160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011322100.8A CN112464160B (zh) 2020-11-23 2020-11-23 一种基于模拟驾驶器的制动失效驾驶员行为建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011322100.8A CN112464160B (zh) 2020-11-23 2020-11-23 一种基于模拟驾驶器的制动失效驾驶员行为建模方法

Publications (2)

Publication Number Publication Date
CN112464160A CN112464160A (zh) 2021-03-09
CN112464160B true CN112464160B (zh) 2021-11-26

Family

ID=74799602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011322100.8A Active CN112464160B (zh) 2020-11-23 2020-11-23 一种基于模拟驾驶器的制动失效驾驶员行为建模方法

Country Status (1)

Country Link
CN (1) CN112464160B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102765386A (zh) * 2011-05-05 2012-11-07 通用汽车环球科技运作有限责任公司 利用差动制动的车道居中故障安全控制
CN108423005A (zh) * 2017-02-15 2018-08-21 福特全球技术公司 用于自主车辆的基于反馈的控制模型的生成
CN109311474A (zh) * 2016-06-06 2019-02-05 罗伯特·博世有限公司 行人保护中的自主制动故障管理
CN110386145A (zh) * 2019-06-28 2019-10-29 北京理工大学 一种目标驾驶员驾驶行为实时预测系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837697A (zh) * 2019-10-25 2020-02-25 华南理工大学 一种智能车的智能交通仿真系统及其仿真方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102765386A (zh) * 2011-05-05 2012-11-07 通用汽车环球科技运作有限责任公司 利用差动制动的车道居中故障安全控制
CN109311474A (zh) * 2016-06-06 2019-02-05 罗伯特·博世有限公司 行人保护中的自主制动故障管理
CN108423005A (zh) * 2017-02-15 2018-08-21 福特全球技术公司 用于自主车辆的基于反馈的控制模型的生成
CN110386145A (zh) * 2019-06-28 2019-10-29 北京理工大学 一种目标驾驶员驾驶行为实时预测系统

Also Published As

Publication number Publication date
CN112464160A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
Risack et al. A video-based lane keeping assistant
CN109871599B (zh) 一种无人驾驶车辆运行安全指数评价方法
Zhao et al. From the lab to the street: Solving the challenge of accelerating automated vehicle testing
Zheng et al. Toward intelligent driver-assistance and safety warning system
CN106184220B (zh) 一种基于车辆定位轨迹的车道内异常驾驶检测方法
CN112466119B (zh) 一种利用车路协同数据的汽车跟车车速预测方法及系统
CN114077541A (zh) 验证用于自动驾驶车辆的自动控制软件的方法和系统
CN113635897B (zh) 一种基于风险场的安全驾驶预警方法
CN106777776A (zh) 一种基于支持向量机模型的车辆换道决策方法
Yu et al. Pavement roughness index estimation and anomaly detection using smartphones
CN112150816B (zh) 一种多车交互风险评估系统
CN112560782A (zh) 一种基于随机森林算法的车辆换道行为识别方法
KR20220109526A (ko) 차량 주행 위험 예측 시스템 및 그 방법
CN111813083A (zh) 场景任务复杂度量化模型
CN116034345A (zh) 用于测试驾驶员辅助系统的方法和系统
CN110020471A (zh) 一种自动驾驶汽车的功能仿真检测系统
Yu et al. The benefit of simulation test application on the development of autonomous driving system
CN113781471B (zh) 一种自动驾驶测试场系统及方法
CN112464160B (zh) 一种基于模拟驾驶器的制动失效驾驶员行为建模方法
CN113879211A (zh) 预防渣土车右转过程与非机动车发生冲突的提醒方法及系统
CN118014349A (zh) 一种隧道事故风险评估方法、系统及设备
Gillmeier et al. Combined driver distraction and intention algorithm for maneuver prediction and collision avoidance
CN112308171A (zh) 一种基于模拟驾驶器的车辆位置预测建模方法
CN111967129A (zh) 一种基于CarMaker仿真环境的纵向避障验证方法
CN115798182B (zh) 一种摩托车的智能安全管理方法及系统

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