考虑驾驶风格的车辆行驶危险度评价方法技术

本发明专利技术公开了一种考虑驾驶风格的车辆行驶危险度评价方法,克服了现有技术没有考虑到不同风格驾驶员驾驶习惯的差异，评估方法不够个性化、人性化的问题，其步骤：1)采用历史驾驶操纵数据对驾驶员激进程度进行评估；2)基于实时车辆运行数据并利用隐马尔科夫模型对行驶状态进行预测；3)对于不同的行驶状态，以不同的特征参量建立模糊控制器，对行驶危险度进行评估；4)利用驾驶员激进程度对行驶危险度进行修正得出最终行驶危险度：对于驾驶风险度在[0.3,0.7]范围内的值进行驾驶员激进程度的叠加修正，得到最终的行驶风险度输出结果；因此对于激进程度高或激进程度低的驾驶员，行驶风险度在[0.3,0.7]之内的值将增大或减小。

【技术实现步骤摘要】
考虑驾驶风格的车辆行驶危险度评价方法
本专利技术涉及一种智能交通系统主动安全
的交通安全评价方法，更确切地说，本专利技术涉及一种考虑驾驶风格的车辆行驶危险度评价方法。
技术介绍
随着经济的发展，汽车数量不断增加，交通压力增大，交通问题频繁发生，道路交通安全已经成为刻不容缓的问题，根据联合国统计，全世界每年约有120万人死于交通事故，带来了严重的经济损失和人员伤亡。车辆主动安全的本质，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检测，辨析和预测出驾驶风险状态并予以及时提醒，必要时主动介入车辆运行的干扰或控制。公开号为CN107784587A、公开日为2016.08.25的专利文献中公开了一种驾驶行为评价系统，该系统包括车载智能终端、云服务端、移动客户端和管理平台，其中车载智能终端利用图像识别模块、OBDII和传感器模块用于手机车辆数据并进行处理，传输至云服务端，云服务端安装有驾驶风险评分模型，周期性对驾驶数据进行计算评分，该系统通过多样的传感器获得了丰富的车辆数据信息和驾驶行为信息，但提高了系统成本，且大数据量降低了系统的运算速度，实时性不高。公开号为CN104527647A、公开日为2014.12.15的专利文献中公开了一种驾驶行为危险度检测评估方法，该方法通过实时采集方向盘转角、车速、纵向加速、横向加速度分别对加速、制动、超速、车道保持、换道的驾驶危险度进行监测评估，并根据在时间窗范围内得到的各危险度指标进行当前时刻的综合检测评估值，该方法采集CAN总线信号，以较低的成本，实现了实时的驾驶员驾驶危险度的监测评估，但该方法没有考虑到不同风格驾驶员驾驶习惯的差异，评估方法不够个性化、人性化。
技术实现思路
本专利技术所要解决的技术问题是克服了现有技术没有考虑到不同风格驾驶员驾驶习惯的差异，评估方法不够个性化、人性化的问题，提供了一种考虑驾驶员驾驶风格的车辆行驶危险度评价方法。为解决上述技术问题，本专利技术是采用如下技术方案实现的：所述的考虑驾驶风格的车辆行驶危险度评价方法包括步骤如下：1)采用历史驾驶操纵数据对驾驶员激进程度进行评估；2)基于实时车辆运行数据并利用隐马尔科夫模型对行驶状态进行预测；3)根据不同的行驶状态通过不同模糊控制器进行行驶危险度评估；4)利用驾驶员激进程度对行驶危险度进行修正：将驾驶风格修正模块对于驾驶风险度在[0.3,0.7]范围内的值与进行驾驶风格模糊推理模块得到的驾驶员激进程度的值求和，得到最终的行驶风险度输出结果；因此对于激进程度高的驾驶员，行驶风险度在[0.3,0.7]之内的值将增大，对于激进程度低的驾驶员，行驶风险度在[0.3,0.7]之内的值将减小。技术方案中所述的采用历史驾驶操纵数据对驾驶员激进程度进行评估是指：1)历史驾驶操纵数据包括加速度变化率Jerk的绝对值和方向盘转速，并使用数据采集模块进行数据采集；2)针对驾驶风格建立模糊控制器，输入加速度变化率Jerk绝对值的均值和方向盘转速的均值得到驾驶员激进程度的输出，加速度变化率Jerk绝对值均值的论域为[0,2]，模糊子集为{Low，Medium，High}，方向盘转速均值的论域为[0,40]，模糊子集为{Low，Medium，High}，输出论域为[-0.3,0.3]，模糊子集为{Low，Medium，High}，见表1。表1模糊规则技术方案中所述的基于实时车辆运行数据并利用隐马尔科夫模型对行驶状态进行预测是指：实时车辆运行数据包括速度、纵向加速度、侧向加速度、车头时距，并使用数据采集模块进行数据采集，获取车辆自由行驶、跟驰、换道三种状态的车辆运行数据样本，其中自由行驶状态定义为在本车道没有前车下的车辆直行状态；利用车辆行驶状态预测模块，以上述三种行驶状态为隐含状态，车辆运行数据样本为观测序列，隐马尔可夫模型算法如下所示。观测序列V＝{v1,v2,…,vM}，M为可观测状态的数量，t时刻的观测事件为Ot，隐状态S＝{q1,q2,q3,…,qN}，N为隐藏状态的数量，t时刻所处的状态为qt，模型参数λ＝(π，A，B)，其中A＝{αij}为状态转移概率矩阵，B＝{bj(k)}为状态j的观察概率矩阵，π＝{πi}为初始化状态分布，利用Baum-Welch理论进行参数优化，过程是将观测序列和模型初始参数λ＝(π，A，B)带入到以下的参数重估公式:式中：ξt(i，j)表示给定O和λ的情况下，t时刻状态为Si且t+1时刻状态变为Sj的概率，γt(i)表示给定O和λ的情况下，t时刻状态为Si的概率；通过参数重估得到一组更加理想的参数一般情况下时循环终止，经过多次带入重估后就能得到隐马尔可夫模型的最大似然解；基于训练后的隐马尔科夫模型，使用车辆的实际运行数据通过Viterbi算法进行隐状态的解码，以最大概率对应的观测向量的隐状态为当前的驾驶状态。技术方案中所述的根据不同的行驶状态通过不同模糊控制器进行行驶危险度评估是指：1)利用行驶风险度模糊推理模块对于自由行驶状态选择纵向加速度绝对值和横向加速度绝对值为特征参量，作为输入建立二输入单输出模糊控制器，输出值为驾驶风险度，纵向加速度绝对值论域为[0,8]，模糊子集为{Low，Medium，High}，横向加速度绝对值论域为[0,3]，模糊子集为{Low，Medium，High}，输出论域为[0,1]，模糊子集为{Low，Medium，High}，见表2；表2模糊规则2)利用行驶风险度模糊推理模块对于跟驰状态选择车头时距和纵向加速度为特征参量，作为输入建立二输入单输出模糊控制器，输出值为驾驶风险度，车头时距论域为[0,40]，模糊子集为{Low，Medium，High}，纵向加速度论域为[-6,6]，模糊子集为{NB，ZO，PB}，输出论域为[0,1]，模糊子集为{Low，Medium，High}，见表3；表3模糊规则3)利用行驶风险度模糊推理模块对于换道状态选择速度、纵向加速度为特征参量，作为输入建立二输入单输出模糊控制器，输出值为驾驶风险度，速度论域为[0,40]，模糊子集为{Low，Medium，High}，纵向加速度论域为[-5,5]，模糊子集为{NB，ZO，PB}，输出论域为[0,1]，模糊子集为{Low，Medium，High}，见表4。表4模糊规则与现有技术相比本专利技术的有益效果是：1.本专利技术所述的一种考虑驾驶员驾驶风格的车辆行驶危险度评价方法采用隐马尔科夫模型对驾驶状态进行预测，对不同驾驶状态下的危险行车行为进行单独分析并设计相应的模糊控制器，使风险度估计更加准确、可靠；2.本专利技术所述的一种考虑驾驶员驾驶风格的车辆行驶危险度评价方法通过车辆历史操纵数据对驾驶员风格进行评价，并运用其激进程度对行驶风险度的结果进行修正，使得对于激进程度高的驾驶员可适当提高其危险度，以此对激进驾驶员起到有效的预警作用，对于十分保守的驾驶员可适当降低其危险度，避免驾驶员的过度紧张，使得系统更加人性化。附图说明下面结合附图对本专利技术作进一步的说明：图1是本专利技术所述的考虑驾驶员驾驶风格的车辆行驶危险度评价方法的结构原理框图；图2是本专利技术所述的考虑驾驶员驾驶风格的车辆行驶危险度评价方法的流程框图。图3是本专利技术实施例中某车辆初步行驶风险度评估结果；横轴表示时间，纵轴为行驶风险度，其中0本文档来自技高网...

【技术保护点】
1.一种考虑驾驶风格的车辆行驶危险度评价方法,其特征在于，所述的考虑驾驶风格的车辆行驶危险度评价方法包括步骤如下：1)采用历史驾驶操纵数据对驾驶员激进程度进行评估；2)基于实时车辆运行数据并利用隐马尔科夫模型对行驶状态进行预测；3)根据不同的行驶状态通过不同模糊控制器进行行驶危险度评估；4)利用驾驶员激进程度对行驶危险度进行修正：将驾驶风格修正模块对于驾驶风险度在[0.3,0.7]范围内的值与进行驾驶风格模糊推理模块得到的驾驶员激进程度的值求和，得到最终的行驶风险度输出结果；因此对于激进程度高的驾驶员，行驶风险度在[0.3,0.7]之内的值将增大，对于激进程度低的驾驶员，行驶风险度在[0.3,0.7]之内的值将减小。

【技术特征摘要】
1.一种考虑驾驶风格的车辆行驶危险度评价方法,其特征在于，所述的考虑驾驶风格的车辆行驶危险度评价方法包括步骤如下：1)采用历史驾驶操纵数据对驾驶员激进程度进行评估；2)基于实时车辆运行数据并利用隐马尔科夫模型对行驶状态进行预测；3)根据不同的行驶状态通过不同模糊控制器进行行驶危险度评估；4)利用驾驶员激进程度对行驶危险度进行修正：将驾驶风格修正模块对于驾驶风险度在[0.3,0.7]范围内的值与进行驾驶风格模糊推理模块得到的驾驶员激进程度的值求和，得到最终的行驶风险度输出结果；因此对于激进程度高的驾驶员，行驶风险度在[0.3,0.7]之内的值将增大，对于激进程度低的驾驶员，行驶风险度在[0.3,0.7]之内的值将减小。2.按照权利要求1所述的考虑驾驶风格的车辆行驶危险度评价方法,其特征在于，所述的采用历史驾驶操纵数据对驾驶员激进程度进行评估是指：1)历史驾驶操纵数据包括加速度变化率Jerk的绝对值和方向盘转速，并使用数据采集模块进行数据采集；2)针对驾驶风格建立模糊控制器，输入加速度变化率Jerk绝对值的均值和方向盘转速的均值得到驾驶员激进程度的输出，加速度变化率Jerk绝对值均值的论域为[0,2]，模糊子集为{Low，Medium，High}，方向盘转速均值的论域为[0,40]，模糊子集为{Low，Medium，High}，输出论域为[-0.3,0.3]，模糊子集为{Low，Medium，High}，见表1。表1模糊规则3.按照权利要求1所述的考虑驾驶风格的车辆行驶危险度评价方法,其特征在于，所述的基于实时车辆运行数据并利用隐马尔科夫模型对行驶状态进行预测是指：实时车辆运行数据包括速度、纵向加速度、侧向加速度、车头时距，并使用数据采集模块进行数据采集，获取车辆自由行驶、跟驰、换道三种状态的车辆运行数据样本，其中自由行驶状态定义为在本车道没有前车下的车辆直行状态；利用车辆行驶状态预测模块，以上述三种行驶状态为隐含状态，车辆运行数据样本为观测序列，隐马尔可夫模型算法如下所示。观测序列V＝{v1,v2,…,vM}，M为可观测状态的数量，t时刻的观测事件为Ot，隐状态S＝{q1,q2,q3,…,qN}，N为隐藏状态的数量，t时刻所处的状态为qt，模型参数λ＝(π...

【专利技术属性】
技术研发人员：胡宏宇，王庆昕，何磊，高振海，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22