一种基于车辆行驶数据的急减速行为识别方法技术

本发明专利技术属于车辆技术领域，具体涉及一种基于车辆行驶数据的急减速行为识别方法，包括如下步骤：(1)采集车辆行驶数据，所述车辆行驶数据包括瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速；(2)通过主成分分析法得到变速因子；(3)对变速因子取阈值；(4)通过比较变速因子在某时刻的得分和阈值的大小来识别在所述时刻是否为急减速行为：当变速因子的得分小于或等于阈值时，所述时刻为急减速时刻。本发明专利技术所述方法克服了现有技术的缺陷，显著提高了急减速行为识别的准确性、有效性。

【技术实现步骤摘要】

本专利技术属于车辆
，具体涉及一种基于车辆行驶数据的急减速行为识别方法。
技术介绍
根据道路交通事故统计表明，危险驾驶行为是造成交通事故的重要原因之一，其中急减速是事故高发的危险驾驶行为。对于汽车制造企业来说，如果能够准确评估驾驶员在驾驶行为尤其是急减速行为中的表现，就能针对驾驶行为更加合理地设计车型，增加车辆的适用性，提高安全系数。随着车联网的发展，车辆行驶轨迹(例如：经度、维度)及车辆物理特征(例如：瞬时速度、加速度、方向盘转角)的记录和保存成为可能，这使得研究人员能利用丰富的车辆行驶数据来评估驾驶行为。在行车过程中，急减速是危险驾驶行为之一，它往往意味着此时司机可能遇到了紧急情况，是出险的信号之一。因此急减速行为的识别很重要。除了现有技术中使用加速度的下限阈值来判断急减速行为，GB7258-1997《机动车运行安全条件》中也规定，对于座位数≤9的客车，路试检验行车应急制动的制动减速度≥2.9m/s2，但是，只根据制动减速度判定的结果有时并不准确，存在片面、判断准确率低的缺陷。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供一种基于主成分分析法、准确率高的基于车辆行驶数据的急减速行为识别方法。本专利技术解决问题的技术方案是：基于车辆行驶数据的急减速行为识别方法，包括如下步骤：(1)采集车辆行驶数据：所述车辆行驶数据包括瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速；(2)通过主成分分析法得到变速因子：将所述瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速作为4个原始指标，通过主成分分析法合成相同数量的主成分，然后选取累计方差贡献率为85％以上的前三个主成分，再将选取的所述前三个主成分以各自的方差贡献率在所有入选主成分的方差贡献率中所占比例作为权重进行线性组合，形成变速因子；(3)对变速因子取阈值；(4)通过比较变速因子在某时刻的得分和阈值的大小来识别在所述时刻是否为急减速行为：当变速因子的得分小于或等于阈值时，所述时刻为急减速时刻。进一步地，所述步骤(2)中，通过主成分分析法得到变速因子的步骤包括：(2.1)根据采集的车辆行驶数据，建立数据矩阵X’＝(x′ij)n×p，其中，n为记录数，p为指标数，xi′j表示第i行第j列的数据，且i≤n，j≤p；将瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速这4个原始指标作为主成分分析的原始变量，取p＝4；(2.2)对各指标数据进行标准化，以便消除各项指标在量纲和数量级的差别，标准化的方法是将每个数据xi′j先减去第j个指标的均值(即数据矩阵的列均值)，再除以第j个指标的标准差(即数据矩阵的列标准差)，得到标准化后的数据xij，进而得到标准化数据矩阵；每个指标的均值为0，方差为1；(2.3)根据标准化数据矩阵建立协方差矩阵R，协方差矩阵R能反映各个指标之间的相关性，协方差矩阵R的每个元素Rij代表i、j变量的协方差，计算公式为： R i j = Σ k = 1 n x i k * x j k , ]]>其中k为整数，代表i、j变量的第k个取值；(2.4)求解协方差矩阵R的特征值和特征向量：通过解特征方程|λE-R|＝0求出p个特征值λi，i＝1,2…p，其中E为单位矩阵，特征值λi的大小正是各个原始的主成分的方差，能反映主成分所包含的加速度信息量的多少，并分别求出对应于特征值λi的特征向量，求解过程是将协方差矩阵R进行分解，公式为： R = Σ i = 1 p λ i e i e i T , ]]>其中，λi是协方差矩阵R的特征值，ei是长度为p的特征向量，eiT是ei的转置向量；再将特征值λi按照从大到小的顺序排列，得到：λ1>λ2>…>λp；(2.5)计算各主成分的方差贡献率及累计方差贡献率，并根据累计方差贡献率确定最终入选的主成分个数：方差贡献率的计算公式为：累计方差贡献率的计算公式为即把排名前i的方差贡献率累计求和；选取累计方差贡献率为85％以上的前m个主成分，取m＝3；(2.6)通过载荷矩阵写出主成分计算式：载荷矩阵是表示主成分与原始变量线性转换关系的矩阵，载荷矩阵的系数正是每个主成分对应的特征向量的值，据此写出第i个主成分fi的计算公式：fi＝e1i*x1+e2i*x2+…+epi*xp，其中，epi是第p个特征向量的第i个分量，xp是第p个指标；它是一个n维向量，因此得到的主成分也是一个n维向量；(2.7)根据选取出的m个主成分计算每条记录的变速因子的得分，第i条记录的变速因子si的得分的计算公式为： s i = w ~ 1 f 1 i + w ~ 2 f 2 i + ... + w ~ k f k i + ... + w ~ m f m i , ]]>1≤k≤m；其中任意一项fki表示第k个主成分的第i个分量，系数的计算公式为： w ~ k = w k Σ j = 1 m w j . ]]>进一步地，所述步骤(3)中，所述变速因子的阈值为-4。进一步地，所述步骤(2.5)中，选取累计方差贡献率大于85％本文档来自技高网...

【技术保护点】
一种基于车辆行驶数据的急减速行为识别方法，其特征在于，包括如下步骤：(1)采集车辆行驶数据：所述车辆行驶数据包括瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速；(2)通过主成分分析法得到变速因子：将所述瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速作为4个原始指标，通过主成分分析法合成相同数量的主成分，然后选取累计方差贡献率为85％以上的前三个主成分，再将选取的所述前三个主成分以各自的方差贡献率在所有入选主成分的方差贡献率中所占比例作为权重进行线性组合，形成变速因子；(3)对变速因子取阈值；(4)通过比较变速因子在某时刻的得分和阈值的大小来识别在所述时刻是否为急减速行为：当变速因子的得分小于或等于阈值时，所述时刻为急减速时刻。

【技术特征摘要】
1.一种基于车辆行驶数据的急减速行为识别方法，其特征在于，包括如下步骤：(1)采集车辆行驶数据：所述车辆行驶数据包括瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速；(2)通过主成分分析法得到变速因子：将所述瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速作为4个原始指标，通过主成分分析法合成相同数量的主成分，然后选取累计方差贡献率为85％以上的前三个主成分，再将选取的所述前三个主成分以各自的方差贡献率在所有入选主成分的方差贡献率中所占比例作为权重进行线性组合，形成变速因子；(3)对变速因子取阈值；(4)通过比较变速因子在某时刻的得分和阈值的大小来识别在所述时刻是否为急减速行为：当变速因子的得分小于或等于阈值时，所述时刻为急减速时刻。2.根据权利要求1所述的基于车辆行驶数据的急减速行为识别方法，其特征在于，所述步骤(2)中，通过主成分分析法得到变速因子的步骤包括：(2.1)根据采集的车辆行驶数据，建立数据矩阵X’＝(x′ij)n×p，其中，n为记录数，p为指标数，x′ij表示第i行第j列的数据，且i≤n，j≤p；将瞬时油耗、瞬时加速度、瞬时速度的每秒变化量、发动机转速这4个原始指标作为主成分分析的原始变量，取p＝4；(2.2)对各指标数据进行标准化，标准化的方法是将每个数据x′ij先减去第j个指标的均值，再除以第j个指标的标准差，得到标准化后的数据xij，进而得到标准化数据矩阵；(2.3)根据标准化数据矩阵建立协方差矩阵R，协方差矩阵R的每个元素Rij代表i、j变量的协方差，计算公式为： R i j = Σ k = 1 n x i k * x j k , ]]>其中k为整数；(2.4)求解协方差矩阵R的特征值和特征向量：通过解特征方程|λE-R|＝0求出p个特征值λi，i＝1,2…p，其中E为单位矩阵；并分别求出对应于特征值λi的特征向量，求解过程是将协方差矩阵R进行分解，公式为： R = Σ i = 1 p λ i e i e i T , ]]>其中，λi是协方差矩阵R的特征值，ei是长度为p的特征向量，eiT是ei的转置向量；再将特征值λi按照从大到小的顺序排列，得到：λ1>λ2>…>λp；(2.5)计算各主成分的方差贡献率及累计方差贡献率，并根据累计方差贡献率确定最终入选的主成分个数：方差贡献率的计算公式为：累计方差贡献率的计算公式为选取...

【专利技术属性】
技术研发人员：黄亮，
申请(专利权)人：彩虹无线北京新技术有限公司，
类型：发明
国别省市：北京;11