基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法技术

本发明专利技术公开了一种基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法，通过该方法消除行车环境的影响，提出通过基于个性化驾驶员模型进行标准工况测试以实现驾驶行为的标准化，然后定量评价不同的驾驶风格，对标准化驾驶行为进行相空间重构，提出一种基于关联维数的驾驶风格指数，用于定量评估驾驶激进程度。

【技术实现步骤摘要】

本专利技术涉及智能交通领域，特别是涉及一种基于标准化驾驶行为与相空间重构(PhaseSpaceReconstruction)的驾驶风格定量评价方法。
技术介绍
驾驶风格是智能交通、安全驾驶和新车测试领域普遍关注的重要因素。驾驶风格主要因驾驶员个性而异，同时也受环境因素，主要表现为对油门/刹车踏板的操纵。驾驶风格与交通事故和燃油经济性密切相关，所谓“十次事故九次快”，而激进驾驶往往会消耗更多的燃油。汽车业界普遍采用类似于PID控制器的驾驶员模型无法表现任何驾驶风格。但是，驾驶风格又必须考虑，比如，激进型驾驶员的燃油经济性较差，因此，汽车公司通常会雇佣不同风格的驾驶员在公共道路上对汽车性能进行测试。另一方面，很多研究致力于驾驶风格的分类和识别，例如，一般可分为温和型、适中型、激进型，然而，由于受主观因素的影响，分类结果一般是模糊和粗略的。因此，对驾驶风格进行客观和定量的评估具有重要研究意义。对驾驶风格的识别已有较多的研究。Kedar-Dongarkar基于能耗最优化驾驶风格分类方法，通过加速度、刹车、速度以及节气门开度把驾驶员分为保守型、适中型以及激进型；Langari通过平均加速度和加速度标准差与加速度的比值对驾驶风格进行分类；Murphey等提出了基于加速度倒数的风格分析方法；Qi等根据跟车时间和距离把驾驶风格分为警惕型、适中型和激进型；Vaitkus基于加速度数据并采用KNN算法，实现驾驶风格的自动识别；最后，Aljafreh利用汽车横向/纵向加速度的范数以及车速，建立了基于模糊推理的驾驶风格分类系统。可以看出，上述驾驶员风格识别通常是基于不同风格驾驶员在各种环境中所采集包括刹车压力、油门开度、节气门开度、加速度、速度等在内的驾驶数据，所进行的定性分类和识别。另外，路况的不同会对驾驶风格的识别带来困难，因为驾驶行为会随之改变，例如，温和型驾驶员在拥堵的情况下会频繁踩刹车和油门，表现出某种激进风格，而激进型在高速道路上会保持相对平稳的行驶速度，因此风格识别要在相同工况下进行判断才更合理。
技术实现思路
本专利技术的目的是为了克服现有技术存在的缺点和不足，而提供一种基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法，通过该方法消除行车环境的影响，提出通过基于个性化驾驶员模型进行标准工况测试以实现驾驶行为的标准化，然后定量评价不同的驾驶风格，对标准化驾驶行为进行相空间重构，提出一种基于关联维数的驾驶风格指数，用于定量评估驾驶激进程度。为实现上述目的，本专利技术的技术方案是包括以下步骤：(1)将真实环境采集的行车数据进行标准化处理获得标准化的驾驶行为，该行车数据通过节气门开度表征；(2)对标准化后的驾驶行为进行相空间重构，并计算关联维数，获得节气门开度时间序列的关联维数TDR；(3)采用公式(1)计算风格指数StyIn，用于定量评估驾驶的激进程度式中表示数值std_e向上取整，TDR表示节气门开度时间序列的关联维数；std_e表示速度误差的标准差。进一步设置是所述的步骤(1)包括以下子步骤:首先，以局部性神经网络的典型代表RBF函数网络为基础，采用学习控制的直接逆模型法来建立驾驶员模型；其次，利用该驾驶员模型进行联邦测试循环FTP-72标准工况的汽车模拟测试，测试时跟随标准工况FTP-72的速度曲线，实现驾驶行为的标准化。进一步设置是所述的步骤(2)具体包括以下子步骤:首先，采用时间延迟技术对标准化后的驾驶行为进行相空间重构；其次，根据G-P算法计算关联维数。根据G-P算法，吸引子关联维数由下列相关积分导出：式中，H(u)是Heaviside函数，当u>0，H(u)＝1，当u<0，H(u)＝0；||Xi-Xj||是两矢量间的距离；r为相空间中的超球半径，为较小的正数；N为序列长度。且有当r→0(3)其中，DR即为关联维数，DR可由下式求出曲线lnr～lnC(r)在r→0时的渐近线是直线，其斜率就是DR。本专利技术的有益效果是：1、本专利技术所提出的基于个性化驾驶员模型和标准工况的驾驶行为标准化系统可以有效消除路况对驾驶风格的影响，使驾驶风格评价更合理。2、本专利技术提出的驾驶行为相空间重构则可有效地表征驾驶风格的特征，因此，本专利技术事实上可以对驾驶风格进行细化评估，而不局限于温和/适中/激进这样的粗略分类。3、本专利技术也为驾驶行为生物特征识别、异常行为预警以及汽车测试等提供了一条新的有效途径。下面结合说明书附图和具体实施方式对本专利技术做进一步介绍。附图说明图1是本专利技术的基于标准化驾驶行为和相空间重构的驾驶员风格定量评价流程图；图2是本专利技术的驾驶行为标准化系统框图；图3本专利技术原始节气门开度(TP)信号在嵌入维数等于2时的相空间重构轨迹例子展示图；图4分别是本专利技术原始节气门开度(TP)信号在嵌入维数等于3时的相空间重构轨迹例子展示图；图5是本专利技术标准化后节气门开度(TP)信号在嵌入维数等于2时的相空间重构轨迹例子展示图；图6是本专利技术标准化后节气门开度(TP)在嵌入维数等于3时的相空间重构轨迹例子展示图。具体实施方式下面通过实施例对本专利技术进行具体的描述，只用于对本专利技术进行进一步说明，不能理解为对本专利技术保护范围的限定，该领域的技术工程师可根据上述专利技术的内容对本专利技术作出一些非本质的改进和调整。如图1-6所示，本专利技术是一种基于标准化驾驶行为和相空间重构的驾驶员风格定量评价方法，本专利技术的方法具体运行的硬件和编程语言并不限制，用任何语言编写都可以完成，为此其它工作模式不再赘述。本专利技术的实施例采用一台具有IntelCore-i5中央处理器和4G字节内存的计算机并用Matlab语言编制了基于标准化驾驶行为和相空间重构的驾驶员风格定量评价的工作程序，实现了本专利技术的方法。在介绍具体步骤之前，我们先介绍下面所要用到的符号的意义。VS：汽车速度(VehicleSpeed)；TP：节气门开度(ThrottlePosition)；BP：刹车踏板压力大小(BrakePressure)；本专利技术的基于标准化驾驶行为和相空间重构的驾驶员风格定量评价方法主要包括以下三个步骤：驾驶行为标准化、标准化驾驶行为相空间重构、基于关联维数制定风格指数，具体步骤如下所述：(1)为了消除行车环境的影响，提出一种基于个性化驾驶员模型和标准工况的驾驶行为标准化方法。其主要包含：a)建立个性化驾驶员模型。如图2(a)所示为基于直接逆模型法的驾驶员模型的原理框图。考虑到真实行车数据的高度离散性和局部突变性，本专利技术采用局部神经网络的典型代表RBF函数神经网络用于驾驶员模型的建立。假设t时刻的车速为VS(t)，此时，驾驶员操作节气门开度TP(t)或刹车踏板BP(t)，由于时间延迟，此操作影响vs(t+k)(其中k代表延迟时间)。采用实际行车数据中的vs(t+k)和Δvs(t+k)＝vs(t+k)-vs(t)作为神经网络的输入，TP(t)和BP(t)信号为期望输出，利用实际行车数据对RBF网络进行反复训练，获得最终驾驶员模型。b)驾驶行为标准化。基于驾驶员模型和标准工况，建立如图2(b)所示驾驶行为标准化系统。首先，从联邦测试循环FTP-72标准工况的汽车模拟测试的速度曲线中提取(t+k)时刻车速vs(t+k)作为t时刻的期望车速vs*(t)，并计算其与实际车速vs’(t本文档来自技高网...

【技术保护点】
一种基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法，其特征在于包括以下步骤：(1)将真实环境采集的行车数据进行标准化处理获得标准化的驾驶行为数据TP、BP、VS，并计算速度误差VS‑VSFTP的标准差std_e，其中，VS表示汽车速度、TP表示节气门开度、BP表示刹车踏板压力，VSFTP表示基于联邦测试循环FTP‑72标准工况的汽车速度；(2)对标准化后的驾驶行为进行相空间重构，并计算关联维数，获得节气门开度时间序列的关联维数TDR；(3)采用公式(1)计算风格指数StyIn，用于定量评估驾驶的激进程度式中表示数值std_e向上取整，TDR表示节气门开度时间序列的关联维数。

【技术特征摘要】
1.一种基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法，其特征在于包括以下步骤：(1)将真实环境采集的行车数据进行标准化处理获得标准化的驾驶行为数据TP、BP、VS，并计算速度误差VS-VSFTP的标准差std_e，其中，VS表示汽车速度、TP表示节气门开度、BP表示刹车踏板压力，VSFTP表示基于联邦测试循环FTP-72标准工况的汽车速度；(2)对标准化后的驾驶行为进行相空间重构，并计算关联维数，获得节气门开度时间序列的关联维数TDR；(3)采用公式(1)计算风格指数StyIn，用于定量评估驾驶的激进程度式中表示数值std_e向上取整，TDR表示节气门开度时间序列的关...

【专利技术属性】
技术研发人员：张笑钦，胡杰，叶修梓，
申请(专利权)人：温州大学，
类型：发明
国别省市：浙江;33