一种车辆跟驰状态驾驶员情感动态特征提取及辨识方法技术

本发明专利技术涉及车辆智能驾驶和主动安全技术领域，包括以下步骤：步骤S1：在跟驰状态下，基于两个车辆中后车驾驶员的基本参数、动态参数和后车的运动参数，筛选出适合用于因子分析法的原始特征参数；步骤S2：利用因子分析法对原始特征参数进行处理，构建用于判断后车驾驶员情感的公共特征向量；步骤S3：根据公共特征向量，基于PAD情感模型和模糊综合评价算法，获取模糊综合评价最终结果；步骤S4：将模糊综合评价最终结果转化为唤醒值，将大于预设阈值的唤醒值所对应的情感作为后车驾驶员的主情感。本发明专利技术能够在不影响驾驶员正常驾驶的情况下，实现驾驶员四种基本情感在线准确辨识，对于汽车安全驾驶辅助系统的发展具有重要意义。

A Dynamic Feature Extraction and Identification Method of Driver's Emotion in Car-following State

The invention relates to the technical field of vehicle intelligent driving and active safety, including the following steps: (1) in the following state, the original characteristic parameters suitable for factor analysis method are selected based on the basic parameters, dynamic parameters and kinematic parameters of the rear-car driver in two vehicles; and (2) the original characteristic parameters are processed by factor analysis method and constructed for use in factor analysis method. Common eigenvectors for judging the emotions of rear-car drivers; Firstly, according to the common eigenvectors, based on PAD emotional model and fuzzy comprehensive evaluation algorithm, the final results of the fuzzy comprehensive evaluation are obtained; Fifthly, the final results of the fuzzy comprehensive evaluation are transformed into wake-up values, and the emotions corresponding to the wake-up values larger than the preset threshold are taken as the main emotions of rear-car drivers. The invention can realize on-line accurate identification of driver's four basic emotions without affecting driver's normal driving, which is of great significance for the development of vehicle safety driving assistant system.

【技术实现步骤摘要】
一种车辆跟驰状态驾驶员情感动态特征提取及辨识方法
本专利技术涉及车辆智能驾驶和主动安全
，尤其涉及一种车辆跟驰状态驾驶员情感动态特征提取及辨识方法。
技术介绍
智能交通系统是现今交通系统的一个发展方向，因此，对于智能交通系统的安全技术显得至关重要，其中在交通行驶过程中，人的因素更是格外重要，在交通系统各要素中，具有主观能动性的驾驶员是交通系统运行的直接参与者和决策者，其决策的合理性和行为的正确性是交通系统安全、高效运行的关键。从人因工程学角度充分理解汽车驾驶员的情感、思维、行为方式，将情感智能植入先进的安全驾驶辅助系统、智能汽车，利用智能技术对驾驶情感和行为进行合理引导和管控，是提高交通系统安全性和智能性的关键所在，也是智能交通系统研究的核心内容。实现汽车驾驶员情感动态辨识是开发汽车安全驾驶辅助系统情感智能的前提。以往驾驶员情感方面的研究主要侧重于相对静态条件下的驾驶情感辨识，未考虑驾驶情感在时变人-车-路-环境条件下的演化规律。另外，面部表情、人体姿态、语音情绪识别相对直观，但易受主观因素影响，如被测者通过控制表情、动作、语音等掩饰自身真实情绪；生理信号情绪识别客观、准确率高本文档来自技高网...

【技术保护点】
1.一种车辆跟驰状态驾驶员情感动态特征提取及辨识方法，其特征在于，包括以下步骤：步骤S1：在跟驰状态下，基于两个车辆中后车驾驶员的基本参数、动态参数和后车的运动参数，筛选出适合用于因子分析法的原始特征参数；步骤S2：利用因子分析法对所述原始特征参数进行处理，构建用于判断后车驾驶员情感的公共特征向量；步骤S3：根据所述公共特征向量，基于PAD情感模型和模糊综合评价算法，获取模糊综合评价最终结果，所述模糊综合评价最终结果包括：所述后者驾驶员情感状态与预设的多种基本情感的匹配值；步骤S4：将所述模糊综合评价最终结果转化为唤醒值，将大于预设阈值的唤醒值所对应的情感作为辨识后的所述后车驾驶员的主情感。

【技术特征摘要】
1.一种车辆跟驰状态驾驶员情感动态特征提取及辨识方法，其特征在于，包括以下步骤：步骤S1：在跟驰状态下，基于两个车辆中后车驾驶员的基本参数、动态参数和后车的运动参数，筛选出适合用于因子分析法的原始特征参数；步骤S2：利用因子分析法对所述原始特征参数进行处理，构建用于判断后车驾驶员情感的公共特征向量；步骤S3：根据所述公共特征向量，基于PAD情感模型和模糊综合评价算法，获取模糊综合评价最终结果，所述模糊综合评价最终结果包括：所述后者驾驶员情感状态与预设的多种基本情感的匹配值；步骤S4：将所述模糊综合评价最终结果转化为唤醒值，将大于预设阈值的唤醒值所对应的情感作为辨识后的所述后车驾驶员的主情感。2.根据权利要求1所述的车辆跟驰状态驾驶员情感动态特征提取及辨识方法，其特征在于，步骤S1中所述基本参数包括：性别S，年龄A，驾龄DA；所述动态参数包括：驾驶倾向性T、方向盘转向力度SN、油门踏板平均深度Ta、制动踏板平均深度Tb、后车车辆加速度干扰σ1、加速力度Na、加速频率fa、制动力度Nb、制动频率fb、加速度干扰σ2；所述运动参数包括：前车速度v2、后车与前车相对速度vr、瞬时车间时距Hw、后车速度与驾驶员期望车速差的绝对值|vl-ve|、前后车相对距离与后车驾驶员期望车间距绝对值的差值|d-de|；其中，两个车辆中，按照运动方向，在运动方向前方的称作前车，运动方向后方的称作后车。3.根据权利要求2所述的车辆跟驰状态驾驶员情感动态特征提取及辨识方法，其特征在于，步骤S1中在筛选时包括：通过对所述基本参数、动态参数和后车的运动参数计算相关系数，确认是否适合作因子分析，适合作因子分析依据是计算得到的简单相关系数大于0.3；将上述筛选后的适合作因子分析的原变量作为判断后车驾驶员情感的原始特征参数。4.根据权利要求3所述的车辆跟驰状态驾驶员情感动态特征提取及辨识方法，其特征在于，步骤S2包括以下步骤：步骤S21：利用min-max标准化方法将步骤S1最后得到的适合做因子分析的所述原始特征参数标准化，得到原始特征参数的标准化数据；步骤S22：通过因子分析法求出所述标准化数据的相关系数矩阵；步骤S23：求出相关系数矩阵的特征值和特征向量；步骤S24：令每个特征向量的分量和为正，并根据特征值求出因子荷载矩阵，并计算出标准化后的原始特征参数各参数的方差贡献率与累积方差贡献率；步骤S25：对因子荷载矩阵进行因子旋转，得到旋转后的因子矩阵；步骤S26：在所述旋转因子矩阵中，选取累积方差贡献率不低于80％的前m个因子构建驾驶情感公共特征向量；最终选取的累积方差贡献率不低于80％的因子为瞬时车间时距Hw，油门踏板平均深度Ta，驾驶倾向性T，方向盘转向力度SN，制动力度Nb，后车车辆加速度干扰σ1，构建的驾驶情感的公共特征向量为U＝{Hw，Ta，T，SN，Nb，σ1}。5.根据权利要求4所述的车辆跟驰状态驾驶员情感动态特征提取及辨识方法，其特征在于，所述步骤S3包括以下步骤：步骤S31：将所述驾驶情感的公共特征向量作为评价因素集，并构建模糊评价集，获取评价因素集中每一个评价因素的权重；步骤S32：确定每一个评价因素集中各评价因素对模糊评价集各等级的隶属度，并基于所述隶属度，获取模糊综合评价最终结果。6.根据权利要求5所述的车辆跟驰状态驾驶员情感动态特征提取及辨识方法，其特征在于，步骤S31包括以下步骤：步骤S311：将所述驾驶情感的公共特征向量作为模糊评价因素集，并将PAD模型的三个维度分量作为模糊辨识模型的评价集即愉悦度评价集P、激活度评价集A、优势度评价集D，并且对每个评价集都划分为5个不同程度的等级；具体地，以愉悦度评价集P为例说明，将愉悦度评价集P划分为很低(VP1)、低(VP2)、居中(VP3)、高(VP4)、很高(VP5)五个等级，构成愉悦度评价集VP＝{VP1，VP2，VP3，VP4，VP5}，将5个等级投影到数轴上，按照每个等级尺度为0.4在[-1，1]上进行划分，相应取值分别为VP1∈[-1，-0.6)、VP2∈[-0.6，-0.2)、VP3∈[-0.2，0.2)、VP4∈[0.2，0.6)、VP5∈[0.6，1]，同理可得激活度评价集VA＝{VA1，VA2，VA3，VA4，VA5}和优势度评价集VD＝{VD1，VD2，VD3，VD4，VD5}；步骤S312：获取评价因素集中每一个评价因素的权重，得到模糊权矢量，包括以下步骤：步骤S3121:构建优先关系矩阵F＝(fij)6×6，其中，f(i)和f(j)分别表示情感公共特征向量中一个分量，g(i)和g(j)分别表示指标f(i)和f(j)的相对优先程度，g(i)和g(j)由因子分析计算中f(i)和f(j)方差贡献率确定；S3122:将优先关系矩阵改造成模糊一致矩阵：若优先关系矩阵F＝(fij)n×n满足fij＝fik-fjk+0.5，则称其为模糊一致矩阵，反之则需要将其改造成模糊一致矩阵，改造方法为：对F按行求和，记为：而后作行变换，可得模糊一致矩阵R：S3123:权重计算，具体为：对模糊一致矩阵R每行元素进行求和：除去对角线元素R中其它所有元素求和：li表示指标i相对于上层目标的重要程度，对li归一化处理可得各指...

【专利技术属性】
技术研发人员：王晓原，刘亚奇，夏媛媛，郭永青，赵海霞，韩俊彦，刘士杰，刘善良，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：山东,37