一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法技术

本发明专利技术涉及一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法，包括：1、获取车辆编队典型危险场景下头车驾驶员驾驶行为样本；2、从头车驾驶员驾驶行为样本中提取头车驾驶员异常驾驶行为特征因子；3、建立车辆队列危险驾驶场景识别模型、头车驾驶员驾驶意图识别模型及头车驾驶员异常驾驶行为判别模型；4、在实际车辆编队行驶中获取所需信息，识别车辆队列危险状态，利用头车驾驶员异常驾驶行为判别模型检测头车驾驶员异常驾驶行为。与现有技术相比，本发明专利技术在异常驾驶行为判别之前进行驾驶场景和驾驶意图识别，针对具体的驾驶场景与驾驶意图训练不同的异常行为判别模型，提高了车辆编队行驶中头车驾驶员异常行为检测方法的准确性。

A detection method of abnormal driving behavior of the first vehicle driver in vehicle formation driving

【技术实现步骤摘要】
一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法
本专利技术涉及汽车主动安全领域，尤其是涉及一种车辆编队行驶中头车驾驶员的异常驾驶行为检测方法。
技术介绍
驾驶员异常驾驶行为识别是汽车主动安全领域的重要研究内容，准确识别出驾驶员异常行为并施加适当干预措施可显著提高行车安全性。随着汽车传感器的发展和数据处理技术的进步，可方便获取大量供分析研究的驾驶员行为样本。从而使采用机器学习和数据挖掘算法开展驾驶员异常驾驶行为分析与识别成为可能，这些数据驱动的算法具有自学习与易扩展的优点，也已成为该领域的研究热点。车辆编队行驶的研究属于智能交通领域。合理的车辆编队不仅可以降低单个车辆的驾驶负担与能量消耗，还可提高交通系统整体通行效率。但车辆编队头车驾驶员的异常驾驶行为会使整个车辆队列进入危险状态甚至出现连环追尾等严重交通事故，加剧车辆编队行驶的安全隐患。因此有必要关注在车辆队列行驶环境下头车驾驶员的驾驶行为，对其异常驾驶行为进行有效识别，以提高车辆队列的行驶安全性。专利CN104504400A提出了一种基于在线行为建模的驾驶员异常驾驶行为检测方法。该方法基于视频分析技术，通过正常驾驶数据，提取正常驾驶的特征并建立其混合高斯模型。完成模型的初始化后，通过车载摄像头获取驾驶员驾驶操作视频，提取其驾驶行为特征，与正常驾驶特征比对，进而实现异常驾驶的识别。该方法训练数据来自所检测驾驶员的真实驾驶操作，识别准确率与泛化性较高，但算法要求在模型训练阶段驾驶员必须进行正常操作，算法初始化所需时间较长，且未考虑车辆队列行驶环境。r>专利CN104408878A提出了一种车辆队列疲劳驾驶预警监控系统及识别方法。该方法通过车载终端摄像头拍摄驾驶员眼部动态图；采用PRECLOS(Presenteyeclosure)算法识别驾驶员的疲劳驾驶状态；通过车联网将驾驶员疲劳驾驶信息与车辆GPS信息传递至监管平台，由监管平台对疲劳驾驶车辆发出告警信号并对车辆队列进行调度。该方法可对车辆队列进行实时、统一的监管，但仅能识别驾驶员的疲劳驾驶，未涉及危险工况下车辆队列驾驶员异常驾驶行为的识别。综上，当前驾驶员异常行为检测方法仍集中于单车驾驶场景且主要基于驾驶员自身生理特征，如眼部特征等。但驾驶员自身生理特征具有较大随机性与不稳定性。车辆队列头车驾驶员承担更大交通安全责任，且与单独驾驶的行为特征不完全相同，不能将单车驾驶员异常行为检测方法直接应用到车辆队列行驶环境中。
技术实现思路
本专利技术的目的就是为了克服上述现有技术所存在缺陷而提供的一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法。本专利技术目的可通过以下技术方案实现：一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法，该检测方法包括：S1、获取车辆编队典型危险场景下头车驾驶员驾驶行为样本；S2、采用因子分析法从头车驾驶员驾驶行为样本中提取头车驾驶员异常驾驶行为特征因子；S3、建立车辆队列危险驾驶场景识别模型、头车驾驶员驾驶意图识别模型，并利用头车驾驶员异常驾驶行为特征因子建立头车驾驶员异常驾驶行为判别模型；S4、在实际车辆编队行驶中获取所需车辆队列行驶信息，通过车辆队列危险驾驶场景识别模型、头车驾驶员驾驶意图识别模型识别车辆队列危险状态，进而根据车辆队列危险状态，利用头车驾驶员异常驾驶行为判别模型检测头车驾驶员异常驾驶行为。优选的，所述车辆编队典型危险驾驶场景包括：低速接近队列前方车辆、高速接近队列前方车辆和即将与队列前方车辆发生碰撞；所述头车驾驶员驾驶行为样本利用传感器采集获取，包括：头车轮缸制动压力、头车油门踏板开度、头车转向盘转角及转速、头车纵向车速、头车纵向加速度、头车侧向速度、头车侧向加速度、头车距离前方车辆间距、头车与前方车辆发生碰撞所需时间、车辆队列纵向长度和车辆队列横向长度。优选的，所述头车驾驶员异常驾驶行为包括：纵向避撞迟滞、换道避撞迟滞、超车换道迟滞、换道避撞过度和超车换道过度。优选的，所述S2具体包括：S21、原始数据处理：剔除无效样本、滤除噪声、标准化处理及剔除异常样本；S22、相关性分析：通过计算驾驶行为样本中各特征与头车驾驶员异常驾驶行为间的皮尔逊相关系数，得到与头车驾驶员异常驾驶行为相关性大的车辆队列行驶特征作为异常驾驶行为初步特征；S23、因子分析：通过计算所述异常驾驶行为初步特征参数间KMO系数检验因子分析的可行性，若具有可行性，则采用主成分分析法求解因子载荷矩阵的初始解，采用最大方差法对因子载荷矩阵进行正交旋转以得到具有实际意义的异常行为因子，计算因子得分矩阵得到头车驾驶员异常驾驶行为特征因子。优选的，所述车辆队列危险驾驶场景识别模型采用自适应神经模糊推理系统，其输入包括车辆队列行驶环境信息和车辆队列头车状态，其输出为典型危险驾驶场景。优选的，所述头车驾驶员驾驶意图识别模型采用隐马尔科夫模型，其输入包括车辆队列头车驾驶员操作信息，其输出为驾驶员操作意图。优选的，所述头车驾驶员异常驾驶行为判别模型通过基于模糊C均值算法的驾驶行为模糊聚类及基于支持向量机的头车驾驶员行为异常划分实现。优选的，所述基于模糊C均值算法的驾驶行为模糊聚类包括：采用模糊C均值算法，基于各典型危险驾驶场景中头车驾驶员异常驾驶行为特征因子，对驾驶行为数据进行聚类，得到头车异常驾驶行为的模糊聚类空间。优选的，所述基于支持向量机的头车驾驶员行为异常划分包括：在所建立的头车异常驾驶行为模糊聚类空间中，以头车驾驶员异常驾驶行为特征因子为划分依据，划分出异常驾驶行为与正常驾驶行为的界限。优选的，所述S4具体包括：S41、在实际车辆编队行驶中获取所需车辆队列行驶信息，包括由驾驶操作传感器获取的头车驾驶员操作信息、由车辆状态传感器获取的头车状态信息、由行车环境传感器获取的行驶环境信息、由编队行驶控制器获取的车辆队列状态信息；S42、车辆队列危险状态识别：通过车辆队列危险驾驶场景识别模型识别车辆队列当前危险行驶场景，通过头车驾驶员驾驶意图识别模型识别头车驾驶员在当前危险驾驶场景下的驾驶意图；S43、头车驾驶员异常驾驶行为的判别：根据识别出的车辆队列当前危险驾驶场景和头车驾驶员当前驾驶意图，计算相对应的头车驾驶员异常驾驶行为特征因子，并输入头车驾驶员异常驾驶行为判别模型，得到当前头车驾驶员异常驾驶行为信息。与现有技术相比，本专利技术具有以下优点：1、针对车辆编队行驶中典型危险驾驶场景，运用机器学习算法，通过对融合了头车驾驶员操作信息、头车运动状态、车辆队列行驶状态与前方车辆信息的驾驶行为样本进行分析，在异常驾驶行为判别之前进行驾驶场景和驾驶意图识别，针对具体的驾驶场景与驾驶意图训练不同的异常行为判别模型，提高了异常行为检测方法的准确性和可扩展性。2、用于训练的驾驶员行为样本来源于车辆队列头车行驶场景，适用于车辆队列行驶中头车驾驶员异常驾驶行为检测，实用性强。3、从驾驶操作、头车状态、行驶环境、车辆队列状态多方面分析头车本文档来自技高网...

【技术保护点】
1.一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法，其特征在于，该检测方法包括：/nS1、获取车辆编队典型危险场景下头车驾驶员驾驶行为样本；/nS2、采用因子分析法从头车驾驶员驾驶行为样本中提取头车驾驶员异常驾驶行为特征因子；/nS3、建立车辆队列危险驾驶场景识别模型、头车驾驶员驾驶意图识别模型，并利用头车驾驶员异常驾驶行为特征因子建立头车驾驶员异常驾驶行为判别模型；/nS4、在实际车辆编队行驶中获取所需车辆队列行驶信息，通过车辆队列危险驾驶场景识别模型、头车驾驶员驾驶意图识别模型识别车辆队列危险状态，进而根据车辆队列危险状态，利用头车驾驶员异常驾驶行为判别模型检测头车驾驶员异常驾驶行为。/n

【技术特征摘要】
1.一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法，其特征在于，该检测方法包括：
S1、获取车辆编队典型危险场景下头车驾驶员驾驶行为样本；
S2、采用因子分析法从头车驾驶员驾驶行为样本中提取头车驾驶员异常驾驶行为特征因子；
S3、建立车辆队列危险驾驶场景识别模型、头车驾驶员驾驶意图识别模型，并利用头车驾驶员异常驾驶行为特征因子建立头车驾驶员异常驾驶行为判别模型；
S4、在实际车辆编队行驶中获取所需车辆队列行驶信息，通过车辆队列危险驾驶场景识别模型、头车驾驶员驾驶意图识别模型识别车辆队列危险状态，进而根据车辆队列危险状态，利用头车驾驶员异常驾驶行为判别模型检测头车驾驶员异常驾驶行为。


2.根据权利要求1所述的一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法，其特征在于，所述车辆编队典型危险驾驶场景包括：低速接近队列前方车辆、高速接近队列前方车辆和即将与队列前方车辆发生碰撞；所述头车驾驶员驾驶行为样本利用传感器采集获取，包括：头车轮缸制动压力、头车油门踏板开度、头车转向盘转角及转速、头车纵向车速、头车纵向加速度、头车侧向速度、头车侧向加速度、头车距离前方车辆间距、头车与前方车辆发生碰撞所需时间、车辆队列纵向长度和车辆队列横向长度。


3.根据权利要求1所述的一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法，其特征在于，所述头车驾驶员异常驾驶行为包括：纵向避撞迟滞、换道避撞迟滞、超车换道迟滞、换道避撞过度和超车换道过度。


4.根据权利要求1所述的一种车辆编队行驶中头车驾驶员异常驾驶行为检测方法，其特征在于，所述S2具体包括：
S21、原始数据处理：剔除无效样本、滤除噪声、标准化处理及剔除异常样本；
S22、相关性分析：通过计算驾驶行为样本中各特征与头车驾驶员异常驾驶行为间的皮尔逊相关系数，得到与头车驾驶员异常驾驶行为相关性大的车辆队列行驶特征作为异常驾驶行为初步特征；
S23、因子分析：通过计算所述异常驾驶行为初步特征参数间KMO系数检验因子分析的可行性，若具有可行性，则采用主成分分析法求解因子载荷矩阵的初始解，采用最大方差法对因子载荷矩阵进行正交旋转以得到具有实际意义的异常行为因子，计算因子得分矩阵得到头车驾驶员异常驾驶行为特征因子。


5.根据权利...

【专利技术属性】
技术研发人员：赵治国，冯建翔，王凯，胡昊锐，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31