肖獻(xiàn)強(qiáng)，任春燕，王其東

(合肥工業(yè)大學(xué)機(jī)械與汽車工程學(xué)院，合肥 230009)

?

2015186

機(jī)動(dòng)車駕駛員駕駛行為操縱動(dòng)作模式的研究*

肖獻(xiàn)強(qiáng)，任春燕，王其東

(合肥工業(yè)大學(xué)機(jī)械與汽車工程學(xué)院，合肥 230009)

采用主成分分析法研究了駕駛員的操縱動(dòng)作模式主要成分結(jié)構(gòu)，采用Matlab編寫了主成分分析算法對(duì)問卷調(diào)查獲得的數(shù)據(jù)進(jìn)行了分析，并著重選取問卷中超車、轉(zhuǎn)向和并線3種駕駛行為的數(shù)據(jù)，分析得到這3種駕駛行為對(duì)應(yīng)的駕駛操縱動(dòng)作模式的主成分載荷矩陣和貢獻(xiàn)率。結(jié)果表明：通過研究駕駛行為及其對(duì)應(yīng)的駕駛操縱動(dòng)作模式，可以發(fā)現(xiàn)對(duì)特定駕駛行為影響較大的駕駛操縱動(dòng)作，進(jìn)而根據(jù)兩者之間的關(guān)系反向?qū)崿F(xiàn)個(gè)性化駕駛行為的識(shí)別，為后續(xù)設(shè)計(jì)先進(jìn)的輔助駕駛系統(tǒng)提供技術(shù)依據(jù)。

駕駛行為；主成分分析法；駕駛操縱動(dòng)作模式

前言

根據(jù)對(duì)我國2001-2011年一次死亡3人以上的特大交通事故原因分析，駕駛員原因?qū)е碌慕煌ㄊ鹿收嫉?0%以上。上述數(shù)據(jù)充分說明駕駛員在交通事故預(yù)防中的核心地位和作用，這與駕駛員在整個(gè)交通系統(tǒng)中扮演的角色有關(guān)，駕駛員不僅是道路交通系統(tǒng)信息的處理者、決策者，同時(shí)也是其調(diào)節(jié)者和控制者，其行為是否安全對(duì)于整個(gè)系統(tǒng)的狀態(tài)有重大影響,駕駛員的個(gè)體因素在駕駛過程和道路交通中主要體現(xiàn)在其本身的駕駛行為和操縱動(dòng)作[1]。

通過采集車輛傳動(dòng)機(jī)構(gòu)和駕駛操縱動(dòng)作傳感器數(shù)據(jù)分析發(fā)現(xiàn)，車輛在某一特定時(shí)刻的狀態(tài)和駕駛員的駕駛行為，是決定駕駛員前面一定時(shí)長內(nèi)的駕駛操縱動(dòng)作的基礎(chǔ)。利用駕駛操縱動(dòng)作和駕駛行為之間的內(nèi)在關(guān)系，既可以通過駕駛操縱動(dòng)作傳感器數(shù)據(jù)融合實(shí)現(xiàn)駕駛行為識(shí)別預(yù)測，也可以利用駕駛操縱動(dòng)作與駕駛行為之間的映射關(guān)系，研究基于駕駛行為識(shí)別的車輛主動(dòng)安全系統(tǒng)。

文獻(xiàn)[2]中通過采集駕駛操縱動(dòng)作及車輛狀態(tài)數(shù)據(jù)，利用隱馬爾科夫模型與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法構(gòu)建了轉(zhuǎn)向駕駛意圖辨析模型和方法。文獻(xiàn)[3]中根據(jù)駕駛員的駕駛操縱動(dòng)作，運(yùn)用隱馬爾科夫動(dòng)態(tài)模型成功地預(yù)測了駕駛員即將實(shí)施的駕駛行為。文獻(xiàn)[4]中利用駕駛員過去的駕駛操縱動(dòng)作數(shù)據(jù)庫研究開發(fā)了基于駕駛操縱動(dòng)作模板的駕駛行為識(shí)別算法，并在識(shí)別的基礎(chǔ)上結(jié)合車輛運(yùn)行狀態(tài)評(píng)估駕駛行為的安全性。近年來,主成分分析法在駕駛行為研究中的應(yīng)用越來越多。文獻(xiàn)[5]中利用主成分分析法與德爾菲結(jié)合法構(gòu)建了駕駛行為主要影響指標(biāo)集。

駕駛行為因駕駛員個(gè)體特性的不同，其實(shí)施過程中駕駛操縱動(dòng)作存在一定的差異性，且駕駛操縱動(dòng)作數(shù)據(jù)多且雜，如何從眾多駕駛操縱動(dòng)作數(shù)據(jù)中抽取出能夠充分反映駕駛行為本質(zhì)的駕駛操縱數(shù)據(jù)，減少數(shù)據(jù)量，提高駕駛行為識(shí)別預(yù)測算法的計(jì)算實(shí)時(shí)性，是駕駛行為識(shí)別預(yù)測用于車輛主動(dòng)安全和先進(jìn)輔助駕駛系統(tǒng)的關(guān)鍵技術(shù)之一。同時(shí)，研究駕駛行為及其對(duì)應(yīng)的駕駛操縱動(dòng)作主要成分，可為先進(jìn)輔助駕駛及主動(dòng)安全系統(tǒng)介入車輛干預(yù)和控制，預(yù)防交通事故的發(fā)生提供技術(shù)支撐和依據(jù)。

通過采用調(diào)查問卷和主成分分析法研究構(gòu)建駕駛行為及其對(duì)應(yīng)的駕駛操縱動(dòng)作主成分通用性抽取算法，為研究利用駕駛操縱動(dòng)作實(shí)現(xiàn)駕駛行為識(shí)別預(yù)測及構(gòu)建個(gè)性化駕駛員操縱動(dòng)作模式奠定基礎(chǔ)，也為后續(xù)研究個(gè)性化駕駛員駕駛行為的駕駛操縱動(dòng)作模式提供技術(shù)支撐。

1 常見駕駛行為及駕駛操縱動(dòng)作

通過查閱相關(guān)資料，常見的駕駛行為有：(1)超車；(2)并線；(3)疲勞駕駛；(4)掉頭轉(zhuǎn)彎；(5)起動(dòng)；(6)減速；(7)勻速行駛；(8)加速。

通過研究調(diào)查，本文中選擇了如下8種駕駛操縱動(dòng)作作為駕駛操縱動(dòng)作集。

(1) 轉(zhuǎn)向盤操縱動(dòng)作 該動(dòng)作直接反映了駕駛員的橫向操控能力和穩(wěn)定性。

(2) 加速踏板操縱動(dòng)作 該操縱動(dòng)作直接影響車輛的起動(dòng)和正常行駛中的加減速。

(3) 轉(zhuǎn)向盤操縱動(dòng)作頻率 該操縱動(dòng)作反映了駕駛員的駕駛狀態(tài)，是一個(gè)附加的觀測動(dòng)作數(shù)據(jù)。

(4) 制動(dòng)踏板操縱動(dòng)作 該操縱動(dòng)作直接反映駕駛員減速或停車的行為。

(5) 離合器踏板操縱動(dòng)作 該操縱動(dòng)作是判斷駕駛員轉(zhuǎn)換駕駛行為的一個(gè)臨界觀測值。

(6) 換擋操縱動(dòng)作 該操縱動(dòng)作表明駕駛員對(duì)擋位的合理選擇能力和狀態(tài)轉(zhuǎn)變。

(7) 左轉(zhuǎn)向燈操縱動(dòng)作 該操縱動(dòng)作反映了駕駛員左向變道及轉(zhuǎn)彎的表征參數(shù)。

(8) 右轉(zhuǎn)向燈操縱動(dòng)作 該操縱動(dòng)作反映了駕駛員右向變道及轉(zhuǎn)彎的表征參數(shù)。

利用主成分分析法分析以上8種駕駛操縱動(dòng)作對(duì)駕駛行為的影響程度和駕駛行為形成貢獻(xiàn)率。

2 實(shí)驗(yàn)數(shù)據(jù)的采集和處理

根據(jù)研究的需要，設(shè)計(jì)一種汽車駕駛員駕駛行為問卷調(diào)查表，如表1所示，來調(diào)查以上所列的駕駛操縱動(dòng)作與各駕駛行為之間的內(nèi)在關(guān)系，課題組給駕校教練員、個(gè)體駕駛員和職業(yè)駕駛員發(fā)放了800份問卷。通過對(duì)收回的286份有效問卷數(shù)據(jù)進(jìn)行歸類處理與分析，形成各駕駛行為駕駛操縱動(dòng)作數(shù)據(jù)表。

表1 汽車駕駛員駕駛行為問卷調(diào)查

3 主成分分析法

3.1 主成分分析法的基本原理

主成分分析法是數(shù)學(xué)上對(duì)數(shù)據(jù)降維的一種處理分析方法，其基本思想是設(shè)法將原來眾多的具有一定相關(guān)性的指標(biāo)X1,X2,…,Xn，重新組合成一組較少個(gè)數(shù)的互不相關(guān)的綜合指標(biāo)Fm來代替原來的指標(biāo)，使其既能最大程度地反映原變量Xn所代表的信息，又能保證新指標(biāo)之間保持相互無關(guān)(信息不重疊)[6]。

3.2 分析步驟

分別以o1,o2,…,o8依次表示轉(zhuǎn)向盤、加速踏板、轉(zhuǎn)向盤轉(zhuǎn)動(dòng)頻率、制動(dòng)踏板、離合踏板、換擋桿和左右轉(zhuǎn)向燈等8種操縱動(dòng)作，按以下步驟進(jìn)行分析。

(1) 計(jì)算相關(guān)系數(shù)矩陣

(1)

式中rij(i,j=1,2,…,8)為原變量的oi與oj之間的相關(guān)系數(shù)，其計(jì)算公式為

(2)

(2) 計(jì)算特征值與特征向量

(3) 計(jì)算主成分貢獻(xiàn)率和累計(jì)貢獻(xiàn)率

主成分Zi的貢獻(xiàn)率為

(3)

累計(jì)貢獻(xiàn)率為

(4)

一般取累計(jì)貢獻(xiàn)率達(dá)85%～95%的特征值λ1,λ2,…,λ8所對(duì)應(yīng)的第1～第m(m≤8)個(gè)主成分。

(4) 計(jì)算主成分載荷矩陣

(5)

主成分載荷矩陣是主成分Zi與原始指標(biāo)oi的相關(guān)系數(shù)R(Zi,oj)，揭示了主成分與各原始指標(biāo)之間的相關(guān)程度，它可以較好地解釋主成分的表征意義。得到各主成分的載荷后，還可以得到各主成分的得分。

(6)

根據(jù)以上的主成分分析過程，通過Matlab將主成分分析算法編譯成一個(gè)M文件，并且設(shè)計(jì)一個(gè)簡易快捷的計(jì)算GUI界面，如圖1所示，其主要功能是得到主成分貢獻(xiàn)率、主成分載荷矩陣和碎石圖。將所需分析的駕駛行為及駕駛操縱動(dòng)作數(shù)據(jù)以Excel的形式導(dǎo)入即可直觀地分析仿真結(jié)果[7-8]。

4 仿真結(jié)果

通過將問卷調(diào)查數(shù)據(jù)中的超車、轉(zhuǎn)向和并線3種駕駛行為數(shù)據(jù)抽取出來，進(jìn)行對(duì)應(yīng)的駕駛操縱動(dòng)作構(gòu)成成分分析。分析結(jié)果的碎石圖如圖2所示，對(duì)應(yīng)的主成分分析及載荷矩陣分別見表2和表3。

以按照特征值排列的大小序號(hào)為橫軸，以特征值為縱軸作碎石圖，如圖2所示，在拐點(diǎn)之前是與大因子連接的陡峭折線，之后是與小因子相連的緩坡折線。一般取拐點(diǎn)前所有的因子及拐點(diǎn)后的第1個(gè)因子作為主成分，也可結(jié)合累積貢獻(xiàn)率達(dá)到的百分比來確定主成分的個(gè)數(shù)。

4.1 計(jì)算各主成分評(píng)價(jià)指標(biāo)值

表2 各個(gè)主成分貢獻(xiàn)率和累積貢獻(xiàn)率

表3 主成分載荷矩陣

由圖2和表3可知，實(shí)施超車駕駛行為，前3個(gè)駕駛操縱動(dòng)作因子的累計(jì)貢獻(xiàn)率為93.99%，大于85%，表明這3個(gè)因子可以概括原始數(shù)據(jù)的大部分信息，其主成分分別用Z11，Z12和Z13來表示。由表2可知，超車主成分分析的表達(dá)式為

(7)

(8)

(9)

由式(1)～式(3)可知：

(1) 第1主成分由離合踏板、轉(zhuǎn)動(dòng)右轉(zhuǎn)向燈、轉(zhuǎn)動(dòng)轉(zhuǎn)向盤、制動(dòng)踏板及加速踏板操縱動(dòng)作構(gòu)成；

(2) 第2主成分由離合踏板、加速踏板、制動(dòng)踏板、右轉(zhuǎn)向燈和換擋操縱動(dòng)作構(gòu)成；

(3) 第3主成分由換擋、制動(dòng)踏板、離合踏板、轉(zhuǎn)動(dòng)轉(zhuǎn)向盤和左轉(zhuǎn)向燈操縱動(dòng)作構(gòu)成。

轉(zhuǎn)向駕駛行為的前3個(gè)駕駛操縱動(dòng)作因子的累計(jì)貢獻(xiàn)率為89.12%，大于85%，表明這3個(gè)因子可以概括原始數(shù)據(jù)的大部分信息，其主成分分別用Z21，Z22和Z23來表示，同樣由表2可知，轉(zhuǎn)向主成分分析的表達(dá)式為

(10)

(11)

(12)

由式(10)～式(12)可知：

(1) 第1主成分由左轉(zhuǎn)向燈、換擋、轉(zhuǎn)動(dòng)轉(zhuǎn)向盤和加速踏板駕駛操縱動(dòng)作構(gòu)成；

(2) 第2主成分由轉(zhuǎn)動(dòng)轉(zhuǎn)向盤和左轉(zhuǎn)向燈操縱動(dòng)作構(gòu)成；

(3) 第3主成分由右轉(zhuǎn)向燈、加速踏板和轉(zhuǎn)動(dòng)轉(zhuǎn)向盤操縱動(dòng)作構(gòu)成。

并線駕駛行為前兩個(gè)駕駛操縱動(dòng)作因子的累計(jì)貢獻(xiàn)率為96.29%，大于85%，表明這兩個(gè)因子可以概括原始數(shù)據(jù)的大部分信息，其主成分分別用Z31和Z32來表示，同樣由表2可知，并線主成分分析的表達(dá)式為

(13)

(14)

由式(13)～式(14)可知：

(1) 第1主成分由制動(dòng)踏板、轉(zhuǎn)動(dòng)轉(zhuǎn)向盤和換擋操縱動(dòng)作構(gòu)成。

(2) 第2主成分由右轉(zhuǎn)向燈和換擋操縱動(dòng)作構(gòu)成。

4.2 計(jì)算綜合評(píng)價(jià)指標(biāo)值

以每個(gè)主成分所對(duì)應(yīng)的特征值占所提取主成分總的特征值之和的比例作為權(quán)重計(jì)算主成分綜合模型，可計(jì)算得出3種駕駛行為超車(Z1)、轉(zhuǎn)向(Z2)、并線(Z3)的綜合評(píng)價(jià)指標(biāo)的表達(dá)式為

(15)

(16)

(17)

(1) 實(shí)施超車駕駛行為時(shí)，X1，X2，X4和X8的系數(shù)絕對(duì)值較大，即轉(zhuǎn)動(dòng)轉(zhuǎn)向盤、操縱加速踏板、制動(dòng)踏板和右轉(zhuǎn)向燈4個(gè)駕駛操縱動(dòng)作對(duì)超車駕駛行為形成起至關(guān)重要的作用，尤其是加速踏板操縱動(dòng)作對(duì)是否超車的影響較大，屬于重要指標(biāo)。

(2) 實(shí)施轉(zhuǎn)向駕駛行為時(shí)，X2，X5，X6和X7的系數(shù)絕對(duì)值較大，即操縱加速踏板、離合踏板、換擋和左轉(zhuǎn)向燈4個(gè)駕駛操縱動(dòng)作對(duì)轉(zhuǎn)向駕駛行為實(shí)施起著至關(guān)重要的作用，尤其換擋對(duì)是否處于轉(zhuǎn)向操縱的影響較大，屬于較為重要的指標(biāo)。

(3) 實(shí)施并線駕駛行為時(shí)，X1，X4和X6的系數(shù)絕對(duì)值較大，也即轉(zhuǎn)動(dòng)轉(zhuǎn)向盤、操縱制動(dòng)踏板和換擋3個(gè)駕駛操縱動(dòng)作對(duì)并線駕駛行為實(shí)施起著至關(guān)重要的作用，且3個(gè)駕駛操縱動(dòng)作對(duì)于并線的影響都較大，屬于較為重要的指標(biāo)。

5 結(jié)論

通過問卷調(diào)查的形式采集駕駛員駕駛行為和操縱動(dòng)作數(shù)據(jù)，采用Matlab編寫駕駛行為駕駛操縱動(dòng)作主成分分析算法，得出實(shí)施完成各類型駕駛行為的主要駕駛操縱動(dòng)作成分、貢獻(xiàn)率和主成分載荷矩陣，且可進(jìn)一步得到綜合評(píng)價(jià)指標(biāo)值，提取出對(duì)于駕駛行為實(shí)施完成影響較大的駕駛操縱動(dòng)作。該研究結(jié)果未來可在以下幾個(gè)方面應(yīng)用。

(1) 個(gè)性化駕駛員駕駛行為駕駛操縱動(dòng)作模式的建立。通過抽取駕駛員的駕駛行為駕駛操縱動(dòng)作主成分，構(gòu)建基于有向圖的個(gè)性化駕駛員駕駛行為和駕駛操縱動(dòng)作模式，為進(jìn)一步研究設(shè)計(jì)個(gè)性化的車輛輔助駕駛系統(tǒng)提供技術(shù)支撐。

(2) 目前，車輛輔助駕駛系統(tǒng)和主動(dòng)安全系統(tǒng)可以針對(duì)駕駛員的駕駛行為進(jìn)行評(píng)估，該研究成果可以為輔助駕駛和主動(dòng)安全系統(tǒng)根據(jù)駕駛員的駕駛行為和實(shí)施完成此駕駛行為的操縱動(dòng)作模式，制定介入車輛干預(yù)控制的具體預(yù)防策略和方法。

(3) 利用該研究的駕駛行為操縱動(dòng)作主成分，構(gòu)建駕駛員駕駛行為的駕駛操縱模式，利用駕駛操縱動(dòng)作模式反向映射實(shí)現(xiàn)個(gè)性化駕駛行為的實(shí)時(shí)識(shí)別預(yù)測。

[1] Amardeep Sathyanarayana, Pnar Boyraz, et al. Driver Behavior Analysis and Route Recognition by Hidden Markov Models[C]. Proceedings of the 2008 IEEE International Conference on Vehicular Electronics and SafetyColumbus, OH, USA. September,2008:276-281.

[2] 宗長富,楊肖,王暢,等.汽車轉(zhuǎn)向時(shí)駕駛員駕駛意圖辨識(shí)與行為預(yù)測[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2009,39(增刊1):27-32.

[3] Pentlad A, Liu A. Modeling and Prediction of Human Behavior[J]. Neural Computation,1999,11:229-242.

[4] Yoshifumi Kishimoto, et al. A Modeling Method for Predicting Driving Behavior Concerning with Driver’s Past Movements[C]. Proceedings of the 2008 IEEE International Conference on Vehicular Electronics and Safety Columbus,2008:132-137.

[5] 陳沅江,段莉,肖云.主成分分析法和德爾菲結(jié)合法的影響駕駛行為指標(biāo)構(gòu)建[J].安全與環(huán)境學(xué)報(bào),2012,12(2):228-231.

[6] 石琴,鄭與波,姜平.基于運(yùn)動(dòng)學(xué)片段的城市道路行駛工況的研究[J].汽車工程,2011,33(3):256-261.

[7] 張德喜,周予生.MATLAB 語言程序設(shè)計(jì)教程[M].北京:中國鐵道出版社,2006.

[8] 常巍,謝光軍.MATLAB R2007 基礎(chǔ)與提高[M].北京:電子工業(yè)出版社,2007.

A Research on the Driving Operation Modes of Vehicle Drivers

Xiao Xianqiang, Ren Chunyan & Wang Qidong

SchoolofMachineryandAutomobileEngineering,HefeiUniversityofTechnology,Hefei230009

Principal component analysis (PCA) is adopted to study the main constitution structures of driver’s operation modes and a PCA algorithm created with Matlab is used to analyze the data obtained by questionnaire, from which three sets of driver behavior data of overtaking, steering and cutting-in maneuver are in particular selected for analysis to obtain the loading matrix and contribution rate of PCA corresponding to those three operation modes. The results show that through the study on driver’s behaviors and corresponding operation modes, the driving operation actions having more significant effects on specific driving behaviors can be found and hence the identification of personalized driving behaviors can be achieved inversely based on the relationship between them, providing a technique basis for subsequent design of advanced driver assistant system.

driving behavior; principal component analysis; driving operation modes

*教育部高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(20130111120023)和國家自然科學(xué)基金(51175135)資助。

原稿收到日期為2013年8月28日，修改稿收到日期為2014年4月19日。