對(duì)于智能駕駛輔助系統(tǒng)，利用傳感器分析駕駛員行為和是否安全駕駛的研究工作開展的較多，但為駕駛員提供安全駕駛的全面解決方案卻不多。本研究的工作主要集中在量化駕駛特征的方法和可用于評(píng)估駕駛風(fēng)險(xiǎn)的指標(biāo)上。本文通過提供量化的駕駛改進(jìn)指示來建立一個(gè)可以提供全面反饋的模型，此反饋模型包括兩個(gè)主要步驟：模型訓(xùn)練和推理分析，模型圖如Fig.1所示。在所提出的模型中，采用K均值聚類對(duì)安全駕駛水平進(jìn)行分類，利用分類后的低風(fēng)險(xiǎn)數(shù)據(jù)對(duì)非線性主成分分析（NLPCA）模型進(jìn)行訓(xùn)練，分析任意行駛數(shù)據(jù)并提供反饋。在本文中，我們提出了一種基于NLPCA的分析方法（Fig.2），它可以為駕駛員提供定量反饋?；谟行У腘LPCA訓(xùn)練模型，通過檢測(cè)安全駕駛數(shù)據(jù)和提取主成分的危險(xiǎn)駕駛數(shù)據(jù)的準(zhǔn)確性進(jìn)行了測(cè)試。利用NLPCA的重建值，通過分析觀測(cè)數(shù)據(jù)與表示低風(fēng)險(xiǎn)駕駛代表值的重構(gòu)值之間的差異，可以對(duì)安全駕駛反饋進(jìn)行定量分析。

Fig.1.NLPCA-based feedback model

為了評(píng)估所提出的模型，我們收集了韓國(guó)大田廣域市附近的汽車行駛數(shù)據(jù)，并分析了使用NLPCA方法提取的主成分。對(duì)主成分的分類精度進(jìn)行了評(píng)估，以驗(yàn)證所提模型的有效性，結(jié)果表明，反饋模型可以表示安全駕駛的特征。

使用反饋的模型機(jī)器學(xué)習(xí)方法，從車輛動(dòng)力學(xué)角度來分析駕駛風(fēng)險(xiǎn)的結(jié)果與使用其他分析方法分析所得到的結(jié)果是一致的。然而，與傳統(tǒng)的方法不同，本文提出的方法能夠?yàn)轳{駛員提供安全駕駛的定量反饋。