驾驶人不良驾驶行为的识别方法.pdf

2 0 1l 第十四届中国汽车安全技术学术会议论文集驾驶人不良驾驶行为的识别方法张维，王文军，成波(清华大学汽车安全与节能国家重点实验室，北京1 0 0 0 8 4，c h e n g b o t s i n g h u a e d u c n)【摘要】本文研究具有潜在危险性的不良驾驶行为，利用分层结构的驾驶行为模型建立不良驾驶行为的识别和评价算法。本文提出的识别算法将复杂的多因子、多形式的模式识别问题转化为利用少量因子对不良驾驶行为进行识别的简单问题。并进一步提f 等效加速度估计风险指数的驾驶人行为评价算法。算法通过驾驶模拟仪实验数据进行了验证，结果表明算法可以达到实际交通环境下的应用要求。关键词：驾驶人行为；模式识别；驾驶模拟器D e t e c t i o nM e t h o df o rA g g r e s s i v eD r i v eB e h a v i o r sZ H A N GW e i，W A N GW e n-j u n，C H E N GB o(S t a t eK e yL a b o r a t o r yo f A u t o m o t i v es a f i t ya n dE n e r g y，T s i n g h u aU n i v e r s i t y，B e i n g1 0 0 0 8 4，c h e n g b o u i n g h u a e d u c r g)A b s t r a c t：A g g r e s s i v ed r i v eb e h a v i o r sc a u s i n gp o t e n t i a l l yd a n g e ra r ed i s c u s s e di nt h i sr e s e a r c h I no r d e rt oe s t a b l i s ht h ea g g r e s s i v eb e h a v i o ri d e n t i f i c a t i o na n de v a l u a t i o na l g o r i t h m s，t h i sp a p e rf i r s t l ye s t a b l i s hah i e r a r c h i c a ld r i v e rb e h a v i o rm o d e l B a s e do nt h i s，t h ei d e n t i f i c a t i o na l g o r i t h mi sp r o p o s e d，w h i c ht r a n s f e r st h ec o m p l e xm u l t i f a c t o ra n dm u l t i t y p ep a t t e r nr e c o g n i t i o np r o b l e mi n t os i m p l ep r o b l e mw i t hf e w e rf a c t o r sS Oa st od e t e r m i n ew h e t h e ra n dw h a ta g g r e s s i v eb e h a v i o r sh a v eo c c u r r e d F u r t h e r m o r e，t h i sp a p e rd e v e l o p st h ed r i v e rb e h a v i o rr i s ki n d e xe v a l u a t i o nm e t h o dw i t ht h ei n t r o d u c t i o no fe q u i v a l e n ta c c e l e r a t i o nw e i g h te s t i m a t i o nm e t h o d，m a k i n gac o m p r e h e n s i v ee v a l u a t i o no fd r i v e rb e h a v i o r T h ea l g o r i t h m sa r ev e r i f i e dt h r o u g hD r i v i n gS i m u l a t o re x p e r i m e n t，a n dt h er e s u l t ss h o wt h a t t h em e t h o d m e e t st h ea p p l i c a t i o nr e q u i r e m e n t s K e yw o r d s：d r i v e rb e h a v i o r；p a t t e r nr e c o g n i t i o n；d r i v i n gs i m u l a t o r1引言驾驶人的不良驾驶行为具有潜在危险性，已有研究表明不良驾驶行为是导致交通事故的一个主要原因。所以不良驾驶行为监测系统对于规范驾驶人的驾驶行为，将交通事故防患于未然具有重要意义。本文基于正在开发的不良驾驶行为远程监控系统对不良驾驶行为的识别和评价方法进行研究。系统包括车载信息采集模块，交通环境信息识别模块，无线传输模块和含有驾驶行为信息数据库和识别、评价算法的远程中心。信息采集模块通过C A N 总线对各种车载传感器的信号进行采集，还包括一个摄像头采集车辆前方图像；交通环境信息识别模块通过对前方图像的处理识别车道线和前方车辆，输出车道线横向偏离和前车距离等信息；所有信息通过无线传输模块发送给远程处理中心；在远程中心对驾驶人的不良驾驶行为进行识别和评价，评价结果由无线传输发回车载平台，对驾驶人进行提示。本文主要阐述作为该系统核心内容的不良驾驶行为的识别和评价算法。2 驾驶行为的描述对不良驾驶行为的描述是研究其识别和评价算法的难点。本文首先对形式多样的驾驶行为进行分类，从驾驶操作的过程和意图来将驾驶行为区分为各种驾驶模式，如跟驰，换线，转弯等。特别的，驾驶-2 0 8-张维等：驾驶人不良驾驶行为的识别方法人不良行为也是驾驶人行为的一类模式。为了方便起见，将各种典型驾驶模式表示为简写形式，如表1所示。表1典型驾驶模式在本文的简称行为模式简称行为模式简称低速L跟驰F中速M正常跟驰N F高速H过近跟驰A F加速A车道保持L K均速C换道LC减速B正常换道N L急加速A A急换道A L正常加速N A直行S正常减速N B转弯C N急减速A B正常过弯N C无前车N激进过弯A C按照不同的分类标准和观察角度，驾驶人行为可细分为多种简单的驾驶模式。如图1(a)所示，从控制的角度来看，驾驶人行为可分为对车辆的纵向驾驶人行为纵向控制ll 横向控制控制和对车辆的横向控制两大类，纵向控制包括对车辆速度的控制，对车辆加速度的控制以及对自车与前车距离的控制；横向控制包括对方向的控制和对车道线的控制。每一项又可以树形结构向下细分，在树形结构的最底层的每一种驾驶模式都具有单一的行为特征和动机，这里称之为基本驾驶模式。驾驶人在任意时刻的驾驶操作可以看成上述基本驾驶模式的复合。如图1(b)所示。例如，M-C N F-L K S 代表驾驶人在直道上保持中速，并保持车道、跟随前车的驾驶操作。而M A A A F A L N C 代表低速下驾驶人急加速过近迫近前车，并猛打方向盘换线超车的驾驶操作。相比上例，此例中的驾驶操作包含不良的基本驾驶模式A A、A F，因此属于不良的驾驶操作。驾驶人一段时间内的驾驶行为又可以看成一连串驾驶操作的复苷。例如考虑下述驾驶行为：驾驶人以正常速度均速跟随前车行驶于某城市快速路，由于没有提前注意到前方的弯道，采取了急减速过弯。这段驾驶行为可以描述为：M C N F L K S M A B N F L K N C。即可用图2 所示的三层结构对驾驶行为进行描述。车辆速度Il 车辆加速度I l 阿车距离II 车道线II 方向从J N M【H B J【A B】【A F 儿N F J【A L】【N L】【A C 儿N(a)驾驶行为的多种模式(b)驾驶行为的多种模式图l驾驶入行为的多种模式和复合，驾驶人行为一。一。，驾驶人操作，基本驾驶模式，彰。：矗，图2 驾驶人行为的分层结构如果可以识别出任意时刻的基本驾驶模式，就可以利用上述驾驶行为分层结构识别出驾驶人在任意一段时间的驾驶行为。所以不良驾驶行为的识别和评价关键在于对上述各基本驾驶模式的识别。3 驾驶人不良行为的识别近年来，国内外很多研究机构用隐马尔科夫过程(H M M)来描述驾驶人行为-3J。H M M 是双重随机过程，由隐藏的马尔科夫链和一般随机过程构成。隐藏的马尔科夫链，即隐藏状态，对应于驾驶人行为动机；而一般的随机过程，即观察序列，对应于可以采集的车辆状态参数和驾驶人操作序列，如图3 所示。-2 0 9-2 0 1 l 第十四届中国汽车安全技术学术会议论文集隐藏序观测序图3 基于H M M 的驾驶行为识别算法采用学习一评估的方法。首先对所有司能指数的关键在于不同类型驾驶人操作的权重估计。的基本驾驶模式进行学习，得到其H M M 模型。第本文提出以等效加速度作为衡量不同类型不良二步对于待识别的序列进行评估，评估其与H M M驾驶操作的权重指标：模型的相似程度，最相似的H M M 类别即可判别为对于引起纵向潜在危险的不良驾驶操作，一次此待识别序列的模式。从驾驶行为多层结构的角度引起后车以减速度a 制动的紧急制动操作和以下的来看，学习一评估方法是一种从底部到顶部的方法。不良操作等权重：(1)对于急加速或跟车过近类型解决H M M 的学习问题的通用算法是B a u m W e l c h的不良操作，假设前车突然紧急制动，考虑反应时间算法，解决H M M 的评估问题的通用算法是向前一向的条件下，自车需要采取减速度为口的制动操作才后算法。本文均采用这两种通用算法的标准形能避免事故发生；(2)对于激进换线类的不良操作。式，故不再赘述算法具体内容。在考虑反应时间的情况下，侧后方车辆需要采取减为了准确识别驾驶人行为多级结构中的不良驾速度为a 的制动操作才能避免事故发生。则以上操驶模式，本研究设计了多级H M M 分类器，包括急加作权重均为：卢=叱a，一。“o 对于引起横向潜在危险速分类器、急制动分类器、跟车过近分类器、激进换的不良驾驶操作，以不良操作的横向加速度口，为估线分类器和激进转弯分类器。经过这些分类器的辨计指标，权重为：卢=口，口，一，。a z m a，的物理意义是车识，可以确定待识别行为是否包含不良驾驶模式，包辆必然发生紧急情况的纵向加速度。若道路附着系含何种驾驶模式。数为肛，则口一。，2 熠。a y-m s x 是必然发生危险或紧急情况时的横向加速度，取路面能够提供的最大横向4驾驶人行为的评价加速度和侧翻阈值(尺r)中的较小值。在车辆同时对于一段时间的驾驶过程的评价，本研究采用有纵向、横向加速度时，由汽车理论知识，口卜还会T o l e d。等人提出的驾驶风险指数引，该指数和驾驶沿着附着圆减小。人不良行为是线形函数关系：在得到一段时间内的驾驶风险指数R“后，可以依据设定的风险指数安全阈值判断这一段时间内的耻骅耋萎霎柔 霎萎蔷譬霎蒜翟嚣会蓑泵蚕其中R。为驾驶入i 在时间t 内的驾驶行为安全指不良驾驶行为都不能容忍，但系统会具有较高的烦标；D L 为此期间驾驶持续时间；啦为类型不良驾扰度。一般安全阈值设在0 1 0 2 之间。兰誓窀篓圭!。黧鲁望主星要耄耋芝氅墨麦：要童5 算法验证表明，即随着驾驶风险指数的上升，事故发生率的预一一一一期呈指数增长。从上式可知，计算驾驶人行为危险由于驾驶人不良行为的发生具有很强的偶然性张堆等：驾驶人 良驾驶行为识i*和危险性特别是比较危险的驾驶人行为有可能造成严重的交通事故，所u 驾驶人平良行为的全面采奥是困难的。驾驶模拟仪是研究危险特殊工况下车辆和驾驶人状态的重蛩手段，奉研究利用州4(a)所示的清华大学驾驶模拟仅构建T 台有多种复杂工况的虚拟道路交通环境，如图4(b)所不。9 名被斌者和2 名经验丰富的职业驾驶人作为评价者参与了宴骑。实验开始后，棱试者依照研究人员的髓机指令进行相应驾驶模式的操作。例如研究人员指令“急加建”，被试者则需要在听到指令后立即做出急加速操作。操作结束后由评价者和被试者同时确认前而一段驾驶人行为是否符合研究人员指令。这样就获得了一段有效的。急加速”驾驶模式的数据。同理，可得到急制动，近距离跟车，急换线和急转弯等不良驾驶模式的样本以及对照的正常驾驶模式的样本。每种驾驶模式的样本约采集30 0 0 至1 万组。伊露烹，_j|、。曩譬叠逑i 盛i 鲤!薹墼。目4g g#H m m m m 镕*#首先随机抽取萁巾口分之三样本作为训练样本+构建各种基奉驾驶模式的H M M 模型。然后利用另口分之作为测试样本对H M M 分类器进行测试测试样本和训练样本严格医分。结粜表明各级分类器的正确识别率均大于9 5。图5 示意丁对于部分急减速(A B)测试样本的测试结果，可以看出急减速(A B)样本对于急减速(卧模型似然度明显高于对正常减建(N B)模型的似然度。m 鸺卿毋鼗艘R 芦蛾嘴x；，。xxO蚓。j：。，。_ X,F A。二，一：。：!￥：。：!竖!翌舟囊*删模M*在复台工况下综合驾驶和评价实验中，被试驾驶人在接近真宴的道路车流环境下自主驾驶。之后利用驾驶模拟器的回放功能，每段时间由2 名经验丰富的职业驾驶人作出这一段行为是否不良的判断，将样本分为不良行为和正常行为两类。为选定陴价算法的驾驶风险指数闺值，分别利用奉算法对不良行为和正常行为的驾驶风险指数进行了i 平价，其结粜分布分如图6(a)和圉6(b)所示。可以看出不良驾驶行为的驾驶风险指数多分布于ol 以上，而正常行为的驾驶风险指数多分布于0l“r。所以为提高系统的识别性能，将区分不良行为与正常行为的驾驶风险指数阐值设为0】。这种情况下系统的不良行为祸检率48 1，正常行为误植率37 5。|i；k|】!：卜一：m日2 0 11 第十四届中国汽车安全技术学术会议论文集6结论本研究提出了基于模式识别的驾驶人不良行为识别算法和基于驾驶风险指数的驾驶人行为评价算法，并通过驾驶模拟仪进行了验证。结果表明该算法可以实现不良行为漏检率4 8 l，正常行为误检率3 7 5 的识别性能，有望用于开发具有实用价值的驾驶人行为监测系统。致谢本研究得到8 6 3 计划“驾驶人状态及行为监测预警技术与装置”课题的资助，特此致谢。参考文献 1 P e n f l a n dA，L i uA M o d e l i n ga n dp r e d i c t i o no fh u m a nb e h a v i o rN e u r a lC o m p u t a t i o n。1 9 9 9，1 1：2 2 9 2 4 2【2】M i t r o v i cD R e l i a b l em e t h o df o rc v e u t sr e c o g n i t i o n I E E ET r a n s o nI n t e f l i g e n tT r a n s p S y n，2 0 0 5。6(2)：1 9 8 2 0 5【3 T o r k k o l aK，V e n k a t e s a nS L i uH S e n s o rs e q u e n c em o d e l i n gf o rd r i v i n g F L A I R SC o n f e r e n c e，C l e a r w a t e rB e a c h，F l o r i d a，U S A 2 0 0 5：7 2 l 一7 2 7 4 L a w r e n c eR R a b i n e r At u t o r i a lo nh i d d e nm a r k o vm o d e l sa n d l e e t e da p p l i c a t i o n si ns p e e c hm c o g n i t i o n P r o c e e d i n g so ft h eI E E E，1 9 8 9，7 7(2)5】T o m e rT o l e d o，O r e nM u s i c a n t T s i p p y L o t a n I n-v e h i c l ed a t ar e-c o i d c l 3f o rm o n i t o r i n ga n df e e d b a c ko nd r i v e r sb e h a v i o r T r a n s p o r-t a t i o nR e s e a r c hP a r tC1 6，3 2 0 3 3 1，2 0 0 8 一2 1 2 驾驶人不良驾驶行为的识别方法驾驶人不良驾驶行为的识别方法作者：张维，王文军，成波作者单位：清华大学汽车安全与节能国家重点实验室,北京 100084 本文链接：