[發明專利]一種面向智能網聯車輛群組測試的駕駛風險分級聚類方法

在審

• 申請號: 201910721648.0
• 申請日: 2019-08-06
• 公開（公告）號: CN110633729A
• 公開（公告）日: 2019-12-31
• 發明（設計）人: 孫川;馬育林;鄭四發;王龍;田歡;李茹;徐陽;王煜祺
• 申請（專利權）人: 清華大學蘇州汽車研究院(相城)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/06
• 代理公司: 32103 蘇州創元專利商標事務所有限公司
• 代理人: 郝彩華

1.一種面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：所述方法包括：

(1)車輛駕駛行為特征參數提取；

(2)車輛駕駛行為參數主成成分分析；

(3)車輛駕駛行為參數因子分析；

(4)基于系統聚類的車輛駕駛風險分級。

2.根據權利要求1所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：步驟(2)中，主成成分分析模型為：

式中：n為車輛樣本數，m為步驟(1)中提取的車輛駕駛行為特征參數指標，X1，X2，…，Xm為原來的變量指標；F1，F2，…，Fp為提取的主成成分，p＜m，a_ij為矩陣系數。

3.根據權利要求2所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：主成成分分析模型滿足以下條件：

(1)每個主成成分系數平方和為1；

(2)主成成分之間互不相關；

(3)主成成分方差依次遞減。

4.根據權利要求2所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：步驟(2)包括如下步驟：

①對步驟(1)提取的m個指標進行標準化處理；

②根據標準化后的數據矩陣求出協方差或相關陣；

③求出協方差矩陣的特征根和特征向量；

④確定主成成分；

⑤計算相應主成成分得分以及綜合主成成分得分。

5.根據權利要求1所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：步驟(3)中，因子分析模型為：

式中，n為車輛樣本數，m為步驟(1)中提取的車輛駕駛行為特征參數指標，X＝(X1,X2,…,Xm)T為車輛駕駛行為參數隨機變量，F＝F1,F2,…,Fp為公因子，b_ij為因子載荷，即公因子Fi和變量Xj的相關系數，ε為特殊因子，代表公因子以外的影響因素。

6.根據權利要求5所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：步驟(3)包括如下步驟：

①對步驟(1)提取的m個指標進行標準化處理；

②計算標準化處理后數據的相關系數陣，求出相關系數矩陣的特征值和特征向量；

③進行正交變換；

④確定因子個數，計算相應因子得分及綜合得分。

7.根據權利要求6所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：使用方差最大法進行正交變換。

8.根據權利要求1所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：步驟(4)包括如下步驟：

①將通過步驟(2)或步驟(3)獲得的各條數據各自作為一類，按照設定的距離計算各數據點之間的距離，形成一個距離陣；

②將距離最近的兩條數據并為一個類別，計算新產生的類別與其他各個類別之間的距離或者相似度，形成新的距離陣；

③按照第②步的原則，再將距離最接近的兩個類別合并，這時如果類的個數仍然大于1，則繼續重復這一步驟，直到所有的數據都被合并成為一個類別為止。

9.根據權利要求1或8所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：當通過步驟(2)獲取的數據具有實際意義時，步驟(4)中選取步驟(2)或步驟(3))獲取的數據進行聚類分析，當通過步驟(2)獲取的數據不具有實際意義時，步驟(4)中選取步驟(3)獲取的數據進行聚類分析。

10.根據權利要求1所述的面向智能網聯車輛群組測試的駕駛風險分級聚類方法，其特征在于：步驟(1)中提取的車輛駕駛行為特征參數包括車速超過限速80％的時間比例、車速平均值、車速標準差、加速度標準差、正加速度平均值、正加速度標準差、負加速度/減速度平均值和負加速度標準差。