[發明專利]一種基于網聯車輛自然駕駛數據的異常駕駛場景提取方法

有效

• 申請號: 201911311455.4
• 申請日: 2019-12-18
• 公開（公告）號: CN110969142B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 趙祥模;馬峻巖;張佳雨;許良;張穎;阿薩德;柳有權;惠飛;史昕;侯俊;楊瀾
• 申請（專利權）人: 長安大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/40;G06V10/762;G08G1/01
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 房鑫

1.一種基于網聯車輛自然駕駛數據的異常駕駛場景提取方法，其特征在于，包括：

步驟一、對網聯車輛自然駕駛數據集進行數據清洗，填補缺失數據，計算出橫向加速度；

步驟二、將速度劃分為若干區間，對速度區間內的縱向加速度和步驟一得到的橫向加速度進行異常加速度提取，根據某段行程的異常加速度點數量，判斷是否屬于極端駕駛事件；

步驟三、利用找出的極端駕駛事件數據采用k-means聚類算法進行聚類；

所述步驟三對極端駕駛事件數據進行聚類的具體步驟如下：

步驟3-1、特征選取，選取能夠表示車輛空間和時間的特征信息進行聚類；

特征矩陣的表達式如下：

在上述表達式中，D_i表示i時刻車輛的時間和空間特征，表示i時刻車輛的相對橫向距離，表示i時刻車輛的相對縱向距離，表示i時刻車輛的相對橫向速度，表示i時刻車輛的相對縱向速度，a_i表示i時刻主車輛的橫向加速度；

步驟3-2、使用輪廓系數法確定聚類簇數k，根據步驟3-1選出的特征矩陣進行k均值聚類；令k從2到某個固定值，計算k的輪廓系數，選取輪廓系數最大值的k作為分類個數；

輪廓系數計算方法為：

式中，a(i)表示i向量到同一簇內其他樣本的平均距離，a(i)越小則此向量越應該被聚類到該簇；b(i)表示i向量到其它簇的所有樣本的平均距離，b(i)越大說明向量i不屬于其它簇；

空間中數據對象與聚類中心間的歐氏距離計算公式：

其中，x為數據對象；C_i為第i個聚類中心；m為數據對象的維度；

x_j，C_ij分別為x和C_i的第j個屬性值；

整個數據集的誤差平方和計算公式為：

其中，SSE的大小表示聚類結果的好壞；當SSE的值沒有變化時，聚類結束；

步驟四、將聚類結果通過經緯度定位在google?earth中得到駕駛場景并統計駕駛參數。

2.根據權利要求1所述基于網聯車輛自然駕駛數據的異常駕駛場景提取方法，其特征在于：所述的步驟一數據清洗時當時間連續的10條數據中出現5條以上缺失值時，認為是不可信數據，將其刪除；并篩選出超過5s的連續時間序列數據；數據的采集頻率為10HZ。

3.根據權利要求1所述基于網聯車輛自然駕駛數據的異常駕駛場景提取方法，其特征在于，所述的步驟一采用臨位均值插補的方式對缺失值進行補充，具體計算方式如下：

式中，X_i為缺失數據，{X_i-k+…+X_i-1+X_i+1+X_i+k}為缺失數據前后的正常數據，k為采取填補的單側長度，取k＝5，即為1s內的10條數據進行補充。

4.根據權利要求1所述基于網聯車輛自然駕駛數據的異常駕駛場景提取方法，其特征在于，步驟一使用網聯車輛自然駕駛數據中的車道線距離計算出橫向速度，再得出橫向加速度；

具體的計算方式如下：

式中，d_i和d_i+1分別是i和i+1時刻檢測到的右側車道線距離，Δt是時間采樣時間間隔，v_i是計算得到的i時刻的瞬時橫向速度，a_i是計算得到的i時刻的瞬時橫向加速度。

5.根據權利要求1所述基于網聯車輛自然駕駛數據的異常駕駛場景提取方法，其特征在于，所述的步驟二以0.1m/s為區間將速度劃分為若干區間，對每個速度區間內的加速度采取置信度95％對縱向加速度和橫向加速度進行異常加速度提取，如果同一段行程出現連續5個以上的異常加速度點時，則將此段行程認為是一個極端駕駛事件。

6.根據權利要求1所述基于網聯車輛自然駕駛數據的異常駕駛場景提取方法，其特征在于，所述的步驟3-1中，使用主車輛和目標車輛的相對距離、相對速度和主車輛加速度信息組成特征矩陣；所述的主車輛為采集數據的車輛，所述的目標車輛為相鄰車輛。