[發明專利]一種基于模擬駕駛器和ANN算法的駕駛狀態建模方法

有效

• 申請號: 202011587317.1
• 申請日: 2020-12-28
• 公開（公告）號: CN112613181B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 蔡錦康;趙蕊;鄧偉文;丁娟
• 申請（專利權）人: 浙江天行健智能科技有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 蘇州根號專利代理事務所(普通合伙) 32276
• 代理人: 仇波

本發明公開了基于模擬駕駛器和ANN算法的駕駛狀態建模方法，其步驟包括：進行模擬駕駛試驗并采集原始試驗數據，原始試驗數據包括縱向車速、縱向加速度、節氣門開度、方向盤角速度；歸一化原始試驗數據；使用FCM算法對歸一化后的試驗數據進行聚類，聚類運算完成之后得到三個聚類中心：激進駕駛類中心、保守駕駛類中心和正常駕駛中心；根據三個聚類中心坐標對原始試驗數據進行駕駛狀態類型標記；建立用于駕駛狀態建模的人工神經網絡模型；訓練用于駕駛狀態建模的人工神經網絡模型并判斷模型是否可接受。本發明的建模方法成本低廉，數據采集準確，且所得模型具有運算速度快、對硬件處理能力要求更低、預測準確度高的優點。

技術領域

本發明涉及車輛安全技術領域，特別涉及一種基于模擬駕駛器和ANN算法的車輛駕駛狀態模型的建模方法。

背景技術

在車輛行駛過程中，駕駛員自身心理狀態波動、駕駛環境變化等因素都會造成車輛以不同狀態行駛。不同的駕駛員一般會有不同的駕駛風格，激進的駕駛員傾向于進行高速駕駛，且頻繁進行加速、制動、換道等操作。與之相反，保守的駕駛員則傾向于低速駕駛，且很少進行加速、制動、換道等操作。另外，同一駕駛員在不同心理狀態和/或不同的駕駛環境中，也可能具有不同的駕駛狀態。若能夠在必要的時候對駕駛員的駕駛狀態進行評估，并在駕駛員處于激進駕駛狀態時對其進行提醒，可以在一定程度上降低交通事故的發生概率，讓交通環境得到一定改善，從而減少人員和財產損失。在輔助駕駛技術不斷發展的今天，已經有一些評估駕駛員狀態的相關技術方案被提出。

專利CN201680060208.X公開了駕駛員狀態判定裝置及駕駛員狀態判定方法，提出以面部識別技術為基礎對駕駛員狀態進行評估。該方法易受到光照條件的約束，且對硬件的數據處理能力要求較高，在實際使用中存在一定局限性。

專利CN201710825212.7公開了一種直感式駕駛員狀態提醒裝置，提出一種基于車輛行駛狀態參數的駕駛員狀態識別方法，但是該方法并未涉及人工神經網絡(ANN)技術的應用和FCM算法的應用。

因此，需要開發一種對硬件的數據處理能力要求更低，開發成本低廉的駕駛狀態模型的建模方法，以解決現有技術的缺陷。

發明內容

本發明的主要目的在于提供一種基于模擬駕駛器和ANN算法的駕駛狀態建模方法，以使用模擬駕駛器進行模擬駕駛試驗所得到的車輛行駛相關數據，通過FCM算法進行聚類，建立用于駕駛狀態建模的人工神經網絡模型。

為了達到上述目的，本發明提供一種基于模擬駕駛器和ANN算法的駕駛狀態建模方法，其特征在于，包括以下步驟：

駕駛員使用模擬駕駛器進行模擬駕駛試驗并采集原始試驗數據，所述原始試驗數據包括縱向車速、縱向加速度、節氣門開度、方向盤角速度；

歸一化原始試驗數據；

使用FCM算法對歸一化后的試驗數據進行聚類，聚類運算完成之后得到以縱向車速、縱向加速度、節氣門開度、方向盤角速度為坐標值的三個聚類中心：激進駕駛類中心、保守駕駛類中心和正常駕駛中心；根據三個聚類中心坐標，采用對應的3個不同數值對原始試驗數據進行駕駛狀態類型標記；

建立用于駕駛狀態建模的人工神經網絡模型，模型的輸入變量為當前時刻和前多個時刻的縱向車速、縱向加速度、節氣門開度、方向盤角速度；模型的輸出層有三個節點，分別輸出得到激進駕駛類標記數值、正常駕駛類標記數值和保守駕駛類標記數值；

訓練用于駕駛狀態建模的人工神經網絡模型并判斷模型是否可接受。

進一步地，模擬駕駛試驗中，試驗在1:1的模擬城市道路上進行，駕駛員人數為10個；平均駕駛速度不低于25km/h；每個駕駛員進行兩次試驗，每次試驗時長超過1小時。

在一優選實施例中，試驗中數據采集周期為0.2s。

進一步地，對原始試驗數據使用以下公式進行歸一化計算：