论文部分内容阅读
交通安全是政府和民生关注的热点，目前我国的交通安全依旧严峻，据事故统计调查报告指出，驾驶员的因素在事故的构成要素中占据了主导地位。驾驶员通过“感知-决策-操控”这一过程控制车辆的运行状态以实现自己的驾驶意图，因此驾驶员既是信息的接受者，也是决策者。而涉及人的因素的过程往往是复杂的，由于年龄、性别、性格以及驾驶技能、驾驶经验方面的差异，不同的驾驶人往往会表现出不同的驾驶特征。同时，在不同的道路交通环境和驾驶情境下，驾驶员的操作也不尽相同。以往的研究多以驾驶员视为群体研究对象，而忽略了驾驶员个体属性对驾驶行为产生的影响。因此本文从驾驶个体的角度出发，研究驾驶员的驾驶行为特征，分析不同驾驶员个体间的差异，量化驾驶行为特征中个人特性的表达。
首先，选取无车、无行人、无非机动车辆干扰的路段作为实车实验地点，在指定的实验路段让驾驶员按照实验要求完成指定的驾驶任务。利用自然驾驶实验车上的汽车姿态传感器获取驾驶过程中车辆运动参数，包括速度、三轴加速度、三轴角速度、方向角以及GPS行车轨迹等数据。对不同驾驶员的各项指标进行统计，利用统计学方法分析不同驾驶员之间的驾驶行为的分布差异，并进行显著性检验。考虑到每次采集的时间序列长度不一的问题，采用动态时间规整计算驾驶员各参数序列之间的距离来衡量驾驶员驾驶之间的相似性。
为进一步分析驾驶员的特征，将驾驶行为数据从时域转换到频域，利用傅立叶变换得到驾驶员驾驶参数的频域结构，通过计算自相关系数与互相关系数比较驾驶员自身和驾驶员之间的异同。傅立叶变换无法捕获驾驶信号频率的时间局域特性，利用时频分析工具中的小波分析，实现驾驶信号在时域和频域上的细分。引入信息论中的熵理论，以小波能量熵表征不同驾驶员的驾驶信号在时频分布上的差异。
最后选取能表征驾驶员差异的驾驶指标，将其统计学参数、频域参数以及能量参数作为特征向量，利用线形判别分析算法，建立驾驶员个体识别模型，并对比不同特征参数下模型识别驾驶员个体的准确率。研究成果对于搜集驾驶员特征、评估驾驶员的驾驶技能以及未来定制个性化的驾驶辅助系统及预警系统具有重要意义。
首先，选取无车、无行人、无非机动车辆干扰的路段作为实车实验地点，在指定的实验路段让驾驶员按照实验要求完成指定的驾驶任务。利用自然驾驶实验车上的汽车姿态传感器获取驾驶过程中车辆运动参数，包括速度、三轴加速度、三轴角速度、方向角以及GPS行车轨迹等数据。对不同驾驶员的各项指标进行统计，利用统计学方法分析不同驾驶员之间的驾驶行为的分布差异，并进行显著性检验。考虑到每次采集的时间序列长度不一的问题，采用动态时间规整计算驾驶员各参数序列之间的距离来衡量驾驶员驾驶之间的相似性。
为进一步分析驾驶员的特征，将驾驶行为数据从时域转换到频域，利用傅立叶变换得到驾驶员驾驶参数的频域结构，通过计算自相关系数与互相关系数比较驾驶员自身和驾驶员之间的异同。傅立叶变换无法捕获驾驶信号频率的时间局域特性，利用时频分析工具中的小波分析，实现驾驶信号在时域和频域上的细分。引入信息论中的熵理论，以小波能量熵表征不同驾驶员的驾驶信号在时频分布上的差异。
最后选取能表征驾驶员差异的驾驶指标，将其统计学参数、频域参数以及能量参数作为特征向量，利用线形判别分析算法，建立驾驶员个体识别模型，并对比不同特征参数下模型识别驾驶员个体的准确率。研究成果对于搜集驾驶员特征、评估驾驶员的驾驶技能以及未来定制个性化的驾驶辅助系统及预警系统具有重要意义。