激進駕駛狀態(tài)識別算法研究*

成 波，徐少兵，王文軍，張 維，張 波

(清華大學(xué)，汽車安全與節(jié)能國家重點實驗室，北京 100084)

前言

急制動、急換線等激進駕駛行為是道路交通安全的重要影響因素，但難以采用法規(guī)進行限制。美國交通部的統(tǒng)計結(jié)果顯示，39%的受訪者認為激進駕駛是最大的安全威脅，90%的受訪者認為曾被他人激進駕駛所影響［1－2］，激進駕駛已被認為是現(xiàn)代道路交通安全的最大隱患之一［3］。

激進駕駛識別可用于車輛的監(jiān)管，尤其是營運車輛。研究顯示，營運車輛駕駛員(如出租車司機)更易于激進駕駛，比普通駕駛員引發(fā)或者被牽涉進交通事故的概率高53%左右，每年20%～65%的營運車輛會卷入交通事故［4］。所以識別出激進駕駛狀態(tài)進而向駕駛員提供適當預(yù)警將有助于減少交通事故，具有一定的社會和經(jīng)濟意義［5－6］。

現(xiàn)階段對激進駕駛的研究主要集中在其影響因素和相關(guān)性上，主要采用問卷和訪談等調(diào)研方法。文獻［3］和文獻［7］中對年齡、性別、交通條件、乘客、技術(shù)等主要因素的影響程度進行統(tǒng)計和量化;文獻［2］和文獻［8］中對激進駕駛和激進駕駛員的關(guān)系，激進駕駛和憤怒、壓力的關(guān)系進行了研究，激進駕駛并不等同于激進駕駛員的駕駛，激進駕駛員處于激進駕駛狀態(tài)的概率比普通駕駛員高，溫和的駕駛員出于憤怒、緊急事件等原因也可能處于激進駕駛狀態(tài);文獻［9］中認為現(xiàn)階段的激進駕駛定義過于模糊，缺乏量化定義，給監(jiān)管和研究帶來困難。實際上，量化定義激進駕駛行為存在兩個難點:(1)駕駛行為種類繁多，難以解析出駕駛行為的主要影響因素和建立統(tǒng)一的描述方法;(2)難以量化評價駕駛行為的激進程度，即評價指標和體系的構(gòu)建。

針對上述難點，本文中從車輛運動的角度定量評價駕駛激進程度，重點關(guān)注駕駛行為的描述方法和評價指標構(gòu)建，旨在形成駕駛員的激進駕駛狀態(tài)識別算法，以應(yīng)用于激進駕駛預(yù)警等系統(tǒng)中，通過加強對駕駛員的反饋和約束以減少交通事故的發(fā)生。該系統(tǒng)在對營運車輛駕駛員的管理和監(jiān)控方面有廣闊的應(yīng)用前景。

1 駕駛狀態(tài)的數(shù)學(xué)描述

激進駕駛狀態(tài)識別指建立一套駕駛狀態(tài)量化評價算法，并據(jù)此將駕駛狀態(tài)劃分為正常、較激進和激進3個等級。駕駛狀態(tài)是駕駛員在一段時間內(nèi)駕駛行為的綜合體現(xiàn)，如頻繁的魯莽駕駛行為直接反映了駕駛的激進性，因此對駕駛狀態(tài)評價的基礎(chǔ)是建立駕駛行為的評價方法。駕駛行為是駕駛員通過對轉(zhuǎn)向盤、加速踏板和制動踏板的復(fù)合操作實現(xiàn)對車輛的控制，同時每種操作的強度存在差異，因此駕駛行為的表現(xiàn)形式多樣(如急換線過程中復(fù)合急加速)，常用的窮舉法只能針對部分典型的駕駛行為。實際上，駕駛行為的“多樣性”導(dǎo)致難以建立嚴格的數(shù)學(xué)描述體系，進而導(dǎo)致難以建立統(tǒng)一的駕駛狀態(tài)量化評價指標。

基于上述分析，本文中提出“駕駛狀態(tài)-駕駛行為-駕駛模式”3層結(jié)構(gòu)的描述體系，圖1為該描述體系的結(jié)構(gòu)示意圖。

如圖1所示，一段時間T內(nèi)的駕駛狀態(tài)S由駕駛行為Be1，Be2，…，BeN綜合而得。駕駛行為指完成某一駕駛?cè)蝿?wù)而采取的一系列駕駛操作，具體操作按其功能可細分為5類:實現(xiàn)制動、加速、換線、轉(zhuǎn)彎的操作以及跟車距離的控制，本文中定義其為基本駕駛模式。其中制動模式可由釋放加速踏板或者踩下制動踏板實現(xiàn)，換線模式體現(xiàn)為快速小幅旋轉(zhuǎn)轉(zhuǎn)向盤以實現(xiàn)變換車道，轉(zhuǎn)彎模式體現(xiàn)為保持轉(zhuǎn)向盤轉(zhuǎn)角在合適范圍內(nèi)以實現(xiàn)彎道行車(不包括低速調(diào)轉(zhuǎn)車頭朝向的行為)。

基本駕駛模式是完成駕駛行為中的子任務(wù)而采取的特定操作，是駕駛行為的基本組成元素，可以更細化地描述駕駛行為。如彎道超車行為，駕駛員須“保持轉(zhuǎn)向盤過彎→踩下加速踏板加速→快速小幅旋轉(zhuǎn)轉(zhuǎn)向盤換線→快速小幅旋轉(zhuǎn)轉(zhuǎn)向盤再換線→釋放加速踏板減速”，對應(yīng)的駕駛模式為“轉(zhuǎn)彎模式-加速模式-換線模式-換線模式-制動模式”。其中，轉(zhuǎn)彎模式和換線模式雖然都是由操作轉(zhuǎn)向盤實現(xiàn)，但其操作方式和實現(xiàn)的功能均不同。實際上，任一駕駛行為都可由 B(制動)、A(加速)、F(跟車距離)、L(換線)、C(轉(zhuǎn)彎)5類基本駕駛模式復(fù)合而得，某些駕駛行為也可以只由一類駕駛模式組成，如加速行為只包含加速模式。

根據(jù)上述駕駛狀態(tài)3層結(jié)構(gòu)可建立其數(shù)學(xué)描述方法:(1)任何一駕駛行為Be都可以通過一個由基本駕駛模式構(gòu)成的5元向量來描述;(2)一段時間T內(nèi)的駕駛狀態(tài)S可通過N個駕駛行為的時間序列來描述，即由基本駕駛模式構(gòu)成的5×N的矩陣:

上述駕駛狀態(tài)數(shù)學(xué)描述方法具有如下特點:通過對行為的分解得到物理意義明確的基本駕駛模式，且層次結(jié)構(gòu)利于駕駛狀態(tài)的數(shù)學(xué)表達;通過這種層次結(jié)構(gòu)，可以將駕駛狀態(tài)的評價轉(zhuǎn)化為對各個基本駕駛模式的評價。

2 激進駕駛狀態(tài)識別算法

在建立駕駛狀態(tài)數(shù)學(xué)描述的基礎(chǔ)上，進一步提出駕駛模式激進指數(shù)來衡量基本駕駛模式的激進程度，并建立駕駛狀態(tài)識別算法。

2.1 駕駛模式激進指數(shù)

駕駛員的駕駛行為激進程度難以直接通過人體的生理指標客觀評價，實際上，駕乘人員可以通過車輛的運動狀態(tài)對駕駛激進程度進行主觀評價。如果采用定量指標來模擬描述經(jīng)驗駕駛員對激進駕駛的主觀評價，將可以量化激進駕駛的程度，進而形成一套客觀評價方法。

在駕駛模式激進程度評價中，核心為評價指標的構(gòu)建，其須滿足如下條件:(1)具有線性累加性，“駕駛狀態(tài)-駕駛行為-駕駛模式”3級中，上級的激進程度是下級的復(fù)合，如駕駛行為的激進程度是各駕駛模型激進程度之和，這就要求不同駕駛模式的評價指標具有同量綱和線性可加性;(2)采用的變量能有效地表達車輛運動特性。

基于上述分析，通過量化駕乘人員對車輛加速度的主觀感受得到駕駛激進程度的量化衡量指標。選擇加速度作為基本評價參數(shù)的原因為:加速度是5類駕駛模式的核心特征參數(shù)，也是駕乘人員對車輛運動感知的最敏感刺激輸入。

在量化描述人的主觀感受與客觀刺激之間的關(guān)系時，通常采用由美國心理學(xué)家Stevens提出的冪定律:人的主觀感受同外界刺激的冪指數(shù)成正比［8］。本文中提出以加速度為刺激輸入的駕乘人員主觀感受作為衡量激進程度的指標，即激進指數(shù)為

式中:Ei為駕駛模式i的激進指數(shù);Ti為駕駛模式i歷經(jīng)時間;ai為駕駛模式i對應(yīng)的敏感方向加速度;f(·)為人對加速度刺激的感受函數(shù);wi為權(quán)重系數(shù);x為冪指數(shù);i為駕駛模式編號，1代表制動模式B，2代表加速模式A，3代表跟車距離控制F，4代表換線模式L，5代表轉(zhuǎn)彎模式C。

駕駛模式i的激進指數(shù)Ei物理意義為:人對駕駛模式i的敏感方向加速度刺激的主觀感受在駕駛模式歷時內(nèi)的累積。ai為各駕駛模式的敏感方向加速度，其中制動、加速模式對應(yīng)縱向加速度，換線、轉(zhuǎn)彎模式對應(yīng)橫向加速度，跟車控制模式的激進性體現(xiàn)在跟車距離控制不當造成潛在追尾危險，為此提出跟車模式等效加速度作為跟車模式激進指數(shù)的刺激輸入，即

式中:vs為自車車速;vf為前車車速;D0為兩車相對距離;a2為預(yù)期前車平均制動減速度，?。?.3g［10］;τ 為駕駛員反應(yīng)時間，取 0.5s［10］。

式(3)物理意義為:某一跟車時刻，若前車以減速度a2制動，則自車為避免碰撞須采取的最小平均減速度為af。此等效加速度越大，跟車模式的激進程度越高。

2.2 駕駛狀態(tài)識別算法

在提出駕駛狀態(tài)數(shù)學(xué)描述和駕駛模式激進指數(shù)的基礎(chǔ)上，駕駛行為的激進程度可由5個基本駕駛模式的激進指數(shù)復(fù)合值來衡量，即駕駛行為激進指數(shù)為

一段時間T內(nèi)駕駛狀態(tài)的綜合激進程度可由該時間內(nèi)發(fā)生的所有行為的激進指數(shù)復(fù)合值來衡量，即駕駛狀態(tài)激進指數(shù)為

式中:ES為駕駛狀態(tài)激進指數(shù);N為時間T內(nèi)發(fā)生的駕駛行為次數(shù)。

駕駛狀態(tài)激進指數(shù)是在駕駛模式激進指數(shù)的基礎(chǔ)上得到的衡量駕駛狀態(tài)激進程度的定量指標?；诖酥笜丝蓪Ⅰ{駛員在時間T內(nèi)的駕駛劃分成正常、較激進和激進3種狀態(tài)，其閾值設(shè)置為 ES0和ES1，駕駛狀態(tài)激進指數(shù)小于ES0，表明其駕駛穩(wěn)健，屬于正常駕駛;駕駛狀態(tài)激進指數(shù)大于ES1，表明其駕駛魯莽，屬于激進駕駛;介于兩者之間為較激進駕駛狀態(tài)。時間參數(shù)T表示駕駛狀態(tài)評價時間窗，本研究中時間窗T設(shè)置為3min。

綜上，建立了激進駕駛狀態(tài)識別算法框架，冪指數(shù)x，權(quán)重wi和閾值ES0、ES1等參數(shù)將通過實車實驗數(shù)據(jù)確定。

3 實驗設(shè)計

激進駕駛沒有法規(guī)和學(xué)術(shù)上嚴格的量化界定，本文擬采用駕乘人員的主觀感受來衡量，因此實驗過程中通過主觀評價法確定駕駛狀態(tài)樣本的屬性(正常、較激進、激進)。實驗設(shè)計如下。

實際道路實驗中，選擇北京的北清路、五環(huán)路和京郊道路。駕駛員根據(jù)道路交通環(huán)境適機進行各類操作，包含正常和激進駕駛行為，被試為5名具有豐富經(jīng)驗的駕駛員，人均約做30組實驗，每組3min形成一個駕駛狀態(tài)樣本。為確定每個樣本的屬性，2名有經(jīng)驗駕駛員隨車進行評價，評價者每隔3min對前3min的駕駛狀態(tài)(正常、較激進、激進)進行評價和記錄，之后駕駛員將自評，綜合2名評價者的評價結(jié)果和駕駛員自評結(jié)果確定駕駛狀態(tài)樣本屬性。2名評價者駕駛習(xí)慣良好，無交通事故記錄，無任何交通處罰，其評價具有一定的客觀性。圖2所示為實驗道路環(huán)境和實驗用車。

實驗車輛上安裝加速度計和轉(zhuǎn)向盤轉(zhuǎn)角傳感器等，通過Freescale單片機實時采集加速度等信息并發(fā)布至車載CAN總線網(wǎng)絡(luò)，同時車上安裝有前向攝像頭和駕駛員面部攝像頭記錄現(xiàn)場視頻。車載工控機通過CAN采集卡實時采集車輛的加速度、速度、轉(zhuǎn)向盤轉(zhuǎn)角、車道線偏距和前車距離等車輛狀態(tài)和環(huán)境參數(shù)，數(shù)據(jù)采樣頻率10Hz，通過視頻采集卡實時采集前方道路和駕駛員面部視頻。圖3所示為實驗中的車輛狀態(tài)數(shù)據(jù)采集裝置和攝像頭。

實驗共采集145組有效駕駛狀態(tài)樣本，每個樣本為3min駕駛數(shù)據(jù)，其中正常駕駛狀態(tài)樣本40組，較激進樣本64組，激進樣本41組，包含制動174次、加速160次、換線149次、轉(zhuǎn)彎96次，隨機分布于各樣本中。

4 算法參數(shù)確定與算法驗證

激進駕駛狀態(tài)識別算法中冪指數(shù)x、權(quán)重wi、閾值ES0、ES1為待定參數(shù)，因此從實驗采集的145組駕駛狀態(tài)樣本中隨機抽取95組樣本(學(xué)習(xí)樣本)用于參數(shù)確定，剩余50組用于算法驗證。

4.1 參數(shù)確定

冪指數(shù)x表征激進駕駛導(dǎo)致的外界刺激和駕乘人員對其主觀感受之間的關(guān)系。對于確定的x，存在最優(yōu)wi、ES0、ES1使95組學(xué)習(xí)樣本檢測精度達到最大。因此，使檢測精度最大的x及其對應(yīng)的wi、ES0、ES1即為算法的最優(yōu)參數(shù)。檢測精度為

式中:R為檢測精度;N11、N22、N33分別指主觀評價為正常、較激進、激進的樣本也分別被算法識別為正常、較激進、激進的個數(shù);主觀評價為i等級而被算法誤識別為j等級的各類樣本個數(shù)用Nij(i≠j)來表示;N為學(xué)習(xí)樣本總數(shù)。

對數(shù)據(jù)分析后發(fā)現(xiàn)，數(shù)據(jù)差異基本都滿足要求，除去個別差距在5%，其余所有數(shù)據(jù)誤差均在誤差范圍之內(nèi)，因此，本程序中的風(fēng)荷載計算模塊是可靠的。

求解wi、ES0、ES1是一個性能指標非光滑的最優(yōu)化問題，因此本文中選擇定步長迭代法，即x以定步長逐漸變化，對特定的 x，參數(shù) wi、ES0、ES1在一個初選區(qū)間內(nèi)以定步長遞增，以尋找出一個較小的最優(yōu)解區(qū)間，在此區(qū)間以較小的步長再次尋優(yōu)，重復(fù)上述步驟至檢測精度變化量小于設(shè)定值。

圖4為當冪指數(shù)x從1漸增至3時，駕駛狀態(tài)識別精度變化曲線。當x為1.89～2.32時檢測精度大于90%，此區(qū)間為優(yōu)選區(qū)域。本研究選取x=2，此時滿足最大檢測精度對應(yīng)的權(quán)重wi、閾值ES0、ES1為

其中，w1，w2，…，w5分別為制動、加速、跟車、換線、轉(zhuǎn)彎駕駛模式激進指數(shù)的權(quán)重系數(shù)。該權(quán)重反映不同駕駛模式產(chǎn)生相同加速度對應(yīng)的激進程度不同。如換線模式由于快速旋轉(zhuǎn)轉(zhuǎn)向盤，雖然加速度幅度較小但是波動快速，所以人的主觀感受強烈，因此其權(quán)重系數(shù)較大。通過上述分析，當x=2時駕駛模式激進指數(shù)為

表1 不同強度制動的激進指數(shù)

4.2 算法驗證

在建立駕駛狀態(tài)識別算法并確定其參數(shù)后，利用剩余50組駕駛狀態(tài)樣本進行算法驗證。將50組駕駛狀態(tài)樣本依次計算出各個駕駛模式、駕駛行為和駕駛狀態(tài)的激進指數(shù)，基于駕駛狀態(tài)激進指數(shù)利用已求的閾值ES0、ES1將駕駛狀態(tài)劃分為正常、較激進和激進3個等級，并與有經(jīng)驗駕駛員的評價結(jié)果對比得到算法檢測精度。

圖6為50組樣本的駕駛狀態(tài)激進指數(shù)值，其檢測結(jié)果如表2所示，其中正常樣本19個，不良樣本16個，激進樣本15個，正確檢測46個，對驗證樣本庫檢測精度為92.0%。在實際運用中可增加訓(xùn)練樣本，以使算法適應(yīng)更大的駕駛員群體。

表2 算法驗證結(jié)果

表3為驗證樣本中第27樣本檢測結(jié)果，其中制動4次，加速4次，換線5次，轉(zhuǎn)彎2次，駕駛狀態(tài)綜合激進指數(shù)為218.7，大于閾值150，故判斷為激進駕駛，與評價者的主觀評價結(jié)果一致。

表3 第27樣本駕駛狀態(tài)識別結(jié)果

5 結(jié)論

(2)提出了基于加速度的駕駛模式激進程度評價指標——激進指數(shù)?；诖酥笜私⒘笋{駛模式-駕駛行為-駕駛狀態(tài)3級評價方法，將激進駕駛狀態(tài)的評價問題轉(zhuǎn)化為基本駕駛模式的評價問題。

(3)通過實驗完成算法參數(shù)的確定和算法驗證，驗證結(jié)果表明該算法能有效識別駕駛狀態(tài)激進程度等級。

［1］ Seay A，Zaloshnja E，Miller T，et al．The Economic Impact of Motor Vehicle Crashes，2000［R］．Washington，DC:US Department of Transportation，National Highway Traffic Safety Administration，2002．

［2］ Lajunen T，Parker D．Are Aggressive People Aggressive Drivers?A Study of the Relationship Between Self-reported General Aggressiveness，Driver Anger and Aggressive Driving［J］．Accident Analysis＆ Prevention，2001，33(2):243 －255．

［3］ Shinar D，Compton R．Aggressive Driving:an Observational Study of Driver，Vehicle，and Situational Variables［J］．Accident Analysis＆ Prevention，2004，36(3):429 －437．

［4］ Lynn P，Lockwood C R．The Accidental Liability of Company Car Drivers［R］．Transport Research Laboratory，Report 317，1999．

［5］ Ellison P A，Govern J M，Petri H L，et al．Anonymity and Aggressive Driving Behavior:A Field Study［J］．Journal of Social Behavior＆ Personality，1995，10(1):265 －272．

［6］ Krahé B，F(xiàn)enske I．Predicting Aggressive Driving Behavior:The Role of Macho Personality，Age，and Power of Car［J］．Aggressive Behavior，2002，28(1):21 －29．

［7］ Shinar D．Aggressive Driving:the Contribution of the Drivers and the Situation［J］．Transportation Research Part F:Traffic Psychology and Behaviour，1998，1(2):137 －160．

［8］ Ellison-Potter P，Bell P，Deffenbacher J．The Effects of Trait Driving Anger，Anonymity，and Aggressive Stimuli on Aggressive Driving Behavior［J］．Journal of Applied Social Psychology，2001，31(2):431－443．

［9］ Dula C S，Geller E S．Risky，Aggressive，or Emotional Driving:Addressing the Need for Consistent Communication in Research［J］．Journal of Safety Research，2003，34(5):559 －566．

［10］ Lin Q，F(xiàn)eng R，Cheng B，et al．Analysis of Causes of Rear-end Conflicts Using Naturalistic Driving Data Collected by Video Drive Recorders［C］．SAE Paper 2008－01－0522．