基于模糊聚類的駕駛決策判別

王 喆，楊柏婷，劉 昕，劉 群，宋現敏

（1.吉林大學 網絡中心，長春130022；2.長春職業(yè)技術學院 信息分院，長春130031；3.吉林大學 交通學院長春130022）

0 引 言

目前，國內外學者在駕駛決策方面已進行大量研究。Wilde和Naatanen等［1－3］認為駕駛員在駕駛車輛時會盡量避免或降低駕駛風險，駕駛決策與駕駛員所面對的駕駛風險存在直接聯系，在駕駛風險和駕駛安全兩個角度分析了決策判別的依據。Tomas［4］利用Agent模擬，結合駕駛員所面對的交通狀況，為駕駛員可選擇的路線做出評價。許俊、鄒智軍和王曉原等［5－9］通過分析駕駛員在駕駛決策過程中決策的不斷變化，分別運用數理統(tǒng)計、決策樹等方法建立決策模型。這些研究多傾向于風險決策和跟馳模型中的加減速分析，雖然能夠在一定程度上反映駕駛行為的變化，但對于周邊交通環(huán)境的微觀變化和駕駛員的實時心理變化研究較少。周邊交通環(huán)境的微觀變化會引起駕駛員的心理變化，進而對駕駛行為產生影響。本文選擇模糊聚類分析方法對駕駛決策進行判別。模糊聚類分析方法能夠根據駕駛員所采取的各種決策之間的模糊性，簡單、直觀地對交通信息進行分類［10］?；诘葍r關系的聚類方法是將數據樣本經過標準化，建立模糊相似矩陣和模糊傳遞閉包，選取適當的置信水平值進行聚類分析，從而得到分類矩陣和特征信息矩陣。

本文基于模糊聚類分析方法，利用駕駛員經驗知識對交通信息進行分類，分析不同類別的信息所產生的心理變化，得到駕駛員加速、減速、勻速、自由駕駛以及制動等決策的判別方法。

1 駕駛員決策過程

雖然駕駛員的駕駛決策是駕駛員主觀采取的行為，但很大程度上是由周圍交通環(huán)境中的客觀因素決定的。為了更好地分析駕駛員的駕駛行為，需要事先了解駕駛員的整個反應操作過程。

在車輛行駛過程中，駕駛員受視野前方車輛的速度、位置等因素的刺激，會做出一系列的駕駛決策響應，例如加速、減速以及勻速等。在此刺激－響應反應中，駕駛員在有限感知范圍內獲取交通信息，根據經驗模板對信息分類以確定決策指令，最后按照指令駕駛車輛。

根據駕駛員的生理心理活動可將駕駛員的駕駛決策框架分為4個部分，如圖1所示。

圖1 駕駛員決策框架Fig.1 Framework of driver’s driving decisions

（1）影響駕駛員決策的交通信息

根據駕駛員的視覺特性，影響駕駛員決策的交通信息主要包括前方車輛的行駛速度、加速度、位置和駕駛員所駕駛車輛的運行速度、出行目的和出行時間要求等。這些客觀交通因素對駕駛員的駕駛行為具有決定性的作用。

（2）駕駛員對信息的感知

該部分是指駕駛員通過人體感覺器官收集影響駕駛員決策的交通信息，經過大腦皮層處理，進而達到認知的過程。

在對信息認知的過程中最重要的就是確定駕駛員對信息的感知范圍，如果信息在駕駛員的感知范圍外，駕駛員將忽略該信息，自由行駛。

（3）駕駛員對信息的處理

駕駛員對信息的處理是指駕駛員按照自身駕駛經驗將感知到的速度、加速度、位置等信息進行分類，信息所處的類別表示駕駛員應采取的駕駛決策。其中，經驗模板作為信息分類的依據，往往具有主觀性和模糊性，致使駕駛決策之間的界限不清晰，所以經驗模板是駕駛員駕駛決策判定中的關鍵因素，也是目前駕駛行為分析的研究重點。

（4）駕駛員的決策響應

駕駛員按照決策指令操作車輛。駕駛員的決策響應主要依靠駕駛員的駕駛技術和車輛性能，駕駛技術越熟練，就越不容易出現駕駛失誤，并且駕駛員的決策響應也將決定在緊急制動情況下駕駛員與前車之間的安全距離。

通過以上分析，可以發(fā)現影響駕駛員駕駛決策的重要因素包括客觀交通信息、駕駛員的感知范圍和駕駛經驗。在考慮前方車輛對駕駛決策的影響時，客觀交通信息包括前方車輛和駕駛員所駕駛車輛的速度、加速度和位置。駕駛員的感知范圍由駕駛員的心理特性決定。經驗模板可通過模糊聚類分析方法對數據信息樣本學習得到。

2 駕駛員駕駛決策判定

在駕駛員決策框架中，駕駛員的駕駛決策指令是駕駛員經過一系列心理活動后得出的，駕駛員與前車之間的速度和距離變化都會對駕駛員的心理產生影響。由于駕駛員的生理、心理特性，駕駛員的信息感知范圍有限，駕駛員對感知范圍以外的因素感知程度較小，甚至無法感知。對感知范圍內的信息所引起的駕駛決策判別標準較為模糊，決策的選擇由駕駛員主觀判斷。因此，首先需要確定駕駛員的心理感知范圍，進而在感知范圍內對駕駛員駕駛決策進行判定分析。

2.1 駕駛員心理感應臨界值確定

在對駕駛員心理變化進行研究時多采用生理－心理模型進行分析［11］，根據研究發(fā)現，生理－心理模型的影響因素主要包括前后車的速度差和位移差，如圖2所示。圖中，Gth為駕駛員心理感知臨界值，GWRz為駕駛員感知但無響應區(qū)域，GRth為駕駛員感知響應臨界值，GRz為駕駛員感知響應區(qū)域，JRth為駕駛員心理緊急響應臨界值，JRz為駕駛員緊急響應區(qū)域，Δx 為駕駛員駕駛車輛與相鄰車輛的相對距離，Δv 為駕駛員駕駛車輛與相鄰車輛的相對速度。

在車輛行駛過程中，前后車的速度差和位移差將會對駕駛員產生一定的心理壓力。前方車輛的速度和位置變化都將作為交通信息被駕駛員感知并接受，然后駕駛員依據經驗模板做出決策響應。駕駛員受車輛特性和自身生理特性的影響，在感知前后車的速度差和位移差時存在兩個臨界值，分別為駕駛員緊急響應臨界值JRth和駕駛員感知臨界值Gth。

圖2 生理－心理模型的感知臨界值Fig.2 Threshold of physiological－psychological perception

駕駛員的緊急響應臨界值由兩部分構成：當前車輛同前方車輛相對靜止時，剛好不發(fā)生碰撞的間距，以及車輛在不同速度運行下的相對停車距離。本文以道路上運行車輛的中心點作為基準點進行計算，駕駛員在緊急響應時，對駕駛員選擇緊急制動時兩個車輛的相對速度與相對位置的關系為：

式中：ΔxJRth為當前車輛與前方車輛的相對位置；lc為駕駛員所駕駛車輛的車身長度；lo為前方車輛的車身長度；vc為駕駛員所駕駛車輛的當前速度；tr為駕駛員自感知到做出剎車動作過程的反應時間；Δa 為駕駛車輛與前方車輛的加速度差值；ac，max為駕駛車輛采用的是機動車最大加速度；ao為前方車輛的加速度。

駕駛員感知臨界值指的是兩車之間的距離差或速度差大于該臨界值時，駕駛員無需獲取前車的信息，前車的運行對駕駛員不產生任何刺激，兩車之間沒有相互干擾，車輛以自由速度行駛，小于該閾值時，前車的運行對駕駛員產生刺激，駕駛員根據前車的信息采取加速、減速和勻速3種決策。該閾值與駕駛員駕駛的舒適程度有關，到達該臨界值時，完全自由行駛，駕駛員感應響應臨界值可由下式確定：

式中：vmax為該路段的設計速度；vr為該路段推薦行駛速度（自由行駛的期望速度）；Kj為車流密集到車輛無法移動的堵塞密度。

通過以上對駕駛員緊急響應臨界值和感知臨界值的計算，可以發(fā)現駕駛員對在緊急制動區(qū)域（0＜Δx ≤ΔxJRth）和無感知區(qū)域（ΔxGth＜Δx）所采取的駕駛決策較為明確，當駕駛員所駕駛的車輛與前方車輛的相對位置處于緊急制動區(qū)域和無感知區(qū)域時，駕駛員可直接做出決策。

當駕駛車輛與前方車輛的相對位置在0 ＜Δx ≤ΔxJRth時，駕駛車輛與前方車輛的距離較近，駕駛員應立即采取制動措施，避免與前方車輛發(fā)生碰撞。

當駕駛車輛與前方車輛的相對位置在ΔxGth＜Δx 時，駕駛車輛與前方車輛的距離較遠，前方車輛已在駕駛員感知范圍外，此時，駕駛員可以自由駕駛車輛。

當駕駛員收到的信息在駕駛員的感知區(qū)域內，即：當ΔxJRth＜Δx ≤ΔxGth時，前方車輛產生的刺激又不是過于嚴重時，駕駛員在感知響應區(qū)域對加速、減速和勻速決策的確定較為模糊，3種決策之間沒有明顯的界限。

2.2 駕駛員心理感知區(qū)域內駕駛決策判別

在駕駛員心理感知區(qū)域內，駕駛員采取的決策包括加速、減速和勻速。由2.1節(jié)可知，在駕駛員心理感知區(qū)域內駕駛員駕駛決策判別較為模糊，此時可用模糊聚類分析方法對信息樣本進行分類，從而劃分3種決策的范圍。

駕駛員獲得的影響決策的信息包括車間距和前后車的速度差。駕駛員根據這兩種信息決定車輛應該加速、減速和勻速跟馳。現有n 個原始數據樣本，每個樣本包括兩種影響信息，樣本集可表示為｛ai1，ai2｝（1≤i≤n），通過模糊聚類方法將原始數據樣本分為3類，A1、A2、A3分別代表相應的駕駛決策加速、減速、勻速并且獲得3種決策的特征信息矩陣V。

利用極差變換將數據標準化（j＝1，2）：

建立模糊相似矩陣：

利用平方自合成方法求出模糊傳遞閉包t（R）＝（r′ij）n×n，則：

式中：λ為置信水平值，0≤λ≤1。

選取適當的λ進行聚類分析，得到分類矩陣A 和特征信息矩陣V。

設模糊分類后i類決策包括k 個樣本，得到的決策矩陣為：

則該決策的特征信息矩陣為：

式中：vij為3個決策矩陣的特征信息（1≤i≤3，1≤j≤2）；j為信息種類；k為分類后每個決策中的樣本數量。

由特征向量可以確定每個決策信息對決策的影響程度ηj 為：

假設駕駛員現觀察到一個決策信息樣本｛x1，x2｝，則該樣本的各個信息向量與3 種決策特征信息向量的親疏程度（1≤i≤3，1≤j≤2）可表示為：

則該樣本相對于3種決策的隸屬度為：

式中：σ1、σ2、σ3分別為該信息樣本與駕駛員采取加速決策、減速決策和勻速決策的隸屬程度。

令σi＝max｛σ1，σ2，σ3｝，則σi為輔助系統(tǒng)認為3種決策中駕駛員采取的可能性最高的決策，即對3種決策的隸屬度比較后駕駛員采取隸屬程度最大的決策。

由2.1和2.2節(jié)可得駕駛員在感知范圍內駕駛決策的判定方法。駕駛員的駕駛決策與兩車之間的速度差和位移差的關系如圖3所示。

圖3 駕駛員駕駛決策示意圖Fig.3 Driver’s driving decisions

3 感知響應分析

駕駛員在駕駛車輛行駛時，其心理活動往往與周圍路況有關，所以車輛行駛的道路所能提供的舒適程度對駕駛員的感知范圍和決策判斷也會產生影響。

在城市道路中道路等級不同，駕駛員的期望行駛速度不同，其心理響應的臨界值也不同。駕駛員會根據所處道路交通狀況做出相應的臨界心理表現。通過實際調查獲得主次干路和支路的最大設計速度、機動車的制動加速度、駕駛員期望行駛速度以及車流堵塞密度，如表1所示。

表1 交通基本數據Table 1 Traffic basic data

3.1 駕駛員心理緊急響應臨界值分析

若前方車輛緊急制動至靜止時，即在Δv ＝vc，a0＝0，Δa ＝ac，max的情況下，駕駛員緊急響應臨界值變化主要由此時駕駛員駕駛車輛的速度決定。機動車速度越大，所需的制動距離就越長，駕駛員所要感知的緊急制動范圍就越大。根據駕駛員心理緊急響應臨界值，計算不同車速下駕駛員心理緊急響應臨界值。機動車在不同速度下駕駛員心理緊急響應臨界值的變化趨勢如圖4所示。

隨著駕駛速度的不斷增大，為了避免出現突發(fā)狀況時發(fā)生車輛相撞，車輛之間必須擁有充足的制動距離，由于車輛制動性能的限制，駕駛員的緊急響應臨界值會不斷增大。

圖4 駕駛員心理緊急響應臨界值變化Fig.4 Trend of driver psychological emergency response threshold

3.2 駕駛員心理感知臨界值分析

不同道路等級條件下，由于最初道路設計速度不同，駕駛員對行駛速度和到達目的地的時間要求也會產生變化。道路等級越高，其設計速度越大，駕駛員所期望的行駛速度越大。根據駕駛員心理感知臨界值，計算不同設計速度下駕駛員心理緊急響應臨界值。道路等級對駕駛員心理感知臨界值的影響如圖5所示。

圖5 駕駛員心理感知臨界值變化Fig.5 Trend of driver psychological perception threshold

在不同等級道路上駕駛員對期望行駛的速度的要求不同，當車輛以較高的期望速度運行時，駕駛員出于安全考慮，會擴大可自由行駛感知范圍，以便獲取更多的信息。在主干路上駕駛員感知范圍最大，次干路次之，支路上駕駛員感知范圍最小。

4 結 論

（1）確定了駕駛員感知臨界值和緊急響應臨界值，劃分了機動車自由行駛區(qū)域、緊急制動區(qū)域以及前后車相互影響區(qū)域，并在相互影響區(qū)域利用模糊聚類方法對加速、減速以及跟馳的駕駛決策進行分類，建立了在前車影響下駕駛員采取加速、減速、勻速、自由駕駛以及緊急制動決策判別模型。通過實驗發(fā)現，駕駛員心理感知范圍并不只是駕駛員視覺上對距離的感應，在不同速度條件下駕駛員心理也會發(fā)生很大變化。

（2）該判定方法簡單、直觀、可移植性強，能夠較好地體現駕駛員采取的決策行為，但需要大量的數據樣本進行參數標定和模型驗證，對道路上較大范圍內的車輛運行位置、速度和加速度等數據采集要求較高。在逐步完善數據后，模型的適用性和穩(wěn)定性有待進一步驗證。

（3）本文主要研究了駕駛員前方車輛的運行狀況對自身心理和駕駛決策的影響，尚未考慮側向車輛影響下的駕駛員換道時機、換道方向和換道決策的判定，針對駕駛員換道決策的影響因素和決策判定是下一步研究的內容。

［1］Wilde G J.The theory of risk homeostasis：implications for safety and health［J］.Risk Analysis，1982，2（4）：209－225.

［2］Naatanen R，Summala H.Road－user behavior and traffic accidents［J］.Ergonomics，1977，20（6）：698－700.

［3］Brackstone M，Mcdonald M.Car－following：a historical review［J］.Transportation Research Part F，1999，2（4）：181－196.

［4］Tomas V R，Garcia L A.A cooperative multiagent system for traffic management and control［C］∥Proceeding of AAMAS 05，2005：52－59.

［5］許駿，李一兵.基于Markov決策過程的駕駛員行為模型［J］.汽車工程，2008，30（1）：14－16.Xu Jun，Li Yi－bing.A driver behavior model based on Markov decision processes［J］.Automotive Engineering，2008，30（1）：14－16.

［6］鄒智軍，楊東援.微觀交通仿真中的車道變換模型［J］.中國公路學報，2002，15（2）：105－108.Zou Zhi－jun，Yang Dong－yuan.Lane changing model for micro traffic simulation［J］.China Journal of Highway and Transport，2002，15（2）：105－108.

［7］王曉原，楊新月.基于決策樹的駕駛行為決策機制研究［J］.系統(tǒng)仿真學報，2008，20（2）：415－420.Wang Xiao－yuan，Yang Xin－yue.Study on decision mechanism of driving behavior based on decision tree［J］.Journal of System Simulation，2008，20（2）：415－420.

［8］楊帆，云美萍，楊曉光.車路協同系統(tǒng)下多智能體微觀交通流模型［J］.同濟大學學報，2012，40（8）：1189－1196.Yang Fan，Yun Mei－ping，Yang Xiao－guang.Microscopic traffic flow model based on multi－agent in CVIS circumstance［J］.Journal of Tongji University，2012，40（8）：1189－1196.

［9］聞育，吳鐵軍，周春芳，等.基于決策優(yōu)化模型的駕駛行為建模方法［J］.浙江大學學報，2006，40（4）：704－707.Wen Yu，Wu Tie－jun，Zhou Chun－fang，et al.Describing driving behaviors based on decision optimization model［J］.Journal of Zhejiang University，2006，40（4）：704－707.

［10］高振海，管欣，郭孔輝.模糊決策理論在駕駛員行為研究中的應用［J］.系統(tǒng)工程理論與實踐，2001（6）：104－107.Gao Zhen－h(huán)ai，Guan Xin，Guo Kong－h(huán)ui.The application of fuzzy decision theory in the research of driver behavior［J］.Journal of Systems Science and Information，2001（6）：104－107.

［11］Owsley Cynthia，McGwin Gerald.Vision impairment and driving［J］.Survey of Ophthalmology，1999，43（6）：535－550.