基于移動智能終端的高速公路異常駕駛行為檢測技術研究

陳愷+++何康樂+++尚進+++董亞波

摘 要：高速公路作為交通路網中的“大動脈”，保障其通行安全尤為重要。隨意變道、掉頭行駛等異常駕駛行為是高速公路交通事故的重要誘因，而緊急制動、避障等駕駛行為則往往預示著已經發(fā)生的交通意外事件。文章通過智能手機實時檢測連續(xù)變道、掉頭等高速公路危險駕駛行為。實驗結果顯示文章提出的檢測技術具有較高準確率，具有一定的實用價值。

關鍵詞：危險駕駛行為檢測；移動智能終端；傳感器

1 概述

道路交通安全向來是社會重大安全問題之一。僅2014年1月至10月，我國共發(fā)生道路交通事故426378起，造成87218人死亡、391752人受傷，直接財產損失20.2億元[1]。在公安部交管局公布的2014年度全國10大交通事故高危路段[2]中，就有一半是高速公路路段。而隨意變道等駕駛陋習，則是交通事故的重要誘因[3]。傳統(tǒng)的危險駕駛行為檢測主要依賴于道路設施，如環(huán)形線圈檢測器、監(jiān)控攝像頭[4，5]等。由于道路設施部署密度受限，很難全面實時檢測危險駕駛行為。

隨著智能手機等移動智能終端迅速普及，以及所搭載傳感器逐漸豐富強大，移動智能終端也成為了駕駛行為檢測技術一個理想的實現平臺[6]。融合移動智能終端上的多個傳感器能提供更高的準確度[7]。

近幾年來，有不少研究對基于移動智能終端的駕駛行為和相關行車事件檢測進行了一些嘗試，如Johnson， Derick A等人融合了加速度計、陀螺儀、磁力計、GPS來檢測具有潛在危險的駕駛動作；Eren， H[8]等人在前文基礎上同樣利用加速度計、陀螺儀和磁力計進行了駕駛行為的判別和其安全性的分析[9]；Promwongsa，Nattakorn[10]等人提出了一個加速度計重定向法，來解決設備朝向和行車方向不一致問題；Castignani，German[11]等人在手機坐標系和行車坐標系不一致的問題上，使用合成了各個方向上加速度得到總加速度大小，來繞過不一致的問題的方法[12]；相比之下，利用移動智能終端進行駕駛行為檢測易推廣、易擴展，還能結合大數據技術進一步利用個體事件分析群體行為，有著巨大的優(yōu)勢。Paefgen，Johannes等人比較了基于移動設備和基于車載設備的駕駛行為檢測技術[13]，說明基于移動智能終端的方法是具有可行性的。

本文研究目標就是利用移動智能終端上的運動傳感器和定位系統(tǒng)設計一個駕駛行為檢測方法，用于檢測高速公路環(huán)境下車輛掉頭行駛、連續(xù)變道等異常駕駛行為。

2 基于移動智能終端的危險駕駛行為檢測技術

本檢測技術可分為兩個基本步驟：（1）候選行為事件邊界劃分，即從連續(xù)讀取的傳感器數據中，提取出候選危險駕駛行為事件；（2）候選行為事件分類，基于分類規(guī)則對候選危險駕駛行為事件進行檢測，判斷具體行為類別。

2.1 候選危險駕駛行為事件邊界劃分

而通過以上分析，我們注意到，要在同樣時間內獲得相同的側向速度，則側向的速度變化率是相同的，在轉彎角度不大的情況下，我們可以認為側向速度變化率近似等于車輛的法向加速度。即法向加速度本身是十分適合作為判斷轉向的依據的。雖然我們難以通過加速度計獲得可靠準確的法向加速度，但卻可以通過GPS獲取的移動速度配合旋轉角速度導出法向加速度。

2.2.2 掉頭檢測

掉頭行為可以認為是一種特殊的轉彎行為，我們同樣將其作為一種組合行為，在檢測出轉彎行為的基礎之上來進一步檢測掉頭行為?？紤]到掉頭就是在小范圍內進行180度轉向，我們依據經驗指定了兩條分類規(guī)則：

2.2.3 連續(xù)變道檢測

3 駕駛行為檢測技術驗證實驗與結果

本文所提出算法已在基于Android操作系統(tǒng)的智能手機上實現，并進行了道路實驗。實驗中檢測的目標駕駛行為包括變道、掉頭等。將持續(xù)時間區(qū)間基本重疊且類型相同的系統(tǒng)檢出事件和人工檢出事件認為是正確檢出的事件（true positive， TP），而僅有系統(tǒng)檢出的事件則作為誤報（false positive， FP），僅有人工檢出的事件作為漏報（false negative， FN）。在此基礎上，我們考慮兩項衡量本文技術有效性的指標：

查準率（precision）=TP/（TP+FP）*100%，即系統(tǒng)正確檢出事件數占系統(tǒng)檢出事件總數的比例；

查全率（recall）=TP/（TP+FN）*100%，即系統(tǒng)正確檢出事件數占人工檢出事件總數的比例。

實驗結果如表1。

4 結束語

交通安全問題是關系到國家經濟、社會民生的重大問題，而高速公路通行量大、車速快，極易引起重大交通事故。本文研究的危險駕駛行為檢測技術以目前十分普及的移動智能終端感知平臺為基礎，能夠及時有效地發(fā)現包括連續(xù)變道、掉頭等高速公路危險駕駛行為。通過對所檢測到危險駕駛行為進行實時警示，可有效提升高速公路行車安全性。

參考文獻

[1]辛文.公安部通報今年以來全國道路交通事故情況[EB/OL].http：//www.chinahighway.com/news/2004/86831.php.2014.

[2]公安部交通管理局.公安部交管局公布2014年度全國10大交通事故高危路段[EB/OL].http：//www.mps.gov.cn/n16/n1252/n1837/n2557/4339461.html.2015.

[3]彭波.人民日報：隨意變道，交通事故重要誘因[EB/OL].http：//www.mps.gov.cn/n16/n1252/n1837/n2557/3935438.html.2013

[4]Parkany E， Xie C. A complete review of incident detection algorithms & their deployment： what works and what doesn't[R].The New England Transportation Consortium，2005.

[5]Wikipedia： Apple M7. http：//en.wikipedia.org/wiki/Apple_M7.

[6]Lane N D， Miluzzo E， Lu H， et al. A survey of mobile phone sensing[J]. Communications Magazine， IEEE.2010， 48（9）： 140-150.

[7]Milette G， Stroud A. Professional Android sensor programming[M].John Wiley & Sons，2012：90-91.

[8]H. Eren， S. Makinist， E. Akin， and A. Yilmaz， “Estimating driving behavior by a smartphone，” in Intelligent Vehicles Symposium （IV）， 2012 IEEE，2012：234-239.

[9]Lu H， Pan W， Lane N D， et al. SoundSense： scalable sound sensing for people-centric applications on mobile phones[C].Proceedings of the 7th international conference on Mobile systems， applications， and services. ACM，2009：165-178.

[10]N. Promwongsa， P. Chaisatsilp， S. Supakwong， C. Saiprasert， T. Pholprasit， and P. Prathombutr，“Automatic accelerometer reorientation for driving event detection using smartphone，” in 13th ITS Asia Pacific Forum， Auckland， New Zealand， 2014.

[11]G. Castignani， T. Derrmann， R. Frank， and T. Engel， “Driver behavior profiling using smartphones： A low-cost platform for driver monitoring，” Intell. Transp. Syst. Mag. IEEE， vol. 7， no. 1，2015：91-102.

[12]Hsiao W， Horng M， Tsai Y， et al. A Driving Behavior Detection Based on a Zigbee Network for Moving Vehicles[C].Proceedings of the 2012 Conference on Technologies and Applications of Artificial Intelligence. IEEE Computer Society，2012：91-96.

[13]J. Paefgen， F. Kehr， Y. Zhai， and F. Michahelles，“Driving behavior analysis with smartphones： insights from a controlled field study，” in Proceedings of the 11th International Conference on mobile and ubiquitous multimedia，2012：36.