基于自然駕駛場景大數(shù)據(jù)的駕駛風(fēng)格研究

劉迪 鄭建明 覃斌 張宇飛 張建軍

（1.中國第一汽車股份有限公司 研發(fā)總院，長春 130013；2.汽車振動噪聲與安全控制綜合技術(shù)國家重點(diǎn)實驗室，長春 130013）

主題詞：駕駛風(fēng)格辨識 大數(shù)據(jù) 主成分分析 高斯混合模型 隨機(jī)森林

1 前言

作為駕駛員長期駕駛方式的綜合評價指標(biāo)，駕駛風(fēng)格標(biāo)簽的確定成為汽車智能算法實現(xiàn)個性化的先決條件。

在駕駛風(fēng)格識別領(lǐng)域，國內(nèi)外學(xué)者開展了大量研究。在數(shù)據(jù)采集方面，一般采取填寫主觀問卷、在駕駛模擬器上模擬駕駛、在自然公開道路上駕駛等方式。主觀評價嚴(yán)重依賴歷史結(jié)果，駕駛模擬雖然簡單快速且不受天氣約束，但是難以預(yù)測并復(fù)現(xiàn)全部自然駕駛場景。

由于數(shù)據(jù)來源廣泛，許多學(xué)者對場景進(jìn)行了切片，開展了更為細(xì)致的分析。在評價指標(biāo)選取方面，文獻(xiàn)[5]考慮了車流密度的影響，文獻(xiàn)[6]對分時租賃展開了研究，文獻(xiàn)[7]以營運(yùn)車輛的駕駛速度為評價指標(biāo)進(jìn)行聚類。在數(shù)據(jù)處理方面：Constantinescu 等應(yīng)用主成分分析、信度和效度檢驗相結(jié)合的方法提取駕駛標(biāo)簽并進(jìn)行分類；M.Gys 認(rèn)為諸如無監(jiān)督式學(xué)習(xí)、循環(huán)神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)（Support Vector Machine，SVM）等人工智能算法具有更好的分類效果；文獻(xiàn)[10]設(shè)計了一套基于標(biāo)準(zhǔn)化駕駛表現(xiàn)和像空間重構(gòu)的定性評估方法；文獻(xiàn)[11]構(gòu)建多棵決策樹，引入隨機(jī)模型建立了辨識策略；蘇琛應(yīng)用最大期望算法進(jìn)行模型訓(xùn)練，提出識別準(zhǔn)確率和置信度的概念，計算了基于縱向激勵駕駛識別模型的最優(yōu)參數(shù)。

然而，已有研究往往依賴主客觀對標(biāo)的方法，難以獲得統(tǒng)一的樣本標(biāo)簽和聚類標(biāo)準(zhǔn)，且評價指標(biāo)維度很高，模型復(fù)雜，同時，聚類結(jié)果較為剛性，難以識別邊緣數(shù)據(jù)。為了全方位分析大數(shù)據(jù)信息，獲取更為柔性的聚類結(jié)果，建立準(zhǔn)確有效的聚類器，本文搭建自然駕駛場景數(shù)據(jù)采集平臺，進(jìn)行數(shù)據(jù)清洗和行列篩選，采取主成分分析和因子旋轉(zhuǎn)的方法實現(xiàn)評價指標(biāo)降維，分析駕駛員的自然駕駛工況和超速及極端工況數(shù)據(jù)，分別建立聚類模型和辨識模型用于聚類多名駕駛員風(fēng)格和辨識新樣本。利用無監(jiān)督學(xué)習(xí)方法，訓(xùn)練基于K-均值聚類結(jié)果的高斯混合模型，通過迭代的方法尋找模型最佳參數(shù)，獲得聚類結(jié)果。最后利用監(jiān)督學(xué)習(xí)方法，訓(xùn)練隨機(jī)森林模型并交叉驗證其有效性，實現(xiàn)駕駛風(fēng)格辨識。

2 自然駕駛場景數(shù)據(jù)采集平臺及數(shù)據(jù)提取方法

本文選取某車型作為場景采集車，將GPS和慣性測量單元（Inertial Measurement Unit，IMU）組合成慣性導(dǎo)航系統(tǒng)，用來獲取時間信息、本車狀態(tài)和本車定位信息；搭載高清攝像頭、感知攝像頭、激光雷達(dá)、毫米波雷達(dá)獲取視頻數(shù)據(jù)、點(diǎn)云數(shù)據(jù)、目標(biāo)種類及相對位置，如圖1所示。同時，以實時經(jīng)緯度坐標(biāo)作為輸入，匹配開源地圖數(shù)據(jù)庫（Open Street Map，OSM），獲取實時道路類型信息。

圖1 傳感器的分布情況

基于該采集平臺，選擇33 名駕駛員在全國開放道路上行駛并完成數(shù)據(jù)采集。數(shù)據(jù)采集耗時6個月，總里程5×10km，長時間的駕駛數(shù)據(jù)幾乎能覆蓋駕駛員在各種情況下的行為表現(xiàn)，具有很強(qiáng)的代表意義。采集過程中，可通過CAN總線和傳感器獲取80余類信號，數(shù)據(jù)采集結(jié)果可轉(zhuǎn)化為“4 億行×80 余列”的大型矩陣，供有效數(shù)據(jù)提取。

2.1 篩選數(shù)據(jù)行

為了激發(fā)駕駛員的差異化表現(xiàn)，并清洗數(shù)據(jù)，建立如下數(shù)據(jù)提取規(guī)則：

a.速度區(qū)間為30～120 km/h，避免低速情況下城市道路頻繁起停、倒車的場景；

b.提取本車正前方有目標(biāo)車的場景，且碰撞時間（Time to Collision，TTC）在(0,10)s范圍內(nèi)；

c.提取道路類型包括城市（主要道路、次要道路、居住區(qū)）、快速路（高架、機(jī)場進(jìn)站、過江隧道、橋上）、高速公路。

2.2 篩選數(shù)據(jù)列

從原始數(shù)據(jù)的80余個字段中初選與駕駛風(fēng)格有關(guān)的10個評價指標(biāo)，包括3類信息：

a.本車狀態(tài)：速度、加速度、超速比例；

b.駕駛員輸入：制動踏板激活狀態(tài)、節(jié)氣門開度、最大節(jié)氣門開度；

c.與前車相對關(guān)系：相對速度、最大相對速度、相對距離（前車車尾與本車車頭的距離）、碰撞時間。

和產(chǎn)生的條件較為苛刻，且距離大部分樣本較遠(yuǎn)，即使同一駕駛員也很難復(fù)現(xiàn)，缺少代表性。本文選擇第90 分位點(diǎn)作為最大值，以剔除明顯不符合實際情況的或發(fā)生次數(shù)過少的樣本。

設(shè)城市道路、快速路、高速公路限速分別為70 km/h、80 km/h、120 km/h，超速比例表示車速超過當(dāng)前道路限速90%所持續(xù)的時長占總駕駛時長的比例：

式中，、、分別為城市道路、快速路、高速公路上的超速時長；、、分別為城市道路、快速路、高速公路上的總時長。

此步驟輸出“千萬行×10列”的矩陣。

2.3 以速度為區(qū)段的分布式聚合方法

以每10 km/h 為一個區(qū)段，將30～120 km/h 分為9段。在每段區(qū)間內(nèi)，取各評價指標(biāo)的眾數(shù)，即出現(xiàn)次數(shù)最多的值，再將9 組數(shù)據(jù)加權(quán)平均，得到單駕駛員有效數(shù)據(jù)：

式中，C、d分別為每段區(qū)間的計數(shù)和眾數(shù)。

重復(fù)此步驟33 次，得到33 名駕駛員的有效數(shù)據(jù)矩陣。

以30～40 km/h為例，繪制、、、、分布情況（作為示例，此時未區(qū)分駕駛員），如圖2所示。

圖2 30 km/h≤v＜40 km/h車速范圍內(nèi)各參數(shù)分布情況

此步驟輸出“33行×10列”的矩陣。

2.4 評價指標(biāo)降維和標(biāo)準(zhǔn)化

矩陣仍包含10 個列字段。數(shù)據(jù)集不帶標(biāo)簽，且存在線性結(jié)構(gòu)，故采用主成分分析（Principal Compo?nent Analysis，PCA）方法降維。PCA 能降低數(shù)據(jù)空間的維度，識別最重要的指標(biāo)，保證信息損失最小化，解決多重共線問題，防止過擬合，并加快算法迭代速度。

主成分的計算原理為：

式中，D為第個主成分；X為第個原始數(shù)據(jù)；=1,2,…,；k為權(quán)重系數(shù)。

任意2 個主成分的協(xié)方差為零，方向正交，相互獨(dú)立。

經(jīng)分析，該樣本的主成分分析效度檢驗指標(biāo)KMO為0.718>0.6，Bartlett 檢驗對應(yīng)值=0，比較適合進(jìn)行主成分分析。表1所示為主成分提取情況。前3個主成分的特征根值均大于1，且累積方差解釋率為78.856%。一般認(rèn)為累計解釋率達(dá)70%～80%即為有效，因此取3個主成分代表全部主成分。

表1 主成分特征根矩陣

因子旋轉(zhuǎn)可使載荷矩陣值向0 或1 靠近，使每個因子具有較高或較低的載荷。因此旋轉(zhuǎn)因子能代表的駕駛行為信息比主成分更為明確，本文采用最大方差旋轉(zhuǎn)法。

主成分分析和因子旋轉(zhuǎn)后的載荷矩陣如表2 所示。如果載荷系數(shù)絕對值大于0.4，則說明該項與主成分有對應(yīng)關(guān)系，且載荷系數(shù)越大，相關(guān)性越強(qiáng)。

表2 載荷系數(shù)表格

主成分PC1、PC2、PC3 能代表78.856%的原始數(shù)據(jù)。旋轉(zhuǎn)因子RC1 多與車輛自然狀態(tài)的平均值有關(guān)，RC2 代表駕駛過程最基本屬性（速度和節(jié)氣門開度），RC3與發(fā)生超速及碰撞等極端工況有關(guān)。因此，以RC1和RC2為研究對象分析駕駛員在自然工況下的駕駛風(fēng)格，以RC2 和RC3 為研究對象分析駕駛員超速并接近前車的傾向。

此步驟輸出“33 行×3 列”的矩陣。將其標(biāo)準(zhǔn)化，得到旋轉(zhuǎn)矩陣的成分得分，應(yīng)用其進(jìn)行聚類。

3 無監(jiān)督學(xué)習(xí)聚類

數(shù)據(jù)集不帶標(biāo)簽，因此本次聚類屬于典型的無監(jiān)督學(xué)習(xí)。為提高準(zhǔn)確度，本文綜合K-均值和基于K-均值結(jié)果的高斯混合模型作為最終聚類結(jié)果。

3.1 K-均值聚類

K-均值聚類具有方便快捷、魯棒性佳、適應(yīng)性好的優(yōu)點(diǎn)。對于給定數(shù)據(jù)集=[…]，K-均值聚類首先確定聚類數(shù)量，然后隨機(jī)選取聚類中心δ=(=1,2,…,)，最后通過迭代計算使x與其最近的δ的歐氏距離之和最?。?/p>

本文將駕駛風(fēng)格分為3 類，因此取=3。代表了聚類結(jié)果的緊密程度，結(jié)果越小，聚合效果越好。

然而，K-均值聚類結(jié)果只有“是”或“否”，僅根據(jù)到簇中心點(diǎn)的距離劃分?jǐn)?shù)據(jù)，聚類結(jié)果沒有邊界值。如果數(shù)據(jù)維度較低，操作者可以觀察邊緣數(shù)據(jù)，但如果數(shù)據(jù)維度較高，則無法可視化，強(qiáng)行聚類可能得不到預(yù)期結(jié)果。因此，以K-均值聚類結(jié)果為基礎(chǔ)，構(gòu)建高斯混合模型（Gaussian Mixture Modeling，GMM）。

3.2 基于K-均值結(jié)果的高斯混合模型聚類

GMM 的本質(zhì)是密度估計算法，它的擬合結(jié)果是描述數(shù)據(jù)分布的概率模型。GMM由多個單高斯模型組合而成，輸出結(jié)果是樣本占據(jù)某一聚類的概率。正如均值和方差能確定單高斯模型，均值向量和協(xié)方差矩陣能確定高維度的GMM，它的概率分布可表示為：

然而，GMM僅提供概率，如某個樣本所屬單高斯分布的概率接近，或者與K-均值聚類結(jié)果不統(tǒng)一，說明該樣本處于簇邊緣。對于此類樣本，應(yīng)采取主客觀結(jié)合的方式進(jìn)一步處理。

正因如此，在本文中GMM 不能用于辨識新的未知駕駛員的駕駛風(fēng)格，其意義在于識別邊緣數(shù)據(jù)。

3.3 2種聚類結(jié)果對比

3.3.1 自然駕駛工況

選取旋轉(zhuǎn)因子RC1 和RC2 為研究對象，因此能可視化表達(dá)二維聚類結(jié)果，如圖3～圖5所示。

圖3 自然工況中K-均值和高斯混合聚類結(jié)果比對

圖4 自然工況中高斯模型等高線

圖5 自然工況中高斯模型曲面

由圖3可以看出，2種方法的聚類結(jié)果大致相同，僅有2 個樣本標(biāo)簽出現(xiàn)了偏差。由圖4 可知，3 種標(biāo)簽等高線迭代結(jié)果與樣本數(shù)據(jù)相符，數(shù)據(jù)均勻地分布在等高線周圍。2 個出現(xiàn)偏差的樣本恰好都在2 類等高線邊緣，而且概率相差不大。如果可獲取更多已知數(shù)據(jù)外的信息，則完全可以綜合考慮聚類結(jié)果，GMM 僅提供參考。圖5 在三維坐標(biāo)系中直觀地刻畫了概率密度分布情況。

表3 所示為混淆矩陣，可以看出高斯模型將1 個謹(jǐn)慎型數(shù)據(jù)分類為激進(jìn)型，將1個激進(jìn)型數(shù)據(jù)分類為一般型，與上述定性分析結(jié)果一致。表4所示為33名駕駛員最終聚類結(jié)果。

表3 2種聚類方法的混淆矩陣

表4 駕駛員聚類結(jié)果

3.3.2 超速及極端工況

與3.3.1 節(jié)研究方法類似，選取旋轉(zhuǎn)因子RC2 和RC3 為研究對象，依次繪制K-均值和高斯混合聚類結(jié)果比對圖、高斯模型等高線圖、高斯模型曲面圖，如圖6～圖8所示。

圖6 極端工況K-均值和高斯混合聚類結(jié)果比對

圖7 極端工況高斯模型等高線

圖8 極端工況高斯模型曲面

由圖6～圖8可知，一般型和激進(jìn)型的概率密度產(chǎn)生了部分重疊。激進(jìn)型由于有極端值存在，導(dǎo)致方差較大，概率密度三維圖較為平緩。與3.3.1 節(jié)中的聚類結(jié)果類似，也有2個樣本標(biāo)簽出現(xiàn)了偏差。最終聚類結(jié)果如表5所示。

表5 駕駛員標(biāo)簽集

3.3.3 樣本集聚類結(jié)果

比較3.3.1和3.3.2節(jié)聚類結(jié)果，匯總至表6。有64%的駕駛員風(fēng)格不變，36%的駕駛員在一般和激進(jìn)間跳變。謹(jǐn)慎型駕駛員群體特別穩(wěn)定，從未發(fā)生變化，說明謹(jǐn)慎型駕駛員始終表現(xiàn)保守，與其他2種表現(xiàn)行為差異明顯。一般型和激進(jìn)型之間存在差異，但無明顯閾值，部分駕駛員在遇到危險時，會因個體原因發(fā)生風(fēng)格的變化。

表6 2種工況下駕駛員標(biāo)簽綜合分析

4 利用監(jiān)督學(xué)習(xí)實現(xiàn)辨識

聚類結(jié)果包含數(shù)據(jù)和標(biāo)簽信息，因此可利用監(jiān)督學(xué)習(xí)構(gòu)建機(jī)器學(xué)習(xí)模型，辨識未知駕駛員的駕駛風(fēng)格。本文擬采用隨機(jī)森林模型作為分類器實現(xiàn)此功能。

每棵樹的訓(xùn)練特征集合是從全部特征中抽取的，因此適合處理高維數(shù)據(jù)。特征較少的樣本隨機(jī)性降低，可能得不到最佳辨識結(jié)果。同時，隨機(jī)森林能檢測特征間的作用，解決共線問題。因此在訓(xùn)練模型時，樣本集為矩陣及對應(yīng)標(biāo)簽。

4.1 訓(xùn)練隨機(jī)森林模型

隨機(jī)森林是升級版決策樹，每棵樹對訓(xùn)練樣本進(jìn)行投票，最后取最高票對應(yīng)的標(biāo)簽作為分類結(jié)果。圖9所示為隨機(jī)森林模型建立過程。

圖9 隨機(jī)森林模型建立過程

具體實現(xiàn)流程如下：

a.隨機(jī)抽樣，訓(xùn)練決策樹。有放回地隨機(jī)抽取多個樣本（即可存在重復(fù)樣本），形成樣本數(shù)據(jù)集1；

b.隨機(jī)選取屬性作為節(jié)點(diǎn)分類屬性。假設(shè)訓(xùn)練樣本集包含個屬性，隨機(jī)在每個分裂節(jié)點(diǎn)處選擇個屬性，并且＜，節(jié)點(diǎn)分裂屬性不可重復(fù)；

c.重復(fù)步驟b，直到不能再分裂為止；

d.重復(fù)步驟a～步驟c，建立多棵決策樹，形成森林。

4.2 交叉驗證隨機(jī)森林模型

采用留一法評估隨機(jī)森林模型的有效性。將33名駕駛員樣本組成的測試集劃分為訓(xùn)練集和驗證集，訓(xùn)練集包含32份樣本，驗證集包含1份樣本。更換不同的驗證集，進(jìn)行33次交叉驗證，得到組驗證結(jié)果。比對聚類結(jié)果和辨識結(jié)果，分別計算3 種標(biāo)簽的辨識率，進(jìn)而得出隨機(jī)森林模型的綜合辨識率。原理如圖10所示。

圖10 交叉驗證法示意

表7、表8所示為2種工況交叉驗證結(jié)果。經(jīng)評估，基于隨機(jī)森林模型的辨識策略能正確識別100%自然工況的駕駛風(fēng)格標(biāo)簽，正確識別90.9%超速及極端工況的駕駛風(fēng)格標(biāo)簽。

表7 隨機(jī)森林模型交叉驗證結(jié)果

表8 隨機(jī)森林模型交叉驗證結(jié)果

5 結(jié)束語

本文建立了基于大數(shù)據(jù)的駕駛風(fēng)格分類及辨識體系，構(gòu)建了自然駕駛數(shù)據(jù)采集平臺，選取評價指標(biāo)并利用主成分分析實現(xiàn)降維，利用無監(jiān)督學(xué)習(xí)方法設(shè)計K-均值聚類方法，同時訓(xùn)練基于K-均值聚類結(jié)果的高斯混合模型，以此獲得更為柔性的分類結(jié)果。最后訓(xùn)練隨機(jī)森林模型，用來快速辨識未知駕駛員的風(fēng)格標(biāo)簽。當(dāng)數(shù)據(jù)量不斷擴(kuò)大，對于這些不可預(yù)知的工況和風(fēng)格標(biāo)簽，本文提出的方法仍具有普適性。

在實際駕駛中，不同場景（如起步、加速、減速、跟停）所表現(xiàn)出的風(fēng)格可能不同，進(jìn)一步細(xì)分場景得到多種標(biāo)簽應(yīng)作為下一步研究的課題。