一種基于車輛行駛數據的急轉彎行為識別方法
【專利摘要】本發明屬于車輛技術領域，具體涉及一種基于車輛行駛數據的急轉彎行為識別方法，包括如下步驟：(1)采集車輛行駛數據；(2)通過主成分分析法得到轉彎因子；(3)對轉彎因子取閾值；(4)通過比較轉彎因子在某時刻的得分和閾值的大小來識別在所述時刻是否為急轉彎行為：當轉彎因子的得分大于或等于閾值時，所述時刻為急轉彎時刻。本發明所述方法克服了現有技術的缺陷，顯著提高了急轉彎行為識別的準確性、有效性。
【專利說明】
一種基于車輛行駛數據的急轉彎行為識別方法
技術領域
[0001] 本發明屬于車輛技術領域，具體涉及一種基于車輛行駛數據的急轉彎行為識別方 法。
【背景技術】
[0002] 根據道路交通事故統計表明，危險駕駛行為是造成交通事故的重要原因之一，其 中急轉彎是事故高發的危險駕駛行為。對于汽車制造企業來說，如果能夠準確評估駕駛員 在駕駛行為尤其是急轉彎行為中的表現，就能針對駕駛行為更加合理地設計車型，增加車 輛的適用性，提高安全系數。
[0003] 隨著車聯網的發展，車輛行駛軌跡(例如:經度、維度)及車輛物理特征(例如:瞬時 速度、加速度、方向盤轉角）的記錄和保存成為可能，這使得研究人員能利用豐富的車輛行 駛數據來評估駕駛行為。
[0004] 急轉彎是一種很危險的駕駛行為。急轉彎時，車輛會產生很大的離心力，從而極易 導致車輛側翻，產生嚴重的交通事故。2008年，中國一般彎道交通事故數量達到7637次，其 中由于急轉彎導致的交通事故數量達到1563次。因此，亟需一種客觀全面、判斷準確率高的 急轉彎判定方法。

【發明內容】

[0005] 本發明的目的是針對現有技術的不足，提供一種基于主成分分析法、準確率高的 基于車輛行駛數據的急轉彎行為識別方法。
[0006] 本發明解決問題的技術方案是:一種基于車輛行駛數據的急轉彎行為識別方法， 包括如下步驟：
[0007] (1)采集車輛行駛數據:所述車輛行駛數據包括瞬時油耗、瞬時加速度、方向盤轉 動角度、車輛速度、發動機轉速、方向盤轉動角速度；
[0008] (2)通過主成分分析法得到轉彎因子:將所述瞬時油耗、瞬時加速度、方向盤轉動 角度、車輛速度、發動機轉速、方向盤轉動角速度作為6個原始指標，通過主成分分析法合成 相同數量的主成分，然后選取累計方差貢獻率為85%以上的前四個主成分，再將選取的所 述前四個主成分以各自的方差貢獻率在所有入選主成分的方差貢獻率中所占比例作為權 重進行線性組合，形成轉彎因子；
[0009] (3)對轉彎因子取閾值；
[0010] (4)通過比較轉彎因子在某時刻的得分和閾值的大小來識別在所述時刻是否為急 轉彎行為:當轉彎因子的得分大于或等于閾值時，所述時刻為急轉彎時刻。
[0011] 進一步地，所述步驟(2)中，通過主成分分析法得到轉彎因子的步驟包括：
[0012] (2.1)根據采集的車輛行駛數據，建立數據矩陣Χ' = (χ'")ηΧρ，其中，η為記錄數，p 為指標數，表示第i行第j列的數據，且i<n，j<p;將瞬時油耗、瞬時加速度、方向盤轉動 角度、車輛速度、發動機轉速、方向盤轉動角速度這6個原始指標作為主成分分析的原始變 量，取p = 6;
[0013] (2.2)對各指標數據進行標準化，以便消除各項指標在量綱和數量級的差別，標準 化的方法是將每個數據Yu先減去第j個指標的均值（即數據矩陣的列均值），再除以第j個 指標的標準差（即數據矩陣的列標準差），得到標準化后的數據Xlj，進而得到標準化數據矩 陣;每個指標的均值為〇，方差為1;
[0014] (2.3)根據標準化數據矩陣建立協方差矩陣R，協方差矩陣R能反映各個指標之間 的相關性，協方差矩陣R的每個元素 Ru代表i、j變量的協方差，計算公式為：
[0015]
[0016] 其中k為整數，代表i、j變量的第k個取值；
[0017] (2.4)求解協方差矩陣R的特征值和特征向量:通過解特征方程|λE-R|=0求出p個 特征值，i = 1，2···ρ，其中E為單位矩陣，并分別求出對應于特征值λι的特征向量，求解過程 是將協方差矩陣R進行分解，公式為：
[0018] ^-YH=iheiei 5
[0019]其中，Μ是協方差矩陣R的特征值，出是長度為p的特征向量，出7是出的轉置向量；
[0020] 再將特征值Μ按照從大到小的順序排列，得到：
[0021] λχ>λ2>· · ·>λρ ；
[0022] (2.5)計算各主成分的方差貢獻率及累計方差貢獻率，并根據累計方差貢獻率確 定最終入選的主成分個數：
[0023] 方差貢獻率的計算公式為
[0024] 累計方差貢獻率的計算公式為抝二Sk：iWfc，即把排名前i的方差貢獻率累計求 和；
[0025] 選取累計方差貢獻率為85 %以上的前m個主成分，取m = 4;
[0026] (2.6)通過載荷矩陣寫出主成分計算式：
[0027]載荷矩陣是表示主成分與原始變量線性轉換關系的矩陣，載荷矩陣的系數正是每 個主成分對應的特征向量的值，據此寫出第i個主成分匕的計算公式：
[0028] fi = eii*xi+e2i*X2+...+ePi*xP，
[0029] 其中 ，epi是第P個特征向量的第i個分量，xP是第P個指標；
[0030] (2.7)根據選取出的m個主成分計算每條記錄的轉彎因子的得分，第i條記錄的轉 彎因子Sl的得分的計算公式為：
[0031 ] S：i = Wi/i,· + W-zf'Zi + ·" + ··· + Wmfrni ? l'^ksSm；
[0032] 其中任意一項fki表示第k個主成分的第i個分量，系數1?的計算公式為：
[0033]
[0034] 進一步地，所述步驟(3)中，所述轉彎因子的閾值為1.5。
[0035]進一步地，所述步驟(2.5)中，選取累計方差貢獻率大于85%的前四個主成分。
[0036]進一步地，所述步驟（2.5)中，選取出的前四個主成分的方差貢獻率分別為 43.7%，22.8%，16.8%，11.4%，然后在步驟(2.7)中計算出的所述前四個主成分的系數分 別為0.46,0.24,0.18,0.12，因此第1條記錄的轉彎因子 31的得分的計算公式為：
[0037] si = 0 · 46*fii+0 · 24*f2i+0 · 18*f3i+0 · 12*f4i。
[0038] 進一步地，所述選取出的前四個主成分的累積貢獻率能達到94.7%以上。
[0039] 本發明的有益效果為:本發明利用主成分分析法的降維思想，將多指標轉化為綜 合指標，降低觀測空間的維度，獲取最主要的信息，通過將與急轉彎相關的幾個變量用主成 分分析法進行綜合，顯著提高了急轉彎行為識別的準確性、有效性。
【附圖說明】
[0040] 圖1是本發明所述基于車輛行駛數據的急轉彎行為識別方法的流程圖；
[0041] 圖2是應用本發明所述方法得到的轉彎因子和轉彎實驗中方向盤轉動角度的對比 折線圖。
【具體實施方式】
[0042]下面結合附圖和【具體實施方式】，對本發明作進一步的說明。
[0043] 如圖1所示，一種基于車輛行駛數據的急轉彎行為識別方法，包括如下步驟：
[0044] (1)采集車輛行駛數據:所述車輛行駛數據包括瞬時油耗、瞬時加速度、方向盤轉 動角度、車輛速度、發動機轉速、方向盤轉動角速度；
[0045] (2)通過主成分分析法得到轉彎因子:將所述瞬時油耗、瞬時加速度、方向盤轉動 角度、車輛速度、發動機轉速、方向盤轉動角速度作為6個原始指標，通過主成分分析法合成 相同數量的主成分，然后選取累計方差貢獻率為85%以上的前四個主成分，再將選取的所 述前四個主成分以各自的方差貢獻率在所有入選主成分的方差貢獻率中所占比例作為權 重進行線性組合，形成轉彎因子；
[0046] (3)對轉彎因子取閾值；
[0047] (4)通過比較轉彎因子在某時刻的得分和閾值的大小來識別在所述時刻是否為急 轉彎行為:當轉彎因子的得分大于或等于閾值時，所述時刻為急轉彎時刻。
[0048] 所述步驟(2)中，通過主成分分析法得到轉彎因子的步驟包括：
[0049] (2.1)根據采集的車輛行駛數據，建立數據矩陣，其中，η為記錄數，p 為指標數，X、』表示第i行第j列的數據，且i<n，j<p;將瞬時油耗、瞬時加速度、方向盤轉動 角度、車輛速度、發動機轉速、方向盤轉動角速度這6個原始指標作為主成分分析的原始變 量，取p = 6;
[0050] (2.2)對各指標數據進行標準化，以便消除各項指標在量綱和數量級的差別，標準 化的方法是將每個數據Yu先減去第j個指標的均值（即數據矩陣的列均值），再除以第j個 指標的標準差（即數據矩陣的列標準差），得到標準化后的數據 Xlj，進而得到標準化數據矩 陣;每個指標的均值為〇，方差為1;
[0051] (2.3)根據標準化數據矩陣建立協方差矩陣R，協方差矩陣R能反映各個指標之間 的相關性，協方差矩陣R的每個元素 Ru代表i、j變量的協方差，計算公式為：
[0052] Rij ' - Σ/{：=1 ^ik * -??!
[0053] 其中k為整數，代表i、j變量的第k個取值；
[0054] (2.4)求解協方差矩陣R的特征值和特征向量:通過解特征方程| λΕ-R | =0求出p個 特征值，i = 1，2···ρ，其中E為單位矩陣，并分別求出對應于特征值λι的特征向量，求解過程 是將協方差矩陣R進行分解，公式為：
[0055] R =Zf=1^eie：r >
[0056] 其中，Μ是協方差矩陣R的特征值，&是長度為p的特征向量，6^是&的轉置向量；
[0057] 再將特征值Μ按照從大到小的順序排列，得到：
[0058] λι>λ2>···>λρ;
[0059] (2.5)計算各主成分的方差貢獻率及累計方差貢獻率，并根據累計方差貢獻率確 定最終入選的主成分個數：
[0060] 方差貢獻率的計算公式為
[0061] 累計方差貢獻率的計算公式，即把排名前i的方差貢獻率累計求 和；
[0062] 選取累計方差貢獻率為85 %以上的前m個主成分，取m = 4;
[0063] (2.6)通過載荷矩陣寫出主成分計算式：
[0064]載荷矩陣是表示主成分與原始變量線性轉換關系的矩陣，載荷矩陣的系數正是每 個主成分對應的特征向量的值，據此寫出第i個主成分匕的計算公式：
[0065] fi = eii*xi+e2i*X2+...+ePi*xP，
[0066] 其中 ，epi是第P個特征向量的第i個分量，xP是第P個指標；
[0067] (2.7)根據選取出的m個主成分計算每條記錄的轉彎因子的得分，第i條記錄的轉 彎因子Sl的得分的計算公式為：
[0068] & = %/" + ?;2/2? + …+
[0069] 其中任意一項fki表示第k個主成分的第i個分量，系數的計算公式為：
[0070]
[0071]所述步驟(3)中，所述轉彎因子的閾值為1.5。
[0072]所述步驟(2.5)中，選取累計方差貢獻率大于85%的前四個主成分。
[0073]所述步驟(2.5)中，選取出的前四個主成分的方差貢獻率分別為43.7%，22.8%， 16.8%，11.4%，然后在步驟(2.7)中計算出的所述前四個主成分的系數分別為0.46,0.24， 0.18,0.12，因此第1條記錄的轉彎因子 31的得分的計算公式為：
[0074] si = 0 · 46*fii+0 · 24*f2i+0 · 18*f3i+0 · 12*f4i。
[0075] 所述選取出的前四個主成分的累積貢獻率能達到94.7%以上。
[0076]采用本發明所述方法進行實驗：
[0077] 相對于轉彎，將急轉彎定義為短時間內劇烈改變方向盤位置的行為。通過將車輛 行駛的瞬時油耗、瞬時加速度、方向盤轉動角度、車輛速度、發動機轉速、方向盤轉動角速度 這6個指標，通過主成分分析法將其綜合為一個轉彎因子，運用轉彎因子的得分來直接識別 急轉彎行為。其中，方向盤位置能用來判別車輛是否處于轉彎狀態。將方向盤未旋轉狀態記 為方向盤位置為0°，向左旋轉則方向盤轉動角度小于0°，向右旋轉則方向盤轉動角度大于 0°〇
[0078] 圖2表示車輛在行駛的1000-1100秒的時間段的轉彎因子和轉彎實驗中方向盤轉 動角度的對比折線圖。其中粗實線表示轉彎因子得分的波動，細實線表示方向盤轉動角度 的變化，虛線表示車輛速度的變化;橫坐標表示時間，左邊的縱坐標表示方向盤轉動角度， 右邊的縱坐標表示轉彎因子。結合實驗數據，將識別急轉彎行為的轉彎因子的閾值設定為 1.5，即，本發明確定識別急轉彎時刻的標準是：當某時刻轉彎因子得分多1.5時，該時刻即 為急轉彎時刻。
[0079]如圖2所示，在1015秒處轉彎因子的得分為1.85,大于閾值1.5,因此被識別為急轉 彎時刻。結合方方向盤轉動角度曲線可以看到，1015秒這一時刻的確經歷了方向盤位置的 劇烈變化過程，同時，根據速度曲線可以看到，急轉彎過程往往伴隨著速度的突然減小，這 與實際生活中，急轉彎時司機常常會同時急剎車的情形相符合。同樣，本發明所述方法也能 對正常的轉彎過程進行區分，如在1030秒之后車輛也經歷了轉彎過程，但該轉彎過程相對 比較緩慢，因此1030秒這一時刻并未被識別為急轉彎，符合實際情況。其它的試驗階段同樣 證明了本發明所述方法的有效性。
[0080] 本發明的基本原理是：
[0081] 本發明借助于主成分分析法，主成分分析法是一種數據降維的統計方法，它借助 于一個正交變換，將原始的多個指標綜合成能概括原來大部分信息的少數幾個指標，不損 失重要信息的前提下，降低觀測空間的煒度。
[0082] 在實際問題研究中，為了全面、系統地分析問題，必須考慮眾多影響因素。這些涉 及的因素一般稱為指標或者變量。因為每個指標都在不同程度上反映了所研究問題的某些 信息，并且指標之間彼此有一定的相關性，因而所得的統計數據反映的信息在一定程度上 有重疊。在用統計方法研究多變量問題時，變量太多會增加計算量和增加分析問題的復雜 性，人們希望在進行定量分析的過程中，涉及的變量較少，得到的信息量較多。主成分分析 正是適應這一要求產生的，是解決這類問題的理想工具。
[0083] 總體來說，主成分分析旨在利用降維的思想，把多指標轉化為少數幾個綜合指標， 降低觀測空間的維數，以獲取最主要的信息。假設有P個指標，因此至多有P個綜合指標(主 成分）。由于總方差不增不減，前幾個綜合指標的方差較大，而后幾個綜合指標的方差較小。 嚴格說，只有前幾個綜合指標才稱得上"主"成分，后幾個綜合指標實為"次"成分。實踐中總 是保留前幾個，忽略后幾個。保留多少個主成分取決于保留部分的累積方差在方差總和中 所占百分比。
[0084] 本發明將六個原始指標經過組合形成六個主成分，然后選取累積貢獻率為85%以 上的前四個主成分，再將前四個主成分以其方差貢獻率比例作為權重進行線性組合，最終 合成了一個綜合指標，即轉彎因子，然后通過對轉彎因子取閾值來判斷汽車的急轉彎行為。
[0085] 本發明并不限于上述實施方式，在不背離本發明實質內容的情況下，本領域技術 人員可以想到的任何變形、改進、替換均落入本發明的保護范圍。
【主權項】
1. 一種基于車輛行駛數據的急轉彎行為識別方法，其特征在于，包括如下步驟： (1) 采集車輛行駛數據:所述車輛行駛數據包括瞬時油耗、瞬時加速度、方向盤轉動角 度、車輛速度、發動機轉速、方向盤轉動角速度； (2) 通過主成分分析法得到轉彎因子:將所述瞬時油耗、瞬時加速度、方向盤轉動角度、 車輛速度、發動機轉速、方向盤轉動角速度作為6個原始指標，通過主成分分析法合成相同 數量的主成分，然后選取累計方差貢獻率為85% W上的前四個主成分，再將選取的所述前 四個主成分W各自的方差貢獻率在所有入選主成分的方差貢獻率中所占比例作為權重進 行線性組合，形成轉彎因子； (3) 對轉彎因子取闊值； (4) 通過比較轉彎因子在某時刻的得分和闊值的大小來識別在所述時刻是否為急轉彎 行為:當轉彎因子的得分大于或等于闊值時，所述時刻為急轉彎時刻。2. 根據權利要求1所述的基于車輛行駛數據的急轉彎行為識別方法，其特征在于，所述 步驟(2)中，通過主成分分析法得到轉彎因子的步驟包括： (2.1) 根據采集的車輛行駛數據，建立數據矩陣乂'=^/^)。乂。，其中，11為記錄數，口為指 標數，表示第i行第j列的數據，且i《n，j《p;將瞬時油耗、瞬時加速度、方向盤轉動角 度、車輛速度、發動機轉速、方向盤轉動角速度運6個原始指標作為主成分分析的原始變量， 取 P = 6; (2.2) 對各指標數據進行標準化，標準化的方法是將每個數據先減去第j個指標的 均值，再除W第j個指標的標準差，得到標準化后的數據XU，進而得到標準化數據矩陣； (2.3) 根據標準化數據矩陣建立協方差矩陣R，協方差矩陣R的每個元素 Ru代表i、j變量 的協方差，計算公式為：其中k為整數； (2.4) 求解協方差矩陣R的特征值和特征向量:通過解特征方程I λΕ-R I =0求出P個特征 值λl，i = l，2…p，其中E為單位矩陣;并分別求出對應于特征值λl的特征向量，求解過程是將 協方差矩陣R進行分解，公式為：.7 其中，λι是協方差矩陣R的特征值，ei是長度為P的特征向量，eiT是ei的轉置向量； 再將特征值λι按照從大到小的順序排列，得到： λι>λ2>···>λρ； (2.5) 計算各主成分的方差貢獻率及累計方差貢獻率，并根據累計方差貢獻率確定最 終入選的主成分個數： 方差貢獻率的計算公式為：累計方差貢獻率的計算公式j選取累計方差貢獻率為85% W上的前m個主成分，取m=4; (2.6) 通過載荷矩陣寫出主成分計算式： 載荷矩陣的系數正是每個主成分對應的特征向量的值，據此寫出第i個主成分fi的計算 公式： f i = eii*xi+e2i*X2+.. .+epi*Xp， 其中，epi是第p個特征向量的第i個分量，xp是第p個指標； (2.7)根據選取出的m個主成分計算每條記錄的轉彎因子的得分，第i條記錄的轉彎因 子Si的得分的計算公式為： & =耐Α? + 巧2/2,. + …+尿fc/fc, + + 歷w/m,.， 其中任意一項fki表示第k個主成分的第i個分量，系數巧fc的計算公式為：3. 根據權利要求1所述的基于車輛行駛數據的急轉彎行為識別方法，其特征在于，所述 步驟(3)中，所述轉彎因子的闊值為1.5。4. 根據權利要求2所述的基于車輛行駛數據的急轉彎行為識別方法，其特征在于，所述 步驟(2.5)中，選取累計方差貢獻率大于85%的前四個主成分。5. 根據權利要求2所述的基于車輛行駛數據的急轉彎行為識別方法，其特征在于，所述 步驟（2.5)中，選取出的前四個主成分的方差貢獻率分別為43.7% ,22.8% ,16.8%， 11.4%，然后在步驟(2.7)中計算出的所述前四個主成分的系數分別為0.46,0.24,0.18， 0.12,因此第i條記錄的轉彎因子Si的得分的計算公式為： si = 0.46*fii+0.24*f2i+0.18*f3i+0.6. 根據權利要求4所述的基于車輛行駛數據的急轉彎行為識別方法，其特征在于，所述 選取出的前四個主成分的累積貢獻率能達到94.7% W上。
【文檔編號】G06F19/00GK105975756SQ201610279207
【公開日】2016年9月28日
【申請日】2016年4月28日
【發明人】黃亮
【申請人】彩虹無線（北京）新技術有限公司