基于驾驶行为的智慧车载系统研究

蔡丛楠、牛文楠、刘莎、宁柏锋、董雄生、谭新治

深圳供电局有限公司 440304

摘 要：交通拥挤、事故和环境污染每年造成数百万人的损失，成为近代人类社会可持续发展的主要挑战。为了解决这一问题，需要一个高效、可靠的智能车载系统。根据学术界和业界的共识，智能车辆通信包括车对车(V2V)、车对基础设施(V2I)和车对行人(V2P)通信是系统中的重要组成部分。不幸的是，目前仍然缺乏能够广泛应用于智能交通系统的安全性、可靠性和有效性等方面的商用车辆通信系统，这使得具有新颖的系统结构和技术特点的智能车载系统成为研究热点。

关键词：驾驶行为；智慧车载系统；研究和分析

1. 智慧车载系统概述

在企业的发展和运营过程中，汽车交通安全是企业安全生产的重要组成部分，在公司车辆的管理过程当中，车队业务通常包括管理大量的机动车辆。在管理车队方面出现的一个问题是不断关注机动车辆及其驾驶员的福祉。具体而言，涉及车队车辆的意外是令人关注的主要原因。例如，事故发生后的赔偿责任通常是重大的。如果车辆涉及其他司机，并且车队以外的个人财产遭到破坏，则可能产生额外的赔偿责任。因此，预防事故有助于节省资产修理成本，降低保险费用。这些保险费的增加可能是显著的。因此，驾驶员在车队中操作机动车辆的安全成为车队企业的一个主要优先事项。

2. 智慧车载系统驾驶行为研究分析

在本文的智慧车载系统设计过程中，汽车安全管理系统(VSM)检测汽车的安全驾驶行为。该系统包括多种不安全驾驶事件，包括车辆追尾、频繁变道、违反限速规定、在弯道段超速、起步时加速、快速减速停车。车辆配备有事件检测模块。所述事件检测模块包括用于为与所述车辆的运动相关的参数采集车辆数据的电路。事件检测模块还包括用于执行算法的处理器，该算法确定车辆的运动是否满足一个或多个预先确定的条件。如果满足预先确定的条件，则生成一个或多个不安全驾驶事件的事件数据。事件检测模块包括用于在车辆和服务器之间发送和接收数据的收发信机。服务器向客户显示事件数据，以便允许客户查看客户车队的不安全驾驶行为数据。例如，应用服务器可能会生成详细描述驾驶员、车辆、状况等不安全驾驶事件的报告。

在系统的工作过程中，如果用于车体内部的传感器校准过程，当车辆没有角运动(即，车辆横摆速率为零)时，对陀螺仪的零点输出进行校准以产生偏置漂移。在两种车辆状态下不发生角运动: 车辆静止时或车辆在直道上行驶时。当车辆停止时，陀螺零点偏移校正更加准确。在这种情况下，陀螺仪的输出在一个短的固定的时间内被监视。该数据通过各种加窗方案进行传输，并与陀螺零点输出结果进行比较。这个过程确保了突然的虚假变化不会破坏陀螺仪零点输出校准。如果车辆没有停下来而是沿直线行驶，且陀螺仪标定时间没有超过阈值设置，则采用第二种标定方法对陀螺仪的零点输出进行标定。如果车辆在一条笔直的道路上行驶，那么 GPS 的航向数据将不会显示任何变化。当同时观察时，有两个条件决定车辆在直线上行驶: 1)当车辆的行驶方向数据没有超过一定的阈值时，2)当车辆所行驶的各个连续路段的行驶方向表明车辆在直线上行驶时。当陀螺仪在运动状态下进行标定时，误差概率较大。在一个实施例中，在根据该方法标定陀螺仪之前进行附加测试。例如，一个测试可能包括计算新零点值和旧零点值之间的差异，并将差异与阈值进行比较。另一个测试可能包括将新的零点值与先前记录的零点值进行比较，以确定新的零点值是否与先前记录的零点值大幅偏离。

利用 GPS 测速数据、 GPS 航向数据和加速度传感器数据(块数据)进行数据采集，系统还可以访问车载地图数据库。GPS 速度数据可以用来确定车辆是否是静止的。如果车辆没有停下来，并且航向变化小于阈值(即，表示车辆在直线路段上行驶) ，则收集陀螺仪输出数据。如果车辆没有停下来并且航向变化大于阈值，那么一组新的 GPS 速度数据、航向数据和加速度计数据将被获得，如果新的陀螺仪输出数据在这个范围内，那么陀螺仪输出数据被设置为新的陀螺仪偏置。

陀螺仪输出数据(以伏特为单位测量)使用传感器灵敏度和比例因子的规定值转换成角速率(每秒旋转度)。当车辆转弯时，通过积分陀螺仪输出所观察到的航向变化与实际转弯量相比较。在案例中还可以通过VSM 系统接口的数字地图数据库信息跟踪实际的转弯量，当车辆停下时，校准加速度计。另外，在校准时将加速度计的两个轴放在一个水平面上。当这种情况发生时，有两种车辆条件: 当车辆静止并且停在水平位置时，重力不会影响加速度计。在一个实施例中，可以使用 GPS 数据来确定车辆是否静止。GPD系统的示意图如下：

图1 GPS系统示意图

为了确定加速度计是否位于垂直于重力的水平面上，加速度计的两个轴(即纵向和横向)的数据是相关的。由于使用了一个两轴加速度计，重力分量进入两个轴。一般来说，加速度计的零点值在几个小时内的漂移不会超过1% 。如果自上次校准以来的时间不是很长，而且新的零点值与以前的零点值相比处于公差范围之外，则只应用差值的一小部分来获得新的零点值。

在进行车道变更检测的过程中，车辆在高速行驶时频繁变换车道，是导致车辆在短时间内行驶方向急剧变化的主要原因。陀螺仪检测车辆偏航轴的角速率。这个角速率相当于车辆航向的变化。利用低通滤波器对角速率进行滤波处理，提取拐点、拐点斜率、拐点峰值、拐点时间分离。角速率的斜率可用于检测车道变更事件。而在本文的软件系统设计过程中，不使用斜率，而是将偏航速度的当前值与车道变更事件的偏航速度阈值进行比较，以检测车道变更事件。这类事件发生的频率，加上当时车辆的速度，可以用来确定事故的严重程度。在系统工作的过程中，通过对陀螺信号、 GPS 航向、侧向加速度、 GPS 速度以及计算出的车速和航向进行处理，得到了车速和航向，如果车辆超过一个阈值速度，那么获得的数据将用于开始确定是否发生了频繁的变道事件，在本文的研究案例当中，默认阈值速度设置为每小时25英里。用户可以设置的阈值速度范围0至40英里每小时。如果横摆角速度的绝对值不大于车辆特定的阈值，则获得新的数据，0.6度/秒的偏航速率是用于14吨卡车的阈值数。如果横摆角速度的绝对值大于车辆特定的阈值，则 VSM 系统计算横摆角速度数据序列的梯度，并确定拐点的值。为了计算梯度，在数据收集开始时记录具有值和时间的偏航率数据点 P1，并在偏航率的峰值(或拐点)处记录另一点 P2，然后根据记录的数据计算相关的梯度大小数值。并且在系统的设计过程中为了能够有效计算得出车辆在进行频繁车道变更过程中的严重性，计算出车道变更事件之外左转或右转的偏航速度的最大值。此外，检测任意两个变道事件之间的最短时间。然后，最大横摆角速度除以车辆特定的最大横摆角速度值得到 S1。两个车道变换发生的最小时间差除以一个车辆特定值得到 S2。此外，也可以使用车辆在频繁变道事件中的峰值速度。车辆的峰值速度除以车辆的特定值得到 S3。通过这三个数据技术那车辆变更车道事件的严重性。

3. 驾驶行为智慧系统的设计

3.1设计原理

在车辆管理系统应用界面的设计和实现的过程中， VSM 用户界面为用户(例如，车队管理器)提供了一种设置参数和查看系统信息的方法。在具体的实际应用过程当中，通过网站实现 VSM 用户界面。该网站可通过公共网络，如互联网进入。此外，用户可以通过专用网络访问 VSM 用户界面。用户访问 VSM 用户界面来设置参数和查看有关系统的信息。VSM 应用程序包括登录界面户输入用户名(例如，客户机队名称)和密码，VSM 应用程序对用户进行身份验证。一旦进行了客户验证，就允许用户为该客户设置参数和查看数据。

在用户界面的显示过程中，用户可以设置警报/通知，以生成该用户特别关注的各种报告。对于这个例子，“通知/通知”列出了一个为期数天的“车队安全历史报告”(例如，2月10日至2月13日)。警告/通知界面显示报告的名称(例如，舰队历史记录)、报告的日期和时间以及操作图标。选中后会显示相应的报告。 VSM 应用程序会在图标出现时删除相应的警报/通知。如果用户选择有关通知图标，则会显示有关通知图标的详细信息供用户参考，例如可以调出“总体车队安全历史报告”这个报告显示了对于客户车队来说，一个时间段内(例如，年度)的个别事件的数量和总事件的数量。这些事件的简称如下: tg ー尾随事件; fl ー频繁变道事件; os ー超速事件; cs ー曲线路段限速事件; ra ー快速加速事件; rs ー快速减速事件。在本例报告中，2003年共发生了20起不安全驾驶事件。此外还能够通过图形化的操作实现不同年份的事件总数和分析结果。

除此之外，用户界面的程序还能够显示客户车队中的车辆列表。用户可以将每个车辆与一个类联系起来。除了车辆类别，车辆清单显示，为每个车辆上市，车辆制造，车辆模型和车辆识别。此外，显示在每辆列出的车辆右侧的操作图标，允许用户查看车辆详细信息、保存车辆详细信息和删除车辆。对于驾驶员的信息提取主要是通过驾驶员和驾驶员详细列表进行表示，“驾驶员列表”显示与客户相关的所有驾驶员。除了驾驶员的名字之外，每个驾驶员还有一个驾驶员 id 和指定的车辆。从驾驶员列表中，用户可以查看驾驶员的详细信息，保存驾驶员信息，或者从驾驶员列表中删除驾驶员。用户还可以向列表中添加新的驾驶员。如果用户选择查看驾驶员详细信息，将显示驾驶员详细信息界面。用户界面的“驾驶员”部分包括“驾驶员列表”和“驾驶员详细信息”，在此界面上，用户可以修改或编辑驾驶员信息，或者用户可以从驾驶员列表中删除驾驶员。

此外，通过智慧车载系统的用户界面还能够实现车辆硬件系统的配置，用户可以在 VSM 系统中设置与事件和通知生成相关的参数。事件参数是用户定义的值，用于指定生成事件的条件。例如，一个事件参数允许用户定义超过车速限制的最低车速，车辆必须超过这个限制才能产生违反车速限制的事件。在一个实施例中，VSM 系统的用户可以创建类别以设置事件参数。车辆的安全操作可能取决于若干因素(即车辆类型、行驶面积等)。例如，用户可以为“中型卡车”创建事件类别这允许用户通过中型卡车参数设置所有卡车的事件参数，分类为中型卡车。对于不同的车辆类别对应不同的车辆安全事故检测指标，将不同的车辆类型分别进行划分和归类，在该功能的界面显示过程中将不安全的驾驶事件分为超速或超速、曲线超速、快速加速、快速减速、尾随和频繁的车道变更。每个不安全驾驶事件都有一个或多个参数。例如，超速事件有一个“速度阈值参数”和一个“持续时间阈值”此外，一些参数包括高速公路和城市街道的设置。若要设置参数，用户在相应字段中键入值。例如，一个用户可以在高速公路的速度阈值参数中输入10英里/小时来限制超速事件的产生，使车辆在高速公路上超速行驶10英里/小时。

VSM 用户界面的 VSM 硬件配置部分还包括一个用于输入和设置通信参数的部分。在非实时系统中，可以使用 AVL 通道或存储转发网关。在实时系统中，可以使用无线连接，通常，通信参数允许用户定义时间和频率，以便将检测到的事件从 VSM 单元传输到应用服务器。通信参数右侧的图标允许用户查看详细信息、保存或删除。显示界面顶部有一个区域用于输入配置参数名称和描述，以及用于将配置参数链接到事件参数和通信参数的区域。用户可以从为客户生成的事件参数和通信参数列表中选择事件参数和通信参数。显示界面的底部部分允许用户为配置参数选择车辆类别或车辆。

3.2 相关神经网络算法的设计

情景识别对于智能车辆通信系统的高效、可靠运行具有重要意义。通信场景是随着车辆的移动而动态变化的，这使得车辆通信更容易受到周围环境变化的影响。这些影响同时反映在通道模型、物理层算法和网络层设计中。在实际的智慧系统信息采集的过程当中，在道路模型方面，指出不同情景之间的路径损失存在明显差异，例如，高速公路的路径损失指数显著大于城市地区。此外，车辆通信线路经常受到其他车辆的阻碍，这会大大降低接收到的信号功率。物理层算法也需要作出实时调整，根据周围环境，通过智能情景识别。特别是，车辆在不同情况下的行驶速度差别很大。因此，车载通信系统需要进行必要的频移估计和补偿，以避免载波间干扰的发生，从而降低系统性能。此外，实时场景识别有助于网络体系结构的自动调整和适应。智能车载通信包括多种组网方式，包括基站中心车载通信、无中心自组网等。由于不同情景下网络状态的差异，情景的识别有助于车辆对网络状态的变化做出预判和必要的调整，总之，如果能够实时准确地识别情景，就可以选择合适的信道模型和传输方式来适应当前的环境，从而有效地提高车载通信系统的性能和可靠性。

利用训练数据建立模型是机器学习解决公式和规则不易建立的分类问题的核心思想。显然，对于车辆场景识别，信道特性与物理环境之间存在着很强的相关性。然而，这种内在的映射关系是复杂的，很难直接建立一个数学表达式来对应相应的信道特性。在这种情况下，机器学习可以通过训练数据集建立一个识别模型，而不需要明确地知道通道特征和场景之间的定量对应关系。本文提出的设计框架可以分为两部分，即训练过程和识别过程。本文所研究的情景识别问题属于机器学习中的监督式学习问题。监督式学习意味着训练数据集中的每个输入/向量都有一个已知的输出。然后对模型进行调整，使模型输出与预期结果相匹配。这些数据集是建立这种情景识别模型的基础。在训练过程中，一系列的测量通道特性和相应的场景被用作训练数据集。

在识别模型的设计过程中选择BP神经网络。BPNN 是一种广泛应用于训练多层神经网络的学习算法。神经网络的主要特点是具有向前传播信号和向后传播误差。在正向传播过程中，来自输入层的信号被隐藏层处理，直到它们到达输出层。每层神经元的状态只影响下一层的神经元。如果输出层所获得的信号不是预期的，则错误将被显示出来。将 bp 神经网络的结构传递到隐层和输入层，然后根据误差调整权值和阈值，使 bp 神经网络的输出不断接近预期输出，直到输出与预期输出一致或误差小于一定阈值。

在实际的场景识别和测量过程中， TX 和 RX 天线都安装在车辆底座上，天线高度约为1.8米。在测量过程中，采用逆变器和不间断电源(UPS)为设备提供连续的电源供应。此外，手持 GPS 录像机和相机还可以记录实时位置、速度和环境照片。设计了四种车辆方案，包括城市地区、公路、隧道和NLOSv 。在测量过程中，TX 和 RX 车辆有相同的行驶方向，保持20-40米的距离。测量道路有4-8条行车道，宽15-35米。行驶速度随季节变化，最高时速一般小于70公里/小时。城市地域与公路最大的区别在于周边环境，即城市地域内道路两侧有大量的建筑物，NLOSv 和隧道是车辆通信的特殊场景。与其他情况相比，NLOSv 拥有属性阻断了 TX 和 RX 之间的 LOS 路线。至于隧道，由于墙壁和天花板的存在，隧道可以被认为是一个半室内的方案，并导致一个庞大的主板。显然，环境的差异会导致信道特性的变化，这也是本文提出的利用信道特性进行情景识别的核心思想。

图 1 场景识别示意图

四．结束语

综上所述，本文构建的智能车载安装行为分析系统在不同的行业中均具有良好的发展与应用前景，车辆安全管理工作是车辆管理的重要组成部分，是提高车辆保障能力和管理水平的重要环节。车辆安全防控工作是安全管理的主要方式，直接关系到安全管理的质量，是安全行车的保障，也是企业各级领导内部不可忽视的重要管理内容.

参考文献：

[1]王宜海. 基于驾驶行为的节能辅助系统研究[J]. 汽车实用技术, 2017, 000(007):9-12.

[2]肖献强. 基于信息融合的驾驶行为识别关键技术研究[D]. 合肥工业大学, 2011.

[3]刘雪婷. 基于驾驶分心行为的车载信息装置测评研究[D]. 2016.

[4]李文芳, 石建军, 刘金超. 基于车载信息调度的驾驶行为控制分析[J]. 交通信息与安全, 2014, 32(005):185-190.

2 / 2