Vol121 No14
公 路 交 通 科 技
JOURNALOFHIGHWAYANDTRANSPORTATIONRESEARCHANDDEVELOPMENT
2004年4月
文章编号:1002O0268(2004)04O0090O03
汽车驾驶员驾驶特征的模糊评价方法
秦小虎,柴 毅,黄席樾
(重庆大学自动化学院,重庆 400044)
摘要:不同的驾驶者在行驶速度与车距保持的采样数据上表现出不同的信息特征。针对这种差异,本文提出了一种描述信息特征并给予评价的方法,即通过建立数据的统计模型,对驾驶员的行驶数据进行有序化处理,发现潜在规律,并利用三角模糊数的特点加以分析,达到帮助驾驶员发现驾驶习惯,监督控制驾驶行为,减少交通事故的目的。文章的最后给出了相关实验的分析。
关键词:驾驶行为;知识发现;统计分析;三角模糊数中图分类号:U4911255 文献标识码:A
FuzzyAssessmentMethodforDrivingBehaviorAnalysis
QINXiaoOhu,CHAIYi,HUANGXiOYue
(CollegeofAutomation,ChongqingUniversity,Chongqing 400044,China)
Abstract:DifferentdrivershavedifferentestimationoftheheadOwaykeptinroadtraffic1Ifthedifferencecanbedescribedandevaluatedconcisely,itwillbeeasytosupervisethedrivingbehaviorandtohelpdriversfindtheirdrivingbehaviorproblemstoreducethetrafficaccident1Inthispaper,thedrivingbehaviordataareprocessedthroughestablishingstatisticmodel1Anestimationmethodbasedontrian-gleOfuzzynumberispresented1Thecharacteristicsofdrivingbehavioraredescribedinmathematicway1Thetestdataareanalyzedattheendofthispaper1
Keywords:Drivingbehavior;KDD;Statisticalanalysis;TriangleOfuzzynumber
0 引言
汽车的驾驶行为包括多个方面,车距是车速的一种有效的标定条件,驾驶员往往利用与其他车辆的相对位置作为在车流中跟随其他车辆的线索。因此驾驶员对车速及相应车距的控制是评价其驾驶特性的重要方面。正确的把握行车距离,可以帮助驾驶员及时地判断,准确地实施各种驾驶操作,提高操作质量。可以说,保持合适、安全的距离是驾驶操作中的关键问题之一,也是保证车辆安全行驶的重要因素。本文利用模糊分层加权的方法,以汽车行驶中的行驶速度与车距为对象,通过对驾驶员的行驶数据信息进行有序化的加工处理,从大量的数据中发现潜在规律,对驾驶员的驾驶特征(本文中主要指对车距的控制)给出合理的评价,监督控制驾驶行为。
收稿日期:2003O03O27
[1]
1 特征评价模型
设Q为模糊数,映射#:集,且满足
x\xc]#(x)A#(xc),Px,xcI(0,1]
*
[0,1]yR上紧支
(1)
对实数集R的可测子集A,定义A={A|AH#(A)X
Q对应的模糊测度集可表示为5(Q)={P|P可测集A,N(A)[P(A)[0(A)},则Q的期望可定义为
[2]
*
E(Q)={E(P)|PPI5(Q)}
令
(2)
(
汽车驾驶员驾驶特征的模糊评价方法 秦小虎等
E*(Q)=E
*
Qxd0((-(Q)=
QxdN((--]+]-]
*
+]
],x])],x])
辆的车距,可以认为是同一正态总体下的样本d,用均值u表示速度v下基本车距D,数据集合按时间排列,可写成如下向量形式
vv
d=X#(u)+E
[4]
v
v
v
则(2)可表示为
Ep(Q)=pE(Q)+(1-p)E*(Q),0[p[1(3)式中,p=0表示最保守估计,p=1表示最乐观估计。
对于三角模糊数Q=(ai,bi,ci)
[3]
(6)
式中,vvvvvvvTd=[d11,d12,,,d1L,,,dM1,dM2,,,dML]
v
u=[u1,u2,,,uL]
vvvT
,设驾驶特征
X=
1L
1L
, 1L
令vvv2Q(^u)=+d-X#(^u)+2=
,1L=
11,
1
L@1
评价要素为Ai{高速行驶,高速超车,中速行使}(这里的高速指的是时速80km以上,中速指的是时速30~80km,低速指的是时速30km以下)对应的加权集为
j
{X1,X2,,,Xn},评价要素Ai的准则集为Ai{直道,弯道,坡道},对应的加权集为{C为待i,Ci,,,Ci},Qi评价特征K对应评价要素Ai的准则集的特征值集。则待评价特征K对应评价要素Ai的评价值为
iPQiQk=Ci
1
k,1
1
2
m
k,j
(d)(d)-2(d)X#(^u)+(^u)XX#(^u)因为
+d-X#(^u)+2=(d-X#(^u))#(d-X#(^u))= (d)(d)-(d)X#(^u)- (^u)X(d)+(^u)XX#(^u)
vTTvvTTvTvTvT
故(^u)X(d)=[(^u)X(d)]=(d)X#(^u)
TTT又因为dx(XAX)=2XA,且XX实对称,所以得
v
T
T
v
v
T
v
v
T
v
v
T
v
v
v
2
v
v
T
v
v
vTvvTvvTTv
CiPQi
2
2k,2
,CiPQi
n
mk,m
待评价驾驶特征K的模糊评价指标为Qk=X1PQkX2PQk,XnPQk=(ak,bk,ck)
(4)
分别表示三角模糊乘和三角模糊加,根其中P、
据(3)有
1
ET(Qi)=P
(bi-xi)
+
(x2-x1-ai+bi)
(5)
于是得
vTT
=2(^u)XX5(^u)vTvvT
=(d)X5(^u)
vTvT=-2(d)X+2(^u)XX5(^u)v
令=05(^u)得正规方程
X#(d)=XX#(^u)
T
T
v
T
v
v
vTTv
(x2-ci)
(1-P)(x-x-a+c)
21ii
bn)。
2 车距特征的描述
式中,x1=min(c1,c2,,,cn),x2=max(b1,b2,,,
汽车在行驶速度v下与前方车辆的车距,是数据
v
(7)
库中记录的一组数据集合,记为
vvvv
dkI{dk1,dk2,,,dkj,,,dkL} j=1,2,,,L
v
当X满秩时,XX为非奇异方阵,方程(7)有惟一解
vT-1Tvu=(XX)X(d)^
vv
d围绕某个基本值D波动。这里的基本值D实际上
v
d11+d12+,+d1Ld21+d22+,+d2LdM1+dM2+,+dML
v
v
v
v
v
vvvv
d1d2dMd1d2dM
(8)=d
v
就是该驾驶员的驾驶习惯的具体表现,记为D。因
v
为每次测量是相互独立的,即dk是相互独立的。以Ek表示随机误差,那么样本
v
其中,X(d)=
Tv
s
v
=
s
v
dk=D+Ek
v
可得
vv
v
的分布由Ek的分布决定。因为Ek是大量随机因素的影响,在正常行驶情况下,它对车距的影响很小。根据中心极限定理可以认为Ek服从正态分布,Ek~N(0,R),因而dk也服从正态分布。
驾驶员在驾车过程中,同一车速下所测与前方车
91
2
v
u1^u2^u^
u=^
s
v
1 0 , vd20 1 , 0
=#=L ,s
v
0 , 0 dM
d1
vv
s
v
公路交通科技 2004年 第4期
根据标准正态分布的分位数结论
p|U|
v
v
5510,5610,5610,5110,6010,6110,6110,5310
1-A
当行驶速度为90kmPh时,由制动距离s=
2
010034v+0100451v,得s=3618m。考虑在驾驶中平均感知时间1131s,对汽车的平均控制时间013s,则车辆在90kmPh速度下的行驶距离为90kmPh@1161P
v
3600=40m。这样,安全距离为Dsafety=3618m+40m=7618m。
考虑在弯道及坡道驾驶中,驾驶员对危险有一定的意识,以驾驶中可预知障碍物情况下的平均感知时间0154s,对汽车的平均控制时间013s,计算车辆在90kmPh速度下的行驶距离为90kmPh@0184P3600=
v
21m,这时的安全距离Dsafety=5718m。
将实验数据每3组各自代入(6)式得D1=78179m,D2=58138m,
v
v
v
2
dk?L1-22
2M
L
因为R的无法求得,用无偏估计量^R代替。由残差向量R0=d-X(^u),计算^R
+R0+=R0R0=
得无偏估计
+R0+
^R=
nsum-p
2
2
2
T
v
v
2
k=1j=1
EE
(dkj-^u)
vv2
(9)
(10)
式中,p=rank(X);nsum为某一速度下车距的样本总数。
设在行驶速度为v下的安全距离为Dsafety为已知,我们将驾驶特征Q
Vol121 No14
公 路 交 通 科 技
JOURNALOFHIGHWAYANDTRANSPORTATIONRESEARCHANDDEVELOPMENT
2004年4月
文章编号:1002O0268(2004)04O0090O03
汽车驾驶员驾驶特征的模糊评价方法
秦小虎,柴 毅,黄席樾
(重庆大学自动化学院,重庆 400044)
摘要:不同的驾驶者在行驶速度与车距保持的采样数据上表现出不同的信息特征。针对这种差异,本文提出了一种描述信息特征并给予评价的方法,即通过建立数据的统计模型,对驾驶员的行驶数据进行有序化处理,发现潜在规律,并利用三角模糊数的特点加以分析,达到帮助驾驶员发现驾驶习惯,监督控制驾驶行为,减少交通事故的目的。文章的最后给出了相关实验的分析。
关键词:驾驶行为;知识发现;统计分析;三角模糊数中图分类号:U4911255 文献标识码:A
FuzzyAssessmentMethodforDrivingBehaviorAnalysis
QINXiaoOhu,CHAIYi,HUANGXiOYue
(CollegeofAutomation,ChongqingUniversity,Chongqing 400044,China)
Abstract:DifferentdrivershavedifferentestimationoftheheadOwaykeptinroadtraffic1Ifthedifferencecanbedescribedandevaluatedconcisely,itwillbeeasytosupervisethedrivingbehaviorandtohelpdriversfindtheirdrivingbehaviorproblemstoreducethetrafficaccident1Inthispaper,thedrivingbehaviordataareprocessedthroughestablishingstatisticmodel1Anestimationmethodbasedontrian-gleOfuzzynumberispresented1Thecharacteristicsofdrivingbehavioraredescribedinmathematicway1Thetestdataareanalyzedattheendofthispaper1
Keywords:Drivingbehavior;KDD;Statisticalanalysis;TriangleOfuzzynumber
0 引言
汽车的驾驶行为包括多个方面,车距是车速的一种有效的标定条件,驾驶员往往利用与其他车辆的相对位置作为在车流中跟随其他车辆的线索。因此驾驶员对车速及相应车距的控制是评价其驾驶特性的重要方面。正确的把握行车距离,可以帮助驾驶员及时地判断,准确地实施各种驾驶操作,提高操作质量。可以说,保持合适、安全的距离是驾驶操作中的关键问题之一,也是保证车辆安全行驶的重要因素。本文利用模糊分层加权的方法,以汽车行驶中的行驶速度与车距为对象,通过对驾驶员的行驶数据信息进行有序化的加工处理,从大量的数据中发现潜在规律,对驾驶员的驾驶特征(本文中主要指对车距的控制)给出合理的评价,监督控制驾驶行为。
收稿日期:2003O03O27
[1]
1 特征评价模型
设Q为模糊数,映射#:集,且满足
x\xc]#(x)A#(xc),Px,xcI(0,1]
*
[0,1]yR上紧支
(1)
对实数集R的可测子集A,定义A={A|AH#(A)X
Q对应的模糊测度集可表示为5(Q)={P|P可测集A,N(A)[P(A)[0(A)},则Q的期望可定义为
[2]
*
E(Q)={E(P)|PPI5(Q)}
令
(2)
(
汽车驾驶员驾驶特征的模糊评价方法 秦小虎等
E*(Q)=E
*
Qxd0((-(Q)=
QxdN((--]+]-]
*
+]
],x])],x])
辆的车距,可以认为是同一正态总体下的样本d,用均值u表示速度v下基本车距D,数据集合按时间排列,可写成如下向量形式
vv
d=X#(u)+E
[4]
v
v
v
则(2)可表示为
Ep(Q)=pE(Q)+(1-p)E*(Q),0[p[1(3)式中,p=0表示最保守估计,p=1表示最乐观估计。
对于三角模糊数Q=(ai,bi,ci)
[3]
(6)
式中,vvvvvvvTd=[d11,d12,,,d1L,,,dM1,dM2,,,dML]
v
u=[u1,u2,,,uL]
vvvT
,设驾驶特征
X=
1L
1L
, 1L
令vvv2Q(^u)=+d-X#(^u)+2=
,1L=
11,
1
L@1
评价要素为Ai{高速行驶,高速超车,中速行使}(这里的高速指的是时速80km以上,中速指的是时速30~80km,低速指的是时速30km以下)对应的加权集为
j
{X1,X2,,,Xn},评价要素Ai的准则集为Ai{直道,弯道,坡道},对应的加权集为{C为待i,Ci,,,Ci},Qi评价特征K对应评价要素Ai的准则集的特征值集。则待评价特征K对应评价要素Ai的评价值为
iPQiQk=Ci
1
k,1
1
2
m
k,j
(d)(d)-2(d)X#(^u)+(^u)XX#(^u)因为
+d-X#(^u)+2=(d-X#(^u))#(d-X#(^u))= (d)(d)-(d)X#(^u)- (^u)X(d)+(^u)XX#(^u)
vTTvvTTvTvTvT
故(^u)X(d)=[(^u)X(d)]=(d)X#(^u)
TTT又因为dx(XAX)=2XA,且XX实对称,所以得
v
T
T
v
v
T
v
v
T
v
v
T
v
v
v
2
v
v
T
v
v
vTvvTvvTTv
CiPQi
2
2k,2
,CiPQi
n
mk,m
待评价驾驶特征K的模糊评价指标为Qk=X1PQkX2PQk,XnPQk=(ak,bk,ck)
(4)
分别表示三角模糊乘和三角模糊加,根其中P、
据(3)有
1
ET(Qi)=P
(bi-xi)
+
(x2-x1-ai+bi)
(5)
于是得
vTT
=2(^u)XX5(^u)vTvvT
=(d)X5(^u)
vTvT=-2(d)X+2(^u)XX5(^u)v
令=05(^u)得正规方程
X#(d)=XX#(^u)
T
T
v
T
v
v
vTTv
(x2-ci)
(1-P)(x-x-a+c)
21ii
bn)。
2 车距特征的描述
式中,x1=min(c1,c2,,,cn),x2=max(b1,b2,,,
汽车在行驶速度v下与前方车辆的车距,是数据
v
(7)
库中记录的一组数据集合,记为
vvvv
dkI{dk1,dk2,,,dkj,,,dkL} j=1,2,,,L
v
当X满秩时,XX为非奇异方阵,方程(7)有惟一解
vT-1Tvu=(XX)X(d)^
vv
d围绕某个基本值D波动。这里的基本值D实际上
v
d11+d12+,+d1Ld21+d22+,+d2LdM1+dM2+,+dML
v
v
v
v
v
vvvv
d1d2dMd1d2dM
(8)=d
v
就是该驾驶员的驾驶习惯的具体表现,记为D。因
v
为每次测量是相互独立的,即dk是相互独立的。以Ek表示随机误差,那么样本
v
其中,X(d)=
Tv
s
v
=
s
v
dk=D+Ek
v
可得
vv
v
的分布由Ek的分布决定。因为Ek是大量随机因素的影响,在正常行驶情况下,它对车距的影响很小。根据中心极限定理可以认为Ek服从正态分布,Ek~N(0,R),因而dk也服从正态分布。
驾驶员在驾车过程中,同一车速下所测与前方车
91
2
v
u1^u2^u^
u=^
s
v
1 0 , vd20 1 , 0
=#=L ,s
v
0 , 0 dM
d1
vv
s
v
公路交通科技 2004年 第4期
根据标准正态分布的分位数结论
p|U|
v
v
5510,5610,5610,5110,6010,6110,6110,5310
1-A
当行驶速度为90kmPh时,由制动距离s=
2
010034v+0100451v,得s=3618m。考虑在驾驶中平均感知时间1131s,对汽车的平均控制时间013s,则车辆在90kmPh速度下的行驶距离为90kmPh@1161P
v
3600=40m。这样,安全距离为Dsafety=3618m+40m=7618m。
考虑在弯道及坡道驾驶中,驾驶员对危险有一定的意识,以驾驶中可预知障碍物情况下的平均感知时间0154s,对汽车的平均控制时间013s,计算车辆在90kmPh速度下的行驶距离为90kmPh@0184P3600=
v
21m,这时的安全距离Dsafety=5718m。
将实验数据每3组各自代入(6)式得D1=78179m,D2=58138m,
v
v
v
2
dk?L1-22
2M
L
因为R的无法求得,用无偏估计量^R代替。由残差向量R0=d-X(^u),计算^R
+R0+=R0R0=
得无偏估计
+R0+
^R=
nsum-p
2
2
2
T
v
v
2
k=1j=1
EE
(dkj-^u)
vv2
(9)
(10)
式中,p=rank(X);nsum为某一速度下车距的样本总数。
设在行驶速度为v下的安全距离为Dsafety为已知,我们将驾驶特征Q