应用于换道预警的驾驶风格分类方法

交通运输系统工程与信息 ›› 2014, Vol. 14 ›› Issue (3): 187-193.

应用于换道预警的驾驶风格分类方法

王畅^*1，付锐 ¹，彭金栓 ²，毛锦¹

1.长安大学汽车学院，西安 710064；2.重庆交通大学山地城市交通系统与安全重庆市重点实验室，重庆 400074

收稿日期:2013-09-18 修回日期:2013-11-25 出版日期:2014-06-25 发布日期:2014-07-10
作者简介:王畅（1984-），男，湖南岳阳人，讲师，工学博士.
基金资助:
教育部长江学者与创新团队支持计划项目(IRT1286)；国家自然科学基金项目（51178053）；中央高校基本科研业务费专项资金项目（2013G1221024，2013G1221025，2013G3221004）.

Driving Style Classification Method for Lane Change Warning System

WANG Chang¹, FU Rui¹, PENG Jin-shuan², MAO Jin¹

1. School of Automobile, Chang’an University, Xi’an 710064, China; 2. Chongqing Key Lab of Traffic System & Safety in Mountain Cities, Chongqing Jiaotong University, Chongqing 400074, China

Received:2013-09-18 Revised:2013-11-25 Online:2014-06-25 Published:2014-07-10

摘要/Abstract

摘要：

针对不同驾驶风格驾驶人对换道预警需求存在差异的问题，采用视觉传感器、雷达传感器、GPS、车辆 CAN 总线数据采集系统，基于小型乘用车搭建了实际道路驾驶行为试验车.通过对多名驾驶人进行实际道路自然驾驶试验，选用跟车时距、换道时距、超速频次、换道过程最大方向盘转角等参数，采用模糊评价法建立了驾驶风格离线分类模型，实现了将驾驶人分类为冒进型、比较冒进型、比较谨慎型、谨慎型四类.采用换道安全性相关参数对模型进行验证. 结果表明，随着驾驶人谨慎程度的增加，换道安全性评价参数更倾向于安全，驾驶风格分类模型与实际换道安全性评价参数之间呈现良好的一致性.

关键词: 智能交通, 交通安全, 换道预警, 驾驶风格, 模糊评价

Abstract:

Aiming at the different requirement of lane change warning system for different drivers with dif- ferent driving style, vision sensor, radar, GPS, vehicle CAN bus data capture system are installed in a small passenger car, and real road driving test is carried out. Based on this, real road driving data of different driv- ers is collected. Following headway, lane change headway, overspeed frequency and max turning angle of steering wheel during lane change are selected as judge parameters, and fuzzy evaluation method is used to establish classification model of driving style in the way of offline. Drivers are divided into aggressive driv- er, relatively aggressive, relatively cautious and cautious. Parameters related to lane change safety are used to verify the classification model, and the results show that with the increasing of cautious level, the lane change safety parameters are inclined to safely correspondingly. The consistency between driving style classi- fication model and lane change safety real judge parameters is good.

Key words: intelligent transportation, traffic safety, lane change warning, driving style, fuzzy evaluation

中图分类号:

U461.91

王畅，付锐,彭金栓,毛锦 . 应用于换道预警的驾驶风格分类方法[J]. 交通运输系统工程与信息, 2014, 14(3): 187-193.

WANG Chang, FU Rui, PENG Jin-shuan, MAO Jin. Driving Style Classification Method for Lane Change Warning System[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(3): 187-193.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18802.shtml

http://www.tseit.org.cn/CN/Y2014/V14/I3/187

参考文献

[1] Geiser G, Nirschl G. Towards a system architecture of driver's warning assistant[R]// Parkes A M & Franzen S. (Eds.) Driving future vehicles, London: Taylor & Francis. European Union PROMETHEUS program, 1993: 251-263.

[2] Goldman R, Miller C, Harp S, et al. Idea project final report[R]. Contract ITS–7, Transportation Research Board, National Research Council, Washington, DC, 1995.
[3] Seongkwan Mark Lee.Development of a three dimensional lane change model [D]. University of Illinois at Urbana-Champaign, 2008.
[4] Markus Weinberger, Hermann Winner, Heiner Bubb.Adaptive cruise control field operational test—the learning phase [J]. JSAE Review, 2001,22(4):487–494.
[5] Toshiya Hirose, Yasuhei Oguchi, Toichi Sawada. Framework of tailormade driving support systems and neural network driver model [J]. IATSS Research. 2004, 28(1): 108-114.
[6] Meng X N, Lee K K, Xu Y S. Human driving behavior recognition based on hidden markov models[C]// IEEE International Conference on Robotics and Biomimetics, 2006: 274 -279.
[7] 张磊.基于驾驶人风格自学习方法的车辆纵向驾驶预警系统[D].北京:清华大学,2009.[ZHANG L. A vehicle longitudinal driving assistance system based on selflearning method of driver characteristics[D].Beijing:Ts? inghua University,2009.]
[8] 王荣本,游峰,崔高健,等.车辆安全换道分析[J].吉林大学学报 ( 工学版), 2005, 35(2):179- 182.[WANG R B,YOU F, CUI G J, et al. Analysis on lane- change safety of vehicle [J].Journal of Jilin University(Engineering and Technology Edition), 2005,35(2):179-182.]
[9] 金立生,Bartvan Arem,杨双宾,等.高速公路汽车辅助驾驶安全换道模型[J]吉林大学学报(工学版),2009,39(3): 582- 586.[ JIN L S, Bartvan Arem, YANG S B, et al. Safety lane change model of vehicle assistane driving on highway[J]. Journal of Jilin University(Engineering and Technology Edition), 2009,39(3):582-586.]

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	熊坚, 施锦浩, 万华森. 人车路综合风险场模型构建及驾驶风格评估[J]. 交通运输系统工程与信息, 2021, 21(6): 105-114.
[14]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[15]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.