本發(fā)明屬于車輛監(jiān)控領(lǐng)域，具體涉及基于三急數(shù)據(jù)的激進(jìn)駕駛行為的識別方法。
背景技術(shù)：
：隨著經(jīng)濟(jì)的快速發(fā)展，中國已經(jīng)逐漸發(fā)展成為全世界最大的汽車市場之一，汽車保有量規(guī)模較大，汽車的增長潛力巨大。在汽車數(shù)量增加的同時(shí)交通事故率也不斷升高，為了能夠減少交通事故的發(fā)生，出現(xiàn)了汽車主動(dòng)安全智能終端，能夠?qū)︸{駛過程中遇到的危險(xiǎn)提前預(yù)警。當(dāng)前的預(yù)警方法有直接基于加速度建模識別激進(jìn)駕駛行為的方法，需要把連續(xù)的加速度數(shù)據(jù)全部采集并進(jìn)行保存，隨著駕駛時(shí)間的增加，需要存儲的數(shù)據(jù)量會十分龐大，而當(dāng)數(shù)據(jù)量較少時(shí)精度下降較快；也有基于不同駕駛模式組合來識別激進(jìn)駕駛行為的方法，現(xiàn)有五大駕駛模式為車速、加速度、跟馳、換線、轉(zhuǎn)彎，根據(jù)這五種駕駛模式來評估駕駛行為，需要額外獲取速度和相對距離數(shù)據(jù)，單一的加速度傳感器無法滿足需要，意味著數(shù)據(jù)獲取成本的提高。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是通過人們最為關(guān)注的急加速、急減速、急轉(zhuǎn)彎三個(gè)因子來快速識別激進(jìn)駕駛行為，不僅具有相對較高的精度，采用的因子少，而且計(jì)算得到的三急數(shù)據(jù)又能夠提供給保險(xiǎn)公司為險(xiǎn)費(fèi)標(biāo)準(zhǔn)的制定提供數(shù)據(jù)支撐，從而為險(xiǎn)費(fèi)改革提供數(shù)據(jù)支撐，為了解決上述問題，而提出的一種基于三急數(shù)據(jù)的激進(jìn)駕駛行為的識別方法。本發(fā)明所采用的技術(shù)方案是：1、基于三急數(shù)據(jù)的激進(jìn)駕駛行為的識別方法，包括以下步驟：S1,基于汽車智能終端提取加速度傳感器在某個(gè)旅程中的所有三軸加速度數(shù)據(jù)，進(jìn)行降噪、坐標(biāo)軸轉(zhuǎn)換預(yù)處理，根據(jù)傳感器與水平面的角度計(jì)算得到機(jī)動(dòng)車前進(jìn)方向和橫向加速度的值；S2,根據(jù)機(jī)動(dòng)車前進(jìn)方向和橫向加速度的值同時(shí)結(jié)合閾值識別急加速、急減速、急轉(zhuǎn)彎、加速、減速、轉(zhuǎn)彎行為；S3,統(tǒng)計(jì)單個(gè)旅程中急加速，急減速，急轉(zhuǎn)彎，加速，減速，轉(zhuǎn)彎行為出現(xiàn)的次數(shù)；S4,搭建激進(jìn)指數(shù)模型:SJ_Index=(α*f(k1)*ΣJJSiΣJSj*exp(ΣJJSi/t))+(β*ΣJSCiΣSCj*exp(ΣJSCi/t))+(δ*ΣJZWiΣZWj*exp(ΣJZWi/t))]]>上式中：0＜α＝β＝δ≤100；f(k1)＝exp(a*k1)，a＝(V2-V1)/t，0＜k1≤1，V1為加速前速度，V2為加速后速度，t—旅程或行程總時(shí)間；SJ_Index—激進(jìn)指數(shù)；急加速—JJS，急減速—JSC，急轉(zhuǎn)彎—JZW，加速—JS，減速—SC，轉(zhuǎn)彎—ZW；∑JJSi為一段旅程內(nèi)急加速事件總數(shù)，∑JSj為一段旅程內(nèi)加速事件總數(shù)，同理用于∑JSCi，∑SCj，∑JZWi，∑ZWj；S5,根據(jù)激進(jìn)指數(shù)模型估算每個(gè)旅程的激進(jìn)指數(shù)，同時(shí)基于預(yù)設(shè)閾值對旅程激進(jìn)指數(shù)進(jìn)行分級，并反饋給駕駛員；所述步驟S1中,傳感器與水平面的角度根據(jù)機(jī)動(dòng)車在相對水平的地面靜止時(shí)的傳感器y軸、z軸讀數(shù)ay靜、az靜，運(yùn)用三角函數(shù)計(jì)算得到，(ay靜/az靜)。所述步驟S1中，運(yùn)用三角函數(shù)計(jì)算，得出機(jī)動(dòng)車前進(jìn)方向加速度的值為橫向加速度的值為ax駕，ax駕、ay駕、az駕為旅程中的三軸加速度。所述步驟S2中，機(jī)動(dòng)車前進(jìn)方向和橫向加速度各50個(gè)數(shù)據(jù)為一組，需要先得出機(jī)動(dòng)車各個(gè)加速度每組的前二十個(gè)、中間十個(gè)、最后二十個(gè)數(shù)的平均值和方差，以及中間十個(gè)數(shù)的最大值和最小值：平均值：Mean(a(i:i+19))、Mean(a(i+20:i+29))、Mean(a(i+30:i+49))，方差：VAR(a(i:i+19))、VAR(a(i+20:i+29))、VAR(a(i+30:i+49)),中間十個(gè)數(shù)的最大值和最小值：Max(a(i+20,i+29))、Min(a(i+20:i+29))，絕對值：Abs(Mean(a(i:i+19)))、Abs(Mean(a(i+20:i+29)))、Abs(Mean(a(i+30:i+49)))所述急加速行為的識別條件為:Mean(a(i:i+19))<Mean(a(i+20:i+29)),Mean(a(i+30:i+49))<Mean(a(i+20:i+29)),Max(a(i+20,i+29))>＝3，Min(a(i+20:i+29))>1，VAR(a(i:i+19))>VAR(a(i+20:i+29)),VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為前進(jìn)方向加速度，所述急減速行為的識別條件為:Mean(a(i:i+19))>Mean(a(i+20:i+29)),Mean(a(i+30:i+49))>Mean(a(i+20:i+29))，Max(a(i+20,i+29))<(-2),Min(a(i+20:i+29))<＝(-4),VAR(a(i:i+19))>VAR(a(i+20:i+29)),VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為前進(jìn)方向加速度，所述急轉(zhuǎn)彎行為的識別條件為:Abs(Mean(a(i:i+19)))<Abs(Mean(a(i+20:i+29))),Abs(Mean(a(i+30:i+49)))<Abs(Mean(a(i+20:i+29))),Abs(Min(a(i+20:i+29)))>＝1,Abs(Max(a(i+20:i+29)))>＝2.2,VAR(a(i:i+19))>VAR(a(i+20:i+29)),VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為橫向加速度,所述加速行為的識別條件為:Mean(a(i:i+19))<Mean(a(i+20:i+29))；Mean(a(i+30:i+49))<Mean(a(i+20:i+29))；Min(a(i+20:i+29))>0.25；Mean(a(i+20:i+29))>＝0.4；VAR(a(i:i+19))>VAR(a(i+20:i+29))；VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為前進(jìn)方向線性加速度,所述減速行為的識別條件為:Mean(a(i:i+19))>Mean(a(i+20:i+29)),Mean(a(i+30:i+49))>Mean(a(i+20:i+29)),Max(a(i+20,i+29))<＝(-0.5),Mean(a(i+20:i+29))<＝(-1.2),VAR(a(i:i+19))>VAR(a(i+20:i+29))；VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為前進(jìn)方向線性加速度,所述轉(zhuǎn)彎行為的識別條件為:Abs(Mean(a(i:i+19)))<Abs(Mean(a(i+20:i+29))),Abs(Mean(a(i+30:i+49)))<Abs(Mean(a(i+20:i+29))),Abs(Mean(a(i+20:i+29)))>＝0.9,Abs(Min(a(i+20:i+29)))>＝0.5,Abs(Max(a(i+20:i+29)))>＝1.3,VAR(a(i:i+19))>VAR(a(i+20:i+29)),VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為橫向線性加速度。所述步驟S4中，α＝β＝δ＝100/3，k1＝0.5。所述步驟S5中，根據(jù)預(yù)設(shè)閾值對旅程激進(jìn)指數(shù)進(jìn)行分級，由最差到最好分為四個(gè)等級，劃分四個(gè)等級的預(yù)設(shè)閾值分別為100，80，60。本發(fā)明同現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)及效果：1、將三急行為頻數(shù)與普通加速、減速、轉(zhuǎn)彎行為頻數(shù)數(shù)據(jù)相結(jié)合，只需要通過算法把三急行為及加速、減速、轉(zhuǎn)彎行為事件采集保存即可，可以大大縮減保存數(shù)據(jù)量，能夠有效地量化駕駛員自身操作的激進(jìn)程度，再結(jié)合單位時(shí)間內(nèi)的三急頻數(shù)，能夠從兩個(gè)維度評估駕駛行為的激進(jìn)程度，具有相對較高的精度。2、從大家較為關(guān)注的急加速、急減速、急轉(zhuǎn)彎三種行為建模分析駕駛激進(jìn)程度，采用了較少的因子實(shí)現(xiàn)對激進(jìn)駕駛行為的高效率識別，只需要單一的加速度傳感器即可滿足要求，數(shù)據(jù)獲取的成本較低。3、三急行為事件的獲取精度對采集頻率的下降不敏感，降低了對設(shè)備性能及設(shè)備存儲空間的要求。附圖說明構(gòu)成本申請的一部分的附圖用來提供對本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。圖1為本發(fā)明的方法流程示意圖。圖2為本發(fā)明的加速度傳感器的安裝方式及對應(yīng)角度計(jì)算示意圖。標(biāo)號說明：1前擋風(fēng)玻璃2加速度傳感器具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。實(shí)施例1：如圖1至2所示，傳感器2安裝在前擋風(fēng)玻璃1上，傳感器2與水平面的角度先在機(jī)動(dòng)車在相對水平的地面靜止時(shí)，通過傳感器2的三軸讀數(shù)計(jì)算得到，y軸和z軸讀數(shù)ay靜和az靜分別為重力沿?fù)躏L(fēng)玻璃1向下和垂直擋風(fēng)玻璃1的分量，傳感器2與水平面的角度(ay靜/az靜)，保存在傳感器中?；谄囍悄芙K端提取加速度傳感器2在一段旅程中的所有三軸加速度數(shù)據(jù)ax駕、ay駕、az駕，加速度傳感器2采樣頻率為10Hz，先進(jìn)行降噪、坐標(biāo)軸轉(zhuǎn)換預(yù)處理過程,然后根據(jù)傳感器2與水平面的角度計(jì)算得出機(jī)動(dòng)車前進(jìn)方向加速度的值為橫向加速度的值為ax駕。根據(jù)機(jī)動(dòng)車前進(jìn)方向和橫向加速度的值，機(jī)動(dòng)車前進(jìn)方向和橫向加速度各50個(gè)數(shù)據(jù)為一組，算出每組前進(jìn)方向加速度、橫向加速度、前進(jìn)方向線性加速度及橫向線性加速度的前二十個(gè)、中間十個(gè)、最后二十個(gè)數(shù)的平均值和方差，以及中間十個(gè)數(shù)的最大值和最小值：平均值：Mean(a(i:i+19))、Mean(a(i+20:i+29))、Mean(a(i+30:i+49))，方差：VAR(a(i:i+19))、VAR(a(i+20:i+29))、VAR(a(i+30:i+49)),中間十個(gè)數(shù)的最大值和最小值：Max(a(i+20,i+29))、Min(a(i+20:i+29))，絕對值：Abs(Mean(a(i:i+19)))、Abs(Mean(a(i+20:i+29)))、Abs(Mean(a(i+30:i+49)))，然后結(jié)合閾值進(jìn)行識別急加速、急減速、急轉(zhuǎn)彎、加速、減速、轉(zhuǎn)彎行為，同時(shí)將識別出的急加速、急減速、急轉(zhuǎn)彎、加速、減速、轉(zhuǎn)彎行為采集并保存到存儲設(shè)備中。急加速行為的識別條件為:Mean(a(i:i+19))<Mean(a(i+20:i+29)),Mean(a(i+30:i+49))<Mean(a(i+20:i+29)),Max(a(i+20,i+29))>＝3，Min(a(i+20:i+29))>1，VAR(a(i:i+19))>VAR(a(i+20:i+29)),VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為前進(jìn)方向加速度，急減速行為的識別條件為:Mean(a(i:i+19))>Mean(a(i+20:i+29)),Mean(a(i+30:i+49))>Mean(a(i+20:i+29))，Max(a(i+20,i+29))<(-2),Min(a(i+20:i+29))<＝(-4),VAR(a(i:i+19))>VAR(a(i+20:i+29)),VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為前進(jìn)方向加速度，急轉(zhuǎn)彎行為的識別條件為:Abs(Mean(a(i:i+19)))<Abs(Mean(a(i+20:i+29))),Abs(Mean(a(i+30:i+49)))<Abs(Mean(a(i+20:i+29))),Abs(Min(a(i+20:i+29)))>＝1,Abs(Max(a(i+20:i+29)))>＝2.2,VAR(a(i:i+19))>VAR(a(i+20:i+29)),VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為橫向加速度,加速行為的識別條件為:Mean(a(i:i+19))<Mean(a(i+20:i+29))；Mean(a(i+30:i+49))<Mean(a(i+20:i+29))；Min(a(i+20:i+29))>0.25；Mean(a(i+20:i+29))>＝0.4；VAR(a(i:i+19))>VAR(a(i+20:i+29))；VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為前進(jìn)方向線性加速度,減速行為的識別條件為:Mean(a(i:i+19))>Mean(a(i+20:i+29)),Mean(a(i+30:i+49))>Mean(a(i+20:i+29)),Max(a(i+20,i+29))<＝(-0.5),Mean(a(i+20:i+29))<＝(-1.2),VAR(a(i:i+19))>VAR(a(i+20:i+29))；VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為前進(jìn)方向線性加速度,轉(zhuǎn)彎行為的識別條件為:Abs(Mean(a(i:i+19)))<Abs(Mean(a(i+20:i+29))),Abs(Mean(a(i+30:i+49)))<Abs(Mean(a(i+20:i+29))),Abs(Mean(a(i+20:i+29)))>＝0.9,Abs(Min(a(i+20:i+29)))>＝0.5,Abs(Max(a(i+20:i+29)))>＝1.3,VAR(a(i:i+19))>VAR(a(i+20:i+29)),VAR(a(i+30:i+49))>VAR(a(i+20:i+29))，其中a為橫向線性加速度。統(tǒng)計(jì)該旅程中各種行為出現(xiàn)的次數(shù)，包括急加速，急減速，急轉(zhuǎn)彎，加速，減速，轉(zhuǎn)彎，得出∑JJSi，∑JSj，∑JSCi，∑SCj，∑JZWi，∑ZWj；基于得出的急加速、急減速、急轉(zhuǎn)彎、加速、減速、轉(zhuǎn)彎參數(shù)搭建激進(jìn)指數(shù)模型，如下SJ_Index=(α*f(k1)*ΣJJSiΣJSj*exp(ΣJJSi/t))+(β*ΣJSCiΣSCj*exp(ΣJSCi/t))+(δ*ΣJZWiΣZWj*exp(ΣJZWi/t))]]>α＝β＝δ＝100/3，f(k1)＝exp(a*k1)，a＝(V2-V1)/t，k1＝0.5，V1為加速前速度，V2為加速后速度。根據(jù)激進(jìn)指數(shù)模型估算該旅程的激進(jìn)指數(shù)，同時(shí)基于預(yù)設(shè)閾值進(jìn)行分級，共分為四級，最差到最好的分級閾值分別為100，80，60，根據(jù)所得指數(shù)等級賦予駕駛稱號，以更加形象地表征駕駛員的駕駛行為，根據(jù)激進(jìn)指數(shù)由高到低分別為“地獄飛車”、“路怒癥患者”、“船老大”、“穩(wěn)定先生”，然后將結(jié)果反饋給駕駛員，使其能夠及時(shí)獲知該段旅程的駕駛行為并能區(qū)分不同旅程的行為差異，有利于為下次駕駛行為的改善提供數(shù)據(jù)支撐。以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3