一种考虑货车驾驶员响应行为的前向碰撞预警方法及装置

1.本发明涉及车辆主动安全技术领域，尤其是涉及一种考虑货车驾驶员响应行为的前向碰撞预警方法及装置。


背景技术：

2.为提升货运车辆行驶安全，营运企业大量安装车辆主动安全设备用于提醒驾驶员道路行驶中存在的风险。前向碰撞预警(forward collision warning,fcw)系统是重要的车辆主动安全功能，其安装率已超过73％。
3.fcw系统应用评估研究表明，目前市场上的fcw系统误报率超过18％，误报导致12％的驾驶人不信任系统，11％的驾驶人停止使用系统。nhtsa有关fcw系统评估的研究显示，营运货车驾驶人对fcw系统的信任度仅为69.52％。2016年，密歇根大学和通用汽车针对美国48个州开展了大规模fcw系统使用评估，评估结果表明fcw使用过程中，驾驶员响应行为特征存在明显差异。主要体现在：1)不同避撞场景下，驾驶员的反应时间存在差异；2)随着车速、距离的变化，驾驶员制动力度、制动持续时间随之变化。
4.目前安全距离算法是fcw系统的核心算法，而驾驶员的反应时间、制动特征是影响安全距离关键因素。已有技术针对fcw的算法开发，缺少驾驶员响应行为特征因素，因此依托fcw系统应用过程中所获取的自然驾驶数据，面向驾驶员响应行为特征开展研究至关重要。


技术实现要素：

5.本发明的目的就是为了提供一种考虑货车驾驶员响应行为的前向碰撞预警方法及装置，提升算法安全性，降低误报率。
6.本发明的目的可以通过以下技术方案来实现：
7.一种考虑货车驾驶员响应行为的前向碰撞预警方法，包括以下步骤：
8.步骤1：提取自然驾驶数据中货车驾驶员跟车场景下的车辆避撞事件的预警视频数据及车辆运动数据；
9.步骤2：根据预警视频数据及车辆运动数据确定驾驶员响应行为特征，并对车辆避撞事件中的响应行为进行分类；
10.步骤3：根据驾驶员响应行为特征，将响应过程划分为反应阶段和制动阶段；
11.步骤4：基于支持向量回归方法，基于驾驶员响应行为特征构建驾驶员反应距离预测模型，对驾驶员反应距离进行预测；
12.步骤5：针对步骤2所划分的驾驶员响应行为分类，基于长短期记忆模型构建每一类别的制动距离预测模型，对每一响应行为分别进行制动距离预测；
13.步骤6：基于反应距离和制动距离确定前向碰撞的安全预警距离，并根据安全预警距离向驾驶员发出避撞预警信息。
14.所述预警视频数据为fcw预警视频，提取的预警视频数据包括预警前10s视频及预
警后10s视频。
15.所述车辆运动数据包括货车自车车速、前车车速、相对距离、货车自车加速度、制动时刻，其中，所述相对距离表示货车自车与前车的距离。
16.所述步骤1中车辆避撞事件的提取标准为同时满足以下两个条件：
17.条件1：相对距离《70m；
18.条件2：ttc《4.5s或thw《1.5s，其中，ttc表示碰撞时间，thw表示车头时距。
19.所述响应行为特征包括：
20.a)车速类变量：货车自车车速、预警前相对车速、预警后相对车速、相对速度变化值；
21.b)距离类变量：预警时刻相对距离、制动时刻相对距离；
22.c)制动类变量：预警前制动减速度、预警后制动减速度、减速度变化量、制动持续时间、最小减速度；
23.d)反应类变量：反应时间。
24.所述对车辆避撞事件中的响应行为进行分类采用k-means cluster方法，将货车驾驶响应行为划分为预警前响应、预警后响应和未响应三类。
25.所述驾驶员反应距离预测模型的输入为初始相对距离、反应时间、相对车速，输出为反应距离。
26.所述制动距离预测模型的输入为初始相对距离、制动时间、制动力度、货车自车车速、前车车速，输出为制动距离。
27.所述安全预警距离为：
28.dw＝dr+db29.其中，dw为安全预警距离，dr为驾驶员避撞过程中的反应距离，db为驾驶员避撞过程中的制动距离。
30.一种考虑货车驾驶员响应行为的前向碰撞预警装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现如上述所述的方法。
31.与现有技术相比，本发明具有以下有益效果：
32.(1)安全性高：本发明考虑了货车驾驶员对系统预警信息的响应特征，结合反应时间、制动特征确定安全预警距离，保证了驾驶员避撞场景下的安全性。
33.(2)误报率低：本发明能够克服低速近距离跟车场景下、高速远距离跟车场景下因驾驶员反应时间、制动措施不同而产生的差异，避免了传统安全距离模型或固定阈值算法所产生的误报，有效的降低了误报率。
34.(3)适应性强：本发明综合考虑了驾驶员在fcw系统使用过程中，反应时间、制动力度、制动持续时间等因素，能够适应不同紧避撞场景下的驾驶员响应行为特征。
附图说明
35.图1为本发明的方法流程图；
36.图2为本发明实施例中获得的响应行为类型；
37.图3为本发明实施例中反应距离预测模型结果图；
38.图4为本发明实施例中制动距离预测模型结果图，其中，(4a)代表预警前响应行为
场景预测结果，(4b)表示预警后响应行为场景预测结果，(4c)表示未响应行为场景预测结果；
39.图5为本发明实施例中的适应性结果展示图，其中，(5a)代表预警前响应行为场景预测结果，(5b)表示预警后响应行为场景预测结果，(5c)表示未响应行为场景预测结果。
具体实施方式
40.下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
41.本实施例提供一种考虑货车驾驶员响应行为的前向碰撞预警方法，如图1所示，包括以下步骤：
42.步骤1：提取自然驾驶数据中货车驾驶员跟车场景下的车辆避撞事件的预警视频数据及车辆运动数据。
43.预警视频数据为fcw预警视频，提取的预警视频数据包括预警前10s视频及预警后10s视频，共计20s fcw预警视频。
44.车辆运动数据包括货车自车车速、前车车速、相对距离(货车自车与前车的距离)、货车自车加速度、制动时刻。
45.车辆避撞事件的提取标准为同时满足以下两个条件：
46.条件1：相对距离《70m；
47.条件2：ttc《4.5s或thw《1.5s，其中，ttc表示碰撞时间，thw表示车头时距。
48.为了避免数据不准确，本实施例中还设置了人工观测视频，数据清洗，剔除异常值等步骤。
49.步骤2：根据预警视频数据及车辆运动数据确定驾驶员响应行为特征，并对车辆避撞事件中的响应行为进行分类。
50.本实施例中，响应行为特征划分为4类：
51.a)车速类变量：货车自车车速、预警前相对车速(预警前10s)、预警后相对车速(预警后4s)、相对速度变化值；
52.b)距离类变量：预警时刻相对距离、制动时刻相对距离；
53.c)制动类变量：预警前制动减速度(预警前10s)、预警后制动减速度(预警后4s)、减速度变化量、制动持续时间、最小减速度；
54.d)反应类变量：反应时间。
55.对车辆避撞事件中的响应行为进行分类采用k-means cluster方法，在matlab中进行响应行为划分，根据k-means cluster中心点距离精度指标，确定响应行为类型，将货车驾驶响应行为划分为预警前响应、预警后响应和未响应三类。k-means cluster方法具体属于本领域的常规设置，为了避免本技术的目的模糊，故在此不再赘述。本实施例得到的响应行为特征如图2所示，预警前响应行为发生于低速近距离跟车场景，预警后响应行为场景伴随着较大制动力度，未响应场景发生于高速远距离跟车场景。
56.步骤3：根据驾驶员响应行为特征，将响应过程划分为反应阶段和制动阶段。
57.步骤4：基于支持向量回归方法，针对驾驶员接受预警信息时刻到制动时刻的时间
段，基于驾驶员响应行为特征构建驾驶员反应距离预测模型，模型输入为初始相对距离、反应时间、相对车速，输出为反应距离，用于对驾驶员反应距离进行预测。反应距离预测模型如图3所示，本实施例的反应距离预测模型拟合度(r2)达到0.99。
58.步骤5：针对步骤2所划分的驾驶员响应行为分类，基于长短期记忆模型分别构建预警前响应行为、预警后响应行为、未响应行为类型下所对应的制动距离预测模型，对每一响应行为分别进行制动距离预测。制动距离预测模型的输入为初始相对距离、制动时间、制动力度、货车自车车速、前车车速，输出为制动距离。
59.制动距离预测模型预测结果如图4所示，模型拟合度(r2)达到0.98。
60.步骤6：基于反应距离和制动距离确定三类驾驶员场景(预警前响应场景、预警后场景、未响应场景)下前向碰撞的安全预警距离，并根据安全预警距离向驾驶员发出避撞预警信息。
61.本实施例中，安全预警距离为：
62.dw＝dr+db63.其中，dw为安全预警距离，dr为驾驶员避撞过程中的反应距离，db为驾驶员避撞过程中的制动距离。
64.具体的，本实施例基于货车自然驾驶数据，提取450起避撞事件，采用考虑货车驾驶员响应行为的前向碰撞预警方法进行预警，方法的安全性、误报率、适应性分别通过仿真验证，对比传统安全距离算法(sda、honda算法)、安全时间阈值法(ttc＝4.5s，thw＝1.5s)进行对比。
65.其中安全指标选取减速度变化率(deceleration rate to avoid a crash,drac)进行验证，其公式为：
[0066][0067]
其中，vn代表第n时刻的货车自车车速，v
n-1
代表n-1时刻的货车自车车速。drac越小，表明安全性越好。由表1可知，考虑驾驶员响应行为的前向碰撞预警方法drac值为0.05，安全性提高了15％。
[0068]
定义货车跟车危险事件和安全事件，其中危险事件由time to impact(tit)指标和驾驶员制动力度限定，tit指标中涉及的ttc阈值选定为4.5s，货车驾驶员制动力度根据以往研究选定为0.052g。表2展示了误报率结果，提出的考虑货车驾驶员响应行为的前向碰撞预警方法准确率整体达到97.92％，误报率降低至1.73％。
[0069]
表1
[0070][0071]
表2(1)误报率指标
[0072][0073]
(2)预警前响应行为场景误报率
[0074][0075]
图5展示了考虑货车驾驶员行为的前向碰撞预警算法适应性，由图可见，提出的算法更接近驾驶员跟车行为特征，能够较好的适应不同避撞场景下避撞特点。
[0076]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依据本发明的构思在现有技术的基础上通过逻辑分析、推理、或者有限的实验可以得到的技术方案，皆应在权利要求书所确定的保护范围内。

技术特征：
1.一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征在于，包括以下步骤：步骤1：提取自然驾驶数据中货车驾驶员跟车场景下的车辆避撞事件的预警视频数据及车辆运动数据；步骤2：根据预警视频数据及车辆运动数据确定驾驶员响应行为特征，并对车辆避撞事件中的响应行为进行分类；步骤3：根据驾驶员响应行为特征，将响应过程划分为反应阶段和制动阶段；步骤4：基于支持向量回归方法，基于驾驶员响应行为特征构建驾驶员反应距离预测模型，对驾驶员反应距离进行预测；步骤5：针对步骤2所划分的驾驶员响应行为分类，基于长短期记忆模型构建每一类别的制动距离预测模型，对每一响应行为分别进行制动距离预测；步骤6：基于反应距离和制动距离确定前向碰撞的安全预警距离，并根据安全预警距离向驾驶员发出避撞预警信息。2.根据权利要求1所述的一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征在于，所述预警视频数据为fcw预警视频，提取的预警视频数据包括预警前10s视频及预警后10s视频。3.根据权利要求1所述的一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征在于，所述车辆运动数据包括货车自车车速、前车车速、相对距离、货车自车加速度、制动时刻，其中，所述相对距离表示货车自车与前车的距离。4.根据权利要求3所述的一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征在于，所述步骤1中车辆避撞事件的提取标准为同时满足以下两个条件：条件1：相对距离<70m；条件2：ttc<4.5s或thw<1.5s，其中，ttc表示碰撞时间，thw表示车头时距。5.根据权利要求3所述的一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征在于，所述响应行为特征包括：a)车速类变量：货车自车车速、预警前相对车速、预警后相对车速、相对速度变化值；b)距离类变量：预警时刻相对距离、制动时刻相对距离；c)制动类变量：预警前制动减速度、预警后制动减速度、减速度变化量、制动持续时间、最小减速度；d)反应类变量：反应时间。6.根据权利要求1所述的一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征在于，所述对车辆避撞事件中的响应行为进行分类采用k-means cluster方法，将货车驾驶响应行为划分为预警前响应、预警后响应和未响应三类。7.根据权利要求5所述的一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征在于，所述驾驶员反应距离预测模型的输入为初始相对距离、反应时间、相对车速，输出为反应距离。8.根据权利要求5所述的一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征在于，所述制动距离预测模型的输入为初始相对距离、制动时间、制动力度、货车自车车速、前车车速，输出为制动距离。9.根据权利要求1所述的一种考虑货车驾驶员响应行为的前向碰撞预警方法，其特征
在于，所述安全预警距离为：d
w
＝d
r
+d
b
其中，d
w
为安全预警距离，d
r
为驾驶员避撞过程中的反应距离，d
b
为驾驶员避撞过程中的制动距离。10.一种考虑货车驾驶员响应行为的前向碰撞预警装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-9中任一所述的方法。

技术总结
本发明涉及一种考虑货车驾驶员响应行为的前向碰撞预警方法及装置，其中方法包括：提取货车驾驶员跟车场景下的车辆避撞事件数据；确定驾驶员响应行为特征，并对车辆避撞事件中的响应行为进行分类；根据驾驶员响应行为特征，将响应过程划分为反应阶段和制动阶段；基于支持向量回归方法，基于驾驶员响应行为特征构建驾驶员反应距离预测模型，对驾驶员反应距离进行预测；基于长短期记忆模型构建每一类别的制动距离预测模型，分别进行制动距离预测；基于反应距离和制动距离确定前向碰撞的安全预警距离，根据安全预警距离向驾驶员发出避撞预警信息。与现有技术相比，本发明具有安全性高、误报率低、能够更好的贴合货车驾驶员的行为特征等优点。为特征等优点。为特征等优点。


技术研发人员：王雪松 鲍彦莅
受保护的技术使用者：同济大学
技术研发日：2023.03.23
技术公布日：2023/6/27