[发明专利]一种面向智能网联车辆群组测试的驾驶风险分级聚类方法

说明书

本发明公开了一种面向智能网联车辆群组测试的驾驶风险分级聚类方法，包括：（1）车辆驾驶行为特征参数提取；（2）车辆驾驶行为参数主成成分分析；（3）车辆驾驶行为参数因子分析；（4）基于系统聚类的车辆驾驶风险分级。该驾驶风险分级聚类方法基于已有智能网联测试示范区采集的各类典型车辆驾驶数据，以道路安全最为关心的车辆驾驶风险作为切入点，对车辆群组的驾驶风险进行分级聚类，准确捕捉具有较高驾驶风险的车辆，构建一种能够有效串联车辆驾驶行为数据、车辆驾驶行为、车辆驾驶安全三者之间互相关联的理论方法，研究结果可以在智能网联车辆群组测试时有针对性地对重点测试车辆进行监控，以期保证智能网联车辆群组测试的准确性。

技术领域

本发明属于智能汽车测试分析技术领域，具体涉及一种面向智能网联车辆群组测试的驾驶风险分级聚类方法。

背景技术

智能网联车辆在道路上行驶时，其驾驶行为与安全驾驶息息相关，直接影响着道路交通安全，而我国道路交通环境复杂，驾驶行为对道路安全影响更甚。参照我国公安部定期发布的事故年报表明，2018年因为各类高风险驾驶从而导致了数量庞大的交通事故。随着车联网技术的发展，智能车联网已成为可能，智能网联车辆为配备最新的车载传感器、控制器、执行器等装置，并以先进的网络通信技术为基础，完成车与X(人、车、路、后台等)智能信息交互共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终实现真正无人驾驶的新一代车辆。智能网联车辆的研究成为交通领域研究的热点之一。

从技术与政策法规上，对智能网联车辆群组的全时监控在智能网联汽车测试示范区能够全面实现。在智能网联汽车的监控测试阶段，获取了类型丰富、体量庞大的车载监控数据、行车记录视频或图片(车内外)，然而这些数据大多被长期存放于数据库中成为了历史数据，尚未得到有效且充分地挖掘利用，主要是对车辆的基本运行情况实现了监控测试，例如轨迹路线、油耗监控，货物装载等，造成了测试数据源的无形浪费。目前大数据时代(Big Data)已然到来，云平台、云计算、数据仓库等热门技术应运而生。因此，通过数据挖掘技术充分利用、整合各类车载测试数据，发明一种车辆驾驶数据、车辆驾驶行为、车辆驾驶安全三者进行关联的方法变为可能。

发明内容

本发明的目的是针对现有技术中的问题，提供一种改进的面向智能网联车辆群组测试的驾驶风险分级聚类方法。

为达到上述目的，本发明采用的技术方案是：

一种面向智能网联车辆群组测试的驾驶风险分级聚类方法，所述方法包括：

(1)车辆驾驶行为特征参数提取；

(2)车辆驾驶行为参数主成成分分析；

(3)车辆驾驶行为参数因子分析；

(4)基于系统聚类的车辆驾驶风险分级。

优选地，步骤(2)中，主成成分分析模型为：

式中：n为车辆样本数，m为步骤(1)中提取的车辆驾驶行为特征参数指标，X1，X2，…，Xm为原来的变量指标；F1，F2，…，Fp为提取的主成成分，p＜m，a_ij为矩阵系数。

进一步地，主成成分分析模型满足以下条件：

(1)每个主成成分系数平方和为1；

(2)主成成分之间互不相关；

(3)主成成分方差依次递减。

进一步地，步骤(2)包括如下步骤：

①对步骤(1)提取的m个指标进行标准化处理；

②根据标准化后的数据矩阵求出协方差或相关阵；

③求出协方差矩阵的特征根和特征向量；