[发明专利]一种驾驶行为无监督模式识别方法及数据采集监控系统

权利要求书

1.一种驾驶行为无监督模式识别方法，其特征在于，包括以下步骤：

S1、采集驾驶员在驾驶过程中的驾驶数据片段并进行特征提取；

所述驾驶数据片段包括轨迹曲率、加速度、速度、转向角度四个变量；提取的特征分为两类：统计特征和时间特征；所述统计特征包括：平均值、方差、ACF1、余数自相关、趋势、曲率和熵；所述时间特征包括：最大平均值差值、最大方差差值、Kullback-Leibler散度的最大位移和余数方差；

S2、利用改进的基于Wasserstein距离的自适应K-Means聚类算法对提取的特征进行聚类，获得驾驶行为模式；

S3、建立驾驶行为主题描述，利用LDA模型将驾驶行为主题描述与所有聚类获得的驾驶行为模式进行匹配，得到无监督驾驶行为的识别结果；

建立驾驶行为主题描述是指根据轨迹曲率、速度、加速度以及转向角度提取驾驶特征对驾驶行为进行语义表达；其中，所述驾驶行为主题包括5种正常驾驶行为主题和6种异常驾驶行为主题；

5种正常驾驶行为主题包括：

以正常速度行驶，加速度非常低，轨迹平缓；对应的驾驶行为模式为：匀速直线行驶；

速度从0加速，加速度非常低，轨迹平缓；对应的驾驶行为模式为：温和起步；

以正常速度行驶，加速度非常低，轨迹曲率较大；对应的驾驶行为模式为：曲线平稳行驶；

以正常速度行驶，加速度较低，轨迹变化明显；对应的驾驶行为模式为：正常变道；

速度减速到0，加速度非常低，轨迹平缓；对应的驾驶行为模式为：温和停止；

6种异常驾驶行为主题包括：

行驶速度高，轨迹倾斜角加速度高；对应的驾驶行为模式为：快速变道；

速度急速减速到0，加速度变化剧烈，轨迹平缓；对应的驾驶行为模式为：急刹车；

速度变化剧烈，加速度变化剧烈，轨迹变化剧烈快速，表现为两个快速变道；对应的驾驶行为模式为：急速超车；

以较快速度行驶，加速度低，轨迹曲率大；对应的驾驶行为模式为：曲线快速行驶；

速度从0急速增快，加速度变化剧烈，轨迹平缓；对应的驾驶行为模式为：急加速；

以正常速度行驶，加速度较高，轨迹曲率大，方差大；对应的驾驶行为模式为：曲线超车；

基于LDA模型的无监督驾驶行为识别过程如下：

LDA模型实质是一个三层贝叶斯网络，通过计算特征生成概率进行无监督的驾驶行为匹配；设定Ω＝{Ω₁,...,Ω_d,...,Ω_k}代表驾驶行为模式，其中驾驶行为模式的数量为提取的聚类个数k，O是驾驶行为主题的数量；驾驶行为模式Ω中观察到的局部驾驶行为特征参数表示为其中U_d是局部特征的数目，这里采用8个特征，分别为轨迹曲率均值、轨迹曲率方差、速度均值、速度方差、加速度均值、加速度方差、转向角均值、转向角方差；

LDA假设在第d个驾驶行为模式中观察到的第u个特征w_d,u是根据潜在驾驶行为z_d,u生成的，即假设特征w_d,u的实际值w是根据生成的，则LDA的分配由θ_o|d和Dirichlet参数α得出，其中φ_o是具有Dirichlet参数β的具有潜在驱动主题的特征分布；因此，LDA的生成模型假定为：

θ_d～Dir(θ；α)

φ_o～Dir(φ；β)

z_d,u～Mult(z；θ_d)

当观察到特征w＝{w_d,u}时，该特征的生成概率表示为：

其中，生成概率最大的驾驶行为主题即为该驾驶数据片段的行为匹配结果。