基于驾驶行为的汽车主动安全技术研究

肖献强 王其东

合肥工业大学，合肥，230009

0 引言

公路交通的快速发展给人们带来便捷的同时，交通事故的频繁发生，也对社会造成了巨大的损失，如何避免和减少交通事故的发生在当今显得尤为重要。通常的汽车安全防御措施都属于被动安全防御，只能减少事故发生带来的伤害和损失。主动安全防御即主动安全性表示汽车避免或减少事故发生的能力，主动安全性所涉及的因素很多，但归纳起来可以分为“人”、“车”、“路”三方面的因素。

目前关于驾驶行为主动安全性的研究，主要集中在对某一个危险驾驶行为的检测和预警上，虽然这些研究都提出了环境的重要性，但是并没有对车辆行驶环境信息的获取给予足够的重视［1－2］，没有利用环境信息以及车辆运行状态信息综合判断驾驶员的驾驶行为及意图，然后进行相应的告警［3］。本文提出了人—车—路各种信息对某种驾驶行为都应参与行为决策的理念，并对决策权重进行了研究。本文提出利用车辆运行状态和环境信息进行驾驶行为及意图的提前分析预测，并根据驾驶行为及意图是否存在危险，进行相应的预警。

1 常见驾驶行为

驾驶行为其本质是一个在符合安全规范的条件下，为达到某种交通目的的连续决策过程。驾驶员在一系列状态点上作出驾驶决策，汽车主动安全的驾驶行为识别需要实时识别车辆运行状态、环境以及驾驶员的驾驶行为，判断此时汽车的安全状态，同时需要对下一时刻的行车安全状态作出评估和预警。常见的驾驶行为主要有以下8种：①压车道线行驶。在高速公路上压道行驶是一种很危险的驾驶行为［4－5］。②疲劳驾驶。本文采用通过方向盘转角监控来预测驾驶员是否处于疲劳驾驶［6］。③超车并道。超车并道也是导致交通事故的一个重要原因，系统要进行提前预警。④车辆掉头转弯。车辆掉头转弯主要是指驾驶员在驾驶车辆过程中，突然进行转弯掉头。⑤加速行驶状态。在车辆处于加速行驶的状况中，需要进行各种实时数据分析，预测驾驶员下一个时刻的可能驾驶行为，判断车辆是否处于安全状态。⑥减速行驶状态。驾驶员在驾驶车辆的过程中突然减速也是一种很危险的驾驶行为，因此在这个过程中，也要判断驾驶员下一时刻的驾驶行为。⑦匀速行驶状态。匀速行驶状态是车辆在大部分时间里的行驶状态，跟踪这个状态可为下一个时刻的驾驶行为预测奠定基础。⑧启动状态。作为系统初始状态。

2 权重决策矩阵分析建模

2.1 信号矩阵

根据前期国内外对驾驶行为研究的成果以及调查分析，总结出有如下参数信息对驾驶员的驾驶行为分析与预测起决定性作用：①车道线信号；②方向盘转角信号；③车速信号；④方向灯信号；⑤油门信号；⑥刹车信号；⑦离合器信号；⑧挡位信号。

将八种信号定义为一个信号矩阵S，S＝［x1x2x3x4x5x6x7x8］，代表信号系统采集到的对应信号量。

为了建立每种信号对某种驾驶行为的决策权重，课题组在合肥针对出租车司机、驾校教练、公交车司机以及个人发放了800份关于常见驾驶行为和上述八种信号关系的问卷调查，结合理论研究对八种信号初始权重作出了如下分配。x1代表是否压车道线信号，根据视觉传感器（CCD）图像处理程序计算和识别车辆是否处于压道行驶和车道是否跑偏，分别取1和0。x2代表方向盘信号，根据驾驶员是否连续地、长时间地没有转动方向盘操作，或者方向盘大转角地转动分别进行判断。如果是第一种情况则表明驾驶员处于疲劳驾驶状态，此时取x2＝1；如果驾驶员以每秒大于32°的速度转动方向盘则表明驾驶员可能想超车并道或者想转弯掉头，此时取x2＝0.5。x3代表车速信号，这是一个常规的监控变量，其值为汽车当前速度vnow与该车型的最大速度vmax的比值，即x3＝代表方向灯信号，根据其开或关取值1或0。x5代表油门信号，根据油门的开启度取值范围为［0，1］。x6代表刹车信号，根据刹车信号有无分别取1和0。x7代表离合器信号，根据离合器的开启度取值范围为［0，1］。x8代表挡位信号，不同的挡位取不同的值。以福特福克斯车型为例，空挡取0；1 挡 为 起 步，取 0.2；2 挡 对 应 的 是 30 ～40km／h，取0.4；3挡对应的是50～60km／h，取0.6；4挡对应的是60～70km／h，取0.8；5挡对应的是70km／h以上，取1。

2.2 权重矩阵

各种信号对驾驶行为的决策权重是不一样的，因此定义一个权重决策矩阵R，R由8列权值向量构成，其中r1～r8分别对应一组列向量，即

该矩阵代表各个信号量对常见驾驶行为分析判断的权重，各个元素取值范围为［0，1］。

2.3 状态矩阵

系统将每一时刻的信号矩阵S与权重矩阵R相乘，得到这个时刻的状态矩阵T，即

只要扫描这个状态矩阵，找出矩阵中的最大值tx（x＝1，2，…，8），这个值就代表系统此时判断出来对应的驾驶员所处的驾驶行为。

状态矩阵随着车辆运行参数以及环境参数的改变处于不断的变化中，系统按照一定的时间间隔来进行状态矩阵运算，判断此刻驾驶员的驾驶行为，通过上一个时刻的驾驶状态和此刻的驾驶行为，同时结合采集到的某些车辆运行参数，可以进一步判断驾驶行为的安全性，并作出相应的预警。

3 权重决策矩阵的实现

3.1 权值取值原则

权重矩阵R中的8个列向量r1～r8分别包含8个元素，每列向量的8个元素之和为1，而这8个元素与信号矩阵S中的8路信号x1～x8分别对应，它们表示x1～x8对驾驶行为及意图分析的贡献值大小。例如：

其中，r11＋r21＋…＋r81＝1，且r11，r21，…，r81按序号各自一一对应于信号矩阵S中的8路信号元素x1，x2，…，x8，则r11，r21，…，r81就代表x1，x2，…，x8在驾驶行为分析时所占的权值比重。由式（1）通过矩阵的乘法运算可得：

rij（i＝1，2，…，8；j＝1，2，…，8）为0～1之间的具体数值，其取值原则如下：

本文所考虑的8种驾驶行为状态都只与某种或某几种的车辆和环境参数有关，因此对应的各个信号的权值大小也有所不同。例如，压车道线行驶在状态矩阵中由t1表示，这种状态看成只与是否压线的信号x1有关，而与其他7种信号量，如车速、方向盘、油门等无关，所以在这种情况下，只考虑与x1对应的权值，假设取值为1，而忽略与其他七种信号对应的权值，假设都取值为0。

3.2 仿真权重决策矩阵的有效性

首先，任意设置一个权重矩阵的初始值，并且人为给出汽车在某种确定状态下的车辆和环境信号，然后把信号矩阵和权重矩阵相乘得到此时的状态矩阵，找出状态矩阵中的最大值，判断该最大值所对应的驾驶行为及意图是否与人为给定的车辆和环境信号一致，若结果一致，则用同样的方法对余下的7种驾驶状态进行判断；若结果不一致，则改变权重矩阵的初始值，重复上述过程，不断逼近，直至达到8种典型驾驶行为预测全部准确，误报率小于5%，可靠性大于95%时，此时权重决策矩阵视为合理的权重决策矩阵。同时结合课题组对合肥出租车司机、公交车司机、驾校教练以及个人驾驶员的调查问卷表来修正权重矩阵。

初始值的验算过程涉及较复杂的矩阵运算，若采取人工计算，则会耗费大量的时间，且不能保证结果的准确性，效率较低。据此，本文使用MATLAB软件进行仿真，利用MATLAB的矩阵运算工具和绘图工具，可以很方便地进行矩阵的运算以及运算结果分析。

为了提高仿真的效率，把矩阵运算和绘图等要实现的命令编译成一个M文件［7］。其主要功能为实现信号矩阵和权重矩阵之间的乘法运算，得到状态矩阵，并使用plot命令绘制出状态矩阵中元素大小的折线图，方便比较各个元素的大小，使用时，只需调用该M文件，输入不同的信号参数，运行函数就能够很直观地判断结果［8］。

在所有的驾驶行为决策分析权重矩阵确定后，还要针对处理处于两种混合模糊的驾驶行为重新调整权重矩阵。

值得注意的是，对部分不合理的权值向量初始值进行修改后，往往会影响到其他先前合理的权值向量，使得当时合理的赋值此时变为不合理；因此，权值矩阵的初始值由不合理到合理，其修改过程是不断反复的，最终所有合理的取值都建立在对整体考虑的基础之上。

4 仿真实验

根据表1的结论进行迭代仿真，最终得到的权重矩阵如下：

表1 权重矩阵的验算

汽车在行驶过程中，为了提高系统的可靠性，采用每间隔0.5s进行一次状态矩阵运算的方法，给出驾驶员的驾驶行为预测结果，并根据结果进行相应的提示。

为了仿真汽车驾驶过程中的各种信号，本文设计了基于ARM9＋Linux的软件运行平台，该平台利用ARM7模拟汽车驾驶信号。图1所示为仿真实验平台。

图1 仿真实验平台

图2和图3分别为超车并道和转弯掉头的测试结果图片，图片中左侧编辑框中的各个信号是模拟汽车运行各种信号测试平台上ARM7发出的模拟驾驶信号，分别对应权重矩阵运算需要的各个汽车运行中驾驶员的操作信号；实时图像显示本次测试是通过CCD采集的，为下一步研究车辆运行环境进行综合判断作好了铺垫。

图2 超车驾驶行为仿真测试

图3 转弯掉头驾驶行为仿真测试测试

5 结束语

本文在研究国内外关于汽车主动安全研究成果的基础上，提出了设计基于驾驶行为的汽车主动安全系统的思路，通过采集车辆运行状态参数以及CCD摄像采集的车辆运行环境信息数据，提前预测驾驶行为是否安全，并作出相应的安全提示及预警，通过搭建ARM＋Linux仿真测试平台，测试表明本文提出的方法切实可行。课题组下一步需要进行对系统的预警可靠性及漏警率进行深入的研究，以提高系统的可靠性，降低误报率，为本文的研究内容实用化奠定基础。

［1］ Zong Changfu，Yang Xiao，Wang Chang，et al.Driving Intentions Identification and Behaviors Prediction in Car Lane Change［J］.Journal of Jilin University（Engineering and Technology Edition），2009，39：27－32.

［2］ Farid M N，Kopf M，Bubb H，et al.Methods to Develop a Driver Observation System Used in an Active Safety System［J］.VDI Berichte，2006，1960：639－650.

［3］ 廖传锦.以人为中心的汽车主动安全预警信息系统研究［D］.重庆：重庆大学，2005.

［4］ 吴沫，安向京，贺汉根.基于视觉的车道跑偏检测方法研究及仿真［J］.中国图像图形学报，2007，12（1）：110－115.

［5］ Godthelp H，Milgram P，Blaauw G J.The Development of a Time－related Measure to Describe Driver Strategy［J］.Human Factors，1984，26（3）：257－268.

［6］ 石坚.人－车－路综合环境下主动安全性模拟系统的研究［D］.上海：上海交通大学，2000.

［7］ 张德喜，周予生.MATLAB语言程序设计教程［M］.北京：中国铁道出版社，2006.

［8］ 常巍，谢光军.MATLAB R2007基础与提高［M］.北京：电子工业出版社，2007.