基于丰田OBD数据的常见驾驶行为分析

摘  要：随着经济的发展和人民生活水平的提高，我国汽车数量不断增长，但与此同时道路交通事故持续发生。对此，学者从驾驶员驾驶行为的角度对其进行了研究。深入分析驾驶行为，有助于制定更合理的交通法规，设计更高效的交通系统，从而减少交通事故的发生。本文利用丰田OBD数据，实现了对常见驾驶行为的建模，包括刹车模型，急加速/减速模型，疲劳驾驶判断模型，超速行为识别模型，车辆变道转向的相关判断模型等。在此基础上，可实现对车辆停车、稳定行驶、加减速状态、急加速/减速、转向变道及转向灯合理性等行为的判定。本文重点对变道相关模型进行了分析和验证。结果表明，在误差允许范围内，模型计算结果与实际操作基本吻合。

关键词：OBD数据;驾驶行为分析;变道模型

中图分类号：U491.25         文献标识码：A        文章编号：1671-2064（2019）16-0000-00

0引言

随着社会的不断发展，驾驶行为逐渐成为评判司机技术的重要标准。不好的驾驶行为是引发许多的交通事故的主要原因之一，而好的驾驶行为有利于减少交通事故发生，因此对驾驶行为的分析十分紧迫。本文对驾驶行为进行分析，旨在为改善驾驶行为水平做出贡献。

本文数据来源于OBD（On-Board Diagnostic车载诊断系统），理由是OBD数据具有稳定、及时、智能、使用面积广的优点。OBD系统一般以智能手机作为服务显示设备，通过与智能手机互联，将OBD接口获取的汽车数据提供给车主。

驾驶行为的分析可以分为宏观、微观两大类，宏观驾驶行为是从车辆行驶数据入手推导原因，如从车辆加速度、速度、里程数、方向盘等判断驾驶员是否是疲劳驾驶等;微观驾驶行为是指驾驶员的具体决策导致的车辆行驶，如在做出超车决策后，需要判断周边环境信息做出超车决策等，以及决策行为会对整个交通系统的影响。本文基于丰田的OBD原始數据，从微观角度建模分析常见驾驶行为，重点对变道模型进行了验证。

1相关工作

车辆OBD系统为驾驶员操作分析和车辆能耗分析提供了基础。常见应用如，保险公司通过UBI车险与OBD数据模型有机结合，提出更有利于实现双赢的保险机制;在能耗分析方面，也有学者基于OBD数据并根据理想气体状态方程及空燃比原理对计算车辆油耗。能耗分析的延伸还包括通过分析车辆发动机的使用寿命，以及电动车的用能计算、碳足迹计算。

1.1 OBD数据

OBD数据指基于丰田汽车公司《车辆总线通信规范》，通过OBD设备以侦听方式采集车辆总线上各种行驶状态下的参数，包括丰田提供的330个车辆参数字段。涉及车型包括汉兰达、凯美瑞、雷克萨斯等。

1.2数据的问题及解决方法

由于车辆处于桥底或者隧道时，信号可能无法连接，也存在缓存过少导致数据丢失的现象，因此首先进行数据预处理。本文通过识别并标记数据噪声、去除不可靠的数据段的方式进行预处理，为模型分析建立打下基础。

1.3常见驾驶行为的模型

通过OBD数据可以分析驾驶行为。由于驾驶行为可以用多种不同的传感器参数进行描述，因此建立以下模型。

1.3.1转向判断（表1）

1.3.2转向灯合理性判断（表2）

1.3.3转弯模型

转弯模型的数据基础为10HZ频率收集的OBD数据，包括速度v（m/s），时间t（s），车辆横向加速度a（m/s2），方向盘转角s（°）。模型如图1。

如图1所示，假设车辆变换车道时的速度为v，变道过程近似认为匀速圆周运动，且实际中两条相邻车道中心线相距为3m，车辆变道的转向角为α，因此车辆变道过程中存在等式：

如图2所示，假设车辆转向时的速度为v，将每一个0.1s的小转向近似认为直角三角形，转向半径为，每0.1s变化角度为α，因此车辆变道过程中存在等式：

可对车速情况进行分类。规定速度v在（0，30）内为A类;速度v在（30，60）内为B类;速度v大于60为C类。再对数据的进行整理与归纳得到：

（1）A类转向或变道时方向盘转角s可变范围为（30，300）。

（2）B类转向或变道时方向盘转角s可变范围为（10，50）。

（3）C类转向或变道时方向盘转角s可变范围为（5，7）。

变道具体过程如下：

1）在车速处在对应类别并方向盘转向处在对应类别的情况下开始，对每0.1s的数据做处理，计算

2）对指定时间内的l进行求和，因为近似构成直角三角形，计算

3）若q在（30，45）内，则认为发生了变道

普通转向具体过程如下：

1）在车速处在对应类别并方向盘转向处在对应类别的情况下开始，对每0.1s的数据做处理，计算，以及

2）因为近似构成直角三角形，计算，并对指定时间内的q进行求和

3）若q在（70，90）内，则认为发生了转向

依据普通转向的判定方法，下面对转盘转向、S弯转向、高架桥转向与普通转向做简单对比，并给出对应计算模型，如表3。

2实验验证

本文重点对转向判断模型进行验证。原因在于转向时容易诱发事故，这也适用于对变道的分析。美国公路交通安全管理署（National Highway Traffic Safety Administration， NHTSA）的研究报告表明，变道事故占交警记录的事故总数的5%，占伤亡事故的0.5%。了解驾驶员变道的特征，有助于分析变道事故多发的原因，有针对性地采取措施，提高行车安全与交通运行效率。

2.1验证细节

针对上节所构建的转向判断模型，本文采用同期的驾驶过程记录视频作为检验证据。因可用于验证的车辆视频有限，且只涉及部分车辆，本文使用车辆行驶视频信息对模型结果进行验证。

2.2具体验证过程

以丰田车为例，根据所记录行驶过程的时间轴，与车辆行驶过程所录制的视频信息进行比较，并对车辆应该打转向灯的数据段进行标注（100表示车辆应该打转向灯），再将模型计算结果（-100代表打转向灯）与人工标注的结果进行匹配验证，部分结果如图3。

图3中蓝色为从车辆视频中人工标注得到的打转向灯的信息（为了便于比较，用值100标记实际应该打转向灯），绿色的为模型计算得到的打转向灯的信息（-100表示模型计算应该打转向灯）。

视频验证了2个行程，总计约2个小时，车辆实际共进行了60次转向操作，模型计算结果下车辆共进行了49次转向操作，对比之下，可以看出时间、打转向灯次数基本吻合。对于未匹配的部分，存在人工标注的误差。在误差允许的范围内，验证成功率达到80%。因此认为视频验证下模型基本正确。

3总结与展望

本文通过基于丰田汽车OBD数据的建模分析，实现的对于多种常见驾驶行为的分析。其中包括：刹车模型，急加速/减速模型，疲劳驾驶判断模型，超速行为识别模型，车辆转向的相关判断模型。本文重点对转弯模型的准确度进行验证。

本文希望能为将来的智能生活提供一定的支持。比如在司机转向时，系统可以对司机进行语言的提示，提醒有些习惯不打或晚打转向灯的司机，为广大的司机朋友养成一个良好的驾驶行为习惯。减少交通事故发生的频率，营造人人安分驾驶的优良的氛围。

参考文献

[1]王雪松，李艳.基于自然駕驶数据的驾驶员变道特征分析[J].交通信息与安全，2016（1）：17-22.

[2]张凤，李永娟，蒋丽.驾驶行为理论模型研究概述[J].中国安全科学学报，2010，20（2）：23.

[3]肖丽萍.基于OBD系统的特性分析[J].北京汽车，2006（5）：29-32.

[4]刘雁飞.驾驶行为建模研究[D].浙江大学，2007.

[5]郭洪艳，陈虹，赵海艳，等.汽车行驶状态参数估计研究进展与展望[J].控制理论与应用，2013， 30（6）：661-672.

收稿日期：2019-06-26

作者简介：刘昱麟，男，汉族，湖南武冈人。