1、基于行车数据的长途客车驾驶员驾驶行为识别方法研究 李岩 石柏军 张兆元 朱富贵 华南理工大学机械与汽车工程学院 摘 要： 为减少因驾驶员因素造成的长途客车交通事故, 从驾驶人、车辆、道路环境的角度将行车数据分为驾驶员行为信息、车辆状态信息、环境及位置信息 3 大类。分析了基于行车数据的驾驶经济性、平稳性的计算方法, 并对疲劳驾驶、急加减速、非正常地点停车等不规范驾驶行为进行了研究和识别, 为长途客车驾驶员驾驶行为的识别提供了新的方法, 为驾驶员行车安全性评估提供参考。关键词： 长途客车; 车辆监测; 行车数据; 驾驶行为; 作者简介：李岩 (1994) , 女, 河南漯河人, 华南理工大学硕士
2、研究生, 主要研究方向为车辆动力学性能分析。收稿日期：2017-08-15Research on driving behavior recognition methods of coach drivers based on driving dataLI Yan SHI Baijun ZHANG Zhaoyuan ZHU Fugui School of Mechanical and Automotive Engineering, South China University of Technology; Abstract： In order to reduce the coach acciden
3、ts caused by driver factors, it classifies the driving data from the perspective of driver, vehicle and road environment, proposes the characteristics of driving statistics, and analyzes the calculation method of driving economy and stability.This provides the risky driving behaviors in instance, fa
4、tigue driving, heavy acceleration and deceleration and abnormal parking.Keyword： coach; vehicle monitoring; driving data; driving behavior; Received： 2017-08-15长途客车作为主要公共交通工具, 其安全运行关乎每位乘客的生命财产安全。而当前对长途客车的安全监测受技术条件限制, 主观性太强, 缺乏量化技术指标, 同时安全评估仅针对车辆进行, 忽略了对驾驶员行为的监督。长途客车行驶过程中的行车数据是对其营运过程的完整记录, 不仅能够提供客车黑匣
5、子功能, 用于事故后的现场还原和调查取证, 还能通过其统计指标、特征点等数据信息间接反映驾驶员的驾驶习惯和不规范驾驶行为1。因此通过对行车数据的监测, 实现行车数据可视化, 对驾驶员驾驶习惯和行为进行分析和识别, 从而客观地评价行车安全水平, 加强对驾驶员的监督和约束, 为公共出行提供安全保障。1 拟监测行车数据及其分类按照影响驾驶安全的人、车、路、环境等主要因素, 可以将监测数据分为驾驶员行为信息、车辆状态信息、环境及位置信息 3 大类。1) 驾驶员行为信息, 可分为即时操作信息和行为习惯信息。即时操作信息主要包括:反映加减速操作的踏板位置、节气门位置、车辆加速度, 间接反映换挡操作的发动机
6、转速与行车速度比值。行为习惯信息包括:反映驾驶经济性的百公里油耗, 反映驾驶经验的累计驾驶里程 Dis Cml 和时间 Time Cml, 反映是否疲劳驾驶的连续驾驶里程和时间, 反映驾驶平稳性的急加速和急减速次数, 车速最大值、平均值、标准差等指标。2) 车辆状态信息, 可分为动态行车数据和故障诊断信息。动态行车数据主要包括:反映车辆运动状态的行驶速度;反映发动机工作状态的发动机转速、节气门位置、发动机负载、点火提前角、进气流量、进气歧管压力等。故障诊断信息包括:通过发动机故障扫描反映的车辆故障诊断状态、诊断码个数以及具体故障诊断码信息。3) 环境及位置信息。主要包括:通过发动机负载率变化间
7、接反映的车辆行驶路面状况、大气压、环境温度, 以及通过 GPS 地理位置信息反映的道路海拔、坡度、转向等道路环境信息。上述各项行车数据的获取需要直接或间接通过接入车内总线共享车载传感器信息, 或者外接一系列传感器进行采集。2 驾驶习惯分析评价驾驶习惯的指标主要包括:反映驾驶员驾驶经验的累计驾驶里程和时间, 衡量其驾驶经济性的当前行程百公里油耗, 衡量驾驶员驾驶平稳性的车速最大值、平均值、标准差等指标。当前累计行车里程 Dis Cml 是反映车辆损耗的重要指标, 由于 OBD 数据流中往往并无行车里程数据, 需要由故障码清除后的行驶里程 CLR_DIS 和故障灯点亮时的行驶里程 MIL_DIS
8、间接计算得到。假定设备安装前原始累计行程为 Dis Ori, 则 Dis Cml 为:其中, Dis Ori 并非直接给出, 用户在某次行车之后, 通过信息管理页面更新当前累计行车里程 Dis Cmlk, 系统将根据用户更新时间自动识别 CLR_DISk和MIL_DISk, 代入式 (1) 可得 Dis Ori:2.1 驾驶经济性分析百公里油耗 Fule Cspt 是衡量当前行程的燃油经济性指标, 目前主要有燃油液位输入差、瞬时油耗积分两种计算方法2。本文采用瞬时油耗积分法的“空气流量-燃油修正因数法”, 以下对其进行简单介绍。由发动机燃烧理论可知, 假设某一瞬间, 发动机进气流量为 MAF
9、(单位:g/s) , 空燃比为 , 则根据空燃比定义可知瞬时燃油消耗率 为:发动机控制器会根据实时氧传感器数据等, 在标准空燃比 0 ( 0=14.7) 的基础上对发动机喷油进行修正, 从而提高燃烧效率3。SHRTFT 和 LONGFT 分别为短时燃油修正系数和长时燃油修正系数, 则空燃比的计算公式为:将式 (4) 代入式 (3) , 可得瞬时燃油消耗率 为:根据式 (5) 计算得到行车过程中 N 个采样点的瞬时燃油消耗率分别为。假设采样间隔为 T, 燃油密度为 , 则可得行程燃油消耗量 Fule为:记行程开始时和结束时的燃油液位输入分别为 DIS1, DIS2, 则百公里油耗 Fule Cs
10、pt 的计算公式为:2.2 驾驶平稳性分析车辆行驶过程中, 驾驶员根据路面环境不断调整车速, 以保证安全行车。长途客车一般行驶在非城市道路, 路况变化相对缓慢, 此时车速标准差 Sigma VSS是反映驾驶员驾驶平稳性的重要指标4。假设一段行程周期中记录的 N 个采样点, 其速度 VSS 依次为 (v 1, v2, , vN) , 其平均值为 , 则 Sigma VSS 为:根据标准差定义可知, Sigma VSS 越小, 表明车速越稳定, 说明驾驶员稳定驾驶、控制车速的水平越高。3 不规范驾驶行为识别3.1 疲劳驾驶识别道路交通安全法实施条例规定:“连续驾驶机动车超过 4 小时未停车休息或者
11、停车休息时间少于 20 分钟”即可判定为疲劳驾驶5, 据此可判定当前行程是否存在疲劳驾驶行为。基于以上判断准则, 定义最少休息时间阈值 C (此处 C=20min=1 200s) , 对于任意时间宽度为 M 的行程 (此处 M=4h=14 400s) , 计算该区间内其停车休息时间之和 yrelax, 当 yrelaxM) , 对于离散采样序列, 时间序列为 t=nt=n, n=0, 1, 2, , N-1, 速度的离散序列为 v (n) , 则根据速度是否为 0, 判断该采样点是否为休息点, 可得休息序列 r (n) :对于第 k 个采样点, 计算该点之前宽度为 M 的时间区间内处于驾驶状态
12、的累计时间长度的离散序列 trelax (k) 为:对于任意采样点 k, 当 trelaxC 时, 认定该采样点为疲劳驾驶点, 从而得到判定第 k 点是否疲劳驾驶的离散序列 y (k) 为:统计疲劳驾驶采样点的个数, 即可得到该行车记录中累计疲劳驾驶时间 Ttired的计算式为:根据累计疲劳驾驶时间 Ttired的大小, 即可对疲劳驾驶程度进行判定, 从而对驾驶员的疲劳驾驶行为进行监督。3.2 急加减速识别急加速和急减速的识别是通过在较短时间间隔内连续采集两次车辆速度信息进行计算得到, 前后两次采集的车辆速度分别为 VSS1, VSS2, 速度采集时间通过系统时钟获得, 分别为 t1, t2,
13、 则当前车辆的加速度 ACC 的计算方法为:图 1 所示为同一驾驶员在不同路况下车辆加速度分布图。从图中可以看出, 市区路况和高速路况下, 驾驶员的加减速行为有明显不同。其中, 加速度数值小于 5 的时候, 不管是低速行驶或高速行驶, 加速度在不同区间分布比例基本一致, 表明同一驾驶员在不同速度范围内维持车辆速度稳定的习惯是一致的。而当加速度数值大于 5 时, 则存在明显差别, 市区低速路况存在多次大幅度加减速行为, 而高速路况几乎未出现, 表明同一驾驶员在不同速度范围内应对紧急情况的加减速习惯有明显差别。图 1 不同路况下车辆加速度分布图 下载原图车辆加速度 ACC 值前面的符号 (正为加速
14、, 负为减速) 反映了驾驶员的加减速操作行为, 初始化时设定急加速次数 Cnt Acc P 和急减速次数 Cnt Acc M 初始值为 0, 设定加速度阈值的上限和下限分别为 ACCmax, ACCmin, 当超出设定阈值时即进行递增计数。统计得到急加速次数 Cnt Acc P 和急减速次数 Cnt Acc M分别为:实际可根据加速度大小将急加速和急减速行为分为不同等级, 本文分别将加速度为 5m/s、10m/s、15m/s 设定为一级、二级、三级危险标准, 对驾驶员不同等级急加速和急减速行为进行识别, 并计算得到急加速次数和急减速次数, 从而对多次出现不规范驾驶行为的司机进行二次教育, 提升
15、驾驶安全水平6。3.3 非正常地点停车识别不同于一般私家车, 为规范客运秩序、减少站外上客可能带来的超载行为, 客运管理部门规定了长途客车相对固定的行车路线、停车站点7。目前对车辆停车的监测主要是基于通过 GPS 获得的速度信息进行判定, 图 2 所示为目标采样点是否为正常停车点的识别流程图。图 2 目标采样点非正常停车识别流程图 下载原图由于 GPS 本身精度有限及美国政府增加的噪声干扰, 其速度计算的精度和时间延迟难以满足准确的停车识别要求, 无法通过 GPS 速度信息对车辆站外行为进行跟踪和监督。为解决以上问题, 本文采用 OBD 端口采集的车速信息作为车辆速度的来源。当速度为零超过 2
16、s 即可认定为停车, 记录停车位置的 GPS 经度和纬度, 与人为标定的上下车地点以及路口红绿灯位置进行比对, 如果停车位置位于目标比对区域 10m 范围以内, 则认为是正常停车, 否则认定为是违规停车行为, 并添加警示标记。4 结束语本文依据可监测的长途客车各类行车数据, 为驾驶员驾驶习惯和各类不规范驾驶行为的识别提供了新的方法, 为长途客车监测及综合安全评估提供了理论基础, 为减少因驾驶员因素造成的长途客车交通事故提供帮助。但该方法尚未在实际的安全监测系统中进行实车测试, 将在后续的研究中进行相关测试。参考文献1谢晓非, 王秋鸿, 常诗晴.不友善驾驶行为分析J.应用心理学, 2011 (4
17、) :291-298. 2张永栋, 郭海龙, 曹华.车辆燃油消耗量远程实时监控系统设计J.汽车实用技术, 2016 (5) :98-100. 3孙龙, 陆红雨, 史广宝.基于空燃比法的轻型车油耗计算及分析M.北京:北京理工大学出版社, 2013:1188-1190. 4赵源, 邰永刚.高速公路长大下坡路段驾驶行为分析J.公路工程, 2014 (5) :68-70. 5秦洪懋, 刘志强, 汪澎.基于多通道信息融合的疲劳驾驶行为分析研究J.中国安全科学学报, 2011 (2) :115-120. 6王雪松, 罗楝, 余荣杰, 等.基于风险驾驶行为分析的营运驾驶员交通安全教育J.汽车与安全, 2016 (1) :62-66. 7苏銮, 李高波, 吕光辉.长途客车交通事故原因及实例分析J.交通企业管理, 2013 (8) :71-72.
