本發(fā)明涉及一種駕駛行為分析方法及系統(tǒng)，尤其涉及一種基于積分窗口的駕駛行為分析方法及系統(tǒng)。

背景技術(shù)：

目前基于加速度數(shù)據(jù)的汽車駕駛行為分析主要有以下幾類方法：

(1)加速度峰值法：通過測量汽車上的碰撞加速度信號，判斷加速度是否達到預(yù)定的閾值。

(2)速度變化量法：通過對加速度信號進行積分運算得到汽車速度變化量，判斷速度變化量是否大于預(yù)先設(shè)定的閾值。

(3)加速度坡度法：通過對加速度信號求導(dǎo)，得到加速度變化量作為判斷指標。

(4)比功率法：通過計算比功率作為判斷指標，該指標中綜合了加速度、速度變化量、加速度坡度三個量。

(5)神經(jīng)網(wǎng)絡(luò)法：通過構(gòu)造一個神經(jīng)網(wǎng)絡(luò)系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)的自學習功能，事先輸入加速度數(shù)據(jù)和判斷條件，對網(wǎng)絡(luò)進行訓(xùn)練。

針對上述算法，現(xiàn)有技術(shù)分別有以下不足：

(1)加速度峰值法

由于加速度信號變化非?？?，而且與汽車結(jié)構(gòu)的振動有關(guān),容易受到外界的干擾，故這種算法一般用于機械式傳感系統(tǒng)，加速度的閾值定的比較高，以提高抗干擾性能，電子式傳感器的系統(tǒng)則很少采用。

(2)速度變化量法

這種算法容易受到累計誤差的影響，且對加速度的突然變化不夠敏感。

(3)加速度坡度法

這種算法需對加速度信號進行很好的濾波，同時較易受到環(huán)境或是汽車結(jié)構(gòu)中隨機擾動的影響。

(4)比功率法

算法復(fù)雜，同時要求對加速度進行較好的濾波。

(5)神經(jīng)網(wǎng)絡(luò)法

這種算法理論上是可行的，只要選擇階數(shù)適當，構(gòu)造出的神經(jīng)網(wǎng)絡(luò)可適應(yīng)任何系統(tǒng)。由于實際實驗的次數(shù)所限，輸入的訓(xùn)練樣本受到限制，具體實現(xiàn)起來較為困難。

現(xiàn)有技術(shù)對于汽車駕駛行為的判斷均存在一定程度的不足，駕駛行為判斷準確率低下,大大影響駕駛行為的判斷。

技術(shù)實現(xiàn)要素：

本發(fā)明解決的技術(shù)問題是：構(gòu)建一種基于積分窗口的駕駛行為分析方法及系統(tǒng)，克服現(xiàn)有技術(shù)駕駛行為判斷準確率低下的技術(shù)問題。

本發(fā)明的技術(shù)方案是：構(gòu)建一種基于積分窗口的駕駛行為分析方法，包括如下步驟：

采集加速度：通過加速度傳感器獲取汽車運行的加速度信號；

構(gòu)建積分窗口：以加速度值為縱坐標，加速度采集時間為橫坐標，以一定的積分窗寬度，積分窗的右邊界即是加速度的當前時刻；

以積分窗進行積分：積分窗隨著時間在時間軸上移動，對積分窗中的加速度信號積分，獲取積分窗積分結(jié)果。

二次積分：若窗口積分結(jié)果高于第一閾值或低于負的第一閾值時，對高于或低于的部分進行二次積分，并輸出積分結(jié)果。駕駛行為分析：根據(jù)二次積分結(jié)果進行判斷，若窗口積分結(jié)果高于第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急加速；若窗口積分結(jié)果低于負的第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急減速；其他情形判斷為正常行駛。

本發(fā)明的進一步技術(shù)方案是：對獲取的加速度傳感器中的加速度值進行一階低通濾波：y(k)＝αx(k)+(1-α)y(k-1)，其中：x(k)為加速度傳感器輸出的加速度信號，x(s)為加速度傳感器輸出的加速度信號x(k)的拉氏變換，y(k)為加速度傳感器輸出的加速度信號一階低通濾波器輸出信號，y(s)為加速度傳感器輸出的加速度信號一階低通濾波器輸出信號的拉氏變換，s為復(fù)變量，t為一階低通濾波器時間常數(shù)。

本發(fā)明的進一步技術(shù)方案是：在進行一階低通濾波時，變換為以下一階低通濾波：

其中：α為參數(shù),x(k)為加速度傳感器輸出的加速度信號，y(k)為加速度傳感器輸出的加速度信號一階低通濾波器輸出信號，y(k-1)表示第(k-1)的時刻加速度傳感器輸出的加速度信號一階低通濾波器輸出信號，x(k-1)表示加速度傳感器輸出的加速度信號。

本發(fā)明的進一步技術(shù)方案是：對一階低通濾波后加速度信號再進行遞推中值濾波。

本發(fā)明的技術(shù)方案是：提供一種基于積分窗口的駕駛行為分析系統(tǒng)，包括采集模塊、窗口積分模塊、二次積分模塊、駕駛行為分析模塊，所述采集模塊通過加速度傳感器獲取汽車運行的加速度信號，以加速度值為縱坐標，加速度采集時間為橫坐標，以一定的積分窗寬度，積分窗的右邊界即是加速度的當前時刻，積分窗隨著時間在時間軸上移動，所述窗口積分模塊對積分窗中的加速度信號積分并獲取積分窗積分結(jié)果；若窗口積分結(jié)果高于第一閾值或低于負的第一閾值時，所述二次積分模塊對高于或低于的部分進行二次積分，并輸出積分結(jié)果。所述駕駛行為分析模塊根據(jù)二次積分結(jié)果進行判斷，若窗口積分結(jié)果高于第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急加速；若積分窗積分結(jié)果低于負的第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急減速；其他情形判斷為正常行駛。

本發(fā)明的進一步技術(shù)方案是：還包括一階低通濾波模塊，所述一階低通濾波模塊獲取的加速度傳感器中的加速度值進行一階低通濾波。

本發(fā)明的進一步技術(shù)方案是：還包括遞推中值濾波模塊，所述遞推中值濾波模塊對一階低通濾波后加速度信號再進行遞推中值濾波。

本發(fā)明的技術(shù)效果是：構(gòu)建一種基于積分窗口的駕駛行為分析方法及系統(tǒng)，所述采集模塊通過加速度傳感器獲取汽車運行的加速度信號，以加速度值為縱坐標，加速度采集時間為橫坐標，以一定的積分窗寬度，積分窗的右邊界即是加速度的當前時刻，積分窗隨著時間在時間軸上移動，所述窗口積分模塊對積分窗中的加速度信號積分并獲取積分窗積分結(jié)果；若窗口積分結(jié)果高于第一閾值或低于負的第一閾值時，所述二次積分模塊對高于或低于的部分進行二次積分，并輸出積分結(jié)果。所述駕駛行為分析模塊根據(jù)二次積分結(jié)果進行判斷，若窗口積分結(jié)果高于第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急加速；若積分窗積分結(jié)果低于負的第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急減速；其他情形判斷為正常行駛。本發(fā)明算法具有結(jié)構(gòu)簡單、需調(diào)整參數(shù)少、物理意義明確、只依賴于加速度數(shù)據(jù)的優(yōu)點。經(jīng)實際測試，選取合適的參數(shù)后，本發(fā)明提出的算法判斷汽車駕駛行為的準確率可以達到90％已上。

附圖說明

圖1為本發(fā)明的流程圖。

圖2為本發(fā)明的結(jié)構(gòu)示意圖。

具體實施方式

下面結(jié)合具體實施例，對本發(fā)明技術(shù)方案進一步說明。

如圖1、圖2所示，本發(fā)明的具體實施方式是：構(gòu)建一種基于積分窗口的駕駛行為分析方法，包括如下步驟：

采集加速度：所述采集模塊1通過加速度傳感器獲取汽車運行的加速度信號。

構(gòu)建積分窗口：以加速度值為縱坐標，加速度采集時間為橫坐標，以一定的積分窗寬度，積分窗的右邊界即是加速度的當前時刻。

以積分窗進行積分：積分窗隨著時間在時間軸上移動，所述窗口積分模塊2對積分窗中的加速度信號積分，獲取積分窗積分結(jié)果。

二次積分：若窗口積分結(jié)果高于第一閾值或低于負的第一閾值時，對高于或低于的部分進行二次積分，并輸出積分結(jié)果。具體實施過程如下：還包括一階低通濾波模塊4，所述一階低通濾波模塊獲取的加速度傳感器中的加速度值進行一階低通濾波。

第一步改進一階低通濾波算法，將加速度傳感器獲得的原始數(shù)據(jù)通過所設(shè)計的改進一階低通濾波器，去除原數(shù)據(jù)中的直流分量。

改進一階低通濾波算法基本原理如下：

一階低通濾波器的傳遞函數(shù)表示為：

其中：x(k)為加速度傳感器輸出的加速度信號，x(s)為加速度傳感器輸出的加速度信號x(k)的拉氏變換，y(k)為加速度傳感器輸出的加速度信號一階低通濾波器輸出信號，y(s)為加速度傳感器輸出的加速度信號一階低通濾波器輸出信號的拉氏變換，s為復(fù)變量，t為一階低通濾波器時間常數(shù)。(1)式可作如下變換：

其中，h為傳感器采樣周期，h＝0.02秒。定義：

則式可以寫為

y(k)＝αx(k)+(1-α)y(k-1)(4)

取α<<1，式即為標準的一階低通濾波器。

考慮到實際加速度傳感器輸出信號x(k)會帶有較明顯的噪聲，對式(4)中的αx(k)作如下替換：

則改進后的一階低通濾波器為

改進一階低通濾波算法中需要手動選擇的參數(shù)為α。該參數(shù)的選取與傳感器信號中有用信號和無用信號的頻率相關(guān)。一階低通濾波器的截止頻率由下式計算：

α取值越小，濾直流分量效果越明顯。一般可取α＝1/256。

本發(fā)明還包括遞推中值濾波模塊5，所述遞推中值濾波模塊5對一階低通濾波后加速度信號再進行遞推中值濾波。

第二步遞推中值濾波。使數(shù)據(jù)平滑，去掉信號中的高頻噪聲。

本發(fā)明提出一種遞推中值濾波算法，算法步驟如下：

(1)將離當前時刻k最近的5個數(shù)據(jù)y(k-4),y(k-3),y(k-2),y(k-1),y(k)分別存入臨時變量x_tmp(1),x_tmp(2),x_tmp(3),x_tmp(4),x_tmp(5)；

(2)比較x_tmp(1),x_tmp(2),x_tmp(3),x_tmp(4),x_tmp(5)中相鄰的元素。如果第一個比第二個大，就交換兩個變量的取值，即如果x_tmp(j)>x_tmp(j+1)，就交換x_tmp(j)和x_tmp(j+1)的取值；

(3)對每一對相鄰元素作同樣的工作，從開始第一對到結(jié)尾的最后一對；

(4)重復(fù)步驟(2)和(3)，直到?jīng)]有任何一對數(shù)據(jù)需要比較；

(5)輸出變量x_tmp(3)的值，存入變量y(k)中；

(6)令k＝k+1，轉(zhuǎn)到步驟(1)，開始下一時刻的計算。

變量說明如下：

y(k)：k時刻的改進一階低通濾波器輸出數(shù)據(jù)

x_tmp(1),x_tmp(2),x_tmp(3),x_tmp(4),x_tmp(5)：臨時變量，用于存放數(shù)據(jù)

i：表示循環(huán)計算的次數(shù)

j：表示臨時變量x_tmp的索引值

y(k)：遞推中值濾波算法輸出變量，用于存放k時刻算法的輸出值

在上述遞推中值濾波算法中，濾波寬度一般選為5。

第三步駕駛行為判斷邏輯。

窗口積分

對于遞推中值濾波算法的輸出數(shù)據(jù)，首先采用移動窗算法進行積分，以獲得汽車在積分窗口內(nèi)的速度變化量。

采用一定的積分窗(積分上、下限)寬度，對窗內(nèi)的加速度信號進行積分。窗隨著時間在時間軸上移動，窗的右邊界即是加速度的當前時刻。積分公式為：

其中：y(k)為遞推中值濾波輸出數(shù)據(jù)，win為窗寬，s(k,win)為積分結(jié)果。當積分值超過設(shè)定閾值時，則開啟駕駛行為判斷邏輯。

積分算法實現(xiàn)時，采用newton-cotes求積公式實現(xiàn)對加速度信號的積分。為提高計算精度，算法中采用復(fù)化梯形求積公式進行計算。公式如下：

二次積分

若窗口積分結(jié)果高于第一閾值或低于負的第一閾值時，對高于或低于的部分進行二次積分，并輸出積分結(jié)果。

所述二次積分模塊6對移動窗口積分結(jié)果進行二次積分。以急加速為例。由于積分的是窗口積分曲線中超過第一閾值部分的面積，當該部分面積超過第二閾值時，則判斷為急加速。當窗口積分曲線中超過第一閾值部分的時間較長時，為避免一次行為多次判斷，這里考慮到移動窗口積分曲線變化的連續(xù)性，同樣以急加速為例，當積分曲線值超過第一閾值時開啟積分運算，具體的計算方法采用newton-cotes求積公式，一旦積分曲線值下降到第一閾值以下，則將二次積分值取出并與第二閾值比較。在完成一次比較后，存儲二次積分值的變量值清零，用于下一次的二次積分運算，這樣能有效避免一次行為多次判斷的情況。

駕駛行為分析

所述駕駛行為分析模塊3根據(jù)二次積分果進行判斷若窗口積分結(jié)果高于第一閾值或低于負的第一閾值時，所述二次積分模塊對高于或低于的部分進行二次積分，并輸出積分結(jié)果。所述駕駛行為分析模塊根據(jù)二次積分結(jié)果進行判斷，若窗口積分結(jié)果高于第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急加速；若積分窗積分結(jié)果低于負的第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急減速；其他情形判斷為正常行駛。

如圖1、圖2所示，本發(fā)明的具體實施方式是：提供一種基于積分窗口的駕駛行為分析系統(tǒng)，包括采集模塊1、窗口積分模塊2、二次積分模塊6、駕駛行為分析模塊3，所述采集模塊1通過加速度傳感器獲取汽車運行的加速度信號，以加速度值為縱坐標，加速度采集時間為橫坐標，以一定的積分窗寬度，積分窗的右邊界即是加速度的當前時刻，積分窗隨著時間在時間軸上移動，所述窗口積分模塊2對積分窗中的加速度信號積分并獲取積分窗積分結(jié)果；若窗口積分結(jié)果高于第一閾值或低于負的第一閾值時，所述二次積分模塊對高于或低于的部分進行二次積分，并輸出積分結(jié)果。所述駕駛行為分析模塊根據(jù)二次積分結(jié)果進行判斷，若窗口積分結(jié)果高于第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急加速；若積分窗積分結(jié)果低于負的第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急減速；其他情形判斷為正常行駛。

本發(fā)明的技術(shù)效果是：所述采集模塊1通過加速度傳感器獲取汽車運行的加速度信號，以加速度值為縱坐標，加速度采集時間為橫坐標，以一定的積分窗寬度，積分窗的右邊界即是加速度的當前時刻，積分窗隨著時間在時間軸上移動，所述窗口積分模塊2對積分窗中的加速度信號積分并獲取積分窗積分結(jié)果；所述二次積分模塊6對窗口積分結(jié)果高于第一閾值或低于負的第一閾值的部分進行二次積分；所述駕駛行為分析模塊3根據(jù)二次積分結(jié)果進行判斷，若窗口積分結(jié)果高于第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急加速；若積分窗積分結(jié)果低于負的第一閾值，同時二次積分結(jié)果高于第二閾值，則判斷為急減速；其他情形判斷為正常行駛。本發(fā)明算法具有結(jié)構(gòu)簡單、需調(diào)整參數(shù)少、物理意義明確、只依賴于加速度數(shù)據(jù)的優(yōu)點。經(jīng)實際測試，選取合適的參數(shù)后，本發(fā)明提出的算法判斷汽車駕駛行為的準確率可以達到90％已上。

以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替換，都應(yīng)當視為屬于本發(fā)明的保護范圍。