基于非線性主成分分析方法的安全駕駛反饋模型

對于智能駕駛輔助系統，利用傳感器分析駕駛員行為和是否安全駕駛的研究工作開展的較多，但為駕駛員提供安全駕駛的全面解決方案卻不多。本研究的工作主要集中在量化駕駛特征的方法和可用于評估駕駛風險的指標上。本文通過提供量化的駕駛改進指示來建立一個可以提供全面反饋的模型，此反饋模型包括兩個主要步驟：模型訓練和推理分析，模型圖如Fig.1所示。在所提出的模型中，采用K均值聚類對安全駕駛水平進行分類，利用分類后的低風險數據對非線性主成分分析（NLPCA）模型進行訓練，分析任意行駛數據并提供反饋。在本文中，我們提出了一種基于NLPCA的分析方法（Fig.2），它可以為駕駛員提供定量反饋。基于有效的NLPCA訓練模型，通過檢測安全駕駛數據和提取主成分的危險駕駛數據的準確性進行了測試。利用NLPCA的重建值，通過分析觀測數據與表示低風險駕駛代表值的重構值之間的差異，可以對安全駕駛反饋進行定量分析。

Fig.1.NLPCA-based feedback model

為了評估所提出的模型，我們收集了韓國大田廣域市附近的汽車行駛數據，并分析了使用NLPCA方法提取的主成分。對主成分的分類精度進行了評估，以驗證所提模型的有效性，結果表明，反饋模型可以表示安全駕駛的特征。

使用反饋的模型機器學習方法，從車輛動力學角度來分析駕駛風險的結果與使用其他分析方法分析所得到的結果是一致的。然而，與傳統的方法不同，本文提出的方法能夠為駕駛員提供安全駕駛的定量反饋。