基于大數據的智能輔助駕駛道路適用度評估

謝燕芳　張亮　程登　鄭陳亮　卓麗

【摘? 要】隨著汽車市場朝網聯化發展，主機廠可通過網聯終端采集到智能輔助駕駛的行車數據，主機廠通過車聯網大數據離線計算了解用戶使用智能輔助駕駛功能的情況，分析智能輔助駕駛在各類路況中的適用性。汽車主機廠在研發階段做了各路況的實車測試，但未有一套基于用戶實際使用情況的評估方法。為了了解智能輔助駕駛功能在各類路況中的適用度，需要一套基于用戶智能輔助駕駛數據的評估方法。本文基于車聯網采集的智能輔助駕駛功能的數據，使用機器學習的方法對汽車智能輔助駕駛的道路適用度進行評估。

【關鍵詞】智能輔助行車；道路適用度；評估算法；路向聚類；數據網格化

中圖分類號：U463.6? ? 文獻標志碼：A? ? 文章編號：1003-8639（ 2023 ）09-0016-03

Road Suitability Evaluation of Intelligent Assistant Driving Based on Machine Learning

XIE Yanfang，ZHANG Liang，CHENG Deng，ZHENG Chenliang，ZHUO Li

（SAIC GM Wuling Automobile Co.，Ltd.，Guangxi Laboratory of New Energy Automobile，

Guangxi Key Laboratory of Automobile Four New Features，Liuzhou 545007，China）

【Abstract】With the development of the automobile market towards networking，the OEMs can collect the driving data of intelligent auxiliary driving through the networking terminals. The OEMs can understand the user's use of intelligent auxiliary driving functions through the offline calculation of the big data of the Internet of Vehicles，and analyze the applicability of intelligent auxiliary driving in various road conditions. In the R&D stage，the automobile OEMs have conducted real vehicle tests on various road conditions，but there is no evaluation method based on the actual use of users. In order to understand the applicability of intelligent driving assistance in various road conditions，an evaluation method based on user's intelligent driving assistance data is required. Based on the data of intelligent assistant driving function collected by the Internet of Vehicles，this paper uses the method of machine learning to evaluate the road suitability of intelligent assistant driving.

【Key words】intelligent assisted driving；road suitability；evaluation algorithm；path clustering；data grid

作者簡介

謝燕芳（1986—），女，工程師，碩士，研究方向為汽車大數據應用。

智能輔助駕駛是現今智能駕駛在車端應用的重要功能之一，車道保持輔助系統通過借助攝像頭識別車輛行駛道路的標志線，當系統識別到車輛可能偏離車道時可提醒駕駛員或介入轉向系統及時調整行車路線。車輛上的車載設備通過無線通信技術，對信息網絡平臺中的所有車輛動態信息進行有效利用，在車輛運行中提供不同的功能服務。車聯網有效地把汽車連接起來組成網絡。汽車和汽車組成網，車網與互聯網相連，三者基于統一的協議，實現人、車、路、云之間的數據互通，并最終實現智能交通、智能汽車、智能駕駛等功能。通過車載終端可采集智能輔助駕駛功能車輛數據以及GPS的定位信息[1]，通過云采集、云計算、AI等技術可以將用戶使用智能輔助駕駛功能深度挖掘出來，用于主機廠的產品優化和改進，更好地為用戶提供服務。

1? 試驗和分析

1.1? 試驗數據

首先按照智能輔助駕駛行駛片段算法計算出智能輔助開始的時間，提取智能輔助駕駛開啟點經緯度和結束點經緯度（圖1），另外計算智能輔助駕駛每個片段的行駛里程。

本文選擇某市2021年9月1日至2022年4月30日約1000輛具有智能輔助駕駛的軌跡數據，包含60706個行駛軌跡，見表1。

1.2? 數據預處理

為了預測結果更精確，需要控制數據質量，因而本文對收集的數據進行了預處理，主要是對原始數據字段中的一些異常值、空值和跳變數據進行處理，見表2。

1）去除“臟”數據，剔除智能輔助開啟經緯度和智能輔助關閉經緯度超出數據范圍的數據，其中經度范圍為[0，180]，緯度范圍為[0，90]，并對其余的數據按照給定的范圍進行數據篩選。

2）對智能輔助行駛里程為0km的數據進行處理，行駛里程為0意味著智能輔助駕駛為0，無法評估智能輔助駕駛功能的道路適用度。

2? 特征與建模

2.1? 數據網格化[2]

由于某市面積較大，分布在郊區的開啟和結束點數據較少，所以本文主要選取某市市區內的開啟和結束點數據進行實驗分析。在開啟和結束點數據空間中劃分1000m×1000m大小的網格單元，約得到1500個網格單元（圖2），其中包含估計的點約700個。

2.2? 路向歸一化

由于智能輔助駕駛相對不同路向評估道路適用度不同，故需要將行駛的路向[3]計算出來，表3為路向歸一化示例數據。路向計算方法如下。

1）智能輔助駕駛緯度差值=智能輔助關閉緯度-智能輔助開啟緯度

2）智能輔助駕駛經度差值=智能輔助關閉經度-智能輔助開啟經度

3）路向歸一化矢量X方向=[（1/（1+（智能輔助駕駛經度差值/智能輔助駕駛緯度差值）2]0.5×智能輔助駕駛緯度差值的正負值

4）路向歸一化矢量Y方向=[1-路向歸一化矢量X方向2]0.5×智能輔助駕駛經度差值的正負值

5）路向歸一化矢量=（路向歸一化矢量X方向，路向歸一化矢量Y方向）

2.3? 評估建模

2.3.1? 評估特征值計算

對網格歸一化路向使用DBSCAN進行聚類，選取每個網格內歸一化路向類別top2的數據，計算每個類別的智能輔助駕駛路段評分、開啟點和結束點個數，圖3為評估建模數據示意圖，算法如下。

每個類別評分=sum（每個類別開啟點對應里程）-sum（每個類別結束點對應里程）

每個類別起止點個數=sum（每個類別開啟點對應里程）+sum（每個類別結束點對應里程）

每個類別中心經緯度=每個類別經緯度使用Kmeans機器學習算法計算聚類中心點

2.3.2? 評估特征值提取

篩選網格起止點>100的網格，對每個類別路段評分進行降序排列，表4為類別路段特征參數示例。

2.3.3? 評估路段地址解析

使用每個類別路段中心經緯度，調用地圖API接口計算每個類別的中心點路段，得出每個路段的智能輔助駕駛適用度評分。表5為類別路段地址信息示例。

3? 建模結果

通過建模找出智能輔助駕駛公司在某市的好用路段，從結果看出，好用路段基本是在高架橋路段和路況較好的路段。通過實地驗證發現，算法計算結果基本符合功能設計結果。

4? 新技術帶來的收益和展望

通過汽車智能輔助駕駛的道路適用度，得出智能輔助駕駛的好用路段（圖4），用于用戶駕駛過程中智能輔助駕駛功能推薦，提高用戶駕駛的體驗感，提升公司的產品價值和提升品牌好感度。通過汽車智能輔助駕駛的道路適用度，得出智能輔助駕駛的不好用路段，用于智能輔助駕駛研發的產品優化，提高智能輔助駕駛功能的用戶滿意度。

但是路向聚類方面特別是路向特別多的數據網格，聚類就無法完成，因此無法準確計算出車輛行駛的方向，因此無法對數據網格內的道路進行評估，需要新增一些評估方法，如頻繁開啟智能輔助駕駛的道路適用性評估，如長時間開啟智能輔助駕駛功能的道路適用度評估等。另外，因為道路的千差萬別，模型的調整需要不斷改進，需要加入更多的智能輔助駕駛功能特性數字[2]。因此，我們應該在大量車輛驗證后，對模型進行不斷優化，在使用過程中不斷地調整模型，提高評估模型的準確度，給用戶和主機廠提供更為準確的智能輔助駕駛道路評估方法。

參考文獻：

[1] 周勃，秦昆，陳一祥，等. 基于數據場的出租車軌跡熱點區域探測方法[J]. 地理與地理信息科學，2016，32（6）：51-56.

[2] 王勁峰. 空間掃描統計量方法中候選聚集區域生成的快速算法[J]. 地球信息科學學報，2013，15（4）：505-511．

[3] 淦文燕，李德毅，王建民． 一種基于數據場的層次聚類方法[J]． 電子學報，2006，34（2）：258-262．

（編輯? 楊? 景）