驾驶风格

摘要： 宝马X1插电式混合动力采用了与绝大多数同类车型不一样的四驱方式,即发动机单独驱动前轴,电机则单独驱动后轴,既要各司其职,又需无缝配合。这其中海量的标定、计算和验证逻辑,成就了宝马独门绝技--“eDrive”混动控制系统。除了可以自主选择MaxeDrive、SaveBattery之外,AutoeDrive模式则可根据路况及驾驶风格,使电动机和汽油发动机协同运行。

摘要： 交通事故与驾驶风格具有强烈的相关性,而驾驶风格的直观体现是驾驶行为。为深入分析驾驶行为与驾驶风格的关联性,探索不同驾驶风格群体之间的差异,筛选驾驶风格分类与识别影响因素,建立驾驶风格识别模型并验证有效性。依托车联网实验数据,利用K-means++算法对驾驶员样本数据集进行驾驶风格聚类,设计支持向量机-递归特征消除(SVC-RFE)与随机森林-递归特征消除(RF-RFE)算法进行驾驶特征重要度排序,利用筛选出的特征指标搭建神经网络驾驶风格识别模型。结果表明:(1)特征个数n=6时,2种特征排序算法的排序正确率均高于85%,其中RF-RFE的正确率可达90%;(2)特征排序中重要度最高的指标为最大速度,其在3种驾驶风格群体中的差异可达10 m/s;(3)仅以最大速度作为输入,驾驶风格识别模型精度为86.1%,表明最大速度可有效区分驾驶风格。

摘要： 目的为了区分中国年轻驾驶员的驾驶风格类型并考察不同驾驶风格驾驶员的人格特点。方法在全国4个城市(沈阳、北京、驻马店、海口)随机选取800名驾驶员完成多维度驾驶风格量表和人格特质量表。结果大部分年轻驾驶员的驾驶风格属于安全驾驶风格、焦虑驾驶风格、愤怒驾驶风格或冒险驾驶风格中的一种。冒险驾驶风格的年轻驾驶员在感觉寻求上的得分最高,愤怒驾驶风格的年轻驾驶员在愤怒特质上的得分最高,安全驾驶风格的年轻驾驶员在利他上的得分最高。结论大部分年轻驾驶员的驾驶风格属于安全驾驶风格、焦虑驾驶风格、愤怒驾驶风格或冒险驾驶风格中的一种。不同驾驶风格的年轻驾驶员具有鲜明的人格差异。

摘要： 基于纯电动汽车的高频运行数据选取了15项与驾驶安全有关的特征参数;通过对各特征参数的统计分析,提出了多参数组合阈值边界线进行危险驾驶行为识别,然后对比分析了两种聚类算法和4种降维方法的效果,采用t分布随机邻域嵌入(t‑SNE)和高斯混合模型(GMM)组合算法建立了驾驶风格分类模型,将驾驶风格分为3种类型。在此基础上,研究了不同驾驶风格对应的车辆运行特性。该分类模型能够有效反映驾驶员的驾驶习惯,为车队管理和道路安全提供可靠的评估依据。

摘要： 通过分析工况和驾驶风格对制动能量回收的影响,提出了一种考虑工况和驾驶风格耦合影响的制动能量回收方法。通过驾驶员在环实验平台采集了踏板信号与车速信号;定义了制动力的工况修正因子α和驾驶风格修正因子β,并分别利用正态分布与t分布的方法确定了其变化范围,在此基础上,制定了制动能量回收策略。利用采集的工况数据和驾驶风格数据,通过学习向量量化(LVQ)神经网络训练了工况和驾驶风格识别模型。最后,建立仿真模型对制动能量回收策略进行仿真验证,结果表明:在工况和驾驶风格耦合影响下,所提出的制动能量回收策略的能量回收效率更高,整车的经济性得到进一步提高。

摘要： 目前自动紧急制动系统(AEB)控制策略存在不足之处,AEB系统控制策略未能考虑多项主客观因素协同来适应紧急制动时的动态变化。从主观因素中的驾驶风格和客观因素中的车辆属性、道路条件和行驶环境,分析了它们对AEB控制策略的影响程度,得出在进行AEB策略设计时应考虑多项主客观因素协同,来增加AEB系统稳定性。针对目前AEB的控制策略研究,总结并提出除考虑主客观因素外,应结合智能网联技术和先进智能底盘相来提高AEB系统的适应性。

摘要： 随着标准法规对整车油耗标准的加严,在开发前期,很难评估发动机台架开发是否满足整车油耗排放法规的限值要求,同时由于整车上不同模式的驾驶风格对排放和油耗的影响无法被单独剥离进行评估,因此,在此背景下基于中国重型商用车瞬态循环工况,通过发动机在环系统进行台架模拟试验,从车速和发动机转速的模拟跟随结果来看,整车工况能够被准确复现出来,油耗结果EIL系统与整车转毂对比循环加权油耗偏差1.63%,NOx原排循环结果偏差0.91%,从精度结果上证明可通过发动机在环的测试方法进行整车的模拟验证。基于以上研究结果分别测试了动力性与经济性两种驾驶风格对油门踏板的修正(0~50%油门踏板对应扭矩输出动力性修正比经济性修正扭矩增加6%~8%)对中国重型商用车瞬态循环结果的影响相对原始数据,动力性风格修正,循环加权油耗上升0.34%,加速度平均值上升0.48%,NOx原排循环结果上升1.65%,经济性风格修正,循环加权油耗降低1.2%,加速度平均值降低0.24%,NOx原排循环结果降低5.26%,所以在开发过程中需要考虑到不同驾驶风格模式对法规限值的覆盖性。

摘要： 为探索驾驶员驾驶行为与电动公交车能耗之间的关系,采用随机森林算法建立电动公交车能耗预测模型。为克服驾驶行为特征参数和样本数据的随机性对电动公交车能耗预测模型的负面影响,运用灰色关联投影法计算各驾驶行为特征参数的灰色关联度以及各样本数据的投影值,筛选出与能耗具有高关联性的驾驶行为特征参数作为模型的输入变量,以及相似度较高的样本数据作为训练集和测试集。同时,引入了与能耗具有显著相关性的驾驶风格变量以进一步提升模型的预测能力,运用K-means聚类方法将驾驶风格分类并得到驾驶风格标签。将驾驶风格标签和筛选后驾驶行为特征参数作为输入变量,单位里程能耗作为输出变量,基于筛选后的数据集建立了考虑驾驶风格的电动公交车能耗灰色关联投影-随机森林(GRP-RF)预测模型。基于广州市某线路电动公交车运营数据对模型进行检验,并运用该模型分析加速、制动和运行3种典型场景下相应驾驶行为特征参数对电动公交车能耗的影响。结果表明:该模型预测能耗的均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为0.001 8 kW h/km和3.42%。相比于不考虑驾驶风格的GRP-RF模型和随机森林模型,该模型的RMSE分别降低了35.71%和48.57%,MAPE分别降低了38.82%和46.81%。研究结果表明:加速、制动和运行阶段的平均能耗分别为1.066,0.903 7,0.955 2 kW h/km;为使各阶段能耗在相应均值以下,加速阶段应控制加速踏板开度在55%以内;制动阶段应控制制动踏板开度在25%以内;运行阶段应控制车速在40 km/h以内。

摘要： 为研究纯电动公交运行过程中普遍存在的“晕车”问题,文章以智能手机为数据采集设备,实车采集10条线路82位驾驶人的逐秒运行数据。将公交车运行过程分为加速、匀速、减速三个阶段,分析发现加速、减速阶段分别有49.6%、30.8%的瞬时加速度超过了舒适阈值,会使乘客出现不适感,同时匀速阶段速度稳定性远低于社会车辆。此外,为研究驾驶风格与乘坐舒适性的关系,基于车辆运行参数,利用谱聚类算法将驾驶人分为三类,分析发现驾驶风格越激进,驾驶人乘坐不适感越强。通过对公交运行过程的分解与对驾驶人的有效聚类,可为纯电动公交乘坐舒适性改善、运行服务质量评价、驾驶人驾驶技能改善等方面提供理论指导与数据支撑。

摘要： 对驾驶员的驾驶风格进行分类,衡量不同驾驶风格对纯电动车能耗的影响。运用主成分分析和K-means划分驾驶风格类型,利用支持向量机(SVM)建立模型进行训练;然后基于AVL Cruise仿真模型输出公交车运行能耗数据,比较不同驾驶风格驾驶员的能耗差异。结果表明,模型对测试集进行标签预测后,分类准确率在93%;同一线路下,激进驾驶员能量回收较多,对比正常型驾驶员,激进型和谨慎型驾驶员单位里程油耗分别增加了2.81%、4.44%。利用影响程度,相应采取对驾驶员进行筛选培训等措施,进而降低纯电动公交车运行能耗。

摘要： 本发明公开了一种不同驾驶任务阶段的驾驶风格分析方法、系统及装置，通过构建驾驶事件分类模型，并对驾驶事件分类模型进行应用，分别针对目标场景中的各个驾驶事件集合，应用各个驾驶事件所对应的驾驶事件分类模型，获得各个驾驶事件内各样本所对应的聚类类别，进而获得各个目标车辆的驾驶事件分别所对应的聚类类别的模块，确定目标场景中驾驶员驾驶风格的分类结果。通过本发明中技术方案的实施，获得各个驾驶事件中各种驾驶风格的占比情况，以及不同驾驶风格的变化特征，从而针对不同驾驶事件分析驾驶任务对驾驶风格的影响，帮助优化驾驶员的驾驶过程，保障乘车人员的安全。

摘要： 本发明公开一种融合个性化驾驶风格的智能车驾驶地图生成方法，包括：获取车辆的位置数据、运动数据、地图数据、道路环境图像数据、点云数据，及驾乘者的驾驶风格数据；基于道路环境图像数据、点云数据识别道路目标物；基于位置数据、运动数据、道路环境图像数据、点云数据对车辆及目标物进行编码处理，并基于驾驶风格数据对驾乘者的驾驶风格进行编码处理；基于编码后的车辆及目标物信息和驾驶风格信息得到驾驶地图；基于驾驶地图和由车辆地图数据生成的全局路径规划，输出个性化驾驶决策。本发明还公开一种系统。本发明通过对车辆自身及环境数据进行赋值编码的方式，提高了数据处理效率和实时性，提升了驾乘体验。

摘要： 本申请公开了一种机动车驾驶员驾驶风格的识别方法及系统。本申请实施例方法包括：通过驾驶人行为捕捉模块实时采集驾驶人对车辆器件的行为特征数据；通过车辆状态感知模块实时采集车辆在不同环境中的运动状态数据；根据所述行为特征数据和所述运动状态数据建立驾驶风格数据库；通过驾驶风格判定模块分析所述行为特征数据和所述运动状态数据，根据所述行为特征数据和所述运动状态数据获取所述驾驶人的驾驶风格以及行为操作数据曲线。用于全方面实时采集驾驶人的行为数据以及车辆运行状态，从而更加准确地分析驾驶人的驾驶风格和操作习惯。

摘要： 本发明公开了一种识别驾驶员驾驶风格的系统，包括：驾驶员进入实车输入未来行程规划，根据导航与智能交通信息，通过场景库构建虚拟驾驶场景，包括确定性与随机性要素；车辆操纵界面在硬件上等同于真实驾驶模式，软件配置后进入模拟驾驶模式；通过视、听、触、力感、体感多渠道反馈，实现逼真的模拟驾驶；采集人、车、路的信息，传至车载与云端数据平台，车载处理器识别驾驶风格，包括风格的总体识别和局部识别，更新至驾驶风格库。本方法及系统利用实车交互环境能保证数据真实、驾驶场景根据未来行程设计具时效性，驾驶风格识别结果可及时有效地用于自动化算法的个性化适配，提升驾驶辅助或自动驾驶的安全性、舒适性与用户体验。

摘要： 本发明公开了一种提取驾驶风格特征参数的实验系统和驾驶风格识别方法，提取驾驶风格特征参数的实验系统包括驾驶员操作台、肌肉电信号传感器、下位机和上位机，所述的驾驶员操作台用于模拟不同车流密度的驾驶场景，并且可实时获得制动踏板开度信息、加速踏板开度信息、方向盘转角信息；以及识别并存储车辆行驶过程中的速度值、识别并存储车辆在地图中所处坐标；所述的肌肉电信号传感器用于采集驾驶员的腓肠肌信号和胫骨前肌信号，本发明通过实验系统能够较为全面且精准的采集驾驶风格特征参数，并用于考虑车流密度影响的驾驶风格分类与识别，在特征参数采集与应用上具有突破性的意义。

摘要： 本发明涉及一种获取驾驶风格特征参数的实验系统及驾驶风格识别方法，该实验系统包括驾驶员操作台、电机对拖试验台和上位机，所述驾驶员操作台上设有制动踏板、加速踏板、主控制器和模拟驾驶交互模块，所述制动踏板和加速踏板的位置信号输出端分别连接主控制器，所述主控制器分别连接模拟驾驶交互模块、电机对拖试验台和上位机。与现有技术相比，本发明通过实验系统采集到较为准确的特征参数用于神经网络算法，进而精准的识别出驾驶员驾驶风格，以此来提高汽车的燃油经济性。

摘要： 本发明涉及一种用于训练神经网络的风格编码器的方法，其中，在使用神经网络的经训练的情景编码器的情况下，将描绘系统的运动和系统的环境的传感输入参量压缩到神经网络的潜在空间的至少一部分中成为抽象的驾驶情景表示，并在使用未经训练的风格编码器的情况下将传感输入参量压缩到潜在空间的至少一部分中成为驾驶风格表示，其中，在使用神经网络的风格解码器的情况下，将驾驶风格表示和驾驶情景表示从潜在空间中解压缩成输出参量，其中，为了训练风格编码器，改变风格编码器的结构，直到风格解码器的输出参量描绘运动。本发明还涉及一种用于产生驾驶风格表示的方法、一种设备、一种计算机程序产品以及一种机器可读的存储介质。

摘要： 本申请涉及一种无人驾驶车辆驾驶风格设定方法及云端服务器。该方法包括：根据用户的个人信息获取所述用户的驾驶风格；将所述用户的驾驶风格发送至所述用户乘坐的无人驾驶车辆，以使所述用户乘坐的无人驾驶车辆按照所述用户的驾驶风格行驶。本申请提供的方案，能够从无人驾驶车辆用户的角度出发，进行无人驾驶车辆驾驶风格的设定，提高用户的乘坐体验。

摘要： 本发明提供一种基于基本驾驶操作事件的无监督驾驶风格分析方法，包括：获取数据并预处理；提取基本驾驶操作事件；对基本驾驶操作事件中每个事件进行特征构造和提取，得事件强度特征；通过k‑means进行事件强度聚类并打事件强度类别标签；获取动态时间窗，构造表征动态时间窗内驾驶风格的已具有事件强度类别标签的事件随时间变化曲线；基于融合DTW的曲线聚类算法，对各动态时间窗的曲线聚类，得各类时间窗曲线并打驾驶风格类型标签。本发明以基本驾驶操作事件为基本单元，考虑事件强度和事件转移特征，以事件随时间的变化曲线作为描述驾驶风格的特征，体现驾驶行为的动态决策信息、数据连续性和时间特性，保留数据原始信息，提高驾驶风格分析准确性。

摘要： 本申请涉及汽车驾驶技术领域，可应用于自动驾驶车辆，具体涉及一种驾驶风格识别方法和装置，所述方法包括：获取目标车辆在连续的各时刻的各特征向量值，所述特征向量用于表示目标车辆的瞬时驾驶状态，其中，所述特征向量包括用于表示目标车辆与其相关对象之间状态的状态特征；对所述各特征向量值，以连续的N个值为一个采样单位进行采样，获得多个样本，其中，所述N为预设值；根据所述多个样本确定所述目标车辆的驾驶风格。基于本申请提供的技术方案，可以使驾驶风格识别结果更加全面准确。