(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210693511.0 (22)申请日 2022.06.17 (71)申请人 同济大学 地址 200092 上海市杨 浦区四平路1239号 (72)发明人 孙剑　朱奕昕　张铎　倪颖　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 夏健君 (51)Int.Cl. G06F 30/20(2020.01) G06V 20/40(2022.01) G06V 20/59(2022.01) (54)发明名称 基于特征分析的分心驾驶行为分类方法、 系 统和存储介质 (57)摘要 本发明涉及一种基于特征分析的分心驾驶 行为分类方法、 系统和存储介质， 方法包括基于 刺激‑反应理论框架获取代表驾驶员分心驾驶行 为特征的行为参数； 根据行为参数的组合变化确 定不同类别的分心跟驰行为； 获取分心跟驰片段 样本， 通过专家法， 进行分类判断， 得到不同类别 的分心跟驰样本； 将不同类别的分心跟驰样本输 入跟驰模型中进行模型标定， 得到各类跟驰参 数； 对跟驰参数进行交叉验证， 优化分心跟驰行 为的分类， 得到最终的分心驾驶行为分类结果。 与现有技术相比， 本发明探究了分心 状态下的行 为特征， 对分心驾驶行为进行了分类及定义， 满 足在微观仿真系统中对驾驶分心进行真实准确 的复现的要求， 实现对微观仿真系统中跟驰行为 的深度仿真。 权利要求书1页 说明书7页 附图4页 CN 115186450 A 2022.10.14 CN 115186450 A 1.一种基于特 征分析的分心驾驶行为分类方法， 其特 征在于， 包括： 基于刺激 ‑反应理论框架获取代 表驾驶员分心驾驶行为特 征的行为 参数； 根据所述行为 参数的组合变化确定不同类别的分心 跟驰行为； 获取分心跟驰片段样本， 通过专家法， 根据分心跟驰行为的分类， 对各个分心跟驰片段 样本进行分类判断， 得到不同类别的分心 跟驰样本； 选取跟驰模型， 并将不同类别的分心跟驰样本输入该跟驰模型中进行模型标定， 得到 每类分心跟驰样本的跟驰参数； 对各类分心跟驰样本的跟驰参数进行交叉验证， 根据跟驰参数的相似度， 进行各类分 心跟驰样本之间的合并， 优化分心 跟驰行为的分类， 得到最终的分心驾驶行为分类结果。 2.根据权利要求1所述的一种基于特征分析的分心驾驶行为分类方法， 其特征在于， 所 述刺激‑反应理论框架将驾驶行为过程解析为一个输入输出 的控制过程， 该控制过程的表 达式为： ai(t+τi(t))＝f(Si(t), θi(t),ωi(t)) 式中， ai(t)为加速度， τi(t)为反应时间， Si(t)为刺激， θi(t)为驾驶员对刺激的反应即 敏感度， ωi(t)为驾驶环境特 征。 3.根据权利要求2所述的一种基于特征分析的分心驾驶行为分类方法， 其特征在于， 所 述代表驾驶员分心驾驶行为特 征的行为 参数包括反应时间和敏感度。 4.根据权利要求3所述的一种基于特征分析的分心驾驶行为分类方法， 其特征在于， 通 过专家法， 获取的不同类别的分心 跟驰行为包括： 麻木反应， 根据敏感度较低判断； 延迟反应， 根据反应时间较大判断； 过激反应， 根据敏感度较高判断； 麻木‑延迟反应， 根据敏感度较低且反应时间较大判断； 过激‑延迟反应， 根据跟敏感度较高且反应时间较大判断； 所述敏感度较低、 反应时间较大和敏感度较高均通过与预设的正常值对比来判断。 5.根据权利要求1所述的一种基于特征分析的分心驾驶行为分类方法， 其特征在于， 所 述跟驰模型为GHR模型、 Gip ps模型、 IDM模型或W iedemann模型。 6.根据权利要求1所述的一种基于特征分析的分心驾驶行为分类方法， 其特征在于， 选 取IDM模型作为所述跟驰模型。 7.根据权利要求1所述的一种基于特征分析的分心驾驶行为分类方法， 其特征在于， 优 化后所述分心 跟驰行为的分类包括麻木反应、 过激反应和延迟反应。 8.根据权利要求1所述的一种基于特征分析的分心驾驶行为分类方法， 其特征在于， 所 述跟驰模型将跟驰间距的均方根标准 化误差作为标定误差进行模型 标定。 9.一种基于特征分析的分心驾驶行为分类系统， 其特征在于， 包括存储器和处理器， 所 述存储器存储有计算机程序， 处理器调用所述计算机程序执行如权利要求 1至8任一所述的 方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上储存有计算机 程序， 所述计算机程序被处 理器执行如权利要求1至8中任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115186450 A 2基于特征分析的分心驾驶行为分类方 法、 系统和存 储介质 技术领域 [0001]本发明涉及交通流微观仿真技术领域， 尤其是涉及基于特征分析的分心驾驶行为 分类方法、 系统和存储介质， 可高逼真、 高可信地描述驾驶员分心状态下的行为特征及交通 流。 背景技术 [0002]个人移动终端、 车载信息和服务系统给驾驶员的出行和交互带来了便利， 但同时 也造成驾驶员 在开车时的注意力 分散。 驾驶员分心成为驾驶过程中最常见 的现象之一。 据 统计， 在英国和西班牙的道路上， 分别有多达15％和20％的驾驶员处于分心状态， 直接影响 到交通流的正常运行。 纵向跟驰和横向换道是两类最基本的驾驶行为， 其中， 相比于横向换 道这种需要驾驶员充分关注的驾驶任务， 纵向跟驰过程中车辆行驶自由度大， 任务本身不 需要持续的完美行为和全神 贯注， 因此分心行为大多发生在纵向跟驰过程。 跟驰过程中的 分心会使得 交通流产生迟滞和震 荡等不稳定 现象， 从而影响交通流运行安全和效率。 因此， 研究跟驰过程中的分心驾驶行为， 对其进行合理有效的分类， 对于准确描述道路交通流特 征、 深入剖析交通 流运行规律等具有非常重要的意 义。 [0003]近年来， 驾驶员的分心驾驶行为受到越来越多的重视。 分心行为作为一种在驾驶 过程中随机产生的状态， 具有致因不确定性和表现不确定性的双重不确定性特点。 这对于 分心行为建模而言是一个重要挑战。 目前大多数 的研究是通过试验的方法获得相关数据， 无法准确地提供驾驶人在自然状态下的分心行为。 而自然驾驶试验具备真实驾驶情况还原 度高、 场景覆盖丰富等特点， 可为分析驾驶行为提供强大的数据 支持， 但鲜有研究将自然驾 驶状态下非受控驾驶数据用于分心行为的研究。 另一方面， 现有研究多聚焦于分心行为或 者导致分心的干扰源的识别和干预， 但较少考虑分心跟驰行为的具体分类及行为特征。 因 此， 在如何基于非受控的自然驾驶数据， 在微观仿真系统中对驾驶分心进行真实准确的复 现这一问题上， 现有研究仍存在空白。 发明内容 [0004]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于特征分析 的分心驾驶行为分类方法、 系统和存储介质， 基于非受控的自然驾驶数据， 在微观仿 真系统 中对驾驶分心进行真实准确的复现。 [0005]首先基于驾驶刺激 ‑反应理论框架， 对分心驾驶行为进行初步的分类， 然后利用跟 驰模型适应性分析结果， 经过交叉验证进一步优化分类结果， 最终建立分心驾驶行为分类 模型， 真实描述分心状态下驾驶员跟驰行为， 最终满足在微观仿真系统中对驾驶分心进行 真实准确的复现的要求。 [0006]本发明的目的可以通过以下 具体的技 术方案来实现： [0007]一种基于特 征分析的分心驾驶行为分类方法， 包括： [0008]基于刺激 ‑反应理论框架获取代 表驾驶员分心驾驶行为特 征的行为 参数；说　明　书 1/7 页 3 CN 115186450 A 3