CC BY
18
ТРАНСПОРТ
УДК 656.13.08.01:629.33.07 ДИ.Дик
Курганский государственный университет
КЛАСТЕРИЗАЦИЯ ВОДИТЕЛЕЙ ПО СТИЛЯМ ТОРМОЖЕНИЯ
Аннотация
Одной из основных причин ДТП при попутном следовании автомобилей является недостаток времени на принятие решения водителем в случае торможения впереди идущего автомобиля. Это время может быть увеличено за счет введения опережающей внешней световой сигнализации торможения через штатные сигналы автомобиля. Для создания прогнозирующего устройства необходимо экспериментально установить закономерности действий в момент торможения автомобиля. В статье приводятся результаты кластеризации водителей по стилям торможения.
Ключевые слова: безопасность движения, предотвращение попутных столкновений, опережающая световая сигнализация торможения, кластеризация водителей.
D.I. Dik
Kurgan State University
DRIVERS' CLUSTERING ON THE BASIS OF THEIR BRAKING STYLES
Annotation
One of the main causes of road accidents of following cars is a lack of time to make a decision in the case of braking in front of the following car. This time can be increased by the introduction of the advance outward warning lights braking by means of the standard car's signals. For creation of the predictor it is necessary to establish experimentally laws of drivers' actions during of the car braking. The article describes the drivers' clustering results according their braking styles.
Key words: traffic safety, following interference protection, the advance outward warning lights braking, drivers' clustering.
Введение
Автомобилизация страны, решая задачи по перевозке пассажиров и грузов, ставит проблему обеспечения безопасности дорожного движения. В обстановке, характеризующейся высокой интенсивностью движения автомобильного транспорта, в которое вовлечены десятки миллионов людей и большое число транспортных средств, предупреждение аварийности становится одной их серьезнейших социально-экономических задач. От ее успешного решения в значительной степени зависят не только жизнь и здоровье людей, но и развитие экономики страны.
Большие возможности в решении задачи повышения безопасности дорожного движения имеет создание систем активной безопасности автомобилей. Однако многие теоретические и практические вопросы создания таких систем, особенно для защиты автомобиля от удара сзади, для современных условий не решены.
Одним из путей решения данной проблемы является введение опережающей внешней световой сигнализации
торможения через штатные сигналы автомобиля. Опережение должно обеспечиваться возможностью устройства, управляющего системой сигнализации, прогнозировать факт предстоящего торможения по параметрам, характеризующим воздействия водителя на педали акселератора и сцеплении.
Для создания прогнозирующего устройства [1; 2] и повышения эффективности прогнозирования необходимо экспериментально установить закономерности действий водителя во время торможения автомобиля в реальном транспортном потоке.
1. Методика кластеризации
По результатам обработки проведенных экспериментов, в ходе которых регистрировались скорость V, м/с, и замедление _/', м/с2, автомобиля, положения педалей акселератора /7а, %, сцепления /7е, %, и тормоза /7т, %, а также частота вращения коленчатого вала двигателя п, мин ~1, были выделены следующие виды наиболее часто применяемых водителями в реальных дорожных условиях методов торможений: торможение с отсоединенным двигателем (замедление с использованием тормозов, при этом нажатие на педаль сцепления происходит одновременно с отпусканием педали акселератора); торможение с задержкой с отсоединенным двигателем (замедление с использованием тормозов, при этом нажатие на педаль сцепления происходит через некоторое время после отпускания педали акселератора); торможение с предшествующим накатом (замедление с использованием тормозов, при этом торможению предшествует движение на нейтральной передаче); торможение с неотсоединенным двигателем (замедление с использованием тормозов, при этом торможение выполняется без нажатия на педаль сцепления); торможение двигателем (замедление путем отпускания педали акселератора без использования тормозов). Для целей более достоверной идентификации события торможения исследовалось также и процессы во время переключение передач.
Для проверки гипотезы о возможности выделения достаточно устойчивых групп водителей с относительно одинаковым стилем торможения была проведена кластеризация водителей по полученным в ходе поездок экспериментальным данным частостей использования того или иного метода торможения (таблица"!).
Кластеризация проводилась на основе использования нейросети Кохонена [3; 4; 5; 6; 7], отличительной особенностью которой является возможность самообучения только на основе вектора входных данных.
Сети Кохонена (частный случай метода динамических ядер [7; 8]) являются типичным представителем сетей, решающих задачу классификации без учителя. Сеть разбивает множество экспериментальных данных в п-мер-ном пространстве на классы, близкие в смысле квадрата эвклидова расстояния [9], т.е. в качестве меры близости используется эвклидова мера:
<i(x,MA) = | X-wJ =
N
HOcj-^У
у=1
Таблица 1
Частость событий для водителей, участвовавших в эксперименте
Код водителя Торможения Переключение передач
с отсоед. двигателем с отсоед. двиг. с задержкой с не отсоед. двигателем с предшествующим накатом двигателем
1 0,33 0,00 0,00 0,03 0,13 0,51
2 0,23 0,10 0,05 0,03 0,10 0,49
3 0,09 0,03 0,02 0,26 0,16 0,44
4 0,00 0,08 0,13 0,05 0,30 0,44
5 0,24 0,10 0,00 0,07 0,15 0,44
6 0,09 0,07 0,18 0,13 0,09 0,44
7 0,01 0,04 0,15 0,04 0,45 0,31
8 0,03 0,03 0,06 0,29 0,04 0,55
9 0,10 0,00 0,30 0,00 0,18 0,42
10 0,28 0,01 0,00 0,03 0,16 0,52
11 0,25 0,08 0,00 0,03 0,05 0,59
12 0,04 0,02 0,00 0,33 0,02 0,59
13 0,33 0,13 0,00 0,00 0,10 0,44
14 0,04 0,01 0,11 0,20 0,16 0,48
15 0,03 0,05 0,15 0,08 0,38 0,31
16 0,05 0,06 0,05 0,21 0,12 0,51
17 0,26 0,09 0,00 0,06 0,18 0,41
18 0,00 0,02 0,17 0,02 0,50 0,29
19 0,14 0,13 0,01 0,06 0,17 0,49
20 0,12 0,02 0,00 0,28 0,14 0,44
21 0,35 0,13 0,00 0,03 0,13 0,36
22 0,00 0,01 0,29 0,01 0,42 0,27
23 0,21 0,08 0,03 0,01 0,11 0,56
24 0,05 0,00 0,00 0,35 0,03 0,57
25 0,13 0,15 0,03 0,05 0,23 0,41
26 0,15 0,15 0,03 0,00 0,08 0,59
27 0,30 0,15 0,00 0,00 0,08 0,47
28 0,04 0,02 0,05 0,33 0,05 0,51
29 0,01 0,01 0,18 0,01 0,47 0,32
30 0,01 0,04 0,24 0,04 0,41 0,26
31 0,29 0,13 0,00 0,00 0,00 0,58
32 0,01 0,01 0,31 0,01 0,38 0,28
33 0,04 0,07 0,04 0,24 0,11 0,50
34 0,16 0,14 0,02 0,01 0,08 0,59
35 0,01 0,03 0,25 0,08 0,28 0,35
36 0,07 0,06 0,19 0,14 0,09 0,45
37 0,10 0,00 0,03 0,28 0,18 0,41
38 0,04 0,01 0,30 0,01 0,32 0,32
39 0,33 0,11 0,00 0,02 0,12 0,42
40 0,00 0,05 0,28 0,03 0,28 0,36
41 0,27 0,16 0,00 0,01 0,06 0,50
42 0,01 0,00 0,15 0,05 0,38 0,41
43 0,10 0,03 0,00 0,26 0,12 0,49
44 0,25 0,02 0,05 0,05 0,05 0,58
45 0,05 0,00 0,13 0,18 0,15 0,49
46 0,23 0,09 0,01 0,01 0,07 0,59
Использовалась реализация нейросети Кохонена из аналитического пакета Deductor Studio Lite 4.2 фирмы BaseGroup [10]. В качестве входных векторов использовались данные из табл.1.
Перед обучением сети входные параметры нормируются в диапазоне от нуля до единицы согласно следующей формуле:
Я -а
где Я-входной параметр;
а, Ь - коэффициенты нормирования.
Значения коэффициентов нормирования приведены в таблице 2.
Таблица 2
Коэффициенты нормирования входных параметров, используемых для построения сети Кохонена
Компонент входного вектора Параметр Коэффициенты нормирования
а Ь
h Частость торможения с отсоединенным двигателем 0 0,35
Г2 Частость торможения с отсоединенным двигателем с задержкой 0 0,16
Гз Частость торможения с не-отсоединенным двигателем 0 0,31
h Частость торможения с предшествующим накатом 0 0,35
h Частость торможения двигателем 0 0,50
h Частость переключения передач 0,26 0,59
Нейроны в сети условно пронумерованы в направлении слева направо и сверху вниз. В таблице 3 приведены полученные в результате обучения весовые коэффициенты связей и номер кластера, к которому относится каждый нейрон сети.
2. Результаты кластеризации
По результатам обучения сети Кохонена, выделено три кластера (получившаяся карта кластеров представлена на рис. 1). Цифрой на карте обозначен код водителя в соответствии с табл. 1.
Водители, относящиеся к первому кластеру, отдают предпочтение торможениям с предшествующим накатом и весьма редко используют торможения с задержкой с отсоединенным двигателем и торможения с неотсоединен-ным двигателем. Согласно экспертной оценке, водители данной группы характеризуются осторожным стилем вождения. Усредненная по водителям, относящимся к первому кластеру, частость событий приведена на рис. 2.
Водители, относящиеся ко второму кластеру, отдают предпочтение торможениям с отсоединенным двигателем и весьма редко используют торможения с неотсоединен-ным двигателем и предшествующим накатом. Согласно экспертной оценке водители данной группы характеризуются нормальным стилем вождения. Усредненная по водителям, относящимся ко второму кластеру, частость событий приведена на рис. 3.
Таблица 3
Весовые коэффициенты связей нейронов ИНС Кохонена
Порядковый номер нейрона, у Номер кластера Весовые коэффициенты связей
И/у 2 и/у4
1 1 0,197 0,147 0,139 0,746 0,230 0,691
2 1 0,228 0,209 0,171 0,640 0,235 0,704
3 1 0,473 0,333 0,129 0,325 0,212 0,793
4 2 0,683 0,412 0,064 0,104 0,181 0,874
5 1 0,183 0,191 0,265 0,595 0,290 0,636
6 1 0,304 0,334 0,244 0,412 0,269 0,685
7 2 0,576 0,516 0,112 0,145 0,211 0,803
8 2 0,679 0,574 0,059 0,064 0,177 0,852
9 3 0,125 0,179 0,459 0,400 0,461 0,469
10 3 0,185 0,292 0,416 0,349 0,408 0,526
11 2 0,425 0,546 0,222 0,193 0,302 0,656
12 2 0,627 0,686 0,080 0,081 0,219 0,751
13 3 0,094 0,222 0,601 0,203 0,613 0,326
14 3 0,264 0,433 0,399 0,189 0,470 0,465
15 2 0,562 0,693 0,130 0,113 0,299 0,615
16 2 0,694 0,767 0,047 0,072 0,230 0,665
17 3 0,048 0,175 0,707 0,113 0,741 0,200
18 3 0,126 0,278 0,586 0,141 0,652 0,286
19 2 0,442 0,575 0,252 0,134 0,426 0,470
20 2 0,686 0,743 0,059 0,099 0,283 0,566
Рис. 1. Кластеризация водителей по индивидуальным особенностям их действий за момент времени, предшествующий началу торможения автотранспортного средства
0.6
Водители, относящиеся к третьему кластеру, отдают предпочтение торможениям двигателем и торможениям с неотсоединенным двигателем и весьма редко используют торможения с отсоединенным двигателем и предшествующим накатом. Также такие водители отличаются наименьшей частостью использования переключения передач. Согласно экспертной оценке водители данной группы характеризуются интенсивным стилем вождения. Усредненная по водителям, относящимся к третьему кластеру, частость событий приведена на рис.4.
Таким образом, возможность успешной кластеризации водителей по достаточно компактным группам относительно стилей торможения подтверждает справедливость основной гипотезы исследования. Следовательно, возможна разработка метода прогнозирования факта будущего торможения и устройства, его реализующего, не только для индивидуального водителя, но и для трех типовых групп водителей.
Рс 0.4 0.3 0.2 0.1
Рис. 2. Частость событии для водителей, относящихся к первому кластеру: 1 - торможение с отсоединенным двигателем; 2 - торможение с отсоединенным двигателем с задержкой; 3 - торможение с предшествующим накатом;
4 - торможение с неотсоединенным двигателем; 5 - торможение двигателем; 6 - переключение передачи
Событие
Рис. 3. Частость событий для водителей, относящихся ко второму кластеру: 1 - торможение с отсоединенным двигателем; 2 - торможение с отсоединенным двигателем с задержкой; 3 - торможение с предшествующим накатом;
4 - торможение с неотсоединенным двигателем; 5 - торможение двигателем; 6 - переключение передачи
0.0
1 2 3 4 Событие
0.5
Событие
Рис.4. Частость событий для водителей, относящихся к третьему кластеру: 1 - торможение с отсоединенным двигателем; 2 - торможение с отсоединенным двигателем с задержкой; 3 - торможение с предшествующим накатом;
4 - торможение с неотсоединенным двигателем; 5 - торможение двигателем; 6 - переключение передачи
Заключение
В данной работе представлены результаты кластеризации водителей по стилям торможения. Установлено, что водителей можно распределить по трем группам.
Водители первой группы отдают предпочтение торможениям с предшествующим накатом и весьма редко используют торможения с задержкой с отсоединенным двигателем и торможения с неотсоединенным двигателем. Согласно экспертной оценке, водители данной группы характеризуются осторожным стилем вождения.
Водители второй группы отдают предпочтение торможениям с отсоединенным двигателем и весьма редко используют торможения с неотсоединенным двигателем и предшествующим накатом. Согласно экспертной оценке водители данной группы характеризуются нормальным стилем вождения.
Водители третьей группы отдают предпочтение торможениям двигателем и торможениям с неотсоединенным двигателем и весьма редко используют торможения с отсоединенным двигателем и предшествующим накатом. Также такие водители отличаются наименьшей частостью использования переключения передач. Согласно экспертной оценке водители данной группы характеризуются интенсивным стилем вождения.
Список литературы
1. Дик Д. И. Методика синтеза оптимального комплекса параметров и
структуры нейросети, прогнозирующей торможение автомобиля // Вестник Международной академии наук экологии и безопасности жизнедеятельности. - 2006. - Т.11. - № 6. - С. 41-44.
2. ДикД.И. Реализация метода попутных столкновений автомобилей //
Вестник Международной академии наук экологии и безопасности жизнедеятельности. - 2006. - Т.11, - № 6.- С. 45-49.
3. Горбань А.Н., РоссиевД.А. Нейронные сети на персональном
компьютере. - Новосибирск: Наука: Сибирск. издательская фирма РАН, 1996. - 276 с.
4. Кохонен Т. Ассоциативная память. - М. : Мир, 1980. - 239 с.
5. Кохонен Т. Ассоциативные запоминающие устройства /Пер. с англ.
С.П. Забродина, А.В. Шалашова. - М.: Мир, 1982. - 383 с.
6. Горбань А.Н., Дунин-Барковский В.Л., КирдинА.Н. и др. Нейроинфор-
матика. - Новосибирск : Наука: Сибирское предприятие РАН, 1998. - 296 с.
7. Фор А. Восприятие и распознавание образов. - М. : Машинострое-
ние, 1989. - 272 с. 8 .Diday Е., Simon J.S. Clustering analysis //dans Digital Pattern
Recognition, Redacteur: K.S.F.U. - Springer Vertag, Berlin, 1980. - P. 47-93.
9. Осовский С. Нейронные сети для обработки информации / Пер. с пол. И. Д. Рудинского. - М. : Финансы и статистика, 2004
(Великолук. гор. тип.). - 343 с. 10. Deductor- описание аналитической платформы [Электронный
ресурс]/Лаборатория ВазеОгоир. - Электрон, текстовые дан. -Рязань: ВазеОгоир. - Режим доступа: http://www.basegroup.ru/ deductor/description.htm, свободный. - Загл. с экрана.
УДК 656.13.08.01:629.33.07 ДИ.Дик
Курганский государственный университет
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ДЕЙСТВИЙ ВОДИТЕЛЕЙ В ПРОЦЕССЕ ТОРМОЖЕНИЯ АВТОМОБИЛЯ
Аннотация
Одной из основных причин ДТП при попутном следовании автомобилей является недостаток времени на принятие решения водителем в случае торможения впереди идущего автомобиля. Это время может быть увеличено за счет введения опережающей внешней световой сигнализации торможения через штатные сигналы автомобиля. Для создания прогнозирующего устройства необходимо экспериментально установить закономерности действий в момент торможения автомобиля. В статье приводятся распределения вероятностей различных параметров, характеризующих действия водителей в момент торможения.
Ключевые слова: безопасность движения, предотвращение попутных столкновений автомобилей, опережающая световая сигнализация торможения, эксперимент, распределение вероятности.
D.I. Dik
Kurgan State University
RESEARCH RESULT OF DRIVERS ACTIONS DURING OF CAR BRAKING
Annotation
One of the main causes of road accidents of following cars is a lack of time to make a decision in the case of braking in front of the following car. This time can be increased by the introduction of the advance outward warning lights braking by means of the standard car's signals. For creation of the predictor it is necessary to establish experimentally laws of drivers' actions during of the car braking. The article describes distributions probabilities of the various parameters, characterizing actions of drivers in the moment of braking.
Key words: traffic safety, following interference protection, the advance outward warning lights braking, experimental research, distributions probabilities.
Введение
Автомобилизация страны, решая задачи по перевозке пассажиров и грузов, ставит проблему обеспечения безопасности дорожного движения. В обстановке, характеризующейся высокой интенсивностью движения автомобильного транспорта, в которое вовлечены десятки миллионов людей и большое число транспортных средств, предупреждение аварийности становится одной их серьезнейших социально-экономических задач. От ее успешного решения в значительной степени зависят не только жизнь и здоровье людей, но и развитие экономики страны.
Большие возможности в решении задачи повышения
