基于大数据的智能辅助驾驶道路适用度评估

谢燕芳　张亮　程登　郑陈亮　卓丽

【摘  要】随着汽车市场朝网联化发展，主机厂可通过网联终端采集到智能辅助驾驶的行车数据，主机厂通过车联网大数据离线计算了解用户使用智能辅助驾驶功能的情况，分析智能辅助驾驶在各类路况中的适用性。汽车主机厂在研发阶段做了各路况的实车测试，但未有一套基于用户实际使用情况的评估方法。为了了解智能辅助驾驶功能在各类路况中的适用度，需要一套基于用户智能辅助驾驶数据的评估方法。本文基于车联网采集的智能辅助驾驶功能的数据，使用机器学习的方法对汽车智能辅助驾驶的道路适用度进行评估。

【关键词】智能辅助行车；道路适用度；评估算法；路向聚类；数据网格化

中图分类号：U463.6    文献标志码：A    文章编号：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

谢燕芳（1986—），女，工程师，硕士，研究方向为汽车大数据应用。

智能辅助驾驶是现今智能驾驶在车端应用的重要功能之一，车道保持辅助系统通过借助摄像头识别车辆行驶道路的标志线，当系统识别到车辆可能偏离车道时可提醒驾驶员或介入转向系统及时调整行车路线。车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务。车联网有效地把汽车连接起来组成网络。汽车和汽车组成网，车网与互联网相连，三者基于统一的协议，实现人、车、路、云之间的数据互通，并最终实现智能交通、智能汽车、智能驾驶等功能。通过车载终端可采集智能辅助驾驶功能车辆数据以及GPS的定位信息[1]，通过云采集、云计算、AI等技术可以将用户使用智能辅助驾驶功能深度挖掘出来，用于主机厂的产品优化和改进，更好地为用户提供服务。

1  试验和分析

1.1  试验数据

首先按照智能辅助驾驶行驶片段算法计算出智能辅助开始的时间，提取智能辅助驾驶开启点经纬度和结束点经纬度（图1），另外计算智能辅助驾驶每个片段的行驶里程。

本文选择某市2021年9月1日至2022年4月30日约1000辆具有智能辅助驾驶的轨迹数据，包含60706个行驶轨迹，见表1。

1.2  数据预处理

为了预测结果更精确，需要控制数据质量，因而本文对收集的数据进行了预处理，主要是对原始数据字段中的一些异常值、空值和跳变数据进行处理，见表2。

1）去除“脏”数据，剔除智能辅助开启经纬度和智能辅助关闭经纬度超出数据范围的数据，其中经度范围为[0，180]，纬度范围为[0，90]，并对其余的数据按照给定的范围进行数据筛选。

2）對智能辅助行驶里程为0km的数据进行处理，行驶里程为0意味着智能辅助驾驶为0，无法评估智能辅助驾驶功能的道路适用度。

2  特征与建模

2.1  数据网格化[2]

由于某市面积较大，分布在郊区的开启和结束点数据较少，所以本文主要选取某市市区内的开启和结束点数据进行实验分析。在开启和结束点数据空间中划分1000m×1000m大小的网格单元，约得到1500个网格单元（图2），其中包含估计的点约700个。

2.2  路向归一化

由于智能辅助驾驶相对不同路向评估道路适用度不同，故需要将行驶的路向[3]计算出来，表3为路向归一化示例数据。路向计算方法如下。

1）智能辅助驾驶纬度差值=智能辅助关闭纬度-智能辅助开启纬度

2）智能辅助驾驶经度差值=智能辅助关闭经度-智能辅助开启经度

3）路向归一化矢量X方向=[（1/（1+（智能辅助驾驶经度差值/智能辅助驾驶纬度差值）2]0.5×智能辅助驾驶纬度差值的正负值

4）路向归一化矢量Y方向=[1-路向归一化矢量X方向2]0.5×智能辅助驾驶经度差值的正负值

5）路向归一化矢量=（路向归一化矢量X方向，路向归一化矢量Y方向）

2.3  评估建模

2.3.1  评估特征值计算

对网格归一化路向使用DBSCAN进行聚类，选取每个网格内归一化路向类别top2的数据，计算每个类别的智能辅助驾驶路段评分、开启点和结束点个数，图3为评估建模数据示意图，算法如下。

每个类别评分=sum（每个类别开启点对应里程）-sum（每个类别结束点对应里程）

每个类别起止点个数=sum（每个类别开启点对应里程）+sum（每个类别结束点对应里程）

每个类别中心经纬度=每个类别经纬度使用Kmeans机器学习算法计算聚类中心点

2.3.2  评估特征值提取

筛选网格起止点>100的网格，对每个类别路段评分进行降序排列，表4为类别路段特征参数示例。

2.3.3  评估路段地址解析

使用每个类别路段中心经纬度，调用地图API接口计算每个类别的中心点路段，得出每个路段的智能辅助驾驶适用度评分。表5为类别路段地址信息示例。

3  建模结果

通过建模找出智能辅助驾驶公司在某市的好用路段，从结果看出，好用路段基本是在高架桥路段和路况较好的路段。通过实地验证发现，算法计算结果基本符合功能设计结果。

4  新技术带来的收益和展望

通过汽车智能辅助驾驶的道路适用度，得出智能辅助驾驶的好用路段（图4），用于用户驾驶过程中智能辅助驾驶功能推荐，提高用户驾驶的体验感，提升公司的产品价值和提升品牌好感度。通过汽车智能辅助驾驶的道路适用度，得出智能辅助驾驶的不好用路段，用于智能辅助驾驶研发的产品优化，提高智能辅助驾驶功能的用户满意度。

但是路向聚类方面特别是路向特别多的数据网格，聚类就无法完成，因此无法准确计算出车辆行驶的方向，因此无法对数据网格内的道路进行评估，需要新增一些评估方法，如频繁开启智能辅助驾驶的道路适用性评估，如长时间开启智能辅助驾驶功能的道路适用度评估等。另外，因为道路的千差万别，模型的调整需要不断改进，需要加入更多的智能辅助驾驶功能特性数字[2]。因此，我们应该在大量车辆验证后，对模型进行不断优化，在使用过程中不断地调整模型，提高评估模型的准确度，给用户和主机厂提供更为准确的智能辅助驾驶道路评估方法。

参考文献：

[1] 周勃，秦昆，陈一祥，等. 基于数据场的出租车轨迹热点区域探测方法[J]. 地理与地理信息科学，2016，32（6）：51-56.

[2] 王劲峰. 空间扫描统计量方法中候选聚集区域生成的快速算法[J]. 地球信息科学学报，2013，15（4）：505-511．

[3] 淦文燕，李德毅，王建民． 一种基于数据场的层次聚类方法[J]． 电子学报，2006，34（2）：258-262．

（编辑  杨  景）