[发明专利]基于去差异化尺寸参量的驾驶姿态特征分类方法

摘要

本发明公开了一种基于去差异化尺寸参量的驾驶姿态特征分类方法，其特征是：选取关键尺寸参量以代替常用的关节角度参量用以描述驾驶姿态，并排除体格特征差异的影响，得到去差异化尺寸参量；进而运用k‑均值聚类方法对去差异化尺寸参量的样本数据进行聚类分析，并借助散点图对聚类结果进行可视化表述，实现不同驾驶姿态特征分类。本发明能够较为便捷的测定驾驶者的姿态偏好特征，为面向用户的个性化驾驶舱布局设计提供数据支持。

主权项

1.一种基于去差异化尺寸参量的驾驶姿态特征分类方法，是应用于根据驾驶坐姿侧视图所描述的人体二维模型中，其特征是按如下步骤进行：步骤1、驾驶姿态的简化测定：步骤1.1、在所述人体二维模型中标示人体不同的关节部位，包括：将躯干中心线与大腿中心线的交点，即髋关节标示点，记为H；将肩关节标示点，记为S；将手掌中心标示点，记为P；将踝关节标示点，记为A；将肘关节标示点，记为E；将膝关节标示点，记为K；步骤1.2、在所述人体二维模型中测定人体关键尺寸参量，包括：将所述肩关节标示点S和髋关节标示点H的竖直距离，记为d₁；将所述手掌中心标示点P和肩关节标示点S的水平距离，记为d₂；将所述手掌中心标示点P和髋关节标示点H的竖直距离，记为d₃；将所述踝关节标示点A和髋关节标示点H的水平距离，记为d₄；将所述踝关节标示点A和髋关节标示点H的竖直距离，记为d₅；步骤1.3、获取所述人体二维模型中的去差异化尺寸参量，包括：以d₁/h_s表示相对坐高，表征驾驶者上体的倾斜程度，其中h_s是所述肩关节标示点S至髋关节标示点H的距离，即人体躯干长度；以d₂/l_u表示方向盘相对水平距离，表征排除人体臂长差异的驾驶者距方向盘远近程度，其中l_u＝l₁+l₂，l₁为所述肩关节标示点S至肘关节标示点E的距离，l₂为所述肘关节标示点E至手掌中心标示点P的距离；以d₃/d₁表示方向盘相对竖直距离，表征驾驶者手握方向盘时手部上抬程度；以d₄/l_l表示踏板相对水平距离，表征排除人体腿长差异的驾驶者距踏板远近程度，其中l_l＝l₃+l₄，l₃为所述髋关节标示点H至膝关节标示点K的距离，l₄为所述膝关节标示点K至踝关节标示点A的距离；以d₅/l_l表示踏板相对竖直距离，表征排除人体腿长差异的驾驶者相对于踏板的乘坐高度；步骤2、驾驶姿态的特征分类：步骤2.1、按照步骤1.3获取m个被试者所测得的n个去差异化尺寸参量作为样本数据，记为X＝{x₁,x₂,···,x_i,···,x_m}，x_i表示第i组样本数据，并有x_i＝{x_i1,x_i2,···,x_il,···,x_in}，x_il表示第i组样本数据的第l个去差异化尺寸参量；i＝1,2,···,m；l＝1,2,···,n；1≤n≤5；步骤2.2、定义聚类次数为r；初始化r＝1；步骤2.3、根据所设定的聚类数k，从样本数据X中选取k组样本数据作为初始聚类中心，记为表示第r次聚类的第j个聚类中心；j＝1,2,…k；步骤2.4、计算第i组样本数据x_i与第r次聚类的第j个聚类中心的欧氏距离从而获得第i组样本数据x_i与第r次聚类的k个聚类中心的欧氏距离；步骤2.5、从所述第i组样本数据x_i与第r次聚类的k个聚类中心的欧氏距离中选取最小距离，记为并将所述第i组样本数据x_i划为第j类；从而将所有m组样本数据划分到k个类中；步骤2.6、假设第j类中包含q组样本数据，利用式(1)计算第r次聚类后第j类中第u组样本数据x_u与第j个聚类中心的距离平方进而利用式(2)计算第r次聚类后所有样本数据与其所属类的聚类中心的距离平方和D_r：式(1)和式(2)中，x_ul表示第u组样本数据的第l个去差异化尺寸参量；u＝1,2,···,q；表示第r次聚类的第j个聚类中心的第l个去差异化尺寸参量；步骤2.7、计算第j类的重心，作为第r+1次聚类的第j个聚类中心步骤2.8、判断r＝1是否成立，若成立，则将r+1赋值给r后，返回步骤2.4执行，从而获得第r+1次聚类后所有样本数据与其所属类的聚类中心的距离平方和D_r+1；否则，执行步骤2.9；步骤2.9、判断|D_r‑D_r‑1|/D_r≤ε是否成立，ε为所设定的阈值，且ε＞0；若成立，则终止迭代，完成聚类；否则，将r+1赋值给r后，返回步骤2.4执行。