線性時變系統模型識別

本節分析資料與(5.3)節相同一組資料為一分鐘(800 點)，時變系統模型結 構如式(5.3)之 ARX 模型

1 1 2 2 0 1 1 2 2 3 3 4

k k k k k k k

y = −a y ₋ −a y ₋ +b u ₋ +b u ₋ +b u ₋ +b u ₋ +v_k (5.3) 選擇低階模型並要求能達到較高的模擬輸出符合度(80%以上)，於^{A q}

( )

^為

2 階^{B q}

( )

為 4 階 輸 入 延 遲 1 步 時 ， 即 可 得 較 佳 之 模 擬 輸 出 符 合 度 (^{B q}

( )

為 2、3 階之符合度較 4 階時低)

圖 5.23 2005/3/9 11:44:07~11:45:07 時變模型參數分佈

^{B q}

( )

參數變化斜率轉折點發生於(36s、45s、53s、59s)，觀察駕駛影像 得知道路曲率變動(車輛由直路進入彎路或車輛由彎路進入直路)於 36s、

53s。45s 轉折原因無法由影像中確定，60s~67s 處出現明顯之參數抖動。(由

( )

A q 之參數變化不容易分辦出駕駛行為之改變，相對的^{B q}

( )

^{變化極為容}

易看出駕駛行為之改變)。

使用時變參數估測法計算出各時間點參數，並觀察參數變化和路況(道路 曲率、鄰近車輛)之關係，時變模型模擬結果可達到較好之符合度，如(圖 5.23)之參數輸出模擬結果可達到 95%之模擬輸出符合度(圖 5.24)。

圖 5.24 2005/3/9 11:44:07~11:45:07 模擬輸出曲線符合度

(圖 5.24)可看出時變模型模擬輸出結果曲線和實際輸出曲線符合度高 (95%)，與非時變模型所得模擬輸出結果符合度比較(非時變模型模擬輸出 結果符合性均低於 50%)，得知時變模型比非時變模型所得模擬輸出符合度 高許多(時變模型最高符合度可達 99.5%)。

由(圖 5.23)^{B q}

( )

參數變化可知道駕駛人於不同道路曲率會有不同之控制 反應，影響駕駛行為的因素除道路曲率不同外，鄰近車輛也會造成一定影 響，如(圖 5.25)

圖 5.25 2005/3/9 12:08:07~12:09:07 時變模型參數分佈

(圖 5.25)^{B q}

( )

參數變化斜率轉折點發生於(21s、35s、41s、47s、54s、57s、

64s);道路曲率改變於 21s、41s、60s;47s~56s 時左側車道為一部小客車由後 方超越，58s~63s 時為本車超越右側車道之小客車，上述兩段小客車通過 之時間中道路曲率不變但有轉折點產生，可推測車輛經過會影響駕駛之行 為 ， 2 5 s ~ 3 1 s 處 有 一 抖 動 現 象 ， 3 5 s 處 之 轉 折 原 因 未 知 。

(圖 5.26)為 2005/3/9 12:08:07~12:09:07 之模擬輸出比對圖。

圖 5.26 2005/3/9 12:08:07~12:09:07 模擬輸出結果比對

上圖中符合度和(圖 5.24)一樣(>90%)，可知時變模型於不同之路況皆可 達到不錯之模擬輸出，其他時間(共 5 天各 40 分鐘)時變參數分佈也可看出 各時間^{B q}

( )

與路況之變化關係，將這 5 天之時變參數^{B q}

( )

^{分佈變化情況}

與路況關係統計建立表格(5.7~5.10)。

表(5.7~5.10)之斜率 單位為s ^{B q}

( )

各參數每秒變化千分之幾(10^-3/sec) (取 絕對值為判斷參數變化速度快慢)，本車輛和鄰近車輛速度差距大時為(速 差>3m/sec)、速度差距小時為(速差<3m/sec)，以小客車為例，當速度差距 大時 2s~3s 即可通過 3 個車身(經觀察鄰近車輛與本車輛距兩車身內駕駛行 為影響較明顯)，速度差距小則會車需要更長時間(由表 5.7~5.10 可知影響 比例較高)。

表(5.7~5.10)表示特定路況下(如行駛於直路上鄰近車道有一車速差小之 小客車通過)各種參數變化情況(抖動、 s <1、1<s <100、100< s 其中任一 種)出現之機率，以同一路況下所有參數變化情況的數量總合為分母，同路 況下特定參數變化情況(如 s <1 時)之數量總合為分子所計算出之比例。

表 5.7 各路況下 各種參數變化情況之機率 b₀ 路

況

鄰近車輛 速 差

無影 響

抖動 _s <1 1< s <100 100 < s

直 無 40% 6% 42% 12%

彎 無 0% 13% 78% 9%

直 小客車 大 74% 0% 0% 23% 3%

直 小客車 小 4% 9% 9% 69% 9%

彎 小客車 大 93% 0% 0% 7% 0%

彎 小客車 小 11% 0% 16% 62% 11%

直 大客車 大 84% 0% 0% 16% 0%

直 大客車 小 11% 0% 11% 71% 7%

彎 大客車 大 94% 0% 0% 6% 0%

彎 大客車 小 3% 0% 10% 87% 0%

表 5.8 各路況下 各種參數變化情況之機率 b₁

彎 大客車 大 94% 0% 0% 6% 0% 駛行為受影響機率較高(89%~97%)。由(圖 5.23)、(圖 5.25)和表(5.7~5.10) 得知時變參數可由觀察各時間之參數變化情況，得到各時間之駕駛行為變 化和影響駕駛行為之因素，且能達到良好之模擬輸出結果，這些現象與優 點非時變系統模型並無法得到，更確定使用時變參數估測法識別駕駛行為 之必要性。

表(5.7~5.10)必須比對影像才可得知駕駛行為改變，無法當判斷駕駛人

表 5.12 b₁不同參數變化情況下各路況之機率

表 5.14 b₃不同參數變化情況下各路況之機率

第六章 結論與未來工作

在文檔中 使用時變參數估測技術的駕駛人模型辨識 (頁 81-91)