30、车辆驶向十字路口时速度时间序列的特征分析

车辆驶向十字路口时速度时间序列的特征分析

1. 引言

车辆速度值和时间序列可用于对驾驶员行为、车辆运行状态和周边道路交通环境等进行建模，这些因素被视为影响车辆行驶安全的关键。随着现代车辆智能化程度的提高，获取和利用速度信息来提升驾驶安全性变得越来越普遍。

初步观察通过车辆实验设备收集的车速值，可发现速度时间序列往往呈现出非线性和非平稳的状态。其变化趋势受到驾驶员意图和操作习惯、车速数据源准确性、道路路线和限速以及周围不确定交通状况等因素的影响。在建模之前，有必要分析与特定驾驶环境相对应的速度时间序列的特征。

为了实现这一目标，本文探索了车辆驶向十字路口时一组速度时间序列的特征。这些速度时间序列来自一个由男性测试驾驶员操作的真实车辆驾驶实验平台，涵盖了左转、右转和直行三种典型驾驶行为。而经验模态分解（EMD）方法则被用于自适应分解非线性和非平稳的速度时间序列，以获取本征模态函数（IMF）和残差，从而分析其特征。

2. 经验模态分解（EMD）方法

为了分析非线性和非平稳时间序列，Huang等人提出了经验模态分解（EMD）算法。这是一种数据驱动的方法，能自适应地将时间序列或信号分解为一组本征模态函数（IMF）。每个IMF对应时间序列的一个特定频率，且分解过程中特定频率分量按从高到低的顺序输出。

假设原始速度时间序列为$x(t)$，$(t = 1, 2, T)$，可分解为$N$个IMF和一个残差$r_N(t)$，目标IMF定义为$f_i(t)$，$(i = 1, 2, N)$，则有公式：
$x(t) = \sum_{i=1}^{N} f_i(t) + r_N(t)$

获取$f_i(t)$和$r_