CN103268426A - 一种汽车驾驶人安全驾驶水平测评的方法 - Google Patents

Abstract

本发明实施例提供一种汽车驾驶人安全驾驶水平测评的方法，应用于安全评估装置，包括：设置一个测试场景，所述测试场景包括不同的路况；获取在所述测试场景中的驾驶过程所生成的驾驶数据；将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，找到与比对结果相匹配的驾驶安全水平等级。建立一个标准驾驶模型，标准驾驶模型应当是与测试场景相对应的，设置了测试场景之后，获取在该测试场景中的驾驶过程的驾驶参数，将这些驾驶参数与标准驾驶模型进行比对匹配，如此，能够得到这一驾驶过程的安全水平，实现了对不同的驾驶过程进行安全水平分级的目的。

Description

一种汽车驾驶人安全驾驶水平测评的方法

技术领域

本发明涉及汽车驾驶技术，特别是指一种汽车驾驶人安全驾驶水平测评的方法。

背景技术

根据研究结果以及实践经验，汽车安全驾驶不仅与路况，汽车自身的性能有关，而且与驾驶者的自然属性、人格特点、安全态度、驾驶认知能力和驾驶技能等因素有关。

现有技术存在如下问题：现有对安全驾驶进行评估的体系或者方法中，没有充分考虑驾驶者自身所具有的一些特性。

发明内容

本发明要解决的技术问题是提供一种汽车驾驶人安全驾驶水平测评的方法，基于驾驶者自身所具有的特征属性数据对驾驶行为的安全性进行评估。

为解决上述技术问题，本发明的实施例提供一种汽车驾驶人安全驾驶水平测评的方法，应用于驾驶评估装置，方法包括：设置一个测试场景，所述测试场景包括不同的路况；获取在所述测试场景中的驾驶过程所生成的驾驶数据；将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，找到与比对结果相匹配的驾驶安全水平等级。

所述的方法中，标准驾驶模型中采用标准速度、标准超速时间、标准超速最大值百分比、标准方向盘转角、标准事故次数和标准转向灯作为所述安全水平指标；采集的驾驶参数包括：速度、超速时间、超速最大值百分比、方向盘转角、事故次数和转向灯。

所述的方法中，将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，具体包括：将速度、超速时间、超速最大值百分比、方向盘转角、事故次数和转向灯分别与所述标准驾驶模型中的标准速度、标准超速时间、标准超速最大值百分比、标准方向盘转角、标准事故次数和标准转向灯进行比对，得到比对结果。

所述的方法中，驾驶安全水平等级具体包括：初级、中级、高级和技师级。

所述的方法中，还包括：针对不同的驾驶安全水平等级，输出个性化的驾驶心理特征描述和驾驶建议。

所述的方法中，获取在所述测试场景中的驾驶过程所生成的驾驶数据，之前还包括：输入用于描述驾驶者的特征属性数据，特征属性数据包括人格、态度和行为，所述人格、态度和行为均包括至少一个维度。

所述的方法中，获取在所述测试场景中的驾驶过程所生成的驾驶数据，之前还包括：驾驶数据还包括：罚分数及罚分原因、过去三年的事故次数。

所述的方法中，将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，还包括：将驾驶数据与标准驾驶模型中的安全规则进行匹配，划分为安全组、次安全组和不安全组，其中，所述安全水平指标包括所述安全规则；安全组为没有罚分的驾驶行为，次安全组为已经罚分，但是罚分原因是不构成危险的驾驶行为，不安全组为已经罚分，且罚分原因是危险驾驶行为。

所述的方法中，找到与比对结果相匹配的驾驶安全水平等级，之后还包括：建立人格中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第一映射关系；建立态度中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第二映射关系；建立行为中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第三映射关系。

所述的方法中，所述第一映射关系中，在人格的利他性维度上，安全组高于次安全组，次安全组高于不安全组；所述第二映射关系中，在态度的酒后驾驶、遵守规则、超速驾驶和戴安全带驾驶维度上，安全组低于次安全组，次安全组低于不安全组；所述第三映射关系中，在行为的一般性违规行为维度上，安全组低于次安全组，次安全组低于不安全组。

本发明的上述技术方案的有益效果如下：建立一个标准驾驶模型，标准驾驶模型应当是与测试场景相对应的，设置了测试场景之后，获取在该测试场景中的驾驶过程的驾驶参数，将这些驾驶参数与标准驾驶模型进行比对匹配，如此，能够得到这一驾驶过程的安全水平，实现了对不同的驾驶过程进行安全水平分级的目的。

附图说明

图1表示一种汽车驾驶人安全驾驶水平测评的方法流程示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

充分考虑驾驶者自身所具有的一些特性进行测评，据此分别对驾驶者进行测试，并给出具有一定信度的测评成绩。

本发明实施例提供一种汽车驾驶人安全驾驶水平测评的方法，如图1所示，应用于安全评估装置，包括：

步骤101，设置一个测试场景，所述测试场景包括不同的路况；

步骤102，获取在所述测试场景中的驾驶过程所生成的驾驶数据；

步骤103，将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，找到与比对结果相匹配的驾驶安全水平等级。

应用所提供的技术方案，建立一个标准驾驶模型，标准驾驶模型应当是与测试场景相对应的，设置了测试场景之后，获取在该测试场景中的驾驶过程的驾驶参数，将这些驾驶参数与标准驾驶模型进行比对匹配，如此，能够得到这一驾驶过程的安全水平，实现了对不同的驾驶过程进行安全水平分级的目的。

在一个优选实施例中，设置一个测试场景，所述测试场景包括不同的路况，具体包括：

在一个优选实施例中，标准驾驶模型中采用标准速度、标准超速时间、标准超速最大值百分比、标准方向盘转角、标准事故次数和标准转向灯作为所述安全水平指标；

采集的驾驶参数包括：速度、超速时间、超速最大值百分比、方向盘转角、事故次数和转向灯。

在一个优选实施例中，将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，具体包括：

将速度、超速时间、超速最大值百分比、方向盘转角、事故次数和转向灯分别与所述标准驾驶模型中的标准速度、标准超速时间、标准超速最大值百分比、标准方向盘转角、标准事故次数和标准转向灯进行比对，得到比对结果。

在一个优选实施例中，驾驶安全水平等级具体包括：初级、中级、高级和技师级。

在一个优选实施例中，还包括：

针对不同的驾驶安全水平等级，给予个性化的驾驶心理特征描述和驾驶建议。

驾驶心理特征包括：

感知性-根据平均速度进行描述，

自省性-根据超速时间进行描述，

冲动性-根据超速百分比进行描述，

稳定性性-根据方向盘转角进行描述，

安全性-根据事故次数进行描述，

警觉性性-根据转向灯总数进行描述。

以心理测量基本原理为基础，通过问卷调查、模拟器实验、数学建模等方法建立驾驶安全测评标准及测量体系，其中的模拟驾驶测试部分是在一条由多个场景组成的道路上完成的。

在一个优选实施例中，获取在所述测试场景中的驾驶过程所生成的驾驶数据，之前还包括：

输入用于描述驾驶者的特征属性数据，特征属性数据包括人格、态度和行为，所述人格、态度和行为均包括至少一个维度。其中，

人格包括的维度有：焦虑、愤怒、感觉寻求、利他性、无规范性、自我控制和自尊；

态度包括的维度有：鲁莽驾驶、小心驾驶、酒后驾驶、遵守规则、超速驾驶、戴安全带驾驶和上不安全驾驶者的车；

行为包括的维度有：攻击性违规、一般性违规、错误和失误。

性别、学历、驾驶者性质和平均每周驾驶公里数都是驾驶者的特征属性数据的一部分。

在一个优选实施例中，获取在所述测试场景中的驾驶过程所生成的驾驶数据，之前还包括：

驾驶数据还包括：罚分数及罚分原因、过去三年的事故次数。

罚分数及罚分原因，过去三年的事故次数是划分安全和不安全驾驶者使用的指标。罚分数及罚分原因包含：超速、在高速公路上停车、闯红灯、逆行、违章倒车等危险驾驶行为的驾驶者划分为不安全驾驶者；没有被罚分或者被罚分了，但是罚分原因只是违章停车、违反限行、违规行驶标线、并道压线等不构成危险驾驶行为的驾驶者归为安全驾驶者。

在一个优选实施例中，将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，还包括：

将驾驶数据与标准驾驶模型中的安全规则进行匹配，划分为安全组、次安全组和不安全组，其中，所述安全水平指标包括所述安全规则；

安全组为没有罚分的驾驶行为，次安全组为已经罚分，但是罚分原因是不构成危险的驾驶行为，不安全组为已经罚分，且罚分原因是危险驾驶行为。

根据驾驶者在过去三年的事故率、罚分情况，将驾驶者分为了安全和不安全驾驶者，通过比较两组驾驶者在问卷的各个维度上是否有差异来判断行为、态度以及人格的哪些维度具有区分作用。

在一个优选实施例中，找到与比对结果相匹配的驾驶安全水平等级，之后还包括：

建立人格中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第一映射关系；

建立态度中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第二映射关系；

建立行为中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第三映射关系。

根据驾驶是否在过去一年内被罚过分，将驾驶者人为地划分为两类。一类为安全驾驶者，即没有被罚分的驾驶者，而另一类则是曾被罚分的不安全驾驶者。如果两组驾驶者在行为、态度和人格的维度上有差异，且差异达到了统计意义上的显著则表明这个维度能有效区分安全与不安全驾驶者；如果没有差异，则说明这个维度无法区分安全组与不安全组。

在一个优选实施例中，

所述第一映射关系中，

在人格的利他性维度上，安全组高于次安全组，次安全组高于不安全组；

所述第二映射关系中，

在态度的酒后驾驶、遵守规则、超速驾驶和戴安全带驾驶维度上，安全组低于次安全组，次安全组低于不安全组；

所述第三映射关系中，

在行为的一般性违规行为维度上，安全组低于次安全组，次安全组低于不安全组。

检验两类驾驶者在人格、态度、行为这三方面的差异得到结果：

人格维度，安全驾驶者与不安全驾驶者在人格的所有维度上差异都不是非常好的显著，但是，安全和不安全组驾驶者在利他性上存在差异，安全组驾驶者的利他性得分更高，更能设身处地地为别人考虑。

态度维度，两组驾驶者在对酒后驾驶、遵守规则、超速驾驶带安全带驾驶、与不安全驾驶者同行的态度上存在差异。不安全组驾驶者较安全组驾驶者在这些维度上得分更高。安全驾驶者和不安全驾驶者在酒后驾驶、遵守规则、超速驾驶以及与上不安全驾驶者的车等4个维度上的差异显著。不安全驾驶者较安全驾驶者在这些维度上得分更高。

行为维度，两组驾驶者在一般性违规行为上存在差异。较安全组驾驶者，不安全组驾驶者有更多的一般性违规行为。具体地，与安全驾驶者相比，不安全驾驶者有更多的一般性违规行为。

在一个优选实施例中，将过去一年内被罚分数≥6的归为不安全驾驶者，将罚分数少于6的归为安全驾驶者。

人格维度，安全组驾驶者与不安全驾驶者在利他性上存在显著差异。安全驾驶者次安全驾驶者的利他性上得分更高，更能设身处地的为他人考虑。

态度维度，两组驾驶者在酒后驾驶、超速驾驶上存在显著差异。不安全组驾驶者更不重视酒后驾驶和超速驾驶的危害。

行为维度，两组驾驶者在一般性违规上有显著差异，具体地，不安全驾驶者有更多的一般性违规行为。

在一个优选实施例中，在过去三年内发生的事故次数＜3的为安全组，而不安全驾驶者则是发生事故≥3的。

安全驾驶者是指，在过去三年内发生的事故次数＜3的人，而不安全驾驶者则是发生事故≥3的人。可以看出，

人格维度，安全驾驶者和不安全驾驶者在无规范性、焦虑、愤怒、利他性上均有显著差异。相对于安全驾驶者，不安全驾驶者更无规范性，为了目的可以不折手段；遇到不顺时更容易焦虑和愤怒；且也更不考虑他人。

态度维度，两组人员在鲁莽驾驶、遵守规则、超速驾驶上均存在显著差异。不安全驾驶者较安全驾驶者在这些维度上得分更高。

行为维度，安全组和不安全组驾驶者在一般性违规、错误、失误上均存在显著差异。不安全驾驶者比安全驾驶者有更多的一般性违规行为、驾驶中出现更多的错误和失误行为。

在一个优选实施例中，通过比较安全组与不安全组驾驶者在人格、态度和行为这三方面上是否存在差异，从而判断哪些人格、态度和行为维度能够区分安全与不安全驾驶者。

在排除了某些额外因素-如驾驶者的驾驶里程数、性别、年龄等的影响后，在差异检验的基础上进行了回归分析，统计结果表明，人格、态度和行为三方面对驾驶事故和罚分的预测作用是：当控制了驾驶者的年龄、性别、驾驶里程数的影响后，在人格上无规范性、焦虑、愤怒和利他性能显著地预测驾驶事故数；在态度上，鲁莽驾驶、遵守规则和超速驾驶对驾驶事故的预测作用达到了显著；在行为上，一般性违规和失误对驾驶事故的预测作用达到了显著。在以上的分析中，当使用不同的指标或方法来考察哪些人格、态度和行为维度能够区分安全与不安全驾驶者时，具有区分作用的维度并不完全相同。

录入驾驶者的特征属性数据和模拟驾驶测试场景的数据，得到驾驶过程中生成的驾驶数据，不同驾驶者的驾驶数据是不同的，由于标准驾驶模型中记录了正确驾驶行为的数据，因此，可以通过比对知道当前的驾驶数据中出现的违规错误，将违规错误与驾驶者的特征属性数据进行关联，可以知道哪些特征属性与不同的错误驾驶行为之间的关系。

采用本方案之后的优势是：录入驾驶者的特征属性数据和模拟驾驶测试场景的数据，得到驾驶过程中生成的驾驶数据，不同驾驶者的驾驶数据是不同的，由于标准驾驶模型中记录了正确驾驶行为的数据，因此，可以通过比对知道当前的驾驶数据中出现的违规错误，将违规错误与驾驶者的特征属性数据进行关联，可以知道哪些特征属性与不同的错误驾驶行为之间的关系。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种汽车驾驶人安全驾驶水平测评的方法，其特征在于，应用于驾驶评估装置，方法包括：

设置一个测试场景，所述测试场景包括不同的路况；

获取在所述测试场景中的驾驶过程所生成的驾驶数据；

将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，找到与比对结果相匹配的驾驶安全水平等级。

2.根据权利要求1所述的方法，其特征在于，标准驾驶模型中采用标准速度、标准超速时间、标准超速最大值百分比、标准方向盘转角、标准事故次数和标准转向灯作为所述安全水平指标；

采集的驾驶参数包括：速度、超速时间、超速最大值百分比、方向盘转角、事故次数和转向灯。

3.根据权利要求2所述的方法，其特征在于，将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，具体包括：

将速度、超速时间、超速最大值百分比、方向盘转角、事故次数和转向灯分别与所述标准驾驶模型中的标准速度、标准超速时间、标准超速最大值百分比、标准方向盘转角、标准事故次数和标准转向灯进行比对，得到比对结果。

4.根据权利要求1所述的方法，其特征在于，驾驶安全水平等级具体包括：初级、中级、高级和技师级。

5.根据权利要求1所述的方法，其特征在于，还包括：

针对不同的驾驶安全水平等级，输出个性化的驾驶心理特征描述和驾驶建议。

6.根据权利要求1所述的方法，其特征在于，获取在所述测试场景中的驾驶过程所生成的驾驶数据，之前还包括：

输入用于描述驾驶者的特征属性数据，特征属性数据包括人格、态度和行为，所述人格、态度和行为均包括至少一个维度。

7.根据权利要求6所述的方法，其特征在于，获取在所述测试场景中的驾驶过程所生成的驾驶数据，之前还包括：

驾驶数据还包括：罚分数及罚分原因、过去三年的事故次数。

8.根据权利要求7所述的方法，其特征在于，将所述驾驶数据中的各个驾驶参数与标准驾驶模型中对应的安全水平指标进行比对，还包括：

将驾驶数据与标准驾驶模型中的安全规则进行匹配，划分为安全组、次安全组和不安全组，其中，所述安全水平指标包括所述安全规则；

安全组为没有罚分的驾驶行为，次安全组为已经罚分，但是罚分原因是不构成危险的驾驶行为，不安全组为已经罚分，且罚分原因是危险驾驶行为。

9.根据权利要求8所述的方法，其特征在于，找到与比对结果相匹配的驾驶安全水平等级，之后还包括：

建立人格中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第一映射关系；

建立态度中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第二映射关系；

建立行为中各个维度与安全组、次安全组和不安全组中的驾驶行为之间的第三映射关系。

10.根据权利要求9所述的方法，其特征在于，

所述第一映射关系中，

在人格的利他性维度上，安全组高于次安全组，次安全组高于不安全组；

所述第二映射关系中，

在态度的酒后驾驶、遵守规则、超速驾驶和戴安全带驾驶维度上，安全组低于次安全组，次安全组低于不安全组；

所述第三映射关系中，

在行为的一般性违规行为维度上，安全组低于次安全组，次安全组低于不安全组。

Images