CN106570609A - 一种驾驶人动态风险感知能力的测试与评价方法 - Google Patents
一种驾驶人动态风险感知能力的测试与评价方法 Download PDFInfo
- Publication number
- CN106570609A CN106570609A CN201610840140.9A CN201610840140A CN106570609A CN 106570609 A CN106570609 A CN 106570609A CN 201610840140 A CN201610840140 A CN 201610840140A CN 106570609 A CN106570609 A CN 106570609A
- Authority
- CN
- China
- Prior art keywords
- risk
- driver
- information
- dynamic
- dynamic risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008447 perception Effects 0.000 title claims abstract description 73
- 238000012360 testing method Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 27
- 239000013256 coordination polymer Substances 0.000 claims description 20
- 230000035945 sensitivity Effects 0.000 claims description 16
- 238000010998 test method Methods 0.000 claims description 15
- 238000002474 experimental method Methods 0.000 claims description 10
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000019771 cognition Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 15
- 230000003068 static effect Effects 0.000 description 3
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种驾驶人动态风险感知能力的测试与评价方法,属于驾驶行为识别技术领域。具体步骤为(1)对动态风险信息进行分类;(2)确定不同类型动态风险信息的风险等级;(3)确定测试路段或区域内动态信息的驾驶风险综合级别;(5)构建测试驾驶员风险感知的虚拟实验场景;(6)通过驾驶模拟实验测试驾驶员风险感知数据;(7)对驾驶员动态风险信息感知的评价。本发明能实现对驾驶人动态风险感知能力进行测试和评价的相关技术和方法,以帮助实现对驾驶人风险感知能力的测评,从而改善驾驶员的风险认知能力,提高驾驶员的安全意识,减少事故发生的可能性。
Description
技术领域
本发明涉及一种驾驶人动态风险感知能力的测试与评价方法,属于驾驶行为识别技术领域。
背景技术
驾驶机动车是一项复杂的任务,对驾驶人的各项技能有较高的要求。完成一项驾驶任务不仅要求驾驶人具有良好的感知能力和基本的操控能力,而且还要求驾驶员具有较高的风险意识和持续注意、灵活协调、精准操作的能力,这样才能快捷、安全地完成驾驶任务。在保证安全驾驶的各项技能中,准确有效地发现驾驶环境中的动态风险信息,即驾驶人对动态风险的感知能力,无疑是最重要的能力之一。
虽然驾驶人对动态风险感知的能力非常重要,但至今没有一种较为完善的检测和评价方法。在对驾驶人的培训和考核中,没有对该项能力的测试。但有学者研究使用静态图片来测试驾驶人的风险感知能力,即将一些具有风险情景的图片呈现在受试者面前,让其标注风险信息。但是风险是一个动态的过程,风险信息从出现到交通冲突(或事故)的发生,有一个时间过程,驾驶员发现风险信息的时间越早,化解风险的机会就越多,反之亦然。因此,静态图片测试法并不能完全反应出驾驶人对风险的感知能力。也有学者使用驾驶模拟器测试受试者的风险感知能力,但只是针对研究目标进行的特定实验。目前还未发现有成熟的,能直接用于对驾驶人的动态风险感知能力进行测试和评价的系统。
这里的动态风险是特指一种具有先兆信息的动态风险,这种先兆信息可直接引发交通冲突,甚至交通事故。先兆信息是在风险事件初期形成的信息线索。如行驶在前面车辆的转向信息,左右车辆的并道信息、行人或非机动车的横穿信息等。
发明内容
本发明要解决的技术问题是提供一种驾驶人动态风险感知能力的测试与评价方法,用来测试驾驶人对动态风险先兆信息的感知能力,并对驾驶员的这种风险感知能力进行评价。
本发明的技术方案是:一种驾驶人动态风险感知能力的测试与评价方法,具体步骤为:
(1)对动态风险信息进行分类;
(2)确定不同类型动态风险信息的风险等级;
(3)确定测试路段或区域内动态信息的驾驶风险综合级别;
(5)构建测试驾驶员风险感知的虚拟实验场景;
(6)通过驾驶模拟实验测试驾驶员风险感知数据;
(7)对驾驶员动态风险信息感知的评价。
将动态风险信息进行分类,每一种风险信息都是由源之一与方位之一组合而成,源包括机动车、非机动车、行人,方位包括前方纵向、前方横向、左右两侧,动态风险信息总共分为9类,每一类动态风险信息的风险程度不同。
不同类型的动态风险信息的风险等级是根据先兆风险信息出现后的时间段进行划分的,最早出现先兆信息的一个时间段为1级风险,即cr=1;先兆信息结束前的一个时间段为5级风险,即cr=5;介于上述两级之间的风险级别按时间插值确定;时间越往后,风险越大;无先兆信息时,风险级别为0,即cr=0。
所述测试路段或区域内动态信息的驾驶风险综合级别通过以下公式获得:
其中,CF为道路交通动态风险度,CF的取值为(0,1),当CF=0时,没有先兆风险,当CF=1时,风险最大,wi为9类动态风险信息的权重系数,cri为i类别下的动态风险级别,n是动态风险信息的类别个数。
所述9类动态风险信息的权重系数wi是采用层次分析法来构造判断矩阵后求出确定不同类型信息的风险权重。
所述构建测试驾驶员风险感知的虚拟实验场景包含9类动态风险信息,动态风险信息的先兆信息存在于道路交通虚拟场景中,每一类动态风险信息至少包含一个实验场景,并使它们自然地融合在一个测试场景中,同时预先设定不同信息的风险级别,并根据动态风险信息风险等级设置时间区域。
所述通过驾驶模拟实验测试驾驶员风险感知数据,对每一个动态风险场景,记录驾驶员在风险事件段驾驶员的制动或转向行为,具体方法为:采集驾驶员的制动踏板信息和转向信息,车辆速度和横摆角度,通过分析,确定驾驶员的最早行为时间(制动或转向,取最先发生的时间),即为驾驶员对动态风险的感知时间。
所述驾驶员对动态风险信息感知的评价用驾驶员风险感知度和风险敏感度作为评价指标,驾驶员在整个路段或区域上的对动态风险信息的感知度模型表示为:
其中,CPi是驾驶员感知到了第i个动态风险信息并在第一时间tj采取了相应措施,
当时,CPi=1,
当时,
当时,CPi=5。
所述驾驶员对动态风险信息感知的风险敏感度模型表示为:
CPk=1-CPf
驾驶员风险感知度越低,敏感度越高,风险感知度越高,敏感度越低。
1、动态风险信息分类
动态风险信息从信息源上可分为机动车、非机动车和行人3类信息源;从信息源的方位上每一种信息源又可分为前方纵向信息、前方横向信息和两侧信息等3类方位。前方纵向信息是指:在驾驶车辆前方行驶方向发生的危险信息,如前车的转向、掉头车、制动、对向车道的超车等;前方的横向信息是指从驾驶车辆前面左右方向横穿的危险信息,如路口横穿的车辆、非机动车或行人等;两侧信息是指从驾驶车辆侧面换道,或侧后插入或并行的危险信息,如从后侧方路口插入的车辆,侧面并道的车辆,超车的车辆、路旁行人、非机动车等。根据以上分类方法,每一种风险信息都是由源和方位组成,因此动态风险信息总共分为9类,每一类的信息的风险程度是不同的。
2、动态风险信息的风险等级
本发明所述动态风险是特指一种具有先兆信息的风险。先兆信息的一个重要特征是具有线索出现的时间点和结束点。从事故发生的可能性来看,发现先兆信息的时间对事件风险程度的影响最大,即发现的时间越晚,风险越大。将先兆信息出现后的时间分为若干段,由各时间段来确定不同的风险等级。
先兆信息是相对于驾驶者来说的,先兆信息的风险等级也是针对驾驶者来说的。
根据发现先兆信息的时间段来确定风险级别,对动态风险等级cr与持续时间的关系定义如下:
1)最早出现先兆信息的一个时间段为1级风险,即cr=1;
2)先兆信息结束前的一个时间段为5级风险,即cr=5;
3)介于上述两级之间的风险级别按时间插值确定;
4)时间越往后,风险越大;
5)无先兆信息时,风险级别为0,即cr=0。
本发明所述动态风险信息分为机动车信息、非机动车信息、行人信息,每一类信息又可 分为前方信息、横穿信息、两侧信息等,共有9类信息。由不同的信息类型引发的事故的风险程度不同,采用层次分析法来确定不同类型信息的风险权重。
确定的目标层为动态风险信息的风险等级CR
第一层次包含:车辆信息V,非机动车信息B,行人信息P
第二层次在第一层次下细分,其中:
车辆信息包含:前方信息v1、横穿信息v2、两侧信息v3;
非机动车信息包含:前方信息b1、横穿信息b2、两侧信息b3;
行人信息包含:前方信息p1、横穿信息p2、两侧信息p3;
通过构造判断矩阵后求出权重系数wi。用权重表示不同类型动态信息风险级别的差异性,则整个路段或区域内基于动态信息的驾驶风险综合级别可表示为:
式中,cri为i类别下的动态风险级别;Wi为类别风险权重;n是动态风险信息的类别数。
综合风险等级CR为(1,5)之间的一个值,把式(1)归一化,定义道路交通动态风险度,有:
CF为道路交通动态风险度,CF的取值为(0,1),当CF=0时,没有先兆风险,当CF=1时,风险最大。
3、驾驶员对动态风险信息感知的评价方法
为了实现对驾驶员感知水平的测试与评价,特定义驾驶员风险感知度和风险敏感度,作为驾驶员风险测试和评价的指标。驾驶员风险感知度表示驾驶员对风险度的感知水平,即能识别的风险度,用Pf表示。风险敏感度表示驾驶员对风险感知的敏感性,用Pk表示。敏感度越高,表明驾驶员的安全意识越强;敏感度低,说明驾驶员的安全意识弱。驾驶员对风险敏感度大小反应驾驶员对风险感知的阈值,敏感度高说明驾驶员对风险感知的阈值低,反之敏感度低说明驾驶员对风险感知的阈值高。驾驶员风险敏感度与风险感知度的对应关系如下:驾驶员风险感知度越低,敏感度越高,反之亦然。其表达式如下:
Pk=1-Pf (3)
式(3)中,驾驶员对道路交通风险的感知度Pf可以通过测试实验获取。
因此,驾驶员对动态风险感知的评价方法是在对驾驶员进行驾驶模拟测试的基础上,计算驾驶员对道路交通动态风险的感知度或敏感度。
通过实验场景设计,设计出具有各类动态信息风险的道路交通环境,受试者在驾驶模拟器上,按指定线路以给定车速驾驶车辆,发现先兆信息后,及时调整车速或方向,记录车辆速度、加减速度、方向盘转角和行驶轨迹。实验结束后,统计实验数据。分别计算驾驶员的风险感知度和敏感度。
针对一个风险信息,风险度在(0,1)区间,当驾驶员感知到风险时,最重要的应对措施是调整车速或转向。车速或转向调整的第一时间就反应了驾驶员对风险感知的程度。根据这一原理设计驾驶员动态风险感知的测试方法。
对某一动态信息i,如果驾驶员感知到了风险并在第一时间ti采取了相应措施,则驾驶员对先兆信息风险的感知度CPi为:
当CPi=1
当
3)当CPi=5
驾驶员在整个路段或区域上的对动态风险信息的感知度模型为:
由此可得驾驶员对动态风险的敏感度模型:
HPk=1-HPf (5)
4、动态风险信息的设计和测试方法
通过驾驶模拟实验进行测试,首先要编制设计测试场景,实验场景要包含上述9类动态风险,动态风险的先兆信息存在于道路交通场景中,每一类动态风险至少包含一个实验场景,并使它们自然地融合在一个测试场景中,如果一个场景太大,可以分成几个实验场景。不同信息的风险级别要预先设定。根据动态风险信息的性质确定风险时间段。
然后进行驾驶模拟实验,对每一个动态风险场景,记录驾驶员在风险事件段驾驶员的制 动或转向行为,具体方法为:采集驾驶员的制动踏板信息和转向信息,车辆速度和横摆角度,通过分析,确定驾驶员的最早行为时间(制动或转向,取最先发生的时间),即为驾驶员对动态风险的感知时间。
本发明的有益效果是:能实现对驾驶人动态风险感知能力进行测试和评价的相关技术和方法,以帮助实现对驾驶人风险感知能力的测评,从而改善驾驶员的风险认知能力,提高驾驶员的安全意识,减少事故发生的可能性。
附图说明
图1是本发明流程图;
图2是本发明动态信息分类示意图;
图3是本发明实施例2动态风险信息场景设计图;
图4是本发明实施例3动态风险信息场景设计图;
图5是本发明实施例4动态风险信息场景设计图;
图6是本发明实施例5动态风险信息场景设计图;
图7是本发明实施例6动态风险信息场景设计图;
图8是本发明实施例2-6中动态风险场景设计图图例。
具体实施方式
下面结合附图和具体实施方式,对本发明作进一步说明。
实施例1,一种驾驶人动态风险感知能力的测试与评价方法,具体步骤为:
(1)对动态风险信息进行分类;
(2)确定不同类型动态风险信息的风险等级;
(3)确定测试路段或区域内动态信息的驾驶风险综合级别;
(5)构建测试驾驶员风险感知的虚拟实验场景;
(6)通过驾驶模拟实验测试驾驶员风险感知数据;
(7)对驾驶员动态风险信息感知的评价。
将动态风险信息进行分类,每一种风险信息都是由源之一与方位之一组合而成,源包括机动车、非机动车、行人,方位包括前方纵向、前方横向、左右两侧,动态风险信息总共分为9类,每一类动态风险信息的风险程度不同。
不同类型的动态风险信息的风险等级是根据先兆风险信息出现后的时间段进行划分的,最早出现先兆信息的一个时间段为1级风险,即cr=1;先兆信息结束前的一个时间段为5级风险,即cr=5;介于上述两级之间的风险级别按时间插值确定;时间越往后,风险越大;无先兆信息时,风险级别为0,即cr=0。
所述测试路段或区域内动态信息的驾驶风险综合级别通过以下公式获得:
其中,CF为道路交通动态风险度,CF的取值为(0,1),当CF=0时,没有先兆风险,当CF=1时,风险最大,wi为9类动态风险信息的权重系数,cri为i类别下的动态风险级别,n是动态风险信息的类别个数。
所述9类动态风险信息的权重系数wi是采用层次分析法来构造判断矩阵后求出确定不同类型信息的风险权重。
所述构建测试驾驶员风险感知的虚拟实验场景包含9类动态风险信息,动态风险信息的先兆信息存在于道路交通虚拟场景中,每一类动态风险信息至少包含一个实验场景,并使它们自然地融合在一个测试场景中,同时预先设定不同信息的风险级别,并根据动态风险信息风险等级设置时间区域。
所述通过驾驶模拟实验测试驾驶员风险感知数据,对每一个动态风险场景,记录驾驶员在风险事件段驾驶员的制动或转向行为,具体方法为:采集驾驶员的制动踏板信息和转向信息,车辆速度和横摆角度,通过分析,确定驾驶员的最早行为时间(制动或转向,取最先发生的时间),即为驾驶员对动态风险的感知时间。
所述驾驶员对动态风险信息感知的评价用驾驶员风险感知度和风险敏感度作为评价指标,驾驶员在整个路段或区域上的对动态风险信息的感知度模型表示为:
其中,CPi是驾驶员感知到了第i个动态风险信息并在第一时间tj采取了相应措施,
当时,CPi=1,
当时,
当时,CPi=5。
所述驾驶员对动态风险信息感知的风险敏感度模型表示为:
CPk=1-CPf
驾驶员风险感知度越低,敏感度越高,风险感知度越高,敏感度越低。
实施例2,本实施例其他部分与实施例1相同,其中设计动态风险测试场景如图3所示:
双向4车道,中间有隔离护栏。主车在内侧车道内直行,与对向车道一辆面包车会车,此时面包车后方出现一位行人横穿马路准备翻越护栏。
先兆信息:城市道路上行人比较多,面包车后方出现行人,并向护栏接近,行人可能翻越护栏,是主车驾驶员需要注意的先兆信息。
实施例3,本实施例其他部分与实施例1相同,其中设计动态风险测试场景如图4所示:
双向4车道,中间为绿化隔离带。主车正常行驶,主车右前方有一辆电动车,一段时间后,电动车逐渐从非机动车道驶入机动车道,最终驶向对面。
先兆信息:电动车逐渐由非机动车道向机动车道靠近,此时的电动车可能占用机动车道行驶,也可能是横穿马路,是主车驾驶员需要注意的先兆信息。
实施例4,本实施例其他部分与实施例1相同,其中设计动态风险测试场景如图5所示:
双向4车道,T型路口,无信号灯。主车行驶到T型路口附近,面包车减速停止在左转代行区路口,此时,面包车后方有一辆车驶入路口并左转,此时主车已经接近路口。
先兆信息:在无信号控制的T型路口,支路让干路,转弯让直行。主车在接近路口时,面包车停止,但是面包车后方的车辆没有减速,径直向路口行驶并左转。突然驶入交叉口的车辆,是主车驾驶员需要注意的先兆信息。
实施例5,本实施例其他部分与实施例1相同,其中设计动态风险测试场景如图6所示:
双向4车道,中间为绿化带隔离,有信号灯控制。主车驶入十字路口时,行驶方向为红灯,在接近十字路口时,绿灯亮起。横向道路上有一辆摩托车横穿闯红灯。
先兆信息:在接近十字路口时,主车直行方向亮起绿灯,允许同行,同时左侧一辆摩托车在接近十字路口时没有减速,径直前行,横穿马路。闯红灯的机动车是主车驾驶员需要主意的先兆信息。
实施例6,本实施例其他部分与实施例1相同,其中设计动态风险测试场景如图7所示:
匝道入口,在车接近匝道口时,主车道一辆前行的车辆正要与主车汇入同一车道。
先兆信息:主车在接近匝道口的地方,发现主车道有行车后应采取措施。匝道口并线时出现的车辆是驾驶员需要主要的信息。
驾驶模拟实验三维场景可以参照实际交通情景录像进行设计制作,包括静态模型和动态模型。目前市场上有很多建立三维虚拟场景的工具软件,都能够实现对本测试三维场景的制作。
以上结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出 各种变化。
Claims (9)
1.一种驾驶人动态风险感知能力的测试与评价方法,其特征在于具体步骤为:
(1)对动态风险信息进行分类;
(2)确定不同类型动态风险信息的风险等级;
(3)确定测试路段或区域内动态信息的驾驶风险综合级别;
(5)构建测试驾驶员风险感知的虚拟实验场景;
(6)通过驾驶模拟实验测试驾驶员风险感知数据;
(7)对驾驶员动态风险信息感知的评价。
2.根据权利要求1所述的驾驶人动态风险感知能力的测试与评价方法,其特征在于:将动态风险信息进行分类,每一种风险信息都是由源之一与方位之一组合而成,源包括机动车、非机动车、行人,方位包括前方纵向、前方横向、左右两侧,动态风险信息总共分为9类,每一类动态风险信息的风险程度不同。
3.根据权利要求1或2所述的驾驶人动态风险感知能力的测试与评价方法,其特征在于:不同类型的动态风险信息的风险等级是根据先兆风险信息出现后的时间段进行划分的,最早出现先兆信息的一个时间段为1级风险,即cr=1;先兆信息结束前的一个时间段为5级风险,即cr=5;介于上述两级之间的风险级别按时间插值确定;时间越往后,风险越大;无先兆信息时,风险级别为0,即cr=0。
4.根据权利要求1所述的驾驶人动态风险感知能力的测试与评价方法,其特征在于:所述测试路段或区域内动态信息的驾驶风险综合级别通过以下公式获得:
其中,CF为道路交通动态风险度,CF的取值为(0,1),当CF=0时,没有先兆风险,当CF=1时,风险最大,wi为9类动态风险信息的权重系数,cri为i类别下的动态风险级别,n是动态风险信息的类别个数。
5.根据权利要求2所述的驾驶人动态风险感知能力的测试与评价方法,其特征在于:所述9类动态风险信息的权重系数wi是采用层次分析法来构造判断矩阵后求出确定不同类型信息的风险权重。
6.根据权利要求1所述的驾驶人动态风险感知能力的测试与评价方法,其特征在于:所述构建测试驾驶员风险感知的虚拟实验场景包含9类动态风险信息,动态风险信息的先兆信息存在于道路交通虚拟场景中,每一类动态风险信息至少包含一个实验场景,并使它们自然地融合在一个测试场景中,同时预先设定不同信息的风险级别,并根据动态风险信息风险等级设置时间区域。
7.根据权利要求1所述的驾驶人动态风险感知能力的测试与评价方法,其特征在于:所述通过驾驶模拟实验测试驾驶员风险感知数据,对每一个动态风险场景,记录驾驶员在风险事件段驾驶员的制动或转向行为,具体方法为:采集驾驶员的制动踏板信息和转向信息,车辆速度和横摆角度,通过分析,确定驾驶员的最早行为时间,即为驾驶员对动态风险的感知时间。
8.根据权利要求7所述的驾驶人动态风险感知能力的测试与评价方法,其特征在于:所述驾驶员对动态风险信息感知的评价用驾驶员风险感知度和风险敏感度作为评价指标,驾驶员在整个路段或区域上的对动态风险信息的感知度模型表示为:
其中,CPi是驾驶员感知到了第i个动态风险信息并在第一时间tj采取了相应措施,
当时,CPi=1,
当时,
当时,CPi=5。
9.根据权利要求8所述的驾驶人动态风险感知能力的测试与评价方法,其特征在于:所述驾驶员对动态风险信息感知的风险敏感度模型表示为:
CPk=1-CPf
驾驶员风险感知度越低,敏感度越高,风险感知度越高,敏感度越低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610840140.9A CN106570609A (zh) | 2016-09-22 | 2016-09-22 | 一种驾驶人动态风险感知能力的测试与评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610840140.9A CN106570609A (zh) | 2016-09-22 | 2016-09-22 | 一种驾驶人动态风险感知能力的测试与评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570609A true CN106570609A (zh) | 2017-04-19 |
Family
ID=58531897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610840140.9A Pending CN106570609A (zh) | 2016-09-22 | 2016-09-22 | 一种驾驶人动态风险感知能力的测试与评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570609A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956867A (zh) * | 2019-05-15 | 2020-04-03 | 多伦科技股份有限公司 | 基于大数据驾驶员行为分析的培训系统及培训方法 |
CN111627130A (zh) * | 2019-02-27 | 2020-09-04 | 丰田自动车株式会社 | 评价装置 |
CN113449790A (zh) * | 2021-06-25 | 2021-09-28 | 贵州省都匀公路管理局 | 基于svm的山区干线公路高危路段辨识方法 |
CN115089182A (zh) * | 2022-05-23 | 2022-09-23 | 长安大学 | 一种多维度驾驶员风险感知能力的评估方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202342058U (zh) * | 2011-12-13 | 2012-07-25 | 长安大学 | 汽车驾驶员风险反应能力检测仪 |
-
2016
- 2016-09-22 CN CN201610840140.9A patent/CN106570609A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202342058U (zh) * | 2011-12-13 | 2012-07-25 | 长安大学 | 汽车驾驶员风险反应能力检测仪 |
Non-Patent Citations (2)
Title |
---|
秦雅琴等: "《风险驾驶模拟情境下驾驶人风险感知研究》", 《交通运输系统工程与信息》 * |
肖将: "《驾驶人风险感知效用研究》", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111627130A (zh) * | 2019-02-27 | 2020-09-04 | 丰田自动车株式会社 | 评价装置 |
CN110956867A (zh) * | 2019-05-15 | 2020-04-03 | 多伦科技股份有限公司 | 基于大数据驾驶员行为分析的培训系统及培训方法 |
CN113449790A (zh) * | 2021-06-25 | 2021-09-28 | 贵州省都匀公路管理局 | 基于svm的山区干线公路高危路段辨识方法 |
CN115089182A (zh) * | 2022-05-23 | 2022-09-23 | 长安大学 | 一种多维度驾驶员风险感知能力的评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6870038B2 (ja) | 走行挙動の安全性検出方法、走行挙動の安全性検出装置及びコンピュータ読取可能な記憶媒体 | |
CN111565990B (zh) | 用于自主车辆的软件验证 | |
Feng et al. | Drivers overtaking bicyclists—An examination using naturalistic driving data | |
CN106570609A (zh) | 一种驾驶人动态风险感知能力的测试与评价方法 | |
CN104133720A (zh) | 机动车驾驶人驾驶安全度评测系统 | |
CN106491144A (zh) | 一种驾驶人潜伏风险感知能力的测试与评价方法 | |
CN113034952B (zh) | 一种基于车路协同的路段交通安全实时预警系统 | |
JP4814816B2 (ja) | 事故発生予測シミュレーション装置、方法及びプログラム並びに安全システム評価装置及び事故警報装置 | |
Wang et al. | Causation analysis of crashes and near crashes using naturalistic driving data | |
Toledo et al. | Alternative definitions of passing critical gaps | |
CN108447306B (zh) | 无控交叉口冲突车辆间实时位置共享避撞预警的模拟方法 | |
Duan et al. | Improving drivers’ merging performance in work zone using an in-vehicle audio warning | |
Amini et al. | Risk scenario designs for driving simulator experiments | |
Yonekawa et al. | Driving behavior analysis of elderly drivers passing through stop sign intersection using driving simulator | |
Ziraldo et al. | Driver Response to Left Incurring Path Intrusions at Sign-Controlled Intersections | |
CN112754483B (zh) | 一种测试及训练驾驶员注意分配能力的方法和系统 | |
Nemmang et al. | Analysis of speeding behaviour during approaching the U-turn facility road segment based on driving simulation test | |
Chen et al. | Brake response time under near-crash cases with cyclist | |
Calvi et al. | A driving simulator study for assessing the potential of augmented reality technology to improve the safety of passing maneuvers | |
Ikeda et al. | Study of driver characteristics using driving simulator considerations on difference in accident avoidance performance due to age | |
CN107346621A (zh) | 一种在固定线路上行驶的模拟驾驶训练方法 | |
Gremmelmaier et al. | Cyclist behavior: a survey on characteristics and trajectory modeling | |
Fan et al. | Role of vehicle trajectory and lateral acceleration in designing horizontal curve radius of off-ramp: a driving simulator based study. | |
JP7353323B2 (ja) | 検証装置、方法及びプログラム | |
Hirsch et al. | Towards the validation of a driving simulator-based hazard response test for novice drivers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170419 |