CN107169202A - 一种行进车辆间安全保持距离的计算方法 - Google Patents
一种行进车辆间安全保持距离的计算方法 Download PDFInfo
- Publication number
- CN107169202A CN107169202A CN201710346045.8A CN201710346045A CN107169202A CN 107169202 A CN107169202 A CN 107169202A CN 201710346045 A CN201710346045 A CN 201710346045A CN 107169202 A CN107169202 A CN 107169202A
- Authority
- CN
- China
- Prior art keywords
- distance
- vehicle
- collision prevention
- car
- traffic
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种行进车辆间安全保持距离的计算方法,属于载运工具跟驰运行控制技术领域,具体涉及到为保证安全,提出降低事故可能性而延长的一个合理的保持距离的计算方法,综合考虑了人车路多因素对安全车距的要求及影响,以降低事故概率为目标确定科学合理的行车间距,为行车预警系统优化奠定了基础,结合智能交通的发展,推动无人驾驶车辆开发,提供有价值的技术依据。
Description
技术领域
本发明涉及载运工具跟驰运行控制技术领域,特别是一种行进车辆间安全保持距离的计算方法。
背景技术
安全车距表述为司机发现由于车速不同导致与前后车有碰撞危险时,采取制动等变速行为而不撞上目标所需的距离。在这里,安全车距与安全间距有所区别,安全间距还包括的侧向车辆的距离,而车距则明确表述为前后车之间的关系。
学术界针对行车安全间距多有讨论,然而目前现有的研究中,建立的模型理想化,很多参数无法实时获取,难以指导实际应用。例如在交通领域,安全车距的推导,需要综合考虑当时的风雨等天气环境、坡度线型路面等道路条件、周边车辆等外界因素才能给出正确合理的参考意见,在现有研究中并未有详细讨论。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种行进车辆间安全保持距离的计算方法,针对背景技术中难以确定的距离的计算方法,从而推算出安全保持距离。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种行进车辆间安全保持距离的计算方法,包括以下步骤:
步骤一、建立加成距离指标体系,该体系包括目标层和准则层,目标层是加成距离安全程度指标体系A,准则层包括主成分分析部分B1和层次分析法部分B2;主成分分析部分B1包括道路条件和交通影响,层次分析法部分B2包括社会影响、司机因素、避碰物特征和本车因素;
步骤二、采用主成分分析法对主成分分析部分B1进行分析,从而建立影响评估函数G1:
其中,p表示一个样本中包含的评价指标的总数,h表示参与运算需要用到的主成分的个数,λg表示经计算后的相关矩阵的对应特征值,Fg表示经转换后的主成分。
步骤三、采用运用层次分析法对层次分析法部分B2进行分析,从而建立影响评估函数G2:
其中,wi表示对应指标的权重,Ci表示对应指标的实际取值。
步骤四、根据步骤二获得的G1、步骤三获得的G2,建立加成距离综合评价模型T:T=W1G1+W2G2;
其中,W1为主成分分析部分B1对目标层A的相对权重,W2为层次分析法部分B2对目标层A的相对权重;
步骤五、根据步骤四确定的T,插值确定加成距离La,
其中,Lc为紧急制动距离,LM为插入车辆的车身长度;
步骤六、根据步骤五获得的La,计算出车辆间安全保持距离L:
其中,Lb为遇到突发事件车辆进行的基本距离、是反应距离加上紧急制动距离。
作为本发明所述的一种行进车辆间安全保持距离的计算方法进一步优化方案,道路条件包括道路线型、交通冲突点和桥涵,交通影响包括二次事故和交通疏散;避碰物特征包括避碰物性质、避碰物状态和避碰物与本车相对位置;本车因素包括乘载状态和车况车态。
作为本发明所述的一种行进车辆间安全保持距离的计算方法进一步优化方案,
道路线型:由GIS获取车辆当时所在的道路线型,确定该线型的事故安全影响;
交通冲突点:由GIS获取车辆所处环境,确定交通冲突点的种类以及安全级别;
桥涵:由GIS获取车辆所处位置是否为桥涵,确定其种类及其安全级别;
二次事故:选取交通量、车型、道路类型和天气环境状况作为指标,形成二次事故风险模型;
交通疏散:选取天气环境、道路类型、车型和交通量作为指标,形成交通疏散模型。
作为本发明所述的一种行进车辆间安全保持距离的计算方法进一步优化方案,
社会影响:通过GIS确定车辆附近的地物,对地物进行划分,确定其安全程度,通过评分赋予一个百分制的数值;
避碰物性质:通过视频检测技术确认避碰对象的类型及其安全影响程度,通过评分赋予一个百分制的数值;
避碰物与本车相对位置:通过视频检测技术确认避碰物与本车的位置关系,确定本车碰撞后的损害程度,通过评分赋予一个百分数值;
避碰物状态:通过视频检测技术确认避碰物是否存在异常,确认安全程度并通过评分赋予分值;
乘载状态:识别乘客特征和载货特征,确认本车的安全级别并赋予相应的分值;
车况车态:车辆性质和车龄数据事先输入,实时检测的当前健康状态以及车辆行进姿态,确定其安全程度并进行打分;
司机因素:给出司机心理倾向性,并赋予分值。
作为本发明所述的一种行进车辆间安全保持距离的计算方法进一步优化方案,T∈[0,100]。
作为本发明所述的一种行进车辆间安全保持距离的计算方法进一步优化方案,步骤四中的W1,W2是通过层次分析法获得。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明将多种定性的对安全车距产生重要影响的因素进行定量化处理,进而推求两车之间为保证安全应该需要保持的距离,具有实际意义;
(2)综合考虑了人车路多因素对安全车距的要求及影响,以降低事故概率为目标确定科学合理的行车间距,为行车预警系统优化奠定了基础。
附图说明
图1是保持距离定义图。
图2是加成距离安全评价指标体系图。
图3是车辆位置关系图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明重点研究保持距离中的加成距离。首先给出保持距离及加成距离等相关概念。如图1所示,保持距离反映为两车同速跟驰时的车间余量,其最短应能保证前车骤然停止时,后车不触碰前车,在此基础上,出于对当前行车环境中一旦发生碰撞后的社会影响等因素考虑,适度加以延长两车间的距离而降低事故发生率,但最长以不易让邻车道车辆插入为宜,公式如下:
L=Lb+La (1)
L——保持距离。
Lb——遇到突发事件车辆进行的基本距离,Lb为反应距离加上紧急制动距离,为L的下限。
Lm——相邻车道车辆从旁插入的最小距离,为L的上限。
La——为降低事故可能性的加成距离,La∈[0,Lm-Lb]。
Lb的求解,可参考有关反应距离和制动距离的模型,这里不再赘述。
加成距离La的求解,实质上说是一种多因素决策问题,而面对这类问题,主成分分析法和层次分析法都是有效的评价方法。主成分分析法旨在利用降维的思想,把多指标转化为少数几个综合指标(即主成分),其中每个主成分都能够反映原始变量的大部分信息,且所含信息互不重复。层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。但是,在主成分分析中,我们首先应保证所提取的前几个主成分的累计贡献率达到一个较高的水平,其次对这些被提取的主成分必须都能够给出符合实际背景和意义的解释,因此对定性信息的处理有所欠妥,而层次分析法不能为决策提供新方案,定量数据较少,定性成分多,不易令人信服。两种方法各有优劣,为弥补二者缺点,故提出二者综合使用的多因素综合评价方法。
本发明通过分析构建加成距离La安全评价指标体系,如图2所示。指标分为定性和定量两类,对定量指标采用主成分分析法,对定性指标运用层次分析法,从而得到加成距离安全综合评估函数T,并使得T∈[0,100]。T值越大,本车越安全,T=100时,La=0,意味着不需要那么长的车间余量;T值越小,碰撞危险增大。T=0时,La=Lm-Lb,意味着需要更长的安全车距。根据多因素影响可靠性理论,推求T值与La关系,得到二者相关插值曲线,求得当前多因素下加成距离。
下面结合附图和具体实例对本发明技术方案作进一步详细说明。所述一种行进车辆间安全保持距离的计算方法包括以下步骤:
步骤1
建立加成距离指标体系,如图2所示。
(1)目标层:加成距离安全程度指标体系(A)
(2)准则层:主成分分析部分(B1),层次分析法部分(B2)
(3)一级指标层:
(a)道路条件(C1),交通影响(C2)
(b)社会影响(C3),避碰物特征(C4),本车因素(C5),司机因素(C6)
(4)二级指标层:
(a)线型(D1),交通冲突点(D2),桥涵(D3),
(b)二次事故(D4),交通疏散(D5)
(c)避碰物性质(D6),与本车相对位置(D7),避碰物状态(D8)
(d)本车乘载状态(D9),车况车态(D10),
确定安全保持距离影响因素评价准则:
本部分因素并非影响行车安全性,而是考虑一旦发生事故产生的影响及成本,对不同地段发生事故给予一定加权的安全分级考量。
(1)道路条件:
线型:由百度地图等GIS获取车辆当时所在的道路线型,确定该线型的事故安全影响。
交通冲突点:由百度地图等GIS获取车辆所处环境,确定交通冲突点的种类以及安全级别。
桥涵:由百度地图等GIS获取车辆所处位置是否为桥涵,确定其种类及其安全级别。
(2)交通因素:
二次事故:影响因素众多,选取交通量、车型、道路类型、天气环境状况作为指标,形成二次事故风险模型,可参考前人相关研究,主要考虑车辆再次发生事故的影响。
交通疏散:影响因素众多,选取天气环境、道路类型(车道数)、车型、交通量作为指标,形成交通疏散模型,可参考相关研究,重点考虑拖离事故车辆、恢复交通正常的成本。
(3)社会影响:
通过百度地图等GIS确定车辆附近的地物,对地物进行划分,确定其安全程度,通过专家赋予一个百分制的数值。
(4)避碰物特征:
避碰物性质:通过视频检测技术确认避碰对象的类型及其安全影响程度,通过专家赋予一个百分制的数值。
与本车相对位置:通过视频检测技术确认避碰物与本车的位置关系,确定本车碰撞后的损害程度,通过专家评分赋予一个百分数值。
避碰物状态:通过视频检测技术确认避碰物是否存在异常,确认安全程度并通过专家评分赋予分值。
(5)本车因素:
乘载形态:识别乘客特征和载货特征,确认本车的安全级别并赋予相应的分值。
车况车态:车辆性质、车龄等数据事先输入,通过OBD实时检测的当前健康状态,以及车辆行进姿态,确定其安全程度并通过专家进行打分。
(6)司机因素:
可通过前人心理学医学等方面的研究给出其倾向性,并通过专家赋予分值。
步骤2
(1)运用主成分分析法分析部分:
设有p个评价指标和q个样本,则评价指标为Xsu(s=1,2……q;u=1,2,……p;q>p),根据所得数据,得到评价指标样本矩阵X:
之后计算X经标准化后的标准化矩阵Z:
无量纲化时采用标准化法:
其中,各项指标样本平均值:
各项评价指标样本均方差:
标准化后各列指标均值为0,标准差为1,Z协方差阵就是相关矩阵。
则标准化矩阵Z的相关系数矩阵R为:
计算相关矩阵R的p个特征值λu,易知λ1≥λ2≥...≥λp≥0,它是主成分的方差,其大小能够描述各个主成分在综合评价时的相对重要程度。由特征方程式,每一个特征根对应一个特征向量Lg(Lg=lg1,lg2,…,lgp),g=1,2,…,p,将标准化后的指标变量转换为主成分Fg=lg1Z1+bg2Z2+...+bgpZp,(g=1,2,...,p)F1为第一主成分,F2为第二主成分…Fp为第p主成分。主成分个数h按照进行确定,h≤p。
所以基于主成分分析法的影响评估函数G1为:
(2)运用层次分析法部分
构造两两比较的判断矩阵,求解权向量通过两两比较判断的方式,确定每个层次中元素的相对重要性,并用定量的方法表示,进而建立判断矩阵。判断元素的值反映了人们对各因素相对重要性的认识,一般采用标度法。可得到矩阵:
aij有如下特性,aij≥0;i=j时,aij=1;
aij的赋值标准可参考表1,表1为aij赋值标准。
表1
层次单排序:
关于判断矩阵权重计算的方法运用几何平均法(根法),步骤如下:
首先对A按行元素求积,再求1/n次幂,得:
规范法,即得权重系数wi:
一致性检验:
成对比矩阵通常不是一致阵λ>n,这就需要进行一致性检验。检验方法步骤如下:
(a)计算成对比矩阵A的最大特征根λmax:
(b)计算一致性指标CI:
CI=0时(即λ=n时),A为一致矩阵,CI越大,A的不一致程度越严重,CI实质上是除λ外其余n=1个特征根的平均值。
(c)计算一致性比率CR:
RI为随机一致性指标,RI取值如下表2,表2为RI取值表。
表2
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
RI | 0.00 | 0.00 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
决定是否接受比较矩阵的判断及求得的权重系数,若CR<0.1,则接受;否则对A加以调整,重新计算。
层次总排序:
采用同一层次中所有层次单排序的结果可计算对上一层次而言的本层次所有元素重要性数值。是层次总排序。假定上一层次所有元素A1,A2,…,Am的层次总排序己完成,得到的数值分别是a1,a2,…,am:与Ai对应的本层次元素B1,B2,…,Bn。单排序结果为若Bj与Ai无联系,则则有层次总排序的计算方法如下表3,表3为层次总排序的计算方法。
表3
对于总排序的计算结果,需要进行一致性检验。若CI表示层次总排序的一致性指标,则融为层次总排序的随机一致性指标,CR表示层次总排序的随机一致性比例。则有:
其中,CIi和RIi为与ai对应的B层次中判断矩阵的一致性指标、随机一致性指标。
同理,当CR<0.1时,认为总排序的结果具有满意的一致性,否则需要对本层次的判断矩阵进行调整,从而使层次总排序具有满意的一致性。
总排序过程从上到下逐层进行。直到得出最后一层的总排序。这样就计算出了各评价指标的权重.通过专家打分再赋以权重值就可以得出项目的最后安全分值。
则得到影响评估函数G2:
步骤3
基于主成分分析法和层次分析法的加成距离综合评价模型为:
T=W1G1+W2G2 (19)
W1,W2分别为准则层B1,B2对目标层A的相对权重,通过层次分析法获得。
步骤4
保持距离上限Lm求解如图3所示,前后两车Fd,Ld同速,从经济性角度出发,假如此时有车辆M能够插入两车中间,那么后车Fd为保证安全而采取紧急制动,则需要跟M车至少保持一个Lb的距离;同样,M车为保证自身的安全,至少保持一个紧急制动距离Lc,Lm取按标准车要求取值5米,因此,Lm=Lb+Lc+LM。
已知T=0时,La=Lm-Lb;T=100,La=0。
假设加成距离的安全程度与加成距离成线性关系,则:
即
因此
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替代,都应当视为属于本发明的保护范围。
Claims (6)
1.一种行进车辆间安全保持距离的计算方法,其特征在于,包括以下步骤:
步骤一、建立加成距离指标体系,该体系包括目标层和准则层,目标层是加成距离安全程度指标体系A,准则层包括主成分分析部分B1和层次分析法部分B2;主成分分析部分B1包括道路条件和交通影响,层次分析法部分B2包括社会影响、司机因素、避碰物特征和本车因素;
步骤二、采用主成分分析法对主成分分析部分B1进行分析,从而建立影响评估函数G1:
其中,p表示一个样本中包含的评价指标的总数,h表示参与运算需要用到的主成分的个数,λg表示经计算后的相关矩阵的对应特征值,Fg表示经转换后的主成分;
步骤三、采用运用层次分析法对层次分析法部分B2进行分析,从而建立影响评估函数G2:
其中,wi表示对应指标的权重,Ci表示对应指标的实际取值;
步骤四、根据步骤二获得的G1、步骤三获得的G2,建立加成距离综合评价模型T:T=W1G1+W2G2;
其中,W1为主成分分析部分B1对目标层A的相对权重,W2为层次分析法部分B2对目标层A的相对权重;
步骤五、根据步骤四确定的T,插值确定加成距离La,
其中,Lc为紧急制动距离,LM为插入车辆的车身长度;
步骤六、根据步骤五获得的La,计算出车辆间安全保持距离L:
其中,Lb为遇到突发事件车辆进行的基本距离、是反应距离加上紧急制动距离。
2.根据权利要求1所述的一种行进车辆间安全保持距离的计算方法,其特征在于,道路条件包括道路线型、交通冲突点和桥涵,交通影响包括二次事故和交通疏散;避碰物特征包括避碰物性质、避碰物状态和避碰物与本车相对位置;本车因素包括乘载状态和车况车态。
3.根据权利要求2所述的一种行进车辆间安全保持距离的计算方法,其特征在于,
道路线型:由GIS获取车辆当时所在的道路线型,确定该线型的事故安全影响;
交通冲突点:由GIS获取车辆所处环境,确定交通冲突点的种类以及安全级别;
桥涵:由GIS获取车辆所处位置是否为桥涵,确定其种类及其安全级别;
二次事故:选取交通量、车型、道路类型和天气环境状况作为指标,形成二次事故风险模型;
交通疏散:选取天气环境、道路类型、车型和交通量作为指标,形成交通疏散模型。
4.根据权利要求2所述的一种行进车辆间安全保持距离的计算方法,其特征在于,
社会影响:通过GIS确定车辆附近的地物,对地物进行划分,确定其安全程度,通过评分赋予一个百分制的数值;
避碰物性质:通过视频检测技术确认避碰对象的类型及其安全影响程度,通过评分赋予一个百分制的数值;
避碰物与本车相对位置:通过视频检测技术确认避碰物与本车的位置关系,确定本车碰撞后的损害程度,通过评分赋予一个百分数值;
避碰物状态:通过视频检测技术确认避碰物是否存在异常,确认安全程度并通过评分赋予分值;
乘载状态:识别乘客特征和载货特征,确认本车的安全级别并赋予相应的分值;
车况车态:车辆性质和车龄数据事先输入,实时检测的当前健康状态以及车辆行进姿态,确定其安全程度并进行打分;
司机因素:给出司机心理倾向性,并赋予分值。
5.根据权利要求1所述的一种行进车辆间安全保持距离的计算方法,其特征在于,T∈[0,100]。
6.根据权利要求1所述的一种行进车辆间安全保持距离的计算方法,其特征在于,步骤四中的W1,W2是通过层次分析法获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710346045.8A CN107169202A (zh) | 2017-05-17 | 2017-05-17 | 一种行进车辆间安全保持距离的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710346045.8A CN107169202A (zh) | 2017-05-17 | 2017-05-17 | 一种行进车辆间安全保持距离的计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107169202A true CN107169202A (zh) | 2017-09-15 |
Family
ID=59815772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710346045.8A Pending CN107169202A (zh) | 2017-05-17 | 2017-05-17 | 一种行进车辆间安全保持距离的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107169202A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108974018A (zh) * | 2018-08-31 | 2018-12-11 | 辽宁工业大学 | 一种基于机器视觉的汽车前向防碰撞预警装置及其监测方法 |
CN110660270A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆碰撞风险评价模型的建立方法和碰撞风险评价方法 |
CN112862279A (zh) * | 2021-01-26 | 2021-05-28 | 上海应用技术大学 | 高速公路行车道路面状况评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299450A (zh) * | 2014-10-23 | 2015-01-21 | 西安电子科技大学 | 基于层次分析法和灰色模糊的车辆碰撞预警方法 |
CN104691545A (zh) * | 2013-12-04 | 2015-06-10 | 财团法人车辆研究测试中心 | 适应性车辆防碰撞方法 |
-
2017
- 2017-05-17 CN CN201710346045.8A patent/CN107169202A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104691545A (zh) * | 2013-12-04 | 2015-06-10 | 财团法人车辆研究测试中心 | 适应性车辆防碰撞方法 |
CN104299450A (zh) * | 2014-10-23 | 2015-01-21 | 西安电子科技大学 | 基于层次分析法和灰色模糊的车辆碰撞预警方法 |
Non-Patent Citations (3)
Title |
---|
徐青 等: "应用层次-主成分分析法评价高等级公路安全性", 《森林工程》 * |
边明远: "考虑驾驶员个体特性的汽车安全行驶间距模型", 《中国机械工程》 * |
陈德海: "真实环境下车辆行驶安全性综合评价及防碰撞系统研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660270A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆碰撞风险评价模型的建立方法和碰撞风险评价方法 |
CN108974018A (zh) * | 2018-08-31 | 2018-12-11 | 辽宁工业大学 | 一种基于机器视觉的汽车前向防碰撞预警装置及其监测方法 |
CN108974018B (zh) * | 2018-08-31 | 2023-06-16 | 辽宁工业大学 | 一种基于机器视觉的汽车前向防碰撞预警监测方法 |
CN112862279A (zh) * | 2021-01-26 | 2021-05-28 | 上海应用技术大学 | 高速公路行车道路面状况评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409768B (zh) | 物流运输车辆的预警方法 | |
CN110796859A (zh) | 基于交通流的实时交通状态辨识及事故风险预警方法 | |
CN111785023A (zh) | 一种车辆碰撞风险预警方法及系统 | |
CN112201038A (zh) | 一种基于单车不良驾驶行为风险的路网风险评估方法 | |
Zhou et al. | Comparing factors affecting injury severity of passenger car and truck drivers | |
CN107169202A (zh) | 一种行进车辆间安全保持距离的计算方法 | |
CN113988705A (zh) | 一种交通安全风险评估方法及装置 | |
Xiong et al. | Vehicle driving risk prediction based on Markov chain model | |
Barreno et al. | Fuzzy expert system for road type identification and risk assessment of conventional two‐lane roads | |
CN108711285A (zh) | 一种基于道路路口的混合交通模拟方法 | |
Stević et al. | Evaluation of two-lane road sections in terms of traffic risk using an integrated MCDM model | |
Nai et al. | Fuzzy risk mode and effect analyasis based on raw driving data for pay-how-you-drive vehicle insurance | |
Nagahama et al. | Impact of next-nearest leading vehicles on followers' driving behaviours and traffic stability in mixed traffic | |
Mussa et al. | Probabilistic neural networks application for vehicle classification | |
Park et al. | Development of complexity index and predictions of accident risks for mixed autonomous driving levels | |
CN115936541A (zh) | 一种安全道路推荐方法及设备 | |
Cen et al. | A system design for driving behavior analysis and assessment | |
Habibzadeh et al. | Presentation of machine learning approaches for predicting the severity of accidents to propose the safety solutions on rural roads | |
Putri et al. | Determination of freight transport terminal location by using the AHP method for sustainable urban development | |
Dong et al. | Effects of roadway geometric design features on frequency of truck-related crashes | |
Wei et al. | An AHP‐ME‐Based Vehicle Crash Prediction Model considering Driver Intention and Real‐Time Traffic/Road Condition | |
Gonera et al. | Modelling of floorpan wear in passenger vehicles using artificial neural networks | |
Putter | Poster: Preventive Identification of Accident Black Spots on the Basis of Crash Severity Estimation | |
Yuan et al. | Research on technical model and method of urban road traffic accident and traffic conflict based on artificial intelligence | |
Qazvini et al. | An application of fuzzy TOPSIS for identifying and analyzing black spots suburban areas |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170915 |