CN107618512B - 基于人-车-环境多数据源的驾驶行为安全评价方法 - Google Patents
基于人-车-环境多数据源的驾驶行为安全评价方法 Download PDFInfo
- Publication number
- CN107618512B CN107618512B CN201710729067.2A CN201710729067A CN107618512B CN 107618512 B CN107618512 B CN 107618512B CN 201710729067 A CN201710729067 A CN 201710729067A CN 107618512 B CN107618512 B CN 107618512B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- evaluation index
- assessed value
- value
- score
- 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.)
- Active
Links
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出的一种基于人‑车‑环境多数据源的驾驶行为安全评价方法,属于公路运输应用方面的汽车安全驾驶研究领域。本方法首先获取驾驶员的信息数据、车辆的行驶数据和环境因素数据作为汽车行驶源数据;根据汽车行驶源数据对影响驾驶安全的相关因素进行分析,建立驾驶风险评估指标体系;通过统计分析,在源数据中提取评估指标相应的评估值并计算得到待评价车辆的驾驶风险评分,最终确定该车辆的驾驶行为安全等级。本发明方法评价结果可靠,可防止危险驾驶行为,减少交通事故发生,提高交通流量。
Description
技术领域
本发明属于公路运输应用方面的汽车安全驾驶研究领域,特别涉及一种基于人-车-环境多数据源的驾驶行为安全评价方法。
背景技术
人在驾驶汽车的过程中,存在多种主观和客观不安全因素。例如,在正向行驶时,驾驶员进行急刹车、超车等操作,导致安全驾驶事故。又如,驾驶员由于超时驾驶或身体不适,驾驶技能无法正常发挥,出现操作停滞或操作失误,导致安全驾驶事故。此外,若车辆本身的状况或环境状况不佳,如雨雪天气等,也会影响安全驾驶。
随着车联网应用的逐步加深,OBD(On—Board Diagnostic,车载诊断系统)设备和前装集成设备在汽车上的安装,使越来越多的车辆被纳入了信息全程覆盖的范围。汽车作为一个综合的信息服务终端,一方面源源不断地向远程服务器发送车辆各个子系统的运行数据,另一方面从互联网上获取各式各样的信息,包括新闻资讯、音频、视频、基于位置的服务等。
目前,国内外市场上有各种各样的公路交通工具安全评价方法产品及专利。与本发明相关的产品和专利有两类:一类是基于数据流的安全评价模型,有的涉及车辆行驶数据和驾驶员行为分析;另一类是汽车安全驾驶监测预警装置,有的涉及驾驶员行为分析。
近年来,逐渐出现了一些可以对驾驶员驾驶行为进行安全评价的方法和模型。列举其中两个已公开的专利如下:
a)专利“一种基于人-车-路-货多风险源的货运安全评价模型”,申请号为201610529822.8,提出了一种智货运安全评价模型:通过货运安全感知系统,获取驾驶人、车辆、道路和货物信息;采用事故致因理论分析货运车辆事故致因因素,定义人、车、路和货四类风险源的属性集,并采用事故树分析方法对属性集进行分析和筛选;采用层次分析法构建货运安全风险指标体系,并确定各因素对于事故发生的权重;采用模糊评价理论构建货运安全风险评价模型。
b)专利“一种汽车安全驾驶监测装置”,申请号为201120368161.8,提出了一种汽车安全驾驶监测装置:由微控电脑、油量控制器、汽车操纵机构控制器、血液酒精含量测量仪、红外线体温监测仪、脑电波监测仪、报警器、压力开关构成,在车辆运行前和运行中对驾驶人员身体状况和精神状态进行动态监视,使不符合驾驶机动车辆标准的人员无法启动车辆,运行中的车辆将被强行减速直至停止。
上述第一个专利的不足之处在于,仅仅给出了货运风险综合评价指标体系,而并没有给出各项指标具体的判断依据。此外,专利“一种汽车安全驾驶监测装置”只从驾驶员角度考虑了影响汽车安全驾驶的因素,忽略了汽车行驶状态以及环境对汽车安全驾驶的影响,从而不能全面完整的分析驾驶员在行车过程中的状态,由此得出的评价结果也缺乏可靠依据。
发明内容
本发明旨在克服已有技术的不足之处,提出一种基于人-车-路-环境多数据源的驾驶行为安全评价方法。本发明的安全评价方法评价结果可靠,可防止危险驾驶行为,减少交通事故发生,提高交通流量。
一种基于人-车-环境多数据源的驾驶行为安全评价方法,其特征在于,包括以下步骤:
1)获取用于安全评价的数据;
通过车载视频传感器、车载红外线体温监测仪、车载血液酒精含量测试仪获得驾驶员的信息数据,通过车载导航设备连接公司平台获得待评价车辆的行驶数据,通过云平台获得行驶过程中的环境因素数据,将以上三种数据作为汽车行驶源数据并通过存储设备存储;
2)构建驾驶风险评估指标体系;
根据步骤1)获取的汽车行驶源数据对影响驾驶安全的相关因素进行分析,构建驾驶风险评估指标体系;该体系分为三级评估指标:一级评估指标包括危险驾驶行为、驾驶员行为和环境因素三项指标;一级评估指标危险驾驶行为对应的二级评估指标包括:车速控制、行驶控制和车辆控制,一级评估指标驾驶员行为对应的二级评估指标为驾驶员行为,一级评估指标环境因素对应的二级评估指标为环境因素;二级评估指标车速控制对应的三级评估指标包括:超速、频繁变速、急加速、急减速、紧急制动、空挡滑行和熄火滑行,二级评估指标行驶控制对应的三级评估指标包括:右侧超车、弯道超车和跟车过近,二级评估指标车辆控制对应的三级评估指标包括:急转向、转向灯与操作不对应和转向不打转向灯,二级评估指标驾驶员行为对应的三级评估指标包括:未系安全带、疲劳驾驶、带病驾驶、酒后驾驶、吃东西和打电话,二级评估指标环境因素对应的三级评估指标包括:雨天、雾天、雪天和有风;
3)根据步骤2)建立的驾驶风险评估指标体系,通过统计分析的方法,在源数据中提取评估指标相应的评估值;
下面各式中速度的单位为m/s,加速度的单位为m/s2,角度的单位为度°,时间的单位为小时h,温度的单位为摄氏度℃;具体包括:
3-1)超速评估值:设道路的最大限制速度为V;统计汽车行驶源数据中超过道路的最大限制速度V行驶的累积次数作为超速的评估值;
3-2)急加速与急减速评估值:设前一时刻时间为t1,车辆在前一刻的行驶速度为V1,后一时刻时间为t2,车辆在后一刻的行驶速度为V2,加速度限制为α1,则车辆的瞬时加速度计算表达式为:
α=(V2-V1)÷(t2-t1)
若α>α1,则判定为车辆急加速,统计急加速的次数作为急加速评估值;
若α<-α1,则判定为车辆急减速,统计急减速的次数作为急减速评估值;
3-3)空挡滑行与熄火滑行评估值:车速在减小的同时判断挡位信息与车辆上电情况;统计车辆空挡滑行次数作为空挡滑行评估值,熄火滑行次数作为熄火滑行评估值;
3-4)右侧超车与弯道超车评估值:根据横向加速度=车辆速度×车辆速度÷3.6÷3.6×(Sin(方向盘转过的角度÷515×32×3.141593÷180)÷2.7)计算待评价车辆的横向加速度;
弯道超车评估值:从源数据中找出横向加速度为正向的一段,计算这一段的平均横向加速度并判定:若平均横向加速度大于0.8,则认为车辆是在弯道上;若平均横向加速度在0.8-2之间,且车速大于40,则认为车辆是弯道超车;统计弯道超车次数作为弯道超车评估值;
右道超车评估值:从源数据中找出横向加速度为正向的一段,计算这一段的平均横向加速度并判定:若平均横向加速度小于0.8,则向前遍历3s的源数据,若前3S的源数据中最小横向加速度小于-1且满足负向先变小后变大,则认为车辆是右道超车;统计右道超车次数作为右道超车评估值;
3-5)转向灯与操作不对应及转向不打转向灯评估值:
读取方向盘转角发生变化时的转向灯数据,若方向盘转角和转向灯方向不一致,则记为转向灯与操作不对应;统计转向灯与操作不对应次数作为转向灯与操作不对应评估值;
若方向盘转角发生变化时,转向灯并未动作,则记为转向不打转向灯;统计转向不打转向灯次数作为转向不打转向灯评估值;
3-6)未系安全带评估值:读取安全带传感器的数据,卡扣脱离安全带插口记为一次未系安全带;统计未系安全带次数作为未系安全带评估值;
3-7)疲劳驾驶评估值:通过车载导航设备连接公司平台获得待评价车辆的行驶数据,读取行程总时间;疲劳驾驶时长=行程总时间-4;若疲劳驾驶时长计算结果小于0,则记为0;统计疲劳驾驶时长的小时数作为疲劳驾驶评估值;
3-8)带病驾驶评估值:通过车载红外线体温监测仪测量驾驶员体温的源数据,超出温度=测量温度-37.2;统计超出温度数据作为带病驾驶评估值;
3-9)酒后驾驶评估值:通过车载血液酒精含量测试仪测量驾驶员体内的血液酒精含量的源数据,单位为mg/100ml,统计测试仪显示数值作为酒后驾驶评估值;
3-10)吃东西及打电话评估值:通过车载视频传感器采集驾驶员正视/侧视图像,经过图像处理,统计吃东西次数作为吃东西评估值,统计打电话次数作为打电话评估值;
3-11)雨天、雾天、雪天评估值:通过云平台获得行驶道路上的天气状况;
雨天评估值:无雨记为0,有雨记为5;
雾天评估值:无雾记为0,有雾记为5;
雪天评估值:无雪记为0,有雪记为5;
3-12)风速评估值:通过云平台获得行驶道路上的风力等级状况;
风力0~5级记为0,风力6~8级记为20,风力9~10级记为50,风力11级及以上记为80;
4)确定驾驶风险评分;驾驶风险评分的计算方法如下:
记驾驶风险评分的总分值为Y,设定驾驶风险总分制为百分制,即0≤Y≤100,则:
Y=Y1+Y2+Y3+Y4+Y5
其中,若Y<0,则记Y=0;Y1、Y2、Y3、Y4、Y5分别为加权后二级评估指标相应的驾驶风险评分值;Y1表示加权后车速控制评分值,Y2表示加权后行驶控制评分值,Y3表示加权后车辆控制评分值,Y4表示加权后驾驶员行为评分值,Y5表示加权后环境因素评分值;表达式如下:
Y1=a1×X1,Y2=a2×X2,Y3=a3×X3,Y4=a4×X4,Y5=a5×X5
其中,X1表示车速控制评分值,X2表示行驶控制评分值,X3表示车辆控制评分值,X4表示驾驶员行为评分值,X5表示环境因素评分值;车速控制权重为a1,行驶控制权重为a2,车辆控制权重为a3,驾驶员行为权重为a4,环境因素权重为a5,且a1+a2+a3+a4+a5=1;
令Xi=100-Ki,i=1,2,3,4,5,具体为:
X1=100-K1,K1表示车速控制二级评估指标下的七项三级评估指标的扣除分数之和;
X2=100-K2,K2表示行驶控制二级评估指标下的三项三级评估指标的扣除分数之和;
X3=100-K3,K3表示车辆控制二级评估指标下的三项三级评估指标的扣除分数之和;
X4=100-K4,K4表示驾驶员行为二级评估指标下的六项三级评估指标的扣除分数之和;
X5=100-K5,K5表示环境因素二级评估指标下的四项三级评估指标的扣除分数之和;
其中,若计算得到的K1、K2、K3、K4、K5中任一值超过100,则将该值记为100;每一项三级评估指标对应一个三级评估指标分类评分百分比,则每项三级评估指标的扣除分数=M×T;其中,M=n×此三级评估指标的评估值,n为此三级评估指标发生的次数,T表示此三级评估指标分类评分百分比;
5)确定驾驶行为安全等级;
根据步骤4)得到的驾驶风险评分确定待评价车辆的驾驶行为安全等级:若驾驶风险评分为90至100分,则驾驶行为的安全等级为十分安全;若驾驶风险评分为70至89分,则驾驶行为的安全等级为安全;若驾驶风险评分为50至69分,则驾驶行为的安全等级为一般;若驾驶风险评分为20至49分,则驾驶行为的安全等级为有风险;若驾驶风险评分为0至19分,则驾驶行为的安全等级为高风险。
本发明的特点及有益效果在于:
本发明通过提取并分析更多的车辆行驶相关参数,可以更加准确的判断驾驶员以及车辆所处的状态,输出驾驶风险评估结果,最终输出更为可信的驾驶风险级别。本发明的安全评价方法可以针对不同的车辆及驾驶员设定不同的权重系数和分类评分百分比系数,可以对多种情况有很好的适应性。本发明的安全评价方法评价结果可靠,可防止危险驾驶行为,减少交通事故发生,提高交通流量。本发明还可为车险费率的制定提供有效信息,对于促进车险费率市场化具有重要意义。
附图说明
图1是本发明方法的总体流程框图。
具体实施方式
本发明提出的基于人-车-环境多数据源的驾驶行为安全评价方法,下面结合附图及实施例说明如下。
本发明提出的基于人-车-环境多数据源的驾驶行为安全评价方法,总体流程如图1所示,包括以下步骤:
1)获取用于安全评价的数据;
通过车载视频传感器、车载红外线体温监测仪、车载血液酒精含量测试仪获得驾驶员的信息数据,通过车载导航设备连接公司平台获得待评价车辆的行驶数据,通过云平台获得行驶过程中的环境因素数据,将以上三种数据作为汽车行驶源数据并通过存储设备存储;所述驾驶员信息数据包括体温、正视/侧视图像、血液酒精含量等;所述行驶数据包括车辆位置(经度、纬度)、车辆速度、车轮速度、车辆挡位、车辆加速踏板、车辆制动踏板、方向盘转角、车辆状态、离合器状态、车辆前/后雷达测距、灯光等行驶数据;所述环境因素数据包括道路限速、天气、纬度、能见度、湿度、风速等;
2)构建驾驶风险评估指标体系;
在系统性、客观性、可操作性、独立性的原则下,根据步骤1)获取的汽车行驶源数据对影响驾驶安全的相关因素进行分析,构建驾驶风险评估指标体系;该体系分为三级评估指标,如表1所示:
表1驾驶风险评估指标体系
3)根据步骤2)建立的驾驶风险评估指标体系,通过统计分析的方法,在源数据中提取评估指标相应的评估值。下面各式中速度的单位为m/s,加速度的单位为m/s2,角度的单位为度°,时间的单位为小时h,温度的单位为摄氏度℃;具体包括:
3-1)超速评估值:设道路的最大限制速度为V;统计汽车行驶源数据中超过道路的最大限制速度V行驶的累积次数作为超速的评估值;
3-2)急加速与急减速评估值:设前一时刻时间为t1,车辆在前一刻的行驶速度为V1,后一时刻时间为t2,车辆在后一刻的行驶速度为V2,加速度限制为α1,则车辆的瞬时加速度计算表达式为:
α=(V2-V1)÷(t2-t1)
若α>α1,则判定为车辆急加速,统计急加速的次数作为急加速评估值。
若α<-α1,则判定为车辆急减速,统计急减速的次数作为急减速评估值。
3-3)空挡滑行与熄火滑行评估值:车速在减小的同时判断挡位信息与车辆上电情况;统计车辆空挡滑行次数作为空挡滑行评估值,熄火滑行次数作为熄火滑行评估值。
3-4)右侧超车与弯道超车评估值:根据横向加速度=车辆速度×车辆速度÷3.6÷3.6×(Sin(方向盘转过的角度÷515×32×3.141593÷180)÷2.7)计算待评价车辆的横向加速度;
弯道超车评估值:从源数据中找出横向加速度为正向的一段(判断趋势是否是先变大,后变小——超车的特征),计算这一段的平均横向加速度并判定:若平均横向加速度大于0.8,则认为车辆是在弯道上;若平均横向加速度在0.8-2之间,且车速大于40,则认为车辆是弯道超车;统计弯道超车次数作为弯道超车评估值。
右道超车评估值:从源数据中找出横向加速度为正向的一段(判断趋势是否是先变大,后变小——超车的特征),计算这一段的平均横向加速度并判定:若平均横向加速度小于0.8,则向前遍历3s的源数据,若前3S的源数据中最小横向加速度小于-1且满足负向先变小后变大的趋势,则认为车辆是右道超车。统计右道超车次数作为右道超车评估值。
3-5)转向灯与操作不对应及转向不打转向灯评估值:读取方向盘转角发生变化时的转向灯数据,若方向盘转角和转向灯方向不一致,则记为转向灯与操作不对应;统计转向灯与操作不对应次数作为转向灯与操作不对应评估值。若方向盘转角发生变化时,转向灯并未动作,则记为转向不打转向灯;统计转向不打转向灯次数作为转向不打转向灯评估值。
3-6)未系安全带评估值:读取安全带传感器的数据,卡扣脱离安全带插口记为一次未系安全带;统计未系安全带次数作为未系安全带评估值。
3-7)疲劳驾驶评估值:通过车载导航设备连接公司平台获得待评价车辆的行驶数据,读取行程总时间。疲劳驾驶时长=行程总时间-4。若疲劳驾驶时长计算结果小于0,则记为0。统计疲劳驾驶时长(单位小时)作为疲劳驾驶评估值。
3-8)带病驾驶评估值:通过车载红外线体温监测仪测量驾驶员体温的源数据,超出温度=测量温度-37.2。统计超出温度数据作为带病驾驶评估值。
3-9)酒后驾驶评估值:通过车载血液酒精含量测试仪测量驾驶员体内的酒精含量的源数据,单位为mg/100ml,统计测试仪显示数值作为酒后驾驶评估值。
3-10)吃东西及打电话评估值:通过车载视频传感器采集驾驶员正视和侧视图像,经过图像处理,统计吃东西次数作为吃东西评估值,打电话次数作为打电话评估值。
3-11)雨天、雾天、雪天评估值:通过云平台获得行驶道路上的天气状况。
雨天评估值:无雨记为0,有雨记为5;
雾天评估值:无雾记为0,有雾记为5;
雪天评估值:无雪记为0,有雪记为5。
3-12)风速评估值:通过云平台获得行驶道路上的风力等级状况。
风力0~5级记为0,风力6~8级记为20,风力9~10级记为50,风力11级及以上记为80。
其它未具体说明的三级指标相应的评估值方法,可根据实际情况按上述评估值的方法得到。
4)确定驾驶风险评分;
驾驶风险评分的计算方法如下:
记驾驶风险总分值为Y,设定驾驶风险总分制为百分制,即0≤Y≤100,则:
Y=Y1+Y2+Y3+Y4+Y5
其中,若计算出的Y<0,则记Y=0;Y1、Y2、Y3、Y4、Y5分别为加权后二级评估指标相应的驾驶风险评分值;Y1表示加权后车速控制评分值,Y2表示加权后行驶控制评分值,Y3表示加权后车辆控制评分值,Y4表示加权后驾驶员行为评分值,Y5表示加权后环境因素评分值;表达式如下:
Y1=a1×X1,Y2=a2×X2,Y3=a3×X3,Y4=a4×X4,Y5=a5×X5
其中,X1表示车速控制评分值,X2表示行驶控制评分值,X3表示车辆控制评分值,X4表示驾驶员行为评分值,X5表示环境因素评分值;
车速控制权重为a1,行驶控制权重为a2,车辆控制权重为a3,驾驶员行为权重为a4,环境因素权重为a5,且a1+a2+a3+a4+a5=1(各权重具体值可根据不同车辆以及不同驾驶员进行不同的设置,本实施例中,a1=20%,a2=20%,a3=20%,a4=30%,a5=10%,);
令Xi=100-Ki(i=1,2,3,4,5),具体为:
X1=100-K1,K1表示车速控制二级评估指标下的七项三级评估指标的扣除分数之和。
X2=100-K2,K2表示行驶控制二级评估指标下的三项三级评估指标的扣除分数之和。
X3=100-K3,K3表示车辆控制二级评估指标下的三项三级评估指标的扣除分数之和。
X4=100-K4,K4表示驾驶员行为二级评估指标下的六项三级评估指标的扣除分数之和。
X5=100-K5,K5表示环境因素二级评估指标下的四项三级评估指标的扣除分数之和。
其中,K1=p1+p2+p3+p4+p5+p6+p7。p1、p2、p3、p4、p5、p6、p7分别表示超速、频繁变速、急加速、急减速、紧急制动、空挡滑行、熄火滑行等七项三级评估指标的扣除分数。
K2=q1+q2+q3。q1、q2、q3分别表示右侧超车、弯道超车、跟车过近等三项三级评估指标的扣除分数。
K3=r1+r2+r3。r1、r2、r3分别表示急转弯、转向灯与操作不对应、转向不打转向灯等三项三级评估指标的扣除分数。
K4=s1+s2+s3+s4+s5+s6。s1、s2、s3、s4、s5、s6分别表示未系安全带、疲劳驾驶、带病驾驶、酒后驾驶、吃东西、打电话等六项三级评估指标的扣除分数。
K5=t1+t2+t3+t4。t1、t2、t3、t4分别表示雨天、雾天、雪天、有风等四项三级评估指标的扣除分数。
若计算出来的K1、K2、K3、K4、K5的值超过100,则记为100。
任意一项三级评估指标的扣除分数的计算方法类似,以p1为例进行说明:
为了表征不同三级评估指标对驾驶安全的不同危害程度,引入三级评估指标分类评分百分比概念,每一项三级评估指标对应一个三级评估指标分类评分百分比,如表2所示。可根据不同的车辆以及驾驶员进行区别设置。
超速行为扣除分数p1=M×T
其中,M=n×此三级评估指标的评估值,n为此三级评估指标发生的次数,T表示此三级评估指标分类评分百分比;
表2驾驶风险评估指标体系分类评分百分比明细
5)确定驾驶行为安全等级:根据步骤4)得到的驾驶风险评分确定待评价车辆的驾驶行为安全等级。安全等级评价方法如下表:
表3驾驶风险评分和安全等级对照表
分数 | 级别 |
90~100 | 十分安全 |
70~89 | 安全 |
50~69 | 一般 |
20~49 | 有风险 |
0~19 | 高风险 |
以下为一个具体的实施例。
一辆汽车在雨天、环境风力8级的情况下行驶了6个小时,期间发生超速行为2次,频繁变速4次,急减速行为3次,紧急制动2次,跟车过近2次,转向不打转向灯5次,打电话1次,司机未系安全带2次。
设定车速控制权重a1=20%,行驶控制权重a2=20%,车辆控制权重a3=20%,驾驶员行为权重a4=30%,环境因素权重a5=10%,且a1+a2+a3+a4+a5=1。
设定三级评估指标分类评分百分比如表2所示;则:
p1=M×T=2×2×100%=4;p2=4×4×80%=12.8;p3=0
p4=3×3×100%=9;p5=2×2×100%=4;p6=0;p7=0
K1=p1+p2+p3+p4+p5+p6+p7=4+12.8+9+4=29.8
车速控制评分值X1=100-K1=100-29.8=70.2
加权后车速控制评分值Y1=a1×X1=20%×70.2=14.04
q1=0;q2=0;q3=2×2×80%=3.2
K2=q1+q2+q3=0+0+3.2=3.2
行驶控制评分值X2=100-K2=100-3.2=96.8
加权后行驶控制评分值Y2=a2×X2=20%×96.8=19.36
r1=0;r2=0;r3=5×5×100%=25
K3=r1+r2+r3=0+0+25=25
车辆控制评分值X3=100-K3=100-25=75
加权后车辆控制评分值Y3=a3×X3=20%×75=15
s1=2×2×100%=4;s2=1×2×100%=2;s3=0
s4=0;s5=0;s6=1×1×80%=0.8
K4=s1+s2+s3+s4+s5+s6=4+2+0.8=6.8
驾驶员行为评分值X4=100-K4=100-6.8=93.2
加权后驾驶员行为评分值Y4=a4×X4=30%×93.2=27.96
t1=1×5×80%=4;t2=0;t3=0
t4=1×20×80%=16
K5=t1+t2+t3+t4=4+16=20
环境因素评分值X5=100-K5=100-20=80
加权后环境因素评分值Y5=a5×X5=10%×80=8
因此,驾驶风险总评分Y=Y1+Y2+Y3+Y4+Y5=14.04+19.36+15+27.96+8=84.36
根据表3,得出此次驾驶行为的安全等级为安全。
通过本发明的驾驶行为安全评价方法得到驾驶行为安全等级后,可以进一步地应用于车险费率调整等实际应用领域。
Claims (1)
1.一种基于人-车-环境多数据源的驾驶行为安全评价方法,其特征在于,包括以下步骤:
1)获取用于安全评价的数据;
通过车载视频传感器、车载红外线体温监测仪、车载血液酒精含量测试仪获得驾驶员的信息数据,通过车载导航设备连接公司平台获得待评价车辆的行驶数据,通过云平台获得行驶过程中的环境因素数据,将以上三种数据作为汽车行驶源数据并通过存储设备存储;
2)构建驾驶风险评估指标体系;
根据步骤1)获取的汽车行驶源数据对影响驾驶安全的相关因素进行分析,构建驾驶风险评估指标体系;该体系分为三级评估指标:一级评估指标包括危险驾驶行为、驾驶员行为和环境因素三项指标;一级评估指标危险驾驶行为对应的二级评估指标包括:车速控制、行驶控制和车辆控制,一级评估指标驾驶员行为对应的二级评估指标为驾驶员行为,一级评估指标环境因素对应的二级评估指标为环境因素;二级评估指标车速控制对应的三级评估指标包括:超速、频繁变速、急加速、急减速、紧急制动、空挡滑行和熄火滑行,二级评估指标行驶控制对应的三级评估指标包括:右侧超车、弯道超车和跟车过近,二级评估指标车辆控制对应的三级评估指标包括:急转向、转向灯与操作不对应和转向不打转向灯,二级评估指标驾驶员行为对应的三级评估指标包括:未系安全带、疲劳驾驶、带病驾驶、酒后驾驶、吃东西和打电话,二级评估指标环境因素对应的三级评估指标包括:雨天、雾天、雪天和有风;
3)根据步骤2)建立的驾驶风险评估指标体系,通过统计分析的方法,在源数据中提取评估指标相应的评估值;
下面各式中速度的单位为m/s,加速度的单位为m/s2,角度的单位为度°,时间的单位为小时h,温度的单位为摄氏度℃;具体包括:
3-1)超速评估值:设道路的最大限制速度为V;统计汽车行驶源数据中超过道路的最大限制速度V行驶的累积次数作为超速的评估值;
3-2)急加速与急减速评估值:设前一时刻时间为t1,车辆在前一刻的行驶速度为V1,后一时刻时间为t2,车辆在后一刻的行驶速度为V2,加速度限制为α1,则车辆的瞬时加速度计算表达式为:
α=(V2-V1)÷(t2-t1)
若α>α1,则判定为车辆急加速,统计急加速的次数作为急加速评估值;
若α<-α1,则判定为车辆急减速,统计急减速的次数作为急减速评估值;
3-3)空挡滑行与熄火滑行评估值:车速在减小的同时判断挡位信息与车辆上电情况;统计车辆空挡滑行次数作为空挡滑行评估值,熄火滑行次数作为熄火滑行评估值;
3-4)右侧超车与弯道超车评估值:根据横向加速度=车辆速度×车辆速度÷3.6÷3.6×(Sin(方向盘转过的角度÷515×32×3.141593÷180)÷2.7),计算待评价车辆的横向加速度;
弯道超车评估值:从源数据中找出横向加速度为正向的一段,计算这一段的平均横向加速度并判定:若平均横向加速度大于0.8,则认为车辆是在弯道上;若平均横向加速度在0.8-2之间,且车速大于40,则认为车辆是弯道超车;统计弯道超车次数作为弯道超车评估值;
右道超车评估值:从源数据中找出横向加速度为正向的一段,计算这一段的平均横向加速度并判定:若平均横向加速度小于0.8,则向前遍历3s的源数据,若前3S的源数据中最小横向加速度小于-1且满足负向先变小后变大,则认为车辆是右道超车;统计右道超车次数作为右道超车评估值;
3-5)转向灯与操作不对应及转向不打转向灯评估值:
读取方向盘转角发生变化时的转向灯数据,若方向盘转角和转向灯方向不一致,则记为转向灯与操作不对应;统计转向灯与操作不对应次数作为转向灯与操作不对应评估值;
若方向盘转角发生变化时,转向灯并未动作,则记为转向不打转向灯;统计转向不打转向灯次数作为转向不打转向灯评估值;
3-6)未系安全带评估值:读取安全带传感器的数据,卡扣脱离安全带插口记为一次未系安全带;统计未系安全带次数作为未系安全带评估值;
3-7)疲劳驾驶评估值:通过车载导航设备连接公司平台获得待评价车辆的行驶数据,读取行程总时间;疲劳驾驶时长=行程总时间-4;若疲劳驾驶时长计算结果小于0,则记为0;统计疲劳驾驶时长的小时数作为疲劳驾驶评估值;
3-8)带病驾驶评估值:通过车载红外线体温监测仪测量驾驶员体温的源数据,超出温度=测量温度-37.2;统计超出温度数据作为带病驾驶评估值;
3-9)酒后驾驶评估值:通过车载血液酒精含量测试仪测量驾驶员体内的血液酒精含量的源数据,单位为mg/100ml,统计测试仪显示数值作为酒后驾驶评估值;
3-10)吃东西及打电话评估值:通过车载视频传感器采集驾驶员正视/侧视图像,经过图像处理,统计吃东西次数作为吃东西评估值,统计打电话次数作为打电话评估值;
3-11)雨天、雾天、雪天评估值:通过云平台获得行驶道路上的天气状况;
雨天评估值:无雨记为0,有雨记为5;
雾天评估值:无雾记为0,有雾记为5;
雪天评估值:无雪记为0,有雪记为5;
3-12)风速评估值:通过云平台获得行驶道路上的风力等级状况;
风力0~5级记为0,风力6~8级记为20,风力9~10级记为50,风力11级及以上记为80;
4)确定驾驶风险评分;驾驶风险评分的计算方法如下:
记驾驶风险评分的总分值为Y,设定驾驶风险总分制为百分制,即0≤Y≤100,则:
Y=Y1+Y2+Y3+Y4+Y5
其中,若Y<0,则记Y=0;Y1、Y2、Y3、Y4、Y5分别为加权后二级评估指标相应的驾驶风险评分值;Y1表示加权后车速控制评分值,Y2表示加权后行驶控制评分值,Y3表示加权后车辆控制评分值,Y4表示加权后驾驶员行为评分值,Y5表示加权后环境因素评分值;表达式如下:
Y1=a1×X1,Y2=a2×X2,Y3=a3×X3,Y4=a4×X4,Y5=a5×X5
其中,X1表示车速控制评分值,X2表示行驶控制评分值,X3表示车辆控制评分值,X4表示驾驶员行为评分值,X5表示环境因素评分值;车速控制权重为a1,行驶控制权重为a2,车辆控制权重为a3,驾驶员行为权重为a4,环境因素权重为a5,且a1+a2+a3+a4+a5=1;
令Xi=100-Ki,i=1,2,3,4,5,具体为:
X1=100-K1,K1表示车速控制二级评估指标下的七项三级评估指标的扣除分数之和;
X2=100-K2,K2表示行驶控制二级评估指标下的三项三级评估指标的扣除分数之和;
X3=100-K3,K3表示车辆控制二级评估指标下的三项三级评估指标的扣除分数之和;
X4=100-K4,K4表示驾驶员行为二级评估指标下的六项三级评估指标的扣除分数之和;
X5=100-K5,K5表示环境因素二级评估指标下的四项三级评估指标的扣除分数之和;
其中,若计算得到的K1、K2、K3、K4、K5中任一值超过100,则将该值记为100;每一项三级评估指标对应一个三级评估指标分类评分百分比,则每项三级评估指标的扣除分数=M×T;其中,M=n×此三级评估指标的评估值,n为此三级评估指标发生的次数,T表示此三级评估指标分类评分百分比;
5)确定驾驶行为安全等级;
根据步骤4)得到的驾驶风险评分确定待评价车辆的驾驶行为安全等级:若驾驶风险评分为90至100分,则驾驶行为的安全等级为十分安全;若驾驶风险评分为70至89分,则驾驶行为的安全等级为安全;若驾驶风险评分为50至69分,则驾驶行为的安全等级为一般;若驾驶风险评分为20至49分,则驾驶行为的安全等级为有风险;若驾驶风险评分为0至19分,则驾驶行为的安全等级为高风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710729067.2A CN107618512B (zh) | 2017-08-23 | 2017-08-23 | 基于人-车-环境多数据源的驾驶行为安全评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710729067.2A CN107618512B (zh) | 2017-08-23 | 2017-08-23 | 基于人-车-环境多数据源的驾驶行为安全评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107618512A CN107618512A (zh) | 2018-01-23 |
CN107618512B true CN107618512B (zh) | 2019-06-18 |
Family
ID=61088928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710729067.2A Active CN107618512B (zh) | 2017-08-23 | 2017-08-23 | 基于人-车-环境多数据源的驾驶行为安全评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107618512B (zh) |
Families Citing this family (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230616A (zh) * | 2018-02-02 | 2018-06-29 | 辽宁友邦网络科技有限公司 | 一种危险驾驶识别警报方法及系统 |
CN108482380B (zh) * | 2018-03-06 | 2019-09-06 | 知行汽车科技(苏州)有限公司 | 自适应调节采样频率的驾驶监控系统 |
CN108510737B (zh) * | 2018-04-12 | 2020-04-10 | 中南大学 | 一种融合风环境的无人驾驶车辆电源实时监控方法及装置 |
CN108573357B (zh) * | 2018-05-08 | 2019-02-19 | 清华大学 | 基于等效力的行车风险实时评估方法及其装置 |
CN108876165B (zh) * | 2018-06-27 | 2021-08-27 | 上海天方夜谭网络科技有限公司 | 一种驾驶员安全监控学习系统 |
CN109102410B (zh) * | 2018-06-27 | 2021-08-24 | 江苏理工学院 | 一种小型乘用车保险费评估装置工作方法 |
CN109034589A (zh) * | 2018-07-18 | 2018-12-18 | 南斗六星系统集成有限公司 | 一种基于大数据分析的驾驶行为评价方法及系统 |
CN109094482B (zh) * | 2018-07-25 | 2021-08-24 | 哈尔滨工业大学 | 车辆运行风险评估信息采集系统、风险评估系统及方法 |
CN109325705A (zh) * | 2018-10-11 | 2019-02-12 | 北京三驰惯性科技股份有限公司 | 一种基于惯性融合技术的驾驶习惯评分方法及系统 |
CN111196166A (zh) * | 2018-11-19 | 2020-05-26 | 宝沃汽车(中国)有限公司 | 电动汽车及其工况识别方法、装置 |
CN109649396B (zh) * | 2019-01-18 | 2020-06-09 | 长安大学 | 一种营运车辆驾驶员安全性检测方法 |
CN109636257A (zh) * | 2019-01-31 | 2019-04-16 | 长安大学 | 一种网约车出行前的风险评价方法 |
CN109859512A (zh) * | 2019-02-12 | 2019-06-07 | 桂林电子科技大学 | 一种v2x环境下典型弯道区域单一车辆动态引导方法 |
JP7074698B2 (ja) * | 2019-02-27 | 2022-05-24 | トヨタ自動車株式会社 | 評価装置 |
JP7173702B2 (ja) * | 2019-02-27 | 2022-11-16 | トヨタ自動車株式会社 | 評価装置 |
CN111696337A (zh) * | 2019-03-11 | 2020-09-22 | 上海飞田通信股份有限公司 | 出租车行驶轨迹监测及安全预警系统 |
CN109910904B (zh) * | 2019-03-22 | 2021-03-09 | 深圳市澳颂泰科技有限公司 | 一种驾驶行为与车辆驾驶姿态识别系统 |
CN110001662B (zh) * | 2019-04-16 | 2020-07-14 | 中国汽车工程研究院股份有限公司 | 一种面向自然驾驶数据的跟车驾驶过程提取方法 |
CN110197119B (zh) * | 2019-04-23 | 2023-07-11 | 平安科技(深圳)有限公司 | 行车数据分析方法、装置、计算机设备和存储介质 |
CN110120153A (zh) * | 2019-05-24 | 2019-08-13 | 广州公交集团第三公共汽车有限公司 | 一种公交驾驶事故风险评估系统及其方法 |
CN110217238B (zh) * | 2019-06-18 | 2021-03-30 | 重庆中位众联科技有限公司 | 一种行车风险等级判断优化方法 |
CN110239560A (zh) * | 2019-07-08 | 2019-09-17 | 瞬联软件科技(北京)有限公司 | 一种安全驾驶习惯评分方法及装置 |
CN110412556B (zh) * | 2019-07-31 | 2022-09-02 | 吉林大学 | 一种基于超车频次的车辆行驶状态评估方法 |
CN110688611B (zh) * | 2019-10-13 | 2023-03-07 | 重庆交通大学 | 环境因素对在役隧道行车安全的评价方法及装置 |
CN111062240B (zh) * | 2019-10-16 | 2024-04-30 | 中国平安财产保险股份有限公司 | 汽车驾驶安全的监控方法、装置、计算机设备及存储介质 |
CN110992518B (zh) * | 2019-12-02 | 2023-01-31 | 深圳市智信达风险管理科技股份有限公司 | 驾驶员风险评价系统及方法 |
CN111144706A (zh) * | 2019-12-05 | 2020-05-12 | 东南大学 | 一种网约车驾驶员评分和类别划分方法 |
CN110942634B (zh) * | 2019-12-11 | 2021-05-25 | 拉货宝网络科技有限责任公司 | 一种货车运输安全系数评估方法 |
CN111332313A (zh) * | 2020-02-24 | 2020-06-26 | 重庆众鸿科技有限公司 | 一种车辆驾驶安全预警控制方法及系统 |
CN111231974A (zh) * | 2020-03-03 | 2020-06-05 | 联陆智能交通科技(上海)有限公司 | 安全驾驶行为评估方法及系统 |
CN111353471A (zh) * | 2020-03-17 | 2020-06-30 | 北京百度网讯科技有限公司 | 安全驾驶监测方法、装置、设备和可读存储介质 |
CN111400823B (zh) * | 2020-03-27 | 2022-03-29 | 清华大学 | 一种智能车辆vs-lka系统功能安全概念分析方法 |
CN111532281A (zh) * | 2020-05-08 | 2020-08-14 | 奇瑞汽车股份有限公司 | 驾驶行为的监测方法、装置、终端及存储介质 |
CN111452799B (zh) * | 2020-05-11 | 2022-04-12 | 名商科技有限公司 | 驾驶行为评价方法及系统 |
CN112097825A (zh) * | 2020-08-05 | 2020-12-18 | 包头市国安科技有限公司 | 环境监测方法和环境监测系统 |
CN111951550B (zh) * | 2020-08-06 | 2021-10-29 | 华南理工大学 | 交通安全风险监控方法、装置、存储介质及计算机设备 |
CN112215093A (zh) * | 2020-09-23 | 2021-01-12 | 易显智能科技有限责任公司 | 一种车辆驾驶能力水平的评价方法及装置 |
CN112373481A (zh) * | 2020-11-04 | 2021-02-19 | 杭州创想智联科技有限公司 | 一种驾驶行为状态分析方法及装置 |
CN112606842B (zh) * | 2020-12-17 | 2022-05-31 | 东风汽车集团有限公司 | 一种安全驾驶辅助方法、装置及系统 |
CN114842571A (zh) * | 2021-02-02 | 2022-08-02 | 深圳市易流科技股份有限公司 | 一种驾驶行为数据的确定方法及装置 |
CN112991685A (zh) * | 2021-02-10 | 2021-06-18 | 武汉理工大学 | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 |
CN112908036A (zh) * | 2021-02-26 | 2021-06-04 | 邢冠南 | 一种驾驶行为风险评估系统 |
CN112991731B (zh) * | 2021-02-26 | 2022-04-29 | 邢冠南 | 一种基于危险驾驶行为评估模型的教学方法 |
CN113538896B (zh) * | 2021-04-20 | 2022-07-12 | 清华大学 | 一种临界行驶条件分析方法和车辆安全行驶提示系统 |
CN113119985B (zh) * | 2021-05-31 | 2022-12-06 | 东风商用车有限公司 | 汽车驾驶数据监控方法、装置、设备及存储介质 |
CN113257039A (zh) * | 2021-06-28 | 2021-08-13 | 武汉依迅北斗时空技术股份有限公司 | 基于大数据分析的驾驶预警方法及装置 |
CN113657716B (zh) * | 2021-07-16 | 2024-03-05 | 长安大学 | 基于熵权法的驾驶员驾驶行为安全性综合评价方法 |
CN114220194A (zh) * | 2021-11-25 | 2022-03-22 | 上汽通用五菱汽车股份有限公司 | 行车安全监护和评估方法、系统及存储介质 |
CN114298518A (zh) * | 2021-12-22 | 2022-04-08 | 北京工业大学 | 一种网联车辆环境下道路风险评价指标体系 |
CN114104007B (zh) * | 2022-01-28 | 2022-04-15 | 交通运输部公路科学研究所 | 一种自动驾驶车辆最小风险控制策略 |
CN115880927B (zh) * | 2022-11-30 | 2024-04-12 | 西部科学城智能网联汽车创新中心(重庆)有限公司 | 一种基于车联网的山区复杂道路超车预测方法及其系统 |
CN117575326A (zh) * | 2023-12-05 | 2024-02-20 | 成都和乐信软件有限公司 | 基于门架及应急数据的车辆安全指数评价方法 |
CN117541066B (zh) * | 2024-01-09 | 2024-03-29 | 巨野金牛车业有限公司 | 一种自卸半挂车侧翻评价指标及评价方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5161643B2 (ja) * | 2008-04-23 | 2013-03-13 | 富士重工業株式会社 | 安全運転支援システム |
US20130145279A1 (en) * | 2011-11-16 | 2013-06-06 | Flextronics Ap, Llc | Removable, configurable vehicle console |
CN104574817A (zh) * | 2014-12-25 | 2015-04-29 | 清华大学苏州汽车研究院(吴江) | 一种适用于智能手机的基于机器视觉疲劳驾驶预警系统 |
CN106394559A (zh) * | 2016-11-17 | 2017-02-15 | 吉林大学 | 基于环境感知信息的多目标评判驾驶行为分析方法 |
-
2017
- 2017-08-23 CN CN201710729067.2A patent/CN107618512B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107618512A (zh) | 2018-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107618512B (zh) | 基于人-车-环境多数据源的驾驶行为安全评价方法 | |
CN108428343B (zh) | 一种多车驾驶行为分析和危险预警方法及系统 | |
CN103531042B (zh) | 基于驾驶人类型的车辆追尾预警方法 | |
CN109885040B (zh) | 一种人机共驾中的车辆驾驶控制权分配系统 | |
US20180350262A1 (en) | System and method for in-vehicle operator training | |
CN107972671A (zh) | 一种驾驶行为分析系统 | |
JP4995046B2 (ja) | 自動車保険料設定システム | |
CN110316198A (zh) | 一种用于高速公路提速的安全保障系统及运行方法 | |
CN108189763A (zh) | 一种分析驾驶员驾驶行为的方法及专用智能车载后视镜 | |
CN104732785A (zh) | 一种驾驶行为分析和提醒的方法及系统 | |
CN111477005B (zh) | 一种基于车辆状态及行车环境的智能感知预警方法及系统 | |
CN102163368A (zh) | 不安全驾驶行为的识别与监控系统及方法 | |
CN107054375B (zh) | 一种车队驾驶员驾驶行为安全性管理评价装置及方法 | |
CN109969083A (zh) | 一种大货车和卡车安全预警与监测系统 | |
CN112884288B (zh) | 一种高速公路雨雾场景行车安全评估系统 | |
CN111038502A (zh) | 一种安全车距预估、修正、预警、驾驶资质评估方法及系统 | |
CN106600745A (zh) | 车辆驾驶行为记录生成方法及系统 | |
CN111311947B (zh) | 一种网联环境下考虑驾驶人意图的行车风险评估方法和装置 | |
CN109927720A (zh) | 一种动态制动辅助控制方法、装置及系统 | |
CN106627590A (zh) | 刹车距离计算方法及装置 | |
CN112991685A (zh) | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 | |
CN114030475A (zh) | 一种车辆辅助驾驶方法、装置、车辆及存储介质 | |
CN114379559A (zh) | 一种基于车辆信息采集系统的驾驶风险评价特征画像方法 | |
CN113335293B (zh) | 一种线控底盘的高速公路路面探测系统 | |
CN202025368U (zh) | 不安全驾驶行为的识别与监控系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |