CN109733303A - 一种营运车驾驶员着急赶路异常驾驶状态识别方法 - Google Patents
一种营运车驾驶员着急赶路异常驾驶状态识别方法 Download PDFInfo
- Publication number
- CN109733303A CN109733303A CN201910032833.9A CN201910032833A CN109733303A CN 109733303 A CN109733303 A CN 109733303A CN 201910032833 A CN201910032833 A CN 201910032833A CN 109733303 A CN109733303 A CN 109733303A
- Authority
- CN
- China
- Prior art keywords
- abnormality
- vehicle
- journey
- hurrying
- braking
- 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
Abstract
本发明公开了一种营运车驾驶员着急赶路异常驾驶状态识别方法，本发明通过实时采集车辆的制动数据、速度数据和转向数据以及车辆的经度、维度和采样时间，对驾驶员的心急赶路异常状态进行评估，并将评估结果与预设阈值进行对比，能够对驾驶状态异常进行识别，本发明主要服务于车辆预警系统和运输企业安全管理系统，当驾驶员出现异常状态时，对其进行合理提醒，以提高其安全性。另外，此发明可为运输企业监控驾驶员异常状态提供一种有效的手段，实时对驾驶员进行远程干预，从而降低营运车辆驾驶员因心急赶路这一异常状态导致的交通事故。本发明的实用化可以降低因交通事故导致的人员伤亡和财产损失，提高交通系统的整体安全性。
Description
技术领域
本发明属于交通安全领域，具体涉及一种营运车驾驶员着急赶路异常驾驶状态识别方法。
背景技术
随着国民经济的快速发展和城市化进程的加快，我国机动车拥有量和道路交通量迅速增长，交通事故问题日趋突出。已有研究表明，驾驶员因素是导致交通事故的主要原因，驾驶员处于异常驾驶状态是导致驾驶员失误的主要原因之一，其中着急赶路异常状态是驾驶员常见异常状态之一，在此状态下，驾驶员往往缺乏冷静思考，采取鲁莽行为，导致事故发生。因此，针对驾驶员着急赶路异常状态在线识别方法进行深入研究显得尤为重要。
目前，已有成果主要是针对危险驾驶行为检测进行研究，针对驾驶员异常状态检测的研究主要集中在疲劳异常状态检测，针对驾驶员着急赶路异常驾驶状态检测的研究较少，不能满足交通安全管理的要求。
发明内容
本发明的目的在于克服上述不足，提供一种营运车驾驶员着急赶路异常驾驶状态识别方法，能够及时发现驾驶员驾驶状态异常，降低交通事故的发生率。
为了达到上述目的，本发明包括以下步骤：
步骤一，采集车辆的制动数据、速度数据和转向数据以及车辆的经度、维度和采样时间；
步骤二，根据步骤一采集的数据计算车辆的平均行程速度、路段制动次数及所占比例、车辆转弯后3s内平均加速度三个指标，将这三个指标作为驾驶员心急赶路异常状态识别的特征指标；
步骤三，将特征指标与预设阈值进行对比，得到判断异常值；
步骤四，基于频率检测法对着急赶路异常驾驶状态进行识别并分级预警。
步骤一中，通过车辆的CAN总线进行数据采集获取制动数据、速度数据和转向数据；通过车辆的GPS模块进行采集获取经度、纬度和采样时间等数据。
步骤二中，平均行程速度的计算公式如下：
vj为第j段路的平均行程速度，sj为第j段路的距离，根据车辆的经度和纬度获得，tj为通过第j段路的时间，根据车辆的采样时间获得。
步骤二中，路段制动次数为每次采样中制动起作用的次数，通过车辆的制动数据及经度纬度数据获得；
路段制动次数所占比例的计算公式如下：
zj为第j段路的制动次数比例，mj为第j段路内采样到车辆为制动的数据次数，kj为第j段路内总的采样数据次数。
步骤二中，车辆转弯后3s内平均加速度由速度数据、转向数据、经度和纬度数据来获得，计算公式为：
ai为第i个交叉口的车辆转弯后3s内平均加速度，为第i个交叉口转弯后3s时的速度，为i个交叉口转弯后的速度。
步骤三中，判断异常值的计算方法如下：
Iv(j)为j路段的平均行程速度指标异常状态值，判断状态异常为2，正常为1；Iv为平均行程速度指标的异常状态判别阈值；
Iz(j)为j路段的制动次数比例指标异常状态值，判断状态异常为2，正常为1；Iz为制动次数比例指标的异常状态判别阈值；
Iv(i)路段i的车辆转弯后3s内平均加速度指标异常状态值，判断状态异常为2，正常为1；Ia为i交叉口转弯后3s内平均加速度指标异常状态值。
步骤四中，频率检测法的具体方法如下：
为路段平均行程速度指标判断的异常状态值，判断状态异常为2，正常为1；
为路段制动次数比例指标判断的异常状态值，判断状态异常为2，正常为1；
为路段转弯后3s内平均加速度指标判断的异常状态值，判断状态异常为2，正常为1；
g为规定的检测次数；
k为检测次数中需检测到异常状态的次数。
与现有技术相比，本发明通过采集车辆的制动数据、速度数据和转向数据以及车辆的经度、维度和采样时间，对驾驶员的心急赶路异常状态进行评估，并将评估结果与预设阈值进行对比，能够对驾驶员异常驾驶状态进行识别，本发明主要服务于车辆预警系统和运输企业安全管理系统，当检测到驾驶员处于异常驾驶状态时，进行分级预警，以提高其安全性。另外，发明可为运输企业监控驾驶员异常状态提供一种有效的手段，实时对驾驶员进行远程干预，从而降低营运车辆因驾驶员心急赶路这一异常状态导致的交通事故风险。本发明的实用化可以降低因交通事故导致的人员伤亡和财产损失，提高交通系统的整体安全性。
附图说明
图1为本发明的控制流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明首先通过对正常和异常状态下同一驾驶员同一路段同一时段的驾驶数据进行深入的对比分析，并利用这些数据设计相应的异常状态特征指标，筛选出具有显著差异的指标作为判别驾驶员心急赶路异常驾驶状态特征指标。驾驶员心急赶路异常状态特征指标是驾驶员心急赶路异常状态识别的基础，其选取合理与否直接决定了在线识别算法的成败。
其中，驾驶员心急赶路异常状态特征指标包括路段平均行程速度、路段制动次数及所占比例、车辆转弯后3s内平均加速度三个指标。
1、路段平均行程速度
路段平均行程速度是车辆通过某段路的平均速度，具体如式(1)所示。
式中：vj为第j段路的平均行程速度，sj为第j段路的距离，tj为通过第j段路的时间。
路段划分方法如下：
城市路段中两相邻交叉口间路段为一个路段，不包含交叉口部分；
城市快速路或高速公路中，两匝道间路段为一个路段，不包含匝道部分；
普通公路中，特定距离L长度路段为一个路段，若距离L内有交叉口、市集、纵坡等特殊路段，则以特殊路段为界将该路段分为两个路段，特殊点前面路段的距离小于L，特殊点后面路段距离等于L。
2、路段内制动次数比例
路段内制动次数比例为在某路段内所有采样次数中制动状态起作用次数所占的比例，制动次数不是传统意义上制动一次就计算一次，而是每次采样中制动只要起作用就计算一次，具体如式(2)所示。
式中：zj为第j段路的制动次数比例，mj为第j段路内采样到车辆为制动的数据次数，kj为第j段路内总的采样数据次数。
3、车辆转弯后3s内平均加速度；
车辆转弯后3s内平均加速度为车辆完成转弯后3秒内的平均加速度，具体如式(3)所示。
式中：ai为第i个交叉口的车辆转弯后3s内平均加速度，为第i个交叉口转弯后3s时的速度，为i个交叉口转弯后的速度。
申请者基于驾驶员(n>30)实测实验数据详细研究了车辆完成转弯后10s以内的加速度变化值，车辆转弯后其速度在一定时间内会持续增加，而其加速度值呈现先变大后变小的趋势，研究表明完成转弯3s时，其加速度达到最大，且着急赶路状态和正常状态的差别最为显著，故将判别指标定为车辆转弯后3s内平均加速度。
其中，驾驶员心急赶路异常状态在线识别方法，如图1所示，本发明的流程为首先实时采集车辆CAN总线数据中的制动、速度、方向盘转角和GPS数据中经度、维度和时间数据，计算驾驶员心急赶路异常状态特征指标确定判别阈值，并基于判别指标设计相应的在线识别算法，如公式4-公式6所示。
式中：Iv(j)为j路段的平均行程速度指标异常状态值，判断状态异常为2，正常为1；Iv为平均行程速度指标的异常状态判别阈值；Iz(j)为j路段的制动次数比例指标异常状态值，判断状态异常为2，正常为1；Iz为制动次数比例指标的异常状态判别阈值；Iv(i)路段i的车辆转弯后3s内平均加速度指标异常状态值，判断状态异常为2，正常为1；Ia为i交叉口转弯后3s内平均加速度指标异常状态值。
心急赶路状态是驾驶员在一次出行中长期存在的状态，而通过数据检测都属于非直观的间接检测，数据可能由于种种道路原因在某个路段中处于与驾驶员实际情况不符的状态，为了提高检测的准确程度，本方法采用频率检测方法进行状态认定，具体公式7-公式9所示。
式中：为平均行程速度指标判断的异常状态值，判断状态异常为2，正常为1；为制动次数比例指标判断的异常状态值，判断状态异常为2，正常为1；为转弯后3s内平均加速度指标判断的异常状态值，判断状态异常为2，正常为1；g为规定的检测次数,k为检测次数中需检测到异常状态的次数。
驾驶员异常状态判别需要越快越好，但是检测结果必须准确而稳定，否则很难被运输企业或管理者所接受，因此申请者基于驾驶员(n>30)的驾驶实测数据对需检测路段个数进行数据分析，研究表明当连续检测路段达到5个及以上时，检测异常状态结果则较为稳定，当驾驶员处于着急赶路异常状态路段数k达到或大于g-2时，检测异常状态结果准确率较高，而当k为g-1或g时，检测异常状态的漏检率会较高。综合考虑到检测的稳定性和检测速度,本发明选定g为5，综合考虑到检测的准确率和漏检率，本发明选定k为3。
平均行程速度指标、制动次数比例指标和转弯后3s内平均加速度指标三个检测指标在检测过程，可能会出现检测结果不一致的情况，具体预警策略为：
(1)3个指标只有1个指标判断为异常，其他2个为正常时，提供一级预警，驾驶员可能处于异常状态；
(2)3个指标中，2个指标判别为异常，另外1个指标显示正常，提供二级预警，驾驶员有较大可能处于异常状态；
(3)3个指标全部标判别为异常，提供三级预警，驾驶员有极大可能处于异常状态。
Claims (7)
1.一种营运车驾驶员着急赶路异常驾驶状态识别方法，其特征在于，包括以下步骤：
步骤一，实时采集车辆的制动数据、速度数据和转向数据以及车辆的经度、维度和采样时间；
步骤二，根据步骤一采集的数据计算车辆的平均行程速度、路段制动次数及所占比例、车辆转弯后3s内平均加速度三个指标，将这三个指标作为驾驶员着急赶路异常状态识别的特征指标；
步骤三，将特征指标与预设阈值进行对比，得到判断异常值；
步骤四，基于频率检测法对着急赶路异常驾驶状态进行识别并分级预警。
2.根据权利要求1所述的一种营运车驾驶员着急赶路异常驾驶状态识别方法，其特征在于，步骤一中，制动数据、速度数据和转向数据通过车辆的CAN数据进行采集；经度、维度和采样时间通过车辆的GPS数据进行采集。
3.根据权利要求1所述的一种营运车驾驶员着急赶路异常驾驶状态识别方法，其特征在于，步骤二中，平均行程速度的计算公式如下：
vj为第j段路的平均行程速度，sj为第j段路的距离，根据车辆的经度和纬度获得，tj为通过第j段路的时间，根据车辆的采样时间获得。
4.根据权利要求1所述的一种营运车驾驶员着急赶路异常驾驶状态识别方法，其特征在于，步骤二中，路段制动次数为每次采样中制动起作用的次数，通过车辆的制动数据获得；
路段制动次数所占比例的计算公式如下：
zj为第j段路的制动次数比例，mj为第j段路内采样到车辆为制动的数据次数，kj为第j段路内总的采样数据次数。
5.根据权利要求1所述的一种营运车驾驶员着急赶路异常驾驶状态识别方法，其特征在于，步骤二中，车辆转弯后3s内平均加速度的计算公式为：
ai为第i个交叉口的车辆转弯后3s内平均加速度，为第i个交叉口转弯后3s时的速度，为i个交叉口转弯后的速度。
6.根据权利要求1所述的一种营运车驾驶员着急赶路异常驾驶状态识别方法，其特征在于，步骤三中，判断异常值的计算方法如下：
Iv(j)为j路段的平均行程速度指标异常状态值，判断状态异常为2，正常为1；Iv为平均行程速度指标的异常状态判别阈值；
Iz(j)为j路段的制动次数比例指标异常状态值，判断状态异常为2，正常为1；Iz为制动次数比例指标的异常状态判别阈值；
Iv(i)路段i的车辆转弯后3s内平均加速度指标异常状态值，判断状态异常为2，正常为1；Ia为i交叉口转弯后3s内平均加速度指标异常状态值。
7.根据权利要求1所述的一种营运车驾驶员着急赶路异常驾驶状态识别方法，其特征在于，步骤四中，频率检测法的具体方法如下：
为路段平均行程速度指标判断的异常状态值，判断状态异常为2，正常为1；
为路段内制动次数比例指标判断的异常状态值，判断状态异常为2，正常为1；
为路段内转弯后3s内平均加速度指标判断的异常状态值，判断状态异常为2，正常为1；
g为规定的检测次数；
k为检测次数中需检测到异常状态的次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910032833.9A CN109733303A (zh) | 2019-01-14 | 2019-01-14 | 一种营运车驾驶员着急赶路异常驾驶状态识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910032833.9A CN109733303A (zh) | 2019-01-14 | 2019-01-14 | 一种营运车驾驶员着急赶路异常驾驶状态识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109733303A true CN109733303A (zh) | 2019-05-10 |
Family
ID=66364747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910032833.9A Pending CN109733303A (zh) | 2019-01-14 | 2019-01-14 | 一种营运车驾驶员着急赶路异常驾驶状态识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109733303A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102874188A (zh) * | 2012-09-01 | 2013-01-16 | 北京车网互联科技股份有限公司 | 一种基于车辆总线数据的驾驶行为警示方法 |
| CN103150677A (zh) * | 2013-02-27 | 2013-06-12 | 清华大学 | 激进驾驶状态识别方法及系统 |
| CN106127126A (zh) * | 2016-06-17 | 2016-11-16 | 杭州好好开车科技有限公司 | 基于三急数据的激进驾驶行为的识别方法 |
| DE102016200973A1 (de) * | 2016-01-25 | 2017-07-27 | Robert Bosch Gmbh | Verfahren zum Erkennen einer Müdigkeit eines Fahrers eines Fahrzeugs und Steuergerät |
| CN108764111A (zh) * | 2018-05-23 | 2018-11-06 | 长安大学 | 一种车辆异常驾驶行为的检测方法 |
-
2019
- 2019-01-14 CN CN201910032833.9A patent/CN109733303A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102874188A (zh) * | 2012-09-01 | 2013-01-16 | 北京车网互联科技股份有限公司 | 一种基于车辆总线数据的驾驶行为警示方法 |
| CN103150677A (zh) * | 2013-02-27 | 2013-06-12 | 清华大学 | 激进驾驶状态识别方法及系统 |
| DE102016200973A1 (de) * | 2016-01-25 | 2017-07-27 | Robert Bosch Gmbh | Verfahren zum Erkennen einer Müdigkeit eines Fahrers eines Fahrzeugs und Steuergerät |
| CN106127126A (zh) * | 2016-06-17 | 2016-11-16 | 杭州好好开车科技有限公司 | 基于三急数据的激进驾驶行为的识别方法 |
| CN108764111A (zh) * | 2018-05-23 | 2018-11-06 | 长安大学 | 一种车辆异常驾驶行为的检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | A graphical modeling method for individual driving behavior and its application in driving safety analysis using GPS data | |
| CN102360525B (zh) | 基于判别分析的快速道路实时交通事故风险预测方法 | |
| CN110164132B (zh) | 一种道路交通异常的检测方法及系统 | |
| Chandraratna et al. | Problem driving maneuvers of elderly drivers | |
| CN106184229B (zh) | 车辆驾驶预警方法及其系统 | |
| CN103646534A (zh) | 一种道路实时交通事故风险控制方法 | |
| 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 | |
| CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
| CN103042922A (zh) | 确定基于车辆驾驶状态信息的驾驶集中度的系统和方法 | |
| CN103018754A (zh) | 一种基于gps数据的拐弯识别方法 | |
| Mousavi et al. | Identifying high crash risk highway segments using jerk-cluster analysis | |
| CN113160593A (zh) | 一种基于边云协同的山区公路行车安全预警方法 | |
| CN110428621A (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
| CN106379321A (zh) | 一种车辆急转弯识别的方法、装置及系统 | |
| CN110428604A (zh) | 一种基于gps轨迹数据和地图数据的出租车违规停车监测与预警方法 | |
| CN110766943B (zh) | 一种基于事故数据的不良驾驶行为判定的监测方法和系统 | |
| CN108492563B (zh) | 一种基于平均速度的超速事件探测方法 | |
| Zolali et al. | A behavioral model of drivers’ mean speed influenced by weather conditions, road geometry, and driver characteristics using a driving simulator study | |
| CN112735139A (zh) | 一种用于普通公路安全隐患排查的装置和方法 | |
| CN113635897A (zh) | 一种基于风险场的安全驾驶预警方法 | |
| CN108961748A (zh) | 一种基于当量违法率的交叉口运行安全状态排名方法 | |
| CN106428003A (zh) | 不良天气下高速公路车辆偏离车道的预警装置及方法 | |
| CN1796940A (zh) | 导航系统的弯道安全预警及行车纪录方法 | |
| CN109733303A (zh) | 一种营运车驾驶员着急赶路异常驾驶状态识别方法 | |
| CN111731314A (zh) | 一种车辆驾驶许用速度确定方法、车载设备及存储介质 |
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 |
Application publication date: 20190510 |
|
| RJ01 | Rejection of invention patent application after publication |