CN111210165B - 一种基于风险传导耦合的车辆运行风险评估系统 - Google Patents
一种基于风险传导耦合的车辆运行风险评估系统 Download PDFInfo
- Publication number
- CN111210165B CN111210165B CN202010071461.3A CN202010071461A CN111210165B CN 111210165 B CN111210165 B CN 111210165B CN 202010071461 A CN202010071461 A CN 202010071461A CN 111210165 B CN111210165 B CN 111210165B
- Authority
- CN
- China
- Prior art keywords
- risk
- vehicle
- degree
- factors
- influence
- 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
- 230000008878 coupling Effects 0.000 title claims abstract description 117
- 238000010168 coupling process Methods 0.000 title claims abstract description 117
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 117
- 238000012502 risk assessment Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000006073 displacement reaction Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 12
- 230000004397 blinking Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 6
- 238000012854 evaluation process Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 16
- 230000000694 effects Effects 0.000 description 7
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
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
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G06Q50/40—
Abstract
一种基于风险传导耦合的车辆运行风险评估系统,针对现有技术中车辆风险评估系统评估准确率低的问题,包括:风险评估指标生成模块、信息采集模块、赋值计算模块和风险评估模块,该系统以运行车辆为研究对象,通过层次分析法对在车辆运行风险评估过程中出现的驾驶员、车辆和道路环境因素进行分析,确定了影响车辆运行的六个关键风险因素,通过研究各风险因素间的传导耦合关系构建车辆运行风险的风险传导耦合函数,据其计算的风险传导耦合度实时准确地判断运行车辆所处的风险等级,评估准确率高,为驾驶员提供车辆运行状态风险提示,进而提高车辆运行系统的安全水平和交通流的整体运行效率。
Description
技术领域
本发明涉及道路交通安全技术领域,具体为一种基于风险传导耦合的车辆运行风险评估系统。
背景技术
随着社会经济和科学技术的进步,我国的交通运输行业蓬勃发展,随之而来的交通安全问题日益凸显。道路交通事故不仅造成了极大的人员伤亡和财产损失,还严重影响了道路交通系统的有效运行并造成了社会经济损失。交通安全的核心在于风险管理,构建合理的车辆运行风险评估方法已经成为解决交通安全问题的关键。
专利CN101937421A公开了一种采集车辆实时运行信息而进行运行安全风险评估的方法,通过对车辆运行信息和车辆事故信息进行数据挖掘以建立车辆运行安全风险评估模型,再利用车辆实时运行信息修正风险评估模型以计算车辆运行的安全风险系数。
专利CN107909678A公开了一种行车风险评价方法及系统,通过对车辆行驶信息的采集和处理,得到所述车辆的异常驾驶信息,获取已发生的事故信息,根据异常驾驶信息和事故信息建立机器学习模型对所述车辆的行车风险进行评价。
车辆运行风险涉及多因素的作用,包括驾驶员、车辆、道路环境等因素,且各个因素之间相互影响。现今车辆运行风险评估方法的研究已有一定的成果,但大多数只是对静态因素进行分析,极少建立动态的模型或评估方法对实时的车辆运行状态进行评估,并且多从单一因素考虑车辆运行风险,未充分考虑各因素间的相互传导和影响作用,针对车辆运行的多风险因素传导耦合方面的研究有待进一步深入。若能对影响车辆运行的各风险因素进行区分和量化,研究各风险因素之间的传导耦合关系并搭建有效的车辆运行风险评估系统,将能更实时准确地评估运行车辆所处的风险状态,对减少交通安全事故、完善车辆运行风险评估体系和提升行驶安全性均具有重要的理论价值和现实意义。
发明内容
本发明的目的是:针对现有技术中车辆风险评估系统评估准确率低的问题,提供一种基于风险传导耦合的车辆运行风险评估系统。
本发明为了解决上述技术问题采取的技术方案是:
一种基于风险传导耦合的车辆运行风险评估系统,包括:风险评估指标生成模块、信息采集模块、赋值计算模块和风险评估模块,
所述风险评估指标生成模块采用层次分析法对驾驶员、车辆和道路环境因素进行分析,并建立车辆运行风险评估指标层次结构,所述驾驶员因素包括驾驶员的眨眼时间、眨眼频率、眨眼时间均值、扫视速度、注视点轨迹和制动踏板位移,所述车辆因素包括车速、横向速度、纵向速度、车头间距、车头间距和加速度,所述道路环境因素包括道路线形指标、V/C和路面摩擦系数;
所述信息采集模块根据建立的车辆运行风险评估指标层次结构采集车辆在行驶过程中各关键风险因素的实测参数值,所述信息采集模块中各关键风险因素包括眨眼时间均值、制动踏板位移、车辆的横向、纵向速度、路面摩擦系数和V/C,所述V/C为交通量与路段通行能力的比值;
所述赋值计算模块用于对各关键风险因素间的直接影响程度进行赋值,并计算各关键风险因素间的影响度、被影响度、中心度和原因度;
所述风险评估模块利用耦合度模型建立关于车辆运行风险的风险传导耦合函数,然后计算风险传导耦合度,划分耦合度的阈值并判定运行车辆所处的风险等级。
进一步的,所述信息采集模块包括:眼动仪、制动踏板位移传感器、车速传感器、角速度传感器、摆式摩擦系数测定仪和CCD相机,
所述眼动仪用于采集驾驶员在单位时间内的眨眼次数;
所述制动踏板位移传感器用于采集驾驶员踩下制动踏板的深度;
所述速度传感器用于采集车辆在行驶过程中的速度信息;
所述摆式摩擦系数测定仪用于采集车辆行驶道路的路面摩擦系数;
所述CCD相机用于拍摄车辆行驶路段的交通情况。
进一步的,所述赋值计算模块执行如下步骤:
步骤一:确定6个关键风险因素间的直接影响关系,采用0-5标度法进行直接影响程度赋值,并绘制车辆运行关键风险因素直接影响关系图及赋值结果图;
步骤二:建立关键风险因素直接影响矩阵和综合影响矩阵,所述直接影响矩阵表示为
所述综合影响矩阵表示为
T=X+X2+X3+……+Xn=X(1-X)-1
其中,X表示矩阵数列;
步骤三:利用综合影响矩阵计算6个关键风险因素的影响度、被影响度、中心度和原因度,然后确定车辆运行风险因素传导耦合关系图,
其中,rj为第j个关键风险因素对其他关键风险因素的影响度,ci为第i个关键风险因素对其他关键风险因素而言的被影响度,
mi=rj+ci,i=j
ni=rj-ci,i=j
其中,mi表示第i个关键风险因素之间的影响及被影响的总程度,为中心度,ni表示第i个关键风险因素之间的影响或被影响的总程度,为原因度。
进一步的,所述风险评估模块具体执行如下步骤:
步骤A:利用耦合度模型建立关于车辆运行风险的风险传导耦合函数,并将中心度作为耦合函数时所需的指标权重;
步骤B:计算各车辆运行风险因素间的风险传导耦合度,划分耦合度的阈值并判定车辆运行系统的风险等级。
进一步的,所述车辆运行风险的风险传导耦合函数为:
其中,C为车辆运行风险耦合度,Ui为第i个关键风险因素所占权重,即中心度。
进一步的,所述划分耦合度的阈值并判定车辆运行系统的风险等级的具体步骤为:
风险传导耦合度阈值大于0,小于等于0.2,判定为安全,
风险传导耦合度阈值大于0.2,小于等于0.4,较判定为较安全,
风险传导耦合度阈值大于0.4,小于等于0.6,较判定为一般,
风险传导耦合度阈值大于0.6,小于等于0.8,较判定为危险,
风险传导耦合度阈值大于0.8,小于等于1,较判定为高度危险。
进一步的,所述赋值计算模块采用DEMATEL方法。
本发明的有益效果是:
本发明提出了一种基于风险传导耦合的车辆运行风险评估系统,该系统以运行车辆为研究对象,通过层次分析法对在车辆运行风险评估过程中出现的驾驶员、车辆和道路环境因素进行分析,确定了影响车辆运行的六个关键风险因素,通过研究各风险因素间的传导耦合关系构建车辆运行风险的风险传导耦合函数,据其计算的风险传导耦合度实时准确地判断运行车辆所处的风险等级,评估准确率高,为驾驶员提供车辆运行状态风险提示,进而提高车辆运行系统的安全水平和交通流的整体运行效率。同时对道路交通安全主动防控技术、交通仿真及自动驾驶技术的进一步完善也具有借鉴意义。
附图说明
图1为车辆运行风险评估系统的结构示意图;
图2为车辆运行风险评估指标层次结构图;
图3为车辆运行关键风险因素直接影响关系及赋值结果图;
图4为车辆运行风险因素传导耦合关系图。
具体实施方式
具体实施方式一:参照图1具体说明本实施方式,本实施方式所述的一种基于风险传导耦合的车辆运行风险评估系统,包括:风险评估指标生成模块、信息采集模块、赋值计算模块和风险评估模块,
所述风险评估指标生成模块采用层次分析法对驾驶员、车辆和道路环境因素进行分析,并建立车辆运行风险评估指标层次结构,所述驾驶员因素包括驾驶员的眨眼时间、眨眼频率、眨眼时间均值、扫视速度、注视点轨迹和制动踏板位移,所述车辆因素包括车速、横向速度、纵向速度、车头间距、车头间距和加速度,所述道路环境因素包括道路线形指标(例如平曲线半径、纵坡坡度、竖曲线长度和超高)、V/C和路面摩擦系数;
所述信息采集模块根据建立的车辆运行风险评估指标层次结构采集车辆在行驶过程中各关键风险因素的实测参数值,所述信息采集模块中各关键风险因素包括眨眼时间均值、制动踏板位移、车辆的横向、纵向速度、路面摩擦系数和V/C,所述V/C为交通量与路段通行能力的比值;
所述赋值计算模块用于对各关键风险因素间的直接影响程度进行赋值,并计算各关键风险因素间的影响度、被影响度、中心度和原因度;
所述风险评估模块利用经典耦合度模型建立关于车辆运行风险的风险传导耦合函数,然后计算风险传导耦合度,划分耦合度的阈值并判定运行车辆所处的风险等级。
在本发明的基于风险传导耦合的车辆运行风险评估系统实施例中,车辆运行风险评估系统的结构示意图如图1所示,该系统包括:
风险评估指标生成模块,用于采用层次分析法对可能造成车辆运行风险的驾驶员、车辆和道路环境因素进行分析,并建立车辆运行风险评估指标层次结构。所述车辆运行风险评估指标层次结构由交通安全领域的专家组制定,该模块包括目标层、原则层和指标层,如图2所示,所述目标层定义为待评估的车辆运行风险,本发明的目的就是通过分析车辆运行系统的各风险因素关系建立车辆运行风险评估模型,以此判断运行车辆所处的风险等级。所述原则层定义为制定一套合理全面的车辆运行风险评估指标体系必须遵守的原则,包括目的性、科学性、系统性、独立性、突出性和定性分析与定量分析相结合这6项原则。所述指标层即车辆运行风险评估指标体系,本发明结合国内外学者对车辆运行风险影响因素的相关研究选取了诸多风险影响因素,借鉴李克特量表完成了问卷设计,向6位交通安全领域的专家及学者发放调查问卷,从驾驶员、车辆以及道路环境三方面考虑调查了各风险因素对车辆运行状态造成影响的排名,选取了六个关键风险因素。
驾驶员是车辆运行系统中的主体,驾驶员对外界交通信息的获取90%以上来自视觉,驾驶员主要通过眼睛获取交通环境信息并感知车辆的运行状态。常用的眼动指标主要有三个:眨眼时间、眨眼频率、眨眼时间均值。眨眼时间均值评估驾驶员状态时比眨眼时间、眨眼频率更为有效、可靠,并且最为稳定。其次,从驾驶员对车辆的操纵来看,制动踏板位移可反映驾驶员操纵踏板的轻重程度,易获取和分析其与车辆运行风险的关系。故选取眨眼时间均值和制动踏板位移作为关键风险因素对车辆运行风险进行评估。
车辆是交通出行的工具和载体,是交通事故的直接“参与者”,车速高低与行车危险性有明确的关系,见表1。当速度每次增加5km/h,车辆运行的危险性大约是原来的两倍,因此在车辆运行风险评估过程中,应将速度视为主要因素。
表1车速与行车危险性关系
道路上运行的车辆,除了要跟随前车行进,受前车运行状态改变而改变,还受侧向车辆的影响,需要考虑来自侧向车辆的干扰。结合这一情况,选取车辆的横向速度与纵向速度作为衡量车辆运行状态的关键风险因素。
驾驶员驾驶车辆在道路环境中行驶必然会受到环境条件的影响,尤其是冰雪、雨、雾等不良天气。天气对车辆运行状态的影响可以通过路面摩擦系数的变化来体现。另外,道路交通事故可通过V/C反映,V/C是指交通量与路段通行能力的比值,反映了路段的流畅程度。有研究表明,V/C与事故率的关系呈现U字型,当V/C较大时,事故率较大。故将路面摩擦系数和道路V/C选为关键风险因素来进行车辆运行风险评估。
综上,从驾驶员、车辆以及道路环境三方面进行考虑,选取眨眼时间均值、制动踏板位移、车辆的横向和纵向速度、路面摩擦系数及V/C这六个关键风险因素来构建车辆运行风险评价指标体系。
信息采集模块的功能是采集车辆在行驶过程中各关键风险因素的实测参数值,该模块由眼动仪、制动踏板位移传感器、车速传感器、角速度传感器、摆式摩擦系数测定仪和CCD相机组成。
眼动仪,用于采集驾驶员在单位时间内的眨眼次数,结合眼动仪的采样频率可计算眨眼时间均值;
制动踏板位移传感器,用于采集驾驶员对制动踏板的控制情况,踩下制动踏板的深度;
速度传感器,用于采集车辆在行驶过程中的速度信息,再结合角速度传感器采集的车轮角速度变化量可计算车辆的横向和纵向速度;
摆式摩擦系数测定仪用于采集车辆行驶道路的路面摩擦系数;
CCD相机用于拍摄车辆行驶路段的交通情况,以便统计交通量和V/C计算。
对于这些行驶信息的采集,实际有多种实现方式,例如,还可以通过车载OBD系统获取车辆在行驶过程中各关键风险因素的实测参数值。
赋值计算模块的功能是采用DEMATEL方法进行各关键风险因素间的直接影响程度赋值,并计算各关键风险因素间的影响度、被影响度、中心度和原因度。
步骤一:确定6个关键风险因素间的直接影响关系,采用0-5标度法进行直接影响程度赋值,并绘制车辆运行关键风险因素直接影响关系图及赋值结果图。
根据构建的车辆运行风险评价指标体系,需要明确六个关键风险因素间的直接影响关系。通过六个关键风险因素的成对比较确定它们之间的直接影响关系,本发明据此确定车辆运行风险评价指标直接影响关系图,如图3所示,该图由圆圈和箭线构成,圆圈内为第i个关键风险因素,箭线方向表示风险的传导关系。显然眨眼时间均值、车辆的横向和纵向速度、路面摩擦系数及V/C这6个指标对制动踏板位移均有不同程度的影响,制动踏板位移的变化反过来作用于车辆的速度控制,车辆的纵向速度与道路V/C均会影响驾驶员的视觉判断,进而影响眨眼时间均值。
其次,本发明采用0-5标度法的评判规则对6个关键风险因素之间的直接影响程度划分为6个等级进行赋值:0代表没有直接影响,1代表直接影响极弱,2代表直接影响较弱,3代表直接影响中等,4代表直接影响较强,5代表直接影响极强,可见表2。直接影响程度按照关键风险因素i对关键风险因素j有影响的比例进行划分,比例为0%时分值为0,比例为1%~20%时分值为1,比例为21%~40%时分值为2,比例为41%~60%时分值为3,比例为61%~80%时分值为4,比例为81%~100%时分值为5。其中关键风险因素i对关键风险因素j有影响的比例可以根据其具体数值给出的区间标准进行判定。图3给出了特定车辆运行状态(已知6个关键风险因素的具体数值)下6个关键风险因素间的直接影响程度赋值。
表2 0-5标度法
步骤二:建立关键风险因素直接影响矩阵和综合影响矩阵。
为了更好地量化各关键风险因素间的直接影响关系,需要建立关键风险因素直接影响矩阵,矩阵表中的第一行与第一列分别用每个关键风险因素的数字代替该风险因素,第i行第j列的空格处填入的数字代表第i个风险因素对第j个风险因素的影响情况,根据得到的车辆运行风险评价指标直接影响关系图建立风险因素直接影响矩阵A=[aij]6×6,其中aij表示关键风险因素i对关键风险因素j的影响程度:
对风险因素直接影响矩阵进行归一化处理,得到标准化矩阵X,其值介于0和1之间。
标准化的计算公式如下:
X=A/s (1)
其中A为直接影响矩阵;s为矩阵A中各行元素之和的最大值。
关键风险因素间的相互影响由直接影响和间接影响两部分共同构成,所以综合影响矩阵为直接影响矩阵与间接影响矩阵的和,其中间接影响矩阵是一系列递减的矩阵数列X2、X3……Xn构成,满足综合影响矩阵T的计算公式如下:
T=X+X2+X3+……+Xn=X(1-X)-1 (2)
步骤三:根据综合影响矩阵计算6个关键风险因素的影响度、被影响度、中心度和原因度,确定车辆运行风险因素传导耦合关系图。
为了进一步分析各关键风险因素之间的综合影响关系,本发明根据综合影响矩阵进一步计算出各关键风险因素的影响度、被影响度、中心度和原因度,其中影响度和被影响度分别反映了该风险因素的被影响程度和影响其他因素的程度。将综合影响矩阵T的每行与每列分别加和,即可求得每行与每列的总和r和c,可见计算公式(3)和(4)。
其中,rj为第j个关键风险因素对其他关键风险因素的影响程度,ci为第i个关键风险因素对其他关键风险因素而言的被影响度。
计算第i个风险因素的中心度和原因度,计算公式如下:
mi=rj+ci,i=j (5)
ni=rj-ci,i=j (6)
其中,mi表示第i个关键风险因素之间的影响及被影响的总程度,为中心度,ni表示第i个关键风险因素之间的影响或被影响的总程度,为原因度。
mi越大表示该风险因素影响其他因素以及被其他因素影响的程度越大,初步判断为重要的指标。当ni>0,表明该因素会对其他风险因素产生影响,称为原因风险因素;当ni<0时,表明该因素会被其他因素影响,称为结果风险因素。
根据计算得到的各关键风险因素的中心度和原因度,可以发现,影响车辆运行风险的因素中,原因度大于0的有两个,分别是V/C以及路面摩擦系数,影响车辆运行风险的因素中原因度小于0的共有四个。所以原因风险因素为V/C和路面摩擦系数,结果因素为眨眼时间均值、制动踏板位移、纵向速度和横向速度。据此可以构建如图4所示的车辆运行风险因素传导耦合关系图。
风险评估模块的功能是基于经典耦合度模型建立关于车辆运行风险的风险传导耦合函数,计算风险传导耦合度,划分耦合度的阈值并判定运行车辆所处的风险等级。
步骤一:选用经典耦合度模型建立关于车辆运行风险的风险传导耦合函数,并中心度作为耦合函数时所需的指标权重。
风险因素之间的相互影响是一个耦合作用的过程,因素之间的作用存在着强化或者弱化的关系,在车辆运行系统中,当风险因素之间的相互作用强化,即因素之间相互影响程度加剧,则车辆运行风险增加,容易导致交通事故的发生。经典耦合度模型能够定量描述系统内部各因素间的相互耦合作用程度大小。具备可以明确耦合度量、样本需求不高以及计算简便等优点。该模型首先需要建立定性的耦合度指标体系,并对定性指标体系的权重进行度量,然后构建耦合度函数,分析各风险因素间的耦合度值。因此本发明决定结合经典耦合度模型的建模思想,来构建关于车辆运行风险的风险传导耦合函数。
前面计算出来的中心度mi既表示关键风险因素i与其他因素的关系密切程度,也表示了该风险因素在系统中所起作用的大小,因此本发明将中心度作为构建耦合度函数时所需的指标权重。在得知各个风险因素指标的权重基础上,借鉴经典耦合度模型,构建关于车辆运行风险的风险传导耦合函数,计算公式表示为:
其中C为车辆运行风险耦合度;Ui为第i个关键风险因素所占权重,即中心度。
步骤二:计算各车辆运行风险因素间的风险传导耦合度,划分耦合度的阈值并判定车辆运行系统的风险等级。
根据建立的风险传导耦合函数,利用公式(7)计算车辆运行系统中各因素间的风险传导耦合度C,6个关键风险因素具有15种耦合形式,其中有两个风险因素的耦合形式有5种,三个风险因素的耦合形式有4种,四个风险因素的耦合形式有3种,五个风险因素的耦合形式有2种,六个风险因素的耦合形式有1种。比较各种耦合形式的风险传导耦合度可以发现不同因素之间的耦合度存在区别,当进行双因素耦合度分析时,产生的风险传导耦合度较大,风险传导耦合度越大说明各因素间的关联性越大,在进行风险控制时,应该尽量避免这些风险因素同时对系统产生影响。而当多个风险因素同时存在于风险传导路径中时,风险传导耦合度降低,这一结果是由于部分因素的耦合削弱了整体因素所产生的风险。
根据风险传导耦合度可以判断所组成运行车辆的风险耦合状态,风险传导耦合度取值范围C∈[0,1],C等于0时表示车辆运行风险因素间的耦合度最小,当C为1时表示车辆运行风险因素间的耦合度最大,此外,在0到1区间的值还可以进行更为细致的划分,风险传导耦合状态详见表3。
表3风险传导耦合状态
根据求得的运行车辆的风险传导耦合度值,本发明借鉴风险耦合状态表划分耦合度的阈值,并将运行车辆所处的风险状态划分为5个安全等级,分别是安全、较安全、一般、危险及高度危险,各风险等级的评价系数可见表4。
表4车辆运行风险等级
采用以下实施例验证本发明的有益效果:
实施例:
本实施例采用风险情境的对比来验证本发明的有效性:
第一种风险情境就是具体实施方式中对特定车辆运行状态下6个关键风险因素的数值进行打分所构建的关键风险因素直接影响关系图及其赋值结果,如图3所示。根据图3建立的关键风险因素直接影响矩阵A1如下:
按照本发明所述求取该风险情境下各项风险因素不同耦合形式的风险传导耦合度,结果见表5。
表5第一种风险情境下的风险传导耦合度
第二种风险情境通过改变纵向速度对运行车辆的风险影响值,假设纵向速度增加,超过规定最高行驶速度,随着实际速度与规定最高速度的差值越来越大,车辆运行风险增加,因此导致风险因素直接影响图中的权重改变,所得的直接影响矩阵改变,假设此种情境下建立的关键风险因素直接影响矩阵A2如下:
按照本发明所述求取该风险情境下各项风险因素不同耦合形式的风险传导耦合度,结果见表6。
表6第二种风险情境下的风险传导耦合度
通过表5与表6的对比可以发现:风险传导耦合度整体值升高,表明车辆运行风险传导耦合度高,各因素的风险传导紧密,运行车辆的安全稳定性降低,危险性增加;两因素耦合时,风险传导耦合度增加更为明显,表明当纵向速度这一单一因素改变时,对与之直接相关的风险因素影响较强。同时也验证了本发明所述的车辆运行风险评估系统的有效性。
需要注意的是,具体实施方式仅仅是对本发明技术方案的解释和说明,不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的,仍应落入本发明的保护范围内。
Claims (2)
1.一种基于风险传导耦合的车辆运行风险评估系统,其特征在于包括:风险评估指标生成模块、信息采集模块、赋值计算模块和风险评估模块,
所述风险评估指标生成模块采用层次分析法对驾驶员、车辆和道路环境因素进行分析,并建立车辆运行风险评估指标层次结构,所述驾驶员因素包括驾驶员的眨眼时间、眨眼频率、眨眼时间均值、扫视速度、注视点轨迹和制动踏板位移,所述车辆因素包括车速、横向速度、纵向速度、车头间距、车头间距和加速度,所述道路环境因素包括道路线形指标、V/C和路面摩擦系数;
所述信息采集模块根据建立的车辆运行风险评估指标层次结构采集车辆在行驶过程中各关键风险因素的实测参数值,所述信息采集模块中各关键风险因素包括眨眼时间均值、制动踏板位移、车辆的横向、纵向速度、路面摩擦系数和V/C,所述V/C为交通量与路段通行能力的比值;
所述赋值计算模块用于对各关键风险因素间的直接影响程度进行赋值,并计算各关键风险因素间的影响度、被影响度、中心度和原因度;
所述风险评估模块利用耦合度模型建立关于车辆运行风险的风险传导耦合函数,然后计算风险传导耦合度,划分耦合度的阈值并判定运行车辆所处的风险等级;
所述信息采集模块包括:眼动仪、制动踏板位移传感器、车速传感器、角速度传感器、摆式摩擦系数测定仪和CCD相机,
所述眼动仪用于采集驾驶员在单位时间内的眨眼次数;
所述制动踏板位移传感器用于采集驾驶员踩下制动踏板的深度;
所述速度传感器用于采集车辆在行驶过程中的速度信息;
所述摆式摩擦系数测定仪用于采集车辆行驶道路的路面摩擦系数;
所述CCD相机用于拍摄车辆行驶路段的交通情况;
所述赋值计算模块执行如下步骤:
步骤一:确定6个关键风险因素间的直接影响关系,采用0-5标度法进行直接影响程度赋值,并绘制车辆运行关键风险因素直接影响关系图及赋值结果图;
步骤二:建立关键风险因素直接影响矩阵和综合影响矩阵,所述直接影响矩阵表示为
所述综合影响矩阵表示为
T=X+X2+X3+……+Xn=X(1-X)-1
其中,X表示矩阵数列;
步骤三:利用综合影响矩阵计算6个关键风险因素的影响度、被影响度、中心度和原因度,然后确定车辆运行风险因素传导耦合关系图,
其中,rj为第j个关键风险因素对其他关键风险因素的影响度,ci为第i个关键风险因素对其他关键风险因素而言的被影响度,
mi=rj+ci,i=j
ni=rj-ci,i=j
其中,mi表示第i个关键风险因素之间的影响及被影响的总程度,为中心度,ni表示第i个关键风险因素之间的影响或被影响的总程度,为原因度;
所述风险评估模块具体执行如下步骤:
步骤A:利用耦合度模型建立关于车辆运行风险的风险传导耦合函数,并将中心度作为耦合函数时所需的指标权重;
步骤B:计算各车辆运行风险因素间的风险传导耦合度,划分耦合度的阈值并判定车辆运行系统的风险等级;
所述车辆运行风险的风险传导耦合函数为:
其中,C为车辆运行风险耦合度,Ui为第i个关键风险因素所占权重,即中心度;
所述划分耦合度的阈值并判定车辆运行系统的风险等级的具体步骤为:
风险传导耦合度阈值大于0,小于等于0.2,判定为安全,
风险传导耦合度阈值大于0.2,小于等于0.4,较判定为较安全,
风险传导耦合度阈值大于0.4,小于等于0.6,较判定为一般,
风险传导耦合度阈值大于0.6,小于等于0.8,较判定为危险,
风险传导耦合度阈值大于0.8,小于等于1,较判定为高度危险。
2.根据权利要求1所述的一种基于风险传导耦合的车辆运行风险评估系统,其特征在于所述赋值计算模块采用DEMATEL方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010071461.3A CN111210165B (zh) | 2020-01-21 | 2020-01-21 | 一种基于风险传导耦合的车辆运行风险评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010071461.3A CN111210165B (zh) | 2020-01-21 | 2020-01-21 | 一种基于风险传导耦合的车辆运行风险评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111210165A CN111210165A (zh) | 2020-05-29 |
CN111210165B true CN111210165B (zh) | 2023-04-07 |
Family
ID=70789887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010071461.3A Active CN111210165B (zh) | 2020-01-21 | 2020-01-21 | 一种基于风险传导耦合的车辆运行风险评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111210165B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112542048B (zh) * | 2020-12-19 | 2022-06-07 | 桂林理工大学 | 一种基于无人机-车载协作网的车辆安全评级方法 |
CN112884288B (zh) * | 2021-01-25 | 2023-12-01 | 浙江公路水运工程咨询集团有限公司 | 一种高速公路雨雾场景行车安全评估系统 |
CN112819310B (zh) * | 2021-01-25 | 2022-07-26 | 国网山东省电力公司 | 基于影响图的光伏信息物理系统安全风险评估方法 |
CN113094704B (zh) * | 2021-03-31 | 2023-02-17 | 中国汽车技术研究中心有限公司 | 一种基于混合分析的汽车零部件信息安全风险分级的方法和系统 |
CN113208611A (zh) * | 2021-04-13 | 2021-08-06 | 中南民族大学 | 一种融合机器学习与物联网技术的疲劳驾驶实时监测系统 |
CN113222458A (zh) * | 2021-05-31 | 2021-08-06 | 上海工程技术大学 | 一种城市轨道交通驾驶员安全风险测评模型及系统 |
CN113360843B (zh) * | 2021-08-11 | 2021-11-05 | 上海建工集团股份有限公司 | 基于多因素耦合的安全风险管控方法 |
CN113947324A (zh) * | 2021-10-25 | 2022-01-18 | 国网山东省电力公司信息通信公司 | 基于多数据耦合的企业风险预警方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1701500A1 (en) * | 2005-03-08 | 2006-09-13 | Praesidium Technologies Ltd | Communications system with distributed risk management |
CN102592441A (zh) * | 2012-02-22 | 2012-07-18 | 天津港(集团)有限公司 | 基于交通冲突技术的货车专用道路安全评价方法 |
CN104102980A (zh) * | 2014-07-28 | 2014-10-15 | 中国地质调查局西安地质调查中心 | 一种基于风险评价的地质灾害预警技术 |
CN105405309A (zh) * | 2015-12-30 | 2016-03-16 | 哈尔滨工业大学 | 高速公路施工作业区车速控制分级预警系统 |
CN108920846A (zh) * | 2018-07-06 | 2018-11-30 | 西南交通大学 | 一种高铁列控系统复杂运营场景的风险耦合分析方法 |
CN109094482A (zh) * | 2018-07-25 | 2018-12-28 | 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 |
CN109448369A (zh) * | 2018-10-26 | 2019-03-08 | 中交第公路勘察设计研究院有限公司 | 高速公路实时运行风险计算方法 |
CN109685308A (zh) * | 2018-11-15 | 2019-04-26 | 中国科学院大学 | 一种复杂系统关键路径评估方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060155553A1 (en) * | 2004-12-30 | 2006-07-13 | Brohman Carole G | Risk management methods and systems |
GB2427043A (en) * | 2005-05-26 | 2006-12-13 | Moneyexpert Ltd | Online system offering aggregate product and services data with corresponding propensity analysis |
-
2020
- 2020-01-21 CN CN202010071461.3A patent/CN111210165B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1701500A1 (en) * | 2005-03-08 | 2006-09-13 | Praesidium Technologies Ltd | Communications system with distributed risk management |
CN102592441A (zh) * | 2012-02-22 | 2012-07-18 | 天津港(集团)有限公司 | 基于交通冲突技术的货车专用道路安全评价方法 |
CN104102980A (zh) * | 2014-07-28 | 2014-10-15 | 中国地质调查局西安地质调查中心 | 一种基于风险评价的地质灾害预警技术 |
CN105405309A (zh) * | 2015-12-30 | 2016-03-16 | 哈尔滨工业大学 | 高速公路施工作业区车速控制分级预警系统 |
CN108920846A (zh) * | 2018-07-06 | 2018-11-30 | 西南交通大学 | 一种高铁列控系统复杂运营场景的风险耦合分析方法 |
CN109094482A (zh) * | 2018-07-25 | 2018-12-28 | 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 |
CN109448369A (zh) * | 2018-10-26 | 2019-03-08 | 中交第公路勘察设计研究院有限公司 | 高速公路实时运行风险计算方法 |
CN109685308A (zh) * | 2018-11-15 | 2019-04-26 | 中国科学院大学 | 一种复杂系统关键路径评估方法及系统 |
Non-Patent Citations (3)
Title |
---|
Coupled Electromagnetic-Thermal Analysis of a 130kW Interior-PM Machine for Electric Vehicles based on Field-Circuit Coupling Method;Wenfei Yu;《Coupled Electromagnetic-Thermal Analysis of a 130kW Interior-PM Machine for Electric Vehicles based on Field-Circuit Coupling Method》;IEEE;全文 * |
基于PET算法的匝道合流区交通冲突识别模型;马艳丽;《基于PET算法的匝道合流区交通冲突识别模型》;交通运输系统工程与信息;第18卷(第2期);第142-148页 * |
艰险山区高速铁路应急管理关键问题研究;姚云浩;《艰险山区高速铁路应急管理关键问题研究》;中国博士学文论文(第10(2018)期);C033-21 * |
Also Published As
Publication number | Publication date |
---|---|
CN111210165A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210165B (zh) | 一种基于风险传导耦合的车辆运行风险评估系统 | |
WO2020244288A1 (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
CN105730450B (zh) | 基于车载数据的驾驶行为分析方法及评价系统 | |
CN104527647B (zh) | 一种驾驶行为危险度的监测评估方法 | |
CN105138733B (zh) | 基于驾驶舒适性的双车道公路交通安全评价方法 | |
CN101694745A (zh) | 基于高速公路几何线形综合技术指标的安全检测方法 | |
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 | |
CN105448108A (zh) | 一种基于隐马尔科夫路网匹配的超速判别方法 | |
CN108682149A (zh) | 基于二项Logistic回归的公路事故黑点路段线形致因分析方法 | |
CN112884288B (zh) | 一种高速公路雨雾场景行车安全评估系统 | |
CN110239556B (zh) | 一种驾驶员即时操控能力感知方法 | |
CN106956680A (zh) | 一种电动汽车驾驶行为识别分析方法 | |
CN111047179B (zh) | 一种基于频繁模式挖掘的车辆运输效率分析方法 | |
CN109636257A (zh) | 一种网约车出行前的风险评价方法 | |
JP3944549B1 (ja) | 運転評価方法及びシステム | |
CN110610326B (zh) | 一种基于驾驶数据的驾驶管理系统 | |
CN113962450A (zh) | 一种核算城市道路交通逐日二氧化碳排放量的方法及其系统 | |
Peng et al. | Visual search efficiency evaluation method for potential connected vehicles on sharp curves | |
CN107742177A (zh) | 一种基于多因素影响的驾驶员弯道行驶轨迹分析方法 | |
Liu et al. | Construction of driving behavior scoring model based on obd terminal data analysis | |
CN113112137A (zh) | 一种互通立交匝道线形安全性评价方法 | |
CN110610611B (zh) | 面向混行交通流中智能网联车辆的行车安全性评价方法 | |
CN106529118A (zh) | 一种基于二元语义ahp的智能汽车仿人转向操纵性能评价方法 | |
Wei et al. | An AHP-ME-Based Vehicle Crash Prediction Model considering Driver Intention and Real-Time Traffic/Road Condition | |
CN105869412A (zh) | 一种基于车辆行驶数据的急加速行为识别方法 |
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 |