CN112579973A

CN112579973A - 一种多源不确定输入下事故再现车速的模糊表达方法

Info

Publication number: CN112579973A
Application number: CN202011524978.XA
Authority: CN
Inventors: 邹铁方; 胡林; 李平凡; 张勇刚
Original assignee: Changsha University of Science and Technology
Current assignee: Changsha University of Science and Technology
Priority date: 2020-12-22
Filing date: 2020-12-22
Publication date: 2021-03-30
Anticipated expiration: 2040-12-22
Also published as: CN112579973B

Abstract

针对现有研究未提供痕迹、模型混合不确定输入下再现车速是否超速的解决方案，本发明提出了一种多源不确定输入下事故再现车速的模糊表达方法，先依据事故路段限速值将车速分为7级以获得事故再现车速模糊集合，然后将不同模型所得不确定再现车速模糊化并根据模型信度对事故再现车速模糊集中各个元素的隶属度进行修正后，获得事故再现车速模糊矩阵，再用取均值法获得事故再现车速列向量，进一步地用最大值法获得事故再现车速模糊集合中的单一元素，最终将上述结果均输出以构成多源不确定输入下事故再现车速的模糊表达。与现有技术相比，本发明的有益效果是：通过给出多元结果很好地解决了痕迹、模型混合不确定输入下事故再现车速是否超速的问题。

Description

一种多源不确定输入下事故再现车速的模糊表达方法

技术领域

本发明涉及事故再现领域，更具体地，涉及一种多源不确定输入下事故再现车速的模糊表达方法。

背景技术

事故再现是开展交通事故深度调查的重要手段，通过再现事故可以获得车速、人体详细损伤等诸多有价值的信息。其中，车速再现又是事故再现的重中之重。但用于事故再现的模型和痕迹均包含不确定性，其中痕迹的不确定性主要因痕迹随时间慢慢消逝所致、而模型的不确定性主要因模型适用场景与真实事故场景不一致所致，在如此多源不确定条件综合作用下如何获得一个客观的事故再现结果，成为一个极具价值的研究课题。

针对痕迹不确定性问题，已有诸多成熟的诸如上下界、差分、响应曲面等方法，通过这些方法可以获得事故车辆车速及其包含的区间、概率或两者混合的不确定信息。针对模型的不确定性问题，已有研究中既有提出高精度事故再现车速获取方法的成果、亦有通过加权算子或蒙特卡洛等方法对多模型事故再现车速进行融合或排序的方案。这些方法的提出，为获取更高精度、更可靠的事故再现车速提供了可信的解决方案，但亦存在不足。事故再现的目的之一是获得用于事故鉴定的事故车辆车速，而人们对事故车辆车速的关注点在于是否超速及超速多少的问题。在现有研究中，除有极少量文献基于蒙特卡洛方法探索了单一模型下事故再现车速是否超速的问题，对于多模型所得多个不确定事故再现车速的超速问题则无解决方案。

发明内容

针对现有研究成果未提供痕迹、模型混合不确定输入下事故再现车速是否超速的解决方案，本发明提出一种多源不确定输入下事故再现车速的模糊表达方法，实施步骤如下：

S1：依据事故路段限速值将事故再现车速分为7级，分别为{未超速，超速10％，超速20％，超速30％，超速50％，超速70％，高超速}，以此构成多源不确定输入下事故再现车速模糊集合；

S2：将不同模型所得结果及其包含的不确定性信息进行模糊化处理，获得给定模型下事故再现车速模糊集合中各个元素的隶属度；

S3：根据模型的信度，修正步骤S2中所得不同模型下事故再现车速模糊集合中各个元素的隶属度；

S4：给出事故再现车速模糊集合中各个元素的模糊表达方案，进而依据所有元素及其模糊表达方案给出事故再现车速模糊矩阵；

S5：运用求均值的方法对事故再现车速模糊矩阵的每一行去模糊化，得到去模糊化后的事故再现车速列向量；

S6:运用求最大值的方法对事故再现车速列向量去模糊化，得到事故再现车速模糊集合中的单一元素；

S7：将步骤S4、S5及S6中事故再现车速模糊矩阵、事故再现车速列向量及事故再现车速模糊集合中的单一元素作为最终结果输出。

优选地，步骤S1中事故再现车速模糊集合中元素的定义为：假定某路段限速值为v0，事故再现所得车速为v1，则未超速指v1<v0；超速10％指0<(v1-v0)/v0≤10％；超速20％指10％<(v1-v0)/v0≤20％；超速30％指20％<(v1-v0)/v0≤30％；超速50％指30％<(v1-v0)/v0≤50％；超速70％指50％<(v1-v0)/v0≤70％；高超速指(v1-v0)/v0>70％。

优选地，步骤S2中将不同模型所得结果及其包含的不确定性信息进行模糊化处理的方法如下：根据第i个模型所得不确定事故再现车速所包含的概率信息(其中区间信息视为服从均匀分布的概率信息)生成10⁷个随机数，然后统计落在事故再现车速模糊集合中第j个元素所定义区间的个数n0，并将值pij0＝n0/10⁷视为第i个模型所得事故再现车速模糊集合中第j个元素的隶属度。其中10⁷个随机数能保证令人满意的计算精度、且可保证计算效率。

优选地，步骤S3中修正步骤S2中所得隶属度的方法是：如果第i个模型的信度为ri，则修正后的第i个模型所得事故再现车速模糊集合中第j个元素的隶属度pij＝ri×pij0。模型的信度可通过专家打分的手段获得，已有研究中已有很多类似的成果，故此处不再详细介绍。

优选地，对于有n个模型参与事故再现的问题，步骤S4中事故再现车速模糊集合中第j个元素的模糊表达方案如下：

{p1j/模型1，p2j/模型2，…，pnj/模型n}，

相应地，事故再现车速的模糊矩阵为

事故再现车速的模糊矩阵能包含计算过程中几乎所有的不确定性信息，因而它可以且必须作为一个结果输出。此处，符号“/”并非常规数学中的除法，而是一种模糊表述方法，该符号左边的数值为右边模型所定义的相应再现车速模糊集中元素的隶属度。

优选地，步骤S5中对事故再现车速模糊矩阵去模糊化的方法是求均值法：对第j行(j＝1,…,7)中所有隶属度取均值构成事故再现车速列向量中的第j个元素的隶属度bj＝mean(A(i,j))，其中i＝1,…,n，则事故再现车速列向量B＝[b1/未超速，b2/超速10％，b3/超速20％，b4/超速30％，b5/超速50％，b6/超速70％，b7/高超速]^T。事故再现车速列向量给出了一种考虑各个模型综合影响下事故再现车速的模糊表达，能非常直观看到再现车速超速的程度。

优选地，步骤S6中对事故再现车速列向量去模糊化的方法是取最大值法：取bj(j＝1,…,7)中最大值及其所对应的事故再现车速模糊集中的元素C作为单一元素输出。元素C保护了超速程度及其隶属度，是一种能让人更易接受的表达方式，但丢失了不少信息。

优选地，A、B与C均作为最终结果输出。A、B与C各有特点，均输出，可以加深不同群体对再现车速是否超速的理解。

与现有技术相比，本发明技术方案的有益效果是：不仅能给出事故再现车速模糊矩阵，还能给出事故再现车速列向量及事故再现车速模糊集中的单一元素，能很好解决痕迹、模型混合不确定输入下事故再现车速是否超速的问题。

附图说明

图1为本发明的方法流程图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

下面结合实施例对本发明的技术方案做进一步的说明。

实施例1

针对某一痕迹包含不确定信息事故，选择3种均高度可信的模型对事故车辆车速进行鉴定，得到3个包含不确定信息的车速E、F和G，其中E、F为区间结果；G则服从正态分布。如果事故路段限速值为v0，则可通过如下步骤获得该事故中事故车辆是否超速的信息：

S1：依据事故路段限速值将事故再现车速分为7级，分别为{未超速，超速10％，超速20％，超速30％，超速50％，超速70％，高超速}，以此构成多源不确定输入下事故再现车速模糊集合。其中，假定v1为事故再现所得车速，则未超速指v1<v0；超速10％指0<(v1-v0)/v0≤10％；超速20％指10％<(v1-v0)/v0≤20％；超速30％指20％<(v1-v0)/v0≤30％；超速50％指30％<(v1-v0)/v0≤50％；超速70％指50％<(v1-v0)/v0≤70％；高超速指(v1-v0)/v0>70％。

S2：将不同模型所得结果及其包含的不确定性信息进行模糊化处理，获得给定模型下事故再现车速模糊集合中各个元素的隶属度。对于结果E、F，在其区间内按照均匀分布随机生成10⁷个数；对于结果G，则按照正态分布随机生成10⁷个数。然后统计落在事故再现车速模糊集合中第j个元素所定义区间的个数n0，并将值pij0＝n0/10⁷视为第i个模型所得事故再现车速模糊集合中第j个元素的隶属度。

S3：因所选的三个模型均可信，故无需对步骤S2中计算所得的隶属度进行修正，即pij＝pij0。

S4：给出事故再现车速模糊集合中各个元素的模糊表达方案，进而依据所有元素及其模糊表达方案给出事故再现车速模糊矩阵。其中，事故再现车速模糊集合中第j个元素的模糊表达方案如下：

{p1j/模型1，p2j/模型2，p3j/模型3}

则相对应的事故再现车速模糊矩阵为

S5：运用求均值的方法对事故再现车速模糊矩阵的每一行去模糊化，得到去模糊化后的事故再现车速列向量。对矩阵A第j行(j＝1,…,7)中所有隶属度取均值构成事故再现车速列向量中的第j个元素的隶属度bj＝mean(A(i,j))，其中i＝1,2,3，比如对矩阵第1行，b1＝(p11+p21+p31)/3。则事故再现车速列向量B＝[b1/未超速，b2/超速10％，b3/超速20％，b4/超速30％，b5/超速50％，b6/超速70％，b7/高超速]^T。

S6：运用求最大值的方法对事故再现车速列向量去模糊化，得到事故再现车速模糊集合中的单一元素。取bj(j＝1,…,7)中最大值及其所对应的事故再现车速模糊集中的元素C作为单一元素输出。此实施例中，假设b4最大，则输出C＝{b4/超速30％}。

S7：将A、B与C均作为结果输出，以此获得多源不确定输入下事故再现车速的模糊表达。

本发明提出了一种多源不确定输入下事故再现车速的模糊表达方法，先依据事故路段限速值将事故再现车速分为7级以获得事故再现车速模糊集合，然后将不同模型所得不确定再现车速模糊化并根据模型信度对事故再现车速模糊集合中各个元素的隶属度进行修正后，获得事故再现车速模糊矩阵，用取均值法获得事故再现车速列向量，进一步用最大值法获得事故再现车速模糊集合中的单一元素，最终将上述结果均输出以构成多源不确定输入下事故再现车速的模糊表达。与现有技术相比，本发明技术方案的有益效果是：不仅能给出事故再现车速模糊矩阵，还能给出事故再现车速列向量及事故再现车速单一元素，能很好解决痕迹、模型混合不确定输入下事故再现车速是否超速的问题。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims

1.一种多源不确定输入下事故再现车速的模糊表达方法，其特征在于：通过给出事故再现车速模糊矩阵、事故再现车速列向量及事故再现车速模糊集合中的单一元素，很好地解决痕迹、模型混合不确定输入下事故再现车速是否超速的问题，具体实施步骤如下：

2.根据权利要求1所述的一种多源不确定输入下事故再现车速的模糊表达方法，其特征在于：步骤S1中事故再现车速模糊集合中元素的定义为：假定某路段限速值为v0，事故再现所得车速为v1，则未超速指v1<v0；超速10％指0<(v1-v0)/v0≤10％；超速20％指10％<(v1-v0)/v0≤20％；超速30％指20％<(v1-v0)/v0≤30％；超速50％指30％<(v1-v0)/v0≤50％；超速70％指50％<(v1-v0)/v0≤70％；高超速指(v1-v0)/v0>70％。

3.根据权利要求1所述的一种多源不确定输入下事故再现车速的模糊表达方法，其特征在于：步骤S2中将不同模型所得结果及其包含的不确定性信息进行模糊化处理的方法如下：根据第i个模型所得不确定事故再现车速所包含的概率信息(其中区间信息视为服从均匀分布的概率信息)生成10⁷个随机数，然后统计落在事故再现车速模糊集合中第j个元素所定义区间的个数n0，并将值pij0＝n0/10⁷视为第i个模型所得事故再现车速模糊集合中第j个元素的隶属度。

4.根据权利要求1所述的一种多源不确定输入下事故再现车速的模糊表达方法，其特征在于：步骤S3中修正步骤S2中所得隶属度的方法是：如果第i个模型的信度为ri，则修正后的第i个模型所得事故再现车速模糊集合中第j个元素的隶属度pij＝ri×pij0。

5.根据权利要求1所述的一种多源不确定输入下事故再现车速的模糊表达方法，其特征在于：对于有n个模型参与事故再现的问题，步骤S4中事故再现车速模糊集合中第j个元素的模糊表达方案如下：

{p1j/模型1，p2j/模型2，…，pnj/模型n}，

相应地，事故再现车速的模糊矩阵为：

6.根据权利要求1所述的一种多源不确定输入下事故再现车速的模糊表达方法，其特征在于：步骤S5中对事故再现车速模糊矩阵去模糊化的方法是求均值法：对第j行(j＝1,…,7)中所有隶属度取均值构成事故再现车速列向量中的第j个元素的隶属度bj＝mean(A(i,j))，其中i＝1,…,n，则事故再现车速列向量B＝[b1/未超速，b2/超速10％，b3/超速20％，b4/超速30％，b5/超速50％，b6/超速70％，b7/高超速]^T。

7.根据权利要求1所述的一种多源不确定输入下事故再现车速的模糊表达方法，其特征在于：步骤S6中对事故再现车速列向量去模糊化的方法是取最大值法：取bj(j＝1,…,7)中最大值及其所对应的事故再现车速模糊集中的元素C作为单一元素输出。