CN116978225A - 一种快速路合流区危险驾驶行为的风险等级判别方法 - Google Patents
一种快速路合流区危险驾驶行为的风险等级判别方法 Download PDFInfo
- Publication number
- CN116978225A CN116978225A CN202310959077.0A CN202310959077A CN116978225A CN 116978225 A CN116978225 A CN 116978225A CN 202310959077 A CN202310959077 A CN 202310959077A CN 116978225 A CN116978225 A CN 116978225A
- Authority
- CN
- China
- Prior art keywords
- dangerous driving
- driving behavior
- moment
- vehicle
- risk level
- 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
- 230000006399 behavior Effects 0.000 title claims abstract description 124
- 238000012850 discrimination method Methods 0.000 title claims description 6
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 230000036461 convulsion Effects 0.000 claims description 13
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 238000010009 beating Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
Abstract
本发明公开了一种快速路合流区危险驾驶行为的风险等级判别方法,包括:1、采集快速路合流区车辆轨迹数据;2、建立各危险驾驶行为度量指标和阈值;3、求解危险驾驶行为权重和特征值,确定车辆危险驾驶行为程度;4、根据危险程度判断驾驶人综合危险驾驶行为的风险等级,并给出适当控制措施;5、根据快速路合流区行车变化,循环上述步骤。本发明可以有效地识别城市快速路合流区车辆的危险驾驶行为,通过分析危险驾驶行为严重程度判断车辆危险风险等级,精准定位高风险驾驶人并实时给出控制措施,降低城市快速路合流区车辆危险驾驶行为风险,减少路段事故的发生率,使车辆可以更安全、更平稳通过城市快速路合流区,从而提高路段交通安全性。
Description
技术领域
本发明属于智能交通安全领域,尤其涉及城市快速路合流区的危险驾驶行为领域,具体是一种快速路合流区危险驾驶行为的风险等级判别方法。
背景技术
城市快速路合流区在城市道路网络中具有重要的作用,它们是连接城市内部不同地区的快速交通干道,可以缓解城市交通压力,提高交通运输效率。然而,由于城市快速路合流区道路构造形式不同于其他路段,其交通流特性与基本路段截然不同,当车辆保持较高速度从普通路段和匝道进入合流区域,合流区道路线形改变、车道改变、汇入车辆增多,均会对驾驶人造成较大心理负荷。并且,车辆在合流区内存在大量加减速和换道行为,使得车辆运行状态复杂多变。因此,驾驶人在交织区的紧张程度高于普通路段,易产生较为危险的驾驶操作,导致合流区域交通事故频发,造成路段拥堵,降低城市道路运输效率。
另外,传统的管理和监督方式往往难以对急变道、急变速等危险驾驶行为进行甄别和监控,其驾驶行为不被判定为违章行为,但会导致驾驶人产生危险的驾驶操作,从而发生交通事故。
发明内容
本发明克服现有技术存在的不足之处,提出了一种快速路合流区危险驾驶行为的风险等级判别方法,以期能从城市快速路合流区车辆轨迹数据出发,掌握车辆行车行为变化规律,建立各危险驾驶行为特征参数和阈值,并通过分析危险驾驶行为严重程度判别车辆危险驾驶行为的风险等级,主动精准识别高风险驾驶人,实时给出控制措施,降低城市快速路合流区车辆危险驾驶行为风险,使车辆可以更安全、平稳通过城市快速路,从而提高路段交通安全性。
本发明为达到上述发明目的,采用如下技术方案:
本发明一种快速路合流区危险驾驶行为的风险等级判别方法的特点是应用于单向三车道的快速路合流区道路上,并将快速路合流区道路上同向的三条车道由内向外分别记为第一车道、第二车道、第三车道,且在所述第三车道的外侧设置有入口匝道,所述判别方法包括以下步骤:
步骤1、以入口匝道的出口处的下游长度为Lc的快速路道路作为快速路合流区;
以入口匝道与快速路合流区上游相接处为原点,车辆的行驶方向为Y轴的正方向,以与Y轴垂直的方向为X轴方向,建立平面坐标系;
所述快速路合流区是以原点为起点,以Y轴上的横坐标YL为终点且长度为Lc的矩形区域;
步骤2、令Δt表示相邻时刻的间隔,令观测总时间为T,令当前时刻为t,且t∈T;
获取t时刻的车辆轨迹信息,获取t时刻第j辆车中心点的位置坐标和/>获取t-Δt时刻第j辆车中心点位置的位置坐标/>和/>获取t+Δt时刻第j辆车中心点的位置坐标/>和/>获取t时刻第j辆车的瞬时速度Vj(t)和加速度aj(t);
步骤3、令危险驾驶行为包括:超速行为、急打方向、急变道、急变速,并建立危险驾驶驾驶行为的度量指标和阈值;
步骤3.1、根据式(1)计算t时刻第j辆车在快速路合流区行驶过程中的速度度量指标W1j(t),用于表征超速行为的特征参数;
W1j(t)=Vj(t) (1)
步骤3.2、根据式(2)计算t时刻第j辆车在快速路合流区行驶过程中的偏航角θj(t);
步骤3.3、根据式(3)计算t时刻第j辆车在快速路合流区行驶过程中的转向稳定性度量指标W2j(t),用于表征急打方向的特征参数;
步骤3.4、根据式(4)计算t时刻第j辆车在快速路合流区行驶过程中的横向稳定性度量指标W3j(t),用于表征急变道的特征参数;
步骤3.3、根据式(6)计算t时刻第j辆车在快速路合流区行驶过程中的纵向稳定性度量指标W4j(t),用于表征急变速的特征参数;
步骤3.6、将W1j(t)、W2j(t)、W3j(t)、W4j(t)中的任意一个度量指标记为t时刻第j辆车的第i种危险驾驶行为的度量指标Wij(t),i=1,2,3,4;
设定第i种危险驾驶行为特征参数的阈值为Wi *,其中,急打方向的特征参数的阈值W2 *是由式(7)确定;
W2 *=U+1.5I (7)
式(7),U表示急打方向的特征参数W2j(t)的上四分位数,I表示四分位差;
步骤4、确定车辆危险驾驶行为程度;
步骤4.1、根据式(8)确定t时刻第j辆车存在第i种危险驾驶行为的程度Eij(t):
步骤4.2、根据式(9)得到观测总时间T下第j辆车存在第i种危险驾驶行为程度的均值Sij;
步骤4.3、对Sij进行归一化处理,得到归一化后的均值S′ij;
步骤5、通过CRITIC赋权法来确定第i种危险驾驶行为的占比;
步骤5.1、根据式(10)得到决策矩阵X;
式(10)中:m为观测总时间T下快速路合流区的车辆总数;n表示危险驾驶行为的种类数;
步骤5.2、根据式(11)计算第i种危险驾驶行为所包含的信息量Ci;
式(12)中,δi表示决策矩阵X中第i个列向量的标准差,rμ,i表示第i种危险驾驶行为与其他危险驾驶行为之间的相关系数;
步骤5.3、根据式(12)确定第i种危险驾驶行为的权重ωi;
步骤6、确定危险驾驶行为的危险等级,,包括:安全、一般风险、高风险;
步骤6.1、根据式(14)得到第j辆车的综合危险驾驶行为的风险等级Fj;
步骤6.2、若Fj=0,则表示第j辆车的危险驾驶行为的风险等级为安全等级;若0<Fj<α,表示第j辆车的危险驾驶行为的风险等级为一般风险等级;否则,表示第j辆车的危险驾驶行为的风险等级为高风险等级,并发出预警提醒驾驶人采取控制措施,α表示临界值。
本发明一种电子设备,包括存储器以及处理器,其特点在于,该存储器用于存储支持处理器执行所述的快速路合流区的危险驾驶行为的风险等级判别方法的程序,该处理器被配置为用于执行该存储器中存储的程序。
本发明一种计算机可读存储介质,是在计算机可读存储介质上存储有计算机程序,其特点在于,该计算机程序被处理器运行时执行所述的快速路合流区的危险驾驶行为的风险等级判别方法的步骤。
与已有技术相比,本发明的有益技术效果体现在:
1、本发明通过获取城市快速路合流区车辆轨迹信息,构建车辆的速度稳定性,转向稳定性,横向稳定性,纵向稳定性作为度量超速、急打方向、急变道、急变速各危险驾驶行为的特征指标,根据各驾驶行为阈值分析车辆驾驶行为的危险程度,判断车辆危险驾驶行为的风险等级,实时控制降低城市快速路合流区车辆危险驾驶行为风险,降低了事故发生率,使车辆可以更安全、平稳通过城市快速路合流区,从而提高了路段交通安全性
2、与现有技术相比,本发明考虑了快速路合流区路段车辆各危险驾驶行为的权重,分析车辆综合危险驾驶行为的危险风险等级,精确定位高风险危险驾驶人,给出控制措施,进而针对性预警,从而保证了车辆安全通过城市快速路合流区。
3、与现有技术相比,本发明不断重新获取合流区车辆轨迹信息,实时监控和甄别快速路驾驶员危险驾驶行为风险,及时发出预警控制,从而降低了快速路合流的交通事故发生率。
附图说明
图1为本发明的总体流程图;
图2为本发明的决策方法流程图;
图3为本发明的场景示意图。
具体实施方式
本实施例中,一种快速路合流区危险驾驶行为的风险等级判别方法,是从车辆轨迹数据出发,分析驾驶过程中的各种指标,如车速、加速度、转向行为等数据,掌握车辆行车行为变化规律,建立各危险驾驶行为特征参数和阈值,并通过分析危险驾驶行为严重程度划分危险等级,主动精准识别危险驾驶人,进而针对性预警,从而保证驾驶员安全通过城市快速路合流区。具体的说,该方法是应用于单向三车道的快速路合流区道路上,并将快速路合流区道路上同向的三条车道由内向外分别记为第一车道、第二车道、第三车道,且在第三车道的外侧设置有入口匝道,如图1所示,判别方法包括以下步骤:
步骤1、以入口匝道的出口处的下游长度为Lc的快速路道路作为快速路合流区;
如图3所示,以入口匝道与快速路合流区上游相接处为原点,车辆的行驶方向为Y轴的正方向,以与Y轴垂直的方向为X轴方向,建立平面坐标系;
快速路合流区是以原点为起点,以原点为起点,以Y轴上的横坐标YL为终点且长度为Lc的矩形区域。
步骤2、令Δt表示相邻时刻的间隔,令观测总时间为T,令当前时刻为t,且t∈T;
获取t时刻的车辆轨迹信息,获取t时刻第j辆车中心点的位置坐标和/>获取t-Δt时刻第j辆车中心点位置的位置坐标/>和/>获取t+Δt时刻第j辆车中心点的位置坐标/>和/>获取t时刻第j辆车的瞬时速度Vj(t)和加速度aj(t),如图3所示。
步骤3、令危险驾驶驾驶行为包括:超速行为、急打方向、急变道、急变速,并建立危险驾驶驾驶行为的度量指标和阈值。
步骤3.1、根据式(1)计算t时刻第j辆车在快速路合流区行驶过程中的速度度量指标W1j(t),用于表征超速行为的特征参数;
W1j(t)=Vj(t) (1)
步骤3.2、根据式(2)计算t时刻第j辆车在快速路合流区行驶过程中的偏航角θj(t);
步骤3.3、根据式(3)计算t时刻第j辆车在快速路合流区行驶过程中的转向稳定性度量指标W2j(t),用于表征急打方向的特征参数;
步骤3.4、根据式(4)计算t时刻第j辆车在快速路合流区行驶过程中的横向稳定性度量指标W3j(t),用于表征急变道的特征参数;
步骤3.3、根据式(6)计算t时刻第j辆车在快速路合流区行驶过程中的纵向稳定性度量指标W4j(t),用于表征急变速的特征参数;
步骤3.6、将W1j(t)、W2j(t)、W3j(t)、W4j(t)中的任意一个度量指标记为t时刻第j辆车的第i种危险驾驶行为的度量指标Wij(t),i=1,2,3,4。
设定第i种危险驾驶行为特征参数的阈值为Wi *,从而判断车辆是否存在危险驾驶行为,其中,急打方向的特征参数的阈值W2 *是由式(7)确定,其余阈值可由道路工程设计规范确定;
W2 *=U+1.5I (7)
式(7),U表示急打方向的特征参数W2j(t)的上四分位数,I表示四分位差。
步骤4、确定车辆危险驾驶行为程度;
步骤4.1、根据式(8)确定t时刻第j辆车存在第i种危险驾驶行为的程度Eij(t):
步骤4.2、根据式(9)得到观测总时间T下第j辆车存在第i种危险驾驶行为程度的均值Sij;
步骤4.3、为了消除危险驾驶行为量纲不同所带来的影响,对Sij进行归一化处理,得到归一化后的均值Si′j。
步骤5、通过CRITIC赋权法来确定第i种危险驾驶行为的占比;
步骤5.1、根据式(10)得到决策矩阵X;
式(10)中:m为观测总时间T下快速路合流区的车辆总数;n表示危险驾驶行为的种类数。
步骤5.2、根据式(11)计算第i种危险驾驶行为所包含的信息量Ci;
式(12)中,δi表示决策矩阵X中第i个列向量的标准差,rμ,i表示第i种危险驾驶行为与其他危险驾驶行为之间的相关系数。
步骤5.3、根据式(12)确定第i种危险驾驶行为的权重ωi;
步骤6、确定危险驾驶行为的危险等级,,包括:安全、一般风险、高风险。
步骤6.1、根据式(14)得到第j辆车的综合危险驾驶行为的危险等级Fj;
步骤6.2、如图2所示,若Fj=0,则表示第j辆车的危险驾驶行为的风险等级为安全等级;若0<Fj<α,表示第j辆车的危险驾驶行为的风险等级为一般风险等级;否则,表示第j辆车的危险驾驶行为的风险等级为高风险等级,采取控制措施,发出预警提醒驾驶人,α表示临界值。
本实施例中,一种电子设备,包括存储器以及处理器,该存储器用于存储支持处理器执行快速路合流区的危险驾驶行为的风险等级判别方法的程序,该处理器被配置为用于执行该存储器中存储的程序。
本实施例中,一种计算机可读存储介质,是在计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行快速路合流区的危险驾驶行为的风险等级判别方法的步骤。
如图3所示,在本实例中,以南京市应天大街高架与双桥门立交的西侧合流区域为研究区域,区域长度Lc=386m,采集区域内车辆轨迹信息,车辆限速为80km/h,,根据四分差法,求得第2种危险驾驶行为急打方向的特征参数W2 *=9.885(°/s2),根据道路工程设计规范得第1种危险驾驶行为超速的特征参数W1 *=80km/h,第3种危险驾驶行为急变道的特征参数W3 *=4km/h,第4种危险驾驶行为急变速的特征参数W4 *=2.5m/s2,利用式(1)~(10)计算车辆轨迹数据集中所有车辆的4种危险驾驶行为归一化后的第i种危险驾驶行为程度Sij′,如表1见示例。
表1
通过CRITTC赋权法计算各危险驾驶行为权重,如表2所示,得到危险驾驶行为超速、急打方向、急变道和急变速的权重分别为0.202、0.429、0.160和0.209。
表2
将各危险驾驶行为的权重进行加权求和,得到某个驾驶人综合危险驾驶行为程度Fj,若F=0,则判别驾驶人为安全驾驶行为;若0<F<0.1,判别驾驶人为一般风险驾驶行为;否则,判别驾驶人为高风险驾驶行为。例如车辆编号2综合危险驾驶行为程度F2=0.202×0.013+0.429×0.027+0.160×0.005+0.209×0.044=0.0242,为一般风险驾驶行为,绝大部分驾驶人都能安全通过快速路合流区,车辆编号3综合危险驾驶行为程度F3=0.202×0.125+0.429×0.487+0.160×0.230+0.209×0.000=0.272,为高风险驾驶行为,发出警告。
在本实施例中,本发明的方法思路不仅限于单向通行三条车道快速路合流区的驾驶行为风险判别,本领域的普通技术人员在没有创造性的改变的前提下所获得的其他实施例,都属于本发明保护的范围。
Claims (3)
1.一种快速路合流区危险驾驶行为的风险等级判别方法,其特征是应用于单向三车道的快速路合流区道路上,并将快速路合流区道路上同向的三条车道由内向外分别记为第一车道、第二车道、第三车道,且在所述第三车道的外侧设置有入口匝道,所述判别方法包括以下步骤:
步骤1、以入口匝道的出口处的下游长度为Lc的快速路道路作为快速路合流区;
以入口匝道与快速路合流区上游相接处为原点,车辆的行驶方向为Y轴的正方向,以与Y轴垂直的方向为X轴方向,建立平面坐标系;
所述快速路合流区是以原点为起点,以Y轴上的横坐标YL为终点且长度为Lc的矩形区域;
步骤2、令Δt表示相邻时刻的间隔,令观测总时间为T,令当前时刻为t,且t∈T;
获取t时刻的车辆轨迹信息,获取t时刻第j辆车中心点的位置坐标和/>获取t-Δt时刻第j辆车中心点位置的位置坐标/>和/>获取t+Δt时刻第j辆车中心点的位置坐标/>和/>获取t时刻第j辆车的瞬时速度Vj(t)和加速度aj(t);
步骤3、令危险驾驶行为包括:超速行为、急打方向、急变道、急变速,并建立危险驾驶驾驶行为的度量指标和阈值;
步骤3.1、根据式(1)计算t时刻第j辆车在快速路合流区行驶过程中的速度度量指标W1j(t),用于表征超速行为的特征参数;
W1j(t)=Vj(t) (1)
步骤3.2、根据式(2)计算t时刻第j辆车在快速路合流区行驶过程中的偏航角θj(t);
步骤3.3、根据式(3)计算t时刻第j辆车在快速路合流区行驶过程中的转向稳定性度量指标W2j(t),用于表征急打方向的特征参数;
步骤3.4、根据式(4)计算t时刻第j辆车在快速路合流区行驶过程中的横向稳定性度量指标W3j(t),用于表征急变道的特征参数;
步骤3.3、根据式(6)计算t时刻第j辆车在快速路合流区行驶过程中的纵向稳定性度量指标W4j(t),用于表征急变速的特征参数;
步骤3.6、将W1j(t)、W2j(t)、W3j(t)、W4j(t)中的任意一个度量指标记为t时刻第j辆车的第i种危险驾驶行为的度量指标Wij(t),i=1,2,3,4;
设定第i种危险驾驶行为特征参数的阈值为Wi *,其中,急打方向的特征参数的阈值W2 *是由式(7)确定;
W2 *=U+1.5I (7)
式(7),U表示急打方向的特征参数W2j(t)的上四分位数,I表示四分位差;
步骤4、确定车辆危险驾驶行为程度;
步骤4.1、根据式(8)确定t时刻第j辆车存在第i种危险驾驶行为的程度Eij(t):
步骤4.2、根据式(9)得到观测总时间T下第j辆车存在第i种危险驾驶行为程度的均值Sij;
步骤4.3、对Sij进行归一化处理,得到归一化后的均值S′ij;
步骤5、通过CRITIC赋权法来确定第i种危险驾驶行为的占比;
步骤5.1、根据式(10)得到决策矩阵X;
式(10)中:m为观测总时间T下快速路合流区的车辆总数;n表示危险驾驶行为的种类数;
步骤5.2、根据式(11)计算第i种危险驾驶行为所包含的信息量Ci;
式(12)中,δi表示决策矩阵X中第i个列向量的标准差,rμ,i表示第i种危险驾驶行为与其他危险驾驶行为之间的相关系数;
步骤5.3、根据式(12)确定第i种危险驾驶行为的权重ωi;
步骤6、确定危险驾驶行为的危险等级,,包括:安全、一般风险、高风险;
步骤6.1、根据式(14)得到第j辆车的综合危险驾驶行为的风险等级Fj;
步骤6.2、若Fj=0,则表示第j辆车的危险驾驶行为的风险等级为安全等级;若0<Fj<α,表示第j辆车的危险驾驶行为的风险等级为一般风险等级;否则,表示第j辆车的危险驾驶行为的风险等级为高风险等级,并发出预警提醒驾驶人采取控制措施,α表示临界值。
2.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行所述的快速路合流区的危险驾驶行为的风险等级判别方法的程序,所述处理器被配置为用于执行该存储器中存储的程序。
3.一种计算机可读存储介质,是在计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行所述的快速路合流区的危险驾驶行为的风险等级判别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310959077.0A CN116978225A (zh) | 2023-08-01 | 2023-08-01 | 一种快速路合流区危险驾驶行为的风险等级判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310959077.0A CN116978225A (zh) | 2023-08-01 | 2023-08-01 | 一种快速路合流区危险驾驶行为的风险等级判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116978225A true CN116978225A (zh) | 2023-10-31 |
Family
ID=88474557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310959077.0A Pending CN116978225A (zh) | 2023-08-01 | 2023-08-01 | 一种快速路合流区危险驾驶行为的风险等级判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116978225A (zh) |
-
2023
- 2023-08-01 CN CN202310959077.0A patent/CN116978225A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112201038B (zh) | 一种基于单车不良驾驶行为风险的路网风险评估方法 | |
JP6045846B2 (ja) | 交通事故発生予報装置、方法およびプログラム | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN106448265A (zh) | 司机驾驶行为数据的采集方法及装置 | |
CN113635897B (zh) | 一种基于风险场的安全驾驶预警方法 | |
CN110239556B (zh) | 一种驾驶员即时操控能力感知方法 | |
CN115294767B (zh) | 一种高速公路车道线实时检测与交通安全预警方法及装置 | |
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 | |
CN115782905B (zh) | 一种自动驾驶车辆驾驶安全度量化系统 | |
CN113240901B (zh) | 一种智能车换道行为风险等级确定方法及装置 | |
JP2022532941A (ja) | 車両信号を処理して挙動危険性の測度を計算するための装置及び方法 | |
KR102130669B1 (ko) | 강풍시 교량상 차량의 주행안전성 확보 시스템 및 방법 | |
CN116978225A (zh) | 一种快速路合流区危险驾驶行为的风险等级判别方法 | |
CN115731699A (zh) | 高速公路碰撞护栏事故检测与主动诱导方法与系统 | |
CN111775948B (zh) | 一种驾驶行为分析方法及装置 | |
CN113970315A (zh) | 基于导航gps数据的高速公路桥头路面沉降识别与预警方法 | |
Liu et al. | Construction of driving behavior scoring model based on obd terminal data analysis | |
CN113570127A (zh) | 一种桥梁安全的预测方法、装置及电子设备 | |
CN111341106B (zh) | 交通预警方法、装置和设备 | |
CN117593891B (zh) | 一种基于高速公路交通大数据的车流量分析系统及方法 | |
CN107633690A (zh) | 基于机动车加速度判断驾驶人是否主观故意违章的方法 | |
CN117125083B (zh) | 考虑驾驶风格倾性的车辆跟驰行为风险量化方法 | |
Li | Safety distance detection of highway vehicles driving under partial water skiing conditions. | |
KR102482165B1 (ko) | 주행안정성 통합평가 지표 생성 방법 및 주행안정성 통합평가 지표 | |
CN115798182B (zh) | 一种摩托车的智能安全管理方法及系统 |
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 |