基于车联网OBD数据的道路安全评价方法

针对目前道路安全评价较少考虑驾驶行为及车辆运行状态,评价指标及权重值大多通过主观方法确定的局限,结合车联网OBD数据包含车辆行为及运行状态且数据丰富、精度高的优势,基于人工智能领域粗糙集理论,提出考虑道路条件、天气状况、交通状态、驾驶员特性、车辆运行状况的道路安全评价体系构建思路和流程及有待进一步研究的关键技术。     

基于驾驶行为和信息熵的道路交通安全风险预估

为了精准有效地进行交通事故预防预警，基于车辆OBD驾驶行为数据及信息熵理论，提出了城市道路交通安全风险预估方法。首先，分析异常驾驶行为高发位置与道路交通事故发生位置的关联性；其次，构建以道路交通安全熵为一级指标，急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为二级指标的道路交通安全风险预估指标体系，提出了基于改进熵权法的道路交通安全熵计算方法；然后，基于密度聚类、K-means聚类提出了道路交通安全风险等级数确定方法，并基于K-means聚类建立了风险等级阈值计算方法。研究结果表明：异常驾驶行为高发位置与交通事故发生位置具有一致性；通过对log对数底数选择优化、二级指标零值处理、指标权重分段计算3个步骤改进的熵权法，可弥补log对数函数无法计算零值指标熵值的缺陷，避免指标权重为负、指标熵值与权重反映信息不一致的现象；两步聚类避免了孤立数据点对安全风险等级划分的影响。以重庆市4条城市道路（总长约38 km）进行实例验证后得出，道路交通安全熵与交通事故表征的道路交通安全状态趋势一致；道路交通安全风险等级可划分为高、低风险2级，道路交通安全熵优化阈值为0.042，最后，风险等级划分准确率为87.88%。研究成果可为道路交通安全风险点辨识、交通事故预防预警提供有效的技术支持。