基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力, 以小汽车行驶轨迹数据为研究对象, 研究了不良驾驶行为的实时辨识问题; 基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据; 提出了应用风险度量方法量化典型不良驾驶行为的理论; 使用大样本统计分布方法确定不良驾驶行为的特征参数阈值; 建立了结合交通环境信息的不良驾驶行为谱, 计算了不良驾驶行为谱特征值; 以车辆不良驾驶行为谱特征值为依据标定不良车辆样本; 以部分驾驶行为谱参数为输入, 使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良跟驰行为特征。分析结果表明: 使用四分位差法得到不良跟驰特征参数的阈值为0.19 s^-1, 大部分样本处于正常跟驰状态, 约2%样本处于不良跟驰状态; 基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例, 使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh; 不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率, 平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见, 不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法, 与人工智能方法结合可以生成海量的不良驾驶行为谱库; 不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题, 与常规算法相比具有更好的不良驾驶行为辨识能力。     

基于单调关联系统的驾驶行为可靠度计算方法

为合理评估驾驶员驾驶行为的可靠性, 提出了驾驶行为可靠度计算方法, 将人机系统可靠性理论与驾驶行为链相结合, 构建了基于感知、判断、操作元件及模块组的驾驶行为可靠性框图, 确定了单项器官元件可靠度测试与计算方法, 运用单调关联系统理论给出了功能模块可靠度及驾驶行为系统可靠度的量化模型, 计算了模型中各生理、心理元件概率重要度, 分析了其对驾驶行为的影响度。计算结果表明: 事故组与非事故组间行为可靠性存在明显差异, 非事故组的可靠性整体大于事故组, 但整体可靠性呈下降趋势, 事故组驾驶员整体操作稳定性较差; 生理因素对驾驶行为可靠度影响度前期较大后期较小, 而心理因素则相反。     

驾驶行为研究中的车辆信息采集方法

在交通安全体系中,驾驶员的行为是影响行车安全的一个重要因素.驾驶行为的改变使得车辆的行驶状态也随之发生改变.通过采集车辆行驶状态的信息,可以对驾驶员的行为进行研究,这对于提高驾驶安全性具有重要意义.     

基于驾驶模拟技术的不良天气对驾驶员跟驰行为的综合影响研究

近年来不良天气频发,对城市交通流运行影响较大。从驾驶行为角度,利用驾驶模拟技术,搭建城市快速路场景,分析多种雨、雪、雾等不良天气对直线路段下跟驰行为的影响。利用单因素方差分析方法,研究不同天气条件下车头时距、车头间距振幅、最小跟驰车速差、最大跟驰车速差以及跟驰加速度等指标的显著性,进而使用主成分分析方法研究不良天气对道路交通流的影响。研究结果表明:车头时距、车头间距振幅、最小跟驰车速差在不同天气条件下具有显著性差异,且一般随天气恶劣程度增加,车头时距与车头间距振动幅度变大,最小跟驰车速差减小。不同天气条件对交通流顺畅性影响从大到小依次为大暴雪、大雨、大暴雨、大雾、中雨、雾、强浓雾、大雪、轻雾、小雨、晴天。     

公交驾驶员不良驾驶行为调查与特征分析——以成都为例

为了确定公交驾驶员行为失当的具体表现,首先界定了广义公交驾驶员不良驾驶行为。根据交通心理学、交通行为学与组织行为学等理论,结合城市公交系统中的驾驶员个体因素、行业因素和交通环境因素,构建了基于主成分分析法与信度分析法公交驾驶员的不良驾驶行为评价指标体系。以成都茶店子公交总站和九里堤的公交线路及公交驾驶员的抽样调查为例,结合本文所构建的评价指标体系,可得出:成都市公交驾驶员不良驾驶行为的具体表现具有以下四类特性,即驾驶员的冒险特性、习惯惯性、随意特质与个体特性。通过算例分析可证实,提出的评价体系具有可行性与有效性,可为城市常规公交管理过程中对驾驶员的安全驾驶考评提供相应的量化方法。     

基于NGSIM轨迹数据的车辆行驶速度特性分析

行驶速度是驾驶人状态、车辆性能、道路环境及外部环境等因素共同作用的结果,也是上述复杂因素的外在表现,因此,对行驶速度进行微观特性分析具有重要意义。以NGSIM轨迹数据为研究对象,研究汽车在不同车道、位置、车头间距情况下的速度特性变化,并利用多项式曲线对不同情况下的速度曲线进行拟合。结果表明:随着车头间距的增大,平均车速增加趋势变缓;车头间距较小时,最内侧车道的车辆行驶速度最低,平均车速随车头间距的增加而增加;出入口对主路上车辆的行驶速度有一定影响;多项式曲线对自由流状态下的车辆行驶速度有较好的拟合效果。     

基于数字图像技术的汽车行驶轨迹状态识别

为获取驾驶员行驶状态信息与监控行车状况, 通过车载CCD图像传感器获得序列图像, 应用数字图像理解和计算机视觉技术, 建立摄像机的透视投影模型和汽车行驶轨迹状态模型, 根据平面图像上的点推导出车辆在空间道路上的实际位置, 对车辆行驶过程中相对道路标线的行驶轨迹进行研究。该方法获得的行驶轨迹曲线能够正确判断驾驶员压线行驶、越线行驶与逆向行驶等违章行为, 是判别驾驶员行驶状态的有效方法。     

基于ETC门架数据的高速公路车辆行驶特征画像方法

为合理评估高速公路车辆驾驶行为风险和通行费稽查状态异常程度,进而对风险车辆进行提前预警,提出了一种基于ETC门架数据的车辆行驶特征画像方法。首先,通过分析车辆风险驾驶行为和通行费稽查状态,构建了以超速驾驶行为、疲劳驾驶行为、门架状态异常情况、收费状态异常情况、路径状态异常情况为指标的车辆行驶特征画像指标体系;然后,利用熵权-TOPSIS法和熵权-灰色关联分析建立综合熵权法确定各指标权重;最后,选取8辆车作为实验对象生成车辆行驶特征雷达图来验证该方法的有效性。研究结果表明：在4辆1类客车中,有3辆存在超速驾驶行为,其超速驾驶指数趋于0.8,其余的行驶特征指数均趋于0;在4辆6类货车中,有2辆在疲劳驾驶指数上表现异常,其疲劳驾驶指数趋于0.4,还有1辆的收费状态异常指数趋于0.4,可能存在偷逃费风险。可以看出,该方法能有效区分不同车型的风险类型,在高速公路管理中可用于有针对性的风险决策制定。     

基于轨迹数据的车辆跟驰行为分析与建模综述

随着轨迹收集技术与数据分析技术的迅速发展,越来越多的车辆行驶轨迹被采集并用于 交通流研究。车辆轨迹数据主要包括车辆运行的位置与时间等信息,利用这些信息可以推算出 车辆的速度、加速度及其与前车之间的空间和时间距离等驾驶行为参量。通过研究轨迹数据可 以揭示车辆自身的运行规律,车辆之间的相互作用规律,道路环境对车辆的作用规律,以及由此 产生的宏观、微观交通流现象,因此,轨迹数据研究受到日益重视。本文简要回顾了与轨迹数据 收集相关的历史,介绍了自然场景下采集的Next Generation SIMulation(NGSIM)数据及实验场景 下采集的车队轨迹数据,并梳理了近几年基于车辆跟驰轨迹的理论研究。首先,分析以交通振 荡、交通回滞为代表的交通流关键实测现象研究工作;整理跟驰行为分析方面的研究成果,包括 不对称跟驰行为、稳定跟驰行为的存在性、跟驰行为的记忆效应、任务难度、随机性、异质性。之 后,介绍基于跟驰行为分析成果而构建的仿真模型。最后,从3个方面评述现有基于轨迹数据的 研究,并提出未来展望：交通流关键实测现象方面,应收集更多不同条件下的数据,并尝试构建更 加普适性的理论或模型解释交通流现象;跟驰行为分析方面,可结合数据挖掘技术或生理、心理 理论,量化驾驶员跟驰特性与生理、心理特征,并将两者结合深入分析跟驰行为的机理;仿真建模 方面,可更多考虑驾驶员生理和心理变量,使模型更具人性化特征,并关注模型的评价方法,注重 模型对实际交通流的解释能力。     

道路交通突发事件下驾驶员行为特征分析

道路交通突发事件对驾驶员心理、生理行为产生重要影响。文中基于问卷调查数据分析突发事件下驾驶员行为特征,以及突发事件下人口统计学特征差异对驾驶员心理、生理的影响,并阐述突发事件下驾驶员操作行为特性。研究结果表明,道路交通突发事件对驾驶员生理、心理及操作行为有一定影响。可为降低突发事件下行车风险提供依据。     

车辆颜色等多因素对驾驶行为的交互作用研究

车辆颜色是影响驾驶行为与交通安全的重要因素,为研究动态运行环境下车辆颜色、车型对于驾驶行为的影响,首先,建立不同颜色、车型车辆模型及其白天与黄昏两种道路环境,构建6类典型驾驶场景;其次,选取25名测试人员,采用组内实验的方法进行试验,实验中利用驾驶模拟系统、眼动仪与多导生理仪采集车辆运行、驾驶员眼动与心率数据。实验结果表明,驾驶员对车辆的识认有明显差异,白天识认距离明显高于黄昏,大客车则明显高于小轿车,黑色车辆在黄昏时识认性明显低于其他车辆,尤其是在观察前方车辆时更为明显。上述结果表明,车辆颜色对于驾驶员识认距离存在明显影响,尤其是小型车辆在黄昏时响更为显著,以上结果应在车辆颜色选择及驾驶员培训时予以关注。