基于行人心理的城市过街设施安全问题分析研究

行人交通是交通系统的重要组成部分,因过街设施设置得不合理引发行人的不安全行为是造成交通事故的重要原因。通过分析城市行人不安全行为的心理特性,找出过街设施存在的安全问题,从心理角度进行相关分析,并给出基于交通心理的过街设施优化建议措施。     

基于K-means算法的行人检测方法研究

行人作为交通事故易受伤群体之一,其安全保障越发受到重视.结合车载激光测距仪实时采集的车辆前方障碍物距离信息,提出基于K-means算法的行人检测方法.首先对激光测距仪接收的距离信息进行报文解析,形成激光云点图.其次,对激光云点图进行预处理,消除冗余数据.再应用K-means聚类算法对前方障碍物进行分类,最后建立行人宽度模型甄别行人目标.试验结果表明,基于K-means聚类算法能从激光云点图中快速提取行人目标,为汽车主动安全及交通安全研究提供基础.     

基于横向安全距离模型的主动避障算法

现有的安全距离模型是基于纵向相对车速或减速度值建立的,没有考虑移动目标的横向运动特性。本文利用移动目标横穿马路的速度、相对位置,建立横向安全距离模型,并提出一种基于横向安全距离模型的主动避障算法。首先,根据横向移动目标横穿马路的速度、相对位置和自车的制动距离建立横向安全距离模型,设计主动避障算法。接着,为计及路面条件对制动效果的影响,引入当前行驶路面估算的附着系数峰值估算最大制动减速度,约束目标避障减速度,并调整制动强度,以适应不同路况的安全避障行驶。最后,以典型横向移动目标-骑行者作为研究对象,通过PreScan/Simulink/CarSim联合仿真验证避障算法的有效性。结果表明:基于横向安全距离模型的主动避障算法能有效避免与骑行者碰撞,提高行车的主动安全性。     

汽车安全行人保护技术的研究现状及展望

分析了汽车与行人碰撞事故的特点,论述了汽车安全中行人保护技术的研究与应用现状,展望了未来行人保护的发展趋势。汽车被动安全主要通过碰撞试验和计算机仿真模拟等方法来研究行人保护技术,汽车主动安全主要通过各种传感器有效检测车辆周围的行人,实现避免汽车与行人碰撞的主动预警。集成化和智能化是汽车安全技术的发展方向,未来行人保护技术应该从碰撞事故发生后减轻损伤,逐渐发展到碰撞事故的避免和预防,结合多传感器信息融合技术,研制性价比高的行人保护装置和系统。     

城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险,避免人车冲突事故频发,提出基于K-means算法的行人过街风险量化分级方法,并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小,选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标,准确刻画出实际的人车交互场景,并利用K-means算法对行人过街风险状态进聚类划分,明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素,提出了30项行人过街风险二级指标,依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集,以此为模型输入,利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明：行人过街风险等级分为5级时,量化分级结果能与实际行人过街情景较好吻合;本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%,其中对一级与四级风险的预警能力最为突出,一级风险识别准确率达到100%,四级风险识别准确率达到94.7%。本研究提出的行人过街风险...     

信号交叉口行车风险场建立及车辆通行行为优化

随着汽车逐步向智能化、网联化发展,智能网联车辆逐步进入实际应用阶段。进行智能网联车辆的通行行为优化,对提升驾驶安全性和行车效率,避免事故发生和交通拥堵至关重要。车辆在通过交叉口时将受到很多环境及运动因素的影响,而现有的通行优化模型难以准确表达各类因素共同作用下的行驶环境。为此,基于风险场理论建立由环境场和运动场组成的信号交叉口行车风险场,表征信号交叉口中每点的实时行车风险程度,从而引导车辆驶向风险值低点,并提供下一步长的位移及速度指引,实现车辆的动态轨迹优化及速度控制。典型场景下的仿真结果表明：在优化模型的控制下单车的信号交叉口通行效率明显提升,其中直行方向车辆单车平均通行效率提升最高,平均提升6.35%,通过对交叉口面积内所有车辆进行通行行为优化,交叉口通行效率提升了9.3%,这表明所建模型可以准确表达交叉口行车环境并优化车辆通行行为。研究结论可应用于自动驾驶车辆的交叉口通行控制,并为网联环境下的行车环境表达和安全驾驶控制提供模型基础。     

高速公路行车安全距离的分析与研究

通过对行驶在高速公路上的车辆在不同条件下，以限定范围内的各种不同速度行驶时；安全距离的计算与分析，寻求既可避免发生追尾碰撞事故，又不影响道路通行能力的安全距离恰当值。     

车道偏离预警算法研究

为提高车辆行驶的主动安全性,文章根据车辆偏离速度将TLC算法和FOD算法相结合,针对车道偏离预警系统提出了多模式车道偏离预警算法,并搭建Simulink模型,结合Carsim进行联合仿真实验。仿真结果表明,提出的算法能更好的进行车道偏离预警。     

卫星定位数据驱动的营运车辆驾驶人驾驶风险评估模型

为了提高营运车辆驾驶人安全管理的精细化水平,合理地评估驾驶人驾驶风险程度,有的放矢地降低高风险驾驶人的事故率,基于卫星定位数据特点及驾驶行为与驾驶风险的相关关系设计26个驾驶行为特征参数。考虑到高速和非高速行驶时相同驾驶行为对驾驶风险的影响区别较大,根据23名营运车辆驾驶人的实测数据有针对性地筛选高速和非高速路段驾驶人风险评估指标,构建营运车辆驾驶人驾驶风险评估指标体系。然后,基于熵权法、独立性权系数法和Spearman相关系数法建立集成赋权法,确定各评估指标的权重。最后,雇佣40名营运车辆驾驶人进行实车试验以验证模型的合理性。结果表明：车辆速度和加速度方面的驾驶行为特征可以用于评估驾驶人的驾驶风险且评估效果较好,驾驶风险评估得分与实际交通冲突次数呈正相关关系,所建立模型可以较为准确地评估营运车辆驾驶人驾驶风险的高低,准确率达到77.50%,该模型在不同地区使用时,准确率存在一定的差异,但在容许范围之内,方法具有较好的鲁棒性。     

汽车产品开发风险预警机制方法研究

结合项目风险管理知识,对汽车产品开发风险预警机制的定义、功能分解、工作原则及实施流程等进行了讲解说明。通过实施产品开发预警机制,提前消除风险,确保开发顺利进行。     

重庆市县际公路交通安全预警方法研究

从县际公路交通安全的影响因素分析入手,构建较为完善的县际公路交通安全评价指标体系。应用层次分析法-熵值法确定评价指标权重,并通过集值统计方法计算评价指标分值,构建县际公路交通安全模糊综合评价模型与评价方法。根据县际公路交通安全预警要求,提出预警指标、警度和警限标准,并以某县际公路为例,开展公路交通安全预警方法的应用研究,结果证明预警方法具有合理性和可行性,可为县际公路交通安全管理提供理论指导与技术支持。     

基于交通冲突技术的行人安全分析与改善

从研究行人安全的角度出发,简要介绍了行人交通冲突技术及冲突成因,通过实例调查分析,探讨了交叉口信号配时对行人安全的影响以及闯红灯人数与行人冲突的关系,建立了行人绿信比与闯红灯比例、行人绿灯时转弯车与行人冲突数的关系模型,分析了行人冲突特性,用一种潜在事故指标表征行人安全.最后,针对存在的问题提出了相应的行人安全改善措施,并对3种冲突改善措施的效果进行了对比,得出相关结论.     

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。     

高速公路车辆典型交通违法行为危险度分级预警方法

高速公路不文明驾驶行为及交通违法行为的频发严重影响了高速公路交通流运行的安全与效率.基于采集的高速公路交通安全相关数据,对高速公路典型交通违法行为的危险度的分级预警方法进行了研究.针对高速公路的交通事故数据,以从恶劣天气、道路线形、违法类型的角度分析了道路交通事故与各类因素的相关性,在此基础上确定进行分级预警的影响因素.综合考虑在气象条件、交通状况、道路线形及各类违法行为,提出了层次分析与模糊评价相结合的方法,建立了针对高速公路违法行为危险性的分级预警模型,并用实际案例数据对模型的适用性进行了验证.结果显示,模型具有良好的适用性,所建立的分级预警模型可以为高速公路的主动交通预警及管理提供参考与支撑.     

山区公路弯道预警方法研究

山区公路弯道的事故率往往高于普通路段,驾驶人由于视距等原因对弯道风险产生识别模糊的现象,基于此提出了一种弯道预警方法.针对山区公路上行驶前方是否为弯道进行预警,以前车的驾驶状态和环境因素为依据进行建模,为后车提供有效的信息以完成信息的链式传递.分析了速度和三向加速度与弯道条件的关系,通过频率分布图与相关系数的计算,从统计学的角度说明了4个变量作为模型自变量的可行性.同时考虑到驾驶人的性格等个人因素的影响,以历史数据为基础,利用以处理时序数据见长的Elman递归神经网络构建预警模型,并将该模型与二元逻辑回归、BP神经网络等方法进行对比,其准确率达到85.59%,验证了模型的有效性.     

车车通信环境下基于驾驶意图共享的车辆避撞预警算法

针对传统基于距离或时间的车辆避撞预警算法存在较高误警率的问题，考虑在避撞预警算法中引入驾驶意图共享的概念，提出了基于实际外场复杂车车通信V2V（Vehicle-to-vehicle，V2V）环境下的车辆跟驰避撞预警算法。基于LTE-V构建外场V2V环境，将车辆行驶过程描述为一个时间序列的隐性马尔可夫随机过程，借助隐马尔可夫模型（Hidden Markov Model，HMM）建立驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系模型，并给出基于Viterbi算法的驾驶意图预判求解方法，将驾驶意图作为特征因子集成到安全距离模型中，提出基于驾驶意图共享的避撞（Driving Intention Based Collision Avoidance，DI-CA）预警算法。利用构建的V2V试验环境，实现了匀速、加速、减速和紧急制动等4种驾驶意图，以及相对速度和相对距离增加、减小、保持不变等9种组合的车辆行驶状态试验数据获取，并利用试验数据对所提出的DI-CA预警算法进行实证分析。结果表明：所提出预警算法能够针对不同驾驶意图提供有效的车辆碰撞预警。在此基础上将4种驾驶意图下的DI-CA预警算法与Mazda预警算法求得的安全距离进行了对比分析，所提出的DI-CA预警算法的平均预警正确率为84%，高于Mazda预警算法的78%，而DI-CA预警算法的平均误警率和漏警率分别为5%和16%，均明显低于Mazda预警算法，说明所提出的DI-CA预警算法在提升预警效果的同时明显降低了误警率和漏警率，可避免行驶过程中因误警而导致的连续刹车，以及因漏警而导致的可能碰撞事故发生。最后，总结并给出了驾驶意图共享理论应用于车辆避撞预警的研究展望。