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XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现：驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机（SVM）,以及逻辑回归（LR）等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明：基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959,优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859）,以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。     

基于自然驾驶数据的跨江大桥小客车驾驶行为特征研究

跨江大桥历来都是城市交通的命脉和交通结点,为明确跨江大桥的运行速度特征以及驾驶行为模式,在重庆市菜园坝大桥展开了30位被试的小客车实车驾驶试验,使用航姿测量系统和Mobileye630采集自然驾驶状态下汽车的连续行驶速度、加速度和道路环境信息.基于自然驾驶数据,明确了菜园坝大桥的速度变化模式,分析了车辆合、分流对大桥主线行驶车辆运行特性的影响.研究结果表明,菜园坝长江大桥2个行驶方向都呈"加速-减速-加速-减速"的变化趋势;在自由流状态下,桥头和桥尾15th百分位与85th百分位速度的差值从10 km/h增加到20 km/h,不同驾驶人在大桥上的速度幅值具有较强的离散性,表明车辆之间存在严重的纵向冲突,揭示了跨江大桥车辆追尾事故的本质原因.菜园坝大桥菜苏方向合流区平均减速距离131 m,平均减速度为-0.301 m/s2,分流区平均减速距离213 m,平均减速度-0.406 m/s2,苏菜方向分流区平均减速距离267 m,平均减速为-0.387 m/s2,车辆在合流点附近的减速距离和减速度要低于分流点,合流与分流车辆的换道行为会显著影响大桥主线直行车辆的运行状态,导致驾驶人采取减速行为.匝道出入口与桥头距离越近,车辆速度受到的影响程度就会高,有必要加强分/合流点附近的交通管控和行车引导,提高车辆行驶安全性.     

基于轨迹数据的危险驾驶行为识别方法

连续的跟驰行为和换道行为是驾驶行为的主要构成部分,对交通拥挤和交通事故有着重要影响。通过无人机视频拍摄和图像处理方式,提取了曹安公路沿线的2个交叉路口间正常交通流状态下共600条多车高精度轨迹数据。首先,考虑车辆类型对驾驶行为产生直接的影响,分析了大车和小车的车辆轨迹特征变量分布的差异性,包括速度、加速度、碰撞时间倒数、车头时距等,在标记危险驾驶行为的过程中考虑车辆类型的影响。其次,针对不同的车辆类型,利用修正碰撞裕度对跟驰行为和换道行为进行风险性评估,将其划分为安全型和风险型。根据风险型行为发生的顺序以及持续时间,评估驾驶人的整体驾驶状态是否危险,作为危险驾驶行为识别的样本标记。分别利用离散小波变换和统计方法提取车辆轨迹的关键特征参数,为了提高模型识别效率,将关键特征参数进行排序,从而确定最优判别指标;最后,利用轻量梯度提升机（LGBM）算法对危险驾驶行为进行识别,并与随机森林、多层感知器、支持向量机等算法在精度上进行比较。研究结果表明：在上述研究条件下,LGBM算法对危险驾驶行为的理论识别率最高可达93.62%,可以实现基于机器学习算法的危险驾驶行为的高精度自动识别,该结果对于智能驾驶辅助系统的设计、道路交通安全决策的制定具有显著的意义。     

基于自然驾驶数据的城市交叉口纵向驾驶特征分析

为满足驾驶辅助系统在城市交叉口对类人驾驶能力的更高需求,本文中研究了实际交通中的驾驶人在该区域的纵向驾驶行为特征。从自然驾驶数据中提取了778条驾驶人接近城市交叉口的样本数据,应用YOLOv4识别了交通场景中的各类道路使用者,采用方差分析研究了反应特性在不同运动类型和交通密度中的差异,建立分层回归模型分析了制动特性与运动状态、运动类型和道路使用者的关系。结果表明：高密度交通显著降低接近速度;与右转驾驶人相比,停车驾驶人的反应距离更长;当接近速度较高或反应距离较短时,会在更短的时间内以更高的减速度和制动强度接近交叉口,且提前4.46 s开始制动;不同道路使用者对制动特性产生了不同影响,停车驾驶人主要关注同向行驶的他车,右转驾驶人主要关注行人和骑车人。     

危险驾驶环境下高速公路施工区交通冲突研究

为保障高速公路不停车施工作业区的服务水平和通行安全,基于交通冲突技术对施工作业区车辆行驶状态进行分析。分别通过驾驶员状态、车辆行驶速度、车辆加速度状况对分心驾驶、超速驾驶和鲁莽驾驶进行分析,并运用监督分类模型进行鲁莽驾驶识别,分析3种危险驾驶行为的交通冲突状况,运用距离碰撞时间模型获取施工作业区追尾冲突和换道冲突严重程度。结果表明,有监督分类算法中急变速召回率、急变道召回率和算法准确率均可达到90%;施工作业区追尾冲突的一般和严重阈值分别为3.7 s、2.1 s,换道冲突的一般和严重阈值分别为4.9 s、2.7 s。     

雾天对驾驶行为的影响研究——避撞驾驶行为

考虑雾天环境下不良视距对驾驶行为的影响,基于驾驶模拟器为实验平台,通过对46名实验人员在不同雾天实验场景下的测试来分析雾天对驾驶人紧急避撞行为的影响.选取一组非平衡重复测量数据,以刹车瞬时速度和刹车反应时间为因变量,将性别、职业作为固定效应,雾天作为重复测量变量建立线形混合效应模型,并采用SPSS求解.结果表明,在无雾、轻雾与浓雾环境下,驾驶人的平均刹车反应时间分别是1.22,1.26,1.56s,而平均刹车瞬时速度分别为68.10,45.53,48.85 km/h.与无雾环境相比,驾驶人在有雾环境下的可视距离受到限制,刹车反应时间分别增加了0.04 s和0.34s,刹车瞬时速度分别减少了22.57 km/h和19.25 km/h.     

基于驾驶模拟实验的层级式驾驶行为安全模型研究综述

针对驾驶行为的研究,从理论层面总结了国内外驾驶行为模型的演变发展过程,进而从应用层面上介绍了各种干预因素(分车载设备因素和非车载设备因素2类)对驾驶行为的影响.由于目前利用驾驶模拟器研究干预因素对驾驶行为的影响存在行为分析单一化、缺乏系统性的缺陷,据此提出了基于驾驶模拟实验的层级式驾驶行为安全模型,根据驾驶环境的复杂度及驾驶员涉及交通事故的可能性将驾驶行为按低、中、高3个风险层级分类,分别为基本车辆控制行为、在复杂交通环境中的动态决策行为以及在紧急交通状况中的避祸行为.利用该模型可以对干预因素影响下的驾驶行为安全进行系统全面的分析和评估.     

车路协同环境下驾驶行为特性与交通安全综述

随着车路协同技术的发展,车路协同安全应用的相关技术是否会影响驾驶人的感知、判断、操作等驾驶行为受到愈来愈多的关注.基于这样的背景,通过对国内外车路协同技术的当前研究进展进行综述,分析车路协同环境下驾驶行为的变化,从而得出在车路协同安全应用技术全面推广之前,应充分评估车路协同技术对驾驶人行为,以及驾驶安全可靠性的影响,特别是如何最大限度地发挥其安全保障作用.     

基于轨迹数据的交叉口相位切换期间危险驾驶行为实证分析

基于交叉口相位切换期间的车辆轨迹数据,分别根据单车和跟车行驶状态,识别和分析了相位切换期间可能发生的危险驾驶行为。通过视频拍摄和图像处理的方式,提取了曹安公路沿线3个交叉口共312条单车状态和四平路-大连路交叉口共449条跟车状态的高精度车辆轨迹数据。针对交叉口相位切换期间的危险驾驶行为特征,利用速度、加减速度、减速度变化率、潜在碰撞时间（TTC）等指标,研究在此期间车辆发生危险驾驶行为的特点和类型。对于单车状态下行驶的车辆,按停止、通过分类,依据减速度、减速度变化率、减速度变化率的峰值差等指标将停止车辆的危险驾驶行为分为紧急减速型、增强减速型和持续急减型,依据过停车线时间、速度、加速度等指标将通过车辆分为闯红灯型、超速过线型、激进加速型和持续高速型。对于在跟车状态下行驶的车辆,按前、后车不同的停止、通过决策组合分类,依据连续5个时间间隔（0.12 s）的TTC分析前、后车的危险驾驶行为及发生追尾事故的危险程度。针对识别出的危险驾驶行为类型,讨论车辆的关键行为参数与危险驾驶行为之间的内在关联。研究结果表明：单车状态下有17%的车辆存在危险驾驶行为,其中53%为紧急减速行为;跟车状态下有19%的跟车行为是危险的,其中停止车辆的比例是通过车辆的2倍以上。研究成果可进一步应用于驾驶行为模型的参数标定、基于车辆轨迹的交叉口安全评价以及预防危险驾驶行为的主动安全控制策略等。     

考虑快速路交织区驾驶人强行变道行为的交通冲突机理分析

驾驶人的强行变道行为对交通安全具有较大影响。为研究快速路交织区驾驶人强行变道行为引发交通冲突的机理、提升变道场景的安全性,本研究选取变道收益、变道车辆特征、目标车道后方来车避险特征、交通冲突严重程度4个变量构建了结构方程模型(structural equation model, SEM)。选取南京市1处快速路交织区为研究区域,通过无人机采集200个强行变道行为样本,并从中提取高精度车辆轨迹数据,分析了强行变道行为引发交通冲突的微观机理与关键特征指标。基于最小碰撞时间评估交通冲突的严重程度, 以结构模型分析强行变道各环节因素引发事故风险的因果链路, 提出压迫式、侵入式2种强行变道形态, 综合考虑表征车辆变道收益与变道特征的多项微观指标,建立测量模型。SEM分析表明：变道收益显著影响变道车辆特征(p = 0.044);变道车辆特征显著影响后方来车避险特征(p = 0.001)与交通冲突严重程度(p = 0.021);后方来车避险特征显著影响交通冲突严重程度(p < 0.001)。在变道起始时刻,变道车辆与目标车道后车间距(p = 0.002)、相邻车道前车速度差(p = 0.012)与变道动机(p < 0.001)可以有效表征变道收益; 在变道过程中,驾驶人危险行为特征、车辆横摆角、横向速度均可有效表征变道车辆特征(p < 0.001)。研究结果为微观视角下刻画车辆强行变道风险提供了有效指标,可为车载碰撞预警系统与短距离交织区交通设计提供理论支撑。     

交通暴露与土地利用模式对社区COVID-19传播风险的影响

为揭示交通暴露和土地利用层面各因素对新型冠状病毒肺炎(COVID-19)疫情在社区尺度传播风险的影响,以A市315个小区的1 947例COVID-19确诊数据为研究样本,利用ArcGIS平台的地理编码、核密度分析、空间统计和网络分析等方法,基于道路网络、公交网络、城市POI和中国GDP/人口空间分布的公里网格数据,获取有病例小区500m缓冲区范围内表征交通暴露和土地利用的14项具体指标。在此基础上,采用小区的COVID-19确诊人数作为解释变量,同时考虑交通暴露层面变量(路网密度、设施邻近度)和土地利用层面变量(混合度、使用强度),运用经典全局泊松回归和变系数地理加权泊松回归(GWPR)2种方法建立模型并进行实证对比分析。研究结果表明:考虑空间异质性的GWPR模型具有更高拟合优度和解释度;道路密度、公交线网密度、CBD邻近度、建筑密度、人口密度和土地价值与小区COVID-19传播风险呈显著正相关;出入口邻近度、绿地公园邻近度和土地利用混合度变量则在GWR模型中表现出随空间位置的改变呈现显著正负2种影响效果;人口密度、土地价值、绿地公园邻近度和土地利用混合度对小区COVID-19传播风险...     

隧道与主线出口间小净距路段车辆行驶特征分析

当受地理与投资因素限制,山区高速公路隧道与主线出口间距离低于规范值,则该区域称为小净距路段。为描述该区域车辆行驶特征,充实山区公路设计与交通管控的理论基础,在我国秦岭服务区等7处山区高速公路小净距路段,通过无人机定点俯拍采集高清行车视频,基于视频提取全域车辆高精度速度与轨迹数据,实现车辆行驶特征分析。本研究基于SIFT算法进行视频配准;基于YOLOv5与DeepSORT算法实现车辆检测与连续跟踪;采用Savitzky-Golay滤波器对数据进行光滑滤波。基于以上方法,可获得高精度车辆行驶数据。经验证,车速精度可达到95%以上,轨迹误差小于20 cm。而后,考虑了净距长度、车辆类型、车道分布等指标,从多角度多因素对行车特征进行了分析。结果显示：①小净距路段车辆行驶特征与普通路段有明显的差异,车速分布不满足正态分布规律;②整体上驶出车辆在渐变段起点前10~20 m左右会稳定车辆运行状态;③由于视角更高,货车相对小车能更快识别出口路况,所以车速相对平稳;④内侧驶出小车在渐变段起点20 m后以1.1~1.4 m/s的横向速度驶入减速车道,当主线为左偏曲线最有利于驶出;⑤净距长度对驾驶行为产生的影响最为明显,交通流方面交通量是最大的影响因素,道路线形因素中曲线偏转方向及偏转角是最大的影响因素。     

不良天气下驾驶行为研究综述

不良天气会对城市交通的运行和安全造成较大影响.事实上,不良天气条件下驾驶员驾驶行为的变化是造成交通拥堵和事故发生的根本原因.针对不良天气下的驾驶行为进行综述,对研究不良天气条件下的交通拥堵及事故具有积极意义.面向国内外不良天气条件下驾驶行为研究的进展,从雨、雪、雾3种常见的不良天气出发,对不良天气条件下环境变化及其对驾驶行为的影响进行分析,并对不良天气条件下驾驶行为的研究方向进行探讨.相关研究发现,不同等级的雨、雪、雾天气下驾驶员选择的车速、车头时距等驾驶行为参数以及反应时间、车辆启动延迟均存在较大差异.     

次任务驾驶对行车安全性影响研究综述

次任务驾驶已成为导致道路交通事故的重要原因.驾驶过程中,次任务操作会在不同程度上占用驾驶人的视觉资源、认知资源和动作资源,分散驾驶人注意力,严重影响行车安全.因此,对次任务驾驶安全性开展相关研究具有重要意义.从移动电话使用、音乐、调控车载设备、喝水抽烟及吃东西等4个方面,对目前国内外次任务驾驶安全研究现状进行了阐述,分析了次任务驾驶安全性评价模型研究进展,概括了次任务驾驶对驾驶安全性影响研究手段和方法的优缺点,并对我国驾驶次任务研究方向作出展望.     

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。     

基于多源数据的单调道路环境与驾驶疲劳关系模型

为了研究单调道路环境对驾驶疲劳的影响,采用眼动仪、脑电仪等仪器设备在G109格尔木-西藏沿线开展实车驾驶试验,获取19名被试驾驶过程中的生理和驾驶行为等多源数据以及驾驶疲劳主观KSS量表,分析不同时间窗下各特征参数随疲劳程度的变化规律。采用不同海拔对应的植被等级作为单调道路环境的量化指标,将驾驶疲劳程度划分为清醒、轻度疲劳、重度疲劳3个等级,根据皮尔逊相关性和自变量共线性检验结果,选取脑电（α+θ）/β、平均眨眼持续时间、血氧含量和植被等级为自变量,驾驶人疲劳程度为因变量,建立基于有序多分类Logistic的单调道路环境与驾驶疲劳的关系模型,并分析单调环境下驾驶疲劳生成机理。研究结果表明：在高海拔单调道路环境下,短时驾驶疲劳主要与环境单调程度有关,驾驶时间并不是引起短时驾驶疲劳的主要因素;脑电α/β和心率与驾驶疲劳程度无显著相关性,脑电（α+θ）/β、平均眨眼时间与疲劳程度呈正相关,血氧含量与疲劳程度呈负相关。当植被覆盖率从较稀疏变为稀疏时,驾驶人警觉性较高,疲劳程度增加5.9%;随着植被覆盖率下降至非常稀疏状态,驾驶人会出现克服自身疲劳的情况,疲劳程度增加5.8%;当环境单调性进一步加剧,植被覆盖率降低至严重稀疏状态时,驾驶人疲劳程度明显增加,进入重度疲劳状态。研究成果可为单调道路环境下驾驶疲劳的预防奠定理论基础。