依托智能网联技术背景,本文提出基于多驾驶人综合风险评价的不良行为主动干预框架。选取驾驶场景中多驾驶人行为表征参数,基于行车数据定义并辨识驾驶人的各类不良行为;利用面积法实现对不良驾驶行为发生频次、持续时间以及幅值的综合计...依托智能网联技术背景,本文提出基于多驾驶人综合风险评价的不良行为主动干预框架。选取驾驶场景中多驾驶人行为表征参数,基于行车数据定义并辨识驾驶人的各类不良行为;利用面积法实现对不良驾驶行为发生频次、持续时间以及幅值的综合计算,并以可变权重构建其与事故风险的关联关系;借鉴数据包络分析思想,提出考虑可变权重的不良驾驶行为综合评价方法;利用Simulation of Urban Mobility(SUMO)搭建智能网联环境下驾驶仿真平台,以时间窗方式抽取场景中多驾驶人的历史行车数据,利用不良驾驶行为综合评价方法辨识风险驾驶人,提出基于累加窗口与滑动窗口的主动干预方法,每种方法均实现干预单车与干预多车两种策略;分析不同干预手段的效果,探究窗体大小、驾驶人接受率、干预车辆数等对干预结果的影响。研究表明,干预多车策略取得较好的效果,基于累加窗口与滑动窗口的驾驶人不良行为总得分分别下降22.80%和10.50%;与无干预情况相比,当干预接受率为50%时,驾驶人不良行为总得分仍有所降低;与基于累加窗口方法相比,基于滑动窗口的干预方法更适合实际应用。本文提出的框架可为驾驶行为监测等提供技术支持。展开更多
文摘依托智能网联技术背景,本文提出基于多驾驶人综合风险评价的不良行为主动干预框架。选取驾驶场景中多驾驶人行为表征参数,基于行车数据定义并辨识驾驶人的各类不良行为;利用面积法实现对不良驾驶行为发生频次、持续时间以及幅值的综合计算,并以可变权重构建其与事故风险的关联关系;借鉴数据包络分析思想,提出考虑可变权重的不良驾驶行为综合评价方法;利用Simulation of Urban Mobility(SUMO)搭建智能网联环境下驾驶仿真平台,以时间窗方式抽取场景中多驾驶人的历史行车数据,利用不良驾驶行为综合评价方法辨识风险驾驶人,提出基于累加窗口与滑动窗口的主动干预方法,每种方法均实现干预单车与干预多车两种策略;分析不同干预手段的效果,探究窗体大小、驾驶人接受率、干预车辆数等对干预结果的影响。研究表明,干预多车策略取得较好的效果,基于累加窗口与滑动窗口的驾驶人不良行为总得分分别下降22.80%和10.50%;与无干预情况相比,当干预接受率为50%时,驾驶人不良行为总得分仍有所降低;与基于累加窗口方法相比,基于滑动窗口的干预方法更适合实际应用。本文提出的框架可为驾驶行为监测等提供技术支持。
