一种智能网联汽车事故减少量计算方法技术

本发明专利技术涉及一种智能网联汽车事故减少量计算方法，包括：筛选得到样本文献；提取样本文献的有效信息，得到每篇样本文献中每种技术的安全效益；对每篇样本文献中每种技术的安全效益进行异质性检查，排除不合适的样本文献；利用随机效应模型合并每篇样本文献中每种技术的安全效益，得到样本文献中每种技术的合并安全效益；基于合并安全效益，使用漏斗图对每篇样本文献中每种技术的安全效益进行偏倚检验，得到样本文献中每种技术的最终合并安全效益；基于最终合并安全效益，得到利用智能网联汽车的事故减少量。与现有技术相比，根据得到的事故减少量可以判断哪一种技术是目前场景急需实现的，从而在实际中部署该技术以达到减少事故的目的。

A calculation method of accident reduction of intelligent network connected vehicle

【技术实现步骤摘要】
一种智能网联汽车事故减少量计算方法
本专利技术涉及交通安全领域，尤其是涉及一种智能网联汽车事故减少量计算方法。
技术介绍
交通事故已是世界性的严重社会问题。惨重的交通事故后果使人们不得不对交通安全状况予以高度重视，并将不断进步的科学技术应用于交通安全研究工作中，使汽车更好地造福于人类，各国正在不同程度地从道路和交通工程上采取对策。随着大数据、云计算等新兴技术的推广，智能网联汽车(Connectedandautomatedvehicle,CAV)取得了快速的发展，为驾驶过程中人为错误的减少带来了可能。目前，中国和美国正大力推行CAV技术，其中前向碰撞预警、弱势交通参与者碰撞预警、交叉口行动辅助系统、盲点警告系统、变道警告系统是两国普遍关注的。CAV包含多个方面的技术，不同技术带来的安全效益不同，得到不同技术的安全效益对于降低不同情境下的交通事故具有重要意义。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种智能网联汽车事故减少量计算方法。本专利技术的目的可以通过以下技术方案来实现：一种智能网联汽车事故减少量计算方法，该方法包括以下步骤：步骤S1：筛选得到样本文献；步骤S2：提取样本文献的有效信息，得到每篇样本文献中每种技术的安全效益；步骤S3：对每篇样本文献中每种技术的安全效益进行异质性检查，排除不合适的样本文献；步骤S3：利用随机效应模型合并每篇样本文献中每种技术的安全效益，得到样本文献中每种技术的合并安全效益；步骤S4：基于合并安全效益，使用漏斗图对每篇样本文献中每种技术的安全效益进行偏倚检验，得到样本文献中每种技术的最终合并安全效益；步骤S5：基于最终合并安全效益，得到利用智能网联汽车的事故减少量。所述筛选的条件为：有无安全效益的相关指标；是否包含多种技术；安全效益是否为碰撞严重程度；数据量大小是否明确；是否基于已有研究的二次利用。所述每篇样本文献中每种技术的安全效益Y为：其中，PWith为配备该技术时的事故发生概率，PWithout为未配备该技术时的事故发生概率，所述事故发生概率P为：或或或其中，TTC为碰撞时间，TTCth为碰撞时间阈值，TTCall为所有碰撞的碰撞时间，TET为碰撞时间小于碰撞时间阈值的时间和，MLD为车道偏离米数，DM为行驶里程，WLD为车道偏离警告，TT为总时间。所述异质性检验的Q统计量为：其中，i为第i篇文献，g为每种技术所涉及的文献数量，Wi为每篇文献的权重，Yi为每篇文献中每种技术的安全效益。所述的样本文献中每种技术的合并安全效益为：其中，k为异质性检验后每种技术所涉及的文献数量，Wre为通过随机效应模型得到的每篇文献的修正权重，Wre表示为：其中，se为标准误差，se表示为：所述的步骤S4中使用剪补法调整偏倚。所述的步骤S5包括：计算单独利用每种技术的事故减少量；计算综合利用所有技术的事故减少量。所述单独利用每种技术的事故减少量通过单独利用每种技术的事故减少比例得到，单独利用每种技术的事故减少比例PA表示为：其中，PC为一种预碰撞场景下每年所发生的事故比例，为最终合并安全效益；所述综合利用所有技术的事故减少量通过综合利用所有技术的事故减少比例得到，所述综合利用所有技术的事故减少比例CE为：其中，m为技术的种类数，s为偏倚检验后每种技术所涉及的文献数量。与现有技术相比，本专利技术具有以下优点：通过客观分析每种技术的安全效益，结合实际场景，得到利用智能网联汽车的事故减少量，根据得到的事故减少量可以判断哪一种技术是目前场景急需实现的，从而在实际中部署该技术以达到减少事故的目的。附图说明图1为本专利技术的流程图；图2为本专利技术每种技术的合并安全效益漏斗图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例本实施例提供一种智能网联汽车事故减少量计算方法，如图1所示，包括步骤：步骤S1：筛选得到样本文献；步骤S2：提取样本文献的有效信息，得到每篇样本文献中每种技术的安全效益；步骤S3：对每篇样本文献中每种技术的安全效益进行异质性检查，排除不合适的样本文献；步骤S3：利用随机效应模型合并每篇样本文献中每种技术的安全效益，得到样本文献中每种技术的合并安全效益；步骤S4：基于合并安全效益，使用漏斗图对每篇样本文献中每种技术的安全效益进行偏倚检验，得到样本文献中每种技术的最终合并安全效益；步骤S5：基于最终合并安全效益，得到利用智能网联汽车的事故减少量。具体而言：(1)利用“GoogleScholar”、“ScienceDirect”和“Scopus”进行文献检索，检索关键词采用如下形式“‘技术名称缩写’OR‘技术名称全称’AND‘Safe’”和“‘技术名称缩写’OR‘技术名称全称’AND‘Crash’OR‘Accident’”。利用5条筛选条件对相关文献进行筛选：有无安全效益的相关指标；是否包含多种技术；安全效益是否为碰撞严重程度；数据量大小是否明确；是否基于已有研究的二次利用。涉及的文献如表1所示。(2)对于纳入文献，提取有效信息，建立数据库，有效信息包括：作者；年份；实验实施所在国家；安全效益；数据量大小；标准误差；技术类别。并非所有文献都可直接得到安全效益和标准误差，如果某文献包含有上述两项内容，那么就直接利用，但是对于没有包含上述内容的研究，则利用效益计算公式进行转换，每篇样本文献中每种技术的安全效益Y见公式(1)。其中，PWith为配备该技术时的事故发生概率，PWithout为未配备该技术时的事故发生概率，由于纳入研究评估方式较多，事故发生概率在公式(2)、(3)、(4)、(5)中进行选择。另外，如果某篇文献中某种技术的安全效益在一定范围内变化，则取平均值作为安全效益。对于不存在标准误差的文献，利用无对照二分类模型计算标准误差的方法进行计算，见公式(6)。其中：其中，TTC为碰撞时间，TTC越小，碰撞风险越大，TTCth为碰撞时间阈值，取1.5s，TTCall为所有碰撞的碰撞时间，TET为碰撞时间小于碰撞时间阈值的时间和，MLD为车道偏离米数，DM为行驶里程，WLD为车道偏离警告，TT为总时间，g为每种技术所涉及的文献数量。(3)关于元分析，常用两种模型，一种是固定效应模型，另一种是随机效应模型。固定效应模型的统计方法假设各个个体研究的方差齐性，这样其效应本文档来自技高网...

【技术保护点】
1.一种智能网联汽车事故减少量计算方法，其特征在于，该方法包括以下步骤：/n步骤S1：筛选得到样本文献；/n步骤S2：提取样本文献的有效信息，得到每篇样本文献中每种技术的安全效益；/n步骤S3：对每篇样本文献中每种技术的安全效益进行异质性检查，排除不合适的样本文献；/n步骤S3：利用随机效应模型合并每篇样本文献中每种技术的安全效益，得到样本文献中每种技术的合并安全效益；/n步骤S4：基于合并安全效益，使用漏斗图对每篇样本文献中每种技术的安全效益进行偏倚检验，得到样本文献中每种技术的最终合并安全效益；/n步骤S5：基于最终合并安全效益，得到利用智能网联汽车的事故减少量。/n

【技术特征摘要】
1.一种智能网联汽车事故减少量计算方法，其特征在于，该方法包括以下步骤：
步骤S1：筛选得到样本文献；
步骤S2：提取样本文献的有效信息，得到每篇样本文献中每种技术的安全效益；
步骤S3：对每篇样本文献中每种技术的安全效益进行异质性检查，排除不合适的样本文献；
步骤S3：利用随机效应模型合并每篇样本文献中每种技术的安全效益，得到样本文献中每种技术的合并安全效益；
步骤S4：基于合并安全效益，使用漏斗图对每篇样本文献中每种技术的安全效益进行偏倚检验，得到样本文献中每种技术的最终合并安全效益；
步骤S5：基于最终合并安全效益，得到利用智能网联汽车的事故减少量。


2.根据权利要求1所述的一种智能网联汽车事故减少量计算方法，其特征在于，所述筛选的条件为：
有无安全效益的相关指标；
是否包含多种技术；
安全效益是否为碰撞严重程度；
数据量大小是否明确；
是否基于已有研究的二次利用。


3.根据权利要求1所述的一种智能网联汽车事故减少量计算方法，其特征在于，所述每篇样本文献中每种技术的安全效益Y为：



其中，PWith为配备该技术时的事故发生概率，PWithout为未配备该技术时的事故发生概率，所述事故发生概率P为：



或
或
或
其中，TTC为碰撞时间，TTCth为碰撞时间阈值，TTCall为所有碰撞的碰撞时间，TET为碰撞时间小于碰撞时间阈值的时间和，MLD为车道偏离米数，DM为行驶里程，WLD为车道偏离警告，TT为总时间。


4.根据权利要求3所述的一种...

【专利技术属性】
技术研发人员：王玲，钟昊，马万经，俞春辉，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31