【技术实现步骤摘要】
交通与运载系统中驾驶可信性分析方法
[0001]本专利技术涉及交通与运载系统中驾驶可信性分析方法,属于交通安全
技术介绍
[0002]交通运载系统是一个有人参与的复杂系统,其系统可信性直接关系到人民生命和财产损失。道路交通系统中驾驶行为的表现方式是多种多样的,诸如对道路交通信号的识别、对道路上其他车辆速度的估计、对行人意图的确定以及转向、制动,等等。由于驾驶行为的各种表现对不同道路交通状态下驾驶失误的频度和后果严重性具有很大的影响,而驾驶失误又作为各种“灰色”、“黑色”信息造成的软故障,一定程度上制约着安全驾驶能力。现有的驾驶辅助系统仅能预防或减少驾驶失误的发生,却不能从根本上消除驾驶失误。因此,在驾驶失误、车辆故障或者道路交通环境恶化不可避免的条件下,建立基于人为差错恢复度的系统可信性评估方法,量化驾驶风险以确保交通参与者人身及道路交通安全,是提高交通运载系统安全性及可信性的关键所在。
[0003]目前针对交通运载系统的驾驶可信性评估方法和建模的研究中,主要侧重于对驾驶失误及驾驶行为风险进行定性分析来判断驾驶行为对交通安全的影响程度,由于交通运载系统的复杂性和驾驶人信息处理过程存在可变性,导致驾驶可信性分析结果具有较大不确定性。同时现有的研究技术主要着重于对物理系统进行分析评估,未在模型中量化人为因素的影响,难以准确辨识道路交通事故的致因机理与风险诱因,难以对复杂的交通运载系统中的驾驶行为主导要素进行定量建模,无法揭示驾驶人行为形成内部结构对驾驶可信性的影响机理,缺乏适用于对交通事故前瞻性预测与预
【技术保护点】
【技术特征摘要】
1.交通与运载系统中驾驶可信性分析方法,其特征在于:包括如下步骤,步骤一、明确交通运载系统中涉及的典型对象,分析驾驶人多资源信息处理决策机制,确定交通运载系统运行中道路交通环境、驾驶人、车辆及其车载系统之间的信息处理过程;步骤二、建立驾驶行为形成模式的内部结构,确定以驾驶人为核心的驾驶行为形成模式;步骤三、以交通运载系统安全失效为触发条件,确定驾驶行为形成主导因素;步骤四、基于驾驶行为形成内部结构不同层级的人为失误概率对形成主导因素进行量化计算;步骤五、依据专家评估和交通运载安全系统特性分析,构建基于决策树的驾驶差错恢复度量化方法;步骤六、根据驾驶行为形成模式内部结构及主导因素,实现考虑驾驶差错恢复度的交通运载系统的可信性分析。2.如权利要求1所述的交通与运载系统中驾驶可信性分析方法,其特征在于:还包括步骤七,根据步骤六得到的考虑驾驶差错恢复度的交通运载系统的可信性分析结果,应用于交通运载系统可信性量化与安全风险评估领域,提升交通参与者人身及道路交通安全性;所述应用于交通运载系统可信性量化与安全风险评估领域,包括预测驾驶人失误行为、对交通事故前瞻性预测与预先性安全控制、优化道路交通系统。3.如权利要求1或2所述的交通与运载系统中驾驶可信性分析方法,其特征在于:步骤一实现方法为,步骤1.1、在道路交通系统中驾驶过程涉及到的对象包括驾驶人、车辆及其车载系统、道路交通环境;驾驶人主要通过视觉、听觉以及嗅觉等感知通道从车辆及其车载系统和道路交通环境中获取信息,对实时更新的交通状态形成逻辑判断和控制策略;车辆及其车载系统受驾驶人的控制,并将汽车运行状况信息和外界信息反馈给驾驶人;道路交通环境在驾驶过程中主要对驾驶人起到外界影响作用;步骤1.2、分析驾驶人、车辆及其车载系统、道路交通环境等因素之间的信息流传递关系;驾驶人根据多通道信息输入,对多类信息进行动态加权融合,依据当前交通状态和交通信息复杂性形成判断控制策略,并向驾驶人输出执行信息;步骤1.3、描述驾驶人、车辆及其车载系统、道路交通环境之间的信息流传递关系。4.如权利要求3所述的交通与运载系统中驾驶可信性分析方法,其特征在于:步骤二实现方法为,步骤2.1、驾驶行为形成模式的内部结构包括感知层、判断层和执行层;步骤2.2、综合考虑驾驶行为形成模式的内部结构的复杂性与驾驶行为中人为差错发生的概率及人为差错产生的后果,将驾驶人为差错概率(EPR)、驾驶人为失误概率(F)、驾驶差错识别概率(τ)、驾驶差错校正概率(μ)和驾驶差错恢复度(α)作为度量驾驶行为形成中评价驾驶人为差错风险的指标;其中,所述评价驾驶人为差错风险的指标的构建具体包括如下步骤:步骤a、驾驶人为差错(EPR)是指规定时间内驾驶人未能完成规定驾驶任务,驾驶人为差错未及时校正会形成驾驶失误;驾驶人为差错包括感知差错、判断差错和执行差错;
步骤b、驾驶人为失误概率(F)是指在有驾驶行为形成主导因素的约束下驾驶差错出现后未能予以恢复且持续一定的时间而产生极为严重的恶性后果,导致道路交通事故的概率;所述概率包括感知失误概率(F
S
)、判断失误概率(F
O
)和执行失误概率(F
R
),其表达式为:步骤c、驾驶差错识别概率(τ)是指在规定时间内驾驶人受驾驶行为主导因素影响下发现潜在的和已存在的驾驶差错的概率;驾驶差错校正概率(μ)是指在规定时间内驾驶人受驾驶行为主导因素影响下及时校正差错,从而避免使其形成驾驶失误而酿成道路交通事故的概率;步骤d、驾驶差错恢复度(α)是指在驾驶行为主导因素影响下对驾驶差错恢复的概率,驾驶差错恢复度(α)能够由驾驶差错识别概率(τ)和驾驶差错校正概率(μ)的乘积来表示,如公式(2)所示:α=τ
·
μ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)由于驾驶人在驾驶行为形成内部结构的不同层级差错状态恢复能力不同,因此引入差错状态恢复的权重系数β
S
,β
O
,β
R
来优化驾驶差错恢复度,其关系式如公式(3)所示:式中,α
S
、α
O
、α
R
分别为感知层差错状态恢复度,判断层差错状态恢复度、执行层差错状态恢复度;β
S
,β
O
,β
R
分别为感知差错状态恢复的权重系数、判断差错状态恢复的权重系数和执行差错状态恢复的权重系数。5.如权利要求4所述的交通与运载系统中驾驶可信性分析方法,其特征在于:步骤三实现方法为,步骤3.1、从包含驾驶人自述的各类交通事故数据库中随机抽取事故作为案例样本;删除交通事故记录的缺失变量,对记录每个交通事故剩余变量进行数据规范化,表达式如公式(4)所示:式中,x
mn
和V
mn
分别指规范化前和规范化后的变量数据,y
maxn
和y
minn
分别是指第n个变量的最大值和最小值;步骤3.2、针对上述规范化后的事故变量数据与交通安全规则制定有关驾驶行为形成因素的排序评价问卷;步骤3.3、将评价问卷发放给公共汽车驾驶人、具有驾驶经验的管理人员、未取得驾驶证的驾驶学员和货车驾驶人,给定评价指标值的两个极值点,其中极小值表示该因素影响程度极低,极大值表示影响程度极大;步骤3.4、依据问卷各形成因素评分构建a行
×
b列的驾驶行为形成因素评价值矩阵K;
步骤3.5、根据得到的驾驶行为形成因素评价值矩阵并结合道路交通系统的特性,使用主成分分析法,得到各主成分初始特征值,以预设累积特征值占总体百分率阈值来选取主导因素,由此确定五个驾驶行为形成主导因素及各主导因素的特征值,五个主导因素分别为车辆人机界面质量、操作频率、差错后果危险性、生理心理机能及道路环境状况。6.如权利要求5所述的交通与运载系统中驾驶可信性分析方法,其特征在于:步骤四实现方法为,步骤4.1、根据以驾驶人诱因导致道路交通事故分析结果,确定感知失误诱发的交通事故发生率A
S
【专利技术属性】
技术研发人员:王武宏,曹琦,候福国,沈中杰,李敏,王乐怡,郭宏伟,徐唐桥,丁晨曦,林荣杰,李成刚,成前,毛琰,金晶,司仪豪,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。