基于轨迹数据的营运车辆不良驾驶行为辨识

为精准识别不良驾驶行为驾驶员,基于粒子群(PSO)与支持向量机(SVM)提出一种组成模型PSO-SVM,用于辨识营运车辆的不良驾驶行为。首先,对预处理后的GPS轨迹数据利用大样本统计方法提取驾驶行为特征指标参数构建驾驶行为数据集;基于四分位差法与CRITIC赋权法确定驾驶行为特征指标参数阈值和权重,建立不良驾驶行为风险评估模型,并根据驾驶员风险评估等级划分对驾驶员的整体行驶状态是否危险进行区分。其次,通过粒子群算法(PSO)和遗传算法(GA)分别对模型的关键参数进行寻优,来确定模型的最优参数组合。最后,以驾驶行为特征指标参数作为输入指标,聚类标签作为模型的识别输出指标。结果表明:基于PSO优化后的参数C为6.402 4,γ为0.1;PSO-SVM模型对不良驾驶行为识别的精确率为91.17%、召回率为88.57%,且此模型的平衡分数F_(1)值最高为0.89。可见PSO-SVM模型相比于普通模型对营运车辆驾驶行为的识别具有良好的性能。研究结果可为道路交通安全、营运车辆驾驶员的管理提供技术支持。

基于树莓派的不良驾驶行为AI监测系统设计

为了规范驾驶员的驾驶行为,预防及减少机动车驾驶过程中交通事故的发生,设计并实现了一种基于树莓派的不良驾驶行为AI监测系统。该系统以树莓派为核心控制器,运用百度AI开放平台训练不良驾驶行为模型,通过搭载的摄像头实时获取驾驶行为图像,再与模型进行比对分析,监测到不良驾驶行为则予以相应的警示提醒,且提醒强度随着行为程度的加深而变化。同时,运用语音识别技术实现了语音交互、智能点歌等功能,有利于驾驶员提神解乏。实验结果表明:该系统运行稳定可靠,对各类不良驾驶行为识别率达98%以上,能够实现智能监测并进行警示提醒,控制灵活方便,应用效果好。文中研究工作对于驾驶员不良驾驶行为的监测预警、改善行车安全具有理论指导和实践应用价值。

不良驾驶行为人心理、生理特性分析

为分析不良驾驶行为人的心理、生理特性,从交通违章记录驾驶人中筛选出不良驾驶行为人100名,对其进行速度估计、选择反应等生理、心理指标检测,并将检测结果与普通职业驾驶人相应指标进行比较。结果表明,不良驾驶行为人这一特殊群体的心理、生理特性有别于普通职业驾驶人。多数指标方差明显高于普通职业驾驶人,速度估计均值小于普通职业驾驶人,深度知觉均值高于普通职业驾驶人,选择反应错误次数少,但是反应时间明显偏长,处置判断错误次数远高于普通职业驾驶人。

基于CAN总线的不良驾驶行为判定流程设计

驾驶员的不良驾驶行为是诱发交通事故的重要原因之一,威胁着人们的生命财产安全。文章介绍了一种基于车辆总线数据的不良驾驶行为的判定方法,通过CAN总线获得汽车内部传感器数据,判断出驾驶员是否存在不良驾驶行为,从而提高驾驶的安全性。

职业驾驶人不良驾驶行为特征及其影响因素分析

目的探讨职业驾驶人不良驾驶行为特征及其影响因素,为不良驾驶行为识别控制提供理论依据。方法采用问卷调查法对我国杭州、西安、合肥三个城市公交及客运公司18560名职业驾驶人的不良驾驶行为进行现况调查。结果(1)不良驾驶行为类别特征:故意违章类行为(53.25%)、过失类行为(40.06%)、陋习类行为(6.69%);(2)不良驾驶行为的事故比例:引发的事故占事故总数82.17%,引发的重特大交通事故比例占90.68%;(3)不良驾驶行为时间特征:夏秋季多发,每天8点和17点为高发期;(4)不良驾驶行为环境特征:路口、弯道、直行道多发,晴天多发;(5)不良驾驶行为人群特征:职业驾驶人不良驾驶行为总体发生率为94.26%,男性多于女性,青年组(25-30岁)、低驾龄(1-3年)高发,频数分布存在个体差异。结论不良驾驶行为的发生主要受时间、环境及个体自身因素影响,具有时间、环境、人群分布特征。

机动车驾驶人不良驾驶行为诱发机制模型构建

不良驾驶行为已成为物流运输安全最突出的问题,为了更好地识别与有效控制不良驾驶行为,本文基于不良驾驶行为现况调查,解析了不良驾驶行为的分布规律,析取了不良驾驶行为的因子变量及属性,据此构建了不良驾驶行为诱发机制理论模型:即一个具有不同程度的不良驾驶行为易感性的驾驶员,在特定的机体状态时期,特定的高危驾驶环境时,三个变量(易感性、时期、环境)被高度激发并达到各变量的阈值后,则导致不良驾驶行为发生。经例证应用,与实际情形基本吻合,此模型为预防不良驾驶行为引发的运输事故可以提供参考依据。

公交驾驶员不良驾驶行为调查与特征分析——以成都为例

为了确定公交驾驶员行为失当的具体表现,首先界定了广义公交驾驶员不良驾驶行为。根据交通心理学、交通行为学与组织行为学等理论,结合城市公交系统中的驾驶员个体因素、行业因素和交通环境因素,构建了基于主成分分析法与信度分析法公交驾驶员的不良驾驶行为评价指标体系。以成都茶店子公交总站和九里堤的公交线路及公交驾驶员的抽样调查为例,结合本文所构建的评价指标体系,可得出:成都市公交驾驶员不良驾驶行为的具体表现具有以下四类特性,即驾驶员的冒险特性、习惯惯性、随意特质与个体特性。通过算例分析可证实,提出的评价体系具有可行性与有效性,可为城市常规公交管理过程中对驾驶员的安全驾驶考评提供相应的量化方法。

汽车不良驾驶行为特点及其防范

交通状况与人民群众的生命财产安全息息相关,不良的汽车驾驶行为容易造成交通的拥堵以及交通事故的发生,本文分析了驾驶员的驾龄道路状况以及酒驾问题对交通安全的影响,并分析了具体的防范措施来有效改善不良汽车驾驶行为。

不良驾驶行为分析

随着经济发展,城市交通拥挤问题成为交通四大问题之首。面对越修越宽,越修越多的道路,但是交通拥堵问题并没有得到有效的缓解,究其原因,不只是交通流量的增加,还有运行秩序的混乱也导致道路使用效率降低。而现阶段造成运行秩序混乱的主要原因就是驾驶员的不良驾驶行为。本文通过对驾驶行为的分析,总结不良驾驶行为的多发原因,和目前不良驾驶行为的主要类型,针对性的提出管制的措施意见。

基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力,以小汽车行驶轨迹数据为研究对象,研究了不良驾驶行为的实时辨识问题;基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据;提出了应用风险度量方法量化典型不良驾驶行为的理论;使用大样本统计分布方法确定不良驾驶行为的特征参数阈值;建立了结合交通环境信息的不良驾驶行为谱,计算了不良驾驶行为谱特征值;以车辆不良驾驶行为谱特征值为依据标定不良车辆样本;以部分驾驶行为谱参数为输入,使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型;为了验证方法的有效性,使用无人机交通视频采集了上海市的车辆行驶轨迹数据,分析了小汽车不良跟驰行为特征。分析结果表明:使用四分位差法得到不良跟驰特征参数的阈值为0.19 s^(-1),大部分样本处于正常跟驰状态,约2%样本处于不良跟驰状态;基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例,使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh;不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率,平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见,不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法,与人工智能方法结合可以生成海量的不良驾驶行为谱库;不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题,与常规算法相比具有更好的不良驾驶行为辨识能力。

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度,研究了不良驾驶行为谱的构建与分析方法;基于车辆行驶轨迹关键参数建立驾驶行为谱;应用风险度量方法量化4种不良驾驶行为,包括不良跟驰、蛇形驾驶、速度不稳与不良换道;基于驾驶行为谱建立了不良驾驶行为谱;基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分;在不同交通流状态下,使用四分位差法确定了不良驾驶行为特征参数阈值;基于特征参数阈值计算每个驾驶人的不良驾驶行为得分;使用CRITIC赋权法确定了不良驾驶行为的权重,为每个驾驶人计算不良驾驶行为谱特征值;为了验证方法的有效性,使用无人机交通视频采集了上海市的车辆行驶轨迹数据,分析了小汽车不良驾驶行为特征;通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明:基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类;聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析;不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同,拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁,而不良换道特征参数在各交通流状态下有相似的分布;蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升;使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近,均处于0与0.4之间;专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见,不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人,具有客观性、适应性以及可靠性,能及时发现不良驾驶人,给驾驶人提供安全提示,为交通管理部门提供交通安全预警的技术支持。

公交车驾驶人组织认同感和工作倦怠对不良驾驶行为的影响

公共交通是城市道路交通运输系统中的重要组成部分,公交车驾驶人存在的不良驾驶行为已经成为影响交通安全的最大制约因素之一,由其引发的道路交通事故给个人和社会都造成了严重损失,探索更为安全的公共交通环境显得极为重要。以公交车驾驶人为对象,探究影响公交车驾驶人驾驶行为特征的个人心理因素和组织环境因素,及其对不良驾驶行为的内在影响机制。选用工作倦怠量表(MBI-GS)、组织认同感问卷(OIQ)及驾驶行为问卷(DBQ)对844名城市公交车驾驶人展开问卷调查研究,并使用回归分析和中介检验来探究工作倦怠和组织认同感对驾驶行为的影响机制。结果表明:①32.8%的公交车驾驶人存在不良驾驶行为,错误驾驶行为显著高于违法驾驶行为。其中,在违法维度中,侵略性违法显著高于普通违法。②公交车驾驶人存在较高的组织认同感,组织认同感对不良驾驶行为具有显著的负向预测作用,对工作倦怠程度具有显著的负向预测作用;工作倦怠程度对不良驾驶行为具有显著的正向预测作用。③公交车驾驶人的工作倦怠水平在组织认同感对不良驾驶行为的影响中起到部分中介作用。该结果厘清了公交车驾驶人的工作倦怠和组织认同感对不良驾驶行为的影响机制,为进一步探究不良驾驶行为的心理干预方法提供了思路,从而达到改善城市道路公共交通安全环境的目标。

不良汽车驾驶行为特征分析

对不同车型的不良汽车驾驶行为特征进行了分析,根据北京、上海、大连等城市的视频数据统计出8种典型不良汽车驾驶行为的形态比例,对比分析了大型车与小型车、客运车与货运车在发生不良汽车驾驶行为时的车速、持续时间以及所处道路的服务水平,得出了发生不良汽车驾驶行为时的车速和持续时间与车辆类型有关而道路服务水平与车辆类型无关的结论,并且利用多因素模糊综合评价法对各种车型的不良汽车驾驶行为的危险度进行了评价,得知小客车的不良汽车驾驶行为对道路交通安全影响最大。

道路车辆不良汇入驾驶行为的模型构建

针对当前国内关于不良汇入驾驶行为模型研究的空白,从概率统计和博弈论角度量化分析该行为。基于哈尔滨市高峰和平峰时段的定点视频调查数据,分析了汽车不良汇入驾驶行为的基本统计特性,给出了累计频率分布模型。研究结果表明当临界汇入间隙时间不足4 s时,车辆汇入行为可界定为不良行为。进而,引入双人混合战略模型,从纳什均衡角度分析了支路汇入主路不良行为的发生概率。

网联环境下基于多驾驶人风险评价的不良行为主动干预研究

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。

汽车驾驶中的不良驾驶行为特征分析

随着我国经济水平的快速发展,当前汽车已经普遍地进入了我国居民的家中,使我国市场上的汽车保有量快速增加。但汽车保有量增加的同时,根据有关调查显示不良汽车驾驶的行为也快速增加,不良汽车驾驶行为的特征过于复杂,且导致不良汽车驾驶行为的因素也较多。本文中主要研究了汽车驾驶中不良驾驶行为的主要特征,文章首先对汽车驾驶中不良驾驶行为数据的收集工作进行阐述,然后分析了汽车驾驶中不良汽车驾驶行为的具体特征和危险度,最后结合实际情况,提出了规范汽车驾驶行为的具体措施。

不良汽车驾驶行为聚类与处罚形式及标准建议

为了给交通违法处罚提供科学合理依据,有效降低不良汽车驾驶行为对道路交通运行产生的不良影响,在现场观测的基础上,从影响交通运行、导致交通冲突及诱发交通事故3个层面对不良汽车驾驶行为进行了聚类研究。从行政管理与经济处罚2个角度,探讨了不良汽车驾驶行为的合理处罚形式,提出了相应的标准建议。

基于数据挖掘的危险货物运输风险驾驶行为聚类分析

不良驾驶行为(车速过高,车速变化过快等)影响危险货物及车辆的稳定性,是导致危险货物运输事故频发且后果严重的重要原因.基于对营运车辆联网联控系统海量数据的分析处理,根据其属性提取8个驾驶行为量化指标,采用因子分析和模糊C均值聚类相结合的方法,实现对危险货物运输车辆驾驶员风险驾驶行为的科学聚类.结果表明,危险货物运输车辆驾驶行为特征可有效聚为急加减速、超速驾驶和变速驾驶3种行为,且在每种驾驶行为下实现对驾驶员安全等级的分类.由此可以识别风险较高的驾驶员,这对危险货物运输企业和行业管理部门有重要参考意义.

信号交叉口不良汽车驾驶行为危险度的研究

信号交叉口是城市交通的重要组成部分,也是交通事故的主要发生地,给车辆、行人的安全造成了严重的威胁。当信号交叉口存在不良汽车驾驶行为时,会存在极大的安全隐患,甚至会引发交通事故。对此,笔者对信号交叉口不良汽车驾驶行为危险度进行了研究,并提出了有效的建议,以供相关人员进行参考。

安全态度与攻击倾向对驾驶员事故倾向性的预测作用

目的 探讨安全态度与攻击倾向对驾驶员事故倾向性的预测作用,构建驾驶员事故倾向性预测模型。方法 选取54名大连地区驾驶员为研究对象,采用驾驶员安全态度量表、驾驶员攻击性行为问卷、攻击性的内隐联想测验等,分析与被试驾驶事故次数关联性。结果 内隐攻击与外显攻击两个变量能够共同预测驾驶员的事故倾向;娱乐寻求态度正向预测言语攻击行为(β=0.452,t=3.432,P <0.01),正向预测驾驶事故(β=0.346,t=2.663,P <0.05);中介模型表明言语攻击在娱乐寻求态度与驾驶事故中起完全中介作用(β=0.305,t=2.193,P <0.05)。结论 内隐攻击测验结合外显攻击测验可以增加对驾驶事故的预测解释率;驾驶员的娱乐寻求态度通过言语攻击的中介作用影响驾驶员的事故率。