十字路口乘用车与二轮车典型危险场景聚类及推演

为了给智能汽车研发提供有效的场景推演构建方案,统计分析国家车辆事故深度调查体系(NAIS)数据库中乘用车与二轮车发生在十字路口的事故场景数据,得到2类高占比的基础场景;选取7个场景关联变量,并就2类基础场景对应的静态特性数据进行聚类分析;建立运动学推演模型,结合5类典型危险场景的动态参数实际阈值,构建5类典型危险场景的速度-距离危险模型。结果表明:通过统计分类、聚类分析和运动学模型叠加推演方法,可得到5类符合中国道路交通情况的十字路口乘用车与二轮车典型危险场景,进而得出5个危险场景集。

基于故障树分析的中国道路风险分布规律研究

以道路因素为牵引,并耦合驾驶人因素和车辆因素把道路因素事故作为顶上事件,确定道路线形因素事故、道路路面因素事故、路口路段因素事故为中间事件,构建了道路因素事故分析故障树模型。对数据归一化后,进行了道路因素事故分析故障树模型求解,得出了中国道路典型危险场景。并进一步建立了每个典型风险场景的子故障树。因控制概率重要度大的基本事件的发生,能使顶上事件发生的概率迅速降低,故通过对子故障树求解概率重要度,得出了关键影响因素,最终揭示了道路安全风险的空间分布规律。