基于ETC门架数据的高速公路车辆行驶特征画像方法

为合理评估高速公路车辆驾驶行为风险和通行费稽查状态异常程度,进而对风险车辆进行提前预警,提出了一种基于ETC门架数据的车辆行驶特征画像方法。首先,通过分析车辆风险驾驶行为和通行费稽查状态,构建了以超速驾驶行为、疲劳驾驶行为、门架状态异常情况、收费状态异常情况、路径状态异常情况为指标的车辆行驶特征画像指标体系;然后,利用熵权-TOPSIS法和熵权-灰色关联分析建立综合熵权法确定各指标权重;最后,选取8辆车作为实验对象生成车辆行驶特征雷达图来验证该方法的有效性。研究结果表明:在4辆1类客车中,有3辆存在超速驾驶行为,其超速驾驶指数趋于0.8,其余的行驶特征指数均趋于0;在4辆6类货车中,有2辆在疲劳驾驶指数上表现异常,其疲劳驾驶指数趋于0.4,还有1辆的收费状态异常指数趋于0.4,可能存在偷逃费风险。可以看出,该方法能有效区分不同车型的风险类型,在高速公路管理中可用于有针对性的风险决策制定。

基于行驶特征画像的高速公路车辆逃费风险神经网络预测模型

为维护高速公路运营秩序,对逃费车辆进行精准稽查,提出一种基于车辆单次行驶特征画像的高速公路车辆逃费风险预测模型。先通过设计稽查判断特征集和稽查结果特征集来刻画车辆单次行驶特征画像,从车辆行驶路径、时间、费用等方面建立车辆行驶异常的约束条件,再建立BP神经网络算法进行训练。在利用神经网络建立高速公路车辆逃费风险预测模型时,对某交控集团稽查系统提供的16 718条稽查数据进行分析,该数据由车辆收费数据、单次行驶特征画像数据、稽查结果三部分组成,最终得到精确率为90.784%的模型。与传统算法相比,该方法拥有较高的准确率。文中还进行了车辆单次行驶特征画像的研究,能在识别和预测逃费行为的同时,清晰了解车辆异常行驶特征,体现其逃费方式,为稽查系统提供有力证据。

关于分心驾驶行为的综述

分心驾驶行为是造成交通事故的一个重要原因。如今随着导航系统、智能电话等车载系统的普及,诱发驾驶员分心驾驶行为的因素越来越多。本文通过对国内外关于分心驾驶行为的文献研究,整理了常用的调查研究方法,归纳了国内外分心驾驶对驾驶安全影响的结论,最后也总结了关于分心驾驶监测和预警的成果。结果显示,分心驾驶行为是可以检测和预警的,但目前对理论的实际运用还不够成熟,提出了一些个人的观点,分心驾驶的研究还有广阔的前景。

论高速公路安全问题及建议

本文从交通安全理论方面，论述了高速公路车辆行驶的特征和安全方面的特点；高速行车对车辆性能的影响；提出高速公路安全管理方面的应急措施要求以及建议，以保障交通安全、降低事故。