基于冰雪路面危险驾驶行为谱的行车风险识别方法

为描述驾驶人在冰雪路面行车时危险驾驶行为的具体表现形式,并量化其整体行车风险,通过模拟驾驶试验获取驾驶人操作类数据和车辆运动类数据,构建包含猛打方向、急变速、超速行驶、横向摇摆和跨道行驶这5种行为的危险驾驶行为谱。根据具体试验条件和四分位差法,分别确定不同路面附着系数下危险驾驶行为的阈值,并通过加权平均的方式计算危险驾驶行为谱特征值。以特征值作为行车风险评价指标,利用K-means聚类算法,将行车风险状态划分为4类,将随机森林模型、元启发式优化算法与支持向量机(Support Vector Machine, SVM)结合,建立冰雪路面行车风险识别模型。结果表明:超速行驶对冰雪路面行车安全影响最大,其权重为0.285;危险驾驶行为谱特征值主要分布于区间[0.00, 0.20]内,最大值出现在路面附着系数为0.2条件下;在路面附着系数为0.2和0.4条件下,严重行车风险明显增加,其占比分别为正常路面的4.85倍和2.49倍;鱼鹰优化算法(Osprey Optimization Algorithm, OOA)与SVM结合得到的行车风险识别模型的识别准确率为93.96%,优于浣熊优化算法(Coati Optimization Algorithm, COA)和灰狼优化算法(Gray Wolf Optimization Algorithm, GWOA)。研究结果有助于了解驾驶人在冰雪路面和正常路面行车时的差异,为提升驾驶人的行车安全水平提供依据。