城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险,避免人车冲突事故频发,提出基于K-means算法的行人过街风险量化分级方法,并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小,选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标,准确刻画出实际的人车交互场景,并利用K-means算法对行人过街风险状态进聚类划分,明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素,提出了30项行人过街风险二级指标,依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集,以此为模型输入,利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明:行人过街风险等级分为5级时,量化分级结果能与实际行人过街情景较好吻合;本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%,其中对一级与四级风险的预警能力最为突出,一级风险识别准确率达到100%,四级风险识别准确率达到94.7%。本研究提出的行人过街风险分级预警模型解决了既往研究中存在的风险指标不够全面、风险等级划分未完全贴合实际场景、预警等级未细化等问题,提高了风险预警准确率。

信号交叉口过街行人与机动车冲突危险度建模

为定量评价信号交叉口行人过街安全性,量化过街行人与机动车冲突的严重程度,从过街行人行为特征出发,基于模糊聚类的SOMK聚类算法,提出信号交叉口过街行人与机动车冲突危险度模型。以南京市6个信号交叉口为例,采用基于视频的人工观测法采集高峰时刻行人与机动车冲突数据,给出TTC、PET、DST等评价指标的获取和计算方法,阐明交叉口行人过街冲突危险度的分析过程。结果表明,TTC、PET、DST三个指标变量对于聚类分析都起到明显作用,不同类型冲突的发生频率及其严重程度存在差异性。

基于过街方式的信控路段行人—机动车冲突分析与延误模型

不同过街方式产生不同类型的行人与机动车冲突与延误,并影响城市道路运行效率.在分析信控路段人行横道处行人过街与机动车运行行为及机非冲突场景的基础上,构建4类行为判定原则,阐述不同过街方式下行人和机动车冲突与延误的产生过程,建立基于过街方式的行人—机动车人均延误模型.以北京市某主干路为对象,仿真一次过街和二次过街条件下延误情形.仿真结果表明,行人二次过街方式能整体上使行人与机动车系统人均延误减小.

自动驾驶汽车与行人交互中的沟通界面设计:基于行人过街决策模型的评估

自动驾驶汽车要进入人车混行的普通道路,需确保与过街行人之间的交互安全和效率。为解决这一问题,高等级自动驾驶汽车往往在车辆外部装置显示设备,即外部人机界面(eHMIs)以和行人沟通信息。在具体设计上,已有研究主要采用文字、图形、投影等视觉沟通形式,传达车辆状态(是否在自动驾驶模式)、意图和对行人的过街建议等沟通信息,并在真实路段实验、虚拟场景及实验室实验等情境中评估了界面的使用对行人过街意向、速度和准确性等指标的影响。然而,以行人为中心的外部界面设计需系统地支持行人过街决策前各阶段的信息加工需求。因此,我们结合行人过街决策过程和情境意识理论,提出行人与自动驾驶汽车交互中的动态过街决策模型,从行人认知加工视角评估各种界面的沟通效果。评估的结果启示,eHMIs应促进行人对车辆信息的感知、理解和预测。在感知阶段,应采用多种类型界面、多呈现载体相结合,增强信息的可识别性。在理解阶段,需结合文字说明、合理选择沟通视角、信号标准化和培训提高可理解性。在预测阶段,应结合车辆内隐运动信息,帮助行人快速准确获取车辆未来行动意图。更重要的是,未来研究应关注在多行人、多车辆混行情境下的信息沟通设计及其对行人的影响。理论方面,未来研究也需要关注外部界面如何通过自下而上的通路影响情境意识和心智模型的形成。

城市路段行人不良过街行为决策模型及技术矫正措施

为缓解机动车与过街行人间的矛盾,在提出行人不良过街行为内涵后,基于成本效益理论分析了行人过街行为与行人心理期望之间的关联。利用Spearman相关系数、VIF预筛选出关键因素,再使用二元logistic回归模型构建了3种场景下的过街行为决策模型来筛选出可被改变的关键因素,并提出相应的技术矫正措施。为验证其效果,对比部分矫正前、后的行人不良过街行为发生次数,表明彩色斑马线等措施可以降低不良过街行为概率,矫正措施可以改善行人过街行为。