[發明專利]基于加速失效風險模型的駕駛員事故動態預警方法

有效

• 申請號: 201811414169.6
• 申請日: 2018-11-26
• 公開（公告）號: CN109671266B
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 楊小寶;高自友;劉義;張俊輝;孫會君
• 申請（專利權）人: 北京交通大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F16/2458;G06Q10/06
• 代理公司: 北京衛平智業專利代理事務所(普通合伙) 11392
• 代理人: 謝建玲;郝亮

本發明屬于交通安全預警技術領域，涉及一種基于加速失效風險模型的駕駛員事故動態預警方法，包括以下步驟：采集駕駛員個人屬性、車輛屬性、違章特征和事故特征，并提取駕駛員事故間隔時間；融合駕駛員個人屬性、車輛屬性、違章特征和事故特征，構建駕駛員事故間隔時間樣本數據庫和高風險駕駛員事故間隔時間樣本數據庫；構建高風險駕駛員事故間隔時間最優加速失效風險模型，識別顯著影響因素；計算事故預警時間；根據實時交通狀態變化，對事故預警時間進行動態調整。本發明所述方法，利用高風險駕駛員事故間隔時間樣本數據庫，考慮刪失數據，有效預測事故間隔時間；還根據高風險駕駛員當前違章或事故的實時變化，對事故預警時間動態調整。

技術領域

本發明屬于交通安全預警技術領域，涉及一種基于加速失效風險模型的駕駛員事故動態預警方法。

背景技術

目前，全國已經通過對“兩客一危”車輛(指單次運營里程超過800公里的客運車輛和高速公路客運車輛，以及危險品運輸車輛)進行實時聯網監控，以達到對相應駕駛員危險行為的預警。但對于普通社會車輛，目前還沒有成熟的駕駛員預警方法。如何根據普通社會車輛駕駛員的相關特征屬性和歷史行為信息，為駕駛員提供事故預警，成為一個急需解決的技術難題。

道路交通事故的發生，與人、車、路和環境等因素密切相關，其中，人是關鍵性因素。交通事故大多是由人的因素造成，我國道路交通事故統計年報數據顯示：約90％的交通事故數是由于機動車的違章行為造成。對于機動車駕駛員而言，其發生交通事故的頻次少，事故數據的隨機性強；然而，駕駛員的違章行為相對較多，違章數據的隨機性較小。機動車違章行為是導致交通事故的最主要原因，違章行為可反映駕駛員的危險駕駛傾向，交通違章多的駕駛員發生事故的可能性更高。因此，從駕駛員個體角度出發，研究駕駛員的歷史違章行為對交通事故的影響，揭示它們之間的關聯性，據此提出事故預警方法，對于緩減交通事故，提升交通安全具有重要的理論和實際意義。

現有駕駛員安全預警技術可大致分為如下三類。

(1)通過視頻圖像處理、溫度檢測和狀態檢測等技術，實時監控駕駛員、車輛和車輛周邊的情況，實時識別駕駛員的駕駛狀態、車輛運行狀態和周邊交通狀態，來對駕駛員進行相應的預警。

(2)通過設計發明新型的檢測裝置和算法，優化駕駛員、車輛和車輛周邊的信息獲取及信息處理過程，達到更優的預警效果。

(3)通過設計發明新型的車輛配套裝置，如智能座椅和報警興奮器等，來為駕駛員的安全駕駛提供保障。

現有駕駛員安全預警技術較多基于現有設備和新設備，這類方式往往需要大量的設備支持和政策支持等前期條件，所以推廣使用率往往不高，很難實現大規模駕駛員的監控與預警。

一名駕駛員在其長期的駕駛過程中，可能出現不只一次事故，對于一定年份內發生多次事故的高風險駕駛員，他們發生事故的間隔時間可能服從一定的分布規律，駕駛員的違章信息與事故的間隔時間分布也應該存在一定的關聯性。本專利提出一種基于加速失效風險模型的駕駛員事故動態預警方法，利用駕駛員的歷史事故數據提取駕駛員事故間隔時間，并融合駕駛員的特征屬性和歷史違章信息；基于駕駛員事故間隔時間樣本數據，擬合事故間隔時間的最優加速失效風險模型，識別關鍵影響因素，并估計標定最優加速失效風險模型參數；再利用擬合的最優加速失效風險模型，計算駕駛員在給定生存率水平下的生存時間，作為事故預警時間；根據駕駛員當前違章或事故的最新變化情況，對預警時間進行動態調整。

發明內容

針對目前駕駛員事故預警技術的不足，本專利提出了一種基于加速失效風險模型的駕駛員事故動態預警方法。研究成果旨在改進當前駕駛員事故預警技術的不足，緩解駕駛員事故的嚴峻形勢，具體技術方案如下：

一種基于加速失效風險模型的駕駛員事故動態預警方法，包括以下步驟：