[發明專利]基于駕駛員生理數據的道路交叉口風險評估與預警方法

有效

• 申請號: 202010091611.7
• 申請日: 2020-02-13
• 公開（公告）號: CN111311093B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 許甜;程慧婷;鄧涵月;柯輝;王佐;徐金華
• 申請（專利權）人: 中交第一公路勘察設計研究院有限公司;長安大學
• 主分類號: G06Q10/0635
• 分類號: G06Q10/0635;G06Q50/26
• 代理公司: 西安睿通知識產權代理事務所(特殊普通合伙) 61218
• 代理人: 惠文軒

1.一種基于駕駛員生理數據的道路交叉口風險評估與預警方法，其特征在于，包括以下步驟：

步驟1，建立城市交叉口車輛風險評估模型，

式中，F表示車輛在交叉口的風險值，M表示風險矩陣，P表示車輛風險概率，E表示車輛風險損失，w_j表示車輛風險概率模型中第j個指標的屬性權重，x_j表示車輛風險概率模型中第j個指標的值，m表示車輛車身的質量系數，v表示車輛駛入交叉口的實時速度；

其中，j＝1,2,...,J，表示有J項指標，分別為駕駛人心電數據、交通量和交叉口靜態設施評分；

步驟2，標定車輛風險概率模型中的參數w_j，確定當前實施交叉口對應的車輛風險概率模型；

步驟3，構建車輛風險等級劃分矩陣；

步驟4，計算目標車輛在當前實施交叉口的風險值；所述目標車輛為當前實施交叉口范圍內具有心電監測功能的車輛；

步驟5，根據車輛風險等級劃分矩陣，確定目標車輛風險等級；

步驟6，根據目標車輛風險等級，確定當前實施交叉口的風險等級；

步驟7，根據所述當前實施交叉口的風險等級，確定預警信息，并向進入當前實施交叉口的目標車輛進行預警。

2.根據權利要求1所述的基于駕駛員生理數據的道路交叉口風險評估與預警方法，其特征在于，所述駕駛人心電數據包括：心率變異的功率譜中低頻區(LF)變化率、高頻區(HF)變化率，RR間期均值(MRR)和均方差(SDNN)。

3.根據權利要求1所述的基于駕駛員生理數據的道路交叉口風險評估與預警方法，其特征在于，所述駕駛人心電數據的獲得具體為：從車輛進入當前實施交叉口前至少5分鐘開始至車輛駛出當前實施交叉口結束，每滾動1秒記錄一組心電數據，獲得多組心電數據；并對所述多組心電數據進行分析，最終獲得駕駛人心電數據。

4.根據權利要求1所述的基于駕駛員生理數據的道路交叉口風險評估與預警方法，其特征在于，步驟2包括以下子步驟：

子步驟2.1，獲取當前實施交叉口N輛車輛通過交叉口的歷史數據集，并確定每條歷史數據集中駕駛人心電數據、車輛駛入交叉口前K分鐘的交通量數據、交叉口靜態設施評分、車輛車身質量系數和車輛駛入交叉口的實時速度；其中，N和K為正整數；

子步驟2.2，將子步驟2.1中確定的每條歷史數據集中的駕駛人心電數據、車輛駛入交叉口前K分鐘的交通量數據、交叉口靜態設施評分、車輛車身質量系數和車輛駛入交叉口的實時速度作為一組樣本，共得到N組樣本；

子步驟2.3，根據子步驟2.2得到的N組樣本中的數據，標定車輛風險概率模型中的參數w_j(j＝1,2,...,J)，得到當前實施交叉口對應的車輛風險概率模型。

5.根據權利要求4所述的基于駕駛員生理數據的道路交叉口風險評估與預警方法，其特征在于，子步驟2.3中，所述標定車輛風險概率模型中的參數w_j(j＝1,2,...,J)，具體為：

利用N組樣本中的駕駛人心電數據、車輛駛入交叉口前K分鐘的交通量數據、交叉口靜態設施評分，構建屬性決策矩陣，利用熵值法標定車輛風險概率模型中的參數w_j(j＝1,2,...,J)。

6.根據權利要求4所述的基于駕駛員生理數據的道路交叉口風險評估與預警方法，其特征在于，步驟3包括以下子步驟：

子步驟3.1，根據當前實施交叉口對應的車輛風險概率模型，計算歷史樣本中每一對應車輛的風險概率值，得到N個風險概率值；并將所述N個風險概率值劃分為多個聚類類別，并根據所述聚類類別確定不同等級風險概率劃分的閾值；

子步驟3.2，根據子步驟2.2得到的N組樣本中的數據，計算歷史樣本中每一對應車輛的風險損失值，得到N個風險損失值；并將所述N個風險損失值劃分為多個類別；

子步驟3.3，根據子步驟3.1確定的不同等級風險概率所劃分的閾值以及子步驟3.2所劃分的多個類別的風險損失值，構建車輛風險等級劃分矩陣。