[發明專利]一種基于多維網絡熵的道路交通安全評估方法

有效

• 申請號: 202010819311.6
• 申請日: 2020-08-14
• 公開（公告）號: CN111967760B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 王建強;黃荷葉;崔明陽;許慶;李克強;楊奕彬;谷子青;高博麟;鄭四發
• 申請（專利權）人: 清華大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/30
• 代理公司: 北京匯智勝知識產權代理事務所(普通合伙) 11346
• 代理人: 石輝;趙立軍

本發明公開了一種基于多維網絡熵的道路交通安全評估方法，其包括：步驟1，構建系統網絡，系統網絡具有節點和將節點連接起來的耦合邊，節點對應為交通要素；步驟2，將系統網絡進行模塊劃分；步驟3，根據節點和耦合邊的屬性，對各節點和耦合邊賦予權重，描述模塊中的節點度；步驟4，構建道路交通系統態勢安全模型S(t)；步驟5，計算安全威脅對系統網絡造成的影響程度ΔE_H；步驟6，計算三維網絡熵勢變化量ΔS；步驟7，根據影響程度ΔE_H和三維網絡熵勢變化量ΔS，輸出實時風險評估結果，ΔE_H越大，則道路交通系統的風險等級越高，ΔS越大，則道路交通系統的潛在風險越高。本發明能夠考慮多要素之間的耦合作用，輸出所覆蓋的道路交通系統范圍內的安全態勢水平。

技術領域

本發明涉及智慧交通技術領域，特別是關于一種基于多維網絡熵的道路交通安全評估方法。

背景技術

道路交通系統是一個由駕駛人、車輛和道路等各種要素組成的動態開放系統，然而，駕駛人-車輛-道路系統的廣義不穩定性會引發交通風險。產生風險的要素眾多，主要涉及駕駛員主觀失誤、車輛故障、路況和環境狀態等。一些研究表明，駕駛員的感知和反應在不同的情況下會發生變化。先前的研究發現，多輛卡車、公共汽車、小轎車或摩托車的卷入可能導致潛在的交通事故。此外，環境要素也被證明是影響駕駛安全的主要要素。研究還表明，道路地理可能對風險水平產生影響，因此研究交通要素對駕駛風險的影響對于提高駕駛安全具有重要意義。

在過去的幾十年里，人們提出了許多研究來評估引發駕駛風險的各種影響要素。道路交通系統的通行安全已成為智慧交通領域的重要研究內容，評估系統安全性、提高道路交通系統安全通行能力能更好促進智慧交通的發展。對交通風險的評價和影響要素的分析方法分為宏觀和微觀兩個層次。具體地說，交通風險分析可以通過宏觀的自然駕駛數據和微觀的駕駛過程操作參數兩個方面來分析影響風險的本源，從而探究整個道路交通系統的風險態勢。宏觀事故數據分析包括絕對數法、事故率法和事故強度分析法。同時還有與統計推理相關的貝葉斯網絡、Petri網和博弈論等方法。這類方法通過分析涉及到與事故結果相關的屬性。為了研究碰撞可能性與影響要素之間的關系，宏觀事故數據分析包括提取和分析交通事故的宏觀統計數據，研究碰撞可能性與影響要素之間的關系。通過建立logistic回歸模型，將事故要素與可能的影響特征變量有效地結合起來，設計表征量表，對影響事故的要素進行分析。一項研究使用基于Copula的方法來估計事故的嚴重程度和涉及碰撞的影響要素。結果表明，影響事故嚴重程度的要素很多，但沒有直接觀察到。雖然這些宏觀數據可以反映整個道路交通系統的風險，但也有兩個主要的局限性。基于事故數據進行分析的評價結果是靜態的，可以支撐事故發生后的后續風險研判，但難以實時動態衡量所覆蓋區域的動態交通態勢變化。此外，詳細的駕駛數據是有限的，包括反映客觀駕駛過程和各種要素的風險產生機制的車輛運動學參數和道路使用者運動特征。

由于道路交通系統是由各種單一又相互作用的交通要素組成，因此從道路交通系統的微觀層次上評判系統安全態勢也是一種可行思路。現有的微觀交通層次風險評價參數推斷縱向駕駛風險的主要有碰撞時間(TTC)和相對距離(THW)。判斷橫向駕駛風險如車輛的當前位置(CCP)車道改變(TLC)，虛擬停車場和車輛振動頻帶(VRBS)。這些評價指標可以有效地估計某一駕駛過程中的風險。從時間和距離的角度對車輛行駛風險進行評價時，考慮了車輛的運動學和動力學；然而，這些忽略了潛在的風險，背后的驅動程序的特點。隨著人工智能的發展，深度學習和強化學習技術被應用于驅動風險評估。但是，這些方法大多需要大量的訓練數據，現有的測試場景還遠遠不夠。

因此，道路交通系統是一個復雜的動態系統，涉及到人、車、環境3大子系統，在安全上存在著很多風險要素。考慮多要素之間的耦合作用，需要用系統的、結構化的方法來評估和減弱交通風險，不僅從宏觀交通數據進行分析，也需要結合微觀車輛視角，因此，有必要開發一種基于多維網絡熵的道路交通安全評估方法。

發明內容