[發明專利]基于駕駛行為指標的不同長度隧道行車風險量化評價方法

有效

• 申請號: 202110940629.4
• 申請日: 2021-08-17
• 公開（公告）號: CN113657752B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 胡月琦;吳玲;張永輝;趙煒華
• 申請（專利權）人: 西安航空學院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/30;G06K9/62;G06N3/08
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 程小芳

1.一種基于駕駛行為指標的不同長度隧道行車風險量化評價方法，其特征在于，具體包括以下步驟：

S1、對不同長度的隧道進行劃分和細化分，得到若干個行車區間；

S2、采集并計算每名駕駛人駕車通過所述不同長度隧道時的駕駛行為指標，并分析所述駕駛行為指標的變化趨勢；

S3、根據所述駕駛行為指標，構建基于因子分析法的隧道路段行車風險量化模型，輸出多維行為指標的行車風險值；

S4、基于因子分析得到的公因子，采用SOM神經網絡對隧道路段行車風險行為進行科學聚類，并對行車區間風險等級進行劃分；

所述駕駛行為指標包括：平均車速、運行速度與限速值差、區間運行車速差、超速行駛比例、加速度和減速度；

所述超速行駛比例包括：不同隧道行車段各行車區間超速行駛比例、各駕駛人在不同隧道環境下的超速行駛概率；

所述不同隧道行車段各行車區間超速行駛比例作為該區間駕駛行為風險的一項指標，其表達式為：

式中，q為區間超速比例；m為通過該區間時超速行駛的某類駕駛人數量；n為所有參與實車實驗的某類駕駛人數量；

所述各駕駛人在不同隧道環境下的超速行駛概率作為衡量個體行為風險的一項指標，其表達式為：

式中，p為駕駛人超速行駛概率；i為駕駛人通過某隧道時速度超過限速值的行車區間數量；k為該隧道包含的行車區間總數；

所述S1具體為：

S11、選取不同長度的隧道，包括：短隧道、中長隧道和特長隧道；

S12、將每種隧道劃分為三個行車段，包括：入口段、中間段和出口段；

S13、對每個行車段再進行細化分，得到若干個行車區間；

所述S3具體為：

S31、采用Zscore法將所述駕駛行為指標進行標準化處理；

S32、采用KMO檢驗和Bartlett球形檢驗法驗證處理后的駕駛行為指標是否滿足做因子分析的條件，并驗證處理前的駕駛行為指標之間是否具有較強的相關關系；

S33、采用主成分分析法對所述處理后的駕駛行為指標進行前兩個公因子的提取；

S34、將所述前兩個公因子進行旋轉，得到旋轉后的因子載荷陣，包括公因子1和公因子2；

S35、基于所述旋轉后的因子載荷陣，得到因子得分系數矩陣，進而得到前兩個公因子的得分；并根據所述前兩個公因子的得分，構建基于因子分析法的隧道路段行車風險量化模型；

S36、根據所述基于因子分析法的隧道路段行車風險量化模型輸出的行車風險值，采用Min-max標準化法將所述行車風險值轉化到[0，1]內，得到多維行為指標的行車風險值；

所述S4具體為：

S41、以所述公因子1和公因子2的駕駛行為指標作為聚類指標，并根據所述多維行為指標的行車風險值分別構建SOM神經網絡模型；

S42、將所述公因子1和公因子2中的駕駛行為指標絕對值分別輸入到對應的SOM神經網絡模型中，輸出駕駛行為風險特征的歸類和評級；

S43、基于所述S42，結合車輛實際運行狀況，判斷各行車區間的駕駛行為風險屬性 ，計算不同長度隧道包含高風險區間的比例，實現行車區間風險等級的劃分。

2.根據權利要求1所述基于駕駛行為指標的不同長度隧道行車風險量化評價方法，其特征在于，所述公因子1的SOM神經網絡聚類的輸入層為兩個變量，競爭層神經元個數為4，最終輸出分類結果為4類。

3.根據權利要求1所述基于駕駛行為指標的不同長度隧道行車風險量化評價方法，其特征在于，所述公因子2的SOM神經網絡聚類的輸入層為3個變量，競爭層神經元為2，輸出聚類結果為2類。