一种用于驾驶员实时安全特性评估的分析方法与流程

本发明属于驾驶安全性评价的
技术领域：
，特别涉及一种用于驾驶员实时安全特性评估的分析方法。
背景技术：
：交通安全是全球范围内与人类健康和发展息息相关的问题，美国印第安大学的研究证实：至少有92.6％的交通事故与人的因素有关。中国官方资料报告指出，70％的交通事故是驾驶员责任。其原因在于人是道路交通系统中相对最不稳定的因素，人的生理、心理随着时空的改变表现出潜在的易变性和波动性。驾驶员是人－车－路系统的主体，其个体特性决定了驾驶行为的质量，进而影响交通安全，这些特性包括各种直接因素(如注意不当，反应迟钝、超速行驶，疏忽，措施不当等)和间接因素(如酒精中毒，药物损伤，缺乏经验等)。事故研究表明大约90％的交通事故是由于驾驶员信息处理故障、缺乏警觉、技能低下等行为所引起的。驾驶员在判断、决策和操作过程中出现的任何失误都有导致交通事故的可能，所以对驾驶员驾驶状态的实时监测尤为重要，这在预防和减少交通事故方面有显著作用。当前对驾驶员实时安全特性的研究着重于通过对驾驶员脑电信号的采集分析和对驾驶员面部表情图像分析来判断驾驶员是否疲劳驾驶，或是实时监测驾驶员的酒精含量判断是否酒驾，或是对车辆行驶状态(方向盘转角、车辆速度等)进行分析判断驾驶行为的合理性。上述的驾驶状态监测系统存在准确度不够，实用性不强等问题，难以在实际驾驶环境中推广应用。技术实现要素：针对上述问题，本发明提出了一种用于驾驶员实时安全特性评估的分析方法，包括如下步骤：步骤1、通过数据采集模块采集实时行车数据，所述实时行车数据包括本车和前车的行驶状态数据、本车的加速度、本车与前车的车速、本车与前车的车距；步骤2、根据所述实时行车数据建立跟驰模型C＝α·Δt，其中，C为稳定性指标、α为驾驶员灵敏度系数、Δt为驾驶员的反应时间，基于采集的数据进行模型拟合，目标函数为均方根差RMSE；步骤3、根据所述拟合输出模型结果，如果所述模型结果为危险，则提醒司机采取相应的安全措施。所述数据采集模块包括传感器采集模块、视频采集模块、GPS数据采集模块，利用所述传感器采集模块、视频采集模块、GPS数据采集模块采集实时数据，具体包括：步骤101、所述传感器采集模块采集本车与前车的车距，所述GPS数据采集模块采集本车的车速和加速度，采集数据的频率为5Hz；步骤102、根据采集的数据，得到本车与前车的车速差、本车与前车的车距、本车的加速度。所述步骤101还包括：通过所述视频采集模块采集的视频分析得到本车与前车的车距、本车的车速和加速度。所述步骤2具体包括：步骤201、使用当前时刻前13秒的数据标定当前时刻的参数，标定的频率为1Hz；步骤202、根据所述跟驰模型拟合得到后车加速度的预测值，并与实际采集数据进行对比，得到所述预测值与所述实际采集数据的均方根差RMSE；步骤203、遍历α和Δt所有可行值，其中α∈[0,3]，步长0.01，Δt∈[0,2]，步长0.2；当RMSE最小时，得到参数α、Δt的标定值。所述步骤3具体包括：步骤301、根据模型参数α、Δt的标定值，每秒钟计算并输出一次C＝α·Δt的值；步骤302、判断C＝α·Δt中C的区间，其中：(1)如果0≤C＝α·Δt≤1/e，则系统绝对稳定；(2)如果1/e＜(C＝αT)≤π/2，则系统稳定，但不绝对稳定；(3)如果(C＝αT)＞π/2，则系统不稳定；步骤303、分析跟驰状态稳定性，当C值落在不稳定的区间内或在长时间内呈逐渐上升趋势时，则认为驾驶员可能会出现危险，此时提醒驾驶员采取相应的安全措施。本发明的有益效果在于：本发明通过设计一套驾驶员驾驶状态安全预警方法，具体通过采集实时行车数据、利用跟驰模型拟合数据、基于模型参数识别驾驶员不稳定驾驶状态并对驾驶员给出实时预警。基于跟驰模型的稳定性分析对驾驶员的安全特性进行分析，对驾驶员的安全性分析有坚实的交通流理论支撑。基于行车数据实时监控驾驶员的状态，可对驾驶员不稳定驾驶状态实时预警，当结果显示驾驶员跟驰状态不稳定时，及时提醒驾驶员正常驾驶，预防交通事故发生。附图说明图1是驾驶员实时C值曲线图；图2是用于驾驶员实时安全特性评估的分析方法的工作流程示意图。具体实施方式下面结合附图，对实施例作详细说明。实施例一：本发明提供了一种用于驾驶员实时安全特性评估的分析方法，其特征在于设计一套驾驶员驾驶状态安全预警方法，系统包括数据采集，数据处理和预警提示三部分。其中数据处理部分利用跟驰模型对实际行车数据进行分析，识别驾驶员不稳定状态；预警提示部分根据数据处理结果，及时提醒驾驶员安全驾驶，预防和减少交通事故。包括如下步骤：步骤1、通过数据采集模块采集实时行车数据，包括本车和前车的行驶状态数据:本车的加速度、本车与前车的车速、两车之间的车距；步骤2、根据步骤1得到的实时行车数据建立跟驰模型，基于采集的数据进行模型拟合，目标函数为RMSE，标定模型中的参数α、Δt；步骤3、输出模型结果，针对危险情况，提醒司机采取相应安全措施。所述步骤1中，数据采集部分包括传感器采集模块、视频采集模块、GPS数据采集模块，利用上述模块采集实时数据，包括：步骤101、传感器采集模块采集两车车距，GPS数据模块采集本车的车速和加速度信息；或通过视频采集模块采集的视频分析得到两车车距、车速和加速度信息，采集数据的频率为5Hz；步骤102、根据采集的数据，基于牛顿运动力学知识可以得到两车的车速差、车距和本车的加速度。所述步骤2中，根据步骤1得到的实时行车数据建立跟驰模型，跟驰模型分为线性跟驰模型和非线性跟驰模型等，在此我们使用线性跟驰模型。理论方程为：其中，为本车的加速度，和分别为前车和本车的车速，因此为两车的速度差。标定上述线性模型中的参数α、Δt，包括：步骤201、为了标定当前时刻的参数，使用当前时刻前13秒的数据进行计算，标定的频率为1Hz，即每秒钟计算一次；步骤202、通过模型拟合得到后车加速度的预测值，再与实际采集数据进行对比，计算目标函数。目标函数为两者的均方根差RMSE，均方根误差越小，模型拟合度越高；步骤203、遍历α和Δt所有可行值，其中α∈[0,3]，步长0.01，Δt∈[0,2]，步长0.2；当模型拟合度取得最优解时，即RMSE最小时，得到参数α、Δt的标定值。所述步骤3输出模型结果，根据跟驰模型C＝α·Δt所在的区间，分析跟驰行为的稳定性，具体方法包括：步骤301、利用步骤2中标定的参数，每秒钟输出一次驾驶员的状态信息，也就是每秒钟计算C＝α·Δt的值；步骤302、判断C＝α·Δt的区间，其中：(1)0≤C＝α·Δt≤1/e，系统绝对稳定；(2)1/e＜(C＝αT)≤π/2，系统稳定，但不绝对稳定；(3)(C＝αT)＞π/2，系统不稳定；步骤303、分析跟驰状态稳定性，当C值落在不稳定的区间内或在长时间内呈逐渐上升趋势时，可认为驾驶员可能会出现危险，此时提醒司机小心驾驶，或适当休息。实施例二：本发明提供了一种对驾驶员安全特性实时分析的方法，如图2所示，包括如下步骤：步骤1、通过数据采集模块采集实时行车数据，包括本车和前车的行驶状态数据:本车的加速度、本车与前车的车速、两车之间的车距；步骤2、根据步骤1得到的实时行车数据建立跟驰模型，基于采集的数据进行模型拟合，目标函数为RMSE，标定模型中的参数α、Δt；步骤3、输出模型结果，针对危险情况，提醒司机采取相应安全措施。针对上述的三大步骤，以某次驾驶过程为例，对本发明予以说明。所述步骤1中，通过数据采集模块采集实时行车数据，包括：步骤101、传感器采集模块采集本车与前车车距，GPS数据模块采集本车的车速和加速度信息(或通过视频采集模块采集的视频分析得到两车车距、车速和加速度信息)，采集数据的频率为5Hz；步骤102、根据采集的数据，基于牛顿运动力学知识计算两车的车速差、车距和本车的加速度。此处只展示前3秒采集得到的实时数据，如表1所示(车辆开始跟驰记为0时刻，从10s开始采集数据)。表1采集的前3秒实时数据所述步骤2中根据步骤1得到的实时行车数据建立线性跟驰模型，并标定线性模型中的参数α、Δt，包括：步骤201、为了标定当前时刻的参数，使用当前时刻前13秒的数据进行计算，标定的频率为1Hz，即每秒钟计算一次；步骤202、通过模型拟合得到后车加速度的预测值，再与实际采集数据进行对比，计算目标函数。目标函数为两者的均方根差RMSE，均方根误差越小，模型拟合度越高；步骤203、遍历α和Δt所有可行值，其中α∈[0,3]，步长0.01，Δt∈[0,2]，步长0.2；当模型拟合度取得最优解时，即RMSE最小时，得到参数α、Δt的标定值。重复步骤2，得到的线性跟驰模型的实时参数α、Δt，此处只展示前20s的数据如表2所示(采集数据从10s开始，标定参数要用当前时刻前13s的数据，因此得到的第一个参数标定值从23s开始)。时间(s)α(s^-1)Δt(s)230.922.0241.042,0251.091.8261.172.0271.072.0281.021.8291.001.6300.981.6311.001.4320.881.6330.701.4340.451.4350.610.8360.670.8370.760.8380.800.8390.840.8400.880.8411.010.8421.020.8表2实时模型参数α、Δt所述步骤3输出模型结果，根据跟驰模型C＝α·Δt所在的区间，分析跟驰行为的稳定性，包括：步骤301、利用步骤2中标定的参数，每秒钟输出一次驾驶员的状态信息，也就是每秒计算C＝α·Δt的值，得到的实时C值曲线如图1所示，上下虚线分别为稳定临界值和绝对稳定临界值；步骤302、判断C＝α·Δt的区间，其中：(1)0≤C＝α·Δt≤1/e，系统绝对稳定；(2)1/e＜(C＝αT)≤π/2，系统稳定，但不绝对稳定；(3)(C＝αT)＞π/2，系统不稳定；步骤303、分析跟驰状态稳定性，当C值落在不稳定的区间内或在长时间内呈逐渐上升趋势时，可认为驾驶员可能会出现危险，此时提醒司机小心驾驶，或适当休息。由图1可以看出：在本次跟驰中，应该在第64秒对司机进行提醒。此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。当前第1页1 2 3