一种公交驾驶事故风险评估系统及其方法与流程

本发明涉及公共交通的
技术领域：
，尤其涉及到一种公交驾驶事故风险评估系统及其方法。
背景技术：
：安全驾驶与交通行业息息相关。城市公交具有客流疏导的功能，承担着市民的生命财产安全，在城市的交通安全管理上尤为重要。引发交通事故的因素包括超速、疲劳驾驶、行车打手机等，目前可以通过gps、can总线、驾驶行为识别设备等技术手段对这些不良驾驶行为习惯进行监测。但由于受到驾驶员的思维惯性、心理以及驾驶习惯等外部环境影响，对发生事故风险程度缺乏有效预测。技术实现要素：本发明的目的在于克服现有技术的不足，提供一种公交驾驶事故风险评估系统，通过设定公交驾驶员在营运过程中的事故风险评价指标，建立公交驾驶事故风险评估模型。所基于的评价指标包括行为监管、行为识别以及分路段超速监测，确定公交驾驶事故风险评估值表达式，将公交驾驶员在营运过程中产生的行驶记录数据，包括行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据等代入评估模型，则可对公交驾驶事故风险进行量化评估，对事故风险倾向进行预测。为实现上述目的，本发明所提供的技术方案为：包括车载信息采集模块、分路段超速规则库、行为监管记录数据库、通讯模块、数据分析模块；其中，车载信息采集模块包括行为识别单元、车载gps、can总线；所述行为识别单元、车载gps、can总线分别与通讯模块连接；所述分路段超速规则库、行为监管记录数据库、通讯模块分别与数据分析模块连接；所述行为识别单元，用于采集公交驾驶员的行为识别数据；所述车载gps，用于采集车辆位置数据和车辆位移速度数据；所述can总线，用于判断天气状态；所述分路段超速规则库，用于记录路段或路口在不同天气状态时的超速报警阈值数据；所述行为监管记录数据库，用于记录待评估驾驶员的行为监管数据；所述通讯模块，通过4g网络方式把实时采集的车载数据传输到数据分析模块；所述数据分析模块，根据所采集的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据，通过所建立的公交驾驶事故风险评估模型计算得出待评估驾驶员的事故风险值。进一步地，所述can总线采集的数据项为雨刮。为实现上述目的，本发明另外提供一种用于所述公交驾驶事故风险评估系统的方法，包括以下步骤：s1：设定公交驾驶员在营运过程的事故风险评价指标，在数据分析模块中建立公交驾驶事故风险评估模型；所述评价指标包括行为监管、行为识别以及分路段超速监测，所述公交驾驶事故风险评估模型采用如下公式描述：q＝qsup+qrec+qspe其中，q为事故风险分值；qsup为行为监管分值；qrec为行为识别分值；qspe为分路段超速监测分值；s2：把处于同一条线路的待评估驾驶员归为同一组别；设定统计周期，通过车载信息采集模块采集在统计周期内同一组别的所有驾驶员的行驶记录；s3：通过通讯模块将行驶记录发送给数据分析模块，数据分析模块采用公交驾驶事故风险评估模型计算待评估驾驶员的事故风险分值；s4：对同一组别内驾驶员的事故风险分值从高到低进行排名，排名越高说明驾驶员潜在的事故风险越高。进一步地，所述行为识别的数据通过行为识别单元采集得到；行为识别评价指标包括：打哈欠、疲劳驾驶预警、二级疲劳驾驶预警；行为识别分值qrec的初始值为0，待评估驾驶员每发生一宗以上行为，qrec增加相应分值。进一步地，所述分路段超速监测的步骤包括：1)预设公交线路通过路段或路口在不同天气状态时的超速报警阈值；2)通过can总线获取车辆状态数据，即雨刮是否开启，判断天气状态是晴天或雨天；判断标准为雨刮开启持续超过三分钟认定为雨天；3)通过车载gps获取当前车辆位置和车辆位移速度，对照当前位置的超速报警阈值；4)如果当前车辆位移速度超过超速报警阈值，则判定驾驶超速；分路段超速监测分值qspe的初始值为0，待评估驾驶员每发生一宗超速行为，qspe增加相应分值。与现有技术相比，本方案原理和优点如下：本方案通过设定公交驾驶员在营运过程中的事故风险评价指标，包括行为监管、行为识别以及分路段超速监测，建立公交驾驶事故风险评估模型，将公交驾驶员在营运过程中产生的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据等代入评估模型中，获得公交驾驶事故风险评估值，从而对公交驾驶员的驾驶事故风险做出预测，使得公交企业能够提前对公交驾驶员进行针对性的安全教育。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的服务作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例一种公交驾驶事故风险评估系统的示意图；图2为本发明实施例一种公交驾驶事故风险评估方法的流程图；图3为本发明实施例一种公交驾驶事故风险评估方法中计算公交驾驶事故风险分值的流程图；图4为本发明实施例一种公交驾驶事故风险评估方法中分路段超速监测的流程图；图5为本发明实施例一种公交驾驶事故风险评估方法的实施效果图；(a)分路段超速报警提示；(b)行为监管观察结果；(c)车载行为识别设备识别结果(二级疲劳驾驶预警)；(d)公交驾驶事故风险评估模型输出结果。具体实施方式下面结合具体实施例对本发明作进一步说明：如图1所示，本实施例所述的一种公交驾驶事故风险评估系统，包括车载信息采集模块1、分路段超速规则库2、行为监管记录数据库3、通讯模块4、数据分析模块5；其中，车载信息采集模块1包括行为识别单元1-1、车载gps1-2、can总线1-3；行为识别单元1-1、车载gps1-2、can总线1-3分别与通讯模块4连接；分路段超速规则库2、行为监管记录数据库3、通讯模块4分别与数据分析模块5连接。各模块的功能如下：行为识别单元1-1，用于采集公交驾驶员的行为识别数据。车载gps1-2，用于采集车辆位置数据和车辆位移速度数据。can总线1-3，用于判断天气状态。分路段超速规则库2，用于记录路段或路口在不同天气状态时的超速报警阈值数据。行为监管记录数据库3，用于记录待评估驾驶员的行为监管数据。通讯模块4，通过4g网络方式把实时采集的车载数据传输到数据分析模块5。数据分析模块5，根据所采集的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据，通过所建立的公交驾驶事故风险评估模型计算得出待评估驾驶员的事故风险值。can总线1-3采集的数据项为雨刮。如图2所示，具体的工作流程如下：s1：设定公交驾驶员在营运过程的事故风险评价指标，在数据分析模块5中建立公交驾驶事故风险评估模型；评价指标包括行为监管、行为识别以及分路段超速监测，公交驾驶事故风险评估模型采用如下公式描述：q＝qsup+qrec+qspe上式中，q为事故风险分值；qsup为行为监管分值；qrec为行为识别分值；qspe为分路段超速监测分值。s2：通过车载信息采集模块采集统计周期内待评估驾驶员及其所属组别的所有驾驶员的行驶记录。统计周期为一周。待评估驾驶员有且只有一个组别，所属组别的判断方式为驾驶员属于同一行驶路线的公交线路。行驶记录包括：行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据。s3：通过通讯模块将行驶记录发送给数据分析模块，数据分析模块将待评估驾驶员的行驶记录代入公交驾驶事故风险评估模型，计算待评估驾驶员的事故风险分值q。如图3所示，该计算方法包括以下步骤：s301：计算待评估驾驶员的行为监管分值qsup，qsup的初始值为零。行为监管部分数据来源于人为观察，行为监管部分评价指标包括：未使用驻车制动、车辆通过交通路口或人行横道线或转弯时未减速慢行、长时间单手扶方向盘行车、压实线变道行驶、避让非机动车行人意识弱、不按规定车道行驶、行车期间打瞌睡或多次打哈欠、行车时双手离开方向盘。待评估驾驶员每发生一宗以上行为时，qsup按下表1所示的规则累计得分：表1s302：计算待评估驾驶员的行为识别分值qrec，qrec的初始值为零。行为识别数据来源于车载行为识别设备，行为识别部分评价指标包括：打哈欠、疲劳驾驶预警、二级疲劳驾驶预警。待评估驾驶员每发生一宗以上行为时，qrec按下表2规则累计得分：评价指标项判断规则增加分值打哈欠打哈欠10疲劳驾驶预警在3秒内眼睛闭合状态超过80％50二级疲劳驾驶预警在10秒内眼睛闭合状态超过80％150表2s303：计算待评估驾驶员的分路段超速监测部分分值qspe，qspe的初始值为零。分路段超速监测数据来源于车载gps1-2和can总线1-3。待评估驾驶员每发生一宗超速行为时，qspe进行累计得分。如图4所示，分路段超速监测的步骤包括：s3031：通过gps坐标预设公交线路通过路段或路口在不同天气状态(晴天或雨天)时的超速报警阈值；s3032：通过can总线1-3获取车辆状态数据(雨刮是否开启)，判断天气状态(晴天或雨天)。判断标准为雨刮开启持续超过3分钟认定为雨天。s3033：通过车载gps1-2获取当前车辆位置和车辆位移速度，对照当前位置的超速报警阈值。s3034：如果当前车辆位移速度超过超速报警阈值，则判定驾驶超速。分路段超速监测部分分值qspe按以下规则累计得分：评价指标项超速阈值增加分值路段超速晴天45km/h，雨天35km/h10路口超速晴天25km/h，雨天20km/h20表3s4：对同一组别内驾驶员的事故风险分值从高到低进行排名，排名越高说明驾驶员潜在的事故风险越高。本实施例通过设定公交驾驶员在营运过程中的事故风险评价指标，包括行为监管、行为识别以及分路段超速监测，建立公交驾驶事故风险评估模型，将公交驾驶员在营运过程中产生的行为监管数据、行为识别数据、车辆位移速度数据、车辆状态数据等代入评估模型中，获得公交驾驶事故风险评估值，从而对公交驾驶员的驾驶事故风险做出预测，使得公交企业能够提前对公交驾驶员进行针对性的安全教育。以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。当前第1页12