一种营运货车驾驶员行车安全水平评价方法技术

本发明专利技术公开了一种基于主动安全预警系统和驾驶员响应行为的营运货车驾驶员行车安全水平评价方法，该方法通过对视频数据、车辆数据、驾驶员本征属性进行时空变化规律统计，提取驾驶员行车安全特征的高维向量；根据预警数据的多种参数，对报警发生时驾驶员的行车安全状态进行评分，并同时提供驾驶员对预警信息的响应行为评分；根据驾驶员信息、车辆行驶状态和报警数据，对驾驶员对报警的响应行为进行预测，以督促反应不良者改善驾驶行为。本发明专利技术通过对驾驶员行车安全水平进行评分，有针对性的对安全评分低的驾驶员提前做好干预措施，有效提高驾驶员的行车安全水平，改善目前对营运货车驾驶员行车安全评价体系不完善的问题。车驾驶员行车安全评价体系不完善的问题。车驾驶员行车安全评价体系不完善的问题。

【技术实现步骤摘要】
一种营运货车驾驶员行车安全水平评价方法


[0001]本专利技术涉及营运货车主动安全技术评价领域，尤其涉及一种基于主动安全预警和驾驶员响应行为的营运货车驾驶员行车安全水平评价方法。

技术介绍

[0002]营运车辆作为道路交通的重要组成部分，其事故严重性和影响程度远大于一般事故。事故的发生大多与驾驶员的疏忽密切相关，驾驶员的安全水平对道路安全具有重要影响，因此针对营运货车驾驶员开发的评价系统具有重大的意义。
[0003]2017年3月7日，交通运输部发布了《营运客车安全技术条件》，标准中要求大型营运客车必须配备车道偏离预警系统和前向碰撞预警系统。在当前，营运车辆的主动安全设备的普及程度已达80％以上，因此需要一套主动安全预警信息影响下营运货车驾驶员行车安全水平评价方法。营运车辆在主动安全系统返回数据频率，管理方式上与私人汽车有明显不同，因此不能照搬私人汽车的行车安全水平评价方法。需要构建一个符合货运汽车特点、考虑因素周全的新评价系统，从而对营运货车驾驶员进行更准确的安全驾驶水平评分。

技术实现思路

[0004]本专利技术提供了一种基于主动安全预警和驾驶员响应行为的营运货车驾驶员评价方法，旨在解决当前对货运汽车驾驶员评价系统较少、评价方法不够精确的问题。
[0005]本专利技术为解决上述技术问题采用以下技术方案：
[0006]一种基于主动安全预警和驾驶员响应行为的营运货车驾驶员评价方法，该方法包括以下步骤：
[0007]S1、基于驾驶员视频数据、道路视频数据、车辆数据、驾驶员本征属性，提取驾驶员特征的高维向量，所述高维向量的元素包括行驶速度、报警发生时的驾驶行为、车辆GPS信息以及驾驶方向角；
[0008]S2、以驾驶员对主动安全预警信息的响应时间为因变量，以S1中的高维向量以及报警等级为自变量，对驾驶员在不同道路条件下对预警信息的响应行为进行logistic回归分析方法，得到影响驾驶员对主动安全预警信息接受程度的关键因素：行驶速度以及报警等级；
[0009]S3、利用半监督支持向量机，对驾驶员对主动安全预警信息的响应行为进行分类，分为积极响应与消极响应两类；
[0010]S4、利用驾驶员最近N次对主动安全预警信息的响应行为，对其行车安全水平进行综合评分，评分越低则驾驶员的行车安全水平越低；其中评分计算公式如下：
[0011][0012]式中score为驾驶员行车安全水平综合评分；X
a
为驾驶员最近一次对主动安全预警信息的响应行为的响应值，X
a
‑
n
为驾驶员最近a
‑
n次对主动安全预警信息的响应行为的响
应值，若响应行为为积极响应则对应响应值为1，否则为0。
[0013]进一步：所述步骤S1中，驾驶员视频数据中包括驾驶员的不良驾驶行为、对预警信息的响应行为和对主动安全预警信息的响应时间；车辆视频数据包括行驶速度、加速度、车间距、车道偏离数据、驾驶方向角以及车辆GPS信息；驾驶员本征属性包括驾驶员年龄、驾龄、驾驶时长、行驶里程数据。
[0014]进一步：所述步骤S3中利用半监督支持向量机，对驾驶员对主动安全预警信息的响应行为进行分类，操作步骤如下：
[0015]步骤一、以S1的高维向量作为半监督支持向量机的输入；
[0016]步骤二、按照设定比例，对S1中提取的高维向量进行部分手工类别标定，标定后的高维向量构成标签数据集，未标定的高维向量构成无标签数据集；
[0017]步骤三、利用模拟退火算法求解积极响应与消极反应的最佳分隔超平面，具体为：
[0018]假设超平面方程为：f(x)＝ω
T
Φ(x)+b，其中，b是表示截距的参数，ω是表示斜率的参数，是表示映射变换的高斯核函数，x表示高维向量；
[0019]分类的预测函数为：y
i
＝sign(ω
T
Φ(x)+b)，其中，
[0020]设l(y，f(x))＝max{0，1
‑
yf(x)}，则求解最佳分隔超平面的目标函数如下：
[0021][0022]式中||
·
||2表示2
‑
范数，C1是标签数据集对应的惩罚系数，C2是无标签数据集对应的惩罚系数，且C1＞C2；y
i
是标签数据集中第i个数据的预测结果，l是标签数据中数据的个数；表示未标签数据集中第j个数据的预测结果，u是未标签数据中数据的个数；
[0023]采用模拟退火方法进行求解上述目标函数，得到最佳分隔超平面，即积极响应和消极响应的分类标准。
[0024]进一步：该方法还包括搭建长短期记忆网络，利用S1中提取的高维向量及其对应的响应行为分类结果进行训练，得到驾驶员响应行为预测模型，实现对驾驶员响应行为的预测，并根据设定规则，对预测结果为消极响应的驾驶员实施升级预警。
[0025]本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
[0026](1)本专利技术可以有效的从视频数据和车载传感器中提取驾驶者的驾驶状态以及车辆行驶状态，并获得实时的预警数据，从而对预警数据统计分析，提取驾驶员特征，得出影响驾驶员安全行驶水平的因素，从而进行针对性改善；
[0027](2)本专利技术分析了驾驶员对预警系统的响应行为，研究驾驶员对预警系统的接受程度，提取了影响驾驶员对预警系统接受程度的关键因素，有效的对驾驶员的接受行为进行预判，从而实现对预警系统的优化改善，合理调控驾驶员对预警系统的接受程度，尽可能发挥预警系统的预期效果，降低驾驶员的危险驾驶行为；
[0028](3)本专利技术构建了基于主动安全预警和驾驶员响应行为的营运货车驾驶员评价方法，通过深度学习对大量的数据进行训练，可以合理高效的地对营运货车驾驶员的安全驾驶水平进行评判，进而保证采取管理措施的有效性，有效地提高驾驶员的安全意识和安全驾驶水平，尽可能的减少乃至避免驾驶员因不安全驾驶行为而导致危险事故的发生。
附图说明
[0029]图1是本专利技术的工作流程示意图。
具体实施方式
[0030]下面结合附图以及具体实施例对本专利技术的技术方案做进一步的详细说明：
[0031]在一个实施例中，提供了一种基于主动安全预警和驾驶员响应行为的营运货车驾驶员评价方法，如图1所示，包括预警数据分析、驾驶员响应行为分析、建立驾驶员评分机制和驾驶员响应行为实时预测模型：
[0032]S1、预警数据分析
[0033]通过对驾驶员视频数据、道路视频数据、车辆数据、驾驶员本征属性进行统计，提取驾驶员特征的高维向量，包括行驶速度、报警发生时的驾驶行为、车辆GPS信息以及驾驶方向角。
[0034]S2、驾驶员响应行为分析
[0035]以驾驶员对主动安全预警信息的响应时间为因变量，以S1中的高维向量以及报警等级为自变量，对驾驶员在不同道路条件下对预警信息的响应行为进行logistic回归分析方法，得到影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主动安全预警和驾驶员响应行为的营运货车驾驶员评价方法，其特征在于：该方法包括以下步骤：S1、基于驾驶员视频数据、道路视频数据、车辆数据、驾驶员本征属性，提取驾驶员特征的高维向量，所述高维向量的元素包括行驶速度、报警发生时的驾驶行为、车辆GPS信息以及驾驶方向角；S2、以驾驶员对主动安全预警信息的响应时间为因变量，以S1中的高维向量以及报警等级为自变量，对驾驶员在不同道路条件下对预警信息的响应行为进行logistic回归分析方法，得到影响驾驶员对主动安全预警信息接受程度的关键因素：行驶速度以及报警等级；S3、利用半监督支持向量机，对驾驶员对主动安全预警信息的响应行为进行分类，分为积极响应与消极响应两类；S4、利用驾驶员最近N次对主动安全预警信息的响应行为，对其行车安全水平进行综合评分，评分越低则驾驶员的行车安全水平越低；其中评分计算公式如下：式中score为驾驶员行车安全水平综合评分；X
a
为驾驶员最近一次对主动安全预警信息的响应行为的响应值，X
a
‑
n
为驾驶员最近a
‑
n次对主动安全预警信息的响应行为的响应值，若响应行为为积极响应则对应响应值为1，否则为0。2.如权利要求1所述的一种基于主动安全预警和驾驶员响应行为的营运货车驾驶员评价方法，其特征在于：所述步骤S1中，驾驶员视频数据中包括驾驶员的不良驾驶行为、对预警信息的响应行为和对主动安全预警信息的响应时间；车辆视频数据包括行驶速度、加速度、车间距、车道偏离数据、驾驶方向角以及车辆GPS信息；驾驶员本征属性包括驾驶员年龄、驾龄、驾驶时长、行驶里程数据。3.如权利要求1所述的一种基于主动安全预警和驾驶员响应行为的营运货车驾驶员评价方法，其特征在于：所述步骤S3中利用半监督支持向量机，对驾驶员对主动安全预警信息的响应行为进行分类，操作步骤如下：步骤一、以S1的高维向量作为半监督支持向量机的输入；步...

【专利技术属性】
技术研发人员：施晓蒙，叶为，周霏翔，叶智锐，许跃如，
申请(专利权)人：东南大学，
类型：发明
国别省市：