面向车联网的自适应危险驾驶行为分析与预测框架

作     者：黄江涛 王鑫 乔少杰 HUANG Jiangtao;WANG Xin;QIAO Shaojie

作者机构：南宁师范大学计算机与信息工程学院广西南宁530001 成都信息工程大学软件工程学院四川成都610225 

出 版 物：《无线电工程》 (Radio Engineering)

年 卷 期：2023年第53卷第6期

页      面：1311-1320页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62272066,61962006,62067007) 四川省科技计划资助(2021JDJQ0021,2022YFG0186,2022NSFSC0511,2023YFG0027) 广西自然科学基金(2020GXNSFAA159078) 广西重点研发计划项目(桂科AB21076009) 钒钛资源综合利用四川省重点实验室开放项目(2022FTSZ06)。 

主　　题：车联网 危险驾驶行为 大数据分析 模糊逻辑 长短时记忆 

摘      要：危险驾驶行为分析与预测是智能交通领域中的研究热点,但现有的驾驶行为分析模型要素单一、环境适应性不足,不能客观评估危险驾驶风险程度。为了解决上述问题,提出一种面向车联网(Internet of Vehicles,IoV)的自适应危险驾驶行为分析与预测框架。对驾驶行为数据进行深度分析,总结危险驾驶的影响因素;提出一种新型基于模糊逻辑的危险驾驶风险评估算法,从宏观角度评估驾驶员当前危险驾驶的风险等级;提出一种基于DB-LSTM(Driving Behavior based Long-Short Term Memory)的危险驾驶风险预测算法,用于预测驾驶员下一阶段的危险驾驶程度;在DDD17真实IoV数据集上进行大量对比试验。实验结果表明,提出模型的性能优于其他主流方法,具有良好的准确性和可用性。