检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于轨迹数据的高速公路小客车异常驾驶行为

吉林大学学报（工学版） 2024年第9期54卷 2581-2587页

作者：周荣贵高沛李雨璇周建交通运输部公路科学研究院公路交通安全技术交通行业重点实验室北京100088

为了分析不同异常驾驶行为带来的事故可能性与风险性,量化不同驾驶行为下加减速度的阈值大小,基于车辆的轨迹数据分析了速度与加速度的交互关系。采用回归的方式对速度与加速度的函数关系进行标定,构建了异常驾驶行为的数学判断模型。... 详细信息

为了分析不同异常驾驶行为带来的事故可能性与风险性,量化不同驾驶行为下加减速度的阈值大小,基于车辆的轨迹数据分析了速度与加速度的交互关系。采用回归的方式对速度与加速度的函数关系进行标定,构建了异常驾驶行为的数学判断模型。结果表明,在对应的速度区间内,加速度均值与1倍标准差的和可以作为一般异常行为判断阈值,此范围驾驶员存在产生风险的可能性;加速度均值与2倍标准差的和可以作为极端异常行为的判断阈值,此范围驾驶员已存在一定的风险,需要进行特定的管控。该模型克服了以往采用固定阈值的要求,能够实现实时动态的监控,为微观驾驶行为的研究提供了新方法。

关键词：交通工程异常驾驶行为轨迹数据速度-加速度参数标定

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

商用车辆异常驾驶行为检测算法研究

公路交通科技 2017年第S2期34卷 29-36页

作者：贾硕惠飞马峻岩彭娜长安大学信息工程学院陕西西安710064

利用车联网数据可以对驾驶员的异常驾驶行为进行检测。为了解决常用的异常驾驶行为检测算法对商用车辆不适用的问题,提高车联网数据在商用车领域的异常驾驶行为检测的精确度和效率,研究并提出了商用车辆异常驾驶行为检测算法。首先分析... 详细信息

利用车联网数据可以对驾驶员的异常驾驶行为进行检测。为了解决常用的异常驾驶行为检测算法对商用车辆不适用的问题,提高车联网数据在商用车领域的异常驾驶行为检测的精确度和效率,研究并提出了商用车辆异常驾驶行为检测算法。首先分析700多辆商用车辆历时两年的行驶数据,利用数据挖掘的方法对车联网数据进行预处理和可用信息挖掘,随后提出了针对商用车辆的疲劳驾驶行为、异常加减速行为和不按规定路线行驶行为的检测算法,并利用真实数据对算法进行验证。结果表明,该算法能有效识别商用车辆的异常驾驶行为,可以给物流企业以及相关管理部门提供合理、可靠的管理依据。

关键词：汽车工程异常驾驶行为检测算法车联网数据数据挖掘

在线全文

学校读者我要写书评

暂无评论

驾驶员异常驾驶行为与人格类型调查研究

交通信息与安全 2018年第3期36卷 99-104页

作者：范双双张梦洁漆书林西南交通大学交通运输与物流学院成都611756

为了研究驾驶员的异常驾驶行为与人格类型的关系,以及导致道路交通事故的可能性,采用驾驶行为问卷(DBQ)形式,将次任务从注意力流失中细化出来,与注意力流失、错误和违规构成异常驾驶行为四因子。人格类型的调查问卷采用菲尔人格测试。利... 详细信息

为了研究驾驶员的异常驾驶行为与人格类型的关系,以及导致道路交通事故的可能性,采用驾驶行为问卷(DBQ)形式,将次任务从注意力流失中细化出来,与注意力流失、错误和违规构成异常驾驶行为四因子。人格类型的调查问卷采用菲尔人格测试。利用SPSS统计软件进行试调查问卷的信效度分析以及正式调查的数据分析,得到试调查问卷是可靠的,异常驾驶行为四因子两两之间具有相关性,"穿高跟鞋驾驶"的女性驾驶员易出现异常驾驶行为;大多数被调查者属于人格3与人格4,人格3中有近1/3的驾驶员易发生次任务,人格4中近1/4的驾驶员易发生次任务;通过回归分析可知异常驾驶行为与人格类型会在不同程度上诱导交通事故的发生。

关键词：交通安全驾驶员异常驾驶行为 SPSS统计软件人格类型

基于车辆车载诊断数据的山地城市道路异常驾驶行为空间分布特征

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2022年第13期22卷 5472-5480页

作者：王玉婷张梦歌彭博蔡晓禹荣晓楠山地城市交通系统与安全重庆市重点实验室重庆400074 重庆交通大学交通运输学院重庆400074

为了探究山地城市异常驾驶行为的空间分布规律,基于车辆车载诊断(on-board diagnostics,OBD)数据建立了异常驾驶行为空间分布规律模型。首先,以重庆市6条主干道130个路段为研究对象,定性分析道路坡度、弯度、公交站和开口与异常驾驶行... 详细信息

为了探究山地城市异常驾驶行为的空间分布规律,基于车辆车载诊断(on-board diagnostics,OBD)数据建立了异常驾驶行为空间分布规律模型。首先,以重庆市6条主干道130个路段为研究对象,定性分析道路坡度、弯度、公交站和开口与异常驾驶行为间的关联性;然后,分别构建Possion回归模型和零膨胀Possion回归模型(ZIP)、零膨胀负二项回归模型(ZINB),对急加速、急减速、急转弯和超速行为发生频率的空间分布特征进行了描述;最后,随机选取路段进行模型验证。结果表明:对于急加速率、急减速率空间分布特征,Possion回归模型拟合效果较优,绝对误差集中在-20%~20%;急转弯率适宜采用ZINB回归模型,80.77%的绝对误差分布在-0.005~0.005;超速率适宜采用ZIP回归模型,71.15%的绝对误差基本分布在-0.002~0.002。

关键词：异常驾驶行为 OBD数据回归模型零膨胀回归模型

在线全文

学校读者我要写书评

暂无评论

基于浮动车数据的异常驾驶行为影响因素分析

基于浮动车数据的异常驾驶行为影响因素分析

作者：王玉婷北方工业大学

学位级别：硕士

驾驶员的异常驾驶行为通常被认为是交通事故的主要原因之一。与事故数据相比,异常驾驶行为数据的数量级更大,因此能够更全面地反映交通安全的特征。本研究利用海量浮动车数据,识别出驾驶员的异常驾驶行为,并对异常驾驶行为黑点进行分析... 详细信息

驾驶员的异常驾驶行为通常被认为是交通事故的主要原因之一。与事故数据相比,异常驾驶行为数据的数量级更大,因此能够更全面地反映交通安全的特征。本研究利用海量浮动车数据,识别出驾驶员的异常驾驶行为,并对异常驾驶行为黑点进行分析,同时对导致异常驾驶行为黑点的交通设施影响因素展开研究。因此,本文基于浮动车轨迹数据,采用改进的DBSCAN算法,围绕城市路网的异常驾驶行为多发交叉口识别和异常驾驶行为预测以及影响因素分析展开了相关研究。本文首先针对收集到的浮动车轨迹数据和异常驾驶行为影响因素数据进行了预处理,其次根据现有方法识别三种最常见的异常驾驶行为,即急加速行为、急减速行为、急转弯行为。在此基础上,基于异常驾驶行为数据提出一种改进的DBSCAN聚类算法,先采用聚类算法通过调整参数寻优找到最优参数,识别出聚类簇位置,并结合最小生成树算法计算聚类簇内的道路长度,从而计算各聚类簇的密度。该方法能够从现实道路长度角度实际分析异常驾驶行为在空间上的分布特征,深入分析不同聚类簇的密度大小,进一步研究异常驾驶行为的地理空间分布,确定异常驾驶行为的黑点位置,分析其在时间和空间上的特征。这一研究方法有望为交通管理和安全改进提供有力的支持,以减少异常驾驶行为对交通安全的影响。通过异常驾驶行为黑点的聚类簇密度结果,本文聚焦异常驾驶行为高发交叉口的交通设施数据,包括车道宽度、进口道数量等因素。通过现有的预测和影响因素分析方法的梳理和分析,如随机森林、XGBoost方法等,采用了机器学习算法预测异常驾驶行为,并使用不同的评价指标评估预测模型的效果好坏。最后,根据预测结果使用了重要度排序的方法对异常驾驶行为影响因素进行了分析。

关键词：异常驾驶行为密度聚类最小生成树黑点识别驾驶行为预测影响因素分析

基于虚拟驾驶平台的异常驾驶行为识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于虚拟驾驶平台的异常驾驶行为识别算法研究

作者：魏福裕重庆理工大学

学位级别：硕士

随着我国成为世界第一汽车大国,驾驶安全问题越发突出。相关研究表明,大部分交通事故的发生是驾驶员的异常驾驶行为引起的,对异常驾驶行为的研究成为了热点话题。目前对异常驾驶行为的识别主要通过摄像头与传感器进行,忽略了行车数据中... 详细信息

随着我国成为世界第一汽车大国,驾驶安全问题越发突出。相关研究表明,大部分交通事故的发生是驾驶员的异常驾驶行为引起的,对异常驾驶行为的研究成为了热点话题。目前对异常驾驶行为的识别主要通过摄像头与传感器进行,忽略了行车数据中包含的大量信息。本文利用虚拟驾驶平台采集的行车数据,开展了基于遗传算法的BP神经网络异常驾驶行为识别算法的研究,具体研究的内容与取得的研究成果如下:(1)驾驶员在环的人-车-路道路交通环境和平台的搭建。基于PreScan对上海、重庆某地搭建虚拟道路环境,并基于TruckSim搭建了某商用车的车辆动力学模型,实现了PreScan、TruckSim与Simulink的三方联合仿真虚拟驾驶环境搭建;在此基础上,设计了基于虚拟驾驶环境的驾驶员行驶状态对比实验,完成了对比驾驶数据的采集。(2)行车数据的聚类分析。对预处理后的行车数据基于国标进行行驶工况划分,对驾驶片段加入多特征参数的变量分布描述,实现驾驶片段运动特点的全面表征;采用主成分分析法对特征参数降维处理后进行K均值聚类分析,利用轮廓系数与肘部法相结合的方法确定聚类个数,并结合粒子群算法优化均值聚类中心,获得三类驾驶习惯与风格不同的行车数据。(3)异常驾驶行为识别算法的设计与验证。通过对异常驾驶行为特性的分析,引入异常驾驶行为的行车数据界定阈值;采用模糊算法降低了识别所需的驾驶行为数据量;搭建了基于BP神经网络的异常驾驶行为识别模型,通过随机划分的测试集验证模型的有效性;采用遗传算法对神经网络模型的权值阈值进行优化,得到了改进的BP神经网络异常驾驶行为识别模型。(4)异常驾驶行为实时识别报警程序的设计。通过实车数据验证了异常驾驶行为识别模型的有效性;将神经网络算法嵌入Simulink模型中,基于MATLAB App Designer设计异常驾驶行为实时识别报警的图形用户界面,实现异常驾驶行为识别算法可视化,该程序中的核心代码可以用于驾驶员异常状态识别,信息反馈的应用程序。

关键词：虚拟驾驶特征提取数据分析异常驾驶行为 BP神经网络

基于异常驾驶行为的高安全风险交叉口识别与评价

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异常驾驶行为的高安全风险交叉口识别与评价

作者：王伟北方工业大学

学位级别：硕士

近年来随着交通安全领域研究的逐渐深入,交通事故数据及事故原因分析已成为重点分析对象,通过统计方法或交通冲突理论方法的交通安全研究体系较为完善。而相比较于事故数据,行驶轨迹数据体量大、实时性强,能弥补交通事故数据的延后评价... 详细信息

近年来随着交通安全领域研究的逐渐深入,交通事故数据及事故原因分析已成为重点分析对象,通过统计方法或交通冲突理论方法的交通安全研究体系较为完善。而相比较于事故数据,行驶轨迹数据体量大、实时性强,能弥补交通事故数据的延后评价问题。从轨迹数据可以识别出车辆异常驾驶行为,此类行为可能导致交通安全隐患。研究异常驾驶点位在路网中的分布情况,能对交通安全问题进行评估,尤其是针对安全性较差的交叉口位置,寻找引发交通隐患的原因,建立完善的交叉口安全评价方法。本文建立了一种改进的急减速驾驶行为识别方法,从大量行驶轨迹数据中识别了异常驾驶行为数据(急减速数据)。将异常数据点位进行地图匹配,通过核密度分析筛选异常驾驶行为热点位置。最后进行驾驶影响因素分析,评价交叉口交通安全特性并利用现有数据进行验证与问题改善,确定了一套完整的交叉口交通安全评价模型,可以更好地辅助交叉口综合评价研究。本文在评价城市交叉口交通安全领域具有一定意义,可以通过分析交通设计和交通设施的安全性,为城市交叉口设计改造提供支持。论文的主要内容可以分为以下三个部分:首先对行驶轨迹数据进行预处理,并用发生频次、数据体量和严重程度等指标分析最常见的三种异常驾驶行为数据,即急减速、急加速和急转弯行为数据,最终选取相对最能影响驾驶安全的急减速驾驶行为进行研究。针对常用的固定阈值筛选方法的问题,本文建立了一套包含多种场景和参数的改进急减速行为识别方法,利用实际数据进行验证,以此从行驶轨迹数据中筛选异常驾驶数据。其次利用筛选后的异常驾驶行为数据进行矢量地图位置匹配,分析路网各区域核密度等级情况,核密度等级分类为低密度、中密度、较高密度、高密度、极高密度,最后确定了异常驾驶热点区域,核心位置多发于重点交叉口附近,即确定高安全风险交叉口位置。最后研究交叉口交通风险因素,分析异常驾驶行为在交叉口区域发生的根本原因,即交叉口交通设计、秩序和环境造成的安全影响。梳理现有的统计分析和交通冲突方法存在的问题,使用异常驾驶行为数据作为补充,完整评价交叉口内外部交通安全状况。提出交叉口驾驶与冲突风险评分IDCS并聚类安全等级。最后列出交叉口安全影响因素并利用灰色关联分析确定关联度,使用SOM神经网络确定各类安全因素的权重,构建完整的交叉口安全等级评价模型,并利用轨迹数据核密度分类的交叉口等级进行验证。

关键词：交通安全异常驾驶行为交叉口安全评价核密度分析神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于轨迹信息的异常驾驶行为检测

基于轨迹信息的异常驾驶行为检测

作者：杜绎如长安大学

学位级别：硕士

近年来我国城镇化建设发展迅速,国民车辆保有量与驾驶员数量大幅增加随之带来了层出不穷的交通安全问题。研究表明大部分交通安全问题的发生与驾驶员的驾驶行为有直接关系,不安全的异常驾驶行为可能引发交通事故,甚至造成经济损失和人... 详细信息

近年来我国城镇化建设发展迅速,国民车辆保有量与驾驶员数量大幅增加随之带来了层出不穷的交通安全问题。研究表明大部分交通安全问题的发生与驾驶员的驾驶行为有直接关系,不安全的异常驾驶行为可能引发交通事故,甚至造成经济损失和人员伤亡。如何有效的识别车辆异常驾驶行为、辅助驾驶员安全驾驶成为交通领域新兴的研究热点。得益于大数据技术的发展,车辆海量轨迹信息的采集已不是难事,轨迹信息中包含着丰富的驾驶行为特征与潜在规律。本文深入挖掘真实交通场景车辆轨迹信息的隐藏信息,考虑神经网络处理序列信息的优势构建多个网络模型用于识别异常驾驶行为,并在此基础上开发异常驾驶行为检测与检测系统。论文主要工作如下:(1)选取真实车辆轨迹信息数据作为本文数据来源,针对原始数据的质量问题进行异常处理、缺失填补、冗余清洗等预处理工作,筛选出高质量高精度的数据作为本文数据挖掘对象。在此基础上深入分析急加速、急减速、异常换道、蛇形驾驶四种异常驾驶行为的行为表现与数据特征,给出四种驾驶行为的判定标准,将其与正常驾驶数据共同作为数据分类样本。(2)依据每种驾驶行为的数据特征与潜在规律创建滑动时间窗口对经过预处理的数据进行划分,考虑不同驾驶员的认知分割出数据样本,构建异常驾驶行为数据集。(3)针对驾驶轨迹信息时间相关性的特性,本文搭建RNN、LTSM、Bi LSTM和融合注意力机制的CNN-Bi LSTM四种神经网络作为驾驶行为识别模型,使用相同数量的数据集对模型训练与验证,考虑识别率与损失值两个参数对识别结果进行分析与对比,选择效果最好的识别模型作为异常驾驶行为检测系统的主要算法模型。(4)为实现驾驶过程数据可视化目标,本文在完成识别模型设计的基础上,运用编程等技术构建一个包含客户端-服务器端-车端的异常驾驶行为识别与检测系统。选择一辆搭载了传感器的车辆进行实车实验,验证了系统的可靠性与有效性。综上所述,本文建立了异常驾驶行为识别网络模型,完成了从海量轨迹中提取异常驾驶行为的工作,并依托网络模型构建驾驶员异常驾驶行为检测系统,在辅助驾驶员安全驾驶与降低交通事故发生率等方面具有现实意义与应用场景。

关键词：车辆轨迹信息数据挖掘神经网络异常驾驶行为

基于卷积神经网络的汽车异常驾驶行为识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的汽车异常驾驶行为识别方法研究

作者：陈泓享西京学院

学位级别：硕士

驾驶员异常驾驶行为的高效识别对预防交通事故的发生具有十分重要的意义。近年来,随着机器学习和人工智能的发展,车辆也逐渐趋于智能化。为有效地规范驾驶员驾驶行为,采用在智能车上安装摄像头的方式以获取驾驶员相关信息。搭建卷积神... 详细信息

驾驶员异常驾驶行为的高效识别对预防交通事故的发生具有十分重要的意义。近年来,随着机器学习和人工智能的发展,车辆也逐渐趋于智能化。为有效地规范驾驶员驾驶行为,采用在智能车上安装摄像头的方式以获取驾驶员相关信息。搭建卷积神经网络模型对获得数据进行分析,通过最终的识别结果对驾驶员行为进行有效分类。针对“精准-快速”两个方面,提出了两种异常驾驶行为识别方法。主要工作内容如下:(1)针对当前驾驶行为识别精度较低问题,研究提出了一种基于关键子区域特征增强的驾驶员异常驾驶行为识别模型。该模型首先通过关键子区域定位模型提取驾驶员的头部与手部区域,然后将提取到的区域同原始图像作为模型的输入,以深度残差神经网络Res Net-50为基础网络框架,对State Farm数据集中的十种驾驶行为进行有效识别。实验结果表明,该模型对十种驾驶行为具有较高的识别精度,平均可达到91.22%。(2)针对低功耗计算场景下,驾驶动作类内差异与类间重叠问题,研究提出了一种基于双路注意力机制多尺度聚合模块的驾驶员异常驾驶行为识别模型。结合不同驾驶行为间的差异性和驾驶动作的局部性,对Res Net-50网络做如下改进:(1)提出一种多层级特征融合模块(Multilevel Feature Fusion Module),融合不同层级的特征以提高网络模型对特征细节的感知能力。(2)提出一种双路注意力机制多尺度聚合模块(Dual Attention Mechanism Multi-scale Aggregation Module),结合SE-Net通道注意力机制、Non-local自注意力机制和Multi-scale多尺度聚合模块共同构成双路注意力机制多尺度聚合模块。增强模型在通道和空间方面的表达能力,加强对驾驶行为的局部判别,进而提高网络模型的鲁棒性。实验结果表明,该模型既可对驾驶行为快速分类,又具有较高的识别精度,平均可达到92.98%,拥有较强的泛化能力。(3)设计并实现了驾驶员异常驾驶行为识别系统,该系统上手简易,将基于DAMMAM的驾驶员异常驾驶行为识别模型部署于系统中以高效精准的识别驾驶行为。本文通过研究异常驾驶行为间的分类和识别问题,一定程度上加强了驾驶员驾车过程的安全性,为未来智能驾驶的实现提供更多的参考方案。

关键词：异常驾驶行为 ResNet-50 多层级特征融合模块双路注意力机制多尺度聚合模块