原文传递
基于风险评价指标的驾驶风险评估模型研究
| 论文题名： | 基于风险评价指标的驾驶风险评估模型研究 |
| 关键词： | 交通工程;高速公路;驾驶风险评估;交通冲突;贝叶斯优化 |
| 摘要： | 高速公路是相对比较单一的道路，较为常见的行为决策就是跟驰行为与变道行为，研究表明百分之六十的交通事故都是由于车辆的变道行为引起的。因此，解决高速公路由于变道引起的交通安全问题是当前研究的热点问题。鉴于高速公路交通事故的真实数据较为匮乏，且不易获取，本文将综合考虑车辆的驾驶特征和风险特征，利用交通冲突技术研究事故前的驾驶风险。 首先，对交通冲突形成原因进行分析，根据车辆的轨迹特征，将交通冲突分为追尾冲突和变道冲突。通过提取变道行为和跟驰行为下车辆的驾驶特征，进一步分析了车辆在行驶过程中的交通特性。然而，仅凭运动特征不能表征车辆在行驶过程中的风险。因此，本文提出对车辆的运动特征和风险评价指标进行综合分析，通过对多个风险评价指标进行相关性分析，选取累积危险碰撞时间（TIT）和可能碰撞指数（CPI）来描述车辆的驾驶风险，从而对车辆的驾驶行为进行风险评估。 其次，通过风险评价指标表征车辆的碰撞风险，对可能发生碰撞的车辆进行分析，进而通过聚类分析（Kmeans聚类、模糊C均值聚类、层次聚类和谱聚类）综合评价车辆的风险等级，通过聚类模型评价的三种指标分析车辆的风险等级，经评估后利用Kmeans模型对车辆进行风险等级划分的效果最好，并将其分为低风险、中风险和高风险三类。驾驶风险等级的划分是一个典型的数据不平衡问题，从而导致模型无法识别高风险的车辆。因此，本文通过对低风险类别进行欠采样，使样本类别间的数量趋于平衡，从而减小数据不平衡对模型学习的影响。 最后，通过聚类模型标记的风险等级作为驾驶风险预测模型的输入，结合车辆运动特征综合分析驾驶风险。利用集成模型（XGBoost和LightGBM）和支持向量机（SVM）预测变道期间车辆的风险等级。鉴于集成模型参数较多，通过贝叶斯优化算法的XGBoost模型与其他模型相比，准确率达到94.2%，说明XGBoost模型的预测能力更好。 |
| 作者： | 王昊琛 |
| 专业： | 交通运输工程 |
| 导师： | 靳引利 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
