原文传递
考虑驾驶风格的高速公路合流区跟驰行为分析及风险判别研究
| 论文题名： | 考虑驾驶风格的高速公路合流区跟驰行为分析及风险判别研究 |
| 关键词： | 高速公路合流区;跟驰行为分析;风险判别 |
| 摘要： | 近年来，随着我国高速公路网络的日益完善，服务范围不断扩大，互通立交规模数量也逐年增加。同时，我国机动车保有量与机动车驾驶人数也在不断攀升，随之而来的交通事故频发给人们造成了生命财产损失。在交通事故中，跟驰碰撞事故约占道路总事故的1/3。合流区作为高速公路互通立交中的入口部分，存在主线行驶车辆与匝道汇入车辆的交织，交通环境较为复杂。选定高速公路合流区为研究对象，以高清视频数据为基础，研究合流区主线车辆跟驰行为特点，探究合流区跟驰驾驶行为风格，构建考虑跟驰驾驶风格的合流区跟驰风险状态判别模型。主要内容包括如下方面： 首先，通过调查分析合流区类型和车流运行特点，选取无人机视频数据采集地点，获取了高速公路合流区视频交通流视频数据。通过视频数据提取获得合流区轨迹数据集，包括车道编号，速度、加速度等参数。基于车辆跟驰条件的提取原则，获取合流区驾驶人跟驰片段，构建跟驰数据集，并采用数理统计进行合流区跟驰数据集特征分析。 其次，进行了合流区跟驰驾驶风格划分研究。基于跟驰数据集的纵向速度绝对值、纵向速度绝对值标准差、加速度绝对值等参数，通过K-means聚类、DBSCAN聚类等聚类算法构建合流区跟驰驾驶风格划分的聚类判别模型，将合流区跟驰驾驶风格划分为激进型、普通型和保守型，通过对比选取K-means聚类结果为跟驰驾驶风格结果，探究不同驾驶风格间的特征差异。三种跟驰驾驶风格中，激进型跟驰所占比例最高，共有327例占总样本的41.03％，其加速度均值最大，车头间距与车头时距均值均为最小。 最后，构建了考虑驾驶风格的合流区跟驰风险状态判别模型。选用碰撞时间倒数ITTC为指标将合流区跟驰数据集风险状态进行划分，对跟驰风险库中的少类样本进行数据平衡优化。考虑跟驰驾驶风格以及轨迹数据提取参数构建跟驰风险状态判别模型，对比发现增加跟驰驾驶风格作为模型输入参数后模型性能得到了一定提升，其中对LightGBM模型的提升效果最好，整体的准确率提高了2.49%，F1-score提高了2.46%。在随机森林、支持向量机与LightGBM三种模型对不同跟驰风险状态判别中，均为LightGBM模型的判别效果最好，支持向量机的判别效果相对较差。LightGBM模型整体准确率达到93.27%，F1-score为93.18%。 |
| 作者： | 吴兴琪 |
| 专业： | 交通运输工程 |
| 导师： | 徐婷 |
| 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
