-
题名基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法
被引量：17
- 1
-
-
作者
陆键
王可
蒋愚明
-
机构
同济大学交通运输工程学院
-
出处
《交通运输工程学报》
EI
CSCD
北大核心
2020年第6期227-235,共9页
-
基金
国家重点研发计划项目(2017YFC0803902)
国家自然科学基金项目(71871165)。
-
文摘
为了提高道路交通安全主动防控能力,以小汽车行驶轨迹数据为研究对象,研究了不良驾驶行为的实时辨识问题;基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据;提出了应用风险度量方法量化典型不良驾驶行为的理论;使用大样本统计分布方法确定不良驾驶行为的特征参数阈值;建立了结合交通环境信息的不良驾驶行为谱,计算了不良驾驶行为谱特征值;以车辆不良驾驶行为谱特征值为依据标定不良车辆样本;以部分驾驶行为谱参数为输入,使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型;为了验证方法的有效性,使用无人机交通视频采集了上海市的车辆行驶轨迹数据,分析了小汽车不良跟驰行为特征。分析结果表明:使用四分位差法得到不良跟驰特征参数的阈值为0.19 s^(-1),大部分样本处于正常跟驰状态,约2%样本处于不良跟驰状态;基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例,使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh;不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率,平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见,不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法,与人工智能方法结合可以生成海量的不良驾驶行为谱库;不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题,与常规算法相比具有更好的不良驾驶行为辨识能力。
-
关键词
交通安全
驾驶行为谱
风险度量
不良驾驶行为辨识
人工智能
不平衡类提升算法
-
Keywords
traffic safety
driving behavior spectrum
measurement of risk
abnormal driving behavior identification
artificial intelligence
imbalanced class boosting algorithm
-
分类号
U491.1
[交通运输工程—交通运输规划与管理]
-
