营运客车危险驾驶行为与驾驶人特性相关性分析

为明确营运客车危险驾驶行为与驾驶人特性之间的关系,以实际事故案例为依据,初步筛选主要危险驾驶行为及影响因素并设计调查问卷,引入概率统计方法确定调研样本量,进行实际调研。以调研数据为基础,采用有序多分类Probit回归方法,从出现频率与导致事故可能性两个维度对不同危险驾驶行为与影响因素间的相关性进行分析。通过研究确定了9种危险驾驶行为,并对危险驾驶行为进行了重要度排序。对调查结果进行信度效度检验,表明问卷总体具有很高的可信度与有效性。且驾驶人的特性与危险驾驶行为之间存在关联。     

数据驱动的公路典型风险场景聚类与特征分析

为了明晰公路交通中典型风险场景,提高公路测试场景构建和公路安全分析的针对性和指导性。收集不同区域代表性省份5年约60 000条公路交通事故数据作为数据源,筛选确定关键分类变量,分别针对7类典型公路路段和路口开展典型交通冲突形式聚类分析,共获取16类典型风险场景,然后构建场景风险特征表征参数,针对典型风险场景的风险特征进行对比分析,进而深入分析道路和环境因素对场景事故数量和发生事故严重程度的影响特征。结果表明：路表情况、防护设施类型、交通信号方式、照明条件、天气和能见度等因素都对部分场景的风险度有较大影响,路面状况因素对场景风险度影响不大。     

神经网络与贝叶斯滤波器在换道预测中的应用

为提高车辆在换道过程中的行车安全性。提出一种基于BP神经网络与贝叶斯滤波器的换道意图预测方法,通过车道线传感器、方向盘转角传感器和车身CAN总线采集相关表征参数,将其作为BP神经网络输入数据,对驾驶人换道意图进行初步预测,BP神经网络输出结果作为贝叶斯滤波器输入数据,对BP神经网络预测结果作进一步修正。对模型利用真实换道数据进行训练和检测,结果表明此模型的预测准确率达到91.38%,相较于单一的BP神经网络模型,预测准确率提高了6%,并且具有更强的通用性。     

基于CCD摄像技术的公交车跟车距离监测系统研究

为了实时有效地控制公交车行驶时的安全测距,以Matlab工具箱函数为基础,运用图像灰度化处理、图像去噪、图像二值化,从处理后的图像中提取出具有表征意义的统计特征。依据预先设定的图像模板,通过比对所提取的图像特征和模板图像的特征,利用图像匹配技术进行图像识别。在此基础上建立公交车跟车距离识别模型。采用实车实验数据对模型进行验证,结果表明:在静态情况下识别距离与真实距离之间的误差总体上随着距离的增加而逐渐加大,平均误差为5%,绝大部分偏差在6%以下。动态情况下验证误差较静态大,均值为7.68%,标准偏差为0.012 56,且随着车速的增加,真实值与识别值之间的绝对误差相应变大。