考慮視覺特性的分流區(qū)換道風(fēng)險評估.pdf

1、高速公路分流區(qū)是高速公路安全瓶頸，為有效評價分流區(qū)安全服務(wù)水平，本文借助D-Lab人因數(shù)據(jù)采集與分析系統(tǒng)對分流區(qū)眼動數(shù)據(jù)進行采集、分析，利用交通沖突技術(shù)提取車輛軌跡，構(gòu)建考慮視覺特性的分流區(qū)換道風(fēng)險評估模型。
　　本研究主要內(nèi)容包括：⑴提出獲取視覺特性的試驗方案。選取共25位駕駛員開展平行式有可選車道的單車道類型分流區(qū)實車試驗，獲取眼動數(shù)據(jù)，并利用參照物將注視點的像素坐標(biāo)轉(zhuǎn)換為唯一固定的二維坐標(biāo)。⑵實現(xiàn)興趣區(qū)域下眼動數(shù)據(jù)分析。從基

2、本眼動、目標(biāo)注視、視線轉(zhuǎn)移三特征分析試驗數(shù)據(jù)，利用二元變量分析將注視點分布劃分為兩類，選取資深駕駛員注視點分布利用近鄰傳播聚類算法，通過調(diào)控阻尼系數(shù)λ與偏向參數(shù)p確立聚類數(shù)目，依照聚類結(jié)果將興趣區(qū)劃分為7部分，其中前窗采用放射線劃分，以此分析不同駕駛行為間視覺差異，共選取11類差異性顯著數(shù)據(jù)。⑶構(gòu)建換道決策模型。確定視覺特性指標(biāo)體系，利用主成分分析法降維，并提出基于支持向量機的非線性駕駛行為分類，以視覺特性參數(shù)獲取換道概率，判別駕駛行為

3、類型。同時對比四種核函數(shù)，結(jié)果表明，高斯徑向基函數(shù)核函數(shù)準(zhǔn)確率91.67％，靈敏度90.21％，適用于小樣本量、低維度情況。⑷提出基于預(yù)測軌跡的沖突嚴(yán)重程度判別方法。采用視頻檢測技術(shù)，對固定背景下運動目標(biāo)進行軌跡提取，利用神經(jīng)網(wǎng)絡(luò)實時預(yù)測軌跡，并引入量化指標(biāo)J以碰撞概率分析分流區(qū)兩車沖突嚴(yán)重程度。同時探討融合換道決策的碰撞概率算法，構(gòu)建融合視覺特性的分流區(qū)風(fēng)險評估模型。結(jié)果顯示，指標(biāo)J考慮避險行為對潛在沖突點出現(xiàn)時間的影響，準(zhǔn)確性更高;