本發明屬于駕駛安全性評價的
技術領域：
，特別涉及一種用于駕駛員實時安全特性評估的分析方法。
背景技術：
：交通安全是全球范圍內與人類健康和發展息息相關的問題，美國印第安大學的研究證實：至少有92.6％的交通事故與人的因素有關。中國官方資料報告指出，70％的交通事故是駕駛員責任。其原因在于人是道路交通系統中相對最不穩定的因素，人的生理、心理隨著時空的改變表現出潛在的易變性和波動性。駕駛員是人－車－路系統的主體，其個體特性決定了駕駛行為的質量，進而影響交通安全，這些特性包括各種直接因素(如注意不當，反應遲鈍、超速行駛，疏忽，措施不當等)和間接因素(如酒精中毒，藥物損傷，缺乏經驗等)。事故研究表明大約90％的交通事故是由于駕駛員信息處理故障、缺乏警覺、技能低下等行為所引起的。駕駛員在判斷、決策和操作過程中出現的任何失誤都有導致交通事故的可能，所以對駕駛員駕駛狀態的實時監測尤為重要，這在預防和減少交通事故方面有顯著作用。當前對駕駛員實時安全特性的研究著重于通過對駕駛員腦電信號的采集分析和對駕駛員面部表情圖像分析來判斷駕駛員是否疲勞駕駛，或是實時監測駕駛員的酒精含量判斷是否酒駕，或是對車輛行駛狀態(方向盤轉角、車輛速度等)進行分析判斷駕駛行為的合理性。上述的駕駛狀態監測系統存在準確度不夠，實用性不強等問題，難以在實際駕駛環境中推廣應用。技術實現要素：針對上述問題，本發明提出了一種用于駕駛員實時安全特性評估的分析方法，包括如下步驟：步驟1、通過數據采集模塊采集實時行車數據，所述實時行車數據包括本車和前車的行駛狀態數據、本車的加速度、本車與前車的車速、本車與前車的車距；步驟2、根據所述實時行車數據建立跟馳模型C＝α·Δt，其中，C為穩定性指標、α為駕駛員靈敏度系數、Δt為駕駛員的反應時間，基于采集的數據進行模型擬合，目標函數為均方根差RMSE；步驟3、根據所述擬合輸出模型結果，如果所述模型結果為危險，則提醒司機采取相應的安全措施。所述數據采集模塊包括傳感器采集模塊、視頻采集模塊、GPS數據采集模塊，利用所述傳感器采集模塊、視頻采集模塊、GPS數據采集模塊采集實時數據，具體包括：步驟101、所述傳感器采集模塊采集本車與前車的車距，所述GPS數據采集模塊采集本車的車速和加速度，采集數據的頻率為5Hz；步驟102、根據采集的數據，得到本車與前車的車速差、本車與前車的車距、本車的加速度。所述步驟101還包括：通過所述視頻采集模塊采集的視頻分析得到本車與前車的車距、本車的車速和加速度。所述步驟2具體包括：步驟201、使用當前時刻前13秒的數據標定當前時刻的參數，標定的頻率為1Hz；步驟202、根據所述跟馳模型擬合得到后車加速度的預測值，并與實際采集數據進行對比，得到所述預測值與所述實際采集數據的均方根差RMSE；步驟203、遍歷α和Δt所有可行值，其中α∈[0,3]，步長0.01，Δt∈[0,2]，步長0.2；當RMSE最小時，得到參數α、Δt的標定值。所述步驟3具體包括：步驟301、根據模型參數α、Δt的標定值，每秒鐘計算并輸出一次C＝α·Δt的值；步驟302、判斷C＝α·Δt中C的區間，其中：(1)如果0≤C＝α·Δt≤1/e，則系統絕對穩定；(2)如果1/e＜(C＝αT)≤π/2，則系統穩定，但不絕對穩定；(3)如果(C＝αT)＞π/2，則系統不穩定；步驟303、分析跟馳狀態穩定性，當C值落在不穩定的區間內或在長時間內呈逐漸上升趨勢時，則認為駕駛員可能會出現危險，此時提醒駕駛員采取相應的安全措施。本發明的有益效果在于：本發明通過設計一套駕駛員駕駛狀態安全預警方法，具體通過采集實時行車數據、利用跟馳模型擬合數據、基于模型參數識別駕駛員不穩定駕駛狀態并對駕駛員給出實時預警。基于跟馳模型的穩定性分析對駕駛員的安全特性進行分析，對駕駛員的安全性分析有堅實的交通流理論支撐。基于行車數據實時監控駕駛員的狀態，可對駕駛員不穩定駕駛狀態實時預警，當結果顯示駕駛員跟馳狀態不穩定時，及時提醒駕駛員正常駕駛，預防交通事故發生。附圖說明圖1是駕駛員實時C值曲線圖；圖2是用于駕駛員實時安全特性評估的分析方法的工作流程示意圖。具體實施方式下面結合附圖，對實施例作詳細說明。實施例一：本發明提供了一種用于駕駛員實時安全特性評估的分析方法，其特征在于設計一套駕駛員駕駛狀態安全預警方法，系統包括數據采集，數據處理和預警提示三部分。其中數據處理部分利用跟馳模型對實際行車數據進行分析，識別駕駛員不穩定狀態；預警提示部分根據數據處理結果，及時提醒駕駛員安全駕駛，預防和減少交通事故。包括如下步驟：步驟1、通過數據采集模塊采集實時行車數據，包括本車和前車的行駛狀態數據:本車的加速度、本車與前車的車速、兩車之間的車距；步驟2、根據步驟1得到的實時行車數據建立跟馳模型，基于采集的數據進行模型擬合，目標函數為RMSE，標定模型中的參數α、Δt；步驟3、輸出模型結果，針對危險情況，提醒司機采取相應安全措施。所述步驟1中，數據采集部分包括傳感器采集模塊、視頻采集模塊、GPS數據采集模塊，利用上述模塊采集實時數據，包括：步驟101、傳感器采集模塊采集兩車車距，GPS數據模塊采集本車的車速和加速度信息；或通過視頻采集模塊采集的視頻分析得到兩車車距、車速和加速度信息，采集數據的頻率為5Hz；步驟102、根據采集的數據，基于牛頓運動力學知識可以得到兩車的車速差、車距和本車的加速度。所述步驟2中，根據步驟1得到的實時行車數據建立跟馳模型，跟馳模型分為線性跟馳模型和非線性跟馳模型等，在此我們使用線性跟馳模型。理論方程為：其中，為本車的加速度，和分別為前車和本車的車速，因此為兩車的速度差。標定上述線性模型中的參數α、Δt，包括：步驟201、為了標定當前時刻的參數，使用當前時刻前13秒的數據進行計算，標定的頻率為1Hz，即每秒鐘計算一次；步驟202、通過模型擬合得到后車加速度的預測值，再與實際采集數據進行對比，計算目標函數。目標函數為兩者的均方根差RMSE，均方根誤差越小，模型擬合度越高；步驟203、遍歷α和Δt所有可行值，其中α∈[0,3]，步長0.01，Δt∈[0,2]，步長0.2；當模型擬合度取得最優解時，即RMSE最小時，得到參數α、Δt的標定值。所述步驟3輸出模型結果，根據跟馳模型C＝α·Δt所在的區間，分析跟馳行為的穩定性，具體方法包括：步驟301、利用步驟2中標定的參數，每秒鐘輸出一次駕駛員的狀態信息，也就是每秒鐘計算C＝α·Δt的值；步驟302、判斷C＝α·Δt的區間，其中：(1)0≤C＝α·Δt≤1/e，系統絕對穩定；(2)1/e＜(C＝αT)≤π/2，系統穩定，但不絕對穩定；(3)(C＝αT)＞π/2，系統不穩定；步驟303、分析跟馳狀態穩定性，當C值落在不穩定的區間內或在長時間內呈逐漸上升趨勢時，可認為駕駛員可能會出現危險，此時提醒司機小心駕駛，或適當休息。實施例二：本發明提供了一種對駕駛員安全特性實時分析的方法，如圖2所示，包括如下步驟：步驟1、通過數據采集模塊采集實時行車數據，包括本車和前車的行駛狀態數據:本車的加速度、本車與前車的車速、兩車之間的車距；步驟2、根據步驟1得到的實時行車數據建立跟馳模型，基于采集的數據進行模型擬合，目標函數為RMSE，標定模型中的參數α、Δt；步驟3、輸出模型結果，針對危險情況，提醒司機采取相應安全措施。針對上述的三大步驟，以某次駕駛過程為例，對本發明予以說明。所述步驟1中，通過數據采集模塊采集實時行車數據，包括：步驟101、傳感器采集模塊采集本車與前車車距，GPS數據模塊采集本車的車速和加速度信息(或通過視頻采集模塊采集的視頻分析得到兩車車距、車速和加速度信息)，采集數據的頻率為5Hz；步驟102、根據采集的數據，基于牛頓運動力學知識計算兩車的車速差、車距和本車的加速度。此處只展示前3秒采集得到的實時數據，如表1所示(車輛開始跟馳記為0時刻，從10s開始采集數據)。表1采集的前3秒實時數據所述步驟2中根據步驟1得到的實時行車數據建立線性跟馳模型，并標定線性模型中的參數α、Δt，包括：步驟201、為了標定當前時刻的參數，使用當前時刻前13秒的數據進行計算，標定的頻率為1Hz，即每秒鐘計算一次；步驟202、通過模型擬合得到后車加速度的預測值，再與實際采集數據進行對比，計算目標函數。目標函數為兩者的均方根差RMSE，均方根誤差越小，模型擬合度越高；步驟203、遍歷α和Δt所有可行值，其中α∈[0,3]，步長0.01，Δt∈[0,2]，步長0.2；當模型擬合度取得最優解時，即RMSE最小時，得到參數α、Δt的標定值。重復步驟2，得到的線性跟馳模型的實時參數α、Δt，此處只展示前20s的數據如表2所示(采集數據從10s開始，標定參數要用當前時刻前13s的數據，因此得到的第一個參數標定值從23s開始)。時間(s)α(s^-1)Δt(s)230.922.0241.042,0251.091.8261.172.0271.072.0281.021.8291.001.6300.981.6311.001.4320.881.6330.701.4340.451.4350.610.8360.670.8370.760.8380.800.8390.840.8400.880.8411.010.8421.020.8表2實時模型參數α、Δt所述步驟3輸出模型結果，根據跟馳模型C＝α·Δt所在的區間，分析跟馳行為的穩定性，包括：步驟301、利用步驟2中標定的參數，每秒鐘輸出一次駕駛員的狀態信息，也就是每秒計算C＝α·Δt的值，得到的實時C值曲線如圖1所示，上下虛線分別為穩定臨界值和絕對穩定臨界值；步驟302、判斷C＝α·Δt的區間，其中：(1)0≤C＝α·Δt≤1/e，系統絕對穩定；(2)1/e＜(C＝αT)≤π/2，系統穩定，但不絕對穩定；(3)(C＝αT)＞π/2，系統不穩定；步驟303、分析跟馳狀態穩定性，當C值落在不穩定的區間內或在長時間內呈逐漸上升趨勢時，可認為駕駛員可能會出現危險，此時提醒司機小心駕駛，或適當休息。由圖1可以看出：在本次跟馳中，應該在第64秒對司機進行提醒。此實施例僅為本發明較佳的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉本
技術領域：
的技術人員在本發明揭露的技術范圍內，可輕易想到的變化或替換，都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應該以權利要求的保護范圍為準。當前第1頁1 2 3