基於大數據的營運車輛駕駛行為譜特徵研究

《基於大數據的營運車輛駕駛行為譜特徵研究》是依託武漢理工大學，由文江輝擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於大數據的營運車輛駕駛行為譜特徵研究
• 項目類別：青年科學基金項目
• 項目負責人：文江輝
• 依託單位：武漢理工大學

項目摘要

營運車輛駕駛行為譜是在定量分析大規模採集的駕駛行為信息規律後編制的數據體系，是開展駕駛行為安全教育的理論依據。構建駕駛行為譜需要解決駕駛行為大數據信息特徵提取，以及駕駛行為規律挖掘的理論問題，並探索駕駛行為安全性的評估方法。本項目以實車實驗反饋的營運車輛駕駛行為大數據信息為研究對象，首先針對信息的不完備性和多源異構性，提出灰信息處理框架下的多源信息融合新算法，全面提取營運車輛的駕駛行為特徵向量；然後通過對駕駛行為特徵及其影響因素進行多元統計分析，並考慮駕駛行為的隨機性因素和大數據信息的時空屬性，建立時空隨機關聯模型，揭示營運車輛的駕駛行為特徵規律，進而構建駕駛行為譜；最後基於行為譜特徵，提出基因組比對序列算法和改進的TOPSIS方法，分別評估營運車輛駕駛行為模式和操作特徵的安全性。研究結果在理論上對發展和完善營運車輛駕駛行為譜體系具有重要意義，在實踐中為營運車輛安全駕駛提供技術支持。

結題摘要

定量分析大規模採集的駕駛行為信息、挖掘營運車輛駕駛行為規律，和探索駕駛行為安全性的評估方法，是開展駕駛行為安全教育的理論依據。本項目以實車實驗反饋的營運車輛駕駛行為大數據信息為研究對象，首先針對信息的不完備性和多源異構性，建立了灰信息處理框架，包括基於灰朦朧集的四種形態(胚胎態、發育態、成熟態、實證態)，定義灰信息空間的拓撲體系（灰信息的層次空間、內涵空間等），提出灰原始核、灰轉移核、灰原始信息測度與灰轉移信息測度的概念及其度量公式，並定義灰信息運算法則；提出了多源信息融合新算法，並提取了營運車輛的駕駛行為特徵向量。然後運用統計方法和統計模型，包括利用DBSCAN聚類方法和Spearman 秩相關分析方法分別對駕駛行為速度、加速度特徵，及天氣因素對駕駛行為的影響進行了分析；運用結構方程模型量化了疲勞駕駛行為的影響因素，包括駕齡、年齡、生理狀況等與疲勞駕駛行為的相關係數；並提出改進沙漏模型分析了換道行為的相關特性，包括換道機率、換道時長等，在此基礎上揭示了營運車輛的駕駛行為特徵規律。最後基於駕駛行為特徵，討論了加速度波動特性的規律；並以跟馳行為作為研究對象，提出了改進的IDM-GARCH模型，分析加速度波動特性的原因，將其用安全驅動力和效率驅動力進行定義，且通過實證研究給出車輛駕駛安全性評估方法。在安全性和交通通行效率的基礎上，提出駕駛員滿意度，將三者作為評估指標，分析高速公路上限速對超車行為的影響，進而提出了一種新的可變限速規則。研究結果在理論上對發展和完善營運車輛駕駛行為譜體系具有重要意義，在實踐中為營運車輛安全駕駛提供技術支持。