一种多因素交通风险实时定量评估系统及方法与流程

1.本发明涉及智能驾驶交通风险评估技术领域，具体地，涉及一种多因素交通风险实时定量评估系统及方法。


背景技术：

2.道路交通风险受到人
‑
车
‑
路三方面中多种因素的综合影响，由于道路交通复杂，路况多变；驾驶人特性各异，行为不定；车辆系统复杂，性能耦合，使得道路交通风险具有时变、复杂和耦合的特性。道路交通风险的辨识和评估技术能够帮助驾驶人提前识别风险，降低交通事故的发生率和伤亡率，缓解严峻的道路交通安全现状。量化在数字信号处理领域，是指将信号的连续取值(或者大量可能的离散取值)近似为有限多个(或较少的)离散值的过程。量化主要应用于从连续信号到数字信号的转换中，连续信号经过采样成为离散信号，离散信号经过量化即成为数字信号。
3.公开号为cn112349100a的中国发明专利，公开了一种基于网联环境的多视角行车风险评估方法及装置，该方法包括：步骤1，将待风险评估区域划分成若干子区域；步骤2，通过选定的路侧感知设备获取各子区域的第一环境感知信息，判断各子区域的置信度；步骤3，判断待风险评估区域中低置信度区域所对应的子区域的面积之和是否小于待风险评估区域的面积的预设比值；步骤4，将低置信度区域的第一环境感知信息和与该第一环境感知信息同一子区域的第二环境感知信息进行融合拼接，进而获得对应低置信度区域alow的增强后环境感知结果；步骤5，生成待风险评估区域的全局环境感知结果；步骤6，对待风险评估区域的整体风险进行评估。本发明能够利用网联环境，实现无盲区的实时感知和风险评估目的。
4.通常道路交通风险评估技术主要包括交通管理视角的风险评估和道路使用者视角的风险评估。然而，前者属于依赖海量历史事故数据的事后评估，难以及时评价道路的当前风险，难以刻画当前道路交通安全风险水平；后者考虑的风险因素不全面，适用场景单一，无法面对复杂多变的交通环境，使得方法的实际应用受到较大局限。


技术实现要素：

5.针对现有技术中的缺陷，本发明的目的是提供一种多因素交通风险实时定量评估系统及方法。
6.根据本发明提供的一种多因素交通风险实时定量评估系统及方法，所述方案如下：
7.第一方面，提供了一种多因素交通风险实时定量评估系统，所述方法包括：
8.安装在车内的信息采集单元、车载单元以及路测设备；
9.由信息采集单元采集相关驾驶数据，路测设备获取当前路段的历史交通数据，车载单元根据信息采集单元及路测设备得到的驾驶数据及交通数据进行分析处理；
10.其中，所述车载单元包括数据获取模块、数据处理模块以及无线数据通信模块；
11.所述路测设备包括环境感知模块、行车风险场建立模块、模型训练模块、无线数据通信模块、数据存储模块以及数据处理模块。
12.优选的，所述数据获取模块用于获取信息采集单元实时传送的驾驶人面部信息以及当前的驾驶人信息；
13.所述数据处理模块用于对信息采集单元传送的驾驶人面部信息进行处理，分析驾驶人的疲劳状况和健康状况在内的生理和心理信息，并对获取的当前驾驶人信息进行处理，分析驾驶人驾驶技能和驾驶人历史事故数据信息；
14.所述无线数据通信模块用于向路测设备发送驾驶人生理和心理信息以及驾驶人驾驶技能和驾驶人历史事故数据信息。
15.优选的，所述环境感知模块用于获取当前路段的车辆交通行驶信息和环境信息；
16.所述行车风险场建立模块用于构建当前路段的行车风险场；
17.所述模型训练模块用于训练根据历史交通数据构建的训练集；
18.所述无线数据通信模块用于接收由当前路段各车辆的车载单元发送的驾驶人生理和心理信息以及驾驶人驾驶技能和驾驶人历史事故数据信息；
19.所述数据存储模块用于存储当前路段的历史交通信息；
20.所述数据处理模块用于对历史交通数据进行处理，提取数据中的人车路在内的相关特征，并构建训练集。
21.优选的，所述信息采集单元为摄像头，用于获取驾驶人的面部信息。
22.第二方面，提供了一种多因素交通风险实时定量评估方法，所述系统包括：
23.步骤s1：通过路测设备，从交通管理视角和道路使用者视角量化道路使用者产生的交通风险概率和交通风险；
24.步骤s2：通过车载单元，分析驾驶人行为，量化由驾驶人行为因素而产生的交通风险；
25.步骤s3：针对车辆行驶过程中的驾驶环境，量化由驾驶环境因素而产生的交通风险；
26.步骤s4：根据道路使用者产生的交通风险概率和总交通风险值，由车载单元计算得到交通风险评估值。
27.优选的，所述步骤s1中包括：基于朴素贝叶斯方法从交通管理视角量化道路使用者产生的交通风险概率，具体如下：
28.通过路测设备获取当前路段的历史交通数据；
29.由路测设备对获取的历史交通数据进行处理，提取所述历史交通数据中的人
‑
车
‑
路在内的特征，并构建训练集；
30.利用朴素贝叶斯方法对构建的训练集进行训练；
31.输入实时的当前路段交通信息；
32.得到当前路段的交通风险概率p。
33.优选的，所述步骤s2中的驾驶人行为因素包括：驾驶人生理和心理状态、驾驶人驾驶技能和驾驶人历史事故数据。
34.优选的，所述驾驶人生理和心理状态，由车载单元对安装在车内的信息采集单元获取的驾驶人面部信息进行分析处理确定；
35.所述驾驶人驾驶技能和驾驶人历史事故数据由车载单元获取的当前驾驶人信息确定。
36.优选的，所述步骤s3中驾驶环境因素包括：道路几何边界、路面附着条件、曲率、坡度和能见度。
37.优选的，所述步骤s4包括：
38.道路使用者产生的总交通风险值r
s
具体为：
39.r
s
＝r
v
r
d
r
e
40.式中，r
v
为由行车风险场得出的交通风险值，r
d
为由驾驶人行为因素构成的交通风险值，r
e
为由环境因素构成的交通风险值；
41.交通风险评估值r
p
具体为：
42.r
p
＝r
s
(1 p)
43.式中，r
s
为道路使用者产生的总交通风险值，p为当前路段的交通风险概率。
44.与现有技术相比，本发明具有如下的有益效果：
45.1、本发明通过行车风险场建模方法将道路使用者运行过程中的纵横向风险用场的形式有机的结合在一起，使纵横向的风险从传统方法的离散形式变换为连续形式，从而准确反映道路交通环境中各道路使用者之间的相互作用关系。同时，在保证风险分布的连续性的同时，还提高了描述道路使用者之间的相互关系的准确性；
46.2、道路交通风险的产生机理在于影响道路交通安全的人
‑
车
‑
路中各因素间综合交互作用，本发明所提出的统一建模框架够将各类影响因素进行有机的结合，能够实现对交通风险的准确评估；
47.3、本发明对以往的交通数据和实时获取的交通数据分别进行分析，通过综合计算将二者结合，使得对交通风险的评估更加具有合理性。
附图说明
48.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
49.图1为本发明提供的车载单元模块示意图；
50.图2为本发明提供的路测设备模块示意图；
51.图3为本发明提供的人车路多因素的交通风险实时定量评估方法整体框架示意图；
52.图4为本发明提供的基于朴素贝叶斯方法的交通风险概率计算流程图；
53.图5为本发明提供的驾驶人行为因素示意图；
54.图6为本发明提供的环境因素示意图。
具体实施方式
55.下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
56.本发明实施例提供了一种多因素交通风险实时定量评估系统，参照图1所示，首先包括安装在车内的信息采集单元、车载单元以及路测设备。
57.在本实施例当中，信息采集单元可以选用摄像头，将摄像头安装在车内，用于获取驾驶人的面部信息。而车载单元的数据获取模块用于获取摄像头实时传送的驾驶人面部信息以及当前的驾驶人信息，车载单元具体包括数据获取模块、数据处理模块以及无线数据通信模块。
58.其中，数据获取模块用于获取信息采集单元实时传送的驾驶人面部信息以及当前的驾驶人信息。数据处理模块用于对信息采集单元传送的驾驶人面部信息进行处理，分析驾驶人的疲劳状况和健康状况在内的生理和心理信息，并对获取的当前驾驶人信息进行处理，分析驾驶人驾驶技能和驾驶人历史事故数据信息。无线数据通信模块用于向路测设备发送驾驶人生理和心理信息以及驾驶人驾驶技能和驾驶人历史事故数据信息。
59.参见图2所示，路测设备的环境感知模块用于获取当前路段的车辆交通行驶信息和环境信息，路测设备包括环境感知模块、行车风险场建立模块、模型训练模块、无线数据通信模块、数据存储模块以及数据处理模块。
60.具体地，环境感知模块用于获取当前路段的车辆交通行驶信息和环境信息，行车风险场建立模块用于构建当前路段的行车风险场。模型训练模块用于训练根据历史交通数据构建的训练集，无线数据通信模块用于接收由当前路段各车辆的车载单元发送的驾驶人生理和心理信息以及驾驶人驾驶技能和驾驶人历史事故数据信息。数据存储模块用于存储当前路段的历史交通信息。数据处理模块则用于对历史交通数据进行处理，提取数据中的人车路在内的相关特征，并构建训练集。
61.本实施例中还提供了一种多因素交通风险实时定量评估方法，参见图3所示，具体如下，首先，通过路测设备，基于朴素贝叶斯方法和基本场模型分别从交通管理视角和道路使用者视角量化道路使用者产生的交通风险概率和交通风险，本实施例中的朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法；场模型也称域模型，是把地理现象作为连续变量或体来看待，如大气污染度、地表温度土壤湿度、地形地貌等。具体方式如下：
62.参照图3和图4所示，通过路测设备获取当前路段的历史交通数据，由路测设备对获取的历史交通数据进行处理，提取所述历史交通数据中的人
‑
车
‑
路在内的特征，并构建训练集，利用朴素贝叶斯方法对构建的训练集进行训练，输入实时的当前路段交通信息，最终得到当前路段的交通风险概率p。
63.具体地，通过朴素贝叶斯方法进行计算：
[0064][0065]
式中，c
k
为不同路段，x为特征空间，x为特征向量，p(y＝c
k
|x＝x)为不同路段的交通风险概率p。
[0066]
参照图3和5所示，分析驾驶人行为，量化由驾驶人行为因素而产生的交通风险。其中，驾驶人行为因素包括：驾驶人生理和心理状态、驾驶人驾驶技能和驾驶人历史事故数据。驾驶人生理和心理状态，由车载单元对安装在车内的信息采集单元获取的驾驶人面部信息进行分析处理确定，驾驶人驾驶技能和驾驶人历史事故数据由车载单元获取的当前驾驶人信息确定。
[0067]
参照图3和6所示，针对车辆行驶过程中的驾驶环境，量化由驾驶环境因素而产生的交通风险，驾驶环境因素包括：道路几何边界、路面附着条件、曲率、坡度和能见度。
[0068]
最后，根据道路使用者产生的交通风险概率和总交通风险值，计算得到交通风险评估值。具体地，道路使用者产生的总交通风险值r
s
具体为：
[0069]
r
s
＝r
v
r
d
r
e
[0070]
式中，r
v
为由行车风险场得出的交通风险值，r
d
为由驾驶人行为因素构成的交通风险值，r
e
为由环境因素构成的交通风险值；
[0071]
其中，行车风险场包括运动物体构成的动能场和静止物体构成的势能场，行车风险场r
v
具体为：
[0072]
r
v
＝φ(e
a
e
r
)
[0073]
式中，e
a
为动能场场强，e
r
为势能场场强，φ为场强到交通风险值的转换函数；
[0074]
交通风险评估值r
p
具体为：
[0075]
r
p
＝r
s
(1 p)
[0076]
式中，r
s
为道路使用者产生的总交通风险值，p为当前路段的交通风险概率。
[0077]
本发明实施例提供了一种多因素交通风险实时定量评估系统及方法，通过行车风险场建模方法将道路使用者运行过程中的纵横向风险用场的形式有机的结合在一起，使纵横向的风险从传统方法的离散形式变换为连续形式，从而准确反映道路交通环境中各道路使用者之间的相互作用关系，还提高了描述道路使用者之间的相互关系的准确性；道路交通风险的产生机理在于影响道路交通安全的人
‑
车
‑
路中各因素间综合交互作用，所提出的统一建模框架够将各类影响因素进行有机的结合，能够实现对交通风险的准确评估；根据对以往的交通数据和实时获取的交通数据分别进行分析，通过综合计算将二者结合，使得对交通风险的评估更加具有合理性。
[0078]
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0079]
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。