本发明面向未来无人驾驶车辆的安全监管需求,引入云模型理论将车辆行驶姿态数据和乘客主观感受相结合,提出了一种面向当前和未来车辆运行管理需求的基于云模型与神经网络的车辆危险行驶行为的自动预警方法。
本发明的目的就是为了解决基于实时监测的车辆运动状态数据来进行车辆危险行驶行为的自动判别和车辆危险行驶行为的自动预测问题。其难点在于一方面驾驶员本身存在非常复杂的影响因素,难以准确地定量化表达驾驶员的个性化特性,另一方面不同的设备和不同的数据采集频率,导致输出的车辆运动状态数据本身存在较强的随机性和动态模糊性特性,如何将这些具有高度不确定性变化的车辆运动状态数据与危险行驶行为相联系,构建基于车辆运动状态的定量数据与复杂的危险行驶行为这种定性概念之间的转换模型,并且利用这种模型设计基于车辆运动状态的危险行驶行为的预判算法,是当前该交叉研究领域存在的难点问题。本发明针对这些技术问题,首先设计了车辆运动状态数据采集处理系统,实现对车辆六自由度运动姿态数据以及车辆运动速度等参数的实时采集与处理。其次,结合乘客对车辆运动感知的国际标准及国内标准及专家知识建立车辆运动状态对应的车辆危险行驶行为自动判别云模型。最后,设计了基于云模型-Elman神经网络的车辆危险行驶行为的自动预测算法,将车辆危险行驶行为自动判别云模型作为Elman神经网络的目标输出向量,从而对车辆危险行驶行
车辆的危险行驶行为是导致道路交通事故的主要因素,如何快速、准确、可靠地预判危险行驶行为一直是车辆安全管理领域研究的难题之一。现有的关于危险行驶行为的研究,几乎都是从驾驶员的驾驶行为特性来展开的,或者直接利用车载传感器数据对车辆的危险运动状态来进行判别,很少考虑车载乘客对车辆安全状况的主观感受和判断。
由于驾驶员本身存在非常复杂的影响因素,因而难以表达驾驶员的个性化特性,对驾驶员直接进行监测还涉及到人的隐私问题,有些监测设备还会对驾驶员的正常驾驶行为造成干扰。由于不同的设备和不同的数据采集频率,导致输出的车辆运动状态数据本身存在较强的随机性和动态模糊性特性。事实上,车辆的运动状态一定反应了驾驶员的某种驾驶行为,危险的车辆行驶状态必然对应着危险的驾驶行为。
智能交通系统(ITS)科研团队由包括正高、副高和研究生在内的师生科研梯队构成,科研设备总投资逾1200万元,形成了智能交通视频图像分析、无人机交通大数据采集、智能公交客流动态采集、基于人车耦合的安全驾驶预警等智能交通技术应用与开发的技术平台。共承担1项国家级、4项省部级、5项市厅级科研课题和 22项横向课题,指导博士后1名、硕士研究生14名,取得国家发明专利授权9项、实用新型专利授权25项,共发表SCI期刊论文6篇(其中JCR一区3篇,二区2篇)、EI期刊论文5篇,出版学术著作2部,获得省部级科学技术奖1项。
本发明针对这些技术问题,首先设计了车辆运动状态数据采集处理系统,实现对车辆六自由度运动姿态数据以及车辆运动速度等参数的实时采集与处理。其次,结合乘客对车辆运动感知的国际标准及国内标准及专家知识建立车辆运动状态对应的车辆危险行驶行为自动判别云模型。最后,设计了基于云模型-Elman神经网络的车辆危险行驶行为的自动预测算法,将车辆危险行驶行为自动判别云模型作为Elman神经网络的目标输出向量,从而对车辆危险行驶行为进行实时自动预警。
许可他人使用该科技成果,通过订立许可合同,科技成果所有人向被许可人授予科技成果的使用权,被许可人从而获得实施科技成果的权利。科技成果许可费双方协商决定。