高速公路车辆群运行险态判别算法及其警示方法研究

This project is to prevent rear-end collisions on freeway, which is the starting point of the project . Taking risky state identification of vehicle group on freeway as research object, and it goes into the study on identification algorithm and warning method for risky running state of freeway vehicle group. The information entropy theory is used for data analysis which reveals the phenomenon of vehicle group response of some vehicles in continuous traffic flow, and helps to define the scope of freeway vehicle group state. Moreover, the internal and external interference factors of running state of freeway vehicle group and influence mechanism of those factors are analyzed to establish the index system of running state characteristic of vehicle group. The spatial-temporal evolution model of running state of freeway vehicle group is formulated on the basis of correlation analysis of multi-source data, which is to study the influence mechanism of the internal and external random interference factors on the running state evolution of freeway vehicle group and risky state formation mechanism. Based on multi-source heterogeneous data fusion technology, the theory of fuzzy support vector machine (SVM) and deep learning method are employed to build identification algorithm for risky state of freeway vehicle group, and test the reliability of it. In addition, on the basis of the newly-established algorithm, warning methods applicable for driving safety state of freeway vehicle groups are studied from the perspective of the optimization for human factor on safety. The study can provide theoretical and technical support for improving the level of the traffic safety management on freeway.

本项目以预防高速公路车辆追尾事故的发生作为出发点，以高速公路车辆群运行险态判别作为研究对象，对高速公路车辆群运行险态判别算法及其警示方法进行深入研究：应用信息熵理论，基于数据分析，揭示高速公路连续流中部分车辆的群体响应现象，界定高速公路车辆群态范围，分析高速公路车辆群运行状态变化的内外在干扰因素，研究各因素对高速公路车辆群安全状态变化的影响机理，确定能够表征车辆群运行特性的指标体系；基于多源数据关联性分析，构建高速公路车辆群运行状态时空演化模型，研究内外部随机干扰因素对高速公路车辆群运行状态演化的影响机制及险态形成机理；基于多源异构数据融合技术，应用模糊支持向量机、深度学习等理论方法构建高速公路车辆群运行险态判别算法并对其可靠性进行验证；基于车辆群险态判别算法，从人因安全优化的角度，研究适于高速公路车辆群的安全运行状态预警方法，该研究可为提高高速公路安全运行管理水平提供理论与技术支持。

本项目以预防高速公路车辆追尾事故的发生作为出发点，以高速公路车辆群运行险态判别作为研究对象，对高速公路车辆群运行险态判别算法及其警示方法进行深入研究：（1）基于数据分析，揭示了高速公路连续流中部分车辆的群体响应现象，提出了高速公路车辆群态范围界定方法，分析了高速公路车辆群运行状态变化的内外在干扰因素指标，构建了表征车辆群运行特性的指标体系，通过对各因素联立结构方程分析，揭示了各因素对高速公路车辆群安全状态变化的影响机理；（2）基于多源数据关联性分析，构建了考虑驾驶员性格特性的车辆跟驰模型、混合交通环境下基于驾驶员性格特性的车辆跟驰模型、不均匀车中线环境下考虑驾驶员视角的车辆跟驰模型、可换道情形下基于驾驶员特性的双车道交通流模型等高速公路车辆群运行状态时空演化模型，揭示了内外部随机干扰因素对车辆群运行状态演化的影响机制及车辆群运行险态的形成机理；（3）基于多源异构数据融合技术，提出了双车道车辆群行车冲突风险度量模型、高速公路交通构成的安全效应计量评价模型、基于条件自回归先验贝叶斯空间广义有序logit模型的高速公路交通事故严重性分析模型、山区公路交通事故多要素风险综合分析模型，建立了针对不同冲突类型的高速公路车辆群运行险态判别模型；（4）从人因安全优化的角度，研究了预警信号强度、一次作用时长以及听觉、视觉、触觉的单一预警方式和复合预警方式等不同实验场景下驾驶员的刺激-反应情况，构建了驾驶员的脑电β波功率谱值增长率、紧迫度、烦恼度与反应时间的中介效应和关系模型，提出了适于高速公路车辆群的安全运行状态预警方法。

内容获取失败，请点击重试