描述
开 本: 16开纸 张: 胶版纸包 装: 精装是否套装: 否国际标准书号ISBN: 9787547859193
本丛书基于“十三五”国家重点研发计划项目“道路交通安全主动防控技术及系统集成”的研究成果，全面介绍了面向人、车、路的点、线、面相结合的综合防控干预成套理论与技术体系，包括驾驶行为谱表征方法、车辆运行安全隐患在线评估与预警方法、无线激光/微波混合传输技术等一系列覆盖城市道路和等级公路的交通安全综合主动防控体系关键技术与方法，具有前沿性和引领性。
本书针对道路驾驶行为研究，基于自然驾驶试验、驾驶模拟仿真、无人机高空视频技术等数据采集手段，从微观到宏观的各个层面对常见驾驶场景下的驾驶行为特征进行量化分析，从而构建驾驶行为谱的基础数据体系， 可为不良驾驶行为的预警与干预提供技术支持。主要内容包括驾驶行为数据的采集技术、驾驶行为谱的概念与组成、不良驾驶行为参数与风险阈值、 驾驶行为特性分析、基于人工智能的不良驾驶行为识别等方面。
本书可作为从事交通安全与智能驾驶相关研究的科研人员的参考用书，也可作为高等院校相关专业研究生教材或教学参考用书
第1章 绪论
1.1 研究背景 _3
1.2 基本概念 _4
1.2.1 交通行为谱 _4
1.2.2 驾驶行为谱 _5
1.2.3 驾驶行为可采集信息 _6
1.3 国内外研究现状_9
1.3.1 驾驶行为采集技术 _9
1.3.2 驾驶行为分析技术 _12
1.3.3 恶劣天气下驾驶行为研究_14
1.3.4 不良驾驶行为识别技术 _19
1.4 技术难点与研究方法 _20
第2章 驾驶行为数据采集与信息提取
2.1 驾驶模拟试验 _25
2.1.1 试验仪器 _25
2.1.2 试验方案 26
2.1.3 静态场景设计 _27
2.1.4 动态场景设计 34
2.1.5 预试验重要结论 _50
2.1.6 平原区高速公路驾驶模拟试验 54
2.2 道路交通环境与驾驶行为同步采集系统 54
2.2.1 系统方案 54
2.2.2 低成本替代方案 _65
2.3 基于视频处理的交叉口多目标交通行为提取 _69
2.3.1 前景目标提取 _70
2.3.2 基于KLT光流的目标跟踪 _71
2.3.3 轨迹后处理 _78
2.3.4 目标分类 _81
2.3.5 案例分析 83
2.3.6 准确性检验 _84
2.3.7 结果对比 _87
第3章 基于驾驶模拟试验的恶劣天气下驾驶行为分析
3.1 驾驶模拟试验与数据采集 _91
3.1.1 典型道路交通情景构建 _91
3.1.2 恶劣天气驾驶模拟试验 92
3.2 恶劣天气下驾驶行为特征分析 _108
3.2.1 驾驶行为特征分析_108
3.2.2 不同属性驾驶员行为特征分析 _127
3.2.3 驾驶行为状态关键参数_140
3.3 基于支持向量机的驾驶行为选择模型_142
3.3.1 基于支持向量机的跟驰风险识别模型_142
3.3.2 基于支持向量机的超车行为识别模型_144
3.3.3 基于支持向量机的弯道行驶轨迹预测模型_147
第4章 驾驶行为谱分析及特征值分析
4.1 驾驶行为谱的组成_155
4.1.1 环境指标_155
4.1.2 单一交通行为指标 _157
4.1.3 多车相互状态指标 _158
4.1.4 驾驶行为谱特征参数_159
4.2 不良驾驶行为风险参数及阈值_162
4.2.1 不良驾驶行为的分类 _162
4.2.2 不良驾驶行为风险参数_164
4.2.3 风险参数的阈值确定 _165
4.2.4 实例分析_168
4.3 不良驾驶行为谱特征值_171
4.3.1 不良驾驶行为谱与风险度量_171
4.3.2 不良驾驶行为风险度量阈值_173
4.3.3 不良驾驶行为谱特征值权重计算 _173
第5章 基于无人机数据的驾驶行为特征分析
5.1 数据采集 _179
5.2 跟驰行为特征规律分析 _181
5.2.1 数据基本情况_182
5.2.2 不同距离条件下的速度相关性 _184
5.2.3 不同车头时距下的速度相关性 186
5.2.4 速度与跟驰距离的关系 _187
5.3 变道行为特征规律分析 _187
5.3.1 变道起终点与特征参数 _188
5.3.2 变道行为特性分析 _190
5.4 变道行为安全性分析_196
5.4.1 基于TTC的安全性分析_197
5.4.2 基于MTC的安全性分析 _198
5.4.3 指标计算结果讨论 _199
第6章 基于自然驾驶试验的驾驶行为特征分析
6.1 自然驾驶试验 _205
6.2 驾驶行为时域特性分析 _207
6.2.1 速度特征 _207
6.2.2 加速度特征_208
6.2.3 角速度特征_209
6.2.4 差异性检验 _209
6.3 驾驶行为频域特性分析 _219
6.3.1 加速度频域特征 221
6.3.2 角速度频域特征 225
6.3.3 差异性分析_228
6.4 驾驶行为时频特性分析 _229
第7章 基于人工智能的不良驾驶行为识别
7.1 基于聚类的驾驶行为分类方法 237
7.1.1 相似性衡量_238
7.1.2 类间距离计算 239
7.1.3 聚类方法 _240
7.2 不良跟驰行为风险标记 _240
7.2.1 跟驰样本提取 240
7.2.2 风险度量指标 _242
7.2.3 车辆轨迹比较 _243
7.2.4 不良跟驰行为的划分和标记_244
7.3 不良跟驰行为识别模型_246
7.3.1 不良跟驰行为谱建立 _246
7.3.2 行为谱关键参数提取方法 _247
7.3.3 机器学习算法 248
7.3.4 智能识别的流程 _249
7.3.5 识别结果 _250
7.4 不良变道行为风险标记 _252
7.4.1 风险度量指标 _253
7.4.2 车辆轨迹比较 _253
7.5 不良变道行为识别模型_257
7.5.1 关键参数提取方法 257
7.5.2 机器学习算法 258
7.5.3 智能识别的流程 _259
7.5.4 识别结果 _260
第8章 创新成果与技术展望
8.1 创新成果 _265
8.1.1 道路交通环境与驾驶行为同步采集装备 265
8.1.2 基于高空悬拍视频处理的交通行为数据采集技术 _267
8.1.3 驾驶行为谱模型及特征值提取方法 _268
8.1.4 不良驾驶行为量化判别方法与辨识理论 268
8.2 技术展望_269
参考文献
过去关于交通安全的管理方法和改善思路主要围绕交通事故展开，以减少事故为目标，常用的方法是道路和环境的改善、控制设施和系统的优化、突发事件的应急救援等，属于被动安全技术范畴。被动安全技术主要是在事故发生时或发生后，尽量减少事故伤害。主动安全技术是指在事故发生前的精确预警技术和事故发生前、发生中的主动介入技术。相对于被动安全技术减弱或缓解事故伤害的功能，主动安全技术可以在事故发生前及时监测潜在不安全因素，对驾驶员的驾驶行为进行预警或干预，保证行驶安全，因而具有重要的现实意义。驾驶员常常是引发交通事故的主要原因。从驾驶员角度解析驾驶行为机理，并据此评估特定场景下的交通风险，进而采取相应的管控措施，是提升道路交通主动安全防控技术的关键。
本书作为研究团队近几年成果的汇总，内容的创新性主要体现在以下方面：基于交通出行对象先验约束条件，开发了基于视频识别的道路多目标自动识别与道路交通行为信息自动提取技术；提出了基于人、车、路、环境四要素同步切片的道路交通行为谱表征方法及时间序列的行为谱模型，建立了基于风险度量方法的道路交通行为谱表征方法及其特征值提取技术；面向危险驾驶行为预警的需求，提出了多场景下基于人工智能的道路交通行为辨识与风险预测方法。
本书共分为8章。第1章介绍驾驶行为的研究背景、基本概念与国内外研究现状。第2章介绍驾驶行为数据采集与信息提取，主要包括驾驶模拟试验、道路交通环境与驾驶行为同步采集系统、基于高空视频处理的驾驶行为提取。第3章介绍恶劣天气下的驾驶行为特征与选择模型。第4章介绍驾驶行为谱分析及谱特征值分析方法，主要内容为驾驶行为谱与不良驾驶行为谱的组成、不良驾驶行为风险参数及阈值、驾驶行为谱特征值计算。第5章介绍基于无人机数据采集技术的车辆跟驰行为、变道行为的特征规律与安全性分析方法。第6章介绍基于自然驾驶试验的驾驶行为特性分析，包括驾驶行为时域特征、频域特征、时频域结合的特征与差异性分析方法。第7章是基于人工智能的不良驾驶行为识别，主要介绍基于聚类的驾驶行为分类方法，以及不良驾驶行为的风险标记与识别模型。第8章总结创新成果与技术展望。
丛书的出版得到”十三五”国家重点研发计划”道路交通安全主动防控技术与系统集成”的支持，笔者在此深表谢意。本书共8章，其中第1、8章由所有作者共同撰写，第2章主要由杨轸撰写，第3章主要由柳本民撰写，第4、6、7章主要由陆键、王可撰写，第5章主要由马小龙撰写。对于本书参考和引用的研究成果的作者也表示深切的谢意。希望本书的出版能为我国道路交通安全主动防控水平的提升提供理论和技术的支持。书中不足之处，希望广大读者批评指正。
陆 键2022年9月
评论
还没有评论。