一種駕駛人潛伏風險感知能力的測試與評價方法與流程
本發明涉及一種駕駛人潛伏風險感知能力的測試與評價方法，屬于道路交通安全技術領域。
背景技術：
只要駕駛車輛，就存在安全風險。在車輛駕駛碰到的各種安全風險中，有一種風險最容易被人忽視，即由道路交通大環境引起的風險。這種風險實際上是由不利于安全駕駛的道路條件因素或環境因素所產生，由于這種風險不同于各種交通突顯事件，對駕駛安全只是存在著一種可能的風險，因此稱為潛伏風險。實際上，絕大多數交通事故來自于潛伏風險的爆發。從宏觀來看，道路交通潛伏風險因素是影響交通安全的主要因素之一。
交通安全涉及人、車、道路及交通環境等諸多因素。長期以來，對于交通安全的預防主要集中在駕駛行為和車輛狀態上，忽視了道路條件和交通環境對行車安全的影響。事實上，道路條件和交通環境中存在的潛伏風險常常直接或間接地影響駕駛的安全性，一些特殊的道路條件和交通環境可能直接誘發駕駛風險，導致交通事故的發生。
駕駛機動車不僅對駕駛人的各項技能有較高的要求，還要求駕駛人具有良好的風險感知能力，這樣才能快捷、安全地完成駕駛任務。在保證安全駕駛的各項技能中，準確有效地發現駕駛環境中的潛伏風險信息，即駕駛人對潛伏風險的感知能力，無疑是最重要的能力之一。但由于駕駛員受教育的程度、安全意識和性格的差異，對風險感知的差異很大，因此，設計一種能對駕駛員潛伏風險感知進行測試和評價的系統是非常必要的。
雖然駕駛人對潛伏風險感知的能力很重要，但至今沒有一種較為完善的檢測和評價方法。在對駕駛人的培訓和考核中，沒有對該項能力的評價。有學者研究使用靜態圖片來測試駕駛人的風險感知能力，即將一些具有風險情景的圖片呈現在受試者面前，讓其標注風險信息，并做出評價。但這類風險基本是突顯風險。因為由道路和交通大環境產生的潛伏風險的風險度與突顯風險相比較弱，不易引起人們的注意。目前還未發現有成熟的，能直接用于對駕駛潛伏風險進行測試和評價的系統，因此，需開發出一種功能較為全面、能實現對駕駛潛伏風險進行測試和評價的相關技術和方法，以幫助幫助提供駕駛員的風險意識，從而改善車輛駕駛的安全性，減少事故發生的可能性。
技術實現要素：
本發明要解決的技術問題是測試駕駛人對潛伏風險信息的感知能力，并對駕駛員的這種風險感知能力進行評價，從而提供一種駕駛人風險感知能力的測試與評價方法。
本發明的技術方案是：一種駕駛人潛伏風險感知能力的測試與評價方法，具體步驟為：
對潛伏風險信息進行分類；
確定不同類型潛伏風險信息的風險等級；
確定測試路段或區域內潛伏風險信息的潛伏風險度；
確定基于潛伏風險度的測試路段或區域內潛伏風險信息下的駕駛風險度；
構建測試駕駛員潛伏風險感知的虛擬實驗測試場景；
通過駕駛模擬實驗測試駕駛員潛伏風險感知數據；
駕駛員對潛伏風險信息感知的評價。
所述將潛伏風險信息進行分類，分為道路條件風險、交通環境風險、自然環境風險、氣候條件風險4類。對城市道路，道路條件風險包含：無燈交叉口、異形交叉口、雙向不分離、彎道、坡道、匝道出入口、視距受限等風險信息，交通環境風險包含：機非混行、人車混行、機非人混行等風險信息，自然環境風險包含：通過公交車站、經過學校、經過居住區、經過商業區等風險信息，氣候條件風險包含：雨、雪、霧、冰天氣等風險信息；對于公路，道路條件風險包含雙向不分離、彎道、長坡道、彎坡組合道、橋隧道、匝道出入口、視距受限等風險信息，交通環境風險包含：小交通流量、中交通流量、大交通流量等風險信息，自然環境風險包含：通過村莊、開放景觀、半開放景觀、閉合景觀等風險信息，氣候條件風險包含：雨、雪、霧、冰天氣等風險信息，每一類信息的風險程度是不同的。
所述不同類型潛伏風險信息的風險等級是根據不同信息對潛伏風險的貢獻率不同，在事故統計、專家咨詢、問卷調查的基礎上，通過采用層次分析法可確定潛伏因素風險信息在運行車速下的風險級別。
所述不同類型潛伏風險信息的風險等級是通過潛伏因素風險級別模型獲得。對一個路段單元，潛伏因素風險級別模型為HRi＝W1*R+W2*T+W3*E+W4*C，HRi為路段單元潛伏風險等級；R為道路條件風險等級，R∈(r1,r2,r3,r4,r5,r6,r7)；T為交通環境風險等級，T∈(t1,t2,t3)；E為自然環境風險等級，E∈(e1,e2,e3,e4)；C為氣候條件風險等級，C∈(c1,c2,c3,c4)；Wj(j＝1.2.3.4)為各類風險的權重；ri，ti，ei，ci分別為R,T,E,C類信息的風險等級。
所述R，T，E，C風險類型的風險等級根據各類潛伏風險信息的權重確定。權重最大的信息為5級風險，即S＝5；權重最小的信息為1級風險，即S＝1；介于上述兩級之間的風險等級按權重插值確定；權重越大，風險越大；無潛伏風險信息時，風險等級為0，即S＝0。
所述風險等級值S是介于1和5之間的一個值，不一定是整數值，各類潛伏風險信息的風險等級通過以下公式獲得，
S為某一類信息的風險級別，P為該類風險信息的權重，Pmax為該類風險信息的最大權重，Pmin為該類風險信息的最小權重，則當P＝Pmax時，S＝5；當P＝Pmin時，S＝1。
所述實施例的城市道路和公路潛伏風險信息分類如表1所示，實施例的城市道路各類風險信息權重如表2所示，實施例的城市道路各類風險等級如表3所示，公路風險等級可以類似建立。由上述定義確定的實施例的城市道路各類因素風險級別分別為：
R∈(r1,r2,r3,r4,r5,r6,r7)＝(1.43,1.11,3.67,1.88,2.76,1,5)；
T∈(t1,t2,t3)＝(1,1.83,5)；
E∈(e1,e2,e3,e4)＝(5,3.19,1,1.45)；
C∈(c1,c2,c3,c4)＝(1,2.59,1.52,5)。
所述測試路段或區域內一個路段單元的潛伏因素風險級別模型為Sj(j＝1,2,3,4)為道路條件、交通環境、自然環境、氣候條件四類潛伏風險中的某一風險信息，Wj(j＝1.2.3.4)為各類風險的權重，單元風險等級HRi為(0，5)之間的一個值。
所述測試路段或區域內一個路段單元的道路潛伏風險度模型是通過對測試路段或區域內一個路段單元的潛伏因素風險級別模型經歸一化獲得，其模型為HFi的取值為(0,1)，當HFi＝0時，沒有潛伏風險，當HFi＝1時，潛伏風險最大。
所述測試路段或區域內的道路潛伏風險度是根據一個路段單元的道路潛伏風險度獲得，其模型為n為評價區域內包含的道路單元數。
所述測試路段或區域內潛伏風險信息下的駕駛風險度是基于測試路段或區域內的道路潛伏風險度，并根據車速對于潛伏風險信息的影響獲得的，則有：
Vi為實際行駛車速，Vd為該風險信息因素所處路段的運行車速，λ為風險標定系數，主要用于標定運行車速。顯然，當行駛車速等于設計車速時，為標準風險；當行駛車速低于運行車速時，駕駛風險顯著降低；當行駛車速高于運行車速時，駕駛風險顯著提高。
所述測試駕駛員潛伏風險感知的虛擬實驗測試場景通過實驗場景設計，設計出具有各類潛在風險因素的道路交通場景，潛伏風險因素存在于道路交通場景中，每個風險因素至少存在于一個單元路段內，并使它們自然地融合在一個測試場景中，如果一個場景太大，可以分成幾個實驗場景。不同風險因素對速度控制的要求不同，因此要根據風險因素設計確定各單元潛伏風險因素引起的速度變化區域，作為駕駛員速度控制范圍，并根據該區域的速度計算駕駛員的風險感知度。
所述通過駕駛模擬實驗測試駕駛員潛伏風險感知數據是要求駕駛員在駕駛模擬器上按指定方向行駛，不設限速標志，但要求受試者按風險感知自行控制速度。全程記錄行駛車速、加減速度、行車軌跡、方向盤轉角和其他操作行為。實驗完成后，處理數據，完成數據的統計分析，最后計算出受試者的風險感知度和敏感度。
所述駕駛員對潛伏風險信息感知的評價是用駕駛員風險感知度和風險敏感度作為評價指標。根據上述潛伏因素風險等級的定義，針對一個路段單元，潛伏風險度在(0，1)區間，另一方面，風險與車速密切相關，風險度與車速的平方成正比。因此，當駕駛員感知到風險時，最重要的應對措施是調整車速。車速調整的大小就反應了駕駛員對風險感知的程度。根據這一原理設計了駕駛員潛伏風險感知測試方法。當駕駛員行駛在測試道路單元上時，駕駛員根據對該單元潛伏風險的感知會將對車速進行控制，此時，駕駛員對風險的感知度即為該路段單元的風險度，其模型為則駕駛員在整個路段或區域上對潛伏風險信息的風險感知度模型為n為總路段包含的單元數，HFi為各路段單元上的潛伏風險度，Vi為單元上降速路段行駛車速的平均值；駕駛員在整個路段或區域上對潛伏風險信息的風險敏感度模型為HPk＝1-HPf，HPf為駕駛員的風險感知度，HPk為駕駛員的風險敏感度，駕駛員風險感知度越低，敏感度越高，反之亦然。風險敏感度表示駕駛員對風險感知的敏感性。敏感度越高，表明駕駛員的安全意識越強；敏感度低，說明駕駛員的安全意識弱。
本發明的有益效果是：可對駕駛人的潛伏風險感知能力進行測試和評價，幫助實現對駕駛人風險感知能力的測評，從而改善駕駛員的風險認知能力，提高駕駛員的安全意識，減少事故發生的可能性。
附圖說明
圖1是本發明的流程圖；
圖2是本發明實施例1中通過公交車站場景設計簡圖；
圖3是本發明實施例1中通過學校場景設計簡圖；
圖4是本發明實施例1中通過公交車站三維駕駛視景圖；
圖5是本發明實施例1中通過學校三維駕駛視景圖；
具體實施方式
下面結合附圖和具體實施方式，對本發明作進一步說明。
實施例1：如圖1所示，應用該駕駛人潛伏風險感知能力的測試與評價方法，遵循以下步驟：(1)收對潛伏風險信息進行分類；(2)確定不同類型潛伏風險信息的風險等級；(3)確定測試路段或區域內潛伏風險信息的潛伏風險度；(4)確定基于潛伏風險度的測試路段或區域內潛伏風險信息下的駕駛風險度；(5)構建測試駕駛員潛伏風險感知的虛擬實驗測試場景；(6)通過駕駛模擬實驗測試駕駛員潛伏風險感知數據；(7)駕駛員對潛伏風險信息感知的評價。
下面結合附圖2、3、4、5所示，進一步對本發明的方法進行具體描述。
對潛伏風險信息進行分類；
確定不同類型潛伏風險信息的風險等級；
確定測試路段或區域內潛伏風險信息的潛伏風險度；
確定基于潛伏風險度的測試路段或區域內潛伏風險信息下的駕駛風險度；
構建測試駕駛員潛伏風險感知的虛擬實驗測試場景；
通過駕駛模擬實驗測試駕駛員潛伏風險感知數據；
駕駛員對潛伏風險信息感知的評價。
所述將潛伏風險信息進行分類，分為道路條件風險、交通環境風險、自然環境風險、氣候條件風險4類。各類信息下又可分為具體信息。實施例的城市道路和公路信息分類如表1。每一類信息的風險程度是不同的。
表1
所述不同類型潛伏風險信息的風險等級是根據不同信息對潛伏風險的貢獻率不同，在事故統計、專家咨詢、問卷調查的基礎上，通過采用層次分析法可確定潛伏因素風險信息在運行車速下的風險級別。
所述實施例的城市道路各類風險信息權重如表2所示。
表2
所述R，T，E，C風險類型的風險等級根據各類潛伏風險信息的權重確定。權重最大的信息為5級風險，即S＝5；權重最小的信息為1級風險，即S＝1；介于上述兩級之間的風險等級按權重插值確定；權重越大，風險越大；無潛伏風險信息時，風險等級為0，即S＝0。
所述風險等級值S是介于1和5之間的一個值，不一定是整數值，各類潛伏風險信息的風險等級通過以下公式獲得：
S為某一類信息的風險級別，P為該類風險信息的權重，Pmax為該類風險信息的最大權重，Pmin為該類風險信息的最小權重，則當P＝Pmax時，S＝5；當P＝Pmin時，S＝1。
所述實施例的城市道路各類風險等級如表3所示，公路風險等級可以類似建立。
表3
所述不同類型潛伏風險信息的風險等級是通過潛伏因素風險級別模型獲得。對一個路段單元，潛伏因素風險級別模型為HRi＝W1*R+W2*T+W3*E+W4*C，HRi為路段單元潛伏風險等級；R為道路條件風險等級，R∈(r1,r2,r3,r4,r5,r6,r7)；T為交通環境風險等級，T∈(t1,t2,t3)；E為自然環境風險等級，E∈(e1,e2,e3,e4)；C為氣候條件風險等級，C∈(c1,c2,c3,c4)；Wj(j＝1.2.3.4)為各類風險的權重；ri，ti，ei，ci分別為R,T,E,C類信息的風險等級。由上述定義確定的實施例的城市道路各類因素風險級別分別為：
R∈(r1,r2,r3,r4,r5,r6,r7)＝(1.43,1.11,3.67,1.88,2.76,1,5)；
T∈(t1,t2,t3)＝(1,1.83,5)；
E∈(e1,e2,e3,e4)＝(5,3.19,1,1.45)；
C∈(c1,c2,c3,c4)＝(1,2.59,1.52,5)。
所述測試路段或區域內一個路段單元的潛伏因素風險級別模型為Sj(j＝1,2,3,4)為道路條件、交通環境、自然環境、氣候條件四類潛伏風險中的某一風險信息，Wj(j＝1.2.3.4)為各類風險的權重，單元風險等級HRi為(0，5)之間的一個值。
所述測試路段或區域內一個路段單元的道路潛伏風險度模型是通過對測試路段或區域內一個路段單元的潛伏因素風險級別模型經歸一化獲得，其模型為HFi的取值為(0,1)，當HFi＝0時，沒有潛伏風險，當HFi＝1時，潛伏風險最大。
所述測試路段或區域內的道路潛伏風險度是根據一個路段單元的道路潛伏風險度獲得，其模型為n為評價區域內包含的道路單元數。
所述測試路段或區域內潛伏風險信息下的駕駛風險度是基于測試路段或區域內的道路潛伏風險度，并根據車速對于潛伏風險信息的影響獲得的。當駕駛員行駛在測試道路上時，駕駛員會根據該測試路段內潛伏風險的感知對車速進行控制，則測試路段或區域內潛伏風險信息下的駕駛風險度通過以下公式獲得：
Vi為實際行駛車速，Vd為該風險信息因素所處路段的運行車速，λ為風險標定系數，主要用于標定運行車速。顯然，當行駛車速等于設計車速時，為標準風險；當行駛車速低于運行車速時，駕駛風險顯著降低；當行駛車速高于運行車速時，駕駛風險顯著提高。
所述駕駛員速度控制范圍是基于不同潛伏信息對速度控制的要求不同所確定的。根據風險信息設計確定各單元潛伏風險信息引起的速度變化區域，作為駕駛員速度控制范圍。根據實施例設計場景中的風險信息特征，確定速度控制范圍區域如表4。在圖2實施例中，通過公交車站的速度控制區域為150m；在圖3實施例中，通過學校的速度控制區域為200m。
表4
所述測試駕駛員潛伏風險感知的虛擬實驗測試場景通過實驗場景設計，設計出具有各類潛在風險因素的道路交通場景，潛伏風險因素存在于道路交通場景中，每個風險因素至少存在于一個單元路段內，并使它們自然地融合在一個測試場景中，如果一個場景太大，可以分成幾個實驗場景。圖2為實施例的城市道路通過公交車站時的一個單元場景設計圖，圖3為實施例的城市道路通過學校時的一個單元場景設計圖。圖4和圖5分別為實施例：通過公交車站和通過學校時的三維場景圖。
所述通過駕駛模擬實驗測試駕駛員潛伏風險感知數據是要求駕駛員在駕駛模擬器上按指定方向行駛，不設限速標志，但要求受試者按風險感知自行控制速度。全程記錄行駛車速、加減速度、行車軌跡、方向盤轉角和其他操作行為。實驗完成后，處理數據，完成數據的統計分析，最后計算出受試者的風險感知度和敏感度。
所述駕駛員對潛伏風險信息感知的評價是用駕駛員風險感知度和風險敏感度作為評價指標。根據上述潛伏因素風險等級的定義，針對一個路段單元，潛伏風險度在(0，1)區間，另一方面，風險與車速密切相關，風險度與車速的平方成正比。因此，當駕駛員感知到風險時，最重要的應對措施是調整車速。車速調整的大小就反應了駕駛員對風險感知的程度。根據這一原理設計了駕駛員潛伏風險感知測試方法。當駕駛員行駛在測試道路單元上時，駕駛員根據對該單元潛伏風險的感知會將對車速進行控制，此時，駕駛員對風險的感知度即為該路段單元的風險度，其模型為則駕駛員在整個路段或區域上對潛伏風險信息的風險感知度模型為n為總路段包含的單元數，HFi為各路段單元上的潛伏風險度，Vi為單元上降速路段行駛車速的平均值；駕駛員在整個路段或區域上對潛伏風險信息的風險敏感度模型為HPk＝1-HPf，HPf為駕駛員的風險感知度，HPk為駕駛員的風險敏感度，駕駛員風險感知度越低，敏感度越高，反之亦然。風險敏感度表示駕駛員對風險感知的敏感性。敏感度越高，表明駕駛員的安全意識越強；敏感度低，說明駕駛員的安全意識弱。
以上結合附圖對本發明的具體實施方式作了詳細說明，但是本發明并不限于上述實施方式，在本領域普通技術人員所具備的知識范圍內，還可以在不脫離本發明宗旨的前提下作出各種變化。
- 還沒有人留言評論。精彩留言會獲得點贊！