一种适用于高海拔地区的驾驶员危险感知能力评价方法

技术领域

本发明属于道路安全技术领域，涉及一种适用于高海拔地区的驾驶员危险感知能力评价方法。

背景技术

高海拔地区地形地势复杂，气候条件恶劣，交通事故多发且严重，道路安全形势严峻。高原低压缺氧环境下驾驶员的生理与心理状况与平原地区存在较大差异，其感知能力、判断决策能力和操作能力受到显著影响，同时车辆制动性能也因低气压而发生变化。因此，高海拔地区对驾驶员危险感知能力有更高要求。

结合高海拔地区地理气候特点，国内外关于驾驶员的危险感知能力研究尚存在以下不足：①相关发明考虑的危险感知能力的影响因素主要是和驾驶员本身有关的主观因素，包括年龄、驾龄、性别、人格特征等，很少考虑交通环境等客观因素对驾驶员危险感知能力的影响，更没有涉及高海拔地区驾驶环境影响因子的研究，比如海拔高度、习服期等。②反应时间是最常用的评价驾驶员危险感知能力强弱的指标，国外学者发现驾驶员视觉搜索模式的差异是造成驾驶员危险感知能力强弱差别的内在成因。但是关于高原环境下驾驶员面对危险场景时的眼动行为研究非常不足，为深入研究高海拔地区驾驶员危险感知能力带来困难。③我国对驾驶员危险感知能力的研究还停留在定性化的层面上，缺少定量化研究。

综上所述，从高海拔地区环境对驾驶员的影响角度入手，构建适用于高海拔地区的驾驶员危险感知能力评价模型具有重要意义。

发明内容

发明目的：针对高海拔地区对驾驶员特性存在不利影响的特殊情况，提供了适用于高海拔地区的驾驶员危险感知能力评价方法，可以全方面考虑高海拔地区低压缺氧环境的驾驶员反应特性下的危险感知能力评估。本发明对于解释高原交通事故发生的内在成因、降低高原交通事故发生频率起着至关重要的作用，同时还为提高高原驾驶员危险感知能力提供方法依据，对提升高原公路交通安全具有重要价值。

技术方案：为实现上述发明目的，本发明采用以下技术方案：

一种基于驾驶员反应时间的高原公路停车视距计算方法，包括以下步骤：

步骤S1：筛选高海拔地区常见驾驶危险场景；

步骤S2：对危险驾驶场景进行建模，利用驾驶模拟器与眼动仪进行驾驶仿真模拟试验，采集驾驶员的制动操作数据、眼动数据与车辆的运行数据；

步骤S3：选取驾驶员危险感知能力评价指标；

步骤S4：对步骤S3选取的评价指标进行无量纲化处理，并采用CRITIC赋权法确定权重系数，构建驾驶员危险感知能力评价模型；

步骤S5：根据步骤S4得到的驾驶员危险感知能力评价模型对高海拔地区驾驶员危险感知能力进行评价，筛选出危险感知能力明显较弱的驾驶员。

进一步的，步骤S1所述的高海拔地区常见驾驶危险场景筛选方法，包括：

步骤S11：通过专家打分法，从40个经典的交通危险场景中提出9个高海拔地区多发的重要危险场景；

步骤S12：采用问卷调查的方式来确认上述9个交通危险场景在高海拔地区是否具有代表性，对调查结果运用熵权法进行分析，剔除发生频率不高或危险程度比较低的危险场景。

进一步的，步骤S2所述驾驶仿真模拟试验包括：

步骤S21：采用UC-Win/Road建模软件实现道路模型的制作、交通危险场景的设计以及驾驶模拟行车数据的输出。在距离起始路段3min左右里程处设置危险场景，双向四车道公路场景的触发机制为模拟车辆和试验车辆的距离小于110m，双车道公路场景的触发机制为模拟车辆和试验车辆的距离小于75m；

步骤S22：正式试验开始前，请试验人员佩戴Mobile Eye型便携式单目眼动仪并进行校准，用于采集驾驶员眼动数据；

步骤S23：利用驾驶模拟器进行驾驶仿真模拟试验，采集驾驶员的制动操作数据、与车辆的运行数据。每个试验者试验之前不告知危险场景具体内容，让试验者自行判断所需操作措施。

进一步的，步骤S3所述驾驶员危险感知能力评价指标包括：驾驶员的危险感知过程包括感知阶段、判断决策阶段和驾驶操纵阶段，三阶段相辅相成，缺一不可。从“道路危险信息的获取”、“判断和决策”和“车辆运行”三个层面来筛选驾驶员危险感知评价指标。在“道路危险信息的获取”阶段，考虑不同的高原驾驶员对危险区域的关注速度、关注程度和关注范围有差异，选定驾驶人第一次注意到危险区域的时刻、在兴趣区域内的总的注视时间占总注视时间百分比、视野范围内的平均眼眺距离三个指标作为评价指标；在“判断和决策”阶段，考虑不同的高原驾驶员对危险源信息的判断和决策反应速度不同，选定驾驶员的危险反应时间作为评价指标；在“车辆运行”阶段，考虑车辆的纵向运行特性和横向运行特性，选定方向盘转角极大值和速度标准差作为评价指标。其中，危险反应时间为危险窗口开始时间至驾驶员采取转向措施或制动措施的时间。

进一步的，步骤S4所述建立驾驶员危险感知能力评价模型包括：

步骤S41：采用线性标准化方法对步骤S3选取的评价指标原始值进行无量纲化处理。正指标和逆指标的预处理方法表达式如下：

正指标：

逆指标：

其中：max(X

步骤S42：采用CRITIC赋权法确定指标权重系数，具体计算过程如下：

冲突性

其中r

第j个指标所包含的信息量C

客观权重

其中σ

步骤S43：采用Topsis法(逼近于理想解的排序法)构建驾驶员危险感知能力评价模型，具体计算过程如下：

确定最优方案Z

确定最劣方案Z

计算每个评价对象与Z

计算每个评价对象与Z

计算各评价对象与最优方案的距离

进一步的，步骤S5根据步骤S4所述驾驶员危险感知能力评价模型进行高海拔地区驾驶员危险感知能力评价，并根据评价值筛选危险感知能力明显较弱的驾驶员，通过对其进行危险感知能力培训和适当的提醒，能够提高他们的危险感知能力。

有益效果：与现有技术相比，本发明在现有技术的基础上完善了针对驾驶员危险感知能力的定量化研究，同时本发明公开的方法简单、方便，提出了针对高海拔地区驾驶员危险感知能力筛选方法，通过培训、教育、提醒等方法提高该类驾驶员的危险感知能力，从而提升高海拔地区公路行车安全。

附图说明

图1示出本发明的流程图；

图2示出本发明交通危险场景问卷。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

本实施例提出了一种适用于高海拔地区的驾驶员危险感知能力评价方法，如图1所示，包括以下步骤：

步骤S1：筛选高海拔地区常见驾驶危险场景；

步骤S2：对危险驾驶场景进行建模，利用驾驶模拟器与眼动仪进行驾驶仿真模拟试验，采集驾驶员的制动操作数据、眼动数据与车辆的运行数据；

步骤S3：选取驾驶员危险感知能力评价指标；

步骤S4：对步骤S3选取的评价指标进行无量纲化处理，并采用CRITIC赋权法确定权重系数，构建驾驶员危险感知能力评价模型；

步骤S5：根据步骤S4得到的驾驶员危险感知能力评价模型对高海拔地区驾驶员危险感知能力进行评价，筛选出危险感知能力明显较弱的驾驶员。

进一步地，步骤S1具体为：

(1.1)成立调研小组，从驾驶员的角度出发，围绕“人”“车”“路”三种致危因素，考虑到危险场景的危险程度和发生频率，提出9个重要的危险场景，既包括显性危险场景又包括隐性危险场景，具体场景如下表1所示：

表1高海拔地区常见交通危险场景

(1.2)由于交通危险场景是否具有代表性主要考虑场景的危险程度和发生频率。一般而言，如果该危险场景的发生，会极大地调动驾驶员的紧张焦虑情绪，并极有可能会出现车辆基本报废，甚至导致驾驶员严重受伤等后果，那么定义危险程度为“高”；如果该危险场景的发生，会适当地调动驾驶员的不安无措情绪，并极有可能会导致出现车辆碰擦、变形痕迹明显，甚至导致驾驶员中度受伤等后果那么定义危险程度为“中”；同样，如果该危险场景的发生，只是引起驾驶员的注意和重视，并极有可能会导致轻微撞击，刮蹭，但无人员伤亡等后果，则定义危险程度为“低”。同理，当对危险场景的发生频率进行评价时，如果该危险场景在平常的交通环境中非常常见，那么认为发生频率为“高如果该危险场景在平常的交通环境中比较常见，那么认为发生频率为“中如果该危险场景在平常的交通环境中很少见，那么认为发生频率为“低”。将“高”、“中”、“低”评价结果分别赋分3、2、1进行量化评价，通过如图2所示的问卷调查结果对危险场景进行综合模糊综合评价，剔除发生频率不高或危险程度比较低的危险场景。

(1.3)选取林芝(海拔3000m)、拉萨(海拔3650m)、那曲(海拔4460m)以及羊湖景区(海拔5000m)等4处高海拔地区作为问卷发放地点与试验地点。

(1.4)基于问卷调查结果采用熵权法计算各场景危险程度和发生频率的权重值。熵权法确定指标权重的方法如下。

建立指标决策集

指标隶属度

熵值计算公式为

指标j的熵权

表2各危险场景的危险程度与发生频率隶属度

经计算，各危险场景的因素权重表如表3所示。

表3各危险场景的因素权重表

(1.5)根据上述综合模糊评价方法对每个危险场景进行综合评价。例如，对于危险场景1，由表2的危险程度和发生频率的隶属度和权重系数可知，

表4九个交通危险场景综合评价结果

根据综合评价的结果可知，前方出现急转弯标志场景危险性为低，在接下来的数据处理过程中不考虑这个危险场景的实验数据。

进一步地，步骤S2具体为：

(2.1)使用UC-Win/Road建模软件实现道路模型的制作、交通危险场景的设计以及驾驶模拟行车数据的输出。所有的危险场景都有一个危险窗口。以场景2为例，实验车辆在模拟车辆的左侧车道行驶，当模拟车辆和试验车辆的距离小于70m时，危险窗口开始；试验车辆变换车道至当前车道，模拟车辆必须制动或转向来防止事故发生。当模拟车辆超过试验车辆的时候，危险窗口结束。油门踏板、制动踏板、转向角等数据在模拟驾驶的过程中被连续记录，但是只有在危险窗口中的实验数据被用来分析，在危险窗口中油门踏板、制动踏板、转向角数值的突变意味着驾驶员采取了转向措施或制动措施。如果驾驶员的油门踏板、制动踏板、转向角数值在危险窗口期间没有明显变化则意味着驾驶员没有及时采取措施。

所有危险场景模型均在距离起始路段3min左右里程处设置危险场景，双向四车道公路场景的触发机制为模拟车辆和试验车辆的距离小于110m，双车道公路场景的触发机制为模拟车辆和试验车辆的距离小于75m。其中隧道限速标志和预告标志设置在隧道入口前150m处；

(2.2)正式试验开始前，请试验人员佩戴Mobile Eye型便携式单目眼动仪并进行校准，用于采集驾驶员眼动数据；

(2.3)利用驾驶模拟器进行驾驶仿真模拟试验，采集驾驶员的制动操作数据、与车辆的运行数据。每个试验者试验之前不告知危险场景具体内容，让试验者自行判断所需操作措施。

进一步地，步骤S3具体为：

驾驶员的危险感知过程包括感知阶段、判断决策阶段和驾驶操纵阶段，因此，从“道路危险信息的获取”、“判断和决策”和“车辆运行”三个层面来筛选驾驶员危险感知评价指标。

(3.1)在“道路危险信息的获取”阶段，考虑不同的高原驾驶员对危险区域的关注速度、关注程度和关注范围有差异，选定驾驶人第一次注意到危险区域的时刻、在兴趣区域内的总的注视时间占总注视时间百分比、视野范围内的平均眼眺距离三个指标作为评价指标。

(3.2)在“判断和决策”阶段，考虑不同的高原驾驶员对危险源信息的判断和决策反应速度不同，选定驾驶员的危险反应时间作为评价指标。危险反应时间为危险窗口开始时间至驾驶员采取转向措施或制动措施的时间。

(3.3)在“车辆运行”阶段，考虑车辆的纵向运行特性和横向运行特性，选定方向盘转角极大值和速度标准差作为评价指标。

进一步地，步骤S4具体为：

(4.1)采用线性标准化方法对步骤S3选取的评价指标原始值(如表5所示)进行无量纲化处理。

表5评价指标原始数据

驾驶员危险感知能力综合评价指标体系中，存在正指标与逆指标。正指标指实际大越大驾驶员的危险感知能力越好的指标，如视野范围内的平均眼眺距离，逆指标指实际值越小驾驶员的危险感知能力越高的指标，比如危险反应时间、控制车辆的方向盘转角极大值、速度标准差、驾驶人第一次注意到危险区域的时刻、在兴趣区域内的总的注视时间占总注视时间百分比等。方法表达式如下：正指标：

经过无量纲化处理后的数据如表6所示。

表6无量纲化处理后数据

(4.2)采用CRITIC赋权法确定指标权重系数，具体计算过程如下：

冲突性

其中r

第j个指标所包含的信息量C

客观权重

其中σ

计算得到各指标的对比强度、冲突性、信息量和权重系数，如表7所示。

表7评价指标的对比强度、冲突性、信息量和权重系数

(4.3)采用Topsis法(逼近于理想解的排序法)构建驾驶员危险感知能力评价模型，具体计算过程如下：

确定最优方案Z

确定最劣方案Z

计算每个评价对象与Z

计算每个评价对象与Z

计算各评价对象与最优方案的距离

本实施例最理想方案为Z

每个评价对象与Z

表8各评价对象的D

进一步地，步骤S5具体为：

根据步骤S4所述驾驶员危险感知能力评价模型计算高海拔地区驾驶员危险感知能力评价值，结果如表9所示。

表9Topsis法驾驶员危险感知能力评价值结果

通过对高海拔地区驾驶员危险感知能力进行评价，发现9号、10号、11号驾驶员的危险感知能力综合评价值显著低于1-8号驾驶员，可以通过对其进行危险感知能力培训和适当的提醒，能够提高他们的危险感知能力。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。