道路驾驶行为谱与统计分析方法及其应用(道路交通安全主动预警与智能化管控)

图书标准信息

• 作者 柳本民 著；陆键；王可；马小龙；杨轸
• 出版社 上海科学技术出版社
• 出版时间 2023-01
• 版次 1
• ISBN 9787547859193
• 定价 110.00元
• 装帧 精装
• 开本 16开
• 纸张 胶版纸
• 页数 281页
• 字数 320.000千字

【内容简介】

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

【作者简介】

陆键，教授，博士生导师，同济大学交通运输工程学院院长、国家“千人计划”入选教授、教育B“长江学者”特聘教授、中组部“国家特聘”专家。曾任教于美国南佛罗里达大学、上海交通大学、东南大学。在上海交通大学任教期间，组建了交通研究中心，为交通运输工程学科建立了综合交通领域的研究平台。在东南大学任教期间，开展了一系列交通安全设计研究项目，率先开展系统性的交通安全研究。作为创始人之一，成立了中国海外交通学会（COTA）；作为主要创始人之一，成立了交通运输研究（上海）论坛（TRF-Shanghai）。

长期从事交通安全设计、交通管理与规划、智能交通系统、道路交通智能检测、重大交通设施突发灾害风险管理和应急救援管理等方面的研究。主持国家自然科学基金面上项目“城市高速公路进出口匝道分布类型对交通流影响的分析及相应的优化设计理论模型”、国家重点研发计划“道路交通行为分析及特征谱建库技术”、交通部西部交通科技项目及省部级课题等重大科研项目50余项。获得中国公路学会科学技术一等奖、上海市科技进步二等奖等奖项。在国际一流专业期刊发表了学术研究论文100多篇，在国内核心期刊发表几百篇学术论文，出版学术专著7部。已培养海内外硕士生、博士生累计超过150人。

【目录】

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