基于車路協(xié)同的動態(tài)車輛安全狀態(tài)評價模型

田晶晶，李世武，孫文財，楊志發(fā)，王琳虹

(吉林大學(xué)交通學(xué)院，130022長春)

我國道路交通安全形勢日益嚴(yán)峻，據(jù)公安部交通管理局統(tǒng)計，2009年全國共發(fā)生道路交通事故238351起，造成67759人死亡，其中營運車輛導(dǎo)致一次死亡10人以上的重特大道路交通事故多達19起.營運車輛行車安全問題已經(jīng)成為道路交通安全亟待解決的關(guān)鍵問題之一，車輛安全狀態(tài)評價是其中的關(guān)鍵技術(shù).針對車輛安全狀態(tài)評方法，國內(nèi)外學(xué)者進行了大量的研究，如郭孜政分別用貝葉斯、FCM和BP神經(jīng)網(wǎng)絡(luò)建立了駕駛行為危險度的評價模型［1］;艾力·斯木吐拉利用模糊綜合評價法對駕駛員安全特性進行評價［2］.現(xiàn)有的研究主要關(guān)于駕駛員安全狀態(tài)評價，對動態(tài)車輛安全狀態(tài)綜合評價方法研究不足.針對車輛安全狀態(tài)評價中存在的信息不完備及模糊性等問題，本文提出了一種基于車路協(xié)同的動態(tài)車輛安全狀態(tài)評價體系，建立了用于車輛直線跟車行駛和轉(zhuǎn)彎行駛時動態(tài)車輛安全狀態(tài)評價模型.

1 車輛安全狀態(tài)影響因素分析

1.1 車輛安全狀態(tài)影響因素

美國學(xué)者TREAT的研究結(jié)果表明:道路交通系統(tǒng)中，人、車和路因素對車輛安全狀態(tài)的影響作用是相互關(guān)聯(lián)的［3］，其相互關(guān)系統(tǒng)計結(jié)果為:人、車、路、人車、人路、車路、人車路事故誘因比例分別為57%、2%、3%、6%、37%、1%、3%.

公安部交通管理局2009年全國道路交通事故統(tǒng)計數(shù)據(jù)表明:車輛安全狀態(tài)影響因素中，駕駛員因素最主要，其次是車輛因素，此外環(huán)境因素和管理因素也是不可忽視的.本文根據(jù)車輛狀態(tài)信息采集方法的不同對車輛安全狀態(tài)影響因素進行分類［4］，如表1所示.

表1 車輛安全狀態(tài)影響因素分類

1.2 評價指標(biāo)參數(shù)獲取

根據(jù)車輛安全狀態(tài)影響因素分析及分類研究結(jié)果，本文提出了基于車-路協(xié)同信息采集技術(shù)與多傳感器數(shù)據(jù)采集技術(shù)相融合的動態(tài)車輛安全狀態(tài)評價指標(biāo)參數(shù)的獲取方案［5］，如圖1.

圖1 車輛安全狀態(tài)評價指標(biāo)參數(shù)的獲取方案

1.3 車輛安全狀態(tài)評價體系建立

目前，針對動態(tài)車輛安全狀態(tài)評價體系研究不足，尚未形成統(tǒng)一的標(biāo)準(zhǔn).根據(jù)表1本文建立的車輛安全狀態(tài)評價體系如圖2所示.

圖2 車輛安全狀態(tài)評價體系

2 車輛安全狀態(tài)模糊綜合評價模型

車輛行駛狀態(tài)分為直線跟車行駛和轉(zhuǎn)彎行駛2種，基于模糊綜合評判理論分別建立其安全狀態(tài)評價模型.

2.1 模糊綜合評判理論

運用模糊綜合評判理論建立模糊綜合評價方法數(shù)學(xué)模型的基本步驟［6］:1)明確評價模型的目標(biāo)層O，準(zhǔn)則層的因素集U={u1，u2，…，um}和方案層的評價集V={v1，v2，…，vn};2)建立關(guān)于因素集U的權(quán)重集 ω={ω1，ω2，…，ωi…ωm}，ωi為因素ui的權(quán)重系數(shù);3)構(gòu)建模糊評判矩陣，因素集的因素i關(guān)于評判集V的模糊評判向量Ri={ri1，ri2，…，rin}，則有模糊評判矩陣R=(rij)m×n，表示因素集U和評價集V的對應(yīng)關(guān)系;4)依據(jù)模糊算子B=ω·R對評價模型的目標(biāo)層O進行評價.

2.2 確定因素集

選用CA1046L2載貨汽車作為試驗車，基于車輛安全狀態(tài)影響因素分析結(jié)果，分別對車輛直線跟車和轉(zhuǎn)彎行駛時的安全狀態(tài)進行分析.車輛直線跟車行駛安全狀態(tài)評價指標(biāo)包括P1、A3、A4、A5、A6、P6、P8共7個因素，則其評價模型準(zhǔn)則層的因素集U={u1，u2，…，u7};車輛轉(zhuǎn)彎行駛安全狀態(tài)的評價指標(biāo)包括P1、A3、A4、A5、A6、P7、P8共7個因素，則其評價模型準(zhǔn)則層的因素集U={u'1，u'2，…，u'7}.

2.3 因素集的權(quán)重計算

以吉林省的安二公路為試驗路段，對其交通事故原因進行統(tǒng)計分析［7］，參照文獻［8］中1～9評判標(biāo)度準(zhǔn)則，對車輛安全狀態(tài)評價指標(biāo)進行對比分析，計算車輛不同運行工況下評價指標(biāo)因素集的判斷矩陣.

直線跟車車輛安全狀態(tài)評價指標(biāo)判斷矩陣A表示為

彎道行駛車輛安全狀態(tài)評價指標(biāo)判斷矩陣A'表示為

按規(guī)范列平均法計算判斷矩陣A、A'各行元素的算術(shù)平均值并進行歸一化處理得ω和ω'.

判斷矩陣A，A'的最大特征值分別為λmax=7.258和λ'max=7.136.對判斷矩陣A，A'分別進行一致性檢驗，CⅠ、CⅠ'分別如式(1)、(2)所示.

RⅠ為判斷矩陣平均隨機的一致性指標(biāo)［9］，對于1～9階的判斷矩陣的RⅠ分別為0、0、0.58、0.9、1.12、1.24、1.32、1.41、1.45.

判斷矩陣A、A'的隨機一致性比率CR、CR'如式(3)、(4)所示.

根據(jù)判斷準(zhǔn)則可知，判斷矩陣A、A'的不一致程度可以接受，準(zhǔn)則層的因素集的權(quán)重向量分別為ω和ω'.

2.4 確定評價集

采用5級分類模式確定車輛安全狀態(tài)評價集，則V={v1，v2，v3，v4，v5}={非常安全，安全，基本安全，輕度危險，危險}.

2.4.1 駕駛員安全度評價

駕駛員安全度評價指標(biāo)包括駕駛疲勞度和駕駛技術(shù)水平.駕駛員疲勞度是指駕駛員的生理和心理負(fù)荷水平增大致使駕駛能力下降，利用生理記錄儀對駕駛員連續(xù)駕駛的疲勞狀態(tài)進行試驗分析，駕駛疲勞度和連續(xù)駕駛時間之間呈現(xiàn)一種U型效應(yīng)［10］，如圖3所示.

圖3 疲勞度隨時間的U形效應(yīng)

駕駛技術(shù)水平評估由相關(guān)車輛管理部門完成，屬于靜態(tài)信息.本文確定的駕駛員安全度等于駕駛水平等級乘以疲勞程度.

2.4.2車輛安全度評價

本文基于多傳感器數(shù)據(jù)采集技術(shù)設(shè)計開發(fā)的車輛安全狀態(tài)實時動態(tài)監(jiān)測預(yù)警系統(tǒng)，如圖4所示，系統(tǒng)實時動態(tài)獲取車輛行駛過程中狀態(tài)參數(shù).結(jié)合汽車運用工程的相關(guān)背景知識和機動車運行安全技術(shù)條件，確定CA1046L2載貨汽車運行狀態(tài)A3、A4、A5、A6、P8安全狀態(tài)評價等級的評價指標(biāo)閾值［11］.

圖4 車輛運行狀態(tài)監(jiān)測平臺

2.4.3 跟車車距的安全度

車輛直線跟車行駛的臨界安全距離l'［12］為

其中:Va為引導(dǎo)車速度;Vb為跟車車速;Vr為引導(dǎo)車和跟車的相對車速，Vr=Vb-Va;amax為車輛最大減速度;l為前后車的相對距離.

車輛直線跟車行駛車距安全度S1為

2.4.4 轉(zhuǎn)彎車速的安全度

車輛轉(zhuǎn)彎行駛過程中的危險狀態(tài)表現(xiàn)為側(cè)滑和側(cè)翻［13］.當(dāng)車輛處于側(cè)滑臨界狀態(tài)時，其側(cè)向慣性力FG方向與其側(cè)向加速度的方向相反，有

當(dāng)汽車處于側(cè)翻臨界狀態(tài)時，根據(jù)達朗伯原理，有

其中:FG為側(cè)向慣性力;m為車輛總質(zhì)量;r為轉(zhuǎn)彎半徑;b為輪距;h為車輛質(zhì)心高度;μ為路面摩擦系數(shù).

分析可得:1)當(dāng)b/(2h)＞μ時，汽車首先發(fā)生側(cè)滑;2)當(dāng)b/(2h)＜μ時，汽車首先發(fā)生側(cè)翻.

定義的車輛轉(zhuǎn)彎限速安全度為S2，則

基于對駕駛員安全度、車輛運行狀態(tài)參數(shù)安全狀態(tài)評價閾值、直線跟車行駛縱向車距安全度和轉(zhuǎn)彎車速的安全度的分析結(jié)果，得試驗車安全狀態(tài)評價因素集的評價指標(biāo)，如表2.其中，駕駛員安全度S等于駕駛水平等級乘以疲勞程度，制動管路壓力p1的隸屬度函數(shù)為嶺型函數(shù)，轉(zhuǎn)向助力壓力p2的隸屬度函數(shù)為嶺型函數(shù)，輪胎壓力p3的隸屬度函數(shù)為標(biāo)準(zhǔn)正態(tài)分布，電器系統(tǒng)中信號燈故障狀態(tài)開關(guān)量D，車輛直線跟車行駛縱向車距安全度S1，車輛轉(zhuǎn)彎行駛車速的安全度S2，側(cè)向安全距離d隸屬度函數(shù)為階躍函數(shù).

表2 車輛因素評價指標(biāo)

2.5 結(jié)果分析

根據(jù)方案層的評價集和因素評價指標(biāo)，對準(zhǔn)則層的因素集進行分析評價，得模糊評判矩陣R.

利用準(zhǔn)則層的因素集的權(quán)向量和模糊評判矩陣R計算得車輛安全狀態(tài)模糊評價集B=ω·R=［b1，b2，b3，b4，b5］.設(shè)定模糊評價集中各因素的秩構(gòu)成的向量等于{1，2，3，4，5}，即V={v1，v2，v3，v4，v5}={1，2，3，4，5}，利用加權(quán)平均原則計算得車輛安全狀態(tài)模糊評價集B的最大隸屬度b為

按照最大“貼近度”原則，根據(jù)車輛安全狀態(tài)最大隸屬度b，可得出車輛不同運行狀態(tài)下的綜合安全狀態(tài).

3 結(jié)論

1)針對動態(tài)車輛安全評價指標(biāo)參數(shù)多源、異構(gòu)和動態(tài)的特點，將車輛安全狀態(tài)影響因素分為駕駛員因素、車輛因素、車車因素和車路因素，分析了基于車路協(xié)同和多傳感器數(shù)據(jù)采集技術(shù)的動態(tài)車輛安全狀態(tài)評價指標(biāo)參數(shù)采集方案.

2)基于動態(tài)車輛安全狀態(tài)影響因素分類分析結(jié)果，構(gòu)建了包括駕駛員、車輛和在途狀態(tài)影響因素的車輛安全狀態(tài)評價體系.將車輛行駛狀態(tài)分為直線跟車和轉(zhuǎn)彎行駛2類，基于模糊綜合評判理論分別建立了車輛直線跟車和轉(zhuǎn)彎行駛的安全狀態(tài)評價模型.

3)將模型嵌入設(shè)計開發(fā)的車輛監(jiān)測預(yù)警系統(tǒng)中，實現(xiàn)車輛行駛過程中安全狀態(tài)的實時動態(tài)地分析評價，為動態(tài)車輛安全狀態(tài)評價提供了一種新方法.

［1］郭孜政，陳崇雙，王欣.基于貝葉斯判別的駕駛行為危險狀態(tài)辨識［J］.西南交通大學(xué)學(xué)報，2009，44(5):772-776.

［2］艾力·斯木吐拉，李鑫.基于模糊綜合評判模型的沙漠環(huán)境下駕駛員安全特性評價［J］.交通運輸工程學(xué)報，2009，9(2):120-126.

［3］郭忠印，方守恩.道路安全工程［M］.北京:人民交通出版社，2004.

［4］UEKI J，TASAKA S，HATTA Y.Vehicular collision avoidance support system(VCASS)by inter-vehicle communications for advanced ITS［J］.IEICE Transactions on Fundamentals of Electronics，Communications and Computer Sciences，2009，E88-A:1816-1823.

［5］ANGELOS A，KATIA P，SOMYA J.Driver-vehicle-environment monitoring for on-board driver support systems:lessons learned from design and implementation［J］.Applied ergonomics，2010，41(2):225-235.

［6］WANG Shunsheng，F(xiàn)EI Liangjun，HAN Yuping，et al.Fuzzy comprehensive evaluation of water level in the WEI river based on multi-objective and multi-level decision making method［C］//Proceedings of 2010 International Conferenceon Computer and Communication TechnologiesinAgricultureEngineering.Chengdu:IITA，488-491.

［7］楊志發(fā).高等級公路景觀對行車安全影響的綜合評價與仿真［D］.長春:吉林大學(xué)，2007.

［8］王春磊，吳云剛，隗錦濤.模糊綜合評判法在泥石流危險度評價中的應(yīng)用［J］.安全與環(huán)境工程，2010，17(3):13-17.

［9］SAATY T L.Fundamentals of decision making and priority theory［M］.Pittsburgh:RWS Publications，2000.

［10］PATEL M，LAL S K L，KAVANAGH D，et al.Applying neural network analysis on heart rate variability data to assess driver fatigue［J］.Expert Systems with Applications，2011，38(6):7235-7242.

［11］GB 7258—2004.機動車安全運行技術(shù)條件［S］.北京:國家質(zhì)量監(jiān)督檢驗檢疫總局，2004.

［12］顧柏園.基于單目視覺的安全車距預(yù)警系統(tǒng)研究［D］.長春:吉林大學(xué)，2006.

［13］黃勇，蔣工亮，孫聯(lián).基于圖像處理技術(shù)的高速公路彎道車速預(yù)警系統(tǒng)的研究［J］.山東交通學(xué)院學(xué)報，2009，17(4):23-27.