[发明专利]一种基于多维网络熵的道路交通安全评估方法

说明书

本发明公开了一种基于多维网络熵的道路交通安全评估方法，其包括：步骤1，构建系统网络，系统网络具有节点和将节点连接起来的耦合边，节点对应为交通要素；步骤2，将系统网络进行模块划分；步骤3，根据节点和耦合边的属性，对各节点和耦合边赋予权重，描述模块中的节点度；步骤4，构建道路交通系统态势安全模型S(t)；步骤5，计算安全威胁对系统网络造成的影响程度ΔE_H；步骤6，计算三维网络熵势变化量ΔS；步骤7，根据影响程度ΔE_H和三维网络熵势变化量ΔS，输出实时风险评估结果，ΔE_H越大，则道路交通系统的风险等级越高，ΔS越大，则道路交通系统的潜在风险越高。本发明能够考虑多要素之间的耦合作用，输出所覆盖的道路交通系统范围内的安全态势水平。

技术领域

本发明涉及智慧交通技术领域，特别是关于一种基于多维网络熵的道路交通安全评估方法。

背景技术

道路交通系统是一个由驾驶人、车辆和道路等各种要素组成的动态开放系统，然而，驾驶人-车辆-道路系统的广义不稳定性会引发交通风险。产生风险的要素众多，主要涉及驾驶员主观失误、车辆故障、路况和环境状态等。一些研究表明，驾驶员的感知和反应在不同的情况下会发生变化。先前的研究发现，多辆卡车、公共汽车、小轿车或摩托车的卷入可能导致潜在的交通事故。此外，环境要素也被证明是影响驾驶安全的主要要素。研究还表明，道路地理可能对风险水平产生影响，因此研究交通要素对驾驶风险的影响对于提高驾驶安全具有重要意义。

在过去的几十年里，人们提出了许多研究来评估引发驾驶风险的各种影响要素。道路交通系统的通行安全已成为智慧交通领域的重要研究内容，评估系统安全性、提高道路交通系统安全通行能力能更好促进智慧交通的发展。对交通风险的评价和影响要素的分析方法分为宏观和微观两个层次。具体地说，交通风险分析可以通过宏观的自然驾驶数据和微观的驾驶过程操作参数两个方面来分析影响风险的本源，从而探究整个道路交通系统的风险态势。宏观事故数据分析包括绝对数法、事故率法和事故强度分析法。同时还有与统计推理相关的贝叶斯网络、Petri网和博弈论等方法。这类方法通过分析涉及到与事故结果相关的属性。为了研究碰撞可能性与影响要素之间的关系，宏观事故数据分析包括提取和分析交通事故的宏观统计数据，研究碰撞可能性与影响要素之间的关系。通过建立logistic回归模型，将事故要素与可能的影响特征变量有效地结合起来，设计表征量表，对影响事故的要素进行分析。一项研究使用基于Copula的方法来估计事故的严重程度和涉及碰撞的影响要素。结果表明，影响事故严重程度的要素很多，但没有直接观察到。虽然这些宏观数据可以反映整个道路交通系统的风险，但也有两个主要的局限性。基于事故数据进行分析的评价结果是静态的，可以支撑事故发生后的后续风险研判，但难以实时动态衡量所覆盖区域的动态交通态势变化。此外，详细的驾驶数据是有限的，包括反映客观驾驶过程和各种要素的风险产生机制的车辆运动学参数和道路使用者运动特征。

由于道路交通系统是由各种单一又相互作用的交通要素组成，因此从道路交通系统的微观层次上评判系统安全态势也是一种可行思路。现有的微观交通层次风险评价参数推断纵向驾驶风险的主要有碰撞时间(TTC)和相对距离(THW)。判断横向驾驶风险如车辆的当前位置(CCP)车道改变(TLC)，虚拟停车场和车辆振动频带(VRBS)。这些评价指标可以有效地估计某一驾驶过程中的风险。从时间和距离的角度对车辆行驶风险进行评价时，考虑了车辆的运动学和动力学；然而，这些忽略了潜在的风险，背后的驱动程序的特点。随着人工智能的发展，深度学习和强化学习技术被应用于驱动风险评估。但是，这些方法大多需要大量的训练数据，现有的测试场景还远远不够。

因此，道路交通系统是一个复杂的动态系统，涉及到人、车、环境3大子系统，在安全上存在着很多风险要素。考虑多要素之间的耦合作用，需要用系统的、结构化的方法来评估和减弱交通风险，不仅从宏观交通数据进行分析，也需要结合微观车辆视角，因此，有必要开发一种基于多维网络熵的道路交通安全评估方法。

发明内容