[发明专利]一种危险驾驶行为的评估方法及装置

说明书

本申请涉及交通安全技术领域，公开了一种危险驾驶行为的评估方法及装置。该方法首先通过路侧检测器采集交通检测数据，并通过层次聚类将驾驶行为分为正常驾驶、激进驾驶、酒后疲劳驾驶和分心驾驶。然后根据聚类结果构建深度学习多分类模型，实时监测待检测车辆的驾驶行为的状态，对是否存在危险驾驶行为进行评估。本申请能够有效聚类四类驾驶行为的分布情况和特征，为驾驶行为是否属于危险驾驶行为提供参考基准。通过构建深度学习多分类模型评估待检测车辆的驾驶行为是否属于危险驾驶，运算效率较高、准确度且适用性较强。通过引入道路通行状态数据，进行驾驶行为的判定，能够提高驾驶行为判定的准确度，同时，更好的从道路、路网级别统筹协调。

技术领域

本申请涉及交通安全技术领域，尤其涉及一种危险驾驶行为的评估方法及装置。

背景技术

近些年来，大量的交通事故造成了重大的人员伤亡和巨大的经济损失，为了避免交通事故的发生、减少事故中伤亡人员的数量，需要进行危险驾驶行为评估，危险驾驶行为评估是指对道路中的车辆的行驶状态进行判断分类，以确定是否属处于危险驾驶的状态。

得益于信息网络和数据、算法的崛起，更多维度、更高时效的监测设备、更低时延的信息网络的发展，为交通安全的检测和评估方法提供了更加坚实的基础。然而，大部分技术都着眼于车内驾驶员状态或单车级别的车辆动态信息检测，不同车企对应不同标准，难于从道路整体进行统筹管理。

发明内容

本申请公开了一种危险驾驶行为的评估方法及装置，以解决现有技术中，大部分技术都着眼于车内驾驶员状态或单车级别的车辆动态信息检测，不同车企对应不同标准，难于从道路整体进行统筹管理的技术问题。

本申请第一方面公开了一种危险驾驶行为的评估方法，包括：

利用路侧检测器，获取交通检测数据，其中，所述交通检测数据包括车型数据、道路通行状态数据和车速相关参数；

根据所述交通检测数据，利用层次聚类确定四种驾驶行为的特征分布，其中，所述四种驾驶行为包括正常驾驶、激进驾驶、酒后疲劳驾驶和分心驾驶；

根据所述四种驾驶行为的特征分布，构建深度学习多分类模型；

根据所述深度学习多分类模型，确定待检测车辆的驾驶行为类别，并确定所述待检测车辆是否存在危险驾驶行为。

可选的，所述根据所述交通检测数据，利用层次聚类确定四种驾驶行为的特征分布，包括：

对所述交通检测数据进行归一化处理，确定归一化后的交通检测数据；

利用未加权算术平均对群(UPGMA)算法对所述归一化后的交通检测数据进行处理，构建聚类簇；

根据所述聚类簇，确定所述四种驾驶行为的特征分布。

可选的，所述根据所述四种驾驶行为的特征分布，构建深度学习多分类模型，包括：

根据所述归一化后的交通检测数据和所述四种驾驶行为的特征分布，构建深度学习多分类模型损失函数；

利用梯度优化算法和第一准确度算法，并根据所述深度学习多分类模型损失函数，构建所述深度学习多分类模型。

可选的，所述确定所述待检测车辆是否存在危险驾驶行为，包括：

若所述待检测车辆的驾驶行为类别为激进驾驶、酒后疲劳驾驶或分心驾驶，则确定所述待检测车辆存在危险驾驶行为。

可选的，所述车型数据包括车长和车宽。

可选的，所述道路通行状态数据包括车头空距、车身侧距、所处车道、换道频率、追踪时长、时间、路段车流量和路段平均车速。

可选的，所述车速相关参数包括速度和加速度。