基于移动智能终端的高速公路异常驾驶行为检测技术研究

基于移动智能终端的高速公路异常驾驶行为检测技术研究

ID:22364239

大小:28.00 KB

页数:6页

时间:2018-10-28

基于移动智能终端的高速公路异常驾驶行为检测技术研究_第1页
基于移动智能终端的高速公路异常驾驶行为检测技术研究_第2页
基于移动智能终端的高速公路异常驾驶行为检测技术研究_第3页
基于移动智能终端的高速公路异常驾驶行为检测技术研究_第4页
基于移动智能终端的高速公路异常驾驶行为检测技术研究_第5页
资源描述:

《基于移动智能终端的高速公路异常驾驶行为检测技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于移动智能终端的高速公路异常驾驶行为检测技术研究  摘要:高速公路作为交通路网中的“大动脉”,保障其通行安全尤为重要。随意变道、掉头行驶等异常驾驶行为是高速公路交通事故的重要诱因,而紧急制动、避障等驾驶行为则往往预示着已经发生的交通意外事件。文章通过智能手机实时检测连续变道、掉头等高速公路危险驾驶行为。实验结果显示文章提出的检测技术具有较高准确率,具有一定的实用价值。  关键词:危险驾驶行为检测;移动智能终端;传感器  1概述  道路交通安全向来是社会重大安全问题之一。仅2014年1月至10月,我国共发生道路交通事故42637

2、8起,造成87218人死亡、391752人受伤,直接财产损失20.2亿元[1]。在公安部交管局公布的2014年度全国10大交通事故高危路段[2]中,就有一半是高速公路路段。而随意变道等驾驶陋习,则是交通事故的重要诱因[3]。传统的危险驾驶行为检测主要依赖于道路设施,如环形线圈检测器、监控摄像头[4,5]等。由于道路设施部署密度受限,很难全面实时检测危险驾驶行为。  随着智能手机等移动智能终端迅速普及,以及所搭载传感器逐渐丰富强大,移动智能终端也成为了驾驶行为检测技术一个理想的实现平台[6]。融合移动智能终端上的多个传感器能提供更

3、高的准确度[7]。  近几年来,有不少研究对基于移动智能终端的驾驶行为和相关行车事件检测进行了一些尝试,如Johnson,DerickA等人融合了加速度计、陀螺仪、磁力计、GPS来检测具有潜在危险的驾驶动作;Eren,H[8]等人在前文基础上同样利用加速度计、陀螺仪和磁力计进行了驾驶行为的判别和其安全性的分析[9];Promwongsa,Nattakorn[10]等人提出了一个加速度计重定向法,来解决设备朝向和行车方向不一致问题;Castignani,German[11]等人在手机坐标系和行车坐标系不一致的问题上,使用合成了各个

4、方向上加速度得到总加速度大小,来绕过不一致的问题的方法[12];相比之下,利用移动智能终端进行驾驶行为检测易推广、易扩展,还能结合大数据技术进一步利用个体事件分析群体行为,有着巨大的优势。Paefgen,Johannes等人比较了基于移动设备和基于车载设备的驾驶行为检测技术[13],说明基于移动智能终端的方法是具有可行性的。  本文研究目标就是利用移动智能终端上的运动传感器和定位系统设计一个驾驶行为检测方法,用于检测高速公路环境下车辆掉头行驶、连续变道等异常驾驶行为。  2基于移动智能终端的危险驾驶行为检测技术  本检测技术可分

5、为两个基本步骤:(1)候选行为事件边界划分,即从连续读取的传感器数据中,提取出候选危险驾驶行为事件;(2)候选行为事件分类,基于分类规则对候选危险驾驶行为事件进行检测,判断具体行为类别。  2.1候选危险驾驶行为事件边界划分  而通过以上分析,我??注意到,要在同样时间内获得相同的侧向速度,则侧向的速度变化率是相同的,在转弯角度不大的情况下,我们可以认为侧向速度变化率近似等于车辆的法向加速度。即法向加速度本身是十分适合作为判断转向的依据的。虽然我们难以通过加速度计获得可靠准确的法向加速度,但却可以通过GPS获取的移动速度配合旋转

6、角速度导出法向加速度。  2.2.2掉头检测  掉头行为可以认为是一种特殊的转弯行为,我们同样将其作为一种组合行为,在检测出转弯行为的基础之上来进一步检测掉头行为。考虑到掉头就是在小范围内进行180度转向,我们依据经验指定了两条分类规则:  2.2.3连续变道检测  3驾驶行为检测技术验证实验与结果  本文所提出算法已在基于Android操作系统的智能手机上实现,并进行了道路实验。实验中检测的目标驾驶行为包括变道、掉头等。将持续时间区间基本重叠且类型相同的系统检出事件和人工检出事件认为是正确检出的事件(truepositive,

7、TP),而仅有系统检出的事件则作为误报(falsepositive,FP),仅有人工检出的事件作为漏报(falsenegative,FN)。在此基础上,我们考虑两项衡量本文技术有效性的指标:  查准率(precision)=TP/(TP+FP)*100%,即系统正确检出事件数占系统检出事件总数的比例;  查全率(recall)=TP/(TP+FN)*100%,即系统正确检出事件数占人工检出事件总数的比例。  实验结果如表1。  4结束语  交通安全问题是关系到国家经济、社会民生的重大问题,而高速公路通行量大、车速快,极易引起重大

8、交通事故。本文研究的危险驾驶行为检测技术以目前十分普及的移动智能终端感知平台为基础,能够及时有效地发现包括连续变道、掉头等高速公路危险驾驶行为。通过对所检测到危险驾驶行为进行实时警示,可有效提升高速公路行车安全性。  参考文献  [1]辛文.公安部通报今年以来全

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。