一种基于自然驾驶数据的路考车道保持能力评价方法

本发明涉及驾驶路考评价方法领域，特别涉及一种基于自然驾驶数据的路考车道保持能力评价方法。

背景技术：

1、随着交通规模的不断扩大，交通事故频发，提高驾驶员的技能水平和安全意识成为紧迫的任务。驾驶员路考一直以来是道路交通安全领域的核心环节，其结果直接关系到道路上的交通安全水平。然而，传统的驾驶员路考方式主要依赖于裁判员的主观性评价，这种评价方式引发了一系列问题，限制了驾驶培训与考试行业的科学发展。首先，传统路考方式存在评价标准不科学的问题。裁判员的主观判断容易受到个人情感、主观意愿以及主观经验的影响，使得路考评价标准缺乏科学依据。这导致了不同裁判员之间的评分差异，难以维持路考标准的一致性。此外，主观评价方式也存在误判的风险，可能导致合格的驾驶员被判为不合格，或者不够安全的驾驶员通过路考。其次，传统路考方式难以进行结果回溯。因为评价主要依赖于裁判员的主观判断，很难对路考结果进行客观的分析和评估。这阻碍了对驾驶员弱点和问题的深入研究，从而难以提供有针对性的培训和改进建议。以上问题的存在，不仅影响了驾驶员路考的科学性，还制约了驾驶培训与考试行业的发展。

2、目前针对驾驶员路考能力的研究相对有限，大多数研究集中在正常道路行驶中驾驶人行为特性及驾驶能力的分析上。驾驶过程通常可以划分为跟驰阶段、换道阶段和自由行驶阶段这三个主要阶段，而每个阶段中，驾驶员的驾驶能力均体现在横向和纵向两个维度。因此，对参加路考的驾驶员基本驾驶能力的评估需要从纵向和横向两个维度综合考虑。在纵向驾驶能力评估方面，一些指标如车头时距(time headway,thw)、碰撞时间(time tocollision,ttc)等已被广泛应用。长安大学钱宇彬利用驾驶员的心电变化来检测加速踏板和制动踏板的行程变化率，并结合车速和加速度数据来评价驾驶行为。此研究突出了心理生理因素在驾驶能力评估中的重要性。另一方面，重庆大学周孝吉根据显著性差异选取反应时间、速度波动标准差、平均速度差、碰撞时间ttc和跟车时距thw等指标，用于分析驾驶员的特性。而shalev等学者则提出一种安全纵向距离模型(sld,safe longitudinaldistance)实时评估纵向驾驶安全性。此外，北方工业大学的王亚兵对sld进行修正并引入风险率和风险度两个指标，以更准确地反映驾驶人的纵向驾驶能力水平。在横向驾驶能力的表征方面，距离车道边缘线时间(tlc,time to lane crossing)是一项被广泛用于交通行为评价和车道偏离预警等方面的指标。joris等研究者基于实际道路试验，对反应驾驶能力不足的两个指标进行了比较，即横向位置标准差(sdlp)与车道偏离。研究结果表明，sdlp对驾驶员能力的反映更加敏感，因此对横向驾驶能力的评估具有一定优势。金会庆提出道路交通事故防治三道防线3-locs体系，指出以安全驾驶为核心、加强驾驶员培训可以预防驾驶员行车事故发生。

3、综上所述，目前我国驾驶考试培训体系的不完善，阻碍了以安全驾驶为核心的道路交通事故防治。因此,应完善当前路考评判体系，使驾驶员得到全面的综合素质能力培训，预防因人的驾驶能力不足而导致的交通事故来评估驾驶员的路考能力。

技术实现思路

1、为了解决现有问题，本发明提供了一种基于自然驾驶数据的路考车道保持能力评价方法，具体方案如下：

2、一种基于自然驾驶数据的路考车道保持能力评价方法，包括以下步骤：

3、s1，提取车道保持场景下的路考评价指标，并将上述路考评价指标分为纵向操纵评价指标和横向操纵评价指标；

4、s2，对步骤s1中的路考评价指标对应的参数，通过k-means聚类算法进行k-means聚类分析，得到上述参数集的分组和聚类；

5、s3，根据相关性算法对步骤s2处理后的参数集进行处理，根据处理结果进一步提取关键路考评价指标；

6、s4，对步骤s3处理后的关键路考评价指标再进行聚类分析，以对各个指标参数进行分级评估；

7、s5，构建基于多维指标融合的驾驶员路考能力分级评价模型，并确定各项关键路考评价指标的满分和及格分。

8、s6，将上述驾驶员路考能力分级评价模型应用到实际自然驾驶数据中，依此来判断驾驶人员车道保持能力及格与否。

9、优选地，步骤s1中提取车道保持场景下的路考评价指标的具体步骤包括：

10、s11，对自然驾驶数据集进行数据清洗操作，识别并修正其中的错误数据，包括速度异常数据、加速度异常数据、车道偏移量异常数据；

11、s12，通过提取算法提取上述清洗后的数据集中的低速车道保持片段和其对应的参数。

12、优选地，步骤s1中的所述纵向操纵评价指标包括：碰撞时间倒数即ttc-1正最大值、车头时距均值即thw均值、车头时距最小值即thw最小值、车头时距稳定性即thw标准差、车头距离均值即dhw均值、车头距离最小值即dhw最小值、车头距离稳定性即dhw标准差、速度稳定性即速度标准差、加速度稳定性即加速度标准差、跟车风险率即风险率以及跟车风险度即风险度；

13、所述横向操纵评价指标包括：车辆中心与车道中心线最大距离即车道中心线偏移量最大值、越线时间最小值即tlc最小值、与左右车距离的最小值即横向左右车距最小值、横向位置稳定性即横向位置标准差sdlp。

14、优选地，步骤s3采用斯皮尔曼相关系数法分析路考评价指标之间的相关性，根据相关性分析结果，得到所述关键路考评价指标包括：剔除掉上述路考评价指标中的thw最小值、dhw均值、dhw最小值和风险度这四个指标后剩余的所有指标。

15、优选地，步骤s5中构建驾驶员路考能力分级评价模型，并确定各项关键路考评价指标的满分和及格分的步骤具体包括：

16、s51，利用层次分析法进行关键路考评价指标的主观权重的确定；

17、s52，利用熵权法进行关键路考评价指标客观权重的确定；

18、s53，确定关键路考评价指标的最佳判断阈值；

19、s54，根据上述步骤确定的指标权重和指标阈值，得到各项关键路考评价指标的满分和及格分。

20、本发明还揭示了一种计算机可读存储介质，介质上存有计算机程序，计算机程序运行后，执行如上述任一项所述的方法。

21、本发明还揭示了一种计算机系统，包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行如上述任一项所述的方法。

22、本发明的有益效果在于：

23、本发明完善了当前路考评判体系，使驾驶员得到全面的综合素质能力培训，预防因人的驾驶能力不足而导致的交通事故的发生。真实客观、完整准确地反映驾驶人路考的实际情况。基于自然驾驶数据的路考驾驶员车道保持能力评价体系以及指标阈值，将对目前的科目三路考体系进行补充和完善，助力以安全驾驶为核心的道路交通事故的防治。

技术特征：

1.一种基于自然驾驶数据的路考车道保持能力评价方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤s1中提取车道保持场景下的路考评价指标的具体步骤包括：

3.根据权利要求1所述的方法，其特征在于：

4.根据权利要求3所述的方法，其特征在于，步骤s3采用斯皮尔曼相关系数法分析路考评价指标之间的相关性，根据相关性分析结果，得到所述关键路考评价指标包括：剔除掉上述路考评价指标中的thw最小值、dhw均值、dhw最小值和风险度这四个指标后剩余的所有指标。

5.根据权利要求1所述的方法，其特征在于，步骤s5中构建驾驶员路考能力分级评价模型，并确定各项关键路考评价指标的满分和及格分的步骤具体包括：

6.一种计算机可读存储介质，其特征在于：介质上存有计算机程序，计算机程序运行后，执行如权利要求1至5中任一项所述的方法。

7.一种计算机系统，其特征在于：包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行如权利要求1至5中任一项所述的方法。

技术总结本发明公开了一种基于自然驾驶数据的路考车道保持能力评价方法。包括以下步骤：S1，提取车道保持场景下的路考评价指标，并分为纵向操纵评价指标和横向操纵评价指标；S2，通过K‑means聚类算法进行K‑means聚类分析，得到上述参数集的分组和聚类；S3，根据相关性算法处理，提取关键路考评价指标；S4，对步骤S3处理后的关键路考评价指标再进行聚类分析；S5，构建基于多维指标融合的驾驶员路考能力分级评价模型，并确定各项关键路考评价指标的满分和及格分；S6，将上述模型应用到实际自然驾驶数据中，依此来判断驾驶人员车道保持能力及格与否。本发明真实客观、完整准确地反映驾驶人路考的实际情况，助力以安全驾驶为核心的道路交通事故防治。技术研发人员：段萌萌,金会庆,凤鹏飞,李鹏辉,吴浩,刘素素,孙鸿铭,何鑫磊受保护的技术使用者：安徽三联学院技术研发日：技术公布日：2024/7/29