利用车载与路侧数据进行驾驶安全预测与安全路线制图

道路风险评价通常基于历史碰撞数据开展。驾驶员行为和实时交通状况的信息有时缺失。本文中,用于开发道路动态风险热图的Safe Route Mapping(SRM)模型被扩展,以在预测时考虑驾驶员行为。设计了一款Android App来收集驾驶员信息并上传至服务器。在服务器上,人脸识别提取驾驶员数据,如面部标志点、注视方向和情绪。检测驾驶员的困倦与分心,并评估驾驶表现。同时,动态交通信息由路侧摄像头捕获并上传至同一服务器。应用基于纵向扫描线的干线交通视频分析从视频中识别车辆以构建速度和轨迹剖面。基于这些数据,引入LightGBM模型预测驾驶员在未来一至两秒内的冲突指数。然后,使用模糊逻辑模型结合包括历史碰撞次数和预测交通冲突指标在内的多个数据源,计算路段风险分数。所提出的SRM模型使用从实际交通交叉口和驾驶仿真平台收集的数据进行演示。预测结果表明模型准确,且增加的驾驶员行为特征将改善模型性能。最后,生成风险热图用于可视化。管理部门可利用动态热图划定安全走廊,并调度执法和驾驶员以实现早期预警与出行规划。