田晶晶，李世武，孫文財，楊志發(fā)，王琳虹

(吉林大學交通學院，130022長春)

我國道路交通安全形勢日益嚴峻，據公安部交通管理局統計，2009年全國共發(fā)生道路交通事故238351起，造成67759人死亡，其中營運車輛導致一次死亡10人以上的重特大道路交通事故多達19起.營運車輛行車安全問題已經成為道路交通安全亟待解決的關鍵問題之一，車輛安全狀態(tài)評價是其中的關鍵技術.針對車輛安全狀態(tài)評方法，國內外學者進行了大量的研究，如郭孜政分別用貝葉斯、FCM和BP神經網絡建立了駕駛行為危險度的評價模型［1］;艾力·斯木吐拉利用模糊綜合評價法對駕駛員安全特性進行評價［2］.現有的研究主要關于駕駛員安全狀態(tài)評價，對動態(tài)車輛安全狀態(tài)綜合評價方法研究不足.針對車輛安全狀態(tài)評價中存在的信息不完備及模糊性等問題，本文提出了一種基于車路協同的動態(tài)車輛安全狀態(tài)評價體系，建立了用于車輛直線跟車行駛和轉彎行駛時動態(tài)車輛安全狀態(tài)評價模型.

1 車輛安全狀態(tài)影響因素分析

1.1 車輛安全狀態(tài)影響因素

美國學者TREAT的研究結果表明:道路交通系統中，人、車和路因素對車輛安全狀態(tài)的影響作用是相互關聯的［3］，其相互關系統計結果為:人、車、路、人車、人路、車路、人車路事故誘因比例分別為57%、2%、3%、6%、37%、1%、3%.

公安部交通管理局2009年全國道路交通事故統計數據表明:車輛安全狀態(tài)影響因素中，駕駛員因素最主要，其次是車輛因素，此外環(huán)境因素和管理因素也是不可忽視的.本文根據車輛狀態(tài)信息采集方法的不同對車輛安全狀態(tài)影響因素進行分類［4］，如表1所示.

表1 車輛安全狀態(tài)影響因素分類

1.2 評價指標參數獲取

根據車輛安全狀態(tài)影響因素分析及分類研究結果，本文提出了基于車-路協同信息采集技術與多傳感器數據采集技術相融合的動態(tài)車輛安全狀態(tài)評價指標參數的獲取方案［5］，如圖1.

圖1 車輛安全狀態(tài)評價指標參數的獲取方案

1.3 車輛安全狀態(tài)評價體系建立

目前，針對動態(tài)車輛安全狀態(tài)評價體系研究不足，尚未形成統一的標準.根據表1本文建立的車輛安全狀態(tài)評價體系如圖2所示.

圖2 車輛安全狀態(tài)評價體系

2 車輛安全狀態(tài)模糊綜合評價模型

車輛行駛狀態(tài)分為直線跟車行駛和轉彎行駛2種，基于模糊綜合評判理論分別建立其安全狀態(tài)評價模型.

2.1 模糊綜合評判理論

運用模糊綜合評判理論建立模糊綜合評價方法數學模型的基本步驟［6］:1)明確評價模型的目標層O，準則層的因素集U={u1，u2，…，um}和方案層的評價集V={v1，v2，…，vn};2)建立關于因素集U的權重集 ω={ω1，ω2，…，ωi…ωm}，ωi為因素ui的權重系數;3)構建模糊評判矩陣，因素集的因素i關于評判集V的模糊評判向量Ri={ri1，ri2，…，rin}，則有模糊評判矩陣R=(rij)m×n，表示因素集U和評價集V的對應關系;4)依據模糊算子B=ω·R對評價模型的目標層O進行評價.

2.2 確定因素集

選用CA1046L2載貨汽車作為試驗車，基于車輛安全狀態(tài)影響因素分析結果，分別對車輛直線跟車和轉彎行駛時的安全狀態(tài)進行分析.車輛直線跟車行駛安全狀態(tài)評價指標包括P1、A3、A4、A5、A6、P6、P8共7個因素，則其評價模型準則層的因素集U={u1，u2，…，u7};車輛轉彎行駛安全狀態(tài)的評價指標包括P1、A3、A4、A5、A6、P7、P8共7個因素，則其評價模型準則層的因素集U={u'1，u'2，…，u'7}.

2.3 因素集的權重計算

以吉林省的安二公路為試驗路段，對其交通事故原因進行統計分析［7］，參照文獻［8］中1～9評判標度準則，對車輛安全狀態(tài)評價指標進行對比分析，計算車輛不同運行工況下評價指標因素集的判斷矩陣.

直線跟車車輛安全狀態(tài)評價指標判斷矩陣A表示為

彎道行駛車輛安全狀態(tài)評價指標判斷矩陣A'表示為

按規(guī)范列平均法計算判斷矩陣A、A'各行元素的算術平均值并進行歸一化處理得ω和ω'.

判斷矩陣A，A'的最大特征值分別為λmax=7.258和λ'max=7.136.對判斷矩陣A，A'分別進行一致性檢驗，CⅠ、CⅠ'分別如式(1)、(2)所示.

RⅠ為判斷矩陣平均隨機的一致性指標［9］，對于1～9階的判斷矩陣的RⅠ分別為0、0、0.58、0.9、1.12、1.24、1.32、1.41、1.45.

判斷矩陣A、A'的隨機一致性比率CR、CR'如式(3)、(4)所示.

根據判斷準則可知，判斷矩陣A、A'的不一致程度可以接受，準則層的因素集的權重向量分別為ω和ω'.

2.4 確定評價集

采用5級分類模式確定車輛安全狀態(tài)評價集，則V={v1，v2，v3，v4，v5}={非常安全，安全，基本安全，輕度危險，危險}.

2.4.1 駕駛員安全度評價

駕駛員安全度評價指標包括駕駛疲勞度和駕駛技術水平.駕駛員疲勞度是指駕駛員的生理和心理負荷水平增大致使駕駛能力下降，利用生理記錄儀對駕駛員連續(xù)駕駛的疲勞狀態(tài)進行試驗分析，駕駛疲勞度和連續(xù)駕駛時間之間呈現一種U型效應［10］，如圖3所示.

圖3 疲勞度隨時間的U形效應

駕駛技術水平評估由相關車輛管理部門完成，屬于靜態(tài)信息.本文確定的駕駛員安全度等于駕駛水平等級乘以疲勞程度.

2.4.2車輛安全度評價

本文基于多傳感器數據采集技術設計開發(fā)的車輛安全狀態(tài)實時動態(tài)監(jiān)測預警系統，如圖4所示，系統實時動態(tài)獲取車輛行駛過程中狀態(tài)參數.結合汽車運用工程的相關背景知識和機動車運行安全技術條件，確定CA1046L2載貨汽車運行狀態(tài)A3、A4、A5、A6、P8安全狀態(tài)評價等級的評價指標閾值［11］.

圖4 車輛運行狀態(tài)監(jiān)測平臺

2.4.3 跟車車距的安全度

車輛直線跟車行駛的臨界安全距離l'［12］為

其中:Va為引導車速度;Vb為跟車車速;Vr為引導車和跟車的相對車速，Vr=Vb-Va;amax為車輛最大減速度;l為前后車的相對距離.

車輛直線跟車行駛車距安全度S1為

2.4.4 轉彎車速的安全度

車輛轉彎行駛過程中的危險狀態(tài)表現為側滑和側翻［13］.當車輛處于側滑臨界狀態(tài)時，其側向慣性力FG方向與其側向加速度的方向相反，有

當汽車處于側翻臨界狀態(tài)時，根據達朗伯原理，有

其中:FG為側向慣性力;m為車輛總質量;r為轉彎半徑;b為輪距;h為車輛質心高度;μ為路面摩擦系數.

分析可得:1)當b/(2h)＞μ時，汽車首先發(fā)生側滑;2)當b/(2h)＜μ時，汽車首先發(fā)生側翻.

定義的車輛轉彎限速安全度為S2，則

基于對駕駛員安全度、車輛運行狀態(tài)參數安全狀態(tài)評價閾值、直線跟車行駛縱向車距安全度和轉彎車速的安全度的分析結果，得試驗車安全狀態(tài)評價因素集的評價指標，如表2.其中，駕駛員安全度S等于駕駛水平等級乘以疲勞程度，制動管路壓力p1的隸屬度函數為嶺型函數，轉向助力壓力p2的隸屬度函數為嶺型函數，輪胎壓力p3的隸屬度函數為標準正態(tài)分布，電器系統中信號燈故障狀態(tài)開關量D，車輛直線跟車行駛縱向車距安全度S1，車輛轉彎行駛車速的安全度S2，側向安全距離d隸屬度函數為階躍函數.

表2 車輛因素評價指標

2.5 結果分析

根據方案層的評價集和因素評價指標，對準則層的因素集進行分析評價，得模糊評判矩陣R.

利用準則層的因素集的權向量和模糊評判矩陣R計算得車輛安全狀態(tài)模糊評價集B=ω·R=［b1，b2，b3，b4，b5］.設定模糊評價集中各因素的秩構成的向量等于{1，2，3，4，5}，即V={v1，v2，v3，v4，v5}={1，2，3，4，5}，利用加權平均原則計算得車輛安全狀態(tài)模糊評價集B的最大隸屬度b為

按照最大“貼近度”原則，根據車輛安全狀態(tài)最大隸屬度b，可得出車輛不同運行狀態(tài)下的綜合安全狀態(tài).

3 結論

1)針對動態(tài)車輛安全評價指標參數多源、異構和動態(tài)的特點，將車輛安全狀態(tài)影響因素分為駕駛員因素、車輛因素、車車因素和車路因素，分析了基于車路協同和多傳感器數據采集技術的動態(tài)車輛安全狀態(tài)評價指標參數采集方案.

2)基于動態(tài)車輛安全狀態(tài)影響因素分類分析結果，構建了包括駕駛員、車輛和在途狀態(tài)影響因素的車輛安全狀態(tài)評價體系.將車輛行駛狀態(tài)分為直線跟車和轉彎行駛2類，基于模糊綜合評判理論分別建立了車輛直線跟車和轉彎行駛的安全狀態(tài)評價模型.

3)將模型嵌入設計開發(fā)的車輛監(jiān)測預警系統中，實現車輛行駛過程中安全狀態(tài)的實時動態(tài)地分析評價，為動態(tài)車輛安全狀態(tài)評價提供了一種新方法.

［1］郭孜政，陳崇雙，王欣.基于貝葉斯判別的駕駛行為危險狀態(tài)辨識［J］.西南交通大學學報，2009，44(5):772-776.

［2］艾力·斯木吐拉，李鑫.基于模糊綜合評判模型的沙漠環(huán)境下駕駛員安全特性評價［J］.交通運輸工程學報，2009，9(2):120-126.

［3］郭忠印，方守恩.道路安全工程［M］.北京:人民交通出版社，2004.

［4］UEKI J，TASAKA S，HATTA Y.Vehicular collision avoidance support system(VCASS)by inter-vehicle communications for advanced ITS［J］.IEICE Transactions on Fundamentals of Electronics，Communications and Computer Sciences，2009，E88-A:1816-1823.

［5］ANGELOS A，KATIA P，SOMYA J.Driver-vehicle-environment monitoring for on-board driver support systems:lessons learned from design and implementation［J］.Applied ergonomics，2010，41(2):225-235.

［6］WANG Shunsheng，FEI Liangjun，HAN Yuping，et al.Fuzzy comprehensive evaluation of water level in the WEI river based on multi-objective and multi-level decision making method［C］//Proceedings of 2010 International Conferenceon Computer and Communication TechnologiesinAgricultureEngineering.Chengdu:IITA，488-491.

［7］楊志發(fā).高等級公路景觀對行車安全影響的綜合評價與仿真［D］.長春:吉林大學，2007.

［8］王春磊，吳云剛，隗錦濤.模糊綜合評判法在泥石流危險度評價中的應用［J］.安全與環(huán)境工程，2010，17(3):13-17.

［9］SAATY T L.Fundamentals of decision making and priority theory［M］.Pittsburgh:RWS Publications，2000.

［10］PATEL M，LAL S K L，KAVANAGH D，et al.Applying neural network analysis on heart rate variability data to assess driver fatigue［J］.Expert Systems with Applications，2011，38(6):7235-7242.

［11］GB 7258—2004.機動車安全運行技術條件［S］.北京:國家質量監(jiān)督檢驗檢疫總局，2004.

［12］顧柏園.基于單目視覺的安全車距預警系統研究［D］.長春:吉林大學，2006.

［13］黃勇，蔣工亮，孫聯.基于圖像處理技術的高速公路彎道車速預警系統的研究［J］.山東交通學院學報，2009，17(4):23-27.