公路交通科技
公路交通科技
공로교통과기
JOURNAL OF HIGHWAY AND TRANSPORTATION RESEARCH AND DEVELOPMENT
2013年
7期
113-118
,共6页
马国忠%李燕%郭孜政%杨露
馬國忠%李燕%郭孜政%楊露
마국충%리연%곽자정%양로
交通工程%交通安全%险态辨识%自底向上的分段算法%驾驶行为%BP神经网络
交通工程%交通安全%險態辨識%自底嚮上的分段算法%駕駛行為%BP神經網絡
교통공정%교통안전%험태변식%자저향상적분단산법%가사행위%BP신경망락
traffic engineering%traffic safety%identification of risk status%bottom-up sectional algorithm%driving behavior%BP neural network
为实现险性驾驶行为状态的有效辨识,提出了一套驾驶行为险态辨识方法.以单位时间误操作率为依据,采用自底向上的分段算法实现了行为险态分级,采用因子方差分析,选取听觉感知、动视野、动视力、色觉、暗适应、注意力、判断能力、反应时这8项因子构成驾驶行为状态因子集,构建驾驶行为险态辨识特征向量,然后再对行为状态指标数据予以预先分级的前提下,采用单因子分析法对试验数据予以分析.并设计出BP神经网络行为险态辨识模型,最后进行了实例分析与计算.分析结果表明:反应时、注意力、判断能力3项指标在各分级间差异显著,故可作为驾驶行为险态辨识主因子,行为状态错判误差率为2.5％.
為實現險性駕駛行為狀態的有效辨識,提齣瞭一套駕駛行為險態辨識方法.以單位時間誤操作率為依據,採用自底嚮上的分段算法實現瞭行為險態分級,採用因子方差分析,選取聽覺感知、動視野、動視力、色覺、暗適應、註意力、判斷能力、反應時這8項因子構成駕駛行為狀態因子集,構建駕駛行為險態辨識特徵嚮量,然後再對行為狀態指標數據予以預先分級的前提下,採用單因子分析法對試驗數據予以分析.併設計齣BP神經網絡行為險態辨識模型,最後進行瞭實例分析與計算.分析結果錶明:反應時、註意力、判斷能力3項指標在各分級間差異顯著,故可作為駕駛行為險態辨識主因子,行為狀態錯判誤差率為2.5％.
위실현험성가사행위상태적유효변식,제출료일투가사행위험태변식방법.이단위시간오조작솔위의거,채용자저향상적분단산법실현료행위험태분급,채용인자방차분석,선취은각감지、동시야、동시력、색각、암괄응、주의력、판단능력、반응시저8항인자구성가사행위상태인자집,구건가사행위험태변식특정향량,연후재대행위상태지표수거여이예선분급적전제하,채용단인자분석법대시험수거여이분석.병설계출BP신경망락행위험태변식모형,최후진행료실례분석여계산.분석결과표명:반응시、주의력、판단능력3항지표재각분급간차이현저,고가작위가사행위험태변식주인자,행위상태착판오차솔위2.5％.
