成果名称：基于视频识别的驾驶行为风险度量与聚类分析

技术领域：交通安全领域

项目负责人：罗强

一、成果内容简介

在“人-车-路-环境”构成的驾驶系统中，驾驶员是其中随机性最强的因素，也是诱发交通事故的主要因素。在智能网联背景下，驾驶辅助系统能够有效辅助驾驶员安全行驶，及时提醒驾驶员纠正驾驶行为，避免交通事故的发生。其中，驾驶行为风险正确判别是辅助系统的重要理论依据。因此，在智能网联背景下，利用大数据技术挖掘驾驶员的行为特征，建立驾驶行为风险度量模型，对驾驶行为风险进行及时度量与聚类。

成果基于交通视频数据，利用图像识别和大数据分析技术等，系统地研究车辆轨迹数据提取与跟踪、轨迹数据特征挖掘、交通风险因子梳理与选择、风险驾驶行为识别与判定、驾驶行为聚类与分析、驾驶行为安全预警方案等问题，形成大数据驱动下驾驶行为的风险度量与及时预警。

成果提出的驾驶行为风险识别与度量技术，与智能交通系统下高精度、高纬度、多源的驾驶行为数据相匹配，准确评估驾驶行为的潜在风险，并在智能网联环境下实施合理的行为干预，可减少交通事故的发生，提高车辆行驶安全性，可用于不良驾驶行为的监控预警、驾驶培训、车辆保险的个性化制定、驾驶员行为推荐系统的研发等多个方面。

各指标四分位差法箱线图

驾驶行为风险聚类结果

驾驶行为风险分析与智能预警流程

二、技术经济指标与先进性

成果突破传统交通数据获取方法，建立了一套能够从交通视频数据中提取车辆行驶轨迹数据的方法，进而从轨迹数据中提取度量驾驶行为风险所需的特征参数。以车辆位置信息、车辆速度、加速度、车头时距等交通参数为输入，结合车辆行驶特性，从纵横两个角度定义能够全面刻画驾驶行为风险的评估指标，进而建立驾驶行为风险度量模型，并对驾驶行为评估结果进行聚类分析。结合各个度量指标的阈值分析结果，制定面向不同聚类类型的驾驶行为的有针对性、操作性强的安全预警方案。

三、转化方式与应用效益

成果可应用于驾驶人培训、驾驶行为监管、职业司机再教育、差异化保费制定、路网风险状态研判等多个领域。针对具体驾驶员，成果通过分析其大量历史轨迹数据，对其驾驶行为进行综合评价，发现该驾驶员驾驶过程中存在的驾驶安全问题，进而给出针对性的改善建议或解决方案，这对预防交通事故的发生和提升道路交通安全性具有重要的理论价值和现实意义。