摘要
城市公交是居民重要的出行方式之一，尤其在新时期“创新、协调、绿色、开放、共享”五大发展理念的背景下，居民低碳出行意识提高，城市公交载客量激增。然而，公交车辆一旦发生意外，往往是重大的交通事故，带来不可估计的人员伤亡和财产损失。因此，保障公交运行安全至关重要。提高公交运行安全水平不仅要事后溯因，更需事前防范。为此，各公交运营单位大力推进公交智能化建设，高级辅助驾驶系统（AdvancedDrivingAssistanceSystem,ADAS）实现了车辆主动安全预警，公交监控平台实现了对车辆运行全方位的监控。累积的交通数据为公交驾驶风险精细化管控提供了可能性，然而现今对交通数据，尤其是预警数据的利用尚有不足，风险管控手段依然有限，公交安全监管从事后处置到事前管控的实现方式依旧有待探索。为此，本文将视角聚焦于公交单车次驾驶行程，综合利用公交车辆CAN（ControllerAreaNetwork）总线采集的车辆运行数据、ADAS上报的预警数据和智能调度系统记录的电子路单数据，建立公交驾驶风险表征指标集，构建公交驾驶风险等级在线判别模型。旨在实现对公交驾驶行程风险的动态监控和及时反馈，打通“车辆监测—风险感知—管理决策”的线上闭环，对推动车辆运行防控一体化和公交安全管理数字化具有重要意义，也对防范交通事故、保障人民生命安全起到重要的支撑作用。 论文的主要研究内容如下： 首先，利用数据分析方法，开展数据预处理与数据关联工作。通过冗余数据处理、缺失值处理和异常值处理对车辆运行数据、预警数据以及电子路单数据进行预处理。通过设计时间匹配函数对预处理数据进行数据关联，提取了触发过预警的车次，并获得其车辆运行数据和预警数据，作为本文的基础数据集。 其次，依据公交行车特点，以公交单车次的驾驶行程为研究对象，从超速情况、驾驶操纵情况和预警发生情况3个方面出发，提取了5个驾驶风险指标。其中，深入挖掘了预警数据特征，综合考虑预警序列在数量、种类、时序分布3个方面的差异，构建了预警相关指标，以衡量公交驾驶行程的风险程度。 再次，基于公交驾驶风险指标数据，针对传统灰色聚类模型的不足，引入两阶段灰色综合测度决策模型，结合反熵权法的指标赋权方法，构建了反熵权-两阶段灰色综合测度决策模型。利用此模型将广州市公交某线路300个车次的驾驶风险划分为低、中、高三个等级。与传统模型相比，反熵权-两阶段灰色综合测度决策模型提高了待分级车次类别归属的确定性，并通过第二阶段决策，完成了对24个灰色聚类系数无显著性差异的低区分度车次的驾驶风险分级。最终得到了合理的分级结果，为构建公交驾驶风险等级在线判别模型提供学习样本。 最后，基于历史车次的驾驶风险分级结果，构建了公交驾驶风险等级在线判别模型。在对比了K近邻、CART决策树和支持向量机三种模型效果的基础上，通过Stacking模型融合方法，利用CART决策树模型和支持向量机模型，构建了融合模型。结果表明：融合模型的判别准确率为98.33%，相比于CART决策树模型提高了3.33%，相比于支持向量机模型提高了1.66%。优选融合模型作为公交驾驶风险等级在线判别模型。该模型可嵌入公交监控平台，实现未来场景下对公交驾驶风险等级的及时判定。
NETL