摘要
驾驶行为是影响道路交通安全的重要因素。因此，研究如何识别异常驾驶行为并评估驾驶风险是非常重要的。驾驶行为与驾驶员、车辆状态等多种因素相关,单纯从某一信息来判断异常驾驶行为是不准确的。本文提出了基于多源信息的异常驾驶行为识别与风险评估方法。围绕异常驾驶行为识别与驾驶行为风险评估等方面开展研究，具体工作如下: （1）针对车辆异常驾驶行为检测难度大，数据复杂的问题。提出基于车道线与车辆运动信息的异常驾驶行为识别算法。论文基于车道线与车辆运动信息对驾驶状态进行分析，探究了不同驾驶行为的特征，建立基于车道线与车辆运动信息的异常驾驶行为识别模型。实验结果表明，对于急加速、急减速、急变道等多种类型的异常驾驶行为能够准确识别，具有较高准确率和召回率。 （2）针对基于驾驶员图像信息的驾驶行为难以辨识，检测准确率较低等问题。提出采用人体关键点来检测识别异常驾驶行为的方法，并优化关键点模型。将驾驶人行为表现区域分为上半身和面部。对于驾驶员的上半身，构建B-P-S分心驾驶行为识别模型，采用骨骼关键点模型识别驾驶员上半身关键点坐标，根据坐标信息提取关键点的几何特征，将构造特征输入PSO-SVM模型完成对分心驾驶行为的识别。对于驾驶员的面部，利用面部关键点模型识别出面部关键点，然后利用眼部与嘴部特征识别疲劳驾驶行为，并利用面部关键点建立头部模型进行PNP（Perspective-n-Point）求解，得到头部偏转角，以此来识别视线偏移驾驶行为。识别结果表明，基于驾驶员关键点的异常驾驶行为检测方法具有较好的识别效果。 （3）针对单种行为难以准确判断驾驶行为风险，其结果不可靠且不够实用的问题。综合人车因素识别出来的各种异常驾驶行为，利用AHP明确不同异常驾驶行为之间的差异性，最终实现结合多种驾驶行为的风险评估模型的建立。实验结果表明，该风险评估方法能够有效评估驾驶风险度。
NETL