标准规范下载简介

T／CITSA 03-2020 基于车辆轨迹数据的汽车驾驶人驾驶行为安全性评价规范.pdf.pdf

3.1自然驾驶naturalisticdriving

3.2车辆轨迹数据vehicletrajectorydata

由于车辆运行而产生的动态位置数据和行车数据的集合，通常包括时间戳、设备编号、 方向角、速度、纵向加速度等字段

3.3时间窗time window

CECS 304：2011 建筑用金属面绝热夹芯板安装及验收规程.pdf用于连续驾驶行为分析评价的最小时间单元。

3.4道路红线boundarylineofroads

用于驾驶行为安全性评价的数据集应为在自然驾驶状态下采集的车辆轨迹数据，数据字段应包括采 集时间、经度、纬度、速度、纵向加速度、方向角。

用于驾驶行为安全性评价的数据集质量应满足以下要求： a）采集频率为1Hz及以上； b）在数据连续记录情况下，所获取的数据中异常（缺失、错误等）数据比例不超过数据总量的5%： c）速度数据的精度至少应达到1km/h； l）加速度数据的精度至少应达到10m/s； e）经度和纬度数据的精度至少应达到10°度； f)方向角数据的精度至少应达到1度

5.2.2数据排除要求

符合以下情况的数据应被删除和舍弃，不得用于驾驶行为安全性评价： a）速度大于200km/h； b）速度小于0km/h; c）加速度绝对值大于12m/s2； d）角速度绝对值大于90°/s； e）定位经纬度在道路红线范围以外。

若连续异常、缺失的数据时长不大于2s，可以结合数据形式及缺失情况，通过适当的方法进行修 补后用于驾驶行为安全性评价（数据修补方法可参见附录A）。

用于驾驶行为安全性评价的指标体系包括4类、23项指标，见表1。（相关指标定义及计算方法参 见附录B）。

表1驾驶行为安全性评价指标

基于驾驶行为指标体系，对超速、急加速、急减速、急变道、急转弯、疲劳驾驶、不平稳驾驶 危险行为进行瞬时判别，计算判别方法参见附录C

7.2驾驶人个体驾驶行为风险计算

基于某一驾驶人在一段时间内的车辆轨迹数据，对驾驶人个体驾驶行为进行评价，流程如下： a）采集一段时间内驾驶人车辆轨迹数据，对原始数据进行处理以满足第5部分数据要求； b）选取第6部分中的驾驶行为安全性评价指标，构建评价指标体系； c）根据评价需要采用数理统计、机器学习（参见附录D）或其他评价方法，计算驾驶人个体危险 驾驶行为的风险系数。

体驾驶人驾驶行为风险计

基于特定区域内多名驾驶人的车辆轨迹数据，开展路口、路段、路网层级的安全性评价或面向特定 群的驾驶行为安全性评价，流程如下： a）采集一段时间内目标区域或目标群体驾驶人车辆轨迹数据，对原始数据进行处理以满足第5部 分中数据要求； b）选取第6部分中的驾驶行为安全性评价指标，构建评价指标体系； c）根据评价需要采用数理统计、机器学习（参见附录D）或其他评价方法，计算驾驶人群体危险 驾驶行为的风险系数，

基于驾驶行为风险系数，根据实际需要判别个体/群体驾驶人的驾驶行为安全等级，将驾驶行为分 为安全、一般和危险3类（参照附录D）。

式中： Vmis——异常、缺失的速度数据； Vpre——异常、缺失的数据前一有效速度数据； Af采样间隔。

Vmis = Vpre + apre ×A

车辆的瞬时纵向速度，单位为km/h。

车续行驶过程中分析时段内的车速平均值，按式

式中： N—数据样本总量，下同； i—第i数据样本，下同。

B.1.3速度标准差α

车辆连续行驶过程中分析时段内的车速标准差，按式（B.2）计算：

车辆速度对时间的变化率，单位为m/s

B.1.5正加速度平均值a.

B.1.6正加速度标准差α。

B.1.6正加速度标准差α.

车辆连续行驶过程中分析时段内的正加速度标准差，按式（B.4）计算：

附录B （规范性附录） 指标定义及计算方法

史过程中分析时段内的正加速度平均值，按式（I

B.1.7负加速度平均值a

B.1.8负加速度标准差c

车辆连续行驶过程中分析时段内的负加速度标准差，按式（B.6）计算：

B.2.1横向速度V.

B.2.1横向速度Via! 与汽车行驶方向垂直的方向的速度。

与汽车行驶方向垂直的方向的速度。

B.2.2横向速度均值v..

B.2.3横向速度标准差α.

B.2.3横向速度标准差α

车辆连续行驶过程中分析时段内的横向速度标准差，按式（B.8）计算：

B.2.4横向加速度a.

B.2.4横向加速度amm

B.2.5横向加速度绝对值均值a.

Zi= Vlat(i) L. N

B.2.6横向加速度标准差.

速度标准差，按式（B.10）计算：

车辆行驶方向角对时间的变化率，单位为°s。

B.2.9角速度标准差α.

B.2.9角速度标准差

B.3.1纵向急动度Jlan

纵向加速度对时间的变化率，按式（B.13）计算： ir(lon) =α(lon)

B.3.2横向急动度llam

Z aa(i) alar N

B.3.3路段车速差△

B.4.1连续驾驶时间t.am

B.4.1连续驾驶时间t...

B.4.2速度×加速度绝对值V×a

某时刻速度与加速度乘积的绝对值，单位分别为km/h，m/s，用于判定驾驶行为安全性，值越大， 风险越高。

附录C （资料性附录） 典型危险行为判别方法

附录 C （资料性附录） 典型危险行为判别方法

本节内容给出的驾驶行为分类阈值为一般情况下的参考阈值，在应用时应根据实际情况进行调整。 招速

本节内容给出的驾驶行为分类值为一般情况下的参考阈值，在应用时应根据实际情况进行调整。

表C.2急加速行为不同安全等级瞬时加速度分类阈值

表C.3急加速行为不同等级平均加速度分类阈值

表C.5急减速行为不同安全等级平均加速度分类阈值

表C.6急变道行为不同安全等级瞬时角速度分

C.7急转弯行为不同安全等级瞬时角速度分类阈

天驾驶超过8小时，或连续驾车4小时没有停车休息超过20分钟，或夜间连续开车（晚上 至次日凌晨5：00）超过2个小时的驾驶行为认定为疲劳驾驶（属于“危险”等级）。

在车辆行驶过程中GB3836.6-87爆炸性环境用防爆电气设备 充油型电气设备“o”.pdf，根据车辆速度 将驾驶行为分为安全、较安全、车

稳度指标的时间窗长度为20s，以1Hz采样频率为准进行比较。货车的参考阈值应在表格数据 根据实际场景（车辆类型、载货量等）乘以0.5~0.7的系数。

表C.8驾驶不平稳行为不同安全等级分类阈值

D.1基于数理统计方法的驾驶行为安全性评价

附录D （资料性附录） 驾驶行为安全性评价方法

EEEαx×rx fxt

D.2基于机器学习算法的危险驾驶行为安全性评

结合机器学习算法通过挖掘隐性规律进行危险驾驶行为识别，标准给出应用机器学习算法进行个体 驾驶人或特定区域群体驾驶人驾驶行为安全性评价的一般流程和要求。 a）算法流程 应用机器学习进行驾驶行为安全性评价的技术路线如图D.1所示。其中GB503542005建筑内部装修防火施工及验收规范，进行数据集分割时，推荐 的训练集、验证集、测试集比例为6:2:2。