基于交通运行状态的人车路风险评估系统的设计和开发外文翻译资料

本科生毕业设计（论文）外文资料译文

（ 2019届）

外文资料译文规范说明

一、外文资料译文：

基于贝叶斯网络的交通冲突区车辆碰撞风险预测

关键词：车辆碰撞，贝叶斯网络

摘要：外部交通环境对交通冲突地区的交通安全影响较大，分析外部交通环境因素与行车安全的关系有助于提高交通安全。运用历史资料和专家调查资料综合分析的方法，对这一问题进行了探讨。同时，利用贝叶斯网络建立了交通冲突地点碰撞风险预测模型。通过数据分析，建立了该模型的节点变量、变量状态和条件概率表。最后，利用Hugin软件对碰撞风险的后验概率进行了处理，结果表明，该模型能准确预测交通冲突区的碰撞风险，数据分析表明，驾驶员意图、车速和车头时距等因素对碰撞风险有显著影响。

介绍

随着道路交通环境的日益复杂，传统的汽车防撞报警系统具有误报率高、不能及时报警的特点，会干扰驾驶员的正常驾驶^[1]。在一些时间上，这些系统的使用也会导致交通事故的增加和通行能力的降低^[2]。目前，识别碰撞危险的方法一直是考虑主车与周围车辆之间的距离。但它忽略了驾驶员的状态，车辆的状态和环境也对碰撞风险起作用。这就是他们不适合预测碰撞风险的原因。此外，大多数预警系统总是使用确定性方法来评估碰撞风险，根据这些预测，评估是否存在以及如何预防潜在事故^[3-4]。状况估计和预测都与需要适当处理的不确定性有关^[5]。考虑碰撞概率的一种更合适的方法。此外，为了获得较高的客户接受度，系统还必须考虑到驾驶员的偏好，以便驾驶员在正常驾驶条件下不会受到系统的干扰^[6-7]，同时，解决这一问题的最佳方法是，系统只给出碰撞概率，从而帮助不同的驾驶员决定采取措施避免交通事故的发生。

此外，车辆碰撞主要有三种类型：追尾碰撞、变道碰撞和发生在道路交叉口等冲突地带的车辆不同方向碰撞。通过相关文献，我们可以看出，交通冲突区尤其是道路交叉口更容易发生交通事故，并且经常对人和车辆造成伤害^[8-11]。考虑到交通冲突区碰撞风险的不确定性，本文利用贝叶斯网络建立了交通冲突预测模型。将道路交叉口场景作为典型的交通冲突区进行研究。采用交叉口碰撞事故数据提取相关变量，采用专家调查和数据分析的方法对碰撞影响因素进行分析。最后，建立碰撞风险预测模型，对行驶过程中的碰撞风险进行评估。这些结论可以为交通安全管理和个体驾驶员提供建议。

一、贝叶斯网络

贝叶斯网络是伴随着人们对复杂世界的认识而产生的，对于一个由多因素耦合引起的复杂事件，用完全概率公式来表达其因素与事件之间的关系过于复杂。因此，通过各种影响因素之间相互独立的定义，将大大降低概率公式中全概率的定义。在具体应用中，贝叶斯网络是一个有向无环图，一个基本的贝叶斯网络由一个节点和箭头或有向边的节点连接起来。节点表示将影响事件的随机变量，箭头或有向边等于因素与事件之间的关系。从父节点到子节点的有向边缘，父节点和子节点之间的程度影响是通过偶然概率来表达的。基于传统的贝叶斯概率公式，可以得到：

考虑到每个变量可能具有多个不同的状态参数，例如父节点变量具有n个状态，但是子节点b是m变量，在这种情况下，变量a和b的条件概率表：

考虑到变量a和b彼此独立的特点，可以得到边缘概率：

此外，贝叶斯网络是有效降低全概率公式进入概率的优点，权威数据与历史数据也可以有效整合，因为贝叶斯网络具有互为独立的各个节点之间，而贝叶斯网络也具有马尔可夫覆盖的特点，这一点是贝叶斯网络在不确定性推理研究中的另一个优势。

有很多基于贝叶斯的商业软件要做研究，但只是Hugin被广泛使用，该软件具有图形界面直观、操作简单、功能更强大的功能，一些新的算法和特性更新更快^[12]，所以也采用该软件来做研究。

二、方法

图1展示了数据采集仪和实验程序，表1展示了自变量和因变量。通过对50组实验数据处理的筛选和分析，选择了350组数据进行研究。

图1 数据采集仪和实验程序

表1 贝叶斯的自变量和因变量

通过对350组数据的分析，采用专家评分和统计的方法确定事故发生时变量的可能性，并根据这些结果确定条件概率和状态可能性。

三、交通冲突区车辆碰撞风险预测模型

3.1 交通冲突区的定义

长期以来，交通冲突在概念的定义、分类、形式、解释等方面存在着很大的差异。为了比较和统一不同研究机构对交通冲突的认识，1977年在奥斯陆召开了第一届国际交通冲突学术会议，正式提出了交通冲突的标准定义，即：两个或两个以上的道路使用者在一定程度上相互接近，这一标准定义是时间和空间在一定程度上，如果彼此不改变运动状态，可能会有碰撞的危险，这种现象称为交通冲突[6]。根据参与者的冲突可分为：车对车冲突、车对非机动车冲突、机动车对行人冲突。根据交通流可分为：左转冲突、直行冲突、右转冲突；根据冲突状态可分为：直接冲突、横向冲突、碰撞冲突等；根据风险规避可分为：制动、转向、加速、制动和转向，以及加速和引导冲突；根据冲突的严重性可分为两类：无冲突和严重冲突[7]。本文主要根据参与者的冲突类型对冲突类型进行分类，并选取信号交叉口作为典型的交通冲突区域进行分析。

3.2 贝叶斯网络的构建

根据状态变量参数和数据参数的选择，建立了交通冲突区域条件概率表，并利用Hugin软件建立了车辆碰撞风险预测模型，如图2所示。由图2可以看出，在交通冲突区，碰撞概率为0.5478，无碰撞事故概率为0.4522，收集到的数据与模拟实验结果一致。该模型可用于交通冲突地区的碰撞风险预测。

图2 车辆碰撞风险预测模型

3.3 模型分析

图3 发生碰撞时变量的概率

图4 安全驾驶时变量的概率

从图3和图4可以看到许多显著的特征。当驾驶员的意图、速度或头部时间增加时，车辆碰撞风险显著增加。同时，驾驶员的状态对碰撞风险有很大的影响，外部环境的变化也对碰撞风险有很大的影响。如图3和图4所示，节点的参数是在不同碰撞风险状态下给出的，但不能反映对碰撞事故有重大影响的主要因素。为了进一步分析这些因素对碰撞的影响，采用H_nninen提出的方法对主要影响因素进行评价[13]。例如，我们可以通过比较变量状态的概率找到最重要的因素。概率计算公式如下：

根据公式，影响行车安全因素分析表见表2和图5。

表2碰撞表的主要因素

您可能感兴趣的文章

• 基于校园网的学生作业批阅系统的设计与实现外文翻译资料
• Android平台上基本路由器和交换机配置的移动学习应用程序外文翻译资料
• Java、因特网和管理系统外文翻译资料
• 微信公众号信息服务平台研究外文翻译资料
• 基于Java平台的数据库桥接层Spring框架可靠性研究外文翻译资料
• 第二章：计算机教育的发展外文翻译资料
• 射频识别技术支持的药品监管可追溯系统外文翻译资料
• 基于深度学习算法的人脸识别技术分析外文翻译资料
• Spring Boot实战外文翻译资料
• 基于软系统方法论(SSM)的可持续旅游发展:以印尼西苏门答腊岛巴东班江为例外文翻译资料