基于证据理论的驾驶员行为风险状态识别方法 (2010年)

简介：
本文提出了一种基于证据理论的驾驶员行为风险状态识别方法。通过分析驾驶过程中的多种不确定性因素，采用证据推理模型评估和预测驾驶员的行为风险级别，以提高道路安全水平。 针对驾驶过程中危险性行为的有效识别问题,本段落基于证据理论提出了一套系统的驾驶行为险态辨识方法。在设定的显著性水平下，通过因子方差分析法从多个驾驶行为状态中提取关键因子，并构建了用于辨识驾驶风险的行为特征集。在此基础上，分别应用贝叶斯模型、FCM模型和神经网络模型来构建三类不同的驾驶行为险态识别器，以实现对危险驾驶行为的精准识别。为了减少不同模型之间结果差异带来的影响，本段落采用D-S证据理论融合了三种方法的结果，从而实现了更为准确地评估驾驶状态的风险等级。通过实际案例验证表明，在该系统下对于危险性驾驶行为的状态误判率仅为1.73%。