[发明专利]长大连续纵坡路段驾驶员危险感知能力预测模型构建方法

权利要求书

1.长大连续纵坡路段驾驶员危险感知能力预测模型构建方法，其特征在于，包括以下步骤：

步骤1、选择训练数据,构造安全训练集以及不安全训练集；所述安全训练集中包含驾驶员危险感知值大于等于1时对应的注视时间百分比、扫视时间百分比、心率变化率以及车辆速度；所述不安全训练集中包含驾驶员危险感知值小于1时对应的注视时间百分比、扫视时间百分比、心率变化率以及车辆速度；

步骤2、构建HMM模型，并对其模型参数进行初始化；

步骤3、采用安全训练集对HMM模型进行训练，直至预测性能达到预设值后停止训练，得到安全型HMM模型；采用不安全训练集对HMM模型进行训练，直至预测性能达到预设值后停止训练，得到不安全型HMM模型；则针对长大连续纵坡路段驾驶员危险感知能力预测模型构建完成。

2.根据权利要求1所述的长大连续纵坡路段驾驶员危险感知能力预测模型构建方法，其特征在于，所述步骤1中，驾驶员危险感知值的计算公式如下：

式中，为驾驶员危险感知值；为驾驶员主观危险度，采用10分制，分值越高代表驾驶员的主观危险感知度越高；为道路客观危险度，采用10分制，分值越高代表路段的客观危险度越高；i 为路段编号；j为驾驶人编号。

3.根据权利要求2所述的长大连续纵坡路段驾驶员危险感知能力预测模型构建方法，其特征在于，道路客观危险度由道路事故率的累积频率确定。

4.根据权利要求3所述的长大连续纵坡路段驾驶员危险感知能力预测模型构建方法，其特征在于，所述步骤2中，HMM模型为左-右链型结构。

5.根据权利要求3所述的长大连续纵坡路段驾驶员危险感知能力预测模型构建方法，其特征在于，所述步骤3中，借助Baum-Welch 算法，对安全训练集进行初始化处理后，将其放入HMM模型训练,历经反复迭代，得到安全型HMM模型的极大似然解；借助Baum-Welch 算法，对不安全训练集进行初始化处理，将其放入HMM模型训练，历经反复迭代，得到不安全型HMM模型的极大似然解；则针对长大连续纵坡路段驾驶员危险感知能力预测模型构建完成。