マルチソースセンシングデータに基づく極限値モデルによる重量車両運転者の安全評価

科学分野:

• 輸送工学
• データサイエンス
• リスク管理

背景:

• インテリジェント・ネットワーク・プラットフォームは,安全のために重型車両から複数のソースのセンサーデータを収集します.
• 既存の衝突リスク管理と安全評価方法は,この運転データを完全に利用していません.

研究 の 目的:

• 重型自動車の安全評価のための新しい枠組みを提案する.
• クラッシュリスクの値の決定と指標依存性の分析のための方法を開発する.

主な方法:

• 単変数および二変数ロジスティックベースのモデルを含む極限値モデリングを使用しました.
• 3,452台の重型車両のデータセットにブロックマキシマモデルを適用した.
• スピード (Speed-Vf) とジーク (Jerk) に関する特定された値.

主要な成果:

• スピード-Vfとジークは重型車両の運転リスクの評価に有効な指標です.
• 負荷のない状態と注意散漫/疲労の警告は衝突のリスクを高めます.
• Speed-VfとJerkの最適な値が衝突の推定のために特定されました.

結論:

• 提案された枠組みは重車両の安全性を効果的に評価するものです.
• バイバリエーションモデルは,ユニバリエーションモデルよりもより堅実な事故リスクの見積もりを提供します.
• この研究は,正確なリスク評価のための共同確率の分析の重要性を強調しています.