西南交大闫学东教授：运输车辆多层级事故风险智慧识别与预防方法研究

我国道路运输生产安全形势依然十分严峻，有着运输里程长、交通事故多、伤亡比率高等特点，相关数据显示，全国机动车总保有量突破4亿辆，其中道路营运车辆1222万辆，占比3%，但营运车辆涉及交通事故3.6万起，死亡1.4万人，分别占机动车交通事故的13%和23%，是其他车辆风险的4.8倍和9.1倍。

而其中“两客一危一货”运输车辆的风险隐患尤为突出，运输车辆比如重载卡车等很难和其他社会车辆兼容，行驶时间长、驾驶员失能频发，运输环境复杂多变，事故发生后波及范围大，容易造成次生事故，风险防控困难，迫切需要道路运输车辆重大事故风险防范与应急避险技术。在国际上，美国、日本、加拿大等都在智慧监管进行了相应部署，我国在交通强国建设纲要中也对建设运输风险预防控制体系进行了相应的要求。

开展研究前首先要梳理本源科学问题是什么？我们认为是如何通过对事故发生规律的系统性认识，形成营运车辆运输风险智慧识别方法，事故风险智慧识别需具备识别风险、预警风险、自动避险、主动示位、处置管理五要素闭环逻辑，所以它的技术难题就是如何构建风险感知、实时预警、主动避险、快速示位一体化的事故风险防控技术体系，整体上看，就是需要认识事故发生的本源规律，以及要在各个环节采取措施去尽可能地减少事故发生。

本项目有三个方面的创新。理论创新方面，形成全链条、多层级的道路运输车辆重大事故风险防控理论方法体系；技术创新方面，构建车辆在途风险精准辨识与主动防控技术体系，并推动“两客一危”车载预警、自动避撞、遇险示位系列技术标准制定；集成创新方面，打造道路运输组织全过程车辆运行风险智慧管控行业应用范式。

在出发前，根据事故数据、路网信息、监管数据等多要素数据进行风险分级和特征画像，在系统管控层面打造风险分级分类，对风险进行主动挖掘和感知，形成对运输车辆的主动避险和事故防控等的策略；在行进中，整合路侧数据、车内数据、行驶数据、预测信息等，对各类高危场景进行推演和评估，判断司机是否失能，一旦司机失能，系统可自动紧急避撞，有效减少事故灾难损失；在事故后，结合视频监测、雷达监测、感应监测、AI计算等进行事故确认，并通过移动公网、北斗短报文、搜救卫星等对事故位置进行高精度定位，系统自动发布事故信息，确保事故得到及时处置。

内容1：营运车辆运输全过程多层级风险智慧识别与主动防控方法。

首先汇聚各方面信息建立数据底座平台，再通过数据处理与融合挖掘，搭建数据应用系统，在宏观、中观、微观形成不同的策略，宏观是早期风险预警，中观是风险路段识别，微观是即时预警避险，最后进行风险画像和风险等级确认。

目前，我们基于2014～2024所有相关重大交通事故报告进行了网络爬虫和数据再整理，形成人、车、路的环“两客一危一货”事故数据库。根据事故特征分析发现，驾驶员违规操作占比最高，达40%，正常情况占比不足14%；事故高发时段为7～9时、14～16时；超12%车辆同时存在超载超员与性能不达标情况。根据事故黑点鉴别发现，事故多发区处在我国中南部与东部路网密集区、人口集中区；事故黑点集中在山地丘陵区、路网密集区，以及交叉口或匝道口等特定路段。根据事故致因分析发现，秋季、阴雨、雾雪等恶劣天气情况下的事故风险率比其他正常环境下高出100%～200%。

道路运输全过程事故风险识别与特征画像方面。统计性数据分析能够理清事故重点，进而提出基于稀疏时空动态超图学习的事故预测模型，运用多视角时空卷积编码器，混合动态超图网络、进行两阶段自监督学习，提升预测能力和可解释性；并基于联网联控、货运平台的营运车辆告警数据，进一步优化对驾驶员的驾驶要求，再根据货运属性、企业信息、行为表现等构建驾驶员和运输企业两级风险特征画像模型。

多层级在途风险感知与精准识别方面。这部分所做的工作是数据驱动的货运车辆运行风险辨识，根据时空维度指标筛选出安全评价指标体系，利用深度学习对风险程度进行计算；并根据货车事故数据、地图道路数据、GIS路网数据、天气数据等进行货车事故时空统计分布分析，可以发现货车事故发生时间近似3“M”结构，全市路网流量压力大时事故风险高，凌晨段（0点-6点）发生事故数量降低但死亡事故和受伤事故的占比远超白天其他时间段，而机场高速路方向物流企业较多，货物运输需求大，事故聚集多；同时，通过融合班线客车报警数据、行驶轨迹数据、报警前10秒驾驶人视频数据、报警前10秒行车视频数据等，进行客车行车风险等级研判，在驾驶员不良行为发生前的10秒对其进行提醒和管控。

高危场景风险实时评估与动态推演方面。面向不同高危场景比如台风、雨雪等，构建运输车辆行车风险评价指标体系，此前进行了雾天高速公路跟车与避撞实验，对单车跟车与避撞行为分析，和车队跟车与避撞行为分析，探索了能见度、驾驶分心和限速对单车和车队驾驶人跟车及避撞行为的影响。

驾驶员失能情况主动避险与事故预防方面。基于实时与累积驾驶数据，构建了紧急避撞场景下的驾驶决策失误判断方法，也就是根据驾驶员行为特质和周边环境特性，判断驾驶员是否有违规操作；提出了基于碰撞复合圆的拖挂车交叉碰撞检测与避撞规划方法，拖挂车对横向的移动要求很高，容易引起后方拖挂车再次发生事故，所以针对拖挂车智能避撞进行了规划；基于可见光和热成像理论，采用非侵入式方法提取职业驾驶人疲劳信息，提取驾驶员呼吸频率、打哈欠频率等，提出了一种针对驾驶员的非侵入式驾驶疲劳检测方法；基于人工势场理论，构建了面向近临险的行车风险评估模型，综合考虑车辆周边静态风险因素和动态风险因素，根据场的实时变化来确定风险程度。

内容2：行车风险实时推演评估与自动预警技术开发。

行车风险实时推演评估方面。考虑货车车辆的性能和驾驶行为的差异，基于行驶轨迹提取车辆运行特性，建立了改进的CTM-CA混合模型，构建基于车辆异质性的更新规则刻画运输车辆在途状态，最后提取高危节点的影响参数，推演风险动态转移过程，实现道路运输车辆的在途风险全过程模拟和高危场景精细化推演；基于无人机、路侧视频数据，甄别评估道路运输车辆在高风险区的潜在冲突风险；结合风沙、冰雪、雨雾、高速公路等高危等效场景，研究风险模拟推演技术。

自动预警技术开发方面。进行远距离风险增强现实警示，将多传感器融合感知，把实时信息不断交互，提供及时预警信息，提高驾驶员警觉性，这部分铁路运输领域相当成熟，因为铁路体系是封闭体系，而公路体系是开放体系。

内容3：近碰撞风险动态判别及自动紧急避撞技术开发。

车辆前向位置动静态目标辨识方面。提出了基于改进Transformer的多传感器目标检测算法，融合多视角摄像头、雷达数据等，准确输出目标物速度、位置信息、车道线方程等，精度要求达到95%以上。

近碰撞风险量化方面。基于营运车辆实车自然驾驶数据，构建了主客观相结合的碰撞风险片段提取准则，开发基于有序Logit的近碰撞风险量化模型，辨识风险要素。

车辆自动紧急制动决策模型方面。基于安全裕度理论，确定一级、二级预警与制动时机，构建自适应参数调整的自动紧急制动决策模型。车辆自动紧急制动系统设计与装备研发方面。提出了车辆自动紧急制动系统架构，开发了相应软硬件系统，开展了相应的场地测试，并提出了相关技术指标进行评价；依托高危事故场景为数据集，考虑测试场景人、车、路等风险要素，分析得到50余例伤害度大、发生频率高的危险场景，并开发3种测试用特殊目标物。

内容4：遇险精准识别与快速自动报警示位技术开发。

遇险状态精准识别与自动报警阈值研究方面。基于车辆遇险特征，建立了基于声信号特征为主的遇险事件识别模型，也就是根据碰撞内部发出的声音进行识别，能够提高碰撞事件的识别精度。

北斗定位遇险自动识别技术方面。基于北斗定位精度和稳定性特征分析，提出了融合定位算法，提升隧道、遮挡物等多种地理环境下的定位性能，判断事故发生的具体位置。

多通讯方式报警与反馈信息接收方法方面。开展移动公网、北斗短报文和国际搜救三种通讯方式的典型特征分析，研究北斗国际搜救遇险报警转发与返向链路消息播发，形成北斗国际搜救导航模块性能要求与测试方法、接口规范2项国标。

内容5：车载预警、紧急制动、报警示位技术集成应用示范。

通过建立一体化管控测试单元，改装与测试系统及设备，搭建测试场景与环境，实现集成管控平台与应用示范。目前正在开展的工作是对紧急制动系统进行改装，将一级预警、二级预警、紧急制动等嵌入到不同车辆中，目前已联合江苏某公司进行试点示范，从研究成果来看，已经制修订国标、行标8项，其中3项在立项申请中，3项已立项，2项已完成征求意见稿，我们的目标是将车载预警、紧急制动、报警示位三项研究形成集成式的体系。

拟选择S21线阿乌高速公路作为开放道路实测路线，此路段是恶劣天气频发和高危事故常发片区，同时包含涵洞、隧道225道，目前信号覆盖率不高，符合测试环境，路侧设备安装协调便捷，此外也将跟蜀道集团进行合作，选取自然灾害频发的地段进行测试。最终，要实现封闭线路大于1000公里的反复测试，开放道路大于4种车型实地测试，建立起多层级的风险智慧防控方法体系。

往期回顾