高速公路分流区是高速公路安全瓶颈,为有效评价分流区安全服务水平,本文借助D-Lab人因数据采集与分析系统对分流区眼动数据进行采集、分析,利用交通冲突技术提取车辆轨迹,构建考虑视觉特性的分流区换道风险评估模型。具体研究内容如下:(1)提出获取视觉特性的试验方案。选取共25位驾驶员开展平行式有可选车道的单车道类型分流区实车试验,获取眼动数据,并利用参照物将注视点的像素坐标转换为唯一固定的二维坐标。(2)实现兴趣区域下眼动数据分析。从基本眼动、目标注视、视线转移三特征分析试验数据,利用二元变量分析将注视点分布划分为两类,选取资深驾驶员注视点分布利用近邻传播聚类算法,通过调控阻尼系数λ与偏向参数p确立聚类数目,依照聚类结果将兴趣区划分为7部分,其中前窗采用放射线划分,以此分析不同驾驶行为间视觉差异,共选取11类差异性显著数据。(3)构建换道决策模型。确定视觉特性指标体系,利用主成分分析法降维,并提出基于支持向量机的非线性驾驶行为分类,以视觉特性参数获取换道概率,判别驾驶行为类型。同时对比四种核函数,结果表明,高斯径向基函数核函数准确率91.67%,灵敏度90.21%,适用于小样本量、低维度情况。(4)提出基于预测轨迹的冲突严重程度判别方法。采用视频检测技术,对固定背景下运动目标进行轨迹提取,利用神经网络实时预测轨迹,并引入量化指标J以碰撞概率分析分流区两车冲突严重程度。同时探讨融合换道决策的碰撞概率算法,构建融合视觉特性的分流区风险评估模型。结果显示,指标J考虑避险行为对潜在冲突点出现时间的影响,准确性更高;融合视觉特性的碰撞概率模型,准确度85.71%、灵敏度92.75%,更接近于实际。