以下是用于模拟驾驶员行为和环境因素的测试数据，这些数据用于评估系统的风险评估和预测功能。
| 驾驶员ID | 速度 | 油门/刹车 | 心率 | 头部姿势X | 眼睛闭合时间 | 打哈欠频率 | 车道偏离 | 视线偏离 | 反应时间 | 道路状况 | 驾驶员类型 | 情绪 | 事故 | 疲劳评分 | 注意力评分 | 综合风险评分 | 环境 | 驾驶员画像 | 干预措施 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 60.0 | 0.8 | 70.0 | 10.0 | 0.1 | 1 | 0.1 | 0.1 | 0.2 | 0 | 新手 | 平静 | 0 | 20 | 30 | 0.5 | {"location": {"latitude": 31.2304, "longitude": 121.4737, "altitude": 15}, "weather": {"temperature": 25, "humidity": 60, "condition": "晴", "visibility": 10}, "road_conditions": {"surface": "干燥", "traffic_flow": "畅通", "lighting": "良好"}} | {"experience_level": "新手", "health_conditions": ["无"], "risk_tolerance": "保守"} | {"type": "语音提醒", "intensity": "中", "response_time": 0.5, "effectiveness": 0.7, "details": {"voice_tone": "柔和", "vibration_pattern": "轻微"}} |
| 2 | 70.0 | 0.9 | 75.0 | 20.0 | 0.2 | 2 | 0.2 | 0.2 | 0.3 | 1 | 经验 | 焦虑 | 1 | 40 | 50 | 0.7 | {"location": {"latitude": 31.2304, "longitude": 121.4737, "altitude": 15}, "weather": {"temperature": 25, "humidity": 60, "condition": "阴", "visibility": 10}, "road_conditions": {"surface": "湿滑", "traffic_flow": "拥堵", "lighting": "良好"}} | {"experience_level": "熟练", "health_conditions": ["高血压"], "risk_tolerance": "中等"} | {"type": "座椅震动", "intensity": "高", "response_time": 0.3, "effectiveness": 0.8, "details": {"voice_tone": "警告", "vibration_pattern": "强烈"}} |
以上表格展示了用于测试系统的模拟数据。 这些数据包括驾驶员的各项生理和行为指标、环境因素以及驾驶员画像。 通过这些数据，可以模拟各种驾驶场景，并评估系统的风险评估和预测功能。
环境数据：包括地理位置、天气状况、路面情况、交通流量和光照情况等。
驾驶员画像：包括驾驶员的经验水平、健康状况和风险偏好等。
干预措施：包括干预措施的类型、强度、响应时间、有效性和详细参数等。
以下是各个风险评估功能的入口，点击链接可以查看对应功能的模拟界面和数据展示。
综合风险评分 事故概率预测 风险可视化 干预措施效果评估提高安全性，减少事故发生；改善用户体验，提升驾驶舒适性。
减少因疲劳驾驶/分心驾驶导致的车辆维修、人员伤亡等成本；提高乘客舒适度，提升品牌口碑。