基于视觉信息加工的草原公路行车安全性分析

为探究草原公路各典型行车环境驾驶人视觉信息加工模式的差异性,从视觉层面解析草原公路行车安全,基于眼动仪开展草原公路实车实验,提取驾驶人在自由行驶、跟驰、对向来车、后车切入、路侧风险、交叉口6种真实行车环境下的眼动数据。首先,从视觉分配和视觉搜索两个维度构建评价指标体系,采用动态聚类法将驾驶人的视觉兴趣区域划分为5类,将信息熵与马尔可夫链平稳分布理论结合,构建视点分布信息熵量化驾驶人视觉注意分配的复杂度,并引入扫视幅度、扫视速度分析驾驶人对视觉信息的搜索过程。最后,构建基于CRITIC法的加权秩和比评价模型,对不同行车环境下驾驶人的视觉信息加工强度进行了综合评价。结果显示:驾驶人的视点分布在不同行车环境中存在差异,但当前车道始终是驾驶人获取视觉信息的主视区;各视觉评价指标随行车环境的变化呈显著的统计学差异;驾驶人遇到路侧风险时的视觉信息加工强度最大,行车安全性相对更低。

考虑工作记忆容量和时间压力影响的驾驶绩效分析

随着风险驾驶机理研究的不断完善,外部情境因素和驾驶人内部认知差异逐渐成为当前研究的热点和难点。本文为研究时间压力、工作记忆容量与驾驶绩效之间的关系,采用时间约束和动机等主客观相结合的方法实现时间压力的施加,采用复杂跨度范式测量驾驶人工作记忆容量。基于驾驶模拟器系统构建相关驾驶场景,开展心理学与模拟驾驶行为试验,采集驾驶人心理、操作和车辆运行数据,分别就时间压力、工作记忆容量及其组合对驾驶绩效的影响进行分析。结果表明:时间压力对超速比例、碰撞概率、制动反应时间、左转选择间隙皆有显著的影响效应,且时间压力越高,超速比例越大、碰撞概率越高、制动反应时间越快、左转选择间隙越小的频次越多;工作记忆容量仅对制动反应时间有影响,工作记忆容量越高,制动反应时间越快;时间压力与工作记忆容量对制动反应时间无交互影响,但随着时间压力的增大,高工作记忆容量人群与低工作记忆容量人群在制动反应时间上的差异逐渐变小。这些发现为研究时间压力下的驾驶绩效提供了驾驶人认知方面的新见解。

行人过街事件网联HUD预警系统对驾驶行为的影响

为探索行人过街事件网联环境下平视显示预警系统在不同天气条件下对驾驶行为的影响,以论证预警系统的有效性。文中首先设计基线条件(Baseline)、低头显示(HDD)、平视显示(HUD)3种预警系统,依托驾驶模拟平台开发晴天和雾天天气条件下城市道路网联场景,通过实验测试提取驾驶行为参数;然后,从微观层面刻画行人过街事件网联HUD预警系统作用下驾驶行为的整个空间变化过程,分析预警系统和天气状况两种因素对驾驶行为的作用规律,构建包含避险阶段和恢复阶段的驾驶行为影响模式,提出了反映避险阶段安全水平、恢复阶段恢复水平以及全过程稳定水平等3个层面的综合指标体系,包括首次制动距离、最小冲突距离、恢复稳定时间、速度恢复量、最大减速度和最大加速度;最后,量化不同预警系统(Baseline/HDD/HUD)、天气状况(晴天/雾天)以及两因素间交互作用对驾驶行为的影响。结果表明:行人过街网联HUD预警系统对驾驶人在避险阶段和恢复阶段中的驾驶行为存在显著性作用,显著提高避险阶段驾驶行为的安全水平,同时对恢复阶段恢复效率具有明显的提升作用,也显著影响全过程运行特性的稳定水平;在雾天条件下行人过街网联HUD预警系统表现出更为明显的优势。

集成学习框架下的车辆跟驰行为建模

为了提高复杂行驶环境下车辆跟驰行为预测精度,提出了一种集成学习框架下融合理论驱动模型和数据驱动模型的车辆跟驰行为建模方法。基于stacking集成学习框架,选择理论驱动的智能驾驶模型(IDM)、考虑车辆队列和周围行驶条件因素的数据驱动的长短时记忆(LSTM)网络和门控循环单元(GRU)网络作为跟驰行为特征的一级学习算法,选择3种线性和8种非线性回归方法作为备选二级学习算法来融合一级学习器的输出特征。通过对比使用实际车辆轨迹数据计算的模型预测精度,确定了最优模型。研究结果表明:包含车辆队列和周围行驶条件变量的数据驱动跟驰模型比IDM模型的预测精度更高;多数情况下采用非线性二级学习算法的融合跟驰模型的预测精度高于IDM模型、数据驱动跟驰模型以及采用线性二级学习算法的融合跟驰模型;分别采用GBRT回归和随机森林回归作为二级学习算法的IDM-LSTM-stacking模型和IDM-GRU-stacking模型具有最高的预测精度;外界干扰下的融合跟驰模型稳定性优于单一的理论和数据驱动跟驰模型。集成学习为驾驶行为建模提供了新方法。

基于强弱感知设计的驾驶员危险感知状态识别模型研究

驾驶员危险感知能力对于预防和减少道路交通事故具有重要作用。针对目前研究中危险感知的特征向量表征不统一、算法对实际问题可解释性不足的弊端,通过人为控制的方式,设计了基于危险源、显隐性、强弱危险感知状态3个维度的3×2×2实验方案,实现对危险感知的预定分级;设计配对T检验和Wilcoxon符号秩检验结合的方式实现强弱感知状态下特征差异性的量化比较;建立基于十倍交叉参数调优SVM算法的危险感知状态二分类模型。研究结果表明:驾驶员在强危险感知状态下对危险的反应更主动,倾向于避免危险,而非紧急避险,并保持更低的车速,更倾向油门控制而非制动控制,注视和眼跳行为增加;驾驶员在隐性危险源场景中的操纵力度和频次更强,危险感知与显隐性影响程度及危险源类型有关,摩托车类危险源差异最大,行人类危险源差异最小;在C=1,γ=0.1,选择车头时距、车速标准差、最大制动踏板力、加速度标准差、预减速时间、车速均值、油门开度标准差、跳视次数、注视次数作为特征时,SVM模型具有最好的性能,准确率为89.2%,精准率为90.6%,召回率为87.8%,F1值为0.888。XGBoost模型对弱感知的识别能力低于SVM模型。该研究对于驾驶员危险感知状态的量化评估具有显著的指导意义。

基于DEA模型的山区公路视线诱导设施综合效用评价

为减少弯道段交通事故,对山区公路视线诱导设施综合效用进行研究.在弯道段单独或组合设置护栏、轮廓标、线形诱导标3类视线诱导设施,并基于驾驶模拟器、眼动仪和脑电仪获取眼动、脑电及驾驶行为数据,分析不同设置方案下驾驶人的行为特性.基于超效率BCC-DEA模型,构建山区公路弯道视线诱导设施有效性评价体系,对不同设置方案的综合效果进行评价.结果表明:视线诱导设施组合设置对驾驶行为的影响比单独设置效果更好,其中采用“线形诱导标+轮廓标”设置效果最优;视线诱导设施设置数量超过2个时会降低警示与诱导效果;指标敏感性分析表明,速度和横向位移指标分别是单独与组合设置时影响安全过弯的关键因素.

认知分心情境下驾驶人应激反应行为研究

选取40名被试,采用2-back任务诱导认知分心,利用驾驶模拟系统构建行人-机动车、非机动车-机动车和机动车-机动车等3种应激场景,开展了不同应激场景正常驾驶及认知分心驾驶2种工况驾驶人的应激反应实验研究;根据采集的被试的眼动、脑电和驾驶行为等数据,分析了认知分心驾驶工况驾驶人的应激反应行为特性;对实验结果进行集对分析(SPA),完成了不同应激场景下驾驶人应激反应行为的安全性评估。结果表明:驾驶人应激反应行为的安全性因受认知分心的影响而降低,其中在行人应激场景下的影响最为显著。

高原环境导致的中青年驾驶行为及驾驶绩效特征

为了量化分析高原环境导致的驾驶行为特征差异,寻找驾驶绩效下降时间窗,运用驾驶模拟器和低氧发生器在平原地区模拟海拔3 900 m高原驾驶环境,开展驾驶模拟试验分别收集驾驶人在平原环境和模拟高原环境的驾驶行为数据和心电图(electrocardiogram,ECG)信号数据。通过对比高原实车试验环境驾驶人的心率指标变化,运用雷达图、数值排序图和单因素方差分析方法对平原、高原环境下的驾驶行为特征进行对比分析,引入Jensen-Shannon散度(JS散度)量化2种环境下横向偏移距离、横向加速度、转向盘旋转率和速度这4个指标的概率密度拟合分布之间的差异,使用差分法确定高原环境下的驾驶绩效下降时间,验证了模拟高海拔环境驾驶模拟试验的有效性研究。结果表明:高原环境下横向偏移距离标准差、横向加速度标准差、转向盘旋转率标准差、速度标准差比平原环境下分别增加了0.094 3 m,0.119 0 m/s^(2),0.000 9°/s,0.651 3 km/h,车辆整体稳定性降低;借助JS散度发现横向偏移距离、横向加速度、转向盘旋转率和速度这4个指标在2种环境下的数值分布存在较大距离,分别为0.23,0.11,0.01,0.02,其中车辆的横向运动受负面影响更大;在进入海拔3 900 m的高原地区时,驾驶绩效约在6 min后显著下降。

草原公路驾驶接管风险的模糊推理评估方法研究

为探究草原公路行车场景和非驾驶相关任务对驾驶人接管过程的影响,提出了基于生理特性和接管绩效的模糊逻辑风险评估方法。首先,模拟牛羊出没、前方停车、匝道来车三种草原公路典型场景,并考虑在模拟场景下执行无次任务、听新闻、看视频、玩游戏四种非驾驶相关任务;其次,构建基于生理指标(心率变异性)和接管绩效(接管时间、接管质量)的风险评估指标体系;最后,采用模糊推理建立风险评估模型,量化评价不同场景和非驾驶相关任务组合的风险水平。结果表明,匝道来车场景和玩游戏在驾驶接管风险等级中被评估为高风险和极高风险占比较高。整体而言,高风险和极高风险样本占比达44.2%,反映出草原公路特定场景下执行感官参与维度多的任务具有较高的接管风险隐患。场景和非驾驶相关任务存在交互作用,在复杂场景下从事感官参与维度较高的任务极易导致高风险情况。相较于简单场景,驾驶人在复杂场景中的风险累积更快、波动更大,并在中后段达到峰值。

基于HRI的高密度立交群出入口驾驶人精神负荷

为明确驾驶人在高密度互通立交出入口时精神负荷变化与驾驶环境的相关性,选取重庆市主城区内环快速路上4座立交(3座小净距立交及1座普通立交)作为研究对象,开展了47位驾驶人的实车驾驶试验。使用生理仪连续采集了驾驶人的心电数据,计算了驾驶人经过立交分流点、合流点前后的心率增长率(heart rate increase,HRI),以HRI作为驾驶人精神负荷评价指标,明确了驾驶人在立交出口和入口的精神负荷变化规律,对出口和入口的精神负荷进行了对比,并分析了环境熟悉程度及分流方向对驾驶人精神负荷的影响。结果表明:小净距立交出入口驾驶人HRI存在6种变化模式,较普通立交出入口存在的5种变化模式更多样化;小净距立交出口和入口的HRI均值变化呈相反的趋势,且HRI均值及特征分位值均表现为入口HRI略大于出口HRI;合流和分流行为都会使驾驶人的精神负荷产生明显波动;立交间距离过短,会导致驾驶人经过立交出口和入口时的HRI增大,精神负荷增加;环境熟悉程度对驾驶人经过立交出口和入口分合流点时的HRI存在显著影响,驾驶人第2、3次经过相同立交出口和入口时的HRI波动明显减小;驾驶人经过立交左侧分流点时的HRI较右侧分流点更高,精神负荷更大。

考虑驾驶人交通环境感知的车辆安全势场及跟驰行为建模

安全势场能够描述车辆驾驶过程中周围安全风险的空间分布。针对既有模型重点关注车辆自身运动状态而忽视驾驶人环境感知信息的问题,围绕车辆安全势场模型改进以及其在跟驰模型中的应用展开研究。引入相对状态影响因子和道路交通状态影响因子对既有模型进行改进,强化车辆间相对速度和所处道路交通状态对行车安全性的影响;利用车型系数对实际空间的距离进行修正,研究多车型混合环境下车型差异对行车安全性的影响;利用感知安全势场将前车运动状态与后车跟驰行为建立联系,得到基于感知安全势场的车辆跟驰模型;采用遗传算法对本文所建模型和智能驾驶人跟驰模型、安全势场跟驰模型进行标定。结果表明,上述3个模型在测试集上的均方根误差分别为6.124、8.515、7.248,证明该模型误差最小,能够更为精确地描述车辆跟驰行为。研究成果能为行车安全风险评估和车辆驾驶行为决策提供理论依据。

听觉-言语认知负荷下工作记忆容量对跟车行驶影响

听觉-言语认知负荷作为一种典型的认知负荷,是驾驶人认知分心的主要来源,容易导致驾驶绩效下降,认知负荷对驾驶绩效的影响程度与个体工作记忆有关。为研究听觉-言语认知负荷下工作记忆容量对跟车驾驶绩效的影响,本文开展心理学与模拟驾驶实验。首先,设置不同听觉-言语认知负荷水平的n-back任务,构建车头时距变化和前车速度变化的跟车场景;其次,采集并预处理工作记忆容量、驾驶人操作行为与车辆运行状态数据,选择跟车速度差、绝对加速度、横向稳定性、制动反应时间及跟车间距作为分析指标,获得36名被试数据;最后,采用方差分析及事后比较,分析认知负荷和工作记忆容量在跟车时对驾驶绩效的影响,并探讨两种因素对驾驶绩效的交互和调节作用。研究表明:认知负荷增加导致驾驶人更大的加减速倾向,更长的制动反应时间;工作记忆容量较高的驾驶人具有更小的制动反应时间和更稳定的跟车间距,更频繁的方向修正和更好的车道保持水平;在工作记忆容量和制动反应时间中,听觉-言语认知负荷具有正向调节作用。本文可以为驾驶安全培训干预提供驾驶人认知特性方面的见解和理论参考。

基于高速实车驾驶数据的驾驶人跟车模型研究

通过实车试验采集驾驶人在高速公路的跟车数据,分析了跟车过程中加速、稳速和减速阶段的划分标准,探讨了稳速跟车阶段驾驶人的期望跟车间距与跟车速度之间的关系,建立期望间距跟车模型,并与自适应巡航控制(ACC)系统所用的安全距离模型进行对比。结果表明:加速和减速阶段,驾驶人的反应并非对称,加速阶段的车辆状态变化更频繁;在稳速跟车阶段,驾驶人的期望跟车间距随车速的升高而增加;与安全距离模型相比,所建立的期望间距跟车模型更符合驾驶人跟车习惯。

基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究

为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(receiver operating characteristic curve,ROC)分析方法,确定基于脑电信号样本熵值的驾驶疲劳判别阈值.研究结果表明:脑电信号样本熵值处于区间(0.32,0.71)时,驾驶员处于疲劳过渡时期,可能出现疲劳特征;脑电信号样本熵值小于阈值0.605时,判定驾驶员处于驾驶疲劳状态,准确率为0.95,该值可作为基于脑电信号样本熵的驾驶疲劳判定阈值.

驾驶人换道意图实时识别模型评价及测试

通过分析驾驶人换道行为和车辆运动状态,研究了意图换道和车道保持阶段的差异性,并基于BP神经网络模型和证据理论识别模型,对意图换道进行了实时识别试验。结果表明:两种模型在换道前3s对意图换道样本识别准确率分别为78.26%、45.22%,在换道时刻的识别准确率分别为99.13%、86.96%;随机选择样本对两种识别模型进行验证,意图换道样本的识别准确率分别为86.00%、96.00%,车道保持样本的识别准确率分别为21.05%、78.95%,同时模型识别出正确样本的最长时间均小于0.5s,表明证据理论识别模型具有较高的优越性和实用性。

国内不同类型城市居民出行特征分析

通过收集大量国内城市的居民出行特征调查数据,对数据进行归纳整理,从出行次数、出行目的、出行方式结构、出行耗时等4个方面进行分析.通过对城市进行分类,找出不同类型城市的居民出行特征,分析产生这些特征的原因.对居民出行次数,按照人口规模分类,建立了不同人口规模城市的居民人均出行次数模型,通过建摸的方式找出不同人口规模城市的居民出行次数规律.

G15沈海高速K1070国富农汽天桥拆除交通诱导对车辆行为的影响研究

基于G15沈海高速K1070国富农汽天桥拆除施工项目,根据路网特征确定交通诱导分流区域,结合出行者路径选择行为分析施工期间车流量变化情况,对交通诱导策略进行研究,分析诱导信息发布方式特点,并利用VISSIM仿真软件分别对有无远端诱导的路网运行状况仿真,验证施工条件下远端交通诱导的有效性,供同类工程参考。

路面不平整引起的车辆动载计算方法

为了分析不平整路面上行驶车辆的动载特性,研究了西宝高速公路平整度实测结果,用正弦曲线模拟路面表面,建立了考虑汽车侧倾因素和轮胎阻尼的四自由度车辆振动模型,利用模态理论和编程计算对车辆振动模型在不同路面波长、不同振幅、不同行车速度及左右车轮激励不同时的动载进行了分析和求解,给出了车辆在不平整路面上行驶时产生的动载计算方法。计算结果表明:波形路面上产生的动荷载沿路线纵向呈波形分布,在路面上行驶的车辆对路面可能产生很大的动荷载,最大动荷载系数可达到2.0以上。

面向驾驶辅助系统的换道安全性预测模型研究

为使换道辅助系统适应动态的道路交通条件,以模拟驾驶试验数据为依据,提出以目标车道后车的最大减速度和平均减速度为衡量指标,分析换道行为对道路交通安全的影响程度.通过换道影响的K-means聚类分析结果将换道数据分为危险、安全、舒适等3类,对3类换道数据中的运行参数进行对比检验,发现自车速度、速度差、车间距、纵向加速度具有显著差异性;以自车速度、速度差、车间距、纵向加速度为输入特征量,以换道影响的聚类结果为输出特征量,运用支持向量机(SVM)理论建立换道安全性预测模型.预测结果表明,对危险换道行为的预测准确率可以达到91.1%,该模型具有较好的预测准确性.

基于道路坡度实时信息的经济车速优化方法

作为生态驾驶辅助系统的组成部分,提出了基于道路坡度实时信息的车辆经济车速优化方法。搭建了车辆油耗模型和车辆动力学模型,对于车辆行驶在没有坡度的和前方出现坡道的两种情况,进行最省油车速优化。根据坡度信息,利用动态规划算法,计算出通过坡道的经济车速。对于一款D级轿车,运用Matlab/Simulink和Carsim联合仿真,与真实道路信息上实车模拟结果进行对比分析。结果表明:与传统定速巡航控制算法相比,该算法节油达到5%。这说明,该算法能降低车辆油耗。结合全球定位系统(GPS)信息以及地理信息系统(GIS),该技术可用于基于车联网的生态驾驶辅助系统。