为研究高原公路不同天气状况对驾驶人工作负荷的影响,共选定了32名被试驾驶人,包括7名外地驾驶员和25名本地驾驶员,在选定的试验路线上进行了实车试验。在晴天、雨天、雪天、雪天+大雾(能见度5 m)的4种不同天气状况下,选取心率变异性时...为研究高原公路不同天气状况对驾驶人工作负荷的影响,共选定了32名被试驾驶人,包括7名外地驾驶员和25名本地驾驶员,在选定的试验路线上进行了实车试验。在晴天、雨天、雪天、雪天+大雾(能见度5 m)的4种不同天气状况下,选取心率变异性时域指标:相邻心跳间期之差的均方根值(root-mean-square of difference-value of adjacent R-R interval, RMSSD)、全部窦性心博R-R间期的标准差(standard deviation of R-R interval, SDNN)、相邻NN间期差值>50 ms的百分数(percentage of R-R intervals at least 50 ms different from the previous interval, PNN50)和心率增长率作为驾驶人工作负荷表征指标,研究在高原公路不同天气状况下被试驾驶人工作负荷变化规律。研究结果表明:高原公路不同天气状况对驾驶人的工作负荷有显著的影响,驾驶人工作负荷因天气条件的恶劣程度和海拔高度而增加,道路的天气状况、能见度及海拔高度的共同作用对驾驶员工作负荷影响最大。展开更多
针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联,提出一种基于驾驶状态的危险路段识别方法,辨识和分析不同风格驾驶人具有潜在风险的路段,并提出优化方案。首先,通过实车实验采集驾驶人行为及生理指标数据,使用DBSCAN...针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联,提出一种基于驾驶状态的危险路段识别方法,辨识和分析不同风格驾驶人具有潜在风险的路段,并提出优化方案。首先,通过实车实验采集驾驶人行为及生理指标数据,使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型,并依据行为特征对驾驶风格进行差异性分析;其次,采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型,通过GPS(Global Positioning System)点位对应实现危险路段辨识,并基于驾驶风格差异,从驾驶人感知、操纵与生理角度对危险路段进行致因分析;最后,将生理与道路线形作为优化参考,以车速建议为着力点进行多元回归分析,并按照生理舒适域确定车速建议区间。结果表明:驾驶人根据行为特点分为谨慎、稳健和激进型,3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段;海拔提升可加速危险驾驶状态的出现,各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长,激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张;下行时,谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态,激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求,为线形设计与交通管理措施制定提供理论依据。展开更多
文摘为研究高原公路不同天气状况对驾驶人工作负荷的影响,共选定了32名被试驾驶人,包括7名外地驾驶员和25名本地驾驶员,在选定的试验路线上进行了实车试验。在晴天、雨天、雪天、雪天+大雾(能见度5 m)的4种不同天气状况下,选取心率变异性时域指标:相邻心跳间期之差的均方根值(root-mean-square of difference-value of adjacent R-R interval, RMSSD)、全部窦性心博R-R间期的标准差(standard deviation of R-R interval, SDNN)、相邻NN间期差值>50 ms的百分数(percentage of R-R intervals at least 50 ms different from the previous interval, PNN50)和心率增长率作为驾驶人工作负荷表征指标,研究在高原公路不同天气状况下被试驾驶人工作负荷变化规律。研究结果表明:高原公路不同天气状况对驾驶人的工作负荷有显著的影响,驾驶人工作负荷因天气条件的恶劣程度和海拔高度而增加,道路的天气状况、能见度及海拔高度的共同作用对驾驶员工作负荷影响最大。
文摘针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联,提出一种基于驾驶状态的危险路段识别方法,辨识和分析不同风格驾驶人具有潜在风险的路段,并提出优化方案。首先,通过实车实验采集驾驶人行为及生理指标数据,使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型,并依据行为特征对驾驶风格进行差异性分析;其次,采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型,通过GPS(Global Positioning System)点位对应实现危险路段辨识,并基于驾驶风格差异,从驾驶人感知、操纵与生理角度对危险路段进行致因分析;最后,将生理与道路线形作为优化参考,以车速建议为着力点进行多元回归分析,并按照生理舒适域确定车速建议区间。结果表明:驾驶人根据行为特点分为谨慎、稳健和激进型,3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段;海拔提升可加速危险驾驶状态的出现,各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长,激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张;下行时,谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态,激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求,为线形设计与交通管理措施制定提供理论依据。
