基于自然驾驶数据的驾驶换道风格分析与辨识

为了研究在换道工况下个体驾驶行为及其辨识,基于NGSIM轨迹数据提取532组换道有效数据。分析处理驾驶员换道特征参数,运用K-means算法对驾驶员进行聚类分析,可分为谨慎型、一般型、激进型三类。并对聚类的参数进行统计分析和时频分析验证各类驾驶人的差异性,并提取出有效参数作为辨识模型的输入,基于惯性权重非线性变化和粒子最大速度非线性递减的策略来改进粒子群,建立起基于改进粒子群优化SVM的驾驶人风格辨识模型,对SVM模型的两个关键参数C和g进行优化更新,驾驶人识别准确率可达到96.25%,且与BP神经网络、PSO-SVM、随机森林、KNN算法相比具有更高的识别准确率。

基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别方法

识别非驾驶行为是提高驾驶安全性的重要手段之一。目前基于骨架序列和图像的融合识别方法具有计算量大和特征融合困难的问题。针对上述问题,本文提出一种基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别模型(skeleton-image based behavior recognition network,SIBBR-Net)。SIBBR-Net通过基于多尺度图的图卷积网络和基于局部视觉及注意力机制的卷积神经网络,充分提取运动和外观特征,较好地平衡了模型表征能力和计算量间的关系。基于手部运动的特征双向引导学习策略、自适应特征融合模块和静态特征空间上的辅助损失,使运动和外观特征间互相引导更新并实现自适应融合。最终在Drive&Act数据集进行算法测试,SIBBR-Net在动态标签和静态标签条件下的平均正确率分别为61.78%和80.42%,每秒浮点运算次数为25.92G,较最优方法降低了76.96%。

基于DEMATEL-AISM的起重驾驶员态势感知与行为响应模型

为深入挖掘起重驾驶员态势感知信息-行为的因果关系,结合ENDSLEY态势感知模型与决策实验室分析(DEMATEL)-对抗解释结构模型(AISM)方法,构建起重驾驶员态势感知与行为响应模型。首先,以起重作业任务为研究对象,使用态势感知理论分析驾驶员行为响应过程,获取信息要素;其次,基于DEMATEL法,量化研究要素间的相互关系,得到综合影响矩阵,进而分析要素的属性及特征值,确定模型的关键要素;最后,采用AISM获得原因-结果属性稳定的层级结构,据此构建起重驾驶员态势感知与行为响应信息模型。结果表明:得到包含轨迹预测与规划、避碰等关键要素的22个要素及影响关系构成的5层信息模型;而且,模型明确了信息要素属性特征、影响关系及影响程度,较好地解释了驾驶员态势感知及行为响应过程。

基于模型预测的智能汽车辅助驾驶控制研究

辅助驾驶控制是智能汽车的重要功能,可有效协助驾驶员完成驾驶操作,减少驾驶疲劳并提升驾驶安全。智能车辆的辅助驾驶控制需要在不干扰驾驶员的情况下,提供合适的车辆运动控制量并防止可能发生的碰撞。文章提出了一种基于模型预测控制的智能汽车辅助驾驶控制方法。该控制方法在驾驶员正常操作时符合驾驶员的操作特性,在可能发生碰撞时纠正驾驶员的转向操作,能够保证安全性且不干扰驾驶员。为了避免与周围车辆的碰撞,基于周围车辆位置建立约束条件,并引入模型预测辅助驾驶控制设计。通过仿真研究验证了所提出的辅助驾驶控制方法,结果表明,所提出的预测控制方法可以帮助驾驶员避免与附近车辆可能发生的碰撞,从而保证智能汽车的行驶安全。

基于TPB的实习期驾驶人不安全行为评估研究

为了提高实习期驾驶人的安全驾驶水平,减少危险驾驶行为,在计划行为理论的框架内引入不良情绪、心理负荷和驾驶感知解释变量。建立了基于改进计划行为理论的实习期驾驶人不安全行为的结构方程模型。通过使用SPSS26.0和AMOS 28.0软件对624份量表数据进行模型检验和假设验证。结果表明:该模型对分析实习期驾驶人不安全行为的影响因素有较好的解释力度;知觉行为控制、心理负荷度和驾驶感知对不安全驾驶行为意向存在较为显著的正向影响且依次降低;主观规范对不安全驾驶行为意向存在显著负面影响。

行为安全概念及基于其的自动驾驶能力认可方法

针对自动驾驶接受准则难以统一并量化的问题,通过综述现有相关法规、标准和评价方法最优实践,凝练5种安全概念及相互关联关系。着重阐释了以合理可预见且可避免为核心的行为安全概念及研究现状。结合场景数据统计和驾驶员紧急反应机制,提出了合理可预见和可避免的量化研究方法框架。结合事故和实践经验,给出了行为安全在自动驾驶评价中的使用方法,及基于其概念的覆盖事前事后的闭环认证认可流程。可为主管机构、行业第三方、研发企业围绕行为安全建立相关自动驾驶研发、测试流程提供参考。

分路段差异化收费条件下货车司机出行路径选择意愿模型

为解决货车司机出行路径选择行为缺少考虑差异化收费政策影响的问题,通过出行费用、出行距离、优惠折扣、收费系数和是否关注差异化收费政策这5个变量刻画差异化收费,通过构建分路段差异化收费条件下货车司机出行路径选择的随机森林(random forest,RF)模型。以银昆高速(G85)昭通至水富段及麻水线与昭麻二级路问卷调查数据为基础开展实证分析。结果表明:所构建的分路段差异化收费条件下货车司机出行路径选择的RF模型的分类准确率优于AdaBoost(adaptive boosting)模型、GBDT(gradient boosting decision tree)模型和传统Logit模型;整体重要度方面,优惠折扣是影响货车司机出行路径选择最主要的因素(38.56%),出行费用(13.55%)、出行距离(10.06%)及出行时段(7.08%)对意愿结果存在显著影响;同时,部分分路段差异化收费变量对货车司机出行路径选择意愿存在明显的阈值效应。

基于自然驾驶数据的驾驶人跟驰行为内在异质性预测与建模

为了对交通流建模研究和高级辅助驾驶开发等提供可靠跟驰行为支持,本文针对同一位驾驶人个体内部发生的从正常到异常的跟驰行为模式的转变,提出一种以Transformer深度学习模型为基础的驾驶人跟驰行为内在异质性预测和建模方法。本文基于超过20万km的大规模自然驾驶实验,首先,利用对驾驶人的全要素长期行为观测,为41位驾驶人建立基线模型,完成3194次驾驶人内在异质性事件识别与提取;其次,设计基于Transformer多头自注意力机制的深度学习预测器,实现对驾驶人内在异质性事件的准确预测。结果表明,预测器在跟驰内在异质性三分类时间点预测的F1分数(F1-Score)相较于长短时记忆网络表现更优,达到了87.13%,基于预测结果的动态跟驰参数切换可以降低21.08%的驾驶行为建模误差。研究结果有助于更加准确地重现驾驶人跟驰行为,进一步提高交通流仿真精度和高级辅助驾驶控制策略拟人化水平。

基于自然驾驶数据的分心状态特征分析与跟驰行为建模

基于行为特征对分心跟驰行为进行分类和建模,根据模型标定的方法探究不同状态下跟驰模型的适应性。首先从持续开展3年有余的上海自然驾驶数据中提取了大量分心跟驰样本,基于驾驶行为刺激反应框架对分心状态特征进行了初步分类,得到了5类分心跟驰行为;其次分析了现有4类经典跟驰模型(GHR、GIPPS、IDM和Wiedemann)对分心跟驰行为的适应性,同时根据五折交叉验证适应性结果对分心跟驰行为分类进一步优化,最终得到3类分心跟驰行为(麻木反应、过激反应和延迟反应);最后探讨了分心状态下的2种跟驰行为建模策略(AIDM和TDIDM)。结果表明,对IDM模型进行合理标定即可较准确地描述不同类型的分心跟驰行为。

Lateral control of autonomous vehicles based on learning driver behavior via cloud model

In order to achieve the lateral control of the intelligent vehicle, use the bi-cognitive model based on cloud model and cloud reasoning, solve the decision problem of the qualitative and quantitative of the lateral control of the intelligent vehicle. Obtaining a number of experiment data by driving a vehicle, classify the data according to the concept of data and fix the input and output variables of the cloud controller, design the control rules of the cloud controller of intelligent vehicle, and clouded and fix the parameter of cloud controller： expectation, entropy and hyper entropy. In order to verify the effectiveness of the cloud controller, joint simulation platform based on Matlab/Simulink/CarSim is established. Experimental analysis shows that： driver＇s lateral controller based on cloud model is able to achieve tracking of the desired angle, and achieve good control effect, it also verifies that a series of mental activities such as feeling, cognition, calculation, decision and so on are fuzzy and uncertain.

高温环境对驾驶行为的影响研究

目的为了探究高温环境对出租车驾驶人驾驶特征中不良情绪状态以及风险驾驶行为的影响,及其与个人属性的交互性作用机制。方法选取182名出租车驾驶员进行问卷调查,采用t检验等数理统计方法分析高温环境与出租车驾驶人的不良情绪及风险驾驶行为之间的关系,并建立中介效应模型检验高温环境下驾驶人属性、情绪状态以及风险驾驶行为三者之间的内在联系。结果(1)高温实验组的驾驶人紧张、愤怒、活力、疲劳情绪得分和风险驾驶行为频率显著高于对照组。(2)高温环境下不良情绪状态在驾驶人属性与风险驾驶行为之间中介效果为0.378,部分中介效应显著。结论(1)高温环境对驾驶人不良情绪、风险驾驶行为产生显著影响。(2)高温环境可促使驾驶人的不良情绪在驾驶人属性与驾驶行为之间中介作用显著。

基于驾驶员行为模拟的ACC控制算法

基于驾驶员最优预瞄加速度模型建立了一种适用于多种典型行驶工况的ACC控制算法。该算法采用基于多目标模糊决策方法的驾驶安全性、工效性、轻便性与合法性评价指标以及基于预瞄跟随理论的微分校正函数 ,描述了ACC控制系统对自由工况、跟随工况和切入工况等不同行驶条件及汽车动力学系统强非线性特性的考虑。

驾驶ACT-R认知行为建模

采用认知行为建模方法,建立符合真实驾驶认知行为的认知模型并应用于车辆辅助驾驶系统,达到减少交通事故的目的.基于对交通安全及驾驶行为研究发展历程的回顾,阐明认知科学是解决交通安全问题的重要理论,以及驾驶认知行为建模是驾驶任务研究的有效手段;通过对典型认知体系结构的比较和对ACT-R及其研究的分析,提出了认知体系驾驶认知行为建模方法;借助ACT-R建模工具,以高速公路驾驶超车认知行为为例,基于模型的驾驶行为预测以及基于实验的模型有效性验证,证明了认知行为建模方法具有较广的适用性和灵活性.通过对认知体系驾驶行为建模的优势分析表明,交通安全领域驾驶认知行为建模的应用可以有效地建立起来并发挥重要作用.

基于轨迹-速度耦合策略的复杂道路汽车行驶速度决策

为了提供复杂道路上汽车自动驾驶的目标速度,提出了基于前视轨迹曲率的速度决策算法:首先决策出前视断面的轨迹点,算出每个点位的轨迹曲率并将其作为输入数据;然后从时间最省、驾驶最舒适、定速巡航以及混合模式中选择其一作为决策目标;在速度界限以及纵向/侧向舒适性约束下进行滚动时域优化,决策出前视断面上的期望速度值,随着车辆的行驶前视断面依次向前滚动,最终得到沿行驶距离变化的速度曲线.用复杂山区道路的实测数据验证了模型的精度,以2条公路和1条赛道作为仿真算例,结果表明:(1)通过组合不同的轨迹决策目标和速度决策目标,能够得到多种驾驶模式的速度曲线,进而模拟出多种实际驾驶行为;(2)由于前视轨迹是在通道边界内生成,弯道半径、转角、回旋线、路宽、偏转方向等用于确定通道边界的道路变量,都会改变轨迹特性进而影响行驶速度,因此,本文算法能够适应复杂的道路几何条件.

基于个性化行为模型的驾驶疲劳识别方法

为提高疲劳驾驶状态的识别精度,应考虑驾驶人之间的个体差异。以实车驾驶试验条件下车道保持行为中的车速和车道偏离值为输入,以方向盘转角为输出,基于径向基（RBF）神经网络针对每个驾驶人构建正常驾驶状态下的车道保持行为模型,并根据残差对模型的拟合及预测效果进行评价;将疲劳驾驶状态下的车速和车道偏离值输入到上述驾驶行为模型中,可得到模型预测的方向盘转角值,通过分析预测值与实际方向盘转角之间的差异,研究疲劳对驾驶人行为的影响;将预测残差作为输入,建立基于支持向量机（SVM）的疲劳驾驶状态辨识模型。结果表明：所建立的RBF神经网络-SVM识别模型对不同驾驶人疲劳驾驶状态的平均识别率达85%。

基于BP神经网络的纵向避撞安全辅助算法

针对复杂人-车-路交通环境下汽车前向防碰撞预警系统(FCWS)在实际工程应用中存在虚警漏警、可接受性差等问题,为提高FCWS对驾驶群体行为差异的适应性,提出了驾驶员行为特性自适应学习的纵向避撞安全辅助算法,建立了基于BP神经网络的闭环驾驶跟驰习惯模型。该网络模型以跟车车距、前车减速度、前车速度、自车速度、环境亮度、路面附着系数、紧急制动次数、本次驾驶时间为输入,采用动量梯度下降自适应学习率方法对网络模型进行训练,进而预测出自车待制动减速度。引入聚类算法思想,对训练样本集进行特征聚类,进一步改善了BP网络的预测性能,设计了激进、谨慎、新手3类典型驾驶群体,通过制动深度、期望碰撞时间倒数、应急反应时间来表征驾驶群体性特征,在稳态跟车过程中对不同驾驶群体的行为特性进行学习,建立起非线性输入输出映射关系知识库,进而预测出相应群体的待制动行为,实现差异化预警,可有效降低虚警或预警不及时现象。仿真结果表明,改进后的BP网络减小了训练过程中陷入局部极小的可能性,提高了网络收敛速度以及预测精度,激进群体与新手群体待制动曲线下降的趋势相对更陡,激进群体跟车距离相对偏近,新手群体采取制动措施时所需相对车距相对偏远,以补偿较长的反应距离,从而验证了该理论模型对不同驾驶群体的适应性。

侧风作用下货车驾驶员反应行为模型

为建立侧风作用下驾驶员反应行为模型,基于8自由度驾驶模拟器,构建了风-车-桥耦合作用下大跨桥梁驾驶模拟平台。招募了32名职业货车驾驶员进行了侧风作用下驾驶模拟实验,采集了驾驶员行为及车辆动态响应数据,通过相关性分析选取了关键因素,建立了侧风作用下两阶段驾驶员反应行为模型。研究结果表明:方向盘反馈力矩是影响侧风作用下驾驶员反应行为的关键因素之一;考虑方向盘反馈力矩在内的两阶段模型能够较好的反映侧风作用下驾驶员的反应行为。

风环境下汽车-桥梁系统侧向空间耦合振动关系研究

为模拟公路车辆的车轮与路(桥)面之间的横向相对运动,将车辆轮胎与路(桥)面接触点的侧向位移作为独立自由度,详细介绍该侧向独立自由度运动方程建立的基本思路以及车桥系统侧滑力模型和考虑汽车坐标随动特性的驾驶员行为模型的确定,明确车轮与桥面接触处横向激振源由两部分组成,一为侧滑力,另一为对应于车轮处桥梁的侧向响应。通过以上方法从而建立风环境下更加符合车轮与路(桥)面接触状态本来面貌的汽车-桥梁系统侧向耦合关系,并采用非线性迭代方法对侧向耦合关系进行求解,编制程序。最后以苏通大桥为工程实例,探讨侧滑力和桥梁侧向响应激励源的作用机理,研究发现:车桥系统的侧滑力一方面是为了抵抗作用于车体上的横向风荷载,另一方面反映了驾驶员的反馈与调控作用,正是由于驾驶员的调控使得车辆基本上沿直线行驶而不至于脱离行驶车道。桥梁侧向响应对车轮的激励方式如同与车轮接触处的桥梁竖向变形对于车辆相当于附加竖向路面粗糙度一样,桥梁的侧向响应激励显著增加车辆的侧向、偏转和侧滚响应,车桥系统侧滑力的存在也增大了桥梁的侧向位移和内力响应。

汽车控制系统开发的仿真支持技术(英文)

通过应用仿真技术为汽车控制系统的开发提供技术支持以解决汽车控制系统在测试与评估阶段遇到的问题。文章阐述了汽车动态模型、交通环境模拟模型及其集成的图形化仿真软件的研究开发。所开发的汽车动态模型包括了牵引力模型、传动系统模型和制动系统模型。交通环境模拟模型包括交通流量模拟模型和驾驶员行为模拟模型。集成的模拟软件系统能为汽车控制系统如自适应定速巡航系统的开发提供完整的模拟仿真环境。