基于驾驶员制动操作行为的车辆追尾预警算法

利用图像式汽车行驶记录仪在北京市采集了大量自然行驶状态下的驾驶行为数据,基于追尾碰撞中的驾驶员制动操作行为,分析驾驶员安全与危险跟车状态和车辆状态参数之间的关系,利用Fisher判别分析法建立了符合驾驶员危险感知特性的车辆追尾预警算法。研究结果表明该算法总的判别准确率高达95%。

基于追尾危险感知模糊推理的交通流运行安全评价

为了有效替代基于事故数据的传统追尾风险评价方法,对微观驾驶员追尾危险感知模糊推理中的跟驰安全距离计算方法,包括影响驾驶员反应时间的天气状况隶属度函数进行了改进.以此为基础,提出可评价整个行车环境安全的道路行车危险总体感知度指标;构建了一个衡量宏观交通流的平均追尾风险评价指标,并通过Aimsun仿真软件得到不同交通条件下的平均追尾风险评价指标值,采用通过模糊聚类方法对该指标进行等级划分,可为道路交通事故预警技术提供支持.

针对驾驶员疲劳状态的防撞报警算法的研究

为设计适合于驾驶员不同疲劳状态的防撞报警算法,利用驾驶模拟器分析了驾驶员处于不同疲劳状态时常用报警算法的实际效果和对交通危险感知的变化。结果表明,随着疲劳程度的加深,防撞报警算法须适当提前报警时机,且该时机应符合驾驶员在不同疲劳状态下对交通危险的感知特性。在此基础上,构建了适应疲劳状态的防撞报警算法,实验验证的结果表明:该算法能为不同疲劳状态的驾驶员提供合适的报警时机,提高了实际的防撞报警效果。

基于客观风险感知特性的前向碰撞预警算法优化与标定

为提升高级驾驶辅助系统(ADAS)预警算法在复杂行车环境下的适应性,提出了一种基于车辆运动学和风险感知特性的综合预警算法--客观风险感知(ORP)算法;通过典型工况下的分析与推导,表明其预警算法为THW、TTC和SM预警算法的综合形式;为了标定预警算法的参数阈值,开展了累计4 500 km自然驾驶试验,最终筛选出409例有效临近碰撞事件,提取了释放油门、踩下制动时刻的客观风险感知参数分布特征;根据自然驾驶数据中提取的临近碰撞事件及其参数特征,对风险预警算法参数进行标定;在模拟驾驶环境下开发了前向碰撞预警算法,通过4种风险场景开展了算法验证试验。研究结果表明:基于自然驾驶数据的参数标定,客观风险感知预警算法的两级预警参数阈值分别为1.4、0.8 s;基于典型风险工况下的微观驾驶行为特性对比,预警有效性方面ORP预警算法稍高于RP预警算法,二者预警有效性显著高于TTC预警算法;在预警算法下所有驾驶片段的最小碰撞时间均值方面,ORP预警算法为2.02 s,RP预警算法为1.90 s,TTC预警算法为1.65 s,表明ORP预警算法能适应复杂风险环境下的风险辨识。基于大量实车试验参数标定与效果验证后,所提出预警算法可用于高级驾驶辅助系统风险辨识。

基于Logistic回归的危险认知模型与避撞时间模型的对比

为比较基于Logistic回归的驾驶人危险认知模型(RPL模型)与避撞时间模型(TTC模型)对跟车状态的辨识能力,利用图像式汽车行驶记录仪采集城市交通环境下的驾驶行为数据,分析驾驶人制动行为与跟车状态判断之间的关系。基于信号检测论建立了RPL模型和TTC模型的性能评价方法,对2种模型的判别准确率、似然比和辨别力指数进行比较和分析。结果表明:RPL模型和TTC模型在城市低速近距离跟车工况下均具有较高的判别准确率;RPL模型的判别准确率达到93%,安全阈值为条件概率取0.4,TTC模型的判别准确率达到92%,安全阈值为5s;2种模型的似然比和辨别力指数接近,表明2种模型判别跟车危险程度的能力相近;与TTC模型相比,RPL模型具有更大的适用范围。