基于自然驾驶试验的小半径弯坡路段大型载货汽车驾驶员视觉特性研究

在贵州省G246公路小半径弯坡路段开展大型载货汽车和小汽车驾驶员自然驾驶试验,基于Begaze软件与统计学方法,分析了两类驾驶员注视点分布特征与小半径弯坡路段转弯方向、半径、坡度的关系;研究了左转、右转方向驾驶员瞳孔直径、信息获取能力与速度的关系。研究结果表明:大型载货汽车驾驶员在小半径弯坡路段中行驶时,主要关注车头前方15~25 m区域,对后方车辆关注度不足;小汽车驾驶员关注的区域更远,会关注对向来车和道路线形走向;转向和曲线半径是影响驾驶员关注点的主要因素,左、右转时驾驶员主要关注道路中央标线、右侧道路边线,且应着重加强半径小于30 m弯坡路段的视觉引导有效性;大型载货汽车驾驶员过弯时瞳孔直径和信息获取能力的峰值位置与弯道中央并不重合,现有将凸面镜等提示性施设设置在弯道中央的处理措施并不适宜大型载货汽车。

基于多源参数的高速工况驾驶行为模式识别方法

准确识别车辆当前驾驶行为模式是自动驾驶领域亟待解决的技术问题。为实现驾驶行为模式精准解析,提高模型识别精度和可靠性,通过开展自然驾驶试验,采集高速工况下20名驾驶人的驾驶行为数据及视觉特性数据等多源参数信息,分析4类典型驾驶行为模式(自由行驶、跟车、左换道、右换道)运行规律及多源参数耦合特性。基于主成分分析法确定4类驾驶行为模式表征指标集,使用支持向量机、随机森林决策树算法建立驾驶行为模式识别模型,通过学习训练,分析比较模型识别结果,对识别效果较好的模型进一步优化,分析优化模型对4类驾驶行为模式识别精度的时序性变化特征。研究结果表明:支持向量机模型、随机森林决策树模型、基于多层感知器神经网络的随机森林优化模型总体识别精度分别为89.4%、90.5%、91.9%;4类驾驶行为模式的AUC(area under the curve)值均高于0.93,可较好地识别车辆当前驾驶行为模式。此外,随机森林优化模型对4类驾驶行为模式的识别精度均随时间推移,呈现先增长后趋于稳定的变化态势,且同一时刻的自由行驶及跟车模式识别精度高于向左及向右换道模式。研究结果可为高级别自动驾驶系统决策及控制策略的制定提供理论基础和技术支持。

基于实车路试的高速公路减速标线运行效果研究

为探寻高速公路减速标线设置对小客车的纵向运行特性的影响,明确减速标线的减速效果,以G50沪渝高速重庆段的3处减速标线区段为对象,开展了实车驾驶试验,采集了自然驾驶状态下的车辆速度、加速度和轨迹等数据,对比分析了车辆经过3处减速标线区段时的速度整体特征、幅值分布和变化模式;同时分析了纵向减速度变化特征;根据速度与加速度的组合示意图和纵向减速标线设置区段内速度的最大降幅、起止点的速度差异性,评价了减速标线的实施效果。结果表明:由于道路线形条件不同,3处减速标线区段的车辆行驶速度整体特征和变化模式存在差异,其中弯坡组合路段车辆速度存在波动,分为“近匀速—减速—加速—稳定—加速”的五阶段变化模式;减速度中位值和85%位值分别为0.123 m/s^(2)、0.225 m/s^(2)、0.185 m/s^(2)和0.346 m/s^(2)、0.513 m/s^(2)、0.489 m/s^(2)。减速标线主要有两方面作用效果:能够使车辆运行车速显著降低,或能够抑制车辆速度增加的趋势。研究成果为高速公路减速标线有效性评价及安全改善提供了基础数据支持。

信号交叉口车辆纵向加速度特性

为得到车辆在信号交叉口的纵向加速度特性,在3条城市道路上开展实车驾驶试验,采集车辆在自然驾驶状态下的行驶速度、加速度、节气门开度等运行参数,提取车辆在信号交叉口加/减速过程中纵向加速度的平均值和峰值,获得了车辆纵向加速度的统计分布特性,分析了加速度与速度之间的关联度,并对加速行为中的脚操纵特征进行了研究。结果表明:减速度累积频率曲线整体高于加速度,曲线斜率突变出现在90^(th)~95^(th)分位;加/减速度均呈正偏态分布,减速度偏好值大于加速度偏好值;纵向加速度的峰值与平均值呈线性相关关系;速度较低时,减速度随速度增大而增大,而在车速达到15 km/h后随速度增大而减小;加速度先随速度增大而增大,在车速达到10 km/h后随速度增大而逐渐减小;85^(th)分位脚操纵频率为4.3次/100 m,期望速度与驱动频率呈负相关关系。