工况紧急程度对驾驶员避撞行为的影响

利用同济大学8自由度高仿真驾驶模拟器研究了临撞工况紧急程度对驾驶员避撞行为的影响.通过不同初始车头时距(<1.0 s,[1.0 s,1.5 s),[1.5 s,2.5 s])和不同前车减速度(0.30g,0.50g,0.75g)的组合,建立了不同紧急程度的前车减速临撞工况,运用驾驶员感知反应时间、油门释放反应时间、制动转移时间、制动延误、最大刹车踏板压力、最大减速度等指标比较了不同紧急程度下避撞行为的差异.结果表明,①随着工况紧急程度的增加,驾驶员更快地释放油门及达到最大刹车踏板压力,并且施加更大的制动力度;②当初始车头时距为1.5 s左右时,驾驶员感知反应时间约为1.2s,而当初始车头时距增大到2.5 s以上时,感知反应时间变得非常大,甚至达到了3 s;③驾驶员开始释放油门与开始制动间的转移时间不受工况紧急程度影响,保持在0.8 s附近;④在低紧急程度下,驾驶员表现出多阶段刹车行为,使得驾驶员需要更多的时间才能达到最大刹车踏板压力.

驾驶员前向避撞行为特征的降维及多元方差分析

驾驶员在追尾临撞工况下的避撞过程可以分为多个阶段(如制动前、制动后),而在每一阶段中,又存在多个分析角度(如制动快慢、制动力度)及不同的关键时刻与特征值,因此系统描述驾驶员的避撞行为需要多种参数.对多种避撞行为参数进行降维处理,并探究工况紧急程度对每类参数的综合影响.利用同济大学8自由度高仿真驾驶模拟器,研究驾驶员在不同前车减速度(0.30g,0.50g,0.75g)和不同初始车头时距(1.5s,2.5s)下的避撞行为,全面记录了驾驶员危险感知、油门释放和刹车制动等避撞行为参数.利用主成分分析对众多参数进行降维处理,将避撞行为特征划分为感知反应、制动延误、制动力度3个方面,并通过多元方差分析探究车头时距、前车减速度及二者交互项对这3个方面的影响.结果表明,驾驶员感知反应受到车头时距和前车减速度同时影响,制动延误受到车头时距、前车减速度以及二者交互项的影响,制动力度则仅受到前车减速度的影响.在变化趋势上,随着工况紧急程度的增加,驾驶员的感知反应越快,制动延误越短,而制动力度越大.

基于驾驶行为的追尾避撞控制策略研究

本文中提出了一种通过制动或换道来实现的追尾避撞控制策略。首先通过模拟驾驶仪采集驾驶员避免追尾碰撞的换道时机、制动强度、最大加速度变化率和反应时间,构建了驾驶员制动避撞行为和换道避撞行为模型;然后建立基于制动安全距离、碰撞时间和换道安全距离的危险估计模型,实时计算行车发生追尾碰撞的危险等级并据此选取相应的主动避撞介入时机和方式;最后依据碰撞时间和结合前馈控制的线性状态反馈控制方法,分别建立制动避撞策略和换道避撞策略。Matlab仿真和实车试验验证结果表明,该避撞控制策略能通过自主换道或制动避免中低速跟车行驶时的追尾碰撞。

驾驶员避撞转向行为的改进K-means聚类与识别

本文中根据不同工况驾驶员转向行为数据,提出了基于驾驶员避撞转向行为特征的聚类算法。首先搭建驾驶模拟器,采集了定半径转向、常规换道和紧急避撞转向工况下的驾驶行为数据,通过对比正常行驶和紧急避障工况下驾驶员转向行为数据,定性分析了紧急避撞转向特点。之后,利用皮尔逊相关系数法分析了描述驾驶员转向行为的观测变量与紧急避撞转向行为的相关性,得出转向盘转速与转向工况的相关性最高。接着,以转向盘转速作为聚类特征参数,利用改进K均值(K-means++)聚类方法对转向行为数据进行了聚类,将转向行为划分为正常转向和紧急避撞转向,实现了紧急避撞转向工况的识别。最后,通过实车试验验证了所提出的紧急避撞转向行为K-means++聚类方法可有效识别驾驶员紧急避撞转向行为,聚类精度达96.7%。

基于驾驶员行为的智能车辆换道避撞模型研究

为减少汽车碰撞事故的发生,提高智能车辆主动避撞能力,通过模拟驾驶平台对驾驶员的避撞行为特性进行了分析。采用皮尔逊相关系数法选取具有良好表征能力的特征参数,基于遗传算法优化的双隐含层BP神经网络建立一种符合驾驶员避撞行为特性的智能车辆换道避撞模型,该模型可以对制动减速度和方向盘转角进行较为准确的预测。利用未经训练样本数据,在Matlab平台对模型的可行性和有效性进行验证。结果表明:该模型的预测精度较高,能与驾驶员实际避撞行为较好匹配。

真实交通危险工况下驾驶员转向避撞相关因素分析

通过对上海地区采集到的真实交通工况进行筛选和分类,分析了本车直行与前车冲突及本车直行与骑行人冲突两种危险工况下影响驾驶员转向避撞行为的相关因素,并通过Logistic回归分析建立了可预测驾驶员在危险工况下是否进行转向避撞的模型。利用该模型,可根据环境参数和车辆动力学参数判断驾驶员在危险工况下是否倾向使用转向避撞及其概率。

基于驾驶模拟器的驾驶人制动后制动踏板操作行为分析

制动过程主要由制动前的反应过程以及制动后的减速过程组成。研究制动后避撞行为对于理解驾驶人的避撞行为、建立制动曲线模型等有着重要作用。利用配有8自由度运动系统的高仿真驾驶模拟器,研究了驾驶人在不同前车减速度(0.3,0.5,0.75g)和不同车头时距(1.5,2.5s)的制动后制动踏板操作行为。利用ANOVA模型分别比较了驾驶人制动后制动踏板操作行为参数的差异。结果表明,踩踏板速率随着制动时车头时距的减少而增加,并且随着前车减速度的减少而减少;新手驾驶人的踩踏板速率普遍大于经验驾驶人;相比于前车速度的改变,驾驶人对制动时车头时距的变化更加敏感。

基于自然驾驶数据的跟车场景潜在风险评估

为弥补传统风险评价指标对相对速度较小的跟车场景危险水平评价能力的不足,减少跟车场景中追尾事故的发生,提出了跟车场景潜在风险的概念。将假定前车以较大制动减速度减速条件下的风险称为潜在风险,并构建了代表驾驶人在潜在危险跟车场景下进行避撞操作需满足的最大反应时间的参数时间裕度(TM)。由于追尾危险工况中常见采取的避撞操作可分为制动和制动转向两大类,分别对典型制动避撞过程和制动转向避撞过程进行了分析,从而推导出分别针对2种跟车潜在危险场景的TM计算方式。通过自动筛选与人工筛选结合,获得了中国自然驾驶数据库(China-FOT)中具有中国驾驶人特点的制动避撞危险工况87个和转向制动避撞危险工况40个进行分级,并基于图像处理方法提取了前车制动开始时刻的TM值,从而得到跟车场景潜在风险两级危险域的划分。结果表明:制动避撞场景下,本车车速过低和过高时,TM值的变化均不明显;而在制动转向避撞场景中,只有速度较高时阈值才保持不变。通过对正常驾驶视频的分析,引入对比组共计正常跟车制动工况163例和正常跟车转向变道工况151例的车头时距(THW)值,其统计分析结果与支持向量机分类结果均难以清晰描述跟车场景危险水平与本车速度之间的关系。为研究跟车场景潜在风险评价在自动驾驶中的应用,对于制动避撞场景,在设定TM值不变和相对速度不变的条件下,分别对基于TM的最小相对距离和距离碰撞时间(TTC)值进行了仿真,仿真结果显示,相比于TTC而言,TM的评价稳定性受相对速度影响小,在自动驾驶跟车策略开发和避免其发生责任追尾事故中有重要应用价值。