模拟驾驶环境下驾驶人分心状态判别

为了探寻驾驶人分心判别方法,构建了驾驶人分心状态判别模型。首先设计分心模拟驾驶试验,采集正常驾驶和发送语音信息过程中的驾驶绩效特征和驾驶人眼动特征数据,建立驾驶人分心状态判别指标备选集;其次,采用基因选择算法对备选指标进行筛选,得到29个备选指标的重要度排序;然后,依次选取重要度较高的部分指标作为BP神经网络的输入指标,利用遗传算法(GA)全局搜索的性能优化BP神经网络的初始权值和阈值,将优化后的GA-BP神经网络作为弱分类器,再将多个弱分类器组合成Adaboost强分类器,建立基于Adaboost-GA-BP组合算法的驾驶人分心状态判别模型;最后,利用模拟驾驶器试验平台采集的数据计算不同判别指标数量下模型的性能,从而确定最优判别指标,并对模型进行验证和评价。结果表明:模型最优判别指标为重要度排序中前14个指标;模型能够准确识别驾驶人分心状态,判别精度为95.09%;与BP神经网络算法、GABP神经网络算法和Adaboost-BP神经网络算法相比,Adaboost-GA-BP组合算法在准确率、精准率、召回率、F1值和ROC曲线等模型性能方面均最优。建立的模型能够有效判别驾驶人分心状态,可为驾驶人分心预警系统和分心控制策略提供依据。

分心对驾驶人交通冲突反应时间的影响

为了研究分心对交通冲突状态下驾驶人反应时间的影响,采用驾驶模拟器构建城市道路交通环境下2种典型冲突形态:侧向行人冲突和纵向追尾冲突,设计认知、视觉以及发短信(认知+视觉复合分心)3种分心任务,在不同行驶车速、跟车时距、前车减速度等紧迫度条件下,采集30名驾驶人应对交通冲突的制动反应时间,分别采用重复测量一般线性模型及线性混合模型进行统计分析。研究结果表明:认知分心使驾驶人应对侧向行人冲突的制动反应时间增加0.09s,但未观察到其对纵向追尾冲突反应时间的显著性影响;视觉分心与发短信都会延缓驾驶人应对侧向行人(分别增加0.31s和0.27s)以及纵向追尾冲突(分别增加0.47s和0.38s)的制动反应时间;此外,在纵向追尾冲突中,随着冲突紧迫度提高(前车减速度增大、车头时距减小以及自车速度增大),驾驶人制动反应时间显著减小。表明驾驶分心延长了驾驶人应对交通冲突的反应时间,容易导致事故的发生,具体而言,认知分心主要延长驾驶人应对侧向冲突的反应时间,涉及视觉的分心同时延长驾驶人应对侧向及纵向冲突的反应时间;视觉分心对驾驶人反应时间的延长显著性高于认知分心,说明视觉分心对行车安全影响更大。

驾驶人次任务转换特性研究

为探究驾驶人次任务完成后对速度判断的影响,以及次任务难度和任务间隔时间2个因素对任务转换代价的具体影响,利用E-Prime软件设计了典型的包含主次任务的试验场景,其中替代型主任务为判断车速,替代型次任务为判断箭头方向。共有87位被试者参与了试验,根据要求做出判断并按键反应;试验将次任务的难度和任务间隔时间作为2个因变量,每个因变量取2种水平,共设计了4组试验,每组试验还包括连续执行主任务和执行次任务之后再执行主任务2种情况。研究结果表明:由次任务转换到主任务后的平均反应时间比持续执行主任务情况下的平均反应时间更长,且二者有显著性差异(p<0.01);次任务难度对驾驶人的反应时间有显著影响(p=0.003);任务间隔时间对驾驶人反应时间的影响不显著,并且次任务难度和任务间隔2个因素没有显著的交互作用;驾驶人在次任务结束之后执行主任务时仍然会受到影响,此外性别、年龄等因素对反应时间也有显著影响。研究结论可用于车载信息系统的优化设计。