基于结构方程模型的驾驶特征研究

探究驾驶特征与驾驶安全之间的关系,并提出有效的驾驶建议和安全控制方法,可以显著提高驾驶安全性。但是驾驶特征的影响变量多且复杂,并且变量之间的相互关系不容易被识别。研究探讨了驾驶安全与驾驶特征之间的关系,其中驾驶特征包括驾驶员特征、环境特征和车辆特征。采用上海自然驾驶实验数据,基于结构方程模型构建驾驶安全相关变量之间的复杂关系,16个变量在结构方程模型中被分组为5个具有良好适应度的潜在变量。模型结果表明,与其他变量相比,年龄对驾驶员特征潜变量的贡献度最大,该变量显著影响驾驶安全(老年的驾驶员表现出更高的危险驾驶倾向)。恶劣的天气对驾驶安全产生了负面影响(致使驾驶人变为较低的速度和较高的横向加速度)。综上,研究表明年龄较大的司机、恶劣的天气和速度较高的情况下驾驶安全水平较低。此外,驾驶员特征和环境特征是影响驾驶安全性的主要因素。

基于驾驶特征的临界安全车距数学模型

在对传统动力学临界安全车距数学模型分析的基础上,给出了一种基于驾驶特征安全车距的建模方法,建立了适应驾驶特征的汽车纵向避撞安全车距模型.通过实时检测驾驶员的驾驶行为,建立了驾驶特征辨识模型,将驾驶特征、车况、路况、环境因子等因素融合到数学模型中,最后通过计算分析比较,验证了所建立的数学模型具有较高的准确性和实时性,对汽车主动避撞系统的研究具有较高的应用价值.

基于驾驶特征学习的自动驾驶车辆换道轨迹规划

针对自动驾驶车辆换道过程中存在的车辆规划轨迹与人类驾驶员决策轨迹偏差较大问题,开发了一种基于驾驶员轨迹特征学习的换道轨迹规划算法。采集驾驶员换道轨迹曲线函数特征,在轨迹采样及成本优化相结合的轨迹规划基础上,采用最大熵逆强化学习策略迭代更新成本函数权重,并依据学习的成本函数筛选备选采样轨迹,生成反映驾驶员轨迹特征的自动驾驶车辆换道轨迹。试验结果表明,进行驾驶员特征学习后的换道轨迹基本包含在驾驶员换道轨迹区域内,且轨迹特征更为接近人类驾驶员换道轨迹特征,更能反映驾驶员主观感受。

一种基于驾驶特征的自适应巡航控制系统的研究与设计

基于驾驶特征的自学习算法是一种在传统算法的基础上,增加驾驶特征因素来计算车辆加速度与跟车距离的控制算法。基于MATLAB/Simulink软件搭建模型,收集驾驶员驾驶特征数据并建立专家经验库。仿真结果表明,该算法能够对驾驶员的驾驶行为进行学习,并且将学习数据应用到自适应巡航控制系统之中,可以有效提升自动驾驶体验。

提取驾驶员面部特征的疲劳驾驶检测研究综述

疲劳驾驶是威胁驾驶员人身安全以及道路交通安全的主要因素之一。高效精准的疲劳驾驶检测方法可以有效地保障驾驶员及其周围交通安全,维护交通秩序,减少财产损失和人员伤亡。由于基于驾驶员生理特征和基于车辆行驶信息的疲劳驾驶检测方法具有对驾驶员不友好、影响因素较多等局限性,使得基于驾驶员面部特征的疲劳驾驶检测方法成为研究热点。首先简述了疲劳驾驶面部特征表现,总结了疲劳驾驶领域常用公开数据集的优缺点和应用场景;其次使用公开数据集,通过对比实验,分析研究了疲劳驾驶检测领域常用人脸检测算法的优势和不足;随后给出了基于驾驶员面部特征的疲劳驾驶检测方法流程,总结分析了流程中关键步骤所使用的方法和技术;另外归纳整理了疲劳驾驶领域常用的疲劳判别参数和疲劳驾驶结果预测方法;最后对全文进行总结,给出了基于驾驶员面部特征的疲劳驾驶检测方法目前所面临的挑战,并对未来研究进行了展望。

考虑驾驶员特征的快速路合流区间隙接受模型构建

针对现有驾驶员行为模型对驾驶员特征因素考虑较少的不足,以快速路合流区为研究对象,运用模糊聚类方法与K-S检验法构建连续的驾驶员类型整合模型。在合流区换道过程中引入相互协作机制,并考虑驾驶特征差异对驾驶行为的影响,建立车道变换间隙接受模型。最后,以微观交通仿真系统MTSS为仿真平台,建立快速路合流区仿真模型,并进行了仿真验证,结果表明:仿真值与实测值的误差小于10%,表明构建的模型可以较好地表示驾驶员类型对驾驶行为的影响。

大数据环境下营运车辆驾驶行为特征分析

通过大规模采集营运车辆驾驶行为信息,并对其驾驶行为特征进行定性、定量分析是有效遏制交通事故的前提。对采集的营运车辆驾驶行为数据进行预处理,包括清洗、筛选、分段等,提高了数据的质量。利用经纬度坐标转换后计算出的车辆行驶速度与车载速度加权的车速进行分析;并运用DBSCAN聚类和Spearman秩相关方法对不同车辆、不同时间段及不同天气状况下速度和加速度进行聚类和讨论相关系数,提取驾驶行为特征。结果表明,驾驶员夜晚比白天行车速度波动大,需加强夜晚行车的安全监控,且聚类方法可用于判定车辆驾驶的稳定性程度,有助于道路交通中心对车辆安全状态的判断和避免交通事故发生;对于经验丰富的营运车辆驾驶员,天气对驾驶的影响相对较弱。

城市特征驾驶工况建立及结果比较研究

采用短行程随机组合、短行程状态转移、驾驶模式片段状态转移和速度状态转移法分别建立和比较城市特征驾驶工况。以成都市为例,设计实验测量车辆实际运行参数。测量在选定的起终点间的5条行驶路线上进行。利用引擎扫描仪和GPS采集汽车行驶数据,并对其数据进行处理。特征驾驶工况选择依据是所建候选工况与实测工况在评价参数间的最小差异而定。特征驾驶工况按速度分布、速度-加速度频率分布(SAFD)、汽车比功率(VSP)分布比例及排放预测进行比较。4个特征驾驶工况与实际工况的平均相对误差如下:速度分布分别为17.4%、11.3%、13.9%、25.5%;SAFD在50%左右;VSP分布分别为19.1%、18.5%、23.4%、29.4%;而排放预测均在3%以内。结果表明采用短行程状态转移建立的特征驾驶工况较其它3种方法更接近实际测量。

疲劳驾驶转向特征指标的个体差异敏感度分析

个体差异是影响疲劳驾驶识别的重要因素.为研究基于转向行为的疲劳驾驶识别受个体差异的影响,本文对疲劳驾驶转向特征指标的个体差异敏感度进行分析.通过实车试验获得自然驾驶数据,对正常和疲劳状态下的指标进行Kruskal-Wallis(KW)检验,以H统计量表示指标有效性;以H统计量最大的单被试为基础逐一与其他被试组成双被试组合,采用线性模型拟合双被试组合的H统计量和指标个体差异度,以斜率绝对值表征指标个体差异敏感度.研究获得9个转向特征指标的个体差异敏感度,结果表明,敏感度越低,指标有效性受个体差异影响越小,其中方向盘转角标准差的个体差异敏感度最低为2.056.本研究可为转向特征指标的性能评估及疲劳驾驶识别模型的特征选择提供参考.

基于信息熵与高风险行为的驾驶行为风险评估方法

为客观评估驾驶人的驾驶安全性,提出以信息熵与高风险行为作为风险指标的驾驶行为风险评估方法.基于驾驶模拟实验获得个体驾驶人行为数据,根据个体驾驶行为特征,通过专家评估方式,获取驾驶行为风险评估比对标签;基于信息熵及高风险行为事件提取关键驾驶风险特征;利用随机森林算法进行驾驶行为风险分类.通过与驾驶行为风险评估标签进行比对验证,结果表明,该方法的驾驶行为风险总体辨识精度达到80%,基于信息熵与高风险行为的驾驶行为风险特征指标选择,能客观描述驾驶行为数据的分布差异,精确分析个体驾驶行为风险特性,可为个性化设计车辆安全辅助系统提供依据.

自适应驾驶员行为特征的车道偏离防范系统

提出一种能自适应驾驶员行为特征的车道偏离防范控制方法。基于驾驶员自然驾驶行为和人机交互行为数据库,提出自适应调节的动态期望驾驶区间与车道虚拟边界,以之为基础确定了车道偏离防范的决策参数,设计了车道偏离防范的决策和分步控制策略,采用学习型模型预测控制理论构建自适应驾驶员行为特征的LDP控制器,以驾驶模拟器为平台进行驾驶员在环实验。结果表明,所提出的车道偏离防范方法能提高驾驶员对LDP控制的接受度。

机动车驾驶行为特征及驾驶员心智技能素质训练

近年来，我国道路交通事故状况令人担忧，各项统计指标不断攀升。在此，笔者结合驾驶行为特征研究和驾驶员心智技能素质训练的讨论，探讨解决驾驶行为的安全性问题，期望对提高驾驶员培训效率和培训质量能有所帮助，促进心智技能素质培训的尽快普及。

车队安全氛围与驾驶员个人特征对公交汽车事故的影响

为综合考虑车队安全氛围与驾驶员多种个人特征对公共汽车交通事故发生的影响,设计了营运驾驶员调查问卷,问卷内容包括车队的安全氛围,驾驶员的个人信息、健康状况、睡眠状况、驾驶行为与驾驶愤怒。对公交客运企业的13个车队,共计844名驾驶员进行了问卷调查。双层Logit模型用于分析车队特征与驾驶员个人特征对事故风险的影响;结果表明,在车队层面,安全氛围对交通事故发生有显著影响,可解释约9.2%的模型方差;在个人层面,驾驶员年龄、在所调查企业工作的时间、睡眠状况、普通违规行为、侵略违规行为、失误驾驶行为、积极驾驶行为以及驾驶愤怒对交通事故发生均有显著影响。基于随机森林中的平均准确度下降方法对显著变量的相对重要度进行了排序,结果显示,驾驶行为与睡眠状况是对驾驶员事故发生贡献最高的因素,车队安全氛围次之;其中4类驾驶行为对事故的累积贡献率为68.2%。研究结果可为公交客运企业安全管理与驾驶员安全教育提供理论基础,安全教育应给予对事故贡献度高的因素教育优先权。

高海拔公路隧道进口段驾驶人生理特征识别模型研究

为研究高海拔高速公路隧道进口段驾驶人生理特征变化规律及主要影响因素,提高高海拔隧道进口段行车安全性,首先,按照刺激因素对驾驶人生理特征的影响程度将高海拔高速公路隧道进口段划分为L_(1)、L_(2)、L_(3),以心率表征驾驶人生理特征,并分别选取车辆距隧道口距离、隧道内照度作为驶入隧道前、后的影响因子;其次,通过实车等效试验,获取车辆位置信息、驾驶人在不同速度下的心率及隧道内照度数据;最后,运用数理统计对比分析了驾驶人在不同路段以不同车速行驶时心率指标的变化规律及差异性,并分别建立了不同车速下驾驶人心率与车辆距隧道口距离(L_(1)+L_(2)段)、心率与照度(L_(3)段)间的回归模型,以探索外部因素对驾驶人生理特征变化的影响程度。结果表明,不同行驶阶段,驾驶人心率存在显著差异,且驾驶人在驶入隧道前400 m至驶入隧道后350 m心率变化最明显;进入隧道前、后,在考虑了初始车速、车辆距隧道口距离与初始车速、照度等因素后,所建立的回归模型为三次曲线模型,且拟合度均较高;不同初始车速下,驾驶人的心率变化不同,当初始车速控制在80 km/h左右时,更有利于驾驶人适应高海拔隧道进口段行车环境。

基于视频数据的城市隧道交通运行特征与安全研究

为降低城市隧道交通事故率,提高车辆出行安全,以上海市翔殷路跨江隧道为研究对象,利用视频采集技术、车辆跟踪调查采集隧道交通运行数据,分析城市隧道交通运行特征及驾驶员在隧道内驾驶行为特征,并进一步研究其与隧道交通事故的关系。对隧道内车辆的速度、密度分布,变道行为进行分析,发现隧道南线入口处内外断面平均车速的显著差异可以解释该处追尾事故高发,隧道内车辆频繁变换车道导致隧道侧碰事故占较大比例。为改善城市隧道交通安全,在隧道内进行限速和限制车辆变道是必要的。

基于主因子分析的驾驶倾向综合评价

为正确判断驾驶员的驾驶安全倾向,设计了具有较高信度和效度的驾驶行为问卷,选择非职业驾驶员进行问卷调查。对调查数据进行因子分析,提取了驾驶风格、驾驶技能和判断反应等3个主因子作为评价指标,运用多层次模糊综合评判的方法实现了驾驶安全倾向的判定。

混合动力公交车驾驶员驾驶特性辨识算法

针对混合动力公交车驾驶员驾驶特性与标准控制参数不匹配而导致车辆续驶里程降低的问题,研究同一道路工况下的驾驶员驾驶行为特征参数描述方法以及驾驶员驾驶特性辨识算法。通过提取时域场中与能耗相关的特征变量,构建基于高斯混合模型(GMM)算法的驾驶员驾驶特性辨识模型。结果表明:踏板开度的倒频谱信号比时域信号更能反映驾驶员的驾驶倾向;基于特征变量的时频域信号,并结合线路运行特征优化模型参数,最终模型辨识精度高于93%。

城市过江桥梁连续合流区最小间距研究

为提高城市过江桥梁连续合流区路段的通行效率,完善相关设计规范和细则,基于统计学规律和交通流理论,分析了驾驶员在连续合流区路段的驾驶特征,以此建立了过江桥梁连续合流区的最小间距模型。以福建省福州市3座过江桥梁的连续合流区为研究对象,采用双无人机航拍视频,获取自然行驶状态下的交通流运行特征与车辆行驶轨迹。从交通安全的角度,对最小间距模型中的关键参数进行研究和标定,计算得到了过江桥梁连续合流区的最小间距建议值。

自适应巡航控制系统对驾驶安全性的影响研究

为探究自适应巡航控制(ACC)系统对驾驶安全性的影响,首先通过实际道路驾驶试验获取我国典型道路交通场景,用驾驶模拟器进行场景仿真,并在有/无ACC状态下开展模拟驾驶试验;然后分析ACC系统在中国典型道路中的表现,通过对比分析ACC模式下不同特征驾驶人的碰撞时间(TTC),探讨不同类型驾驶人的应急反应。结果表明,ACC能较好地处理大多数路况;但面对危险路况时,不管是哪种类型的驾驶人,ACC的应急反应都没有手动驾驶迅速;且女性、年老和对ACC认知度低的驾驶人更容易受ACC的不良影响;驾驶人对ACC的认知度决定其ACC驾驶的安全性。

道路交通驾驶员差异性分类定量研究

驾驶员个体差异是影响城市道路交通运营、效率及安全的一个重要因素之一。为了实现对驾驶员差异性的影响分析,采用驾驶模拟舱研究平台对驾驶员样本进行归类。研究分别选取了反映驾驶员特征的静态驾驶适性和动态驾驶适性两类,共计15个指标。采用因子分析的方法将相关指标归纳为驾驶员的5个类因子,并通过主成份分析的方法找出每类因子中的主导指标,并以此指标作为聚类分析的输入变量。结果表明聚类分析得到的三类驾驶员具有明显的各自特征。