驾驶ACT-R认知行为建模

采用认知行为建模方法,建立符合真实驾驶认知行为的认知模型并应用于车辆辅助驾驶系统,达到减少交通事故的目的.基于对交通安全及驾驶行为研究发展历程的回顾,阐明认知科学是解决交通安全问题的重要理论,以及驾驶认知行为建模是驾驶任务研究的有效手段;通过对典型认知体系结构的比较和对ACT-R及其研究的分析,提出了认知体系驾驶认知行为建模方法;借助ACT-R建模工具,以高速公路驾驶超车认知行为为例,基于模型的驾驶行为预测以及基于实验的模型有效性验证,证明了认知行为建模方法具有较广的适用性和灵活性.通过对认知体系驾驶行为建模的优势分析表明,交通安全领域驾驶认知行为建模的应用可以有效地建立起来并发挥重要作用.

基于个性化行为模型的驾驶疲劳识别方法

为提高疲劳驾驶状态的识别精度,应考虑驾驶人之间的个体差异。以实车驾驶试验条件下车道保持行为中的车速和车道偏离值为输入,以方向盘转角为输出,基于径向基（RBF）神经网络针对每个驾驶人构建正常驾驶状态下的车道保持行为模型,并根据残差对模型的拟合及预测效果进行评价;将疲劳驾驶状态下的车速和车道偏离值输入到上述驾驶行为模型中,可得到模型预测的方向盘转角值,通过分析预测值与实际方向盘转角之间的差异,研究疲劳对驾驶人行为的影响;将预测残差作为输入,建立基于支持向量机（SVM）的疲劳驾驶状态辨识模型。结果表明：所建立的RBF神经网络-SVM识别模型对不同驾驶人疲劳驾驶状态的平均识别率达85%。

驾驶行为的初步研究

疲劳驾驶对交通安全的危害日益严重,通过给驾驶行为建模来研究疲劳行为,主要介绍了给驾驶行为建模的主要流程,信号采集,对方向信号进行傅立叶级数展开来提取特征值,确定特征值的个数等。通过对驾驶员正常的驾驶行为进行建模,当驾驶员处于疲劳状况下驾车偏离正常模型时则能够有效的区别开。

虚拟自主车智能驾驶行为的研究与实现

为了提高驾驶模拟系统的逼真度和可信度,以自主车驾驶行为作为研究对象,在结合宏观与微观信息进行虚拟道路环境建模的基础上,提出一种基于局部信息感知和知识随机决策的概率模拟方法,目的是提升虚拟车的自主智能性和实现驾驶行为的真实随机性。实验与应用结果表明,提出的方法能够较真实地再现车辆的自主驾驶行为,模拟现实中交通车辆环境,并提高了模拟系统的真实性、形象性和实时性。

快速路汇入区瓶颈交通流早发性失效研究(第1部分):建模仿真

快速路汇入区是典型的常发性瓶颈,其交通流失效严重制约系统通行效率,影响交通安全。现有研究实证发现,大量汇入瓶颈存在早发性失效现象,这进一步加剧了瓶颈制约作用,而目前尚未有理论方法对这一独特现象进行建模仿真与致因分析。为探究瓶颈交通流早发性失效致因,系统分析了瓶颈驾驶行为新特征,并对其进行深度建模与仿真;进一步地,基于大量仿真试验,利用因果推断理论,探究早发性失效机理。作为系列研究的第一部分,重点探讨瓶颈交通流高精度建模仿真问题。基于上海延安高架虹许路汇入区轨迹数据,在对比分析现有汇入区建模仿真研究的基础上,突破传统驾驶行为建模单向交互、单次决策、单维博弈的确定性行为分析范畴,发现并定义了3类新的汇入行为:主动-回应汇入、并行式汇入、延迟汇入。根据对新行为决策过程的解耦,对汇入的动机生成、间隙选择、换道执行等各阶段均提出了全新的建模方法。进一步地,针对传统汇入仿真框架中各个阶段采用串行序贯决策的方式,忽略了驾驶人和环境状态的时变性,提出了多阶段时序决策的汇入仿真框架,并整合新汇入行为模型,形成了瓶颈交通流汇入仿真新框架。最后,基于该框架构建了汇入区瓶颈交通流仿真原型系统。该仿真原型系统能够高精度再现各类汇入行为特征,相比于传统汇入仿真框架和VISSIM都具有显著优势。仿真结果显示,在汇入间距/位置/速度等汇入区交通流关键参数分布上与实证数据无统计学显著差异,并能准确复现瓶颈早发性失效现象及速度时空演化特征。该高可信仿真系统的构建,为早发性失效的致因分析及管控优化提供了有力支撑。