基于改进Faster RCNN的驾驶员手持通话检测

针对现有驾驶员通话行为识别误判率较高的问题,提出一种基于改进Faster RCNN的驾驶员行为检测方法,对驾驶员的违规手持通话进行检测.介绍了针对区域建议网络(RPN)及其损失函数的优化策略,并在原始Faster RCNN上运用多尺度训练、增加锚点数量以及引入残差扩张网络的方法增强网络检测不同尺寸目标的鲁棒性.基于车载平台上采集的驾驶员行为图像,对文中提出的方法进行仿真试验.结果表明:RPN和Faster RCNN通过交替优化共享特征提取网络部分,实现高效的目标检测,相较于原始Faster RCNN,检测精确度提高了3.8%,对环境的适应性更强.

人机共驾型车道保持鲁棒控制

为更好地让共驾型车道保持控制系统能够预判驾驶人的转向行为,本文提出了一种间接式共驾型车道保持鲁棒控制算法。首先引入了仿驾驶人转向行为的驾驶人转向模型,并采用免疫遗传(immune genetic algorithm,IGA)算法对驾驶人转向模型参数进行离线辨识,建立了驾驶人在环的线性时变人-车-路模型;其次考虑到复杂工况下道路曲率扰动、线性模型适配不足的缺陷以及模型参数的时变特性等因素,基于T-S模糊控制理论设计了输出反馈γ次优H_(∞)鲁棒控制器;再次综合考虑驾驶人转向行为、车辆横向综合偏差情况等因素,设计了一种人机控制权分配策略,用以实现驾驶控制权的平稳动态分配;最后基于驾驶人在环的集成平台对该鲁棒控制算法进行了验证与探讨。结果表明采用该人机控制权分配策略的鲁棒控制算法具有较好的扰动抑制作用,且能够有效增强共驾过程中的合作程度,提升了人机协作的友好性。

无控平交口实时风险预警系统对驾驶人行为的影响分析

为检验无控平交口实时风险预警系统(RTCRWS)的警示效果、了解其对驾驶人行为特性的影响;搭建3个道路交叉口虚拟仿真场景进行驾驶模拟实验,获取T_(SDNN)、T_(RMSSD)、N_(LF-norm)、N_(LF/HF)等生理行为数据,采集车速均值、车速标准差和车速变异系数等驾驶操作行为数据。统计分析了被试驾驶人行为特性,研究了RTCRWS对驾驶人行为的影响,应用因子分析方法对不同交通条件下RTCRWS的警示效果进行了综合评价。研究结果表明:RTCRWS对驾驶人群体的警示效果良好,能够提升无控平交口处的安全水平、降低驾驶人通过无控平交口的行驶车速、缓解驾驶人的紧张情绪;不同交通条件下驾驶人对RTCRWS的警示效果存在差异,驾驶人的心理紧张程度按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次减弱。

驾驶员在真实交通危险工况中的制动反应时间

本文研究了驾驶员在真实交通危险工况中的制动反应时间。通过对上海地区采集到的真实交通工况进行筛选和分类,得到6种典型的危险工况类型。对这6种危险工况,特别是"前车减速"工况中驾驶员制动反应时间进行了测量和分析。结果表明,驾驶员的制动反应时间随危险工况类型不同而不同。相对于由其他车辆导致的危险,当危险是由行人等易受伤害的道路使用者引起时,驾驶员的制动反应时间更短。在"前车减速"工况中,当车速上升、危险紧急程度增加或者在非路口行驶时,驾驶员制动反应时间有减小的趋势。本研究为开发适合我国特殊交通状况的先进驾驶辅助系统提供依据。

基于自然驾驶数据的驾驶员紧急制动行为特征

基于中国自然驾驶数据,建立了紧急工况下制动避撞的驾驶员模型,分析了驾驶员的紧急制动反应时间和紧急制动输入特性的规律特征.结果表明:驾驶员的紧急制动反应时间与驾驶工况的紧急程度相关,以碰撞时刻倒数的临界值0.2s^(-1)作为危险触发阈值,驾驶员的紧急制动反应时间分布为均值0.5s的正态分布;最大制动减速度随驾驶工况紧急程度变化不明显,最大制动减速度梯度随驾驶工况紧急程度的增加而增加.

基于驾驶员紧急制动行为特征的危险估计算法

基于真实交通工况下驾驶员的紧急制动行为特征,建立了一种新的危险估计算法用于汽车避撞系统的控制策略开发.通过在车辆上安装车辆行驶记录仪采集了目标区域内驾驶员的真实交通场景;对采集到的交通场景进行人工筛选,并按照美国高速公路安全管理局(NHTSA)的分类方法进行了分类,得到了6种典型的危险工况;通过视频图像处理等方法对典型危险工况下驾驶员的紧急制动行为进行了分析,得到了驾驶员紧急制动起始点的碰撞时间tTTC值以及车辆在紧急制动过程中的平均制动减速度,并利用这些数据建立了基于碰撞时间倒数tiTTC和期望减速度areq的危险估计算法.这种危险估计算法能够同时考虑两车快速靠近以及稳定跟车工况,并与驾驶员在真实交通环境中的紧急制动行为相对应.

一种基于驾驶员制动行为的车辆主动避撞模型研究

为减少碰撞类事故的发生,提高驾驶安全性,构建一种基于驾驶员制动行为的主动避撞模型(DBB)。通过动感型模拟驾驶仪完成跟车状态下各驾驶参数的采集,基于WEKA平台对数据进行分析,建立驾驶人制动行为BP神经网络模型。应用软件仿真及模拟驾驶仪对DBB模型的试验分析结果表明:DBB模型具有良好的预测能力,能与驾驶员制动行为较好地匹配。

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。

驾驶员制动速度与生理反应的混合效应模型

选择8位35～48岁之间的驾驶员，利用动态心电分析仪、Frecord数据采集系统及动态GPS对紧急状况下驾驶员制动速度与生理反应进行试验分析．综合考虑车距障碍物距离、行驶车速、行车时段、个性特征等因素，建立混合效应模型，并对同时受行车环境影响、且存在关联的制动速度与生理反应间的关系进行研究．结果表明，车距障碍物距离对最大制动踏板速度的影响作用大于行车速度的影响作用，为进一步分析紧急状况下驾驶员行为提供了新的方法，

车辆虚拟跟随避撞中驾驶人制动时刻模型

为探索跟随避撞中驾驶人制动时刻的影响因素,应用汽车驾驶模拟器对多名被试驾驶人进行虚拟交通情景下制动行为测试。利用采集的驾驶人在不同交通情景中制动时刻数据,分析了驾驶人制动时刻与其影响因素之间关系,提出了基于驾驶人采取全制动时刻的危险判断指标,分别建立了多元线性回归、BP神经网络驾驶人制动时刻模型,并对两者的预测性能进行对比。结果表明:驾驶人的年龄、性别和两车运动状态是影响驾驶人制动时刻的重要因素;建立的BP神经网络模型预测精度高于回归模型,可用于揭示驾驶人在跟随避撞中危险判断机理,为驾驶辅助系统开发提供了一个具有体现人的个体差异能力的车辆安全行驶状态判断指标,将对改善驾驶辅助系统性能具有重要意义。

基于模拟实验的驾驶人警觉影响因素研究

为测试驾驶人警觉影响因素,设计了基于驾驶模拟系统,以驾驶人为主体,以交通信号灯和风险信息数量分别为警觉影响因素的城市道路和高速公路为测试场景,以驾驶人在4种场景下面对风险情况时的制动反应时间和注视行为数据作为驾驶人警觉特性评价参数的仿真测试实验。分析驾驶人在不同场景因素下警觉水平的差异性。结果表明:所设计的仿真实验与测试结果良好,不同交通管控条件和不同风险信息量下,驾驶人警觉水平存在一定差异。研究结果可用于道路交通事故的原因分析。

绿灯倒计时信号对驾驶员行为决策的影响

为探讨绿灯倒计时信号设置的必要性及其对交叉口通行效率和安全的影响,基于行为决策理论,构建绿灯倒计时信号对驾驶员驾驶决策的Logistics模型。分析绿灯倒计时信号对车辆通过停止线时的速度(地点车速)和平均车头时距等车流特性指标的影响,研究车队连续性、地点车速、倒计时显示时间和是否营运车辆4个因素与加速行驶、减速行驶、匀速行驶及停车等不同驾驶决策之间的相关性。结果表明:绿灯倒计时信号交叉口驾驶员选择减速行驶的概率较大;当绿灯倒计时信号剩余时间分别为5、4、3、2 s时,绿灯倒计时信号交叉口驾驶员减速行驶的概率分别为72.65%、67.17%、59.18%、46.44%,远大于无绿灯倒计时信号时的减速行驶概率35%;是否为连续车队、是否为营运车辆与绿灯倒计时信号交叉口的驾驶行为不具有显著相关;绿灯倒计时时间与是否匀速行驶行为显著相关;车辆在距停止线15 m处的地点车速与有、无绿灯倒计时信号交叉口的驾驶行为都显著相关,绿灯倒计时信号交叉口的车辆平均地点车速比无绿灯倒计时信号交叉口低16.7%;绿灯倒计时信号可以约束营运车辆驾驶员的驾驶行为,有利于提升交叉口的通行效率及安全性。

不同的交通管控条件对驾驶员警觉影响研究

针对城市道路中不同交通管控条件对驾驶员警觉性反应特性,选择交通信号灯作为影响因素,设计了无交通信号灯和有交通信号灯的两个十字交叉路口风险场景,招募了30名驾驶员佩戴眼动仪进行驾驶模拟对比实验,通过采集驾驶员的制动反应时间和注视行为参数来分析不同的交通管控条件对驾驶员警觉的影响.结果表明,不同的交通管控条件下,驾驶员的警觉水平有差异,在有一定的交通管控条件下,驾驶员反而会产生松懈的心理,警觉水平有所下降,没有交通管控的条件,驾驶员的警觉水平会有所上升.

基于模拟实验的驾驶人因素对警觉特性的影响

目的为分析对驾驶人警觉特性影响显著的驾驶人因素,利用驾驶模拟系统,以驾驶人为研究主体,选择驾驶人特征为影响因素,选取城市道路为测试场景,设计了驾驶模拟测试实验。方法通过采集驾驶人在测试场景下面对风险情况时的制动反应时间数据分析驾驶人特征对警觉特性的影响。结果所设计的仿真实验与测试结果良好,不同性别驾驶人警觉水平存在一定差异;驾驶人年龄、驾龄与里程等特征对驾驶人警觉特性影响不明显。结论研究结果可用于道路交通事故的原因分析。

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。

安全切入场景下的驾驶人初始制动时刻分析

基于中国自然驾驶项目的China-FOT数据库,研究安全切入场景下的驾驶人制动响应,为研究自动驾驶功能在安全切入场景下的控制策略开发及测试评价提供参考。首先使用人工截取车载视频的方法初步筛选出266例安全切入场景工况,通过观看车载视频提取交通环境参数(包括光照条件、切入车辆切入方向、车辆类型、横向位置变化等)以及本车驾驶人制动响应等视频数据;通过自动截取CAN总线数据提取本车车速、加速度等车辆动力学参数;并使用MATLAB图像分析的方法估算两车相对速度、相对距离等图像处理结果。然后基于提取到的工况数据.分析驾驶人响应类型及分布,得出在前车安全切入场景下,本车驾驶人保持本车道行驶的响应行为占96.24%,保持本车道行驶且同时制动的响应比例为51.13%。因此,对前车安全切入时.本车驾驶人保持本车道行驶的同时采取制动响应的行为进行了更深入的研究,以提取的136例符合此响应行为的工况数据为基础,以THW(Time Headway)值作为表征参数分析驾驶人初始制动时刻特征。预设交通环境、切入车辆参数、本车参数中可能对THW值产生影响的因素,分析THW值在预设的影响因素下的分布情况,并使用皮尔逊相关性检验验证THW值与该因素的相关关系.最终确定切入车辆类型、两车相对车速及相对距离与THW值显著相关。最后使用以上显著影响因素的参数进行聚类分析,得到5种典型的安全切入场景下的制动工况。

驾驶人在手机通话行为中的认知分心图像识别研究

在手机通话(MPC)行为中,驾驶人极易陷入认知分心(DCD)状态,对此提出了一种基于头-眼行为特性的DCD图像识别方法。为适应自然驾驶中的波动光照和复杂背景,首先建立基于YCbCr色彩空间的在线肤色模型,提取待检肤色区域的PCA-HOG特征并建立支持向量机分类器来识别MPC手势;与此同时,采用多尺度局部模极大值方法检测嘴部显著边缘,并通过边缘活跃度来识别驾驶人说话行为,综合MPC手势和说话行为建立MPC行为的判别逻辑。最后,以5 s为时间窗口获取驾驶人的眼球活跃度、眨眼指数、头部横摆和俯仰运动活跃度,采用D-S证据理论建立融合头-眼行为特性的DCD识别方法。试验结果表明:融合手势和说话行为图像检测的MPC识别率为92.8%;对于不佩戴眼镜的驾驶人,眼球活跃度是DCD识别率最高的单一指标,"眼球活跃度-头部横摆活跃度-头部俯仰活跃度"融合证据的DCD识别率最高,为86.2%;对于佩戴眼镜的驾驶人,"头部横摆活跃度-头部俯仰活跃度"融合证据的DCD识别率最高,为83.2%;算法对熟练驾驶人的DCD识别率略高于非熟练驾驶人。