考虑驾驶人风格的跟车预警规则研究

为研究驾驶人的跟车特性及探究可适用于不同风格驾驶人的跟车预警规则,为自动驾驶车辆开发可满足不同用户驾驶需求和驾乘体验的主动安全预警系统,选取50名被试驾驶人开展实车试验,采集驾驶人跟车行为表征参数并基于雷达数据确定跟车事件提取规则。选取平均跟车时距和平均制动时距为二维向量,使用基于K-means聚类结果的高斯混合模型将驾驶人聚类为3种风格类型(冒进型、平稳型、保守型)。通过分析3组驾驶人的跟车及制动数据,将不同类型驾驶人的制动时距分位数作为跟车预警阈值,结合实际预警数据及不同制动时距分位数对应的预警正确率,对现有跟车预警规则进行调整,以适应不同类型驾驶人的驾驶需求。研究结果表明:3组驾驶人的平均跟车时距和平均制动时距差异显著,冒进型驾驶人倾向于选择较小的跟车时距和制动时距,保守型驾驶人的跟车时距和制动时距则普遍较大;3组驾驶人的实际跟车预警次数为215次,驾驶人采取制动操作而系统未予以预警的次数为329次,系统整体预警正确率为21.9%,漏警率为87.5%,通过分析信息熵等判定当前预警规则并不合理;将每类驾驶人制动时距的10%分位数作为阈值时的预警效果较好,调整后的跟车预警规则能在一定程度上适应不同的驾驶人类型。     

基于深度强化学习的驾驶员跟车模型研究

为提升智能驾驶系统的纵向跟车性能,本文构建了一种基于深度强化学习的驾驶员跟车模型。首先,设计了跟车场景截取准则并从自然驾驶数据中筛选出符合条件的典型跟车场景,并对其数据进行统计分析,即采用相关系数法分析了车间距、相对速度和车头时距等因素对驾驶员跟车行为的影响机理,得出驾驶员跟车行驶过程的行为特性及其影响因素。接着,基于深度确定性策略梯度算法建立了驾驶员跟车模型,将驾驶员跟车轨迹数据集输入到模拟跟车环境中,让智能体从经验数据中学习驾驶员的决策行为。最后,以原始工况数据为基准,对基于深度强化学习的跟车模型进行对比仿真验证,结果表明所构建的驾驶员跟车模型具有良好的跟踪性能,能真实地复现驾驶员的跟车行为。     

预警时间对信控交叉口避撞驾驶行为的影响研究

研究不同预警信息发布时间下,不同性别驾驶人对于交叉口迎头侧面避撞情景驾驶行为影响规律,为提高车辆避撞预警系统功效性提供理论依据.基于汽车驾驶模拟器设计实验,招募具有稳定驾驶能力的驾驶人45名,采集7种预警信息发布时间(2.5～5.5 s),将无预警作为控制组,采用C#编程提取能够表征驾驶行为的变量.用方差分析和线性回归方法分析在交叉口迎头侧面碰撞情景下不同预警信息发布时间对驾驶人的制动时间、最大减速度、测试车辆与冲突车辆的最小距离的影响.结果表明,预警信息发布越早,驾驶人的制动时间越长,最大减速度越小,说明较早发布预警信息可以减缓驾驶人采取制动措施的剧烈程度.同时,预警信息发布较早,可以增大车辆间的最小间距,降低碰撞事故发生的可能性.此外,女性驾驶人的驾驶行为比男性驾驶人更加保守.     

基于自然驾驶数据的中国驾驶人城市快速路跟驰模型标定与验证

为了评估既有跟驰模型在仿真中国驾驶人跟驰行为方面的表现,对5种代表性跟驰模型进行参数标定与效果验证。基于"上海自然驾驶研究项目"采集的60位驾驶人、累计超过16万km的实际驾驶行为数据,根据雷达、车辆总线数据自动提取2 100个城市快速路稳定跟驰行为片段;采取5-折交叉验证法划分标定与验证数据集,即将每位驾驶人的50个跟车片段随机划分成5个不相交的子集（每个子集包含10个跟车片段）,其中4个子集作为标定数据集,剩下的1个作为验证数据集,依次轮换标定数据集与验证数据集5次,展开5次模型标定与验证。基于标定数据集,采用遗传算法对Gazis-Herman-Rothery、Gipps、智能驾驶人、全速度差（FVD）以及Wiedemann模型进行参数标定;基于验证数据集,评估5种模型在预测两车间距方面的精度。结果表明：FVD模型在5种模型中表现最佳,具有最小的误差（21%）和误差标准差;相对于微观交通仿真软件VISSIM中所采用的Wiedeman模型,FVD模型具有精度高、易于标定、对不同驾驶人鲁棒性强3个优势,更加适应于仿真中国驾驶人的跟驰行为。研究结果对于开发适合于中国驾驶人与道路交通环境特征的跟驰模型及微观交通仿真系统具有重要价值。     

道路环境感知与预警系统的研究

提出了一种具有3层控制结构的车辆道路环境感知与预警系统,其中主要包含前向碰撞预警和自适应前照灯两个模块.实车道路试验结果表明,该系统能有效地增强驾驶员的感知能力并在危险时发出碰撞预警,显著提高了行车安全性.     

Vehicle Rear-end Collision Warning Algorithm Based on Driver's Braking Behavior

利用图像式汽车行驶记录仪在北京市采集了大量自然行驶状态下的驾驶行为数据,基于追尾碰撞中的驾驶员制动操作行为,分析驾驶员安全与危险跟车状态和车辆状态参数之间的关系,利用Fisher判别分析法建立了符合驾驶员危险感知特性的车辆追尾预警算法.研究结果表明该算法总的判别准确率高达95％.     

基于Logistic回归的驾驶人跟车危险认知模型

为探索紧急情况下驾驶人跟车危险认知机理,利用图像式汽车行驶记录仪在中国首次开展了大规模的交通冲突调查,基于采集的实际交通环境下的追尾冲突数据,分析了驾驶人制动操作与驾驶人安全和危险状态判断之间的关系,提出了基于Logistic回归的驾驶人跟车危险认知模型。研究结果表明:车头时距和碰撞时间是影响驾驶人跟车危险判断的重要参数;经模型的拟合优度和预测准确性检验,提出的模型在城市交通环境下具有较好的适用性。     

基于机器视觉的智能车辆避撞预警算法

由于受到信息采集源性能影响,造成了智能车辆避撞预警系统(Collision Warning System,CWS)前后车相对距离测量精度低的问题,针对此问题提出了一种基于机器视觉的预警算法(Collision Warning Algorithm,CWA),利用机器视觉获得了较高精度的测距信息,有效提高了预警算法的有效性。在分析驾驶员驾驶行为基础上,确定CWA的报警准则。基于机器视觉技术建立了一种多输入、多输出的CWA模型,给出了模型预警原理、决策阈值确定方法、逻辑结构图,以及基于机器视觉的车辆信息获取方法。设计了一个单车道双车辆跟驰实车试验,采集模型测试所需的数据,并利用实测数据对模型进行了验证。试验结果显示,平均测距误差不超过3.6 m,预警模型能够准确给出预警信息,对提高车辆行驶主动安全性具有重要意义。     

基于MK60DN512单片机的汽车跟车预警系统设计

基于MK60DN512单片机的汽车跟车预警系统装置包括激光测距传感器、旋转编码器、蜂鸣器、一个三位开关、LM2940芯片、红色LED灯、黄色LED灯、绿色LED灯以及MK60DN512单片机。本次设计汽车跟车预警系统,通过在汽车前测安装激光测距传感器,在后轮上安装旋转编码器,将采集到的距离信号和速度信号传递给单片机,单片机进行处理分析后通过蜂鸣器和不同颜色的LED灯给予驾驶员相应的提示和预警,通过三位开关可以在晴天、雨天和雪天三种模式下进行选择。本设计所述方法,能够自动检测跟车环境是否安全,并在环境危险时给予预警,在绝对安全时提示允许加速,提高了汽车跟车行驶的安全性。     

汽车跟车预警仿真及评价研究

为了提高高速公路汽车跟车行驶的安全性,从驾驶员特性、汽车特性、道路特性及交通流特性的角度,以经典的牛顿力学理论为依据,充分考虑制动前驾驶员的反应时间,分别建立了9种状态下的临界安全车距模型、基本安全车距模型和充分安全车距模型.在此基础之上,建立了驾驶员跟车行驶安全度评价模型,并利用驾驶模拟系统,对追尾预警模型及驾驶员跟车行驶安全性评价模型应用于仿真平台的有效性进行了验证.驾驶模拟实验结果表明,预警模型有效、可靠,可用于驾驶员跟车安全性检验,为提高驾驶员高速跟车行驶的安全性及速度控制提供了理论依据.     

基于高速实车驾驶数据的驾驶人跟车模型研究

通过实车试验采集驾驶人在高速公路的跟车数据,分析了跟车过程中加速、稳速和减速阶段的划分标准,探讨了稳速跟车阶段驾驶人的期望跟车间距与跟车速度之间的关系,建立期望间距跟车模型,并与自适应巡航控制(ACC)系统所用的安全距离模型进行对比。结果表明:加速和减速阶段,驾驶人的反应并非对称,加速阶段的车辆状态变化更频繁;在稳速跟车阶段,驾驶人的期望跟车间距随车速的升高而增加;与安全距离模型相比,所建立的期望间距跟车模型更符合驾驶人跟车习惯。     

分布式大型车辆防撞预警系统设计与实现

大型车辆的交通事故已经成为社会关注的热点问题,减少碰撞风险是交通安全研究的重要内容。根据大型车辆前向碰撞预警、后方碰撞预警和侧向防撞预警的要求,设计了一种全方位防撞预警系统。系统以分布式信息采集、处理和报警平台为基础,通过基于安全距离的算法实现分级预警。实车预警实验表明该系统能够根据安全等级准确地给出报警信息。     

货运车辆主动安全预警系统

在科技高速发展与追求高效的当今社会,保证货运车辆行驶安全尤为重要,为了能够有效避免事故发生,在事故发生前给出提示预警至关重要。本文首先分析了组成货运车辆主动安全预警系统的高级驾驶辅助系统ADAS、司机驾驶行为预警系统DMS的组成以及关键技术。其次,定义主动安全预警系统能够预警的危险类型;通过整合ADAS、DMS系统获取的数据及视频结合主动安全预警算法,最终生成风险等级对应不同等级提醒驾驶员改正危险驾驶行为。最后阐述对货运主动安全预警系统的价值总结以及前景展望。     

高速跟车状态下驾驶人最低视觉注意力需求

为了避免现有驾驶分心研究方法的局限性,从注意力需求角度入手,探索了高速跟车过程中驾驶人安全驾驶所需的最低视觉注意力。在驾驶模拟器上进行试验,记录26名驾驶人在正常驾驶和视线遮挡驾驶2种状态下的视觉行为和视线遮挡行为数据,并进行统计分析。考虑驾驶人个体差异,初步探索了最低视觉注意力需求分布。结果表明:高速跟车驾驶状态下,驾驶人可以不需观察周围交通信息安全行驶35m左右,视线遮挡距离与车速无关,可用于表征注意力需求。视线遮挡距离和遮挡频率存在个体差异,但驾驶人总体遮挡百分比基本不变。高速跟车过程中驾驶人的剩余注意力主要用于观察道路前方和其他区域。具体表现为视线遮挡驾驶状态下驾驶人对道路前方和其他区域的观察距离显著缩短,而观察频率基本不变,且仅需行驶25m左右的时间驾驶人即可完成观察周围交通状况,说明观察频率对获取交通信息更为重要。驾驶人平均每行驶20~60m(1.0~2.8s)需要观察前方道路一次,每行驶80~220m(4.1~8.6s)需要观察车速表一次,每行驶140~300m(6.7~13.5s)需要观察后视镜一次,每50~200m(2.5~9.1s)可以遮挡视线一次,但遮挡距离一般小于43.7m(约2.4s)。研究结果有助于提高分心预警系统的环境敏感性和车内人机界面设计的合理性。     

面向公路智能预警系统效用评价的驾驶模拟实验设计

随着智慧交通的发展，高速公路利用智能预警系统提升多因素影响高原山区高速公路互通立交区进出匝道的通行安全性与通畅性。为进一步评价预警系统的有效性，研究设计了驾驶模拟仿真实验，通过搭建典型低能见度天气下的虚拟场景的道路、交通、环境和交通流，通过驾驶模拟器、无线生理仪和眼动仪等设备采集驾驶员的驾驶行为和生理心理数据，通过不同场景的模拟仿真，对不同预警系统应用条件下的驾驶行为的变化进行分析。实验招募了50名驾驶人完成共12个互通立交进出口匝道场景的闭环虚拟仿真实验，利用实验设备采集了速度、加速度、皮电、心率以及注视扫视等数据，通过统计分析驾驶人在不同能见度、进出口匝道以及有/无预警系统的场景中的驾驶行为数据和生理心理数据，为预警系统的有效性分析提供定量化的评价。实验结果表明，预警系统能够有效提高驾驶人的驾驶安全性；此外，对比互通匝道预警系统对不同驾驶经验的驾驶人的影响，发现对驾龄>10年的驾驶人的警示效果更好。     

手机操作类型对驾驶人跟车行为的影响（双语出版）

为了探究行车过程中手机使用模式对驾驶人跟车行为的影响,依据功能类型及使用模式将手机操作分为8类,利用驾驶模拟器开展试验,提取跟车速度、跟车间距、车头时距、横向偏移距离、方向盘转角5项指标表征车辆的横向、纵向运行状态,定义驾驶人的注视点分布信息熵、注视点区域分布比例、注视时长、扫视频率、扫视时长、眨眼频率、眨眼时长7项指标表征驾驶人眼动特性,分析驾驶人进行不同手机操作时的车辆运行特性与驾驶人视觉特性,并利用方差分析法验证上述指标作为驾驶人跟车行为衡量指标的有效性。应用灰色关联分析法对8类手机操作对驾驶人跟车行为的影响程度进行量化,并结合具体手机操作的分心内容、形式和动作时间,对具有相近功能的两两操作进行对比分析。结果表明：特定的手机操作行为对选取的各项车辆运行指标与驾驶人视觉特性指标有显著影响;对驾驶人跟车绩效影响由大到小的手机分心操作依次是发送文字信息、阅读文字信息、手持接听电话、发送语音信息、按键拨打电话、听取语音信息、语音拨打电话、免提接听电话,文字信息的编辑和阅读等操作对驾驶人跟车行为的影响大于其他手机操作;研究结果可帮助驾驶人明确不同手机操作对行车安全的危害程度。     

高速行驶车辆跟车安全距离预警系统设计与研究

正高速行驶车辆与前车跟车安全距离识别系统设计时,可采用毫米波雷达获得与前车的距离,并以此作为识别预警系统的基础应用数据。根据跟车距离和相对车速不会突变的特性建立预测模型,应用卡尔曼滤波理论预测相对车速,可有效消除系统状态误差和测量误差对测量精度的影响,利用跟车距离和相对车速计算安全距离报警阈值。同时,为适应不断更新的预测模型,采用深度学习的策略不断对预测模型参数进行学习训练,在大量学习样本的     

车辆追尾碰撞避免技术

在理论建模的基础上，讨论了实现追尾碰撞避免的主要影响因素，即跟车距离测试技术，行驶环境，驾驶员因素以及追尾碰撞报警方式和报警频度，并指出了追尾碰撞避免技术的研究方向。     

基于贝叶斯网络的联网环境中跟车工况下的前车运动状态预测

车辆行驶过程中,前方车辆运动状态预测是车辆智能控制系统的重要研究部分。车辆运动状态受其驾驶员驾驶风格、道路状况、交通流、前方车辆运动速度和加速度等因素的影响,使车辆在未来一定时间段内的运动状态具有较大不确定性,给前方车辆的运动状态预测带来困难,因此本文中对跟车工况下前车运动状态预测进行研究。本文中在分析车辆跟车工况时的运动特性,采用贝叶斯网络对前方车辆运动速度进行预测,将获得的车辆跟车工况时的运动状态数据分为训练集和测试集。通过训练集辨识前车速度预测贝叶斯网络参数,通过测试集检验前车速度预测贝叶斯网络的预测效果。对前车未来0.1,0.5,1和2s时的运动速度进行预测,预测结果表明,前车的实际运动速度均在前车速度预测贝叶斯网络预测的95%置信区间内。     

先进驾驶辅助系统对纵向驾驶行为作用的有效性研究

尽管多种先进驾驶辅助系统(Advanced Driver Assistance Systems,ADAS)已被开发帮助并指导驾驶人,但在国内,ADAS的有效性并未被很好地测试。采用多因素方差分析来评估ADAS在跟车场景和Near-crash事件中对不同经验驾驶人驾驶行为的影响。招募了44名驾驶人(22名熟练驾驶人,22名非熟练驾驶人)开展现场运行测试(Field Operational Tests,FOTs),开发的试验车通过数据同步技术采集车辆运动学信息、道路环境信息和驾驶人操作信息。对采集数据进行预处理并提取354个稳定跟车片段和424例Near-crash事件。方差分析结果显示,在稳定跟车场景中,ADAS对熟练驾驶人和非熟练驾驶人均有积极影响且对非熟练驾驶人更为显著;在Near-crash事件中,ADAS对非熟练驾驶人有积极影响但对熟练驾驶人影响不显著。研究结论为ADAS在我国的针对性优化提供了数据支撑。