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。     

多车道复杂环境下驾驶倾向性状态辨识

驾驶倾向性是汽车行驶过程中操控者情感偏好等特征的动态测度,是车辆安全驾驶辅助系统,特别是其碰撞预警系统中汽车驾驶人意图等心理、意识计算必须考虑的核心参数.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,获取不同态势下驾驶倾向性特征数据,利用动态贝叶斯网络建立时变环境下驾驶倾向性动态辨识模型.实验验证表明,所建模型对驾驶人倾向性类型的辨识准确率可达到91％以上,能够适应多车道情况下驾驶人倾向性类型的动态识别,为以人为中心的个性化汽车主动安全系统的实现提供理论基础.     

多模式共驾智能车行驶安全性评估研究

多模式协同驾驶是智能车发展过程中必须经历的一个不可或缺的阶段,而行驶安全性评价是多模式共驾智能车需解决的一个关键问题.为此,采用多通道驾驶模拟系统展开实验研究.实验选取15名驾驶员,在3类特定的场景下分别开展实验.并对实验过程中采集的与行驶安全性相关的9个关系变量进行统计分析.在此基础上,采用贝叶斯网络方法构建多模式智能车行驶安全性评估模型,通过对模型进行敏感性分析发现,驾驶人的注视时效性、注视点分配、驾驶里程和驾龄对行驶安全性有着重要的影响,其敏感性指数分别达到0.31,0.26,0.16和0.14.由此可见,要实现多模式共驾智能车的安全行驶,关注驾驶人的注意力特性和驾驶经验显得尤为重要.      

次任务驾驶对行车安全性影响研究综述

次任务驾驶已成为导致道路交通事故的重要原因.驾驶过程中,次任务操作会在不同程度上占用驾驶人的视觉资源、认知资源和动作资源,分散驾驶人注意力,严重影响行车安全.因此,对次任务驾驶安全性开展相关研究具有重要意义.从移动电话使用、音乐、调控车载设备、喝水抽烟及吃东西等4个方面,对目前国内外次任务驾驶安全研究现状进行了阐述,分析了次任务驾驶安全性评价模型研究进展,概括了次任务驾驶对驾驶安全性影响研究手段和方法的优缺点,并对我国驾驶次任务研究方向作出展望.     

彩色灯光视觉调节对长隧道驾驶催眠缓解作用的试验

驾驶人在长隧道中间段驾驶中容易出现“隧道催眠”现象，为了缓解这一特殊视觉心理问题，在分析隧道催眠现象产生原因和长隧道中间段照明环境改善措施的基础上，提出了以特殊颜色灯光带作为视觉滤波带的隧道中间段照明设置形式。根据不同颜色光源下的视觉功能试验，选定不影响视觉功能但具有较强视觉刺激作用的红色光源作为视觉滤波带光源颜色。利用DIALux仿真软件建立设置了红光特殊照明以及普通照明2种场景下的隧道模型，并对有关照明指标进行计算。结果表明红光特殊照明对隧道照明参数无不利影响。通过红光特殊照明及普通照明隧道路段驾驶模拟试验，采集驾驶人动态视觉特征，包括眨眼频率及瞳孔直径，结果表明通过红色特殊灯光区域时，驾驶人的眨眼频率明显高于其他路段，瞳孔面积也存在较明显的先增大再减小的过程，说明红光段对驾驶人具有明显的视觉刺激作用。为评估红色特殊灯光区域对视觉安全性的影响，引入“瞳孔面积最大瞬态速度值”作为红光段视觉负荷评价指标，结果表明红色特殊灯光带引起的视觉负荷在驾驶视觉舒适范围内，其视觉刺激作用能够满足驾驶视觉安全要求。综上可以说明，红色特殊色彩灯光带能够在保证视觉舒适性的同时给驾驶人提供视觉刺激，起到视觉警示作用，缓解隧道催眠现象。     

基于虚拟现实技术的典型动态交通场景的设计与实现

驾驶人是影响道路交通安全的主要原因,而使用汽车驾驶模拟器模拟危险的交通环境,对驾驶人进行培训可以有效提高驾驶人的应急操作技能和安全意识水平,对于减少和预防道路交通事故的发生具有重要意义.以2000~2010年道路交通事故数据为基础,分别从人、车、路以及事故形态进行统计分析道路安全影响最大的因素,获取典型的动态交通场景.并考虑城市道路环境的复杂性和多样性,选取发生在城市道路场景中的1种类型动态场景-公交站台行人过街作为案例,采用虚拟现实技术完成这一动态交通场景的设计和实现.      

智能网联卡车编队领航车驾驶人驾驶能力需求综述

智能网联卡车编队在减少人力成本、节省燃料消耗、提高运输效率等方面具有较大优势,是未来货物运输发展的新趋势。领航车驾驶人作为在智能化和网联化背景下出现的新兴角色,对于保障智能网联卡车编队安全平稳运行至关重要。通过对大量文献、标准规范以及企业调研结果的系统梳理,综述了智能网联卡车编队领航车驾驶人驾驶能力需求研究现状。首先,介绍了卡车编队系统架构、自动化分级标准和驾驶模式等智能网联卡车编队概况。然后,归纳了卡车编队行驶场景的组成要素种类,总结了超出车辆设计运行范围的边界场景,以此为基础分析了各边界场景下领航车驾驶人的能力需求。其次,论述了卡车编队不同功能对应领航车驾驶人的作用和职责。最后,以传统卡车驾驶人和自动驾驶卡车安全员的基本驾驶能力需求为基准,结合边界场景和编队功能对应的特殊驾驶能力需求,汇总获得卡车编队领航车驾驶人在理论知识、实操技能和生心理状态方面的需求,并对比分析了不同驾驶阶段下驾驶人能力需求差异。综述结果有助于更加科学合理地开展智能网联卡车编队领航车驾驶人的遴选、培训和考核。     

基于 AHP 和物元分析的愤怒驾驶状态辨识研究

驾驶人在愤怒情绪下的驾驶行为是影响车辆行驶安全性的重要因素之一,愤怒驾驶情绪的产生及其程度受到驾驶人自身和道路交通环境中多因素的影响。文中综合考虑驾驶人自身因素和行车环境对驾驶状态的影响,提出了愤怒驾驶状态的辨识方法。文中筛选了与愤怒驾驶行为相关的驾驶人因素和道路环境因素,构建了1个驾驶人愤怒状态辨识的层次分析模型,并根据相关因素之间对愤怒驾驶行为影响的重要程度构造判断矩阵,求出各相关因素对愤怒驾驶行为的影响权值。应用综合权重的物元多属性决策方法辨识驾驶人的愤怒驾驶状态及程度。应用所提出的方法对22组实车试验中出现的愤怒驾驶状态进行辨识,结果表明,72.7%的结果与实车实验所得的结果相符,因此,该方法可对愤怒驾驶行为进行识别。文中所提出的方法能够融合驾驶人因素和环境因素对愤怒驾驶行为的影响,有效的辨识出驾驶人的愤怒驾驶状况及程度。      

驾驶人熟悉程度对其安全驾驶行为的影响研究综述

驾驶人作为人-车-路-环境复杂系统中最核心的因素,在交通安全中发挥最为关键的作用。聚焦驾驶人熟悉程度这一因素对道路交通事故的影响,系统地梳理和分析了驾驶人熟悉程度与交通事故的关系及其影响安全驾驶的机理等相关研究及成果。首先,基于驾驶人熟悉程度的距离维度和频率维度识别标准,分析了驾驶人对道路、环境及车辆的熟悉程度与其发生交通事故概率的关联性;其次,从驾驶人控制行为、路径选择行为及视觉行为等角度归纳了驾驶人熟悉程度影响其安全驾驶的机理;最后,就该领域面临的挑战及未来的研究趋势进行了分析和探讨,提出进一步标准化驾驶人熟悉程度指标的方法,为驾驶安全程度评价及提高交通安全提供了理论基础。针对已有相关研究的局限性及机理研究中尚不明朗的问题,后续研究需从认知心理学方面探究因道路、环境、车辆等驾驶人熟悉程度影响其安全驾驶的机理,进一步将视觉特征指标与生理指标结合以量化驾驶人熟悉程度,将此纳入到道路选择模型中。同时,从生理指标角度客观衡量驾驶人熟悉程度对其乘坐舒适度的影响,这些为提升自动驾驶技术接受度、交通安全及车辆安全提供强有力的理论基础。     

多车道复杂环境下汽车驾驶倾向性特征动态提取

对多车道复杂环境下汽车驾驶倾向性特征动态提取进行研究,有利于准确推演驾驶人意图,对汽车辅助(自动)驾驶系统、特别是其主动安全预警子系统构建也具有十分重要的意义.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,运用粗糙集理论,进行基于最小信息熵的连续属性离散化和基于启发式贪心算法的属性约简,提取不同态势下驾驶倾向性类型特征向量.实验验证表明,文中提取的多车道复杂车辆编组关系下汽车驾驶倾向性动态特征向量是科学合理的,能够准确反映驾驶人倾向性.研究结果可为建立多车道复杂环境下驾驶倾向性动态辨识模型提供理论依据.