驾驶分心影响因素的研究

以驾驶员驾驶习惯等主观因素以及道路环境客观因素为研究对象,从驾驶行为构成及特点入手,分析驾驶员分心行为的形成及影响因素。以驾驶行为操纵失误为因变量,以驾驶员主观因素及道路环境客观因素为自变量,统计分析影响驾驶行为要素的数据以及对驾驶行为的影响。分析结果表明:驾驶过程中道路两旁广告标识密度大以及不熟悉路况环境对驾驶员注意力的影响较大。     

基于广义回归神经网络的高速公路减速带行车风险检测模型

由于司机的错误可能会导致交通事故,如果能及时向司机提供建议,这种事故是可以避免的,如何检测驾驶风险是关键因素。首先,选择反应时间、加速度、初始速度、最终速度和速度差作为运动参数。方差分析结果表明,不同行驶状态下速度差异不显著,另外4个参数可以作为神经网络模型的输入变量,它们有15种不同的组合。检测模型结果表明,测试集的预测准确率达到86. 4%。输入变量的数量与预测准确率呈正相关。通过应用该方法,可以通过互联网发布车辆的危险状态以及驾驶员开始的危险行为,如疲劳驾驶、酒后驾驶、超速驾驶和分心驾驶。本研究的实证结果对减少交通事故具有重要意义。     

打车软件的使用对驾驶安全的影响

打车软件的使用会造成驾驶员在驾驶中频繁进行手机操作。本文以驾驶模拟器为试验平台,探究了这些操作对驾驶安全的影响。运用统计检验方法对实验结果进行处理,结果表明:由使用打车软件引发的分心操作,对驾驶员速度控制能力与车道保持能力有显著影响,其中,操作导航的影响程度最大,通话操作次之,接单操作的影响程度最小;驾驶中使用打车软件将显著增加驾驶员违章次数(P0.05);操作导航、手持通话、免提通话三类行为,会使驾驶员前方信息观察能力下降30%以上。     

分心驾驶研究文献计量学分析

车辆自动化和信息娱乐系统的发展趋势使驾驶人分心成为日益突出的社会问题。为全面了解分心驾驶的研究进展，本文选取近 12 年关于分心驾驶的 2313 篇文章，利用文献计量工具VOSviewer和R-Bibliometrix系统梳理与分析分心驾驶的研究现状。首先，概述分心驾驶研究的总体情况，包括分心驾驶研究的国家分布、核心作者及核心期刊；其次，重点归纳分心驾驶领域的高影响力文献，并从“注意力机制”“分心驾驶风险与年轻驾驶人驾驶行为”“分心源”“分心驾驶检测”“自动驾驶下驾驶人的分心效应”这5个研究主题总结分心驾驶的研究热点；最后，构建分心驾驶的研究体系，并预测未来的发展趋势。研究认为：有必要加强研究分心的形成、消散和恢复机理；需扩展研究对象和场景，综合考虑车内和车外的分心源以及复合分心带来的风险；多源信息融合及考虑多类型分心可以进一步完善分心驾驶风险的研究；界定分心状态与等级划分，针对不同驾驶分心类型的识别应是未来分心驾驶检测研究的重点；自动驾驶场景下的分心行为及接管效能，以及混合交通流下的分心状态是值得关注的研究。基于机器视觉的分心检测和自动驾驶的接管效能将成为分心驾驶领域的研究前沿。     

交互危险行为对双责事故严重程度的影响分析

为了明确交互危险驾驶行为与双责事故严重程度的关系,从驾驶行为方面有效减轻双责事故的危害后果,结合双责事故的特点及各统计分析模型的适用性,采用广义有序logit模型鉴别各种危险驾驶行为交互作用对双责事故受伤严重程度的影响作用,并分析危险驾驶行为对不同等级受伤严重程度的影响规律以及影响机理.研究结果表明:双方驾驶员均偏离车道、双方均分心驾驶、一方超速另一方让行失败、一方超速另一方鲁莽驾驶以及一方违反交通规则另一方让行失败的交互危险行为会显著增加事故严重程度.根据分析结果,提出应对驾驶员做好宣传教育工作促使其养成良好的驾驶行为习惯,并结合超速监测系统、电子执法系统等技术手段加强对危险驾驶行为的监控.      

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

认知分心情境下驾驶人应激反应行为研究

选取40名被试,采用2-back任务诱导认知分心,利用驾驶模拟系统构建行人-机动车、非机动车-机动车和机动车-机动车等3种应激场景,开展了不同应激场景正常驾驶及认知分心驾驶2种工况驾驶人的应激反应实验研究;根据采集的被试的眼动、脑电和驾驶行为等数据,分析了认知分心驾驶工况驾驶人的应激反应行为特性;对实验结果进行集对分析(SPA),完成了不同应激场景下驾驶人应激反应行为的安全性评估。结果表明：驾驶人应激反应行为的安全性因受认知分心的影响而降低,其中在行人应激场景下的影响最为显著。     

基于人体姿态空时特征的驾驶员疲劳检测

为减少疲劳驾驶给道路交通带来的安全隐患，本文以驾驶员人体姿态为研究对象，分析驾驶动作变化与驾驶员疲劳状态之间的联系，提出基于空时特征与人体姿态的驾驶员疲劳检测模型。首先，以改进的Simple Baselines网络定位驾驶员骨架关键点(空间特征)；其次，分析驾驶过程中人体姿态的变化特点，依据“高内聚、低耦合”的原则将人体关键点模块化，以此为基础设计多个与驾驶员疲劳驾驶相关的特征表示；最后，引入滑动窗口计算各疲劳特征的离散程度，将其作为长短时记忆网络(时间特征)的输入，从而实现对驾驶员疲劳状态的预测。通过13位被试驾驶人的驾驶行为数据实验结果表明：使用本文提出的基于空-时特征和人体姿态的驾驶员疲劳检测模型可达到97.73%的检测精确率，98.95%的召回率以及98.35%的准确率，表明该检测模型具有可行性。     

抵近信控交叉口分心驾驶识别模型

为降低驾驶人抵近交叉口过程因分心导致的交通事故，本文基于双向长短时记忆网络 (BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验，采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据，通过方差分析研究分心任务对驾驶行为的影响。结果表明，分心驾驶人需要更长的制动反应时间，制动操作时间缩短，踩压制动踏板的力度下降，同时操纵方向盘的稳定性变差。然后，筛选有显著性影响的6个特征行为指标作为模型的输入，结果表明：BILSTM模型分心状态识别的精确率最高，达到92.6%，F1值为88.7%；准确率、精确率、召回率、F1、AUC和ROC曲 线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说 明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态，可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。     

驾驶分心综述

构建了文献质量评价指标体系，筛选出288篇相关文献，综合分析了文献数据获取方式、指标选取、识别方法和研究结论；以驾驶行为为主要研究对象，结合统计学方法，系统阐述了驾驶分心试验数据的获取方式，总结了其多样性和两极化的原因；梳理了驾驶分心识别指标的研究成果，总结了其使用效能和优缺点；对比了不同驾驶分心识别模型的准确率，分析了其差异性的根源；提出了未来驾驶分心数据获取方式、指标选取、识别方法的研究趋势。分析结果表明:试验是驾驶分心数据获取的主要方式，自然驾驶数据集、视频录像是新的数据获取方式，路边观察和调查问卷的数据获取方式关注度较低；对照、跟车、超车、变道场景及添加其他危险事件的复杂度较高的场景是研究较多的驾驶分心场景；驾驶分心次任务的设置说明目前驾驶分心研究的类型和主题较集中；融合指标是使用频次最高的驾驶分心识别指标，且以驾驶绩效指标和眼动指标、驾驶绩效指标和反应指标这两类融合指标较多，驾驶绩效指标是使用最多的单类指标；支持向量机模型是使用最多的驾驶分心识别模型，但识别准确率标准差较大，性能不稳定，深度学习算法模型的识别准确率较高，且稳定性好；未来的驾驶分心研究需均衡研究主题，扩展人机共驾的分心场景，深化驾驶分心类型研究，构建标准化指标体系和选取原则，强化模型构建识别不同类型和严重程度的驾驶分心。      

基于驾驶实验的驾驶员气质特征实证探讨

对驾驶行为开展研究,在提高道路通行能力、减少道路交通事故以及智能驾驶、辅助驾驶和汽车安全设计等方面具有重要意义。如何辨别驾驶员类型、分析驾驶员驾驶特征已成为驾驶员对道路交通流影响量化研究的关键问题。研究选取20位拥有三年以上驾驶经验的驾驶员进行道路驾驶实测实验,以高精度车载GPS为数据采集工具(Video VBOX Pro),记录车辆驾驶过程中速度、加/减车速、换道次数等特征参数,并结合驾驶员自我驾驶评述及随车实验人员主观评价,确定驾驶员的驾驶行为特征。将实验数据确定的驾驶员驾驶类型与心理学气质量测表确定的驾驶员驾驶类型进行对比,通过分析发现:心理学气质量测表不适合用于判断驾驶员的驾驶类型。     

基于计划行为理论的竞争驾驶行为建模0

为获取竞争驾驶行为的潜变量因子,分析驾驶员竞争驾驶行为的产生动机.对 225 名驾驶员进行了网上问卷调查,通过主成分分析和验证性因子分析提取竞争驾驶行 为的4 个潜变量因子：速度领先、空间占用、路权争夺和空间领先争夺.基于计划行为理 论,构建了竞争驾驶意图与行为关系结构方程模型.研究表明,驾驶员的竞争驾驶态度、主 观标准、知觉行为控制等心理因素和社会环境外界因素,通过行为意向能够很好地对竞 争驾驶行为进行预测.社会环境因素对竞争驾驶意图有显著影响,为驾驶员竞争驾驶行为 的矫正提供了有效途径.     

不同情绪作用下的汽车驾驶行为预测

为探究驾驶员情绪对驾驶行为的影响,本文采集驾驶员心电信号和行车数据,对不同情绪作用下的驾驶员行为进行预测。首先,根据问题的数学描述,建立融合驾驶员情绪变化的驾驶员模型,依据模型设计神经网络体系结构。然后,采用竞争学习算法进行驾驶行为预测,其损失减小到传统方法的1/2,结果表明,竞争学习算法是一个有效的算法,可以很好地应用在驾驶行为预测的研究中。最后,对驾驶员高兴、悲伤、愤怒和平静4种情绪作用下的驾驶行为进行预测,车速预测值非常接近观测值。在高兴和愤怒情绪状态下,平均车速相比于平静状态时都有显著增加,伴随着明显的超速行为;愤怒情绪下,出现事故的可能性增加,驾驶员趋向更危险的驾驶行为;在悲伤情绪下,平均车速相比于平静状态时显著下降,驾驶员驾驶较谨慎。     

考虑我国驾驶行为特性的可变限速适应性研究

可变限速技术通过自动化采集交通流运行数据,并按照控制策略实时调整限速值以适应交通流运行的时空变化特征。目前,该技术已在美国等西方发达国家广泛推广,在我国尚未开展大规模的实践应用。以我国驾驶员的驾驶行为特性为主要考虑因素,通过采集城市快速路驾驶员驾驶行为特性数据,标定参数得到符合我国驾驶员行为特性的智能驾驶员(IDM)模型,构建微观交通仿真环境,研究快速路可变限速技术在我国驾驶行为环境下的适应性。仿真结果表明,可变限速技术能够在一定程度上改善我国快速路通行效率,但受驾驶行为特性参数差异性的影响,其改善幅度低于国外驾驶环境的快速路交通流。     

冰雪条件下中国驾驶员跟驰行为及模型研究

分析驾驶员在冰雪条件下的驾驶行为特性，建立考虑驾驶员行为特性的跟驰模型，有助于丰富现有交通流理论.通过招募驾驶员开展实车跟驰试验，对比分析正常条件与冰雪条件下的驾驶行为差异.进而基于任务难度均衡理论构建包含人类因素参数的任务难度模块，引入改进后的智能驾驶员模型，并采用车辆轨迹数据对模型进行标定和有效性验证.研究表明：驾驶员在跟驰行驶过程中受外界刺激及自身驾驶能力影响时会对车辆行驶状态进行动态调整，试图保持期望间距，且速度与前车一致的状态；冰雪条件下驾驶员采取风险补偿行为，其车头时距波动幅度较正常条件收窄，模型引入人类因素参数可以较好地描述其差异性. 模型有效性验证表明，新模型在6个仿真场景中的表现都优于传统智能驾驶员模型，且表现出更好的鲁棒性.研究结果可为冰雪条件下的交通管理措施制定提供理论支持.     

绿灯倒计时影响下机动车微观驾驶行为分析与决策建模

机动车在交叉口信号相位切换期间的驾驶行为对于城市道路交通安全至为重要,本文对绿灯倒计时影响下的机动车微观驾驶行为与“通过/停止”决策进行研究.首先,利用驾驶模拟器进行1组单盲实验来提取车辆的接近速度、反应时间、减速度等参数.其次,详细地刻画了车辆进入交叉口范围至行驶至停止线全过程的微观驾驶行为.再次,综合交通因素及驾驶员个体特征等解释变量,建立了随机效应Logistic模型以描述车辆的“通过/停止”决策行为.结果表明：车辆进入交叉口范围后会“先减速,再加速,再减速”,加速通常出现在距停止线30~ 40 m的范围内,且绿灯倒计时与黄灯启亮前期对驾驶员具有催促作用;速度、距离、年龄、性别对车辆的“通过/停止”决策行为具有显著影响;随机效应Logistic模型比Logistic模型更能表征其他未纳入模型的因素及反映不同交叉口与驾驶员的异质性.     

基于分层COX 模型的跟驰反应延迟时间生存分析

驾驶员的反应延迟时间是驾驶员跟驰行为的重要指标之一，也是跟驰模型中的重要参数之一. 为分析延迟时间与车辆运动状态、光照条件影响因素之间的关系及延迟时间的概率分布，通过实车实验得到跟驰行为延迟时间自然驾驶数据，采用Kaplan-Meier 方法进行延迟时间单因素分析并构建延迟时间分层COX模型. 结果表明：驾驶员跟驰反应延迟时间生存函数受前车加速度，前车加速度变化状态影响显著；前车加速度与延迟时间风险函数之间的关系随时间变化，需采用分层COX模型建模；前后车相对距离每增大10 m，延迟时间风险函数取值减小6.03%；前车由变速运动变为匀速运动时，延迟时间风险函数取值减小35.39%. 研究给出延迟时间风险函数与影响因素之间的定量关系，结果可应用于跟驰模型参数优化与微观驾驶行为仿真模型.     

考虑驾驶人不同分心类型的分心识别研究

驾驶人分心状态判别是实现分心预警的基础。由于视觉分心相比认知分心对行车安全具有更大威胁，本文针对驾驶人不同分心类型的识别展开研究，设计了驾驶人两种分心类型和正常驾驶下的模拟驾驶试验，利用1-back任务和看手机任务分别诱导驾驶人产生认知分心和视觉分 心，采集并提取驾驶绩效、眼动及头动特征，采用序列后向选择算法进行特征优选，运用网格搜索确定分心识别的最佳时间窗口及模型参数。结果表明，基于随机森林所构建模型在测试集上取 得了94.07%的宏精准率、93.89%的宏召回率和93.98%的宏F1值，分类表现优于两种比较方法，说明模型能够准确地对驾驶人的3种状态进行分类。根据随机森林模型的特征重要性排序结果以 及采用不同类型特征作为输入训练模型的分类结果发现，驾驶人眼动及头动特征对驾驶人分心类型的识别更为重要。本文研究可为分心预警系统根据分心类型判定风险等级提供基础。     

考虑车辆价值的倒计时信号交叉口 驾驶员驾驶行为建模

为了发现车辆价值是否对驾驶员在倒计时信号交叉口的驾驶行为产生影响, 以激进型驾驶行为、普通型驾驶行为和保守型驾驶行为为典型的驾驶行为,运用交叉口 录像获取数据方法,采集了车辆经过典型倒计时信号交叉口时的车辆价值、车速、倒计时 剩余时间、所在车道等具体数据,并对3 种驾驶行为进行了判定,建立了分时段的倒计时 信号交叉口驾驶行为Logistic 模型.结果表明,在红灯倒计时显示的3~0 s 时间段内,与保 守型驾驶行为相比,激进型驾驶行为与车辆价值、车速、所在车道有关系,普通型驾驶行 为仅与车辆价值、车速有关系;在绿灯倒计时显示时间为3~0 s 与n ~3 s 的时间段内,激进 型驾驶行为与普通型驾驶行为与车辆价值、车速有关系.结果说明,驾驶员所驾驶的车辆 价值对驾驶员在倒计时信号交叉口的驾驶行为产生影响.     

基于虚拟驾驶环境的驾驶员反应时间采集和测算研究

针对驾驶者在分心时面临前车无预警刹车的情况进行实验,以研究前方突发事件对驾驶造成的感知反应时间。加入年龄、不同跟车距离及限速三个因子,探讨感知反应时间受到这些实验因子影响而导致的差异性,以提供驾驶员反应时间的参考,保障行车安全。