基于超效率数据包络分析的重型车驾驶人驾驶安全绩效评价方法

为解决网联环境下重型车驾驶人驾驶安全绩效评价在指标多样性、模型可靠性、评价完整性和结果可溯性等方面的问题，提出一种基于超效率数据包络分析的重型车驾驶人驾驶安全绩效评价框架，包括驾驶行为指标提取方法、包含零值的超效率数据包络分析方法和基于效率前沿分析的驾驶安全绩效提升方案。基于网联环境下重型车自然驾驶数据特征，提取6个行程级的危险驾驶行为指标作为模型输入项，包括：表征激进驾驶的超速行为、急加速行为和急减速行为；表征分心驾驶和疲劳驾驶的打哈欠行为、使用手机行为和吸烟行为。表征驾驶风险暴露因素的行驶时间和行驶里程作为模型输出项。将每个驾驶人视为独立的决策单元，构建3种驾驶绩效评价模型，分别从激进驾驶、分心和疲劳驾驶以及综合驾驶风险3个维度对驾驶绩效进行评价。进一步利用效率前沿分析准确识别低绩效驾驶人，并量化其达到最佳驾驶绩效所需提升的驾驶行为指标。将该框架应用于南京某重型车车队的34名驾驶人，使用连续3个月的网联数据开展驾驶绩效评价。结果表明：该框架能够准确计算驾驶绩效得分，不同驾驶绩效等级驾驶人之间的驾驶行为特征存在显著差异，超速行为和打哈欠行为是影响驾驶绩效评价结果的关键因素，针对低绩效...     

基于自然驾驶数据的分心驾驶行为识别方法

大量证据表明，驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式（如脑电波等）或半侵入式（如视频等）检测驾驶人分心的方法，不仅对驾驶任务造成一定干扰，且受多种环境因素的制约，误报率较高。基于此，只考虑非侵入式车辆运动特征，提出一种基于深度学习的驾驶人分心状态识别方法：首先，从自然驾驶数据集中获得大量的跟驰片段，采用态势感知方法，提取典型的分心驾驶片段，并建立仅包含车辆运动学特征的分心判别指标集；其次，利用梯度提升决策树-递归特征消除算法（GBDT-RFE）和随机森林-递归特征消除算法（RF-RFE）对特征进行重要度排序，得到重要度较高的分心监测指标；最后，采用长短时记忆神经网络（LSTM-NN）实现分心驾驶的分类识别，并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明：LSTM-NN在判别分心或正常状态时F₁分别为89%、91%，高于SVM和AdaBoost对应二分类结果；进行多分类任务时，判别分心情景的平均F₁较SVM和AdaBoost分别提升了12%和7%，不同类别分心识别的误报率在15%以下，说明LSTM-NN能够有效学习分心序列的前后信息，有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。     

老年驾驶人的驾驶自我调节研究述评

随着社会人口老龄化的发展，老年驾驶人的占比逐年增加，提升老年人的驾驶安全性对于其安全自主出行和公共交通安全均具有重要意义。驾驶自我调节是老年驾驶人为适应身体、认知功能变化而对驾驶行为做出的主动调整，是其提升驾驶安全性、延长驾驶生命和维持自主行动能力的有效补偿策略。通过对已有关于老年驾驶人的驾驶自我调节研究进行系统回顾，介绍了老年驾驶人的驾驶自我调节行为的定义及其表现，归纳分析了其驾驶自我调节行为的影响因素及产生机制，在此基础上总结了现有研究的局限，并指出了未来进一步研究的主要思路和方向。对文献的梳理和分析表明：老年驾驶人的驾驶自我调节包括减少驾驶频率和回避具有挑战性的驾驶情境2种主要形式，并可分为策略性、战术性和生活目标性自我调节3种不同的层次水平；驾驶自我调节是一个复杂的过程，社会人口因素、生理健康和功能状况、心理因素等均可对其产生影响；驾驶自我调节的产生机制可以被概括为是个体从认知到态度改变，再到形成调节行为意向，直至最终发生驾驶行为改变的动态决策过程。未来对老年驾驶人的驾驶自我调节行为研究应更进一步将客观驾驶行为数据、医疗机构数据与驾驶人主观自我报告相结合，适当开展追踪研究，考察驾驶自我调节行为随年龄的发展变化趋势，深入探究驾驶自我调节的产生机制及其在降低事故发生和提升驾驶安全性方面的作用。     

基于深度卷积-Tokens降维优化视觉Transformer的分心驾驶行为实时检测

针对基于端到端深度卷积神经网络的驾驶行为检测模型缺乏全局特征提取能力以及视觉Transformer(vision transformer,ViT)模型不擅长捕捉底层特征和模型参数量较大的问题，本文提出一种基于深度卷积和Tokens降维的ViT模型用于驾驶人分心驾驶行为实时检测，并通过开展与其他模型的对比试验、所提模型的消融试验和模型注意力区域的可视化试验充分验证了所提模型的优越性。本文所提模型的平均分类准确率和精确率分别为96.93%和96.95%，模型参数量为21.22 M，基于真实车辆平台在线推理速度为23.32 fps，表明所提模型能够实现实时分心驾驶行为检测。研究结果有利于人机共驾系统的控制策略制定和分心预警。     

考虑分心驾驶行为的高速公路合流区安全性评价方法

现有的公路项目安全性评价主要基于车辆运行速度的协调性,并未考虑交通状况和驾驶人可能出现的注意力不集中情况。考虑驾驶人分心驾驶和交通状况,提出一种高速公路合流区安全性评价方法：将驾驶行为、交通流及合流区几何设计等因素纳入到安全评价模型中,构建高速公路合流区的Vissim仿真模型,通过设置临时走神的持续时长和发生概率这两个参数实现对分心驾驶行为的模拟;采用灰色聚类方法综合评价高速公路合流区的交通安全性,构建入口匝道合流区的风险预测模型,并应用该模型预测依托工程高速公路入口匝道合流区的交通安全风险。研究发现入口匝道合流区的风险预测值符合多元线性回归,在相似的交通流状态下随着走神时间、走神概率的增加而单调递增。除了驾驶行为因素,交通量、主线与匝道运行速度差是影响合流区交通安全的另外两个主要因素。当高速公路主线交通量较大时,合理的限速可以降低合流区的风险水平。提出的考虑分心驾驶行为的安全性评价方法可快速、全面地评价合流区的风险水平,为制定合理的交通管制措施、改善公路合流区交通安全提供理论依据。     

驾驶模拟环境中激进驾驶行为的影响因素分析

为了分析驾驶人在驾驶模拟试验过程中出现的相对实际驾驶的激进驾驶行为的影响因素，采用计划行为理论构建心理认知模型。基于计划行为理论设计问卷调查私家车驾驶人对"在驾驶模拟过程中激进驾驶"行为的信念、态度、主观规范、行为感知控制、意向与行为。采用结构方程模型得到观察变量与基本构念以及基本构念内部的相关关系，并最终分析得到影响驾驶人激进驾驶行为的主要因素。通过先导性调查问卷以及正式调查问卷的投放，最终得到217个有效的样本。研究结果表明：心理认知模型具有良好的适配性，其卡方自由度比为1.802，RMSEA值为0.062；态度、行为感知控制是影响驾驶人行为的主要因素，主观规范对行为的影响相对较小；各信念与对应的态度、主观规范及行为感知控制之间存在显著关联，各信念的测量模型的适配性良好，卡方自由度比、RMSEA等指标基本满足要求。采用完整的计划行为理论结构同时从标准获取构念和自行获取构念的角度解释了驾驶人对"在驾驶模拟过程中激进驾驶"行为的心理认知，研究成果可用于驾驶模拟-自然驾驶行为数据差异性控制，驾驶模拟试验规范化方法构建。     

基于人体姿态估计的分心驾驶行为检测

为弥补现有驾驶特征提取方法的不足,提高分心驾驶行为检测的准确性和鲁棒性,将2D/3D人体姿态估计应用于驾驶人行为检测,提出一种适用于驾驶舱环境下的驾驶特征提取方法。首先通过将2D姿态估计网络Simple Baseline和分类网络ResNet进行融合,构建基于2D姿态估计的分心驾驶行为检测模型,并在分心驾驶数据集State Farm上分析不同数据增强方法、不同超参数、不同分类网络对模型性能的影响。其次,融合3D密集姿态估计网络DensePose与分类网络ResNet,构建基于3D姿态估计的分心驾驶行为检测模型。接着,在State Farm数据集上,针对模型的实时性和泛化能力,对比分析基于原始图像和基于2D/3D姿态的分心驾驶行为检测模型。最后,针对效果更优的基于2D姿态估计的分心驾驶行为检测模型,在分心驾驶数据集State Farm上,对使用不同姿态估计算法和分类网络的分心驾驶行为检测模型做了交叉试验,对比分析4个不同检测模型的优缺点。进一步地,将基于2D姿态估计的分心驾驶行为检测模型应用于实际采集的驾驶图片,对模型的泛化能力和有效性进行了测试验证。研究结果表明:与基于原始图像的检测模型相比,基于2D和3D姿态的检测模型都能显著提高分心驾驶行为的检测准确率;基于3D姿态的检测模型在检测精度方面略优,但基于2D姿态的检测实时性更好,检测效率是基于3D姿态检测的4倍;在驾驶舱单一环境下,基于2D姿态估计的分心驾驶行为检测模型能够满足分心驾驶行为检测的需求,在分心驾驶行为检测方面具有重要应用价值。     

面向人机共驾车辆的驾驶人风险感知研究综述

面向人机共驾车辆的驾驶人风险感知是接管时正确应激反应和操作的前提,是交通安全领域的研究重点.分析了人机共驾车辆驾驶人风险感知概念及其特性;从驾驶人特性、自动驾驶系统、驾驶情景这3个方面分析了人机共驾车辆驾驶人风险感知的影响因素;从驾驶行为表现、接管绩效和主观评价这3个方面对人机共驾车辆驾驶人风险感知衡量方法进行归纳总结...     

音乐喜好对驾驶行为的影响

驾驶的同时听音乐已经成为1种十分普遍的现象,但听音乐是否会对驾驶人的行为产生影响,并带来一定的交通风险,尚有待研究.文中对驾驶人的音乐喜好、驾驶时听音乐导致的情绪状态的变化,以及不当驾驶行为进行了问卷调查,收集了351份有效样本,并建立了音乐喜好、情绪状态和不当驾驶行为之间的结构方程模型,分析了驾驶时听音乐对驾驶行为的影响.结果显示,驾驶时听激进的音乐会对情绪造成显著的负面影响,其直接效应为0.416(p＜0.001),而驾驶人的负面情绪会导致更多的不当驾驶行为的发生,其直接效应为0.626(p＜0.001).驾驶时听音乐,尤其是摇滚音乐、重金属音乐,会间接产生更多的抢行、超速、分心等不当驾驶行为.     

基于结构方程模型的疲劳驾驶行为影响因素间量化关系研究

导致疲劳驾驶的影响因素众多,量化相互间的关系是疲劳驾驶行为研究的理论基础.通过实车试验采集了32名驾驶人在疲劳状态下的驾驶行为数据,观测变量包括车速、加速度、车道位置、车头时距、血流量脉冲、皮电、闭眼周期等,并对数据进行了预处理以及利用Bootstrap法对样本容量进行扩充来满足结构方程模型对样本的需求.建立结构方程模型分析了疲劳程度、身体状况和驾驶经验之间的关系以及对疲劳驾驶行为的影响.结果表明,疲劳程度对驾驶行为的影响程度最大,达到0.944;其次是驾驶经验,相关系数为0.447,说明在驾驶过程中驾驶人应时刻注意自身的疲劳状况,因其会直接影响驾驶安全.     

关于公交车驾驶员安全驾驶视觉特性的分析

随着我国现代化的不断发展,城镇居民的生活水平不断提高,对各种交通工具的需求也在不断加大。同时,由于环境的逐渐恶化和人们环保意识的提高,越来越多人在出行时选择公交或者地铁等公共交通工具出行,因此,公交车驾驶的安全问题受到大家广泛关注。相关数据表明,驾驶员的违规驾驶是引起交通事故的重要原因,应从驾驶员的角度出发,分析公交车驾驶员安全与驾驶视觉特性的关系,有效保障公交车行驶的安全性。公交车驾驶员是驾驶行为的参与者,行驶过程中结合视觉信息操作驾驶行为。本文简要概述了驾驶员的视觉基本特性与疲劳驾驶、分心驾驶及驾驶经验对视觉特性的影响等方面,基于驾驶员的视觉特性影响因素进行研究和提出几点建议。     

驾驶中拨打手机对驾驶人脑力负荷及驾驶行为的影响分析

基于驾驶模拟实验平台,选择高速公路、城市道路2种交通环境,对3名低龄驾驶人正常驾驶与拨打手机驾驶情况下的脑力负荷及驾驶行为表征指标进行了全程监测。每组实验时间约为15min。其中,脑力负荷评估采用心率变异性相关指标,驾驶行为表征采用后视镜使用、转向灯使用、档位变换及速度变化等指标。实验结果表明,相比于正常状态驾驶中拨打手机时心率变异性指标,出现了驾驶人LFNU指标增大、HFNU指标减小、LF/HF比值明显增大、TP增大的现象,规律明显。在排除驾驶疲劳对心电指标产生影响的可能后,可初步判定出现以上现象的原因是拨打手机引起了驾驶人脑力负荷的大幅增加。在驾驶人认知资源有限的情况下,脑力负荷的增大造成了驾驶人在信息获取、转向灯使用、档位变换和车速保持等方面的能力有不同程度的下降。综上所述,驾驶中拨打手机使得驾驶人脑力负荷大幅增加,进而对驾驶行为产生了诸多负面影响,给交通安全带来了隐患。因此,建议相关部门在法律、法规中对驾驶中拨打手机的行为加以限制,以减少交通事故风险。     

基于驾驶模拟技术的道路行车安全性研究综述

对驾驶模拟技术在道路行车安全领域的研究及应用现状和存在的问题进行了分析。在广泛调研国内外相关文献的基础上,对驾驶模拟器进行了分类,并总结了国内外主要代表性科研型驾驶模拟器的发展历程,分析了典型驾驶模拟器的自由度、主要特征和应用领域。以“人-车-路-环境-事故”为主线,从不良驾驶行为特性分析、车辆主动安全技术研究、道路与交通设计、车辆驾驶环境以及道路行车事故研究5个方面,系统地梳理了驾驶模拟技术在国内外道路行车安全领域的应用研究现状、存在问题以及应用展望。在不良驾驶行为特性分析方面,重点研究了运用驾驶行为特性开展分心驾驶行为和疲劳驾驶行为的识别;在车辆主动安全技术研究方面,综述了运用驾驶行为开展车辆底盘一体化控制技术、安全辅助驾驶控制技术和自动驾驶接管行为的评价研究;在道路与交通设计方面,综述了道路几何和标志标线等的设计评价;在车辆驾驶环境方面,综述了不良气象、路侧景观和交通冲突等驾驶环境对驾驶行为的影响;在道路行车事故研究方面,总结了道路行车事故再现和事故影响因素分析等内容。此外,对驾驶模拟技术进行了应用展望,主要包括特殊人群的驾驶行为特性、智能网联汽车系统的测试及验证、混合交通流环境下的行车安全问题。对未来应对驾驶模拟器的有效性评价、不适性以及二次开发等问题进行探讨,以便更好地促进驾驶模拟技术的发展。      

疲劳驾驶检测方法的研究进展

全世界每年因驾驶员疲劳驾驶而导致的死亡人数占交通灾难性事故的57%,故针对疲劳驾驶检测方法的研究具有现实意义.阐述了目前国内外各类疲劳驾驶检测方法的研究难点,介绍并对比分析了基于驾驶员生理参数、驾驶员行为特征、车辆行为特征的各类客观检测方法;最后对疲劳驾驶检测方法的发展趋势和应用前景进行了论述.     

基于多源数据的单调道路环境与驾驶疲劳关系模型

为了研究单调道路环境对驾驶疲劳的影响,采用眼动仪、脑电仪等仪器设备在G109格尔木-西藏沿线开展实车驾驶试验,获取19名被试驾驶过程中的生理和驾驶行为等多源数据以及驾驶疲劳主观KSS量表,分析不同时间窗下各特征参数随疲劳程度的变化规律。采用不同海拔对应的植被等级作为单调道路环境的量化指标,将驾驶疲劳程度划分为清醒、轻度疲劳、重度疲劳3个等级,根据皮尔逊相关性和自变量共线性检验结果,选取脑电（α+θ）/β、平均眨眼持续时间、血氧含量和植被等级为自变量,驾驶人疲劳程度为因变量,建立基于有序多分类Logistic的单调道路环境与驾驶疲劳的关系模型,并分析单调环境下驾驶疲劳生成机理。研究结果表明：在高海拔单调道路环境下,短时驾驶疲劳主要与环境单调程度有关,驾驶时间并不是引起短时驾驶疲劳的主要因素;脑电α/β和心率与驾驶疲劳程度无显著相关性,脑电（α+θ）/β、平均眨眼时间与疲劳程度呈正相关,血氧含量与疲劳程度呈负相关。当植被覆盖率从较稀疏变为稀疏时,驾驶人警觉性较高,疲劳程度增加5.9%;随着植被覆盖率下降至非常稀疏状态,驾驶人会出现克服自身疲劳的情况,疲劳程度增加5.8%;当环境单调性进一步加剧,植被覆盖率降低至严重稀疏状态时,驾驶人疲劳程度明显增加,进入重度疲劳状态。研究成果可为单调道路环境下驾驶疲劳的预防奠定理论基础。     

驾驶分心检测方法综述

道路交通事故已经成为世界人民非自然死亡的主要原因,有学者认为90%的交通事故与驾驶员自身因素关联,而其中又有超过50%与驾驶分心相关。为了对驾驶员分心进行识别以及为下一步的分心预警干预提供结果判断,文章介绍了常见的驾驶分心检测与识别方法,包括人脸识别方法,眼睛瞳孔位置识别以及基于驾驶员生理信号(EEG)的分心监测方法。结果表明检测方法各有优劣,非接触式、无侵入性检测,对驾驶员行车体验影响小,但测试精度具有一定的局限性。利用头戴仪等接触式设备,对驾驶员具有一定的侵入性,但是与其他检测方式相比,则具有较高的准确性优势。     

Hardware and software for collecting microscopic trajectory data on naturalistic driving behavior

This article presents a method to collect naturalistic microscopic longitudinal vehicle trajectory data with a modest budget. The drivers studied are not aware that they are participating in an experiment; hence one can collect naturalistic driving behavior. This article presents the hardware and software developed, and we include a detailed example of a particular case study that was conducted with data collected from the system. The case study examines drivers' willingness to accept very short headways, and casts that behavior in light of their subsequent lane-changing decisions. The data show a statistically defensible connection between these behaviors. These phenomena are not new, but highlight the importance of the data quality and of observing naturalistic driving behavior, and this article demonstrates a method to calibrate specific parameters related to the behavior.     

Age and road safety performance: Focusing on elderly and young drivers

The existing literature on young and elderly drivers indicates that they have the highest crash risks compared to other age groups of drivers. This study improves our understanding of the risk factors contributing to young and elderly drivers' elevated crash risk by examining self-report data from the E-Survey of Road User's Safety Attitudes (ESRA). The primary objective of this study is to compare the attitudes and behaviours of young, elderly, and middle-age drivers in Canada, the United States, and Europe. The main focus is on the practice of driving while distracted by mobile phones and driving while fatigued, as these are two dangerous behaviours that demonstrate the impact age may have. The analyses consistently showed that there are differences in the responses attributable to age. In all regions, drivers aged 18–21 years consistently reported higher rates of distracted and fatigued driving and higher rates of perceived social and personal acceptability of these behaviours than drivers aged 35–54 years. Elderly drivers aged 65+ years reported even lower rates of these behaviours and acceptability. Young drivers were also the least likely to believe that distraction and fatigue are frequent causes of road crashes, while elderly drivers were the most likely to believe this. This pattern with respect to age repeats in the support for policy measures as well; young drivers are least likely to support zero tolerance policies for mobile phone use when driving, while elderly drivers are the most likely to support this measure. Multivariate logistic regression modeling confirmed that elderly drivers were the least likely to engage in the use of mobile phones while driving or driving while fatigued. Statistically significant results showed that the middle-age group was less likely than young drivers to read a text message/email or check social media while driving and driving while fatigued.     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究，建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性，在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据，采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型，并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进，以描述不同风格驾驶人的行车安全区域，并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型，结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据，以换道纵向位移最短为目标，实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量，设计基于动力学的线性二次型最优（LQR）反馈控制器，通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制，可满足驾驶人个性化换道需求。