自动驾驶驾驶人接管特征研究进展

为自动驾驶驾驶人接管环节做出指导性的建议,从自动驾驶接管的影响因素和自动驾驶驾驶人接管绩效进行系统梳理,总结主要研究内容和方法,并展望其未来研究趋势。总结发现,现有研究缺少一套针对驾驶员在不同复杂度的交通环境下驾驶人行为准则,今后对于自动驾驶驾驶人接管特征的研究目的就是在清楚驾驶人有哪些行为后对自动驾驶安全接管设计提供理论支持。     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险，即驾驶风险，通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策，明确由人为因素（即驾驶人个体特征及驾驶行为）所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展，对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发，探究了驾驶风险领域目前的研究现状，并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986~2020年（截至2020年2月29日）间出版的驾驶风险研究相关英文文献，共涵盖8 684位作者及6 018个关键词，基于科学知识图谱对该领域文献进行梳理与分析。结果表明：驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入，重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比，中国在分心驾驶、疲劳驾驶领域的研究相对丰富，而针对酒驾、药驾的研究试验手段较为单一，研究不够全面；在研究对象的选取上，有必要进一步增加老年驾驶人及新手驾驶人的深入研究，包括老年驾驶人适驾性评估与教育培训，以及新手驾驶人驾照分级制度的可行性探索。在研究方法方面，国外常见研究方法包括问卷调查、驾驶模拟器试验、实车试验以及自然驾驶研究等，而中国在自然驾驶研究领域尚未充分开发利用；未来应考虑多种方法相结合并从不同角度促进对驾驶行为及驾驶风险的全面理解。     

人机共驾智能车驾驶模式决策属性析取研究

为了深入分析驾驶模式决策影响因子,通过实车试验采集了人-车-路多源特征信息。用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态,并利用采集的驾驶人血流量脉冲（BVP）和皮肤电导（SC）值进行K均值聚类,将驾驶人当前合适的驾驶模式自动聚类为3级。通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定。采用以信息增益为依据的Ranker算法对多特征进行排序,并在此基础上,根据多分类器分级结果确定最优特征属性集合。研究结果表明：当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时,支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90%;除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外,其余所有不同模式决策属性值均呈显著性差异;研究结果可为人机共驾智能车驾驶模式决策提供依据。     

基于自然驾驶数据的城市交叉口纵向驾驶特征分析

为满足驾驶辅助系统在城市交叉口对类人驾驶能力的更高需求,本文中研究了实际交通中的驾驶人在该区域的纵向驾驶行为特征。从自然驾驶数据中提取了778条驾驶人接近城市交叉口的样本数据,应用YOLOv4识别了交通场景中的各类道路使用者,采用方差分析研究了反应特性在不同运动类型和交通密度中的差异,建立分层回归模型分析了制动特性与运动状态、运动类型和道路使用者的关系。结果表明：高密度交通显著降低接近速度;与右转驾驶人相比,停车驾驶人的反应距离更长;当接近速度较高或反应距离较短时,会在更短的时间内以更高的减速度和制动强度接近交叉口,且提前4.46 s开始制动;不同道路使用者对制动特性产生了不同影响,停车驾驶人主要关注同向行驶的他车,右转驾驶人主要关注行人和骑车人。     

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...     

驾驶风格对驾驶行为的影响

为了揭示驾驶风格对驾驶行为的影响规律,进而提取表征驾驶风格的特征参数,对不同风格驾驶人在感知层和操作层的驾驶行为数据进行了量化分析。首先,基于驾驶行为问卷对18名中国非职业驾驶人进行了驾驶风格问卷调查,并采用主成分分析、K-均值聚类等方法将被试驾驶人分为谨慎型、正常型和激进型3种类型。接着,被试驾驶人在搭载了SmartEye眼动仪的驾驶模拟器上开展了高速公路行车环境下的驾驶试验,同步采集了感知层的视觉特性参数和操作层的驾驶绩效参数,并采用判断抽样的方式将驾驶样本按照驾驶风格和驾驶模式（换道意图和车道保持）进行了划分,共选取了810组有效样本。最后,采用方差分析法分析了不同风格驾驶人在不同驾驶模式下的注视行为、扫视行为、横向控制特性、纵向控制特性方面相关参数的差异显著性,并提取了不同风格间存在显著差异的参数作为表征驾驶风格的特征参数。研究结果表明：驾驶风格越激进,驾驶人对周围环境关注越少,对车辆的横向控制稳定性越差,急加速和急减速行为发生的频次越高;不同风格驾驶人在意图时窗内对后视镜的注视次数（p=0.002）、方向盘转角熵值（p=0.04）、加速踏板开度（p=0.01）、制动踏板开度（p=0.02）这4个参数的差异均较为显著,因此可作为表征驾驶风格的特征参数。     

自动驾驶接管绩效的影响因素、模型与评价方法综述

有条件自动驾驶系统无法应对所有驾驶场景,因而需要驾驶人在必要情况下进行接管。驾驶人的接管绩效对于有条件自动驾驶车辆的安全性、驾乘体验与接受度具有重要意义。近年来,大量文献从不同视角对驾驶人接管绩效这一主题进行了广泛研究,但仍然存在一些问题亟待解决。从驾驶人接管绩效影响因素、接管绩效模型与接管绩效评价方法3个方面综述了驾驶人接管绩效的研究现状。首先,从驾驶人因素、交通环境因素和自动驾驶系统因素3个维度对驾驶人接管绩效影响因素的相关研究进行综述。其次,对现有驾驶人接管绩效模型,包括经典统计模型、机器学习模型与结构方程模型进行总结。最后,总结了现有原始接管绩效评价指标以及接管绩效综合评价方法。分析发现：现有接管绩效影响因素的量化指标仍不够全面,现有接管绩效模型的可解释性和预测精度难以兼顾,现有接管绩效评价方法尚需进一步完善。有鉴于此,未来研究首先需要基于驾驶人群体主观评价提出接管绩效的全面评价方法,然后以此为基础从人-机-环境维度全方面探索接管绩效影响因素的量化指标,最后考虑多种影响因素的复杂关联关系,建立高精度接管绩效预测模型,从而为提升驾驶人接管绩效提供理论支持,促进有条件自动驾驶的进一...     

平直高速公路低交通量下L2自动驾驶对驾驶人心理负荷的影响

为研究驾驶人在L2自动驾驶模式下的心理负荷特性,设计了正常驾驶和次任务驾驶2种状态,进行实车高速道路试验,采集21名被试驾驶人在2种驾驶状态下分别选择手动驾驶和自动驾驶模式的眼动数据、次任务绩效和主观评价数据.采用重复测量一般线性模型,分析不同驾驶模式对上述参数的影响,从客观和主观两方面分析驾驶人的心理负荷变化.结果表...     

熊荣华:自动驾驶技术解析

Q熊老师您好!我在网上看到华为L4汽车的视频,介绍说这款车的技术“吊打”目前所有的进口车、合资车及国产车,真是这样吗?请您给我们科普一下!湖北读者:李小明A如果单从自动驾驶技术这一角度来评说,目前华为L4的技术确实领先。自动驾驶技术一共有L0~L5这6个等级,目前有很多厂商已经成功研发出了L3级别的自动驾驶技术,甚至已经把硬件装配到了量产车上。     

不同情景下自动驾驶接管行为的影响特征

为探究不同情景下自动驾驶接管行为的影响特征,面向驾驶人、自动驾驶车辆、交通环境等内容提出自动驾驶测试研究框架。基于驾驶模拟技术开发自动驾驶测试平台,通过案例验证其有效性,为自动驾驶相关技术的测试评估提供有力支撑。研究以接管场景、接管请求时间、驾驶次任务、交通流为要素设计18个高速公路接管情景,邀请被试开展驾驶模拟试验测试。从主观维度探究驾驶人对自动驾驶的适应性差异,从客观维度构建广义线性混合效应模型,研究驾驶人属性因素(性别、年龄、驾龄)和接管情景因素(接管场景、接管请求时间、驾驶次任务)的主效应及其交互作用对接管行为的影响。统计分析结果表明：①性别因素对自动驾驶的信任度和状态感知度有统计学差异,男性对自动驾驶的适应性高于女性;②驾驶人的年龄和驾龄因素对试验前和试验后的技术接受度具有显著影响,对技术信任度和状态感知度具有统计学差异,中年人和老年人、中驾龄和高驾龄人群的适应性相对较高;③不同因素水平对应的接管成功率、正确率和第一操纵行为不同。广义线性混合效应模型结果表明：①接管情景因素及其交互作用对接管行为指标具有显著影响;②模型中引入驾驶人属性因素,发现与接管情景因素存在交互效用。研究基于驾驶模拟技术开发自动驾驶测试平台的方法具有一定的推广性,研究结果可为深度挖掘自动驾驶接管行为影响因素及其作用机理奠定基础。     

驾驶人个体因素对驾驶愤怒情绪影响关系研究

国内外研究表明,对驾驶人的愤怒情绪产生的影响因素进行分析对提高交通安全性有着十分重要的现实意义和价值.对22名志愿者采用给定任务法开展了实车实验,要求2h内完成指定路线的驾驶任务.驾驶过程中要求被试者实时汇报其愤怒等级并进行记录,同时实验车还采集了相关的数据.采用SPSS以及Excel软件对数据进行处理发现:男性驾驶人在驾驶过程中产生愤怒情绪的概率要高于女性驾驶人;年长驾驶人出现驾驶愤怒情绪的概率显著高于年青驾驶人(spearman相关系数为0.618,显著性水平为0.02＜0.05);而随着驾龄的增加驾驶人平均愤怒等级逐渐降低(spearman相关系数为-0.676,显著性水平为0.001＜0.05).同时还发现不同驾照类型对驾驶愤怒情绪也有着较大的影响.     

基于交通标志信息量的驾驶负荷加载有效性研究

过高的驾驶负荷是导致驾驶绩效受损和交通事故的重要原因,因此驾驶行为和交通安全研究中需要采用适当的负荷加载形式;通过试验分析不同信息量的交通标志对驾驶人认知负荷的影响规律,验证交通标志信息量对负荷加载的有效性。基于不同信息量的交通标志,对驾驶人的驾驶负荷进行试验验证。招募44名被试在静态控制环境下进行交通标志认知试验,采用信息理论对交通标志信息量进行量化计算,用不同信息量的交通标志进行认知负荷加载,采集被试对每个标志的主观负荷评价及反应时间。试验结果表明：主观驾驶负荷与交通标志信息量有高度相关性,反应时间随着信息等级的增加而增加;而驾驶人性别和驾驶经验对交通标志视认反应时间和主观驾驶负荷量化没有显著影响,这说明在驾驶试验中,交通标志信息量可以用于驾驶试验中的认知负荷的加载,而这种负荷的加载对于驾驶人的性别和驾驶经验是无差别的。该研究更多地考虑了驾驶人的认知特性,研究成果可用于驾驶负荷试验的次任务加载,帮助进行交通安全理论研究。     

驾驶次任务沉浸等级对接管行为的影响分析

为探究自动驾驶中驾驶次任务沉浸等级对接管行为的影响,基于驾驶模拟器搭建自动驾驶接管行为测试平台,设计事故接管场景,基于驾驶次任务(娱乐任务和工作任务)和接管请求时间(5 s和10 s)因素组合开发4个事故接管情景,招募被试参与驾驶模拟实验并采集驾驶人的接管行为数据,选择速度、横向偏移、接管反应时间和接管正确时间4个指标...     

面向自动驾驶的道路适驾性研究进展

现有道路设计规范考虑了驾驶人感知反应时间和车辆动力学特征,而自动驾驶汽车与驾驶人在感知反应时间、感知距离和感知高度等方面存在差异。这些差异可能会导致自动驾驶汽车在特定道路条件下面临挑战,例如复杂的道路线形、不规则交叉口等情况。为了解道路基础设施对自动驾驶汽车运行的影响,需要开展面向自动驾驶的道路适驾性研究。针对不同道路类型,道路几何设计、交通控制设施和路侧设施等对自动驾驶汽车安全运行影响的定量研究尚不充分。从路段、交叉口、交通标志标线3个方面进行归纳整理,结果表明：(1)现有的研究建立了道路线形设计、交叉口几何设计与自动驾驶感知能力的关系,发现平曲线半径、弦长和曲线偏转角等设计指标影响自动驾驶视距;(2)实车测试发现道路类型、平曲线曲率和车道宽度对自动驾驶失效事件具有显著影响;(3)随着自动驾驶汽车市场渗透率的增加,自动驾驶汽车之间交互行为规则更加明确,有利于提升道路适驾性水平;(4)自动驾驶的感知识别准确率会受到交通标志的反光性能和设置位置的影响,失效概率与交通标线的尺寸、逆反射亮度系数以及延长线相关。面向未来自动驾驶应用需求,针对已建道路,需要测试不同复杂工况条件对自动驾驶汽车运行...     

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。     

驾驶经验和气质类型对驾驶行为的影响分析

驾驶人的生理心理因素会对驾驶人的驾驶行为产生一定的影响已经得到了较多认同,但是通过科学实验进行定量化实证分析的研究还较少。论文首先采用量表测量与仪器测试相结合的实验方法,以专业和非专业驾驶人为实验对象,利用气质类型量表测量驾驶人的气质类型;利用实验车在实际道路交通环境下行驶以获得跟驰车辆对前后车的行驶轨迹,并计算得到影响驾驶行为的关键参数。基于实验数据分析了驾驶经验和气质类型对驾驶人的行驶速度、加速度、跟驰距离、时间间隔等方面的影响。在跟驰时驾驶人的速度和加速度选择方面,专业驾驶人对速度和加速度的选择更加具有自主性,并且内向型性格驾驶人的行驶速度和加/减速幅度一般要小于外向型性格的驾驶人。在跟驰时驾驶人对空间和时间距离的选择方面,无论是跟驰距离还是时间间隔,气质类型对非专业驾驶人空间和时间距离选择的影响更加明显,并且各速度段内向型性格驾驶人选择的空间和时间距离一般大于外向型性格驾驶人;相同气质类型的非专业驾驶人选择的时间间隔都要大于专业驾驶人。经研究建立了驾驶人生理心理特性与驾驶行为特性之间的关系,为分析驾驶人行为特性与交通安全之间的关系奠定了良好的基础。     

驾驶心理对交通安全的影响

分析驾驶心理对交通安全造成的影响,并总结其中的主要因素.通过文献调研,综述了驾驶心理的主要过程和关键特征对交通安全的不同影响,并分析了驾驶心理对交通安全的影响方式.驾驶心理已经成为引发交通事故的重要因素之一,驾驶心理通过影响驾驶员的行为,间接地对交通安全产生影响,其中知觉、注意、态度、驾驶疲劳等是影响交通安全的主要因素.了解驾驶人行为的心理机制,有助于找到改善交通安全的方法,研究发现通过改变驾驶人态度是1种有效的途径.     

自动驾驶纯电动客车设计

文章主要介绍一种符合国际L4等级标准的高度自动驾驶纯电动公交车设计方案,在特定的驾驶模式下,由自动驾驶系统完成所有动态驾驶任务.     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。