老年驾驶人在交叉口的视觉特性（双语出版）

机动车驾驶人主要通过视觉搜索行为获取交通信息,为了分析老年驾驶人进入道路交叉口的视觉特性,建立了5个道路交叉口的虚拟场景,并进行了驾驶模拟试验,采集了21名老年驾驶人和17名中青年驾驶人进入交叉口的眼动数据。应用动态聚类法将驾驶人的视野平面划分为5个注视区域;在此基础上对比分析了2组驾驶人进入交叉口的注视特性、扫视特性、注视转移概率和注视平稳分布概率;并通过灰色关联度矩阵分析了影响注意转移行为的因素。分析结果表明：老年驾驶人对非行驶方向上的注视区域的注意都相对较差,2组驾驶人的注视持续时间、扫视幅度和扫视平均速度存在较大的差异,其中老年驾驶人的扫视幅度和扫视速度明显低于中青年驾驶人,而且老年驾驶人的注视点分布在车辆正前方区域的平稳分布概率为80.7%,比中青年驾驶人的69.3%高11.4%,并且具有显著性差异,说明老年驾驶人注视转移模式的灵活性相对中青年驾驶人较差。     

老年驾驶人在交叉口的视觉特性

机动车驾驶人主要通过视觉搜索行为获取交通信息,为了分析老年驾驶人进入道路交叉口的视觉特性,建立了5个道路交叉口的虚拟场景,并进行了驾驶模拟试验,采集了21名老年驾驶人和17名中青年驾驶人进入交叉口的眼动数据。应用动态聚类法将驾驶人的视野平面划分为5个注视区域;在此基础上对比分析了2组驾驶人进入交叉口的注视特性、扫视特性、注视转移概率和注视平稳分布概率;并通过灰色关联度矩阵分析了影响注意转移行为的因素。分析结果表明:老年驾驶人对非行驶方向上的注视区域的注意都相对较差,2组驾驶人的注视持续时间、扫视幅度和扫视平均速度存在较大的差异,其中老年驾驶人的扫视幅度和扫视速度明显低于中青年驾驶人,而且老年驾驶人的注视点分布在车辆正前方区域的平稳分布概率为80.7%,比中青年驾驶人的69.3%高11.4%,并且具有显著性差异,说明老年驾驶人注视转移模式的灵活性相对中青年驾驶人较差。     

风险情境下老年驾驶人行为特性研究

为研究风险情境下老年驾驶人与中青年驾驶人行为特性的差异,并确定老年驾驶人的眼动、心理生理、驾驶操作及风险感知等各类行为特性的衰退情况;选取19位老年驾驶人和19位中青年驾驶人作为试验对象,应用眼动仪、生理仪及驾驶模拟平台开展驾驶模拟试验;采集5种风险场景下2组驾驶人的眼动、心理、生理、操作行为与车辆运行数据;对比分析2组驾驶人的注视及扫视等眼动行为特性、心率变异及皮电等心理生理行为特性、制动及转向等操作行为特性、风险反应及敏感度等风险感知行为特性。试验结果表明：2组驾驶人的各类行为特性均随风险等级的增加呈现一定的规律性变化,随着风险等级的增加,2组驾驶人的注视持续时间、皮电均值及增长率、心率增长率和风险敏感度亦随之增加,而扫视、心率变异指标SDNN、制动时间及风险反应时间等指标随风险等级的增加而下降;上述指标的规律性变化说明驾驶人对风险的关注度和敏感度随着风险自身危险性的上升而不断增加,进而做出的反应也就越早,同时伴随着心理紧张程度增加,需要付出的努力也越大,与年龄的高低无关;另一方面,老年驾驶人的各类行为特性出现明显的衰退且与中青年驾驶人存在显著差异,其中老年驾驶人的注视持续时间、扫视幅度、扫视速度等眼动指标分别衰退了37.83%、27.58%、23.80%,皮电均值、心率增长率和SDNN心理生理指标分别衰退了57.67%、20.08%和29.14%,转向熵、车速控制和制动反应时间操作行为指标分别衰退了32.81%、20.34%和49.48%,风险敏感度、判断阈值和风险反应时间风险感知指标分别衰退了13.70%、8.66%和31.80%。通过对风险情境下老年驾驶人的各类行为特性进行详细分析,确定了老年驾驶人各类行为的衰退情况,对老年驾驶人行为特性的研究具有一定借鉴意义。     

酒后驾驶员在交叉口的视觉特性研究

为了研究饮酒对驾驶员视觉信息收集的影响,验证酒后驾车判断标准的可靠性和合理性,利用UC-win/Road软件搭建虚拟道路交叉口场景,组织20名驾驶员在饮酒前后进行模拟驾驶试验,使用呼吸式酒精检测仪对驾驶员体内酒精浓度进行检测.对驾驶员进入5个交叉口前后的7种视觉指标进行对比和显著性差异分析,并根据饮酒前后指标变化情况计算驾驶员指标衰退率,建立各指标衰退率与体内酒精浓度之间的关系模型.结果表明,驾驶员饮酒后6种视觉特性指标均出现显著变化,在相同时间和场景下注视次数减少12.3%,单次注视持续时间增长11.6%,且注视区域更加集中,扫视幅度减小14.1%,眨眼次数和持续时间分别增加10.7%和16.4%.与直行相比,驾驶员在交叉口转向时注视和扫视指标的变化幅度更为明显.当被体内酒精浓度在20~60 mg/100 mL范围时,3种视觉特性指标衰退率在5%至20%之间,且随体内酒精浓度呈递增趋势,其中眨眼指标受试验时间影响较大,其衰退程度也最为明显.      

高速公路隧道行车视觉特性分析

从交通安全的角度,为获取高速公路隧道行车视觉特性,利用Tobii Glass2眼动仪在夏季11:00—14:00开展了实车测试实验,采集了驾驶人的眼动数据.选取驾驶人的注视持续时间、平均注视时间、瞳孔直径、注视时间比例、扫视时间比例等指标,利用ErgoLAB平台和Origin数据分析软件对相关指标统计分析.以老山隧道为例,分析了隧道照明分段、半开敞棚洞段和隧道内部视线不良路段的驾驶人视觉特性.实验结果表明,驾驶人在隧道照明出入口段驾驶过程中注视时间比例较高;驾驶人在隧道照明基础段行驶过程中注视时间比例降低,扫视时间比例升高;隧道出口段采用半开敞棚洞结构能够降低驾驶人行驶过程中的注视时间比例及扫视时间比例,减弱驾驶人获取驾驶信息的难度和驾驶过程中的紧张感;驾驶人在长大隧道内部视距不良路段行驶时,注视时间比例集中在70%左右,注视热点区域主要集中在视线正前方.      

国内汽车市场驾驶人眼动行为检测技术分析

为研究不同认知分心等级时的驾驶人眼动行为,通过数理统计的分析方法,对实车道路试验采集的驾驶人完成不同等级认知次任务时的眼动行为特性指标进行了对比分析,定量研究了不同认知分心等级时驾驶人的眨眼、扫视及注视的变化规律。结果表明:认知次任务复杂度、眨眼频率、扫视幅度、视野广度之间显著相关。随着认知次任务难度的增加,驾驶人眨眼频率显著增加、搜索广度明显缩小、注视点分布更加集中。可见本文的研究可以为基于眼动行为的驾驶辅助系统的开发提供理论支持。     

城市交叉口车路网联信息对青年驾驶人驾驶行为的影响分析

基于驾驶模拟器设计了城市道路信号和无信号交叉口场景下的模拟驾驶实验,研究网联信息的存在和内容对青年驾驶人工作负荷和操纵行为的影响.实验共包括被试26人,均为22～30岁的青年驾驶人.结果表明:对无信号交叉口(区分次干路直行车辆和主路对向左转车辆)或信号交叉口红灯时间即将结束时,网联信息可以显著降低青年驾驶人的工作负荷,...     

雾环境下高速公路驾驶人跟驰行为研究

雾环境下驾驶人行车与正常天气相比，在低能见度下视觉参照物较少，驾驶人更倾向于跟驰行驶。为研究雾环境下高速公路驾驶人跟驰行为，以真实雾环境下实车试验方式，选择多条高速公路作为试验路段，以Smart Eye眼动仪获取车辆在雾环境下高速公路驾驶人视觉参数，包含驾驶人注视区域、注视角度、注视持续时间、瞳孔直径、扫视速度以及扫视幅度等，以归一化方法对驾驶人注视重心进行分析，研究不同能见度下驾驶人的跟驰需求，并通过对雾环境下上述视觉参数进行规律总结。对雾环境下驾驶人跟驰特性进行统计及分类，将跟驰行为划分为主动、半主动、半被动以及全被动跟驰；通过分析雾区低能见度下驾驶人跟驰行驶条件，引入多维偏好理论及后悔理论，进行驾驶人跟驰决策模型构建，并基于差分法对模型进行参数标定及验证。研究结果表明：驾驶人在1次跟驰动态过程中，正常车道保持时驾驶人扫视速度较低，而当处于车道调整时，驾驶人扫视速度存在较大波动，且平均扫视速度较高，低能见度下驾驶人注视点转移速度27.0 （°）·s^-1明显低于晴好天气的52.0 （°）·s^-1；驾驶人在跟驰过程中，能见度对驾驶人跟驰时的视觉特征有显著影响，通过跟驰模型构建可为后续雾环境下车辆跟驰前后车距及车速预测提供理论支撑。     

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。     

城市道路环境中驾驶员眼动行为特征

在真实城市道路环境中进行实车试验,运用EyeLink Ⅱ型眼动仪对驾驶员眼睛运动进行了监测记录,统计分析了眼动行为的5个主要表征参数.结果表明:在城市交通环境中,驾驶员大约80%的单次注视持续时间在0~300 ms之间,73.5%的扫视幅度小于3°,85%以上的扫视速度在0~100°/s之间;驾驶员的水平注视位置以中部区域为主,但更多关注左侧交通流和交通设施,垂直注视位置以中部偏下区域为主,主要关注车辆前方中近距离;驾驶员单次注视持续时间呈近似对数正态分布,扫视幅度呈近似指数分布,扫视速度呈近似对数正态分布.      

交通违法监控对职业与非职业驾驶人的心理及行为影响调查分析

为了发现交通违法监控对职业与非职业驾驶人的心理及行为的不同影响,采用问卷调查方法,获得321份关于这2类驾驶人在有无交通违法监控下的驾驶心理与驾驶行为选择、对安装交通违法监控的态度等11个题目的数据,对其进行了卡方分析和配对样本t检验.结果表明,非职业驾驶人与职业驾驶人通过有监控和无监控2种交叉口时的心理存在不同;交通违法监控对非职业驾驶人的影响大于职业驾驶人,无交通违法监控下,非职业驾驶人的冒险行为倾向大于职业驾驶人冒险行为倾向;非职业驾驶人在无监控交叉口与有监控交叉口驾驶行为有显著性差异;职业驾驶人在无监控交叉口与有监控交叉口驾驶行为选择差异不显著;无论是非职业驾驶人还是职业驾驶人,大多数都支持和认可安装交通违法监控.      

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口，在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上，提出了一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型。首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型，利用相关向量机预测周围车辆驾驶意图，以概率形式输出意图预测结果并实时更新，进一步界定自动驾驶汽车与周围车辆的潜在冲突区域并判断是否存在时空冲突；接着，在充分考虑他车速度、航向及车辆到达冲突区域边界距离的基础上建立基于部分可观测马尔可夫决策过程的自动驾驶汽车左转运动规划模型，生成一系列期望加速度；最后，基于Prescan-Simulink联合仿真平台搭建无信号交叉口仿真场景，对所提左转运动规划方法进行仿真验证，将基于博弈论的运动规划方法、基于人工势场理论的运动规划方法与所提出的方法进行比较，并选取行进比例达到1所用的时间和碰撞次数作为评价指标。研究结果表明：基于相关向量机的驾驶意图预测方法可在自动驾驶汽车到达交叉口之前准确预测出他车驾驶意图；基于部分可观测马尔可夫决策过程的左转运动规划方法能够通过速度调整策略实现人机混驾环境下自动驾驶汽车与周围车辆在无信号交叉口处的交互；不同算法对比效果表明，所提左转运动规划方法在自动驾驶汽车与不同数量周围车辆交互的仿真场景下均可有效避免碰撞事故发生并提高自动驾驶汽车左转通过无信号交叉口的效率。     

道路监控补光灯对青年驾驶员夜间行车安全影响研究

为了研究夜间环境道路监控补光灯对青年驾驶员驾驶行为的影响，考虑不同光照强度和是否存在行人横穿道路行为2个变量，通过UC-win/Road软件设计城市道路仿真场景，采用驾驶模拟器开展试验，并结合眼动仪、生理记录仪采集青年驾驶员的视觉、生理及驾驶操作3种特性指标。再利用重复测量方差分析方法，分析变量对青年驾驶员的3种特性的影响及其显著性水平。结果表明:①无论是否存在行人横穿道路行为，随着光照强度的增加，青年驾驶员的注视时间、瞳孔面积变化率及脑电(α+θ)/β均减小，心率增长率、制动踏板深度比例及制动反应距离均增加，表明光照强度越大对青年驾驶员的视觉、生理、驾驶操作特性越不利；②在存在行人横穿道路行为时，光照强度对青年驾驶员的视觉、生理及驾驶操作特性的影响更加明显；③当光照强度小于50 lx时，脑电(α+θ)/β和驾驶操作指标变化较缓，而光照强度大于50 lx时，脑电(α+θ)/β指标下降显著，变化率大于10%，其数值低于3.70，表明青年驾驶员产生情绪波动，警觉性显著增大，制动踏板深度比例显著增大，其数值大于0.55，制动反应距离超过13.40 m，制动操作力度较大，操作稳定性降低，且避让行人的成功率显著降低，不利于夜间行车。因此，建议道路监控补光灯的光照强度宜小于50 lx。      

基于LightGBM的驾驶人风险感知能力判别方法

碰撞风险与风险感知能力有关, 为准确评估驾驶人风险感知能力, 设计考虑危险源个数与类型的驾驶模拟试验, 采集危险场景下的驾驶人驾驶行为与眼动特征等数据。利用Mantel-Haenszel检验分析危险源因素、驾驶人个人特性在不同风险感知水平人群下的差异性, 借助Spearman相关性分析探索驾驶行为、眼动特征与风险感知能力之间的关系。结果表明: 危险源个数、类型与风险感知能力负相关。驾龄、车速、纵向加速度、刹车深度、制动反应时间及位置等与风险感知能力显著相关。风险感知能力迟钝的驾驶人车速偏高且加速度更大, 刹车深度更深, 从发现危险事件到采取行动需要更多的反应时间。构建综合风险感知能力评价指标集, 借助Random Forest算法对特征进行重要性排序, 在此基础上利用LightGBM算法建立驾驶人风险感知能力判别模型, 分析不同特征个数输入对模型性能的影响。结果表明: 与SVM和AdaBoost等算法相比, 基于LightGBM算法的模型F1值达到86.07%, 精度为86.14%, 可以有效地对不同风险感知等级的驾驶人进行分类。      

Driver behavior formulation in intersection dilemma zones with phone use distraction via a logit-Bayesian network hybrid approach

Use of cellular phone while driving is one of the top contributing factors that induce traffic crashes, resulting in significant loss of life and property. A dilemma zone is a circumstance near signalized intersections where drivers hesitate when making decisions related to their driving behaviors. Therefore, the dilemma zone has been identified as an area with high crash potential. This article utilizes a logit-based Bayesian network (BN) hybrid approach to investigate drivers' decision patterns in a dilemma zone with phone use, based on experimental data from driving simulations from the National Advanced Driving Simulator (NADS). Using a logit regression model, five variables were found to be significant in predicting drivers' decisions in a dilemma zone with distractive phone tasks: older drivers (50–60 years old), yellow signal length, time to stop line, handheld phone tasks, and driver gender. The identified significant variables were then used to train a BN model to predict drivers' decisions at a dilemma zone and examine probabilistic impacts of these variables on drivers' decisions. The analysis results indicate that the trained BN model was effective in driver decision prediction and variable influence extraction. It was found that older drivers, a short yellow signal, a short time to stop line, nonhandheld phone tasks, and female drivers are factors that tend to result in drivers proceeding through intersections in a dilemma zone with phone use distraction. These research findings provide insight in understanding driver behavior patterns in a dilemma zone with distractive phone tasks.     

智能汽车对无信号交叉口行人的避撞控制

针对智能汽车在无信号交叉口对横穿行人的避撞问题,研究了主动转向避撞控制策略。基于多层模型预测控制方法,采用分层控制策略设计局部规划层控制器与全局跟踪层控制器,在此基础上根据交叉口处汽车与行人的轨迹特征计算人车碰撞剩余时间,改进传统人工势场法构造避撞函数,规划出既能规避交叉口内存在碰撞风险的行人又能使偏差最小的局部避撞路径,并使智能汽车在满足多项动力学约束时准确跟踪参考路径,通过搭建CarSim/Simulink联合仿真平台,结合广东省2006—2018年交通事故数据库选取对交叉口人车碰撞有显著影响的因素,设计仿真场景进行仿真分析。结果表明:智能汽车能在多个初始点完成对参考路径的跟踪,控制器对不同速度和附着条件有较高的鲁棒性,高速低附着场景中,智能汽车横向加速度小于0.4 g、质心侧偏角小于2°、前轮侧偏角小于2.5°,各约束量满足舒适性和平稳性条件;4个典型交叉口场景中,智能汽车以不同速度直行或转弯通过交叉口,均能识别横穿行人中存在碰撞风险的行人实现主动转向避撞。      

基于多视图协同交互技术的换道图谱构建与分类

为直观展示换道过程中驾驶人视觉感知与手脚操作的细节特征,研究了多视图协同可视化的换道图谱.采用驾驶模拟舱进行高速公路驾驶实验,提取换道过程相关指标数据.将平行坐标、计数图、柱状图与换道轨迹协同可视化以构建换道图谱.采用多视图交互技术对提取的40个换道过程进行分析,提出换道过程的合格区范围并以此将换道图谱分为合格、临界合...     

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。