基于支持向量机的车辆驾驶行为识别研究

从车辆行驶轨迹的角度,车辆驾驶行为可细分为车辆跟驰行为、车辆换道准备行为和车辆换道执行行为,它们对交通拥堵、交通事故等都有着重要影响,也是自动驾驶、交通仿真等系统的基础构成模块.然而,如何从实际微观交通流数据中对3种行为进行识别是驾驶行为研究的基础和难点.本文提出基于支持向量机的驾驶行为识别方法,使用真实车辆轨迹数据,为提高模型的准确率,首先对样本数据进行归一化和主成分分析预处理,然后采用网格搜索算法对惩罚因子和核参数进行寻优,最后利用样本数据对基于支持向量机的分类模型进行训练和测试.结果表明,模型的测试精度达到了98.41%,能够很好地识别车辆的行驶状态,为驾驶行为各阶段的研究提供支持.     

一种基于信息融合的跟随驾驶行为协同仿真模型

基于信息融合技术模拟驾驶人信息感知、分析决策和车辆控制的全过程,建立跟随驾驶协同仿真模型.模型以动态交通信息为输入,设计单个神经元仿真驾驶人对感知信息的筛选,采用模糊径向基高斯神经网络提取驾驶行为特征向量,应用模糊积分法模拟驾驶人对信息的分析和决策过程,输出为车辆控制状态.离线检验结果表明,该模型能较好地描述跟随车状态变化,具有较高的精度.     

基于NOMAD模型的交通枢纽行人仿真研究

在分析交通枢纽内行人交通特性的基础上,探讨了基于社会力原理的NOMAD模型的分层结构、输入条件以及模型构建思路,指出其非常适于进行交通枢纽内行人行为微观仿真以及行人设施评价. 根据交通调查数据对NOMAD行人仿真模型的参数进行了标定,利用标定后的NOMAD模型对复兴门换乘枢纽建立仿真模型,分析了该枢纽的性能特点,获得了与换乘系统相关的量化参数,通过仿真数据与观测数据的对比分析可知,利用NOMAD模型能很好地模拟所研究的换乘枢纽内行人换乘行为特性,模型模拟结果与实际观测数据之间的相对误差均在10%以内,验证了NOMAD模型应用于交通枢纽行人仿真的有效性.     

跟驰车流中的反应时间和车头间距研究

为了研究利用驾驶模拟舱研究驾驶行为的效果,考虑道路几何线形、交通设施、环境条件、交通条件等因素,以北京四环道路环境为例搭建模拟场景,在该模拟环境和相应真实道路环境下进行车辆跟驰实验,提取并对比了加减速跟车状态下的反应时间和车头间距数据,从虚拟环境深度线索和仿真车辆行为特性两方面分析了实验结果.研究结果表明,在加速和减速跟驰状态, 在仿真环境中的驾驶人反应时间均略大于真实道路环境,但差别不显著;仿真环境下的车头间距显著大于真实环境;采用驾驶模拟舱研究驾驶行为时,需修正与距离相关的参数才能得到与实际道路环境相符的结果,修正系数的取值范围为1.5~2.0.      

基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力, 以小汽车行驶轨迹数据为研究对象, 研究了不良驾驶行为的实时辨识问题; 基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据; 提出了应用风险度量方法量化典型不良驾驶行为的理论; 使用大样本统计分布方法确定不良驾驶行为的特征参数阈值; 建立了结合交通环境信息的不良驾驶行为谱, 计算了不良驾驶行为谱特征值; 以车辆不良驾驶行为谱特征值为依据标定不良车辆样本; 以部分驾驶行为谱参数为输入, 使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良跟驰行为特征。分析结果表明: 使用四分位差法得到不良跟驰特征参数的阈值为0.19 s-1, 大部分样本处于正常跟驰状态, 约2%样本处于不良跟驰状态; 基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例, 使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh; 不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率, 平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见, 不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法, 与人工智能方法结合可以生成海量的不良驾驶行为谱库; 不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题, 与常规算法相比具有更好的不良驾驶行为辨识能力。      

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。     

手机打车软件操作驾驶分心检测模型研究

为探寻操作手机打车软件时的驾驶分心识别方法,本文开展模拟驾驶实验,采集了驾驶员在不同驾驶状态下的驾驶行为参数,通过对参数的统计分析,确立分心检测参数集。采用支持向量机分类算法理论构建基于驾驶绩效的分心检测模型,并利用实验数据验证模型的有效性。结果表明:该模型对驾驶员视觉分心驾驶行为检测率最高,正常驾驶行为次之,对认知分心驾驶行为的检测能力最弱,模型的平均检测正确率为86.67%,检测效果较好,可用于驾驶分心检测。     

高速公路改扩建期间强制变道行为驾驶模拟的有效性研究

为了验证驾驶模拟技术应用于高速公路改扩建期间施工路段强制变道行为分析的有效性,开展了实车驾驶和驾驶模拟2种实验.首先,采集车辆的速度和位置信息,计算了强制变道的断面车速v、特征断面间距Δd和特征断面时距Δt等行为指标;然后,分别采用非参数统计方法与回归模型来检验各行为指标的绝对有效性与相对有效性.结果表明:驾驶模拟技术能有效地应用于高速公路改扩建期间强制变道行为分析;变道开始断面的车速、越线点与施工路段起点之间的间距和时距、变道结束点与施工路段起点之间的间距和时距均显示出驾驶人在驾驶模拟环境中具有更激进的驾驶行为.     

基于零反应时间的自动驾驶车辆跟驰模型研究

自动驾驶车辆可以通过数据驱动模型较好地学习人类驾驶员的跟驰行为,但单纯的学习并不能发挥自动驾驶车辆反应更敏捷的特性.文中利用NGSIM数据集开发一种基于零反应时间数据的跟驰行为学习模型.首先,基于人类驾驶行为数据建立反应时间预测的神经网络模型,预测每条人类跟驰轨迹数据每个时间步的反应时间,并在原轨迹中剪除反应时间内的数据,进而重构样本数据,获得近似于零反应时间、更符合自动驾驶车辆特性的样本集.在此基础上采用LSTM架构,建立基于新学习样本的跟驰行为模型(LSTM-0RT).仿真对比发现:LSTM-0RT跟驰模型比传统LSTM模型提前50 s收敛,且速度变化趋势与前车基本一致,充分体现反应速度快的特点;在混驶环境测试中,采用LSTM-0RT模型的自动驾驶车辆比例越大,跟驰车队的渐进稳定性越高,车流波动的影响范围越小;交通流特性分析显示LSTM-0RT模型在不同交通流密度下的适用性明显优于LSTM模型;车头时距指标测算也表明LSTM-0RT模型具有更高的跟驰安全性.     

���ڳ�ͻ����ij��н���ڻ��ǻ������������ģ�͵�ʵ��

针对中国城市交通以机动车、非机动车和行人所组成的混合交通流为主的现状,用连续微观仿真模型进行仿真将能够更加真实地描述交叉口机非混合流系统的复杂性. 本文对一种基于交叉口冲突点检测方法的新型连续微观仿真模型进行了简单介绍,并针对该模型提出了详细的计算机仿真实现方法. 之后,针对典型的机非混合交叉口给出了详细的仿真算例,并与实际观测值进行了比较分析. 结果表明,仿真数据对于观测数据具有很好的拟合度,从而表明该仿真模型能够较好地反映机非混合交叉口系统的真实复杂特性.     

基于冲突的公路平面交叉口驾驶行为研究

考虑每种驾驶行为对交叉口安全产生的影响不同,采用数据统计的方法赋予每种驾驶行为不同的权重。依据实际调查数据,统计分析交叉口各种驾驶行为的分布,提出驾驶行为特征值的分析方法和模型,并以驾驶行为特征值为自变量,建立了驾驶行为与冲突的关系模型,模型表明冲突率和驾驶行为特征值能够较好的符合线性关系．     

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。      

面向实际交通状态的混合动力汽车能耗和CO2排放模型

由于混合动力汽车与传统燃油车的能耗排放因子具有差异性，导致机动车交通路网能耗排放的量化评估存在不确定性。本文建立混合动力汽车在实际交通状态中的能耗和CO2排放因子测算模型，基于车辆比功率VSP(Vehicle Specific Power)作为车辆行驶状态与能耗排放之间耦合关系的表征参数。通过引入内燃机转速区分内燃机开启和关闭工作状态，并计算内燃机开启状态下VSP对应的平均能耗率，同时，建立能够解析混合动力汽车能耗排放产生机理的VSP分布。通过收集典型行驶工况下车辆测试油耗数据和北京市车辆实际行驶轨迹数据，验证了模型的准确性，并应用模型测算混合动力汽车不同速度区间下的油耗和CO2排放因子。研究结果表明：在城市行驶工况(UDDS)和高速行驶工况(HWY)中，模型测算能耗排放因子与真实值的平均相对误差分别为3.7%和-1.7%，与不考虑内燃机开启状态相比，测算误差减少5.6%和4.3%；在实际交通状态下，采用传统燃油车的测算方法会导致混合动力汽车行驶平均速度为高速区间时油耗和CO2排放量被低估，当行驶平均速度为低速区间时油耗和CO2排放量会被高估。     

考虑驾驶行为异质性的城市快速路合流区仿真模型

为研究城市快速路合流区车辆运行规律，基于车辆自然轨迹数据，提出考虑驾驶行为异质性的合流区元胞自动机仿真模型。模型将合流区分为上游区域、合流区域及下游区域，3个区域由11条路段组成。首先，利用Kalman滤波算法对自然轨迹数据进行降噪处理；然后，计算每辆车驾驶行为特征参数并进行K-means聚类分析，结合聚类效果评价指标Silhouette系数将驾驶行为分为：保守-谨慎型、激进-谨慎型、保守-轻率型及激进-轻率型这4种类型；最后，依据分类结果， 建立考虑加速度、随机慢化概率异质性的跟驰模型和考虑换道安全间距、换道决策的多级异质性换道模型。在各空间占有率的情境下，基于Matlab进行数值仿真，统计同质驾驶行为和异质驾驶 行为条件下，合流区域车道的流量、密度、速度、时空位置及换道频率等参数。仿真结果表明：在空间占有率为10%~20%时，同质交通流相比异质交通流更容易产生局部交通拥堵和交通流失效情境，并且同质交通流量峰值比异质交通量小27.1%；随着空间占有率的增加，同质车辆和异质车辆驾驶频率均呈现增加-稳定-下降的趋势，而异质驾驶行为换道频率的极大值比同质交通流高 20.74%。     

基于持续跟踪调查的防御性驾驶行为分析模型

为解决防御性驾驶行为心理作用过程缺少定量描述的问题，在界定防御性驾驶行为内涵的基础上，设计防御性驾驶行为量表. 基于计划行为理论，构建以过去防御性驾驶行为、行为态度、主观规范和知觉行为控制为预测变量，行为意图为中介变量，后续防御性驾驶行为为结果变量的分析模型. 对非职业驾驶员在间隔3 个月的两个时间点跟踪调查，第1 次调查内容包括过去防御性驾驶行为、TPB变量、个人基本信息，第2 次调查包括后续防御性驾驶行为和个人基本信息，获得两次调查数据完全匹配的有效问卷213 份. 对有效数据分析显示：主观规范对防御性驾驶行为意向不显著，知觉行为控制、行为态度和过去防御性驾驶行为对防御性驾驶行为意向影响值分别为0.40、0.29 和0.26；行为态度、知觉行为控制和过去驾驶行为通过行为意向(0.36)，可以在一定程度上对后续行为进行解释.     

山区公路驾驶视觉信息量计算方法研究

为解决山区公路中驾驶视觉信息量难以量化的问题，对驾驶视野图像进行分割，根 据HSV颜色模型，提取视野图像的色调、饱和度、亮度值，再结合车速值，在驾驶视觉心理负荷的基础上，提出山区公路路域环境下的驾驶视觉信息量计算方法.通过实车实验，进行数据采集，并验证计算方法.计算结果表明，在半郁闭型空间行驶时，接收的视觉信息量最大；在郁闭型空间中，接收的信息量最小.计算结果与被试实际感受具有一致性，说明本文提出的驾驶视觉信息量计算方法具有可行性，可为路域环境的合理布设提供一定的技术参考.     

山区公路驾驶视觉信息量计算方法研究

为解决山区公路中驾驶视觉信息量难以量化的问题，对驾驶视野图像进行分割，根 据HSV颜色模型，提取视野图像的色调、饱和度、亮度值，再结合车速值，在驾驶视觉心理负荷的基础上，提出山区公路路域环境下的驾驶视觉信息量计算方法.通过实车实验，进行数据采集，并验证计算方法.计算结果表明，在半郁闭型空间行驶时，接收的视觉信息量最大；在郁闭型空间中，接收的信息量最小.计算结果与被试实际感受具有一致性，说明本文提出的驾驶视觉信息量计算方法具有可行性，可为路域环境的合理布设提供一定的技术参考.     

基于改进因子评点法的公交专用道服务水平分级

通过引入因子评点法及分析其原理，提出了改进的因子评点法，拓展了理论方法 的应用范围.提出以单位公交专用道延误作为评价公交专用道的服务水平分级的指标；针对 既有的上游停靠站延误估算模型，通过实际调研确定模型中解释变量的取值，从而获取容量 为15 288 的延误样本；然后基于延误样本对单位公交专用道延误进行频次分析，得到其累积 分布，采用改进的因子评点法对公交专用道服务水平进行分级.本文研究成果为公交专用道 的运营评价和规划设计提供了指导依据.     

城市干路行人过街警告标志前置距离研究

结合城市干路中行人过街安全问题,针对行人过街警告标志设置的前置距离问题进行研究。首先对驾驶员驾驶过程中的视认特征进行分析,并将其划分为不同阶段,其次根据不同阶段驾驶行为特征建立各阶段车辆行驶距离模型,并考虑停车安全距离,最终构建行人过街警告标志前置距离解析模型。最后,根据人机工程学原理进行驾驶模拟试验,测定相关数据,并对模型中各参数值大小进行标定。经计算得到不同速度、不同车道数下的行人过街警告标志前置距离,并给出建议距离。结果表明,当速度一致时,随着车道数增加,行人过街警告标志前置距离不断增大;当车道数一致时,随着速度增加,标志前置距离增大。研究结果可为城市干路行人过街警告标志设置提供参考。