驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为，提出基于隐马尔可夫模型(Hidden Markov Model，HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型，模拟驾驶人感知过程，获得期望的车间距；预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹，即决策过程；优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作，即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析，结果表明，本文模型预测车间距平均误差仅为1.47%，证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

高速公路小客车驾驶员安全注视特性分析

为了对高速公路设计与运营安全性评价提供理论依据,基于人-车-路协同过程中的驾驶员视觉注视特征,选取双向四车道高速公路453个线形组合路段,对13名小客车驾驶员在路面范围内的动态视觉注视点位置进行研究,分析不同运行速度下驾驶员在不同线形组合路段路面范围内的注视点分布规律,得出驾驶员受不同运行速度和线形条件影响时在路面上的注视点集中区域特点,提出基于驾驶员行为特征的驾驶期望视距概念,并建立了不同运行速度下驾驶期望视距的计算模型.研究结果表明:驾驶期望视距与车辆运行速度和平曲线半径相关;当道路平曲线半径小于等于800 m时,驾驶员的视野会随运行速度的提高受到限制,需采取适当限速措施以保证行车安全.     

自动驾驶环境下驾驶人接管行为结构方程模型

为提取自动驾驶环境下驾驶人接管行为的关键影响因素,使用驾驶模拟器和眼动仪进行自动驾驶环境下驾驶人接管试验;采集了11个受试者对5种接管情境的反应数据,包括车辆运行数据和眼部运动数据,并调查了受试者的个人属性;基于实测数据定性分析和情境差异定量分析的结果,利用AMOS软件建立了描述驾驶人接管行为的结构方程模型;假设纵向接管行为、横向接管行为和眼部运动行为是3个潜在变量,找到可以表征这3个潜在变量的9个观测变量;根据修正指数多次修正得到最终的结构方程模型,由此获得表征驾驶人接管行为的各变量间的关系及对应的参数。研究结果表明:驾驶人接管自动驾驶车辆的全过程可分为5个阶段,即感知反应、减速避让、加速回升、稳定恢复以及稳定运行;当左前方车辆汇入当前车道,此时驾驶人接管风险较高;横向驾驶行为与纵向驾驶行为、眼部运动行为均显著负相关,相关系数分别为-0.226和-0.223,纵向驾驶行为与眼部运动行为正相关,相关系数为0.152;平均速度、总体横摆角均值、一秒内扫视时间可分别高度解释驾驶人接管自动驾驶车辆时纵向、横向及眼部的潜在行为。可见,此模型能有效揭示驾驶人接管自动驾驶车辆的整体行为与局部行为,有助于改进人机交互模式与自动驾驶接管请求提示。      

无信号交叉口横向冲突预警对驾驶行为的影响

针对智能网联汽车在无信号交叉口对横向冲突的避撞问题,本研究设计了横向冲突人机交互预警及横向冲突驾驶模拟试验场景,并分析不同类型预警对驾驶行为的影响规律。运用驾驶模拟器搭建城市道路无信号交叉口并设计横向冲突事件,选取30位驾驶人作为试验对象,应用眼动仪、驾驶模拟平台开展驾驶模拟试验;采集风险场景下驾驶人的眼动、操作行为与车辆运行数据;对比分析各组场景下驾驶人的注视时长和扫视频率及行车速度、制动时间和踩制动踏板速率等驾驶行为特性参数,分别运用方差分析和描述性统计方法分析了预警提示类型和提示时机两个方面对驾驶行为特性的影响。结果表明：网联警告型预警的警示效果优于常规提示型预警,但该类预警使驾驶人操作车辆时的减速度增大至-4 m/s²以上,导致行车舒适性降低;预警提示时机对驾驶行为的影响显著,且预警提示位置宜设置在距离交叉口50～90 m处。研究结果能够为交通安全设施开发者提供有效HMI预警设计建议,提高无信号交叉口通行安全性。     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

高速公路作业区智能预警与驾驶行为关系研究

为探寻高速公路作业区智能预警与驾驶行为影响关系,通过构建警示标志、人机交互界面及智慧道钉群三种预警场景,同时将驾驶人对智能预警功能知晓与否作为研究自变量,采用驾驶模拟器对53位驾驶人进行试验,提取车辆行驶状态数据并利用方差分析及配对T检验方法分析驾驶行为差异性.结果表明,警告区不同预警方式对驾驶行为具有显著性影响;人机交互界面预警方式下最小速度位置有所前移;驾驶人在知晓与不知晓智慧道钉群功能前后驾驶行为差异较大,当知晓智慧道钉群功能后行车速度减小最大,初始换道位置也出现明显前移.     

基于Vissim的高速公路隧道限速分析

以确保隧道交通安全前提下的最佳通行效率作为限速的依据,分析了驾驶人通过隧道的驾驶行为过程,标定了关键的驾驶行为参数。基于Vissim仿真软件,建立了某高速公路隧道及出入口的交通仿真模型,观察不同车流量和车速下,车辆的运行状态。在满足高峰流量的基础上,选择最优车流量下的车速,并根据高速公路圆曲线半径与超高的设计对应要求,通过交通仿真验证了高速公路隧道限速值的合理性。     

典型事故形态下驾驶人工作记忆与应激反应研究

为探究事故发生时的不同形态和工作记忆与驾驶人应激反应能力及视觉行为的关系,本文对31名驾驶人分别开展城市道路中侧面碰撞、追尾碰撞和刮撞行人这3种典型事故形态下的驾驶模拟器实验。根据摄像机和眼动仪的输出视频,采用动态聚类将驾驶人的注视区域划分成7类,同时,基于单因素方差分析,Mann-Whitney U检验和Kruskal-Wallis检验,分析事故形态的类型、不同工作记忆容量的人群避险时的应激反应能力和视觉行为的影响。结果表明：事故形态和驾驶人的应激反应能力显著相关,在前车紧急制动事件中驾驶人的反应时间最短,较侧面碰撞减少了25.46%;在面对危险时的反应时间受到驾驶人工作记忆容量的影响,即相比于低工作记忆容量,高工作记忆容量的驾驶人反应时间短;此外,注视总持续时间、平均扫视时间和瞳孔直径均与工作记忆容量相关。研究结果可为车辆安全针对性预警提供理论支持。     

驾驶经验对先进驾驶辅助系统的作用研究

为了探究驾驶经验对先进驾驶辅助系统(ADAS)的影响,招募32名被试开展现场运行测试(FOTs).开发的试验车通过数据同步技术采集车辆运动学信息、道路环境信息和驾驶人操作信息,对采集的数据进行预处理并提取城市快速路数据进行统计分析.试验结果表明:跟车时,ADAS对熟练驾驶人和非熟练驾驶人均有积极影响且对非熟练驾驶人更为显著;制动时,ADAS对非熟练驾驶人有积极影响但对熟练驾驶人有消极影响;接受程度方面,熟练驾驶人对ADAS的接受程度显著高于非熟练驾驶人.本文研究结论为避免ADAS在特定驾驶经验的人群中产生的不利影响提供了数据支撑.     

基于自然驾驶数据的螺旋匝道(桥) 驾驶人心理负荷分析

为得到驾驶人在螺旋型立交匝道路段行车时的驾驶负荷及影响因素，选取4 座山地城市螺旋型立交开展自然驾驶实验，利用车载仪器采集自然驾驶习惯条件下的驾驶人心电信号. 分析心率幅值特征、心率连续差异均方根( RMSSD )整体分布特征，以及其与匝道半径、坡度之间的关系. 结果表明，影响心理负荷的主要因素是车辆行驶环境和匝道曲率变化. 匝道的分、合流鼻端处，以及行车过程中跟车、超车和会车均会使驾驶人心理负荷增大，驾驶人行驶在上坡路段的紧张感高于下坡路段，匝道半径与RMSSD 存在较强的负相关性. 纵坡坡度与心率变异指标之间呈现两种不同的相关关系：不熟练型驾驶人随着坡度增加，RMSSD 呈线性上升的趋势；一般型和熟练型驾驶人表现为中间高两边低的趋势.