手机社交娱乐操作对驾驶人视觉参数影响研究

为探究手机社交娱乐操作对驾驶人视觉参数的影响，基于模拟驾驶器和SmartEye 眼动仪设计模拟驾驶实验，采集驾驶人正常驾驶、拨打电话、收发信息等5种操作下视觉特征数据，应用拉依达准则和联合频数分布直方图进行数据归约.针对不同操作下视觉参数，应用箱形图和Kruskal-Wallis显著性检验，验证视觉参数评价指标的有效性.结果表明：随手机操作类型的不同，驾驶人水平和垂直视角标准差、视线离开道路时间百分比、扫视平均速度和眨眼持续时间呈显著性变化，可作为视觉参数影响的评价指标；观看视频和刷朋友圈操作对驾驶人视觉影响程度明显高于拨打电话和收发短信操作.     

基于注视转移模式的驾驶熟练程度评价方法

为了客观量化评价驾驶人驾驶熟练程度,分析了实车试验环境中的眼动仪采集数据。采取注视区域划分方法,选取8个注视转移模式表征参数作为评价指标。运用主成分分析方法研究了15个驾驶人眼动数据,得到了基于注视转移模式的驾驶熟练程度计算方法。试验结果表明：15个驾驶人驾驶熟练程度评价得分值与其驾驶经验里程之间存在密切关系;运用提出的方法,可以清楚区分以5．0×104 km驾驶经验里程为界限的2个群体,但是在每个群体内部,驾驶人驾驶熟练程度评价得分不呈现明显的规律性。     

考虑驾驶人不同分心类型的分心识别研究

驾驶人分心状态判别是实现分心预警的基础。由于视觉分心相比认知分心对行车安全具有更大威胁，本文针对驾驶人不同分心类型的识别展开研究，设计了驾驶人两种分心类型和正常驾驶下的模拟驾驶试验，利用1-back任务和看手机任务分别诱导驾驶人产生认知分心和视觉分 心，采集并提取驾驶绩效、眼动及头动特征，采用序列后向选择算法进行特征优选，运用网格搜索确定分心识别的最佳时间窗口及模型参数。结果表明，基于随机森林所构建模型在测试集上取 得了94.07%的宏精准率、93.89%的宏召回率和93.98%的宏F1值，分类表现优于两种比较方法，说明模型能够准确地对驾驶人的3种状态进行分类。根据随机森林模型的特征重要性排序结果以 及采用不同类型特征作为输入训练模型的分类结果发现，驾驶人眼动及头动特征对驾驶人分心类型的识别更为重要。本文研究可为分心预警系统根据分心类型判定风险等级提供基础。     

基于强化学习的智能车人机共融转向驾驶决策方法

针对智能车人机共融驾驶系统中人和自主驾驶系统的驾驶权连续动态分配问题,尤其是因建模误差导致的权重分配方法适应性低的难题,提出了基于强化学习的人机共融转向驾驶决策方法;考虑驾驶人的转向特性,搭建了基于双点预瞄的驾驶人模型,并采用预测控制理论建立了智能车自主转向控制模型,构建了智能车人机同时在环的转向控制框架;基于Actor-Critic强化学习架构,设计了用于人机驾驶权分配的深度确定性策略梯度(DDPG)智能体,以曲率契合度、跟踪精确性和乘坐舒适性为目标,提出了基于模型的收益函数;构建了人机共融驾驶权分配强化学习框架,包含驾驶人模型、自主转向模型、驾驶权分配智能体以及收益函数;为了验证方法的有效性,招募了8位驾驶人开展共计48人次的模拟驾驶试验。研究结果表明:在曲率适应性验证中,人机共融-DDPG方法优于人工驾驶和人机共融-Fuzzy方法,跟踪性平均提升70.69%、39.67%,舒适性平均提升18.34%、7.55%;在速度适应性验证中,车速为40、60和80 km·h-1条件下,驾驶人权重大于0.5的时间占比分别为90.00%、85.76%、60.74%,且跟踪性相轨迹和舒适性相轨迹都能有效收敛。可见,提出的方法能够适应曲率和车速变化,在保证安全性的前提下提升了跟踪性和舒适性。      

车速与标志文字高度对驾驶人视觉搜索模式的影响

在试验场的直线路段上模拟简单交通环境,将车速和标志文字高度作为控制变量,用眼动仪测录了7名受试驾驶人水平和垂直方向的视角与注视持续时间.用方差分析方法对试验数据进行分析,研完了车速与标志文字高度对驾驶人视觉搜索广度、注视持续行为及视角分布的影响.分析结果表明:车速及标志文字高度对驾驶人的视觉搜索广度的影响不显著,车速的...     

高速公路隧道群出、入口段驾驶人视觉特征

为提高隧道群交通安全水平,研究高速公路隧道群出、入口段驾驶人视觉信息认知过程和变化.针对驾驶人视觉特征参数变化规律,选用9名驾驶入进行隧道群环境中实车试验.采用眼动仪,记录行车过程中驾驶人视觉特征参数.应用统计方法,分析试验数据特征.运用神经网络技术,模拟视觉特征参数变化,并建立相关模型.研究结果表明:在逐渐接近特长隧...     

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联，提出一种基于驾驶状态的危险路段识别方法，辨识和分析不同风格驾驶人具有潜在风险的路段，并提出优化方案。首先，通过实车实验采集驾驶人行为及生理指标数据，使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型，并依据行为特征对驾驶风格进行差异性 分析；其次，采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型，通过GPS(Global Positioning System)点位对应实现危险路段辨识，并基于驾驶风格差异，从驾驶人感知、操纵与生理角度对危险路段进行致因分析；最后，将生理与道路线形作为优化参考，以车速建议为着力点进行多元回归分析，并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型，3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段；海拔提升可加速危险驾驶状态的出现，各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长，激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张；下行时，谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态，激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求，为线形设计与交通管理措施制定提供理论依据。     

���е�·�����м�ʻ��Ӧ����Ӧ����ʱ�����Է���

针对城市道路环境中驾驶人的应激响应操作时间特性,基于虚拟现实技术搭建了测试平台,对28名驾驶人在不同应激场景下的应激操作时间进行了研究.不同应激场景下的数据分析结果表明,非熟练驾驶人的应激操作时间要小于熟练驾驶人,且时间值较为稳定.青年驾驶人的操作时间值最小,且数据最为稳定.此外,随着车速的上升,驾驶人操作时间呈现下降趋势,两者之间符合对数函数关系.以驾驶经验、驾驶人年龄和车速为自变量,采用对数函数的多元线性预测模型能够对驾驶人的应激操作时间进行准确预测,被试样本实测值落在预测区间的比例达到了98.37%.     

基于贝叶斯网络的驾驶疲劳程度识别模型

国内外学者大多采用单一类型指标对驾驶疲劳程度进行判断。为克服单一指标检测的不稳定性,构建基于贝叶斯网络的驾驶疲劳程度识别模型。将驾驶环境属性、驾驶人个体属性和原始疲劳属性作为模型输入层变量。选择脑电指标、心电指标、眼动指标、驾驶绩效指标作为模型输出层变量。将清醒、轻度疲劳、重度疲劳三种驾驶疲劳程度作为隐含层变量。采用模拟驾驶方法进行实验,得到不同实验对象各个时刻不同疲劳程度的概率。将利用单一指标和贝叶斯网络模型得到的驾驶人疲劳程度与主观疲劳测评结果进行对照,证明贝叶斯网络模型不仅能消除单一指标失效时产生的误判和漏判,而且可提高识别的准确性。     

高速公路视觉环境与车辆运行特征相关性分析

为研究高速状态下驾驶人视觉特征与车辆运行特征的相关性,提出高速公路视觉环境层级结构,将高速公路视觉环境解析成意义性、运动性、物理性和景观性4个层级。通过设计考虑道路视觉环境差异的实车试验,获得较为准确的驾驶人在高速公路环境下的车辆运行表征指标,采用独立样本T检验分析研究高速公路视觉环境中有无广告牌对行车速度和加速度的影响情况,进而研究驾驶人注意力分散与车辆操控的内在关系。分析结果表明,在不同视觉环境下驾驶人对车速的保持能力差异显著,夜间复杂路侧环境对驾驶人横向稳定性操控影响程度是其他各路段的2倍以上。     

基于信息物理系统的自动驾驶车辆安全调速方法

在普通汽车与自动驾驶车辆混合行驶的道路网中,自动驾驶车辆视觉系统的辨识能力对交通安全至关重要。根据自动驾驶车辆视觉系统基本结构,分析其与人视觉的能见度差距。模拟驾驶人调速算法被证明在恶劣的天气下(包括低能见度时)优于自动驾驶车辆的两个典型调速算法,但是分析发现自动驾驶车辆采用模拟驾驶人调速算法可能引发交通事故。因此,提出基于信息物理系统(CPS)的安全调速算法,解决了自动驾驶车辆和驾驶人驾驶普通汽车之间视觉差距引发的交通安全问题。为比较这两种算法的安全性,建立低能见度时视觉差距导致交通事故的道路网模型。该模型分三个阶段描述了从导致交通事故至局部道路网瘫痪的全过程。最后,建立道路网事故发生概率和平均瘫痪时间两个指标。仿真结果表明,自动驾驶车辆采用模拟驾驶人调速算法引发交通事故率较高,而采用基于CPS的安全调速算法则不会发生交通事故。     

基于三角模糊数层次分析法的驾驶人综合素质评估研究

在相关理论分析的基础上,构建了驾驶人综合素质多层次指标评估体系,该体系一级指标主要涵盖安全驾驶知识、安全驾驶态度、安全行车意识、环境感知能力和车辆操纵能力等五个方面;二级指标体系共19个项目.根据综合指标体系的多维度及模糊性的特点,采用三角数模糊层次分析法,确定评估体系各个指标权重,并根据模糊综合评判方法,建立驾驶人综合素质评价模型.结论表明驾驶人安全意识各项指标权重最大,对驾驶安全性影响也最大.     

基于视觉需求的城市水下特长隧道光环境评价与优化综述

为提高城市水下特长隧道的行车安全和运输效率, 总结了城市水下特长隧道光环境典型问题与改善措施, 分别从舒适性、经济性、设置依据、安装形式等方面对洞口遮光设施、出入口加强照明、景观装饰、视线诱导系统4种隧道光环境改善措施进行了比较分析; 依据马斯洛需求层次理论对驾驶人视觉需求进行分层, 提出了包含事故分析、评价体系、优化思路、优化方法的城市水下特长隧道光环境评价体系与优化研究框架。分析结果表明: 城市水下特长隧道光环境主要有出入口的明暗适应、道路线形变化引起的视距不足、中部的视觉参照信息不足、隧道整体空间路权不清晰的问题; 设置视线诱导系统是一项低成本、有效的光环境优化方法, 能满足驾驶人在不同隧道路段上的视觉差异化需求; 驾驶人视觉需求由低到高可以分为功能性、安全性、舒适性、美观性, 并依次对应相应的基本型、安全型、舒适型、韵律型视觉参照系, 可构建以空间路权、人因与驾驶任务、差异化、韵律性为指标的评价体系来评价城市水下特长隧道光环境; 城市水下特长隧道光环境优化应将视线诱导和加强照明相结合, 主要通过视线诱导系统来重构视觉参照系, 隧道接近段、入口段、中间段普通区、出口段应以舒适型视觉参照系为优化目标, 中间段提醒区及唤醒区则应构建韵律型视觉参照系。      

高速公路隧道入口区域视线诱导系统有效性研究

为了达到高速公路隧道入口区域驾驶人早发现、早适应、早决策的目的,分析了隧道入口区域的交通安全现状,提出了一种高速公路隧道入口区域视线诱导系统的改善思路与方法;通过室内驾驶模拟仿真平台,利用眼动仪采集了驾驶人的眼部数据;将驾驶人浏览兴趣区域划分为5类,分析了驾驶人在各区域的眼动参数变化;采用注视点分布位置、视觉敏感区面积等指标,描述了驾驶人视区的变化规律,评价了视线诱导系统改善后的效果。研究结果表明:隧道入口区域视线诱导系统改善后,驾驶人对道路前方远处的浏览时间占比(50.55%)、注视时间占比(53.13%)相比现状方案均有显著的提升,且扫视幅度(5.47°)明显减小;改善后驾驶人的注视点更加集中于前方远处,而道路两侧的注视点减少;现状方案中驾驶人的视觉敏感区面积在距离隧道洞口180 m左右处急剧减小,在隧道内又开始缓慢增大;改善后驾驶人的视觉敏感区面积在距离隧道洞口350 m左右处开始减小,此后一直保持相对平稳的状态;改善后驾驶人的视觉敏感区面积在各隧道区域的变化速度均小于现状方案。视线诱导系统的有效性得到了验证,使得驾驶人更加关注道路前方远处及洞内的交通信息,同时视区变化幅度更小,并且视觉负荷降低。      

驾驶风格聚类与识别研究

为实现驾驶人驾驶风格的准确聚类和有效识别,以NGSIM数据为依据,提取包含换道行为的16 s车辆行驶轨迹,选取可以全方位表征驾驶人驾驶特性的评价指标并借助因子分析法实现指标的降维;在此基础上选用k-means聚类算法对所得样本数据进行聚类分析,把驾驶风格分为谨慎型、普通型和激进型;最后对比了SVM和ANN驾驶风格识别模型。结果显示:车辆行驶速度、加速度和横向速度更能表征驾驶人驾驶风格;SVM模型和ANN模型在降维前后数据中的识别精度都能达到90%以上,而SVM模型的识别精度更高,说明SVM驾驶风格识别模型在小样本上的有效性。     

虚拟试验下驾龄对驾驶人危险感知特性的影响

为提高行车安全,设计危险场景并进行虚拟试验,选择眼动参数作为驾驶人危险感知能力的衡量指标,利用Face LAB眼动仪测试了37名驾驶人的眼动参数,分析了不同驾龄驾驶人的平均注视时长及注视次数的变化规律及差异性规律,并进一步分析了导致不同驾龄驾驶人注视行为差异的原因。研究结果表明:不同驾龄的驾驶人的危险感知能力有显著差异:当发生突发危险状况,驾龄短的驾驶人的紧张程度较高,平均注视时长相对较小,注视点分布比较集中;而驾龄长的驾驶人对危险区域的关注范围更大,注视点分布分散而密集;就处理视觉信息的能力而言,驾龄短的驾驶人对危险的感知水平要明显低于驾龄长的驾驶人,其视觉搜索策略有待改善。     

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。      

基于ADAMS仿真分析的减速设施尺寸研究

通过采用多体动力学软件ADAMS/CAR,建立了减速带及减速丘的3D等效容积路面模型,利用仿真分析的手段,探究了减速带及减速丘的不同高度、宽度、轮廓形状在不同车速情况下对行车舒适性及行驶稳定性的影响规律,并通过量化驾驶平顺性和操纵稳定性作为评价指标,考虑行车舒适性及稳定性,提出了减速丘及减速带在不同车速条件下的尺寸推荐值,以保障行车安全。     

汽车驾驶人驾驶经验对注视行为特性的影响

通过实车试验,分别在城市道路和公路上,利用EyeLinkⅡ眼动仪测试了20名驾驶人的眼动参数与注视行为特性。将被试驾驶人分为熟练驾驶人组和非熟练驾驶人组,通过将实际驾驶过程中的交通场景录像逐帧分解,并与驾驶人的眼动数据相结合来确定驾驶人的真实注视目标,对比了熟练与非熟练驾驶人的注视区域和注视目标特征,研究了2组驾驶人驾驶经验对驾驶人注视行为特性的影响,并分析了导致2组驾驶人注视行为差异的原因。研究结果表明：驾驶经验对驾驶人注视行为特性有显著影响;在城市道路上,熟练驾驶人对近处目标的注视频次比非熟练驾驶人高约18％,而对车内后视镜的注视频次约为非熟练驾驶人的4．7倍;在公路上,非熟练驾驶人对远距离区域的注视频次仅为熟练驾驶人的4l％,而对车内区域的注视频次则为熟练驾驶人的2．1倍;驾驶人对右区域的注视频次平均约为左区域的2．5倍,且熟练驾驶人对右区域关注更多,约为左区域的4倍,而非熟练驾驶人对右区域的注视频次约为左区域的1．5倍;非熟练驾驶人处理信息的策略和效率均比熟练驾驶人差。     

认知分心情境下驾驶人应激反应行为研究

选取40名被试,采用2-back任务诱导认知分心,利用驾驶模拟系统构建行人-机动车、非机动车-机动车和机动车-机动车等3种应激场景,开展了不同应激场景正常驾驶及认知分心驾驶2种工况驾驶人的应激反应实验研究;根据采集的被试的眼动、脑电和驾驶行为等数据,分析了认知分心驾驶工况驾驶人的应激反应行为特性;对实验结果进行集对分析(SPA),完成了不同应激场景下驾驶人应激反应行为的安全性评估。结果表明：驾驶人应激反应行为的安全性因受认知分心的影响而降低,其中在行人应激场景下的影响最为显著。