考虑驾驶愤怒的元胞自动机交通流模型

驾驶员在愤怒时的驾驶行为表现与正常驾驶时存在较大的差异,这些行为差异会影响车辆的运行速度、运行轨迹等,进而对道路交通流产生影响.文中在NaSch元胞自动机交通流模型的基础上,考虑愤怒驾驶行为的特点,从运行速度、换道条件和安全距离3个方面重新确定元胞更新规则,构建考虑驾驶愤怒情绪的周期边界条件下双车道元胞自动机交通流模型.在MATLAB环境下,对所建模型与普通NaSch交通流模型进行对比仿真分析.结果表明,驾驶愤怒所引起的行驶速度变化对交通流影响明显.     

基于计划行为理论的竞争驾驶行为建模0

为获取竞争驾驶行为的潜变量因子,分析驾驶员竞争驾驶行为的产生动机.对 225 名驾驶员进行了网上问卷调查,通过主成分分析和验证性因子分析提取竞争驾驶行 为的4 个潜变量因子：速度领先、空间占用、路权争夺和空间领先争夺.基于计划行为理 论,构建了竞争驾驶意图与行为关系结构方程模型.研究表明,驾驶员的竞争驾驶态度、主 观标准、知觉行为控制等心理因素和社会环境外界因素,通过行为意向能够很好地对竞 争驾驶行为进行预测.社会环境因素对竞争驾驶意图有显著影响,为驾驶员竞争驾驶行为 的矫正提供了有效途径.     

基于驾驶员状态的高速公路安全车距模型

为进一步完善高速公路环境下的安全车距模型,通过道路模拟驾驶试验,确定不同车速、驾驶员不同疲劳状态下的制动反应时间域,同时根据驾驶员的眼睛状态确定驾驶员的疲劳度,基于模糊隶属函数建立驾驶员的制动反应时间与疲劳状态、车速之间的对应关系,并对高速公路环境下的安全车距模型进行实时修正。通过MATLAB仿真验证了不同驾驶员状态下车距模型的可靠性。     

基于自回归条件持续期模型的疲劳驾驶研究

对实际驾驶实验中不同驾驶员的车速数据进行处理,得到车速变化持续期间序列,应用自回归条件持续期模型(ACD),讨论了车速变化持续期的相关性质,并对模型的可靠性做了评估.使用ACD模型为车速变化持续期时间序列建模,其优点是能够在不损失原始非等间隔时间序列特性的条件下,直接分析得到驾驶状态的时域微观性质.采用EACD(1,1)和 WACD(1,1)模型对不同驾驶员的车速变化时间序列进行建模,结果表明：其具有较好的拟合程度,当实际期间小于条件预期期间,驾驶员的驾驶状态有变好的可能;当实际期间大于条件预期期间,驾驶员的驾驶状态有变差的可能.     

考虑车辆价值的倒计时信号交叉口 驾驶员驾驶行为建模

为了发现车辆价值是否对驾驶员在倒计时信号交叉口的驾驶行为产生影响, 以激进型驾驶行为、普通型驾驶行为和保守型驾驶行为为典型的驾驶行为,运用交叉口 录像获取数据方法,采集了车辆经过典型倒计时信号交叉口时的车辆价值、车速、倒计时 剩余时间、所在车道等具体数据,并对3 种驾驶行为进行了判定,建立了分时段的倒计时 信号交叉口驾驶行为Logistic 模型.结果表明,在红灯倒计时显示的3~0 s 时间段内,与保 守型驾驶行为相比,激进型驾驶行为与车辆价值、车速、所在车道有关系,普通型驾驶行 为仅与车辆价值、车速有关系;在绿灯倒计时显示时间为3~0 s 与n ~3 s 的时间段内,激进 型驾驶行为与普通型驾驶行为与车辆价值、车速有关系.结果说明,驾驶员所驾驶的车辆 价值对驾驶员在倒计时信号交叉口的驾驶行为产生影响.     

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。     

驾驶模拟器运动系统对跟驰行为平稳性影响分析

跟驰过程中跟驰车速、跟车间距的波动性表征了驾驶员跟驰行为平稳性.利用8自由度高逼真驾驶模拟器,通过开启关闭运动系统构建动静态模拟器,分析运动系统对不同跟驰状态下驾驶员跟驰行为平稳性的影响.动态模拟器相对于静态模拟器对比结果表明:加速跟驰状态下,跟驰车速、跟车间距平稳性分别提高了12.5%和27.4%;减速跟驰状态下,跟驰车速、跟车间距平稳性分别提高了27.4%和22.9%;稳定跟驰状态下,在跟驰车速为10 km/h、40 km/h和80 km/h时,跟驰车速平稳性分别提高了30.7%、22.2%和17.6%,跟车间距平稳性分别提高了23.6%、37.9%和17.0%.显著性检验结果表明:在跟驰车速为40 km/h的稳定跟驰状态下,跟驰车速和跟车间距在动静态模拟下的平稳性存在显著差异;加速跟驰状态下,动静态模拟器下驾驶员跟车间距平稳性存在显著性差异;减速跟驰状态下,动静态模拟器下驾驶员跟驰车速平稳性存在显著性差异.研究成果为开展驾驶模拟实验的动静态模拟器的选择提供了参考.     

���Ǽ�ʻƣ�͵�һάԪ���Զ�����ͨ��ģ��

为了研究驾驶疲劳对道路交通流运行状态的影响,提出了一种改进的一维元胞自动机交通流模型.在周期性边界条件下,通过分析驾驶员的疲劳特性,考虑驾驶疲劳对驾驶员驾驶行为的影响,分别对疲劳车辆与正常车辆制定各自的演化规则,并以此对车辆进行状态更新,以建立改进的交通流模型.通过计算机仿真实验,得出不同疲劳车辆比例下车流密度、速度与流量的关系数据,并分析了疲劳车辆对交通流安全性的影响.仿真结果表明,对于本文改进的模型,随着道路上疲劳车辆比例的增加,交通流的拥堵呈分散趋势,车辆的拥堵频率显著提高,整体车流的安全性有所下降.同传统的SDNaSch模型相比,能够更好地描述道路交通流的实际运行状态.     

基于LSTM的电池组工作状态预测

运用长短期记忆神经网络（LSTM）对电池的电压、电流、荷电状态（SOC）进行预测。考虑驾驶行为对电池组工作状态的影响,确定了含加速度、车速、电压、电流、SOC在内的多参数LSTM模型;根据中国亿维新能源车辆云平台数据,采用Adam优化算法完成对LSTM模型的训练、测试与预测。结果表明：多参数LSTM模型可有效预测电池的SOC和电压变化状态,电流均方误差由14.848%降到3.192%。     

公交驾驶员心理状况影响因素分析与疾病判别模型

为对公交驾驶员心理疾病实现精准干预，维护乘客生命及公共交通安全，本文通过分析公 交驾驶员心理状况影响因素构建心理疾病类型判别模型。选用由基本信息、身体状况、生活状 态、驾驶行为、组织认同感、人格特征以及职业压力与工作倦怠问卷组成的公交驾驶员心理健康 状况调查问卷，对400名城市公交驾驶员展开问卷调查研究，通过皮尔逊相关性检验分析心理状 况影响因素，利用K-means聚类算法和多元Logistic回归模型判别和分析心理疾病，提出相应干 预措施。结果表明：人格冷怒和驾驶行为、身体状况、生活状态、组织认同感显著正相关，职业压 力与工作倦怠和这4个影响因素显著负相关，相关性均较强，因此，构建心理疾病判别模型时排除 与多个影响因素均呈较强相关性的人格冷怒、职业压力与工作倦怠这两个影响因素；被调查的公 交驾驶员中，心理状态良好型、轻度心理疾病型、严重心理疾病型占比分别为52%、34%、14%；公 交驾驶员心理疾病类型与身体状况、驾驶行为以及生活状态显著正相关，与驾驶行为的相关性最 强，身体状况次之，生活状态最弱。     

基于贝叶斯判别的驾驶行为危险状态辨识

为有效辨识危险性驾驶行为,以事故发生概率为依据,对驾驶行为的危险状态分级.采用单因子方差分析提取危险状态辨识主因子.基于贝叶斯判别构建了驾驶行为危险状态辨识模型.将在连续驾驶条件下5名驾驶员驾驶行为状态指标测试数据分为两组,分别用于标定与测试模型.测试结果表明错判率为4.3%.     

驾驶经验对稳定跟车行为的影响

为研究不同经验驾驶员稳定跟车状态下的驾驶特征,选取累计驾驶里程作为驾驶经验衡量标准。在特定的交通环境下,利用车载激光雷达设备,对比分析有无驾驶经验稳定跟车状态下的跟车距离和车头时距的特征,并建立相应的分布函数,揭示不同驾驶经验条件下稳定跟车行为的差异表现。研究结果表明:稳定跟车状态下,无经验驾驶员的跟车距离普遍比有经验驾驶员高,驾驶员的累计驾驶里程与跟车距离有显著的相关性,相关系数为负值,无经验和有经验驾驶员的跟车距离均服从对数正态分布;无经验驾驶员的车头时距也普遍比有经验驾驶员高,驾驶员的累计驾驶里程与车头时距有显著的相关性,相关系数亦为负值,无经验和有经验驾驶员的车头时距均服从正态分布。     

冰雪条件下中国驾驶员跟驰行为及模型研究

分析驾驶员在冰雪条件下的驾驶行为特性，建立考虑驾驶员行为特性的跟驰模型，有助于丰富现有交通流理论.通过招募驾驶员开展实车跟驰试验，对比分析正常条件与冰雪条件下的驾驶行为差异.进而基于任务难度均衡理论构建包含人类因素参数的任务难度模块，引入改进后的智能驾驶员模型，并采用车辆轨迹数据对模型进行标定和有效性验证.研究表明：驾驶员在跟驰行驶过程中受外界刺激及自身驾驶能力影响时会对车辆行驶状态进行动态调整，试图保持期望间距，且速度与前车一致的状态；冰雪条件下驾驶员采取风险补偿行为，其车头时距波动幅度较正常条件收窄，模型引入人类因素参数可以较好地描述其差异性. 模型有效性验证表明，新模型在6个仿真场景中的表现都优于传统智能驾驶员模型，且表现出更好的鲁棒性.研究结果可为冰雪条件下的交通管理措施制定提供理论支持.     

考虑驾驶风格的闭环反馈车速引导方法研究

信号交叉口的车速控制不当会降低车辆的燃油经济性甚至引起追尾碰撞事故,车路协同环境下的车速引导系统可以有效提高信号交叉口处的通行效率和燃油经济性。现有车速引导研究大多忽略了驾驶员风格的差异性,将导致驾驶员无法准确跟踪引导速度。针对该问题,建立考虑驾驶风格的闭环反馈车速引导模型。首先,分析不同风格驾驶员车辆最大纵向加速度的概率分布;其次,研究闭环反馈车速引导方法,使驾驶员更准确地跟踪引导车速;然后,基于机会约束规划方法优化闭环反馈车速引导模型,使模型更加符合驾驶员的不同风格;最后,在MATLAB/ Simulink环境中设计仿真场景,对激进型、适中型和保守型3种闭环反馈车速引导模型进行仿真分析。仿真结果表明：相较于传统车速引导模型,本文模型可使不同风格的驾驶员更容易跟踪引导车速,其中,激进型和适中型车速引导模型可以使车辆以更短的时间通过交叉路口,保守型车速引导模型可以提高车辆在绿灯相位通过交叉口的概率。本文方法可以有效地提高信号交叉口的通行效率。     

基于期望车速的跟驰模型研究

期望车速是驾驶员驾车过程中依据道路条件、车流状况、所驾驶车辆性能等因素,经综合考虑后存在于自身心目中并认为可以实现的一种＂目标车速＂,它对行驶车辆的实际行车速度高低产生影响。为了反映车辆运行过程中不同驾驶员运行车速选择的差异,本文提出了基于期望车速的跟驰模型。该模型能够解释不同驾驶员在相同道路条件下选择不同行车速度的原因。在建立模型的基础之上,作者讨论了保持交通流稳定性的充分和必要条件。最后,文中给出了应用实例。结果表明：当驾驶员的期望车速接近均衡车速时,交通流是稳定的;反之,当驾驶员期望车速与均衡车速差异较大时,交通流的稳定性可能下降。     

三车道动态环境下汽车驾驶倾向性的转移概率及其预测

驾驶倾向性是汽车行驶中驾驶员情感偏好等特征的动态测度,易随环境的改变而变化,并影响驾驶员意识和汽车操控行为;另一方面,其类型和转移概率又同时受到后者的作用与影响.准确揭示动态环境下驾驶倾向性转移概率,对实现汽车自动驾驶和辅助驾驶系统具有重要意义.本文以三车道为例,从环境变化,特别是从刻画交通态势复杂性的车辆编组关系演化角度出发,设计三车道条件下的驾驶实验,采集不同行驶环境下驾驶员倾向性并进行统计分析,揭示环境嬗变情况下,汽车驾驶倾向性转移概率.验证结果表明,利用倾向性转移概率对汽车驾驶员倾向性进行预测的结果与实时辨识结果相吻合,平均准确率达80%以上.     

基于广义回归神经网络的高速公路减速带行车风险检测模型

由于司机的错误可能会导致交通事故,如果能及时向司机提供建议,这种事故是可以避免的,如何检测驾驶风险是关键因素。首先,选择反应时间、加速度、初始速度、最终速度和速度差作为运动参数。方差分析结果表明,不同行驶状态下速度差异不显著,另外4个参数可以作为神经网络模型的输入变量,它们有15种不同的组合。检测模型结果表明,测试集的预测准确率达到86. 4%。输入变量的数量与预测准确率呈正相关。通过应用该方法,可以通过互联网发布车辆的危险状态以及驾驶员开始的危险行为,如疲劳驾驶、酒后驾驶、超速驾驶和分心驾驶。本研究的实证结果对减少交通事故具有重要意义。     

家庭安全氛围对青年驾驶员风险驾驶行为的影响

据数据统计,青年驾驶员是交通事故和交通违规、违章的高发群体.国外研究表明,家庭安全氛围对青年驾驶员的风险驾驶行为有重要影响.在文献总结的基础上,以 177位中国青年驾驶员为研究对象,采用探索性和验证性因素分析方法探索了中国背景下家庭安全氛围的结构维度,进而运用层次回归技术,探讨了家庭安全氛围对风险驾驶行为的影响.结果显示,我国家庭安全氛围呈现清晰的七因子结构,且家庭安全氛围整体、示范维度、承诺维度均对青年驾驶员的风险驾驶行为存在显著的负向预测作用.最后从家庭安全的角度提出了规范青年驾驶员的风险驾驶行为和减少交通事故发生的建议.     

基于驾驶实验的驾驶员气质特征实证探讨

对驾驶行为开展研究,在提高道路通行能力、减少道路交通事故以及智能驾驶、辅助驾驶和汽车安全设计等方面具有重要意义。如何辨别驾驶员类型、分析驾驶员驾驶特征已成为驾驶员对道路交通流影响量化研究的关键问题。研究选取20位拥有三年以上驾驶经验的驾驶员进行道路驾驶实测实验,以高精度车载GPS为数据采集工具(Video VBOX Pro),记录车辆驾驶过程中速度、加/减车速、换道次数等特征参数,并结合驾驶员自我驾驶评述及随车实验人员主观评价,确定驾驶员的驾驶行为特征。将实验数据确定的驾驶员驾驶类型与心理学气质量测表确定的驾驶员驾驶类型进行对比,通过分析发现:心理学气质量测表不适合用于判断驾驶员的驾驶类型。     

共享任务对汽车安全性和软件可用性的影响

为了确定汽车共享交互任务与驾驶任务协同作用对驾驶安全性和交互可用性的影响,进而为汽车共享软件优化和汽车共享驾驶员筛选培训提供理论参考,首先针对24名经验丰富的中国驾驶员,利用汽车模拟驾驶试验,采集了车速变化、制动时间、交互时间等驾驶安全性和交互可用性参数数据,然后通过配对样本t检验方法,在停车状态和驾驶状态,对比分析了是否使用汽车共享软件对交互可用性绩效和驾驶安全性绩效的影响. 研究表明:相对于不操作共享任务,驾驶时操作汽车共享任务交互时间增加了24%～87%,满意度降低了15%,认知负荷增加了33%～61%,但交互错误不受影响;反向来看,驾驶时操作汽车共享任务会对驾驶安全性产生影响,表现为相对于不操作共享任务,制动反应时间增加了45%,方向盘调整次数增加了217%～761%,方向盘调整角度增加了25%～66%,驾驶错误增加了512%～1053%,车速降低了8%;汽车共享软件导致的驾驶分心只影响反应时间,不影响制动行为.