公交车运行中的安全距离及其控制把握

<正>为保证公交车运行安全，强调行车中要保持安全车距。多少米是安全车距？在高速路上经常看到的车距，如50米、100米、150米、200米等又怎样识别？现就以上问题分析行车中的安全距离及其控制把握。1与前方车辆保持4秒（钟）的跟车距离行车中跟车距离不能太近，与前方车辆保持4秒跟车距离。4秒（钟）的跟车距离是逃生空间，4秒（钟）的跟车距离在数值上基本等于车速，例如：车速10公里/小时时的跟车距离为10米，     

基于视觉适应性的公路隧道限速研究

通过分析隧道对驾驶员视觉、心理的影响,得出车辆通过隧道时车速的变化情况,进而确定了隧道限速段的长度。利用瞳孔面积变化速度与行车安全关系的定量分析,得出基于视觉适应能力的隧道进出口安全行车的临界速度,结合车辆在隧道限速段内的速度变化情况及隧道本身条件确定了保证行车安全的隧道限速值。     

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.     

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。     

路面条件对行车安全影响的闭环仿真试验分析

为研究路面条件对行车安全的影响,作者利用多体动力学仿真软件ADAMS／Car与ADAMS／Solve建立了车辆模型、道路模型、驾驶员模型以及^一车一路的耦合模型,并通过改变路面摩擦系数,分别模拟了晴天、雨天、雪天和在结冰状况下的路面条件,并进行了闭环仿真试验,得到了车辆的侧向位移、At向角以及轮胎的侧向反力的响应输出,分析了不同路面条件对行车安全的影响。计算结果表明：随着路面条件的恶化,驾驶员操纵方向盘的转动角速度突变增加;当结冰路面摩擦系数为0．18时,左右后轮侧向力均趋于0,会导致车辆绕前轮旋转,甚至失去控制。     

汽车弯道行车侧向安全距离建模与仿真

弯道多为交通事故高发路段,为了防止汽车转弯时因变道产生的碰撞危险,提高行车安全性,建立了汽车弯道行车侧向安全距离模型,该模型将变道车辆的行驶距离分解为侧向纵向两个方向,保证在弯道同向行驶时不会因车辆变道相撞,推算出两车应保持的安全侧向车距,确定了纵向临界安全距离、两车夹角等参数,并将该模型与现有的侧向临界安全距离模型进行仿真对比。结果表明:汽车弯道行车侧向安全距离模型可以准确、有效的判定侧向安全距离,提高了预警的可靠性。     

基于运动学的换道安全间距研究

通过建立基于运动学理论的换道模型并分析主车与原车道前车及目标车辆前后车的速度、加（减）速度及安全距离,研究车辆换道行为的安全性。研究结果表明：车辆在进行换道过程中,换道时间由车道及车辆的宽度、驾驶速度、纵向加速度及驾驶员的特性有关系。研究结果可为车辆安全换道决策提供重要依据。     

驾驶技术、驾驶速度与公路行车安全分析

试论驾驶技术和驾驶速度在车辆行车中对车辆行车安全的分析,从它们的不同方面论述对行车安全的影响,以期认识到驾驶员培训工作、驾驶员良好习惯的养成、驾驶员道德修养等的重要性;使驾驶员在取得了驾驶资格后,充分了解驾驶技术对保证安全行车所起的基础保证;并在今后的驾驶中如何养成良好的驾驶作风和良好的驾驶习惯,认识到合理控制车速是安全驾驶的重要保证,合理运用车速对保证运输企业生产成本的相互影响;从而为减少事故,提高运输效率,确保社会和谐做出我们应有的贡献。     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

基于运行速度的隧道行车安全分析研究

特长隧道一旦发生交通安全事故将会造成严重的经济损失和社会影响,分析特长隧道的车速分布对研究特长隧道的行车安全具有重要的意义。以某隧道为研究对象,通过现场实测小车的行车速度,得到了以下主要的结论:隧道入口处车速分布在74～89km/h,存在一定的超速行为;由于驾驶员不能及时看清隧道内的交通情况,车辆在隧道过渡段具有明显的降速过程;驾驶员在隧道中间段的行车速度比过渡段有一定的增加;驾驶员长时间在隧道内行车的压抑心理得到释放,车辆在隧道出口段存在严重的超速行为。指出了隧道出入口是特长隧道行车安全的危险断面,采取降速限速的交通安全措施对改善隧道的行车安全具有重要意义。     

考虑车辆调度和调度员分配的共享汽车混合车队规模优化

针对电动汽车存在充电续航问题与传统燃油汽车存在环境污染问题的矛盾,本文提出共 享汽车混合车队规模优化方法。首先,在不考虑成本条件下,分析动态车辆调度和实时调度员分 配对共享汽车系统需求满足和车辆利用的影响。然后,针对由传统内燃汽车、混合动力汽车、插 入式混合动力汽车和纯电动汽车构成的混合共享汽车系统,考虑车辆调度和调度员分配,以运营 商利润最大化为目标,CO2排放量和道路拥堵为约束,构建混合车队规模优化模型。通过Matlab 调用Gurobi求解器求解上述混合整数线性规划模型。最后,以成都市为例,分析不同CO2排放量 约束,以及车辆调度对共享汽车运营商利润、不同类型的车队规模、车辆利用率和用户需求满足 率的影响。同时,比较单一车队和混合车队共享汽车系统,结果显示,混合车队和单一插入式混 合动力车队可以实现经济效益和环境效益的双赢,是目前最适合共享汽车系统发展的模式。     

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.     

自动驾驶接管影响因素分析与研究进展

部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统，但驾驶员仍需对驾驶环境进行监测，若发生紧急事件或驾驶环境超出系统运行设计域等情况，驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括：人因、交通环境以及人-机交互系统。本文分析了驾驶员认知负荷特性等人因对接管过程和接管时间预算的影响。分析发现，驾驶员长时间脱离驾驶任务会导致其陷入被动疲劳或驾驶分心状态，从而降低接管绩效。适当的非驾驶任务可以使驾驶员保持一定的认知负荷，降低驾驶员的被动疲劳水平。结合网联技术的应用可以多次发出预警信号，提高接管绩效。本文讨论了交通密度、道路条件等交通环境对接管时驾驶员感知、认知及决策的影响，探讨混合交通下过渡区智能网联车辆控制权切换 (Transitions of Control, ToC) 的管理问题。在复杂道路交通下，驾驶员需要更多时间恢复对环境的感知，且驾驶员在弯道接管车辆时更容易出现较大横向偏差。在混合交通环境中，为防止过渡区出现集中的ToC，可以制定相应交通管理措施，以降低过渡区域中车辆之间的相互干扰。本文还分析了视觉、听觉、触 觉、嗅觉及其组合类型交互方式的优、缺点，讨论网联环境下人-机交互系统设计以及ToC形式。 单个的交互方式有其自身的优、缺点，多种类型相结合的交互形式能形成优势互补，及时地将接 管信息传递给驾驶员，并将其注意力集中于对环境的感知。网联技术发展使得可利用的行车信息的数量和种类都有所提高，网联信息需要更好地呈现策略，以保证人-机交互界面具有较高的可用性和接受性，为驾驶员提供更加准确的交互信息。同时，利用驾驶员状态识别技术实时监测驾驶员所处状态，并通过人-机交互系统提醒驾驶员，使其保持警觉，提高接管绩效。未来研究应该重点关注非驾驶任务对驾驶员认知特性的影响，结合接管时的驾驶环境，遵循预测算法辅助驾驶员实现控制权的平稳过渡。随着网联技术的不断应用，逐步改进现有人-机交互系统的设计和性能，对过渡区域ToC的管理问题展开深入研究。     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。     

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。     

主观拥堵感知下驾驶人路径调整行为决策研究

为深入调查研究交通拥挤的形成机制和扩散规律，本文针对交通拥堵形成和消散的内因， 即驾驶人在拥挤状态下路径的研判调整行为进行研究。设计基于全方位视角场景的驾驶人主观 拥堵感知实验，通过采集驾驶人个体特征、出行特征和交通流参数，结合驾驶人的主观拥堵评分 和路径调整决策，采用方差分析方法，探究驾驶人个体特征和出行特征对路径调整决策的差异 性。基于二项Logistic建立主观拥堵状态下路径调整行为模型，进一步量化所选驾驶人个体特征 和出行特征对路径调整决策产生的具体影响。研究表明：驾驶人个体和出行特征因素不同导致 路径调整决策产生显著性差异，其中，男性、老年人、低驾龄、出行次数少，以及弹性出行的人群更 青睐于保持原路径行驶；调整路径后增加的行驶距离占剩余行驶距离比例越大，保持原路径行驶 的可能性越大；熟悉周边路网的人群保持原路径的可能性是陌生人群的11.3%；区间车速每增加 1 km·h-1，驾驶人保持原路径行驶的可能性为之前的1.223倍。     

基于驾驶适应性和人因工程的事故预防对策

统计分析表明,70%的交通事故与人有关,人是引发交通事故的主要原因。从驾驶员驾驶适应性和人因工程学角度阐述了引起交通事故的各要素如驾驶员的生理、心理因素,驾驶环境、道路条件、汽车设计、驾驶员管理等,并且从人、机环境方面探讨了交通事故的预防对策。分析表明,从驾驶员驾驶适应性和人因工程学角度分析影响驾驶员安全驾驶的内因与外因,对减少交通事故保障行车安全具有重要意义。     

基于虚拟驾驶环境的驾驶员反应时间采集和测算研究

针对驾驶者在分心时面临前车无预警刹车的情况进行实验,以研究前方突发事件对驾驶造成的感知反应时间。加入年龄、不同跟车距离及限速三个因子,探讨感知反应时间受到这些实验因子影响而导致的差异性,以提供驾驶员反应时间的参考,保障行车安全。     

驾驶压力影响因素与识别方法研究综述

高强度的驾驶压力会对驾驶人的情绪、决策及行为产生负面影响，可能导致交通事故，并对驾驶人的健康状况造成长期影响。本文借助CiteSpace软件对驾驶压力研究进行可视化分析，进一步从驾驶人自身因素、车辆内部和外部因素这3方面总结驾驶压力影响因素，并归纳整理驾驶压力识别方法。总结发现：交通拥堵、道路复杂性及新技术使用等驾驶环境因素是引发或增加驾驶压力的主要因素；非职业驾驶人易受车辆外部环境的影响，职业驾驶人易因工作产生负面情绪，导致驾驶压力增加。驾驶压力识别主要基于主观测评量表、驾驶行为分析及生理数据分析等方法开展研究，其中，基于生理数据的识别方法因其较高的识别精度和准确度被认为在驾驶压力识别领域具有明显的优势。从研究趋势来看，未来研究需重视社会环境以及多因素叠加对驾驶压力的影响，特别关注职业驾驶人及新技术的影响，以及如何采用多模态数据融合方法实现实时监测，以提高驾驶压力识别的精度。     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.