基于认知活动链的驾驶行为协调仿真模型

为向车辆控制系统和智能车辆的发展提供理论参考，用主成分分析法确定多源信息对驾驶员行为决策的影响系数，用模糊积分融合算法获得驾驶员任务集聚后车辆的运行模式，并按照认知活动链将该模糊积分融合算法与跟驰模型相结合，构建了基于认知活动链的驾驶员行为协调仿真模型．此外，采用五轮仪实验系统对淄博市张周路某路段的交通流数据进行了采集，用实测数据验证了模型的有效性．     

预瞄跟随理论和驾驶员模型在汽车智能驾驶研究中的应用

根据预瞄跟随理论及驾驶员的开车行为特性 ,指出汽车智能驾驶与驾驶员操纵行为的内在一致性——汽车智能驾驶系统的控制特性与熟练驾驶员的驾驶行为特性基本一致。结合驾驶员操纵行为模式将汽车智能驾驶系统划分为信息感知、轨迹决策和操纵控制三个部分 ,并一一加以具体分析 ,利用系统模糊决策理论对几种汽车行驶的典型工况进行了智能车辆方向控制仿真计算。理论分析和仿真结果表明预瞄跟随理论为智能车辆的研究提供了一个可行的研究途径 ,按照该理论建立的驾驶员方向控制模型可以直接应用于智能车辆控制算法的研究开发     

面向驾驶员行为研究的基础理论——多源信息融合算法综述

驾驶员行为的研究是智能运输系统,特别是其先进的车辆控制系统仿真、研智能车辆领域中基于多源信息融合的驾驶员行为研究较为罕见.因此应从人机控制观点出发,应用模糊逻辑、非参数统计等理论以及智能协同技术,对驾驶员任务集聚、协同反应过程,特别是多源信息融合、人机协同效能在不同路网环境中的实现等建模关键理论与方法进行研究,建立驾驶员微观协同仿真模型.这是智能化交通控制与管理系统开发和实现的关键技术,对提高交通系统管理效率、缓解拥挤,减少污染和能源消耗,培育未来新产业,具有十分重要的理论价值和现实意义.     

多源诱导信息对驾驶员路径变更行为的影响研究

交通广播、可变情报板、车载GPS和道路指示牌等诱导信息源是驾驶员路径选 择的重要依据.为系统研究多源诱导信息对驾驶员路径变更行为的影响机理,采用情景分 析法,以西安咸阳国际机场和西二环方欣商圈为OD,设置主路径和备择路径,引入通行 费敏感度构建SP 问卷,调查多源诱导信息情景下驾驶员由主路径向备择路径变更的频 率,在此基础上,构建路径变更行为的有序Logit 模型.结果发现,驾驶员路径变更对多源 诱导信息的依赖程度依次为可变情报板、交通广播、车载GPS和道路指示牌,反映了驾驶 员对动态、及时的诱导信息需求性更强;此外,在多源诱导信息作用下,通行费价格敏感 度、受教育程度对驾驶员的路径变更也有显著影响,而驾驶员年龄的影响作用不显著.     

���ڶ�Դ��Ϣ�ںϵļ�ʻԱ��ΪЭͬ�����㷨

交通仿真是交通控制与管理方案评价和优化的重要研究手段.传统的微观交通仿真模型，特别是刻画驾驶员行为的车辆跟驰模型，未能综合考虑交通环境中信息刺激的多源性和驾驶员任务集聚、协调反应的行为过程.本文利用Bayes方法和模糊积分方法描述驾驶员在复杂行驶环境中多源信息的融合过程，确定驾驶员任务集聚后对车辆应采取的驾驶行为.模型验证表明:交通仿真过程中，在车辆跟驰模型实施之前，利用Bayes算法和模糊积分算法模拟驾驶员在多源信息刺激下任务集聚、协同反应的过程是行之有效的.     

停车诱导系统中VMS信息发布频率研究

分别通过区位、驾驶入心理和认知原则、泊位变化率、可用泊位占有率和协调控制等方面,讨论了停车诱导系统中VMS信息发布频率优化的原则,提出了一种综合考虑各个因素的发布频率算法.该算法符合驾驶员对信息的要求,符合驾驶员的心理和认知性,以期更大程度地发挥停车诱导信息系统等智能交通系统的作用.     

并发任务对驾驶员驾驶行为的影响

驾驶过程中使用手机、收听音乐等并发任务会对驾驶员驾驶行为产生不同程度的影响,进 而给周围道路环境、车辆以及行人造成安全威胁。为了系统探析不同并发任务模式对驾驶员驾驶 行为的影响程度,以四种典型并发任务模式（手机使用、乘客互动、视频播放、音频播放） 为研 究对象,引入主成分分析法,构建面向驾驶员行为表现的综合评价体系。同时,以国外学者针对 不同并发任务进行模拟实验所用的原始数据作为数据来源,对四种并发任务对于驾驶员行为的不 同影响进行了评价。结果表明,使用手机对于驾驶员的驾驶行为影响最大,与乘客互动次之;视 觉上注意力的分散相对于认知上注意力的分散更容易对驾驶员的驾驶能力产生负面影响。     

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。     

用于ITS的智能车辆控制系统结构与性能指标研究

控制系统结构与性能指标是研究与设计高速公路环境下的智能车辆的两个基本问题。在对已有的几种控制系统结构并结合驾驶员的驾驶行为进行分析的基础上，给出了一种基于多智能体的智能车辆控制系统结构，探讨了其特点并从系统设计与实用的角度给出了智能车辆的控制系统性能指标。基于多智能体的控制系统结构具有更好的智能和更强的组织灵活性，对于复杂系统与智能控制研究具有重要的理论意义和实践价值。     

驾驶行为研究中的车辆信息采集方法

在交通安全体系中,驾驶员的行为是影响行车安全的一个重要因素.驾驶行为的改变使得车辆的行驶状态也随之发生改变.通过采集车辆行驶状态的信息,可以对驾驶员的行为进行研究,这对于提高驾驶安全性具有重要意义.     

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。     

智能手机使用行为对驾驶可靠性的影响模型

为解决智能手机使用行为对驾驶安全影响过程缺少定量描述的问题，基于驾驶行为信息加工和注意分配理论，探索智能手机使用行为与驾驶可靠性的关联关系，提出7 个因果关系假设，构建涵盖视觉资源消耗、认知资源消耗、驾驶不可靠性等潜变量的智能手机使用行为影响的结构方程模型. 通过线上与线下相结合的方式进行驾驶人问卷调查，实证分析结果表明，视觉资源消耗(0.448)、认知资源消耗(0.256)对驾驶可靠性具有直接负向效应，信息输入、显示观看、语音通话及心理特征具有间接负向效应，其中显示观看(0.450)的效应最大.     

智能手机使用行为对驾驶可靠性的影响模型

为解决智能手机使用行为对驾驶安全影响过程缺少定量描述的问题，基于驾驶行为信息加工和注意分配理论，探索智能手机使用行为与驾驶可靠性的关联关系，提出7 个因果关系假设，构建涵盖视觉资源消耗、认知资源消耗、驾驶不可靠性等潜变量的智能手机使用行为影响的结构方程模型. 通过线上与线下相结合的方式进行驾驶人问卷调查，实证分析结果表明，视觉资源消耗(0.448)、认知资源消耗(0.256)对驾驶可靠性具有直接负向效应，信息输入、显示观看、语音通话及心理特征具有间接负向效应，其中显示观看(0.450)的效应最大.     

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.     

网联环境下基于多驾驶人风险评价的不良行为主动干预研究

依托智能网联技术背景，本文提出基于多驾驶人综合风险评价的不良行为主动干预框架。选取驾驶场景中多驾驶人行为表征参数，基于行车数据定义并辨识驾驶人的各类不良行为； 利用面积法实现对不良驾驶行为发生频次、持续时间以及幅值的综合计算，并以可变权重构建其与事故风险的关联关系；借鉴数据包络分析思想，提出考虑可变权重的不良驾驶行为综合评价方法；利用Simulation of Urban Mobility(SUMO)搭建智能网联环境下驾驶仿真平台，以时间窗方式抽取场景中多驾驶人的历史行车数据，利用不良驾驶行为综合评价方法辨识风险驾驶人，提出基于累加窗口与滑动窗口的主动干预方法，每种方法均实现干预单车与干预多车两种策略；分析不 同干预手段的效果，探究窗体大小、驾驶人接受率、干预车辆数等对干预结果的影响。研究表明， 干预多车策略取得较好的效果，基于累加窗口与滑动窗口的驾驶人不良行为总得分分别下降 22.80%和10.50%；与无干预情况相比，当干预接受率为50%时，驾驶人不良行为总得分仍有所降 低；与基于累加窗口方法相比，基于滑动窗口的干预方法更适合实际应用。本文提出的框架可为驾驶行为监测等提供技术支持。     

分心驾驶研究文献计量学分析

车辆自动化和信息娱乐系统的发展趋势使驾驶人分心成为日益突出的社会问题。为全面了解分心驾驶的研究进展，本文选取近 12 年关于分心驾驶的 2313 篇文章，利用文献计量工具VOSviewer和R-Bibliometrix系统梳理与分析分心驾驶的研究现状。首先，概述分心驾驶研究的总体情况，包括分心驾驶研究的国家分布、核心作者及核心期刊；其次，重点归纳分心驾驶领域的高影响力文献，并从“注意力机制”“分心驾驶风险与年轻驾驶人驾驶行为”“分心源”“分心驾驶检测”“自动驾驶下驾驶人的分心效应”这5个研究主题总结分心驾驶的研究热点；最后，构建分心驾驶的研究体系，并预测未来的发展趋势。研究认为：有必要加强研究分心的形成、消散和恢复机理；需扩展研究对象和场景，综合考虑车内和车外的分心源以及复合分心带来的风险；多源信息融合及考虑多类型分心可以进一步完善分心驾驶风险的研究；界定分心状态与等级划分，针对不同驾驶分心类型的识别应是未来分心驾驶检测研究的重点；自动驾驶场景下的分心行为及接管效能，以及混合交通流下的分心状态是值得关注的研究。基于机器视觉的分心检测和自动驾驶的接管效能将成为分心驾驶领域的研究前沿。     

智能交通信息网络环境下数字驾驶系统的体系结构与关键技术

提出了智能交通信息网络环境下的数字驾驶的概念，并通过分析车辆在行驶运动中的规律，寻求出人，车，路系统中的控制变量输入输出之间的逻辑关系，研究了智能化交通信息网络中人与车载设备之间的数字化系统模型，论述了数字驾驶的原理，进一步丰富了智能运输系统中的车辆安全驾驶理论和道路安全理论，提高了车辆行驶的安全性。     

面向智能交通的单目视觉测距方法研究

与前方车辆距离是影响行车安全的重要因素,因此本文提出一种面向未来智能交通的前方车辆单目视觉测距方法.首先,提出融合物联网、智能识别、云计算技术的车联网模型,车辆可实时向车联网回传位置信息及前车图像,请求附近交通标志及前方车辆几何尺度信息,车辆端可计算图像坐标系下车道标志线、交通标志、车辆尺度信息.然后,建立单目相机数学模型,介绍以交通标志、车道分界线为合作标志的单目视觉测距方法.最后,综合应用单目视觉测距方法,设计了前方车辆自适应视觉测距方案.通过仿真实验,证明了单目视觉测距方法的正确性与有效性,可丰富驾驶辅助系统的前方车辆测距手段.     

驾驶特性的识别评估及其在智能汽车上的应用综述

研究了驾驶特性的识别方法、驾驶人接管能力评估的进展、驾驶特性在智能汽车领域中的应用；将驾驶人状态监测划分为驾驶人疲劳监测、分心监测和不良驾驶行为监测，总结了驾驶人状态监测研究的目标、方法、精确度、判断标准以及优缺点；对比了驾驶人疲劳监测中不同检测信号之间的差异；评析了基于模糊识别和隐马尔可夫模型的驾驶人意图识别与预测方法；梳理了驾驶风格分类与辨识的主要步骤、典型辨识方法的特点；分析了驾驶人接管能力的影响因素与评判标准；阐述了驾驶特性用于开发用户接受度高和人机交互性能好的辅助驾驶系统的主要方式；概括了在人机共驾协同控制中考虑驾驶特性的途径。研究结果表明:基于多种传感器信号融合的驾驶人状态监测可有效避免基于单一传感器信号的弊端，提高了检测精度，减少了误警报；将传统预测模型与混合智能学习相融合的方法能够为驾驶意图在线识别与预测提供解决方案；应该重点研究复杂工况下的驾驶特性辨识；驾驶人接管能力的研究有待理论化和系统化；未来的发展趋势是开发基于驾驶特性的集成辅助驾驶技术、实现多种典型路况下驾驶人与辅助驾驶系统进行意图和控制策略的交互；将个性化驾驶人的驾驶特性融入共驾系数的设计中，从而提高人机共驾系统的个性化、智能化水平和环境适应性能。