基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。      

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。     

危险货物道路运输车辆驾驶人风险倾向性分类研究

为加强危险货物道路运输安全风险源头管控，本文充分挖掘轨迹大数据和动态监控数据等多源异构行车数据，研究危险货物道路运输车辆(危货车)驾驶人风险倾向性分类。基于广泛可用的GPS轨迹数据所蕴含的驾驶行为模式和运行环境特性，引入时变随机波动率的概念，提取5种速度波动性指标，构建表征驾驶风格的属性特征集，加之行为抑制控制力、认知抑制控制力和生理负荷特征，共同组建危货车驾驶人风险倾向属性指标体系；利用Critic赋权法计算各指标客观权重，并基于多准则妥协解排序算法(VIse Kriterijumski Optimizacioni Racun, VIKOR)对危货车驾驶人的属性进行评分；建立基于K-medoids聚类算法的危货车驾驶人风险倾向性分类模型。结果表明：运用分类模型，本文将危货车驾驶人分为4类。其中，驾驶风格激进加行为抑制控制力薄弱型驾驶人面对拥堵路段和恶劣天气时表现出更大的速度波动和更多的车辆控制报警；认知抑制控制力薄弱型驾驶人分心次数更多，愿意将更多的注意力分配给分心对象，且更频繁地在分心对象和前方路况间进行注意力转移；易疲劳型驾驶人表现出更多的疲劳报警和超时驾驶报警，驾驶人承受更大的...     

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。      

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。     

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。     

重载货车驾驶人驾驶风格识别与量化研究

重载货车驾驶人的激进驾驶风格具有强烈的习惯性特征和风险性特征，一旦养成很难矫正，且极易诱发交通事故。针对现有研究极少关注重载货车驾驶人驾驶风格的不足，本文基于某全国货运监管平台提供的云南省重载货车低频轨迹数据，从风格聚类、风格识别和风格评估这3个方面，提出综合考虑疲劳驾驶特征和超速驾驶特征的重载货车驾驶人驾驶风格分析方法。首先，基于轨迹数据蕴含驾驶人驾驶行为模式的特点，构建表征重载货车驾驶人驾驶风格的疲劳驾驶和超速驾驶特征集；其次，利用因子分析进行特征约简，并采用K-均值聚类方法划分重载货车驾驶人的驾驶风格；然后，构建基于支持向量机的驾驶风格识别模型，并与梯度提升决策树的识 别结果进行对比；最后，基于疲劳驾驶特征和超速驾驶特征的累积分布，建立基于 CRITIC (Criteria Importance Though Intercriteria Correlation)赋权法的重载货车驾驶人驾驶风格量化评估 模型。研究结果表明：经过特征约简，提取的疲劳因子和超速因子能综合反映上述两类特征集 80.838%的信息；根据疲劳因子和超速因子可将驾驶风格划分为4种类别，即稳健型、超速型、疲劳型和危险型，相应重载货车驾驶人比例依次为62.60%、25.02%、7.40%和4.98%；基于支持向量机的重载货车驾驶人驾驶风格识别模型对不同风格的识别准确率均大于97%，整体表现优于梯度提升决策树；基于CRITIC赋权法的驾驶风格评估模型能有效量化重载货车驾驶人的驾驶风格， 其中稳健型驾驶人表现最好，75%以上的驾驶人风格评估总分高于60分；危险型驾驶人表现最差，75%以上的驾驶人风格评估总分低于20分。研究结果可为重载货车驾驶人不良驾驶行为的监测、干预和管理提供理论依据和技术支撑。     

多车道高速公路出口开口段安全特性分析

为研究不同断面形式下的多车道高速公路出口影响区开口长度及流量与交通安全的关系，针对2种断面形式的高速公路出口，分别设计了3种不同的开口长度，结合3种不同流量条件设计了18个不同的驾驶模拟场景。实验招募30名被试者开展模拟驾驶实验，提取不同开口长度及流量条件下各断面形式高速公路出口的车辆行驶轨迹、换道间隙的选择、减速度、最小 TTC (Time to Collision)等驾驶行为特性参数，综合分析基于驾驶行为数据对不同开口长度的行车风险。结果表明：两种断面形式下，开口长度对于车辆在开口段上的换道点选择存在显著影响；两种断面形式下，1500 m的开口长度能够满足绝大多数驾驶人的换道需求；在换道间隙选择中，大都集中在5~6 s，分离式断面下的开口长度对于低于临界间隙的换道间隙出现的频次具有显著影响；流量及开口长度对于最大减速度及TTC最小值和分布位置均不存在显著性影响，但分离式断面下的最大减速度和最小TTC相较于整体式断面更小；此外，整体式断面中内侧3车道的行车风险低于分离式断面，分离式断面中外侧车道的行车风险低于整体式断面。     

车路协同场景下导航播报方式有效性评估

导航信息作为驾驶人进行决策的重要依据， 其播报方式差异性会对驾驶人的信息接受程度和理解程度产生不同的作用效果， 因此， 有必要研究不同播报方式对驾驶行为的影响表现。 针对高速公路大流量路段车路协同场景下， 不同导航播报方式对驾驶行为的有效性评估， 缺乏量化依据的问题， 文章基于驾驶模拟器， 搭建了 4 类车路协同典型场景， 并选取 38 名驾驶人进行驾驶模拟实验， 获取驾驶行为数据并采用灰色近优综合评价法， 从驾驶效率和安全 2 个层面选取 4 个指标， 评估了近距离、 远距离两种播报时机和哔声、 语音两种播报形式 4 种组合方案的有效性。 研究结果表明， 高速公路大流量路段车路协同场景下驾驶人偏向远距离语音播报。     

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.     

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。     

����׷β��ײ�м�ʻԱת��Ӧģ���о�

交通事故中驾驶员反应时间对研究驾驶员可靠性、交通事故致因有着非常重要的意义。本文在调查问卷、驾驶员的三个主要静态指标（深度知觉、注意力集中能力、注意分配能力）的测量以及基于驾驶模拟器的驾驶员反应时间的测定基础上，利用线性回归对驾驶员的转向反应时间建模，并对模型的有效性进行了验证。发现在95﹪水平上，影响因素与因变量反应时间呈线性关系；预测合格率为79﹪，判断出驾驶员反应时间在受到一些心理因素、驾驶经验与年龄的影响外，外界随机因素的影响不可忽略。这种方法为研究驾驶员应急反应行为提供了一条有效途径。     

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.     

�г�ʱ�䲨���Զ�·��ѡ��Ӱ�����ɢѡ�����

探索了行程时间波动性对驾驶员路径选择行为的影响. 研究采用意向调查获取驾驶员从两条行程时间和行程时间波动性不同的路径中选择路径的行为数据,采用离散选择建模方法建立估计路径选择概率的二元Probit模型,揭示驾驶员对行程时间和行程时间波动性进行权衡的行为机理. 行程时间和行程时间波动性分别用期望行程时间、行程时间标准偏差来度量. 研究发现：(1) 路径的行程时间和行程时间波动性都会对路径选择产生负面影响. (2) 中等年龄段驾驶员,较之比他们年轻的和年长的,对行程时间波动性越看重,对行程时间波动更敏感,选择行程时间不确定的路径的概率更小. (3) 出租车驾驶员对行程时间更敏感,选择行程时间更短的路径的倾向性更大. (4) 驾驶经验丰富的驾驶员选择行程时间不确定的路径的可能性更小.     

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。     

基于人体姿态空时特征的驾驶员疲劳检测

为减少疲劳驾驶给道路交通带来的安全隐患，本文以驾驶员人体姿态为研究对象，分析驾驶动作变化与驾驶员疲劳状态之间的联系，提出基于空时特征与人体姿态的驾驶员疲劳检测模型。首先，以改进的Simple Baselines网络定位驾驶员骨架关键点(空间特征)；其次，分析驾驶过程中人体姿态的变化特点，依据“高内聚、低耦合”的原则将人体关键点模块化，以此为基础设计多个与驾驶员疲劳驾驶相关的特征表示；最后，引入滑动窗口计算各疲劳特征的离散程度，将其作为长短时记忆网络(时间特征)的输入，从而实现对驾驶员疲劳状态的预测。通过13位被试驾驶人的驾驶行为数据实验结果表明：使用本文提出的基于空-时特征和人体姿态的驾驶员疲劳检测模型可达到97.73%的检测精确率，98.95%的召回率以及98.35%的准确率，表明该检测模型具有可行性。     

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。      

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.