抵近信控交叉口分心驾驶识别模型

为降低驾驶人抵近交叉口过程因分心导致的交通事故，本文基于双向长短时记忆网络 (BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验，采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据，通过方差分析研究分心任务对驾驶行为的影响。结果表明，分心驾驶人需要更长的制动反应时间，制动操作时间缩短，踩压制动踏板的力度下降，同时操纵方向盘的稳定性变差。然后，筛选有显著性影响的6个特征行为指标作为模型的输入，结果表明：BILSTM模型分心状态识别的精确率最高，达到92.6%，F1值为88.7%；准确率、精确率、召回率、F1、AUC和ROC曲 线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说 明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态，可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。     

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

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。     

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。     

驾驶分心综述

构建了文献质量评价指标体系，筛选出288篇相关文献，综合分析了文献数据获取方式、指标选取、识别方法和研究结论；以驾驶行为为主要研究对象，结合统计学方法，系统阐述了驾驶分心试验数据的获取方式，总结了其多样性和两极化的原因；梳理了驾驶分心识别指标的研究成果，总结了其使用效能和优缺点；对比了不同驾驶分心识别模型的准确率，分析了其差异性的根源；提出了未来驾驶分心数据获取方式、指标选取、识别方法的研究趋势。分析结果表明:试验是驾驶分心数据获取的主要方式，自然驾驶数据集、视频录像是新的数据获取方式，路边观察和调查问卷的数据获取方式关注度较低；对照、跟车、超车、变道场景及添加其他危险事件的复杂度较高的场景是研究较多的驾驶分心场景；驾驶分心次任务的设置说明目前驾驶分心研究的类型和主题较集中；融合指标是使用频次最高的驾驶分心识别指标，且以驾驶绩效指标和眼动指标、驾驶绩效指标和反应指标这两类融合指标较多，驾驶绩效指标是使用最多的单类指标；支持向量机模型是使用最多的驾驶分心识别模型，但识别准确率标准差较大，性能不稳定，深度学习算法模型的识别准确率较高，且稳定性好；未来的驾驶分心研究需均衡研究主题，扩展人机共驾的分心场景，深化驾驶分心类型研究，构建标准化指标体系和选取原则，强化模型构建识别不同类型和严重程度的驾驶分心。      

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。     

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...     

道路环境对驾驶人眼动行为影响的试验研究

为了分析道路类型条件对驾驶人眼动行为的影响,分别在城市道路、城乡结合道路及山区公路上开展试验,利用EyeLink Ⅱ型眼动仪对20 名驾驶人的眼动行为进行测试和记录,分析不同道路环境中驾驶人的注视区域、注视目标及注视时长等特征.结果表明,驾驶人根据道路环境的变化调整其视觉搜索行为,在交通环境相对简单的道路上,驾驶人注视较远且平均注视时间较短,而在交通环境复杂多变的道路上,驾驶人注视较近且平均注视时间较长.研究结果为深入研究驾驶人的视觉行为规律、提高驾驶人行车安全性奠定了试验基础.     

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...     

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.     

Eye-Movement Characteristics of Drivers According to Driving Experience-Relevance to Traffic Sign Legibility

An experiment was conducted to find the variability of driver eye movement according to different driving experience.An eye tracking system was used to study the regularity of driver eye movements, such as fixation duration, variations of fixation points, and the distribution of glance zone.It was found that driving experience had a significant effect on driver eye movement behavior.The percentage of fixation duration to total glance time for inexperienced drivers was 61.5%, while the percentage for experienced drivers was 50.2%.Moreover, the majority of drivers paid attention to the left region of the field of view more frequently than the central and the right regions.This study indicates that it takes inexperienced drivers more time to recognize traffic signs.The findings from this study will assist traffic engineers in designing and installing the traffic signs in an optimal way.     

视线跟踪技术在交通标志视认性中的应用研究

视线跟踪技术是利用眼动仪来跟踪人的眼部运动,获取人的视线方向、持续时间等特征参数的新兴技术．本文研究了将视线跟踪技术引入交通标志视认性研究的意义和可行性,并重点阐述了眼动仪和视线跟踪技术在交通标志视认性研究中的工作原理和应用流程,为标志视认性的研究提供了一个新的视角和方向．     

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。     

Driver's Visual Cognition Behaviors of Traffic Signs Based on Eye Movement Parameters

A dynamic visual cognition experiment was carried out in driving simulation barn with eye tracker system to get drivers' eye movement parameters when they were reading traffic signs with various information quantities in different speeds. The eye movement parameters include fixation number and duration. Driver's visual area was divided into three areas using dynamic cluster method. Further analysis was conducted on the eye movement parameters of the three areas. Findings were discussed in this paper: the fixation distribution has a high correlation with driving speed and information quantity. As the driving speed and information quantity increased, the fixation number and duration in traffic sign area have an increasing trend and drivers have less visual cognition to front lane. When the guide signs have more than five amount of information, drivers' fixation number and duration have an abrupt change and the effectiveness of visual cognition decreased significantly. It is recommended that the highway traffic guide sign information volume should not exceed 5. Under the same condition, the driver needs more fixation when recognizing non-guide signs and the visual cognition process is more complicated.     

疲劳预警分级提示下的驾驶行为响应特征

确定疲劳预警提示时机是车载疲劳预警提示技术中的关键和难点,通过驾驶员对预警提示的驾驶行为响应特征来判断提示时机的合理性是解决该问题的新思路. 通过开展在疲劳分级预警提示环境下的驾驶模拟试验,采集驾驶员眼动（眼闭合时间比例）和车道偏移（车道偏移标准差、车道偏移均值、车道越线面积）指标,并通过成对Wilcoxon signed-rank检验,分析不同等级预警提示前后15 s时间内关键驾驶行为指标的差异. 研究结果表明:在设定的疲劳分级规则下,一般疲劳预警提示后,车道偏移标准差均值显著下降0.129 1,车道越线面积均值显著下降8.574 4;在严重疲劳预警提示后,眼闭合时间比例显著下降0.044 9,但车道偏移标准差和车道越线面积均未发生显著改变,驾驶员应该尽快停车休息.      

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。      

无侵入测量指标的驾驶疲劳检测性能评估

为了准确检测驾驶疲劳状态,利用高仿真度驾驶模拟器进行模拟实验,采集了驾驶行为和眼动数据,并进行了主观疲劳程度调查.在此基础上,设计了23种无侵入检测指标,从与疲劳的相关性、二元检测性能、对道路线形的敏感性和个体一致性4方面,评估了指标的性能并按综合性能排序.研究结果表明:眼闭合时间比例与主观疲劳程度（Karolinska sleepiness scale,KSS）的相关性最高,为0.443;二元检测性能最好的是眼闭合时间比例和车道偏移标准差;眼动指标在曲-直路段的变化幅度均低于20%;当KSS为7时,除车中心越线时间比例外,其余指标均存在显著的个体差异;综合性能最高的指标依次为车道偏移标准差、闭眼时间比例和越线期间横向平均速度.