山区高速公路组合线形路段车道偏移行为

为在道路设计阶段确定平纵组合与相邻路段线形对车道偏离的影响,并为减少因道路线形因素引发的侧碰、追尾甚至车辆驶出路外事故提供改善依据,基于真实的山区高速公路道路设计参数及周边地形,搭建驾驶模拟场景,利用驾驶模拟试验获取小客车车道偏离数据,并对应获取车辆当前所在路段及上、下游路段的线形参数。以车辆车道内行驶为参照,沿道路行进方向,将车道偏离行为分为左偏驶离车道与右偏驶离车道。因车道偏离受驾驶人影响,采用双层Logit模型,分别判定道路线形及驾驶人层的影响。研究结果表明：相比直线路段,曲线更易引发车道偏离行为,驾驶人易偏向于曲线内侧行驶;上游300 m路段曲率差越大、平均车速越大,则车道偏离的概率增大;相对于缓坡（-2%≤坡度S≤2%）,行驶于上坡（S>2%）或下坡（S<2%）路段时,车辆车道偏离概率减小;车辆行驶于外侧车道的左偏驶离车道概率大于行驶于内侧车道;驾驶人因素对左偏驶离车道的影响比例为8.8%,对右偏驶离车道的影响比例为25.6%。研究结论可从组合线形角度帮助工程师设计更安全的山区高速公路。     

车道保持系统研究

为了减少由于驾驶人分心或疲劳造成的车道偏离事故,提出一种车道保持控制系统。根据道路线性将道路分为直线路段和曲线路段,利用跨道时间来判断车辆将偏离车道;驾驶员的操作状态根据转向灯信号及转矩信号来进行判断。综合车道偏离信息与驾驶员操作信息来判断车道保持系统是否工作;车道保持系统的控制策略采用单点预瞄最优曲率驾驶员模型。仿真结果表明,模型能够实现车道保持功能。     

双车道公路平曲线段行车轨迹偏移实验研究

双车道公路弯道处行车轨迹是车辆自由行驶时的重要特征,通过对行车轨迹及运行速度综合效应的分析,得出双车道公路自由行驶的车辆在弯道上行驶时行车轨迹偏移规律,并建立了自由行驶状态下道路线形与行车轨迹和速度之间的相关模型.据此可对弯道处行驶时的驾驶行为及行车安全进行分析,并对道路弯道处线形和断面进行改善.     

基于实车数据的高速公路行驶轨迹偏移和车道侧向余宽

为明确高速公路行驶环境下车辆在车道保持阶段的行驶轨迹特征，给车道宽度值确定提供参考，在重庆市主城区2段高速公路上开展了38名驾驶人的实车驾驶试验。使用车载设备采集自然驾驶状态下的车辆行驶速度、行驶轨迹和“车辆中心点-车道线”横向距离。基于以上数据，计算轨迹横向偏移值和“车身轮廓-车道线”侧向余宽等参数，分析高速公路直线/曲线路段的车辆轨迹横向偏移和侧向余宽变化特征及其影响因素。结果表明：曲线路段和直线路段的期望轨迹横向偏移存在差异，曲线路段行驶轨迹的本质特征是轨迹往曲线内侧偏移，而直线路段的车辆轨迹是倾向于往车道左侧偏移，但曲线路段紧贴车道线行驶的车辆占比要低于直线路段。直线路段车道左侧余宽最小值、期望值分别集中于[0.2 m, 0.6 m]和[0.3 m, 0.9 m],曲线路段车道左侧余宽的最小值和期望值主要分布在[0.2 m, 0.7 m]和[0.5 m, 0.9 m]范围内；车道位置对期望轨迹横向偏移和车道侧向余宽均有影响，左转弯路段的左侧余宽要低于直线路段和右转弯路段；在左转弯路段内侧车道行驶时车辆与中分带的距离更近，因此左转弯的事故风险更高；行驶速度增加时，内侧车道的车辆有...     

重载货车长下坡挂挡决策行驶安全仿真

长大下坡是大型车辆事故多发的典型路段,现有仿真模式多适用于宏观评价道路平面线形安全,无法反映驾驶人不同挂档决策对长下坡行车安全的影响。建立了重载货车整车模型、转向控制器和踏板控制器。根据重载货车自然驾驶数据,引入驾驶人控制边界约束,通过联合TruckSim和Simulink软件,设计了基于挂档加速、挂档滑行、挂档制动的长下坡行驶控制策略。提出了在车辆速度层面引入驾驶人操纵行为特征谱的虚拟仿真试验。根据当前路段驾驶人挂挡问卷调查信息,以1条实际长下坡道路作为算例,研究了不同驾驶模式下重载货车长下坡行驶特性。仿真结果表明:预瞄定速模式控制下的车辆节气门开度和车轮制动压力呈现相互交替态势,与车辆真实长下坡行驶特性不符,难以为长下坡道路安全改善提供客观依据,而挂挡下坡行驶控制模式能够反映重载货车在不同挂挡决策下的行驶特性;以车辆行车速度和单轮制动压力为评价参数,在当前仿真路段行驶过程中,重载货车7档位挂挡下行安全性能最优,8档位挂挡下行综合性能最优,其单轮制动压力高幅值波动区域主要集中于28.3～35.5 km路段,从而可为该路段驾驶人挂档决策优化、道路纵断面及避险车道位置设计提供一种新的思路。     

基于多因素的公路弯道停车视距计算模型研究

为了厘清弯道路段相关线形参数对停车视距的影响,在对弯道路段车辆行驶动力学分析的基础上,建立以制动初速度、平曲线半径、弯道超高、弯道纵坡及道路附着系数为自变量的弯道路段车辆制动模型;结合驾驶人和车辆的反应时间,根据运动学原理,构建弯道路段车辆安全停车视距修正模型,通过数值分析,提出弯道路段车辆停车视距计算方法,并将弯道路段车辆停车视距计算结果与《公路路线设计规范》规定值进行对比。结果表明,随着弯道纵坡坡度、超高的增大及弯道半径的减小,停车视距逐渐增加;模型计算值普遍大于规范规定值,特别是在高车速时二者的差别较大。     

考虑道路平曲线设计的驾驶疲劳对车道保持能力影响研究

不同的道路平面线形几何设计对于驾驶人车道保持能力的需求是有差异的,驾驶人受疲劳程度影响也会呈现车道保持能力下降的趋势,当前的研究未综合考虑以上2个因素:线形和疲劳程度对驾驶横向表现的交互影响.邀请41位被试者分别开展550 km的实车实验,获取车辆位置信息GPS以匹配道路线形类型,基于问卷调查方法获取驾驶过程疲劳等级.分析不同疲劳程度、不同平面线形类型以及弯道半径条件下的车道偏离标准差参数,构建了多元线性回归模型.数据分析结果表明,相同疲劳程度下驾驶人在圆曲线段驾驶的偏离值要超过直线段以及缓和曲线段;当弯道半径超过5 500 m时,曲线段弯道半径越大,车道偏离差值越高.同时,考虑了线形影响的多元线性回归模型对疲劳程度的预测精度要高于未考虑线形因素的模型,进一步说明在针对驾驶疲劳行为表现开展研究时,有必要对道路设计参数加以考虑以提高疲劳辨识精度.      

识别驾驶人意图的车道偏离防避有界控制

为了防止车辆偏离车道导致交通事故的发生和避免车道偏离防避系统（Lane Departure Avoidance Systems,LDAS）对驾驶人行为不必要的干预,提出基于中心区操纵特性阈值法和基于D-S（Dempster-Shafer）证据理论的车辆偏离车道驾驶人意图识别准则,并运用CarSim/Simulink联合仿真对比2种识别准则的有效性。建立转向盘角速度为输入的车路模型,设计LDAS滑模转向控制器,基于预瞄点的侧向偏移量和横摆角速度设计LDAS的期望横摆角速度观测器,并与基于道路曲率和预瞄点侧向偏移量的期望横摆角速度的LDAS进行性能对比。运用相平面法确定保证LDAS车辆稳定性的前轮转向角最大值,并基于CarSim/LabVIEW RT硬件在环试验平台验证基于BP神经网络训练获得D-S证据理论的初始概率赋值的驾驶人意图决策算法的有效性。结果表明：所提出的识别准则能够及时识别车辆偏离车道时的驾驶人意图,为LDAS控制器介入赢得了宝贵的时间,所设计的期望横摆角速度观测器具有很好的稳定性,所提出的方法能够有效避免车辆偏离车道。     

基于车轴图谱的城市道路汽车运行轨迹特性分析

为探究城市道路行车轨迹与路侧之间的横向距离对车辆运行的影响,提高驾驶员行车安全,在某市滨海路进行汽车运行轨迹样本采集试验,使用AxleLight RLU11系列路侧交通数据采集系统分车道采集试验路段汽车运行轨迹样本,利用SPSS Statistics对试验路段不同车道车辆运行轨迹样本进行数据处理,绘制不同行车道运行车辆横向距离的累积频率曲线,计算得到汽车运行轨迹与路侧的横向距离D85,通过绘制行驶车辆距路侧的横向距离直方图,得到不同车道的车辆分布规律。结果显示,驾驶员大多数偏向选择在内侧车道运行。根据试验路段内外2条车道车辆横向距离和运行轨迹特性,可为城市道路交通安全设施的设置提供理论依据,以期提高城市道路交通运行安全。     

基于轨迹数据的山区危险性弯道路段交通事故风险动态预测

针对山区双车道公路危险性弯道路段交通事故多发的现实问题,提出主动评估短时交通流状态下的交通事故风险,以降低交通事故发生率.采用无人机高空拍摄弯道路段交通流运行状态,利用计算机识别技术提取高精度的车辆轨迹和交通流数据,结合山区双车道公路弯道路段危险驾驶行为特征表征交通冲突,以距离碰撞时间为交通冲突量化指标,提出山区车道公...     

线形空间几何突变对曲线路段车道偏移的影响

为了探讨道路线形变化对侧碰、刮擦等侧向安全事故的影响，以三维空间线形的曲率和挠率作为公路线形几何特征描述参数，以车道偏移量作为侧向行车安全的表征指标，剖析了线形在空间层面发生的几何突变对车道偏离的影响。在山区高速公路开展实车试验，采用侧向行车视频记录连续的车道偏移，进行图像距离与实际距离的标定，并通过图像识别技术自动读取连续的车道偏移曲线，从中获取最大车道偏移作为分析变量。采用单因素方差分析方法，对新手驾驶人和熟练驾驶人在线形空间几何特征不同的曲线路段所表现的最大车道偏移结果展开统计分析和检验。分析结果表明：当空间曲率突变超过一定的临界值时，空间曲率突变与最大车道偏移显著正相关；挠率突变对车道偏移产生的影响主要取决于线形扭转的方向，当线形扭转方向与路拱横坡反向时，会明显加剧最大车道偏移；而线形扭转方向与路拱横坡同向时，会降低最大车道偏移但降低效果不明显；熟练驾驶人的最大车道偏移小于新手驾驶人，这种现象在空间曲率突变较大和挠率突变不利的路段尤为明显。研究结论可为公路线形安全性评价、线形设计优化和路侧安全改善提供参考。     

基于驾驶行为和视觉特性的长大隧道突起路标作用效果评估

突起路标（RPMs）是高速公路隧道内常见的交通安全设施，对预防和减少交通事故具有重要作用。针对高速公路长大隧道RPMs作用效果，从驾驶人角度出发，基于驾驶模拟试验测试，分析RPMs对驾驶人的影响，实现以微观驾驶行为和眼动数据为基础的高速公路长大隧道RPMs作用效果评估。设计2种RPMs方案（RPMs-B：设置在隧道检修道和车道边缘线；RPMs-C：设置在车道分界线和边缘线）与未设置RPMs（RPMs-A）的隧道形成对比；招募32名持照驾驶人，获取细粒度驾驶行为及眼动数据，选择平均速度、加速度、横向偏移等7项指标构建评价指标体系；利用重复测量方差分析方法，探究各项指标的显著性及效应量水平，进而采用基于熵权法的模糊综合评价模型，对比3种RPMs方案的作用效果。研究结果表明：RPMs对驾驶行为及心理、生理具有较显著的作用，具备不同程度的现实意义；驾驶人心理、生理负荷程度降低，焦虑情绪得到缓解，驾驶舒适性良好；速度调控能力增强，对车辆横向位置感知及操纵水平上升，车辆行驶更加平稳；在隧道曲线段RPMs使得平均速度明显增加，增加了事故风险；模糊综合评估结果显示在隧道全程、曲线段和中间段，RPMs-C均为最优方案，即RPMs设置在车道分界线及两侧边缘线位置。研究结果为隧道安全设施的评估及优化问题提供了解决方案，也为进一步形成隧道安全设施设置指南奠定了基础。     

基于驾驶人不满度的高速公路自动驾驶换道决策

为了实现高速公路的自由换道行为决策，并满足行车安全高效性、决策结果平稳无震荡、与运动规划模块结合引导车辆行驶等要求，提出了一种基于驾驶人不满度的换道行为决策方法。首先，根据驾驶人的速度期望建立了驾驶人不满度累积模型，并基于驾驶人速度不满累积度产生换道意图。其次，依据不同车道障碍车的运动状态，设计了2种目标车道选择策略，通过预测引擎对各个待选车道进行预测和评估，选取其中行车效率较高的车道作为目标车道，同时建立换道最小安全距离模型，用以在换道全过程中判断换道的可行性。然后，将换道行为决策的结果以目标车道的形式传递给基于改进人工势场的运动规划模块，用于运动规划模块目标的选取，以引导车辆横纵向运动。最后，在CarSim/PreScan/Simulink的联合仿真平台和硬件在环平台上建立多种测试场景，验证换道行为决策算法。试验结果表明：换道行为决策算法能够依据驾驶人速度不满累积度产生稳定的换道意图，进而根据所设计的换道策略选取具有更高行车效率的目标车道，并在换道过程中持续判断换道的可行性，以应对障碍车辆突然加减速等突发状况，保证换道过程的高效性和安全性；换道行为决策算法通过目标车道的转换，引导运动规划模块调整车辆的运动，实现跟车、换道等行为。     

基于视频图像和RBF神经网络的疲劳驾驶监测系统

采用视频采集方式和神经网络方法实现了驾驶员疲劳驾驶的非接触式监测。应用车头前端和车厢内部双路视频摄像头分别采集车辆相对于车道线的行驶轨迹和驾驶员的睁闭眼状态,应用Radon变换提取5 s内车头与车道线间的最大和最小偏离、相邻2帧间车头与车道线的最大角度变化量和平均角度差,应用AdaBoost算法提取驾驶员眼睛闭合帧数比例,并将上述各参数作为RBF神经网络的输入来实现驾驶员疲劳状态的动态监测,实验数据表明监测效果良好。     

人机共驾智能车驾驶模式决策属性析取研究

为了深入分析驾驶模式决策影响因子,通过实车试验采集了人-车-路多源特征信息。用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态,并利用采集的驾驶人血流量脉冲（BVP）和皮肤电导（SC）值进行K均值聚类,将驾驶人当前合适的驾驶模式自动聚类为3级。通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定。采用以信息增益为依据的Ranker算法对多特征进行排序,并在此基础上,根据多分类器分级结果确定最优特征属性集合。研究结果表明：当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时,支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90%;除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外,其余所有不同模式决策属性值均呈显著性差异;研究结果可为人机共驾智能车驾驶模式决策提供依据。     

智能交通系统中基于机器视觉的数字车辆控制

在描述成像模型与视觉坐标系的基础上，给出了基于计算机视觉的车道与障碍物辨识检测算法，应用预瞄转向以及车辆控制等技术手段来实现数字车辆的道路跟踪。     

手机操作类型对驾驶人跟车行为的影响（双语出版）

为了探究行车过程中手机使用模式对驾驶人跟车行为的影响,依据功能类型及使用模式将手机操作分为8类,利用驾驶模拟器开展试验,提取跟车速度、跟车间距、车头时距、横向偏移距离、方向盘转角5项指标表征车辆的横向、纵向运行状态,定义驾驶人的注视点分布信息熵、注视点区域分布比例、注视时长、扫视频率、扫视时长、眨眼频率、眨眼时长7项指标表征驾驶人眼动特性,分析驾驶人进行不同手机操作时的车辆运行特性与驾驶人视觉特性,并利用方差分析法验证上述指标作为驾驶人跟车行为衡量指标的有效性。应用灰色关联分析法对8类手机操作对驾驶人跟车行为的影响程度进行量化,并结合具体手机操作的分心内容、形式和动作时间,对具有相近功能的两两操作进行对比分析。结果表明：特定的手机操作行为对选取的各项车辆运行指标与驾驶人视觉特性指标有显著影响;对驾驶人跟车绩效影响由大到小的手机分心操作依次是发送文字信息、阅读文字信息、手持接听电话、发送语音信息、按键拨打电话、听取语音信息、语音拨打电话、免提接听电话,文字信息的编辑和阅读等操作对驾驶人跟车行为的影响大于其他手机操作;研究结果可帮助驾驶人明确不同手机操作对行车安全的危害程度。     

基于道路模型的弯道检测研究与应用

基于机器视觉的弯道图像能提供车辆行驶道路环境的丰富信息,从建立弯道模型、提取车道线像素点以及拟合车道模型等步骤分析了传统基于道路模型的弯道检测方法,针对传统方法很难适用于多种不同形状弯道的特点,提出一种基于特征点提取的弯道检测新方法;介绍了弯道检测在车道偏离预警、弯道限速以及弯道防碰撞预警等领域的应用情况;最后提出弯道检测应该建立三维车道线模型、注重发展多传感器融合技术,提高其适用性和鲁棒性.     

城市下穿隧道纵坡坡度和速度对驾驶人心率增长率的影响

为研究城市下穿隧道纵坡段驾驶人生理和行为特征变化规律,选取22名驾驶人在早晨5：00至7：00非高峰时段,交通状况几乎无差别的环境下,开展城市下穿隧道纵坡段实车试验。利用MP150生理测试仪和ECU车速采集设备采集驾驶人的心率值和车速值,应用单因素方差分析对数据进行差异性显著检验;并分析城市下穿隧道纵坡坡度和速度对驾驶人心率增长率的影响规律,构建城市下穿隧道上下坡段坡度、速度和驾驶人心率增长率关系度量模型,量化了坡度、速度与驾驶人心率增长率之间的关系。然后采用单因素敏感性分析方法对模型中的2个自变量（坡度和速度）进行敏感性分析。结果表明：在城市下穿隧道上、下坡段行驶时,不同坡度范围下的车速和心率增长率有一定的差异性,车速和心率增长率均随坡度增大呈现先增加后减少的趋势;城市下穿隧道上、下坡段,车辆速度均是在3.5%~4.0%坡度范围下的达到最大,在城市下穿隧道上坡段行驶时,3.5%~4.0%坡度范围下的驾驶人心率增长率达到最大,而在下坡段行驶时,4.0%~4.5%坡度范围下的驾驶人心率增长率达到最大;驾驶人在城市下穿隧道下坡段行驶时,心率增长率均值均高于上坡段,驾驶人在城市下穿隧道下坡段行驶时比上坡段更紧张;驾驶人心率增长率对坡度敏感程度要高于其对速度的敏感程度,坡度的变动比速度更易引起驾驶人心率增长率的变动,驾驶人的心理紧张程度受坡度的影响较大。     

An optimal model-based trajectory following architecture synthesising the lateral adaptive preview strategy and longitudinal velocity planning for highly automated vehicle

Automated driving has received a broad of attentions from the academia and industry, since it is effective to greatly reduce the severity of potential traffic accidents and achieve the ultimate automobile safety and comfort. This paper presents an optimal model-based trajectory following architecture for highly automated vehicle in its driving tasks such as automated guidance or lane keeping, which includes a velocity-planning module, a steering controller and a velocity-tracking controller. The velocity-planning module considering the optimal time-consuming and passenger comforts simultaneously could generate a smooth velocity profile. The robust sliding mode control (SMC) steering controller with adaptive preview time strategy could not only track the target path well, but also avoid a big lateral acceleration occurred in its path-tracking progress due to a fuzzy-adaptive preview time mechanism introduced. In addition, an SMC controller with input–output linearisation method for velocity tracking is built and validated. Simulation results show this trajectory following architecture are effective and feasible for high automated driving vehicle, comparing with the Driver-in-the-Loop simulations performed by an experienced driver and novice driver, respectively. The simulation results demonstrate that the present trajectory following architecture could plan a satisfying longitudinal speed profile, track the target path well and safely when dealing with different road geometry structure, it ensures a good time efficiency and driving comfort simultaneously.