L3级自动驾驶汽车的接管安全性评价模型

为评价L3级自动驾驶车辆接管的安全性,基于驾驶模拟器设计了双向六车道高速公路环境下的接管场景并进行驾驶模拟实验,驾驶人在自动驾驶过程中始终执行视觉次任务操作,次任务为观看3种难度等级的箭头图,接管场景为自车行驶中遇到同车道前方的一辆抛锚车辆,接管请求时间设为7 s,自动驾驶车辆的速度为110 km/h。实验共计招募了49名被试(男性30名,女性19名),平均年龄为31.06岁(标准差为7.10岁)。当车辆发出听觉+视觉的接管请求信号后,被试应通过按下转向盘上的切换按钮来获取车辆的控制权。以最小TTC的组别为因变量,设定最小TTC小于等于1 s为危险组,大于1 s为安全组,利用二元logistics回归建立接管安全性评价模型。研究结果表明:7 s的接管请求时间条件下,影响接管安全性的因素主要是接管反应时间和次任务,本文中建立的接管安全性评价模型的预测准确率达85.5%。     

驾驶次任务沉浸等级对接管行为的影响分析

为探究自动驾驶中驾驶次任务沉浸等级对接管行为的影响,基于驾驶模拟器搭建自动驾驶接管行为测试平台,设计事故接管场景,基于驾驶次任务(娱乐任务和工作任务)和接管请求时间(5 s和10 s)因素组合开发4个事故接管情景,招募被试参与驾驶模拟实验并采集驾驶人的接管行为数据,选择速度、横向偏移、接管反应时间和接管正确时间4个指标...     

城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响，基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验，接管请求时间分别设定为3，4，5 s，非驾驶相关任务为读新闻、看视频、玩游戏，自动驾驶车速为50 km·h^-1，试验中共招募了49名被试（男性30名，女性19名），被试的平均年龄为31.06岁（标准差为7.1岁），驾驶人在自动驾驶阶段始终执行非驾驶相关任务，听到接管请求提示后需要接管车辆的控制权，并实施紧急避让操作。研究结果表明：在紧急接管情况下，接管紧迫度对合成加速度和最小TTC有影响，而对接管时间无影响，与5 s的接管请求时间条件相比，3，4 s的接管请求时间条件下的合成加速度明显增加，而最小TTC则随接管请求时间的减少而降低；非驾驶相关任务对接管时间和最小TTC有影响，而对合成加速度无影响，与无非驾驶相关任务相比，非驾驶相关任务会显著增加接管时间和降低最小TTC；碰撞几乎都发生在3 s和4 s的接管请求时间下，5 s的接管请求时间能够基本保证接管的安全性。     

自动驾驶中不同变量对驾驶人接管时间和心率的影响

为研究自动驾驶中驾驶人在人机转换过程中的接管反应和生理特性,基于模拟驾驶平台设计了自动驾驶场景,对22名驾驶人进行了试验。使用双因素方差分析研究不同次任务和驾驶人性别对接管时间、驾驶人心率指标的影响,使用Pearson相关性检验分析接管时间和驾驶人心率指标的相关性。研究结果表明:与次任务为看书相比,次任务为玩手机时驾驶人的最大心率增长率、操纵时间显著增加,反应时间显著减少;与男性驾驶人相比,女性驾驶人的总接管时间显著减少;不同的次任务与性别对心率恢复平静时长无显著影响;反应时间与操纵时间之间有较小的负相关性,最大心率增长率与心率恢复平静时长有较小的正相关性。     

紧急状况下车辆操作特性的仿真研究

对车辆直道行驶时障碍物突现和弯道路面状况紧急变化时的车辆操作特性进行了研究。采用一种新型的交通环境驾驶模拟装置,研究紧急避障时的操作方式和反应时间及弯道行驶时的转向回避模式。结果表明,在直道行驶紧急避障操作时,年轻被试者比年长被试者的制动反应时间少约0.25 s,且制动操作比转向操作要早,车辆转向共振频率对紧急避障操作有一定的影响。     

分心对驾驶人交通冲突反应时间的影响(双语出版)

为了研究分心对交通冲突状态下驾驶人反应时间的影响,采用驾驶模拟器构建城市道路交通环境下2种典型冲突形态：侧向行人冲突和纵向追尾冲突,设计认知、视觉以及发短信（认知+视觉复合分心）3种分心任务,在不同行驶车速、跟车时距、前车减速度等紧迫度条件下,采集30名驾驶人应对交通冲突的制动反应时间,分别采用重复测量一般线性模型及线性混合模型进行统计分析。研究结果表明：认知分心使驾驶人应对侧向行人冲突的制动反应时间增加0.09 s,但未观察到其对纵向追尾冲突反应时间的显著性影响;视觉分心与发短信都会延缓驾驶人应对侧向行人（分别增加0.31 s和0.27 s）以及纵向追尾冲突（分别增加0.47 s和0.38 s）的制动反应时间;此外,在纵向追尾冲突中,随着冲突紧迫度提高（前车减速度增大、车头时距减小以及自车速度增大）,驾驶人制动反应时间显著减小。表明驾驶分心延长了驾驶人应对交通冲突的反应时间,容易导致事故的发生,具体而言,认知分心主要延长驾驶人应对侧向冲突的反应时间,涉及视觉的分心同时延长驾驶人应对侧向及纵向冲突的反应时间;视觉分心对驾驶人反应时间的延长显著性高于认知分心,说明视觉分心对行车安全影响更大。     

驾驶人跟车风险接受水平对其接管绩效的影响

自动驾驶接管是一种安全性要求很高的手动驾驶操作,可能会受到驾驶人手动驾驶安全习惯的影响。本文基于驾驶模拟器分别设计了手动驾驶跟车和自动驾驶接管实验,研究了驾驶人的手动跟车风险接受水平对其接管绩效的影响,同时考虑了接管时间预算和视觉非驾驶任务的影响。结果表明:在日常驾驶中具有低跟车风险接受水平的驾驶人接管反应时间更短,并且在监控自动驾驶条件下,接管后表现出更低的纵向碰撞风险。此外,当驾驶人处于视觉分心状态时,5 s的接管时间预算会导致驾驶人接管后出现较差的横纵向稳定性和极高的纵向碰撞风险。本研究的结果可为个性化自动驾驶系统的设计提供理论依据。     

不同情景下自动驾驶接管行为的影响特征

为探究不同情景下自动驾驶接管行为的影响特征,面向驾驶人、自动驾驶车辆、交通环境等内容提出自动驾驶测试研究框架。基于驾驶模拟技术开发自动驾驶测试平台,通过案例验证其有效性,为自动驾驶相关技术的测试评估提供有力支撑。研究以接管场景、接管请求时间、驾驶次任务、交通流为要素设计18个高速公路接管情景,邀请被试开展驾驶模拟试验测试。从主观维度探究驾驶人对自动驾驶的适应性差异,从客观维度构建广义线性混合效应模型,研究驾驶人属性因素(性别、年龄、驾龄)和接管情景因素(接管场景、接管请求时间、驾驶次任务)的主效应及其交互作用对接管行为的影响。统计分析结果表明：①性别因素对自动驾驶的信任度和状态感知度有统计学差异,男性对自动驾驶的适应性高于女性;②驾驶人的年龄和驾龄因素对试验前和试验后的技术接受度具有显著影响,对技术信任度和状态感知度具有统计学差异,中年人和老年人、中驾龄和高驾龄人群的适应性相对较高;③不同因素水平对应的接管成功率、正确率和第一操纵行为不同。广义线性混合效应模型结果表明：①接管情景因素及其交互作用对接管行为指标具有显著影响;②模型中引入驾驶人属性因素,发现与接管情景因素存在交互效用。研究基于驾驶模拟技术开发自动驾驶测试平台的方法具有一定的推广性,研究结果可为深度挖掘自动驾驶接管行为影响因素及其作用机理奠定基础。     

基于驾驶人分心影响程度的驾驶分心任务评级

为了进行驾驶分心任务评级,以选择反应判断检测和处置判断检测为试验平台,分析分心任务对驾驶人的影响.对13名被试驾驶人施加分心任务,包括视线遮挡、交谈、回忆、数学计算及部分任务的组合,并将各种分心状态下的反应时间及操作错误次数与无分心任务时进行对比.研究表明,在无驾驶操作的情况下,视线偏离1 s和交谈所产生的分心对驾驶人反应时间和操作准确度影响的差异不显著;认知分心任务比视觉分心任务产生更高的精神负荷;视觉分心与认知分心形成的复合分心任务对驾驶人的反应时间和操作准确度影响最大;基于对驾驶人的影响程度,可将常见分心试验任务大致划分为5个等级,依次为:无分心,视觉分心1 s/交谈,回忆,视觉分心3 s/计算,复合分心.     

分心对驾驶人交通冲突反应时间的影响

为了研究分心对交通冲突状态下驾驶人反应时间的影响,采用驾驶模拟器构建城市道路交通环境下2种典型冲突形态:侧向行人冲突和纵向追尾冲突,设计认知、视觉以及发短信(认知+视觉复合分心)3种分心任务,在不同行驶车速、跟车时距、前车减速度等紧迫度条件下,采集30名驾驶人应对交通冲突的制动反应时间,分别采用重复测量一般线性模型及线性混合模型进行统计分析。研究结果表明:认知分心使驾驶人应对侧向行人冲突的制动反应时间增加0.09s,但未观察到其对纵向追尾冲突反应时间的显著性影响;视觉分心与发短信都会延缓驾驶人应对侧向行人(分别增加0.31s和0.27s)以及纵向追尾冲突(分别增加0.47s和0.38s)的制动反应时间;此外,在纵向追尾冲突中,随着冲突紧迫度提高(前车减速度增大、车头时距减小以及自车速度增大),驾驶人制动反应时间显著减小。表明驾驶分心延长了驾驶人应对交通冲突的反应时间,容易导致事故的发生,具体而言,认知分心主要延长驾驶人应对侧向冲突的反应时间,涉及视觉的分心同时延长驾驶人应对侧向及纵向冲突的反应时间;视觉分心对驾驶人反应时间的延长显著性高于认知分心,说明视觉分心对行车安全影响更大。     

平直高速公路低交通量下L2自动驾驶对驾驶人心理负荷的影响

为研究驾驶人在L2自动驾驶模式下的心理负荷特性,设计了正常驾驶和次任务驾驶2种状态,进行实车高速道路试验,采集21名被试驾驶人在2种驾驶状态下分别选择手动驾驶和自动驾驶模式的眼动数据、次任务绩效和主观评价数据.采用重复测量一般线性模型,分析不同驾驶模式对上述参数的影响,从客观和主观两方面分析驾驶人的心理负荷变化.结果表...     

邻车切入工况下前撞预警系统的驾驶人依赖特性

为提升邻车切入工况下的行车安全,基于驾驶模拟实验平台,研究了驾驶人对前撞预警系统的依赖特性评价方法以改进预警系统的设计。以预警时机(即碰时间TTC)为研究变量,采集了12名驾驶人的实验数据,以制动依赖指数、次任务评分为2项客观指标,以危险度评分、信任度评分为2项主观指标,建立了评价体系模型,实现了对驾驶人系统依赖程度的量化评价。设计了L9(34)正交实验,建立了依赖特性评价回归模型。结果表明:预警时机(TTC)对依赖特性的影响最为显著:过晚的预警时机(TTC=2.4 s)降低系统的有效性;过早的预警时机(TTC=1.2 s)易导致驾驶人对系统过度依赖。因而,适度推迟预警时机(TTC=1.8 s)可以抑制依赖性的产生,提升系统的安全性。     

预期接管场景下接管绩效及接管风险研究

为了解条件自动驾驶预期接管场景下,预提醒(有预提醒和无预提醒)、速度差(30 km·h-1速度差和无速度差)和接管预留时距(5 s预留时距和7 s预留时距)对驾驶人接管绩效的影响,基于驾驶模拟器,设计了高速公路出口前的预期接管场景,进行接管过程的模拟驾驶试验.试验共招募39名被试(26名男性,13名女性),被试平均年龄...     

基于自然驾驶数据的跟车场景潜在风险评估

为弥补传统风险评价指标对相对速度较小的跟车场景危险水平评价能力的不足，减少跟车场景中追尾事故的发生，提出了跟车场景潜在风险的概念。将假定前车以较大制动减速度减速条件下的风险称为潜在风险，并构建了代表驾驶人在潜在危险跟车场景下进行避撞操作需满足的最大反应时间的参数时间裕度（TM）。由于追尾危险工况中常见采取的避撞操作可分为制动和制动转向两大类，分别对典型制动避撞过程和制动转向避撞过程进行了分析，从而推导出分别针对2种跟车潜在危险场景的TM计算方式。通过自动筛选与人工筛选结合，获得了中国自然驾驶数据库（China-FOT）中具有中国驾驶人特点的制动避撞危险工况87个和转向制动避撞危险工况40个进行分级，并基于图像处理方法提取了前车制动开始时刻的TM值，从而得到跟车场景潜在风险两级危险域的划分。结果表明：制动避撞场景下，本车车速过低和过高时，TM值的变化均不明显；而在制动转向避撞场景中，只有速度较高时阈值才保持不变。通过对正常驾驶视频的分析，引入对比组共计正常跟车制动工况163例和正常跟车转向变道工况151例的车头时距（THW）值，其统计分析结果与支持向量机分类结果均难以清晰描述跟车场景危险水平与本车速度之间的关系。为研究跟车场景潜在风险评价在自动驾驶中的应用，对于制动避撞场景，在设定TM值不变和相对速度不变的条件下，分别对基于TM的最小相对距离和距离碰撞时间（TTC）值进行了仿真，仿真结果显示，相比于TTC而言，TM的评价稳定性受相对速度影响小，在自动驾驶跟车策略开发和避免其发生责任追尾事故中有重要应用价值。     

使用手机对低龄驾驶人可靠度影响的模拟驾驶实验分析

以驾驶模拟器为实验平台,分析使用手机对驾驶可靠度的影响.通过40名驾驶人参与模拟驾驶实验,统计比较不同通话方式下完成的不同驾驶任务,建立使用手机条件下的驾驶人可靠度模型.研究发现:频繁的多次通话后的可靠度将比长时通话的可靠度更低,频繁通话具有较高危险性;可靠度的极限值出现在驾驶人多重失误的情况下,使用手机同时完成双重任务的干扰性远比单一任务大.     

驾驶风格对驾驶行为的影响

为了揭示驾驶风格对驾驶行为的影响规律,进而提取表征驾驶风格的特征参数,对不同风格驾驶人在感知层和操作层的驾驶行为数据进行了量化分析。首先,基于驾驶行为问卷对18名中国非职业驾驶人进行了驾驶风格问卷调查,并采用主成分分析、K-均值聚类等方法将被试驾驶人分为谨慎型、正常型和激进型3种类型。接着,被试驾驶人在搭载了SmartEye眼动仪的驾驶模拟器上开展了高速公路行车环境下的驾驶试验,同步采集了感知层的视觉特性参数和操作层的驾驶绩效参数,并采用判断抽样的方式将驾驶样本按照驾驶风格和驾驶模式（换道意图和车道保持）进行了划分,共选取了810组有效样本。最后,采用方差分析法分析了不同风格驾驶人在不同驾驶模式下的注视行为、扫视行为、横向控制特性、纵向控制特性方面相关参数的差异显著性,并提取了不同风格间存在显著差异的参数作为表征驾驶风格的特征参数。研究结果表明：驾驶风格越激进,驾驶人对周围环境关注越少,对车辆的横向控制稳定性越差,急加速和急减速行为发生的频次越高;不同风格驾驶人在意图时窗内对后视镜的注视次数（p=0.002）、方向盘转角熵值（p=0.04）、加速踏板开度（p=0.01）、制动踏板开度（p=0.02）这4个参数的差异均较为显著,因此可作为表征驾驶风格的特征参数。     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价，由于自动驾驶系统复杂程度的增加及设计运行区域的扩大，面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此，建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法，可解决现有方法在逻辑场景层面安全性评价的缺陷。首先，建立基于自然驾驶数据的逻辑场景构建流程，分析场景描述参数，搭建自然驾驶数据采集平台采集相关自然驾驶数据，采用高斯分布模型描述参数概率分布；进而，离散逻辑场景参数空间获取具体测试用例，并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试，通过高斯模型将测试结果中的危险场景参数聚类，获取被测算法在逻辑场景中的危险区域；最后，综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域，提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数，并以前车制动和前车切入场景为例，给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5，在前车制动场景中具有较大的安全风险，与仿真测试的直观结果相符；通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。