基于ROC曲线的疲劳驾驶判别方法研究

疲劳驾驶判别是危险驾驶行为研究的主要内容之一,基于驾驶行为的疲劳驾驶判别更加直接.文中选取疲劳状态下的驾驶行为指标作为研究对象,结合不同道路线形分析疲劳对于驾驶行为的影响,获得能在相应的道路条件下显著反映疲劳驾驶的驾驶行为指标.使用ROC曲线方法分别确定不同道路线形下各个驾驶行为指标判别疲劳驾驶的阈值.根据各个驾驶行为指标及阈值,建立疲劳驾驶综合判别模型,并通过对比分析说明基于驾驶行为指标进行疲劳驾驶判别考虑不同道路线形的必要性.研究结果表明,疲劳状态对驾驶行为的影响在不同道路线形上表现不同,基于ROC曲线的疲劳驾驶判别方法可应用于基于驾驶行为的疲劳检测,不同道路线形下平均识别率达75％,平均误判率为16.5％.     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

基于多分类监督学习的驾驶风格特征指标筛选

交通事故与驾驶风格具有强烈的相关性,而驾驶风格的直观体现是驾驶行为.为深入分析驾驶行为与驾驶风格的关联性,探索不同驾驶风格群体之间的差异,筛选驾驶风格分类与识别影响因素,建立驾驶风格识别模型并验证有效性.依托车联网实验数据,利用K-means++算法对驾驶员样本数据集进行驾驶风格聚类,设计支持向量机-递归特征消除(SV...     

BMW精英驾驶培训首开越野驾驶课程

2011年7月,BMW精英驾驶培训在中国鄂尔多斯首次展开越野驾驶培训课程。本培训车辆为全新BMW X3和新BMW X5,由BMW专业培训师授课指导,课程内容结合了公路驾驶、越野赛道驾驶、沙漠赛道驾驶、岩石河滩驾驶四部分,旨在提高学员在不同的路况和驾驶条件下,操控车辆的能力,全面提升驾驶技巧。     

信号交叉口环保驾驶仿真评估

为验证信号交叉口环保驾驶的应用价值,并分析不同因素对环保驾驶效果的影响,构建了环保驾驶车辆与非环保驾驶车辆混行环境下的驾驶仿真平台,并制定了合理的仿真驾驶测试方案.测试过程中采集了不同驾驶员所驾车辆的运动数据,并利用VT-Micro微观车辆燃油消耗与污染物排放模型实时计算车辆的燃油消耗与污染物排放.结果表明,环保驾驶能有效降低10% 以上的车辆燃油消耗与污染物排放;驾驶员性别、年龄对车辆环保驾驶效果无影响;驾驶员接受环保驾驶的最佳驾龄为4~6年;驾驶员环保驾驶训练时长与车辆环保驾驶收益呈显著的正相关关系,且不应低于60 min;信息系统界面宜采用车辆速度曲线表形式;非环保驾驶车辆通过跟驰环保驾驶车辆可获得一定的环保收益;系统整体的环保驾驶收益随环保驾驶车辆的占比上升而增高.      

梅赛德斯-奔驰AMG驾驶学院首次登陆中国

首次落户亚洲的AMG驾驶学院计划在中国最著名的赛道开展一系列专业运动驾驶培训,而近千名运动驾驶爱好者也将有机会接受来自德国专业教练的亲自指导,不仅提高运动驾驶技巧,提升安全驾驶水平。日前150余名中国驾驶爱好者有机会率先体验这一量身定制的运动驾驶培训。     

基于贝叶斯网络的机动车驾驶行为状态分析建模

复杂多变的机动车驾驶环境决定了驾驶行为系统内部各信息之间存在不确定性.利用贝叶斯网络构建驾驶行为状态分析模型,可忽略驾驶行为状态类型与可观测驾驶数据之间的耦合关系,以概率网络形式直观表现观测数据与驾驶行为状态之间的关联.为降低概率解算复杂度,使用基于簇树的贝叶斯网络推理方法推算并预测驾驶行为发生概率.算例结果表明,应用驾驶行为贝叶斯网络模型的车载预警系统能推算出驾驶人行为动作发生概率,从而达到评估驾驶安全等级并预判驾驶人后续驾驶动作的目的.     

考虑驾驶风格的智能车自主驾驶决策方法

为了提升智能车类人驾驶水平,提供符合驾乘者驾驶习惯的个性化驾驶服务,改进了DDPG算法并设计智能车驾驶决策系统,学习不同风格的个性化驾驶策略.招募20位驾驶人参加基于仿真平台的模拟驾驶实验,采集驾驶数据.运用相关性检验方法选择个性化驾驶评价指标,使用K-means聚类方法将驾驶风格进行分类.在基础DDPG算法的输出部分加入线性变换过程,形成改进的个性化驾驶决策学习算法,进而构建个性化自主驾驶系统,以3种驾驶风格作为学习目标,调节线性变换参数,在线训练并测试算法.结果表明,提出的方法比基础算法收敛速度提升21.3%.算法在测试场景中,保持了高于驾驶人的横向控制水平,车道偏移量下降73.0%,且驾驶的车辆未与道路外侧护栏发生碰撞.聚类结果显示,算法通过调节线性变换参数,能够有效学习不同的驾驶风格.      

手机使用对驾驶员行为影响研究综述

驾驶中使用手机通话存在安全隐患,可能直接或间接地导致交通事故.从驾驶时使用手机的原因切入,分析了手机使用对驾驶的影响.手机使用引起驾驶分心从而影响驾驶行为.总结国内外手机对驾驶影响的研究,得出结论.      

试论摩托车自动驾驶技术

我国交通行业快速发展,汽车的自动驾驶技术蓬勃发展,自动驾驶技术具备广阔的发展前景。而摩托车和自动驾驶技术结合,是自动驾驶技术发展的一个方向,也是摩托车行业未来发展的一个方向。本文笔者通过对我国摩托车驾驶技术实际发展情况分析,简介目前摩托车自动驾驶发展中遇到的困难,探讨摩托车自动驾驶技术的发展模式,科学技术推动智能交通发展,改善摩托车驾驶环境。     

公路平面交叉口驾驶行为研究

面对目前公路平面交叉口交通事故严重的现状,为了公路平面交叉口交通事故致因分析和加深对交叉口驾驶行为的了解程度,探讨了公路平面交叉口驾驶行为理论,总结了目前道路交通系统交通事故原因及其导致事故所占比例,分析了交叉口交通系统,给出了影响交叉口驾驶行为的具体因素。在驾驶行为三阶段基础上,研究了交叉口驾驶行为模型,分析了交叉口驾驶行为特征和交叉口驾驶行为与交通事故发生的一般关系。并针对驾驶失误和不安全驾驶行为给出了防止措施,以减少交叉口交通事故。     

汽车驾驶安全隐患预防及对策研究

现阶段,汽车驾驶安全隐患预防是全社会都在关注的课题。掌握汽车驾驶安全隐患的分析 方法,制定完整的汽车驾驶安全隐患应对策略,是实施汽车驾驶安全隐患预防的重要措施。基于汽车 驾驶的实际情况,通过对汽车驾驶中常见的安全隐患进行分析,研究了汽车驾驶的安全隐患预防策略, 提出了汽车驾驶安全隐患预防措施。研究结果有助于交通监管部门开展汽车驾驶安全隐患预防工作。     

深造 2012宝马精英驾驶培训

Do you Know？宝马精英驾驶培训1977年,宝马精英驾驶培训项目正式启动。目前其在中国总共设有五项课程：安全驾驶培训、赛道驾驶培训、冰雪驾驶培训、越野驾驶体验、方程式驾驶培训。授课的每一位培训师都拥有专业赛车背景,并通过德国总部的专业培训和考试。如果这还不能满足你对驾驶技术的需求,你还可以参加国际课程,分别是完美操控课程和纽伯格林赛道魅力课程。     

基于车辆运行数据的纯电动汽车用户驾驶风格识别与驾驶能耗分析

驾驶风格是用来体现驾驶员在车辆运行状态下对车辆操作的行为特征,对用户驾驶风格进行识别与分析,有利于推进智能驾驶的发展。根据基于116 辆纯电动汽车的车辆运行数据,通过主成分分析方法与K-means 聚类算法,对用户驾驶行为进行分类分析,对驾驶风格进行了分类识别。利用XGBoost 算法构建纯电动汽车驾驶行为与能耗输入模型,利用SHAP 对模型进行解释。结果表明,将驾驶风格聚为3 类具有较好的分类效果,可分别对应冷静型、普通型与激进型;当驾驶员的驾驶风格趋向于激进型时时,车辆的驾驶能耗越高,驾驶风格激进一个层级,车辆百公里电耗增加3~4倍。当驾驶员行车时,其车速越高,油门踏板踩得越深,车辆加速度的绝对值越大,车辆的驾驶能耗越高。驾驶员的驾驶风格越激进,车辆的驾驶能耗越高。     

特殊环境下营运车辆驾驶人驾驶安全性评价

道路交通事故90%以上由人为因素引起.为了对特殊环境下营运车辆驾驶人的驾驶安全性进行综合评估,由问卷调查确立典型交通场景下的安全驾驶标准操作,应用层次分析法,从交通规则遵守情况、驾驶行为规范性程度及安全驾驶意识程度3个方面建立驾驶安全性评价体系.运用句法模式识别方法设计安全意识评价算法,对驾驶人在场景中的操作能力进行评价.结果表明,安全驾驶意识程度对驾驶安全性的影响最大.所设计系统在驾驶模拟器中实现,可有效评价特殊环境驾驶人的驾驶安全性,进而降低驾驶人因素引起的事故率.      

激进驾驶状态识别算法研究

为识别和量化激进驾驶这一极易导致交通事故的驾驶状态,建立了激进驾驶状态识别算法。首先根据驾驶的操作特点提出驾驶状态-驾驶行为-驾驶模式3层结构并建立其数学描述。然后基于Stevens幂定律提出驾驶模式激进程度的量化指标——激进指数,并在此基础上建立了激进驾驶状态识别算法以区分不同驾驶状态的激进程度。最后通过不同驾驶状态的实车实验样本完成算法参数确定和算法验证,结果显示该算法能有效识别激进驾驶状态。     

汽车驾驶疲劳分析及其监测

为了揭示驾驶员疲劳驾驶导致交通事故的根本理论原因,本文分析了驾驶疲劳的形成过程及其机理。基于人因工程学角度,以疲劳相关理论为基础,构建了承担驾驶负荷的驾驶员身体系统,并把驾驶行为分为三个阶段,把每一阶段所产生的疲劳严格区分为精神疲劳和体力疲劳。根据驾驶疲劳的程度,把驾驶员的疲劳状况分为了四类,建立了驾驶疲劳累积模型。根据对驾驶疲劳形成的系统分析,概括了现阶段疲劳驾驶监测技术的研究方向,并提出了对疲劳驾驶监测技术的发展趋势和应用前景的建议。     

新手开车小窍门

一、驾驶姿势 正确的驾驶姿势对安全行车是非常重要的,不但可以消除长时间驾驶的疲劳,保证良好的驾驶视野,还可以使驾驶动作更准确、迅速合理。驾驶姿势主要与方向盘及座椅有关,在坐进驾驶席之后,首先应该深深地坐在座椅后部,使腰部和肩部靠椅背上。     

混驾环境下基于主从博弈的多车协同决策规划

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略。其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了自动驾驶车辆的纵向博弈策略。然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中,自动驾驶车辆始终与周围车辆保持安全...     

北京市驾驶行为与影响因素分析

研究北京市驾驶行为的特征及其影响因素。对曼彻斯特驾驶行为问卷进行修订,考虑多种因素对驾驶行为的影响,对135名北京市汽车驾驶者进行问卷调查。经因子分析,得到5个驾驶行为因子分别是＂错误＂、＂失误＂、＂非故意违规＂、＂故意违规＂和＂过激行为＂,符合预期的因子结构。对驾驶行为的各类影响因素进行方差分析,结果表明与驾驶行为紧密相关的影响因素主要是驾驶者的自我评价和态度,如驾驶者对自己是否易受情绪影响的评价和对交通法规的态度等。驾驶培训经历,包括驾驶培训的地点和驾驶培训的时间跨度,也对驾驶行为存在一定影响。性别、年龄等其他因素对驾驶行为的影响相对较小。与西方男家相比,中国汽车化历史较短,驾驶行为具有不同的特点。