不同干预方式下右转车辆避让行人效果研究

为探究车辆右转过程中不同干预方式对驾驶人未规避行人行为的改善情况，设计听觉警示、触觉警示、形式惩罚、利益惩罚和道德惩罚5种干预方式，分为控制组、警示组和惩罚组，试验基于眼动仪和模拟驾驶仪展开。定义注视次数、注视点分布信息熵、平均注视时间、视线转移路径、区域关注概率和瞳孔面积6项指标表征驾驶人眼动特性，提取制动踏板深度比例、行车速度2项指标反映车辆运行状态。经方差分析确定各干预方式差异的显著性水平，从注视特性指标、扫视特性指标、瞳孔面积指标、驾驶人制动指标和机动车制动指标5个方面分析不同干预下驾驶人视觉及操纵响应特征，并收集被试反馈的追踪问卷。试验结果表明：不同干预方式对右转车辆未避让行人均有规范作用，各组干预效果由强到弱依次为利益惩罚、道德惩罚、形式惩罚、触觉警示和听觉警示。利益惩罚性主动干预效果优势显著，注视点分布信息熵最高为0.74，右侧平均注视次数为6次，平均注视时间增加至13.25 s，驾驶人对右侧注视概率增加至0.403，瞳孔面积明显增大，制动踏板深度比例维持在0.8，右转车速下降至20 km·h^-1以下，谨慎驾驶程度和避让行人意识均有提升。一致性追踪问卷调查表明，结束试验时32%的驾驶人对利益惩罚印象深刻，驾驶人对其主观认可度高达83%，具有较强的推广性；该干预方式可帮助驾驶人规范驾驶行为，树立避让行人的安全驾驶意识。     

雾环境下高速公路驾驶人跟驰行为研究

雾环境下驾驶人行车与正常天气相比，在低能见度下视觉参照物较少，驾驶人更倾向于跟驰行驶。为研究雾环境下高速公路驾驶人跟驰行为，以真实雾环境下实车试验方式，选择多条高速公路作为试验路段，以Smart Eye眼动仪获取车辆在雾环境下高速公路驾驶人视觉参数，包含驾驶人注视区域、注视角度、注视持续时间、瞳孔直径、扫视速度以及扫视幅度等，以归一化方法对驾驶人注视重心进行分析，研究不同能见度下驾驶人的跟驰需求，并通过对雾环境下上述视觉参数进行规律总结。对雾环境下驾驶人跟驰特性进行统计及分类，将跟驰行为划分为主动、半主动、半被动以及全被动跟驰；通过分析雾区低能见度下驾驶人跟驰行驶条件，引入多维偏好理论及后悔理论，进行驾驶人跟驰决策模型构建，并基于差分法对模型进行参数标定及验证。研究结果表明：驾驶人在1次跟驰动态过程中，正常车道保持时驾驶人扫视速度较低，而当处于车道调整时，驾驶人扫视速度存在较大波动，且平均扫视速度较高，低能见度下驾驶人注视点转移速度27.0 （°）·s^-1明显低于晴好天气的52.0 （°）·s^-1；驾驶人在跟驰过程中，能见度对驾驶人跟驰时的视觉特征有显著影响，通过跟驰模型构建可为后续雾环境下车辆跟驰前后车距及车速预测提供理论支撑。     

城市水下特长隧道出入口视觉及舒适性研究

为探求驾驶人在城市水下特长隧道出入口的视觉负荷变化特性和视觉舒适性，在上午9：00~10：00的平峰时段，天气良好且交通流影响较小的条件下，选取10名驾驶人于东湖隧道（全长10.6 km，限速60 km·h^-1）以50~60 km·h^-1的自由流车速开展实车试验。利用眼动仪、照度计等试验设备，采集驾驶人进出城市水下特长隧道过程中的瞳孔面积、照度值等试验数据。基于实车试验数据，研究进出隧道过程中驾驶人的瞳孔变动特性，并比较多种评价指标的差异性，选取瞳孔面积最大瞬态速度值为评价指标，对东湖隧道出入口的视觉舒适度进行评价。基于瞳孔面积的变化特点构建了瞳孔面积最大瞬态速度值与瞳孔面积的函数模型，具体分析了出入隧道过程中不同位置的视觉负荷。结合出入口处连续时间序列下光环境的变化特点，分析了出入口的视觉舒适性。研究结果表明：进入隧道过程中驾驶人瞳孔面积的平均增长率较城市普通路段增大至246.561%并趋于稳定，对黑洞效应的适应时间为8.636 s；驶离隧道过程中较隧道内部路段平均增长率减小至62.631%并趋于稳定，对白洞效应的的适应时间为4.273 s；瞳孔面积最大瞬态速度值与瞳孔面积呈正相关性，出入口位置的视觉负荷排序为入口洞内最大、出口洞内次之、入口洞外与出口洞外最小，各区段的视觉舒适性与之相反；研究发现出入口处的格栅式遮光棚可缓解光环境的急剧变化，有助于驾驶人适应黑白洞效应、提升行车安全性。     

老年驾驶人在交叉口的视觉特性（双语出版）

机动车驾驶人主要通过视觉搜索行为获取交通信息,为了分析老年驾驶人进入道路交叉口的视觉特性,建立了5个道路交叉口的虚拟场景,并进行了驾驶模拟试验,采集了21名老年驾驶人和17名中青年驾驶人进入交叉口的眼动数据。应用动态聚类法将驾驶人的视野平面划分为5个注视区域;在此基础上对比分析了2组驾驶人进入交叉口的注视特性、扫视特性、注视转移概率和注视平稳分布概率;并通过灰色关联度矩阵分析了影响注意转移行为的因素。分析结果表明：老年驾驶人对非行驶方向上的注视区域的注意都相对较差,2组驾驶人的注视持续时间、扫视幅度和扫视平均速度存在较大的差异,其中老年驾驶人的扫视幅度和扫视速度明显低于中青年驾驶人,而且老年驾驶人的注视点分布在车辆正前方区域的平稳分布概率为80.7%,比中青年驾驶人的69.3%高11.4%,并且具有显著性差异,说明老年驾驶人注视转移模式的灵活性相对中青年驾驶人较差。     

老年驾驶人在交叉口的视觉特性

机动车驾驶人主要通过视觉搜索行为获取交通信息,为了分析老年驾驶人进入道路交叉口的视觉特性,建立了5个道路交叉口的虚拟场景,并进行了驾驶模拟试验,采集了21名老年驾驶人和17名中青年驾驶人进入交叉口的眼动数据。应用动态聚类法将驾驶人的视野平面划分为5个注视区域;在此基础上对比分析了2组驾驶人进入交叉口的注视特性、扫视特性、注视转移概率和注视平稳分布概率;并通过灰色关联度矩阵分析了影响注意转移行为的因素。分析结果表明:老年驾驶人对非行驶方向上的注视区域的注意都相对较差,2组驾驶人的注视持续时间、扫视幅度和扫视平均速度存在较大的差异,其中老年驾驶人的扫视幅度和扫视速度明显低于中青年驾驶人,而且老年驾驶人的注视点分布在车辆正前方区域的平稳分布概率为80.7%,比中青年驾驶人的69.3%高11.4%,并且具有显著性差异,说明老年驾驶人注视转移模式的灵活性相对中青年驾驶人较差。     

城市隧道长度对驾驶人视觉特性影响分析

为了探究城市隧道长度对驾驶人视觉特性的影响,开展了城市快速路隧道行车实验.采用Tobii Pro Glasses 2可穿戴式眼动仪采集驾驶人行车过程中的瞳孔直径、扫视时间以及注视点分布数据,运用数据拟合的方法分析城市隧道长度对驾驶人瞳孔直径及扫视时间的影响规律,从安全注视区域的角度分析驾驶人注视点分布对行车安全的影响.结果表明,城市隧道长度小于1 km的短隧道对视觉特性影响较小,驾驶人瞳孔直径最大值较小,扫视百分比相对较低;长度介于1~2 km的城市隧道对视觉特性影响显著,在此区间随着隧道长度的增加,瞳孔直径最大值显著增大,扫视百分比迅速增加;隧道长度超过2 km以后,瞳孔直径最大值不再继续增加;城市隧道长度越大,驾驶人注视点分布越离散,行车风险越大.研究成果可以为城市隧道交通安全设施设计及交通组织提供科学依据.      

考虑驾驶人安全与视觉特性的高速公路路堑边坡景观优化

为了提升高速公路路堑边坡的景观效益及安全价值，提出考虑驾驶人安全与视觉特性的路堑边坡景观优化思路。首先结合驾驶人视觉特性，以行车视距、注意力集中点和最深视野为参数，对高速公路视觉敏感度进行分区研究，得到高、中、低3级视觉敏感区空间范围。其次对路堑边坡进行景观比重研究，结合净区设置规范，进行净区和景观比重数值模拟计算，得到坡率为1∶8~1∶0.75的路堑边坡在6组坡高下满足净区设计规范之后的景观坡面占据高视觉敏感区的景观比重值。最后结合模拟结果提出路堑边坡优化建议，使其在保障驾驶安全的基础上实现景观效益最大化。结果表明：车速为80 km·h^-1时，高视觉敏感区宽37 m、高10 m，中、低视觉敏感区均宽119 m、高82 m；路堑边坡坡高为0.75 m时，坡率为1∶8~1∶7的边坡景观比重可以超过50%，坡高大于3 m时，缓于1∶1.5的路堑边坡坡长占据高敏感区的景观比重接近定值71%；坡高一定时，路堑边坡坡率越缓，越容易满足净区宽度设置要求，可在增强交通安全属性的同时提升边坡景观展示效率。     

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。     

手机操作类型对驾驶人跟车行为的影响

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。     

超速行为多通道告警及差异化矫正研究

为了对超速行为进行有效控制，研究多通道告警系统以及差异化矫正系统对不同风险等级超速行为的干预矫正效果。试验基于模拟驾驶三维仿真平台，搭建包含隧道在内的限速高速公路场景，将招募的48名被试平均分为对照组、告警组、矫正组以及告警-矫正组，采用自主设计的多通道告警系统以及差异化矫正系统进行模拟驾驶试验。结果表明：在驾驶表现方面，与对照组相比，告警组的平均车速离差减小，但可接受风险超速比例显著增加，矫正组的平均车速显著降低，比对照组低8.31 km·h^-1，告警-矫正组超速时间比例最低，在可接受风险、低风险以及高风险超速行为下，其平均超速比例分别低至6.55%、0.18%和0.01%；在主观评价方面，告警-矫正组在有效度、接受度、使用度、推广度、满意度、理解度、轻松程度和注意力分散程度等8个维度的综合评分最高；在视觉特性方面，相比矫正组，告警-矫正组的积分界面注视频率以及积分界面注意力分配率均显著下降，对限速标志牌的注视频次最高，且单次视线离开路面时长在462~982 ms区间，表明告警-矫正组合系统在不干扰驾驶人安全驾驶的情况下，提高了驾驶人主动控制超速行为的意识。     

基于车桥耦合振动的RC系杆拱桥加固效果评价

为了对采用吊拉主动加固方法的钢筋混凝土系杆拱桥进行基于车桥耦合振动分析的加固效果评价,首先,利用ANSYS软件建立空间梁、板和杆单元的桥梁结构有限元梁格模型,并选取三轴9自由度的车辆模型及路面不平度等级B分别模拟实际车辆及桥面状态,将梁格模型调入BDANS软件,通过数值模拟车、桥动力响应,计算得到桥梁动位移、加速度响应,研究加固前后桥梁控制截面所受到的动力冲击作用;然后,分析桥梁加固前后不同位置加速度响应的频谱特征;最后,对依托工程动力特征、动态响应及车桥耦合作用的实测值与理论值进行比较分析。结果表明：通过该方法加固后结构的竖向自振频率较加固前均有提升,但提升幅度较小;加固前后结构不同位置的动力响应随车速增加呈逐渐增大的趋势,且车速在60～80 km·h^-1时,加固后结构跨中截面的动力响应降幅最大;加固后结构控制截面的加速度均方根值小于加固前,根据其变化幅值建议车辆通过加固后桥梁结构的速度为60 km·h^-1,以保证行人过桥时的体感舒适度、通行效率及行车安全;通过理论值与实测值的对比分析,验证了基于车桥耦合振动分析方法对桥梁结构加固后行车性能评价的有效性。     

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...     

行人被面包车碰撞的运动学规律

为了丰富人车碰撞事故运动学理论,同时为面包车碰撞行人事故的分析鉴定提供理论支撑,对20～110 km·h^-1车辆碰撞速度下行人被面包车碰撞后的运动规律进行研究。利用多刚体建模系统PC-Crash软件构建面包车与行人碰撞仿真模型,并通过仿真获得多种碰撞条件下行人碰撞后的纵向/横向抛距、抛射高度、抛射角度、空中旋转圈数、躯干合成速度和头部合成加速度等运动学数据。结合国家车辆事故深度调查体系（NAIS）中14例具有可靠数据的事故样本进行比较验证。定义并提出了行人被面包车碰撞后的拱推型运动形态,以区别于长头车碰撞的卷绕型和平头车碰撞的推掷型。结果表明：拱推型碰撞中行人会在瞬间被加速到车辆碰撞速度的111%～127%;在高速（110 km·h^-1）碰撞中,头部合成加速度值超过3 000 m·s^-2,头部损伤指标（HIC）值超过7 500;行人空中旋转不超过3圈,被抛高度不超过4.0 m,抛射角度介于6°～11°;行人抛距与车辆碰撞速度之间的关系可以用幂函数模型进行描述;碰撞接触位置、车型外廓参数、行人行走速度和行人碰撞姿势对行人被抛运动形态有一定程度的影响,相对标准碰撞的影响程度一般在5%以内,最大不超过10%（边翻型除外）;行人头部损伤安全界限（HIC值为1 000）对应的车辆碰撞速度约为55 km·h^-1;边翻型碰撞中行人的运动形态与拱推型差别较大,横向抛距最大可达12.0 m。     

网联环境下高速公路辅助驾驶车辆编队评估

为评估智能网联环境下高速公路辅助驾驶车辆编队的效果，首先基于V2X （Vehicle to Everything）和智能驾驶人模型（Intelligent Driver Model，IDM）对网联环境下的车辆跟驰行为进行建模，并对其进行参数校准；其次从安全性评价指标和通行效率两方面构建编队效果评价体系；然后通过VISSIM和VBA联合仿真，改变编队的车道、交通流量、网联车渗透率等变量进行试验。仿真结果表明，网联环境下车辆辅助驾驶编队在不同层面对于安全性与效率性都有提升；最后以不同期望速度在网联环境和非网联环境下分别进行实车辅助驾驶编队试验，以验证评价指标体系以及仿真试验的有效性。其中，实车试验结果显示，期望速度为70 km·h^-1时，网联环境下的辅助驾驶编队通行效率比非网联环境提升56%，90 km·h^-1时提升37.2%，110 km·h^-1时提升39.8%。通过与仿真试验结果对比，表明网联环境下车辆辅助驾驶编队对交通流安全性有一定程度的提升。     

纯电动汽车双电机单行星排动力系统构型设计与分析

纯电动汽车是当前缓解能源危机与环境污染问题的理想方案之一。然而，现阶段纯电动汽车的推广和发展却受到续驶里程较短等瓶颈问题的制约，难以得到有效普及。为了克服上述问题并进一步提升纯电动汽车的最大续驶里程和综合行驶性能，提出一种纯电动汽车双电机单行星排动力系统构型方案及其系统分析方法。采用一种表征动力源部件与机械耦合机构节点之间内约束关系的通用矩阵式拓扑设计方法，系统探索基于基础构型方案的所有可行性备选构型，获得各备选构型的输出特性，并自动生成备选构型的拓扑结构表达式和动力学模型。采用基于动态规划算法的全局最优控制策略对所有备选构型的最佳经济性和最佳动力性能进行仿真，通过比较备选构型的性能以筛选获得综合性能出色的双电机单行星排动力系统构型。研究结果表明：通过该方法对备选构型的最优能耗经济性与极限最优动力性能进行仿真测试，共获得25种满足能耗与动力性能筛选条件的构型；以单电机驱动构型方案作为参考构型，最终得到5种最优能耗经济性与最优动力性能均优于参考构型的优化构型方案解集，其中具有最佳经济性和动力性构型的0~120 km·h^-1极限加速时间为10.973 1 s，最优能耗经济性为13.610 6 kW·h·100 km^-1；该方法能够有效筛选获得经济性和动力性能优异的纯电动汽车双电机单行星排动力系统构型，进一步提升纯电动汽车的最大续驶里程和综合行驶性能。     

基于高频高精度定位信息的车辆轮廓冲突瞬时预测方法

车辆避撞预警系统是高级驾驶辅助系统（ADAS）研究的关键内容，也是降低道路事故率的有效途径。目前，车辆避撞预警的一般实施途径是通过在车辆上布设多元传感设备进行相对间距检测，并通过智能算法对碰撞条件进行判断。但由于该方法存在传感设备成本高昂、受环境噪声影响大等缺点，应用条件仅局限于单车智能。基于此，在卫星导航、车路协同技术快速发展的背景下，提出一种依托北斗高精度定位技术，利用车载终端获取高频（5 Hz）、高精度（厘米级）车辆定位数据进行车辆避撞预警的方法，该方法立足车路协同角度，构建包括路侧北斗连续运行参考站系统、车路通信系统、车载定位预警终端的车辆避撞预警体系，并建立基于实时位置信息的车辆轮廓冲突瞬时预测模型。为验证模型可靠性，设计动、静态试验对定位精度进行验证，并在西安绕城高速约7 km试验路段开展3次实车试验，共采集约6 000个有效样本数据对轨迹预测精度进行评估。研究结果表明：静态条件下，用于评价定位精度的圆概率误差C_EP50，C_EP95分别为1.51，3.24 cm；行车速度为80~100 km·h^-1条件下，通过2 317组数据对比分析，采用车载定位设备与成熟产品天宝接收机（亚米级精度）获取的定位数据的误差均值为1 cm，标准差为1.38 cm；行车速度为80~100 km·h^-1条件下，定位数据的真实值与预测值的横向误差标准差可达厘米级，纵向误差标准差可达分米级，该级别精度可满足车辆避撞短临预警要求。     

驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。