低等级公路隧道轮廓带设置间距优化研究

低等级公路隧道行车环境具有半封闭、低照度、参照物少、养护清洗频率低等特征,导致普通视线诱导设施难以辨识,驾驶人距离感缺失,行车时易对前车及横向车距判断错误,极易造成追尾、碰撞等交通事故。基于车辆跟驰和驾驶人侧向有效视距对隧道车辆安全行驶的影响,进行轮廓带设置间距对车距、车道保持作用的研究,确定可有效提高驾驶人的距离感知能力和车道保持能力的轮廓带合理设置间距。     

驾驶经验和气质类型对驾驶行为的影响分析

驾驶人的生理心理因素会对驾驶人的驾驶行为产生一定的影响已经得到了较多认同,但是通过科学实验进行定量化实证分析的研究还较少。论文首先采用量表测量与仪器测试相结合的实验方法,以专业和非专业驾驶人为实验对象,利用气质类型量表测量驾驶人的气质类型;利用实验车在实际道路交通环境下行驶以获得跟驰车辆对前后车的行驶轨迹,并计算得到影响驾驶行为的关键参数。基于实验数据分析了驾驶经验和气质类型对驾驶人的行驶速度、加速度、跟驰距离、时间间隔等方面的影响。在跟驰时驾驶人的速度和加速度选择方面,专业驾驶人对速度和加速度的选择更加具有自主性,并且内向型性格驾驶人的行驶速度和加/减速幅度一般要小于外向型性格的驾驶人。在跟驰时驾驶人对空间和时间距离的选择方面,无论是跟驰距离还是时间间隔,气质类型对非专业驾驶人空间和时间距离选择的影响更加明显,并且各速度段内向型性格驾驶人选择的空间和时间距离一般大于外向型性格驾驶人;相同气质类型的非专业驾驶人选择的时间间隔都要大于专业驾驶人。经研究建立了驾驶人生理心理特性与驾驶行为特性之间的关系,为分析驾驶人行为特性与交通安全之间的关系奠定了良好的基础。     

基于突变论的高速公路团雾驾驶行为瞬态分析

为揭示团雾环境多车追尾事故致危机理,有必要分析驾驶人进入团雾路段瞬间的驾驶行为特征。通过聚类分析得出:团雾雾段长度、雾发时段和雾发频次等具有突变特征,因此对高速公路团雾环境驾驶行为进行瞬态分析应充分考虑其突变性。以能见度区间为(0,1 500m]、雾段长度小于4km的路段为研究对象,构建基于能见度、视觉区域和行车速度的驾驶行为突变瞬态模型,对车辆驶入团雾路段后的行驶速度、注视区域等指标进行瞬态分析;对比分析在相同能见度的团雾路段,两侧有诱导雾灯和无诱导雾灯2种情况下的驾驶行为。结果表明:车辆从无雾路段驶入到驶离团雾路段过程中,其驾驶行为可大致细分为察觉、确认、紧急制动、加速制动、缓制动、速度保持、微加速、快加速8个阶段;上述各阶段因加速度的变化导致了团雾路段车速离散值增加;与无诱导雾灯路段相比,有诱导雾灯的团雾路段因雾灯补偿了部分因团雾导致的视觉缺失信息,驾驶人的视觉区域直径和视距变大、减速幅度变缓,有助于降低团雾路段车速扰动和突变效应带来的不利影响,提升车辆通过团雾路段的安全性。     

高速公路隧道行车视觉特性分析

从交通安全的角度,为获取高速公路隧道行车视觉特性,利用Tobii Glass2眼动仪在夏季11:00—14:00开展了实车测试实验,采集了驾驶人的眼动数据.选取驾驶人的注视持续时间、平均注视时间、瞳孔直径、注视时间比例、扫视时间比例等指标,利用ErgoLAB平台和Origin数据分析软件对相关指标统计分析.以老山隧道为例,分析了隧道照明分段、半开敞棚洞段和隧道内部视线不良路段的驾驶人视觉特性.实验结果表明,驾驶人在隧道照明出入口段驾驶过程中注视时间比例较高;驾驶人在隧道照明基础段行驶过程中注视时间比例降低,扫视时间比例升高;隧道出口段采用半开敞棚洞结构能够降低驾驶人行驶过程中的注视时间比例及扫视时间比例,减弱驾驶人获取驾驶信息的难度和驾驶过程中的紧张感;驾驶人在长大隧道内部视距不良路段行驶时,注视时间比例集中在70%左右,注视热点区域主要集中在视线正前方.      

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

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。     

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。     

基于状态空间采样的高速公路智能网联车辆轨迹动态规划

为实现智能网联车辆在高速公路动态行车环境下的轨迹实时规划，提出一种基于状态空间采样的轨迹动态规划方法。首先，以安全性为原则选取主车当前行驶的理想车道。基于Frenet坐标与笛卡尔坐标的转换关系，建立车辆运动横、纵向解耦的独立积分系统。将高速公路常见的行驶状态分为车道保持与定速巡航、变道以及前车跟随3类，预测主车行驶车道并针对3类行驶状态分别设计轨迹终端的目标配置方法。然后，利用多项式函数生成连接初始配置和目标配置的多条待选轨迹。构建考虑轨迹偏离理想车道程度、始末速度变化、规划周期和轨迹舒适性的综合损失函数，结合速度、加速度、曲率检查来评价各条待选轨迹的成本并进行排序。最后，预测车辆的横、纵向运动轨迹并构建一种胶囊形的车辆虚拟安全边界，通过碰撞检测，确定主车的最优轨迹，设置动态规划触发条件及时更新最优轨迹并避免过度规划浪费资源。研究结果表明：提出的算法能满足高速公路场景的动态规划需求；通过对轨迹规划周期、虚拟安全边界、动态规划时间间隔等关键参数的分析与优化，主车的横摆角速度范围稳定在-0.1~0.15 (°)·s^-1，横向加速度范围稳定在-0.16~0.32 m·s^-2，跟踪参考轨迹的最大误差不超过0.022 m，提出的算法能规划出具有高安全性、稳定性和舒适性的轨迹。     

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。     

车路协同下HMI对跟驰行为与视觉特性的影响

为研究车路协同系统对驾驶员跟驰行为和视觉特性的影响,基于驾驶模拟器搭建高速公路场景和车路协同环境,针对常规状态和意外事件这2种情况,采集跟驰过程中的驾驶行为数据和驾驶员眼动数据,对比分析了有HMI和无HMI这2种情况下的车头间距、车头时距、加速踏板深度、平均制动次数及驾驶员在每个区域的注视时长和扫视频率等行为变量.分析结果表明,常规状态的跟驰过程中,设置HMI车辆的车头间距和车头时距分别增大12.91%和23.70%,加速踏板使用幅度及制动踏板平均使用次数分别降低7.55%和10.14%,设置HMI可使驾驶员注视车辆前方区域的时长减少,在HMI区域的注视时长占总时长的6.18%,而扫视频率没有明显变化;在意外事件的跟驰过程中,HMI的预警对速度和车头时距产生显著性影响,使方向盘转角和加速度方差变化幅度减小,且在保证安全距离的前提下,通过不停地扫视以获取换道时机.      

雾天驾驶人车辆操纵行为特性及其与追尾风险相关性分析

为分析驾驶人在雾天环境下的车辆操纵行为特性及其与追尾风险的内在关系,设计并开展驾驶模拟试验,采用方差分析,混合效应模型等对晴天、雾天2种环境下驾驶人的车辆操纵行为特性进行对比分析,并利用相关性分析及二元Logistics回归模型对避撞过程中行为间的相互作用及其与追尾风险间的关系进行挖掘.结果表明:雾天环境下驾驶人的车道...     

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。     

雾天环境下高速公路可变限速控制方法研究

针对雾天环境下高速公路能见度下降导致交通安全和效率降低的问题,提出了一套雾天环境下高速公路的可变限速(VSL)控制方法,包括系统布置、工作流程和可变限速控制策略等,可以根据检测到的实时道路能见度和交通流数据,考虑最大安全车速、交通流运行状态和驾驶员遵从度等因素的条件下,综合确定目标路段的限速值.利用G4高速公路实测数据,在Vissim软件中进行了2组对比仿真实验,结果表明,与无可变限速控制相比,实施可变限速控制的1组,最低车速在平流雾(团雾)环境下提高了27.24%(28.54%),同一控制周期下相邻路段的最大车速差减少了26.42%(41.91%).提出的可变限速控制方法在雾天环境下能更有效地保障高速公路行车的安全和效率.      

基于自然驾驶数据的跨江大桥小客车跟驰特性研究

为明确跨江大桥的跟驰行为特征以及驾驶模式,在重庆菜园坝大桥展开了30位被试的小客车实车驾驶试验,使用华测航姿测量系统和前视碰撞预警系统Mobileye 630采集自然驾驶状态下汽车的连续行驶速度、车头时距和车头间距等数据。通过筛选得到了725条有效跟驰轨迹数据,对比分析发现跨江大桥与城市一般道路的跟驰行为存在一定差异性,明确了菜园坝大桥车头时距和车头间距的分布特征,并且对强跟驰(小于1.6 s)、过渡区间(1.6~2.6 s之间)以及弱跟驰(大于2.6 s)3种跟驰状态和驾驶人性别差异下的跟驰数据进行了分析。结果表明:桥梁段车头时距分布集中在1.6 s处,车头间距分布集中在18 m处;超过1/3的跟驰轨迹处于强跟驰状态,此状态下前车驾驶行为对跟驰车辆具有较强制约性;当车辆处于弱跟驰状态时,前车对于后车的约束性会随车头时距的增大而快速降低;过渡区间的设立更好地揭示了强/弱跟驰状态之间的转变并不是只有一个临界值,而是存在一个转换过程,并且其间车辆跟驰特性的变化与驾驶人本身的操作行为存在较大关联;驾驶人的性别差异对跟驰距离几乎没有影响,但男性驾驶人往往会采取更加冒险的驾驶行为,平均车头时距、车头间距以及相对速度均高于女性驾驶人。     

基于多用户驾驶模拟平台的雾天高速公路跟驰模型参数标定及验证

高速公路连环追尾事故多发生在雾天环境下,且容易造成严重的事故人员伤亡。当前的跟驰及追尾风险研究多集中于两车跟驰,缺乏对雾天情况下车队跟驰的研究。利用雾天环境下车队跟驰轨迹数据对传统主流跟驰模型进行标定验证,基于多用户驾驶模拟平台设计了8个不同雾天等级和限速组合的高速公路虚拟场景,开展驾驶模拟试验并采集数据。试验招募了8名男性驾驶人并通过随机调整他们在车队中的位置顺序来获得足够的车队跟驰轨迹数据,根据判定标准筛选合适的车队跟驰轨迹数据,按照2:1的原则分配标定和验证阶段的数据组。选取Newell、Gipps和IDM三个主流跟车模型进行参数标定和验证,以时间序列的车头间距和相对均方根误差(RMSPE)分别作为性能指标参数和拟合优度函数,使用遗传算法搜寻目标函数最小值以标定跟驰模型参数,并用车辆轨迹完整性(CVT)和RMSPE评价验证阶段的仿真结果。结果表明:在标定阶段,Newell、Gipps和IDM三个模型的RMSPE整体平均值分别为30.1%、18.6%和27.7%,各个试验条件下Gipps模型的RMSPE值均小于另外2个模型,说明Gipps模型能更好地拟合试验数据;在验证阶段,Gipps模型的RMSPE整体平均值为21.2%,远小于另外2个模型,可见Gipps模型在局部精确度上的鲁棒性要优于Newell模型和IDM模型;Gipps模型的CVT整体平均值和波动幅度分别为98.1%和2.0%,均是3个模型中的最小值,说明Gipps模型在整体轨迹上的鲁棒性也优于另外2个模型。雾天环境下,Gipps模型具备更好的拟合能力和鲁棒性,因此推荐仿真软件使用Gipps模型模拟雾天环境下车队跟驰行为,不同雾天等级及限速下的Gipps模型参数可参考该研究标定的参数。     

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。     

考虑高速公路运行风险的雨天可变限速方法

为保证雨天环境下高速公路行驶安全，降低道路整体运行风险，结合雨天风险特征，开展考虑运行风险的雨天可变限速研究。首先应用随机森林模型，标定雨天环境下高速公路动静态风险因素的特征重要度，并结合熵值理论，建立高速公路风险模型、计算风险系数、划分风险等级;之后，以空域自适应算法中可变限速推演变化规律为基础，考虑大、小型车的行驶特征，结合预期风险、雨天停车视距、水膜厚度等因素，优化可变限速模型，细化大、小型车辆的初始控制值，进而提出不同降雨强度、不同能见度下的可变限速推荐值；在此基础上，利用驾驶模拟实景仿真系统、心理生理检测设备、微观交通流仿真软件，开展可变限速系统控制值合理性及驾驶人行车适应性与交通流运行状态的实证分析。研究结果表明：随着能见度降低和降雨量增大，在可变限速控制下，驾驶人呈现出交感神经兴奋性减弱、副交感神经兴奋性增强、心理紧张度降低的状态，其平均心率、心率变异性高频值、心率变异性低频值、心率变异性差异值分别由74.13、0.121、0.643、2.37变为78.23、0.192、0.567、2.01，驾驶人对限速方案的适应性良好；同时，可变限速可保证道路整体通行效率，不会造成交通流风险震动，在小型车、大型车限速分别为80、60 km·h^-1和小型车限速60 km·h^-1、大型车禁止驶入场景下，碰撞时间均值、中值大于未限速场景，各车道的行车安全性均能得到保障;提出的雨天可变限速控制方法合理，且具有一定工程适应性，能为异常天气高速公路宏观车流主动防控提供理论支撑。     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限，导致雾天跟驰模型精度不佳，为此在长短时记忆神经网络（long short-term memory，LSTM）跟驰模型的基础上，采用迁移学习（transfer learning，TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验，获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution，LCSS）的迁移样本选择方法，从源域中选出100个样本迁移至目标域中，通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力，得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用，将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比，LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%，比LSTM-T模型减小31.1%、17.0%和29.9%。为对比不同模型在仅有100组目标域样本时的性能，将LSTM-TL模型与Gipps、IDM、BP这3个模型进行对比，LSTM-TL模型的均方误差、均方根误差和平均绝对误差比3个模型中表现最优的Gipps模型减小18.5%、8.0%和25.9%。结果表明:直接将LSTM-S模型应用于目标域的预测，其精度不高，采用样本迁移合理可行；LCSS方法对源域样本筛选有效，由100个源域样本迁移到目标域训练得到的LSTM-TL模型的精度最高；在小样本情况下，拥有较少参数的Gipps模型预测精度优于LSTM-T或LSTM-S模型，但由于迁移学习能够从源域样本中获取知识的特性，LSTM-TL模型有着最高的精度。      

基于视觉特性的驾驶人预瞄时间建模

针对固定时长的预瞄时间无法真实反映驾驶人预瞄行为的问题,首先对自由流条件下的驾驶人视觉特性进行研究,得到直行路段驾驶人注视点多分布在车道中央、弯道路段驾驶人注视点多分布在内侧边缘线附近且视线近似与内侧边缘线相切的结论;在此基础上,探究直行和弯道路段驾驶人预瞄时间的求解方法,并借助驾驶模拟器进行试验,获得了17位驾驶人的预瞄时间。由于预瞄时间的原始数据分布离散程度高,难以直观地体现其随道路线形的变化规律,因而对预瞄时间随道路线形的分布特征进行研究,利用分组求中位数的方法进行数据处理,最终构建预瞄时间关于道路线形的分段线性函数和非线性指数函数。最后,通过数值仿真研究不同类型的预瞄时间（固定时长的预瞄时间、分段线性函数预瞄时间及指数函数预瞄时间）对人-车-路闭环系统动力学特性的影响。研究结果表明：驾驶人预瞄特性会对车辆的轨迹跟随和车道保持绩效产生重要影响;在闭环系统中使用随道路线形变化的预瞄时间可以显著提高车辆的轨迹跟随绩效,确保车辆在指定车道内行驶;驾驶人对道路环境的感知具有自适应性,通过其视觉特性可准确感知环境变化,并据此调整决策目标及其操纵特性。