基于ERP技术的疲劳对驾驶人行为监控能力影响研究

为探究疲劳对驾驶人行为监控能力的影响性,采用模拟驾驶任务和Go/NoGo任务相结合的双任务试验,利用事件相关电位(ERP)技术,分析30名驾驶人的表征行为监控能力的脑电指标(ERN波幅)和驾驶行为指标(车道偏移标准差、方向盘反转率、速度标准差)的相关性,以验证所选驾驶行为指标表征行为监控能力的有效性;分析试验任务第1阶段(0~15min)和第2阶段(75~90min)的ERN波幅、车道偏移标准差、方向盘反转率、速度标准差的差异性,以探究疲劳对行为监控能力的影响机理。研究结果表明:ERN波幅和车道偏移标准差、方向盘反转率、速度标准差存在显著相关性;与试验任务第1阶段(0~15min)相比,第2阶段(75~90min)的车道偏移标准差、方向盘反转率、速度标准差显著增加,额中央区的ERN波幅显著降低;疲劳可导致驾驶人由前额叶调控的行为监控能力受损;车道偏移标准差、方向盘反转率、速度标准差这3项指标可作为测定行为监控能力的驾驶行为指标。     

基于人机工学的固有驾驶信息盲区界定研究

为界定驾驶员固有信息盲区,提高驾驶信息的有效识读率,研究了驾驶信息固有盲区．按不同道路类型,运用视觉几何学原理,构建了驾驶员视觉盲区模型;运用心理声学模型及逆声场空间转换技术,构建了驾驶员听觉视觉盲区模型．通过计算示例验证了模型的实用可行性．     

配送中心客户服务质量综合评价研究

在确立配送中心客户服务质量综合评价指标体系的基础上,对配送中心作业的全过程进行考虑,采用定量与定性相结合的方法,建立服务质量二级模糊综合评价模型,在对配送中心的客户服务质量进行综合评价时,可以取得较好的效果.     

配送中心客户服务质量综合评价研究

在确立配送中心客户服务质量综合评价指标体系的基础上，对配送中心作业的全过程进行考虑。采用定量与定性相结合的方法，建立服务质量二级模糊综合评价模型，在对配送中心的客户服务质量进行综合评价时．可以取得较好的效果。     

动车组人机控制界面背景色对识别效率的影响

分别以红、橙、黄、绿、青、蓝、紫、灰、白和黑10种颜色作为人机控制界面的背景色,测试动车组司机的视觉识别效率.首先采用对称截尾法估计测试者对颜色组合的识别效率,然后采用Wilcoxon样本秩和检验法比较不同背景色时颜色组合识别效率的显著差异性,最后采用U统计量法为存在识别效率显著差异的背景色进行排序.计算结果表明:用黑色作背景色,颜色组合识别效率有显著差异,且优于其他9种颜色.因此动车组控制系统人机控制界面的背景色设置成黑色能提升司机的视觉识别效率.     

基于单调关联系统的驾驶行为可靠度计算方法

为合理评估驾驶员驾驶行为的可靠性,提出了驾驶行为可靠度计算方法,将人机系统可靠性理论与驾驶行为链相结合,构建了基于感知、判断、操作元件及模块组的驾驶行为可靠性框图,确定了单项器官元件可靠度测试与计算方法,运用单调关联系统理论给出了功能模块可靠度及驾驶行为系统可靠度的量化模型,计算了模型中各生理、心理元件概率重要度,分析了其对驾驶行为的影响度。计算结果表明:事故组与非事故组间行为可靠性存在明显差异,非事故组的可靠性整体大于事故组,但整体可靠性呈下降趋势,事故组驾驶员整体操作稳定性较差;生理因素对驾驶行为可靠度影响度前期较大后期较小,而心理因素则相反。     

铁路行车安全保障体系层次结构分析

借助系统分析方法的思路,全面勾画出系统的层次结构以及各层问的相互联系与功能,阐明行车安全保障体系的本质及其运作模式,可供在实际应用结合现场的实际情况,构建形式各异、符合实际的行车安全保障体系,以确保铁路行车安全。     

铁路行车事故救援理论与技术体系探讨

目前对铁路行车事故救援的研究众多，但均停留于救援装备、事故分析、技术方法的层面上。而未能从系统机理、救援原理、体系结构的角度对其研究内容及研究框架予以界定。针对上述问题，本文沿着救援体系规划、救援管理、救援实施这一纵向思维轴，系统地构建了铁路行车事故救援的研究体系，并将其划分为理论体系、技术体系及管理实施体系，并在此基础上对各子体系间相互关系及各体系的具体研究内容与框架结构进行了分析确定，从而从空间架构上形成铁路行车事故救援研究体系。该体系的建立为我国铁路现场事故救援体系的规划、设计、管理与实施提供参考与依据。     

驾驶员注意力量化转换模型研究

为研究驾驶员注意力转移规律,提出驾驶员注意力转换模型.将驾驶注意力分布状态划分为驾驶态、干扰态、内敛态,构建注意力转移状态空间.依据短时连续驾驶过程中注意力分布的齐次性,将马尔科夫过程引入到研究中,构建连续短时片段内驾驶员注意力转移模型.针对长时连续驾驶中注意力在各状态分布的非齐次性,通过时段划分采用短时模型叠加的方法得到长时连续驾驶注意力转移的近似处理模型组.结合实验数据对模型进行了检验,结果分析表明平均误差MAPE均小于5%,具有较高精度,模型可用.     

基于贝叶斯判别的驾驶行为危险状态辨识

为有效辨识危险性驾驶行为,以事故发生概率为依据,对驾驶行为的危险状态分级.采用单因子方差分析提取危险状态辨识主因子.基于贝叶斯判别构建了驾驶行为危险状态辨识模型.将在连续驾驶条件下5名驾驶员驾驶行为状态指标测试数据分为两组,分别用于标定与测试模型.测试结果表明错判率为4.3%.