驾驶特性对驾驶人应激反应的影响研究

【目的】驾驶人在行驶中受交通应激事件的影响,为探索应激反应的程度展开研究。【方法】采用维也纳交通心理测试系统（VTS）甄选出高驾驶特性组（H组）和低驾驶特性组（L组）各21名被试进行试验,通过统计学方法分析不同驾驶特性群体的应激反应特征,并采用集对分析模型评价被试的应激反应优劣。【结果】研究结果表明：通过检测驾驶人的驾驶特性能力区分其应激反应能力可行,提高驾驶特性能够帮助驾驶人提高应激能力,情况越危急,提高的幅度越大。【结论】试验中,在所有应激距离下,H组的应激反应均优于L组,且应激距离的减少对L组的影响比H组大;在交通应激事件中为驾驶人提供1 s以上交通冲突时间是必要的。     

自动驾驶测试场景研究进展

阐述了目前形成的自动驾驶测试场景的5种定义,并在梳理测试场景、基元场景、场景要素之间逻辑关系的基础上提出了自动驾驶测试场景及有关概念的定义;对比了目前业界较为认可的3种自动驾驶测试场景架构;从场景数据来源梳理了国内外开展的交通事故数据与自然驾驶数据采集与研究现状;概括了利用已知数据、专家数据、测试需求、测试对象以及自动驾驶技术特征等开展未知自动驾驶测试场景构建与自动生成研究的成果。研究结果表明:自动驾驶测试场景的定义及架构与自动驾驶场景的构建与自动生成关系密切;自动驾驶场景可以认为是自动驾驶汽车的行驶环境、交通参与者与驾驶行为等场景要素的有机组合与综合反映,自动驾驶测试场景除包含场景的所有要素外,还应包含场景起始状态、场景发生的态势以及场景结束时造成的影响和结果等内容的动态语义描述;现有测试场景架构已较为完善,但难以满足不同测试目标及测试方法的需求,其优化应充分考虑测试场景设计的流程;交通事故数据采集精度及有效数据特征不一,自然驾驶场景数据难以完全采集,且采集规范不统一,其面向自动驾驶测试场景构建的有效性还有待进一步论证,自动驾驶测试数据有望成为重要补充;提升场景覆盖度、加速测试进程是自动驾驶测试场景构建的重要研究目标,人工智能技术在自动驾驶场景生成领域的深度应用有望满足测试场景的完全覆盖或高覆盖需求;面向不同自动驾驶等级的测试场景分级及面向自动驾驶加速测试场景构建方法将是自动驾驶测试场景构建下一步研究的重要方向。      

认知分心情境下驾驶人应激反应行为研究

选取40名被试,采用2-back任务诱导认知分心,利用驾驶模拟系统构建行人-机动车、非机动车-机动车和机动车-机动车等3种应激场景,开展了不同应激场景正常驾驶及认知分心驾驶2种工况驾驶人的应激反应实验研究;根据采集的被试的眼动、脑电和驾驶行为等数据,分析了认知分心驾驶工况驾驶人的应激反应行为特性;对实验结果进行集对分析(SPA),完成了不同应激场景下驾驶人应激反应行为的安全性评估。结果表明：驾驶人应激反应行为的安全性因受认知分心的影响而降低,其中在行人应激场景下的影响最为显著。     

无信号交叉口横向冲突预警对驾驶行为的影响

针对智能网联汽车在无信号交叉口对横向冲突的避撞问题,本研究设计了横向冲突人机交互预警及横向冲突驾驶模拟试验场景,并分析不同类型预警对驾驶行为的影响规律。运用驾驶模拟器搭建城市道路无信号交叉口并设计横向冲突事件,选取30位驾驶人作为试验对象,应用眼动仪、驾驶模拟平台开展驾驶模拟试验;采集风险场景下驾驶人的眼动、操作行为与车辆运行数据;对比分析各组场景下驾驶人的注视时长和扫视频率及行车速度、制动时间和踩制动踏板速率等驾驶行为特性参数,分别运用方差分析和描述性统计方法分析了预警提示类型和提示时机两个方面对驾驶行为特性的影响。结果表明：网联警告型预警的警示效果优于常规提示型预警,但该类预警使驾驶人操作车辆时的减速度增大至-4 m/s²以上,导致行车舒适性降低;预警提示时机对驾驶行为的影响显著,且预警提示位置宜设置在距离交叉口50～90 m处。研究结果能够为交通安全设施开发者提供有效HMI预警设计建议,提高无信号交叉口通行安全性。     

三车道动态环境下汽车驾驶倾向性的转移概率及其预测

驾驶倾向性是汽车行驶中驾驶员情感偏好等特征的动态测度,易随环境的改变而变化,并影响驾驶员意识和汽车操控行为;另一方面,其类型和转移概率又同时受到后者的作用与影响.准确揭示动态环境下驾驶倾向性转移概率,对实现汽车自动驾驶和辅助驾驶系统具有重要意义.本文以三车道为例,从环境变化,特别是从刻画交通态势复杂性的车辆编组关系演化角度出发,设计三车道条件下的驾驶实验,采集不同行驶环境下驾驶员倾向性并进行统计分析,揭示环境嬗变情况下,汽车驾驶倾向性转移概率.验证结果表明,利用倾向性转移概率对汽车驾驶员倾向性进行预测的结果与实时辨识结果相吻合,平均准确率达80%以上.     

基于深度强化学习的道路交叉口生态驾驶策略研究

在互联和自动驾驶环境下,生态驾驶具有显著的潜力,可提高交通效率并降低能源消耗和排放。本文探讨一种基于深度强化学习算法的生态驾驶策略,该算法可优化互联自动驾驶汽车(CAV)的纵向操纵和横向决策;将状态空间分为与车辆动态特性相关的局部变量,以及与信号交叉口相关的全局变量,确保CAV与环境之间的充分互动;奖励函数综合考虑了车辆的驾驶要求,与信号灯的协同作用以及全局节能激励因素;此外,设计一个典型的城市道路场景训练模型。结果表明,在信号灯和智能体输出协同控制下,本文提出的策略可以实现CAV的生态驾驶,并确保CAV准确驶入目标车道;在动态交通环境下进行仿真显示,通过控制多辆CAV引导人工驾驶车辆,本文方法可将交叉路口的通行能力提高约17.90%,并将交通系统的燃料消耗和污染物排放降低约8.76%。     

自评的驾驶能力与危险类型对年轻新手危险知觉的影响

结合反应时和眼动测量方法,考察自评的驾驶能力与危险类型对年轻新手危险知觉的影响,以更好地解释“为什么年轻新手驾驶员对特定危险的反应时间长”这一现象.43名被试依次完成危险知觉能力自我评估量表和反应时任务.结果发现：驾驶员对真实交通视频中危险的反应时间存在明显的自评的驾驶能力效应;驾驶员高估自己的驾驶能力,会延迟他们的反应时间;当危险的可见性被遮挡时,这种不利影响更大;反应时间的差异是因为评估时间不同,而不是检测时间不同;眼动受危险类型的影响,而不受自评的驾驶能力的影响.研究结果对开发和开展年轻新手驾驶员危险知觉训练具有理论和实践意义.     

基于面板数据Mixed logit模型的自动驾驶选择行为分析

为准确把握自动驾驶环境下出行方式选择规律,引入面板数据Mixed logit模型分析在自动驾驶环境下表征出行者个体社会经济属性的年龄、收入、受教育程度等变量和表征出行方式特性的出行成本、等待时间、在途时间等变量对出行方式选择行为影响作用机理.利用新加坡自动驾驶出行意愿调研获得150位受访者在7个不同情景的1050个选择意愿有效样本数据,构建自动驾驶环境下出行选择行为模型.结果显示:模型卡方检验p值小于0.000说明模型具有较好的适用性;参数估计结果显示人群中不同个体对出行成本、等待时间、出行时间存在较强异质性;边际效应分析显示随着年龄增大选择自动驾驶、公交和步行出行概率增大选择网约车概率降低,当出行成本、出行时间、等待时间增加一倍将使选择自动驾驶出行概率降低近4.0％.     

疲劳驾驶转向特征指标的个体差异敏感度分析

个体差异是影响疲劳驾驶识别的重要因素. 为研究基于转向行为的疲劳驾驶识别受个体差异的影响,本文对疲劳驾驶转向特征指标的个体差异敏感度进行分析. 通过实车试验获得自然驾驶数据,对正常和疲劳状态下的指标进行Kruskal-Wallis(KW)检验,以H 统计量表示指标有效性;以H 统计量最大的单被试为基础逐一与其他被试组成双被试组合,采用线性模型拟合双被试组合的H 统计量和指标个体差异度,以斜率绝对值表征指标个体差异敏感度. 研究获得9 个转向特征指标的个体差异敏感度,结果表明,敏感度越低,指标有效性受个体差异影响越小,其中方向盘转角标准差的个体差异敏感度最低为2.056. 本研究可为转向特征指标的性能评估及疲劳驾驶识别模型的特征选择提供参考.     

绿灯倒计时影响下机动车微观驾驶行为分析与决策建模

机动车在交叉口信号相位切换期间的驾驶行为对于城市道路交通安全至为重要,本文对绿灯倒计时影响下的机动车微观驾驶行为与“通过/停止”决策进行研究.首先,利用驾驶模拟器进行1组单盲实验来提取车辆的接近速度、反应时间、减速度等参数.其次,详细地刻画了车辆进入交叉口范围至行驶至停止线全过程的微观驾驶行为.再次,综合交通因素及驾驶员个体特征等解释变量,建立了随机效应Logistic模型以描述车辆的“通过/停止”决策行为.结果表明：车辆进入交叉口范围后会“先减速,再加速,再减速”,加速通常出现在距停止线30~ 40 m的范围内,且绿灯倒计时与黄灯启亮前期对驾驶员具有催促作用;速度、距离、年龄、性别对车辆的“通过/停止”决策行为具有显著影响;随机效应Logistic模型比Logistic模型更能表征其他未纳入模型的因素及反映不同交叉口与驾驶员的异质性.     

信号交叉口绿色驾驶车速控制方法

信号交叉口是整个城市交通路网中的瓶颈区域.车流经常在路口停车等候造成怠速行驶,严重降低交叉口的通行效率,同时造成严重的汽车尾气排放污染.为了减轻交叉口对交通流的阻断,合理降低信号交叉口的车辆延误、燃油消耗和污染物排放,本文提出了一种基于多级可变速度限制的信号交叉口绿色驾驶控制方法.该方法以可变速度限制值为控制变量,并基于固定式检测器获取的交叉口附近道路交通状况信息对车辆进行速度限制值的实时发布,以实现在不增加旅行时间的基础上平滑车辆驶近交叉口过程中的时空轨迹.通过MATLAB对该方法进行仿真验证,结果表明,其能够有效地降低交叉口的车辆延误,并减少车辆的燃油消耗与污染物排放量.     

逆向可变车道释放特性及其安全评价

运用统计分析比较了设置逆向可变车道的交叉口与常规交叉口之间的安全风险,结果显示设置逆向可变车道的交叉口预信号红灯违规比例明显提高,并且对向车辆在逆向可变车道内行驶的平均速度降低了15.31%;运用概率统计及视频处理技术分析了设置逆向可变车道的左转车流在交叉口内的释放特性及其空间轨迹特点;采用交通冲突技术(后侵入时间)来确定逆向可变车道的车流与左转专用车道的车流在释放过程中的冲突程度,并与双左转车道进行显著性检验,结果显示设置逆向可变车道会增大交叉口内部左转车流之间的干扰程度. 研究成果有助于提高设置逆向可变车道交叉口的安全性.     

驾驶模拟在交通事故致因理论体系中的应用研究

通过分析交通事故致因理论中各种因素的层次和因果关系,对原有的模型进行了修正,建立了间接因素加上两层直接因素的致因理论体系.驾驶模拟方法在事故致因理论的研究中所用甚少,因此,本文针对上述体系的各个直接因素,提出了利用驾驶模拟器进行致因研究的方法.以研究能见度与驾驶员应急反应行为能力关系的驾驶模拟实验为例,验证了利用驾驶模...     

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展, 分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度, 以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类, 重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明: 相比人类驾驶方式, 在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下, CAV油耗节省效果显著, 最高可达63%, 而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下, 驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离; 现有研究将车车通信/车路通信假定为理想数据交互过程, 未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响; 现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景, 以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略; 受限于自动驾驶技术和基础设施尚未成熟和完善, 真实交通场景下的测试验证工作尚未开展; 车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。      

基于驾驶员视认性的畸形交叉口安全视距计算

针对无信号畸形交叉口有别于规则交叉口的几何特性,以及因几何特性的不同而带来的安全问题,通过分析驾驶员在畸形交叉口处观察相交道路车辆情况的过程与特点,利用多自由度驾驶仿真平台,对驾驶员在畸形交叉口的驾驶操作及视认特性进行实验,并根据实验所得数据,提出基于驾驶员视认性的畸形交叉口安全视距计算方法,从而得到基于驾驶员视认性的畸形交叉口视距的计算,并对畸形交叉口平面设计进行建议改善,以满足安全通行的需求。     

小学门前交通安全设施组合优化实验研究

学校地区作为交通安全重点保护区域,已受到各界的广泛关注.本文以提高小学地区的交通安全为目的,并以北京市小学门前交通安全设施对车速的影响为出发点,通过实地调查小学地区道路交通环境、人车之间的冲突等对小学类型进行划分.并通过问卷调查获取不同类型小学门前交通参与者对交通安全设施的需求,进而利用驾驶模拟实验方法对不同的交通安全设施组合方案进行评估.选取平均速度、相对速度变化率、加速度标准差作为方案评价指标,提出不同类型学校门前所应设置的交通安全设施最优组合方案.希望能够为规范小学地区交通安全设施设置提供依据.     

基于行车安全场模型的交叉口车辆控制算法

为了提高网联环境无信号交叉口自动驾驶车辆的行车安全与通行效率问题,首先,建立无信号交叉口的行车安全场模型,构建包括车辆动力性能、制动性能以及通行交叉口所有车辆行车风险的目标函数,并设定相应的约束条件;然后,采用模型预测控制方法优化驶向交叉口车辆的行车策略;最后,基于VISSIM、MATLAB和NS3构建联合仿真试验平台,分别以车辆碰撞冲突类型、行车风险改善和道路拥堵程度验证并分析算法性能. 试验结果表明:在车流量和流量容积比大于1.0时,相比于传统的感应控制系统,本文提出的算法在延误时间、行程时间、冲突数目和通行能力的收益率分别大于90%、10%、10%和5%;在通信延迟低于100 ms,数据丢包在35%内,仍能够保证交叉口内车辆的通行效率.      

自动驾驶对交通运输系统规划的影响综述

车辆是交通运输系统的重要组成部分,伴随着自动驾驶技术的发展与应用,交通运输系统 将发生深刻变革。本文聚焦于自动驾驶技术对交通运输系统规划的影响,综述自动驾驶特点下 交通数据采集与管理手段、土地利用、停车需求、交通供需、交通需求预测、交通网络布局等方面 发生的新变化。在此基础上,从规划的角度出发,实现对自动驾驶环境下交通运输系统的再认 知,总结自动驾驶环境下交通需求预测、城市交通网络布局等新的交通规划方法与技术。通过对 交通运输系统的再认知发现：在自动驾驶环境下,交通数据具有细粒度、高鲜度的新特点;土地利 用模式将发生改变,城市将呈扩张和去工业化趋势,停车需求减小;交通系统供给能力和可靠性 提高,出行需求的时空分布将更为分散。交通系统规划方法的变化体现在交通需求预测和交通 网络布局两个层面：交通需求预测框架从“四步”框架转变为模型组合化和出行行为一体化的预 测框架,同时,需求预测的各阶段需引入对自动驾驶特征及其系统性影响的分析;交通网络布局 设计采用连续时域上的布局设计框架,有望解决传统交通网络布局设计的时滞性问题,可适应并 服务于动态变化的土地利用及交通需求。本研究认为,未来需重点研究自动驾驶对交通安全、交 通拥堵、公共交通规划、慢行交通规划等方面的影响。此外,解决自动驾驶实测数据缺乏的困境、 解析异构交通阶段交通系统的运作机理、应对交通需求反弹引起的供不应求、评估难以衡量的外 部成本等问题将是未来研究的难点。     

������빫��վ��������µĽ�ͨ��ģ���о�

在道路系统中,交叉口和公交停靠站附近常出现局部交通堵塞,是干扰城市交通畅通的主要瓶颈.考虑交叉口和公交停靠站的组合配置情景,基于元胞自动机模型,在开放边界条件下对双车道混合交通流的车辆换道和停靠行为进行细化,模拟研究需求变化和公交比例对整个交通系统的影响.仿真结果表明,对于不同的公交车比例,存在一个临界流入率,该临界值随着公交车比例的增加而逐渐降低.在临界值以内,车流属于自由流,流量随着流入率的增大而升高,而在临界值以外,流量达到饱和状态,不再随流入率增大而升高.在交通高峰期,信号交叉口上游排队会影响公交停靠站附近车辆运行.因此,根据交通需求设立合适的车站位置和信号灯周期是非常必要的.