基于脑电信号分析的不同年龄驾驶人疲劳特性

为研究不同年龄驾驶人驾驶过程中疲劳情况及疲劳累积速度,对比其疲劳产生与变化的差异性,获取不同年龄驾驶人的最优驾驶时间,设计自然驾驶试验,利用Physio生理多导仪采集脑电数据,并采用主观检测方法对驾驶人进行问询。应用MATLAB对采集到的脑电数据进行降噪处理,通过积分获取各时段α波、β波和θ波的平均功率谱密度,进而求得脑电指标R_（α/β）,R_（θ/β）,R_{（α+θ）/β}。利用SPSS将其与驾驶时间进行单因素方差分析,并通过敏感性判断,选取R_{（α+θ）/β}作为驾驶疲劳表征指标。对各年龄段驾驶人的R_{（α+θ）/β}进行均值化处理,并将其与驾驶时间进行线性拟合,分析驾驶人年龄对驾驶疲劳累积速度的影响。对驾驶过程中各时段的R_{（α+θ）/β}进行配对样本t检验,并结合主观问询结果确定不同年龄驾驶人的最优驾驶时间。研究结果表明：青年和中年驾驶人在0~1.5 h内疲劳累积速度相对缓慢,老年驾驶人较快;在1.5~3 h内,青年驾驶人疲劳累积速度最快,中年驾驶人最慢;老、中、青年驾驶人的最优驾驶时间分别为60~75,120~135,105~120 min;不同年龄驾驶人其驾驶经验、体力和精力及外界环境干扰是影响疲劳累积速度的重要因素;试验结果验证了采用R_{（α+θ）/β}作为驾驶疲劳表征指标的有效性,有助于为不同年龄驾驶人安全驾驶时长的确定提供科学依据。     

驾驶风格对驾驶行为的影响

为了揭示驾驶风格对驾驶行为的影响规律,进而提取表征驾驶风格的特征参数,对不同风格驾驶人在感知层和操作层的驾驶行为数据进行了量化分析。首先,基于驾驶行为问卷对18名中国非职业驾驶人进行了驾驶风格问卷调查,并采用主成分分析、K-均值聚类等方法将被试驾驶人分为谨慎型、正常型和激进型3种类型。接着,被试驾驶人在搭载了SmartEye眼动仪的驾驶模拟器上开展了高速公路行车环境下的驾驶试验,同步采集了感知层的视觉特性参数和操作层的驾驶绩效参数,并采用判断抽样的方式将驾驶样本按照驾驶风格和驾驶模式（换道意图和车道保持）进行了划分,共选取了810组有效样本。最后,采用方差分析法分析了不同风格驾驶人在不同驾驶模式下的注视行为、扫视行为、横向控制特性、纵向控制特性方面相关参数的差异显著性,并提取了不同风格间存在显著差异的参数作为表征驾驶风格的特征参数。研究结果表明：驾驶风格越激进,驾驶人对周围环境关注越少,对车辆的横向控制稳定性越差,急加速和急减速行为发生的频次越高;不同风格驾驶人在意图时窗内对后视镜的注视次数（p=0.002）、方向盘转角熵值（p=0.04）、加速踏板开度（p=0.01）、制动踏板开度（p=0.02）这4个参数的差异均较为显著,因此可作为表征驾驶风格的特征参数。     

山区公路纵坡段驾驶人脚操纵特征及驾驶负荷

为证实山区道路纵坡参数与驾驶人生理指标之间的相关性,明晰纵坡路段参数影响驾驶负荷的内在机制,在3条山区双车道公路上开展了小客车实车驾驶试验,采集道路纵坡参数、真实驾驶习惯条件下的驾驶人心电信号、加速踏板力和制动踏板力。基于实测数据,描述制动和加速踏板力幅值的分布特性,分析坡度值对踏板力的影响;探讨加速踏板力、制动踏板力与心率增长率H之间的关联度,并建立H与踏板力之间的回归模型,最终从体力和精神负担两方面揭示了纵坡路段驾驶负荷的形成机制。研究结果表明：制动踏板力的均值和特征分位值均高于加速踏板力,对应最高使用频率的制动踏板力幅值也高于加速踏板力,即下坡路段踩踏板操作的体力负荷更大;踏板力与H正相关,其中下坡制动踏板力与H之间的相关性更强,表明下坡路段尤其是陡坡路段的踏板操作更容易导致精神负担;当踏板力超过某幅值之后,部分驾驶人的H对踏板力的增加变得敏感;对纵坡单元各被试驾驶人的H和踏板力数据取均值,发现在消除驾驶人的个体差异之后,H踏板力的相关性变得更高。     

基于多源数据的单调道路环境与驾驶疲劳关系模型

为了研究单调道路环境对驾驶疲劳的影响,采用眼动仪、脑电仪等仪器设备在G109格尔木-西藏沿线开展实车驾驶试验,获取19名被试驾驶过程中的生理和驾驶行为等多源数据以及驾驶疲劳主观KSS量表,分析不同时间窗下各特征参数随疲劳程度的变化规律。采用不同海拔对应的植被等级作为单调道路环境的量化指标,将驾驶疲劳程度划分为清醒、轻度疲劳、重度疲劳3个等级,根据皮尔逊相关性和自变量共线性检验结果,选取脑电（α+θ）/β、平均眨眼持续时间、血氧含量和植被等级为自变量,驾驶人疲劳程度为因变量,建立基于有序多分类Logistic的单调道路环境与驾驶疲劳的关系模型,并分析单调环境下驾驶疲劳生成机理。研究结果表明：在高海拔单调道路环境下,短时驾驶疲劳主要与环境单调程度有关,驾驶时间并不是引起短时驾驶疲劳的主要因素;脑电α/β和心率与驾驶疲劳程度无显著相关性,脑电（α+θ）/β、平均眨眼时间与疲劳程度呈正相关,血氧含量与疲劳程度呈负相关。当植被覆盖率从较稀疏变为稀疏时,驾驶人警觉性较高,疲劳程度增加5.9%;随着植被覆盖率下降至非常稀疏状态,驾驶人会出现克服自身疲劳的情况,疲劳程度增加5.8%;当环境单调性进一步加剧,植被覆盖率降低至严重稀疏状态时,驾驶人疲劳程度明显增加,进入重度疲劳状态。研究成果可为单调道路环境下驾驶疲劳的预防奠定理论基础。     

基于超效率数据包络分析的重型车驾驶人驾驶安全绩效评价方法

为解决网联环境下重型车驾驶人驾驶安全绩效评价在指标多样性、模型可靠性、评价完整性和结果可溯性等方面的问题，提出一种基于超效率数据包络分析的重型车驾驶人驾驶安全绩效评价框架，包括驾驶行为指标提取方法、包含零值的超效率数据包络分析方法和基于效率前沿分析的驾驶安全绩效提升方案。基于网联环境下重型车自然驾驶数据特征，提取6个行程级的危险驾驶行为指标作为模型输入项，包括：表征激进驾驶的超速行为、急加速行为和急减速行为；表征分心驾驶和疲劳驾驶的打哈欠行为、使用手机行为和吸烟行为。表征驾驶风险暴露因素的行驶时间和行驶里程作为模型输出项。将每个驾驶人视为独立的决策单元，构建3种驾驶绩效评价模型，分别从激进驾驶、分心和疲劳驾驶以及综合驾驶风险3个维度对驾驶绩效进行评价。进一步利用效率前沿分析准确识别低绩效驾驶人，并量化其达到最佳驾驶绩效所需提升的驾驶行为指标。将该框架应用于南京某重型车车队的34名驾驶人，使用连续3个月的网联数据开展驾驶绩效评价。结果表明：该框架能够准确计算驾驶绩效得分，不同驾驶绩效等级驾驶人之间的驾驶行为特征存在显著差异，超速行为和打哈欠行为是影响驾驶绩效评价结果的关键因素，针对低绩效...     

基于 AHP 和物元分析的愤怒驾驶状态辨识研究

驾驶人在愤怒情绪下的驾驶行为是影响车辆行驶安全性的重要因素之一,愤怒驾驶情绪的产生及其程度受到驾驶人自身和道路交通环境中多因素的影响。文中综合考虑驾驶人自身因素和行车环境对驾驶状态的影响,提出了愤怒驾驶状态的辨识方法。文中筛选了与愤怒驾驶行为相关的驾驶人因素和道路环境因素,构建了1个驾驶人愤怒状态辨识的层次分析模型,并根据相关因素之间对愤怒驾驶行为影响的重要程度构造判断矩阵,求出各相关因素对愤怒驾驶行为的影响权值。应用综合权重的物元多属性决策方法辨识驾驶人的愤怒驾驶状态及程度。应用所提出的方法对22组实车试验中出现的愤怒驾驶状态进行辨识,结果表明,72.7%的结果与实车实验所得的结果相符,因此,该方法可对愤怒驾驶行为进行识别。文中所提出的方法能够融合驾驶人因素和环境因素对愤怒驾驶行为的影响,有效的辨识出驾驶人的愤怒驾驶状况及程度。      

考虑生理特性的驾驶行为险态辨识研究

生理指标是驾驶过程中驾驶人状态最直观的体现,探讨生理指标与驾驶行为险态之间的关联关系对实现危险驾驶行为的辨识具有重要现实意义.以驾驶人生物反馈系统采集的3项生理特性指标为特征向量,采用皮尔逊(Pearson)相关系数法对不同生理指标与险态等级之间的关系进行深入分析,并在此基础上采用K-均值聚类方法构建驾驶行为险态辨识模型.通过对30组模拟驾驶实验数据的分析,最终得出驾驶人的血流量脉冲值(BVP)和皮肤表面电位(SC)与驾驶行为险态等级间存在显著正相关性(p<0.05),呼吸率(RESP)与驾驶行为险态间存在一定相关性,但是规律性不强.采用BVP和SC作为特征向量构建模型对驾驶行为险态辨识精度最高达到96%,对可忽略、可容忍和不可容忍3种状态的识别准确率分别达到97.33%,98.16%和88.16%.      

信息刺激条件下驾驶人警觉性改善规律

为研究持续行驶中的驾驶人在多种信息刺激条件下的警觉性改善情况,构建驾驶模拟试验环境进行试验,试验要求被试驾驶主车跟随前车,并在前车制动减速度超过一定阈值时报告。将时长2 h的试验分为6段,试验分组包括控制组（无刺激组）、设定音乐刺激组与信息刺激组,设定部分时段实施音乐或信息提示进行刺激。利用MP150记录驾驶人的心率与脑电α波、θ波数据,同时记录驾驶人判断绩效,并在试验前后填写SOFI疲劳测量表。试验结果表明：在无刺激条件下,驾驶人警觉性随时间延续呈逐渐下降趋势,信号击中率从84.7%下降到65.2%,心率降低,脑电α波、θ波功率谱密度升高;音乐刺激条件下,驾驶人的判断绩效、脑电α波、脑电θ波均保持在较为稳定的水平,可在一定程度上减缓警觉性下降的幅度;在信息刺激条件下,信号击中率有显著提高,脑电α波功率谱密度增加不明显,但脑电θ波功率谱密度升高;上述3个试验组的驾驶人心率均随时间呈缓慢减少趋势;适当的音乐刺激可使驾驶人警觉性保持在较为稳定的水平,还可以缓解疲劳感受,而信息刺激有助于驾驶人在特定时段提高警觉性并觉察风险。研究结果可应用于车载信息系统设计与安全管理。     

驾驶中拨打手机对驾驶人脑力负荷及驾驶行为的影响分析

基于驾驶模拟实验平台,选择高速公路、城市道路2种交通环境,对3名低龄驾驶人正常驾驶与拨打手机驾驶情况下的脑力负荷及驾驶行为表征指标进行了全程监测。每组实验时间约为15min。其中,脑力负荷评估采用心率变异性相关指标,驾驶行为表征采用后视镜使用、转向灯使用、档位变换及速度变化等指标。实验结果表明,相比于正常状态驾驶中拨打手机时心率变异性指标,出现了驾驶人LFNU指标增大、HFNU指标减小、LF/HF比值明显增大、TP增大的现象,规律明显。在排除驾驶疲劳对心电指标产生影响的可能后,可初步判定出现以上现象的原因是拨打手机引起了驾驶人脑力负荷的大幅增加。在驾驶人认知资源有限的情况下,脑力负荷的增大造成了驾驶人在信息获取、转向灯使用、档位变换和车速保持等方面的能力有不同程度的下降。综上所述,驾驶中拨打手机使得驾驶人脑力负荷大幅增加,进而对驾驶行为产生了诸多负面影响,给交通安全带来了隐患。因此,建议相关部门在法律、法规中对驾驶中拨打手机的行为加以限制,以减少交通事故风险。     

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。     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险,即驾驶风险,通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策,明确由人为因素（即驾驶人个体特征及驾驶行为）所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展,对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发,探究了驾驶风险领域目前的研究现状,并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986~2020年（截至2020年2月29日）间出版的驾驶风险研究相关英文文献,共涵盖8 684位作者及6 018个关键词,基于科学知识图谱对该领域文献进行梳理与分析。结果表明：驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入,重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比,中国在分心驾驶、疲劳驾驶领域的研究相对丰富,而针对酒驾、药驾的研究试验手段较为单一,研究不够全面;在研究对象的选取上,有必要进一步增加老年驾驶人及新手驾驶人的深入研究,包括老年驾驶人适驾性评估与教育培训,以及新手驾驶人驾照分级制度的可行性探索。在研究方法方面,国外常见研究方法包括问卷调查、驾驶模拟器试验、实车试验以及自然驾驶研究等,而中国在自然驾驶研究领域尚未充分开发利用;未来应考虑多种方法相结合并从不同角度促进对驾驶行为及驾驶风险的全面理解。     

基于脉搏波特征融合的驾驶疲劳检测方法

疲劳驾驶是交通事故的主要诱因之一,精确检测驾驶人的疲劳程度是主动预防疲劳驾驶事故的核心内容之一。通过开展自然驾驶试验,以驾驶人的生物信号脉搏波（Blood Pressure Waveform,BPW）为数据源,使用脉搏波波形分析方法从中提取有效表征驾驶疲劳的特征指标,构建用于检测驾驶疲劳等级的BPW特征指标集,在此基础上引入D-S证据理论建立了基于BPW特征融合的驾驶疲劳检测模型。结果表明：该模型对测试数据的疲劳驾驶理论检测精度达到了91.8%,优于贝叶斯网络模型的81.4%和支持向量机模型的84.3%,能够满足实际应用的需求,但与决策回归树检测模型99.7%的精度相比较还有差距。研究获得的基于生物信息融合的驾驶疲劳检查模型和方法在驾驶疲劳检测与监测中具有很好的应用前景,可为辅助安全驾驶和疲劳预警及主动干预提供新的技术方案。     

基于模式识别的车辆防疲劳驾驶智能转向盘及其监控算法的设计

该转向盘以嵌入式系统为核心,利用GPS数据变化判定车辆驻、行状态,以控制持续驾驶时间的计算周期,利用变压器式角位移传感器采集转向盘转角电压变化,采用电压波模式识别判断疲劳状态,并结合持续驾驶时间参量对疲劳驾驶进行预警。     

Hardware and software for collecting microscopic trajectory data on naturalistic driving behavior

This article presents a method to collect naturalistic microscopic longitudinal vehicle trajectory data with a modest budget. The drivers studied are not aware that they are participating in an experiment; hence one can collect naturalistic driving behavior. This article presents the hardware and software developed, and we include a detailed example of a particular case study that was conducted with data collected from the system. The case study examines drivers' willingness to accept very short headways, and casts that behavior in light of their subsequent lane-changing decisions. The data show a statistically defensible connection between these behaviors. These phenomena are not new, but highlight the importance of the data quality and of observing naturalistic driving behavior, and this article demonstrates a method to calibrate specific parameters related to the behavior.     

自适应巡航及协同式巡航对交通流的影响分析

自适应巡航（ACC）和协同式自适应巡航（CACC）等自动驾驶技术正逐渐进入市场,未来一段时间内道路交通流将由人工驾驶车辆与不同等级、不同形式的自动驾驶车辆混合构成。为分析ACC和CACC对交通流的影响,利用实测交通数据NGSim建立人工驾驶车辆跟驰模型,并在综合已有ACC和CACC模型的基础上,提出基于安全间距的自动驾驶跟驰行为模型,进而得出不同ACC,CACC车辆渗透率下交通流的基本图模型。研究结果表明：自动驾驶可以提升交通容量;与ACC车辆比例r_a相比,CACC车辆比例r_c对交通容量的影响更为显著;当r_c>0.5时,饱和流量快速增加,当r_c=1时,饱和流量约为纯人工驾驶时的2倍。进一步,通过仿真考察车辆在车队中的跟驰响应和交通流在瓶颈处的运行情况。研究结果表明：自动驾驶改善了交通流的动态特性,对存在跟驰关系的连续车流来说,自动驾驶使得后车可以更加及时地响应前车的行为,车流会在更短的时间内进入稳态;在交通瓶颈处,自动驾驶降低了拥堵程度,提高了阻塞发生的临界流量。总体来看,自动驾驶对交通流静态和动态性能均有所提升,特别是在协同式自动驾驶场景下,车辆行为更加协调一致,交通流表现出良好的抗扰性,进一步验证了车路协同对自动驾驶的意义。     

基于MM-STConv的端到端自动驾驶行为决策模型

针对现有端到端自动驾驶模型输入数据类型单一导致预测精确度低的问题，选取RGB图像、深度图像和车辆历史连续运动状态序列作为多模态输入，并利用语义信息构建一种基于时空卷积的多模态多任务（Multimodal Multitask of Spatial-temporal Convolution，MM-STConv）端到端自动驾驶行为决策模型，得到速度和转向多任务预测参量。首先，通过不同复杂度的卷积神经网络提取场景空间位置特征，构建空间特征提取子网络，准确解析场景目标空间特征及语义信息；其次，通过长短期记忆网络（LSTM）编码-解码结构捕捉场景时间上、下文特征，构建时间特征提取子网络，理解并记忆场景时间序列信息；最后，采用硬参数共享方式构建多任务预测子网络，输出速度和转向角的预测值，实现对车辆的行为预测。基于AirSim自动驾驶仿真平台采集虚拟场景数据，以98 200帧虚拟图像及对应的车辆速度和转向角标签作为训练集，历经10 000次训练周期、6 h训练时长后，利用真实驾驶场景数据集BDD100K进行模型的测试与验证工作。研究结果表明：MM-STConv模型的训练误差为0.130 5，预测精确度达到83.6%，在多种真实驾驶场景中预测效果较好；与现有其他主流模型相比，该模型综合场景空间信息与时间序列信息，在预测车辆速度和转向角方面具有明显的优势，可提升模型的预测精度、稳定性和泛化能力。     

风险情境下老年驾驶人行为特性研究

为研究风险情境下老年驾驶人与中青年驾驶人行为特性的差异,并确定老年驾驶人的眼动、心理生理、驾驶操作及风险感知等各类行为特性的衰退情况;选取19位老年驾驶人和19位中青年驾驶人作为试验对象,应用眼动仪、生理仪及驾驶模拟平台开展驾驶模拟试验;采集5种风险场景下2组驾驶人的眼动、心理、生理、操作行为与车辆运行数据;对比分析2组驾驶人的注视及扫视等眼动行为特性、心率变异及皮电等心理生理行为特性、制动及转向等操作行为特性、风险反应及敏感度等风险感知行为特性。试验结果表明：2组驾驶人的各类行为特性均随风险等级的增加呈现一定的规律性变化,随着风险等级的增加,2组驾驶人的注视持续时间、皮电均值及增长率、心率增长率和风险敏感度亦随之增加,而扫视、心率变异指标SDNN、制动时间及风险反应时间等指标随风险等级的增加而下降;上述指标的规律性变化说明驾驶人对风险的关注度和敏感度随着风险自身危险性的上升而不断增加,进而做出的反应也就越早,同时伴随着心理紧张程度增加,需要付出的努力也越大,与年龄的高低无关;另一方面,老年驾驶人的各类行为特性出现明显的衰退且与中青年驾驶人存在显著差异,其中老年驾驶人的注视持续时间、扫视幅度、扫视速度等眼动指标分别衰退了37.83%、27.58%、23.80%,皮电均值、心率增长率和SDNN心理生理指标分别衰退了57.67%、20.08%和29.14%,转向熵、车速控制和制动反应时间操作行为指标分别衰退了32.81%、20.34%和49.48%,风险敏感度、判断阈值和风险反应时间风险感知指标分别衰退了13.70%、8.66%和31.80%。通过对风险情境下老年驾驶人的各类行为特性进行详细分析,确定了老年驾驶人各类行为的衰退情况,对老年驾驶人行为特性的研究具有一定借鉴意义。