基于图谱的驾驶行为特征安全性描述方法研究

为了建立一种基于驾驶行为来判断驾驶安全性的方法,以此挖掘和显示不同驾驶行为与其驾驶安全性的关系.利用来自OBD设备获取的北京市出租车司机驾驶行为数据,通过K-Means聚类分析将驾驶人划分为3种类别:安全、一般安全、危险;采用图谱理论进行数据编码,构建了基于微观驾驶行为指标的驾驶行为特征图谱.图谱可以揭示驾驶行为内部复杂数据结构关系,实现驾驶行为变化过程的直观表达.本研究更加针对性地在安全层面上为优化驾驶行为提供参考和依据,对于减少交通事故与改善驾驶员的驾驶行为具有重要意义.     

基于安全驾驶行为风险特征的图谱表达方法

以自然驾驶条件下行为风险的辨识为目标,基于GPS数据,重点研究自然驾驶条件下驾驶行为的风险评估与行为特征表达.建立基于GPS数据的自然驾驶行为数据库,提出基于信息熵自然驾驶条件下行为风险评估方法,构建基于图谱的驾驶员个体驾驶行为特征表达方法.本文深入挖掘驾驶员个体驾驶行为模风险特征,构建驾驶行为图谱,为普通驾驶员在日常、自然驾驶条件下的行为风险预测预警提供了解决方案,为推进道路交通安全水平提升提供了理论参考和技术支撑.     

基于驾驶行为的疲劳驾驶判别算法研究

为了有效判别驾驶员的疲劳驾驶状态,本文利用模拟驾驶器开展驾驶实验,采集了20名驾驶员在疲劳状态和正常状态的实验数据;为了提取能表征驾驶员疲劳和正常驾驶状态时的行为特征,本文对获取的速度、方向盘转角和车辆横向位置的样本熵进行了分析,最终提取了该三类参数的样本熵作为疲劳驾驶的有效特征组;构建了基于BP神经网络的驾驶员疲劳驾驶判别算法,并采用测试集样本对构建的算法进行验证.实验结果表明:该算法对于驾驶员疲劳驾驶检测的准确率较好、运行时间较短、具有较好的鲁棒性和实用性.     

基于驾驶行为基元的典型驾驶场景识别与提取方法

为了从海量自然驾驶数据中有效提取典型驾驶场景,提出一种基于驾驶行为基元的典型驾驶场景识别与提取方法,搭建了具有多类场景覆盖及通用程度高的典型驾驶场景自动化识别与提取框架,解决了当前方法仅适用特定单一场景提取,无法从大规模数据中高效提取场景的问题。     

基于人格特质的驾驶行为特性研究

本文从事故高风险驾驶人的角度入手,以人格特质作为反映驾驶人的生理、心理或个性特征参量,通过理论分析对人格特质量表进行筛选。为验证人格特质量表的有效性和可行性,结合问卷调查的方式,对人格特质、驾驶行为和交通安全的内在联系进行了研究。研究结果表明,A型行为问卷可以较好地鉴别事故高发群体,可以作为遴选不同人格特质驾驶人的工具,对交通事故的减少有着重要的研究价值和实际意义。     

基于国外技术研究方法的弯道驾驶行为特征统计分析

为理解驾驶员行为特征,提高自动驾驶汽车的类人驾驶能力,借鉴国外研究成果,基于自然驾驶数据集,对驾驶员在弯道行驶过程中的行为特征开展了研究。选择车辆纵向速度、侧向加速度、横摆角速度和车速作为驾驶员行为特征,选择弯道曲率半径作为道路几何特征,利用车辆动力学原理进行弯道工况识别,通过核密度估计及相对熵对数据集特征参数分布的收敛性进行验证,并对弯道行驶过程中驾驶员行为特征及道路几何特征进行了统计分析。分析结果可以为设计具有类人操作特性的自动驾驶或驾驶辅助个性化系统提供数据支撑。     

基于自然驾驶的中国驾驶员驾驶使用手机行为研究

手机频繁地出现在人们的日常活动中,甚至驾驶人驾驶时使用手机造成分心驾驶,产生了较大的安全隐患。目前世界范围内约束手机使用的法律、教材种类繁多,但对使用手机对驾驶人视觉及操作的影响缺乏了解。国内对该领域的研究相对较少,且主要停留在通过问卷和蹲点调查进行驾驶使用手机现状调查分析,或通过简单的驾驶模拟试验来进行特定行为特征分析的程度,我国驾驶员在真实驾驶状态下的驾驶使用手机情况和行为特征尚无明确的研究结果。本文依托上海自然驾驶研究数据,利用23名驾驶员2013年的115次出行数据对其驾驶行为特征与安全性进行研究。结果显示,被试驾驶员最常使用的手机功能为发送短信、通话和阅读,三者还对驾驶员的视线分心影响最大,达到最高的平均视线偏离时长;在操作分心方面,发送短信具有远高于其他功能的双手占用率;手机使用对于驾驶速度的波动和车辆在车道内的横向位置波动有极大的影响。     

基于深度学习的分心驾驶行为检测方法

针对现有分心驾驶行为检测方法存在的检测精度低、实时性差等问题,利用基于深度学习的目标检测方法进行了驾驶员分心驾驶行为检测,首先构建分心驾驶行为数据集,包括驾驶员使用手机、饮水和吸烟3种行为的图像,并进行目标物的标注,然后选用轻量化目标检测模型NanoDet进行训练验证,结果表明,该方法可以准确并快速地识别出驾驶员在驾驶过程中使用手机、饮水和吸烟的行为。     

基于自然驾驶数据的分心驾驶行为识别方法

大量证据表明,驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式（如脑电波等）或半侵入式（如视频等）检测驾驶人分心的方法,不仅对驾驶任务造成一定干扰,且受多种环境因素的制约,误报率较高。基于此,只考虑非侵入式车辆运动特征,提出一种基于深度学习的驾驶人分心状态识别方法：首先,从自然驾驶数据集中获得大量的跟驰片段,采用态势感知方法,提取典型的分心驾驶片段,并建立仅包含车辆运动学特征的分心判别指标集;其次,利用梯度提升决策树-递归特征消除算法（GBDT-RFE）和随机森林-递归特征消除算法（RF-RFE）对特征进行重要度排序,得到重要度较高的分心监测指标;最后,采用长短时记忆神经网络（LSTM-NN）实现分心驾驶的分类识别,并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明：LSTM-NN在判别分心或正常状态时F₁分别为89%、91%,高于SVM和AdaBoost对应二分类结果;进行多分类任务时,判别分心情景的平均F₁较SVM和AdaBoost分别提升了12%和7%,不同类别分心识别的误报率在15%以下,说明LSTM-NN能够有效学习分心序列的前后信息,有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。     

基于改进长短时记忆网络的驾驶行为检测方法研究

疲劳驾驶和不安全驾驶行为是引起交通事故的主要原因,随着智能交通技术的发展,利用深度学习算法进行驾驶行为检测已成为研究的热点之一.在卷积神经网络和长短时记忆神经网络的基础上,结合注意力机制改进网络结构,提出一种混合双流卷积神经网络算法,空间流通道采用卷积神经网络提取视频图像的空间特征值,以空间金字塔池化代替均值池化,统一...     

危险换道驾驶行为预测方法研究

提出了两种危险换道驾驶行为预测算法,分别为基于贝叶斯因子阈值法的隐马尔可夫模型预测算法和基于运动时间窗特征提取法的支持向量机预测算法,它们所需的车辆运行特征变量均可在车联网环境下获得。通过基于Prescan-Simulink联合仿真的驾驶员在环仿真,获得危险和正常两种换道场景下的车辆运动数据,进而对提出的两种算法进行验证和比较。结果表明,两种预测算法对危险换道驾驶行为的预测均有较高的准确率,有助于对危险换道的驾驶员给予及时警告或辅助纠正,从而减少危险换道事故的发生。在样本数据有限的条件下,SVM算法的预测效果更好。     

基于卫星定位数据的违规驾驶行为辨识方法

利用车辆行驶过程中的卫星定位数据,可以计算和识别诸如超速和不按规定路线行驶等违规驾驶行为。准确有效的识别结果,能够为道路运输行业管理部门和运输企业实现动态安全管理提供充分可靠的管理依据。针对已有的违规驾驶行为辨识算法在抗数据噪声干扰方面的不足,提出了一种带抗噪声的违规驾驶行为辨识的方法。该方法结合预定行驶路线的地理坐标信息和分段限速值等基准判定数据,通过比较车辆当前行驶位置的卫星定位坐标与预定行驶路线最近坐标的球面距离值等,来判断和统计是否发生不按规定路线行驶的行为。通过比较车辆实时行驶速度、当前路段限速值和违规阈值等参数来判断和统计是否发生违规超速的行为。结合道路运输企业营运车辆实际运行过程中产生的大量车辆卫星定位数据,对所提出的辨识方法进行了试验验证。试验结果表明,与已有算法相比,本方法对于因漂移产生的卫星定位数据噪声有更强的抗干扰性,能够提高对不按规定路线行驶以及违规超速行为的识别准确率。     

基于驾驶模拟实验的层级式驾驶行为安全模型研究综述

针对驾驶行为的研究,从理论层面总结了国内外驾驶行为模型的演变发展过程,进而从应用层面上介绍了各种干预因素(分车载设备因素和非车载设备因素2类)对驾驶行为的影响.由于目前利用驾驶模拟器研究干预因素对驾驶行为的影响存在行为分析单一化、缺乏系统性的缺陷,据此提出了基于驾驶模拟实验的层级式驾驶行为安全模型,根据驾驶环境的复杂度及驾驶员涉及交通事故的可能性将驾驶行为按低、中、高3个风险层级分类,分别为基本车辆控制行为、在复杂交通环境中的动态决策行为以及在紧急交通状况中的避祸行为.利用该模型可以对干预因素影响下的驾驶行为安全进行系统全面的分析和评估.     

驾驶行为险态辨识方法

为实现险性驾驶行为状态的有效辨识,提出了一套驾驶行为险态辨识方法.以单位时间误操作率为依据,采用自底向上的分段算法实现了行为险态分级,采用因子方差分析,选取听觉感知、动视野、动视力、色觉、暗适应、注意力、判断能力、反应时这8项因子构成驾驶行为状态因子集,构建驾驶行为险态辨识特征向量,然后再对行为状态指标数据予以预先分级的前提下,采用单因子分析法对试验数据予以分析.并设计出BP神经网络行为险态辨识模型,最后进行了实例分析与计算.分析结果表明:反应时、注意力、判断能力3项指标在各分级间差异显著,故可作为驾驶行为险态辨识主因子,行为状态错判误差率为2.5％.     

基于自然驾驶数据的跨江大桥小客车驾驶行为特征研究

跨江大桥历来都是城市交通的命脉和交通结点,为明确跨江大桥的运行速度特征以及驾驶行为模式,在重庆市菜园坝大桥展开了30位被试的小客车实车驾驶试验,使用航姿测量系统和Mobileye630采集自然驾驶状态下汽车的连续行驶速度、加速度和道路环境信息.基于自然驾驶数据,明确了菜园坝大桥的速度变化模式,分析了车辆合、分流对大桥主线行驶车辆运行特性的影响.研究结果表明,菜园坝长江大桥2个行驶方向都呈"加速-减速-加速-减速"的变化趋势;在自由流状态下,桥头和桥尾15th百分位与85th百分位速度的差值从10 km/h增加到20 km/h,不同驾驶人在大桥上的速度幅值具有较强的离散性,表明车辆之间存在严重的纵向冲突,揭示了跨江大桥车辆追尾事故的本质原因.菜园坝大桥菜苏方向合流区平均减速距离131 m,平均减速度为-0.301 m/s2,分流区平均减速距离213 m,平均减速度-0.406 m/s2,苏菜方向分流区平均减速距离267 m,平均减速为-0.387 m/s2,车辆在合流点附近的减速距离和减速度要低于分流点,合流与分流车辆的换道行为会显著影响大桥主线直行车辆的运行状态,导致驾驶人采取减速行为.匝道出入口与桥头距离越近,车辆速度受到的影响程度就会高,有必要加强分/合流点附近的交通管控和行车引导,提高车辆行驶安全性.     

雾天对驾驶行为的影响研究——避撞驾驶行为

考虑雾天环境下不良视距对驾驶行为的影响,基于驾驶模拟器为实验平台,通过对46名实验人员在不同雾天实验场景下的测试来分析雾天对驾驶人紧急避撞行为的影响.选取一组非平衡重复测量数据,以刹车瞬时速度和刹车反应时间为因变量,将性别、职业作为固定效应,雾天作为重复测量变量建立线形混合效应模型,并采用SPSS求解.结果表明,在无雾、轻雾与浓雾环境下,驾驶人的平均刹车反应时间分别是1.22,1.26,1.56s,而平均刹车瞬时速度分别为68.10,45.53,48.85 km/h.与无雾环境相比,驾驶人在有雾环境下的可视距离受到限制,刹车反应时间分别增加了0.04 s和0.34s,刹车瞬时速度分别减少了22.57 km/h和19.25 km/h.     

基于驾驶行为的高速公路出口标志形式研究

为了给中国指路标志标准规范修订完善提供参考,针对中国当前标准规范中高速公路互通出口标志形式与以美国为代表的发达国家之间的差异,设计了2种出口标志形式,分别设置在r形和Y形出口,共形成4组设置方案组。通过驾驶模拟实施寻路试验,获取微观驾驶行为数据,以此为基础研究不同形式出口标志的效用。利用因子分析法得到综合因子得分,定义为“出口行动作用参数”,基于行动作用参数选择了强度值、变化率和行动作用位置3个评价指标,比较了不同出口形式下不同形式出口标志的效用。研究结果表明：对于r形和Y形出口,简化型的强度值和行动作用位置均优于国标型,r形出口简化型的变化率劣于国标型,Y形出口简化型的变化率与国标型没有差别。不同出口形式的评价指标效果是不同的,简化型的出口标志有助于增强出口行动作用参数强度值和提前行动作用位置,用于Y形出口综合效果较优,建议简化型作为Y形出口标志的推荐形式。     

基于驾驶行为的追尾避撞控制策略研究

本文中提出了一种通过制动或换道来实现的追尾避撞控制策略。首先通过模拟驾驶仪采集驾驶员避免追尾碰撞的换道时机、制动强度、最大加速度变化率和反应时间,构建了驾驶员制动避撞行为和换道避撞行为模型;然后建立基于制动安全距离、碰撞时间和换道安全距离的危险估计模型,实时计算行车发生追尾碰撞的危险等级并据此选取相应的主动避撞介入时机和方式;最后依据碰撞时间和结合前馈控制的线性状态反馈控制方法,分别建立制动避撞策略和换道避撞策略。Matlab仿真和实车试验验证结果表明,该避撞控制策略能通过自主换道或制动避免中低速跟车行驶时的追尾碰撞。