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.     

雨天环境下驾驶行为研究

降雨是平时生活中最为常见的一种不良天气。雨天环境的特殊性往往是导致交通事故发生的重要诱导因子。对于雨天环境下驾驶行为进行研究,可以帮助驾驶员有效的减少交通事故的产生。通过对雨天条件下驾驶行为进行研究,明确降雨对于驾驶员的实际操作会产生较大的影响。并对降雨天气对驾驶行为的影响具体分析,即驾驶员视野、轮胎抓地能力和道路功能会受到影响。     

基于车载信息调度的驾驶行为控制分析

车载信息系统可向驾驶人提供丰富信息,从而影响驾驶行为,提高道路交通系统运行安全效率.但目前车载信息发布形式与内容并不完善,对驾驶行为控制作用差.为了提高驾驶安全水平,从驾驶人驾驶行为的信息调节特性人手,分析了车载信息不同表达方式及其对驾驶行为控制作用,并探讨将信息进程与驾驶行为进程交互融合.从信息调度的角度,分析车载信息调度形式、参数及可调度的信息集合,分析调度过程,并举例说明如何通过信息调度实现驾驶行为控制,提高车辆运行的安全性、可靠性.研究结果表明,车载信息系统通过发布车载信息影响驾驶行为,能够在一定程度上达到驾驶行为控制目的.针对驾驶人的多感官复合感知特性,将信息进程与行为进程相互融合,采用多种形式的信息调度,能够有效提高其对驾驶行为控制作用.     

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。     

不良天气下驾驶行为研究综述

不良天气会对城市交通的运行和安全造成较大影响.事实上,不良天气条件下驾驶员驾驶行为的变化是造成交通拥堵和事故发生的根本原因.针对不良天气下的驾驶行为进行综述,对研究不良天气条件下的交通拥堵及事故具有积极意义.面向国内外不良天气条件下驾驶行为研究的进展,从雨、雪、雾3种常见的不良天气出发,对不良天气条件下环境变化及其对驾驶行为的影响进行分析,并对不良天气条件下驾驶行为的研究方向进行探讨.相关研究发现,不同等级的雨、雪、雾天气下驾驶员选择的车速、车头时距等驾驶行为参数以及反应时间、车辆启动延迟均存在较大差异.     

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。     

基于完全信息静态博弈下的城市公交优先研究

分析了交通需求者的出行决策与公共资源利用之间的关系,运用完全信息静态博弈方法,剖析了交通需求与交通供给矛盾,为促进公共资源优化配置,寻求解决交通问题的办法,证明了我国大城市实行公交优先机制的必要性,并对公交优先机制应采取的措施提出了建议.     

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.     

A Research on the Technique of Driving Behavior Identification Based on Information Fusion

通过分析选定驾驶行为的组成主因子,并采用层次分析法确定其权重系数;基于所采集的各主因子 的传感器信号,采用BP神经网络和D-S证据理论相结合的多传感器信息融合方法进行驾驶行为识别.仿真结果表明:提出的基于多信息融合的驾驶行为识别方法能准确地识别出常见的驾驶行为.     

基于驾驶行为和信息熵的道路交通安全风险预估

为了精准有效地进行交通事故预防预警,基于车辆OBD驾驶行为数据及信息熵理论,提出了城市道路交通安全风险预估方法。首先,分析异常驾驶行为高发位置与道路交通事故发生位置的关联性;其次,构建以道路交通安全熵为一级指标,急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为二级指标的道路交通安全风险预估指标体系,提出了基于改进熵权法的道路交通安全熵计算方法;然后,基于密度聚类、K-means聚类提出了道路交通安全风险等级数确定方法,并基于K-means聚类建立了风险等级阈值计算方法。研究结果表明：异常驾驶行为高发位置与交通事故发生位置具有一致性;通过对log对数底数选择优化、二级指标零值处理、指标权重分段计算3个步骤改进的熵权法,可弥补log对数函数无法计算零值指标熵值的缺陷,避免指标权重为负、指标熵值与权重反映信息不一致的现象;两步聚类避免了孤立数据点对安全风险等级划分的影响。以重庆市4条城市道路（总长约38 km）进行实例验证后得出,道路交通安全熵与交通事故表征的道路交通安全状态趋势一致;道路交通安全风险等级可划分为高、低风险2级,道路交通安全熵优化阈值为0.042,最后,风险等级划分准确率为87.88%。研究成果可为道路交通安全风险点辨识、交通事故预防预警提供有效的技术支持。     

基于马尔可夫链的混合动力汽车行驶工况预测研究

针对目前混合动力汽车行驶环境适应性的问题,提出一种适应于随机多变的交通状况和基于实时行驶工况预测的能量管理策略。该策略采用一阶齐次马尔可夫链状态转移概率矩阵,对主干道和快速路建立了行驶工况特征参数预测模型,并通过对预测准确度的对比分析,确定了滚动时间窗和预测视距的最佳值。研究结果表明,与传统基于既定循环工况的整车能量管理策略相比,基于工况预测的能量管理策略具有更好的燃油经济性,为新能源汽车能量管理实时控制提供了一种新方法。     

车辆识别中的博弈特征选择研究

针对特征识别判断中出现的冲突和特征过多所造成的特征维数灾难问题,采用博弈论的方法对车辆特征空间进行搜索,找到一组对车辆类型识别的最佳特征子集。在多特征组成的特征空间中把具有存在冗余关系的特征定义为博弈过程中的同一个局中人,具有互补关系的特征定义为不同的局中人,用互信息构造支付值函数,使支付值函数能够表现局中人之间的可信度冲突关系。支付值函数的大小和局中人采用对策的分类能力大小相关,分类可信度高的对策支付值大,分类可信度弱的对策支付值小。在车辆识别应用中,车辆的5个特征所组成的特征空间中,把具有冗余与关系的特征分成两个局中人,构造出支付函数,在赢得矩阵中求出均衡解,得出均衡解所对应的{车长、后轮距}是特征空间的一组最佳特征子集。     

诱导信息条件下驾驶员路径选择行为研究

驾驶员的路径选择行为是影响交通诱导成效的一个关键因素。建立了诱导信息条件下驾驶员路径选择行为模型,仿真分析了诱导信息和驾驶员的经验对驾驶员路径选择行为、路网交通流分布、系统整体效益的影响。研究结果表明,随着出行次数的增加,2条路径的交通流波动逐步减小,系统总行程时间逐渐减少,逐渐趋于系统均衡。驾驶员的长期经验、诱导信息的长期准确对驾驶员的路径选择行为、系统均衡具有重要影响。     

基于调查问卷的不安全驾驶行为分析

营运车辆的道路交通安全面临着非常严峻的问题,近些年来由于营运驾驶人不安全驾驶行为导致的交通事故有逐年增加的趋势。本文通过调查问卷分析驾驶人不安全驾驶行为的现状,为今后交通管理的完善提供理论支持。     

公路平面交叉口驾驶行为研究

面对目前公路平面交叉口交通事故严重的现状,为了公路平面交叉口交通事故致因分析和加深对交叉口驾驶行为的了解程度,探讨了公路平面交叉口驾驶行为理论,总结了目前道路交通系统交通事故原因及其导致事故所占比例,分析了交叉口交通系统,给出了影响交叉口驾驶行为的具体因素。在驾驶行为三阶段基础上,研究了交叉口驾驶行为模型,分析了交叉口驾驶行为特征和交叉口驾驶行为与交通事故发生的一般关系。并针对驾驶失误和不安全驾驶行为给出了防止措施,以减少交叉口交通事故。