基于驾驶员状态的高速公路安全车距模型

为进一步完善高速公路环境下的安全车距模型,通过道路模拟驾驶试验,确定不同车速、驾驶员不同疲劳状态下的制动反应时间域,同时根据驾驶员的眼睛状态确定驾驶员的疲劳度,基于模糊隶属函数建立驾驶员的制动反应时间与疲劳状态、车速之间的对应关系,并对高速公路环境下的安全车距模型进行实时修正。通过MATLAB仿真验证了不同驾驶员状态下车距模型的可靠性。     

基于人体姿态空时特征的驾驶员疲劳检测

为减少疲劳驾驶给道路交通带来的安全隐患，本文以驾驶员人体姿态为研究对象，分析驾驶动作变化与驾驶员疲劳状态之间的联系，提出基于空时特征与人体姿态的驾驶员疲劳检测模型。首先，以改进的Simple Baselines网络定位驾驶员骨架关键点(空间特征)；其次，分析驾驶过程中人体姿态的变化特点，依据“高内聚、低耦合”的原则将人体关键点模块化，以此为基础设计多个与驾驶员疲劳驾驶相关的特征表示；最后，引入滑动窗口计算各疲劳特征的离散程度，将其作为长短时记忆网络(时间特征)的输入，从而实现对驾驶员疲劳状态的预测。通过13位被试驾驶人的驾驶行为数据实验结果表明：使用本文提出的基于空-时特征和人体姿态的驾驶员疲劳检测模型可达到97.73%的检测精确率，98.95%的召回率以及98.35%的准确率，表明该检测模型具有可行性。     

基于脑电信号的高速公路驾驶疲劳检测研究

高速公路驾驶环境单调枯燥,容易使驾驶员产生驾驶疲劳,影响行车安全。通过检测高速公路模拟环境下驾驶员脑电信号特征,验证了采用脑电信号作为驾驶疲劳检测指标的合理性。结果表明,β和(α+θ)β两项指标对驾驶疲劳反应最敏感,可作为表征高速公路驾驶疲劳的脑电指标;在80~100min时间段内,驾驶员驾驶疲劳状态趋势尤为明显,应采取适当措施来减缓疲劳,从而降低由于疲劳驾驶引起的道路交通事故。实验结果可为高速公路驾驶疲劳预警和道路安全设计提供理论支撑。     

基于DCNN与HMM融合的疲劳驾驶检测方法研究

首先提出一种深度卷积神经网络(DCNN)与隐马尔可夫模型(HMM)融合的疲劳驾驶检测方法,针对眼睛和嘴巴状态单一特征,构建3层DCNN来识别眼睛和嘴巴闭合状态;再针对训练样本人工标记困难的问题,提出结合人工标记、采用Dlib特征点检测和疲劳参数加权获取驾驶员疲劳等级的方法进行标记;最后,针对疲劳驾驶是一个从状态良好到重...     

基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究

为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(receiver operating characteristic curve, ROC)分析方法,确定基于脑电信号样本熵值的驾驶疲劳判别阈值.研究结果表明:脑电信号样本熵值处于区间(0.32,0.71)时,驾驶员处于疲劳过渡时期,可能出现疲劳特征;脑电信号样本熵值小于阈值0.605时,判定驾驶员处于驾驶疲劳状态,准确率为0.95,该值可作为基于脑电信号样本熵的驾驶疲劳判定阈值.      

���Ǽ�ʻƣ�͵�һάԪ���Զ�����ͨ��ģ��

为了研究驾驶疲劳对道路交通流运行状态的影响,提出了一种改进的一维元胞自动机交通流模型.在周期性边界条件下,通过分析驾驶员的疲劳特性,考虑驾驶疲劳对驾驶员驾驶行为的影响,分别对疲劳车辆与正常车辆制定各自的演化规则,并以此对车辆进行状态更新,以建立改进的交通流模型.通过计算机仿真实验,得出不同疲劳车辆比例下车流密度、速度与流量的关系数据,并分析了疲劳车辆对交通流安全性的影响.仿真结果表明,对于本文改进的模型,随着道路上疲劳车辆比例的增加,交通流的拥堵呈分散趋势,车辆的拥堵频率显著提高,整体车流的安全性有所下降.同传统的SDNaSch模型相比,能够更好地描述道路交通流的实际运行状态.     

汽车巡航控制技术的研究

汽车巡航控制系统能自动控制汽车以恒定速度行驶,可降低驾驶员的疲劳、节省燃油、提高行驶安全性。它作为一种主动安全技术,在汽车上的应用越来越广泛。本文系统介绍了汽车四种巡航控制技术。     

疲劳驾驶的转向特征研究

为有效地实现疲劳提前预警,研究了心电信号(ECG)和转向特征随驾驶时间的变化规律。通过试验,分析了ECG信号的4个指标随时间的变化趋势,进行了显著性分析之后,运用主成分分析方法建立了综合的ECG评价指标来分辨驾驶员的疲劳状态。分析了驾驶员在不同驾驶状态,不同的道路线形下的转向行为,应用转向熵方法分析了转向数据,结果表明:相比清醒状态,疲劳状态下的转角熵升高了57.1%。     

基于眼部特征的疲劳驾驶检测算法研究

疲劳驾驶是交通事故的一个重要致因,文章从驾驶员的面部特征入手,通过肤色特性找到图像中的人脸区域,并采用积分投影法和边缘检测对驾驶员眼睛进行定位,选取眼睛区域面积与人眼图像面积的比值作为眼睛状态评判指标;建立睁眼、半闭眼、闭眼3种状态下的人眼样本,依据3σ准则得到相应的区间范围,从而识别驾驶员的眼部状态,实现一种适合于疲劳驾驶检测系统的改良算法。     

基于云模型的驾驶疲劳检测方法

疲劳驾驶是导致交通事故的重要原因。因此实时监测驾驶员的疲劳状态具有重要的现实意义。文中针对人的眼动行为存在随机性及模糊性的特点,采用不确定性的云概念,建立基于Perclos和眨眼时间均值的双条件单规则发生器,然后在此基础上构造基于双条件单规则发生器的疲劳检测模型。最后通过在模拟实验平台上采集驾驶员的眼动数据,将眼动特征数据输入基于双条件单规则发生器的疲劳检测模型进行疲劳识别判断。实验结果表明:该模型的平均识别率达到80.2%。在同组实验数据下,使用云模型方法比采用K最近邻(KNN)及支持向量机分类算法的检测率都要高。     

预瞄跟随理论和驾驶员模型在汽车智能驾驶研究中的应用

根据预瞄跟随理论及驾驶员的开车行为特性 ,指出汽车智能驾驶与驾驶员操纵行为的内在一致性——汽车智能驾驶系统的控制特性与熟练驾驶员的驾驶行为特性基本一致。结合驾驶员操纵行为模式将汽车智能驾驶系统划分为信息感知、轨迹决策和操纵控制三个部分 ,并一一加以具体分析 ,利用系统模糊决策理论对几种汽车行驶的典型工况进行了智能车辆方向控制仿真计算。理论分析和仿真结果表明预瞄跟随理论为智能车辆的研究提供了一个可行的研究途径 ,按照该理论建立的驾驶员方向控制模型可以直接应用于智能车辆控制算法的研究开发     

基于差动制动的单拖挂汽车列车道路跟踪控制

对汽车列车的运动特点进行了研究,建立了考虑铰接角的单拖挂汽车列车驾驶员模型;对挂车制动时车辆运动状态的变化进行了分析,设计了基于差动控制的道路跟踪控制器,建立了基于Simulink和Trucksim的联合仿真模型,验证了双移线工况下模型的路径跟随性和行驶稳定性.结果表明:基于差动制动的单拖挂汽车列车道路跟踪控制器,与单...     

基于预瞄驾驶员模型的车辆操控稳定性分析

建立了高效、能适应复杂路况的驾驶员模型,以空间方程形式给出了一种基于最大预瞄距离的驾驶员模型;将驾驶员模型、汽车运动学模型及稳定性控制系统有机结合,采用最优控制理论方法,分析了基于该模型的人-车-路闭环控制系统的指数稳定性条件;运用仿真软件MATALB/Simulink建立了4轮车辆驾驶员模型,仿真结果验证了所建立的驾...     

驾驶压力影响因素与识别方法研究综述

高强度的驾驶压力会对驾驶人的情绪、决策及行为产生负面影响，可能导致交通事故，并对驾驶人的健康状况造成长期影响。本文借助CiteSpace软件对驾驶压力研究进行可视化分析，进一步从驾驶人自身因素、车辆内部和外部因素这3方面总结驾驶压力影响因素，并归纳整理驾驶压力识别方法。总结发现：交通拥堵、道路复杂性及新技术使用等驾驶环境因素是引发或增加驾驶压力的主要因素；非职业驾驶人易受车辆外部环境的影响，职业驾驶人易因工作产生负面情绪，导致驾驶压力增加。驾驶压力识别主要基于主观测评量表、驾驶行为分析及生理数据分析等方法开展研究，其中，基于生理数据的识别方法因其较高的识别精度和准确度被认为在驾驶压力识别领域具有明显的优势。从研究趋势来看，未来研究需重视社会环境以及多因素叠加对驾驶压力的影响，特别关注职业驾驶人及新技术的影响，以及如何采用多模态数据融合方法实现实时监测，以提高驾驶压力识别的精度。     

基于支持向量机的车辆驾驶行为识别研究

从车辆行驶轨迹的角度,车辆驾驶行为可细分为车辆跟驰行为、车辆换道准备行为和车辆换道执行行为,它们对交通拥堵、交通事故等都有着重要影响,也是自动驾驶、交通仿真等系统的基础构成模块.然而,如何从实际微观交通流数据中对3种行为进行识别是驾驶行为研究的基础和难点.本文提出基于支持向量机的驾驶行为识别方法,使用真实车辆轨迹数据,为提高模型的准确率,首先对样本数据进行归一化和主成分分析预处理,然后采用网格搜索算法对惩罚因子和核参数进行寻优,最后利用样本数据对基于支持向量机的分类模型进行训练和测试.结果表明,模型的测试精度达到了98.41%,能够很好地识别车辆的行驶状态,为驾驶行为各阶段的研究提供支持.     

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

道路运输驾驶员远程监控信息采集系统的构建

介绍以ARMCortex—A8为内核的车载终端,利用视频摄像头、红外温度测试仪等多种传感器采集信息,将这些信息进行融合,搭建Android嵌入式信息采集系统,从而实时、准确地监测道路运输驾驶员是否疲劳驾驶、驾驶时打电话、醉酒驾驶、生病症状下驾驶、烦躁状态下驾驶等不良行为。同时,开发了监控系统软件,把监测到的信息通过无线网络传到后台监控中心,实现对道路运输过程中驾驶员不良行为的远程监控。     

部分国家和地区驾驶人培训监管制度研究

部分发达国家和地区进入机动化社会的时间较长,机动车保有量和驾驶人数量已处于相对稳定的阶段,这些国家和地区在机动车培训考试方面均有着自己完善的科学的体系,而其中的监管环节是驾驶人培训考试体系能够健康运转的前提.选取美国、欧盟、日本、新加坡等多个国家和地区的培训、监管制度为研究对象,全面分析国外发达国家在驾驶人培训考试监管方面的特点,为我国将来的驾驶人培训考试以及考试监管制度的完善提供借鉴.     

四轮独立转向车辆稳定性的模糊最优控制方法

为改善四轮独立转向（4WIS）车辆的操纵稳定性,在设计了4WIS模型跟踪最优控制器的基础上,对最优控制参数对控制性能的影响以及4WIS车辆转向动力学特性进行了分析,提出了一种基于车辆转向状态的最优控制器参数调整策略,并设计了模糊逻辑控制参数调节器,实现最优控制器参数的自适应调整.结合4WIS车辆的八自由度动力学模型对提出的模糊最优控制系统进行仿真实验分析,结果表明:设计的4WIS模糊最优控制系统能够极大地改善车辆的稳定性与安全性;在高速低附着系数的极限工况下,该系统仍然够能保证车辆的理想转向状态.该系统对于强侧向风一类的侧向干扰具有很强的抑制能力;风速90 km/h的强侧风且无驾驶员干预情况下,车辆在320 m行驶距离内,侧向偏移量仅为0.78 m.      

基于GMM-CHMM 的城市道路换道行为识别

高级驾驶辅助系统(ADAS)是提高车内乘员安全性的主动安全系统之一,将车载参数和车辆位置参数相结合,提出一种能够应用到ADAS的城市道路换道行为识别模型. 在西安城市道路环境中进行实验,采集18 位驾驶员的9 个车载实时参数数据,以及前后车辆间的相对速度、相对距离、相对角度,提取412 个换道行为单元和824 个车道保持行为单元,共 88 992 条数据. 运用数理统计方法分析表明,方向盘转角、转向角速度、相对安全距离比在换道行为和车道保持行为之间有显著性差异,在这3 个特征参数的基础上,建立混合了高斯混合模型(GMM)和连续型隐马尔可夫模型(CHMM)的识别模型,用部分样本对模型效能评价. 结果表明,混合模型对换道行为的识别精度为93.6%,具有良好的识别效果,可以很好地应用到 ADAS.