雾天对弯道驾驶行为的影响研究

雾天环境下不良的视距条件使得驾驶员在驾驶过程中存在安全隐患.利用驾驶模拟器,选取雾天环境作为典型干预因素进行驾驶模拟实验,同时考虑驾驶人职业和性别作为可能的影响因素,实验设计直角弯道和S形连续弯道2种道路线形,从实验数据中抽取平均车速与车辆驶出弯道率作为关键变量,采用多变量方差分析、均值统计等方法分析雾天环境下驾驶人的驾驶速度和驶出弯道率,并建立Logistic回归模型分析各因素对车辆驶出弯道可能性的影响.实验结果表明,驾驶人在弯道雾天行驶时的平均车速要比无雾情况下略高,且职业驾驶人的平均车速较非职业驾驶人明显偏低;随着雾的浓度的增大,驾驶人在直角弯道处和S形连续弯道处驶出弯道的比例均显著增大.     

雾天驾驶人车辆操纵行为特性及其与追尾风险相关性分析

为分析驾驶人在雾天环境下的车辆操纵行为特性及其与追尾风险的内在关系,设计并开展驾驶模拟试验,采用方差分析,混合效应模型等对晴天、雾天2种环境下驾驶人的车辆操纵行为特性进行对比分析,并利用相关性分析及二元Logistics回归模型对避撞过程中行为间的相互作用及其与追尾风险间的关系进行挖掘.结果表明:雾天环境下驾驶人的车道...     

基于无人机视频拍摄的高速公路小型车换道行为特性

为了研究高速公路小型车的换道行为特性,采用2台无人机同时在200 m的高空对交通流进行拍摄,获取交通流运行状态。构建拍摄路段的高精度地图,获取每一时刻车辆的精确运行状态数据,在此基础上对2个视频进行拼接,最终获得车道位置、速度、车辆编号等8项关键指标,共提取换道行为1 520条,筛选后得到完整的自由换道数据942条。采用车辆轨迹是否持续偏移作为判断换道行为起终点的依据,在此基础上分析换道的时间长度、空间长度、与周边车辆的相互状态以及换道行为的安全性等16个特征参数。得出平均换道时间长度为6.09 s,平均换道空间距离为148.08 m,换道时间与空间长度均符合对数正态分布。换道车辆与目标车道后方车辆的平均距离最小（34.29 m）,其相对距离在10 m以内的占28.24%,驾驶人为了加快行驶,在与目标车道后方车辆相对距离较小的情况下,依然采取换道措施。与正前方车辆的相对速度差最大,平均值为10.2 km·h^-1,并且在83%的情况下,本车的速度大于前车,说明车辆自由换道是由于前方车辆行驶速度较慢所引起。采用TTC,MTC分别对换道起始时刻的安全性进行分析,并将安全状态划分为4种类型：严重-紧急状态、严重-非紧急状态、非严重-紧急状态、非严重-非紧急状态。其中严重-非紧急,非严重-非紧急这2种状态占比最高。该研究成果对了解中国驾驶人在高速公路上的换道行为特性,以及对建立适用于中国实际交通环境特征的换道行为模型具有一定参考意义。     

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.     

基于驾驶人心理风险场模型的个性化换道决策方法

行驶环境中交互车辆的运动行为会对驾驶人心理产生刺激,引起驾驶人心理状态的变化,进而影响其换道决策行为。为此提出了1种基于驾驶人心理风险场模型的个性化换道决策方法。基于单向3车道快速路交通场景,通过交互式多模型分析车辆的横向速度与横向位移,引入可变横向速度相关的转移概率矩阵,预测交互车辆的目标车道选择;建立驾驶人心理风险场模型,量化行驶环境与交互车辆的运动行为对驾驶人心理风险造成的影响;利用高仿真驾驶模拟器联合SUMO试验平台开展287人次的模拟驾驶试验,通过建立混合交通仿真场景采集驾驶人的换道数据,并选取平均碰撞时间与驾驶人心理风险因子2个特征参数,使用K-means算法进行驾驶风格聚类,将驾驶人分为保守型、正常型和激进型这3类,并进一步确定不同风格的驾驶人在换道初始时刻所能接受的心理风险阈值。在此基础上,实现车辆的个性化安全换道决策。驾驶模拟器试验验证结果表明：对应于保守型、正常型和激进型的驾驶人,实际最小换道决策时间分别为3.48,6.29,11.33 s,实际最大换道决策时间分别为4.65,7.45,12.52 s,理论换道决策时间分别为4.09,6.83,11.95 s,所建立...     

基于驾驶人换道行为的换道决策辅助系统预警时间研究

基于驾驶人的换道操作行为初步提出换道决策辅助系统合适的预警时间。观察换道作业与目标车道跟随车辆之间的联系。实验在西安绕城高速公路某一路段上实现。     

数据驱动的驾驶员换道行为分析与预测综述

换道是一种具有极高风险的驾驶行为,许多交通事故发生在换道过程中,相邻车道车辆的突然换道行为会产生很大安全风险并影响车辆的乘坐舒适性,对周围车辆的换道行为进行预测对驾驶辅助系统和自动驾驶汽车都十分必要。随着V2X(Vehicle-to-Everything)技术、5G技术的快速发展,车辆可以从周围环境中获得更多信息,使换道行为预测成为可能。文中对换道意图的产生及换道过程进行分析,将换道过程分为换道意图产生阶段、换道准备阶段和执行阶段,总结将车辆上各种传感器获得的车辆速度、加速度、位置、方向盘转角等信息及通过V2X技术从交通环境中获得的信息用于换道行为预测的主要方法。目前许多研究采用机器学习方法,按照所使用的数据类型可分为基于驾驶员生理活动信息的方法和基于车辆CAN总线信息、运动学及其与周围车辆运动关系信息的方法,也有研究将二者相结合。数据驱动的换道行为预测方法也可用于车辆的主动换道决策和执行过程,强化学习(RL)算法可以从真实数据中学习决策和驾驶行为,而这些对于传统的基于规则的方法来说基本不可行,故其在研究车辆主动换道时被广泛使用。     

基于轨迹数据的交叉口进口道车辆换道行为特性分析

为探索城市信号交叉口进口道范围内机动车换道行为特性,利用无人机拍摄视频提取车辆换道轨迹数据,分析了进口道车辆换道行为的宏观和微观特性。研究结果表明：强制换道行为多发生在距离停车线60 m～90 m处,自由换道行为在90 m～120 m处;换道时间集中分布在4.5 s～5.5 s之间,其中强制换道的平均时间为4.58 s,自由换道时长为3.81 s;强制换道行为主要受目标车道的可插入间隙及前后车辆的速度差影响,但整体来看分布较为分散;自由换道行为追求行车效率,目标车道的交通运行状况往往要优于原车道,换道行为主要受到原车道前车的相对距离和速度影响。本研究成果可以为城市交叉口的理论研究提供方法参考,为进口道的管理与控制提供理论基础。     

基于 NGSIM 轨迹数据的换道行为微观特性分析

换道行为在不同的换道意图下可分为自由换道和强制换道两类,选用 NGSIM 轨迹数据对二者微观特性进行对比分析.为保证数据准确性,在平滑处理基础上,以剔除轨迹数据换道过程识别错误为目的,构建了换道起终点时空约束规则,对完整的单次换道行为参数进行了提取.利用半对数模型,采用回归分析法对影响二者换道时间的显著性因素进行提取并对比;同时建立多项式模型,选取多个误差指标对不同阶数下换道横向移动轨迹拟合效果进行评价.结果表明,强制换道平均换道时间稍长于自由换道,影响二者换道时间的显著性因素及各因素影响程度并不相同;但二者横向移动轨迹均可用5次多项式拟合,拟合优度可达0.99.     

智能网联汽车换道决策安全性研究综述

实现智能网联汽车换道的安全决策是改善交通安全、提高道路机动性的关键任务。本文探究了智能网联汽车换道的安全性问题,从驾驶安全的角度出发,分析了极端换道行为和紧急换道行为给交通安全带来的不利影响,强调风险评估的重要性,并梳理了利用环境传感器、交通冲突指标、车辆微观轨迹数据等换道风险评估方法。通过风险评估识别风险,并采取相应的措施,能够显著减少危险换道行为导致的交通事故。阐述了智能网联汽车在传统环境以及车联万物（vehicle to everything,V2X）场景下,通过获取环境信息完成换道决策的方法;重点剖析了智能网联汽车在V2X环境下,通过周围环境的感知和识别、目标检测、数据处理进行决策,并对未来智能网联汽车在V2X环境下实现安全决策提出合理建议。然后分析了现有换道决策模型方法,归纳为4类：即规则模型、离散选择模型、人工智能模型、博弈论模型;系统地总结了决策模型在国内外道路行车安全领域的研究和应用现状、存在的问题,以及应用展望。综上所述,尽管智能网联汽车的换道技术已取得重大研究成果,但未来仍存在很多挑战。针对现有研究中存在的问题：低等级自动驾驶环境情况下如何安全可靠地进行决策、智能网联汽车在低渗透率情况下如何做出更为高效和智能的驾驶决策、信息不完全情况下如何实现安全决策、在换道决策模型算法的可优化性方面如何改进,提出可行的解决方案。     

车道变换行为特性研究

基于运行方向、环境、轨迹3个角度进行了车道变换行为的分类,按照意图产生、间隙选择、执行3个阶段划分了车道变换行为,分析了跟车调查和定点调查获取的实测数据,揭示了车道变换行为的时空分布特性.认为发生车道变换行为的时间间隔在1～2 min之间,不同车型发生车道变换行为的时间间隔有所不同;出入口相对于在直线段发生的车道变换行为更加频繁.     

基于样本熵特征的驾驶人换道过程特征分析

在行车环境中,驾驶人的精神负荷是否能合理分配直接影响行驶安全,因而驾驶人的驾驶熟练程度与驾驶人驾驶过程中的精神负荷分配之间关系值得研究,其中脑电是客观评价驾驶人精神负荷的重要指标.通过实验采集了10组城市道路环境下驾驶人驾驶过程中的脑电信号,并记录了车辆行驶过程中的车辆数据,然后使用样本熵的方法来定量计算脑电数据,从而评价驾驶人在换道过程中的精神负荷问题.样本熵计算结果显示:换道过程中驾驶人的脑电特征要明显比非换道过程中驾驶人的脑电特征复杂;换道过程中驾驶人的脑电特征样本熵明显大于非换道状态下的驾驶人脑电特征样本熵,熟练驾驶人的脑电数据样本熵明显小于非熟练驾驶人的样本熵值,熟练驾驶人在换道过程中车速高于非熟练驾驶人;相较于跟驰驾驶行为,换道驾驶行为过程占用更多的精神负荷,熟练驾驶人比非熟练驾驶人分配更少的精神负荷在换道过程中.     

雾天不同能见度条件下高速公路限速建议值研究

高速公路雾天不同能见度条件下,驾驶员对道路线形走向的敏感性有所变化,驾驶员需要不断调整方向盘,以不同的车速行驶在线形不断变化的高速公路上.为了探寻在雾天不同能见度条件下,驾驶员以不同车速通过不同曲率道路时的驾驶行为安全特性,利用UC-win/Road建立道路驾驶模拟环境,采集驾驶员在单因素和正交多因素实验方案条件下的车辆运行轨迹数据,结合驾驶行为特点提出了新的评价指标(车辆横向偏移系数)对驾驶员的驾驶行为进行分析.结果表明,能见度、圆曲线半径和车速对车辆横向偏移均具有显著性影响;并且通过正交试验确定各因素对车辆横向偏移影响由强到弱依次为:能见度(F=531.643)>圆曲线半径(F=256.599)>车速(F=45.986).     

雾天环境下高速公路可变限速控制方法研究

针对雾天环境下高速公路能见度下降导致交通安全和效率降低的问题,提出了一套雾天环境下高速公路的可变限速(VSL)控制方法,包括系统布置、工作流程和可变限速控制策略等,可以根据检测到的实时道路能见度和交通流数据,考虑最大安全车速、交通流运行状态和驾驶员遵从度等因素的条件下,综合确定目标路段的限速值.利用G4高速公路实测数据,在Vissim软件中进行了2组对比仿真实验,结果表明,与无可变限速控制相比,实施可变限速控制的1组,最低车速在平流雾(团雾)环境下提高了27.24%(28.54%),同一控制周期下相邻路段的最大车速差减少了26.42%(41.91%).提出的可变限速控制方法在雾天环境下能更有效地保障高速公路行车的安全和效率.     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络（long short-term memory,LSTM）跟驰模型的基础上,采用迁移学习（transfer learning,TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution,LCSS）的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型减小31.1%、17.0%和29.9%。为对比不同模型在仅有100组目标域样本时的性能,将LSTM-TL模型与Gipps、IDM、BP这3个模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比3个模型中表现最优的Gipps模型减小18.5%、8.0%和25.9%。结果表明：直接将LSTM-S模型应用于目标域的预测,其精度不高,采用样本迁移合理可行;LCSS方法对源域样本筛选有效,由100个源域样本迁移到目标域训练得到的LSTM-TL模型的精度最高;在小样本情况下,拥有较少参数的Gipps模型预测精度优于LSTM-T或LSTM-S模型,但由于迁移学习能够从源域样本中获取知识的特性,LSTM-TL模型有着最高的精度。     

基于多智能主体系统的车道变换模型

为更加真实地反映车道变换行为,建立具有良好性能的车道变换模型,根据抽样调查结果分析了车道变换的基本条件。引入智能主体(Agent)理论,将Agent与车道变换行为联系起来,建立了基于多智能主体系统(Multi-Agent System,MAS)的车道变换模型框架;给出了车辆MAS的结构,抽象了各Agent成员的元组构成,给出了各Agent成员的工作原理与执行流程;基于多智能系统工程方法(Multi-Agent Systems Engineering Methodology,MASEM),给出了车道变换的仿真流程并得到仿真实例。研究结果表明:在2 km长的双向4车道高速公路上,在30 s时间内,利用提出的车道变换模型仿真得到的车道变换车辆次数与实际情况相差8%;在该时段内任意瞬间,正在执行车道变换的车辆数目与实际情况相差仅1.67%。     

公路运行速度特征研究

选取自由流车辆作为分析样本,采用统计分析软件,对各观测点的试验数据进行处理分析,获得了自由流条件下的速度样本统计参数及累计频率曲线。分别利用K-S检验和S-W检验对所取得的样本进行正态分布检验。为获取运行速度特征值,在分析运行速度累计分布曲线变化规律的基础上,引入离差的概念,对运行速度取不同百分位值时的离散程度进行了分析,得出了运行速度特征值的定量化标准。结果表明:运行速度样本服从正态分布的假设;用于路线设计的运行速度应取速度累计分布曲线上的85%分位值;所得结论为公路运行速度的合理取值提供了理论支持。     

浅谈旧路改建工程的特点

随着潮州市经济建设的发展,旧路的改建工程任务繁重.结合省道S233、S335、S231、S232潮州路段的改建工作实践,总结介绍旧路改建工程的特点,并介绍了一些具体的处理方法.     

路面载重车辆的荷载特征

在收集了我国公路上行驶的单、双后轴整车型的载重车辆轴载资料的基础上,参考国家现行轴限规定与轮胎型号等标准,从路面结构设计的角度上对轴载、轮胎气压、接地压力、轴型参数等荷载特征参数进行了整理分析,采用统计回归方法找到了特征参数的规律和相互关系,进而提出了供路面结构设计的轴型参数:双轮间距、轮距、轴距按额定轴载进行分级的建议表,以及以后轴额定轴载和轴载实载率为自变参量的轮胎接地压力的统一回归式和回归系数,讨论了现行沥青路面结构分析中双轮中心距取3倍荷载当量圆半径宜根据额定轴载和轴载实载率确定适用范围。此研究结果为提高路面结构分析精度提供了可靠的荷载特征参数依据。     

试论现代化公路体系的特征

从宏观上分析了现代化公路的内涵，根据国外一些国家的统计资料，从微观上分析了现代化公路的特征，采用均方差法确定了公路网结构特征，运输特征，安全特征的权值，根据这些结果提出了现代化公路建设的一些建议。