管理理论在驾校经营中的应用

在驾驶学校经营中应用管理理论使驾驶学校更好地发展.     

多拉快跑的行为会涉嫌危险驾驶罪吗?

编辑同志:我是一名校车驾驶员,我所在的学校是坐校车的学生多,而校车少。我所开的校车核载35人,但经常要拉50多人。由于校车是学校的,我要接受学校的管理,因此校长要求我多拉,我也没有办法。好几次被交警查到,罚款都是学校缴的。最近听人说国家修改了危险驾驶罪,多种交通违法行为被纳入危险驾驶罪。请问,现在关于危险驾驶罪是如何规定的?读者:何靖何靖读者:2011年《刑法修正案(八)》设立了危险驾驶罪,即"在道路上驾驶机动车追逐竞驶,情节恶劣的,或者在道路上醉酒驾驶机动车     

海格智慧客车助力东方驾校班车管理智能化 访东方时尚驾驶学校股份有限公司班车运营处主任常景军

东方时尚驾驶学校股份有限公司号称中国最大的驾校,每年有10万人在这里学习驾驶并取得驾照。该校每日接送学员的班车有92辆,这些车辆每月接送学员达60多万人次,车辆的运行频率比较高,其调度、     

德国应对酒后驾车教罚并重

在德国，准驾驶人从参加驾驶学校的理论课开始，就会被反复告诫酒后驾车的种种恶果。德国各中小学校都会举办“交通安全日”活动，以培养年轻一代的交通安全意识。     

考虑车辆价值的倒计时信号交叉口 驾驶员驾驶行为建模

为了发现车辆价值是否对驾驶员在倒计时信号交叉口的驾驶行为产生影响, 以激进型驾驶行为、普通型驾驶行为和保守型驾驶行为为典型的驾驶行为,运用交叉口 录像获取数据方法,采集了车辆经过典型倒计时信号交叉口时的车辆价值、车速、倒计时 剩余时间、所在车道等具体数据,并对3 种驾驶行为进行了判定,建立了分时段的倒计时 信号交叉口驾驶行为Logistic 模型.结果表明,在红灯倒计时显示的3~0 s 时间段内,与保 守型驾驶行为相比,激进型驾驶行为与车辆价值、车速、所在车道有关系,普通型驾驶行 为仅与车辆价值、车速有关系;在绿灯倒计时显示时间为3~0 s 与n ~3 s 的时间段内,激进 型驾驶行为与普通型驾驶行为与车辆价值、车速有关系.结果说明,驾驶员所驾驶的车辆 价值对驾驶员在倒计时信号交叉口的驾驶行为产生影响.     

驾驶行为的执行过程探讨

驾驶行为是影响道路交通安全水平的重要因素之一,也是交通研究的热点。在总结国内外驾驶行为研究成果的基础上,依据信息的进程将驾驶行为分解为认知过程、决策过程、执行过程和学习过程,提出了驾驶执行过程在驾驶行为研究中的重要性,并阐述了驾驶执行过程研究的基础、内容以及方法,可为深入研究驾驶行为提供参考。     

公办教师驾电动车下班途中摔伤,能否认定为工伤

编辑同志:我是江西某地的一名公办教师,有正式的事业编制。2010年9月12日,我在驾驶电动自行车(规定最高时速为30公里)下班回家的途中不幸摔伤,住院治疗1个多月,落下明显的残疾。当我找到学校领导要求享     

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。      

基于冲突的公路平面交叉口驾驶行为研究

考虑每种驾驶行为对交叉口安全产生的影响不同,采用数据统计的方法赋予每种驾驶行为不同的权重。依据实际调查数据,统计分析交叉口各种驾驶行为的分布,提出驾驶行为特征值的分析方法和模型,并以驾驶行为特征值为自变量,建立了驾驶行为与冲突的关系模型,模型表明冲突率和驾驶行为特征值能够较好的符合线性关系．     

分心驾驶研究文献计量学分析

车辆自动化和信息娱乐系统的发展趋势使驾驶人分心成为日益突出的社会问题。为全面了解分心驾驶的研究进展，本文选取近 12 年关于分心驾驶的 2313 篇文章，利用文献计量工具VOSviewer和R-Bibliometrix系统梳理与分析分心驾驶的研究现状。首先，概述分心驾驶研究的总体情况，包括分心驾驶研究的国家分布、核心作者及核心期刊；其次，重点归纳分心驾驶领域的高影响力文献，并从“注意力机制”“分心驾驶风险与年轻驾驶人驾驶行为”“分心源”“分心驾驶检测”“自动驾驶下驾驶人的分心效应”这5个研究主题总结分心驾驶的研究热点；最后，构建分心驾驶的研究体系，并预测未来的发展趋势。研究认为：有必要加强研究分心的形成、消散和恢复机理；需扩展研究对象和场景，综合考虑车内和车外的分心源以及复合分心带来的风险；多源信息融合及考虑多类型分心可以进一步完善分心驾驶风险的研究；界定分心状态与等级划分，针对不同驾驶分心类型的识别应是未来分心驾驶检测研究的重点；自动驾驶场景下的分心行为及接管效能，以及混合交通流下的分心状态是值得关注的研究。基于机器视觉的分心检测和自动驾驶的接管效能将成为分心驾驶领域的研究前沿。     

浅谈机动车驾驶学校教练员综合素质的提升

我国作为一个汽车大国,汽车的需求量持续增长的同时,也带动全民进入到了学车的热潮中,推动驾校市场竞争日渐激励。作为驾校一线岗位,教练员不仅代表了驾校的整体驾驶水平,教学质量,同时也担负着驾校的服务形象,为此,提升教练员的综合素质成为了驾校竞争的核心。结合机动车驾驶学校教练员当前综合素质的现状,对其进行存在的问题进行探讨,最后针对其实际情况提出了相应的提升策略,旨在帮助教练员综合素质的全面提升。     

风险驾驶模拟情境下驾驶人风险感知研究

分析风险驾驶情境中静态与动态结合过程的特征,给出风险驾驶情境风险度 (SRD)的定义.基于交通冲突分析技术及主观评价,提出风险驾驶SRD的量化评价方法.采用驾驶模拟实验研究,以六个典型的风险驾驶情境为研究对象,提取专家型被试的驾驶行为进行风险驾驶情境下的交通冲突分析,结合主观评价结果,得到驾驶人风险感知能力的识别基准.通过分析不同风险度情境下的驾驶行为差异,验证SRD 对驾驶行为的影响.本文的实验过程、方法及结论为我国驾驶人风险感知能力测试提供理论与实践参考.     

基于驾驶负荷的山区二级公路纵坡路段驾驶舒适度评价研究

为定量评价山区公路纵坡路段驾驶舒适度，本文以云南省文都二级公路为研究对象，进行实车试验开展驾驶负荷研究.首先，分析上、下坡路段坡度、坡长、加(减)速度指标对驾驶负荷影响程度，运用多元回归建立驾驶负荷模型；其次，利用心率增长率的第50、85分位值划分驾驶舒适度，结合所建模型对驾驶舒适度进行阈值分析，确定不同驾驶舒适程度对应坡度、加(减)速度区间范围；最后，对模型及阈值划分合理性进行分析验证.结果表明，坡度、加 (减)速度对纵坡路段驾驶负荷皆为显著变量，而坡长与驾驶负荷仅存在弱相关性.本文模型有效，阈值划分合理，可为低等级公路驾驶负荷研究提供参考.     

基于驾驶负荷的山区二级公路纵坡路段驾驶舒适度评价研究

为定量评价山区公路纵坡路段驾驶舒适度，本文以云南省文都二级公路为研究对象，进行实车试验开展驾驶负荷研究.首先，分析上、下坡路段坡度、坡长、加(减)速度指标对驾驶负荷影响程度，运用多元回归建立驾驶负荷模型；其次，利用心率增长率的第50、85分位值划分驾驶舒适度，结合所建模型对驾驶舒适度进行阈值分析，确定不同驾驶舒适程度对应坡度、加(减)速度区间范围；最后，对模型及阈值划分合理性进行分析验证.结果表明，坡度、加 (减)速度对纵坡路段驾驶负荷皆为显著变量，而坡长与驾驶负荷仅存在弱相关性.本文模型有效，阈值划分合理，可为低等级公路驾驶负荷研究提供参考.     

自动驾驶测试场景研究进展

阐述了目前形成的自动驾驶测试场景的5种定义,并在梳理测试场景、基元场景、场景要素之间逻辑关系的基础上提出了自动驾驶测试场景及有关概念的定义;对比了目前业界较为认可的3种自动驾驶测试场景架构;从场景数据来源梳理了国内外开展的交通事故数据与自然驾驶数据采集与研究现状;概括了利用已知数据、专家数据、测试需求、测试对象以及自动驾驶技术特征等开展未知自动驾驶测试场景构建与自动生成研究的成果。研究结果表明:自动驾驶测试场景的定义及架构与自动驾驶场景的构建与自动生成关系密切;自动驾驶场景可以认为是自动驾驶汽车的行驶环境、交通参与者与驾驶行为等场景要素的有机组合与综合反映,自动驾驶测试场景除包含场景的所有要素外,还应包含场景起始状态、场景发生的态势以及场景结束时造成的影响和结果等内容的动态语义描述;现有测试场景架构已较为完善,但难以满足不同测试目标及测试方法的需求,其优化应充分考虑测试场景设计的流程;交通事故数据采集精度及有效数据特征不一,自然驾驶场景数据难以完全采集,且采集规范不统一,其面向自动驾驶测试场景构建的有效性还有待进一步论证,自动驾驶测试数据有望成为重要补充;提升场景覆盖度、加速测试进程是自动驾驶测试场景构建的重要研究目标,人工智能技术在自动驾驶场景生成领域的深度应用有望满足测试场景的完全覆盖或高覆盖需求;面向不同自动驾驶等级的测试场景分级及面向自动驾驶加速测试场景构建方法将是自动驾驶测试场景构建下一步研究的重要方向。      

考虑自动驾驶的混合交通流路段阻抗函数

为解决未来自动驾驶专用车道的规划设计问题,本文提出了一种自动驾驶车与人工驾驶车混合交通流路段阻抗函数模型.首先,分析了自动驾驶专用车道的设置对混合交通流中车辆跟驰模式的影响;其次,在此基础上,引入微观跟驰驾驶模型,推导了不同自动驾驶车辆渗透率条件下的路段通行能力函数,分析了自动驾驶车辆对路段通行能力的影响;然后,将混合交通流通行能力引入经典的BPR函数,推导了考虑自动驾驶的混合交通流路段阻抗函数模型;最后,设计了数值实验讨论了自由流速度(自由流行程时间)、自动驾驶车辆的渗透率和安全车头时距对路段阻抗的影响.结果 表明:(1)当路段流量较小时,自动驾驶车辆的引入对路段阻抗行程时间的影响较小;(2)当自动驾驶车的渗透率为30％时,设置自动驾驶专用车道对行程时间的改善最为明显;(3)当流量较小时,自动驾驶车辆渗透率对路段阻抗行程时间的影响较小,而随着路段流量的增大,自由流速度和自动驾驶车辆渗透率将共同决定路段的行程时间.相关成果可为未来自动驾驶专用车道的规划与设计提供理论支撑.     

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。     

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K 近邻和支持向量机的醉酒驾驶识别方法的对比分析

醉酒驾驶严重威胁道路交通安全,对醉酒驾驶进行准确识别意义重大.利用驾驶模拟舱进行驾驶实验,提取醉酒驾驶和正常驾驶的驾驶行为参数.首先,通过方差分析和均值分析选取方向盘转角作为识别特征,并采用滑动数据窗求取方向盘转角均值序列,构建识别特征参数;然后,分别采用K近邻(KNN)和支持向量机(SVM)对驾驶状态进行识别,得到两种分类方法在不同道路线形的最高识别准确率及其相对应的最优数据窗;最后,对两种分类方法进行了对比分析.结果表明,SVM对醉酒驾驶的识别性能优于 KNN;数据窗对KNN的识别准确率影响显著,对SVM的识别准确率影响不明显.     

基于持续跟踪调查的防御性驾驶行为分析模型

为解决防御性驾驶行为心理作用过程缺少定量描述的问题,在界定防御性驾驶行为内涵的基础上,设计防御性驾驶行为量表. 基于计划行为理论,构建以过去防御性驾驶行为、行为态度、主观规范和知觉行为控制为预测变量,行为意图为中介变量,后续防御性驾驶行为为结果变量的分析模型. 对非职业驾驶员在间隔3 个月的两个时间点跟踪调查,第1 次调查内容包括过去防御性驾驶行为、TPB变量、个人基本信息,第2 次调查包括后续防御性驾驶行为和个人基本信息,获得两次调查数据完全匹配的有效问卷213 份. 对有效数据分析显示：主观规范对防御性驾驶行为意向不显著,知觉行为控制、行为态度和过去防御性驾驶行为对防御性驾驶行为意向影响值分别为0.40、0.29 和0.26;行为态度、知觉行为控制和过去驾驶行为通过行为意向(0.36),可以在一定程度上对后续行为进行解释.