自动驾驶环境下驾驶人接管行为结构方程模型

为提取自动驾驶环境下驾驶人接管行为的关键影响因素,使用驾驶模拟器和眼动仪进行自动驾驶环境下驾驶人接管试验;采集了11个受试者对5种接管情境的反应数据,包括车辆运行数据和眼部运动数据,并调查了受试者的个人属性;基于实测数据定性分析和情境差异定量分析的结果,利用AMOS软件建立了描述驾驶人接管行为的结构方程模型;假设纵向接管行为、横向接管行为和眼部运动行为是3个潜在变量,找到可以表征这3个潜在变量的9个观测变量;根据修正指数多次修正得到最终的结构方程模型,由此获得表征驾驶人接管行为的各变量间的关系及对应的参数。研究结果表明：驾驶人接管自动驾驶车辆的全过程可分为5个阶段,即感知反应、减速避让、加速回升、稳定恢复以及稳定运行;当左前方车辆汇入当前车道,此时驾驶人接管风险较高;横向驾驶行为与纵向驾驶行为、眼部运动行为均显著负相关,相关系数分别为-0.226和-0.223,纵向驾驶行为与眼部运动行为正相关,相关系数为0.152;平均速度、总体横摆角均值、一秒内扫视时间可分别高度解释驾驶人接管自动驾驶车辆时纵向、横向及眼部的潜在行为。可见,此模型能有效揭示驾驶人接管自动驾驶车辆的整体行为与局部行为,有助于改进人机交互模式与自动驾驶接管请求提示。     

虚拟试验下驾龄对驾驶人危险感知特性的影响

为提高行车安全,设计危险场景并进行虚拟试验,选择眼动参数作为驾驶人危险感知能力的衡量指标,利用Face LAB眼动仪测试了37名驾驶人的眼动参数,分析了不同驾龄驾驶人的平均注视时长及注视次数的变化规律及差异性规律,并进一步分析了导致不同驾龄驾驶人注视行为差异的原因。研究结果表明:不同驾龄的驾驶人的危险感知能力有显著差异:当发生突发危险状况,驾龄短的驾驶人的紧张程度较高,平均注视时长相对较小,注视点分布比较集中;而驾龄长的驾驶人对危险区域的关注范围更大,注视点分布分散而密集;就处理视觉信息的能力而言,驾龄短的驾驶人对危险的感知水平要明显低于驾龄长的驾驶人,其视觉搜索策略有待改善。     

基于注视转移模式的驾驶熟练程度评价方法

为了客观量化评价驾驶人驾驶熟练程度, 分析了实车试验环境中的眼动仪采集数据。采取注视区域划分方法, 选取8个注视转移模式表征参数作为评价指标。运用主成分分析方法研究了15个驾驶人眼动数据, 得到了基于注视转移模式的驾驶熟练程度计算方法。试验结果表明: 15个驾驶人驾驶熟练程度评价得分值与其驾驶经验里程之间存在密切关系; 运用提出的方法, 可以清楚区分以5.0×10⁴ km驾驶经验里程为界限的2个群体, 但是在每个群体内部, 驾驶人驾驶熟练程度评价得分不呈现明显的规律性。     

道路环境对驾驶人眼动行为影响的试验研究

为了分析道路类型条件对驾驶人眼动行为的影响,分别在城市道路、城乡结合道路及山区公路上开展试验,利用EyeLink Ⅱ型眼动仪对20 名驾驶人的眼动行为进行测试和记录,分析不同道路环境中驾驶人的注视区域、注视目标及注视时长等特征.结果表明,驾驶人根据道路环境的变化调整其视觉搜索行为,在交通环境相对简单的道路上,驾驶人注视较远且平均注视时间较短,而在交通环境复杂多变的道路上,驾驶人注视较近且平均注视时间较长.研究结果为深入研究驾驶人的视觉行为规律、提高驾驶人行车安全性奠定了试验基础.     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

驾驶特性对驾驶人应激反应的影响研究

【目的】驾驶人在行驶中受交通应激事件的影响,为探索应激反应的程度展开研究。【方法】采用维也纳交通心理测试系统（VTS）甄选出高驾驶特性组（H组）和低驾驶特性组（L组）各21名被试进行试验,通过统计学方法分析不同驾驶特性群体的应激反应特征,并采用集对分析模型评价被试的应激反应优劣。【结果】研究结果表明：通过检测驾驶人的驾驶特性能力区分其应激反应能力可行,提高驾驶特性能够帮助驾驶人提高应激能力,情况越危急,提高的幅度越大。【结论】试验中,在所有应激距离下,H组的应激反应均优于L组,且应激距离的减少对L组的影响比H组大;在交通应激事件中为驾驶人提供1 s以上交通冲突时间是必要的。     

汽车驾驶人的可靠性分析

交通运输系统是具有关键性人为差错的冗余系统,通过引入人为差错概念,对时间连续工作驾驶人的可靠性进行分析．用经典的可靠度函数方法或马尔可夫方法建立了同样的驾驶人可靠性数学模型,同时提出了驾驶应力（忧虑）的新概念,指出它是影响驾驶工作工效和可靠性的重要因素。     

基于模拟驾驶的借道左转驾驶人视觉特性研究

借道左转是一种缓解左转车流压力的新型交通组织方法,通过信号灯时空调配借用对向车道为左转待行区,提高相位内左转车辆通行能力。笔者运用驾驶模拟平台,建立城市道路交叉口借道左转仿真场景;结合眼动追踪系统,获取驾驶人借道左转过程中视觉特性参数的变化;通过瞳孔变化和眼动行为,分析驾驶人心理紧张程度及其与行车风险的关联。结果表明：识读借道左转标识及分隔带开口、到达分隔带开口和到达借用车道停车线几个位置,是驾驶人瞳孔面积变化和持续注视时间、注视兴趣区域变化以及扫视频率骤增的集中点,反映出相应位置驾驶人风险感知强、心理负荷大;借道左转短期注视行为较多,注视时长差距较大,表明该过程驾驶人关注目标多、摄取信息密集且处理难度悬殊,需要进行高强度的信息处理;累计扫视时间占比高于普通左转,且以5°以下小角度扫视为主,反映出借道左转过程环境信息复杂、行车风险较大,驾驶人搜索、对比分析的需求更高,扫视主要是为了捕捉关注目标和补充注视信息。     

城市道路交通拥塞对驾驶人操作行为影响研究

针对驾驶人行为特性能造成交通拥塞的问题,运用模糊综合评价法将城市道路交通拥塞度划分为轻度拥塞、中度拥塞和重度拥塞.根据实际调查、实验数据回归分析出不同拥塞度下不同驾龄驾驶人操作转向盘、档位及停车次数的3种操作行为的变化规律及拥塞路段停车频率图.对交通拥塞程度进行量化为研究交通拥堵问题提供理论支持.研究交通拥塞下驾驶人的操作行为能充分了解驾驶人在交通拥堵下的操作行为规律,为提高交通运行安全和效率的研究提供理论支持.     

不同通道宽度条件下汽车驾驶员注视点分布规律

为分析驾驶员感知-判断-操作行为模式, 对驾驶员在通过不同通道宽度障碍物时的动态视觉进行研究。用眼动仪等设备记录了驾驶员在通过设定障碍物间的通道宽度时眼睛注视点的变化和相应的车辆行驶速度, 分析了在7.04、.4、3.5、3.0和2.0 m五种通道宽度条件下驾驶员注视点变化的分布规律。试验结果显示, 无障碍物时, 对应通道宽度为7.0 m, 驾驶员注视点在车辆前方较远处和道路的中央区域; 通道宽度较充裕时, 对应通道宽度为4.4和3.5 m, 驾驶员注视点主要在左侧障碍物和道路中央; 通道宽度较窄时, 对应通道宽度为3.0 m, 驾驶员注视点频繁在左右两侧障碍物间移动; 随着驾驶任务难度增加, 驾驶员的注视点分布区域变近, 视线的变化频率提高。     

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。     

驾驶员注意分配特性及其对行车安全的影响

采用实验心理学与对比分析的方法, 利用注意分配测试仪测试一定数量驾驶员的注意分配特性, 确定了其阈值。研究了高等级公路上连续驾驶一段时间后驾驶员注意分配特性的变化规律, 建立了连续驾驶时间与注意分配指标间关系模型, 分析了注意分配特性对行车安全的影响。分析结果表明: 驾驶员注意分配数据与事故次数间存在着有序的对应关系, 不同性别驾驶员的注意分配特性无显著性差异, 男女驾驶员的注意分配特性随年龄增长显著降低, 驾驶员注意分配值与连续驾驶时间存在显著意义的负相关关系, 因此, 可用注意分配指标评价驾驶员的驾驶能力, 确定驾驶服务时间。     

基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力, 以小汽车行驶轨迹数据为研究对象, 研究了不良驾驶行为的实时辨识问题; 基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据; 提出了应用风险度量方法量化典型不良驾驶行为的理论; 使用大样本统计分布方法确定不良驾驶行为的特征参数阈值; 建立了结合交通环境信息的不良驾驶行为谱, 计算了不良驾驶行为谱特征值; 以车辆不良驾驶行为谱特征值为依据标定不良车辆样本; 以部分驾驶行为谱参数为输入, 使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型; 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, 分析了小汽车不良跟驰行为特征。分析结果表明: 使用四分位差法得到不良跟驰特征参数的阈值为0.19 s^-1, 大部分样本处于正常跟驰状态, 约2%样本处于不良跟驰状态; 基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例, 使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh; 不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率, 平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见, 不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法, 与人工智能方法结合可以生成海量的不良驾驶行为谱库; 不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题, 与常规算法相比具有更好的不良驾驶行为辨识能力。     

车辆颜色等多因素对驾驶行为的交互作用研究

车辆颜色是影响驾驶行为与交通安全的重要因素,为研究动态运行环境下车辆颜色、车型对于驾驶行为的影响,首先,建立不同颜色、车型车辆模型及其白天与黄昏两种道路环境,构建6类典型驾驶场景;其次,选取25名测试人员,采用组内实验的方法进行试验,实验中利用驾驶模拟系统、眼动仪与多导生理仪采集车辆运行、驾驶员眼动与心率数据。实验结果表明,驾驶员对车辆的识认有明显差异,白天识认距离明显高于黄昏,大客车则明显高于小轿车,黑色车辆在黄昏时识认性明显低于其他车辆,尤其是在观察前方车辆时更为明显。上述结果表明,车辆颜色对于驾驶员识认距离存在明显影响,尤其是小型车辆在黄昏时响更为显著,以上结果应在车辆颜色选择及驾驶员培训时予以关注。     

基于单调关联系统的驾驶行为可靠度计算方法

为合理评估驾驶员驾驶行为的可靠性, 提出了驾驶行为可靠度计算方法, 将人机系统可靠性理论与驾驶行为链相结合, 构建了基于感知、判断、操作元件及模块组的驾驶行为可靠性框图, 确定了单项器官元件可靠度测试与计算方法, 运用单调关联系统理论给出了功能模块可靠度及驾驶行为系统可靠度的量化模型, 计算了模型中各生理、心理元件概率重要度, 分析了其对驾驶行为的影响度。计算结果表明: 事故组与非事故组间行为可靠性存在明显差异, 非事故组的可靠性整体大于事故组, 但整体可靠性呈下降趋势, 事故组驾驶员整体操作稳定性较差; 生理因素对驾驶行为可靠度影响度前期较大后期较小, 而心理因素则相反。     

基于驾驶行为的山区高速公路限速研究

针对山区高速公路纵断面线形,分析路段通行能力差异性,从小客车驾驶员角度分析、计算能看到前车和前车尾灯时的最小纵坡视距,提出了以控制车流扰动过大和保证减速舒适性为目的的纵坡限速方法,并以此建立了基于驾驶行为和纵坡路段服务水平的纵坡限速分析模型.实例计算表明,通过该模型获得了邵怀高速公路设计车速为80 km/h路段的最佳限速值为100 km/h,从而对山区高速公路的路段最佳限速值的制定提供参考.     

驾驶人个人特征对行车速度的影响

为分析驾驶人个人特征与行车速度之间的关系, 采用个人属性调查和实车试验相结合的方法, 获得80份驾驶人行车速度记录数据。按照驾驶人行车超速时间与总行车时间的比例, 将驾驶人超速选择行为区间划分为4个小区间。运用非集计理论, 将驾驶人的性别、年龄、性格、教育程度、驾龄等个人特征作为影响因素, 并将4个小区间作为4个选择肢, 建立了驾驶人个人特征对行车速度的影响度量模型, 并结合弹性理论分析了各个影响因素的敏感度。分析结果表明: 驾驶人的性别、年龄、教育程度、矫正视力、职业驾驶人和发生交通事故6个影响因素对应的弹性值均小于1.000, 说明上述因素对速度选择行为缺乏弹性; 在4个小区间上, 驾驶人的驾龄对应的弹性值分别为6.287、3.211、3.438和2.450, 性格对应的弹性值分别为1.249、1.045、2.033和3.672, 说明性格和驾龄2个影响因素对行车速度选择行为富有弹性, 影响显著。     

一种基于信息融合的跟随驾驶行为协同仿真模型

基于信息融合技术模拟驾驶人信息感知、分析决策和车辆控制的全过程,建立跟随驾驶协同仿真模型.模型以动态交通信息为输入,设计单个神经元仿真驾驶人对感知信息的筛选,采用模糊径向基高斯神经网络提取驾驶行为特征向量,应用模糊积分法模拟驾驶人对信息的分析和决策过程,输出为车辆控制状态.离线检验结果表明,该模型能较好地描述跟随车状态变化,具有较高的精度.