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     

驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为，提出基于隐马尔可夫模型(Hidden Markov Model，HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型，模拟驾驶人感知过程，获得期望的车间距；预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹，即决策过程；优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作，即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析，结果表明，本文模型预测车间距平均误差仅为1.47%，证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

双车道公路弯道驾驶轨迹跟踪模型

针对双车道公路弯道轨迹跟踪行为的瞬时多变性,及驾驶人模糊感知与主观决策能力导致的不确定性,通过分析驾驶人在前方弯道线形影响下的驾驶特性,引入转向驾驶行为控制因素,运用多目标模糊优选决策理论,研究了模糊性和主观性对轨迹跟踪行为的影响规律;基于灰色理论,利用主观与客观相结合的权重确定方法,建立了轨迹跟踪模型.选择5处曲线路段进行实地试验,通过试验结果与仿真结果的对比,验证了本文模型的有效性.研究结果表明:行驶轨迹弧长、横向力系数和轨迹侧向偏移是轨迹跟踪行为的控制因素;综合考虑主观与客观因素的权重确定方法,体现了驾驶人在模糊优选决策轨迹跟踪行为中的主观特性.      

高原特长隧道驾驶人动态决策跟驰模型与限速研究

为研究高原特长隧道跟驰特性及驾驶人决策行为,优化隧道路段限速值,在云贵高原地区特长隧道进行了实车跟驰试验.基于采集跟驰数据,分析驾驶人在高原特长隧道的驾驶决策行为并得到加减速决策模型;提出隧道跟驰过程中驾驶人局部效用最优概念,通过安全跟驰距离模型、驾驶人感知速度模型及驾驶人决策模型,建立局部最优的驾驶人动态决策跟驰模型,仿真驾驶人在隧道路段上的最优决策行为.研究结果表明：在高原特长隧道进口段及出口段,驾驶人趋于选择更大的跟驰距离;基于局部最优的驾驶人动态决策跟驰模型,能较好地仿真最优跟驰行为,得到隧道路段最优决策速度并作为最高限速值.本文结论为改善高原特长隧道路段行车安全状态提供了理论支撑.     

基于三角模糊数层次分析法的驾驶人综合素质评估研究

在相关理论分析的基础上,构建了驾驶人综合素质多层次指标评估体系,该体系一级指标主要涵盖安全驾驶知识、安全驾驶态度、安全行车意识、环境感知能力和车辆操纵能力等五个方面;二级指标体系共19个项目.根据综合指标体系的多维度及模糊性的特点,采用三角数模糊层次分析法,确定评估体系各个指标权重,并根据模糊综合评判方法,建立驾驶人综合素质评价模型.结论表明驾驶人安全意识各项指标权重最大,对驾驶安全性影响也最大.     

基于信息物理系统的自动驾驶车辆安全调速方法

在普通汽车与自动驾驶车辆混合行驶的道路网中,自动驾驶车辆视觉系统的辨识能力对交通安全至关重要。根据自动驾驶车辆视觉系统基本结构,分析其与人视觉的能见度差距。模拟驾驶人调速算法被证明在恶劣的天气下(包括低能见度时)优于自动驾驶车辆的两个典型调速算法,但是分析发现自动驾驶车辆采用模拟驾驶人调速算法可能引发交通事故。因此,提出基于信息物理系统(CPS)的安全调速算法,解决了自动驾驶车辆和驾驶人驾驶普通汽车之间视觉差距引发的交通安全问题。为比较这两种算法的安全性,建立低能见度时视觉差距导致交通事故的道路网模型。该模型分三个阶段描述了从导致交通事故至局部道路网瘫痪的全过程。最后,建立道路网事故发生概率和平均瘫痪时间两个指标。仿真结果表明,自动驾驶车辆采用模拟驾驶人调速算法引发交通事故率较高,而采用基于CPS的安全调速算法则不会发生交通事故。     

考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车（intelligent connected vehicle, ICV）在复杂交通环境下高效、安全地通过信号交叉口，在车联网实时获取信号灯和前车状态信息的基础上，建立了智能网联汽车通过信号交叉口的驾驶行为决策框架. 通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态，预测得到前方车辆是否要通过交叉口的行为，进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断；将换道加入到驾驶方式中来寻求更高的通行效率，用基于换道时间模型的方法判断智能网联汽车换道后的通过条件；仿真对比分析了所提出模型和现有模型的决策能力，讨论了影响决策过程的关键因素. 研究结果表明:相比于现有模型，综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性，从而进行更合理的行为选择，随着单位绿灯剩余时间的增加，车辆决策通过交叉口的概率可提高20%，当前车道的车辆位置对决策结果影响显著.      

���ڶ�Դ��Ϣ�ںϵļ�ʻԱ��ΪЭͬ�����㷨

交通仿真是交通控制与管理方案评价和优化的重要研究手段.传统的微观交通仿真模型，特别是刻画驾驶员行为的车辆跟驰模型，未能综合考虑交通环境中信息刺激的多源性和驾驶员任务集聚、协调反应的行为过程.本文利用Bayes方法和模糊积分方法描述驾驶员在复杂行驶环境中多源信息的融合过程，确定驾驶员任务集聚后对车辆应采取的驾驶行为.模型验证表明:交通仿真过程中，在车辆跟驰模型实施之前，利用Bayes算法和模糊积分算法模拟驾驶员在多源信息刺激下任务集聚、协同反应的过程是行之有效的.     

跟驰车流中的反应时间和车头间距研究

为了研究利用驾驶模拟舱研究驾驶行为的效果,考虑道路几何线形、交通设施、环境条件、交通条件等因素,以北京四环道路环境为例搭建模拟场景,在该模拟环境和相应真实道路环境下进行车辆跟驰实验,提取并对比了加减速跟车状态下的反应时间和车头间距数据,从虚拟环境深度线索和仿真车辆行为特性两方面分析了实验结果.研究结果表明,在加速和减速跟驰状态, 在仿真环境中的驾驶人反应时间均略大于真实道路环境,但差别不显著;仿真环境下的车头间距显著大于真实环境;采用驾驶模拟舱研究驾驶行为时,需修正与距离相关的参数才能得到与实际道路环境相符的结果,修正系数的取值范围为1.5~2.0.      

基于FSDT的新老驾驶人危险感知差异性致因研究

为了降低新驾驶人的事故发生率,基于模糊信号检测理论,通过模拟仿真实验手段,设计并进行了危险感知实验和危险分级实验,在此基础上,分析了新老驾驶人危险感知差异性的原因.研究结果表明:新老驾驶人危险感知差异性是由于反应偏好不同所致,具有宽大偏好反应的驾驶人反应时距小,反应也更快,反之亦然;经过危险感知训练的新驾驶人反应偏好与反应时距之间的相关系数为0.81,未经危险感知训练新驾驶人的相关系数为0.63,经验丰富老驾驶人的相关系数为0.75;在对新驾驶人的训练中,应注重降低新驾驶人的危险阈值.      

多源信息环境下的路径决策模型

针对路径选择过程中主观因素和客观因素共同作用且无法量化的问题,根据直觉模糊集理论,建立了双隶属度函数,分别构造了主观和客观直觉模糊函数;利用直觉模糊函数中的隶属度、犹豫隶属度建立了决策函数;借鉴证据理论的证据冲突思想,改进犹豫隶属度函数投影法,用该方法进行了犹豫隶属度分配;并运用对数增长型权重模型,量化了时序多源信息的重要程度,建立了分析道路决策选择结果的驾驶决策行为模型.算例分析结果表明:该模型在考虑个人历史经验信息、交通管制信息、道路物理环境信息与道路拥堵信息形成的多元信息环境下,选择驶入和不驶入的决策近似隶属度分别为0.767和0.233.      

基于认知活动链的驾驶行为协调仿真模型

为向车辆控制系统和智能车辆的发展提供理论参考，用主成分分析法确定多源信息对驾驶员行为决策的影响系数，用模糊积分融合算法获得驾驶员任务集聚后车辆的运行模式，并按照认知活动链将该模糊积分融合算法与跟驰模型相结合，构建了基于认知活动链的驾驶员行为协调仿真模型．此外，采用五轮仪实验系统对淄博市张周路某路段的交通流数据进行了采集，用实测数据验证了模型的有效性．     

基于模糊综合评判模型的沙漠环境下驾驶员安全特性评价

为了揭示沙漠公路道路交通环境下驾驶员驾驶特性与交通事故之间的作用机理,选择了影响驾驶员安全特性的主要因素,并利用驾驶适宜性实地检测数据进行相关性分析,建立了影响因素与驾驶特性指标之间的模糊综合评判模型,对沙漠公路驾驶员安全可靠性进行了动态分析和评价.研究表明:由于受特殊的道路交通条件、沿线自然环境以及驾驶员生理和心理特性的影响,沙漠公路中驾驶员表现出较强的事故倾向性;诸影响因素中,气温对驾驶安全性的影响最为显著,然后依次为持续驾车时间、驾龄和年龄.     

驾驶行为非参数微观仿真模型

运用信息挖掘技术最大限度地榨取实测数据所携带的驾驶行为个体有用信息,通过数据修正和精简形成样本数据库,采用K最近邻概率密度函数法对样本数据库进行数据过滤和冗余信息清洗,利用预处理后的数据和非参数回归法构建了驾驶行为非参数仿真模型。模拟得到的后车多元信息与其实际值有很好的拟合性,且实际值以模拟平均值为轴小幅度摆动。仿真结果表明,合适的光滑参数能提高模型精度,使模型避免大样本标定数据的限制,很好地反映和预测跟驰过程中的驾驶员行为。     

智能手机使用行为对驾驶可靠性的影响模型

为解决智能手机使用行为对驾驶安全影响过程缺少定量描述的问题，基于驾驶行为信息加工和注意分配理论，探索智能手机使用行为与驾驶可靠性的关联关系，提出7 个因果关系假设，构建涵盖视觉资源消耗、认知资源消耗、驾驶不可靠性等潜变量的智能手机使用行为影响的结构方程模型. 通过线上与线下相结合的方式进行驾驶人问卷调查，实证分析结果表明，视觉资源消耗(0.448)、认知资源消耗(0.256)对驾驶可靠性具有直接负向效应，信息输入、显示观看、语音通话及心理特征具有间接负向效应，其中显示观看(0.450)的效应最大.     

智能手机使用行为对驾驶可靠性的影响模型

为解决智能手机使用行为对驾驶安全影响过程缺少定量描述的问题，基于驾驶行为信息加工和注意分配理论，探索智能手机使用行为与驾驶可靠性的关联关系，提出7 个因果关系假设，构建涵盖视觉资源消耗、认知资源消耗、驾驶不可靠性等潜变量的智能手机使用行为影响的结构方程模型. 通过线上与线下相结合的方式进行驾驶人问卷调查，实证分析结果表明，视觉资源消耗(0.448)、认知资源消耗(0.256)对驾驶可靠性具有直接负向效应，信息输入、显示观看、语音通话及心理特征具有间接负向效应，其中显示观看(0.450)的效应最大.     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明：基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s^-1数量级;基于SVM-LSTM神经...     

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.     

车辆跟驰模型研究进展

梳理了近70年关于跟驰模型的研究, 根据建模方法将其分为理论驱动与数据驱动2类模型, 并归纳了跟驰模型的研究热点; 从人类因素、基础设施、交通信息、异质交通流、新建模型理论5个方面对理论驱动类跟驰模型的研究进行了综述; 根据所用机器学习算法的不同, 从模糊逻辑、人工神经网络、实例学习、支持向量回归、深度学习5个方面对数据驱动类跟驰模型的研究进行了综述。分析结果表明: 理论驱动类跟驰模型以理论推演交通现象, 对影响因素的考量难以全面, 部分人类因素难以量化, 驾驶人决策制定过程的解释不够准确, 异质交通流的跟驰模型缺乏一般交通条件下有效性的理论基础和形式化证明; 数据驱动类跟驰模型以交通现象归纳交通规律, 由于数据的来源、评价指标及评价方法不同, 导致应用机器学习算法得到的模型无法系统比较; 数据驱动类模型侧重于从微观角度研究驾驶行为特性, 对复杂交通现象(如交通震荡、迟滞等)的解释性不强; 跟驰模型的研究应创新数据采集方法, 捕捉驾驶人的心理倾向、感知特性和认知能力, 并量化人类因素的影响和充分利用大数据; 数据驱动类跟驰模型应为无人驾驶技术发展提供技术支持; 在自动驾驶完全普及之前, 人工驾驶与自动驾驶混合场景下的驾驶人跟驰行为特性尚待深入研究。      

纯电动公交工况自识别系统的开发与仿真

基于合肥市纯电动公交工况,采用模糊控制原理开发设计了工况自识别系统,以行驶阶段的驻车时间比例、平均速度和加速度作为模糊控制器的输入,合肥市纯电动公交工况典型模块参数为输出.给出了系统的控制策略,制定了语言变量的赋值表和模糊状态表,并使用SIMULINK搭建了仿真模型,仿真结果显示原来随机的、不确定的工况已转化为符合典型工况模块特征的工况,说明工况自识别系统的设计是可行的.