城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响,基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验,接管请求时间分别设定为3,4,5 s,非驾驶相关任务为读新闻、看视频、玩游戏,自动驾驶车速为50 km·h^-1,试验中共招募了49名被试（男性30名,女性19名）,被试的平均年龄为31.06岁（标准差为7.1岁）,驾驶人在自动驾驶阶段始终执行非驾驶相关任务,听到接管请求提示后需要接管车辆的控制权,并实施紧急避让操作。研究结果表明：在紧急接管情况下,接管紧迫度对合成加速度和最小TTC有影响,而对接管时间无影响,与5 s的接管请求时间条件相比,3,4 s的接管请求时间条件下的合成加速度明显增加,而最小TTC则随接管请求时间的减少而降低;非驾驶相关任务对接管时间和最小TTC有影响,而对合成加速度无影响,与无非驾驶相关任务相比,非驾驶相关任务会显著增加接管时间和降低最小TTC;碰撞几乎都发生在3 s和4 s的接管请求时间下,5 s的接管请求时间能够基本保证接管的安全性。     

不同情景下自动驾驶接管行为的影响特征

为探究不同情景下自动驾驶接管行为的影响特征,面向驾驶人、自动驾驶车辆、交通环境等内容提出自动驾驶测试研究框架。基于驾驶模拟技术开发自动驾驶测试平台,通过案例验证其有效性,为自动驾驶相关技术的测试评估提供有力支撑。研究以接管场景、接管请求时间、驾驶次任务、交通流为要素设计18个高速公路接管情景,邀请被试开展驾驶模拟试验测试。从主观维度探究驾驶人对自动驾驶的适应性差异,从客观维度构建广义线性混合效应模型,研究驾驶人属性因素(性别、年龄、驾龄)和接管情景因素(接管场景、接管请求时间、驾驶次任务)的主效应及其交互作用对接管行为的影响。统计分析结果表明：①性别因素对自动驾驶的信任度和状态感知度有统计学差异,男性对自动驾驶的适应性高于女性;②驾驶人的年龄和驾龄因素对试验前和试验后的技术接受度具有显著影响,对技术信任度和状态感知度具有统计学差异,中年人和老年人、中驾龄和高驾龄人群的适应性相对较高;③不同因素水平对应的接管成功率、正确率和第一操纵行为不同。广义线性混合效应模型结果表明：①接管情景因素及其交互作用对接管行为指标具有显著影响;②模型中引入驾驶人属性因素,发现与接管情景因素存在交互效用。研究基于驾驶模拟技术开发自动驾驶测试平台的方法具有一定的推广性,研究结果可为深度挖掘自动驾驶接管行为影响因素及其作用机理奠定基础。     

驾驶人跟车风险接受水平对其接管绩效的影响

自动驾驶接管是一种安全性要求很高的手动驾驶操作,可能会受到驾驶人手动驾驶安全习惯的影响.本文基于驾驶模拟器分别设计了手动驾驶跟车和自动驾驶接管实验,研究了驾驶人的手动跟车风险接受水平对其接管绩效的影响,同时考虑了接管时间预算和视觉非驾驶任务的影响.结果表明:在日常驾驶中具有低跟车风险接受水平的驾驶人接管反应时间更短,并...     

自动驾驶中视觉次任务对年轻驾驶人接管时间的影响

为了了解有条件的自动驾驶中,年轻驾驶人的接管反应特性,分析视觉次任务（3×3箭头次任务和4×4箭头次任务）和接管请求时间（TTC为5 s和7 s）对不同接管时间的影响,基于驾驶仿真平台,设计了包含不同的视觉次任务和接管请求时间的自动驾驶接管场景,针对29名年轻驾驶人进行模拟驾驶试验。使用双因素方差分析来研究不同次任务与不同接管请求时间对接管时间的影响,以及使用Pearson相关性检验来分析不同接管时间的相关性。研究结果表明：与无次任务相比,次任务会显著增加接管时间;不同的次任务对接管时间无影响,次任务与前方有障碍物时的接管请求时间对接管时间无交互作用;与前方无障碍物时的接管相比,前方有障碍物时的接管会显著减少接管反应时间;在驾驶人执行次任务的情况下,不同接管请求时间对转向反应时间和制动反应时间无影响;在前方有障碍物的接管中,驾驶人更倾向于采用制动加转向的组合操作来回避风险,且驾驶人接管回避操作中直接转向和制动加转向的组合操作的比例相同;接管反应时间与制动反应时间有较强的相关性。     

自动驾驶接管绩效的影响因素、模型与评价方法综述

有条件自动驾驶系统无法应对所有驾驶场景,因而需要驾驶人在必要情况下进行接管。驾驶人的接管绩效对于有条件自动驾驶车辆的安全性、驾乘体验与接受度具有重要意义。近年来,大量文献从不同视角对驾驶人接管绩效这一主题进行了广泛研究,但仍然存在一些问题亟待解决。从驾驶人接管绩效影响因素、接管绩效模型与接管绩效评价方法3个方面综述了驾驶人接管绩效的研究现状。首先,从驾驶人因素、交通环境因素和自动驾驶系统因素3个维度对驾驶人接管绩效影响因素的相关研究进行综述。其次,对现有驾驶人接管绩效模型,包括经典统计模型、机器学习模型与结构方程模型进行总结。最后,总结了现有原始接管绩效评价指标以及接管绩效综合评价方法。分析发现：现有接管绩效影响因素的量化指标仍不够全面,现有接管绩效模型的可解释性和预测精度难以兼顾,现有接管绩效评价方法尚需进一步完善。有鉴于此,未来研究首先需要基于驾驶人群体主观评价提出接管绩效的全面评价方法,然后以此为基础从人-机-环境维度全方面探索接管绩效影响因素的量化指标,最后考虑多种影响因素的复杂关联关系,建立高精度接管绩效预测模型,从而为提升驾驶人接管绩效提供理论支持,促进有条件自动驾驶的进一...     

自动驾驶驾驶人接管特征研究进展

为自动驾驶驾驶人接管环节做出指导性的建议,从自动驾驶接管的影响因素和自动驾驶驾驶人接管绩效进行系统梳理,总结主要研究内容和方法,并展望其未来研究趋势。总结发现,现有研究缺少一套针对驾驶员在不同复杂度的交通环境下驾驶人行为准则,今后对于自动驾驶驾驶人接管特征的研究目的就是在清楚驾驶人有哪些行为后对自动驾驶安全接管设计提供理论支持。     

驾驶员接管自动驾驶车辆研究进展

为全面认识自动驾驶接管行为特征,分析驾驶员接管行为,结合自动驾驶接管的技术和现实背景,从自动驾驶接管绩效的影响因素,包括场景、技术、心理和生理等因素,梳理国内外驾驶员接管自动驾驶车辆的研究成果,总结主要研究内容和方法,并展望其未来研究趋势.通过归纳和分析揭示了影响驾驶员接管自动车辆的因素,主要包括接管场景和接管请求方式,同时非驾驶相关任务和年龄等因素也会影响驾驶员的接管行为和表现.针对驾驶员接管的驾驶特征及行为研究,内容精确丰富,方法科学完善;而对驾驶员接管绩效评价和干预研究,重点关注在统计学的基础上,建立完善的数据指标评价体系,用于评价和干预驾驶员接管绩效.未来针对自动驾驶接管的研究,一方面寻求自动车辆技术突破;另一方面综合心理学和统计学理论基础,建立驾驶员接管能力培训体系.     

驾驶次任务沉浸等级对接管行为的影响分析

为探究自动驾驶中驾驶次任务沉浸等级对接管行为的影响,基于驾驶模拟器搭建自动驾驶接管行为测试平台,设计事故接管场景,基于驾驶次任务（娱乐任务和工作任务）和接管请求时间（5 s和10 s）因素组合开发4个事故接管情景,招募被试参与驾驶模拟实验并采集驾驶人的接管行为数据,选择速度、横向偏移、接管反应时间和接管正确时间4个指标衡量接管行为。研究结果表明：①速度随着驾驶次任务沉浸等级的降低而降低,接管车辆后的降速幅度随之增大;接管请求时间为5 s时,驾驶次任务沉浸等级对横向偏移具有显著影响;②接管请求时间为10 s时,驾驶次任务沉浸等级对接管反应时间具有弱显著性（p = 0.056 < 0.1）, 接管反应时间随着驾驶次任务沉浸等级的增加而逐级降低（低沉浸等级=3.94 s;中沉浸等级=3.45 s;高沉浸等级=3.21 s）;驾驶次任务沉浸等级对接管正确时间均具有统计学差异（5 s时：p =0.031 < 0.05;10 s时：p =0.019 < 0.05）,接管正确时间随着驾驶次任务沉浸等级的上升而降低;③在相同驾驶次任务条件下,接管反应时间随着驾驶次任务沉浸等级的升高而降低,统计结果表明驾驶次任务与驾驶次任务沉浸等级的交互作用对接管反应时间无统计学差异,而对接管正确时间具有显著影响。

     

交叉路口场景下自动驾驶感知识别关键技术研究

交叉路口因其交通参与者类型复杂、交通行为随机性大等特点成为城市交通事故常发的典型场景。本文总结14种典型交叉路口冲突场景,通过事故案例及自然驾驶数据分析单车多传感器信息融合感知技术在交叉路口下的潜在风险,并提出交叉路口自动驾驶感知技术方案构想,为提升城市交叉路口交通安全提供参考。     

自动驾驶车辆人机接管需求模型构建方法

提出了一种基于模型系统工程(MBSE)的人机接管需求模型构建方法,旨在实现复杂功能需求管理。以人机接管功能适用场景作为用例,将驾驶员与车辆视为共同完成任务的主要元素,结合人在接管任务中的心理、感知和行为特性推导建立交互能力,按接管过程建立活动图和顺序图形逻辑,并使用系统模型语言(SysML)工具进行系统能力分配和系统模型建立。通过一个案例验证了本方法的有效性和可行性,并与传统的需求分析方法进行了对比,证明了本方法在复杂功能需求管理方面的优势。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现：驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机（SVM）,以及逻辑回归（LR）等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明：基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959,优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859）,以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。     

自适应巡航及协同式巡航对交通流的影响分析

自适应巡航（ACC）和协同式自适应巡航（CACC）等自动驾驶技术正逐渐进入市场,未来一段时间内道路交通流将由人工驾驶车辆与不同等级、不同形式的自动驾驶车辆混合构成。为分析ACC和CACC对交通流的影响,利用实测交通数据NGSim建立人工驾驶车辆跟驰模型,并在综合已有ACC和CACC模型的基础上,提出基于安全间距的自动驾驶跟驰行为模型,进而得出不同ACC,CACC车辆渗透率下交通流的基本图模型。研究结果表明：自动驾驶可以提升交通容量;与ACC车辆比例r_a相比,CACC车辆比例r_c对交通容量的影响更为显著;当r_c>0.5时,饱和流量快速增加,当r_c=1时,饱和流量约为纯人工驾驶时的2倍。进一步,通过仿真考察车辆在车队中的跟驰响应和交通流在瓶颈处的运行情况。研究结果表明：自动驾驶改善了交通流的动态特性,对存在跟驰关系的连续车流来说,自动驾驶使得后车可以更加及时地响应前车的行为,车流会在更短的时间内进入稳态;在交通瓶颈处,自动驾驶降低了拥堵程度,提高了阻塞发生的临界流量。总体来看,自动驾驶对交通流静态和动态性能均有所提升,特别是在协同式自动驾驶场景下,车辆行为更加协调一致,交通流表现出良好的抗扰性,进一步验证了车路协同对自动驾驶的意义。     

人-车-路交互下的驾驶人风险响应度建模

人机共驾中,共驾模式的选择和驾驶控制权的分配高度依赖于对驾驶人状态的正确识别。为了分析人机共驾中驾驶人的状态,对行车风险场模型进行重构,通过构建风险场力作用机制,建立包含驾驶人特性、自车特性和外部风险特性的人-车-路闭环系统中的驾驶人风险响应度模型,用于表征驾驶人对风险的认知能力和应对倾向。根据24位驾驶人在跟车和并道2个场景中的驾驶试验结果,对不同风险响应度下驾驶人的驾驶特性进行分析。研究结果表明：驾驶人风险响应度在驾驶过程中具有时变性,在驾驶人个体之间和不同驾驶场景间均存在差异性。在风险响应度分别为低、中、高的3类驾驶片段中,驾驶人在驾驶时的碰撞时间倒数T_TCi和加减速行为均具有显著差异（p<0.05）;风险响应度较高的保守型驾驶中,驾驶人行车时倾向于保持较小的T_TCi（均值为-0.48 s^-1,标准差为1.25 s^-1）,单位时间内制动操作最多[均值为0.65次·（15 s）^-1],总体驾驶风格倾向于规避风险;风险响应度较低的激进型驾驶中,驾驶人行车时倾向于保持最大的T_TCi（均值为0.28 s^-1,标准差为0.42 s^-1）,相较于保守型驾驶,单位时间内加速操作较多[均值为0.48次·（15 s）^-1],制动操作较少[均值为0.50次·（15 s）^-1],总体驾驶风格倾向于追求行驶效率;风险响应度居中的平衡型驾驶中,驾驶人行车时所保持的T_TCi居中（均值为0.04 s^-1,标准差为0.36 s^-1）,单位时间内加速操作[均值为0.23次·（15 s）^-1]和制动[均值为0.41次·（15 s）^-1]操作总数最少,对于行驶效率和行车安全的追求相对均衡。相较于以往将驾驶人作为孤立个体的驾驶人状态评估方法,所提出的驾驶人风险响应度模型可以依据驾驶人在人-车-路交互中的驾驶表现,更为全面地反映驾驶人的个性化驾驶状态。     

自动驾驶系统交通规则符合性仿真验证方法

随着自动驾驶技术的不断发展,高级别自动驾驶车辆逐步在限定区域开展实际道路测试,确保和提高自动驾驶系统安全驾驶能力是当前研究、测试和工程开发的热点难点。面对自动驾驶车辆将长期与人类驾驶车辆混行,并与其他交通参与者遵守同样交通规则的现实需要,提出一种验证和测试自动驾驶系统交通规则符合性的方法,以期降低多车混行条件下的交通安全风险。针对各类交通法律法规语义自动解析技术瓶颈,提出规范化-逻辑化两阶段交通规则数字化模型,基于改进谓词度量时序逻辑框架(Metric Temporal Logic,MTL),将自然语言交通规则转换为命题、逻辑连接词和时序算子组成的逻辑编码,生成了自动驾驶系统可理解、可执行、可验证的数字化交通规则,并构建了交通规则命题的分级分类体系。提出了一套基于自动驾驶车辆高精度运动轨迹的交通规则符合性验证算法,并搭建仿真试验平台,在高速公路交通场景下开展了试验验证。理论分析与试验表明：精简命题空间、新增时序算子和谓词逻辑词等改进有效提高了原有MTL框架的时间表现能力,解决了时序逻辑性不足等问题,大幅提高了交通规则数字化转换效率,对地方性交通法规和未来交通法规修订提供了良好的兼容性。提出的交通规则符合性验证方法及试验平台可以有效测试自动驾驶系统对现有交通规则的遵守能力,相关成果对提高自动驾驶系统安全性能和未来混行交通安全管控水平具有重要意义。     

基于驾驶行为的高速公路出口标志形式研究

为了给中国指路标志标准规范修订完善提供参考,针对中国当前标准规范中高速公路互通出口标志形式与以美国为代表的发达国家之间的差异,设计了2种出口标志形式,分别设置在r形和Y形出口,共形成4组设置方案组。通过驾驶模拟实施寻路试验,获取微观驾驶行为数据,以此为基础研究不同形式出口标志的效用。利用因子分析法得到综合因子得分,定义为“出口行动作用参数”,基于行动作用参数选择了强度值、变化率和行动作用位置3个评价指标,比较了不同出口形式下不同形式出口标志的效用。研究结果表明：对于r形和Y形出口,简化型的强度值和行动作用位置均优于国标型,r形出口简化型的变化率劣于国标型,Y形出口简化型的变化率与国标型没有差别。不同出口形式的评价指标效果是不同的,简化型的出口标志有助于增强出口行动作用参数强度值和提前行动作用位置,用于Y形出口综合效果较优,建议简化型作为Y形出口标志的推荐形式。     

基于交通标志信息量的驾驶负荷加载有效性研究

过高的驾驶负荷是导致驾驶绩效受损和交通事故的重要原因,因此驾驶行为和交通安全研究中需要采用适当的负荷加载形式;通过试验分析不同信息量的交通标志对驾驶人认知负荷的影响规律,验证交通标志信息量对负荷加载的有效性。基于不同信息量的交通标志,对驾驶人的驾驶负荷进行试验验证。招募44名被试在静态控制环境下进行交通标志认知试验,采用信息理论对交通标志信息量进行量化计算,用不同信息量的交通标志进行认知负荷加载,采集被试对每个标志的主观负荷评价及反应时间。试验结果表明：主观驾驶负荷与交通标志信息量有高度相关性,反应时间随着信息等级的增加而增加;而驾驶人性别和驾驶经验对交通标志视认反应时间和主观驾驶负荷量化没有显著影响,这说明在驾驶试验中,交通标志信息量可以用于驾驶试验中的认知负荷的加载,而这种负荷的加载对于驾驶人的性别和驾驶经验是无差别的。该研究更多地考虑了驾驶人的认知特性,研究成果可用于驾驶负荷试验的次任务加载,帮助进行交通安全理论研究。     

驾驶员在真实交通危险工况中的制动反应时间

本文研究了驾驶员在真实交通危险工况中的制动反应时间。通过对上海地区采集到的真实交通工况进行筛选和分类,得到6种典型的危险工况类型。对这6种危险工况,特别是"前车减速"工况中驾驶员制动反应时间进行了测量和分析。结果表明,驾驶员的制动反应时间随危险工况类型不同而不同。相对于由其他车辆导致的危险,当危险是由行人等易受伤害的道路使用者引起时,驾驶员的制动反应时间更短。在"前车减速"工况中,当车速上升、危险紧急程度增加或者在非路口行驶时,驾驶员制动反应时间有减小的趋势。本研究为开发适合我国特殊交通状况的先进驾驶辅助系统提供依据。